KR102097860B1 - 인지무선 단말 결정을 위한 인지무선 통신 제어 장치 인지무선 단말 결정 방법 - Google Patents

인지무선 단말 결정을 위한 인지무선 통신 제어 장치 인지무선 단말 결정 방법 Download PDF

Info

Publication number
KR102097860B1
KR102097860B1 KR1020180018713A KR20180018713A KR102097860B1 KR 102097860 B1 KR102097860 B1 KR 102097860B1 KR 1020180018713 A KR1020180018713 A KR 1020180018713A KR 20180018713 A KR20180018713 A KR 20180018713A KR 102097860 B1 KR102097860 B1 KR 102097860B1
Authority
KR
South Korea
Prior art keywords
secondary user
communication
user terminal
cognitive wireless
probability
Prior art date
Application number
KR1020180018713A
Other languages
English (en)
Other versions
KR20190098591A (ko
Inventor
김성륜
차한
김지민
Original Assignee
연세대학교 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 연세대학교 산학협력단 filed Critical 연세대학교 산학협력단
Priority to KR1020180018713A priority Critical patent/KR102097860B1/ko
Priority to US16/970,126 priority patent/US11330444B2/en
Priority to PCT/KR2018/015884 priority patent/WO2019160229A1/ko
Publication of KR20190098591A publication Critical patent/KR20190098591A/ko
Application granted granted Critical
Publication of KR102097860B1 publication Critical patent/KR102097860B1/ko

Links

Images

Classifications

    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04W—WIRELESS COMMUNICATION NETWORKS
    • H04W24/00—Supervisory, monitoring or testing arrangements
    • H04W24/10—Scheduling measurement reports ; Arrangements for measurement reports
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04W—WIRELESS COMMUNICATION NETWORKS
    • H04W16/00—Network planning, e.g. coverage or traffic planning tools; Network deployment, e.g. resource partitioning or cells structures
    • H04W16/14—Spectrum sharing arrangements between different networks
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N20/00—Machine learning
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N3/00—Computing arrangements based on biological models
    • G06N3/004—Artificial life, i.e. computing arrangements simulating life
    • G06N3/006—Artificial life, i.e. computing arrangements simulating life based on simulated virtual individual or collective life forms, e.g. social simulations or particle swarm optimisation [PSO]
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N7/00—Computing arrangements based on specific mathematical models
    • G06N7/01—Probabilistic graphical models, e.g. probabilistic networks
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04W—WIRELESS COMMUNICATION NETWORKS
    • H04W24/00—Supervisory, monitoring or testing arrangements
    • H04W24/02—Arrangements for optimising operational condition
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04W—WIRELESS COMMUNICATION NETWORKS
    • H04W74/00—Wireless channel access
    • H04W74/08—Non-scheduled access, e.g. ALOHA
    • H04W74/0833—Random access procedures, e.g. with 4-step access
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04W—WIRELESS COMMUNICATION NETWORKS
    • H04W76/00—Connection management
    • H04W76/10—Connection setup
    • H04W76/18—Management of setup rejection or failure

Landscapes

  • Engineering & Computer Science (AREA)
  • Signal Processing (AREA)
  • Computer Networks & Wireless Communication (AREA)
  • Theoretical Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Software Systems (AREA)
  • Mathematical Physics (AREA)
  • General Engineering & Computer Science (AREA)
  • Evolutionary Computation (AREA)
  • Artificial Intelligence (AREA)
  • Data Mining & Analysis (AREA)
  • Computing Systems (AREA)
  • Probability & Statistics with Applications (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Computational Mathematics (AREA)
  • Mathematical Optimization (AREA)
  • Algebra (AREA)
  • Mathematical Analysis (AREA)
  • Health & Medical Sciences (AREA)
  • Pure & Applied Mathematics (AREA)
  • Biomedical Technology (AREA)
  • Biophysics (AREA)
  • Computational Linguistics (AREA)
  • General Health & Medical Sciences (AREA)
  • Molecular Biology (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Medical Informatics (AREA)
  • Mobile Radio Communication Systems (AREA)

Abstract

개시된 발명은 인지무선 단말 결정을 위한 인지무선 통신 제어 장치 인지무선 단말 결정 방법에 관한 것이다. 개시된 장치는, 다수의 스펙트럼 센싱 장치로부터 주파수별 간섭량 정보를 수신하여 저장하는 스펙트럼 센싱 정보 저장부; 네트워크 내 다수의 2차 사용자 단말들로부터 위치 정보를 수신하고, 각 2차 사용자 단말의 통신 성공 확률을 연산하는 통신 성공 확률 연산부; 상기 통신 성공 확률을 상기 2차 사용자 단말별 초기 접속 확률로 설정하고, 각 반복마다 상기 2차 사용자 단말별로 접속 확률, 상태 함수 및 유틸리티 함수를 갱신하도록 학습이 이루어지는 강화 학습부; 및 상기 강화 학습부에서 학습이 완료될 경우, 상기 2차 사용자 단말별 최종 접속 확률에 기초하여 인지 무선 통신을 수행할 2차 사용자 단말을 선택하는 인지무선 단말 결정부를 포함하되, 상기 강화 학습부는 각 반복마다 상기 2차 사용자 단말이 상기 접속 확률에 기초하여 인지 무선 통신을 시도한 후 피드백하는 통신 수행 여부에 대한 정보 및 디코딩 성공 여부에 대한 정보를 수신하고, 각 반복에서 디코딩에 성공한 단말의 수에 기초하여 네트워크 성능에 대한 함수인 유틸리티 함수를 갱신하고, 상기 유틸리티 함수 및 통신 수행 여부에 대한 정보를 이용하여 상기 2차 사용자 단말별로 상기 상태 함수를 갱신하며, 상기 상태 함수 및 통신 수행 여부에 대한 정보를 이용하여 접속 확률을 갱신한다. 개시된 장치 및 방법에 의하면, 다수의 IoT 단말이 인지무선 통신에 참여하는 환경에서 학습을 통해 인지무선 통신을 수행할 단말을 효율적으로 결정할 수 있는 장점이 있다.

