KR102240413B1 - Wirelss communication system and frame synchronization method for the same - Google Patents
Wirelss communication system and frame synchronization method for the same Download PDFInfo
- Publication number
- KR102240413B1 KR102240413B1 KR1020200029167A KR20200029167A KR102240413B1 KR 102240413 B1 KR102240413 B1 KR 102240413B1 KR 1020200029167 A KR1020200029167 A KR 1020200029167A KR 20200029167 A KR20200029167 A KR 20200029167A KR 102240413 B1 KR102240413 B1 KR 102240413B1
- Authority
- KR
- South Korea
- Prior art keywords
- preamble
- image
- correlation values
- neural network
- complex correlation
- Prior art date
Links
Images
Classifications
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
- H04L27/00—Modulated-carrier systems
- H04L27/26—Systems using multi-frequency codes
- H04L27/2601—Multicarrier modulation systems
- H04L27/2647—Arrangements specific to the receiver only
- H04L27/2655—Synchronisation arrangements
- H04L27/2656—Frame synchronisation, e.g. packet synchronisation, time division duplex [TDD] switching point detection or subframe synchronisation
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/02—Neural networks
- G06N3/08—Learning methods
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
- H04L27/00—Modulated-carrier systems
- H04L27/26—Systems using multi-frequency codes
- H04L27/2601—Multicarrier modulation systems
- H04L27/2647—Arrangements specific to the receiver only
- H04L27/2655—Synchronisation arrangements
- H04L27/2689—Link with other circuits, i.e. special connections between synchronisation arrangements and other circuits for achieving synchronisation
- H04L27/2692—Link with other circuits, i.e. special connections between synchronisation arrangements and other circuits for achieving synchronisation with preamble design, i.e. with negotiation of the synchronisation sequence with transmitter or sequence linked to the algorithm used at the receiver
Abstract
Description
본 개시는 무선 통신 시스템 및 그 프레임 동기 방법을 제공한다.The present disclosure provides a wireless communication system and a frame synchronization method thereof.
프레임 동기는 무선 통신 시스템에서 프레임의 시작과 끝을 알리고, 프레임 경계를 짓는 일이다. 무선 통신 신호가 전송되는데 있어 비트들이 연속적인 비트 열로 전송되므로, 일련의 프레임 단위로 의미 있는 인식 기준을 잡도록 구분시키는 프레임 동기는 필수적으로 수반되어야 한다.Frame synchronization is a task of notifying the start and end of a frame and establishing a frame boundary in a wireless communication system. When the wireless communication signal is transmitted, since the bits are transmitted in a continuous bit stream, frame synchronization must be accompanied by classifying a meaningful recognition criterion in units of a series of frames.
프레임 동기 방법으로 기존에는 상관기에 미리 저장된 프리앰블과 수신 신호에 대한 상관 값을 출력하고, 상관 값의 크기와 임계 값을 비교하는 방법을 이용했다. 하지만, 수신 신호의 SNR(signal-to-noise ratio)이 변화함에 출력되는 상관 값이 부정확해지므로, 임계 값이 조정되어야 하는데 수신 신호의 SNR은 프레임 동기가 정상적으로 수행되기 전에는 추정이 어려우므로 임계 값을 정확히 조정하는 데에 어려움이 있다.As a frame synchronization method, conventionally, a method of outputting a correlation value for a preamble stored in advance in a correlator and a received signal, and comparing the size of the correlation value and the threshold value was used. However, as the signal-to-noise ratio (SNR) of the received signal changes, the output correlation value becomes inaccurate, so the threshold must be adjusted, but the SNR of the received signal is difficult to estimate before frame synchronization is normally performed. It is difficult to accurately adjust the values.
이러한 한계로 인하여 기존의 프레임 동기 방법을 사용하는 경우, 프레임 동기를 실패하여 신호를 정상적으로 수신하지 못하는 탐지 성능 열화 문제와 신호가 수신되지 않았음에도 불구하고 신호가 수신된 것으로 잘못 판단되는 문제 등이 발생한다.Due to this limitation, when the existing frame synchronization method is used, the detection performance deterioration in which a signal cannot be received normally due to a frame synchronization failure and a problem in which a signal is incorrectly determined to have been received even though the signal has not been received occur. do.
한국 공개 특허: KR 10-2006-0073402 A (공개일: 2006.06.28)Korean Patent Publication: KR 10-2006-0073402 A (Publication date: 2006.06.28)
한국 등록 특허: KR 10-0943098 B1 (등록일: 2010.02.10)Korean Patent Registration: KR 10-0943098 B1 (Registration Date: 2010.02.10)
본 발명이 해결하고자 하는 기술적 과제는, 무선 통신 시스템 및 그 프레임 동기 방법을 제공하는데 있다. 본 실시예가 이루고자 하는 기술적 과제는 상기된 바와 같은 기술적 과제들로 한정되지 않으며, 이하의 실시예들로부터 또 다른 기술적 과제들이 유추될 수 있다.The technical problem to be solved by the present invention is to provide a wireless communication system and a frame synchronization method thereof. The technical problem to be achieved by the present embodiment is not limited to the technical problems as described above, and other technical problems may be inferred from the following embodiments.
상술한 기술적 과제를 달성하기 위한 기술적 수단으로서, 일 측면에 따른 무선 통신 시스템의 프레임 동기 방법은, 제1 시점에서, 제1 프리앰블(preamble)이 포함된 수신 신호와 상관기에 저장된 제2 프리앰블 간의 복소수 상관 값들을 출력하는 단계; 상기 복소수 상관 값들을 복소평면에 표시한 이미지를 생성하는 단계; 상기 이미지를 입력 데이터로 하여, 상기 제1 프리앰블의 위치를 식별하도록 뉴럴 네트워크(neural network)를 학습시키는 단계; 및 상기 학습된 뉴럴 네트워크에, 제2 시점에서 출력된 복소수 상관 값들로부터 생성된 이미지를 입력하여, 상기 제2 시점에서의 제1 프리앰블의 위치를 식별하는 단계를 포함할 수 있다.As a technical means for achieving the above-described technical problem, a frame synchronization method of a wireless communication system according to an aspect includes, at a first point in time, a complex number between a received signal including a first preamble and a second preamble stored in a correlator. Outputting correlation values; Generating an image displaying the complex correlation values on a complex plane; Learning a neural network to identify the location of the first preamble by using the image as input data; And inputting an image generated from complex correlation values output at a second view point to the learned neural network, and identifying a position of the first preamble at the second view point.
상기 출력하는 단계는, 상기 복소수 상관 값들을 기 설정된 시간 단위로 연속하여 출력하고, 상기 생성하는 단계는, 상기 각 시간 단위로 연속하여 출력된 복소수 상관 값들을 하나의 복소평면에 모두 표시한 이미지를 생성하는, 방법을 제공할 수 있다.In the outputting step, the complex correlation values are continuously output in a preset time unit, and the generating step is an image in which all the complex correlation values successively outputted in each time unit are displayed on one complex plane. To create, can provide a method.
상기 출력하는 단계는, 시간 영역에서 서로 가장 근접한 어느 두 시간 단위에 대응되는 복소수 상관 값들이 서로 일정 시간씩 오버랩(overlap)되도록 출력하고, 상기 오버랩되는 일정 시간의 길이는 상기 기 설정된 시간 단위보다 작게 설정되는, 방법을 제공할 수 있다.In the outputting step, complex correlation values corresponding to any two time units closest to each other in the time domain are output to overlap each other by a predetermined time, and the length of the overlapping predetermined time is smaller than the preset time unit. It can provide a way to be set.
상기 학습시키는 단계는, 상기 이미지에 표시된 복소수 상관 값들로 이루어진 모양에 기초하여 상기 제1 프리앰블의 위치를 식별하도록 상기 뉴럴 네트워크를 학습시키는, 방법을 제공할 수 있다.The training may provide a method of training the neural network to identify the position of the first preamble based on a shape made of complex correlation values displayed on the image.
상기 학습시키는 단계는, 상기 이미지에서, 상기 복소평면의 원점으로부터 가장 멀리 위치한 복소수 상관 값이 출력된 위치를 상기 제1 프리앰블의 위치로 식별하도록 상기 뉴럴 네트워크를 학습시키는, 방법을 제공할 수 있다.The training may provide a method of training the neural network to identify a position in the image, where a complex correlation value located furthest from the origin of the complex plane, as the position of the first preamble.
상기 생성하는 단계는, 상기 이미지에 표시된 상기 복소수 상관 값들이 상기 복소평면의 원점에 가까이 위치할수록 제1 색깔에 가까이 표시되고, 상기 이미지에 표시된 상기 복소수 상관 값들이 상기 복소평면의 원점에서 멀리 위치할수록 제2 색깔에 가까이 표시되는, 방법을 제공할 수 있다.In the generating step, the closer the complex correlation values displayed in the image are positioned to the origin of the complex plane, the closer to the first color is displayed, and the farther the complex correlation values displayed in the image are from the origin of the complex plane. It can provide a method, which is displayed close to the second color.
상기 학습시키는 단계는, 상기 이미지에서 상기 제2 색깔에 가장 가깝게 표시된 복소수 상관 값이 출력된 위치를 상기 제1 프리앰블의 위치로 식별하도록 상기 뉴럴 네트워크를 학습시키는, 방법을 제공할 수 있다.The learning may provide a method of training the neural network to identify a position in the image where the complex correlation value displayed closest to the second color is output as the position of the first preamble.
상기 학습시키는 단계는, 상기 이미지에 표시된 상기 복소수 상관 값들의 색깔 및 상기 이미지에 표시된 상기 복소수 상관 값들로 이루어진 모양에 기초하여 상기 제1 프리앰블의 위치를 식별하도록 상기 뉴럴 네트워크를 학습시키는, 방법을 제공할 수 있다.In the learning, the neural network is trained to identify the location of the first preamble based on a color of the complex correlation values displayed on the image and a shape consisting of the complex correlation values displayed on the image. can do.
다른 측면에 따른 무선 통신 시스템은, 제1 프리앰블이 포함된 신호를 송신하는 송신부; 상기 송신부로부터 상기 신호를 수신하는 수신부; 상시 수신부에 포함되고, 제2 프리앰블이 저장된 상관기; 및 프로세서를 포함하고, 상기 프로세서는, 제1 시점에서, 상기 상관기로부터, 상기 수신 신호와 상기 제2 프리앰블 간의 복소수 상관 값들을 출력시키고, 상기 복소수 상관 값들을 복소평면에 표시한 이미지를 생성하고, 상기 이미지를 입력 데이터로 하여, 상기 제1 프리앰블의 위치를 식별하도록 뉴럴 네트워크를 학습시키고, 상기 학습된 뉴럴 네트워크에, 제2 시점에서 출력된 복소수 상관 값들로부터 생성된 이미지를 입력하여, 상기 제2 시점에서의 제1 프리앰블의 위치를 식별할 수 있다.A wireless communication system according to another aspect includes: a transmitter for transmitting a signal including a first preamble; A receiving unit for receiving the signal from the transmitting unit; A correlator included in the always receiving unit and storing a second preamble; And a processor, wherein the processor outputs complex correlation values between the received signal and the second preamble from the correlator at a first time point, and generates an image displaying the complex correlation values on a complex plane, Using the image as input data, a neural network is trained to identify the position of the first preamble, and an image generated from complex correlation values output at a second viewpoint is input to the learned neural network, and the second The position of the first preamble at the time point can be identified.
또 다른 측면에 따른 컴퓨터로 읽을 수 있는 기록매체는 일 측면에 따른 방법들을 컴퓨터에서 실행하기 위한 프로그램을 기록한 기록매체를 포함할 수 있다.A computer-readable recording medium according to another aspect may include a recording medium in which a program for executing methods according to one aspect on a computer is recorded.
본 발명에 따르면, 무선 통신 시스템에서 프레임 동기를 수행하는데 있어 미리 저장된 프리앰블과 수신 신호 간의 복소수 상관 값들을 복소평면에 표시한 이미지를 생성하고, 이미지를 뉴럴 네트워크의 입력 데이터로 하여 이미지에 표시된 복소수 상관 값들이 이루는 모양 등을 기초로 프레임 동기를 수행할 수 있다.According to the present invention, in performing frame synchronization in a wireless communication system, an image displaying complex correlation values between a preamble and a received signal stored in advance on a complex plane is generated, and the complex correlation displayed on the image is made using the image as input data of a neural network. Frame synchronization can be performed based on the shape of the values.
