KR101006394B1 - 관찰 파라미터를 이용한 무선채널 상태 추정/예측 및 에러복구 개선 방법과, 이를 위한 비트에러율/파라미터 추정모델 유도 방법 - Google Patents

관찰 파라미터를 이용한 무선채널 상태 추정/예측 및 에러복구 개선 방법과, 이를 위한 비트에러율/파라미터 추정모델 유도 방법 Download PDF

Info

Publication number
KR101006394B1
KR101006394B1 KR1020080050778A KR20080050778A KR101006394B1 KR 101006394 B1 KR101006394 B1 KR 101006394B1 KR 1020080050778 A KR1020080050778 A KR 1020080050778A KR 20080050778 A KR20080050778 A KR 20080050778A KR 101006394 B1 KR101006394 B1 KR 101006394B1
Authority
KR
South Korea
Prior art keywords
ber
bit error
error rate
data packet
channel state
Prior art date
Application number
KR1020080050778A
Other languages
English (en)
Other versions
KR20080106088A (ko
Inventor
조용주
김재곤
홍진우
쉬리쉬 에스 크란데
시에드 알리 카얌
헤이더 라다
Original Assignee
보드 오브 트러스티즈 오브 미시건 스테이트 유니버시티
한국전자통신연구원
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by 보드 오브 트러스티즈 오브 미시건 스테이트 유니버시티, 한국전자통신연구원 filed Critical 보드 오브 트러스티즈 오브 미시건 스테이트 유니버시티
Publication of KR20080106088A publication Critical patent/KR20080106088A/ko
Application granted granted Critical
Publication of KR101006394B1 publication Critical patent/KR101006394B1/ko

Links

Images

Classifications

    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
    • H04L1/00—Arrangements for detecting or preventing errors in the information received
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
    • H04L1/00—Arrangements for detecting or preventing errors in the information received
    • H04L1/20—Arrangements for detecting or preventing errors in the information received using signal quality detector

Landscapes

  • Engineering & Computer Science (AREA)
  • Computer Networks & Wireless Communication (AREA)
  • Signal Processing (AREA)
  • Quality & Reliability (AREA)
  • Detection And Prevention Of Errors In Transmission (AREA)
  • Data Exchanges In Wide-Area Networks (AREA)

Abstract

본 발명은 관찰 파라미터를 이용한 무선채널 상태 추정/예측 및 에러 복구 개선 방법과, 이를 위한 비트에러율/파라미터 추정 모델 유도 방법에 관한 것으로서, 신호 대 묵음 비(SSR), 배경 트래픽(BT) 등과 같은 무선 채널 상태를 나타내는 '관찰 가능한 부가정보(관찰 파라미터)'를 이용하여 수신 데이터 패킷의 비트에러율(BER)을 추정/예측함으로써, 무선채널 상태를 신속/정확하게 추정/예측하고 이를 통하여 에러 복구를 향상시키고자 한다.
이를 위하여, 본 발명은, 무선통신 시스템에서 무선채널 상태를 추정하는 방법에 있어서, 소정의 적응주기 동안 무선 채널을 통하여 수신된 복수의 데이터 패킷 각각에 대하여, 채널 상태 추정을 위한 관찰 파라미터를 결정하는 단계; 상기 수신된 데이터 패킷 각각에 대하여 상기 결정된 해당 관찰 파라미터에 기초하여 비트에러율(BER)을 추정하는 단계; 및 상기 추정된 복수의 비트에러율(BER)을 이용하여, 손실 함수 기대값이 최소가 되게 하는 상기 적응주기에 대한 비트에러율(BER) 대표값을 산출하는 단계를 포함하는 것을 특징으로 한다.
무선 채널, 채널상태 추정, 채널상태 예측, 부가정보, 비트에러율, BER, SSR, 배경 트래픽