Description

인지무선 단말 결정을 위한 인지무선 통신 제어 장치 인지무선 단말 결정 방법{Device for Controlling Cognitive Radio Communication for Selecting Cognitive Radio Terminal and Method for Selecting Cognitive Radio terminal}
본 발명은 인지무선 통신에 관한 것으로서, 더욱 상세하게는 인지무선 단말 결정을 위한 인지무선 통신 제어 장치 인지무선 단말 결정 방법에 관한 것이다.
인지무선 통신은 기존의 단일 주파수 밴드와 단일 프로토콜을 이용하여 무선 자원을 점유하던 무선 통신과는 달리 주변의 환경을 탐지하고 빠르게 적용하여 지능적으로 간섭을 회피하고 사용되지 않은 주파수 스펙트럼을 점유하여 주파수 사용 효율을 극대화하는 통신 방법이다.
인지 무선 통신은 주변 환경 탐지 등에 아직 어려움이 있기에 아직까지 활발한 상용화가 이루어지지 않고 있으나 이를 극복하기 위한 다양한 연구가 진행되고 있다.
특히, 다수의 IoT 기기들이 통신에 참여하는 5G 환경에서의 주파수 사용 효율을 극대화하기 위해 인지무선 통신이 사용될 수 있을 것으로 예상되고 있다.
인지무선 통신에서 주파수를 방해받지 않고 독점으로 사용하는 사용자를 1차 사용자로 정의하고, 1차 사용자가 사용하지 않은 주파수 대역을 기회적으로 사용하는 사용자를 2차 사용자로 정의한다.
기존의 인지 무선 통신은 2차 사용자 단말이 적절한 주파수를 선택하는 방법을 연구하는데 주로 집중되었다. 향후의 IoT 환경은 다수의 IoT 단말이 경쟁적으로 인지 무선 통신에 참여할 것으로 예상되며, 이 경우 인지 무선 통신을 수행할 단말은 결정하는 것은 매우 복잡한 문제이다.
본 발명은 다수의 IoT 단말이 인지무선 통신에 참여하는 환경에서 인지무선 통신을 수행할 단말을 효율적으로 결정할 수 있는 장치 및 방법을 제공한다.
본 발명의 일 측면에 따르면, 다수의 스펙트럼 센싱 장치로부터 주파수별 간섭량 정보를 수신하여 저장하는 스펙트럼 센싱 정보 저장부; 네트워크 내 다수의 2차 사용자 단말들로부터 위치 정보를 수신하고, 각 2차 사용자 단말의 통신 성공 확률을 연산하는 통신 성공 확률 연산부; 상기 통신 성공 확률을 상기 2차 사용자 단말별 초기 접속 확률로 설정하고, 각 반복마다 상기 2차 사용자 단말별로 접속 확률, 상태 함수 및 유틸리티 함수를 갱신하도록 학습이 이루어지는 강화 학습부; 및 상기 강화 학습부에서 학습이 완료될 경우, 상기 2차 사용자 단말별 최종 접속 확률에 기초하여 인지 무선 통신을 수행할 2차 사용자 단말을 선택하는 인지무선 단말 결정부를 포함하되, 상기 강화 학습부는 각 반복마다 상기 2차 사용자 단말이 상기 접속 확률에 기초하여 인지 무선 통신을 시도한 후 피드백하는 통신 수행 여부에 대한 정보 및 디코딩 성공 여부에 대한 정보를 수신하고, 각 반복에서 디코딩에 성공한 단말의 수에 기초하여 네트워크 성능에 대한 함수인 유틸리티 함수를 갱신하고, 상기 유틸리티 함수 및 상기 통신 수행 여부에 대한 정보를 이용하여 상기 2차 사용자 단말별로 상기 상태 함수를 갱신하며, 상기 상태 함수 및 통신 수행 여부에 대한 정보를 이용하여 접속 확률을 갱신하는 인지무선 단말 결정을 위한 제어 장치가 제공된다.
상기 상태 함수는 현재 반복에서의 유틸리티 함수값 및 이전 반복에서의 유틸리티 함수값의 차에 기초하여 다음 반복에서의 값이 결정된다.
상기 상태 함수의 초기값은 상기 통신 성공 확률을 이용하여 결정된다.
상기 접속 확률을 결정하는 식은 상기 강화 학습부의 반복이 증가될수록 상기 2차 사용자 단말별 접속 확률이 1 또는 0에 근접하도록 설정된다.
상기 유틸리티 함수는 각 반복(t)별로 다음의 수학식과 같이 갱신된다.
Figure 112018016535823-pat00001
위 수학식에서, β는 요구되는 최소 SINR이고, Nd는 디코딩에 성공한 단말의 수임.
상기 상태 함수는 각 반복(t)별로 다음의 수학식과 같이 갱신된다.
Figure 112018016535823-pat00002
Figure 112018016535823-pat00003
Figure 112018016535823-pat00004
Figure 112018016535823-pat00005
Figure 112018016535823-pat00006
위 수학식에서, k는 2차 사용자 단말을 나타내는 인덱스이고,
Figure 112018016535823-pat00007
는 임의의 상수이며, pk(t)는 접속 확률이고, u(t)는 유틸리티 함수이며, λ는 임의의 가중치 상수이고, ak(t)는 현재 반복에서 통신을 수행하였는지 여부에 대한 정보로서, 수행하였을 경우 1로 설정되고 수행하지 않았을 경우 0으로 설정됨.
상기 접속 확률pk(t)은 각 반복(t)별로 다음의 수학식과 같이 갱신된다.
Figure 112018016535823-pat00008
상기 인지 무선 단말 결정부는 상기 2차 사용자 단말별 최종 접속 확률이 미리 설정된 임계치 이상인 단말들을 인지무선 통신을 수행할 단말로 결정한다.
본 발명의 다른 측면에 따르면, 다수의 스펙트럼 센싱 장치로부터 주파수별 간섭량 정보를 수신하여 저장하는 단계(a); 네트워크 내 다수의 2차 사용자 단말들로부터 위치 정보를 수신하고, 각 2차 사용자 단말의 통신 성공 확률을 연산하는 단계(b); 상기 통신 성공 확률을 상기 2차 사용자 단말별 초기 접속 확률로 설정하고, 각 반복마다 상기 2차 사용자 단말별로 접속 확률, 상태 함수 및 유틸리티 함수를 갱신하도록 학습이 이루어지는 단계(c); 및 상기 단계(c)에서 학습이 완료될 경우, 상기 2차 사용자 단말별 최종 접속 확률에 기초하여 인지 무선 통신을 수행할 2차 사용자 단말을 선택하는 단계(d)를 포함하되, 상기 단계(c)는 각 반복마다 상기 2차 사용자 단말이 상기 접속 확률에 기초하여 인지 무선 통신을 시도한 후 피드백하는 통신 수행 여부에 대한 정보 및 디코딩 성공 여부에 대한 정보를 수신하고, 각 반복에서 디코딩에 성공한 단말의 수에 기초하여 네트워크 성능에 대한 함수인 유틸리티 함수를 갱신하고, 상기 유틸리티 함수 및 상기 통신 수행 여부에 대한 정보를 이용하여 상기 2차 사용자 단말별로 상기 상태 함수를 갱신하며, 상기 상태 함수 및 통신 수행 여부에 대한 정보를 이용하여 접속 확률을 갱신하는 인지무선 단말 결정 방법이 제공된다.
