KR102208630B1 - 통신 시스템에서 데이터 채널 모델의 파라미터 추정 방법 및 시스템 - Google Patents

Abstract

본 발명은 통신 시스템에서 파라미터를 추정하기 위한 방법 및 시스템에 관한 것으로, 특히 통신 시스템에서 데이터 채널 모델의 파라미터를 추정하기 위한 방법 및 시스템에 관한 것이다.
본 발명의 일 실시예에 따른 방법은, 통신 시스템에서 데이터 채널 모델의 파라미터 추정 방법으로, 소정의 노이즈 채널로 수신된 패킷을 복호하여 패킷의 수신 성공 여부를 지시하는 데이터로 변환하는 단계; 하나 이상의 미지의 파라미터를 갖는 프로토 타입의 채널을 설정하는 단계; 상기 프로토 타입 채널에서 상기 미지의 파라미터들을 수신된 패킷의 성공 여부를 지시하는 데이터를 이용하여 파라미터를 추정하는 단계; 및 상기 추정된 파라미터들을 이용하여 순방향 오류 정정 부호의 패리티 파트의 크기를 결정하는 단계;를 포함할 수 있다.

Description

통신 시스템에서 데이터 채널 모델의 파라미터 추정 방법 및 시스템{METHOD AND SYSTEM FOR ESTIMATING PARAMETER OF DATA CHANNEL MODEL IN A COMMUNICATION SYSTEM}

본 발명은 통신 시스템에서 파라미터를 추정하기 위한 방법 및 시스템에 관한 것으로, 특히 통신 시스템에서 데이터 채널 모델의 파라미터를 추정하기 위한 방법 및 시스템에 관한 것이다.

일반적으로 통신 시스템에는 통신 채널에는 노이즈(Noise)가 존재한다. 통신 채널에 존재하는 이러한 노이즈로 인하여 송신측에서 수신측으로 데이터를 송신할 때, 노이즈로 인해 전송된 데이터의 에러를 복구하기 위한 방법 중 하나로 순방향 에러 정정(Forward Error Correction, FEC) 방식이 있다.

순방향 에러 정정 방식은 송신측에서 수신측으로 데이터를 송신할 시 데이터를 가공하거나 또는 데이터로부터 획득할 수 있는 특정한 부가 정보를 패리티 파트(parity part)로 생성하고, 송신할 데이터에 패리티 파트를 부가하여 전송한다. 이때, 송신할 데이터는 통신 시스템에 따라 서로 다른 크기로 분할된다. 예컨대, 송신할 데이터의 열(stream)은 소스 블로킹 알고리즘(Source Blocking Algorithm, SBA)에 따라 일정한 크기의 패키지로 분할된다. 이처럼 분할된 패키지는 순방향 에러 정정 부호화기(encoder)에 의해 인코딩되어 데이터 채널을 통해 전송된다.

수신측에서는 데이터 채널을 통해 전송되어 온 인코딩된 패킷을 수신할 수 있으며, 이때 수신된 패킷은 노이즈 채널을 통해 전송되었기 때문에 노이즈에 의해 변질된 상태의 패킷이 될 수 있다. 따라서 수신측에서는 소스 디블로킹 알고리즘(Source Deblocking Algorithm, SDA)에 의해 수신된 패킷을 정렬(order)하고, 노이즈 채널을 통해 전송된 변질된 패킷에 포함된 패리티 파트를 이용하여 원래의 데이터를 복구할 수 있다. 이러한 처리를 통해 수신된 패킷은 수신 성공 또는 패킷 손실(erased)로 결정할 수 있다.

새로운 순방향 오류 정정 인코더/디코더를 테스트하기 위해 실제 데이터 채널을 사용하는 것은 많은 불편함을 초래할 수 있다. 가령, 실제 시스템에 적용하는 경우에는 데이터 채널의 사용이 적은 시간대를 검사하여 사용하거나 또는 특별한 별도의 채널을 할당해야만 한다. 뿐만 아니라 다양한 환경에서 실험 또는 테스트가 이루어져야 하기 때문에 실제 통신 시스템에서 이러한 조건들에 부합되는 경우에 맞춰 테스트 또는 실험을 하는 것은 많은 어려움을 가지고 있다.

따라서 일반적으로 새로운 인코더/디코더를 테스트하기 위해서 시뮬레이션 방법을 사용하며, 시뮬레이션에서 사용되는 데이터 채널 형태는 실제 노이즈를 갖는 데이터 채널과 근접한(close) 형태가 될 수 있다. 이러한 형태를 이용하여 채널의 모델을 가정하는 경우 실제 데이터 채널과 유사한 형태로 시뮬레이션이 가능하다.

새로운 인코더/디코더를 설계할 때 패리티 파트의 크기는 데이터 채널의 노이즈 레벨에 따라 결정된다. 예컨대, 데이터 채널에 노이즈가 많은 경우 패리티 파트가 커져야 하며, 데이터 채널에 노이즈가 적은 경우 패리티 파트가 작아져도 된다. 따라서 패리티 파트의 크기를 정확히 정의하기 위해서는 시뮬레이션 데이터가 통계적으로 실제 데이터 채널에 가능한 가까워야(as close as possible)한다.

따라서 본 발명에서는 소정의 통신 시스템에서 데이터 채널 모델의 정확한 파라미터 추정 방법 및 시스템을 제공한다.

또한 본 발명에서는 소정의 통신 시스템에서 순방향 오류 정정 인코더/디코더들의 효율을 개선하고, 속도를 증가시킬 수 있는 파라미터 추정 방법 및 시스템을 제공한다.

또한 본 발명에서는 소정의 통신 시스템에서 정적인 상황에서 데이터 채널의 파라미터들을 추정하기 위한 방법 및 시스템을 제공한다.