Description

관찰 파라미터를 이용한 무선채널 상태 추정/예측 및 에러 복구 개선 방법과, 이를 위한 비트에러율/파라미터 추정 모델 유도 방법{METHOD FOR CHANNEL STATE INFERENCE/PREDICTION AND ERROR RECOVERY IMPROVEMENT USING VARIABLE PARAMETERS, AND METHOD FOR DERIVING BER/PARAMETER ESTIMATION MODEL}
본 발명은 관찰 파라미터를 이용한 무선채널 상태 추정/예측 및 에러 복구 개선 방법과, 이를 위한 비트에러율/파라미터 추정 모델 유도 방법에 관한 것으로, 더욱 상세하게는 신호 대 묵음 비(SSR), 배경 트래픽(BT) 등과 같은 무선 채널 상태를 나타내는 '관찰 가능한 부가정보(관찰 파라미터)'를 이용하여 수신 데이터 패킷의 비트에러율(BER)을 추정/예측함으로써, 무선채널 상태를 정확하게 추정/예측하고 이를 통하여 에러 복구를 향상시킬 수 있는, 관찰 파라미터를 이용한 무선채널 상태 추정/예측 및 에러 복구 개선 방법과, 이를 위한 비트에러율/파라미터 추정 모델 유도 방법에 관한 것이다.
본 발명은 정보통신부 및 정보통신연구진흥원의 IT차세대핵심기술개발사업의 일환으로 수행한 연구로부터 도출된 것이다[과제관리번호: 2005-S-103-02, 과제명: 통방융합 환경에서의 유비쿼터스 콘텐츠 서비스 기술 개발].
전통적인 유선 인터넷 기반의 통신과 달리, 무선 네트워크에서는 비트 에러에 기인한 패킷 손실(Packet Drop) 수가 상당할 수 있다. 특히, 대역폭이 부족한 멀티미디어 시스템은 상기와 같은 패킷 손실에 의하여 나쁜 영향을 받을 수 있다.즉, 무선 환경에서는 약한 신호세기로 인하여 많은 비트 에러가 발생하고, 이는 패킷 손실을 초래한다.
따라서, 무선 단말에서 이러한 패킷 손실을 줄이기 위해서는 링크 품질 내지 채널 상태를 추정하는 것이 필요하다. 특히, 실시간 비디오 적응을 위해서는, 실시간으로 무선 채널용량을 정확하게 추정하는 것이 필수적이다. 왜냐하면, 링크 품질(Link Quality)은 간섭(Interference), 페이딩(Fading), 다중 경로 효과(Multi-Path Effects), 및 이동성(Mobility) 등으로 인해 심하게 영향을 받는데, 이들의 변화는 결국 채널용량에 심한 변화를 주기 때문이다.
무선 단말에서의 패킷 손실을 줄이기 위한 종래 기술로는, 부분적으로 에러가 있는 패킷들을 폐기하지 않는 '교차 계층 디자인(CLD: Cross-Layer Design) 프로토콜'에 대한 연구가 활발히 진행되어 왔다.
이러한 CLD 프로토콜은 비트에러가 존재하는 패킷을 상위 계층(Layer)으로 전달하고 그 상위 계층에서 이 패킷을 활용하는 기술로서, 비디오 처리량(Throughput)을 상당한 정도 증가시키는 효과가 있다.
하지만, 에러가 있는 패킷으로부터의 정보 복구의 유효성은 해당 패킷에서의 비트에러율(BER)에 달려 있다. 따라서, 정확한 채널 상태 추정(CSI: Channel State Inference) 또는 채널 상태 예측(CSP: Channel State Prediction)은 실질적인 채널용량 이득을 제공할 수 있다.
채널용량의 개선에 있어서 채널 인식(Channel Awareness)의 유용성은 많은 연구가 이루어진 분야이며, 많은 이론적/시뮬레이션 기반 연구들(특히, 물리 계층에 초점을 맞추고 있는 연구들)에 의하여 증명되어 왔다. 하지만, 물리 계층과 달리, 링크 계층(MAC)에서 관찰된 채널은 이산적이고 각각의 비트는 그것과 관련된 신호 세기를 갖지 않는다. 이는 하나의 패킷의 에러 레벨에 대한 채널 상태 추정(CSI)을 실질적으로 제공하는 것을 상당히 어렵게 만든다. 그러므로, 링크 계층에서 채널 상태 추정(CSI) 및 채널 상태 예측(CSP)을 제공할 수 있는 실질적인 메커니즘을 개발하는 것이 필요하다.
한편, 현재의 무선랜에서는 부가정보의 활용이 가능한데, 이러한 부가정보(Side information)는 채널상황을 추정할 수 있는 중요한 정보이다. 여기서, 부가정보(Side Information)는 신호 대 묵음 비(SSR: Signal to Silence Ratio)(SSR은 패킷 레벨의 SNR 파라미터에 해당함), 배경 트래픽(BT: Background Traffic), 체크섬(Checksum)을 포함한다.
따라서, 상기와 같은 관찰 가능한 부가정보를 활용한다면, 송신 측에서 부가적으로 전송하는 파일럿 비트나 패리티 비트를 이용하지 않고도 정확한 BER을 추정할 수 있을 것이고, 이를 통하여 실시간으로 무선 채널용량을 정확하게 추정/예측하는 것이 가능할 것이다.
본 발명은 수신 데이터 패킷으로부터 관찰될 수 있는 부가정보(관찰 파라미터)를 이용하여 신속/용이하면서도 정확하게 무선채널의 상태를 추정/예측하는데 그 목적이 있다.
본 발명의 목적들은 이상에서 언급한 목적으로 제한되지 않으며, 언급되지 않은 본 발명의 다른 목적 및 장점들은 하기의 설명에 의해서 이해될 수 있으며, 본 발명의 실시예에 의해 보다 분명하게 알게 될 것이다. 또한, 본 발명의 목적 및 장점들은 특허 청구 범위에 나타낸 수단 및 그 조합에 의해 실현될 수 있음을 쉽게 알 수 있을 것이다.
본 발명은 상기와 같은 목적을 해결하기 위하여, 무선 채널 상황을 나타내는 '관찰 가능한 부가정보'(예를 들면, SSR, BT 등)와 비트에러율(BER)의 상관관계를 이용하여 수신 데이터 패킷의 비트에러율(BER)을 추정하고 이를 통하여 무선채널 상태를 추정(Inference)/예측(Prediction)하는 것을 특징으로 한다.
더욱 구체적으로 본 발명은, 무선통신 시스템에서 무선채널 상태를 추정하는 방법에 있어서, 무선채널을 통하여 수신된 하나의 데이터 패킷으로부터 채널 상태 추정을 위한 관찰 파라미터를 결정하는 단계; 및 상기 결정된 관찰 파라미터에 기초하여 상기 수신된 데이터 패킷에 대한 비트에러율(BER)을 추정하는 단계를 포함 한다.
또한, 본 발명은, 무선통신 시스템에서 무선채널 상태를 추정하는 방법에 있어서, 소정의 적응주기 동안 무선 채널을 통하여 수신된 복수의 데이터 패킷 각각에 대하여, 채널 상태 추정을 위한 관찰 파라미터를 결정하는 단계; 상기 수신된 데이터 패킷 각각에 대하여 상기 결정된 해당 관찰 파라미터에 기초하여 비트에러율(BER)을 추정하는 단계; 및 상기 추정된 복수의 비트에러율(BER)을 이용하여, 손실 함수 기대값이 최소가 되게 하는 상기 적응주기에 대한 비트에러율(BER) 대표값을 산출하는 단계를 포함한다.
또한, 본 발명은, 무선 통신 시스템에서 무선채널 상태를 예측하는 방법에 있어서, 무선 채널을 통하여 하나의 제1 데이터 패킷을 송신하는 단계; 수신 측으로부터 상기 제1 데이터 패킷에 대한 비트에러율(BER) 추정값을 피드백 수신하는 단계; 및 상기 피드백 수신된 비트에러율(BER) 추정값을 상기 제1 데이터 패킷에 시간적으로 상관된 제2 데이터 패킷에 대한 비트에러율(BER)로 예측하는 단계를 포함한다.
또한, 본 발명은, 무선 통신 시스템에서 무선채널 상태를 예측하는 방법에 있어서, 제1 적응주기 동안에 무선 채널을 통하여 복수의 데이터 패킷을 송신하는 단계; 수신 측으로부터 상기 송신된 복수의 데이터 패킷에 대한 비트에러율(BER) 대표값을 피드백 수신하는 단계; 및 상기 피드백 수신된 비트에러율(BER) 대표값을 상기 제1 적응주기 이후의 제2 적응주기에 대한 비트에러율(BER)로 예측하는 단계를 포함한다.
또한, 본 발명은, 무선 통신 시스템에서 데이터 패킷의 에러 복구를 개선하는 방법에 있어서, 하나의 특정 송신기로부터 무선 매체를 통하여 전송된 복수의 데이터 패킷을 수신기에서 수신하는 단계; 상기 수신기에 의하여 관측된 배경 트래픽을 나타내는 지표(Metric)를 결정하는 단계; 및 상기 지표에 기초하여 소정의 데이터 패킷에 대한 비트에러율(BER)을 추정하는 단계를 포함한다.
또한, 본 발명은, 에러가 있는 데이터 패킷의 비트에러율(BER)을 추정하기 위한 모델을 유도하는 방법에 있어서, 모델 유도를 위한 복수의 데이터 패킷을 제공하되, 상기 각각의 데이터 패킷에는 적어도 하나의 관찰 파라미터와 해당 비트에러율(BER)이 표시되는 단계; 유사한 관찰 파라미터를 갖는 데이터 패킷들로 그룹핑하는 단계; 상기 관찰 파라미터에 기초하여 비트에러율(BER) 추정을 위한 손실 함수를 정의하는 단계; 및 데이터 패킷 그룹 내의 데이터 패킷들에 대한 상기 손실 함수를 최소화함으로써, 상기 데이터 패킷 그룹에 관련된 관찰 파라미터를 갖는 데이터 패킷들에 대한 비트에러율(BER) 추정값을 결정하는 단계를 포함한다.
또한, 본 발명은, 데이터 패킷과 관련된 파라미터를 추정하기 위한 모델을 유도하는 방법에 있어서, 모델 유도를 위한 복수의 데이터 패킷을 제공하되, 상기 각각의 데이터 패킷에는 적어도 하나의 관찰 파라미터와 하나의 관찰불가 파라미터가 표시되는 단계; 유사한 관찰 파라미터를 갖는 데이터 패킷들로 그룹핑하는 단계; 상기 관찰 파라미터에 기초하여 비트에러율(BER) 추정을 위한 손실 함수를 정의하는 단계; 및 데이터 패킷 그룹 내의 데이터 패킷들에 대한 상기 손실 함수를 최소화하여, 상기 데이터 패킷 그룹에 관련된 관찰 파라미터를 갖는 데이터 패킷들 에 대한 관찰불가 파라미터 추정값을 결정하는 단계를 포함한다.
또한, 본 발명은, 무선 통신 시스템에서 데이터 패킷의 에러 복구를 개선하는 방법에 있어서, 수신기에서 무선 매체를 통하여 전송된 소정의 데이터 패킷을 수신하는 단계; 상기 수신기의 데이터 링크 계층에서 관찰가능한 변수를 이용하여, 상기 소정의 데이터 패킷에 시간적으로 상관되어 있는 다른 데이터 패킷의 비트에러율(BER)을 추정하는 단계; 및 상기 시간적으로 상관된 데이터 패킷에 대하여 추정된 비트에러율(BER)에 기초해서 상기 소정의 데이터 패킷의 비트에러율(BER)을 예측하는 모델을 사용하여, 상기 소정의 데이터 패킷에 대한 비트에러율(BER)을 결정하는 단계를 포함한다.
상기와 같은 본 발명은, 수신 패킷으로부터 관찰 가능한 부가정보를 이용하여 무선채널의 상태를 추정함으로써, 송신 측에서 부가적으로 전송하는 파일럿 비트나 패리티 비트를 이용하지 않고도 신속/용이하게 정확한 BER을 추정할 수 있는 효과가 있다.
또한, 본 발명은, EKLD를 이용하여 BER(일정한 적응 주기에 대한 BER 대표값)을 추정하기 때문에, 즉, EKLD를 손실 함수로 사용하기 때문에, 더욱 정확한 BER 값을 추정할 수 있는 효과가 있다.
