KR101916632B1 - 대량의 사물 통신에서 신호를 검출하는 방법 및 장치 - Google Patents

대량의 사물 통신에서 신호를 검출하는 방법 및 장치 Download PDF

Info

Publication number
KR101916632B1
KR101916632B1 KR1020180064224A KR20180064224A KR101916632B1 KR 101916632 B1 KR101916632 B1 KR 101916632B1 KR 1020180064224 A KR1020180064224 A KR 1020180064224A KR 20180064224 A KR20180064224 A KR 20180064224A KR 101916632 B1 KR101916632 B1 KR 101916632B1
Authority
KR
South Korea
Prior art keywords
signal
devices
minimize
base station
admm
Prior art date
Application number
KR1020180064224A
Other languages
English (en)
Inventor
박대영
김민식
Original Assignee
인하대학교 산학협력단
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 인하대학교 산학협력단 filed Critical 인하대학교 산학협력단
Priority to KR1020180064224A priority Critical patent/KR101916632B1/ko
Application granted granted Critical
Publication of KR101916632B1 publication Critical patent/KR101916632B1/ko

Links

Images

Classifications

    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
    • H04L25/00—Baseband systems
    • H04L25/02—Details ; arrangements for supplying electrical power along data transmission lines
    • H04L25/0202—Channel estimation
    • H04L25/024—Channel estimation channel estimation algorithms
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
    • H04L27/00—Modulated-carrier systems
    • H04L27/18—Phase-modulated carrier systems, i.e. using phase-shift keying
    • H04L27/20—Modulator circuits; Transmitter circuits
    • H04L27/2003—Modulator circuits; Transmitter circuits for continuous phase modulation
    • H04L27/2007—Modulator circuits; Transmitter circuits for continuous phase modulation in which the phase change within each symbol period is constrained
    • H04L27/2017—Modulator circuits; Transmitter circuits for continuous phase modulation in which the phase change within each symbol period is constrained in which the phase changes are non-linear, e.g. generalized and Gaussian minimum shift keying, tamed frequency modulation

Landscapes

  • Engineering & Computer Science (AREA)
  • Computer Networks & Wireless Communication (AREA)
  • Signal Processing (AREA)
  • Physics & Mathematics (AREA)
  • Nonlinear Science (AREA)
  • Power Engineering (AREA)
  • Mobile Radio Communication Systems (AREA)

Abstract

대량의 사물 통신에서 신호를 검출하는 방법 및 장치가 제시된다. 본 발명에서 제안하는 대량의 사물 통신에서 신호를 검출하는 방법은 복수의 장치들과 하나의 기지국을 사용하는 mMTC(massive Machine Type Communications) 시스템에서 신호를 검출하기 위한 수신 신호와 채널을 획득하는 단계, 획득한 상기 수신 신호와 상기 채널을 이용하여 복수의 장치들과 하나의 기지국에 관한 식을 세 변수를 사용하는 컨세서스 ADMM(Consensus Alternating Direction Method of Multipliers) 형식으로 변환하여, 상기 제1 장치로부터의 신호를 최소화시키도록 갱신하는 단계, 상기 제1 장치로부터의 신호가 갱신됨에 따라 알고리즘을 이용하여 복수의 장치들 중 제2 장치로부터의 신호를 최소화시키도록 갱신하는 단계, 상기 제2 장치로부터의 신호가 갱신됨에 따라 알고리즘을 이용하여 복수의 장치들 중 제3 장치로부터의 신호를 최소화시키도록 갱신하는 단계, 상기 복수의 장치들로부터의 신호 및 상기 세 변수가 갱신됨에 따라 쌍대(dual) 변수를 갱신하는 단계 및 미리 정해진 정지 조건을 만족할 때까지 상기 복수의 장치들로부터의 신호를 최소화시키도록 반복적으로 동작하여 상기 복수의 장치들로부터의 신호를 최소로 하는 신호를 추정하는 단계를 포함한다.

