pISSN : 1226 - 4717 / eISSN : 2287 - 3880
발행기관 : 한국통신학회
발행기관 : 한국통신학회
한국통신학회 논문지는 1976년부터 발행되고 있으며, 정보통신 분야에서 가장 오래된 역사를 가지고 있는 국문/영문 혼용 논문지입니다. 정보, 통신, 네트워크 및 융합 기술에 관련된 주제를 다루는 전문 학술지로 정보, 통신, 네트워크 및 융합 기술에 관련된 새로운 개념, 이론, 기술과 응용까지 논문에서 다루는 주제에 따라 일반논문(Part A (AI for ICT Applications), Part B (Communications Systems), Part C (Networks and Computings), Part D (Services Applications and Emerging Topics), Part E (ICT Convergence), Part F (System Implementation)), 특집논문으로 분류하여 연간 400여 편의 논문이 발행되고 있습니다.
Indexed in
Publishing with
우수논문 (49권 8호, 8월 2024)
Mobile Edge Computing for 6G Non-Terrestrial Networks: A SurveyMinhyuk Kang Shao Zhaokun Muhammad Sohaib Sang-Woon Jeon |
|
| In order to provide high-speed, low-latency connectivity, 6G technology emerges as a promising solution, offering terahertz-frequency operation, ultra-low latency, and seamless integration with cutting-edge technologies like artificial intelligence, ... | |
엣지 클러스터 구조의 차량 오프로딩 시스템에서 강화학습을 활용한 부하 분산 알고리즘방수정 이미정 |
|
| 차량을 위한 지능형 응용 서비스가 활발히 연구되고 있으나, 차량의 제약적인 자원만으로 서비스 요구사항을만족시키는 것에는 한계가 존재하여 엣지 서버에 작업을 오프로딩하는 방법론이 주목받고 있다. 하지만 엣지 서버는 중앙 집중형 서버에 비해 자원이 제약적이어서 차량이 밀집되거나 고연산 작업이 다량 요청되면 과부하 상태로 이어져 오프로딩 성공률을 낮출 수 있다. 본 논문은 한정적인 엣지 서버의 가용 자원 활용률을 최대화하는 것을 목적으로, 차량 오프... | |
최근 발간 목록 (49권 8호, 8월 2024)
OFDM-BOC(8:4:4,2) 신호를 위한 비모호 상관 함수 설계
유승수 김선용
본 논문에서는 OFDM-BOC(8:4:4,2) 신호를 위한 비모호 상관 함수를 제안하고, 모의실험을 통해 부호 동기 추적 성능을 확인한다. OFDM-BOC (Orthogonal Frequency Division Multiplexing – Binary Offset Carrier) 신호는 LEO-PNT (Low Earth Orbit – Position, Navigation, and Timing) 구현을 위해 제안된 신호로서 BOC 신호의 장점인 높은 주파수 대역 효율과 부호 동기 추적 성능을 유지하면서도 광대역 변조가 가능하다. 기존 BOC 신호는 대부분 정현(sine) 또는 여현(cosine) BOC 신호만 사용하는 것과 비교해 OFDM-BOC 신호는 정현과 여현BOC 신호를 모두 사용할 수 있다. 제안한 OFDM-BOC 신호를 위한 비모호 상관 함수는 2개의 기저 신호(basis signal)를 조합하여 구성하며, 설계한 신호의 상관 함수는 OFDM-BOC(8:4:4,2) 신호의 상관 함수 주첨두(main peak) 폭의 절반 폭의 주첨두만 갖는다. OFDM-BOC(8:4:4,2) 신호의 상관 함수가 12개의 오결정점(false-lock point)을 갖는 것과 비교해 설계한 신호의 상관 함수는 오결정점을 전혀 갖지 않으며, 대표적인 다중경로 신호 수신 환경에서 OFDM-BOC(8:4:4,2) 신호의 부호 동기 추적 오차가 약 4.5m인 반면 제안한 기법은 약 3.0m이고, 부호 동기 추적 오차의 유동 평균의 최고값이 OFDM-BOC(8:4:4,2) 신호보다 절반 정도로 부호 동기 추적 정확도와 안정성이 우수하다.