또한, 본 발명은, 현재 패킷의 BER과 다음 패킷의 BER 간의 상관관계(correlated)를 이용하여 채널 상태를 예측함으로써, 현재의 BER 추정값을 다음 패킷에 대한 BER 예측값으로 직접 사용함으로써, 간이/신속하게 무선채널 상태를 예측하는 효과가 있다.
또한, 본 발명은, 무선 채널의 상태를 정확하게 추정/예측함으로써, 수신 측에서는 에러가 있는 데이터 패킷의 에러 복구를 향상시키고, 송신 측에서는 소스(비디오 등) 및 채널코딩의 레이트를 최적으로 조정할 수 있게 하는 효과가 있다.
본 발명은 관찰 파라미터(Observable Parameter)로서의 부가정보를 이용하여 채널상태를 추정 및 예측하는 것을 특징으로 한다. 즉, 본 발명은 신호 대 묵음 비(SSR), 배경 트래픽(BT), 체크섬(Checksum) 등과 같은 무선 채널 상황을 나타내는 '관찰 가능한 부가정보(관찰 파라미터)'를 이용하여 수신 데이터 패킷의 비트에러율(BER)을 추정함으로써, 무선채널 상태를 추정 및 예측하는 기술에 관한 것이다. 예를 들어, 신호 대 묵음 비(SSR) 및 배경 잡음의 측정은 채널상태 추정의 정확성을 개선하기 위하여 사용될 수 있다. 데이터 패킷의 비트에러율(BER)을 추정하기 위한 링크 불변 모델(link-invariant model)은 신호 대 묵음 비 및/또는 배경 잡음 등과 같은 자유롭게 관찰가능한 파라미터를 이용함으로써 유도된다.
본 발명에 따른 무선채널 상태 추정 방법은, 소정의 적응 주기 동안에 수신된 각각의 패킷에 대하여 부가정보를 이용해 비트에러율(BER)을 추정하고, 각각의 비트에러율(BER) 추정값을 이용하여 해당 적응 주기에 대한 비트에러율(BER)을 추정하는 것을 특징으로 한다.
한편, 본 발명에 따른 무선채널 상태 예측 방법은 "현재 패킷의 BER이 다음 패킷의 BER과 많은 상관관계(correlated)가 있다"는 사실에 기초하여 현재 패킷의 BER을 다음 패킷의 BER로 예측하는 것을 특징으로 한다. 즉, 무선채널 상태 예측은, 현재의 데이터 패킷에 대한 추정을 미래에 대한 예측 값으로 간주하거나 또는 일시적으로 인접한 패킷들의 비트에러율 상관성을 포착하는 링크 특정 모델(link-specific model)을 이용함으로써 달성될 수 있다.
상술한 목적, 특징 및 장점은 첨부된 도면과 관련한 다음의 상세한 설명을 통하여 보다 분명해 질 것이며, 그에 따라 본 발명이 속하는 기술분야에서 통상의 지식을 가진 자가 본 발명의 기술적 사상을 용이하게 실시할 수 있을 것이다. 또한, 본 발명을 설명함에 있어서 본 발명과 관련된 공지 기술에 대한 구체적인 설명이 본 발명의 요지를 불필요하게 흐릴 수 있다고 판단되는 경우에 그 상세한 설명을 생략하기로 한다. 이하, 첨부된 도면을 참조하여 본 발명에 따른 바람직한 일실시예를 상세히 설명하기로 한다.
도 1a 및 도 1b는 무선 트레이스의 수집을 위하여 사용되는 무선랜 구성도로서, 무선 트레이스 수집을 위한 토폴로지를 나타낸다
IEEE 802.11b 무선랜에서, 채널 상태를 추정/예측함에 있어서 관찰변수(Observable Variables)는 유용하게 활용될 수 있다.
이를 증명하기 위해서, 도 1a 및 1b에 도시된 바와 같이 에러 트레이스(Error Trace)를 수집하기 위한 두 개의 무선 셋업(wireless setup)을 고려해 보기로 한다.
첫째는, 도 1a에 도시된 바와 같이, 6개의 수신기(무선 수신기)가 802.11b WLAN 상에서 에러 트레이스를 동시에 수집하기 위하여 사용된 경우로서, 이하, '셋업 A'라 한다. 여기서, 하나의 수신기는 액세스 포인트(AP)(102)의 가시영역(LoS)(10) 내에 위치하고, 반면에 나머지 5개의 수신기는 복도(hallway) 건너편의 방(Room)(11)에서 서로 다른 위치로 배치되어 있다.
둘째는, 도 1b에 도시된 바와 같이, 6개의 수신기(무선 수신기)가 에러 트레이스를 동시에 수집하기 위하여 사용된 경우로서, 이하, '셋업 B'라 한다. 여기서, 3개의 수신기는 복도 건너편의 방(11)에 위치하고, 반면에 3개의 수신기는 복도를 따라 100 피트 떨어진 방(해당 네트워크의 가장자리)(12)에 위치한다.
하나의 유선 송신기(서버)(101)가 무선 LAN 상에서 소정의 페이로드를 갖는 멀티캐스트 패킷을 전송하기 위하여 사용된다. 여기서, 멀티캐스팅은 MAC 계층의 재전송을 억제하기 위한 것이다. 각각의 실험은 각기 1,000 바이트의 페이로드를 갖는 백만 개의 패킷으로 이루어진다. 물리 계층에서, 액세스 포인트(AP)의 데이터율 자동 선택 기능은 동작하지 않으며 각 실험에서 고정된 데이터 율(data rate)로 송신하도록 강제된다. 각 트레이스 수집 실험은 5.5 및 11 Mbps 물리 계층(PHY) 데이터 율에 대하여 반복 수행된다. 각 물리 계층 데이터 율과 각각의 셋업에서, 2개의 구별되는 패킷 전송율로 트레이스를 수집한다. 그 전송율은 패킷 간의 시간 간격t를 조정함으로써 제어된다.
셋업 A에서는 500Kbps 및 1024Kbps의 경우에 트레이스를 수집하고, 셋업 B에서는 750Kbps 및 900Kbps의 경우에 트레이스를 수집한다. 표시의 편의를 위하여, 해당 물리 계층(PHY) 데이터 율과 하나의 숫자로 트레이스를 표시하는 것이 바람직하며, 트레이스 넘버링(Trace Nunmbering)에 대한 구체적인 예는 아래의 [표 1]과 같다.
Figure 112008038919147-pat00001
한편, 아래에서 IEEE 802.11b 네트워크를 설명하면서 사용하는 개념들은 무선 네트워크에서 광범위하게 적용할 수 있다.
수신기의 MAC 계층 디바이스 드라이버들은 에러 패킷을 상위 계층으로 전달할 수 있도록 수정되었다. 그리고, 더 높은 전송율에서 패킷을 수신하기 위하여, 패킷 분할기들은 디바이스 드라이버 내에 구현되어 있다. 이러한 패킷 분할기들은 본 발명과 관련된 무선 실험에서 적합한 패킷들만이 처리되는 것을 보장하고, 반면에 다른 모든 패킷들은 간단히 폐기한다. 패킷의 헤더 및 페이로드 정보 이외에도, 각각의 패킷에 대해서는 다음과 같은 3개의 부가 파라미터가 수신기에 기록된다.
■ 배경 트래픽(Background Traffic)(B): 두 개의 트레이스 패킷 사이에서 관찰된 배경 트래픽 패킷의 전체 개수를 나타내는 4바이트의 숫자
■ 수신 패킷에 대한 신호 세기(S): dBm 단위로 신호 세기(Signal Strength)를 나타내는 1바이트의 숫자
■ 수신 패킷에 대한 묵음(Silence) 값: dBm 단위로, 잡음(Noise)과 간섭(Interference)의 세기를 나타내는 1바이트의 숫자
그리고, SSR(Signal to Silence Ratio) 및 배경 트래픽(BT) 세기(ρ[packets/sec])와 각각의 패킷을 연관시키기 위하여, 다음의 [수학식 1]과 같은 정의 식(defining equations)을 사용한다.
SSR = S - N 및 ρ=B/t[packets/sec]
전형적인 IEEE 802.11b 무선 수신기에서, 묵음 값(Silence Value)(N)은 패킷이 수신되기 직전에 측정되고, 신호 세기는 단지 첫 번째 몇 μs(~10) 동안 측정된다. 따라서, 각각의 패킷에 관련된 SSR 표시는 패킷 전송에 의하여 경험한 링크 품질의 근사 측정값이다.
또한, 배경 트래픽(B)을 측정할 때에도, 패킷 크기, 신호세기, 물리계층(PHY) 전송율 등에 기초하여 패킷들을 구분하지는 않기로 한다. 따라서, 배경 트래픽 세기(ρ)의 측정은 다소 정밀하지 않을 수 있으며, 이는 개선될 수 있다. 하지만, 이러한 정밀하지 않은 측정도 채널 상태를 예측하는데에는 충분히 유용하다는 것을 알 수 있다.
상기와 같은 파라미터를 유도하기 위한 다른 기술들은 본 발명의 개시 범위 내에 포함된다. 게다가, 실시예에 따라서는 다른 타입의 관찰변수가 사용될 수도 있다.
도 2는 에러 트레이스들로부터 유도된 평균 통계에 대한 설명도로서, IEEE 802.11b 에러 트레이스 데이터 집합에 대한 평균 통계(average statistics)를 나타낸다. 도 2에서 X축은 트레이스 번호(Trace Number)를 나타내고, (a)~(c)는 5.5Mbps에 대한 것이고 (d)~(f)는 11Mbps에 대한 것이다.
이러한 평균 통계(average statistics)는 본 발명과 관련하여 수행한 실험들에 대한 대표적인 무선환경을 제공한다. 도 2(a) 및 도 2(d)는 에러 패킷의 비율 δ를 나타낸다. 도 2(b) 및 도 2(e)는 SSR의 평균값을 나타낸다. 도 2(c) 및 도 2(f)는 BT 세기(ρ)의 평균값을 나타낸다. 가시영역(LOS) 클라이언트에 해당하는 트레이스 3 및 20은 매우 양호한 링크 품질을 가지고 또한 패킷 에러도 거의 보이지 않음을 알 수 있다. 따라서, 분석 과정에서 이러한 트레이스들을 배제하는 것도 가능하다. ρ의 값은 대부분의 트레이스에서는 50[패킷/초] 이하인데, 어떤 트레이스에서는 그 세기가 200[패킷/초]을 초과할 수도 있다. 5.5Mbps 및 11Mbps에 대한 선도(plot)를 비교하면, 특정 링크에 대한 SSR의 장기간 평균값은 크게 변하지 않는다는 것을 알 수 있으나, 배경 트래픽(BT)에 대해서도 마찬가지라고는 할 수 없다. 추가적으로, 물리계층(PHY) 데이터 율이 5.5 Mbps인 경우에 예측되는 패킷 에러율은 11Mbps 트레이스인 경우에 비하여 낮다는 것을 알 수 있다.
다음은, 채널 상태 추정(CSI)에서 부가정보(Side Information)로서의 관찰 변수(Observable Variable)의 유용성을 알아보기로 한다. 채널 상태 추정(CSI)을 통하여, 이미 수신된 하나의 패킷 내에서의 BER을 추정하기로 한다. 이러한 추정의 정확성은 소프트 디코딩 알고리즘(Soft-decoding Algorithm)에서 중요한 역할을 수행하고, 또한 다른 다양한 반응적 프로토콜(Reactive Protocol)에서도 중요할 수 있다.
도 3은 본 발명에 적용되는 배경 트래픽(BT)/신호 대 묵음 비(SSR)와 비트에러율(BER)의 관계에 대한 설명도로서, BER(θ)에 대한 배경 트래픽(BT) 및 SSR의 영향을 나타낸다.
즉, 도 3은 SSR에 대한 평균 BER값을 나타내는 그래프로서, SSR의 함수로서 에러 패킷에 대한 BER(θ)의 평균값을 나타내며, 각각은 배경 트래픽(BT)이 없는 경우(ρ=0)(30)와 많은 배경 트래픽(BT)이 있는 경우(ρ>500 pkts/sec)(31)를 나타낸다.
도 3을 통해서, 하나의 패킷 내에서의 BER은 배경 트래픽(BT) 및 SSR과 상관관계가 있다는 것을 분명히 알 수 있다. 게다가 SSR과 BER의 관계는 배경 트래픽(BT)이 존재하는 경우에는 변할 수 있다. 따라서, 부가정보로서 SSR 및 ρ를 이용하는 것이 가능하며, 또한 그것들은 강인한(robust) 채널 상태 추정(CSI)을 위하여 결합적으로 사용될 필요가 있다.