임계 값을 사용하지 않고 뉴럴 네트워크의 연산을 통해 이미지에 표시된 모양 등에 기초하여 프레임 동기를 수행하므로, 기존의 상관 값과 임계 값을 비교함으로써 발생하는 오류를 개선하고, 신뢰성 높은 무선 통신이 가능해진다.Since frame synchronization is performed based on a shape displayed on an image through an operation of a neural network without using a threshold value, errors generated by comparing an existing correlation value and a threshold value are improved, and highly reliable wireless communication becomes possible.
본 발명의 효과가 상술한 효과들로 제한되는 것은 아니며, 언급되지 아니한 효과들은 본 명세서 및 첨부된 도면으로부터 본 발명이 속하는 기술분야에서 통상의 지식을 가진 자에게 명확히 이해될 수 있을 것이다.The effects of the present invention are not limited to the above-described effects, and effects that are not mentioned will be clearly understood by those of ordinary skill in the art from the present specification and the accompanying drawings.
도 1은 일 실시예에 따른 무선 통신 시스템을 나타낸 블록도이다.
도 2는 일 실시예에 따른 상관기 및 수신 신호를 나타낸 도면이다.
도 3은 다른 실시예에 따른 무선 통신 시스템을 나타낸 블록도이다.
도 4는 일 실시예에 따른 복소수 상관 값들이 복소평면에 표시된 이미지이다.
도 5는 뉴럴 네트워크의 학습 과정 및 학습된 뉴럴 네트워크를 나타낸 블록도이다.
도 6은 복소수 상관 값을 출력하는 시간 단위를 설명하기 위한 도면이다.
도 7은 일 실시예에 따른 무선 통신 시스템의 프레임 동기 방법을 나타낸 흐름도이다.1 is a block diagram showing a wireless communication system according to an embodiment.
2 is a diagram illustrating a correlator and a received signal according to an embodiment.
3 is a block diagram showing a wireless communication system according to another embodiment.
4 is an image of complex correlation values displayed on a complex plane according to an exemplary embodiment.
5 is a block diagram showing a learning process of a neural network and a learned neural network.
6 is a diagram for describing a time unit for outputting a complex correlation value.
7 is a flowchart illustrating a frame synchronization method in a wireless communication system according to an embodiment.
본 명세서에서 다양한 곳에 등장하는 "일부 실시예에서" 또는 "일 실시예에서" 등의 어구는 반드시 모두 동일한 실시예를 가리키는 것은 아니다.Phrases such as "in some embodiments" or "in one embodiment" appearing in various places in this specification are not necessarily all referring to the same embodiment.
본 개시의 일부 실시예는 기능적인 블록 구성들 및 다양한 처리 단계들로 나타내어질 수 있다. 이러한 기능 블록들의 일부 또는 전부는, 특정 기능들을 실행하는 다양한 개수의 하드웨어 및/또는 소프트웨어 구성들로 구현될 수 있다. 예를 들어, 본 개시의 기능 블록들은 하나 이상의 마이크로프로세서들에 의해 구현되거나, 소정의 기능을 위한 회로 구성들에 의해 구현될 수 있다. 또한, 예를 들어, 본 개시의 기능 블록들은 다양한 프로그래밍 또는 스크립팅 언어로 구현될 수 있다. 기능 블록들은 하나 이상의 프로세서들에서 실행되는 알고리즘으로 구현될 수 있다. 또한, 본 개시는 전자적인 환경 설정, 신호 처리, 및/또는 데이터 처리 등을 위하여 종래 기술을 채용할 수 있다. “매커니즘”, “요소”, “수단” 및 “구성”등과 같은 용어는 넓게 사용될 수 있으며, 기계적이고 물리적인 구성들로서 한정되는 것은 아니다. 또한, 명세서에 기재된 "…부", "…모듈" 등의 용어는 적어도 하나의 기능이나 동작을 처리하는 단위를 의미하며, 이는 하드웨어 또는 소프트웨어로 구현되거나 하드웨어와 소프트웨어의 결합으로 구현될 수 있다.Some embodiments of the present disclosure may be represented by functional block configurations and various processing steps. Some or all of these functional blocks may be implemented with various numbers of hardware and/or software components that perform specific functions. For example, the functional blocks of the present disclosure may be implemented by one or more microprocessors, or may be implemented by circuit configurations for a predetermined function. In addition, for example, the functional blocks of the present disclosure may be implemented in various programming or scripting languages. Functional blocks may be implemented as an algorithm executed on one or more processors. In addition, the present disclosure may employ conventional techniques for electronic environment setting, signal processing, and/or data processing. Terms such as “mechanism”, “element”, “means” and “composition” can be used widely, and are not limited to mechanical and physical configurations. In addition, terms such as "... unit" and "... module" described in the specification mean a unit that processes at least one function or operation, which may be implemented as hardware or software, or a combination of hardware and software.
또한, 도면에 도시된 구성 요소들 간의 연결 선 또는 연결 부재들은 기능적인 연결 및/또는 물리적 또는 회로적 연결들을 예시적으로 나타낸 것일 뿐이다. 실제 장치에서는 대체 가능하거나 추가된 다양한 기능적인 연결, 물리적인 연결, 또는 회로 연결들에 의해 구성 요소들 간의 연결이 나타내어질 수 있다.Further, the connecting lines or connecting members between the components shown in the drawings are merely illustrative of functional connections and/or physical or circuit connections. In an actual device, connections between components may be represented by various functional connections, physical connections, or circuit connections that can be replaced or added.
또한, 본 명세서에서 사용되는 '제1' 또는 '제2' 등과 같이 서수를 포함하는 용어는 다양한 구성 요소들을 설명하는데 사용할 수 있지만, 상기 구성 요소들은 상기 용어들에 의해 한정되어서는 안된다. 상기 용어들은 하나의 구성 요소를 다른 구성 요소로부터 구별하는 목적으로만 사용된다. 예를 들어, 본 명세서에서 사용되는 제1 색깔과 같은 용어는 특정한 색깔을 의미하는 것으로 한정되어서는 안되고, 제2 색깔로부터 구별하는 목적으로 사용된다.In addition, terms including ordinal numbers such as'first' or'second' used in the present specification may be used to describe various elements, but the elements should not be limited by the terms. These terms are only used for the purpose of distinguishing one component from another component. For example, terms such as a first color used in the present specification should not be limited to meaning a specific color, but are used for the purpose of distinguishing from a second color.
이하에서는 도면을 참조하여 본 발명의 실시예들을 상세히 설명한다.Hereinafter, exemplary embodiments of the present invention will be described in detail with reference to the drawings.
도 1은 일 실시예에 따른 무선 통신 시스템을 나타낸 블록도이다.1 is a block diagram showing a wireless communication system according to an embodiment.
도 1을 참조하면, 무선 통신 시스템(100)은 송신부(110), 수신부(120), 수신부(120)에 포함되는 상관기(121) 및 프로세서(130)를 포함할 수 있다. 다만, 도 1에 도시된 무선 통신 시스템(100)에는 본 실시예들와 관련된 구성요소들만이 도시되어 있다. 따라서, 무선 통신 시스템(100)에는 도 1에 도시된 구성요소들 외에 다른 범용적인 구성요소들이 더 포함될 수 있음은 당업자에게 자명하다.Referring to FIG. 1, the
무선 통신 시스템(100) 상에서 송신부(110) 및 수신부(120)는 고정된 위치 없이 유동적이거나 또는 고정 위치를 가지면서 비유동적일 수 있는 장치일 수 있다.In the
송신부(110)는 고정국일 수 있다. 송신부(110)는 통제국, 액세스 노드, 기지국, 또는 다른 유사한 용어로 지칭될 수도 있다. 또한, 수신부(120)는 단말기, 이동국, 사용자 장비(UE), 무선 통신 장치, 또는 다른 유사한 용어로 불릴 수 있다. 송신부(110)는 무선 통신을 수행하기 위해 프리앰블 및 데이터열이 포함된 신호를 수신부(120)로 송신할 수 있다.The
수신부(120)는 송신부(110)와 무선 통신으로 통신할 수 있는 다양한 장치들로서, 예를 들어 이동 통신 장치, 컴퓨터, 차량 장치, 비디오 장치, 오디오 장치, 로봇 장치, GPS(Global Positioning System) 장치 등일 수 있으나, 이에 제한되지 않는다. 수신부(120)는 송신부(110)로부터 프리앰블 및 데이터열이 포함된 신호를 수신할 수 있다. 수신 신호는 수신부(120)에 포함된 상관기(121)에 입력될 수 있다.The
상관기(121)는 프리앰블이 저장된 장치로서, 송신부(110)로부터 수신한 수신 신호를 상관기(121)에 저장된 프리앰블과 상관(correlation)을 취함으로써 상관 값을 출력할 수 있다. 상관기(121)는 복소수로 표현되는 상관 값을 출력할 수 있다. 상관기(121) 및 프리앰블에 관한 구체적인 설명에 대해서는 도 2를 참조하여 후술하도록 한다.The
프로세서(130)는 무선 통신 시스템(100)을 구동하기 위한 전반적인 기능들을 제어하는 하드웨어이다. 일 실시예에서, 프로세서(130)는 송신부(110) 및 수신부(120) 외부에 존재하여 송신부(110) 및 수신부(120)의 동작을 제어할 수 있다. 다른 실시예에서, 프로세서(130)는 송신부(110) 및 수신부(120) 각각의 내부에 존재하여 각각의 동작을 제어할 수 있다.The
프로세서(130)는 다수의 논리 게이트들의 어레이로 구현될 수도 있고, 범용적인 마이크로 프로세서와 이 마이크로 프로세서에서 실행될 수 있는 프로그램이 저장된 메모리의 조합으로 구현될 수도 있다. 또한, 다른 형태의 하드웨어로 구현될 수도 있음을 본 실시예가 속하는 기술분야에서 통상의 지식을 가진 자라면 이해할 수 있다.The
무선 통신 시스템(100)은 OFDM(orthogonal frequency division multiplexing), 무선 주파수(RF), 적외선(IR), 주파수 분할 다중(FDM), 시분할 다중(TDM), 시분할 다중 접속(TDMA), 확장 TDMA(E-TDMA), 일반 패킷 무선 서비스(GPRS), 확장 GPRS, 코드 분할 다중 액세스(CDMA), 광대역 CDMA(WCDMA), CDMA 2000, 단일 반송파 CDMA, 다중 반송파 CDMA, 다중 반송파 변조(MDM), 이산 다중 톤(DMT), 블루투스, 위성 위치 확인 시스템(GPS), Wi-Fi, Wi-Max, ZigBeeTM, 초-광대역(UWB), 이동 통신용 글로벌 시스템(GSM), 2G, 2.5G, 3G, 3.5G, 4G, 5G(Fifth Generation) 이동 네트워크, 3GPP, LTE(long term evolution), LTE-A(LTE Advanced), EDGE(enhanced data rates for GSM evolution) 등의 통신 규격 및 통신 방식을 이용한 무선 통신 시스템(100)일 수 있다.The
도 2는 일 실시예에 따른 상관기 및 수신 신호를 나타낸 도면이다.2 is a diagram illustrating a correlator and a received signal according to an embodiment.
도 2의 상관기(121)는 도 1의 상관기(121)에 대응될 수 있다. 따라서, 중복되는 설명은 생략한다.The
상관기(121)에는 미리 설정된 비트열의 제2 프리앰블(211)이 저장될 수 있다. 프리앰블은 프레임 동기를 위하여 프레임의 맨 앞 영역에 삽입되는 비트열이다.The
송신부는 프레임 단위로 신호(220)를 송신할 수 있다. 송신부는 프레임의 맨 앞 영역에 제2 프리앰블(211)과 동일한 비트열을 갖는 제1 프리앰블(221)이 삽입된 신호(220)를 수신부로 송신할 수 있다. 수신부가 송신부로부터 수신한 수신 신호(220)는 하나의 프레임으로 구성될 수 있다. 수신 신호(220)는 제1 프리앰블(221) 및 데이터열(222)을 포함할 수 있다. 수신 신호(220)는 수신부에 포함되는 상관기(121)에 입력될 수 있다.The transmitter may transmit the
제2 프리앰블(211) 및 제1 프리앰블(221)은 동일한 비트열로 구성되어있으므로, 상관기(121) 내에서 제2 프리앰블(211)과 수신 신호(220) 간의 상관을 취하는 과정에서 제2 프리앰블(211)과 제1 프리앰블(221)의 위치가 서로 대응되는 때 수신 신호(220)에 대하여 상관 값이 가장 크게 출력될 수 있다. 즉, 수신 신호(220)의 데이터열(222)의 시작점(제1 프리앰블(221)의 끝점)(223)이 제2 프리앰블(211)의 끝점과 일치하는 경우 상관 값이 가장 크게 출력될 수 있다.Since the
상관 값이 가장 크게 출력되는 지점을 기준으로 수신 신호(220) 내의 제1 프리앰블(221)의 위치가 식별될 수 있다. 제1 프리앰블(221)의 위치가 식별됨은, 데이터열(222)의 시작점(제1 프리앰블(221)의 끝점)(223)이 식별됨을 의미할 수 있다. 무선 통신 시스템은 제1 프리앰블(221)의 위치를 식별함으로써 프레임 동기를 수행할 수 있다.The position of the
도 3은 다른 실시예에 따른 무선 통신 시스템을 나타낸 블록도이다.3 is a block diagram showing a wireless communication system according to another embodiment.