Description

대량의 사물 통신에서 신호를 검출하는 방법 및 장치{Method and apparatus of signal detection in massive machine type communication}
본 발명은 대량의 사물 통신에서 신호를 검출하는 방법 및 장치에 관한 것이다.
최근 대량사물통신(mMTC; massive Machine Type Communication)은 많은 주목을 받아오며 공장 자동화, 건강, 자율주행, 운송 등 다양한 응용분야에서 사용되고 있다. mMTC는 대량의 장치들이 접속된 통신 시스템을 의미한다. 사물인터넷이 대두가 되며 IOT(Internet Of Things) 장치들이 급격하게 증가하였고 M2M(Machine to Machine) 및 IOT가 차세대 통신을 위한 주요 이슈로 고려되어 왔다. 이에 따라 최근 몇 년 사이 mMTC 시스템은 많은 주목을 받게 되었으며 ITU, 3GPP와 같은 기관에서 5G를 위한 주요 기술로 정의하고 있다.
mMTC는 인간의 통신 시스템과 달리 업 링크가 지배적이며 mMTC 장치는 단 시간 동안 활동하며 짧은 패킷을 전송하는 특징을 가지고 있다. 비활성 장치는 정보를 전송하지 않으므로 활성 장치와 비 활성 장치의 송신 심볼 벡터를 희소 벡터로 쉽게 모델링 할 수 있다. 이 문제는 압축 센싱 기반의 다중 사용자 검출 문제로 바꿔 해결할 수 있다. 현재 전송 성능을 증가시키기 위해 압축 센싱 기반의 다중 사용자 검파 방식이 사용되고 있지만 성능이 좋지 않다.
본 발명이 이루고자 하는 기술적 과제는 활성 장치와 비 활성 장치의 송신 심볼 벡터를 희소 벡터로 쉽게 모델링 할 수 있고, 이러한 문제를 압축 센싱 기반의 다중 사용자 검출 문제로 바꿔 해결하기 위한 대량의 사물 통신에서 신호를 검출하는 방법 및 장치를 제공하는데 있다.
일 측면에 있어서, 본 발명에서 제안하는 대량의 사물 통신에서 신호를 검출하는 방법은 복수의 장치들과 하나의 기지국을 사용하는 mMTC(massive Machine Type Communications) 시스템에서 신호를 검출하기 위한 수신 신호와 채널을 획득하는 단계, 획득한 상기 수신 신호와 상기 채널을 이용하여 복수의 장치들과 하나의 기지국에 관한 식을 세 변수를 사용하는 컨세서스 ADMM(Consensus Alternating Direction Method of Multipliers) 형식으로 변환하여, 상기 제1 장치로부터의 신호를 최소화시키도록 갱신하는 단계, 상기 제1 장치로부터의 신호가 갱신됨에 따라 알고리즘을 이용하여 복수의 장치들 중 제2 장치로부터의 신호를 최소화시키도록 갱신하는 단계, 상기 제2 장치로부터의 신호가 갱신됨에 따라 알고리즘을 이용하여 복수의 장치들 중 제3 장치로부터의 신호를 최소화시키도록 갱신하는 단계, 상기 복수의 장치들로부터의 신호 및 상기 세 변수가 갱신됨에 따라 쌍대(dual) 변수를 갱신하는 단계 및 미리 정해진 정지 조건을 만족할 때까지 상기 복수의 장치들로부터의 신호를 최소화시키도록 반복적으로 동작하여 상기 복수의 장치들로부터의 신호를 최소로 하는 신호를 추정하는 단계를 포함한다.
상기 획득한 상기 수신 신호와 상기 채널을 이용하여 복수의 장치들과 하나의 기지국에 관한 식을 세 변수를 사용하는 컨세서스 ADMM 형식으로 변환하여, 상기 제1 장치로부터의 신호를 최소화시키도록 갱신하는 단계는 상기 획득한 상기 수신 신호와 상기 채널을 이용하여 복수의 장치들과 하나의 기지국에 관한 식을 mMTC 시스템의 송신신호에 대한 성긴 성질을 갖고, 볼록 놈(convex norm)을 사용하여 볼록 최적화 식으로 변환하는 단계 및 상기 볼록 최적화 식으로 변환된 식에 대한 지시함수는 상기 송신신호가 미리 정해진 조건을 만족하는지 여부에 따라 0 또는 ∞의 값을 갖고, 상기 볼록 최적화 식으로 변환된 식을 복수의 장치들로부터의 신호를 이용하여 분리 가능한 형태로 변환하는 단계를 더 포함한다.
상기 획득한 상기 수신 신호와 상기 채널을 이용하여 복수의 장치들과 하나의 기지국에 관한 식을 세 변수를 사용하는 컨세서스 ADMM 형식으로 변환하여, 상기 제1 장치로부터의 신호를 최소화시키도록 갱신하는 단계는, 상기 컨세서스 ADMM 형식으로 변환된 식을 이용하여 상기 세 변수에 대하여 최소화를 반복한다.
mMTC 시스템의 SNR이 적은 경우 최적의 값이 정지 기준을 만족하도록 컨세서스 ADMM 검파를 위한 최대 반복횟수를 미리 정해진 수로 제한한다.
또 다른 일 측면에 있어서, 본 발명에서 제안하는 대량의 사물 통신에서 신호를 검출하는 장치는 복수의 장치들과 하나의 기지국을 사용하는 mMTC(massive Machine Type Communications) 시스템에서 신호를 검출하기 위한 수신 신호와 채널을 획득하는 획득부, 획득한 상기 수신 신호와 상기 채널을 이용하여 복수의 장치들과 하나의 기지국에 관한 식을 세 변수를 사용하는 컨세서스 ADMM(Consensus Alternating Direction Method of Multipliers) 형식으로 변환하여, 상기 복수의 장치들로부터의 신호를 최소화시키도록 갱신하는 최소화부, 상기 복수의 장치들로부터의 신호 및 상기 세 변수가 갱신됨에 따라 쌍대(dual) 변수를 갱신하는 쌍대 변수부 및 미리 설정된 정지 조건을 만족할 때까지 상기 복수의 장치들로부터의 신호를 최소화시키도록 반복적으로 동작하여 상기 복수의 장치들로부터의 신호를 최소로 하는 신호를 추정하는 판단부를 포함한다.
상기 최소화부는 획득한 상기 수신 신호와 상기 채널을 이용하여 복수의 장치들과 하나의 기지국에 관한 식을 볼록 최적화 식으로 변환하고, 상기 식을 복수의 장치들 중 제1 장치로부터의 신호를 이용하여 분리 가능한 형태로 변환하고, 상기 식을 세 변수를 사용하는 컨세서스 ADMM(Consensus Alternating Direction Method of Multipliers) 형식으로 변환하여, 상기 제1 장치로부터의 신호를 최소화시키도록 갱신하고, 상기 제1 장치로부터의 신호가 갱신됨에 따른 알고리즘을 이용하여 복수의 장치들 중 제2 장치로부터의 신호를 최소화시키도록 갱신하고, 상기 제2 장치로부터의 신호가 갱신됨에 따른 알고리즘을 이용하여 복수의 장치들 중 제3 장치로부터의 신호를 최소화시키도록 갱신한다.