수신 패킷
Figure 112008038919147-pat00002
에 대하여 패킷 타입을 정의하는 방식을 살펴보면, 만약 패킷 의 BER이 θ이면 해당 패킷 타입은
Figure 112008038919147-pat00003
라 정의될 수 있다. 예를 들어, 1000 비트로 구성된 패킷들 중에 한 패킷 내에 10비트의 에러비트가 발생하면, 이 패킷은
Figure 112008038919147-pat00004
로 정의된다. 이 경우, 만약 에러가 없는 패킷은
Figure 112008038919147-pat00005
로 정의된다. 즉,
Figure 112008038919147-pat00006
는 이진화된 심볼의 확률분포로 볼 수 있다.
Figure 112008038919147-pat00007
가 이진 심볼로 구성되고 이러한 심볼에 대한 확률분포가 파라미터 θ에 의하여 완전히 정의되기 때문에, 상기와 같이 패킷 타입을 정의하여 사용할 수 있다. 본 발명과 관련된 설명은 이진 심볼의 경우에 대한 것이고, 이하에서 이진 심볼들에 대한 확률분포를 실질적으로 나타내기 위하여 θ을 자주 사용할 것이다.
본 발명의 목적은 가능한 한 정확하게 패킷의 타입을 추정(Inference) 또는 예측(Prediction)하는데 있다. 이하, 부가정보 중 체크섬(checksum) Z는 타입
Figure 112008038919147-pat00008
, 즉 에러가 없는 패킷(θ=0)을 정확하게 결정할 수 있다고 가정한다. 그러므로, 본 발명과 관련된 모든 분석은 타입
Figure 112008038919147-pat00009
을 갖는 패킷들에 집중된다. 따라서, 하나의 패킷의 타입을 추정/예측할 때에는 손실(cost)이 발생할 수 있으며, 이러한 손실은 아래의 [수학식 2]와 같이 표현될 수 있다. 즉, 패킷 타입 추정(
Figure 112008038919147-pat00010
)의 손실 함수(Cost Function)는 아래의 [수학식 2]와 같이 정의된다.
Figure 112008038919147-pat00011
여기서,
Figure 112008038919147-pat00012
는 쿨벡-라이블러 발산(Kullback-Leibler Divergence) 측정이다.
상기와 같이, 이진 과정(Binary Process)
Figure 112008038919147-pat00013
는 그것이 실제로 θ에 의하여 지배될 때 베르누이(Bernoulli) 파라미터
Figure 112008038919147-pat00014
에 의하여 지배된다고 가정할 수 있기 때문에, [수학식 2]에서의
Figure 112008038919147-pat00015
는 "용량 손실(Loss in Capacity)"로 해석될 수 있다.
즉, 이렇게 해석될 수 있는 이유는, BER이 직접적으로 채널용량에 영향을 주기 때문에, 잘못된 BER 추정값 (즉, 실제 BER값
Figure 112008038919147-pat00016
와 BER 추정값
Figure 112008038919147-pat00017
의 오차)은 채널의 손실을 가져온다고 볼 수 있기 때문이다.
예를 들어, 만약 부가정보가 거리
Figure 112008038919147-pat00018
를 보상하기 위하여 전송될 필요가 있다면, 상기와 같은 "용량 손실"이라는 해석이 가능할 것이다. 게다가, 추정
Figure 112008038919147-pat00019
가 실제 BER값(타입) θ에 대하여 낙관적이냐 비관적이냐에 상관없이, "용량 손실"이 발생할 수 있다는 것은 중요하다. 본 발명과 관련된 성능 측정은, 추가적인 배경 정보를 위하여 인용될 수 있는 T.M. Cover와 J.A Thomas에 의한 "Elements of Informational Theory"(Wiley Series in Telecommunications)에서 제시된 타입(Type) 설정 방법에 대한 설명에 의하여 영향을 받는다.
본 발명에 따른 접근 방식은, 타입
Figure 112008038919147-pat00020
에 의한
Figure 112008038919147-pat00021
(데이터 집합)의 에러 있는 멤버들의 평균 손실을 최소화할 수 있도록, 하나의 집합
Figure 112008038919147-pat00022
에 대한 대표 타입
Figure 112008038919147-pat00023
을 선택하는 것에 바탕을 두고 있다. 따라서, 추정 대표 타입, 즉 모델 파라미터(Model Parameter)는 주어진 집합으로부터 아래의 [수학식 3]과 같이 결정된다.
다시 말해, 본 발명은 하나의 적응 주기(Rate Adaptation Period) 동안에 무선채널을 통하여 수신한 패킷들에 대하여 부가정보를 이용하여 BER을 추정한 후, 그 추정된 BER 값(한 주기에 대한 BER 값)을 기반으로 해당 적응 주기에 대한 BER 대표값, 즉 하나의 패킷 집합(
Figure 112008038919147-pat00024
)에 대한 BER 대표값(
Figure 112008038919147-pat00025
)을 결정한다. 즉, 본 발명은 BER을 추정하는 경우, 아래의 [수학식 3]과 같이 손실 함수를 최소화할 수 있는 BER 추정값을 'BER 대표값(
Figure 112008038919147-pat00026
)'으로 선택한다.
Figure 112008038919147-pat00027
여기서,
Figure 112008038919147-pat00028
는 데이터 집합(Data Set)(즉, 소정의 적응주기 동안에 전송된 데이터 패킷 집합)을 나타낸다.
Figure 112008038919147-pat00029
는 패킷 타입
Figure 112008038919147-pat00030
또는 파라미터
Figure 112008038919147-pat00031
에 대한 확률분포(Probability distribution)로서 패킷 타입
Figure 112008038919147-pat00032
이 하나의 데이터 집합 Ａ에서 관찰되는 빈도(Frequency)를 나타낸다.
그리고,
Figure 112008038919147-pat00033
는 EKLD(Expected KL-Divergence)이다.
Figure 112008038919147-pat00034
는 샤논의 정보(용량) 손실을 나타내기 때문에,
Figure 112008038919147-pat00035
는 에르고딕(ergodic) 정보(용량) 손실로 해석될 수 있다. 즉,
Figure 112008038919147-pat00036
는 대표 패킷 타입
Figure 112008038919147-pat00037
주위에서, 하나의 패킷 집합
Figure 112008038919147-pat00038
내의 패킷 타입들의 집중도를 나타낸다.
이진 심볼 공간에 대하여 적용한다면, 상기 [수학식 3]에 따른 추정 대표 타입(즉, 모델 파라미터
Figure 112008038919147-pat00039
)은 간단하게 달성될 수 있다.
다음의 정리(lemma)는 파라미터 추정이 데이터 집합에 대하여 기대값(Expectation)을 취함으로써 달성될 수 있다는 것을 보여준다.
[정리(Lemma) 1]: 만약
Figure 112008038919147-pat00040
이고
Figure 112008038919147-pat00041
가 상기 [수학식 3]과 같이 주어진다면,
Figure 112008038919147-pat00042
가 성립한다. 이는 파라미터의 추정은 해당 데이터 집합
Figure 112008038919147-pat00043
에서 기대값(Expectation)(즉, 확률분포의 평균값)을 취함으로써 달성할 수 있다는 것을 나타낸다.
[증명]: 증명은
Figure 112008038919147-pat00044
을 해결함으로써 이루어진다.
위에서 설명한 바와 같이, 본 발명과 관련된 모델은 하나의 파라미터
Figure 112008038919147-pat00045
에 의하여 완전하게 정의되었다. 하지만, 본 발명과 관련하여 고려하는 데이터 집합은 라벨이 붙어있다. 특히, 각
Figure 112008038919147-pat00046
는 SSR 및 ρ에 의하여 라벨이 붙는다. 따라서, 하나 또는 두 개의 라벨(Label)을 이용함으로써, 훈련 집합
Figure 112008038919147-pat00047
를 분해(집합 분해)할 수 있다. 사용된 특정 라벨에 따라, 분해된 부분 집합들(subsets)을
Figure 112008038919147-pat00048
, 또는
Figure 112008038919147-pat00049
, 또는
Figure 112008038919147-pat00050
로 표시한다. 이렇게 획득된 각각의 부분 집합에 대하여 구별 가능한 파라미터를 결정할 수 있는데, 이는
Figure 112008038919147-pat00051
, 또는
Figure 112008038919147-pat00052
, 또는
Figure 112008038919147-pat00053
와 같이 표현된다. 이러한 각각의 파라미터는 부분집합에 기대값을 취함으로써 획득된다. 예를 들면,
Figure 112008038919147-pat00054
와 같다.
일반적으로 손실 함수는 평균 제곱 오차(MSE: Mean Square Error)를 기반으로 하지만, 본 발명은 비트 레벨(Bit Level)에서 처리하는 것이기 때문에 KLD 기대값(EKLD)을 사용하는 것을 특징으로 한다. 즉, 본 발명에 따라 EKLD를 사용하여 BER값을 추정한다면, 보다 정확한 BER를 추정할 수 있다.
예를 들어, 아래의 [표 2]와 같이 서로 다른 BER 추정값을 갖는 사례(case)1과 사례(case)2가 있다고 가정할 경우, 기존의 평균 제곱 오차(MSE) 방식을 적용하 면, 오차는 사례(case)1과 사례(case)2가 동일하지만, 채널 용량 오차는 현격한 차이를 나타낸다.
따라서, 본 발명은 EKLD를 손실 함수 기대값으로 사용하여 BER을 추정하는데, 이렇게 하면, 작은 수의 BER 오차를 더욱 작게 함으로써 보다 정확한 채널용량 측정을 가능하게 된다.
실제 BER(
Figure 112008038919147-pat00055
)		 추정 BER(
Figure 112008038919147-pat00056
)
MSE
채널용량 오차
Case 1 0.1 0.11 0.0001 0.0309
case 2 0.3 0.29 0.0001 0.0126
도 4는 본 발명에 따른 데이터 패킷의 BER을 '추정'하기 위한 모델을 유도하는 방법에 대한 일실시예 흐름도이다.
