입력 데이터 형태에 따른 CNN 기반 변조 분류 성능 비교

초록

본 연구에서는 무선 스펙트럼의 입력 형태에 따른 합성곱 신경망(Convolutional Neural Network, CNN)기반 변조 신호 분류의 성능을 비교 분석한다. IQ 벡터, FFT 벡터, 진폭/위상 벡터의 3 가지 형태로 변환하여 학습에 활용하였으며, 데이터 표준화(Standardization) 스케일링 기법 적용에 따른 성능변화를 관찰하였다. 본 연구를 통해 동일한 신경망에서 입력 형태에 따라 성능차이를 확인하였으며, 표준화 스케일링 기법을 적용한 진폭/위상 벡터에 대한 분류 성능이 최대 70%로 가장 높은 수치를 나타내었다.