본 발명의 실시예들에 따르면, 다수의 IoT 단말이 인지무선 통신에 참여하는 환경에서 학습을 통해 인지무선 통신을 수행할 단말을 효율적으로 결정할 수 있는 장점이 있다.
도 1은 본 발명이 적용되는 인지무선 통신 시스템의 구조를 도시한 도면.
도 2는 본 발명에 일 실시예에 따라 제어 장치에서 인지무선 통신에 적합한 단말을 선택하는 전체적인 흐름을 나타낸 블록도.
도 3은 본 발명의 일 실시예에 따른 제어 장치의 구성을 도시한 블록도.
도 4는 본 발명의 일 실시예에 따른 강화 학습부의 상세 구조를 나타낸 블록도.
도 5는 본 발명의 일 실시예에 따른 강화학습 과정을 나타낸 프레임워크를 나타낸 도면.
도 6은 본 발명의 일 실시예에 따른 인지 무선 단말 선택 방법의 전체적인 흐름을 도시한 순서도.
본 발명의 다른 이점 및 특징, 그리고 그것들을 달성하는 방법은 첨부되는 도면과 함께 상세하게 후술 되는 실시 예를 참조하면 명확해질 것이다. 그러나 본 발명은 이하에서 개시되는 실시 예에 한정되는 것이 아니라 서로 다른 다양한 형태로 구현될 수 있으며, 단지 본 실시 예는 본 발명의 개시가 완전하도록 하고, 본 발명이 속하는 기술분야에서 통상의 지식을 가진 자에게 발명의 범주를 완전하게 알려주기 위해 제공되는 것이며, 본 발명은 청구항의 범주에 의해 정의될 뿐이다.
만일 정의되지 않더라도, 여기서 사용되는 모든 용어들(기술 혹은 과학 용어들을 포함)은 이 발명이 속한 종래 기술에서 보편적 기술에 의해 일반적으로 수용되는 것과 동일한 의미가 있다. 일반적인 사전들에 의해 정의된 용어들은 관련된 기술 그리고/혹은 본 출원의 본문에 의미하는 것과 동일한 의미를 갖는 것으로 해석될 수 있고, 그리고 여기서 명확하게 정의된 표현이 아니더라도 개념화되거나 혹은 과도하게 형식적으로 해석되지 않을 것이다. 본 명세서에서 사용된 용어는 실시 예들을 설명하기 위한 것이며 본 발명을 제한하고자 하는 것은 아니다.
도 1은 본 발명이 적용되는 인지무선 통신 시스템의 구조를 도시한 도면이다.
본 실시예에는 본 발명의 일 실시예에 다른 인지 무선 통신에 참여하는 2차 사용자 단말이 다수의 IoT 단말인 경우를 예로 하여 설명한다. 그러나, 본 발명의 인지 무선 통신 단말 결정 방식이 IoT 단말에만 적용되는 것은 아니며 인지무선 통신에 참여하는 다양한 종류의 단말에 적용될 수 있다는 점은 당업자에게 있어 자명할 것이다.
인지 무선 통신에서 특정 주파수 대역을 독점적으로 사용한 권한을 가진 단말을 1차 사용자 단말로 정의하고, 해당 주파수 대역에 대해 독점적 사용 권한은 없으나 1차 사용자 단말이 해당 주파수 대역을 사용하지 않을 경우 이를 기회적으로 사용하는 단말을 2차 사용자 단말로 정의한다.
도 1을 참조하면, 본 발명이 적용되는 인지무선 통신 시스템은 다수의 스펙트럼 센싱 장치(100), 다수의 2차 사용자 단말(110), 다수의 기지국(120) 및 제어 장치(130)를 포함한다.
앞서 설명한 바와 같이, 다수의 2차 사용자 단말(110)은 IoT 단말들일 수 있으며, 특정 이벤트가 발생할 경우 활성화되어 수신 단말과 통신을 수행한다. 2차 사용자 단말(110)은 다수의 지점에 분포되어 있으며 인지무선 통신에 대한 허가를 제어 장치로(130)로부터 받을 경우 인지 무선 통신 방식에 의해 통신을 수행하며, 허가를 받지 못할 경우 다음 인지무선 통신 허가를 대기하거나 다른 통신 방식에 의해 수신 단말과의 통신을 수행한다.
제어 장치(130)는 네트워크에 존재하는 다수의 2차 사용자 단말들 중 인지 무선 통신을 수행할 단말을 결정하는 기능을 한다. 본 발명의 바람직한 실시예에 따르면, 제어 장치(130)는 학습을 통해 인지 무선 통신을 수행할 단말을 결정한다. 인지 무선 통신 단말을 결정하기 위해, 제어 장치(130)는 소정의 시간동안 학습 과정을 수행한 후 학습 결과에 기초하여 인지무선 통신을 수행할 단말을 결정한다.
다수의 스펙트럼 센싱 장치(100)가 네트워크 내 다수 지점에 분포되며, 각 스펙트럼 센싱 장치는 주파수별 수신 파워(간섭량)를 제어 장치(130)에 제공한다.
제어 장치(130)는 다수의 스펙트럼 센싱 장치의 주파수별 수신 파워(간겁량)를 이용하여 네트워크 내에서 활성화된 2차 사용자 단말(110)들의 주파수별 통신 성공 확률을 연산한다. 2차 사용자 단말(110)의 통신 성공 확률은 2차 사용자 단말의 위치에서의 스펙트럼 센싱 정보가 확보될 때 보다 정확하게 연산될 수 있으나, 스펙트럼 센싱은 상당한 전력을 소모하는 작업이기에 단말이 이러한 센싱을 수행하기는 어려우며, 특히 저전력으로 동작하는 IoT 단말에게는 더욱 어려운 작업이다.
제어 장치(130)는 각 2차 사용자 단말(100)로부터 2차 사용자 단말의 위치 정보를 제공받으며, 스펙트럼 센싱 장치로부터 제공받은 주파수별 수신 파워(간섭량) 정보와 각 2차 사용자 단말의 위치 정보를 이용하여 각 2차 사용자 단말의 주파수별 통신 성공 확률을 연산한다. 특정 2차 사용자 단말의 위치에서 특정 주파수에 대한 통신 성공 확률 연산은 알려진 다양한 방법을 이용하여 연산될 수 있을 것이다. 일례로, 국내등록특허 10-1806065에 개시된 방법에 기초하여 특정 주파수에서의 통신 성공 확률이 연산될 수 있을 것이다.
제어 장치(130)에 의해 연산되는 각 2차 사용자 단말의 통신 성공 확률은 학습을 위한 기초 정보로 사용된다.
도 2는 본 발명에 일 실시예에 따라 제어 장치에서 인지무선 통신에 적합한 단말을 선택하는 전체적인 흐름을 나타낸 블록도이다.
