• Journal of Electrical Engineering and Technology
• /
• 제3권2호
• /
• pp.280-284
• /
• 2008

In this paper, a best channel matrix selection scheme(BCMS) is proposed to approximate maximum likelihood(ML) detection for a multiple-input multiple-output system. For a one stage BCMS scheme, one of the transmitted symbols is selected to perform ML detection and the other symbols are detected by zero forcing(ZF). To increase the diversity of the symbols that are detected by ZF, multi-stage BCMS detection scheme is used to further improve the system performance. Simulation results show that the performance of the proposed BCMS scheme can approach that of ML detection with a significant reduction in complexity.

• 한국통신학회논문지
• /
• 제40권4호
• /
• pp.646-652
• /
• 2015

본 논문은 다중 사용자 MIMO 시스템에서 사용자 선택을 위해 필요한 precoding matrix index (PMI)/channel quality indication (CQI)의 보고 방식에 따른 성능을 분석한다. 이러한 분석을 통해 셀 내의 단말의 수, 선택되는 사용자의 수, 그리고 코드북(codebook)의 크기가 Best Companion Grouping (BCG)방식 스케쥴링의 성능에 복잡하게 영향을 미치는 것을 확인한다. 이에 따라 셀 내의 사용자 수와 코드북의 크기에 따라 동시에 스케쥴링 되는 사용자들의 그룹이 형성될 수 있는 확률이 달라지는 것을 확인할 수 있으며, 피드백 오버헤드가 주어졌을 때 이에 따라 피드백하는 PMI의 수와 사용하는 코드북의 크기를 적응적으로 선택함으로써 시스템의 평균 수율 성능을 최적화할 수 있음을 보였다.

• 한국통신학회논문지
• /
• 제39A권3호
• /
• pp.155-157
• /
• 2014

In this paper, a novel codebook generation strategy is proposed. With the given codebooks, two codeword selection procedures are proposed and analyzed for generating the quantized multiple-input multiple-output (MIMO) channel state information (CSI). Furthermore, three different quantization and normalization strategies are analyzed. The simulation results suggest that the proposed 'quantized channel generation method 2' is the best strategy to reduce the quantization and normalization errors to generate the final quantized MIMO CSI.

• Journal of Communications and Networks
• /
• 제18권6호
• /
• pp.892-901
• /
• 2016

In the multi-user multiple-input multiple-output (MIMO) system, orthogonal random beamforming (ORBF) scheme is proposed to serve multiple users simultaneously in order to achieve the multi-user diversity gain. The opportunistic space-division multiple access system (OSDMA-S) scheme performs multiple weighting matrices during the training phase and chooses the best weighting matrix to be used to broadcast data during the transmitting phase. The OSDMA-S scheme works better than the original ORBF by decreasing the inter-user interference during the transmitting phase. To save more time in the training phase, a partly random multiple weighting matrices selection scheme is proposed in this paper. In our proposed scheme, the Base Station does not need to use several unitary matrices to broadcast pilot symbol. Actually, only one broadcasting operation is needed. Each subscriber generates several virtual equivalent channels with a set of pre-saved unitary matrices and the channel status information gained from the broadcasting operation. The signal-to-interference and noise ratio (SINR) of each beam in each virtual equivalent channel is calculated and fed back to the base station for the weighting matrix selection and multi-user scheduling. According to the theoretical analysis, the proposed scheme relatively expands the transmitting phase and reduces the interactive complexity between the Base Station and subscribers. The asymptotic analysis and the simulation results show that the proposed scheme improves the throughput performance of the multi-user MIMO system.

• 지능정보연구
• /
• 제20권2호
• /
• pp.59-71
• /
• 2014

KOSPI200 선물 트레이딩을 위해 업계에서는 여러 전략으로 포트폴리오를 구성해서 운용한다. 동일한 전략 모음을 갖고 있더라도 포트폴리오를 어떻게 구성하느냐에 따라 수익은 크게 차이가 난다. 시장 상황에 맞는 전략들로 포트폴리오를 구성하는 것은 오랜 경험과 탁월한 노하우가 있어야하는 어려운 작업이다. 본 논문에서는 SVM을 활용하여 쉽고 빠르게 적절한 전략 포트폴리오를 구성하는 방법을 제시하였다. 본 논문에서 제안한 시스템의 성과는 벤치마킹의 성과와 비교하여 2배 이상의 수익을 내는 것을 확인하였다. 1990.01.03~2011.11.04 동안의 KOSPI200 데이터 중 이전 80%의 데이터로 학습을 하고 최근 20%의 데이터로 성능을 시험하였다. 각 전략별로 선택여부를 판별하는 SVM모델을 만들고 그 결과를 바탕으로 포트폴리오를 구성하였다. 벤치마킹을 위해 KOSPI200 선물을 2계약 매수한 경우의 수익, 시험 시작 직전 30일간 최고 수익을 낸 2개 전략의 수익, 실제 최고 수익을 낸 전략 2개를 보유했을 때의 수익과 비교하였다. 매매 비용을 반영하지 않을 때는 벤치마킹은 132.2~510.37pt의 수익을 냈고, 본 시스템은 1072.36~1140.91pt의 수익을 보여주었다. 그리고 거래비용을 감안하면 벤치마킹은 130.44~502.41pt의 수익을 냈고, 본 시스템은 706.22pt~768.95pt의 수익을 나타내었다. 본 논문은 기계학습을 통한 전략 포트폴리오를 구성하는 방안이 유의미하며 실전에 활용할 수 있음을 보여주었다. 이를 바탕으로 여러 전략과 다양한 시장에 적용해서 안정성을 검증하면 견고한 상용 솔루션으로 발전시킬 수 있을 것이다. 그리고 자금관리 기법을 더 반영한다면 수익을 더욱 크게 향상시킬 수 있을 것이다.