도 3을 참조하면, 무선 통신 시스템(100)은 송신부(110), 수신부(120), 프로세서(130) 및 뉴럴 네트워크(140)를 포함할 수 있다. 송신부(110)는 통신부(112) 및 메모리(113)를 포함할 수 있다. 수신부(120)는 상관기(121), 통신부(122) 및 메모리(123)를 포함할 수 있다. 도 3의 송신부(110), 수신부(120), 상관기(121) 및 프로세서(130)는 도 1 및 2의 송신부(110), 수신부(120), 상관기(121) 및 프로세서(130)에 대응될 수 있다. 따라서, 중복되는 설명은 생략한다.Referring to FIG. 3, the
다만, 도 3에 도시된 무선 통신 시스템(100)에는 본 실시예들와 관련된 구성요소들만이 도시되어 있다. 따라서, 무선 통신 시스템(100)에는 도 3에 도시된 구성요소들 외에 다른 범용적인 구성요소들이 더 포함될 수 있음은 당업자에게 자명하다.However, in the
통신부(112, 122)는 수신부(120)와 송신부(110) 간의 통신을 수행하기 위한 하드웨어일 수 있다. 통신부를 통하여 송신부(110) 및 수신부(120) 간에 신호가 송수신될 수 있다.The
통신부(112, 122)는 통신 안테나를 포함하고, 이 통신 안테나는 수신부(120)와 송신부(110) 간에 사용되는 통신 프로토콜에 대응하는 적절한 유형의 안테나일 수 있다. 예를 들어, 적절한 통신 안테나는 Wi-Fi 안테나, IEEE 802.11 표준 패밀리 호환 안테나, 지향성(directional) 안테나, 무지향성(non-directional) 안테나, 다이폴(dipole) 안테나, 접힌(folded) 다이폴 안테나, 패치 안테나, 다중-입력 다중-출력(MIMO) 안테나 등을 포함할 수 있으나, 이에 제한되지 않는다. 통신부(112, 122)는 통신 안테나를 통해 무선 컴포넌트에 통신 가능하게 연결되어, 수신부(120)로부터의 통신 신호와 같은 신호를 송신 및 수신할 수 있다.The
통신부(112, 122)는 Wifi(wireless fidelity), BT(Bluetooth), NFC(near field communication), GPS(global positioning system), OFDM, OFDMA(orthogonal frequency division multiple access), LTE, LTE-A, CDMA(code division multiple access), WCDMA(wideband code division multiple access), UMTS(universal mobile telecommunications system), WiBro 또는 GSM(global system for mobile communications)과 같은 통신 규격 및 통신 방식 중 적어도 하나를 지원하는 하드웨어 구성을 포함할 수 있다.The
메모리(113, 123)는 프로세서(130) 또는 다른 구성 요소들(예를 들어, 통신부(112, 122))로부터 수신되거나 프로세서(130) 또는 다른 구성 요소들에 의해 생성된 명령 또는 데이터를 저장할 수 있다. 메모리(113, 123)는 프로세서(130)에 의해 구동될 애플리케이션들, 드라이버들 등을 저장할 수 있다. 메모리(113, 123)는 DRAM(dynamic random access memory), SRAM(static random access memory) 등과 같은 RAM(random access memory), ROM(read-only memory), EEPROM(electrically erasable programmable read-only memory) 또는 플래시 메모리를 포함할 수 있다.The
뉴럴 네트워크(140)는 딥 뉴럴 네트워크 (Deep Neural Network, DNN) 또는 n-계층 뉴럴 네트워크(n-layers neural networks)의 아키텍처일 수 있다. DNN 또는 n-계층 뉴럴 네트워크는 컨볼루션 뉴럴 네트워크 (Convolutional Neural Networks, CNN), 리커런트 뉴럴 네트워크 (Recurrent Neural Networks, RNN), Deep Belief Networks, Restricted Boltzman Machines 등에 해당될 수 있다.The
프로세서(130)는 수신부(120)를 구동하기 위한 전반적인 기능들을 제어하는 하드웨어이다. 예를 들어, 프로세서(130)는 메모리(113, 123)에 저장된 프로그램들을 실행함으로써, 수신부(120)를 전반적으로 제어할 수 있다. 프로세서(130)는 CPU(central processing unit), AP(application processor) 등으로 구현될 수 있으나, 이에 제한되지 않는다.The
프로세서(130)는 사용자로부터 입력된 명령 또는 데이터를 메모리(113, 123), 또는 통신부(112, 122)에 전달할 수 있다. 또한, 프로세서(130)는 메모리(113, 123) 또는 통신부(112, 122)로부터 수신된 명령 또는 데이터를 출력 장치(예를 들어, 스피커 또는 디스플레이)를 통하여 출력할 수 있다.The
프로세서(130)는 상관기(121)로부터, 상관기(121)에 저장된 제2 프리앰블과 수신 신호 간의 상관 값들을 출력시킬 수 있다. 상관기(121)로부터 출력되는 상관 값들은 복소수로 표현된다. 프로세서(130)는 상관기(121)로부터 출력된 복소수 상관 값들을 복소평면에 표시한 이미지를 생성할 수 있다. 이미지에 관해서는 도 4를 참조하여 후술하도록 한다.The
프로세서(130)는 이미지를 입력 데이터로 하여, 뉴럴 네트워크(140)를 학습시킬 수 있다. 프로세서(130)는 이미지를 기초로 하여 제1 프리앰블의 위치를 식별하도록 뉴럴 네트워크(140)를 학습시킬 수 있다. 프로세서(130)는 입력 데이터로서 이미지뿐만 아니라 뉴럴 네트워크(140)가 출력해야할 결과인 제1 프리앰블의 위치가 포함된 데이터를 함께 사용함으로써 뉴럴 네트워크(140)를 학습시킬 수 있다.The
뉴럴 네트워크(140)의 학습이 완료된 후, 프로세서(130)는 학습된 뉴럴 네트워크(140)에 또 다른 이미지를 입력하여 학습된 뉴럴 네트워크(140)로부터 제1 프리앰블의 위치를 출력시킬 수 있다. 프로세서(130)는 학습된 뉴럴 네트워크(140)의 출력 결과를 입력 받아 제1 프리앰블의 위치를 식별할 수 있다. 뉴럴 네트워크(140)의 학습 및 결과 출력에 대해서는 도 5를 참조하여 후술하도록 한다.After learning of the
무선 통신 시스템(100)은 이미지에 표시된 복소수 상관 값들로 이루어진 모양 등에 기초하여 제1 프리앰블의 위치를 식별함으로써 프레임 동기를 수행할 수 있다. 무선 통신 시스템(100)에서는 프레임 동기를 수행하기 위해 복소수로 표현된 상관 값들 그대로가 사용되고 임계 값이 사용되지 않으므로, 복소수 상관 값들에 대해 크기를 계산하는 과정이 생략될 수 있다.The
도 4는 일 실시예에 따른 복소수 상관 값들이 복소평면에 표시된 이미지이다.4 is an image of complex correlation values displayed on a complex plane according to an exemplary embodiment.
프로세서는 상관기로부터 출력된 복소수 상관 값들을 복소평면에 표시한 이미지를 생성할 수 있다. 복소평면은 실수축(가로축)과 허수축(세로축)으로 이루어진다. 상관기로부터 출력된 상관 값들은 복소수로 표현되므로, 복소평면 위의 점들로 표시될 수 있고, 상관 값들은 연속적으로 출력되므로 복소평면 위에서 연결된 선으로 보일 수 있다. 상관기로부터 출력되는 복수 개의 복소수 상관 값들이 복소평면에 표시되면 도 4에 따른 이미지에서와 같이 복소평면 위에 어떠한 모양을 형성하게 된다.The processor may generate an image in which complex correlation values output from the correlator are displayed on the complex plane. The complex plane consists of a real axis (horizontal axis) and an imaginary axis (vertical axis). Since the correlation values output from the correlator are expressed as complex numbers, they can be displayed as points on the complex plane, and since the correlation values are continuously output, they can be viewed as connected lines on the complex plane. When a plurality of complex correlation values output from the correlator are displayed on the complex plane, a shape is formed on the complex plane as in the image according to FIG. 4.
프로세서는 이미지에 표시된 복소수 상관 값들로 이루어진 모양에 기초하여 제1 프리앰블의 위치를 식별하도록 뉴럴 네트워크를 학습시킬 수 있다.The processor may train the neural network to identify the location of the first preamble based on a shape made of complex correlation values displayed in the image.
일 실시예에서, 프로세서는, 하나의 시간 단위(410) 내에서 하나의 피크(420)만이 발생하고, 해당 피크(420)가 이미지 상에서 원점으로부터 가장 멀리 떨어진 점인 경우 피크(420)에 표시된 복소수 상관 값이 출력된 위치를 기준으로 제1 프리앰블의 위치를 식별하도록 뉴럴 네트워크를 학습시킬 수 있다. 복소수 상관 값을 출력하는 시간 단위(410)에 관해서는 도 6을 참조하여 후술하도록 한다.In one embodiment, the processor, when only one
다른 실시예에서, 프로세서는, 복소평면의 원점으로부터 가장 멀리 위치한 복소수 상관 값(420)이 출력된 위치를 기준으로 제1 프리앰블의 위치로 식별하도록 뉴럴 네트워크를 학습시킬 수 있다.In another embodiment, the processor may train the neural network to identify the position of the first preamble based on the position at which the
프로세서는 이미지를 생성하는데 있어, 복소평면에 복소수 상관 값들의 색깔을 상이하게 표시할 수 있다. 프로세서는 복소수 상관 값들이 복소평면의 원점에 가까이 위치할수록 복소수 상관 값들을 제1 색깔에 가까이 표시할 수 있다. 프로세서는 복소수 상관 값들이 복소평면의 원점에서 멀리 위치할수록 복소수 상관 값들을 제2 색깔에 가까이 표시할 수 있다.In generating an image, the processor may display different colors of complex correlation values on the complex plane. The processor may display the complex correlation values closer to the first color as the complex correlation values are located closer to the origin of the complex plane. The processor may display the complex correlation values closer to the second color as the complex correlation values are located farther from the origin of the complex plane.
일 실시예에서, 프로세서는 제2 색깔에 가장 가깝게 표시된 복소수 상관 값이 출력된 위치를 상기 제1 프리앰블의 위치로 식별하도록 뉴럴 네트워크를 학습시킬 수 있다. 예를 들어, 제1 색깔이 흰색이고 제2 색깔이 파란색인 경우, 프로세서는 파란색에 가장 가깝게 표시된 복소 상관 값이 출력된 위치를 기준으로 제1 프리앰블의 위치를 식별하도록 뉴럴 네트워크를 학습시킬 수 있다.In an embodiment, the processor may train the neural network to identify a position at which the complex correlation value displayed closest to the second color is output as the position of the first preamble. For example, when the first color is white and the second color is blue, the processor may train the neural network to identify the position of the first preamble based on the position at which the complex correlation value displayed closest to blue is output. .
다른 실시예에서, 프로세서는 제1 프리앰블 위치 식별의 정확도를 높이기 위해, 이미지 상의 복소수 상관 값들로 이루어진 모양 및 복소수 상관 값들의 색깔 모두에 기초하여 제1 프리앰블의 위치를 식별하도록 뉴럴 네트워크를 학습시킬 수 있다.In another embodiment, the processor may train the neural network to identify the position of the first preamble based on both the shape of the complex correlation values on the image and the color of the complex correlation values in order to increase the accuracy of identifying the first preamble position. have.