본 발명에 따른 BER 추정을 위한 모델들은 훈련 데이터로서 제공되는 복수의 데이터 패킷들로부터 유도되고, 또한 데이터 패킷들이 횡단하는 데이터 링크를 나타낸다.
훈련 데이터에서 각각의 데이터 패킷은 적어도 하나의 관찰 파라미터(예를 들면, SSR 및/또는 BT 등과 같이 무선채널 상태를 파악할 수 있게 하는 부가정보이며, 관찰 변수(Observable Variable)라고도 칭할 수 있다)와 해당 패킷에 대한 실제 비트에러율(BER)로 라벨링되어 있다. 즉, BER 추정 모델을 유도하기 위하여 복수의 데이터 패킷을 제공하되, 이때 제공되는 각각의 데이터 패킷에는 적어도 하나의 관찰 파라미터와 해당 BER이 라벨링되어 있다(400). 이러한 기법은 데이터 패킷과 관련된 다른 타입의 관찰 파라미터에도 확장될 수 있다.
유사한 관찰 파라미터를 갖는 데이터 패킷들은 데이터 패킷의 그룹을 형성하기 위하여 함께 분류된다(402). 실시예에 따라서는, 데이터 패킷 그룹들은 경험적으로 형성될 수 있으며, 또는 데이터 패킷을 분류(그룹핑)하는 다양한 다른 기법들이 적용될 수도 있다.
비트에러율을 추정하기 위한 손실 함수(Cost Function)는 위에서 이미 설명한 바와 같은 방식으로 정의된다(404). 그러면, 각각의 데이터 패킷 그룹에 있어서, 손실 함수는 최소화되고, 이로 인하여 소정의 데이터 패킷 그룹에 관련된 관찰 파라미터를 갖는 데이터 패킷들에 대하여 하나의 추정된 비트에러율(BER)을 결정하게 된다(406). 미지의 BER을 갖는 하나의 데이터 패킷이 수신되면, 상응하는 모델이 해당 관찰 파라미터에 기초하여 선택된다.
상기와 같은 모델 유도 기법은 데이터 패킷에 관련된 자유로운 관찰이 가능한 파라미터(관찰 파라미터)로부터 그 데이터 패킷의 다른 타입의 관찰불가 파라미터(unobservable parameter)를 추정하기 위한 모델을 개발하는데에도 사용될 수 있다. 다만, 데이터 패킷에 관련된 파라미터를 추정하기 위한 모델을 유도하는 방법에 있어서는, "400" 단계에서 적어도 하나의 관찰 파라미터와 하나의 관찰불가 파라미터로 라벨링된다.
상기와 같은 방식으로 획득된 모델들은 다양한 트레이스에 대하여 테스트 될 수 있다. 각각의 트레이스 Λ는 벡터 시간 급수(vector time series){θi, Zi, SSRi, ρi}i=1:N에 의하여 표현된다. 여기서, θi, Zi, SSRi, ρi는 해당 트레이스에서 i번째 패킷으로부터 획득된다. 만약 패킷에 에러가 없으면 Z=0이고 그 이외에는 Z=1이라 할 수 있다. 앞에서도 설명한 바와 같이, 본 발명과 관련된 분석은 Z=1인 패킷들에 대해 초점을 맞추고 있다. N은 각각의 트레이스 내의 전체 패킷 개수를 나타낸다. 그리고, 추정 급수(estimate series)
Figure 112008038919147-pat00057
를 획득하기 위하여 상관 모델을 사용한다. 패킷 타입을 추정함에 있어서 특정 트레이스에 대한 모델 M의 유용성은 아래의 [수학식 4]와 같이 획득된다.
Figure 112008038919147-pat00058
여기서,
Figure 112008038919147-pat00059
는 이진 심볼로 구성된 수신 패킷, Zi는 i번째 패킷의 부가정보, 패킷에 에러가 없다면 Z=0이고 그 이외에는 Z=1, N은 각각의 트레이스(Trace)Λ에서의 전체 패킷 개수를 나타내며 N1은 트레이스(Trace)Λ에서 Z=1을 갖는 패킷의 개수를 나타낸다.
사용되는 모델 M에 따라, 추정값
Figure 112008038919147-pat00060
를 획득하기 위하여 부가정보로서 SSRi, ρi를 이용할 수 있다. 부가정보가 없을 때는
Figure 112008038919147-pat00061
이며, 여기서
Figure 112008038919147-pat00062
는 평균적인 통계값이다.
본 발명에 따라 부가정보를 이용하여 BER을 추정하는 경우, [수학식 4]의
Figure 112008038919147-pat00063
는
Figure 112008038919147-pat00064
,
Figure 112008038919147-pat00065
, 또는
Figure 112008038919147-pat00066
와 같이 구할 수 있다. 여기서,
Figure 112008038919147-pat00067
는 배경 트래픽 수(Background Traffic Number)를 나타낸다. 실험 결과,
Figure 112008038919147-pat00068
가 가장 좋은 성능을 나타내었는데, 이는 부가정보(Side Information) 수가 많으면 많을수록 더욱 정확한 BER 추정을 할 수 있다는 것이다.
본 발명과 관련된 모든 분석이 에러 패킷에 집중되어 있기 때문에, 체크섬(checksum) Z가 항상 부가정보로서 사용된다는 것은 내재 되어 있다. 따라서, 부가정보의 존재 여부에 대하여 논의할 때에는, SSR 및 배경 트래픽(BT)뿐만 아니라 체크섬(checksum) Z의 사용도 고려된다.
따라서, 네 가지 모델을 고려하면, 사용되는 부가정보에 따라 "Average", "SSR_aware", "BT_aware", "SSR+BT_aware"와 같이 나타낼 수 있다. 즉, 모델 M ∈{Ave., SSR, ρ, SSR+ρ}이다.
각각의 물리 계층(PHY) 데이터율에 대하여 서로 다른 훈련 집합(Training Set)을 고려하고, 또한 이러한 집합은 상기 데이터 율로 수집된 22개의 트레이스로 구성된다고 하자. 각각의 트레이스에 대하여 획득된 모델들의 성능을 테스트하기로 한다. 수행되고 있는 모델에 따라, 각 트레이스에 대하여 EKLDAve[Λ], EKLDSSR[Λ], EKLDρ[Λ], 및 EKLDSSR +ρ[Λ]로 표시되는 4개의 측정값을 획득한다.
채널 상태 추정(CSI)에서 부가정보를 이용함으로써 획득된 개선을 정량화하기 위하여, 집중도 이득(concentration gain)을 정의하면, 다음의 [수학식 5]와 같다.
Figure 112008038919147-pat00069
여기서, M은 {Ave., SSR, ρ, SSR+ρ} 중 어느 것이 될 수 있다.
도 5a 및 도 5b는 부가정보에 기인한 집중도 이득(Concentration Gain)에 대한 그래프로서, 5.5Mbps(도 5a) 및 11Mbps 각각에 대한 집중도 이득을 나타낸다.
도 5a 및 도 5b를 살펴보면, 배경 트래픽(BT) 및 SSR이 집중도 이득을 제공한다는 것을 분명히 알 수 있다. 또한, 3dB 이득이 팩터(factor) 2에 의한 집중도 개선을 나타낸다는 것을 알 수 있다. 따라서, 11Mbps에서 수집된 14/22 트레이스(도 5b) 및 5.5Mbps에서 수집된 10/22 트레이스(도 5a)에 대하여 부가정보로서 SSR을 이용하면, 적어도 팩터 2 만큼의 BER추정의 정확성을 개선할 수 있다.
어떤 트레이스에서는 그 개선이 250 이상의 팩터에 의한 집중도 개선에 상응하는 24dB를 초과한다는 것을 알 수 있다. 따라서, SSR의 이용에 의한 채널 상태 추정(CSI) 개선은, 배경 트래픽(BT)의 존재에도 불구하고, 많은 실제 시나리오들에서 중요하다는 것은 분명하다. SSR과 비교하면, 배경 트래픽(BT)에 의하여 획득된 이득은 적당하다. 하지만, 이득이 3dB에 가깝거나 그 이상인 트레이스, 예를 들면, 11Mbps(도 5b 참조)에서는 트레이스 6, 11, 14, 19, 21이고, 5.5Mbps(도 5a 참조)에서는 트레이스 11, 12, 16이 여전히 존재한다.
어떤 경우에는 추가적인 이득을 달성하기 위하여, SSR과 배경 트래픽(BT)이 결합하거나, 즉 부가정보로서 이들을 결합하여 사용하는 것이 가능하다. 예를 들어, 11Mbps에서의 트레이스 11 및 14와, 5.5Mbps에서의 트레이스 11, 12, 및 16을 보면 알 수 있다.
데이터 패킷에 대한 BER의 정확한 추정은 많은 용도가 있다. 예를 들면, 무선 통신 시스템에서 수신된 에러 데이터 패킷에 대한 에러 복구 과정을 개선하는 효과가 있다. BER은 수신기에서 수신된 각각의 데이터 패킷에 대하여 추정된다. BER은 수신기의 데이터 링크 계층, 또는 개방시스템간 상호접속(OSI) 모델에서 정의된 바와 같이 응용 계층 아래의 어떤 다른 계층에서 추정된다. 그러면, 각각의 데이터 패킷에 대한 BER은 수신기의 응용 계층으로 전달되고, 에러 복구 동작은 에러가 있는 데이터 패킷과 관련된 BER을 이용하여 해당 에러 데이터 패킷에 대하여 수행된다.
더욱 상세하게는, BER은 데이터 패킷 내에 있는 비트에 에러가 존재하는 확률로 전환되고, 그 확률은 해당 에러 데이터 패킷 내에 있는 각 비트를 디코딩하는데 사용된다. BER이 어떻게 파악되고 에러 복구 과정을 수행하는데 어떻게 사용되 는지에 대한 상세한 설명은, "비디오 품질을 개선하기 위하여 물리계층 채널 상태 정보를 이용하는 방법"이라는 명칭의 미국특허출원에서 발견할 수 있다. 본 발에 따라 추정된 BER은 다양한 용도에 이용될 수 있다.
이하에서는, 위에서 설명한 BER의 정확한 추정이 채널 상태 예측(CSP: Channel State Prediction)에서 유익하다는 것을 증명하기로 한다. 특히, 채널 상태 예측(CSP)의 문제는, 아직까지 수신되지 않고 따라서 SSR 및 ρ에 대한 어떠한 정보도 갖고 있지 않은 패킷의 상태를 예측하는 것에 귀착된다. 그러므로, 이하에서 고려되는 채널 상태 예측(CSP) 문제가 위에서 고려한 채널 상태 추정(CSI)과 구별된다는 것은 명백하다.
본 발명에 따른 채널 상태 예측(CSP) 값은 피드백의 도움으로 송신기에 적용되거나 전달될 수 있다. 그러므로, 강인한 채널 상태 예측(CSP)은 소스(source)의 전송률 및 채널 코드를 제어하는데 사용된다.
많은 연구들에 의하면, 시간적 상관관계(Temporal Correlation)는 802.11b 무선 네트워크의 채널 상태에서 관찰될 수 있다고 한다. 도 3은 BER 과정을 기초로 계산된 상관 계수를 나타낸다. 그 상관 계수(
Figure 112008038919147-pat00070
)는 다음의 [수학식 6]과 같이 계산될 수 있다.
Figure 112008038919147-pat00071
여기서, 평균(E) 및 분산(var)은 트레이스들에 대하여 계산된 샘플 평균 및 샘플 분산이다. 도 6은 (중요한 시점마다) 시간적 상관관계(Temporal Correlation)가 존재한다는 것을 나타내는 것으로서, 더욱 상세하게는 물리계층 데이터 율(PHY rate)이 11Mbps가 인 경우, BER에서의 시간적 상관관계를 나타낸다.
두 개의 인접한 패킷 간의 BER의 시간적 상관관계는 장래의 패킷에 대한 BER을 예측(Prediction)하는데 이용될 수 있다. 즉, 현재 패킷의 BER은 다음 패킷의 BER과 많은 상관관계(correlated)가 있다.