도 2를 참조하면, 제어 장치는 초기에는 센싱 모드(200)로 동작한다. 센싱 모드에서는 곳곳에 분포된 다수의 스펙트럼 센싱 장치로부터 주파수별 수신 파워(간섭량)을 수신한다. 제어 장치는 센싱 모드에서 다수의 스펙트럼 센싱 장치로부터 각 주파수 대역에 대한 간섭량을 취합하여 저장한다.
또한, 센싱 모드에서 제어 장치는 네트워크 내에서 활성화된 2차 사용자 단말들로부터 위치 정보를 수신한다.
센싱 모드가 완료되면, 제어 장치는 학습 모드(210)로 동작한다. 제어 장치는 학습 모드에서 반복적 강화 학습을 수행하며, 각 2차 사용자 단말별로 학습에 따른 접속 확률을 결정한다. 학습 모드는 학습에 따른 2차 사용자 단말별 접속 확률이 수렴할 때가지 이루어질 수 있다.
학습 모드가 완료되면, 안정화 모드(220)로 동작한다. 안정화 모드에서는 별도의 학습이 이루어지지 않으며, 이러한 안정화 모드는 네트워크 내 주파수별 간섭량에 상당한 변화(미리 설정된 임계값 이상의 변화)가 이루어질 때까지 유지된다. 네트워크 내 주파수별 간섭량에 상당한 변화가 발생할 경우, 제어 장치는 다시 센싱 모드로 전환하게 된다.
도 3은 본 발명의 일 실시예에 따른 제어 장치의 구성을 도시한 블록도이다.
도 3을 참조하면, 본 발명의 일 실시예에 따른 제어 장치는 스펙트럼 센싱 정보 저장부(300), 통신 성공 확률 연산부(310), 강화 학습부(320) 및 인지무선 단말 결정부(330)를 포함한다.
스펙트럼 센싱 정보 저장부(300)는 다수의 스펙트럼 센싱 장치로부터 제공되는 스펙트럼 센싱 정보를 저장한다. 앞서 설명한 바와 같이, 스펙트럼 센싱 정보는 주파수별 수신 파워(간섭량)이다.
통신 성공 확률 연산부(310)는 네트워크 내 활성화된 2차 사용자 단말의 위치 정보와 주파수별 수신 파워를 이용하여 각 2차 사용자 단말의 주파수별 통신 성공 확률을 연산한다.
강화 학습부(320)는 학습을 통해 각 2차 사용자 단말의 접속 확률을 최종적으로 결정한다. 본 발명의 강화 학습은 반복적으로 이루어지며, 현재 반복과 이전 반복에서 전체 네트워크 성능을 나타내는 유틸리티 함수의 변화를 반영하면서 이루어진다.
도 4는 본 발명의 일 실시예에 따른 강화 학습부의 상세 구조를 나타낸 블록도이다.
도 4를 참조하면, 본 발명의 일 실시예에 따른 강화 학습부(320)는 유틸리티 함수 갱신부(322), 상태 함수 갱신부(324) 및 접속 확률 갱신부(326)를 포함한다.
본 발명은 강화 학습을 위해 유틸리티 함수, 상태 함수 및 접속 확률을 계속적으로 갱신한다. 본 발명의 강화 학습은 반복적으로 이루어지고, 각 반복에서 각 2차 사용자 단말별 접속 확률이 갱신된다.
설명의 편의를 위해, 본 실시예에서는 특정 주파수 대역에서의 강화 학습에 대해 설명할 것이고, 본 실시예에서 설명하는 강화 학습은 각각의 주파수 대역별로 이루어질 수 있을 것이다.
각 반복에서의 유틸리티 함수값 및 상태 함수값은 2차 사용자 단말별 접속 확률을 갱신하기 위한 변수로 사용된다.
초기 상태에서 접속 확률은 제어 장치에 의해 연산되는 2차 사용자 단말별 통신 성공 확률로 설정된다.
첫 번째 반복에서, 각 2차 사용자 단말(110)은 초기 접속 확률(통신 성공 확률)에 기초하여 수신 단말과의 통신을 시도한다. 여기서, 초기 접속 확률(통신 성공 확률)에 기초하여 통신을 시도한다는 것은 초기 접속 확률에 따라 수신 단말과의 통신을 수행할 수도 있고 수행하지 않을 수도 있다는 것을 의미한다. 예를 들어, 특정 2차 사용자 단말의 초기 접속 확률이 0.8일 경우, 0.8의 확률로 수신 단말과의 통신을 시도하고 0.2의 확률로 통신을 시도하지 않는다. 학습 모드에서 2차 사용자 단말이 수신 단말에 전송하는 신호는 미리 설정된 파일럿 신호이다.
초기 접속 확률에 따라 통신을 시도한 2차 사용자 단말들은 수신 단말로부터 디코딩 성공 여부에 대한 정보를 피드백받는다. 간섭량이 클 경우 수신 단말은 디코딩에 성공하지 못할 것이며, 간섭량이 크지 않을 경우 수신 단말은 디코딩에 성공할 것이다.
각 2차 사용자 단말은 수신 단말과의 통신을 수행하였는지 여부 및 시도 결과 디코딩에 성공하였는지 여부에 대한 정보를 제어 장치(130)에 전송한다.
두 번째 반복에서는 각 2차 사용자 단말이 전송하는 통신 수행 여부 및 디코딩 성공 여부에 대한 정보에 기초하여 유틸리티 함수, 상태 함수 및 접속 확률에 대한 갱신이 이루어진다.
접속 확률이 갱신되면, 다음 반복에서 갱신된 접속 확률에 기초하여 각 2차 사용자 단말은 수신 단말과의 통신을 시도하며, 첫 번째 반복과 동일하게 통신 시도 결과 디코딩에 성공하였는지 여부에 대한 정보를 수신 단말로부터 피드백받는다.
이하에서는 각 반복마다 갱신되는 유틸리티 함수, 상태 함수 및 접속 확률에 대해 더욱 상세히 살펴보기로 한다.
유틸리티 함수 갱신부(400)에 의해 갱신되는 유틸리티 함수는 다음의 수학식 1과 같이 정의된다.
Figure 112018016535823-pat00009
위 수학식 1에서, u(t)는 유틸리티 함수를 의미하고, t는 반복 횟수를 의미하며, β는 요구되는 최소 SINR을 의미하며, Nd는 디코딩에 성공한 단말의 개수를 의미한다.
결국, 특정 반복에서의 유틸리티 함수값은 특정 반복에서 디코딩에 성공한 단말의 수에 기초한다. 유틸리티 함수 값은 상태 함수를 갱신할 때 사용된다.
접속 확률은 다음의 수학식 2와 같이 정의된다.
Figure 112018016535823-pat00010
앞서 설명한 바와 같이, pk(0)는 초기에 계산되는 2차 사용자 단말별 통신 성공 확률이며, 위 수학식 2는 두 번째 반복인 t=1부터 적용된다.
위 수학식 2에서, k는 2차 사용자 단말에 대한 인덱스이고, ak(t)는 t번째 반복에서 2차 사용자 단말 k가 통신을 수행하였는지 여부를 나타내는 값이고, wk(t)는 t번째 반복에서 2차 사용자 단말 k의 상태 함수 값을 의미한다.
ak(t)는 t번째 반복에서 2차 사용자 단말 k가 통신을 수행하였을 경우 1로 설정되고, t번째 반복에서 2차 사용자 단말 k가 통신을 수행하지 않았을 경우 0으로 설정된다.
