• 한국통신학회논문지
• /
• 제31권12C호
• /
• pp.1257-1264
• /
• 2006

반송파 주파수 옵셋은 OFDM(Orthogonal Frequency Division Multiplexing) 신호의 부채널간 간섭(ICI)을 유발하며, 수신 신호의 진폭과 위상을 왜곡시켜 전체적인 시스템 성능에 심각한 영향을 미친다. 본 논문에서는 OFDM 시스템에서 주파수 옵셋을 추정하는 새로운 기법을 제한한다. 이 기법은 주파수 옵셋으로 인해 위상이 회전 되어 왜곡된 OFDM 심볼의 CP와 유효 OFDM 심볼에 대해 통계적 독립 성분 분석(ICA - Independent Component Analysis)을 EVD(Eigenvalue Decomposition), 회전 페이저, 그리고 $4^{th}-cumulants$를 이용하여 시간영역에서 추정하여 보상하는 기법이다. 어떤 훈련 심볼열이나 파일럿 심볼을 필요하지 않기 때문에 대역폭 효율의 저하가 없다. 모의실험 결과, 제안된 CP-ICA 기법이 주파수 옵셋의 범위가 $0.0<\varepsilon<1.0$에서 기존의 제안된 주파수 옵셋 추정기보다 매우 좋은 BER 성능 결과를 보여준다.

• 한국통신학회논문지
• /
• 제39C권2호
• /
• pp.122-129
• /
• 2014

본 연구에서는 사용자에게서 취득한 뇌파의 감정분류를 시행하였고, SVM(Support Vector Machine)과 K-means 알고리즘으로 분류실험을 하였다. 뇌파 신호는 측정 한 32개의 채널 중에서, 이전 연구에서 감정분류가 뚜렷하게 나타났던 CP6, Cz, FC2, T7, PO4, AF3, CP1, CP2, C3, F3, FC6, C4, Oz, T8, F8의 총 15개의 채널을 사용하였다. 감정유도는 DVD 시청과 IAPS(International Affective Picture System)라는 사진 자극 방법을 사용하였고, 감정분류는 SAM(Self-Assessment Manikin) 방법을 사용하여 사용자의 감정상태를 파악하였다. 취득된 사용자의 뇌파신호는 FIR filter를 사용하여 전처리를 하였고, ICA(Independence Component Analysis)를 사용하여 인공산물(eye-blink)을 제거하였다. 전처리된 데이터를 FFT를 통하여 주파수 분석을 하여 특징추출(feature extraction) 하였다. 마지막으로 분류알고리즘을 사용하여 실험을 하였는데, K-means는 70%의 결과를 도출하였고, SVM은 71.85%의 결과를 도출하여 정확도가 더 우수하였으며, 이전의 SVM을 사용했던 연구결과와 비교분석하였다.