본 발명의 실시예들에 따르면 활성 장치와 비 활성 장치의 송신 심볼 벡터를 희소 벡터로 쉽게 모델링 할 수 있고, 이러한 문제를 압축 센싱 기반의 다중 사용자 검출 문제로 바꿔 해결할 수 있다.
도 1은 본 발명의 일 실시예에 따른 대량 사물 통신의 신호 검출 방법을 설명하기 위한 흐름도이다.
도 2는 본 발명의 일 실시예에 따른 SNR = 16dB일 때 반복 횟수에 따른 수렴성에 대한 그래프이다.
도 3은 본 발명의 일 실시예에 따른 SNR에 따른 활성 장치의 심볼 오류율이다.
도 4는 본 발명의 일 실시예에 따른 SNR = 16dB일 때 mMTC 장치 개수에 따른 시간 성능에 대한 그래프이다.
도 5는 본 발명의 일 실시예에 따른 대량 사물 통신의 신호 검출 장치의 구성을 나타내는 도면이다.
이하, 본 발명의 실시 예를 첨부된 도면을 참조하여 상세하게 설명한다.
도 1은 본 발명의 일 실시예에 따른 대량 사물 통신의 신호 검출 방법을 설명하기 위한 흐름도이다.
제안하는 대량 사물 통신의 신호 검출 방법은 복수의 장치들과 하나의 기지국을 사용하는 mMTC(massive Machine Type Communications) 시스템에서 신호를 검출하기 위한 수신 신호와 채널을 획득하는 단계(110), 획득한 상기 수신 신호와 상기 채널을 이용하여 복수의 장치들과 하나의 기지국에 관한 식을 세 변수를 사용하는 컨세서스 ADMM(Consensus Alternating Direction Method of Multipliers) 형식으로 변환하여, 상기 제1 장치로부터의 신호를 최소화시키도록 갱신하는 단계(120), 상기 제1 장치로부터의 신호가 갱신됨에 따라 알고리즘을 이용하여 복수의 장치들 중 제2 장치로부터의 신호를 최소화시키도록 갱신하는 단계(130), 상기 제2 장치로부터의 신호가 갱신됨에 따라 알고리즘을 이용하여 복수의 장치들 중 제3 장치로부터의 신호를 최소화시키도록 갱신하는 단계(140), 상기 복수의 장치들로부터의 신호 및 상기 세 변수가 갱신됨에 따라 쌍대(dual) 변수를 갱신하는 단계(150) 및 미리 정해진 정지 조건을 만족할 때까지 상기 복수의 장치들로부터의 신호를 최소화시키도록 반복적으로 동작하여 상기 복수의 장치들로부터의 신호를 최소로 하는 신호를 추정하는 단계(160)를 포함한다.
단계(110)에서, 복수의 장치들과 하나의 기지국을 사용하는 mMTC(massive Machine Type Communications) 시스템에서 신호를 검출하기 위한 수신 신호와 채널을 획득한다.
mMTC 시스템에서 N개의 장치와 1개의 기지국에서 M개의 안테나를 가지는 경우
Figure 112018054782313-pat00001
수식 1
로 나타낼 수 있다. 이때
Figure 112018054782313-pat00002
는 수신 신호 벡터,
Figure 112018054782313-pat00003
는 송신 신호 벡터,
Figure 112018054782313-pat00004
는
Figure 112018054782313-pat00005
의 잡음 분포를 가지는 AWGN 벡터이다.
Figure 112018054782313-pat00006
는 장치와 기지 국간의 채널 행렬로써 가우시안 분포로 이루어져 있으며 수신 측에서 알고 있다고 가정한다. 본 발명에서 다루는 시스템은 N개의 장치 중 n개의 장치만 활성화되기 때문에 송신 신호 벡터의 경우 성긴 벡터이다. 또한 QPSK 방식
Figure 112018054782313-pat00007
을 사용하였으며 비활성 장치는 신호를 보내지 않으므로
Figure 112018054782313-pat00008
가 된다. 이때
Figure 112018054782313-pat00009
이고
Figure 112018054782313-pat00010
이다.
Sparsity-aware Maximum a posteriori(S-MAP)의 결과는
Figure 112018054782313-pat00011
을 최대화하며
Figure 112018054782313-pat00012
는 Bayes` rule에 의하여 다음과 같이 변형된다.
Figure 112018054782313-pat00013
Figure 112018054782313-pat00014
Figure 112018054782313-pat00015
수식 2
각각의 N개 장치에서 신호가 발생할 확률이
Figure 112018054782313-pat00016
이며
Figure 112018054782313-pat00017
은 N보다 작은 값을 가진다. 따라서 장치에서 발생한 신호를
Figure 112018054782313-pat00018
라 할 때
Figure 112018054782313-pat00019
는 성긴 특성을 가지게 된다. 각각의 장치들이 독립적으로 신호를 발생한다고 하면
Figure 112018054782313-pat00020
수식 3
이 되며
Figure 112018054782313-pat00021
은 각각의 원소의
Figure 112018054782313-pat00022
으로
Figure 112018054782313-pat00023
이 0이 아니면 1 0이면 0을 반환한다. 수식 2와 수식 3을 결합한 결과
Figure 112018054782313-pat00024
Figure 112018054782313-pat00025
수식 4
으로 표현된다. 여기서
Figure 112018054782313-pat00026
은 regularization 파라미터이며
Figure 112018054782313-pat00027
에 반비례 하므로
Figure 112018054782313-pat00028
의 성긴 성질을 강조하는 역할을 한다. 하지만 수식 4는 볼록 최적화 문제가 아니기 때문에
Figure 112018054782313-pat00029
항을 다른 convex norm을 사용하여 볼록 최적화 문제로 바꿔주어야 한다.
Figure 112018054782313-pat00030
인 경우
Figure 112018054782313-pat00031
이므로 수식 4에서
Figure 112018054782313-pat00032
을
Figure 112018054782313-pat00033
