정보과학회논문지 (Journal of KIISE)
Current Result Document :
| 한글제목(Korean Title) |
CNN과 주파수 대역 특성을 활용한 신호 세기 기반 Wi-Fi 채널 탐지 방법 연구 및 그 활용 |
| 영문제목(English Title) |
Study and Application of RSSI-based Wi-Fi Channel Detection Using CNN and Frequency Band Characteristics |
| 저자(Author) |
박준현
변형호
김종권
Junhyun Park
Hyungho Byun
Chong-Kwon Kim
|
| 원문수록처(Citation) |
VOL 47 NO. 03 PP. 0335 ~ 0341 (2020. 03) |
한글내용
(Korean Abstract) |
모바일 기기에 있어 Wi-Fi 채널 스캔은 인터넷 접속을 개시하여 원활한 서비스 이용을 가능케하고, 연결 수립 이후에도 주기적으로 발생하여 안정적인 링크 유지를 지원하는 필수적인 작업이다. 하지만 불필요한 채널까지 탐색하는 비효율적인 동작은 자원의 낭비와 성능 저하를 초래한다. 본 논문에서는 저전력 안테나로 수집한 주파수 대역 신호 세기의 특성을 CNN을 통해 학습하고, 이에 기반하여 빠르고 정확한 Wi-Fi 채널 탐지 방법을 제안한다. 실험을 통해 다양하게 분포한 AP에 대해 높은 채널 탐지 정확도를 보였고, 이를 기존 Wi-Fi의 스캔 동작 보조에 활용할 시 기대되는 성능 향상을 분석하였다.
|
영문내용
(English Abstract) |
For mobile devices, Wi-Fi channel scanning is essential to initiating an internet connection, which enables access to a variety of services, and maintaining a stable link quality by periodic monitoring. However, inefficient Wi-Fi operation, where all channels are scanned regardless of whether or not an access point (AP) exists, wastes resources and leads to performance degradation. In this paper, we present a fast and accurate Wi-Fi channel detection method that learns the dynamic frequency band characteristics of signal strengths collected via a low power antenna using a convolution neural network (CNN). Experiments were conducted to demonstrate the channel detection accuracy for different AP combination scenarios. Furthermore, we analyzed the expected performance gain if the suggested method were to assist the scanning operation of the legacy Wi-Fi.
|
| 키워드(Keyword) |
와이파이 스캔
비면허 대역
저전력 안테나
딥 러닝
합성곱 신경망
Wi-Fi scanning
ISM band
low power antenna
deep learning
convolution neural network
|
| 파일첨부 |
PDF 다운로드
|