또한 본 발명에서는 소정의 통신 시스템에서 동적인 상황에서 데이터 채널의 파라미터들을 추정하기 위한 방법 및 시스템을 제공한다.

본 발명의 일 실시예에 따른 방법은, 통신 시스템에서 데이터 채널 모델의 파라미터 추정 방법으로, 소정의 노이즈 채널로 수신된 패킷을 복호하여 패킷의 수신 성공 여부를 지시하는 데이터로 변환하는 단계; 하나 이상의 미지의 파라미터를 갖는 프로토 타입의 채널을 설정하는 단계; 상기 프로토 타입 채널에서 상기 미지의 파라미터들을 수신된 패킷의 성공 여부를 지시하는 데이터를 이용하여 파라미터를 추정하는 단계; 및 상기 추정된 파라미터들을 이용하여 순방향 오류 정정 부호의 패리티 파트의 크기를 결정하는 단계;를 포함할 수 있다.

본 발명의 일 실시예에 따른 시스템은, 통신 시스템에서 데이터 채널 모델의 파라미터 추정하기 위한 시스템으로, 미리 결정된 오류 정정 부호화 방식으로 패킷을 구성하여 송신하는 송신측 전자장치; 상기 송신측 전자장치로부터 소정의 노이즈 채널을 통해 수신된 패킷을 복호하여 패킷의 수신 성공 여부를 지시하는 데이터로 변환하며, 하나 이상의 미지의 파라미터를 갖는 프로토 타입의 채널을 설정하고, 상기 프로토 타입 채널에서 상기 미지의 파라미터들을 수신된 패킷의 성공 여부를 지시하는 데이터를 이용하여 파라미터를 추정하여 상기 추정된 파라미터들을 이용하여 순방향 오류 정정 부호의 패리티 파트의 크기를 결정하는 수신측 전자장치를 포함할 수 있다.

본 발명에 따른 방법 및 시스템을 적용하면, 소정의 통신 시스템에서 시뮬레이션을 위한 데이터 채널 모델의 정확한 파라미터 추정이 가능하며, 이를 통해 순방향 오류 정정 인코더/디코더들의 효율을 개선하고, 속도를 증가시킬 수 있다. 또한 본 발명에서는 소정의 통신 시스템에서 정적인 상황은 물론 동적인 상황에서 데이터 채널의 파라미터들을 추정할 수 있다.

도 1은 본 발명에 따라 데이터 채널의 파라미터 추정을 위한 시뮬레이션을 수행할 통신 시스템의 개념적인 구성도,
도 2는 본 발명의 제 1 실시 예에 따라 정적인 상황에서 데이터 채널의 파라미터를 추정하기 위한 흐름도,
도 3은 파라미터 추정 알고리즘에서 사용하기 위해 변환된 데이터를 분할하는 경우의 일 예를 도시한 도면,
도 4는 본 발명에서 제안하는 히든 마르코프 모델(hidden Markov model)의 형태에서 데이터 채널의 모델을 도시한 도면,
도 5는 본 발명에 따른 프로토 타입 채널 모델에서 파라미터들을 추정하는 경우의 흐름도,
도 6은 본 발명에 따라 동적 상황에서 데이터 채널의 파라미터를 추정하기 위한 개념적인 시스템 구성도.

이하, 첨부된 도면들을 참조하여 다양한 실시예들을 상세히 설명한다. 이때, 첨부된 도면들에서 동일한 구성 요소는 가능한 동일한 부호로 나타내고 있음에 유의해야 한다. 또한 이하에 첨부된 본 발명의 도면은 본 발명의 이해를 돕기 위해 제공되는 것으로, 본 발명의 도면에 예시된 형태 또는 배치 등에 본 발명이 제한되지 않음에 유의해야 한다. 또한 본 발명의 요지를 흐리게 할 수 있는 공지 기능 및 구성에 대한 상세한 설명은 생략할 것이다. 하기의 설명에서는 본 발명의 다양한 실시 예들에 따른 동작을 이해하는데 필요한 부분만이 설명되며, 그 이외 부분의 설명은 본 발명의 요지를 흩트리지 않도록 생략될 것이라는 것을 유의하여야 한다.

도 1은 본 발명에 따라 데이터 채널의 파라미터 추정을 위한 시뮬레이션을 수행할 통신 시스템의 개념적인 구성도이다.

도 1을 참조하면, 순방향 에러 정정(Forward Error Correction, FEC) 방식을 사용하는 통신 시스템은, 송신측 전자장치 100과 수신측 전자장치 130 및 네트워크 110로 구성된다. 송신측 전자장치 100은 송신할 데이터를 앞서 설명한 바와 같이 전송할 데이터를 송신할 시 소스 블로킹 알고리즘(Source Blocking Algorithm, SBA)에 의거하여 소정의 크기로 분할한다. 이후 송신측 전자장치 100은 설정된 순방향 에러 정정 방식에 따라 부호화한다. 순방향 에러 정정 방식에 따라 부호화하는 것은 앞서 설명한 바와 같이 데이터를 가공하거나 또는 데이터로부터 획득할 수 있는 특정한 부가 정보를 패리티 파트(parity part)로 생성하고, 송신할 데이터에 패리티 파트를 부가하는 것이 될 수 있다.

이처럼 부호화된 데이터는 네트워크 110을 통해 전송되어 수신측 전자장치 130으로 전달된다. 이때 네트워크 110은 DSL(Digital Subscriber Line), ADSL(Asymmetric Digital Subscriber Line), WiMax(World Interoperability for Microwave Access), WiFi 등의 다양한 네트워크가 될 수 있다. 또한 네트워크 110은 앞서 설명한 바와 같이 기본적으로 각 채널마다 노이즈가 포함될 수 있으며, 네트워크의 특성 및 네트워크의 구성 형태와 배치 또는/및 인접한 통신 채널 수 또는 동시의 통신 채널 수 등에 따라 노이즈의 레벨이 변화할 수 있다. 노이즈 레벨의 변화에 따라 패리티 파트의 크기가 변경된다. 노이즈 레벨이 높은 경우 예컨대, 노이즈가 많은 경우 패리티 파트의 크기가 커져야만 원활하게 데이터 전송이 이루어질 수 있다. 반면에 노이즈 레벨이 낮은 경우 예컨대, 노이즈가 적은 경우 패리티 파트의 크기가 작아져도 원활하게 데이터 전송이 이루어질 수 있다.