우수 논문 Mobile Edge Computing for 6G Non-Terrestrial Networks: A Survey
Minhyuk Kang Shao Zhaokun Muhammad Sohaib Sang-Woon Jeon
In order to provide high-speed, low-latency connectivity, 6G technology emerges as a promising solution, offering terahertz-frequency operation, ultra-low latency, and seamless integration with cutting-edge technologies like artificial intelligence, quantum computing and blockchain. In order to extend connectivity to remote regions, the integration of non-terrestrial networks (NTNs), including satellites and unmanned aerial vehicles (UAVs), with 6G networks has become imperative. Moreover, the integration of mobile edge computing (MEC) into 6G terrestrial networks (TNs) and NTNs plays a crucial role in minimizing latency, optimizing backhaul traffic, and enhancing user experience by bringing computational resources closer to end-users. To this end, this paper presents various deployment scenarios for MEC servers, including base stations, UAVs, satellites, and gateways, and explores different user access scenarios for both TNs and NTNs. By providing a comprehensive overview of 6G TNs and NTNs, and their integration with MEC, this paper addresses existing research, tackles challenges, and outlines future directions to propel wireless communication and computing paradigms forward.
3GPP Release 19의 비지상 네트워크 기술 개요
장준모 박소연 최수한
본 논문은 3GPP Release 19에서 표준화되는 NTN(Non-Terrestrial Network) 관련 Work Item들에 대해 분석하고 설명한다. 각 Work Item 별로 표준화가 필요한 원인에 대해 분석하고, 그 결과를 기반으로 기대할 수 있는 효과에 대해 설명한다. 또한, 3GPP Release 17과 Release 18에서 표준화된 NTN 관련 기술에 대해서 전체적으로 살펴본다. 특히, Release 19에서 NTN 관련하여 제안된 Work Item 중에서 대표적으로 Regenerative Payload, Uplink capacity/커버리지 성능 개선, Downlink 커버리지 성능 개선, Mobility 성능 개선에 좀 더 자세히 설명한다.
Vision Transformer를 이용한 자동변조인식 기술
이민주 채명호 임완수
자동변조인식 (AMR, Automatic Modulation Recognition)은 무선 통신 시스템에서 핵심적인 역할을 하는 기술로, 데이터 통신의 효율성 향상 및 무선 통신 시스템의 신뢰성과 보안 강화에 기여한다. 최근 딥러닝 기술 발전으로 AMR 분야도 딥러닝을 활용하여 변조 인식 성능을 향상하는 연구가 매우 활발히 수행되고 있다. 이에 본 논문은 시계열 이미지 데이터 처리 능력이 뛰어난 ViT (Vision Transformer) 모델 기반 AMR 기술을 제안한다. ViT 모델은 입력 이미지를 작은 이미지 단위인 패치로 나눈 후, 각 패치에 순서를 할당하여 Transformer Encoder의입력으로 사용한다. ViT 기반 AMR 모델은 각 변조 방식의 성상도를 학습하여 변조 방식을 인식한다. 제안한 변조 인식 기법은 낮은 SNR에서도 변조 인식 정확도가 평균 약 2% 향상되었다.
지능형 소프트웨어 정의 인지무선 네트워크의 M&S를 위한 DDPG 기반 트래픽 분산 컨트롤러 설계 및 구현
이철웅 이호진 이규민 이병규
컴퓨터의 연산 능력과 무선통신 기술이 향상되면서 다양한 소형 무선 장치들이 등장하였으며, 사물인터넷 기술을 기반으로 하는 다양한 서비스가 출시되었다. 따라서 주파수 자원에 대한 수요가 증가하여, 기존 방식으로는 안정적으로 통신을 수행하기 어려울 만큼 주파수 대역이 포화되었다. 이러한 문제를 극복하기 위해 주파수 자원의사용 효율 향상을 위한 CR 네트워크 구성 기술들이 제안되었으나, 무선환경 인지를 위해 고려해야 할 요소가 많아 CR 네트워크를 더욱 효과적으로 구성하기 위한 아키텍처가 적용될 필요가 있다. 본 논문에서는 SDN 기술을지원하는 CR 네트워크 아키텍처를 제안한다. 또한, 제안 구조를 갖는 CR 네트워크에 적용 가능한 DDPG 기반부하 분산 컨트롤러 아키텍처를 제안한다. 본 논문의 실험결과는 제안하는 컨트롤러가 CR 네트워크의 트래픽을효과적으로 분산시켜서 주파수 자원이 효율적으로 사용될 수 있음을 보인다.