으로 변환하면
Figure 112018054782313-pat00034
수식 5
이며,
Figure 112018054782313-pat00035
는 지시(indicator) 함수로써
Figure 112018054782313-pat00036
을 만족한다면 0이고 그렇지 않으면
Figure 112018054782313-pat00037
이다. 이 문제를
Figure 112018054782313-pat00038
을 사용하여 separable form으로 작성하면
Figure 112018054782313-pat00039
Figure 112018054782313-pat00040
수식 6
이다. 이때 각각의 함수는
Figure 112018054782313-pat00041
,
Figure 112018054782313-pat00042
,
Figure 112018054782313-pat00043
이다. 수식 6에 대한 증강 라그랑지안은
Figure 112018054782313-pat00044
수식 7
으로 나타난다.
Figure 112018054782313-pat00045
는
Figure 112018054782313-pat00046
에 해당하는 쌍대 변수이며
Figure 112018054782313-pat00047
는 페널티 파라미터이다. 위 식에서
Figure 112018054782313-pat00048
와
Figure 112018054782313-pat00049
를 결합하고 스케일(scaled) 쌍대 변수를 사용하여 수식 7을 풀기 쉽게 바꿀 수 있다.
Figure 112018054782313-pat00050
로 정의 하면
Figure 112018054782313-pat00051
수식 8
이며
Figure 112018054782313-pat00052
는 스케일 쌍대 변수이다. 수식 7을 다시 작성하면
Figure 112018054782313-pat00053
수식 9
컨세서스 ADMM은 각각의 변수
Figure 112018054782313-pat00054
에 대하여 최소화를 교대로 반복한다. k번째 반복에서는
Figure 112018054782313-pat00055
수식 10
Figure 112018054782313-pat00056
수식 11
Figure 112018054782313-pat00057
수식 12
쌍대 변수의 평균은 0이므로 위의 최소화 과정을 간단하게 할 수 있다. 즉
Figure 112018054782313-pat00058
이므로
Figure 112018054782313-pat00059
가 된다.
Figure 112018054782313-pat00060
수식 13
Figure 112018054782313-pat00061
수식 14
단계(120)에서, 획득한 상기 수신 신호와 상기 채널을 이용하여 복수의 장치들과 하나의 기지국에 관한 식을 세 변수를 사용하는 컨세서스 ADMM(Consensus Alternating Direction Method of Multipliers) 형식으로 변환하여, 상기 제1 장치로부터의 신호를 최소화시키도록 갱신한다.
단계(120)는 상기 획득한 상기 수신 신호와 상기 채널을 이용하여 복수의 장치들과 하나의 기지국에 관한 식을 mMTC 시스템의 송신신호에 대한 성긴 성질을 갖고, 볼록 놈(convex norm)을 사용하여 볼록 최적화 식으로 변환하는 단계 및 상기 볼록 최적화 식으로 변환된 식에 대한 지시함수는 상기 송신신호가 미리 정해진 조건을 만족하는지 여부에 따라 0 또는 ∞의 값을 갖고, 상기 볼록 최적화 식으로 변환된 식을 복수의 장치들로부터의 신호를 이용하여 분리 가능한 형태로 변환하는 단계를 더 포함한다. 그리고, 상기 컨세서스 ADMM 형식으로 변환된 식을 이용하여 상기 세 변수에 대하여 최소화를 반복한다.
다음으로 각각의
Figure 112018054782313-pat00062
에 대해서 최소화하는 과정은 아래와 같다. 먼저,
Figure 112018054782313-pat00063
에 대한 최소화 과정이다.
Figure 112018054782313-pat00064
Figure 112018054782313-pat00065
수식 15
다음은
Figure 112018054782313-pat00066
에 대한 최소화 과정이다.
Figure 112018054782313-pat00067
에 대한 최소화 문제의
Figure 112018054782313-pat00068
수식 16
수식 16은
Figure 112018054782313-pat00069
에서 각각의 원소의 값을 최소화하는 문제로 해결할 수 있다. (
Figure 112018054782313-pat00070
은
Figure 112018054782313-pat00071
벡터의
Figure 112018054782313-pat00072
번째 원소이다.)
단계(130)에서, 상기 제1 장치로부터의 신호가 갱신됨에 따라 알고리즘을 이용하여 복수의 장치들 중 제2 장치로부터의 신호를 최소화시키도록 갱신한다.
Figure 112018054782313-pat00073
Figure 112018054782313-pat00074
수식 17
위 식에서
Figure 112018054782313-pat00075
이다.
Figure 112018054782313-pat00076
은
Figure 112018054782313-pat00077
함수의 proximal operator [2]이며 결과는 다음과 같다.
Figure 112018054782313-pat00078
수식 18
이는 element-wise soft thresholding이며
Figure 112018054782313-pat00079
이 작으면
Figure 112018054782313-pat00080
가 커지게 되고
Figure 112018054782313-pat00081
은 0값을 갖게 한다.
단계(140)에서, 상기 제2 장치로부터의 신호가 갱신됨에 따라 알고리즘을 이용하여 복수의 장치들 중 제3 장치로부터의 신호를 최소화시키도록 갱신한다.
마지막으로
Figure 112018054782313-pat00082
에 대한 최소화 과정이다.
Figure 112018054782313-pat00083
Figure 112018054782313-pat00084