따라서, 본 발명에 따른 BER 예측 방법은, 상기와 같은 상관 관계를 바탕으로, 현재 패킷의 BER 추정값을 다음 패킷의 BER값으로 예측하는 방식을 사용하는데, 이를 수학적으로 표현하면, 다음의 [수학식 7]과 같다. 즉, 수신 측(멀티미디어 수신 단말)에서 하나의 수신 패킷 또는 소정의 적응주기에 대한 수신 패킷 집합에 대한 비트에러율(BER) 추정값을 피드백 전송하면, 송신 측(멀티미디어 데이터 전송 장치, 즉 서버)에서는 피드백된 비트에러율(BER) 추정값을 다음에(next) 전송될 패킷 또는 다음의 적응 주기에 대한 비트에러율(BER)로 사용(예측)한다.
Figure 112008038919147-pat00072
하지만, 개선된 성능은, 해당 링크에 특정된 시간적 변동(temporal variations)을 이용하는 링크 특정 모델(link-specific model)을 개발함으로써 획득될 수 있다. 이는 조건부 확률분포
Figure 112008038919147-pat00073
를 평가함으로써, 즉 트레이스 Λ에서의 다양한 타입 쌍
Figure 112008038919147-pat00074
의 발생 빈도를 관찰함으로써 달성될 수 있다. 상기와 같은 확률 분포에 기초하면, 다음의 [수학식 8]과 같은 개선된 예측 값을 얻을 수 있다.
Figure 112008038919147-pat00075
실시예에 따라서는, 상기 모델은 마르코프 모델(Markov Model)일 수 있다. 또한, 다른 타입의 통계적인 모델, 예를 들면, 은닉 마르코프 모델(Hidden Markov Model), 계층적 마르코프 모델(Hierarchical Markov Model), 또는 다면적 모델들(Multifractal Models)도 본 발명에서 고려될 수 있다.
BER 추정을 위하여 위에서 개시된 모델들은, 많은 실용적인 상황에서는 예측을 위해 이용될 수 없다. 왜냐하면, Z(i)≠1일 때는 θ(i)가 관찰되지 않기 때문이 다. 이런 상황들에서, θ i를 추정하기 위하여, 위에서 제시했던 부가정보 기반의 채널 상태 추정(CSI) 메커니즘을 이용할 수 있다.
만약 간결함을 위하여 SSR만을 부가정보로 이용하는 경우를 고려하면, 상기 [수학식 7]에 의하여 서술된 예측기(Predictor)는 다음의 [수학식 9]와 같이 실현될 수 있다.
Figure 112008038919147-pat00076
한편, θ i를 추정하고 이러한 예측을 바탕으로 시간적 상관관계 모델 gΛ(·)을 구동시킴으로써, [수학식 8]에 의하여 주어진 예측기를 실현할 수 있다. 따라서, 그 예측기는 다음의 [수학식 10]과 같이 예측될 수 있다.
Figure 112008038919147-pat00077
이하, 상기 [수학식 8]로부터 획득된 예측기는 '모델 기반 예측기(Model based predictor)'라 하고, 상기 [수학식 9]로부터 획득된 예측기는 'SSR 기반 예 측기(SSR based predictor)'라 하며, 상기 [수학식 10]으로부터 획득된 예측기는 'SSR+모델 기반 예측기(SSR+Model based predictor)'라 하기로 한다. 배경 트래픽(B)을 포함하는 다른 타입의 관찰 가능한 파라미터들이 부가정보로 사용될 수 있다는 것은 쉽게 이해될 수 있다.
도 7은 본 발명에 따른 데이터 패킷의 BER을 '예측'하는 모델을 유도하는 방법에 대한 일실시예 흐름도로서, 데이터 패킷의 BER을 예측하는 방법을 나타내는데, 그 전반적인 과정은 다음과 같다.
다른 데이터 패킷에 대하여 시간적 상관관계를 갖는 소정의 데이터 패킷이 하나의 수신기에 수신된다(700). 예를 들면, 다른 데이터 패킷은 소정의 데이터 패킷에 인접한 데이터 패킷이거나, 소정의 데이터 패킷에 선행하는 패킷이다.
상관 관계가 있는 다른 데이터 패킷에 대한 비트에러율(BER)은 위에서 서술된 방식으로, 수신기의 데이터 링크 계층에서 자유롭게 관찰될 수 있는 변수(부가정보로서의 관찰 변수)를 이용하여 추정될 수 있다(702). 다른 데이터 패킷의 비트에러율(BER)을 추정하기 위한 다른 기법도 또한 본 발명의 개시 범위 내에 속한다.
상기 소정의 데이터 패킷에 대한 비트에러율(BER)은, 「시간적 상관관계를 갖는 데이터 패킷에 대한 비트에러율(BER) 추정값을 기초로 하여 BER을 추정하는 모델」의 사용을 통하여 결정된다(704).
위에서 설명한 바와 같이, 본 발명에 따른 다양한 예측기의 정확성은 다음의 [수학식 11]과 같이 EKLD를 적용함으로써 측정된다.
Figure 112008038919147-pat00078
상기 [수학식 11]에 표현된 바와 같이, 본 발명에 따른 예측기에 대한 분석은 에러 패킷들의 에러를 예측하는 것으로 한정하기로 한다. 하지만, 본 발명에 방법은, 에러가 있는 패킷의 이벤트를 예측하기 위한 패킷 레벨 모델을 개발함으로써, 쉽게 일반화될 수 있다. 또한, [수학식 11]에서 N11은 트레이스에서 두 개의 연속하는 에러 패킷을 볼 수 있는 빈도 수를 나타낸다.
한편, 본 발명은 '모델 기반 예측기' 대신에 'SSR 기반 예측기' 또는 'SSR+모델 기반 예측기'를 사용하기 때문에, 어쨌든 정확성의 손실을 결정하는데 관심을 가져야 한다. 따라서, 다음의 [수학식 12]와 같이 집중도 손실(Concentration Loss)을 측정한다.
Figure 112008038919147-pat00079
여기서, 모델(Model)이라는 용어는,
Figure 112008038919147-pat00080
인 경우, 트레이스 Λ를 훈련함으로써 획득된 예측기
Figure 112008038919147-pat00081
를 나타낸다. SSR 모델들은 모든 트레이스 에 대한 훈련에 의하여 획득된다는 것은 중요하다.
도 8a 및 도 8b는 불완전한 채널 상태 추정(CSI)에 의한 집중도 손실(Concentration Loss)을 나타내는 그래프로서, 5.5Mbps(도 8a) 및 11Mbps(도 8b) 각각에 대한 집중도 손실을 나타낸다.
이상적으로, 집중도 손실을 3dB 이하, 최악으로는 (팩터 3에 의한 집중도 손실을 대표하는)5dB 이하로 제한하고자 한다. SSR 기반 예측기를 사용할 때, 11Mbps에서의 트레이스 14/20(도 8b 참조) 및 5.5Mbps에서의 트레이스 12/20(도 8a 참조)에 대한 집중도 손실은 5dB이하이다. 이러한 트레이스 번호는, 집중도 손실을 대략 3dB 또는 그 이하로 제한하면, 9 및 6으로 떨어진다.
따라서, SSR 기반의 예측기가 종종 만족스러운 예측을 제공할지라도, 더욱 더 지속적으로 견실한 예측을 제공하는 메커니즘이 필요하다. 부가적인 이득을 달성하기 위해서는, 링크 특정 모델(Link-specific Model)은 SSR과 결합하여 사용될 수 있다. 도 8a 및 도 8b를 살펴보면, SSR + 모델 기반 예측기에 대하여, 집중도 손실은 5.5Mbps 및 11Mbps 모두에서 트레이스 15/20에 대하여 3dB 이하이다.
따라서, 글로벌 부가정보 기반 모델과 링크 특정 시간 상관 모델을 결합하는 본 발명의 새로운 메커니즘은 중요한 성능 이득을 이끌어 낼 수 있다. 사실, 5.5Mbps에서의 트레이스 10과 11Mbps에서의 트레이스 8에 대해서, 집중도 손실은 0.15dB 이내라는 것을 알 수 있다.
본 발명에 따른 측정은 효율적인 통신 프로토콜을 디자인하는데 있어서 중요 하다. 지난 수년 동안 802.11b 네트워크에 대한 뛰어난 연구들이 있었다. 하지만, 이러한 모든 연구들은 그들의 측정을 패킷 손실에 국한하고 있으며, 또한 비트 에러의 측정/분석/모델링에 대한 것은 없었다.
본 발명은 채널 상태 추정(CSI) 및 채널 상태 예측(CSP)에서 관찰변수 이용의 효용성을 바탕으로 하고 있다. 배경 트래픽(BT) 및 SSR 모두가 채널 상태 추정(CSI)의 정확도를 개선하는데 사용될 수 있다. 배경 트래픽(BT)이 그 자체만으로 사용되거나 또는 SSR과 함께 사용되는 경우, 배경 트래픽(BT)에 의하여 제공되는 이득은 명백하지만 항상 중요한 것은 아니다. 따라서, 부가정보로서 배경 트래픽(BT)을 사용할 때, 배경 트래픽(BT)의 정확한 측정은 필수적이라 할 수 있다.
이에 비하여, 채널 상태 추정(CSI)에서 SSR에 의해 제공되는 이득은 더욱 중요하다. 많은 양의 배경 트래픽(BT)의 존재에도 불구하고, 이러한 이득은 다양한 트레이스에서 관찰되었다.
실험에 의하면, 본 발명에 따른 채널 상태 추정(CSI) 메커니즘은, 채널 상태 예측(CSP)을 용이하게 할 수 있도록, BER에서의 일시적 상관관계와 효과적으로 결합될 수 있다는 것을 알 수 있다.
본 발명에 따른 메커니즘은, 채널 상태 예측(CSP)을 용이하게 하기 위하여, 글로벌 SSR에 기반한 채널 상태 추정(CSI) 메커니즘과 BER에 기반한 링크 특정의 일시적 상관 모델을 결합하는 것을 가능하게 한다. 이러한 메커니즘은, 하나의 패킷 내의 BER이 정확하게 측정된다면, 최대의 성능을 제공할 수 있다는 것이 관찰되었다.
한편, 전술한 바와 같은 본 발명의 방법은 컴퓨터 프로그램으로 작성이 가능하다. 그리고 상기 프로그램을 구성하는 코드 및 코드 세그먼트는 당해 분야의 컴퓨터 프로그래머에 의하여 용이하게 추론될 수 있다.　또한, 상기 작성된 프로그램은 컴퓨터가 읽을 수 있는 기록매체(정보저장매체)에 저장되고, 컴퓨터에 의하여 판독되고 실행됨으로써 본 발명의 방법을 구현한다. 그리고 상기 기록매체는 컴퓨터가 판독할 수 있는 모든 형태의 기록매체를 포함한다.
이상에서 설명한 본 발명은, 본 발명이 속하는 기술 분야에서 통상의 지식을 가진 자에게 있어 본 발명의 기술적 사상을 벗어나지 않는 범위 내에서 여러 가지 치환, 변형 및 변경이 가능하므로 전술한 실시예 및 첨부된 도면에 의해 한정되는 것이 아니다.
도 1a 및 도 1b는 무선 트레이스의 수집을 위하여 사용되는 무선랜 구성도,
도 2는 에러 트레이스들로부터 유도된 평균 통계에 대한 설명도,
도 3은 본 발명에 적용되는 배경 트래픽(BT)/신호 대 묵음 비(SSR)와 비트에러율(BER)의 관계에 대한 설명도,
도 4는 본 발명에 따른 데이터 패킷의 BER을 '추정'하기 위한 모델을 유도하는 방법에 대한 일실시예 흐름도,
도 5a 및 도 5b는 부가정보에 기인한 집중도 이득에 대한 그래프,
도 6은 데이터 패킷 간의 시간적인 BER 상관관계에 대한 설명도,
도 7은 본 발명에 따른 데이터 패킷의 BER을 '예측'하는 모델을 유도하는 방법에 대한 일실시예 흐름도,
도 8a 및 도 8b는 불완전한 채널 상태 추정(CSI)에 의한 집중도 손실을 나타내는 그래프이다.