상태 함수는 다음의 수학식 3과 같이 설정된다.
Figure 112018016535823-pat00011
위 수학식 3에서, wk(t)는 t번째 반복에서 2차 사용자 단말 k의 상태 함수값을 의미한다.
한편, 위 수학식 3에서,
Figure 112018016535823-pat00012
는 다음의 수학식 4와 같이 정의된다.
Figure 112018016535823-pat00013
위 수학식 4에서,
Figure 112018016535823-pat00014
는 미리 설정되는 상수이다.
또한, G(t)는 다음의 수학식 5와 같이 정의된다.
Figure 112018016535823-pat00015
또한,
Figure 112018016535823-pat00016
는 다음의 수학식 6과 같이 정의된다.
Figure 112018016535823-pat00017
위 수학식 6에서, λ는 0 내지 1 사이에서 결정되는 임의의 상수이며, 일종의 가중치 상수로 작용한다.
수학식 3을 참조하면, 특정 반복에서의 상태 함수값은 이전 반복에서의 상태 함수값과 이전 반복과 그 이전 반복에서의 유틸리티 함수 값의 변화(
Figure 112018016535823-pat00018
)에 기초하여 설정된다. 유틸리티 함수값의 변화는 디코딩에 성공한 2차 사용자 단말 개수의 변화를 의미하는데, 디코딩에 성공한 2차 사용자 단말의 개수가 증가할 경우 + 보상으로 작용하고, 디코딩에 성공한 2차 사용자 단말의 개수가 감소할 경우 - 보상으로 작용한다. 결국, 유틸리티 함수값의 변화(
Figure 112018016535823-pat00019
)가 강화 학습을 위한 보상 정보로 작용하는 것이다.
유틸리티 함수값의 변화에는
Figure 112018016535823-pat00020
가 곱해지는데, 수학식 4에서 확인되는 바와 같이,
Figure 112018016535823-pat00021
는 반복이 증가할수록 작아지도록 설정된다.
도 5는 본 발명의 일 실시예에 따른 강화학습 과정을 나타낸 프레임워크를 나타낸 도면이다.
도 5를 참조하면, 각 반복에서 각 2차 사용자 단말은 접속 확률에 기초하여 통신을 시도하고 수신 단말로부터 디코딩 성공 여부에 대한 정보를 피드백받으며, 통신을 하였는지 여부에 대한 정보(ak(t)) 및 디코딩 성공 여부에 대한 정보를 전송한다(500).
각 2차 사용자 단말이 전송하는 디코딩 성공 여부에 대한 정보를 이용하여 유틸리티 함수값을 갱신한다(502).
갱신된 유틸리티 함수 값과 통신 수행 여부에 대한 정보(ak(t))에 기초하여 상태 함수 및 접속 확률을 갱신하는 강화 학습이 이루어진다(504).
접속 확률이 갱신되면, 새로운 접속 확률에 기초하여 각 2차 사용자 단말이 수신 단말에 파일럿 신호를 전송하는 액션이 이루어진다(506).
파일럿 신호의 전송 후 수신 단말로부터 디코딩 성공 여부에 대한 정보 및 통신 수행 여부에 대한 정보를 수신한 후 2차 사용자 단말은 다음 반복을 위해 디코딩 성공 여부에 대한 정보 및 통신 수행 여부에 대한 정보를 전송하는 작업을 반복한다(500).
본 발명은 접속 확률에 기초하여 각 2차 사용자 단말이 수신 단말과의 통신을 시도하고 디코딩에 성공한 단말의 개수 및 통신 수행 여부에 대한 정보에 기초하여 상태 함수와 접속 확률이 갱신되는 방식으로 학습이 이루어진다. 예를 들어, 특정 단말이 특정 반복에서 통신을 시도하여 디코딩에 성공하고 전체 네트워크 성능이 향상(
Figure 112018016535823-pat00022
이 “”되었을 경우 해당 2차 사용자 단말의 접속 확률은 증가하게 된다.
이러한 반복이 지속될 경우, 접속 확률은 수렴하게 되며, 접속 확률은 수렴함에 따라 1 또는 0에 근접하도록 접속 확률 연산 식이 설정된다. 수학식 2를 참조하면, 1 또는 0에 접속 확률이 수렴하도록 e 함수를 이용하는 것을 확인할 수 있다.
인지무선 단말 결정부(330)는 학습에 의해 결정되는 접속 확률에 기초하여 인지무선 통신을 수행할 2차 사용자 단말을 결정한다. 일례로, 미리 설정된 임계치 이상의 접속 확률을 가지는 2차 사용자 단말을 인지무선 통신을 수행할 단말로 결정할 수 있을 것이다.
도 6은 본 발명의 일 실시예에 따른 인지 무선 단말 선택 방법의 전체적인 흐름을 도시한 순서도이다.
우선, 다수의 스펙트럼 센싱 장치로부터 주파수별 수신 파워(간섭량)를 수신한다(단계 600).
네트워크 내 활성화된 단말들로부터 위치 정보를 수신하고 각 활성화된 단말의 통신 성공 확률을 연산한다(단계 602). 연산된 통신 성공 확률은 학습 과정에서 최초의 접속 확률로 활용된다.
통신 성공 확률이 연산되면, 네트워크 내 각 활성화된 단말은 최초의 접속 확률(통신 성공 확률)로 인지 무선 통신을 시도하고, 통신 수행 여부 및 디코딩 성공 여부에 대한 정보를 단말로부터 피드백받는다(단계 604).
피드백 정보에 기초하여, 유틸리티 함수, 상태 함수 및 접속 확률을 갱신하는 강화 학습이 이루어진다(단계 606). 강화 학습은 각 단말별 접속 확률이 수렴할 때까지 이루어진다.
강화 학습이 완료되면, 각 단말의 최종적인 접속 확률에 기초하여 인지 무선 통신을 수행할 단말을 결정한다(단계 608). 미리 설정된 임계치 이상의 접속 확률을 가지는 단말이 선택된다.
이상의 실시 예들은 본 발명의 이해를 돕기 위하여 제시된 것으로, 본 발명의 범위를 제한하지 않으며, 이로부터 다양한 변형 가능한 실시예들도 본 발명의 범위에 속할 수 있음을 이해하여야 한다. 예를 들어, 본 발명의 실시예에 도시된 각 구성 요소는 분산되어 실시될 수도 있으며, 반대로 여러 개로 분산된 구성 요소들은 결합되어 실시될 수 있다. 따라서, 본 발명의 기술적 보호범위는 특허청구범위의 기술적 사상에 의해 정해져야 할 것이며, 본 발명의 기술적 보호범위는 특허청구범위의 문언적 기재 그 자체로 한정되는 것이 아니라 실질적으로는 기술적 가치가 균등한 범주의 발명에 대하여까지 미치는 것임을 이해하여야 한다.

