신경망 기반 WLAN 링크 적응 및 FPGA MAC 효율화

Neural-Network-Based WLAN Link Adaptation and FPGA MAC Efficiency

연구 내용

무선 채널 계수와 ACK 신호를 활용한 preamble 기반 빠른 링크율 적응을 수행하고, SNR·mutual information 특징과 신경망을 적용해 처리량·지연 성능을 개선하며 FPGA MAC 아키텍처를 최적화하는 연구

WLAN에서 송신기·수신기 RF 성능 불일치와 페이딩에 의한 성능 저하를 줄이기 위해 링크 적응 로직을 설계합니다. preamble 기반 방식으로 채널 계수와 이전 패킷 정보를 활용해 갱신된 SNR을 계산하고, mean mutual information 기준으로 변조·코딩 방식을 선택하여 최대 처리량을 목표로 합니다. 또한 neural network를 통해 SNR과 mutual information을 입력 특징으로 사용하고, 전통적 접근 대비 처리량과 지연 특성을 비교·분석합니다. MAC 측면에서는 기존 구조의 스루풋 병목을 분해하고 SystemC 기반 트랜잭션 수준 모델로 병목 원인을 확인한 뒤 하드웨어-소프트웨어 분할과 송신 큐를 조합하여 효율을 개선합니다. 이를 FPGA 구현으로 검증합니다.

관련 프로젝트

0건

연구 흐름

초기에는 IEEE 802.11을 대상으로 preamble 기반 링크 적응 알고리즘을 구성하고, ACK 신호로 송수신 성능 차이를 보정하는 절차를 정립했습니다. 다양한 패킷 전송 구간과 도플러 조건에서 처리량 이득을 검증하고, 펌웨어를 C로 작성하여 Xilinx Zynq 7020 기반 무선 테스트로 적용 가능성을 확인했습니다. 이후 링크 적응을 신경망 기반으로 확장하여 SNR과 mutual information 특징을 입력으로 하는 모델을 설계하고, throughput 및 latency 관점에서 실용적 이득을 분석했습니다. 마지막으로 FPGA MAC 시스템에서는 병목 구조를 식별하고 SystemC 트랜잭션 모델로 스루풋 개선 경로를 도출한 뒤 큐·분할 구조로 구현 효율을 검증했습니다.

활용 가능성

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

실시간 WLAN 링크 적응 로직
SNR 기반 MCS 선택
Mutual information 기반 전송 제어
지연 중심 무선 스케줄러
신경망 기반 무선 채널 적응
FPGA MAC 프로토타이핑
하드웨어-소프트웨어 분할 설계
송신 큐 파라미터 최적화
처리량 병목 분석 프레임워크
페이딩 변화 대응 적응형 전송