KR102264308B1 - 무선송신부의 전력 제어 및 클러스터링을 위한 차세대 통신 시스템 - Google Patents

무선송신부의 전력 제어 및 클러스터링을 위한 차세대 통신 시스템 Download PDF

Info

Publication number
KR102264308B1
KR102264308B1 KR1020200011375A KR20200011375A KR102264308B1 KR 102264308 B1 KR102264308 B1 KR 102264308B1 KR 1020200011375 A KR1020200011375 A KR 1020200011375A KR 20200011375 A KR20200011375 A KR 20200011375A KR 102264308 B1 KR102264308 B1 KR 102264308B1
Authority
KR
South Korea
Prior art keywords
wireless transmitter
specific time
wireless
determining
clustering
Prior art date
Application number
KR1020200011375A
Other languages
English (en)
Inventor
임유진
박혜빈
Original Assignee
숙명여자대학교산학협력단
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 숙명여자대학교산학협력단 filed Critical 숙명여자대학교산학협력단
Priority to KR1020200011375A priority Critical patent/KR102264308B1/ko
Application granted granted Critical
Publication of KR102264308B1 publication Critical patent/KR102264308B1/ko

Links

Images

Classifications

    • 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
    • H04W16/02—Resource partitioning among network components, e.g. reuse partitioning
    • H04W16/06—Hybrid resource partitioning, e.g. channel borrowing
    • H04W16/08—Load shedding arrangements
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N20/00—Machine learning
    • 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
    • H04W16/02—Resource partitioning among network components, e.g. reuse partitioning
    • H04W16/04—Traffic adaptive resource partitioning
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04W—WIRELESS COMMUNICATION NETWORKS
    • H04W88/00—Devices specially adapted for wireless communication networks, e.g. terminals, base stations or access point devices
    • H04W88/08—Access point devices
    • H04W88/085—Access point devices with remote components

Abstract

본 발명은 특정 시간에서 평균 데이터 전송률과 부하레벨에 기반하여 각 무선송신부의 상태(state) 요소를 결정하고, 상기 특정 시간에서 각 무선송신부의 전원 상태에 기반하여 각 무선송신부의 행동(action) 요소를 결정하며, 상기 특정 시간에서 상기 무선송신부를 포함하는 클러스터의 에너지 효율에 기반하여 각 무선송신부의 보상(reward) 요소를 결정하고, 상기 각 무선송신부의 상태 요소, 상기 각 무선송신부의 행동 요소, 상기 각 무선송신부의 보상 요소에 기반하여 기계적 학습을 수행하여 상기 특정 시간 이후 각 무선송신부의 전원을 턴 온 또는 턴 오프 제어하는 복수개의 무선송신부 및 상기 복수개의 무선송신부를 클러스터링(clustering)하는 중앙처리부를 포함하는 차세대 통신 시스템을 제공한다.

