• 한국ITS학회 논문지
• /
• 제10권3호
• /
• pp.85-94
• /
• 2011

스펙트럼 센싱은 인지 라디오에서 가장 핵심이 되는 기술이다. 이미 여러 논문에서 에너지 검출기를 바탕으로 하는 스펙트럼 센싱 기법들에 대해 연구하였지만, 실제 시스템에서는 노이즈의 분산을 정확히 추정하는 것이 어려우므로 에너지 검출기를 쓰면 시스템이 요구하는 오경보 확률을 유지할 수 없는 문제가 생긴다. 이에 본 논문에서는, 인지 라디오가 예측 가능하지만 알지 못하는 주사용자의 신호를 검출해야 할 때 노이즈의 분산을 몰라도 스펙트럼을 검출할 수 있는 새로운 검출기를 제안한다. 시뮬레이션을 통해 제안한 검출기는 노이즈의 분산을 몰라도 스펙트럼을 검출할 수 있으며 노이즈 분산의 변화에 강인한 특성을 지닌다는 것을 보인다.

• 전기학회논문지
• /
• 제57권8호
• /
• pp.1454-1463
• /
• 2008

Blind source separation by independent component analysis (ICA) has applied in signal processing, telecommunication, and image processing to recover unknown original source signals from mutually independent observation signals. Neural networks are learned to estimate the original signals by unsupervised learning algorithm. Because the outputs of the neural networks which yield original source signals are mutually independent, then mutual information is zero. This is equivalent to minimizing the Kullback-Leibler convergence between probability density function and the corresponding factorial distribution of the output in neural networks. In this paper, we present a learning algorithm using information theory and higher order statistics to solve problem of blind source separation. For computer simulation two deterministic signals and a Gaussian noise are used as original source signals. We also test the proposed algorithm by applying it to several discrete images.