Claims (37)

  1. 삭제
  2. 삭제
  3. 무선통신 시스템에서 무선채널 상태를 추정하는 방법에 있어서,
    미리 결정된 적응주기 동안 무선 채널을 통하여 수신된 적어도 하나 이상의 데이터 패킷 각각에 대하여, 채널 상태 추정을 위한 관찰 파라미터를 결정하는 단계;
    상기 수신된 데이터 패킷 각각에 대하여 상기 결정된 해당 관찰 파라미터에 기초하여 비트에러율(BER)을 추정하는 단계; 및
    상기 추정된 복수의 비트에러율(BER)을 이용하여, 손실 함수 기대값이 최소가 되게 하는 상기 적응주기에 대한 비트에러율(BER) 대표값을 산출하는 단계
    를 포함하는 무선채널 상태 추정 방법.
  4. 제 3 항에 있어서,
    상기 산출된 비트에러율(BER) 대표값을 송신 측으로 피드백 전송하는 단계
    를 더 포함하는 무선채널 상태 추정 방법.
  5. 제 3 항에 있어서,
    상기 관찰 파라미터 결정 단계는,
    신호 대 묵음 비(SSR) 및 배경 트래픽 세기(BT Intensity) 중 적어도 하나를 결정하는 것을 특징으로 하는 무선채널 상태 추정 방법.
  6. 제 5 항에 있어서,
    상기 관찰 파라미터 결정 단계는,
    수신기의 데이터 링크 계층에서 상기 관찰 파라미터를 결정하는 것을 특징으로 하는 무선채널 상태 추정 방법.
  7. 제 3 항에 있어서,
    상기 비트에러율 추정 단계는,
    관찰 파라미터와 비트에러율(BER)의 상관관계를 이용하여, 상기 결정된 관찰 파라미터에 해당하는 비트에러율(BER)을 추정하는 것을 특징으로 하는 무선채널 상태 추정 방법.
  8. 제 3 항에 있어서,
    상기 BER 대표값 산출 단계는,
    쿨벡-라이블러 발산(KLD)으로 손실 함수(Cost Function)를 정의하는 것을 특징으로 하는 무선채널 상태 추정 방법.
  9. 제 3 항에 있어서,
    상기 BER 대표값 산출 단계는,
    상기 추정된 복수의 비트에러율(BER)에 대한 기대값을 산출하여 상기 비트에러율(BER) 대표값으로 결정하는 것을 특징으로 하는 무선채널 상태 추정 방법.
  10. 삭제
  11. 삭제
  12. 삭제
  13. 무선 통신 시스템에서 무선채널 상태를 예측하는 방법에 있어서,
    제1 적응주기 동안에 무선 채널을 통하여 복수의 데이터 패킷을 송신하는 단계;
    수신 측으로부터 상기 송신된 복수의 데이터 패킷에 대한 비트에러율(BER) 대표값을 피드백 수신하는 단계; 및
    상기 피드백 수신된 비트에러율(BER) 대표값을 상기 제1 적응주기 이후의 제2 적응주기에 대한 비트에러율(BER)로 예측하는 단계
    를 포함하는 무선채널 상태 예측 방법.
  14. 제 13 항에 있어서,
    상기 비트에러율(BER) 대표값은,
    상기 수신 측이 상기 제1 적응주기 동안에 수신한 각각의 데이터 패킷에 대하여 해당 관찰 파라미터에 기초해 비트에러율(BER)을 추정한 후, 상기 추정된 비트에러율(BER)들에 기초하여 손실 함수가 최소가 되도록 산출한 대표값인 것을 특징으로 하는 무선채널 상태 예측 방법.
  15. 제 13 항에 있어서,
    상기 제2 적응주기는,
    상기 제1 적응 주기 다음의 적응 주기인 것을 특징으로 하는 무선채널 상태 예측 방법.
  16. 무선 통신 시스템에서 데이터 패킷의 에러 복구를 개선하는 방법에 있어서,
    하나의 특정 송신기로부터 무선 매체를 통하여 전송된 복수의 데이터 패킷을 수신기에서 수신하는 단계;
    상기 수신기에 의하여 관측된 배경 트래픽을 나타내는 지표(Metric)를 결정하는 단계; 및
    상기 지표에 기초하여 미리 결정된 데이터 패킷에 대한 비트에러율(BER)을 추정하는 단계
    를 포함하는 에러 복구 개선 방법.
  17. 제 16 항에 있어서,
    상기 지표 결정 단계는,
    상기 특정 송신기가 아닌 다른 송신기에 의해 전송되어 상기 수신기에 수신된 데이터 패킷들의 개수를 결정하는 과정을 더 포함하는 것을 특징으로 하는 에러 복구 개선 방법.
  18. 제 16 항에 있어서,
    상기 지표 결정 단계는,
    상기 특정 송신기에 의해 전송된 두 개의 데이터 패킷 사이에 수신된 데이터 패킷의 개수를 계산하여 해당 데이터 패킷의 수신 시간으로 나누는 과정을 더 포함하는 것을 특징으로 하는 에러 복구 개선 방법.
  19. 제 16 항에 있어서,
    상기 지표 결정 단계는,
    상기 수신기의 데이터 링크 계층에서 배경 트래픽을 나타내는 지표를 결정하는 것을 특징으로 하는 에러 복구 개선 방법.
  20. 제 16 항에 있어서,
    상기 미리 결정된 데이터 패킷에 대한 신호 대 묵음 비(SSR)를 결정하는 단계; 및
    상기 결정된 신호 대 묵음 비(SSR)에 기초하여 상기 미리 결정된 데이터 패킷에 대한 비트에러율(BER)을 추정하는 단계
    를 더 포함하는 에러 복구 개선 방법.
  21. 제 16 항에 있어서,
    상기 미리 결정된 데이터 패킷에 대한 상기 비트에러율(BER)을 상기 수신기의 응용 계층으로 전달하는 단계; 및
    상기 미리 결정된 데이터 패킷에 대한 상기 비트에러율(BER)을 이용하여 상기 응용 계층에서 상기 미리 결정된 데이터 패킷에 관련된 에러 복구를 수행하는 단계
    를 더 포함하는 에러 복구 개선 방법.
  22. 에러가 있는 데이터 패킷의 비트에러율(BER)을 추정하기 위한 모델을 유도하는 방법에 있어서,
    모델 유도를 위한 복수의 데이터 패킷을 제공하되, 상기 각각의 데이터 패킷에는 적어도 하나의 관찰 파라미터와 해당 비트에러율(BER)이 표시되는 단계;
    유사한 관찰 파라미터를 갖는 데이터 패킷들로 그룹핑하는 단계;
    상기 관찰 파라미터에 기초하여 비트에러율(BER) 추정을 위한 손실 함수를 정의하는 단계; 및
    데이터 패킷 그룹 내의 데이터 패킷들에 대한 상기 손실 함수를 최소화함으로써, 상기 데이터 패킷 그룹에 관련된 관찰 파라미터를 갖는 데이터 패킷들에 대한 비트에러율(BER) 추정값을 결정하는 단계
    를 포함하는 비트에러율 추정 모델 유도 방법.
  23. 제 22 항에 있어서,
    상기 손실 함수 정의 단계는,
    비트에러율(BER)의 쿨벡-라이블러 발산(Kullback-Liebler Divergence) 측정으로 상기 손실 함수를 정의하는 것을 특징으로 하는 비트에러율 추정 모델 유도 방법.
  24. 제 22 항에 있어서,
    상기 데이터 패킷 그룹핑 단계는,
    상기 데이터 패킷들에 관련된 신호 대 묵음 비(SSR)에 기초하여 그룹핑하는 것을 특징으로 하는 비트에러율 추정 모델 유도 방법.
  25. 제 22 항에 있어서,
    상기 데이터 패킷 그룹핑 단계는,
    상기 데이터 패킷들에 대해 수신기에서 관찰된 배경 트래픽을 나타내는 지표(metric)에 기초하여 그룹핑하는 것을 특징으로 하는 비트에러율 추정 모델 유도 방법.
  26. 데이터 패킷과 관련된 파라미터를 추정하기 위한 모델을 유도하는 방법에 있어서,
    모델 유도를 위한 복수의 데이터 패킷을 제공하되, 상기 각각의 데이터 패킷에는 적어도 하나의 관찰 파라미터와 하나의 관찰불가 파라미터가 표시되는 단계;
    유사한 관찰 파라미터를 갖는 데이터 패킷들로 그룹핑하는 단계;
    상기 관찰 파라미터에 기초하여 비트에러율(BER) 추정을 위한 손실 함수를 정의하는 단계; 및
    데이터 패킷 그룹 내의 데이터 패킷들에 대한 상기 손실 함수를 최소화하여, 상기 데이터 패킷 그룹에 관련된 관찰 파라미터를 갖는 데이터 패킷들에 대한 관찰불가 파라미터 추정값을 결정하는 단계
    를 포함하는 파라미터 추정 모델 유도 방법.
  27. 제 26 항에 있어서,
    상기 손실 함수 정의 단계는,
    비트에러율(BER)의 쿨벡-라이블러 발산(Kullback-Liebler Divergence) 측정으로 상기 손실 함수를 정의하는 것을 특징으로 하는 파라미터 추정 모델 유도 방법.
  28. 제 26 항에 있어서,
    상기 손실 함수 최소화 단계는,
    상기 관찰 불가 파라미터에 대한 추정값 집합을 유도하기 위하여 각각의 데이터 패킷 그룹에 대한 손실 함수를 최소화하는 것을 특징으로 하는 파라미터 추정 모델 유도 방법.
  29. 무선 통신 시스템에서 데이터 패킷의 에러 복구를 개선하는 방법에 있어서,
    수신기에서 무선 매체를 통하여 전송된 미리 결정된 데이터 패킷을 수신하는 단계;
    상기 수신기의 데이터 링크 계층에서 관찰가능한 변수를 이용하여, 상기 미리 결정된 데이터 패킷에 시간적으로 상관되어 있는 다른 데이터 패킷의 비트에러율(BER)을 추정하는 단계; 및
    상기 시간적으로 상관된 데이터 패킷에 대하여 추정된 비트에러율(BER)에 기초해서 상기 미리 결정된 데이터 패킷의 비트에러율(BER)을 예측하는 모델을 사용하여, 상기 미리 결정된 데이터 패킷에 대한 비트에러율(BER)을 결정하는 단계
    를 포함하는 에러 복구 개선 방법.
  30. 제 29 항에 있어서,
    상기 다른 데이터 패킷은,
    상기 미리 결정된 데이터 패킷에 인접한 패킷인 것을 특징으로 하는 에러 복구 개선 방법.
  31. 제 29 항에 있어서,
    상기 다른 데이터 패킷은,
    상기 미리 결정된 데이터 패킷에 선행하는 패킷인 것을 특징으로 하는 에러 복구 개선 방법.
  32. 제 29 항에 있어서,
    상기 다른 데이터 패킷에 대한 신호 대 묵음 비(SSR)를 이용하여 상기 다른 데이터 패킷에 대한 비트에러율(BER)을 추정하는 단계
    를 더 포함하는 에러 복구 개선 방법.
  33. 제 29 항에 있어서,
    상기 수신기에서 관측된 배경 트래픽을 나타내는 지표(metric)를 이용하여 상기 다른 데이터 패킷에 대한 비트에러율(BER)을 추정하는 단계
    를 더 포함하는 에러 복구 개선 방법.
  34. 제 33 항에 있어서,
    상기 지표 결정 단계는,
    기대되는 송신기에 의해 전송된 두 개의 데이터 패킷 사이에 수신된 데이터 패킷의 개수를 계산하는 과정을 더 포함하는 에러 복구 개선 방법.
  35. 제 29 항에 있어서,
    마르코프 모델(Markov Model)을 이용하여 상기 미리 결정된 데이터 패킷에 대한 비트에러율(BER)을 결정하는 단계
    를 더 포함하는 에러 복구 개선 방법.
  36. 제 29 항에 있어서,
    상기 미리 결정된 데이터 패킷에 대한 비트에러율(BER)을 상기 수신기의 응용 계층으로 전달하는 단계; 및
    상기 미리 결정된 데이터 패킷에 대한 상기 비트에러율(BER)을 이용하여 상기 응용 계층에서 상기 미리 결정된 데이터 패킷에 관련된 에러 복구를 수행하는 단계
    를 더 포함하는 에러 복구 개선 방법.
  37. 제 29 항에 있어서,
    상기 미리 결정된 데이터 패킷에 대한 비트에러율(BER)을 상기 미리 결정된 데이터 패킷에 대한 송신기로 전송하는 단계; 및
    상기 미리 결정된 데이터 패킷에 대한 상기 비트에러율(BER)에 기초하여 소스 및 채널코드의 레이트를 제어하는 단계
    를 더 포함하는 에러 복구 개선 방법.
KR1020080050778A 2007-05-30 2008-05-30 관찰 파라미터를 이용한 무선채널 상태 추정/예측 및 에러복구 개선 방법과, 이를 위한 비트에러율/파라미터 추정모델 유도 방법 KR101006394B1 (ko)