도 5는 뉴럴 네트워크의 학습 과정 및 학습된 뉴럴 네트워크를 나타낸 블록도이다.5 is a block diagram showing a learning process of a neural network and a learned neural network.
무선 통신 시스템은 제1 시점(510) 및 제2 시점(520)으로 나뉘어서 동작할 수 있다. 제1 시점(510)은 뉴럴 네트워크(140)를 학습시키기 위한 복소수 상관 값들이 출력되는 시점을 의미한다. 제1 시점(510)에서 출력된 복소수 상관 값들로부터 생성된 이미지(511)는 뉴럴 네트워크(140)를 학습시키는 데에 사용될 수 있다.The wireless communication system may operate by being divided into a first viewpoint 510 and a second viewpoint 520. The first viewpoint 510 denotes a point in time at which complex correlation values for training the
제2 시점(520)은 뉴럴 네트워크(140)가 학습된 이후, 제1 프리앰블의 위치를 식별하기 위해 학습된 뉴럴 네트워크(141)에 입력되는 복소수 상관 값들이 출력되는 시점으로서, 제1 시점(510)과 구별하기 위해 정의된 시점이다.The second time point 520 is a time point at which complex correlation values input to the learned
프로세서는 제1 시점(510)에서 학습 데이터를 입력 데이터로 하여 뉴럴 네트워크(140)를 학습시키고, 제2 시점(520)에서 학습된 뉴럴 네트워크(141)에 이미지(521)를 입력하여 뉴럴 네트워크(140)로부터 제1 프리앰블의 위치에 대한 결과를 출력시킬 수 있다.The processor trains the
제1 시점(510)에서 뉴럴 네트워크(140)를 학습시키기 위해 뉴럴 네트워크(140)에 입력되는 학습 데이터로는 이미지(511)와 이미지(511)에 대응되는 결과(제1 프리앰블의 위치에 대한 정보)가 포함될 수 있다. 프로세서는 제1 시점(510)에서, 다양한 경우에 대한 복수의 학습 데이터들을 뉴럴 네트워크(140)에 입력함으로써 제1 프리앰블의 위치를 식별할 수 있도록 뉴럴 네트워크(140)를 학습시킬 수 있다.As training data input to the
프로세서는 제2 시점(520)에서 결과가 포함되지 않은 이미지(521)만을 학습된 뉴럴 네트워크(141)에 입력할 수 있다. 학습된 뉴럴 네트워크(141)는 이미지(521)를 입력 받아 학습된 연산에 기초하여 이미지(521)에 대응하는 결과를 출력할 수 있다. 프로세서는 학습된 뉴럴 네트워크(141)로부터 출력된 결과에 기초하여 이미지(521)에 대응되는 수신 신호의 제1 프리앰블의 위치를 식별할 수 있다.The processor may input only the
도 6은 복소수 상관 값을 출력하는 시간 단위(610)를 설명하기 위한 도면이다.6 is a diagram for describing a
프로세서는 상관기로부터 출력되는 복소수 상관 값들을 기 설정된 시간 단위(610)로 연속하여 출력할 수 있다. 시간 단위(610)는 윈도우 크기(window size) 또는 다른 유사한 용어로 지칭될 수도 있다.The processor may continuously output complex correlation values output from the correlator in a
프로세서는 수신 신호에 대해 각 시간 단위(610)마다 연속하여 복소수 상관 값을 출력하고, 각 시간 단위(610)마다 출력된 복소수 상관 값들을 하나의 복소평면에 모두 표시한 이미지를 생성할 수 있다. 기 설정된 시간 단위(610)의 길이는 수신 신호의 길이, 생성되는 이미지의 크기 및 무선 통신 시스템의 성능 등을 고려하여 설정될 수 있다.The processor may continuously output a complex correlation value for each
프로세서는 시간 영역에서 서로 가장 근접한 어느 두 시간 단위(610)에 대응되는 복소수 상관 값들이 서로 일정 시간(620)씩 오버랩되도록 출력할 수 있다. 프로세서는 일정 시간(620)씩 오버랩되도록 복소수 상관 값들을 출렴함으로써, 각 시간 단위(610)의 경계마다 발생할 수 있는 불연속으로 인한 결과 출력의 오류를 개선할 수 있다.The processor may output complex correlation values corresponding to any two
예를 들어, 어느 두 시간 단위(610)의 경계에서 피크가 발생하는 경우, 제1 프리앰블의 위치가 정확히 식별되지 않을 수 있다. 이러한 경우, 복소수 상관 값들이 일정 시간(620)씩 오버랩되며 출력된다면 각 시간 단위(610) 간의 불연속적인 경계가 배제될 수 있고, 제1 프리앰블의 위치가 정확히 식별될 수 있다.For example, when a peak occurs at the boundary between any two
오버랩되는 일정 시간(620)의 길이는 복소수 상관 값들을 출력하는 시간 단위(610)보다 작게 설정될 수 있다. 또한, 오버랩되는 일정 시간(620)의 길이는 수신 신호의 길이, 생성되는 이미지의 크기 및 무선 통신 시스템의 성능 등을 고려하여 설정될 수 있다.The length of the overlapping
도 7은 일 실시예에 따른 무선 통신 시스템의 프레임 동기 방법을 나타낸 흐름도이다.7 is a flowchart illustrating a frame synchronization method in a wireless communication system according to an embodiment.
단계 710에서, 무선 통신 시스템은 제1 시점에서, 상관기에 저장된 제2 프리앰블과, 제1 프리앰블이 포함된 수신 신호 간의 복소수 상관 값들을 출력할 수 있다.In
제1 시점은 뉴럴 네트워크를 학습시키기 위한 복소수 상관 값들이 출력되는 시점을 의미한다.The first point of view refers to a point of time at which complex correlation values for training a neural network are output.
무선 통신 시스템은 복소수 상관 값들을 기 설정된 시간 단위로 연속하여 출력할 수 있다.The wireless communication system may continuously output complex correlation values in a preset time unit.
무선 통신 시스템은 시간 영역에서 서로 가장 근접한 어느 두 시간 단위에 대응되는 복소수 상관 값들이 서로 일정 시간씩 오버랩되도록 출력할 수 있다. 오버랩되는 일정 시간의 길이는 기 설정된 시간 단위보다 작게 설정될 수 있다.The wireless communication system may output such that complex correlation values corresponding to two time units closest to each other in the time domain overlap each other for a predetermined time. The length of the overlapping predetermined time may be set smaller than a preset time unit.
단계 720에서, 무선 통신 시스템은 복소수 상관 값들을 복소평면에 표시한 이미지를 생성할 수 있다.In
무선 통신 시스템은 각 시간 단위로 연속하여 출력된 복소수 상관 값들을 하나의 복소평면에 모두 표시한 이미지를 생성할 수 있다.The wireless communication system may generate an image in which complex correlation values successively outputted in each time unit are displayed on one complex plane.
무선 통신 시스템은 이미지에 표시된 복소수 상관 값들이 복소평면의 원점에 가까이 위치할수록 복소수 상관 값들을 제1 색깔에 가까이 표시하고, 이미지에 표시된 복소수 상관 값들이 복소평면의 원점에서 멀리 위치할수록 복소수 상관 값들을 제2 색깔에 가까이 표시할 수 있다.The wireless communication system displays the complex correlation values closer to the first color as the complex correlation values displayed in the image are located closer to the origin of the complex plane, and the complex correlation values displayed in the image are located farther from the origin of the complex plane. It can be displayed close to the second color.
단계 730에서, 무선 통신 시스템은 이미지를 입력 데이터로 하여, 제1 프리앰블의 위치를 식별하도록 뉴럴 네트워크를 학습시킬 수 있다.In
무선 통신 시스템은 이미지에 표시된 복소수 상관 값들로 이루어진 모양에 기초하여 제1 프리앰블의 위치를 식별하도록 뉴럴 네트워크를 학습시킬 수 있다.The wireless communication system may train the neural network to identify the location of the first preamble based on a shape made of complex correlation values displayed in the image.
일 실시예에서, 무선 통신 시스템은 생성된 이미지에서, 복소평면의 원점으로부터 가장 멀리 위치한 복소수 상관 값이 출력된 위치를 제1 프리앰블의 위치로 식별하도록 뉴럴 네트워크를 학습시킬 수 있다.In an embodiment, the wireless communication system may train the neural network to identify a position in which the complex correlation value located furthest from the origin of the complex plane in the generated image is output as the position of the first preamble.
다른 실시예에서, 무선 통신 시스템은 이미지에서 제2 색깔에 가장 가깝게 표시된 복소수 상관 값이 출력된 위치를 제1 프리앰블의 위치로 식별하도록 뉴럴 네트워크를 학습시킬 수 있다.In another embodiment, the wireless communication system may train the neural network to identify a position in the image where the complex correlation value displayed closest to the second color is output as the position of the first preamble.
또 다른 실시예에서, 무선 통신 시스템은 이미지에 표시된 복소수 상관 값들의 색깔 및 이미지에 표시된 복소수 상관 값들로 이루어진 모양에 기초하여 제1 프리앰블의 위치를 식별하도록 뉴럴 네트워크를 학습시킬 수 있다.In another embodiment, the wireless communication system may train the neural network to identify the location of the first preamble based on the color of the complex correlation values displayed on the image and the shape of the complex correlation values displayed on the image.
단계 740에서, 무선 통신 시스템은 학습된 뉴럴 네트워크에, 제2 시점에서 출력된 복소수 상관 값들로부터 생성된 이미지를 입력하여, 제2 시점에서의 제1 프리앰블의 위치를 식별할 수 있다.In
제2 시점은 뉴럴 네트워크가 학습된 이후, 제1 프리앰블의 위치를 식별하기 위해 학습된 뉴럴 네트워크에 입력되는 복소수 상관 값들이 출력되는 시점을 의미한다.The second point of view refers to a point of time at which complex correlation values input to the learned neural network are output to identify the position of the first preamble after the neural network is trained.
본 실시예들은 전자 디바이스에 의해 실행 가능한 명령어 및 데이터를 저장하는 전자 디바이스로 읽을 수 있는 기록매체에 저장된 어플리케이션의 형태로 구현될 수 있다. 상기 명령어는 프로그램 코드의 형태로 저장될 수 있으며, 프로세서에 의해 실행되었을 때, 소정의 프로그램 모듈을 생성하여 소정의 동작을 수행할 수 있다. 또한, 상기 명령어는 프로세서에 의해 실행되었을 때, 개시된 실시예들의 소정의 동작들을 수행할 수 있다.The present embodiments may be implemented in the form of an application stored in a recording medium that can be read by an electronic device that stores commands and data executable by the electronic device. The instruction may be stored in the form of a program code, and when executed by a processor, a predetermined program module may be generated to perform a predetermined operation. In addition, when the command is executed by a processor, certain operations of the disclosed embodiments may be performed.
본 실시예들은 컴퓨터에 의해 실행되는 프로그램 모듈과 같은 컴퓨터에 의해 실행 가능한 명령어를 포함하는 기록 매체의 형태로도 구현될 수 있다. 컴퓨터 판독 가능 매체는 컴퓨터에 의해 액세스될 수 있는 임의의 가용 매체일 수 있고, 휘발성 및 비휘발성 매체, 분리형 및 비분리형 매체를 모두 포함한다. 또한, 컴퓨터 판독가능 매체는 컴퓨터 저장 매체 및 통신 매체를 모두 포함할 수 있다. 컴퓨터 저장 매체는 컴퓨터 판독가능 명령어, 데이터 구조, 프로그램 모듈 또는 기타 데이터와 같은 정보의 저장을 위한 임의의 방법 또는 기술로 구현된 휘발성 및 비휘발성, 분리형 및 비분리형 매체를 모두 포함한다. 통신 매체는 전형적으로 컴퓨터 판독가능 명령어, 데이터 구조, 프로그램 모듈과 같은 변조된 데이터 신호의 기타 데이터, 또는 기타 전송 메커니즘을 포함하며, 임의의 정보 전달 매체를 포함한다.The present embodiments may also be implemented in the form of a recording medium including instructions executable by a computer, such as a program module executed by a computer. Computer-readable media can be any available media that can be accessed by a computer, and includes both volatile and nonvolatile media, removable and non-removable media. Further, the computer-readable medium may include both computer storage media and communication media. Computer storage media includes both volatile and nonvolatile, removable and non-removable media implemented in any method or technology for storage of information such as computer readable instructions, data structures, program modules or other data. Communication media typically includes computer readable instructions, data structures, other data in a modulated data signal such as program modules, or other transmission mechanisms, and includes any information delivery media.