Description

무선송신부의 전력 제어 및 클러스터링을 위한 차세대 통신 시스템{A NEXT GENERATION COMMUNICATION SYSTEM FOR CLUSTERING AND POWER CONTROL OF RADIO REMOTE HEAD}
본 발명은 무선송신부의 전력 제어 및 클러스터링을 위한 차세대 통신 시스템을 제공한다.
4G 통신 시스템 상용화 이후 증가 추세에 있는 무선 데이터 트래픽 수요를 충족시키기 위해, 개선된 5G 통신 시스템 또는 pre-5G 통신 시스템을 개발하기 위한 노력이 이루어지고 있다. 이러한 이유로, 5G 통신 시스템 또는 pre-5G 통신 시스템은 4G 네트워크 이후 (Beyond 4G Network) 통신 시스템 또는 LTE 시스템 이후 (Post LTE) 이후의 시스템이라 불리어지고 있다. 높은 데이터 전송률을 달성하기 위해, 5G 통신 시스템은 초고주파(mmWave) 대역 (예를 들어, 60기가(60GHz) 대역과 같은)에서의 구현이 고려되고 있다. 초고주파 대역에서의 전파의 경로손실 완화 및 전파의 전달 거리를 증가시키기 위해, 5G 통신 시스템에서는 빔포밍(beamforming), 거대 배열 다중 입출력(massive MIMO), 전차원 다중입출력(Full Dimensional MIMO: FD-MIMO), 어레이 안테나(array antenna), 아날로그 빔형성(analog beam-forming), 및 대규모 안테나 (large scale antenna) 기술들이 논의되고 있다. 또한 시스템의 네트워크 개선을 위해, 5G 통신 시스템에서는 진화된 소형 셀, 개선된 소형 셀 (advanced small cell), 클라우드 무선 액세스 네트워크 (cloud radio access network: cloud RAN), 초고밀도 네트워크 (ultra-dense network), 기기 간 통신 (Device to Device communication: D2D), 무선 백홀 (wireless backhaul), 이동 네트워크 (moving network), 협력 통신 (cooperative communication), CoMP (Coordinated Multi-Points), 및 수신 간섭제거 (interference cancellation) 등의 기술 개발이 이루어지고 있다. 이 밖에도, 5G 시스템에서는 진보된 코딩 변조(Advanced Coding Modulation: ACM) 방식인 FQAM (Hybrid FSK and QAM Modulation) 및 SWSC (Sliding Window Superposition Coding)과, 진보된 접속 기술인 FBMC(Filter Bank Multi Carrier), NOMA(non orthogonal multiple access), 및SCMA(sparse code multiple access) 등이 개발되고 있다.
한편, 인터넷은 인간이 정보를 생성하고 소비하는 인간 중심의 연결 망에서, 사물 등 분산된 구성 요소들 간에 정보를 주고 받아 처리하는 IoT(Internet of Things, 사물인터넷) 망으로 진화하고 있다. 클라우드 서버 등과의 연결을 통한 빅데이터(Big data) 처리 기술 등이 IoT 기술에 결합된 IoE (Internet of Everything) 기술도 대두되고 있다. IoT를 구현하기 위해서, 센싱 기술, 유무선 통신 및 네트워크 인프라, 서비스 인터페이스 기술, 및 보안 기술과 같은 기술 요소 들이 요구되어, 최근에는 사물간의 연결을 위한 센서 네트워크(sensor network), 사물 통신(Machine to Machine, M2M), MTC(Machine Type Communication)등의 기술이 연구되고 있다. IoT 환경에서는 연결된 사물들에서 생성된 데이터를 수집, 분석하여 인간의 삶에 새로운 가치를 창출하는 지능형 IT(Internet Technology) 서비스가 제공될 수 있다. IoT는 기존의 IT(information technology)기술과 다양한 산업 간의 융합 및 복합을 통하여 스마트홈, 스마트 빌딩, 스마트 시티, 스마트 카 혹은 커넥티드 카, 스마트 그리드, 헬스 케어, 스마트 가전, 첨단의료서비스 등의 분야에 응용될 수 있다.
이에, 5G 통신 시스템을 IoT 망에 적용하기 위한 다양한 시도들이 이루어지고 있다. 예를 들어, 센서 네트워크(sensor network), 사물 통신(Machine to Machine, M2M), MTC(Machine Type Communication)등의 기술이 5G 통신 기술이 빔 포밍, MIMO, 및 어레이 안테나 등의 기법에 의해 구현되고 있는 것이다. 앞서 설명한 빅데이터 처리 기술로써 클라우드 무선 액세스 네트워크(cloud RAN)가 적용되는 것도 5G 기술과 IoT 기술 융합의 일 예라고 할 수 있을 것이다.
한편, 모바일 데이터 트래픽이 증가하게 되면서 네트워크 용량 문제가 대두되고 있다. 네트워크 시스템 용량을 증대시키기 위해 기존의 기지국(base station)을 밀집하게 배치하고, 매크로 기지국(macro base station)과 소형 기지국을 중첩 배치하는 HetNet(heterogeneous networks)에 대한 연구가 진행되고 있다. HetNet에서는 펨토 기지국(femto base station)이나 마이크로 기지국(micro base station)같은 기존의 매크로 기지국보다 더 작은 범위의 소형 기지국을 중첩하여 배치한다. 하지만 기지국을 밀집하게 배치하기 때문에 심각한 시스템 에너지 소비 문제가 발생할 수 있다.
더불어 시스템 에너지 소비 문제를 해결하기 위해 기존의 기지국 구조에서 신호 처리단인 BBU(base band unit)와 신호 송수신단인 RRH(radio remote head)을 분리하여 배치하는 연구가 진행되었다. 이 환경은 C-RAN(cloud radio access network)로 불리며, 분리한 RRH는 셀에 배치하고 BBU는 중앙집중식으로 BBU pool로써 운영하여 에너지 소비를 줄이고 자원할당을 효율적으로 수행할 수 있다. 하지만 기지국이 밀집하게 배치된 초밀집 네트워크(ultra dense network) 환경에서 HetNet 구조는 에너지 소비 문제가, C-RAN 구조는 신호 간섭 문제가 발생할 수 있다. 이 문제들을 해결하기 위하여 기존의 HetNet과 C-RAN 구조의 장점을 결합한 네트워크 구조인 H-CRAN(heterogeneous cloud radio access network)가 연구되고 있다.
