자동 변조 분류 모델은 수신 신호가 어떤 변조 방식을 사용하는지 판별하지만, 통신 환경이 달라지면 학습 자료와 실제 입력의 분포가 크게 어긋날 수 있다. 기존 비지도 도메인 적응은 원본과 대상 환경의 특징을 정렬해 이 문제를 줄인다. 그러나 환경이 바뀌어도 남아 있는 변조 고유 구조와 통신 물리 지식을 충분히 활용하지 않는 경우가 많다. DKDNet은 데이터 기반 표현과 신호 사전지식을 동시에 사용하는 교차 도메인 분류 네트워크다.
연구진은 통신 프로토콜과 물리 원리에 근거한 다섯 가지 대표 신호 표현을 먼저 분석했다. 각 표현은 변조 구분력, 도메인 변화에 대한 안정성, 다른 표현과의 상보성이 다르다. 이 가운데 동상·직교 성분인 IQ, 진폭·위상인 AP, 자기상관함수인 ACF를 간결한 사전지식 입력으로 선택했다. 단일 원시 파형에 모든 판단을 맡기지 않고 서로 다른 관점에서 유지되는 신호 구조를 제공한다.
다중 표현 특징 인코더는 세 입력을 공통 학습 공간으로 옮기고, 동적 경량 융합 장치는 상황에 따라 특징을 적응적으로 결합한다. 합쳐진 표현에는 변조 분류 목표와 적대적 도메인 정렬 목표를 함께 적용한다. 모의 데이터와 공개 데이터에서 수행한 실험은 사전지식 선택의 타당성을 확인하고 비교 방법보다 우수한 성능을 보였다고 논문은 보고한다. 초록은 구체 수치를 제시하지 않으므로 결과를 모든 채널과 장비에 일반화해서는 안 된다.
이 접근의 의미는 물리 지식을 고정 규칙으로 답에 강제하기보다 학습 가능한 여러 표현으로 제공한다는 데 있다. 실제 무선 환경에서는 채널 잡음, 간섭, 하드웨어 차이, 새 변조 방식이 동시에 나타날 수 있어 각 표현의 신뢰도도 달라진다. 동적 융합이 어느 입력에 의존했는지 기록하면 환경 변화에서 실패 원인을 찾는 데 도움이 된다. DKDNet은 도메인 정렬만으로 분포 차이를 지우기보다 변조에 고유한 안정적 구조를 보존하는 방향을 제안한다. 알려지지 않은 환경에서 세 표현이 동시에 흔들릴 때 판단을 보류하는 기준까지 추가하면 실제 수신 시스템의 안전한 운영에 더 가까워질 수 있다.
원문: arXiv 2607.08031
저작권자 © STORIUM 무단전재 및 재배포 금지
