KR102586208B1 - 물체의 재질 정보 및 외부 형태 정보를 고려한 통신 채널 분석 방법 및 장치 - Google Patents

물체의 재질 정보 및 외부 형태 정보를 고려한 통신 채널 분석 방법 및 장치 Download PDF

Info

Publication number
KR102586208B1
KR102586208B1 KR1020160167140A KR20160167140A KR102586208B1 KR 102586208 B1 KR102586208 B1 KR 102586208B1 KR 1020160167140 A KR1020160167140 A KR 1020160167140A KR 20160167140 A KR20160167140 A KR 20160167140A KR 102586208 B1 KR102586208 B1 KR 102586208B1
Authority
KR
South Korea
Prior art keywords
information
image
simulation
category
location
Prior art date
Application number
KR1020160167140A
Other languages
English (en)
Other versions
KR20180055623A (ko
Inventor
이순영
박성범
윤성록
조민성
Original Assignee
삼성전자 주식회사
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 삼성전자 주식회사 filed Critical 삼성전자 주식회사
Priority to PCT/KR2017/013115 priority Critical patent/WO2018093202A1/en
Priority to AU2017361585A priority patent/AU2017361585B2/en
Priority to EP17872533.9A priority patent/EP3497827B1/en
Priority to CN201780067096.5A priority patent/CN109891781B/zh
Priority to US15/816,291 priority patent/US10887029B2/en
Publication of KR20180055623A publication Critical patent/KR20180055623A/ko
Application granted granted Critical
Publication of KR102586208B1 publication Critical patent/KR102586208B1/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
    • H04W16/18—Network planning tools
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04B—TRANSMISSION
    • H04B17/00—Monitoring; Testing
    • H04B17/30—Monitoring; Testing of propagation channels
    • H04B17/309—Measuring or estimating channel quality parameters
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
    • G01N21/00—Investigating or analysing materials by the use of optical means, i.e. using sub-millimetre waves, infrared, visible or ultraviolet light
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T17/00—Three dimensional [3D] modelling, e.g. data description of 3D objects
    • G06T17/05—Geographic models
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/70—Determining position or orientation of objects or cameras
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V10/00—Arrangements for image or video recognition or understanding
    • G06V10/40—Extraction of image or video features
    • G06V10/44—Local feature extraction by analysis of parts of the pattern, e.g. by detecting edges, contours, loops, corners, strokes or intersections; Connectivity analysis, e.g. of connected components
    • G06V10/443—Local feature extraction by analysis of parts of the pattern, e.g. by detecting edges, contours, loops, corners, strokes or intersections; Connectivity analysis, e.g. of connected components by matching or filtering
    • G06V10/449—Biologically inspired filters, e.g. difference of Gaussians [DoG] or Gabor filters
    • G06V10/451—Biologically inspired filters, e.g. difference of Gaussians [DoG] or Gabor filters with interaction between the filter responses, e.g. cortical complex cells
    • G06V10/454—Integrating the filters into a hierarchical structure, e.g. convolutional neural networks [CNN]
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V20/00—Scenes; Scene-specific elements
    • G06V20/10—Terrestrial scenes
    • G06V20/176—Urban or other man-made structures
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V20/00—Scenes; Scene-specific elements
    • G06V20/10—Terrestrial scenes
    • G06V20/188—Vegetation
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04B—TRANSMISSION
    • H04B17/00—Monitoring; Testing
    • H04B17/20—Monitoring; Testing of receivers
    • H04B17/27—Monitoring; Testing of receivers for locating or positioning the transmitter
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04B—TRANSMISSION
    • H04B17/00—Monitoring; Testing
    • H04B17/30—Monitoring; Testing of propagation channels
    • H04B17/391—Modelling the propagation channel
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04B—TRANSMISSION
    • H04B17/00—Monitoring; Testing
    • H04B17/30—Monitoring; Testing of propagation channels
    • H04B17/391—Modelling the propagation channel
    • H04B17/3912—Simulation models, e.g. distribution of spectral power density or received signal strength indicator [RSSI] for a given geographic region
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04B—TRANSMISSION
    • H04B17/00—Monitoring; Testing
    • H04B17/30—Monitoring; Testing of propagation channels
    • H04B17/391—Modelling the propagation channel
    • H04B17/3913—Predictive models, e.g. based on neural network models
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00—Indexing scheme for image analysis or image enhancement
    • G06T2207/30—Subject of image; Context of image processing
    • G06T2207/30181—Earth observation

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • Signal Processing (AREA)
  • Computer Networks & Wireless Communication (AREA)
  • General Physics & Mathematics (AREA)
  • Electromagnetism (AREA)
  • Theoretical Computer Science (AREA)
  • Multimedia (AREA)
  • General Health & Medical Sciences (AREA)
  • Health & Medical Sciences (AREA)
  • Evolutionary Computation (AREA)
  • Artificial Intelligence (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Geometry (AREA)
  • Software Systems (AREA)
  • Molecular Biology (AREA)
  • Biomedical Technology (AREA)
  • Biodiversity & Conservation Biology (AREA)
  • Quality & Reliability (AREA)
  • Spectroscopy & Molecular Physics (AREA)
  • Remote Sensing (AREA)
  • Computer Graphics (AREA)
  • Pathology (AREA)
  • Chemical & Material Sciences (AREA)
  • Analytical Chemistry (AREA)
  • Immunology (AREA)
  • Biochemistry (AREA)
  • Mobile Radio Communication Systems (AREA)
  • Monitoring And Testing Of Transmission In General (AREA)
  • Processing Or Creating Images (AREA)
  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)

Abstract

본 개시는 4G 시스템 이후 보다 높은 데이터 전송률을 지원하기 위한 5G 통신 시스템을 IoT 기술과 융합하는 통신 기법 및 그 시스템에 관한 것이다. 본 개시는 5G 통신 기술 및 IoT 관련 기술을 기반으로 지능형 서비스 (예를 들어, 스마트 홈, 스마트 빌딩, 스마트 시티, 스마트 카 혹은 커넥티드 카, 헬스 케어, 디지털 교육, 소매업, 보안 및 안전 관련 서비스 등)에 적용될 수 있다. 본 명세서의 일 실시 예에 따르는 무선 통신 시스템에서 신호 전송 특성 분석방법은 송신 위치 및 수신 위치를 확인하는 단계; 상기 송신 위치에서 상기 수신 위치로 신호가 전송되는 경로 상에 적어도 하나의 물체 및 상기 적어도 하나의 물체의 재질을 확인 하는 단계; 및 상기 적어도 하나의 물체의 재질과 관련된 정보를 기반으로 신호 전송 특성을 확인하는 단계를 포함한다.

Description

물체의 재질 정보 및 외부 형태 정보를 고려한 통신 채널 분석 방법 및 장치{Method and apparatus for analyzing communication channel considering information related to material and exterior shape of a object}
본 명세서의 실시 예는 통신 시스템에서 통신 채널 분석을 위한 방법 및 이를 이용한 장치에 관한 것이다. 보다 구체적으로 본 명세서의 실시 예는 통신 채널 환경 분석을 위한 레이 트레이싱(ray tracing)을 수행 하기 위한 방법 및 이를 이용한 장치에 관한 것이다.
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 기술인 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.
이와 같이 5G 통신 시스템에서 채널 환경을 추정하고 이에 따라 망 설계를 하기 위한 방안이 요구된다. 망 설계는 특징 지역에서 무선 통신을 통한 네트워크 서비스를 가능하게 하기 위해 무선(radio frequency, RF) 신호를 송신하는 송신기(transmitter, Tx)의 위치와 송신을 위한 설정 값을 결정하고 수신기(receiver, Rx)의 위치에서 다양한 RF 신호의 정보를 판단하고, 수학적 모델링 기법 또는 레이 트레이싱 시뮬레이션 결과를 기반으로 채널 환경 분석을 하고, 이에 따라 최적의 Tx 위치를 결정할 수 있다. 이와 같이 채널 환경의 분석을 위해 다양한 RF 신호 정보(e.g. 경로 손실, 커버리지)를 제공할 수 있으며, 이를 기반으로 망 설계를 수행할 수 있다. 실시 예에서 수학적 모델링 기법은 실증적 모델링(empirical modeling) 기법을 포함할 수 있다.
도 1은 수학적 모델링 기법을 이용한 망 설계를 설명하기 위한 도면이다.
도 1을 참조하면 송신기(110, 120)은 송신 빔(112, 122)을 형성하여 신호를 전송할 수 있다.
