Separation of Coexisting Communication and Radar Signals within the Same Frequency Band Using Deep Learning

통신 신호와 레이더 신호가 동일 주파수 대역에서 공존할 때 신호 중첩으로 인한 간섭이 불가피하게 발생하는데, 이로 인해 통신의 품질이 저하된다. 기존의 주파수 필터링 방식은 주파수가 완전히 겹치는 상황에서 성능이 제한적이므로, 이를 해결하기 위해 딥러닝 기반 접근법이 주목받고 있다. 본 논문에서는 중첩된 통신 및 레이더 신호를 분리하기 위해 딥러닝 모델인 U-Net과 Conv-TasNet을 사용하여 비트 오류율(Bit Error Rate, BER)을 통해 성능을 비교하였다. 실험 결과, 전반적으로 Conv-TasNet 방식이 U-Net 방식에 비해 BER이 낮게 나타났지만, 신호 대 간섭비(Signal-to-Interference Ratio, SIR)가 낮은 환경에서는 U-Net의 BER이 더 낮게 나타났다.