본 발명은 C-RAN 환경 또는 H-CRAN 환경에서 강화학습을 이용한 클러스터링 및 무선송신부 전원 제어 기법을 제안하고자 한다. 보다 구체적으로 본 발명은 무선송신부를 시스템 부하의 균형이 유지되도록 클러스터링하며, 무선송신부 별로 클러스터 내에서 에너지 효율이 최대화 될 수 있도록 전원 모드를 결정하는 방법을 제공한다.
본 발명은 특정 시간에서 평균 데이터 전송률과 부하레벨에 기반하여 각 무선송신부의 상태(state) 요소를 결정하고, 상기 특정 시간에서 각 무선송신부의 전원 상태에 기반하여 각 무선송신부의 행동(action) 요소를 결정하며, 상기 특정 시간에서 상기 무선송신부를 포함하는 클러스터의 에너지 효율에 기반하여 각 무선송신부의 보상(reward) 요소를 결정하고, 상기 각 무선송신부의 상태 요소, 상기 각 무선송신부의 행동 요소, 상기 각 무선송신부의 보상 요소에 기반하여 기계적 학습을 수행하여 상기 특정 시간 이후 각 무선송신부의 전원을 턴 온 또는 턴 오프 제어하는 복수개의 무선송신부 및 상기 복수개의 무선송신부를 클러스터링(clustering)하는 중앙처리부를 포함하는 차세대 통신 시스템을 제공한다.
일 실시예에 따르면, 상기 각 무선송신부는 상기 부하레벨을 아래 수학식 1에 기반하여 결정할 수 있다.
[수학식 1]
Figure 112020010201673-pat00001
Figure 112020010201673-pat00002
: 부하레벨,
Figure 112020010201673-pat00003
: 단말이 요구하는 자원의 수,
Figure 112020010201673-pat00004
: 단말과 무선송신부간 연결 여부에 대한 정보
일 실시예에 따르면, 상기 중앙처리부는 상기 특정 시간에서 상기 시스템을 구성하는 단말의 평균 데이터 전송률과 상기 특정 시간에서 상기 시스템에서 이용 가능한 자원에 기반하여 상기 시스템의 상태(state) 요소를 결정하고, 상기 특정 시간에서 클러스터 개수와 상기 특정 시간에서 활성화된 무선송신부의 개수에 기반하여 상기 시스템의 행동(action) 요소를 결정하며, 상기 특정 시간에서 상기 시스템의 에너지 효율에 기반하여 상기 시스템의 보상(reward) 요소를 결정하고, 상기 시스템의 상태 요소, 상기 시스템의 행동 요소, 상기 시스템의 보상 요소에 기반하여 기계적 학습을 수행하여 상기 특정 시간 이후 클러스터의 개수와 활성화할 무선송신부의 개수를 결정할 수 있다.
일 실시예에 따르면, 상기 기계적 학습은 Q-learning을 포함하며, 상기 Q-learning에 이용되는 Q 테이블은 아래 수학식 2에 기반하여 업데이트 될 수 있다.
[수학식 2]
Figure 112020010201673-pat00005
Q: Q 테이블, s: 상태 요소, a: 행동 요소, r: 보상 요소, α: 학습속도 인자,β: 할인값
일 실시예에 따르면, 상기 중앙처리부는 상기 결정된 특정 시간 이후의 클러스터 개수에 기반하여 각 클러스터마다 클러스터링 기준을 결정하고, 서비스 트래픽양에 기반하여 상기 결정된 클러스터링 기준을 중심으로 각 클러스터마다 무선송신부를 포함시킬 수 있다.
일 실시예에 따르면, 상기 중앙처리부는 상기 시스템을 구성하는 각 클러스터에서 가장 많은 트래픽 서비스를 제공하는 무선송신부를 상기 클러스터링 기준으로 결정할 수 있다.
일 실시예에 따르면, 상기 각 무선송신부는 제공하고 있는 트래픽 서비스양을 결정하고 결정된 트래픽 서비스양을 이웃하는 적어도 하나의 무선송신부에서 결정한 트래픽 서비스양과 비교하여 트래픽 서비스양이 더 많은 무선송신부에게 투표를 하며, 상기 중앙처리부는 각 클러스터내에서 가장 많은 투표를 받은 무선송신부를 상기 클러스터링 기준으로 결정할 수 있다.
본 발명은 복수개의 무선송신부를 포함하는 차세대 통신 시스템에서 특정 시간에서 평균 데이터 전송률과 부하레벨에 기반하여 상기 무선송신부의 상태(state) 요소를 결정하는 단계, 상기 특정 시간에서 무선송신부의 전원 상태에 기반하여 상기 무선송신부의 행동(action) 요소를 결정하는 단계, 상기 특정 시간에서 상기 무선송신부를 포함하는 클러스터의 에너지 효율에 기반하여 상기 무선송신부의 보상(reward) 요소를 결정하는 단계 및 상기 상태 요소, 상기 행동 요소, 상기 보상 요소에 기반하여 기계적 학습을 수행하여 상기 특정 시간 이후 상기 무선송신부의 전원을 턴 온 또는 턴 오프 제어하는 단계를 포함하는 무선송신부의 전원 제어 방법을 제공한다.
일 실시예에 따르면, 상기 부하레벨은 아래 수학식 3에 기반하여 결정될 수 있다.
[수학식 3]
Figure 112020010201673-pat00006
Figure 112020010201673-pat00007
: 부하레벨,
Figure 112020010201673-pat00008
: 단말이 요구하는 자원의 수,
Figure 112020010201673-pat00009
: 단말과 무선송신부간 연결 여부에 대한 정보
본 발명은 복수개의 무선송신부를 포함하는 차세대 통신 시스템에서 특정 시간에서 상기 시스템을 구성하는 단말의 평균 데이터 전송률과 상기 특정 시간에서 상기 시스템에서 이용 가능한 자원에 기반하여 상기 시스템의 상태(state) 요소를 결정하는 단계, 상기 특정 시간에서 클러스터 개수와 상기 특정 시간에서 활성화된 무선송신부의 개수에 기반하여 상기 시스템의 행동(action) 요소를 결정하는 단계, 상기 특정 시간에서 상기 시스템의 에너지 효율에 기반하여 상기 시스템의 보상(reward) 요소를 결정하는 단계 및 상기 상태 요소, 상기 행동 요소, 상기 보상 요소에 기반하여 기계적 학습을 수행하여 상기 특정 시간 이후 클러스터의 개수와 활성화할 무선송신부의 개수를 결정하는 단계를 포함하는 중앙처리부의 클러스터링 방법을 제공한다.
일 실시예에 따르면, 상기 기계적 학습은 Q-learning을 포함하며, 상기 Q-learning에 이용되는 Q 테이블은 아래 수학식 4에 기반하여 업데이트 될 수 있다.
[수학식 4]
Figure 112020010201673-pat00010
Q: Q 테이블, s: 상태 요소, a: 행동 요소, r: 보상 요소, α: 학습속도 인자,β: 할인값
일 실시예에 따르면, 상기 중앙처리부의 클러스터링 방법은 상기 결정된 특정 시간 이후의 클러스터 개수에 기반하여 각 클러스터마다 클러스터링 기준을 결정하는 단계 및 서비스 트래픽양에 기반하여 상기 결정된 클러스터링 기준을 중심으로 각 클러스터마다 무선송신부를 포함시키는 단계를 더 포함할 수 있다.