수신측 전자장치 130은 네트워크 110을 통해 전송된 데이터를 수신하며, 앞서 설명한 바와 같이 소스 디블로킹 알고리즘(Source Deblocking Algorithm, SDA)에 의해 수신된 패킷을 정렬(order)한다. 또한 수신측 전자장치 130에서 수신한 패킷은 네트워크 110에 존재하는 노이즈로 인해 변질된 패킷이 될 수 있다. 따라서 수신측 전자장치 130은 변질된 패킷에 포함된 패리티 파트를 이용하여 원래의 데이터를 복구할 수 있다. 이때, 패리티 파트를 이용하여 원래의 데이터를 정상적으로 패킷을 복구할 수도 있으며, 복구가 불가능한 경우도 발생할 수 있다. 이를 도 1의 참조부호 120에 도시하였다. 참조부호 120을 참조하면, 네트워크 110을 통해 전송된 패킷들 중 노이즈에 의해 변질이 심화되어 복구가 불가능한 패킷을 "X"로 표시하였다.

이상에서 설명한 바와 같이 순방향 오류 정정 방식을 사용하여 전송할 수 있는 데이터의 종류들을 간략히 살펴보면, 위성 네비게이션 데이터, 비디오 데이터 및 음성 스트리밍 서비스들, 비디오 채팅, 음성 통화, 위성에서 전달되는 데이터 등이 있을 수 있다. 예시한 데이터 이외에도 순방향 오류 정정 방식을 사용하는 네트워크에 따라 보다 다양한 형태의 데이터를 전송할 수 있으며, 본 발명에서는 이러한 데이터 형식들에 대해서는 제한을 두지 않기로 한다.

이상에서 설명한 전체 시스템 구성을 이용하여 이하에서는 크게 2가지 실시 예를 설명할 것이다. 첫 번째 실시예로 정적 상황에서 데이터 채널의 파라미터를 추정하는 방법에 대해 설명할 것이다. 두 번째 실시예로 동적 상황에서 데이터 채널의 파라미터를 추정하는 방법에 대하여 설명할 것이다.

제 1 실시 예 - 정적 상황에서 데이터 채널의 파라미터 추정 방법

먼저 제 1 실시 예에서 설명하는 데이터 채널은 DSL, ADSL, WiFi, WiMax 등의 시스템에서 사용하는 데이터 채널이 될 수 있으며, 그 밖의 다른 시스템인 경우에도 동일하게 또는 해당 시스템에 맞춰 어느 정도 변형을 통해 유사한 형태로 적용할 수 있다. 또한 이하에서 설명되는 제 1 실시 예의 방법을 통해 노이즈 채널을 추정하기 위한 모델을 획득할 수 있고, 이를 통해 패킷 손실을 시뮬레이션 할 수 있다. 그러므로 본 발명의 제 1 실시 예에 따른 방법을 사용하면, 순방향 에러 정정 방식에서 보다 정확하게 파라미터를 설정(정의)할 수 있다. 이를 통해 본 발명에 따른 방법을 특정한 데이터 채널에 적용하면, 순방향 오류 정정 부호기의 속도를 향상시킬 수 있다.

도 2는 본 발명의 제 1 실시 예에 따라 정적인 상황에서 데이터 채널의 파라미터를 추정하기 위한 흐름도이다.

데이터 채널의 파라미터를 추정하기 위해 먼저 수신측 전자장치 130은 210단계에서 데이터 채널로 전송되어 온 패킷을 데이터로 처리한다. 앞서 설명한 바와 같이 데이터 채널은 노이즈를 포함하고 있는 노이즈 채널이며, 따라서 전송된 일부 또는 전부의 패킷들은 노이즈에 의해 변질된 패킷일 수 있다. 변질된 패킷(또는 복원이 불가능한 패킷)은 기본적으로 손실(lost)된 것으로 간주할 수 있다. 그러므로 전송되어 온 패킷은 성공적으로 수신되거나(노이즈에 영향을 받지 않은 경우 또는 복원이 가능한 경우) 또는 손실된 패킷(노이즈에 영향을 받아 오염된 경우 또는 복원이 불가능한 경우)이 된다.

따라서 수신측 전자장치 130은 220단계로 진행하면, 전술한 210단계에서 처리된 데이터를 통계적 파라미터 추정 알고리즘에서 사용할 데이터로 재처리(reprocess)할 수 있다. 통계적 파라미터 추정 알고리즘(statistical parameter estimation algorithm)은 240단계에서 보다 상세히 살펴보기로 한다. 220단계에서와 통계적 파라미터 추정 알고리즘에서 사용할 데이터로 재처리하는 경우 일 실시 예에 따르면, 통계 데이터는 0과 1의 시퀀스로 표현될 수 있다. 예컨대, 0은 정상적으로 수신된 패킷을 의미할 수 있고, 1은 손실된 패킷을 의미할 수 있다. 물론 반대로 표현할 수도 있다.

