Iterative Machine Learning-Based Channel Estimation Technique for Intelligent Mobility Service

본 논문에서는 머신러닝 기법을 통합한 반복 구조 기반의 채널추정 기법에 대해 제안한다. 제안된 기법은 머신러닝의 출력값을 반복적으로 입력값으로 활용함으로써 학습 데이터를 점진적으로 정제하고, 채널 추정 정확도를 향상시킨다. 제안된 법은 Normalized Mean Squared Error (NMSE)를 성능 지표로 활용하여 LS 기반 추정 기법 및 이상적인 MMSE 성능과 비교 평가하였으며, 다양한 SNR 조건 및 반복횟수에 따른 성능 개선 효과를 실험적으로 검증하였다. 결과적으로, 제안된 구조는 기존 방식 대비 높은 정확도와 학습 효율을 동시에 달성함으로써, 지능형 무선 접속 네트워크 실현을 위한 실용적인 채널 추정 기법으로서의 가능성을 입증하였다.