일 실시예에 따르면, 상기 클러스터링 기준을 결정하는 단계는 상기 시스템을 구성하는 각 클러스터에서 가장 많은 트래픽 서비스를 제공하는 무선송신부를 상기 클러스터링 기준으로 결정할 수 있다.
본 발명에서 개시하고 있는 일 실시예에 따르면, 통신 시스템 내에서 클러스터링을 통해 셀 간 부하균형을 유지할 수 있어 셀 간 간섭이 감소할 수 있다. 뿐만 아니라 본 발명에서 개시하고 있는 일 실시예에 따르면, 무선송신부 전원 제어를 통해 통신 시스템의 에너지 효율을 향상시킬 수 있다.
도 1은 본 발명에서 개시하고 있는 일 실시예에 따른 통신 시스템 구조를 나타낸 도면이다.
도 2는 본 발명의 일 실시예에 따른 무선송신부의 전원 제어 방법에 대한 흐름도이다.
도 3은 본 발명의 일 실시예에 따른 중앙처리부의 클러스터링 방법에 대한 흐름도이다.
도 4는 본 발명의 일 실시예에 따른 무선송신부에 대한 블록도이다.
도 5는 본 발명의 일 실시예에 따른 중앙처리부에 대한 블록도이다.
도 6은 본 발명의 일 실시예에 따른 시스템의 에너지 효율을 비교한 그래프이다.
도 7은 본 발명의 일 실시예에 따른 평균 SINR을 비교한 그래프이다.
본 발명은 다양한 변경을 가할 수 있고 여러 가지 실시예를 가질 수 있는 바, 특정 실시예들을 도면에 예시하고 상세한 설명에 상세하게 설명하고자 한다. 그러나, 이는 본 발명을 특정한 실시 형태에 대해 한정하려는 것이 아니며, 본 발명의 사상 및 기술 범위에 포함되는 모든 변경, 균등물 내지 대체물을 포함하는 것으로 이해되어야 한다. 각 도면을 설명하면서 유사한 참조부호를 유사한 구성요소에 대해 사용하였다.
제1, 제2, A, B 등의 용어는 다양한 구성요소들을 설명하는데 사용될 수 있지만, 상기 구성요소들은 상기 용어들에 의해 한정되어서는 안 된다. 상기 용어들은 하나의 구성요소를 다른 구성요소로부터 구별하는 목적으로만 사용된다. 예를 들어, 본 발명의 권리 범위를 벗어나지 않으면서 제1 구성요소는 제2 구성요소로 명명될 수 있고, 유사하게 제2 구성요소도 제1 구성요소로 명명될 수 있다. 및/또는 이라는 용어는 복수의 관련된 기재된 항목들의 조합 또는 복수의 관련된 기재된 항목들 중의 어느 항목을 포함한다.
어떤 구성요소가 다른 구성요소에 "연결되어" 있다거나 "접속되어" 있다고 언급된 때에는, 그 다른 구성요소에 직접적으로 연결되어 있거나 또는 접속되어 있을 수도 있지만, 중간에 다른 구성요소가 존재할 수도 있다고 이해되어야 할 것이다. 반면에, 어떤 구성요소가 다른 구성요소에 "직접 연결되어" 있다거나 "직접 접속되어" 있다고 언급된 때에는, 중간에 다른 구성요소가 존재하지 않는 것으로 이해되어야 할 것이다.
본 출원에서 사용한 용어는 단지 특정한 실시예를 설명하기 위해 사용된 것으로, 본 발명을 한정하려는 의도가 아니다. 단수의 표현은 문맥상 명백하게 다르게 뜻하지 않는 한, 복수의 표현을 포함한다. 본 출원에서, "포함하다" 또는 "가지다" 등의 용어는 명세서상에 기재된 특징, 숫자, 단계, 동작, 구성요소, 부품 또는 이들을 조합한 것이 존재함을 지정하려는 것이지, 하나 또는 그 이상의 다른 특징들이나 숫자, 단계, 동작, 구성요소, 부품 또는 이들을 조합한 것들의 존재 또는 부가 가능성을 미리 배제하지 않는 것으로 이해되어야 한다.
다르게 정의되지 않는 한, 기술적이거나 과학적인 용어를 포함해서 여기서 사용되는 모든 용어들은 본 발명이 속하는 기술 분야에서 통상의 지식을 가진 자에 의해 일반적으로 이해되는 것과 동일한 의미를 가지고 있다. 일반적으로 사용되는 사전에 정의되어 있는 것과 같은 용어들은 관련 기술의 문맥 상 가지는 의미와 일치하는 의미를 가지는 것으로 해석되어야 하며, 본 출원에서 명백하게 정의하지 않는 한, 이상적이거나 과도하게 형식적인 의미로 해석되지 않는다. 이하, 첨부된 도면을 참조하여 본 발명의 바람직한 실시예를 상세하게 설명한다.
도 1은 본 발명에서 개시하고 있는 일 실시예에 따른 통신 시스템 구조를 나타낸 도면이다.
일 실시예에 따르면, 통신 시스템 하나의 중앙처리부(101)와 복수개의 신호송신부(111, 112, 113, 114, 115, 116, RRH(radio remote head))를 포함할 수 있다. 다양한 실시예에 따르면, 상기 중앙처리부(101)는 신호처리부(base band unit)를 포함할 수 있으며, 상기 신호처리부는 복수개의 신호송신부를 통해 송신되는 신호의 변조 및 복조 프로세스를 수행할 수 있다.
일 실시예에 따르면, 각 신호송신부는 특정 영역의 커버리지를 가지며 특정 커버리지에 포함된 단말은 특정 커버리지에 대응하는 기지국과 셀룰러(cellular) 통신을 수행할 수 있다. 다양한 실시예에 따르면, 복수개의 신호송신부는 신호송신부가 배치되는 위치에 따라 그룹화될 수 있다. 예를 들어, 근접한 제1 신호송신부(111), 제2 신호송신부(112), 제3 신호송신부(113)는 제1 신호송신부 그룹을 형성할 수 있으며, 근접한 제4 신호송신부(114), 제5 신호송신부(115), 제6 신호송신부(116)가 제2 신호송신부 그룹을 형성할 수 있다.
일 실시예에 따르면, 상기 복수개의 신호송신부 중 일부는 앞서 언급한 매크로 기지국에 대응될 수 있으며, 다른 일부는 앞서 언급한 피코 기지국에 대응될 수 있다. 예를 들어, 제1 신호송신부(111)와 제5 신호송신부(115)는 매크로 기지국으로 구성될 수 있으며, 제2 신호송신부(112), 제3 신호송신부(113), 제4 신호송신부(114), 제6 신호송신부(116)는 피코 기지국으로 구성될 수 있다.
한편, 도 1에서는 각 신호송신부가 동일한 커버리지를 가지는 경우를 도시하였으나, 앞서 언급한 바와 같이 제1 신호송신부(111)와 제5 신호송신부(115)가 매크로 기지국에 대응하는 경우, 제1 신호송신부(111)와 제5 신호송신부(115)의 커버리지는 제2 신호송신부(112), 제3 신호송신부(113), 제4 신호송신부(114), 제6 신호송신부(116)의 커버리지 보다 넓을 수 있다.
일 실시예에 따르면, 각 신호송신부의 커버리지 내에 배치된 단말은 신호송신부와 셀룰러 통신을 수행하거나 다른 단말과 D2D 통신을 수행할 수 있다. 다양한 실시예에 따르면, 특정 영역내에 배치되는 무선송신부의 개수가 증가할수록 중복되는 무선송신부 커버리지 영역이 넓어지므로 셀간 간섭이 커질 수 있다.