수신측 전자장치 130은 패킷에서 데이터로 변환된 결과를 이용하여 통계적 파라미터 추정 알고리즘에서 사용하기 위한 데이터로 변환한 후 230단계에서 파라미터 추정 알고리즘에서 사용하기 위해 변환된 데이터를 미리 결정된 소정의 단위로 분할(partitioned on several parts)할 수 있다. 이는 250단계에서 후술할 파라미터 추정 알고리즘에서 처리 가능한 단위로 분할하기 위함이다. 만일 파라미터 추정 알고리즘에서 처리 가능한 단위가 파라미터 추정 알고리즘에서 사용하기 위해 변환된 데이터의 크기보다 큰 경우 전체(monolithic) 데이터를 그대로 출력할 수도 있다. 이처럼 230단계를 두는 이유는 일반적으로 파라미터 추정 알고리즘은 처리할 수 있는 데이터의 크기에 대한 제한을 갖는 경우가 많기 때문이다. 하지만, 앞서 설명한 바와 같이 제한을 갖지 않거나 제한된 크기보다 전체 데이터의 크기가 작은 경우 230단계를 두지 않을 수도 있다. 본 발명에서는 일반적인 경우를 설명하고 있으므로, 파라미터 추정 알고리즘에서 사용하기 위해 변환된 데이터를 분할하는 경우를 포함하는 것으로 가정한다.

그러면 파라미터 추정 알고리즘에서 사용하기 위해 변환된 데이터를 분할하는 예를 첨부된 도면을 참조하여 살펴보기로 한다.

도 3은 파라미터 추정 알고리즘에서 사용하기 위해 변환된 데이터를 분할하는 경우의 일 예를 도시한 도면이다.

도 3을 참조하면, 파라미터 추정 알고리즘에서 사용되기 위해 변환된 데이터들은 성공적 수신의 경우 0으로 손실의 경우 1로 처리된 데이터의 열들을 도시하고 있다. 도 3에서 W(300)는 패킷으로부터 획득된 전체 데이터이며, 전체 데이터 내에는 성공적으로 수신된 데이터와 손실된 데이터가 혼재되어 있다. 또한 도 3의 예시에서 전체 데이터 W(300)는 k개의 분할된 서브 그룹들 W1(301), W2(302), …, Wk(30k)로 구성된 경우를 예시하고 있다. 각각의 그룹들 W1(301), W2(302), …, Wk(30k)은 필요한 경우 파라미터 추정 알고리즘에 의해 평균값으로 처리될 수도 있다.

하나의 그룹 가령, 제1그룹 W1(301)에 대하여 도 3에서는 4개의 변환된 데이터들(301a, 301b, 301c, 301d)을 포함하고 있는 경우를 예시하였다. 여기서 하나의 그룹은 파라미터 추정 알고리즘에서 처리할 수 있는 데이터의 양(크기)이 될 수 있다. 따라서 도 3에 도시한 경우는 하나의 예시일 뿐이며, 하나의 그룹에 포함될 수 있는 변환된 데이터의 양(크기)은 파라미터 추정 알고리즘에서 수용할 수 있는 최대 값에 따라 가변될 수 있음은 당업자에게 자명하다.

이후 수신측 전자장치 130은 240단계에서 프로토 타입 채널(prototype of channel)을 결정한다. 일반적으로 통신 시스템에서 패킷의 손실을 시뮬레이션하기 위해 알려진 많은 모델들이 존재한다. 대표적인 모델로, 베르누이 모델(Bernoulli model), 길버트 모델(Gilbert model), 길버트-엘리어트 모델(Gilbert-Elliot model) 등이 있다.

본 발명에서 제안하는 모델은 수신된 패킷들 내의 버스트 손실(Burst Losses)을 허용하지 않는다는 점을 제외하곤 길버트 모델(Gilbert model)과 유사하다. 그러면 본 발명에서 제안하는 채널 모델을 첨부된 도면을 참조하여 살펴보기로 하자.

도 4는 본 발명에서 제안하는 히든 마르코프 모델(hidden Markov model)의 형태에서 데이터 채널의 모델을 도시한 도면이다.

도 4를 참조하면, 랜덤 손실(Random Losses) 상태 410과 버스트 손실(Burst Losses) 상태 420으로 크게 구분할 수 있다. 또한 랜덤 손실 상태 410에서 수신된 패킷은 손실(Lost) 상태 411의 경우와 정상적인 수신(Received) 상태 412의 경우로 구분할 수 있으며, 버스트 손실 상태 420에서도 동일하게 수신된 패킷은 손실(Lost) 상태 421의 경우와 정상적인 수신(Received) 상태 422의 경우로 구분할 수 있다.

도 4에 제시한 채널 모델은 히든 마르코프 모델들(hidden Markov models, HMM)의 형태로 정의될 수 있다. 이처럼 정의될 때, 랜덤 손실 상태 410인 경우 수신된 패킷의 손실 상태 411의 확률은 "r"이 되며, 정상적인 수신 상태 422의 확률은 "1-r"이 된다. 또한 도 4의 채널 모델처럼 정의될 때 버스트 손실 상태 420의 경우 수신된 패킷은 대부분 손실 상태 421이 되고, 정상적인 수신 상태 422가 되지 않는다.

또한 도 4에서 랜덤 손실 상태 410에서 버스트 손실 상태 420로의 천이 확률(transition probabilities)은 "p"가 되며, 버스트 손실 상태 420에서 랜덤 손실 상태 410으로의 천이 확률(transition probabilities)은 "q"가 된다.

도 4에 도시한 바와 같은 이론적인 모델들은 다양한 형태의 노이즈 채널에 적용될 수 있으며, 도 4의 이론적 모델을 적용하기 위해서는 "p", "q", "r"의 파라미터들을 추정해야만 한다.

따라서 버스트 손실 상태 420에서는 패킷들의 연속된 손실들(serial losses) 을 시뮬레이션해야 하며, 랜덤 손실 상태 410에서는 불연속적인 손실들(discrete losses)을 시뮬레이션해야 한다. 본 발명에서는 하나 이상의 히든 상태(hidden state)를 갖는 모든 모델이 채널 모델의 프로토 타입으로 선택될 수 있다.