본 명세서에서, "부"는 프로세서 또는 회로와 같은 하드웨어 구성(hardware component), 및/또는 프로세서와 같은 하드웨어 구성에 의해 실행되는 소프트웨어 구성(software component)일 수 있다.In this specification, the "unit" may be a hardware component such as a processor or a circuit, and/or a software component executed by a hardware configuration such as a processor.
전술한 본 명세서의 설명은 예시를 위한 것이며, 본 명세서의 내용이 속하는 기술분야의 통상의 지식을 가진 자는 본 발명의 기술적 사상이나 필수적인 특징을 변경하지 않고서 다른 구체적인 형태로 쉽게 변형이 가능하다는 것을 이해할 수 있을 것이다. 그러므로 이상에서 기술한 실시예들은 모든 면에서 예시적인 것이며 한정적이 아닌 것으로 이해해야만 한다. 예를 들어, 단일형으로 설명되어 있는 각 구성 요소는 분산되어 실시될 수도 있으며, 마찬가지로 분산된 것으로 설명되어 있는 구성 요소들도 결합된 형태로 실시될 수 있다.The foregoing description of the present specification is for illustrative purposes only, and those of ordinary skill in the technical field to which the content of the present specification belongs will understand that it is possible to easily transform it into other specific forms without changing the technical spirit or essential features of the present invention. I will be able to. Therefore, it should be understood that the embodiments described above are illustrative in all respects and are not limiting. For example, each component described as a single type may be implemented in a distributed manner, and similarly, components described as being distributed may also be implemented in a combined form.
본 명세서에서 다양한 곳에 등장하는 "일부 실시예에서" 또는 "일 실시예에서" 등의 어구는 반드시 모두 동일한 실시예를 가리키는 것은 아니다.Phrases such as "in some embodiments" or "in one embodiment" appearing in various places in this specification are not necessarily all referring to the same embodiment.
본 개시의 일부 실시예는 기능적인 블록 구성들 및 다양한 처리 단계들로 나타내어질 수 있다. 이러한 기능 블록들의 일부 또는 전부는, 특정 기능들을 실행하는 다양한 개수의 하드웨어 및/또는 소프트웨어 구성들로 구현될 수 있다. 예를 들어, 본 개시의 기능 블록들은 하나 이상의 마이크로프로세서들에 의해 구현되거나, 소정의 기능을 위한 회로 구성들에 의해 구현될 수 있다. 또한, 예를 들어, 본 개시의 기능 블록들은 다양한 프로그래밍 또는 스크립팅 언어로 구현될 수 있다. 기능 블록들은 하나 이상의 프로세서들에서 실행되는 알고리즘으로 구현될 수 있다. 또한, 본 개시는 전자적인 환경 설정, 신호 처리, 및/또는 데이터 처리 등을 위하여 종래 기술을 채용할 수 있다. “매커니즘”, “요소”, “수단” 및 “구성”등과 같은 용어는 넓게 사용될 수 있으며, 기계적이고 물리적인 구성들로서 한정되는 것은 아니다. 또한, 명세서에 기재된 "??부", "??모듈" 등의 용어는 적어도 하나의 기능이나 동작을 처리하는 단위를 의미하며, 이는 하드웨어 또는 소프트웨어로 구현되거나 하드웨어와 소프트웨어의 결합으로 구현될 수 있다.Some embodiments of the present disclosure may be represented by functional block configurations and various processing steps. Some or all of these functional blocks may be implemented with various numbers of hardware and/or software components that perform specific functions. For example, the functional blocks of the present disclosure may be implemented by one or more microprocessors, or may be implemented by circuit configurations for a predetermined function. In addition, for example, the functional blocks of the present disclosure may be implemented in various programming or scripting languages. Functional blocks may be implemented as an algorithm executed on one or more processors. In addition, the present disclosure may employ conventional techniques for electronic environment setting, signal processing, and/or data processing. Terms such as “mechanism”, “element”, “means” and “composition” can be used widely, and are not limited to mechanical and physical configurations. In addition, terms such as "?? unit" and "?? module" described in the specification mean a unit that processes at least one function or operation, which may be implemented as hardware or software, or as a combination of hardware and software. have.
또한, 도면에 도시된 구성 요소들 간의 연결 선 또는 연결 부재들은 기능적인 연결 및/또는 물리적 또는 회로적 연결들을 예시적으로 나타낸 것일 뿐이다. 실제 장치에서는 대체 가능하거나 추가된 다양한 기능적인 연결, 물리적인 연결, 또는 회로 연결들에 의해 구성 요소들 간의 연결이 나타내어질 수 있다.Further, the connecting lines or connecting members between the components shown in the drawings are merely illustrative of functional connections and/or physical or circuit connections. In an actual device, connections between components may be represented by various functional connections, physical connections, or circuit connections that can be replaced or added.
또한, 본 명세서에서 사용되는 '제1' 또는 '제2' 등과 같이 서수를 포함하는 용어는 다양한 구성 요소들을 설명하는데 사용할 수 있지만, 상기 구성 요소들은 상기 용어들에 의해 한정되어서는 안된다. 상기 용어들은 하나의 구성 요소를 다른 구성 요소로부터 구별하는 목적으로만 사용된다. 예를 들어, 본 명세서에서 사용되는 제1 색깔과 같은 용어는 특정한 색깔을 의미하는 것으로 한정되어서는 안되고, 제2 색깔로부터 구별하는 목적으로 사용된다.In addition, terms including ordinal numbers such as'first' or'second' used in the present specification may be used to describe various elements, but the elements should not be limited by the terms. These terms are only used for the purpose of distinguishing one component from another component. For example, terms such as a first color used in the present specification should not be limited to meaning a specific color, but are used for the purpose of distinguishing from a second color.
이하에서는 도면을 참조하여 본 발명의 실시예들을 상세히 설명한다.Hereinafter, exemplary embodiments of the present invention will be described in detail with reference to the drawings.
도 1은 일 실시예에 따른 무선 통신 시스템을 나타낸 블록도이다.1 is a block diagram showing a wireless communication system according to an embodiment.
도 1을 참조하면, 무선 통신 시스템(100)은 송신부(110), 수신부(120), 수신부(120)에 포함되는 상관기(121) 및 프로세서(130)를 포함할 수 있다. 다만, 도 1에 도시된 무선 통신 시스템(100)에는 본 실시예들와 관련된 구성요소들만이 도시되어 있다. 따라서, 무선 통신 시스템(100)에는 도 1에 도시된 구성요소들 외에 다른 범용적인 구성요소들이 더 포함될 수 있음은 당업자에게 자명하다.Referring to FIG. 1, the
무선 통신 시스템(100) 상에서 송신부(110) 및 수신부(120)는 고정된 위치 없이 유동적이거나 또는 고정 위치를 가지면서 비유동적일 수 있는 장치일 수 있다.In the
송신부(110)는 고정국일 수 있다. 송신부(110)는 통제국, 액세스 노드, 기지국, 또는 다른 유사한 용어로 지칭될 수도 있다. 또한, 수신부(120)는 단말기, 이동국, 사용자 장비(UE), 무선 통신 장치, 또는 다른 유사한 용어로 불릴 수 있다. 송신부(110)는 무선 통신을 수행하기 위해 프리앰블 및 데이터열이 포함된 신호를 수신부(120)로 송신할 수 있다.The
수신부(120)는 송신부(110)와 무선 통신으로 통신할 수 있는 다양한 장치들로서, 예를 들어 이동 통신 장치, 컴퓨터, 차량 장치, 비디오 장치, 오디오 장치, 로봇 장치, GPS(Global Positioning System) 장치 등일 수 있으나, 이에 제한되지 않는다. 수신부(120)는 송신부(110)로부터 프리앰블 및 데이터열이 포함된 신호를 수신할 수 있다. 수신 신호는 수신부(120)에 포함된 상관기(121)에 입력될 수 있다.The
상관기(121)는 프리앰블이 저장된 장치로서, 송신부(110)로부터 수신한 수신 신호를 상관기(121)에 저장된 프리앰블과 상관(correlation)을 취함으로써 상관 값을 출력할 수 있다. 상관기(121)는 복소수로 표현되는 상관 값을 출력할 수 있다. 상관기(121) 및 프리앰블에 관한 구체적인 설명에 대해서는 도 2를 참조하여 후술하도록 한다.The
프로세서(130)는 무선 통신 시스템(100)을 구동하기 위한 전반적인 기능들을 제어하는 하드웨어이다. 일 실시예에서, 프로세서(130)는 송신부(110) 및 수신부(120) 외부에 존재하여 송신부(110) 및 수신부(120)의 동작을 제어할 수 있다. 다른 실시예에서, 프로세서(130)는 송신부(110) 및 수신부(120) 각각의 내부에 존재하여 각각의 동작을 제어할 수 있다.The
프로세서(130)는 다수의 논리 게이트들의 어레이로 구현될 수도 있고, 범용적인 마이크로 프로세서와 이 마이크로 프로세서에서 실행될 수 있는 프로그램이 저장된 메모리의 조합으로 구현될 수도 있다. 또한, 다른 형태의 하드웨어로 구현될 수도 있음을 본 실시예가 속하는 기술분야에서 통상의 지식을 가진 자라면 이해할 수 있다.The
무선 통신 시스템(100)은 OFDM(orthogonal frequency division multiplexing), 무선 주파수(RF), 적외선(IR), 주파수 분할 다중(FDM), 시분할 다중(TDM), 시분할 다중 접속(TDMA), 확장 TDMA(E-TDMA), 일반 패킷 무선 서비스(GPRS), 확장 GPRS, 코드 분할 다중 액세스(CDMA), 광대역 CDMA(WCDMA), CDMA 2000, 단일 반송파 CDMA, 다중 반송파 CDMA, 다중 반송파 변조(MDM), 이산 다중 톤(DMT), 블루투스, 위성 위치 확인 시스템(GPS), Wi-Fi, Wi-Max, ZigBeeTM, 초-광대역(UWB), 이동 통신용 글로벌 시스템(GSM), 2G, 2.5G, 3G, 3.5G, 4G, 5G(Fifth Generation) 이동 네트워크, 3GPP, LTE(long term evolution), LTE-A(LTE Advanced), EDGE(enhanced data rates for GSM evolution) 등의 통신 규격 및 통신 방식을 이용한 무선 통신 시스템(100)일 수 있다.The
도 2는 일 실시예에 따른 상관기 및 수신 신호를 나타낸 도면이다.2 is a diagram illustrating a correlator and a received signal according to an embodiment.
도 2의 상관기(121)는 도 1의 상관기(121)에 대응될 수 있다. 따라서, 중복되는 설명은 생략한다.The
상관기(121)에는 미리 설정된 비트열의 제2 프리앰블(211)이 저장될 수 있다. 프리앰블은 프레임 동기를 위하여 프레임의 맨 앞 영역에 삽입되는 비트열이다.The
송신부는 프레임 단위로 신호(220)를 송신할 수 있다. 송신부는 프레임의 맨 앞 영역에 제2 프리앰블(211)과 동일한 비트열을 갖는 제1 프리앰블(221)이 삽입된 신호(220)를 수신부로 송신할 수 있다. 수신부가 송신부로부터 수신한 수신 신호(220)는 하나의 프레임으로 구성될 수 있다. 수신 신호(220)는 제1 프리앰블(221) 및 데이터열(222)을 포함할 수 있다. 수신 신호(220)는 수신부에 포함되는 상관기(121)에 입력될 수 있다.The transmitter may transmit the
제2 프리앰블(211) 및 제1 프리앰블(221)은 동일한 비트열로 구성되어있으므로, 상관기(121) 내에서 제2 프리앰블(211)과 수신 신호(220) 간의 상관을 취하는 과정에서 제2 프리앰블(211)과 제1 프리앰블(221)의 위치가 서로 대응되는 때 수신 신호(220)에 대하여 상관 값이 가장 크게 출력될 수 있다. 즉, 수신 신호(220)의 데이터열(222)의 시작점(제1 프리앰블(221)의 끝점)(223)이 제2 프리앰블(211)의 끝점과 일치하는 경우 상관 값이 가장 크게 출력될 수 있다.Since the
상관 값이 가장 크게 출력되는 지점을 기준으로 수신 신호(220) 내의 제1 프리앰블(221)의 위치가 식별될 수 있다. 제1 프리앰블(221)의 위치가 식별됨은, 데이터열(222)의 시작점(제1 프리앰블(221)의 끝점)(223)이 식별됨을 의미할 수 있다. 무선 통신 시스템은 제1 프리앰블(221)의 위치를 식별함으로써 프레임 동기를 수행할 수 있다.The position of the
도 3은 다른 실시예에 따른 무선 통신 시스템을 나타낸 블록도이다.3 is a block diagram showing a wireless communication system according to another embodiment.