도 2는 본 발명의 일 실시예에 따른 무선송신부의 전원 제어 방법에 대한 흐름도이다. 일 실시예에 따르면, 도 2에서 도시하고 있는 무선송신부의 전원 제어 방법은 도 4에서 도시하고 있는 무선송신부에 의해 수행될 수 있다.
일 실시예에 따르면, S210 단계에서 무선송신부는 특정 시간에서 평균 데이터 전송률과 부하레벨에 기반하여 무선송신부의 상태 요소를 결정할 수 있다. 다양한 실시예에 따르면, 상기 부하레벨은 아래 수학식 5를 통해 결정될 수 있다.
[수학식 5]
Figure 112020010201673-pat00011
상기 수학식 5에서
Figure 112020010201673-pat00012
는 부하레벨이며,
Figure 112020010201673-pat00013
은 단말이 요구하는 자원의 수이고,
Figure 112020010201673-pat00014
단말과 무선송신부간 연결 여부에 대한 정보이다. 보다 구체적으로 단말과 무선송신부가 연결되어 있는 경우
Figure 112020010201673-pat00015
는 1이며, 단말과 무선송신부가 연결되어 있지 않은 경우
Figure 112020010201673-pat00016
는 0일 수 있다.
일 실시예에 따르면, S220 단계에서 무선송신부는 상기 특정 시간에서 무선송신부의 전원 상태에 기반하여 상기 무선송신부의 행동(action) 요소를 결정할 수 있다. 다양한 실시예에 따르면, 상기 특정 시간에 무선송신부의 전원 상태가 활성화 상태에 있는 경우 상기 행동 요소는 1이 될 수 있으며, 상기 특정 시간에 무선송신부의 전원 상태가 수면 상태에 있는 경우 상기 행동 요소는 0이 될 수 있다.
일 실시예에 따르면, S230 단계에서 무선송신부는 상기 특정 시간에서 상기 무선송신부를 포함하는 클러스터의 에너지 효율에 기반하여 상기 무선송신부의 보상(reward) 요소를 결정할 수 있다. 다양한 실시예에 따르면, S240 단계에서 무선송신부는 S210 단계를 통해 결정된 상태 요소, S220 단계를 통해 결정된 행동 요소, S230 단계를 통해 결정된 보상 요소에 기반하여 기계적 학습을 수행함으로써 상기 특정 시간 이후 상기 무선송신부의 전원을 턴 온 또는 턴 오프 할 수 있다.
일 실시예에 따르면, 상기 기계적 학습은 Q-learning을 포함할 수 있다. 다양한 실시예에 따르면, 상기 무선송신부는 특정 시간 t에서의 Q-learning 학습을 통해 t+1 시간에서 전원을 턴 온 또는 턴 오프 해야 되는지 여부를 결정할 수 있으며 이를 통해 시스템 에너지 효율을 향상시킬 수 있다.
도 3은 본 발명의 일 실시예에 따른 중앙처리부의 클러스터링 방법에 대한 흐름도이다. 일 실시예에 따르면, 도 3에서 도시하고 있는 중앙처리부의 클러스터링 방법은 도 5에서 도시하고 있는 중앙처리부에 의해 수행될 수 있다.
일 실시예에 따르면, S310 단계에서 중앙처리부는 특정 시간에서 시스템을 구성하는 단말의 평균 데이터 전송률과 상기 특정 시간에 상기 시스템에서 이용 가능한 자원에 기반하여 상기 시스템의 상태(state) 요소를 결정할 수 있다. 다양한 실시예에 따르면, S320 단계에서 중앙처리부는 상기 특정 시간에서 클러스터 개수와 상기 특정 시간에서 활성화된 무선송신부의 개수에 기반하여 상기 시스템의 행동(action) 요소를 결정할 수 있다.
일 실시예에 따르면, S330 단계에서 중앙처리부는 상기 특정 시간에서 상기 시스템의 에너지 효율에 기반하여 상기 시스템의 보상(reward) 요소를 결정할 수 있다. 다양한 실시예에 따르면, S340 단계에서 중앙처리부는 상기 상태 요소, 상기 행동 요소, 상기 보상 요소에 기반하여 기계적 학습을 수행하여 상기 특정 시간 이후 클러스터의 개수와 활성화할 무선송신부의 개수를 결정할 수 있다. 예를 들어, 상기 보상 요소는 아래 수학식 6을 통해 결정될 수 있다.
[수학식 6]
Figure 112020010201673-pat00017
상기 수학식 6에서
Figure 112020010201673-pat00018
은 보상 요소이고 BBt는 시스템 에너지 효율이며, rt는 시간 t에서 수신되는 단말의 SINR 평균이고, rmin은 최소 SINR 만족 조건이다.
일 실시예에 따르면, S340 단계에서 수행되는 기계적 학습은 Q-learning을 포함할 수 있다. 다양한 실시예에 따르면, Q-learning에 이용되는 Q 테이블은 아래 수학식 7에 기반하여 업데이트 될 수 있다.
[수학식 7]
Figure 112020010201673-pat00019
상기 수학식 7에서 Q는 Q 테이블이며, s는 상태 요소이고 a는 행동 요소이며 r은 보상 요소이고 α는 0과 1 사이의 값을 가지는 학습속도 인자이며β는 할인값 이다.
일 실시예에 따르면, Q 테이블 업데이트를 통해 기계적 학습의 정확도를 향상시킬 수 있다. 다양한 실시예에 따르면, 특정 시간 t에서의 Q-learning 학습을 통해 t+1 시간에서 클러스터의 개수와 활성화할 무선송신부 개수를 결정할 수 있으며, 이를 통해 시스템의 부하 균형을 유지할 수 있다.
일 실시예에 따르면, 하나의 클러스터에는 복수개의 무선송신부가 포함될 수 있다. 다양한 실시예에 따르면, 근접한 위치에 배치된 복수개의 무선송신부가 하나의 클러스터를 구성할 수 있다. (또는 중복되는 커버리지 영역이 많은 무선송신부가 하나의 클러스터를 구성할 수 있다.)
일 실시예에 따르면, S350 단계에서 중앙처리부는 상기 결정된 특정 시간 이후의 클러스터 개수에 기반하여 각 클러스터마다 클러스터링 기준을 결정할 수 있다. 다양한 실시예에 따르면, 상기 시스템을 구성하는 각 클러스터에서 가장 많은 트래픽 서비스를 제공하는 무선송신부를 클러스터링 기준으로 결정할 수 있다.
일 실시예에 따르면, 각 무선송신부는 아래 수학식 8에 기반하여 각 무선송신부의 점수를 계산할 수 있다.
[수학식 8]
Q =
Figure 112020010201673-pat00020
상기 수학식 8에서 Q는 무선송신부의 점수이며, PRRH는 무선송신부의 전력이고, b는 단말과 무선송신부간 연결 여부에 대한 정보이다.
일 실시예에 따르면, 각 무선송신부는 계산한 자신의 점수를 이웃하는 무선송신부의 점수와 비교하여 점수가 더 높은 무선송신부에 투표를 할 수 있다. 예를 들어, 제1 무선송신부의 점수가 제2 무선송신부의 점수보다 높은 경우 제2 무선송신부는 제1 무선송신부에 투표할 수 있다. 다양한 실시예에 따르면, 중앙처리부는 각 무선송신부가 투표한 결과를 종합하여 가장 많은 투표를 획득한 무선송신부를 클러스터링 기준으로 결정할 수 있다.