Figure 112018054782313-pat00085
수식 19
Figure 112018054782313-pat00086
는
Figure 112018054782313-pat00087
의 각각의 원소를
Figure 112018054782313-pat00088
에서 가장 가까운 성상도 점으로의 사영(projection)하는 것을 의미한다.
단계(150)에서, 상기 복수의 장치들로부터의 신호 및 상기 세 변수가 갱신됨에 따라 쌍대(dual) 변수를 갱신한다.
단계(160)에서, 미리 해진 정지 조건을 만족할 때까지 상기 복수의 장치들로부터의 신호를 최소화시키도록 반복적으로 동작하여 상기 복수의 장치들로부터의 신호를 최소로 하는 신호를 추정한다. 이때, mMTC 시스템의 SNR이 적은 경우 최적의 값이 정지 기준을 만족하도록 컨세서스 ADMM 검파를 위한 최대 반복횟수를 미리 정해진 수로 제한한다.
컨세서스 ADMM에서 k번째의 원시 잔차(primal residual)와 쌍대 잔차(dual residual)은 다음과 같다.
Figure 112018054782313-pat00089
수식 20
Figure 112018054782313-pat00090
수식 21
컨세서스 ADMM에서 반복 횟수 k는 원시 잔차와 쌍대 잔차를 이용한 정지 기준을 사용하였다.
Figure 112018054782313-pat00091
수식 22
Figure 112018054782313-pat00092
수식 23
컨세서스 ADMM 검파의 해 수렴성은
Figure 112018054782313-pat00093
값에 강하게 종속된다. 적합한
Figure 112018054782313-pat00094
값을 선택한다면 적은 반복만으로 정확한 해에 수렴할 수 있지만
Figure 112018054782313-pat00095
값이 적합하지 않다면 수렴을 위해 큰 횟수의 반복을 필요로 한다. 하지만 SNR이 적은 경우 최적의 값이 정지 기준을 만족하지 못하며 많은 양의 계산을 수행하게 된다. 본 발명에서는 이러한 경우를 방지하기 위하여 최대 반복횟수를 50번으로 설정하였다.
목적함수는 수식 5이지만 3번째 항을 만족하지 않는 경우 목적함수의 값이
Figure 112018054782313-pat00096
가 되므로 답이 될 수 없다. 따라서 목적함수는 3번째 항을 제외하고
Figure 112018054782313-pat00097
대신
Figure 112018054782313-pat00098
을 선택하므로
Figure 112018054782313-pat00099
가 된다. 컨세서스 ADMM 알고리즘의 경우 반복하여 구한 마지막 결과 값이 최적화 값이 아니며 중간에 최적의 값이 존재할 수 있다. 따라서 목적 함수의 값이 기준을 만족할 때까지 반복한 후 목적 함수를 최소화하는 값을 추출하였다.
본 발명에서 제안하는 알고리즘의 성능은
Figure 112018054782313-pat00100
이며 역 행렬 계산이 가장 복잡하다. 하지만 역 행렬 계산은 컨세서스 ADMM의 전체 과정 중 한번만 실행된다. 기존의 방식들도 모두
Figure 112018054782313-pat00101
의 계산 복잡도를 가진다. 계산 복잡도를 비교하기 위하여 장치 및 안테나 개수에 따른 시간을 계산하였으며 도 4와 같다.
기존의 검파 방법인 ZF 및 A-SQRD, 이상적인 알고리즘인 오라클(Oracle)-ZF, L2-정규화(Regularized) ADMM 검파 방법 및 본 논문에서 제시하는 컨세서스 ADMM 검파 방법의 수렴성, 활성 장비에서의 심볼 에러(NSER), 시간 복잡도에 대한 성능을 비교한다. 오라클(Oracle)-ZF의 경우 활성 장치에 대한 정보를 알고 있으므로 하한계 값을 가진다. A-SQRD와 L2-정규화 ADMM 검파 방법은 수식 4의 2번째 항
Figure 112018054782313-pat00102
을
Figure 112018054782313-pat00103
으로 대체한 후 문제를 해결한 기존의 검파 방식이며 L2-정규화 ADMM 검파 방법은 컨세서스 ADMM에서
Figure 112018054782313-pat00104
에 대한 계산 과정을 제거함으로써 쉽게 구현할 수 있다. 사용한 파라미터는 기지국의 안테나 개수(M) = 128, MTC 장치의 개수(N) = 256, 전송 신호는 QPSK, 장치가 액티브할 확률은 균일 확률 10%로 발생시켰다. 사용한 채널은 복소 가우시안 분포를 따르며 수신 측에서 채널 정보를 안다고 가정하였다.
도 2는 본 발명의 일 실시예에 따른 SNR = 16dB일 때 반복 횟수에 따른 수렴성에 대한 그래프이다.
도 2를 참조하면,
Figure 112018054782313-pat00105
은 MTC 장치의 개수와 같은 값을 사용하였으며 SNR은 16dB이다. L2-Regularized ADMM 검파 방법 및 컨세서스 ADMM 방식 모두 10~20번 이내의 반복으로 수렴하는 것을 확인할 수 있으며 컨세서스 ADMM의 경우 오라클-ZF의 값으로 수렴한다.
도 3은 본 발명의 일 실시예에 따른 SNR에 따른 활성 장치의 심볼 오류율이다.
과소결정시스템이기 때문에 ZF는 정확한 해를 구할 수 없고 가장 좋지 않은 성능을 보인다. 오라클-ZF은 하한계 값이며 컨세서스 ADMM은 2번째로 성능이 좋고 NSER이 10-4클-ZF의 성능에 비하여 약 2dB의 성능열화가 있다.
도 4는 본 발명의 일 실시예에 따른 SNR = 16dB일 때 mMTC 장치 개수에 따른 시간 성능에 대한 그래프이다.
기지국 안테나의 개수는 mMTC 장치 개수의 절반이며 SNR은 16dB인 경우이다. 실험에서의 컴퓨터 사양은 인텔 코어(Intel Core) i7 프로세서와 8GB 램을 사용하였다. 오라클-ZF의 경우 활성 장치에 대한 계산만 수행하므로 행렬의 크기가 작으므로 가장 빠른 시간을 보인다. L2-정규화 ADMM, 컨세서스 ADMM 경우 ZF보다 느리지만 장치의 개수가 약 384개보다 많아지는 경우 A-SQRD보다 빠르다.
도 5는 본 발명의 일 실시예에 따른 대량 사물 통신의 신호 검출 장치의 구성을 나타내는 도면이다.
제안하는 대량 사물 통신의 신호 검출 장치(500)는 획득부(510), 최소화부(520), 쌍대 변수부(530), 판단부(540)를 포함한다.