이상에서 설명한 바와 같은 어떠한 프로토 타입의 채널 모델이 선택되면, 수신측 전자장치 130은 250단계로 진행한다. 250단계에서 수신측 전자장치는 240단계에서와 같이 선택된 프로토 타입의 채널 모델의 파라미터들을 추정한다. 도 4의 예를 참조하면, "p", "q", "r"의 파라미터들을 추정하는 경우가 될 수 있다. 하지만, 본 발명에서는 프로토 타입 채널 모델에 대한 제한을 두지 않으며, 하나 이상의 미지의 파라미터를 갖는 모든 타입의 채널 모델에 적용할 수 있다.

본 발명의 일 실시 예에 따른 미지의 파라미터 추정 방법으로 최대 우도율 추정(maximum likelihood estimation, MLE) 방법을 사용할 수 있다. 미지의 최대 우도율 추정 파라미터들에 근거한 우도율 기능(likelihood function)을 정확히 획득하는 것이 불가능하기 때문에 추정기들(estimators)은 기대 최대화(expectation-maximization, EM) 알고리즘에 의해 추정할 수 있다. 기대 최대화 알고리즘의 특수한 경우로 바움-웰치(Baum-Welch) 알고리즘이 있다.

기대 최대화 알고리즘 또는/및 바움-웰치 알고리즘 또는 이와 유사한 형태의 알고리즘들 중 어느 하나를 이용하여 프로토 타입 채널의 파라미터들을 추정할 수 있다. 이러한 방법들 중 하나를 이용하는 경우를 도 5를 참조하여 살펴보기로 한다.

도 5는 본 발명에 따른 프로토 타입 채널 모델에서 파라미터들을 추정하는 경우의 흐름도이다.

도 5는 앞서 설명한 바와 같이 250단계의 기대 최대화 알고리즘 또는/및 바움-웰치 알고리즘 또는 이와 유사한 형태의 알고리즘들 중 어느 하나를 이용하여 프로토 타입 채널의 파라미터들을 추정하는 경우의 상세한 동작이다.

먼저 수신측 전자장치 130은 251단계에서 초기 파라미터들을 하기 <수학식 1>과 같이 선택한다.

<수학식 1>에서 π는 매트릭스 A에 대한 고정 분포(stationary distribution)값으로, 초기 분포(initial distribution)에 해당하며, 고정 분포가 존재하지 않는 경우 균일한 분포로 정의될 수 있다. 또한, 매트릭스 A는 앞서 설명한 도 4와 같은 히든 마르코프 모델의 환경에서 랜덤 손실 상태 410에서 버스트 손실 상태 420의 천이 확률을 이용한 매트릭스이며, 매트릭스 B는 랜덤 손실 상태 410에서 패킷의 수신 성공 확률 및 손실 확률을 이용한 매트릭스이다. 이러한 매트릭스 A와 매트릭스 B가 구해지는 과정을 좀 더 상세히 살펴보기로 한다.

송신측 전자장치 110과 수신측 전자장치 130 간의 채널은 잡음 채널(noise channel)이며, 잡음 채널을 통해 전송된 패킷들의 분포는 마르코프 체인(Markov chain)으로 나타낼 수 있다고 가정한다. 또한 본 발명에서는 보다 복잡한 구조(construction)인 히든 마르코프 모델(hidden Markov model, HMM)을 선택하였으며, 히든 마르포크 모델은 마르코프 체인을 일반화한 것이다. 본 발명에서 사용하는 히든 마르코프 체인은 몇 개의 히든 상태(some hidden state)들을 가진 마르코프 프로세스(Markov process)로 가정한다. 모든 마르코프 체인은 초기 분포(

)에 의해 완벽하게 설명될(completely characterized) 수 있다.

여기서, n은 가능한 상태들의 수(number of possible states)이고, P_i ⁰는 i번째 상태 및 전이 확률 행렬(transition probability matrix)(또한, 확률 행렬(stochastic matrix), 마르코프 행렬(Markov matrix))에서 얻기 위한 확률로 하기 <수학식 2>와 같이 정의할 수 있다.

<수학식 2>에서 P_j,k는 j-번째 상태로부터 k-번째 상태까지 얻기 위한 확률이다.

또한 히든 마르코프 행렬(HMM)은 초기 분포, 전이 확률 행렬 및 마르코프 행렬의 밀도(density of Markov matrix)에 의해 설명될(completely characterized) 수 있으며, 하기 <수학식 3>과 같이 정의할 수 있다.

<수학식 3>에서 P^' _j,k는 j 번째 상태가 제공된 k 번째 숨겨진 상태(k-th hidden state) 내에서 획득하기 위한 확률이고, m은 숨겨진 상태들의 수(number of hidden states)이다. 앞서 설명한 바와 같이 도 4에 예시한 채널 모델은 히든 마르코프 행렬을 설명하기 위한 행렬이 된다. 따라서 <수학식 2>와 <수학식 3>은 도 4로부터 매트릭스 A와 매트릭스 B로 정의된다.

이후 252단계에서 수신측 전자장치 130은 순방향-역방향 알고리즘(Forward-backward algorithm)을 이용하여 α_t(i)의 확률 값을 하기 <수학식 2>와 같이 계산할 수 있다.

<수학식 2>에서

의 값들은 0들과 1들의 시퀀스들을 관측한 시퀀스이고,

는 앞서 예시한 바와 같은 프로토 타입 채널 모델의 파라미터들이다.

본 발명에서 중요한 요소는 p, q, r의 파라미터들을 추정(estimate)하는 것이다. 각 파라미터들을 추정하는 것은 앞서 설명한 바와 같이 수신 성공을 의미하는 0과 수신 실패를 의미하는 1의 시퀀스를 관찰한 정보에 근거하여 계산될 수 있다. 따라서 t는 관찰한 수(number of observations)이다. 파라미터 λ는 바움-웰치(Baum-Welch) 알고리즘에서 각각의 반복 상에서 상이한 파라미터들(A, B 및 π)의 집합에 의해 정의되거나, 앞서 언급된 파라미터들(A, B 및 π)을 가진 히든 마르코프 행렬(HMM) 모델에 의해 정의된다. 파라미터(q₁)는 순간(t)에서 프로세스의 상태로, 오직 2가지 상태 예컨대, a) 랜덤 상실 상태(random losses state)와 b) 버스트 상실 상태(burst losses state)만이 제안된 모델에서 가능하다.

