OFDM-IM 코딩/복호 및 도플러 추정 최적화 연구

Optimization of Coding/Decoding and Doppler Estimation for OFDM-IM

연구 내용

OFDM 인덱스 변조에서 LDPC·Turbo 복호 복잡도를 낮추고 도플러 스프레드를 머신러닝으로 추정하는 연구

본 연구는 OFDM-IM 계열에서 채널 변동과 다중경로 환경을 가정했을 때, 복호 구현 복잡도와 추정 정확도를 함께 개선하는 데 초점을 둡니다. LDPC는 posterior probability를 부주파수(subcarrier) 단위로 분해하여 구현 복잡도를 줄이면서도 성능 저하를 최소화하는 구조를 제안합니다. 또한 Turbo equalizer에서는 BCJR 기반의 확률 정의를 활용해 시스템 비트와 패리티 비트, 인덱스 선택 비트와 심볼 선택 비트의 오차 특성을 분해 분석하고 비트 매핑을 최적화합니다. 더불어 머신러닝 입력으로 averaged PSD sequence를 구성하여 Mixed-channel 시나리오에서 도플러 스프레드 추정 성능을 안정화합니다.

관련 프로젝트

0건

연구 흐름

초기에는 OFDM 인덱스 변조에서 LDPC 복호의 계산 부담을 낮추는 방향으로 posterior probability 구조를 재구성하는 연구를 수행했습니다. 이후에는 Turbo coding이 결합된 OFDM-IQ-IM에서 BCJR 디코딩 관점의 확률 일치성을 확인하고, 비트 역할(시스템/패리티, ISB/SSB)에 따른 BER 차이를 바탕으로 매핑 스킴을 제안했습니다. 최근에는 도플러 스프레드 추정을 머신러닝 기반으로 확장하면서, CSI 전처리와 학습 데이터 품질을 개선하기 위해 averaged PSD sequence를 설계하고 혼합 채널 조건에서 일반화 성능을 평가하는 연구로 진화했습니다.

활용 가능성

활용 가능성은 알앤디써클 특화 AI 에이전트가 생성한 내용으로, 실제 연구 가능 여부는 연구실과의 논의가 필요합니다.

OFDM-IM 기반 고효율 링크 적응
저복잡도 LDPC 복호기 설계
Turbo equalizer용 비트 매핑 최적화
도플러 스프레드 기반 이동성 보정
Mixed-channel 환경 채널 특성 추정
무선측위 성능 안정화 알고리즘
차세대 위성·이동통신 PHY 신호처리
실시간 구현용 확률 계산 단순화
채널 기반 학습 데이터 전처리 기법
BER 중심 설계 검증 워크플로우