이와 같이 수학적 모델링 기법은 송신 신호의 주파수 및 거리 등등을 입력으로 특정 신호 송수신 모델링 기법을 통해 명시적(explicit)으로 표현된 함수를 통해 RF 정보를 예측할 수 있다. 도면에서와 같이 송신기(110, 120)은 각각 세 방향의 빔(112, 122)을 형성할 수 있고, 이에 따라 모델링 기법을 통해 송신 신호의 RF 특성을 적용할 수 있다. 이와 같이 수학적 모델링 기법을 통하면 보다 적은 계산량으로 RF 정보를 예측할 수 있으나, 주파수가 높은 RF 신호에 대해서는 이와 같은 모델링의 정확성이 떨어지는 단점이 있다.
이와 같이 고주파 RF 신호와 관련된 채널 특성을 분석하기 위해 레이 트레이싱을 통한 시뮬레이션 기법을 적용하는 것을 고려할 수 있으며, 이와 같은 경우 RF 신호가 전송될 수 있는 가능한 경로들을 고려하여 이를 통해 채널 환경을 분석할 수 있다. 그러나 이와 같은 방식을 사용할 경우 계산량이 늘어날 수 있으며, 정확도를 보장하기 위해 시뮬레이션에 실제 환경을 반영할 수 있는 방법이 필요하다.
본 명세서의 실시 예는 상술한 문제점을 해결하기 위하여 제안된 것으로 RF 송수신 환경을 분석하기 위해 레이 트레이싱을 통한 시뮬레이션을 수행할 때 보다 정확성이 높고 실제 환경을 잘 반영 할 수 있으며, 계산 량을 줄일 수 있는 방법 및 장치를 제공하는 것을 목적으로 한다. 또한 본 명세서의 실시 예는 신호의 전송 경로상에 위치하는 물체의 표면의 재질과 외부 형태를 고려하고, 이를 시뮬레이션 환경에 반영함으로써 보다 정확한 시뮬레이션 결과를 얻을 수 있는 방법 및 이를 이용한 장치를 제공하는 것을 목적으로 한다.
상술한 과제를 달성하기 위하여, 본 명세서의 일 실시 예에 따르는 무선 통신 시스템에서 신호 전송 특성 분석방법은 송신 위치 및 수신 위치를 확인하는 단계; 상기 송신 위치에서 상기 수신 위치로 신호가 전송되는 경로 상에 적어도 하나의 물체 및 상기 적어도 하나의 물체의 재질을 확인 하는 단계; 및 상기 적어도 하나의 물체의 재질과 관련된 정보를 기반으로 신호 전송 특성을 확인하는 단계를 포함한다.
본 명세서의 다른 실시 예에 따르는 무선 통신 시스템에서 신호 전송 특성을 분석하는 연산 장치는 정보를 송수 및 수신 할 수 있는 송수신부; 및 송신 위치 및 수신 위치를 확인하고, 상기 송신 위치에서 상기 수신 위치로 신호가 전송되는 경로 상에 적어도 하나의 물체 및 상기 적어도 하나의 물체의 재질을 확인 하고, 상기 적어도 하나의 물체의 재질과 관련된 정보를 기반으로 신호 전송 특성을 확인하는 제어부를 포함한다.
본 명세서의 다른 실시 예에 따르는 저장 매체는 송신 위치 및 수신 위치를 확인하는 단계; 상기 송신 위치에서 상기 수신 위치로 신호가 전송되는 경로 상에 적어도 하나의 물체 및 상기 적어도 하나의 물체의 재질을 확인 하는 단계; 및 상기 적어도 하나의 물체의 재질과 관련된 정보를 기반으로 신호 전송 특성을 확인하는 단계에 대응하는 인스트럭션을 포함하는 프로그램을 저장한다.
본 명세서의 다른 실시 예에 따르는 무선 통신 시스템의 망 설계 방법은 신호 전송 경로 상에 위치하는 적어도 하나의 물체를 확인하는 단계; 상기 적어도 하나의 물체의 재질을 확인하는 단계; 및상기 확인된 적어도 하나의 물체의 재질을 기반으로 신호 전송 특성을 확인하는 단계를 포함한다.
본 명세서의 또 다른 실시 예에 따르는 무선 통신 시스템의 망 설계를 위한 연산 장치는 정보를 송수 및 수신 할 수 있는 송수신부; 및 신호 전송 경로 상에 위치하는 적어도 하나의 물체를 확인하고, 상기 적어도 하나의 물체의 재질을 확인하고, 상기 확인된 적어도 하나의 물체의 재질을 기반으로 신호 전송 특성을 확인하는 제어부를 포함한다.
본 명세서의 실시 예에 따르면 RF 전송 환경 분석을 통한 네트워크 망 설계에서 레이 트레이싱 시뮬레이션의 정확도를 높여서 Tx 위치를 효율적으로 결정할 수 있다. 또한 본 명세서의 실시 예에 따르면 레이 트레이싱 시뮬레이션을 수행할 때 보다 적은 계산량으로 시뮬레이션을 수행할 수 있다.
도 1은 수학적 모델링 기법을 이용한 망 설계를 설명하기 위한 도면이다.
도 2는 본 명세서의 실시 예에 따른 레이 트레이싱 시뮬레이션 방법을 설명하기 위한 도면이다.
도 3a 및 3b는 본 명세서의 실시 예에 따른 3차원 지도 정보를 획득하기 위한 방법을 설명하기 위한 도면이다.
도 4a 및 4b는 본 명세서의 실시 예에 따라 이미지 정보를 통해 이미지 내의 물체의 재질 정보 획득하는 방법을 설명하기 위한 도면이다.
도 5는 본 명세서의 실시 예에 따라 레이 트레이싱을 통한 통신 채널 환경을 분석하기 위한 방법을 설명하기 위한 도면이다.
도 6은 본 명세서의 실시 예에 따라 물체의 표면의 재질과 외부 형태를 고려한 레이트레이싱 시뮬레이션 방법을 설명하기 위한 도면이다.
도 7은 본 명세서의 실시 예에 따라 이미지 정보에서 이미지 내의 물체의 재질 정보를 획득하기 위한 방법을 설명하는 도면이다.
도 8a 내지 8c는 본 명세서의 실시 예에 따른 물체의 재질을 고려하여 신호의 전송 특징을 고려하는 방법을 설명하기 위한 도면이다.
도 9a 내지 9c는 본 명세서의 실시 예에 따른 물체의 외부 형태를 고려하여 신호의 전송 특징을 고려하는 방법을 설명하기 위한 도면이다.
도 10은 본 명세서의 실시 예에 따라 3차원 지도 정보에 물체의 재질 및 외부 형태 정보를 매핑하여 레이 트레이싱을 수행하는 방법을 설명하기 위한 도면이다.
도 11은 본 명세서의 실시 예에 따라 이미지 정보를 통해 특정 물체의 재질을 판단하고 이를 기반으로 3차원 지도에 재질 정보를 매핑하는 방법을 설명하기 위한 도면이다.
도 12는 3차원 지도에 매핑된 재질 정보를 기반으로 레이 트레이싱 시뮬레이션을 수행하는 방법을 설명하기 위한 도면이다.
도 13은 본 명세서의 실시 예에 따른 시뮬레이션을 위한 연산 장치를 나타내는 도면이다.
이하, 본 발명의 실시 예를 첨부된 도면을 참조하여 상세하게 설명한다.
실시 예를 설명함에 있어서 본 발명이 속하는 기술 분야에 익히 알려져 있고 본 발명과 직접적으로 관련이 없는 기술 내용에 대해서는 설명을 생략한다. 이는 불필요한 설명을 생략함으로써 본 발명의 요지를 흐리지 않고 더욱 명확히 전달하기 위함이다.
마찬가지 이유로 첨부 도면에 있어서 일부 구성요소는 과장되거나 생략되거나 개략적으로 도시되었다. 또한, 각 구성요소의 크기는 실제 크기를 전적으로 반영하는 것이 아니다. 각 도면에서 동일한 또는 대응하는 구성요소에는 동일한 참조 번호를 부여하였다.
본 발명의 이점 및 특징, 그리고 그것들을 달성하는 방법은 첨부되는 도면과 함께 상세하게 후술되어 있는 실시 예들을 참조하면 명확해질 것이다. 그러나 본 발명은 이하에서 개시되는 실시 예들에 한정되는 것이 아니라 서로 다른 다양한 형태로 구현될 수 있으며, 단지 본 실시 예들은 본 발명의 개시가 완전하도록 하고, 본 발명이 속하는 기술분야에서 통상의 지식을 가진 자에게 발명의 범주를 완전하게 알려주기 위해 제공되는 것이며, 본 발명은 청구항의 범주에 의해 정의될 뿐이다. 명세서 전체에 걸쳐 동일 참조 부호는 동일 구성 요소를 지칭한다.
