강종진 김재현 2021-03 2234-4772 https://aurora.ajou.ac.kr/handle/2018.oak/38676 https://www.kci.go.kr/kciportal/ci/sereArticleSearch/ciSereArtiView.kci?sereArticleSearchBean.artiId=ART002699956 본 논문에서는 미상의 통신신호에 대한 자동 변조 인식을 위하여 심층신경망인 딥뉴럴네트워크를 적용하여 변조형태를 식별하고 그 성능을 분석하였다. 신경망 입력 데이터는 변조된 신호의 시간영역 디지털샘플 데이터, FFT(Fast Fourier Transform)를 적용한 주파수영역 데이터, 시간 및 주파수영역 혼합데이터를 사용하여 각각의 변조인식 성능을 확인하였다. 아날로그 변조 및 디지털 변조 신호 11종에 대하여 –20~18 dB 까지 다양한 SNR(Signal to Noise Ratio) 환경에서 변조인식 성능을 확인하고 그 성능을 분석하였으며, 입력 데이터의 종류에 따른 학습 속도를 확인함으로써 제안한 방법이 실제적인 자동변조 인식 시스템 구축에 효과적인 방법임을 확인 하였다. Kor 한국정보통신학회 딥러닝 기반 자동 변조 인식 성능 분석 Performance analysis in automatic modulation classification based on deep learning Article 432 3 427 한국정보통신학회논문지 25 한국정보통신학회논문지, Vol.25 No.3, pp.427-432 10.6109/jkiice.2021.25.3.427 Automatic modulation classification Deep learning Neural network SNR FFT 자동변조인식 딥러닝 신경망 신호대잡음비 고속푸리에변환 Article