길쌈부호에 대한 딥러닝 및 대수적 암맹 재구성 기법

Abstract

오류 정정 부호 (Error Correcting Code)는 디지털 통신 시스템에서 채널에 의해 발생하는 오류를 검출 및 정정하기 위해 필수적으로 사용하는 신호 처리 기법이다. 오류 정정 부호는 기억장치의 유무에 따라 블록 부호 (Block code)와 길쌈 부호 (Convolutional code)로 구분된 다. 블록 부호는 기억장치가 존재하지 않아 고정된 크기의 메시지에 의해 부호어가 구성되는 반면, 길쌈 부호는 기억장치가 존재하여 현재와 과거의 입력 값에 의해 출력 값이 결정된다. 대표적인 블록 부호인 BCH (Bose-Chaudhuri-Hocquenghem) 부호와 길쌈 부호로 부호화된 신호가 전송되었을 때, 사용한 오류 정정 부호의 종류와 해당 파라미터들을 수신단이 알 수 없다면 수신단에서는 해당 데이터의 복호를 위해 수신된 신호만으로 그 종류와 파라미터를 추정해야 한다. 하지만 오류 정정 부호의 종류를 대수적으로 구분하는 것은 쉽지 않다. 또한, 채널에 의한 오류에 의해 길쌈 부호의 출력 비트 수와 입력 비트 수를 추정하기 어려워진다. 따라서 본 논문은 수신단에서 딥러닝을 이용하여 사용된 오류 정정 부호의 종류를 추정하고, 만약 길쌈 부호인 경우에는 파라미터들을 대수적으로 추정하는 방법을 제안한다. 제안하는 기법은 먼저 특정 파라미터 값을 갖는 BCH 부호와 길쌈 부호로 부호화된 데이터로 학습시킨 RNN (Recurrent Neural Network)을 사용하여 수신된 신호의 오류 정정 부호의 종류를 추정한다. 그리고 해당 수신 신호가 길쌈 부호로 부호화된 신호라고 추정되었을 경우, 수신 신호의 LLR (Log-Likelihood Ratio) 값으로 행과 열의 신뢰도를 측정하여 재배열하고 LLR연산을 수행하는 GJETP (Gauss-Jordan Elimination Through Pivoting) 기법을 시행함으로써 길쌈 부호의 입력 및 출력 비트 수를 추정한다. Silmulation을 통해 제안한 알고리즘의 성능을 각각 확인하였다. 다양한 파라미터 값을 갖는 BCH 부호와 길쌈 부호에 대해서 추정 정확도를 살펴보고, 다양한 수신 신호에 대해 채널 값에 따른 길쌈 부호의 입력 및 출력 비트 수 추정 성능이 향상됨을 기존 알고리즘과의 비교를 통해 확인할 수 있었다.