획득부(510)는 복수의 장치들과 하나의 기지국을 사용하는 mMTC(massive Machine Type Communications) 시스템에서 신호를 검출하기 위한 수신 신호와 채널을 획득한다.
최소화부(520)는 획득한 상기 수신 신호와 상기 채널을 이용하여 복수의 장치들과 하나의 기지국에 관한 식을 세 변수를 사용하는 컨세서스 ADMM(Consensus Alternating Direction Method of Multipliers) 형식으로 변환하여, 상기 제1 장치로부터의 신호를 최소화시키도록 갱신한다.
획득한 상기 수신 신호와 상기 채널을 이용하여 복수의 장치들과 하나의 기지국에 관한 식을 볼록 최적화 식으로 변환하고, 상기 식을 복수의 장치들 중 제1 장치로부터의 신호를 이용하여 분리 가능한 형태로 변환하고, 상기 식을 세 변수를 사용하는 컨세서스 ADMM(Consensus Alternating Direction Method of Multipliers) 형식으로 변환하여, 상기 제1 장치로부터의 신호를 최소화시키도록 갱신한다. 이후, 상기 제1 장치로부터의 신호가 갱신됨에 따른 알고리즘을 이용하여 복수의 장치들 중 제2 장치로부터의 신호를 최소화시키도록 갱신하고, 상기 제2 장치로부터의 신호가 갱신됨에 따른 알고리즘을 이용하여 복수의 장치들 중 제3 장치로부터의 신호를 최소화시키도록 갱신한다.
쌍대 변수부(530)는 상기 복수의 장치들로부터의 신호 및 상기 세 변수가 갱신됨에 따라 쌍대(dual) 변수를 갱신한다.
판단부(540)는 미리 해진 정지 조건을 만족할 때까지 상기 복수의 장치들로부터의 신호를 최소화시키도록 반복적으로 동작하여 상기 복수의 장치들로부터의 신호를 최소로 하는 신호를 추정한다. 이때, mMTC 시스템의 SNR이 적은 경우 최적의 값이 정지 기준을 만족하도록 컨세서스 ADMM 검파를 위한 최대 반복횟수를 미리 정해진 수로 제한한다.
이상에서 설명된 장치는 하드웨어 구성요소, 소프트웨어 구성요소, 및/또는 하드웨어 구성요소 및 소프트웨어 구성요소의 조합으로 구현될 수 있다. 예를 들어, 실시예들에서 설명된 장치 및 구성요소는, 예를 들어, 프로세서, 콘트롤러, ALU(arithmetic logic unit), 디지털 신호 프로세서(digital signal processor), 마이크로컴퓨터, FPA(field programmable array), PLU(programmable logic unit), 마이크로프로세서, 또는 명령(instruction)을 실행하고 응답할 수 있는 다른 어떠한 장치와 같이, 하나 이상의 범용 컴퓨터 또는 특수 목적 컴퓨터를 이용하여 구현될 수 있다. 처리 장치는 운영 체제(OS) 및 상기 운영 체제 상에서 수행되는 하나 이상의 소프트웨어 애플리케이션을 수행할 수 있다.　 또한, 처리 장치는 소프트웨어의 실행에 응답하여, 데이터를 접근, 저장, 조작, 처리 및 생성할 수도 있다.　 이해의 편의를 위하여, 처리 장치는 하나가 사용되는 것으로 설명된 경우도 있지만, 해당 기술분야에서 통상의 지식을 가진 자는, 처리 장치가 복수 개의 처리 요소(processing element) 및/또는 복수 유형의 처리 요소를 포함할 수 있음을 알 수 있다.　 예를 들어, 처리 장치는 복수 개의 프로세서 또는 하나의 프로세서 및 하나의 콘트롤러를 포함할 수 있다.　 또한, 병렬 프로세서(parallel processor)와 같은, 다른 처리 구성(processing configuration)도 가능하다.
소프트웨어는 컴퓨터 프로그램(computer program), 코드(code), 명령(instruction), 또는 이들 중 하나 이상의 조합을 포함할 수 있으며, 원하는 대로 동작하도록 처리 장치를 구성하거나 독립적으로 또는 결합적으로(collectively) 처리 장치를 명령할 수 있다.　 소프트웨어 및/또는 데이터는, 처리 장치에 의하여 해석되거나 처리 장치에 명령 또는 데이터를 제공하기 위하여, 어떤 유형의 기계, 구성요소(component), 물리적 장치, 가상 장치(virtual equipment), 컴퓨터 저장 매체 또는 장치에 구체화(embody)될 수 있다.　 소프트웨어는 네트워크로 연결된 컴퓨터 시스템 상에 분산되어서, 분산된 방법으로 저장되거나 실행될 수도 있다. 소프트웨어 및 데이터는 하나 이상의 컴퓨터 판독 가능 기록 매체에 저장될 수 있다.
실시예에 따른 방법은 다양한 컴퓨터 수단을 통하여 수행될 수 있는 프로그램 명령 형태로 구현되어 컴퓨터 판독 가능 매체에 기록될 수 있다.　 상기 컴퓨터 판독 가능 매체는 프로그램 명령, 데이터 파일, 데이터 구조 등을 단독으로 또는 조합하여 포함할 수 있다.　 상기 매체에 기록되는 프로그램 명령은 실시예를 위하여 특별히 설계되고 구성된 것들이거나 컴퓨터 소프트웨어 당업자에게 공지되어 사용 가능한 것일 수도 있다.　 컴퓨터 판독 가능 기록 매체의 예에는 하드 디스크, 플로피 디스크 및 자기 테이프와 같은 자기 매체(magnetic media), CD-ROM, DVD와 같은 광기록 매체(optical media), 플롭티컬 디스크(floptical disk)와 같은 자기-광 매체(magneto-optical media), 및 롬(ROM), 램(RAM), 플래시 메모리 등과 같은 프로그램 명령을 저장하고 수행하도록 특별히 구성된 하드웨어 장치가 포함된다.　 프로그램 명령의 예에는 컴파일러에 의해 만들어지는 것과 같은 기계어 코드뿐만 아니라 인터프리터 등을 사용해서 컴퓨터에 의해서 실행될 수 있는 고급 언어 코드를 포함한다.　
이상과 같이 실시예들이 비록 한정된 실시예와 도면에 의해 설명되었으나, 해당 기술분야에서 통상의 지식을 가진 자라면 상기의 기재로부터 다양한 수정 및 변형이 가능하다.　 예를 들어, 설명된 기술들이 설명된 방법과 다른 순서로 수행되거나, 및/또는 설명된 시스템, 구조, 장치, 회로 등의 구성요소들이 설명된 방법과 다른 형태로 결합 또는 조합되거나, 다른 구성요소 또는 균등물에 의하여 대치되거나 치환되더라도 적절한 결과가 달성될 수 있다.
그러므로, 다른 구현들, 다른 실시예들 및 특허청구범위와 균등한 것들도 후술하는 특허청구범위의 범위에 속한다.

