Insights
AI가 자동으로 큐레이션·번역·정리하는 기술 동향 피드입니다.
HackRF One과 Raspberry Pi 5를 결합하여 실내외 및 수풀 환경에서 RF 데이터를 수집할 수 있는 소형 배터리 구동 시스템을 제안합니다. SigMF 형식으로 IQ 데이터를 기록하며, 다양한 환경에서의 전파 특성과 간섭 패턴을 분석하는 연구를 수행했습니다.
AI 자동 생성 콘텐츠
본 콘텐츠는 arXiv cs.AR의 원문을 AI가 자동으로 요약·번역·분석한 것입니다. 원 저작권은 원저작자에게 있으며, 정확한 내용은 반드시 원문을 확인해 주세요.
원문 바로가기실제 환경에서의 신뢰할 수 있고 재현 가능한 무선 주파수 (RF) 측정은 비면허 ISM 및 WiFi 대역, 면허 기반 미드밴드 (mid-band) 할당, 그리고 새롭게 등장하는 차세대 무선 배포 전반의 스펙트럼 동작을 특성화하는 데 필수적입니다. 기존의 측정 플랫폼은 종종 실험실 수준이거나, 비용이 너무 많이 들거나, 고정된 인프라에 의존하여, 신속하고 분산된 또는 장기간의 현장 캠페인에 대한 실용성이 제한됩니다. 본 논문은 HackRF One 소프트웨어 정의 라디오 (SDR), Raspberry Pi 5, GNSS 수신기, 조절 가능한 배터리 공급 장치 및 고속 솔리드 스테이트 스토리지 (solid-state storage)를 통합한 소형 배터리 구동 RF 캡처 시스템을 제시합니다. 이 플랫폼은 재현 가능한 스펙트럼 분석을 위해 세그먼트별 위치 및 타이밍 메타데이터와 함께 SigMF 형식으로 최대 20 Msps의 연속 IQ 데이터를 기록합니다. 울창한 수풀, 도시 실외 및 실내 사무실 환경에서의 2.45 GHz 필드 실험은 뚜렷한 전파 특성을 보여줍니다. 수풀 측정은 강한 캐노피 감쇠 (canopy attenuation)와 일치하게 제한된 스펙트럼 구조와 함께 -76 ~ -82 dBFS의 노이즈 플로어 (noise floor) 근처에 머물렀습니다. 도시 측정은 30 dB 동적 범위 (dynamic range)에 걸친 다중 경로 (multipath) 활동, 중첩되는 WiFi 채널, 그리고 빈번한 ISM 대역 간섭을 보여줍니다. 실내 측정은 지배적인 WiFi 채널, 실외 조건 대비 추정된 20 ~ 25 dB의 건물 진입 손실 (building entry loss), 그리고 구조적 반사로 인해 8 ~ 10 dB 더 높은 간섭 플로어를 보여줍니다. 시스템은 샘플 누락이나 버퍼 언더런 (buffer underrun) 없이 75 ~ 85 MB/s의 쓰기 처리량을 유지했으며, GNSS 동기화는 미터 수준의 위치 정보와 함께 1초 미만으로 유지되었습니다. 이러한 결과는 휴대 가능하고 비용 효율적인 SDR 플랫폼이 스펙트럼 특성화, 간섭 분석, 무선 환경 매핑 및 환경 인지 무선 연구를 위한 고충실도, 지오태깅 (geotagged)된 IQ 데이터 세트를 생성할 수 있음을 보여줍니다.