일 실시예에 따르면, S360 단계에서 중앙처리부는 서비스 트래픽양에 기반하여 상기 결정된 클러스터링 기준을 중심으로 각 클러스터마다 무선송신부를 포함시킬 수 있다. 다양한 실시예에 따르면, 클러스터링 기준에 해당하는 무선송신부에 근접한 무선송신부 중에서 투표 점수가 높은 무선송신부부터 상응하는 클러스터에 포함시킬 수 있다. 예를 들어, 제1 무선송신부가 클러스터링 기준이고, 제1 무선송신부에 제2 무선송신부와 제3 무선송신부가 근접해 있으며, 제2 무선송신부의 투표 점수는 2이고 제3 무선송신부의 투표 점수는 4인 경우, 상기 제1 무선송신부에 대응하는 클러스터에 제3 무선송신부가 제2 무선송신부보다 먼저 포함될 수 있다. 한편, 상기 S360 단계는 모든 무선송신부가 클러스터에 포함될 때까지 지속적으로 수행될 수 있다.
도 4는 본 발명의 일 실시예에 따른 무선송신부에 대한 블록도이다.
일 실시예에 따르면, 무선송신부(400)는 신호를 송수신하기 위한 송수신부(410) 및 상기 송수신부(410)와 전기적으로 연결되고 특정 시간에서 평균 데이터 전송률과 부하레벨에 기반하여 각 무선송신부의 상태(state) 요소를 결정하고, 상기 특정 시간에서 각 무선송신부의 전원 상태에 기반하여 각 무선송신부의 행동(action) 요소를 결정하며, 상기 특정 시간에서 상기 무선송신부(400)를 포함하는 클러스터의 에너지 효율에 기반하여 각 무선송신부의 보상(reward) 요소를 결정하고, 상기 각 무선송신부의 상태 요소, 상기 각 무선송신부의 행동 요소, 상기 각 무선송신부의 보상 요소에 기반하여 기계적 학습을 수행하여 상기 특정 시간 이후 각 무선송신부의 전원을 턴 온 또는 턴 오프 제어하는 제어부(420)를 포함할 수 있다. 다양한 실시예에 따르면, 상기 제어부(420)는 아래 수학식 9에 기반하여 상기 부하레벨을 결정할 수 있다.
[수학식 9]
Figure 112020010201673-pat00021
상기 수학식 9에서
Figure 112020010201673-pat00022
는 부하레벨이며,
Figure 112020010201673-pat00023
은 단말이 요구하는 자원의 수이고,
Figure 112020010201673-pat00024
는 단말과 무선송신부간 연결 여부에 대한 정보이다.
도 5는 본 발명의 일 실시예에 따른 중앙처리부에 대한 블록도이다.
일 실시예에 따르면, 중앙처리부(500)는 신호를 송수신하기 위한 송수신부(510) 및 상기 송수신부(510)와 전기적으로 연결되며 특정 시간에서 시스템을 구성하는 단말의 평균 데이터 전송률과 상기 특정 시간에서 상기 시스템에서 이용 가능한 자원에 기반하여 상기 시스템의 상태(state) 요소를 결정하고, 상기 특정 시간에서 클러스터 개수와 상기 특정 시간에서 활성화된 무선송신부의 개수에 기반하여 상기 시스템의 행동(action) 요소를 결정하며, 상기 특정 시간에서 상기 시스템의 에너지 효율에 기반하여 상기 시스템의 보상(reward) 요소를 결정하고, 상기 시스템의 상태 요소, 상기 시스템의 행동 요소, 상기 시스템의 보상 요소에 기반하여 기계적 학습을 수행하여 상기 특정 시간 이후 클러스터의 개수와 활성화할 무선송신부의 개수를 결정하는 제어부(520)를 포함할 수 있다. 다양한 실시예에 따르면, 상기 제어부(520)는 상기 결정된 특정 시간 이후의 클러스터 개수에 기반하여 각 클러스터마다 클러스터링 기준을 결정하고, 서비스 트래픽양에 기반하여 상기 결정된 클러스터링 기준을 중심으로 각 클러스터마다 무선송신부를 포함시킬 수 있다.
도 6은 본 발명의 일 실시예에 따른 시스템의 에너지 효율을 비교한 그래프이다. 도 6에서 proposed algorithm은 표시된 그래프는 본 발명에서 제안하는 알고리즘에 따른 경우의 그래프이며, compare 1으로 표시된 그래프는 무선송신부 전원 제어 성능 비교를 위한 그래프이고, compare2로 표시된 그래프는 클러스터링 기반 무선송신부 전원 제어 성능 비교를 위한 그래프이며, compare 3으로 표시된 그래프는 전원 제어 알고리즘이 적용되지 않은 경우의 그래프이다. 도 6의 그래프 비교를 통해 본 발명에서 제안하는 알고리즘에 따른 경우 시스템의 에너지 효율이 가장 높은 것을 확인할 수 있다. 보다 구체적으로 제안 알고리즘에 따른 시스템 에너지 효율은 compare 1 그래프에 따른 에너지 효율보다 약 76% 높으며, 제안 알고리즘에 따른 시스템 에너지 효율은 compare 2 그래프에 따른 에너지 효율보다 약 11% 높고, 제안 알고리즘에 따른 시스템 에너지 효율은 compare 3 그래프에 따른 에너지 효율보다 약 106% 높은 것을 확인할 수 있다.
도 7은 본 발명의 일 실시예에 따른 평균 SINR을 비교한 그래프이다. 도 7에서 proposed algorithm은 표시된 그래프는 본 발명에서 제안하는 알고리즘에 따른 경우의 그래프이며, compare 1으로 표시된 그래프는 무선송신부 전원 제어 성능 비교를 위한 그래프이고, compare2로 표시된 그래프는 클러스터링 기반 무선송신부 전원 제어 성능 비교를 위한 그래프이며, compare 3으로 표시된 그래프는 전원 제어 알고리즘이 적용되지 않은 경우의 그래프이다. 도 7의 그래프 비교를 통해 본 발명에서 제안하는 알고리즘에 따른 경우 평균 SINR이 가장 높은 것을 확인할 수 있다. 보다 구체적으로 제안 알고리즘에 따른 평균 SINR은 compare 1 그래프에 따른 평균 SINR보다 약 85% 높으며, 제안 알고리즘에 따른 평균 SINR은 compare 2 그래프에 따른 평균 SINR보다 약 13% 높고, 제안 알고리즘에 따른 평균 SINR은 compare 3 그래프에 따른 평균 SINR보다 약 117% 높은 것을 확인할 수 있다.
이상의 설명은 본 발명의 기술 사상을 예시적으로 설명한 것에 불과한 것으로, 본 발명이 속하는 기술 분야에서 통상의 지식을 가진 사람이라면 본 발명의 본질적인 특성에서 벗어나지 않는 범위에서 다양한 수정 및 변형이 가능할 것이다. 따라서, 본 발명에 실행된 실시예들은 본 발명의 기술 사상을 한정하기 위한 것이 아니라 설명하기 위한 것이고, 이러한 실시예에 의하여 본 발명의 기술 사상의 범위가 한정되는 것은 아니다. 본 발명의 보호 범위는 아래의 청구범위에 의하여 해석되어야 하며, 그와 동등한 범위 내에 있는 모든 기술 사상은 본 발명의 권리범위에 포함되는 것으로 해석되어야 할 것이다.