Applications Claiming Priority (2)

Application Number Priority Date Filing Date Title
US93229207P 2007-05-30 2007-05-30
US60/932,292 2007-05-30

Publications (2)

Publication Number Publication Date
KR20080106088A KR20080106088A (ko) 2008-12-04
KR101006394B1 true KR101006394B1 (ko) 2011-01-10

Family

ID=39791311

Family Applications (1)

Application Number Title Priority Date Filing Date
KR1020080050778A KR101006394B1 (ko) 2007-05-30 2008-05-30 관찰 파라미터를 이용한 무선채널 상태 추정/예측 및 에러복구 개선 방법과, 이를 위한 비트에러율/파라미터 추정모델 유도 방법

Country Status (2)

Country Link
KR (1) KR101006394B1 (ko)
WO (1) WO2008153798A2 (ko)

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US10904310B2 (en) 2016-06-17 2021-01-26 Samsung Electronics Co., Ltd. Method and apparatus for communicating streaming data in bluetooth-based wireless communication system
US11159279B2 (en) 2017-05-23 2021-10-26 Samsung Electronics Co., Ltd. Electronic device, and method for Bluetooth-based data transmission in electronic device

Families Citing this family (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2012125008A2 (ko) * 2011-03-16 2012-09-20 한국전자통신연구원 부가 정보를 이용한 무선 채널 상태 추정 방법 및 장치, 이를 이용한 무선망에서의 코딩 레이트 조절 방법

Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2000021236A1 (en) 1998-10-08 2000-04-13 Telefonaktiebolaget Lm Ericsson (Publ) Data communication method and system using an adaptive hybrid-arq scheme
JP2001333050A (ja) 2000-05-19 2001-11-30 Fujitsu Ltd Ｂｅｒ推定装置及びその方法
KR20030037611A (ko) * 2001-11-02 2003-05-14 삼성전자주식회사 고속 순방향 패킷 접속 방식을 사용하는 광대역 부호 분할다중 접속 통신 시스템에서 순방향 채널 품질을 보고하는장치 및 방법
US20060274841A1 (en) 2005-01-20 2006-12-07 Shuangquan Wang System and/or method for channel estimation in communication systems

Patent Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2000021236A1 (en) 1998-10-08 2000-04-13 Telefonaktiebolaget Lm Ericsson (Publ) Data communication method and system using an adaptive hybrid-arq scheme
JP2001333050A (ja) 2000-05-19 2001-11-30 Fujitsu Ltd Ｂｅｒ推定装置及びその方法
KR20030037611A (ko) * 2001-11-02 2003-05-14 삼성전자주식회사 고속 순방향 패킷 접속 방식을 사용하는 광대역 부호 분할다중 접속 통신 시스템에서 순방향 채널 품질을 보고하는장치 및 방법
US20060274841A1 (en) 2005-01-20 2006-12-07 Shuangquan Wang System and/or method for channel estimation in communication systems

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US10904310B2 (en) 2016-06-17 2021-01-26 Samsung Electronics Co., Ltd. Method and apparatus for communicating streaming data in bluetooth-based wireless communication system
US11159279B2 (en) 2017-05-23 2021-10-26 Samsung Electronics Co., Ltd. Electronic device, and method for Bluetooth-based data transmission in electronic device

Also Published As

Publication number Publication date
WO2008153798A2 (en) 2008-12-18
KR20080106088A (ko) 2008-12-04
WO2008153798A3 (en) 2009-02-26

Similar Documents

Publication Publication Date Title
Vlavianos et al. Assessing link quality in IEEE 802.11 wireless networks: Which is the right metric?
US11070301B2 (en) Learning-based wireless transmission parameter adaptation based on client activity detection
EP1727375A1 (en) Assessment of perceived quality of a packetized video stream
US20100279624A1 (en) Detecting interference in a wireless communication system
KR101006394B1 (ko) 관찰 파라미터를 이용한 무선채널 상태 추정/예측 및 에러복구 개선 방법과, 이를 위한 비트에러율/파라미터 추정모델 유도 방법
US7424273B2 (en) Evaluating performance of a multiple-input multiple output (MIMO) communications link
Zhang et al. Link quality estimation of cross-technology communication
Chen et al. When xURLLC meets NOMA: A stochastic network calculus perspective
WO2021063922A1 (en) A method for estimating the uplink data rate in mobile communications
CN110996341B (zh) 一种跨协议干扰下的低功率无线链路质量估计方法
Chasserat et al. Experimental throughput models for LoRa networks with capture effect
CN116527454A (zh) 一种基于语用导频的信道估计方法及装置
Karande et al. On channel state inference and prediction using observable variables in 802.11 b network
Thielecke et al. On Evaluating V2X Channel Models with COTS 802.11 p Devices in Urban Field-Trials
Kim et al. Realistic modeling of IEEE 802.11 WLAN considering rate adaptation and multi-rate retry
CN110113794B (zh) 一种无线网络路径质量动静态评估方法
CN100413242C (zh) 估计通信质量的方法和设备
US20080037434A1 (en) Modeling of residue errors using models that adapt on the basis of link quality indicators
Keshavarzian et al. From experience with indoor wireless networks: A link quality metric that captures channel memory
Karande et al. On Modeling of 802.1 lb Residue Errors
KR20180131615A (ko) Mbms 베어러 품질 평가
US20170005898A1 (en) Distributed saturation detection method for wireless network nodes
Cho et al. A multi-tier model for BER prediction over wireless residual channels
Ilyas et al. Long range dependence of IEEE 802.15. 4 wireless channels
CN113364715B (zh) 一种基于信用值投票机制的协作式自动调制分类方法

Legal Events

Date Code Title Description
A201 Request for examination
E902 Notification of reason for refusal
E90F Notification of reason for final refusal
E701 Decision to grant or registration of patent right
GRNT Written decision to grant
LAPS Lapse due to unpaid annual fee