신호처리 분야의 많은 추정 및 재구성 알고리즘은 신호의 개수가 알려져 있다면 그 자체를 개선할 수 있다. 그러나 이러한 사전지식에 대한 가정은 실제 환경에서는 도전적이다. 또한 저지연이 요구되는 시스템에서는 짧은 데이터 획득 시간, 즉 소수의 샘플을 통해 신호의 물리적 파라미터에 관한 정보를 얻을 필요가 있는 경우가 많다. 따라서 소수의 샘플로 신호의 개수를 효과적으로 탐지하는 알고리즘은, 해당 알고리즘들의 전처리기로서 다양한 추정 및 재구성 알고리즘에 큰 도움을 줄 수 있다. 본 논문에서는 효율적으로 설계된 신경망(NN)을 통해 신호의 개수를 탐지하는 새로운 알고리즘인 NsigNet을 소개한다. 제안하는 방법은 샘플링된 신호로부터 재구성한(informative) 행렬의 singular values를 입력으로 하여 NN을 최적화하고, 신호의 개수를 나타내는 one-hot encoding 벡터를 출력하도록 한다. 시뮬레이션 결과는 NsigNet이 다양한 환경에서 기존 기법들보다 우수함을 보여준다. 특히 제안된 방식은 학습 데이터셋의 수와 네트워크 크기가 극도로 작게 필요하다. 마지막으로, 실제 on-/off-grid 문제에서 각각 NsigNet의 이점을 검증하기 위해 (i) compressive sensing을 이용한 희소 신호 복원 및 (ii) 반복 K-truncated singular value decomposition (SVD)에 의한 신호 잡음 제거의 두 가지 응용을 제시한다.

*본 초록은 AI를 통해 원문을 번역한 내용입니다. 정확한 내용은 하기 원문에서 확인해주세요.