Claims (16)

  1. 다수의 스펙트럼 센싱 장치로부터 주파수별 간섭량 정보를 수신하여 저장하는 스펙트럼 센싱 정보 저장부;
    네트워크 내 다수의 2차 사용자 단말들로부터 위치 정보를 수신하고, 각 2차 사용자 단말의 통신 성공 확률을 연산하는 통신 성공 확률 연산부;
    상기 통신 성공 확률을 상기 2차 사용자 단말별 초기 접속 확률로 설정하고, 각 반복마다 상기 2차 사용자 단말별로 접속 확률, 상태 함수 및 유틸리티 함수를 갱신하도록 학습이 이루어지는 강화 학습부; 및
    상기 강화 학습부에서 학습이 완료될 경우, 상기 2차 사용자 단말별 최종 접속 확률에 기초하여 인지 무선 통신을 수행할 2차 사용자 단말을 선택하는 인지무선 단말 결정부를 포함하되,
    상기 강화 학습부는 각 반복마다 상기 2차 사용자 단말이 상기 접속 확률에 기초하여 인지 무선 통신을 시도한 후 피드백하는 통신 수행 여부에 대한 정보 및 디코딩 성공 여부에 대한 정보를 수신하고, 각 반복에서 디코딩에 성공한 단말의 수에 기초하여 네트워크 성능에 대한 함수인 유틸리티 함수를 갱신하고, 상기 유틸리티 함수 및 통신 수행 여부에 대한 정보를 이용하여 상기 2차 사용자 단말별로 상기 상태 함수를 갱신하며, 상기 상태 함수 및 통신 수행 여부에 대한 정보를 이용하여 접속 확률을 갱신하고,
    상기 상태 함수는 현재 반복에서의 유틸리티 함수값 및 이전 반복에서의 유틸리티 함수값의 차에 기초하여 다음 반복에서의 값이 결정되는 것을 특징으로 하는 인지무선 단말 결정을 위한 제어 장치.
  2. 삭제
  3. 제1항에 있어서,
    상기 상태 함수의 초기값은 상기 통신 성공 확률을 이용하여 결정되는 것을 특징으로 하는 인지무선 단말 결정을 위한 제어 장치.
  4. 제1항에 있어서,
    상기 접속 확률을 결정하는 식은 상기 강화 학습부의 반복이 증가될수록 상기 2차 사용자 단말별 접속 확률이 1 또는 0에 근접하도록 설정되는 것을 특징으로 하는 인지무선 단말 결정을 위한 제어 장치.
  5. 제1항에 있어서,
    상기 유틸리티 함수는 각 반복(t)별로 다음의 수학식과 같이 갱신되는 것을 특징으로 하는 인지무선 단말 결정을 위한 제어 장치.
    Figure 112018016535823-pat00023