이 때, 처리 흐름도 도면들의 각 블록과 흐름도 도면들의 조합들은 컴퓨터 프로그램 인스트럭션들에 의해 수행될 수 있음을 이해할 수 있을 것이다. 이들 컴퓨터 프로그램 인스트럭션들은 범용 컴퓨터, 특수용 컴퓨터 또는 기타 프로그램 가능한 데이터 프로세싱 장비의 프로세서에 탑재될 수 있으므로, 컴퓨터 또는 기타 프로그램 가능한 데이터 프로세싱 장비의 프로세서를 통해 수행되는 그 인스트럭션들이 흐름도 블록(들)에서 설명된 기능들을 수행하는 수단을 생성하게 된다. 이들 컴퓨터 프로그램 인스트럭션들은 특정 방식으로 기능을 구현하기 위해 컴퓨터 또는 기타 프로그램 가능한 데이터 프로세싱 장비를 지향할 수 있는 컴퓨터 이용 가능 또는 컴퓨터 판독 가능 메모리에 저장되는 것도 가능하므로, 그 컴퓨터 이용가능 또는 컴퓨터 판독 가능 메모리에 저장된 인스트럭션들은 흐름도 블록(들)에서 설명된 기능을 수행하는 인스트럭션 수단을 내포하는 제조 품목을 생산하는 것도 가능하다. 컴퓨터 프로그램 인스트럭션들은 컴퓨터 또는 기타 프로그램 가능한 데이터 프로세싱 장비 상에 탑재되는 것도 가능하므로, 컴퓨터 또는 기타 프로그램 가능한 데이터 프로세싱 장비 상에서 일련의 동작 단계들이 수행되어 컴퓨터로 실행되는 프로세스를 생성해서 컴퓨터 또는 기타 프로그램 가능한 데이터 프로세싱 장비를 수행하는 인스트럭션들은 흐름도 블록(들)에서 설명된 기능들을 실행하기 위한 단계들을 제공하는 것도 가능하다.
또한, 각 블록은 특정된 논리적 기능(들)을 실행하기 위한 하나 이상의 실행 가능한 인스트럭션들을 포함하는 모듈, 세그먼트 또는 코드의 일부를 나타낼 수 있다. 또, 몇 가지 대체 실행 예들에서는 블록들에서 언급된 기능들이 순서를 벗어나서 발생하는 것도 가능함을 주목해야 한다. 예컨대, 잇달아 도시되어 있는 두 개의 블록들은 사실 실질적으로 동시에 수행되는 것도 가능하고 또는 그 블록들이 때때로 해당하는 기능에 따라 역순으로 수행되는 것도 가능하다.
이 때, 본 실시 예에서 사용되는 '~부'라는 용어는 소프트웨어 또는 FPGA또는 ASIC과 같은 하드웨어 구성요소를 의미하며, '~부'는 어떤 역할들을 수행한다. 그렇지만 '~부'는 소프트웨어 또는 하드웨어에 한정되는 의미는 아니다. '~부'는 어드레싱할 수 있는 저장 매체에 있도록 구성될 수도 있고 하나 또는 그 이상의 프로세서들을 재생시키도록 구성될 수도 있다. 따라서, 일 예로서 '~부'는 소프트웨어 구성요소들, 객체지향 소프트웨어 구성요소들, 클래스 구성요소들 및 태스크 구성요소들과 같은 구성요소들과, 프로세스들, 함수들, 속성들, 프로시저들, 서브루틴들, 프로그램 코드의 세그먼트들, 드라이버들, 펌웨어, 마이크로코드, 회로, 데이터, 데이터베이스, 데이터 구조들, 테이블들, 어레이들, 및 변수들을 포함한다. 구성요소들과 '~부'들 안에서 제공되는 기능은 더 작은 수의 구성요소들 및 '~부'들로 결합되거나 추가적인 구성요소들과 '~부'들로 더 분리될 수 있다. 뿐만 아니라, 구성요소들 및 '~부'들은 디바이스 또는 보안 멀티미디어카드 내의 하나 또는 그 이상의 CPU들을 재생시키도록 구현될 수도 있다.
또한 실시 예에서 방법을 설명하는 도면에서 설명의 순서가 반드시 실행의 순서와 대응되지는 않으며, 선후 관계가 변경되거나 병렬적으로 실행 될 수도 있다. 또한 실시 예에서 필수적이라 언급되지 않은 단계는 선택적으로 수행될 수 있음이 자명하다.
도 2는 본 명세서의 실시 예에 따른 레이 트레이싱 시뮬레이션 방법을 설명하기 위한 도면이다.
도 2를 참조하면 하나 이상의 송신기(212, 214, 216)에서 신호를 송신하는 것을 가정하고, 이에 따라 각 송신기(212, 214, 216)에서 송신한 신호가 수신되는 강도가 지도 상에 명암으로 표시된다. 보다 짙은 색이 강한 수신 강도를 가지는 지역이고 연한 색일수록 약한 신호 강도를 가지게 된다.
보다 구체적으로 수신기(220)의 위치를 가정하고 해당 영역에서 신호의 수신 강도를 판단할 수 있다. 또한 하나의 송신기(212)로부터 수신기(220)까지 가능한 경로 각각에 대한 전송 채널을 판단할 수 있다. 송신기(212)로부터 수신기(220)에 직접 송신되는 신호(242)가 있을 수 있고, 다른 물체(230)에 반사되어 수신되는 신호(232)도 있다. 이와 같이 레이 트레이싱에 따른 시뮬레이션을 수행하면, 특정 영역에 송신기(212, 214, 216)로부터 수신된 신호의 강도와 해당 신호의 전송 경로에 대한 정보를 획득할 수 있다. 상기 신호의 전송 경로에 따른 신호 수신 강도를 판단할 때 반사되는 물체의 표면 재질 및 외부 형태 중 적어도 하나를 고려할 경우 수신기(220)에서 보다 정확한 신호 수신 정보를 획득할 수 있다. 실시 예에서 표면 재질로 언급하나, 이는 물체의 외부 표면만을 의미하지 않으며, 전파의 반사에 영향을 미칠 수 있는 내부의 재질까지 포함하는 개념이며, 이와 같은 정보를 통해 보다 정확한 전파 반사의 특징을 추정할 수 있다.
또한 직접적으로 신호가 송신되는 경로 상에 전파 투과 가능한 장애물이 위치할 수 있다. 상기 장애물의 일 예로 나무가 있을 수 있으며, 나무 이외에도 전파가 투과 되면서 신호 감쇠가 일어날 수 있는 장애물을 레이 트레이싱 시뮬레이션 시 고려할 수 있다. 이와 같이 전파 투과가 가능한 장애물에 대한 정보를 고려함으로써 보다 정확한 시뮬레이션 결과를 획득할 수 있다. 상기 나무는 통신 경로 상에 위치하여 전파 투과시 신호 감쇠를 초래하는 장애물의 예시로 다른 식물 또는 통신 경로 상에 설치된 설치물 일 수 있으며, 이외에 신호 감쇠를 일으킬 수 있는 다른 물체들을 포함할 수 있다.
이와 같이 레이 트레이싱을 수행함으로써 지도 상에 최적의 송신기 위치 및 수신기 위치 중 적어도 하나를 결정할 수 있다. 또한 실시 예에 따라 레이 트레이싱 시뮬레이션은 복수개의 송신기 위치 후보 및 수신기 위치 후보를 고려하여 수행될 수 있으며, 레이트레이싱 결과에 따라 송신기 위치 및 수신기 위치 중 적어도 하나를 결정할 수 있다.
이와 같이 레이 트레이싱 시뮬레이션 기법은 RF 신호가 지나가는 경로 각각에 대한 전송 채널을 판단하고, 이를 기반으로 수신기(220)의 위치에서 RF 신호 정보를 예측할 수 있다. 실시 예에서 레이 트레이싱 시뮬레이선 기법은 신호의 경로에 따른 채널 환경을 판단하는 과정에서 신호가 전송되는 거리뿐 아니라 그 경로의 환경(e.g. 매질의 종류), 3D 지형 및 건물에 의한 반사 및 회절 중 적어도 하나를 계산하여, 보다 정확한 RF 신호 정보를 예측할 수 있다. 또한 상기 기법을 통한 채널 추정 방법은 RF 신호의 주파수에 따른 제한이 없고 실제 환경을 정교하게 반영할 수 있으며, 시뮬레이션 결과를 기반으로 최적의 송신 위치 및 수신 위치 중 적어도 하나를 판단할 수 있다.
또한 5G 네트워크는 28 - 60 GHz의 초고주파 신호를 이용한다. 따라서 5G 망설계 툴에서 무선 신호 정보를 알아내기 위해서는 수학적 모델링 기법이 아닌 레이 트레이싱 시뮬레이션 기법을 사용하여 정확도를 높일 수 있다. 레이 트레이싱 시뮬레이션의 일 예에서 전파가 건물에 부딪혀 반사되는 경로를 예측할 때 모든 건물들의 표면이 동일한 RF 성질을 가진 것으로 가정하고 반사를 계산할 수 있다. 하지만 반사면의 표면 재질, 외부 형태 및 패턴에 따라 RF 신호의 반사율이 차이가 나기 때문에 이러한 가정은 정확한 시뮬레이션 결과를 보장하지 못하는 바, 이에 따른 정보를 고려한 레이 트레이싱 기법이 요구된다.