그러므로 <수학식 4>는 t회의 관찰들로부터 획득할 수 있는 확률이고, 랜덤 손실(Random losses) 상태(x₁) 또는 버스트 손실(burst losses) 상태(x₂)를 가질 수 있다.

<수학식 4>와 같이 α_t(i)의 확률 값을 계산한 후 수신측 전자장치 130은 253단계에서 순방향-역방향 알고리즘(Forward-backward algorithm)을 이용하여 β_t(i)의 확률 값을 하기 <수학식 5>과 같이 계산할 수 있다.

<수학식 5>에서 t 번째 상태가 x_i이고, 채널 모델이 A, B 및 π의 파라미터들을 가진다면 t+1 번째 관찰은 d_t+1이고, t+2 번째 관찰은 d_t+2이고, T 번째 관찰은 d_T인 확률을 의미한다.

<수학식 5>과 같이 β_t(i)의 확률 값을 계산한 후 수신측 전자장치 130은 254단계로 진행하여

의 확률 값을 하기 <수학식 6>과 같이 계산한다.

<수학식 6>에서

는 전체 시퀀스(d_1, d_2, ..., d_t)를 관찰하고, 채널 모델이 A, B 및 π의 파라미터들을 가지면, 채널 모델의 t 번째 상태가 x_i인 확률을 의미한다.

의 확률 값을 계산한 후 수신측 전자장치 130은 255단계로 진행하여

의 확률 값을 <하기 <수학식 7>과 같이 계산할 수 있다.

<수학식 7>에서 ξ_t(i, j)는 패킷들이 상실된 곳을 알고, 채널 모델이 A, B 및 π의 파라미터들을 가진다면, ξ_t(i, j)는 t 번째 상태가 x_i이고, t+1 번째 상태가 x_j인 확률을 의미한다.

이상의 과정을 통해 모든 확률 값들이 계산되면, 수신측 전자장치 130은 256단계로 진행하여 하기 <수학식 8>과 같이 프로토 타입 채널의 파라미터들을 재계산할 수 있다.

이후 수신측 전자장치 130은 257단계에서 <수학식 8>과 같이 재계산된 추정치가 소정의 값으로 수렴하는가를 검사한다. 소정의 값으로 수렴하는가를 검사하기 위해서는 251단계 내지 256단계의 계산이 적어도 2-3회 이상의 반복적인 계산이 필요하며, 경우에 따라서는 수십 회 이상의 반복적인 계산이 필요할 수도 있다. 즉, 재계산된 값들이 하나의 값으로 수렴할 때까지 충분히 계산되어야 한다.

그러므로 최초 계산된 경우에는 수렴 여부를 판별할 수 없으므로 무조건 257단계에서 무조건 251단계로 진행할 수 있다. 또한 수렴 여부를 판별하기 위한 하나의 방법으로 <수학식 8>에서 획득된 값을 일정 횟수 이상 저장하고, 저장된 값의 편차 또는 차이 값이 미리 설정된 값 이하로 작아지는 경우 대표되는 특정 값으로 수렴하는 것으로 설정할 수 있다. 또한 수렴 여부를 판별하기 위한 다른 하나의 방법으로 <수학식 8>에서 획득된 몇 개의 값들에 가중치를 부가하여 연산함으로써 특정한 값에 수렴하고 있는지 여부를 판별할 수도 있다.

이처럼 하나의 값으로 수렴한 것으로 판별되는 경우 수신측 전자장치 130은 258단계로 진행하여 각 파라미터들의 추정 값들을 결정할 수 있다. 예컨대, 수렴된 값들은 프로토 타입 채널 모델의 파라미터들의 추정치

를 획득할 수 있다. 이처럼 프로토 타입 채널 모델의 파라미터들의 추정치를 획득하는 경우

은 각각 "p", "q", "r"의 추정된 값이 될 수 있다.

이상에서 설명한 도 5의 흐름도에 따른 알고리즘의 목표는 하기 <수학식 9>의 확률을 증가시키는 것이다.

<수학식 9>에서

는 상태들의 시퀀스(sequence)이다.

본 발명에 따른 방법에서는 최대 우도율 추정(MLE) 방법을 이용하여 획득된 미지의 파라미터를 추정하기 위한 방법을 제공한다. 최대 우도율 추정 방법에 의해 획득된 추정 값들은 아래의 특징을 가진다.

a. 점근적 정규성(asymptotic normality)

b. 만일 추정 값이 존재한다면, 최대 우도율 추정 방법에 의해 획득된 추정 값은 효율적이다.

c. 최대 우도율 추정 방법에 의해 추정된 값은 항상성(consistent)을 갖는다.

또한 위의 특징 c는 관측들의 수가 충분한 경우 최대 우도율 추정 방법에 의해 획득된 추정 값들이 실제 값들에 상당히 가깝다는 것을 의미한다.

다시 도 2를 참조하여 살펴보기로 한다. 수신측 전자장치 130은 이상에서 설명한 바와 같은 과정을 통해 프로토 타입 채널의 파라미터 추정이 완료되면, 260단계로 진행한다. 수신측 전자장치 130은 260단계로 진행하면, 250단계에서 계산된 파라미터들을 이용하여 인코딩 파라미터를 결정한다. 인코딩 파라미터를 결정한다는 것은 앞서 설명한 바와 같이 데이터에 부가할 잉여 부분인 패리티의 양(크기)을 결정한다는 것으로 이해될 수도 있다.