    위 수학식에서, β는 요구되는 최소 SINR이고, Nd는 디코딩에 성공한 단말의 수임.
  6. 제5항에 있어서,
    상기 상태 함수는 각 반복(t)별로 다음의 수학식과 같이 갱신되는 것을 특징으로 하는 인지무선 단말 결정을 위한 제어 장치.
    Figure 112018016535823-pat00024

    Figure 112018016535823-pat00025

    Figure 112018016535823-pat00026

    Figure 112018016535823-pat00027

    Figure 112018016535823-pat00028

    위 수학식에서, k는 2차 사용자 단말을 나타내는 인덱스이고,
    Figure 112018016535823-pat00029
    는 임의의 상수이며, pk(t)는 접속 확률이고, u(t)는 유틸리티 함수이며, λ는 임의의 가중치 상수이고, ak(t)는 현재 반복에서 통신을 수행하였는지 여부에 대한 정보로서, 수행하였을 경우 1로 설정되고 수행하지 않았을 경우 0으로 설정됨.
  7. 제6항에 있어서,
    상기 접속 확률pk(t)은 각 반복(t)별로 다음의 수학식과 같이 갱신되는 것을 특징으로 하는 인지무선 단말 결정을 위한 제어 장치.
    Figure 112018016535823-pat00030
  8. 제1항에 있어서,
    상기 인지 무선 단말 결정부는 상기 2차 사용자 단말별 최종 접속 확률이 미리 설정된 임계치 이상인 단말들을 인지무선 통신을 수행할 단말로 결정하는 것을 특징으로 하는 인지무선 단말 결정을 위한 제어 장치.
  9. 다수의 스펙트럼 센싱 장치로부터 주파수별 간섭량 정보를 수신하여 저장하는 단계(a);
    네트워크 내 다수의 2차 사용자 단말들로부터 위치 정보를 수신하고, 각 2차 사용자 단말의 통신 성공 확률을 연산하는 단계(b);
    상기 통신 성공 확률을 상기 2차 사용자 단말별 초기 접속 확률로 설정하고, 각 반복마다 상기 2차 사용자 단말별로 접속 확률, 상태 함수 및 유틸리티 함수를 갱신하도록 학습이 이루어지는 단계(c); 및
    상기 단계(c)에서 학습이 완료될 경우, 상기 2차 사용자 단말별 최종 접속 확률에 기초하여 인지 무선 통신을 수행할 2차 사용자 단말을 선택하는 단계(d)를 포함하되,
    상기 단계(c)는 각 반복마다 상기 2차 사용자 단말이 상기 접속 확률에 기초하여 인지 무선 통신을 시도한 후 피드백하는 통신 수행 여부에 대한 정보 및 디코딩 성공 여부에 대한 정보를 수신하고, 각 반복에서 디코딩에 성공한 단말의 수에 기초하여 네트워크 성능에 대한 함수인 유틸리티 함수를 갱신하고, 상기 유틸리티 함수 및 상기 통신 수행 여부에 대한 정보를 이용하여 상기 2차 사용자 단말별로 상기 상태 함수를 갱신하며, 상기 상태 함수 및 통신 수행 여부에 대한 정보를 이용하여 접속 확률을 갱신하고,
    상기 상태 함수는 현재 반복에서의 유틸리티 함수값 및 이전 반복에서의 유틸리티 함수값의 차에 기초하여 다음 반복에서의 값이 결정되는 것을 특징으로 하는 인지무선 단말 결정 방법.
  10. 삭제
  11. 제9항에 있어서,
    상기 상태 함수의 초기값은 상기 통신 성공 확률을 이용하여 결정되는 것을 특징으로 하는 인지무선 단말 결정 방법.
  12. 제9항에 있어서,
    상기 접속 확률을 결정하는 식은 상기 단계 (c)의 반복이 증가될수록 상기 2차 사용자 단말별 접속 확률이 1 또는 0에 근접하도록 설정되는 것을 특징으로 하는 인지무선 단말 결정 방법.
  13. 제9항에 있어서,
    상기 유틸리티 함수는 각 반복(t)별로 다음의 수학식과 같이 갱신되는 것을 특징으로 하는 인지무선 단말 결정 방법.
    Figure 112018016535823-pat00031

    위 수학식에서, β는 요구되는 최소 SINR이고, Nd는 디코딩에 성공한 단말의 수임.
  14. 제13항에 있어서,
    상기 상태 함수는 각 반복(t)별로 다음의 수학식과 같이 갱신되는 것을 특징으로 하는 인지무선 단말 결정 방법.
    Figure 112018016535823-pat00032

    Figure 112018016535823-pat00033

    Figure 112018016535823-pat00034

    Figure 112018016535823-pat00035

    Figure 112018016535823-pat00036

    위 수학식에서, k는 2차 사용자 단말을 나타내는 인덱스이고,
    Figure 112018016535823-pat00037
    는 임의의 상수이며, pk(t)는 접속 확률이고, u(t)는 유틸리티 함수이며, λ는 임의의 가중치 상수이고, ak(t)는 현재 반복에서 통신을 수행하였는지 여부에 대한 정보로서, 수행하였을 경우 1로 설정되고 수행하지 않았을 경우 0으로 설정됨.
  15. 제14항에 있어서,
    상기 접속 확률pk(t)은 각 반복(t)별로 다음의 수학식과 같이 갱신되는 것을 특징으로 하는 인지무선 단말 결정 방법.
    Figure 112018016535823-pat00038

  16. 제9항에 있어서,
    상기 단계(d)는 상기 2차 사용자 단말별 최종 접속 확률이 미리 설정된 임계치 이상인 단말들을 인지무선 통신을 수행할 단말로 결정하는 것을 특징으로 하는 인지무선 단말 결정 방법.