도 3a 및 3b는 본 명세서의 실시 예에 따른 3차원 지도 정보를 획득하기 위한 방법을 설명하기 위한 도면이다.
도 3a 및 3b를 참조하면, 도 3a의 실제 이미지 정보와 상기 이미지 정보에 대응하는 위치 정보를 기반으로 3차원 지도 정보를 획득할 수 있다. 보다 구체적으로 상기 이미지 정보를 기반으로 레이 트레이싱 시뮬레이션을 수행할 수 있도록 도 3b의 3차원 지도 정보를 획득할 수 있다.
도 3b에서 획득된 지도 정보는 건물(310), 수신기 후보 영역(330) 및 나무(320)를 포함할 수 있다. 이와 같이 지도 정보를 획득함으로써 이를 기반으로 송신기 위치 후보 및 수신기 위치 후보를 결정하고, 이에 따라 레이 트레이싱 시뮬레이션을 수행하여 최적의 송신기 위치 및 수신기 위치 중 적어도 하나를 결정할 수 있다.
또한 실시 예에서 건물(310)과 같은 요소의 경우 전파를 반사하거나 산란하는 특징을 가질 수 있으며, 이와 같은 요소의 경우 표면 재질 및 외부 형태를 고려함으로써 보다 정확한 시뮬레이션 결과를 획득할 수 있다.
또한 실시 예에서 나무(320)의 경우 전파 투과가 가능하나 투과된 전파가 공기중에 비해 큰 신호 감쇠를 겪을 수 있다. 이와 같이 나무(320)와 같은 물체를 통한 전파 전달 특성을 고려함으로써 보다 정확한 시뮬레이션 결과를 획득할 수 있다.
또한 실시 예에서 수신기 후보 영역(330)은 레이 트레이싱에 따라 선택적으로 수행될 수 있으며, 고정 또는 이동 가능한 수신기가 설치될 수 있는 영역을 포함할 수 있다. 보다 구체적으로 건물(310)의 창문 영역에 수신기를 설치하고, 이를 통해 건물 내부에 다른 수신기와 건물 외부의 송신기 사이의 통신에서 창문 영역에 설치된 수신기가 릴레이 역할을 수행할 수 있다. 이와 같이 수신기 후보 영역(330)을 고려하여 레이 트레이싱 시뮬레이션을 수행함으로써 보다 양호한 신호 수신환경을 고려한 결과 값을 얻을 수 있다.
도 4a 및 4b는 본 명세서의 실시 예에 따라 이미지 정보를 통해 이미지 내의 물체의 재질 정보 획득하는 방법을 설명하기 위한 도면이다.
도 4a 및 4b를 참조하면, 이미지 정보에서 이미지 내부에 표시된 물체의 재질을 판단할 수 있다. 보다 구체적으로 이미지 정보에서 딥러닝 기반의 컴퓨터 비전 기술을 기반으로 이미지 내부의 물체의 재질을 판단할 수 있다. 보다 구체적인 딥러닝 기반의 컴퓨터 비전 기술과 관련된 특징은 후술하도록 한다.
실시 예에서 도 4a의 이미지 정보를 분석하여, 도 4b의 결과를 얻을 수 있다. 이때 이미지 내부에 표시되는 색상, 명암, 반사율, 각 요소간의 상호 위치 관계 및 이미지 전체 구성 요소의 배치 중 적어도 하나를 기반으로 각 요소를 판단할 수 있다. 실시 예에서 이미지 분석을 통해 아스팔트(410), 콘크리트(420), 식물(430), 철재 구조물(440), 차량(450), 하늘(460) 및 유리(470)등의 재질을 판단할 수 있다. 이와 같이 이미지 정보를 통해 이미지 내부에 표시된 요소들의 재질을 판단하고, 상기 재질의 특성을 레이 트레이싱 시뮬레이션에 반영함으로써 보다 정확한 결과를 얻을 수 있다.
도 5는 본 명세서의 실시 예에 따라 레이 트레이싱을 통한 통신 채널 환경을 분석하기 위한 방법을 설명하기 위한 도면이다.
도 5를 참조하면 레이 트레이싱 시뮬레이션을 수행하기 위한 방법이 개시된다. 실시 예에서 레이 트레이싱 시뮬레이션은 제어부를 포함하는 연산장치에서 수행 될 수 있다. 상기 연산 장치는 중앙 제어 프로세서를 포함하는 연산 장치일 수 있으며, 개인용 컴퓨터, 워크스테이션 등을 포함할 수 있다. 이하 실시 예에서 시뮬레이션은 연산 장치에 의해 수행되는 것으로 언급될 수 있다.
단계 510에서 연산 장치는 2차원 이미지 정보 및 3차원 지도 정보를 획득할 수 있다. 실시 예에서 2차원 이미지 정보는 이미지에 대응하는 추가정보를 포함할 수 있으며, 상기 추가 정보는 이미지가 촬영된 위치 정보, 방향 정보, 화각을 포함한 촬영 정보를 포함할 수 있다. 상기 추가 정보를 기반으로 2차원 이미지 정보와 대응하는 3차원 지도 정보를 판단할 수 있다. 또한 3차원 지도 정보는 위치 정보와 이에 대응하는 3차원 지도 정보를 포함할 수 있다. 이와 같은 정보는 지표 또는 수면 위에 건물, 구조물, 식물 들의 형태 정보를 포함할 수 있으며, 실시 예에 따라 송신기 후보 위치 및 수신기 후보 위치 중 적어도 하나와 관련된 정보를 포함할 수 있다.
단계 520에서 연산 장치는 지도 정보 및 이미지 정보 중 적어도 하나를 기반으로 실재 환경 정보를 획득할 수 있다. 실재 환경 정보는 통신 경로 상에 위치하는 물체 및 물체의 특성을 포함할 수 있다. 보다 구체적으로 2차원 이미지 정보를 분석하여 이를 기반으로 통신 경로 상에 위치할 수 있는 물체들의 특성을 판단할 수 있다. 상기 물체들의 특성은 물체 표면의 재질 및 물체 외부 형태 중 적어도 하나를 포함할 수 있으며, 전파 투과가 가능한 물체의 경우 물체의 형상 및 투과시 신호 감쇠 정도와 관련된 정보를 포함할 수 있다.
단계 530에서 연산장치는 상기 단계 510 및 520에서 획득한 정보를 기반으로 통신 경로의 실재 환경 정보를 3차원 지도 정보에 매핑할 수 있다. 이와 같이 3차원 지도 정보에 매핑할 때 2차원 이미지 정보에 포함된 추가 정보를 기반으로 3차원 지도 정보에 대응되는 물체에 상기 2차원 이미지 정보를 통해 획득한 추가 정보를 매핑할 수 있다.
단계 540에서 연산 장치는 상기 단계 530을 통해 생성된 정보를 기반으로 레이 트레이싱 시뮬레이션을 수행할 수 있다. 실시 예에서 레이 트레이싱 시뮬레이션은 특정 방향의 빔을 고려하여, 순차적으로 빔 정보를 변경하면서 그에 대응하는 레이 트레이싱 시뮬레이션을 수행하거나, 송신기에서 전송할 수 있는 전 방향의 빔을 동일한 시구간 내에 전송한 경우를 가정하고 그에 대응하는 레이 트레이싱 시뮬레이션을 수행할 수 있다. 레이 트레이싱 시뮬레이션 수행 결과 송신기에서 전송된 신호가 수신기에 수신되기 위해서 거치는 경로와 상기 경로 상에 위치한 실재 환경 정보를 반영하여 수신기에서 수신할 수 있는 신호 품질을 예측하고 이를 분석할 수 있다. 또한 실시 예에서 레이 트레이싱 시뮬레이션을 수행할 때, 3차원 지도 정보를 기반으로 송신 위치 및 수신 위치 중 적어도 하나를 결정하고, 상기 단계 530에서 매핑된 정보를 기반으로 신호 전송 환경을 판단할 수 있다.
단계 550에서 상기 레이 트레이싱 시뮬레이션을 기반으로 결과 값을 획득할 수 있으며, 상기 획득한 결과 값과 실재 환경에서 측정한 값을 기반으로 추가적인 레이 트레이싱 시뮬레이션을 수행할 수 있다. 보다 구체적으로 시뮬레이션 결과 값과 실재 환경 측정 값을 비교하여 비교된 값이 상이한 경우 상기 단계 520에서 획득한 정보를 상기 실재 환경 측정 값을 기반으로 변경하여 시뮬레이션 결과 값을 다시 생성할 수도 있다. 이와 같이 실재 환경 정보를 3차원 지도에 반영하여 레이 트레이싱 시뮬레이션을 수행함으로 써 보다 신뢰성 있는 통신 채널 분석이 가능하다. 보다 구체적으로 레이 트레이싱 시뮬레이션의 대상이 된 지역에서 직접 송신기와 수신기를 설치하고, 송신기에서 전송한 신호가 수신기에 수신되는 결과 값을 기반으로 레이 트레이싱 시뮬레이션을 수행하기 위한 기본 정보를 추가하거나 업데이트 할 수 있다.