또한 위와 같이 계산된 추정 값들은 소정 범위를 갖는 테이블로 구성하여 제공할 수도 있으며, 그 밖의 다른 방법들을 이용할 수도 있다.

이상에서 설명한 전체적인 동작을 다시 살펴보면, 수신측 전자장치 130은 210단계에서 노이즈 채널을 통해 패킷을 수신하고, 이를 데이터로 변환한다. 이후 220단계에서 데이터의 수신 성공 또는 손실에 대응하여 통계적 알고리즘에 적용하기 위한 정보로 변환한다. 이처럼 변환된 정보는 230단계에서 파라미터 추정 알고리즘에서 처리 가능한 크기로 분할하며, 240단계에서 노이즈 채널의 시뮬레이션 모델인 프로토 타입 채널을 결정한다. 이후 수신측 전자장치 130은 250단계에서 220단계에서 생성된 통계적 정보를 이용하여 프로토 타입의 채널에 맞춰 파라미터들을 추정한다. 이처럼 추정된 값을 이용하여 수신측 전자장치 130은 260단계에서 순방향 오류 정정 인코더에서 생성할 패리티 파트의 크기를 결정한다.

이상의 동작을 통해 소정의 채널 모델에서 미지의 파라미터들을 추정할 수 있다. 여기서 소정의 채널 모델은 노이즈 채널이며, 추정된 파라미터들을 이용하여 노이즈 채널에서 순방향 오류 정정 인코더의 파라미터들을 보다 정확하게 정의할 수 있다.

제 2 실시 예 - 동적 상황에서 데이터 채널의 파라미터 추정 방법

제 2 실시 예에는 앞서 설명한 바와 같은 제 1 실시 예에 부가하여 해당 채널이 자동 재전송(Automatic Repeat reQuest, ARQ)이 적용되는 경우이다. 예컨대, 수신측 전자장치 130으로부터 궤환(feedback)된 모든 신호를 수신한 후 순방향 오류 정정 부호화를 위한 파라미터를 조정(adjust)할 수 있다. 이를 통해 노이즈 채널이 소정의 주기(또는 시간 간격(time interval))로 수차례 변화할 때 순방향 에러 정정 코딩 시간을 현저히 단축시킬 수 있다.

도 6은 본 발명에 따라 동적 상황에서 데이터 채널의 파라미터를 추정하기 위한 개념적인 시스템 구성도이다.

송신측 전자장치 100은 임의의 순방향 오류 정정 부호화 방식을 통해 부호화한 데이터를 소정의 데이터 채널로 송신한다. 이는 도 6의 참조부호 610과 같다. 이때, 송신측 전자장치 100은 송신할 데이터의 열(stream)은 소스 블로킹 알고리즘(Source Blocking Algorithm, SBA)에 따라 일정한 크기의 패키지로 분할된다. 이처럼 분할된 패키지는 미리 결정된 순방향 에러 정정 부호화기(encoder)에 의해 인코딩되어 데이터 채널을 통해 송신한다.

이처럼 송신측 전자장치 100에서 송신된 데이터는 노이즈 채널 150을 통해 전송될 수 있다. 노이즈 채널 150은 송신측 전자장치 100에서 송신한 패킷들에 노이즈가 삽입되는 형태로 이해될 수 있다. 따라서 일부 또는 전부의 패킷에서 일정 부분 오류가 발생할 수 있다. 이처럼 오류가 발생한 데이터는 도 6의 참조부호 620과 같이 수신측 전자장치 130으로 전송될 수 있다.

수신측 전자장치 130은 송신측 전자장치 100에서 송신하여 노이즈 채널 150을 경유하여 온 패킷을 수신하고, 소스 디블로킹 알고리즘(Source Deblocking Algorithm, SDA)에 의해 수신된 패킷을 정렬(order)하고, 노이즈 채널을 통해 전송된 변질된 패킷에 포함된 패리티 파트를 이용하여 원래의 데이터를 복구할 수 있다. 이러한 처리는 앞서 설명한 도 2의 210단계로 이해될 수 있다.

수신측 전자장치 130은 앞서 설명한 도 2의 설명에서와 같이 200단계를 수행한다. 즉, 210단계부터 260단계를 수행하여 패리티 파트의 양(크기)을 결정할 수 있다. 이처럼 결정된 패리티 파트의 양(크기)은 다시 참조부호 630과 같이 송신측 전자장치 100로 전송된다.

이에 따라 송신측 전자장치 100은 수신측 전자장치 130으로부터 제공된 패리티 파트의 양(크기)에 따라 순방향 오류 정정 부호화 시의 패리티 크기를 결정하고, 결정된 크기로 패킷을 구성하여 송신할 수 있다.

이상에서 설명한 바와 같이 채널이 동적으로 변화하는 경우 채널의 동적인 변화를 적응적으로 반영하기 위해 수신측 전자장치가 결정한 패리티 파트의 크기를 송신측 전자장치로 전송한다. 이에 따라 송신측 전자장치는 수신측 전자장치로부터 제공된 파라미터 즉, 패리티 파트의 크기에 최적화된 패리티 파트의 크기로 순방향 오류 정정 부호화를 수행할 수 있다.

그리고 본 명세서와 도면에 개시된 실시 예들은 본 발명의 내용을 쉽게 설명하고, 이해를 돕기 위해 특정 예를 제시한 것일 뿐이며, 본 발명의 범위를 한정하고자 하는 것은 아니다. 따라서 본 발명의 범위는 여기에 개시된 실시 예들 이외에도 본 발명의 기술적 사상을 바탕으로 도출되는 모든 변경 또는 변형된 형태가 본 발명의 범위에 포함되는 것으로 해석되어야 한다.