KR1020180018713A 2018-02-14 2018-02-14 인지무선 단말 결정을 위한 인지무선 통신 제어 장치 인지무선 단말 결정 방법 KR102097860B1 (ko)

Priority Applications (3)

Application Number Priority Date Filing Date Title
KR1020180018713A KR102097860B1 (ko) 2018-02-14 2018-02-14 인지무선 단말 결정을 위한 인지무선 통신 제어 장치 인지무선 단말 결정 방법
US16/970,126 US11330444B2 (en) 2018-02-14 2018-12-13 Cognitive radio communication control device for determining cognitive radio terminal and cognitive radio terminal determining method
PCT/KR2018/015884 WO2019160229A1 (ko) 2018-02-14 2018-12-13 인지무선 단말 결정을 위한 인지무선 통신 제어 장치 인지무선 단말 결정 방법

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
KR1020180018713A KR102097860B1 (ko) 2018-02-14 2018-02-14 인지무선 단말 결정을 위한 인지무선 통신 제어 장치 인지무선 단말 결정 방법

Publications (2)

Publication Number Publication Date
KR20190098591A KR20190098591A (ko) 2019-08-22
KR102097860B1 true KR102097860B1 (ko) 2020-04-06

Family

ID=67619468

Family Applications (1)

Application Number Title Priority Date Filing Date
KR1020180018713A KR102097860B1 (ko) 2018-02-14 2018-02-14 인지무선 단말 결정을 위한 인지무선 통신 제어 장치 인지무선 단말 결정 방법

Country Status (3)

Country Link
US (1) US11330444B2 (ko)
KR (1) KR102097860B1 (ko)
WO (1) WO2019160229A1 (ko)

Families Citing this family (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN113836491B (zh) * 2021-09-26 2023-07-14 南京邮电大学 认知无线电系统中次用户的阻塞-再接入概率计算方法
CN113939040B (zh) * 2021-10-08 2023-04-28 中国人民解放军陆军工程大学 一种认知物联网中基于状态预测的状态更新方法

Citations (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR101806065B1 (ko) * 2017-01-13 2017-12-07 연세대학교 산학협력단 인지 무선 네트워크에서 2차 사용자를 위한 동적 주파수를 할당하는 방법 및 장치

Family Cites Families (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US8862138B2 (en) * 2011-02-09 2014-10-14 Nokia Corporation Forecasting of dynamic environmental parameters to optimize operation of a wireless communication system
TWI482518B (zh) * 2011-06-02 2015-04-21 Univ Nat Chiao Tung 合作式頻譜估測與定位方法及系統
US20130016669A1 (en) * 2011-07-15 2013-01-17 Nokia Corporation Periodic Access Control
CN103458416B (zh) * 2012-05-28 2019-02-19 索尼公司 认知无线电系统及其资源分配设备和方法
JP6847448B2 (ja) 2016-03-24 2021-03-24 国立大学法人電気通信大学 通信信頼度管理サーバ、通信信頼度管理システムおよび通信信頼度管理方法

Patent Citations (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR101806065B1 (ko) * 2017-01-13 2017-12-07 연세대학교 산학협력단 인지 무선 네트워크에서 2차 사용자를 위한 동적 주파수를 할당하는 방법 및 장치

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
Jaemin Kim et al. ,"Opportunism in Dynamic Spectrum Access for 5G: A Concept and Its Application to Duplexing", Computing Research Repository(CoRR) abs/1801.06964 (2018.01.22.) 1부.*

Also Published As

Publication number Publication date
US11330444B2 (en) 2022-05-10
US20210044985A1 (en) 2021-02-11
WO2019160229A1 (ko) 2019-08-22
KR20190098591A (ko) 2019-08-22

Similar Documents

Publication Publication Date Title
CN114080067B (zh) 非连续接收drx配置方法、装置和设备
US20200146074A1 (en) Method for random access and terminal device
CN107949067A (zh) 一种信道检测的控制方法及相关装置
US20090122783A1 (en) Time synchronization method, communication apparatus, and node used for the method
KR102097860B1 (ko) 인지무선 단말 결정을 위한 인지무선 통신 제어 장치 인지무선 단말 결정 방법
US10117258B2 (en) Wireless channel redistribution method and apparatus
CN114363986A (zh) Pucch重复传输次数确定方法、装置及终端
EP4228217A1 (en) Neural network information transmission method and apparatus, communication device, and storage medium
KR20150069496A (ko) 다중 라디오 환경에서 에너지 효율이 높은 파라미터 선택 방법 및 장치
CN114765864A (zh) 波束指示方法和设备
CN114390657A (zh) 功率确定方法、装置、终端及可读存储介质
WO2024031469A1 (en) Method of artificial intelligence-assisted configuration in wireless communication system
CN114760679B (zh) 非连续接收drx配置切换的方法、装置及终端
CN110602740B (zh) 确定同频干扰的方法、装置、存储介质及用户设备
KR101794990B1 (ko) 이동통신 단말장치 및 그 랜덤 액세스 전력 제어 방법
WO2024078405A1 (zh) 传输方法、装置、通信设备及可读存储介质
CN111435900A (zh) 资源配置的方法和设备
WO2024046206A1 (zh) 接收方法、设备及可读存储介质
CN115208526B (zh) 信号传输方法、装置及终端
WO2024032694A1 (zh) Csi预测处理方法、装置、通信设备及可读存储介质
WO2024067281A1 (zh) Ai模型的处理方法、装置及通信设备
KR102131922B1 (ko) 복수의 주변 디바이스로부터 데이터를 수신하는 방법 및 디바이스
CN110190886B (zh) 中继系统的信号处理方法、装置、存储介质及中继系统
WO2024093713A1 (zh) 资源配置方法、装置、通信设备及可读存储介质
WO2024046202A1 (zh) 发送方法、用户设备、网络侧设备及可读存储介质

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