Claims (13)

  1. 특정 시간에서 평균 데이터 전송률과 부하레벨에 기반하여 각 무선송신부의 상태(state) 요소를 결정하고, 상기 특정 시간에서 각 무선송신부의 전원 상태에 기반하여 각 무선송신부의 행동(action) 요소를 결정하며, 상기 특정 시간에서 상기 무선송신부를 포함하는 클러스터의 에너지 효율에 기반하여 각 무선송신부의 보상(reward) 요소를 결정하고, 상기 각 무선송신부의 상태 요소, 상기 각 무선송신부의 행동 요소, 상기 각 무선송신부의 보상 요소에 기반하여 기계적 학습을 수행하여 상기 특정 시간 이후 각 무선송신부의 전원을 턴 온 또는 턴 오프 제어하는 복수개의 무선송신부; 및
    상기 복수개의 무선송신부를 클러스터링(clustering)하는 중앙처리부를 포함하는,
    차세대 통신 시스템.
  2. 제1항에 있어서,
    상기 각 무선송신부는 상기 부하레벨을 아래 수학식 10에 기반하여 결정하는 것을 특징으로 하는,
    차세대 통신 시스템.
    [수학식 10]
    Figure 112020010201673-pat00025

    Figure 112020010201673-pat00026
    : 부하레벨,
    Figure 112020010201673-pat00027
    : 단말이 요구하는 자원의 수,
    Figure 112020010201673-pat00028
    : 단말과 무선송신부간 연결 여부에 대한 정보
  3. 제1항에 있어서,
    상기 중앙처리부는 상기 특정 시간에서 상기 시스템을 구성하는 단말의 평균 데이터 전송률과 상기 특정 시간에서 상기 시스템에서 이용 가능한 자원에 기반하여 상기 시스템의 상태(state) 요소를 결정하고, 상기 특정 시간에서 클러스터 개수와 상기 특정 시간에서 활성화된 무선송신부의 개수에 기반하여 상기 시스템의 행동(action) 요소를 결정하며, 상기 특정 시간에서 상기 시스템의 에너지 효율에 기반하여 상기 시스템의 보상(reward) 요소를 결정하고, 상기 시스템의 상태 요소, 상기 시스템의 행동 요소, 상기 시스템의 보상 요소에 기반하여 기계적 학습을 수행하여 상기 특정 시간 이후 클러스터의 개수와 활성화할 무선송신부의 개수를 결정하는 것을 특징으로 하는,
    차세대 통신 시스템.
  4. 제3항에 있어서,
    상기 기계적 학습은 Q-learning을 포함하며, 상기 Q-learning에 이용되는 Q 테이블은 아래 수학식 11에 기반하여 업데이트 되는 것을 특징으로 하는,
    차세대 통신 시스템.
    [수학식 11]
    Figure 112020010201673-pat00029

    Q: Q 테이블, s: 상태 요소, a: 행동 요소, r: 보상 요소, α: 학습속도 인자,β: 할인값
  5. 제3항에 있어서,
    상기 중앙처리부는 상기 결정된 특정 시간 이후의 클러스터 개수에 기반하여 각 클러스터마다 클러스터링 기준을 결정하고, 서비스 트래픽양에 기반하여 상기 결정된 클러스터링 기준을 중심으로 각 클러스터마다 무선송신부를 포함시키는 것을 특징으로 하는,
    차세대 통신 시스템.
  6. 제5항에 있어서,
    상기 중앙처리부는 상기 시스템을 구성하는 각 클러스터에서 가장 많은 트래픽 서비스를 제공하는 무선송신부를 상기 클러스터링 기준으로 결정하는 것을 특징으로 하는,
    차세대 통신 시스템.
  7. 제5항에 있어서,
    상기 각 무선송신부는 제공하고 있는 트래픽 서비스양을 결정하고 결정된 트래픽 서비스양을 이웃하는 적어도 하나의 무선송신부에서 결정한 트래픽 서비스양과 비교하여 트래픽 서비스양이 더 많은 무선송신부에게 투표를 하며,
    상기 중앙처리부는 각 클러스터내에서 가장 많은 투표를 받은 무선송신부를 상기 클러스터링 기준으로 결정하는 것을 특징으로 하는,
    차세대 통신 시스템.
  8. 복수개의 무선송신부를 포함하는 차세대 통신 시스템에서 무선송신부의 전원 제어 방법에 있어서,
    특정 시간에서 평균 데이터 전송률과 부하레벨에 기반하여 상기 무선송신부의 상태(state) 요소를 결정하는 단계;
    상기 특정 시간에서 무선송신부의 전원 상태에 기반하여 상기 무선송신부의 행동(action) 요소를 결정하는 단계;
    상기 특정 시간에서 상기 무선송신부를 포함하는 클러스터의 에너지 효율에 기반하여 상기 무선송신부의 보상(reward) 요소를 결정하는 단계; 및
    상기 상태 요소, 상기 행동 요소, 상기 보상 요소에 기반하여 기계적 학습을 수행하여 상기 특정 시간 이후 상기 무선송신부의 전원을 턴 온 또는 턴 오프 제어하는 단계를 포함하는,
    무선송신부의 전원 제어 방법.
  9. 제8항에 있어서,
    상기 부하레벨은 아래 수학식 12에 기반하여 결정되는 것을 특징으로 하는,
    무선송신부의 전원 제어 방법.
    [수학식 12]
    Figure 112020123394671-pat00030

    Figure 112020123394671-pat00031
    : 부하레벨,
    Figure 112020123394671-pat00032
    : 단말이 요구하는 자원의 수,
    Figure 112020123394671-pat00033
    : 단말과 무선송신부간 연결 여부에 대한 정보
  10. 복수개의 무선송신부를 포함하는 차세대 통신 시스템에서 중앙처리부의 클러스터링(clustering) 방법에 있어서,
    특정 시간에서 상기 시스템을 구성하는 단말의 평균 데이터 전송률과 상기 특정 시간에서 상기 시스템에 이용 가능한 자원에 기반하여 상기 시스템의 상태(state) 요소를 결정하는 단계;
    상기 특정 시간에서 클러스터 개수와 상기 특정 시간에서 활성화된 무선송신부의 개수에 기반하여 상기 시스템의 행동(action) 요소를 결정하는 단계;
    상기 특정 시간에서 상기 시스템의 에너지 효율에 기반하여 상기 시스템의 보상(reward) 요소를 결정하는 단계; 및
    상기 상태 요소, 상기 행동 요소, 상기 보상 요소에 기반하여 기계적 학습을 수행하여 상기 특정 시간 이후 클러스터의 개수와 활성화할 무선송신부의 개수를 결정하는 단계를 포함하는,
    중앙처리부의 클러스터링 방법.
  11. 제10항에 있어서,
    상기 기계적 학습은 Q-learning을 포함하며, 상기 Q-learning에 이용되는 Q 테이블은 아래 수학식 13에 기반하여 업데이트 되는 것을 특징으로 하는,
    중앙처리부의 클러터링 방법.
    [수학식 13]
    Figure 112020010201673-pat00034