우수 논문 엣지 클러스터 구조의 차량 오프로딩 시스템에서 강화학습을 활용한 부하 분산 알고리즘
방수정 이미정
차량을 위한 지능형 응용 서비스가 활발히 연구되고 있으나, 차량의 제약적인 자원만으로 서비스 요구사항을만족시키는 것에는 한계가 존재하여 엣지 서버에 작업을 오프로딩하는 방법론이 주목받고 있다. 하지만 엣지 서버는 중앙 집중형 서버에 비해 자원이 제약적이어서 차량이 밀집되거나 고연산 작업이 다량 요청되면 과부하 상태로 이어져 오프로딩 성공률을 낮출 수 있다. 본 논문은 한정적인 엣지 서버의 가용 자원 활용률을 최대화하는 것을 목적으로, 차량 오프로딩 환경에서 엣지 서버 간 부하 불균형 문제를 해결하는 알고리즘을 제안한다. 본 연구는 엣지 서버 간 클러스터를 형성하고 클러스터 내 가용 자원량의 편차를 최소화하는 최적화 문제를 정의하고, 동적인 환경에서도 최적의 결정을 하기 위하여 강화학습 모델 TD3(Twin Delay DDPG)를 활용한 부하 분산 알고리즘을 제안한다. 실험을 통해 제안 알고리즘이 부하 불균형 상황을 효과적으로 완화시킴을 확인하였고 특히 차량수가 증가하거나 작업의 다양성이 증가하는 환경에서도 높은 오프로딩 성공률을 보이는 것과 부하 분산으로 인한확장성 향상 효과를 확인하였다.
Hierarchical Reinforcement Learning-Based Delay-Sensitive Video Delivery in Vehicular Networks
Yunoh Kim Tiange Xiang Yeongjin Kim Minseok Choi
This paper jointly optimizes node scheduling and the delivery of video chunks in delay-sensitive dynamic video streaming using a hierarchical reinforcement learning algorithm. Specifically, we presented an algorithm capable of adjusting node scheduling and the transmission of video chunks at two different slow and fast timescales, respectively. When nodes caching content are randomly distributed, mobile users dynamically select the node from which to receive video and control the number and quality of video chunks from the selected node, depending on the channel conditions with nearby nodes, the quality of cached content, and the user’s queue status.
Non-IID 데이터 환경에서의 적응적 연합학습 기법
군집화를 통해 추출한 AI 학습용 분광 스펙트럼 데이터 기반 유해화학물질 판독 모델
유성민 김연진 조숙경 백성하 김경배
유해화학물질 사고는 소량이라도 주변에 큰 영향을 미칠 수 있기에 사고 발생 시 해당 화학물질을 신속하게 식별하고 적절히 대응하는 것이 매우 중요하다. 기존의 화학물질판독 연구는 화학물질 센서 및 영상정보를 활용하였으나, 화학물질 센서를 기반으로 한 방법은 센서가 없는 경우 적용이 어려우며, 영상정보를 기반으로 한 방법은물질의 색상이 동일하거나 무색인 경우에 탐지가 어려운 문제점이 있다. 따라서 본 논문에서는 동일한 색상이나무색의 유해화학물질을 구분할 수 있도록 분광 스펙트럼 데이터를 이용한 새로운 AI 기반 유해화학물질 판독 시스템의 인공지능학습데이터 구축 기법 및 유해화학물질 판독 모델을 제안한다. 제안된 인공지능학습데이터 구축기법은 원시 분광 스펙트럼 데이터에 군집화를 통한 데이터 추출 방법을 적용하여 데이터 추출의 정확도를 향상시켰다. 또한, 추출한 데이터를 기반으로 물질의 분광 스펙트럼 데이터의 특성을 반영해서 랜덤 포레스트 알고리즘을 활용해 구현한 유해화학물질 판독 모델을 제안하였고, 자체 실험을 통해 모델의 성능을 검증했다. 본 논문에서 제안된 인공지능기반 유해화학물질 판독 시스템은 시각적 특징이 없는 유해화학물질 사고 발생 시에도 신속한판독이 가능함으로써 선제적 대응을 통해 화학 사고의 피해를 줄일 수 있을 것으로 기대된다.
pISSN : 1226 - 4717
eISSN : 2287 - 3880