이와 같이 레이 트레이싱 시뮬레이션 결과를 기반으로 지도 내의 특정 영역에 무선 서비스를 제공하기 위한 최적의 송신기 위치 및 수신기 위치 중 적어도 하나를 결정할 수 있다. 이와 같이 최적의 송신기 위치 및 수신기 위치 중 적어도 하나를 결정함으로써 효과적인 망 설계를 수행할 수 있다. 보다 구체적으로 특정 지역 내의 무선 단말에게 효과적으로 무선 신호를 제공하기 위해 최적의 기지국 위치를 결정할 수 있다. 이와 같이 최적의 기지국 위치를 결정함으로써 보다 적은 기지국을 배치하는 경우에도 효과적인 서비스를 제공할 수 있다.
또한 실재 환경에서 측정한 신호 수신 정보를 반영함으로써 적응적인 망 관리가 가능할 수 있다. 보다 구체적으로 송신기를 설치한 후, 주변 환경이 변경된 경우, 변경된 환경을 고려한 추가적인 레이 트레이싱 시뮬레이션을 수행하고, 이에 대한 결과 값을 추가로 반영하여 송신기 위치를 조정하는 것과 같은 망 관리를 수행할 수 있다. 또한 이와 같은 망 관리는 송신기 위치를 조정하는 것 이외에 송신기에서 전송하는 빔 관련 정보를 변경하는 것을 포함할 수 있다. 보다 구체적으로 송신기는 레이 트레이싱 시뮬레이션 결과 값을 기반으로 송신 빔 및 수신 빔을 결정할 수 있다. 이와 같은 송신 빔 및 수신 빔을 결정하기 위해서 레이 트레이싱 시뮬레이션 결과 값을 기반으로 빔 정렬을 수행할 수도 있다. 이와 같은 적응적인 망 관리는 주기적으로 수행될 수 있다.
도 6은 본 명세서의 실시 예에 따라 물체의 표면의 재질과 외부 형태를 고려한 레이트레이싱 시뮬레이션 방법을 설명하기 위한 도면이다.
도 6을 참조하면 연산 장치는 획득한 정보를 기반으로 레이 트레이싱 시뮬레이션을 수행할 수 있다.
단계 605에서 연산 장치는 2차원 이미지 정보를 획득할 수 있다. 실시 예에서 상기 2차원 이미지 정보는 카메라로 건물의 외관을 2차원 이미지 정보를 포함할 수 있으며, 상기 이미지 정보는 촬영하는 카메라의 정보(쵤영된 위치, 촬영된 방향 및 촬영된 줌 레벨을 포함하는 촬영정보)를 포함할 수 있다. 또한 실시 예에서 상기 이미지 정보는 지도 서비스에서 스트리트 뷰 또는 거리 뷰 등으로 언급되는 이미지 정보를 포함할 수 있다. 상기 이미지 정보 역시 특정 지역에서 특정 방향에 대한 이미지 정보를 포함할 수 있다. 또한 상기 이미지 정보는 동영상 형태의 이미지를 포함할 수 있다.
단계 610에서 연산 장치는 상기 획득한 2차원 영상 정보를 기반으로 통신 경로 상에 위치할 수 있는 물체의 표면 재질 및 외부 형태를 분석할 수 있다. 보다 구체적으로 기 설정 또는 학습된 정보를 기반으로 상기 획득한 2차원 이미지 정보에서 통신 경로 상에 위치할 수 있는 물체를 판단하고, 상기 물체의 표면 재질 및 외부 형태를 판단할 수 있다. 상기 학습된 정보의 경우 딥러닝 기반의 컴퓨터 비전 기술에 의한 삭습을 포함할 수 있다. 또한 상기 분석한 정보는 상기 2차원 영상 정보에 포함된 추가 정보를 기반으로 대응되는 위치에 판단된 정보가 대응되는 형식으로 도출될 수 있다. 보다 구체적으로 복수개의 샘플 이미지 및 상기 샘플 이미지에 나타난 물체의 재질과 관련된 정보를 연산 장치가 획득하고, 이를 기반으로 이미지와 재질 정보의 공통적 특성을 추출하여, 이를 기반으로 차후 입력되는 대상 이미지 상에 나타난 물체의 재질 정보를 판단할 수 있다.
단계 615에서 연산 장치는 3차원 지도 모델 정보를 획득할 수 있다. 상기 지도 모델 정보는 통신 경로 상에 위치할 수 있는 건물 및 식물 정보를 포함할 수 있다. 또한 실시 예에서 3차원 지도 는 건물의 실제 경위도 위치에 높이, 외관을 폴리곤으로 구현한 모델일 수 있으며, 상기 폴리곤이 지도상에서 어떤 건물에 매칭되는지와 관련된 정보를 포함할 수 있다. 상기 3차원 지도 모델 정보를 기반으로 통신 경로상에 위치할 수 있는 건물과 같은 물체의 크기 및 위치를 판단할 수 있다.
단계 620에서 상기 단계 610에서 판단한 정보를 상기 단계 615에서 획득한 3차원 지도 정보에 매핑할 수 있다. 보다 구체적으로 단계 610에서 판단한 정보의 경우 해당 표면 재질 및 세부 구조와 같은 정보에 대응하는 위치 정보, 방향 정보 및 촬영 정보 중 적어도 하나를 포함하고 있고, 상기 3차원 지도 정보 역시 위치 정보를 포함하고 있는 바, 이를 통해 단계 610에서 판단한 정보를 상기 단계 615의 지도에 매핑할 수 있다. 이와 같은 매핑 단계를 통해 3차원 지도 모델에 실재 통신 환경을 반영할 수 있다.
단계 625에서 연산 장치는 표면 재질 및 외부 형태에 따른 실험 데이터를 획득할 수 있다. 이와 같은 데이터는 기 측정된 데이터 값을 입력 받거나, 상기 연산 장치에서 실재 측정을 통해 획득할 수 있다.
단계 630에서 연산장치는 상기 획득한 정보를 기반으로 표면 재질 또는 외부 형태별 무선 전파 특성을 획득할 수 있다. 보다 구체적으로 통신 경로 상에 위치할 수 있는 재질의 종류 별로 대응되는 전파 특정 정보를 포함할 수 있다. 실시 예에서 통신 경로 상에 특정 물체에 반사되는 경로로 송신기가 전송한 신호가 수신되는 경우, 이 때 상기 특정 물체의 표면 재질이나 외부 형태에 따라 전파의 반사 특성이 달라질 수 있다. 상기 표면 재질 또는 외부 형태에 특정 입사각을 가지는 신호가 반사되는 경우 이에 따른 감쇠율 정보를 판단할 수 있다. 또한 표면 재질 또는 외부 형태에 대응하는 유전율, 투과율, 회절 계수 및 반사율 등의 정보를 획득할 수 있으며, 이와 같이 획득된 정보를 기반으로 해당 표면 재질 또는 외부 형태를 가진 물체에 신호가 반사되는 경우 신호의 감쇠 정도를 판단할 수 있다.
단계 635에서 상기 연산장치는 상기 단계 630에서 획득한 정보를 기반으로 룩업 테이블을 작성할 수 있다. 상기 룩업 테이블을 비슷한 전파 특성을 가지는 표면 재질을 동일 카테고리로 분류하고, 전파 특성 분석 시 대응되는 카테고리의 전파 특성을 통해 시뮬레이션을 수행함으로써 연산 량을 줄일 수 있다.
단계 640에서 연산장치는 단계 620 및 단계 635에서 획득한 정보를 기반으로 레이트레이싱 시뮬레이션을 수행할 수 있다. 레이 트레이싱 시뮬레이션은 3차원 지도 상에 복수개의 송신기 위치 후보에서 신호를 송신하는 것을 가정하고, 상기 획득한 정보를 기반으로 시뮬레이션을 수행할 수 있다. 또한 추가적으로 전송되는 무선 신호의 송신 전력, 빔 정보를 기반으로 시뮬레이션을 수행할 수도 있다.