Claims (7)

  1. 복수의 장치들과 하나의 기지국을 사용하는 mMTC(massive Machine Type Communications) 시스템에서 신호를 검출하기 위한 수신 신호와 채널 행렬을 획득하는 단계;
    획득한 상기 수신 신호와 상기 채널 행렬을 이용하여 복수의 장치들과 하나의 기지국에 관한 식을 세 변수를 사용하는 컨세서스 ADMM(Consensus Alternating Direction Method of Multipliers) 형식으로 변환하여, 제1 장치로부터의 신호를 최소화시키도록 갱신하는 단계;
    상기 제1 장치로부터의 신호가 갱신됨에 따라 알고리즘을 이용하여 복수의 장치들 중 제2 장치로부터의 신호를 최소화시키도록 갱신하는 단계;
    상기 제2 장치로부터의 신호가 갱신됨에 따라 알고리즘을 이용하여 복수의 장치들 중 제3 장치로부터의 신호를 최소화시키도록 갱신하는 단계;
    상기 복수의 장치들로부터의 신호 및 상기 세 변수가 갱신됨에 따라 쌍대(dual) 변수를 갱신하는 단계; 및
    미리 정해진 정지 조건을 만족할 때까지 상기 복수의 장치들로부터의 신호를 최소화시키도록 반복적으로 동작하여 상기 복수의 장치들로부터의 신호를 최소로 하는 신호를 추정하는 단계
    를 포함하는 신호 검출 방법.
  2. 제1항에 있어서,
    상기 획득한 상기 수신 신호와 상기 채널 행렬을 이용하여 복수의 장치들과 하나의 기지국에 관한 식을 세 변수를 사용하는 컨세서스 ADMM 형식으로 변환하여, 상기 제1 장치로부터의 신호를 최소화시키도록 갱신하는 단계는,
    상기 획득한 상기 수신 신호와 상기 채널 행렬을 이용하여 복수의 장치들과 하나의 기지국에 관한 식을 mMTC 시스템의 송신신호에 대한 성긴 성질을 갖고, 볼록 놈(convex norm)을 사용하여 볼록 최적화 식으로 변환하는 단계
    를 더 포함하는 신호 검출 방법.
  3. 제2항에 있어서,
    상기 볼록 최적화 식으로 변환된 식에 대한 지시함수는 상기 송신신호가 미리 정해진 조건을 만족하는지 여부에 따라 0 또는 ∞의 값을 갖고, 상기 볼록 최적화 식으로 변환된 식을 복수의 장치들로부터의 신호를 이용하여 분리 가능한 형태로 변환하는 단계
    를 더 포함하는 신호 검출 방법.
  4. 제1항에 있어서,
    상기 획득한 상기 수신 신호와 상기 채널 행렬을 이용하여 복수의 장치들과 하나의 기지국에 관한 식을 세 변수를 사용하는 컨세서스 ADMM 형식으로 변환하여, 상기 제1 장치로부터의 신호를 최소화시키도록 갱신하는 단계는,
    상기 컨세서스 ADMM 형식으로 변환된 식을 이용하여 상기 세 변수에 대하여 최소화를 반복하는
    신호 검출 방법.
  5. 제1항에 있어서,
    mMTC 시스템의 SNR이 적은 경우 최적의 값이 정지 기준을 만족하도록 컨세서스 ADMM 검파를 위한 최대 반복횟수를 미리 정해진 수로 제한하는
    신호 검출 방법.
  6. 복수의 장치들과 하나의 기지국을 사용하는 mMTC(massive Machine Type Communications) 시스템에서 신호를 검출하기 위한 수신 신호와 채널 행렬을 획득하는 획득부;
    획득한 상기 수신 신호와 상기 채널 행렬을 이용하여 복수의 장치들과 하나의 기지국에 관한 식을 세 변수를 사용하는 컨세서스 ADMM(Consensus Alternating Direction Method of Multipliers) 형식으로 변환하여, 상기 복수의 장치들로부터의 신호를 최소화시키도록 갱신하는 최소화부;
    상기 복수의 장치들로부터의 신호 및 상기 세 변수가 갱신됨에 따라 쌍대(dual) 변수를 갱신하는 쌍대 변수부; 및
    미리 설정된 정지 조건을 만족할 때까지 상기 복수의 장치들로부터의 신호를 최소화시키도록 반복적으로 동작하여 상기 복수의 장치들로부터의 신호를 최소로 하는 신호를 추정하는 판단부
    를 포함하는 신호 검출 장치.
  7. 제6항에 있어서,
    상기 최소화부는,
    획득한 상기 수신 신호와 상기 채널 행렬을 이용하여 복수의 장치들과 하나의 기지국에 관한 식을 볼록 최적화 식으로 변환하고, 상기 식을 복수의 장치들 중 제1 장치로부터의 신호를 이용하여 분리 가능한 형태로 변환하고, 상기 식을 세 변수를 사용하는 컨세서스 ADMM(Consensus Alternating Direction Method of Multipliers) 형식으로 변환하여, 상기 제1 장치로부터의 신호를 최소화시키도록 갱신하고,
    상기 제1 장치로부터의 신호가 갱신됨에 따른 알고리즘을 이용하여 복수의 장치들 중 제2 장치로부터의 신호를 최소화시키도록 갱신하고,
    상기 제2 장치로부터의 신호가 갱신됨에 따른 알고리즘을 이용하여 복수의 장치들 중 제3 장치로부터의 신호를 최소화시키도록 갱신하는
    신호 검출 장치.
KR1020180064224A 2018-06-04 2018-06-04 대량의 사물 통신에서 신호를 검출하는 방법 및 장치 KR101916632B1 (ko)