    Q: Q 테이블, s: 상태 요소, a: 행동 요소, r: 보상 요소, α: 학습속도 인자,β: 할인값
  12. 제10항에 있어서,
    상기 결정된 특정 시간 이후의 클러스터 개수에 기반하여 각 클러스터마다 클러스터링 기준을 결정하는 단계; 및
    서비스 트래픽양에 기반하여 상기 결정된 클러스터링 기준을 중심으로 각 클러스터마다 무선송신부를 포함시키는 단계를 더 포함하는,
    중앙처리부의 클러스터링 방법.
  13. 제12항에 있어서,
    상기 클러스터링 기준을 결정하는 단계는 상기 시스템을 구성하는 각 클러스터에서 가장 많은 트래픽 서비스를 제공하는 무선송신부를 상기 클러스터링 기준으로 결정하는 것을 특징으로 하는,
    중앙처리부의 클러스터링 방법.
KR1020200011375A 2020-01-30 2020-01-30 무선송신부의 전력 제어 및 클러스터링을 위한 차세대 통신 시스템 KR102264308B1 (ko)

Priority Applications (1)

Application Number Priority Date Filing Date Title
KR1020200011375A KR102264308B1 (ko) 2020-01-30 2020-01-30 무선송신부의 전력 제어 및 클러스터링을 위한 차세대 통신 시스템

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
KR1020200011375A KR102264308B1 (ko) 2020-01-30 2020-01-30 무선송신부의 전력 제어 및 클러스터링을 위한 차세대 통신 시스템

Publications (1)

Publication Number Publication Date
KR102264308B1 true KR102264308B1 (ko) 2021-06-14

Family

ID=76417303

Family Applications (1)

Application Number Title Priority Date Filing Date
KR1020200011375A KR102264308B1 (ko) 2020-01-30 2020-01-30 무선송신부의 전력 제어 및 클러스터링을 위한 차세대 통신 시스템

Country Status (1)

Country Link
KR (1) KR102264308B1 (ko)

Citations (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR20150069496A (ko) * 2013-12-12 2015-06-23 한국과학기술원 다중 라디오 환경에서 에너지 효율이 높은 파라미터 선택 방법 및 장치

Patent Citations (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR20150069496A (ko) * 2013-12-12 2015-06-23 한국과학기술원 다중 라디오 환경에서 에너지 효율이 높은 파라미터 선택 방법 및 장치

Non-Patent Citations (4)

* Cited by examiner, † Cited by third party
Title
5G 네트워크 환경에서 에너지 효율을 위한 동적 기지국 제어 방법, 박혜빈, 임유진, 한국정보과학회 2018 한국컴퓨터종합학술대회논문집 pp.311-313 (2018.06.) *
An Energy-Saving Algorithm With Joint User Association, Clustering, and On/Off Strategies in Dense Heterogeneous Networks, Lun Tang et al., IEEE Access, Vol.5, pp.12988-13000 (2017.07.05.) *
Relational Reinforcement Learning Based Automomous Cell Activation in Cloud-RANs, Guolin Sun et al., IEEE Access (2019.05.13.) *
기지국 상태 조정을 위한 강화 학습 기법 분석, 박혜빈, 임유진, Asia-pacific Journal of Multimedia Services Convergent with Art, Humanities, and Sociology, Vol.8, No.2, pp.351-358 (2018.2.) *

Similar Documents

Publication Publication Date Title
Hasan et al. A novel HGBBDSA-CTI approach for subcarrier allocation in heterogeneous network
KR20210067764A (ko) 무선 통신 시스템에서 부하 분산을 위한 장치 및 방법
Salim et al. Joint optimization of energy-harvesting-powered two-way relaying D2D communication for IoT: A rate–energy efficiency tradeoff
CN106604300B (zh) 一种基于全双工和大规模天线技术的小小区基站自供能自回传方法
US10003979B2 (en) Method for generating signal for reducing interference in user-centralized virtual cell in cloud wireless connection network environment, and apparatus therefor
CN107094281B (zh) 一种m2m设备接入基站时的接入方法及系统
Cheng et al. Joint user association and resource allocation in HetNets based on user mobility prediction
CN106788812B (zh) 一种两层网络中基于分簇的干扰对齐方法
Khazali et al. Energy-spectral efficient resource allocation and power control in heterogeneous networks with D2D communication
CN104770004A (zh) 一种通信系统和方法
Islam et al. Survey on the state-of-the-art in device-to-device communication: A resource allocation perspective
Zhu et al. Joint optimisation of UAV grouping and energy consumption in MEC‐enabled UAV communication networks
Sidiq et al. A new method of hybrid optimization of small cell range development and density for energy efficient ultra‐dense networks
Li et al. A general DRL-based optimization framework of user association and power control for HetNet
KR102264308B1 (ko) 무선송신부의 전력 제어 및 클러스터링을 위한 차세대 통신 시스템
KR102361439B1 (ko) 차세대 통신 네트워크에서 단말의 통신 모드 및 전송 전력 결정 방법 및 이를 위한 장치
Sun et al. Local altruistic coalition formation game for spectrum sharing and interference management in hyper‐dense cloud‐RANs
WO2023125660A1 (zh) 一种通信方法及装置
CN104581910B (zh) 面向小区无定形覆盖的协作簇内小基站异步功率控制方法
CN107613565B (zh) 一种全双工超密集网络中的无线资源管理方法
CN107995034B (zh) 一种密集蜂窝网络能量与业务协作方法
US20200350678A1 (en) Beamforming antenna module comprising lens
CN113595599B (zh) 面向5g的群簇协作通信异构系统和干扰抑制的方法
KR102286366B1 (ko) 차세대 통신 네트워크에서 에너지 효율을 향상시키기 위한 전력 제어 방법 및 이를 위한 장치
KR20100086770A (ko) 다중 셀 환경에서 셀 간 간섭을 고려한 자원 할당 제어 방법 및 무선 통신 시스템

Legal Events

Date Code Title Description
GRNT Written decision to grant