단계 645에서 상기 레이 트레이싱 시뮬레이션 결과 정보를 획득 할 수 있다. 이에 따라 3차원 지도 상의 특정 위치에서 신호가 수신될 때 상기 신호의 전송 경로와 관련된 정보를 획득할 수 있다. 또한 시뮬레이션 결과를 기반으로 지도 내의 특정 영역에 무선 서비스를 제공하기 위한 최적의 송신기 위치 및 수신기 위치 중 적어도 하나를 결정할 수 있다. 이와 같이 최적의 송신기 위치 및 수신기 위치 중 적어도 하나를 결정함으로써 효과적인 망 설계를 수행할 수 있다. 보다 구체적으로 특정 지역 내의 무선 단말에게 효과적으로 무선 신호를 제공하기 위해 최적의 기지국 위치를 결정할 수 있다. 이와 같이 최적의 기지국 위치를 결정함으로써 보다 적은 기지국을 배치하는 경우에도 효과적인 서비스를 제공할 수 있다.
단계 650에서 상기 3차원 지도에 대응하는 실제 위치에서 무선 송수신 테스트를 통해 실측 데이터를 획득할 수 있다. 상기 실측 데이터는 시뮬레이션 상에서 송신기 위치에서 대응하는 무선 신호를 전송하여 실제로 수신 위치에서 수신되는 신호 정보를 판단할 수 있고 이를 기반으로 실측 데이터를 획득할 수 있다.
단계 655에서 상기 단계 645 및 650에서 획득한 정보를 비교할 수 있다. 실측 데이터 값이 차이가 있을 경우 무선 신호에 적용된 물리량을 업데이트 하거나, 표면 재질 및 외부 형태에 대한 정보를 수정할 수 있다. 이와 같이 비교 수행한 정보를 반영하여 다시 레이 트레이싱 시뮬레이션을 수행할 수 있다.
이와 같이 단계 610에서 획득한 정보를 기반으로 시뮬레이션을 수행함으로써 보다 정확한 결과값을 얻을 수 있다. 또한 단계 635에서 룩업 테이블을 작성하여 특성 정보를 반영함으로써 시뮬레이션의 계산량을 줄일 수 있다. 또한 단계 655에서 실측 데이터와 비교 과정을 통해 보다 실제와 유사한 시뮬레이션 결과를 얻을 수 있다. 실시 예에서 시뮬레이션에서 a라는 RF 물리량을 적용하여 결과 값을 도출하였고, 실측치와 비교시 b만큼 차이가 날 경우, 수정된 시뮬레이션에 적용하는 RF 물리량을 a' = a + α*b로 업데이트 하여 시뮬레이션을 진행할 수 있다.
도 7은 본 명세서의 실시 예에 따라 이미지 정보에서 이미지 내의 물체의 재질 정보를 획득하기 위한 방법을 설명하는 도면이다.
도 7을 참조하면 연산 장치는 이미지 입력을 학습을 수행하고, 이에 따라 대상 이미지를 분석할 수 있다.
단계 705에서 연산 장치는 적어도 하나의 이미지를 수신할 수 있으며, 단계 710에서는 상기 이미지 관련 정보를 수신할 수 있다. 상기 이미지 관련 정보는 상기 이미지에 대응하는 특징 정보를 포함할 수 있다. 보다 구체적으로 상기 이미지 관련 정보는 이미지에 나타난 대상에 관한 정보를 포함할 수 있으며, 복수개의 다양한 유형의 이미지와 이에 대한 관련 정보를 수신할 수 있다. 일 실시 예에 따르면 콘크리트 건물에 대한 이미지 학습을 위해 다양한 형태의 콘크리트 건물을 포함하는 이미지 정보를 수신할 수 있다. 또한 하나의 이미지의 나타난 복수개의 대상에 대한 정보를 수신할 수 있다.
단계 715에서 연산 장치는 수신한 정보를 기반으로 이미지 상에 나타난 대상의 형태, 색상, 명암, 각 대상 사이의 상대적 위치 관계 정보를 획득하고, 이를 기반으로 학습을 수행하여, 각 이미지 상에 표시된 대상의 정보를 추출하여 이에 대한 공통적인 특징을 획득하여 차후 대상 이미지가 수신되었을 때 대상 이미지를 분석할 수 있다. 보다 구체적으로 다수의 레퍼런스 이미지를 수신하고, 상기 레퍼런스 이미지의 각 픽셀 값 및 주변에 위치한 픽셀의 관계를 딥러닝을 통해 유추하고, 이를 후처리 하여, 차우 수신되는 이미지의 픽셀에 대응하는 재질을 예측할 수 있다.
단계 720에서 분석의 대상이 되는 대상 이미지를 수신한다. 분석 대상이 되는 이미지는 본원 발명에서 3차원 지도 정보에 대응하는 2차원 이미지를 포함할 수 있다.
단계 725에서 연산 장치는 단계 715에서 획득한 정보를 기반으로 상기 대상 이미지를 분석할 수 있다. 보다 구체적으로 대상 이미지 상에서 대상 물체의 형상을 판단하고, 상기 형상을 이루는 표면 재질 및 외부 형태를 판단할 수 있다.
도 8a 내지 8c는 본 명세서의 실시 예에 따른 물체의 재질을 고려하여 신호의 전송 특징을 고려하는 방법을 설명하기 위한 도면이다.
도 8a 내지 8c를 참조하면 송신기(805)에서 송신된 신호가 물체(810)에 반사되어 수신기(815)에 수신될 수 있다. 이때 물체(810)에 신호가 들어오는 입사각이 있으며, 물체(810)의 표면 재질 및 입사각에 따라 상기 반사되는 신호가 감쇠 될 수 있다. 이 때 표면 재질 및 입사각에 따른 신호 손실률을 도 8b에서 도시하고 있다. 보다 구체적으로 벽돌, 콘크리트, 석재, 유리, 타일, 나무의 제질을 이야기 할 수 있으며, 이외에 금속 등의 재료도 고려할 수 있다. 이 때 각 재질에 신호를 반사 시켜 수신했을 때 입사각에 따라 신호 손실률을 고려할 수 있다. 실시 예에서 입사각이 커질수록 손실률이 커지게 된다.
또한 실시 예에서 각기 다른 재질의 경우에도 유사한 신호 반사 특성을 가질 수 있다. 보다 구체적으로 실시 예에서 벽돌, 콘크리트 및 석재의 반사 특성이 유사할 수 있으며, 유리와 타일이 유사할 수 있다.
도 8c를 참조하면 이와 같이 유사한 반사 특성을 가지는 재질을 동일 카테고리(810, 820, 830)으로 묶을 수 있다. 시뮬레이션 시 각 재질의 특성을 반영할 수 있으나, 연산 량을 줄이기 위해 각 재질에 대응하는 카테고리의 특성을 반영하여 시뮬레이션을 실행할 수 있다. 동일 카테고리의 반사 특성을 결정하는 것은 카테고리에 속하는 재질들의 특성의 평균 값일 수 있다. 또한 평균을 낼 때 가중치를 부여할 수 있으며, 가중치는 측정 지역에 빈번하게 위치하는 재질에 높은 가중치를 부여하여 해당 카테고리의 반사 특성을 결정할 수 있다.
또한 실시 예에서 반사 특성은 유전율, 투과율, 회절 계수, 반사율 등의 파라메터로 표현될 수 있으며, 아래와 같이 각 카테고리의 반사 특성을 결정할 수 있다.
[표 1]
이와 같이 각 재질의 반사 특성을 고려하고, 이를 그룹화 함으로써 보다 정확한 시뮬레이션 결과를 얻으면서 이에 따른 연산량을 상대적으로 줄이는 효과가 있다.
도 9a 내지 9c는 본 명세서의 실시 예에 따른 물체의 외부 형태를 고려하여 신호의 전송 특징을 고려하는 방법을 설명하기 위한 도면이다.
도 9a 내지 9c를 참조하면, 2차원 이미지에서 식별된 물체의 외부 형태를 기반으로 전파의 반사 특성을 고려할 수 있다. 보다 구체적으로 2차원 이미지에서 물체를 식별 할 때 특정 패턴을 가지는 외부 형태를 판단할 수 있다. 실시 예에서 외부 형태는 특정 패턴이 반복적으로 나타나는 외부 구조를 포함할 수 있다.
도 9a를 참조하면 실시 예에서 세로 방향의 홈이 존재하는 패턴 영역(905)를 식별할 수 있다. 이와 같은 식별은 2차원 이미지에서 반복된 패턴이 존재하는 경우 패턴의 형태 명암 및 색상의 변화를 기반으로 식별할 수 있다.
도 9b를 참조하면 패턴 영역(905)에서 패턴은 세로 방향의 홈의 폭이 w(910)이고, 지표와 이루는 패턴 각도(915)가 90도 이다. 이와 같이 패턴의 구체적인 정보를 수집할 수 있고, 패턴이 이루는 각도 및 패턴 사이의 거리를 기반으로 전파의 반사 특성을 도 9c와 같이 분석할 수 있다. 패턴 각도가 90도일 경우 전파의 입사 각에 따른 손실이 가장 크게 나타날 수 있다. 이와 같이 각 패턴의 각도와 폭을 고려하여 전파의 반사 특성을 판단할 수 있으며, 이와 같은 특징을 시뮬레이션에 반영함으로써 보다 정확한 전파 전송 특성을 판단할 수 있다.