Priority Applications (1)

Application Number Priority Date Filing Date Title
KR1020180064224A KR101916632B1 (ko) 2018-06-04 2018-06-04 대량의 사물 통신에서 신호를 검출하는 방법 및 장치

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
KR1020180064224A KR101916632B1 (ko) 2018-06-04 2018-06-04 대량의 사물 통신에서 신호를 검출하는 방법 및 장치

Publications (1)

Publication Number Publication Date
KR101916632B1 true KR101916632B1 (ko) 2018-11-07

Family

ID=64363056

Family Applications (1)

Application Number Title Priority Date Filing Date
KR1020180064224A KR101916632B1 (ko) 2018-06-04 2018-06-04 대량의 사물 통신에서 신호를 검출하는 방법 및 장치

Country Status (1)

Country Link
KR (1) KR101916632B1 (ko)

Cited By (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN110429999A (zh) * 2019-04-24 2019-11-08 西安电子科技大学 基于lp-Box ADMM算法的大规模MIMO检测方法
CN113766541A (zh) * 2021-09-07 2021-12-07 北京交通大学 Mmtc场景下的活跃设备及其使用信道的检测方法
KR20240027339A (ko) * 2022-08-23 2024-03-04 인하대학교 산학협력단 깊은 신경망을 이용한 대규모 사물 통신에서 신호 검출 방법 및 장치

Cited By (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN110429999A (zh) * 2019-04-24 2019-11-08 西安电子科技大学 基于lp-Box ADMM算法的大规模MIMO检测方法
CN113766541A (zh) * 2021-09-07 2021-12-07 北京交通大学 Mmtc场景下的活跃设备及其使用信道的检测方法
CN113766541B (zh) * 2021-09-07 2023-10-17 北京交通大学 Mmtc场景下的活跃设备及其使用信道的检测方法
KR20240027339A (ko) * 2022-08-23 2024-03-04 인하대학교 산학협력단 깊은 신경망을 이용한 대규모 사물 통신에서 신호 검출 방법 및 장치
KR102645886B1 (ko) * 2022-08-23 2024-03-08 인하대학교 산학협력단 깊은 신경망을 이용한 대규모 사물 통신에서 신호 검출 방법 및 장치

Similar Documents

Publication Publication Date Title
CN111817768B (zh) 一种用于智能反射表面无线通信的信道估计方法
KR101916632B1 (ko) 대량의 사물 통신에서 신호를 검출하는 방법 및 장치
CN111566673B (zh) 通信系统中的端到端学习
JP6016220B2 (ja) 低密度拡散変調検出のためのシステム及び方法
JP7412461B2 (ja) ニューラルネットワークに基づくチャネル推定を使用する伝送システム
CN111628946B (zh) 一种信道估计的方法以及接收设备
JP6009717B2 (ja) 低複雑度受信機および低密度シグネチャ変調のための方法
CN111712835A (zh) 数据传输系统中的信道建模
CN112236782A (zh) 通信系统中的端到端学习
TWI591973B (zh) A signal detection method and device
KR101903293B1 (ko) Mimo 검파를 위한 방법 및 장치
CN107113101A (zh) 用于压缩感知的非欠定估算
KR20190117186A (ko) 학습 기반 채널코드 디코딩 방법 및 장치
TWI422182B (zh) 基於幾何方法欠定多輸入多輸出系統之高效率解碼器及其解碼方法
KR101538555B1 (ko) 시분할 이중통신 다중 사용자 다중 안테나 환경에서 파일럿 오염 공격을 검출하는 방법 및 시스템
KR101650623B1 (ko) 가변적인 안테나 선택 및 공간 다중화를 수행하여 데이터를 전송하는 장치, 데이터를 전송하는 방법, 데이터를 수신하는 장치, 및 데이터를 수신하는 방법
KR102262392B1 (ko) 깊은 신경망을 이용한 대용량 mimo 신호 검출 방법 및 장치
KR102056403B1 (ko) 대규모 다중 입출력 시스템에서 무허가 무선통신을 위한 유효 사용자와 채널, 데이터의 동시 추정 및 검출 기법
KR20180116644A (ko) 시분할 이중통신 다중 사용자 다중 안테나 환경에서 다중 안테나를 이용한 파일럿 오염 공격을 검출하는 방법 및 시스템
KR101944678B1 (ko) Lstm을 이용한 mimo 검출 방법 및 시스템
KR102174515B1 (ko) 사물인터넷 시스템
CN110190832A (zh) 变正则化参数多任务自适应滤波器网络
KR101556482B1 (ko) 다중안테나 간섭채널에서 slnr 최대화를 통한 간섭정렬 방법 및 장치
CN115034255A (zh) 一种具有注意力机制时间卷积网络的信号调制识别算法
KR102207541B1 (ko) 밀리미터파 대역 다중 안테나 시스템의 방향각 추정 및 다중 경로 간섭 제거 방법 및 장치

Legal Events

Date Code Title Description
E902 Notification of reason for refusal
E701 Decision to grant or registration of patent right
GRNT Written decision to grant