딥러닝 알고리즘을 이용한 수중채널 특성 변화 예측에 관한 연구

• 영문명: A Study on Prediction of Underwater Channel Characteristics Change Using Deep Learning Algorithm
• 발행기관: 호서대학교 공업기술연구소
• 저자명: 정태건(Tae-Geon Chung) 임태호(Tae-Ho Im)
• 간행물 정보: 『공업기술연구 논문집』제39권 제1호, 57~64쪽, 전체 8쪽
• 주제분류: 공학 > 공학일반
• 파일형태: PDF
• 발행일자: 2020.06.30

국문 초록

최근 자연 재해의 탐지, 해양 과학탐사, 해양국방, 해양플랜트 등 다양한 분야에서 수중 및 해상에 대한 장기간 관측의 필요성이 대두되어 수중 모니터링을 통한 데이터 수집, 분석이 활발히 연구되고 있다. 수중에서 데이터를 수집하여 육상까지 전달하기 위해서는 수중음향통신이 주로 활용되고 있다. 그러나 육상 통신과 비교했을 때 현저히 낮은 음파의 속도, 다중 경로 페이딩, 도플러 효과 등의 원인으로 인해 아주 열악한 수중통신 환경을 가지고 있다. 그리고 수온, 해저 지형, 조류, 염도 등에 의해 수중 환경은 매우 빠르고 크게 시변하는 특성을 가진다. 본 연구에서는 17년 7월 5일에서 7월 6일에 걸쳐 인천광역시 덕적도 인근 해역에서 실해역 실험을 수행하였다. 4분 간격으로 수중 음향 OFDM 시스템의 파라미터(modulation, channel coding, coding rate)를 변경하며 장시간 수집한 신호를 송출 신호 기반으로, 수중채널 환경의 특성을 미리 예측하기 위해서 딥러닝 알고리즘을 적용하여 성능을 확인하는 연구를 수행한다.

영문 초록

Recently, the necessity of long-term observation of underwater has emerged in various fields such as detection of natural disasters, marine science exploration, marine defense, and offshore plants, and data collection and analysis through underwater monitoring has been actively studied. Underwater acoustic communication is mainly used to collect data from underwater and transmit it to the land.However, compared to land communication, it has a very poor underwater communication environment due to the reason of the significantly lower sound wave speed, multipath fading, and Doppler effect. In addition, the underwater environment has very fast and large time-varying characteristics due to water temperature, submarine topography, algae, and salinity. In this study, experiments were conducted from July 5 to July 6, 17 in the waters near Deokjeok-do, Incheon Metropolitan City.By changing the parameters (modulation, chanel coding, coding rate) of the underwater acoustic OFDM system at intervals of 4 minutes and applying the signals collected for a long time based on the transmission signal, a deep learning algorithm is applied to predict the characteristics of the underwater channel environment in advance. Conduct confirmatory studies.

목차

I. 서론

II. 수중 OFDM 시스템

V. 머신 기반 분석

III. Deep neural network

IV. 머신러닝을 사용한 수중 채널 추정 분석

I. 결론

키워드

Underwater wireless communication machine learning underwater OFDM