도 10은 본 명세서의 실시 예에 따라 3차원 지도 정보에 물체의 재질 및 외부 형태 정보를 매핑하여 레이 트레이싱을 수행하는 방법을 설명하기 위한 도면이다.
도 10을 참조하면 단계 1005에서 연산 장치는 시뮬레이션을 위해 2차원 이미지 정보를 기반으로 통신 경로 상에 위치하는 물체의 정보를 획득할 수 있다. 상기 물체는 반사체 및 장애물 중 적어도 하나일 수 있다. 반사체의 경우 전파가 거의 투과되지 않으며, 주로 반사되는 물체일 수 있고, 장애물의 경우 전파가 투과될 수 있으나 일정 수준 이상의 감쇠가 되며, 투과와 함께 반사될 수도 있다.
단계 1010에서 연산 장치는 상기 물체의 표면 특성 정보를 획득할 수 있다. 상기 표면 특성 정보는 표면 재질 정보 및 외부 형태를 포함할 수 있다. 상기 외부 형태의 경우 물체 외부에 세부적인 형태를 포함할 수 있다. 이와 같이 이 상기 이미지 분석을 기반으로 상기 물체의 표면 특성 정보를 획득할 수 있다.
단계 1015에서 연산 장치는 이미지의 보조 정보를 기반으로 상기 표면 특성 정보를 3차원 지도 모델에 매핑할 수 있다. 상기 보조 정보는 상기 2차원 이미지를 촬영한 위치, 방향, 화각, 초첨거리 정보 중 적어도 하나를 포함할 수 있다. 이와 같이 표면 정보를 상기 물체에 매핑함으로써 3차원 지도 모델 상의 물체의 표면 특성을 판단할 수 있다.
단계 1020에서 연산 장치는 매핑된 정보를 기반으로 레이 트레이싱을 수행할 수 있다. 레이 트레이싱은 적어도 하나의 송신기 후보 지역을 결정하고, 결정된 정보를 기반으로 상기 송신기 후보에서 송신된 신호가 특정 위치에 도달할 때 가능한 경로와 경로에서 신호의 감쇠 정보 등을 획득 할 수 있다. 이와 같은 레이 트레이싱 시뮬레이션을 통해 실시 예의 3차원 지도 모델 환경에서 통신 채널 특성을 판단할 수 있다.
또한 실시 예에서 레이 트레이싱을 통한 신호 송수신 환경 정보는 차후 레이 트레이싱을 기반으로 송신 장치의 위치가 결정된 뒤, 상기 송신 장치의 신호 전송을 위해 활용될 수 있다. 보다 구체적으로 송신 장치는 상기 레이 트레이싱 시뮬레이션 결과를 기반으로 신호 전송을 할 수 있으며, 실시 예에 따라 상기 시뮬레이션 결과를 기반으로 빔 선택, 빔 정렬, 빔 수정 등을 수행할 수 있다. 이와 같이 레이 트레이싱에 따른 시뮬레이션 정보를 기반으로 신호 송수신을 함으로써
도 11은 본 명세서의 실시 예에 따라 이미지 정보를 통해 특정 물체의 재질을 판단하고 이를 기반으로 3차원 지도에 재질 정보를 매핑하는 방법을 설명하기 위한 도면이다.
도 11을 참조하면 이미지 정보를 통해 특정 물체의 재질을 파악하고 이를 3차원 지도 정보에 매핑할 수 있다.
보다 구체적으로 연산장치는 도 11a와 같은 이미지 정보를 수신할 수 있다. 연산 장치는 이미지 정보를 분석하여 건물(1105)을 식별할 수 있다. 실시 예에서 이미지 정보 분석은 딥러닝을 통한 학습 결과를 기반으로 수행될 수 있다. 보다 구체적으로 이미지 상에서 건물(1105)의 형태를 통해 경계를 분석하고, 분석된 경계 정보를 통해 건물임을 판단할 수 있다.
연산 장치는 건물(1105)의 이미지를 분석하여 건물의 표면 재질을 판단할 수 있다. 이 역시 딥러닝을 통한 학습 결과를 기반으로 수행될 수 있다. 실시 예에서 이미지 분석을 통해 건물(1105)의 재질을 콘크리트(1110)을 판단할 수 있다.
연산 장치는 상기 이미지 분석 결과를 기반으로, 이미지의 추가 정보를 기반으로 표면 재질 정보를 3차원 지도 정보에 매칭 할 수 있다. 보다 구체적으로 연산 장치는 이미지가 촬영된 위치, 방향 및 화각 정보를 기반으로 상기 분석한 이미지에 대응되는 3차원 지도 모델의 건물(1115)를 판단하고, 상기 건물(1115)의 표면 재질이 콘크리트임을 매핑할 수 있다. 이후 실시 예에서 레이트레이싱 시뮬레이션을 수행할 때 상기 매핑 결과를 기반으로 매핑을 수행할 수 있다.
도 12는 3차원 지도에 매핑된 재질 정보를 기반으로 레이 트레이싱 시뮬레이션을 수행하는 방법을 설명하기 위한 도면이다.
도 12를 참조하면 송신 위치(1205)에서 수신 위치(1215)로 신호를 송신 할 수 있고, 레이 트레이싱 시뮬레이션을 통해 상기 송신 위치(1205)에서 수신 위치(1215)로 전송되는 신호의 전송 경로를 시뮬레이션 할 수 있다. 상기 전송 경로 중 송신 위치(1205)에서 전송한 신호가 건물(1210)에 반사되어 수신 위치(1215)로 전송되는 것을 고려해 볼 수 있다. 이 때 이미지 분석을 통해 건물(1210)의 표면 재질이 콘크리트 인 것이 3차원 지도 모델 상에 매핑되어 있다. 또한 실시 예에서 건물(1210)의 외부 형태와 관련된 정보를 매핑하여 신호 전송 정보를 판단할 수 있다. 이때 상기 건물(1210)의 표면 재질 정보 및 입사각 정보를 통해 신호 전달 특성을 시뮬레이션 할 수 있다. 또한 실시 예에서 연산 장치가 시뮬레이션을 수행할 때, 상기 표면 재질 정보에 대응하는 카테고리 정보를 기반으로 시뮬레이션을 수행할 수 있다.
도 13은 본 명세서의 실시 예에 따른 시뮬레이션을 위한 연산 장치를 나타내는 도면이다.
도 13은 본 명세서의 실시 예에 따른 연산장치를 나타낸 도면이다.
도 13을 참조하면 실시 예의 연산장치(1300)은 송수신부(1302), 저장부(1304) 및 제어부(1306)을 포함한다.
송수신부(1302)는 연산장치(1300) 외부의 장치와 신호를 송수신 할 수 있다. 보다 구체적으로 외부 장치와 데이터를 송수신할 수 있으며, 이를 위한 인테페이스 부를 포함할 수 있다.
저장부(1304)는 연산장치(1300)과 관련된 정보 및 상기 송수신부(1302)를 통해 송수신되는 정보 중 적어도 하나를 저장할 수 있다. 또한 시뮬레이션 결과에 따른 정보, 이미지 분석에 따른 물체 표면 재질 및 외부 형태에 대한 정보, 3차원 지도 정보 및 이에 매핑된 물체 표면 재질 및 외부 형태에 대한 정보와 같이 본 명세서의 실시 예에서 시뮬레이션에 필요한 정보 전반을 저장할 수 있다. 또한 시뮬레이션 결과 및 비교 결과 중 적어도 하나를 기반으로 저장부(1304)에 저장된 정보가 추가, 삭제 및 업데이트 될 수 있다.
제어부(1306)은 연산장치(1300)의 동작을 제어할 수 있으며, 상기 실시 예에서 설명한 연산장치와 관련된 동작을 수행할 수 있도록 연산장치 전반을 제어할 수 있다. 제어부(1306)는 적어도 하나의 프로세서를 포함할 수 있다. 또한 프로세서는 본 명세서의 실시 예에 설명된 방법을 실행하는 인스트럭션이 포함된 프로그램에 의해 제어될 수 있다. 또한 상기 프로그램은 저장 매체에 저장될 수 있으며, 상기 저장 매체는 휘발성 또는 비 휘발성 메모리를 포함할 수 있다. 상기 메모리는 데이터를 저장할 수 있는 매체일 수 있으며, 상기 인스트럭션을 저장할 수 있는 경우 그 형태에 제약이 없다.
