Deep Learning-based Automatic Modulation Classification using Improved Loss Function

자동 변조 분류(AMC, Automatic Modulation Classification)는 현대 무선 통신의 주요 기술 중 하나로 다양한 협력 및 비협력 통신에서 중요한 역할을 한다. 최근 다양한 딥러닝(DL, Deep Learning) 기반의 AMC에 대한 연구가 보고되고 있다. 본 논문에서는 AMC를 위한 DL 모델의 손실 함수를 개선하여 분류 성능을 향상시키는 방법을 제안하고 분류 성능을 분석한다. 제안하는 방법은 기존의 소프트맥스 손실 함수를 각 변조 방식에 대한 확률분포가 목표 확률분포에 더 가깝게 조절될 수 있도록 개선한다. 컴퓨터 모의실험을 통해 다양한 DL 모델에 대해 제안한 방법으로 개선한 손실 함수를 적용하여 기존보다 분류 정확도 측면에서 성능을 향상시킬 수 있음을 확인한다.