100 : 송신측 전자장치
110 : 네트워크
120 : 전송되는 패킷들
130 : 수신측 전자장치
150 : 노이즈 채널
300 : 패킷의 성공 여부 정보 열(Stream)
301, 302, …, 30k : 패킷의 성공 여부 정보의 서브 그룹
301a, 301b, 301c, 301d : 서브 그룹 내에 포함된 패킷의 성공 여부 정보들
410 : 랜덤 손실 상태
411 : 랜덤 손실 상태에서 패킷 손실 상태
412 : 랜덤 손실 상태에서 패킷의 정상 수신 상태
420 : 버스트 손실 상태
421 : 버스트 손실 상태에서 패킷의 손실 상태
422 : 버스트 손실 상태에서 패킷의 정상 수신 상태

Claims (14)

1. 통신 시스템에서 데이터 채널 모델의 파라미터 추정 방법에 있어서,
   통신 채널을 통해 순차적으로 수신된 복수의 패킷을 복호화하는 동작;
   상기 복수의 패킷에 대한 복호화가 정상적으로 수행되었는지를 지시하는 데이터의 시퀀스를 포함하는 변수를 생성하는 동작;
   적어도 하나의 파라미터를 갖는 프로토 타입의 통신 채널을 구성하는 동작;
   상기 변수를 이용해 상기 프로토 타입의 통신 채널을 구성하는 상기 적어도 하나의 파라미터를 추정하는 동작; 및
   상기 추정된 적어도 하나의 파라미터를 이용해 순방향 오류 정정 부호의 패러티 필드의 크기를 결정하는 동작을 포함하는 통신 시스템에서 데이터 채널 모델의 파라미터 추정 방법.
2. 제1항에 있어서, 상기 수신된 패킷은,
   미리 결정된 순방향 오류 정정 부호에 의해 부호화된 패킷인, 통신 시스템에서 데이터 채널 모델의 파라미터 추정 방법.
3. 제1항에 있어서, 상기 프로토 타입의 채널은,
   길버트 모델(Gilbert model)을 따르되, 수신된 패킷들 내의 버스트 손실(Burst Losses)을 허용하지 않는 채널인, 통신 시스템에서 데이터 채널 모델의 파라미터 추정 방법.
4. 제1항에 있어서,
   상기 복호화가 정상적으로 수행되었는지를 지시하는 변수는 데이터 열(stream)로 구성되며,
   미리 설정된 단위의 서브 그룹으로 분할하는 동작을 더 포함하는, 통신 시스템에서 데이터 채널 모델의 파라미터 추정 방법.
5. 제4항에 있어서, 상기 서브 그룹은,
   상기 파라미터를 추정하기 위한 알고리즘에서 처리 가능한 개수의 데이터로 구성하는, 통신 시스템에서 데이터 채널 모델의 파라미터 추정 방법.
6. 제1항에 있어서, 상기 추정되는 파라미터는,
   미리 설정된 범위를 갖는 테이블로 저장되는, 통신 시스템에서 데이터 채널 모델의 파라미터 추정 방법.
7. 제1항에 있어서,
   상기 추정된 파라미터를 송신측으로 전송하는 동작을 더 포함하는, 통신 시스템에서 데이터 채널 모델의 파라미터 추정 방법.
8. 통신 시스템에서 데이터 채널 모델의 파라미터 추정하기 위한 시스템에 있어서,
   미리 결정된 오류 정정 부호화 방식으로 패킷을 구성하여 송신하는 송신측 전자장치; 및
   상기 송신측 전자장치로부터 통신 채널을 통해 순차적으로 수신된 복수의 패킷을 복호화하고, 상기 복수의 패킷에 대한 복호화가 정상적으로 수행되었는지를 지시하는 데이터의 시퀀스를 포함하는 변수를 생성하고, 적어도 하나의 파라미터를 갖는 프로토 타입의 통신 채널을 구성하고, 상기 변수를 이용해 상기 프로토 타입의 통신 채널을 구성하는 상기 적어도 하나의 파라미터를 추정하고, 상기 추정된 적어도 하나의 파라미터를 이용해 순방향 오류 정정 부호의 패러티 필드의 크기를 결정하는 수신측 전자장치를 포함하는, 통신 시스템에서 데이터 채널 모델의 파라미터 추정 시스템.
9. 제8항에 있어서, 상기 프로토 타입의 채널은,
   길버트 모델(Gilbert model)을 따르되, 수신된 패킷들 내의 버스트 손실(Burst Losses)을 허용하지 않는 채널인, 통신 시스템에서 데이터 채널 모델의 파라미터 추정 시스템.
10. 제8항에 있어서, 상기 수신측 전자장치는,
    상기 복호화가 정상적으로 수행되었는지를 지시하는 변수는 데이터 열(stream)로 구성하고, 미리 설정된 단위의 서브 그룹으로 분할하는 통신 시스템에서 데이터 채널 모델의 파라미터 추정 시스템.
11. 제10항에 있어서, 상기 서브 그룹은,
    상기 파라미터를 추정하기 위한 알고리즘에서 처리 가능한 개수의 데이터로 구성되는, 통신 시스템에서 데이터 채널 모델의 파라미터 추정 시스템.
12. 제8항에 있어서, 상기 추정되는 파라미터는,
    미리 설정된 범위를 갖는 테이블로 저장되는, 통신 시스템에서 데이터 채널 모델의 파라미터 추정 시스템.
13. 제8항에 있어서, 상기 수신측 전자장치는,
    상기 추정된 파라미터를 상기 송신측 전자장치로 전송하는, 통신 시스템에서 데이터 채널 모델의 파라미터 추정 시스템.
14. 제13항에 있어서, 상기 송신측 전자장치는,
    상기 추정된 파라미터를 이용하여 상기 순방향 오류 정정 부호의 패러티 필드의 크기를 재결정하는, 통신 시스템에서 데이터 채널 모델의 파라미터 추정 시스템.

Images