신경망 기반 전이(時間변화) 채널 적응 풀두플렉스 자기간섭 제거 연구

Neural Network Aided Self-Interference Cancellation for Full-Duplex Time-Varying Channels

연구 내용

선형 채널 계수 추정치를 입력으로 사용하는 채널 강건 신경망을 이용해 전이 채널에서도 자기간섭을 낮추는 디지털 SIC 연구

인밴드 풀두플렉스는 수신 원하는 신호를 복원하기 위해 자기간섭(self-interference cancellation, SIC)을 정밀하게 제거해야 합니다. 기존 신경망 기반 SIC는 비선형 자기간섭 성분을 오프라인 학습하고 정적 채널을 가정하는 경우가 많아 시간에 따른 채널 변화에서 열화가 발생합니다. 본 연구는 선형 자기간섭 채널 계수 추정치를 입력으로 하는 채널 강건 신경망을 디지털 SIC에 결합해, 학습된 모델을 재학습 없이 전이 자기간섭 채널에 적응하도록 설계하는 방법을 다룹니다. 이를 통해 자기간섭을 잡음 바닥 수준까지 낮추는 수신기를 구현하는 방향으로 확장합니다.

관련 프로젝트

0건

연구 흐름

초기 접근은 풀두플렉스 수신에서 자기간섭의 비선형 성분을 신경망이 학습할 수 있다는 전제를 바탕으로 오프라인 학습 기반 SIC 구조를 확인하는 데 집중되었습니다. 이후 시간에 따라 변하는 자기간섭 채널 환경에서 온라인 재학습이 어렵다는 한계를 분석하고, 학습 비용을 줄이면서 적응성을 제공하는 입력 설계를 모색했습니다. 연구의 핵심은 선형 자기간섭 채널 계수 추정치를 조건으로 삼아 신경망 출력이 시간 변화를 반영하도록 구성하는 방식으로 정리되었습니다. 최종적으로 정적 및 전이 채널 환경 모두에서 자기간섭 제거 성능이 유지되는 구조를 검증하는 흐름으로 이어졌습니다.

활용 가능성

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

인밴드 풀두플렉스 수신기 설계
디지털 SIC 알고리즘
전이 채널 적응 수신
신경망 조건 입력 설계
자기간섭 성능 열화 완화
차분(인접) 간섭 저감
차량/이동 단말 통신 적용
재학습 없는 적응형 수신
채널 계수 추정 기반 보정
실시간 통신 구현 검증