도 3을 참조하면, 무선 통신 시스템(100)은 송신부(110), 수신부(120), 프로세서(130) 및 뉴럴 네트워크(140)를 포함할 수 있다. 송신부(110)는 통신부(112) 및 메모리(113)를 포함할 수 있다. 수신부(120)는 상관기(121), 통신부(122) 및 메모리(123)를 포함할 수 있다. 도 3의 송신부(110), 수신부(120), 상관기(121) 및 프로세서(130)는 도 1 및 2의 송신부(110), 수신부(120), 상관기(121) 및 프로세서(130)에 대응될 수 있다. 따라서, 중복되는 설명은 생략한다.Referring to FIG. 3, the
다만, 도 3에 도시된 무선 통신 시스템(100)에는 본 실시예들와 관련된 구성요소들만이 도시되어 있다. 따라서, 무선 통신 시스템(100)에는 도 3에 도시된 구성요소들 외에 다른 범용적인 구성요소들이 더 포함될 수 있음은 당업자에게 자명하다.However, in the
통신부(112, 122)는 수신부(120)와 송신부(110) 간의 통신을 수행하기 위한 하드웨어일 수 있다. 통신부를 통하여 송신부(110) 및 수신부(120) 간에 신호가 송수신될 수 있다.The
통신부(112, 122)는 통신 안테나를 포함하고, 이 통신 안테나는 수신부(120)와 송신부(110) 간에 사용되는 통신 프로토콜에 대응하는 적절한 유형의 안테나일 수 있다. 예를 들어, 적절한 통신 안테나는 Wi-Fi 안테나, IEEE 802.11 표준 패밀리 호환 안테나, 지향성(directional) 안테나, 무지향성(non-directional) 안테나, 다이폴(dipole) 안테나, 접힌(folded) 다이폴 안테나, 패치 안테나, 다중-입력 다중-출력(MIMO) 안테나 등을 포함할 수 있으나, 이에 제한되지 않는다. 통신부(112, 122)는 통신 안테나를 통해 무선 컴포넌트에 통신 가능하게 연결되어, 수신부(120)로부터의 통신 신호와 같은 신호를 송신 및 수신할 수 있다.The
통신부(112, 122)는 Wifi(wireless fidelity), BT(Bluetooth), NFC(near field communication), GPS(global positioning system), OFDM, OFDMA(orthogonal frequency division multiple access), LTE, LTE-A, CDMA(code division multiple access), WCDMA(wideband code division multiple access), UMTS(universal mobile telecommunications system), WiBro 또는 GSM(global system for mobile communications)과 같은 통신 규격 및 통신 방식 중 적어도 하나를 지원하는 하드웨어 구성을 포함할 수 있다.The
메모리(113, 123)는 프로세서(130) 또는 다른 구성 요소들(예를 들어, 통신부(112, 122))로부터 수신되거나 프로세서(130) 또는 다른 구성 요소들에 의해 생성된 명령 또는 데이터를 저장할 수 있다. 메모리(113, 123)는 프로세서(130)에 의해 구동될 애플리케이션들, 드라이버들 등을 저장할 수 있다. 메모리(113, 123)는 DRAM(dynamic random access memory), SRAM(static random access memory) 등과 같은 RAM(random access memory), ROM(read-only memory), EEPROM(electrically erasable programmable read-only memory) 또는 플래시 메모리를 포함할 수 있다.The
뉴럴 네트워크(140)는 딥 뉴럴 네트워크 (Deep Neural Network, DNN) 또는 n-계층 뉴럴 네트워크(n-layers neural networks)의 아키텍처일 수 있다. DNN 또는 n-계층 뉴럴 네트워크는 컨볼루션 뉴럴 네트워크 (Convolutional Neural Networks, CNN), 리커런트 뉴럴 네트워크 (Recurrent Neural Networks, RNN), Deep Belief Networks, Restricted Boltzman Machines 등에 해당될 수 있다.The
프로세서(130)는 수신부(120)를 구동하기 위한 전반적인 기능들을 제어하는 하드웨어이다. 예를 들어, 프로세서(130)는 메모리(113, 123)에 저장된 프로그램들을 실행함으로써, 수신부(120)를 전반적으로 제어할 수 있다. 프로세서(130)는 CPU(central processing unit), AP(application processor) 등으로 구현될 수 있으나, 이에 제한되지 않는다.The
프로세서(130)는 사용자로부터 입력된 명령 또는 데이터를 메모리(113, 123), 또는 통신부(112, 122)에 전달할 수 있다. 또한, 프로세서(130)는 메모리(113, 123) 또는 통신부(112, 122)로부터 수신된 명령 또는 데이터를 출력 장치(예를 들어, 스피커 또는 디스플레이)를 통하여 출력할 수 있다.The
프로세서(130)는 상관기(121)로부터, 상관기(121)에 저장된 제2 프리앰블과 수신 신호 간의 상관 값들을 출력시킬 수 있다. 상관기(121)로부터 출력되는 상관 값들은 복소수로 표현된다. 프로세서(130)는 상관기(121)로부터 출력된 복소수 상관 값들을 복소평면에 표시한 이미지를 생성할 수 있다. 이미지에 관해서는 도 4를 참조하여 후술하도록 한다.The
프로세서(130)는 이미지를 입력 데이터로 하여, 뉴럴 네트워크(140)를 학습시킬 수 있다. 프로세서(130)는 이미지를 기초로 하여 제1 프리앰블의 위치를 식별하도록 뉴럴 네트워크(140)를 학습시킬 수 있다. 프로세서(130)는 입력 데이터로서 이미지뿐만 아니라 뉴럴 네트워크(140)가 출력해야할 결과인 제1 프리앰블의 위치가 포함된 데이터를 함께 사용함으로써 뉴럴 네트워크(140)를 학습시킬 수 있다.The
뉴럴 네트워크(140)의 학습이 완료된 후, 프로세서(130)는 학습된 뉴럴 네트워크(140)에 또 다른 이미지를 입력하여 학습된 뉴럴 네트워크(140)로부터 제1 프리앰블의 위치를 출력시킬 수 있다. 프로세서(130)는 학습된 뉴럴 네트워크(140)의 출력 결과를 입력 받아 제1 프리앰블의 위치를 식별할 수 있다. 뉴럴 네트워크(140)의 학습 및 결과 출력에 대해서는 도 5를 참조하여 후술하도록 한다.After learning of the
무선 통신 시스템(100)은 이미지에 표시된 복소수 상관 값들로 이루어진 모양 등에 기초하여 제1 프리앰블의 위치를 식별함으로써 프레임 동기를 수행할 수 있다. 무선 통신 시스템(100)에서는 프레임 동기를 수행하기 위해 복소수로 표현된 상관 값들 그대로가 사용되고 임계 값이 사용되지 않으므로, 복소수 상관 값들에 대해 크기를 계산하는 과정이 생략될 수 있다.The
도 4는 일 실시예에 따른 복소수 상관 값들이 복소평면에 표시된 이미지이다.4 is an image of complex correlation values displayed on a complex plane according to an exemplary embodiment.
프로세서는 상관기로부터 출력된 복소수 상관 값들을 복소평면에 표시한 이미지를 생성할 수 있다. 복소평면은 실수축(가로축)과 허수축(세로축)으로 이루어진다. 상관기로부터 출력된 상관 값들은 복소수로 표현되므로, 복소평면 위의 점들로 표시될 수 있고, 상관 값들은 연속적으로 출력되므로 복소평면 위에서 연결된 선으로 보일 수 있다. 상관기로부터 출력되는 복수 개의 복소수 상관 값들이 복소평면에 표시되면 도 4에 따른 이미지에서와 같이 복소평면 위에 어떠한 모양을 형성하게 된다.The processor may generate an image in which complex correlation values output from the correlator are displayed on the complex plane. The complex plane consists of a real axis (horizontal axis) and an imaginary axis (vertical axis). Since the correlation values output from the correlator are expressed as complex numbers, they can be displayed as points on the complex plane, and since the correlation values are continuously output, they can be viewed as connected lines on the complex plane. When a plurality of complex correlation values output from the correlator are displayed on the complex plane, a shape is formed on the complex plane as in the image according to FIG. 4.
프로세서는 이미지에 표시된 복소수 상관 값들로 이루어진 모양에 기초하여 제1 프리앰블의 위치를 식별하도록 뉴럴 네트워크를 학습시킬 수 있다.The processor may train the neural network to identify the location of the first preamble based on a shape made of complex correlation values displayed in the image.
일 실시예에서, 프로세서는, 하나의 시간 단위(410) 내에서 하나의 피크(420)만이 발생하고, 해당 피크(420)가 이미지 상에서 원점으로부터 가장 멀리 떨어진 점인 경우 피크(420)에 표시된 복소수 상관 값이 출력된 위치를 기준으로 제1 프리앰블의 위치를 식별하도록 뉴럴 네트워크를 학습시킬 수 있다. 복소수 상관 값을 출력하는 시간 단위(410)에 관해서는 도 6을 참조하여 후술하도록 한다.In one embodiment, the processor, when only one
다른 실시예에서, 프로세서는, 복소평면의 원점으로부터 가장 멀리 위치한 복소수 상관 값(420)이 출력된 위치를 기준으로 제1 프리앰블의 위치로 식별하도록 뉴럴 네트워크를 학습시킬 수 있다.In another embodiment, the processor may train the neural network to identify the position of the first preamble based on the position at which the
프로세서는 이미지를 생성하는데 있어, 복소평면에 복소수 상관 값들의 색깔을 상이하게 표시할 수 있다. 프로세서는 복소수 상관 값들이 복소평면의 원점에 가까이 위치할수록 복소수 상관 값들을 제1 색깔에 가까이 표시할 수 있다. 프로세서는 복소수 상관 값들이 복소평면의 원점에서 멀리 위치할수록 복소수 상관 값들을 제2 색깔에 가까이 표시할 수 있다.In generating an image, the processor may display different colors of complex correlation values on the complex plane. The processor may display the complex correlation values closer to the first color as the complex correlation values are located closer to the origin of the complex plane. The processor may display the complex correlation values closer to the second color as the complex correlation values are located farther from the origin of the complex plane.
일 실시예에서, 프로세서는 제2 색깔에 가장 가깝게 표시된 복소수 상관 값이 출력된 위치를 상기 제1 프리앰블의 위치로 식별하도록 뉴럴 네트워크를 학습시킬 수 있다. 예를 들어, 제1 색깔이 흰색이고 제2 색깔이 파란색인 경우, 프로세서는 파란색에 가장 가깝게 표시된 복소 상관 값이 출력된 위치를 기준으로 제1 프리앰블의 위치를 식별하도록 뉴럴 네트워크를 학습시킬 수 있다.In an embodiment, the processor may train the neural network to identify a position at which the complex correlation value displayed closest to the second color is output as the position of the first preamble. For example, when the first color is white and the second color is blue, the processor may train the neural network to identify the position of the first preamble based on the position at which the complex correlation value displayed closest to blue is output. .
다른 실시예에서, 프로세서는 제1 프리앰블 위치 식별의 정확도를 높이기 위해, 이미지 상의 복소수 상관 값들로 이루어진 모양 및 복소수 상관 값들의 색깔 모두에 기초하여 제1 프리앰블의 위치를 식별하도록 뉴럴 네트워크를 학습시킬 수 있다.In another embodiment, the processor may train the neural network to identify the position of the first preamble based on both the shape of the complex correlation values on the image and the color of the complex correlation values in order to increase the accuracy of identifying the first preamble position. have.
도 5는 뉴럴 네트워크의 학습 과정 및 학습된 뉴럴 네트워크를 나타낸 블록도이다.5 is a block diagram showing a learning process of a neural network and a learned neural network.
무선 통신 시스템은 제1 시점(510) 및 제2 시점(520)으로 나뉘어서 동작할 수 있다. 제1 시점(510)은 뉴럴 네트워크(140)를 학습시키기 위한 복소수 상관 값들이 출력되는 시점을 의미한다. 제1 시점(510)에서 출력된 복소수 상관 값들로부터 생성된 이미지(511)는 뉴럴 네트워크(140)를 학습시키는 데에 사용될 수 있다.The wireless communication system may operate by being divided into a first viewpoint 510 and a second viewpoint 520. The first viewpoint 510 denotes a point in time at which complex correlation values for training the
제2 시점(520)은 뉴럴 네트워크(140)가 학습된 이후, 제1 프리앰블의 위치를 식별하기 위해 학습된 뉴럴 네트워크(141)에 입력되는 복소수 상관 값들이 출력되는 시점으로서, 제1 시점(510)과 구별하기 위해 정의된 시점이다.The second time point 520 is a time point at which complex correlation values input to the learned
프로세서는 제1 시점(510)에서 학습 데이터를 입력 데이터로 하여 뉴럴 네트워크(140)를 학습시키고, 제2 시점(520)에서 학습된 뉴럴 네트워크(141)에 이미지(521)를 입력하여 뉴럴 네트워크(140)로부터 제1 프리앰블의 위치에 대한 결과를 출력시킬 수 있다.The processor trains the
제1 시점(510)에서 뉴럴 네트워크(140)를 학습시키기 위해 뉴럴 네트워크(140)에 입력되는 학습 데이터로는 이미지(511)와 이미지(511)에 대응되는 결과(제1 프리앰블의 위치에 대한 정보)가 포함될 수 있다. 프로세서는 제1 시점(510)에서, 다양한 경우에 대한 복수의 학습 데이터들을 뉴럴 네트워크(140)에 입력함으로써 제1 프리앰블의 위치를 식별할 수 있도록 뉴럴 네트워크(140)를 학습시킬 수 있다.As training data input to the
프로세서는 제2 시점(520)에서 결과가 포함되지 않은 이미지(521)만을 학습된 뉴럴 네트워크(141)에 입력할 수 있다. 학습된 뉴럴 네트워크(141)는 이미지(521)를 입력 받아 학습된 연산에 기초하여 이미지(521)에 대응하는 결과를 출력할 수 있다. 프로세서는 학습된 뉴럴 네트워크(141)로부터 출력된 결과에 기초하여 이미지(521)에 대응되는 수신 신호의 제1 프리앰블의 위치를 식별할 수 있다.The processor may input only the
도 6은 복소수 상관 값을 출력하는 시간 단위(610)를 설명하기 위한 도면이다.6 is a diagram for describing a
프로세서는 상관기로부터 출력되는 복소수 상관 값들을 기 설정된 시간 단위(610)로 연속하여 출력할 수 있다. 시간 단위(610)는 윈도우 크기(window size) 또는 다른 유사한 용어로 지칭될 수도 있다.The processor may continuously output complex correlation values output from the correlator in a
프로세서는 수신 신호에 대해 각 시간 단위(610)마다 연속하여 복소수 상관 값을 출력하고, 각 시간 단위(610)마다 출력된 복소수 상관 값들을 하나의 복소평면에 모두 표시한 이미지를 생성할 수 있다. 기 설정된 시간 단위(610)의 길이는 수신 신호의 길이, 생성되는 이미지의 크기 및 무선 통신 시스템의 성능 등을 고려하여 설정될 수 있다.The processor may continuously output a complex correlation value for each
프로세서는 시간 영역에서 서로 가장 근접한 어느 두 시간 단위(610)에 대응되는 복소수 상관 값들이 서로 일정 시간(620)씩 오버랩되도록 출력할 수 있다. 프로세서는 일정 시간(620)씩 오버랩되도록 복소수 상관 값들을 출렴함으로써, 각 시간 단위(610)의 경계마다 발생할 수 있는 불연속으로 인한 결과 출력의 오류를 개선할 수 있다.The processor may output complex correlation values corresponding to any two
예를 들어, 어느 두 시간 단위(610)의 경계에서 피크가 발생하는 경우, 제1 프리앰블의 위치가 정확히 식별되지 않을 수 있다. 이러한 경우, 복소수 상관 값들이 일정 시간(620)씩 오버랩되며 출력된다면 각 시간 단위(610) 간의 불연속적인 경계가 배제될 수 있고, 제1 프리앰블의 위치가 정확히 식별될 수 있다.For example, when a peak occurs at the boundary between any two
오버랩되는 일정 시간(620)의 길이는 복소수 상관 값들을 출력하는 시간 단위(610)보다 작게 설정될 수 있다. 또한, 오버랩되는 일정 시간(620)의 길이는 수신 신호의 길이, 생성되는 이미지의 크기 및 무선 통신 시스템의 성능 등을 고려하여 설정될 수 있다.The length of the overlapping
도 7은 일 실시예에 따른 무선 통신 시스템의 프레임 동기 방법을 나타낸 흐름도이다.7 is a flowchart illustrating a frame synchronization method in a wireless communication system according to an embodiment.
단계 710에서, 무선 통신 시스템은 제1 시점에서, 상관기에 저장된 제2 프리앰블과, 제1 프리앰블이 포함된 수신 신호 간의 복소수 상관 값들을 출력할 수 있다.In
제1 시점은 뉴럴 네트워크를 학습시키기 위한 복소수 상관 값들이 출력되는 시점을 의미한다.The first point of view refers to a point of time at which complex correlation values for training a neural network are output.
무선 통신 시스템은 복소수 상관 값들을 기 설정된 시간 단위로 연속하여 출력할 수 있다.The wireless communication system may continuously output complex correlation values in a preset time unit.
무선 통신 시스템은 시간 영역에서 서로 가장 근접한 어느 두 시간 단위에 대응되는 복소수 상관 값들이 서로 일정 시간씩 오버랩되도록 출력할 수 있다. 오버랩되는 일정 시간의 길이는 기 설정된 시간 단위보다 작게 설정될 수 있다.The wireless communication system may output such that complex correlation values corresponding to two time units closest to each other in the time domain overlap each other for a predetermined time. The length of the overlapping predetermined time may be set smaller than a preset time unit.
단계 720에서, 무선 통신 시스템은 복소수 상관 값들을 복소평면에 표시한 이미지를 생성할 수 있다.In
무선 통신 시스템은 각 시간 단위로 연속하여 출력된 복소수 상관 값들을 하나의 복소평면에 모두 표시한 이미지를 생성할 수 있다.The wireless communication system may generate an image in which complex correlation values successively outputted in each time unit are displayed on one complex plane.
무선 통신 시스템은 이미지에 표시된 복소수 상관 값들이 복소평면의 원점에 가까이 위치할수록 복소수 상관 값들을 제1 색깔에 가까이 표시하고, 이미지에 표시된 복소수 상관 값들이 복소평면의 원점에서 멀리 위치할수록 복소수 상관 값들을 제2 색깔에 가까이 표시할 수 있다.The wireless communication system displays the complex correlation values closer to the first color as the complex correlation values displayed in the image are located closer to the origin of the complex plane, and the complex correlation values displayed in the image are located farther from the origin of the complex plane. It can be displayed close to the second color.
단계 730에서, 무선 통신 시스템은 이미지를 입력 데이터로 하여, 제1 프리앰블의 위치를 식별하도록 뉴럴 네트워크를 학습시킬 수 있다.In
무선 통신 시스템은 이미지에 표시된 복소수 상관 값들로 이루어진 모양에 기초하여 제1 프리앰블의 위치를 식별하도록 뉴럴 네트워크를 학습시킬 수 있다.The wireless communication system may train the neural network to identify the location of the first preamble based on a shape made of complex correlation values displayed in the image.
일 실시예에서, 무선 통신 시스템은 생성된 이미지에서, 복소평면의 원점으로부터 가장 멀리 위치한 복소수 상관 값이 출력된 위치를 제1 프리앰블의 위치로 식별하도록 뉴럴 네트워크를 학습시킬 수 있다.In an embodiment, the wireless communication system may train the neural network to identify a position in which the complex correlation value located furthest from the origin of the complex plane in the generated image is output as the position of the first preamble.
다른 실시예에서, 무선 통신 시스템은 이미지에서 제2 색깔에 가장 가깝게 표시된 복소수 상관 값이 출력된 위치를 제1 프리앰블의 위치로 식별하도록 뉴럴 네트워크를 학습시킬 수 있다.In another embodiment, the wireless communication system may train the neural network to identify a position in the image where the complex correlation value displayed closest to the second color is output as the position of the first preamble.
또 다른 실시예에서, 무선 통신 시스템은 이미지에 표시된 복소수 상관 값들의 색깔 및 이미지에 표시된 복소수 상관 값들로 이루어진 모양에 기초하여 제1 프리앰블의 위치를 식별하도록 뉴럴 네트워크를 학습시킬 수 있다.In another embodiment, the wireless communication system may train the neural network to identify the location of the first preamble based on the color of the complex correlation values displayed on the image and the shape of the complex correlation values displayed on the image.
단계 740에서, 무선 통신 시스템은 학습된 뉴럴 네트워크에, 제2 시점에서 출력된 복소수 상관 값들로부터 생성된 이미지를 입력하여, 제2 시점에서의 제1 프리앰블의 위치를 식별할 수 있다.In
제2 시점은 뉴럴 네트워크가 학습된 이후, 제1 프리앰블의 위치를 식별하기 위해 학습된 뉴럴 네트워크에 입력되는 복소수 상관 값들이 출력되는 시점을 의미한다.The second point of view refers to a point of time at which complex correlation values input to the learned neural network are output to identify the position of the first preamble after the neural network is trained.
본 실시예들은 전자 디바이스에 의해 실행 가능한 명령어 및 데이터를 저장하는 전자 디바이스로 읽을 수 있는 기록매체에 저장된 어플리케이션의 형태로 구현될 수 있다. 상기 명령어는 프로그램 코드의 형태로 저장될 수 있으며, 프로세서에 의해 실행되었을 때, 소정의 프로그램 모듈을 생성하여 소정의 동작을 수행할 수 있다. 또한, 상기 명령어는 프로세서에 의해 실행되었을 때, 개시된 실시예들의 소정의 동작들을 수행할 수 있다.The present embodiments may be implemented in the form of an application stored in a recording medium that can be read by an electronic device that stores commands and data executable by the electronic device. The instruction may be stored in the form of a program code, and when executed by a processor, a predetermined program module may be generated to perform a predetermined operation. In addition, when the command is executed by a processor, certain operations of the disclosed embodiments may be performed.
본 실시예들은 컴퓨터에 의해 실행되는 프로그램 모듈과 같은 컴퓨터에 의해 실행 가능한 명령어를 포함하는 기록 매체의 형태로도 구현될 수 있다. 컴퓨터 판독 가능 매체는 컴퓨터에 의해 액세스될 수 있는 임의의 가용 매체일 수 있고, 휘발성 및 비휘발성 매체, 분리형 및 비분리형 매체를 모두 포함한다. 또한, 컴퓨터 판독가능 매체는 컴퓨터 저장 매체 및 통신 매체를 모두 포함할 수 있다. 컴퓨터 저장 매체는 컴퓨터 판독가능 명령어, 데이터 구조, 프로그램 모듈 또는 기타 데이터와 같은 정보의 저장을 위한 임의의 방법 또는 기술로 구현된 휘발성 및 비휘발성, 분리형 및 비분리형 매체를 모두 포함한다. 통신 매체는 전형적으로 컴퓨터 판독가능 명령어, 데이터 구조, 프로그램 모듈과 같은 변조된 데이터 신호의 기타 데이터, 또는 기타 전송 메커니즘을 포함하며, 임의의 정보 전달 매체를 포함한다.The present embodiments may also be implemented in the form of a recording medium including instructions executable by a computer, such as a program module executed by a computer. Computer-readable media can be any available media that can be accessed by a computer, and includes both volatile and nonvolatile media, removable and non-removable media. Further, the computer-readable medium may include both computer storage media and communication media. Computer storage media includes both volatile and nonvolatile, removable and non-removable media implemented in any method or technology for storage of information such as computer readable instructions, data structures, program modules or other data. Communication media typically includes computer readable instructions, data structures, other data in a modulated data signal such as program modules, or other transmission mechanisms, and includes any information delivery media.
본 명세서에서, "부"는 프로세서 또는 회로와 같은 하드웨어 구성(hardware component), 및/또는 프로세서와 같은 하드웨어 구성에 의해 실행되는 소프트웨어 구성(software component)일 수 있다.In this specification, the "unit" may be a hardware component such as a processor or a circuit, and/or a software component executed by a hardware configuration such as a processor.
전술한 본 명세서의 설명은 예시를 위한 것이며, 본 명세서의 내용이 속하는 기술분야의 통상의 지식을 가진 자는 본 발명의 기술적 사상이나 필수적인 특징을 변경하지 않고서 다른 구체적인 형태로 쉽게 변형이 가능하다는 것을 이해할 수 있을 것이다. 그러므로 이상에서 기술한 실시예들은 모든 면에서 예시적인 것이며 한정적이 아닌 것으로 이해해야만 한다. 예를 들어, 단일형으로 설명되어 있는 각 구성 요소는 분산되어 실시될 수도 있으며, 마찬가지로 분산된 것으로 설명되어 있는 구성 요소들도 결합된 형태로 실시될 수 있다.The foregoing description of the present specification is for illustrative purposes only, and those of ordinary skill in the technical field to which the content of the present specification belongs will understand that it is possible to easily transform it into other specific forms without changing the technical spirit or essential features of the present invention. I will be able to. Therefore, it should be understood that the embodiments described above are illustrative in all respects and are not limiting. For example, each component described as a single type may be implemented in a distributed manner, and similarly, components described as being distributed may also be implemented in a combined form.
본 실시예의 범위는 상기 상세한 설명보다는 후술하는 특허청구범위에 의하여 나타내어지며, 특허청구범위의 의미 및 범위 그리고 그 균등 개념으로부터 도출되는 모든 변경 또는 변형된 형태가 포함되는 것으로 해석되어야 한다.The scope of the present embodiment is indicated by the claims to be described later rather than the detailed description, and it should be construed that all changes or modified forms derived from the meaning and scope of the claims and their equivalent concepts are included.
Claims (10)
제1 시점에서, 제1 프리앰블(preamble)이 포함된 수신 신호와 상관기에 저장된 제2 프리앰블 간의 복소수 상관 값들을 출력하는 단계;
상기 복소수 상관 값들을 복소평면에 표시한 이미지를 생성하는 단계;
상기 이미지를 입력 데이터로 하여, 상기 제1 프리앰블의 위치를 식별하도록 뉴럴 네트워크(neural network)를 학습시키는 단계; 및
상기 학습된 뉴럴 네트워크에, 제2 시점에서 출력된 복소수 상관 값들로부터 생성된 이미지를 입력하여, 상기 제2 시점에서의 제1 프리앰블의 위치를 식별하는 단계를 포함하는, 방법.In the frame synchronization method of a wireless communication system,
Outputting complex correlation values between a received signal including a first preamble and a second preamble stored in a correlator at a first point in time;
Generating an image displaying the complex correlation values on a complex plane;
Learning a neural network to identify the location of the first preamble by using the image as input data; And
And inputting, to the learned neural network, an image generated from complex correlation values output at a second view point, and identifying a position of the first preamble at the second view point.
상기 출력하는 단계는,
상기 복소수 상관 값들을 기 설정된 시간 단위로 연속하여 출력하고,
상기 생성하는 단계는,
상기 각 시간 단위로 연속하여 출력된 복소수 상관 값들을 하나의 복소평면에 모두 표시한 이미지를 생성하는, 방법.The method of claim 1,
The outputting step,
The complex correlation values are continuously output in a preset time unit,
The generating step,
A method of generating an image in which all of the complex correlation values continuously outputted in each time unit are displayed on one complex plane.
상기 출력하는 단계는,
시간 영역에서 서로 가장 근접한 어느 두 시간 단위에 대응되는 복소수 상관 값들이 서로 일정 시간씩 오버랩(overlap)되도록 출력하고,
상기 오버랩되는 일정 시간의 길이는 상기 기 설정된 시간 단위보다 작게 설정되는, 방법.The method of claim 2,
The outputting step,
In the time domain, complex correlation values corresponding to any two time units closest to each other are output so that they overlap each other by a predetermined time,
The length of the overlapping predetermined time is set to be smaller than the preset time unit.
상기 학습시키는 단계는,
상기 이미지에 표시된 복소수 상관 값들로 이루어진 모양에 기초하여 상기 제1 프리앰블의 위치를 식별하도록 상기 뉴럴 네트워크를 학습시키는, 방법.The method of claim 1,
The learning step,
Training the neural network to identify the location of the first preamble based on a shape consisting of complex correlation values displayed in the image.
상기 학습시키는 단계는,
상기 이미지에서,
상기 복소평면의 원점으로부터 가장 멀리 위치한 복소수 상관 값이 출력된 위치를 상기 제1 프리앰블의 위치로 식별하도록 상기 뉴럴 네트워크를 학습시키는, 방법.The method of claim 1,
The learning step,
In the image above,
The method of learning the neural network to identify a location where a complex correlation value located furthest from an origin of the complex plane is output as a location of the first preamble.
상기 생성하는 단계는,
상기 이미지에 표시된 상기 복소수 상관 값들이 상기 복소평면의 원점에 가까이 위치할수록 제1 색깔에 가까이 표시되고,
상기 이미지에 표시된 상기 복소수 상관 값들이 상기 복소평면의 원점에서 멀리 위치할수록 제2 색깔에 가까이 표시되는, 방법.The method of claim 1,
The generating step,
The closer the complex correlation values displayed in the image are to the origin of the complex plane, the closer they are to the first color,
The method of claim 1, wherein the more the complex correlation values displayed in the image are located farther from the origin of the complex plane, the closer to the second color.
상기 학습시키는 단계는,
상기 이미지에서 상기 제2 색깔에 가장 가깝게 표시된 복소수 상관 값이 출력된 위치를 상기 제1 프리앰블의 위치로 식별하도록 상기 뉴럴 네트워크를 학습시키는, 방법.The method of claim 6,
The learning step,
Training the neural network to identify a position in the image from which the complex correlation value displayed closest to the second color is output as the position of the first preamble.
상기 학습시키는 단계는,
상기 이미지에 표시된 상기 복소수 상관 값들의 색깔 및 상기 이미지에 표시된 상기 복소수 상관 값들로 이루어진 모양에 기초하여 상기 제1 프리앰블의 위치를 식별하도록 상기 뉴럴 네트워크를 학습시키는, 방법.The method of claim 6,
The learning step,
Training the neural network to identify the location of the first preamble based on a color of the complex correlation values displayed in the image and a shape consisting of the complex correlation values displayed in the image.
제1 프리앰블이 포함된 신호를 송신하는 송신부;
상기 송신부로부터 상기 신호를 수신하고, 제2 프리앰블이 저장된 상관기를 포함하는 수신부; 및
프로세서를 포함하고,
상기 프로세서는,
제1 시점에서, 상기 상관기로부터, 상기 수신 신호와 상기 제2 프리앰블 간의 복소수 상관 값들을 출력시키고,
상기 복소수 상관 값들을 복소평면에 표시한 이미지를 생성하고,
상기 이미지를 입력 데이터로 하여, 상기 제1 프리앰블의 위치를 식별하도록 뉴럴 네트워크를 학습시키고,
상기 학습된 뉴럴 네트워크에, 제2 시점에서 출력된 복소수 상관 값들로부터 생성된 이미지를 입력하여, 상기 제2 시점에서의 제1 프리앰블의 위치를 식별하는, 시스템.In a wireless communication system,
A transmitter for transmitting a signal including a first preamble;
A receiving unit including a correlator for receiving the signal from the transmitting unit and storing a second preamble; And
Including a processor,
The processor,
At a first point in time, complex correlation values between the received signal and the second preamble are output from the correlator,
Create an image displaying the complex correlation values on a complex plane,
Using the image as input data, training a neural network to identify the location of the first preamble,
A system for identifying a position of a first preamble at the second view by inputting an image generated from complex correlation values output at a second view into the learned neural network.
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| KR1020200029167A KR102240413B1 (en) | 2020-03-09 | 2020-03-09 | Wirelss communication system and frame synchronization method for the same |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| KR1020200029167A KR102240413B1 (en) | 2020-03-09 | 2020-03-09 | Wirelss communication system and frame synchronization method for the same |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| KR102240413B1 true KR102240413B1 (en) | 2021-04-14 |
Family
ID=75477659
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| KR1020200029167A KR102240413B1 (en) | 2020-03-09 | 2020-03-09 | Wirelss communication system and frame synchronization method for the same |
Country Status (1)
| Country | Link |
|---|---|
| KR (1) | KR102240413B1 (en) |
Citations (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| KR20060073402A (en) | 2004-12-23 | 2006-06-28 | 한국전자통신연구원 | Apparatus for transmitting and receiving data to provide high-speed data communication and method thereof |
| KR20090079260A (en) * | 2006-11-07 | 2009-07-21 | 콸콤 인코포레이티드 | Preamble detection and synchronization in ofdma wireless communication systems |
| KR20090080118A (en) * | 2006-11-07 | 2009-07-23 | 콸콤 인코포레이티드 | Methods and apparatus for signal and timing detection in wireless communication systems |
| KR100943098B1 (en) | 2008-06-05 | 2010-02-18 | 한국해양연구원 | Method and Apparatus for Making a Signal Frame Structure with Pre-amble Gain |
-
2020
- 2020-03-09 KR KR1020200029167A patent/KR102240413B1/en active
Patent Citations (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| KR20060073402A (en) | 2004-12-23 | 2006-06-28 | 한국전자통신연구원 | Apparatus for transmitting and receiving data to provide high-speed data communication and method thereof |
| KR20090079260A (en) * | 2006-11-07 | 2009-07-21 | 콸콤 인코포레이티드 | Preamble detection and synchronization in ofdma wireless communication systems |
| KR20090080118A (en) * | 2006-11-07 | 2009-07-23 | 콸콤 인코포레이티드 | Methods and apparatus for signal and timing detection in wireless communication systems |
| KR100943098B1 (en) | 2008-06-05 | 2010-02-18 | 한국해양연구원 | Method and Apparatus for Making a Signal Frame Structure with Pre-amble Gain |
Non-Patent Citations (2)
| Title |
|---|
| Hao Ye et al., "Power of Deep Learning for Channel Estimation and Signal Detection in OFDM Systems", IEEE WIRELESS COMMUNICATIONS LETTERS, VOL. 7, NO. 1, FEBRUARY 2018 * |
| Sebastian Dorner et al., "Deep Learning Based Communication Over the Air", IEEE JOURNAL OF SELECTED TOPICS IN SIGNAL PROCESSING, VOL. 12, NO. 1, FEBRUARY 2018 * |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN110417525B (en) | Communication method, device, processing device and storage medium | |
| US11849446B2 (en) | Method for transmitting uplink data and terminal device | |
| US9484991B2 (en) | Device, system and method of wireless communication via a plurality of antennas | |
| US11516813B2 (en) | Method and apparatus for sending transmission configuration indicator, method and apparatus for receiving transmission configuration indicator, storage medium, base station, and terminal | |
| US8095176B2 (en) | Method and apparatus of subchannelization of wireless communication system | |
| US9887755B2 (en) | Apparatus, system and method of beam tracking | |
| US20220015050A1 (en) | Method and device for signal detection | |
| US20110150147A1 (en) | Device, system and method of multiple-input-multiple-output wireless communication | |
| US20200145082A1 (en) | Signal processing method and apparatus | |
| CN109075912A (en) | Data validation in wireless communication system | |
| US9572068B2 (en) | Systems and methods for rate adaptation in full-duplex wireless communication | |
| US20220124683A1 (en) | Method for Determining Sidelink Transmission Resource, Terminal Device, and Network Device | |
| US20190190670A1 (en) | Signal transmission method and apparatus | |
| US11627535B2 (en) | Emission restricted transmission of reference signals | |
| KR102240413B1 (en) | Wirelss communication system and frame synchronization method for the same | |
| US20180192381A1 (en) | System and method for providing weighted pattern demapper for bluetooth® low energy long range | |
| US20210014857A1 (en) | Uplink control information transmission method and device | |
| US20220294499A1 (en) | Information feedback method and device, information receiving method and device, and storage medium | |
| US20230027631A1 (en) | Method for transmitting power headroom, terminal device, and network device | |
| CN106464329B (en) | Apparatus, system and method for steering directional antenna | |
| US11937224B2 (en) | Data transmission method and apparatus | |
| US11438019B2 (en) | Interference mitigation in a communications network | |
| WO2020223979A1 (en) | Redundancy version determination method, terminal device and network device | |
| AU2018448115A1 (en) | Wireless communication method, terminal device and network device | |
| WO2023071785A1 (en) | Communication method, and device, storage medium and computer program product |