한편, 본 명세서와 도면에는 본 발명의 바람직한 실시 예에 대하여 개시하였으며, 비록 특정 용어들이 사용되었으나, 이는 단지 본 발명의 기술 내용을 쉽게 설명하고 발명의 이해를 돕기 위한 일반적인 의미에서 사용된 것이지, 본 발명의 범위를 한정하고자 하는 것은 아니다. 여기에 개시된 실시 예 외에도 본 발명의 기술적 사상에 바탕을 둔 다른 변형 예들이 실시 가능하다는 것은 본 발명이 속하는 기술 분야에서 통상의 지식을 가진 자에게 자명한 것이다.
110, 120 : 송신기
112, 122 : 송신 빔

Claims (29)

  1. 무선 통신 시스템을 위한 장치에 의해 수행되는 방법에 있어서,
    영역 내의 객체(object)의 재질과 관련된 데이터를 획득하는 동작, 상기 데이터는 상기 재질을 포함하는 카테고리의 신호 특성 정보를 포함하고;
    상기 객체의 상기 재질과 관련된 상기 데이터에 기반하여, 상기 영역 내의 상기 객체의 상기 재질에 대응하는 상기 카테고리를 식별하고, 상기 식별되는 카테고리의 전송 특성 값을 적용함으로써, 상기 영역에 대한 시뮬레이션을 처리하는 동작과,
    상기 시뮬레이션의 결과를 표시하는 동작을 포함하는 방법.
  2. 제1항에 있어서,
    상기 신호 특성 정보는 상기 객체의 외부 형태에 기반하여 결정되고,
    상기 외부 형태는 상기 객체의 외부에 일정 패턴을 가지고 반복되는 굴곡을 포함하는 방법.
  3. 제1항에 있어서,
    상기 영역에 대한 이미지로부터 상기 객체를 식별하는 동작;
    상기 객체의 상기 재질을 식별하는 동작; 및
    상기 이미지가 촬영된 위치, 방향, 또는 촬영 정보 중 적어도 하나에 기반하여, 상기 영역에 대한 3차원 지도 정보에 상기 객체 및 상기 재질을 매핑하는 동작을 더 포함하는 방법.
  4. 제3항에 있어서, 상기 재질을 식별하는 동작은,
    색, 빛과 어둠, 반사율(reflectivity), 상대적인 위치 관계, 또는 요소들의 배열 중 적어도 하나에 기반하여 상기 이미지로부터 적어도 하나의 요소를 식별하는 동작과,
    메모리에 저장된 복수의 이미지들의 분석 결과에 기반하여, 상기 적어도 하나의 요소의 각 재질을 식별하는 동작을 포함하는 방법.
  5. 제1항에 있어서,
    상기 신호 특성 정보는 상기 객체로의 신호의 입사 각 및 상기 신호의 감쇠 정보를 포함하는 방법.
  6. 제1항에 있어서,
    상기 신호 특성 정보는 상기 객체의 재질에 대응하는 유전율, 투과율, 회절 계수, 또는 반사율 중 적어도 하나를 포함하는 방법.
  7. 제1항에 있어서,
    상기 객체의 재질은, 상기 영역에 대한 이미지 및 상기 이미지와 관련된 학습 정보에 기반하여 식별되고,
    상기 학습 정보는, 딥 러닝-기반 컴퓨터 비전 기술에 기반하여 획득되는 방법.
  8. 제1항에 있어서,
    상기 카테고리 내에, 임계값 미만의 반사 특성 차이를 갖는 적어도 하나의 재질이 포함되고,
    상기 카테고리의 상기 신호 특성 정보는 상기 카테고리 내의 상기 적어도 하나의 재질의 특성들에 대한 값에 기반하여 결정되는 방법.
  9. 제8항에 있어서,
    상기 적어도 하나의 재질의 특성들에 대한 값은, 상기 카테고리 내의 상기 적어도 하나의 재질의 특성들에 다른 가중치들을 적용함으로써, 결정되고,
    상기 영역 내에서 재질이 식별되는 횟수가 더 많을수록, 재질에 더 높은 가중치가 적용되는 방법.
  10. 제1항에 있어서,
    상기 시뮬레이션은 송신 위치로부터 수신 위치로의 전송 경로와 관련되고,
    상기 시뮬레이션은 상기 객체의 형상(shape)와 관련된 데이터 및 상기 객체의 상기 재질과 관련된 상기 데이터에 기반하여 처리되는 방법.
  11. 무선 통신 시스템을 위한 장치에 있어서,
    메모리; 및
    적어도 하나의 프로세서를 포함하고
    상기 적어도 하나의 프로세서는,
    영역 내의 객체(object)의 재질과 관련된 데이터를 획득하고, 상기 데이터는 상기 재질을 포함하는 카테고리의 신호 특성 정보를 포함하고,
    상기 객체의 상기 재질과 관련된 상기 데이터에 기반하여, 상기 영역 내의 상기 객체의 상기 재질에 대응하는 상기 카테고리를 식별하고, 상기 식별되는 카테고리의 전송 특성 값을 적용함으로써, 상기 영역에 대한 시뮬레이션을 처리하고,
    상기 시뮬레이션의 결과를 표시하도록 구성되는 장치.
  12. 제11항에 있어서,
    상기 신호 특성 정보는 상기 객체의 외부 형태에 기반하여 결정되고,
    상기 외부 형태는 상기 객체의 외부에 일정 패턴을 가지고 반복되는 굴곡을 포함하는 장치.
  13. 제11항에 있어서,
    상기 적어도 하나의 프로세서는:
    상기 영역에 대한 이미지로부터 상기 객체를 식별하고,
    상기 객체의 상기 재질을 식별하고,
    상기 이미지가 촬영된 위치, 방향, 또는 촬영 정보 중 적어도 하나에 기반하여, 상기 영역에 대한 3차원 지도 정보에 상기 객체 및 상기 재질을 매핑하도록 추가적으로 구성되는 장치.
  14. 제13항에 있어서, 상기 재질을 식별하기 위해, 상기 적어도 하나의 프로세서는,
    색, 빛과 어둠, 반사율(reflectivity), 상대적인 위치 관계, 또는 요소들의 배열 중 적어도 하나에 기반하여 상기 이미지로부터 적어도 하나의 요소를 식별하고,
    메모리에 저장된 복수의 이미지들의 분석 결과에 기반하여, 상기 적어도 하나의 요소의 각 재질을 식별하도록 구성되는 장치.
  15. 제11항에 있어서,
    상기 신호 특성 정보는 상기 객체로의 신호의 입사 각 및 상기 신호의 감쇠 정보를 포함하는 장치.
  16. 제11항에 있어서,
    상기 신호 특성 정보는 상기 객체의 재질에 대응하는 유전율, 투과율, 회절 계수, 또는 반사율 중 적어도 하나를 포함하는 장치.
  17. 제11항에 있어서,
    상기 객체의 재질은, 상기 영역에 대한 이미지 및 상기 이미지와 관련된 학습 정보에 기반하여 식별되고,
    상기 학습 정보는, 딥 러닝-기반 컴퓨터 비전 기술에 기반하여 획득되는 장치.
  18. 제11항에 있어서,
    상기 카테고리 내에, 임계값 미만의 반사 특성 차이를 갖는 적어도 하나의 재질이 포함되고,
    상기 카테고리의 상기 신호 특성 정보는 상기 카테고리 내의 상기 적어도 하나의 재질의 특성들에 대한 값에 기반하여 결정되는 장치.
  19. 제18항에 있어서,
    상기 적어도 하나의 재질의 특성들에 대한 값은, 상기 카테고리 내의 상기 적어도 하나의 재질의 특성들에 다른 가중치들을 적용함으로써, 결정되고,
    상기 영역 내에서 재질이 식별되는 횟수가 더 많을수록, 재질에 더 높은 가중치가 적용되는 장치.
  20. 제11항에 있어서,
    상기 시뮬레이션은 송신 위치로부터 수신 위치로의 전송 경로와 관련되고,
    상기 시뮬레이션은 상기 객체의 형상(shape)와 관련된 데이터 및 상기 객체의 상기 재질과 관련된 상기 데이터에 기반하여 처리되는 장치.



  21. 삭제
  22. 삭제
  23. 삭제
  24. 삭제
  25. 삭제
  26. 삭제
  27. 삭제
  28. 삭제
  29. 삭제
KR1020160167140A 2016-11-17 2016-12-08 물체의 재질 정보 및 외부 형태 정보를 고려한 통신 채널 분석 방법 및 장치 KR102586208B1 (ko)

Priority Applications (5)

Application Number Priority Date Filing Date Title
PCT/KR2017/013115 WO2018093202A1 (en) 2016-11-17 2017-11-17 Method and apparatus for analysing communication channel in consideration of material and contours of objects
AU2017361585A AU2017361585B2 (en) 2016-11-17 2017-11-17 Method and apparatus for analysing communication channel in consideration of material and contours of objects
EP17872533.9A EP3497827B1 (en) 2016-11-17 2017-11-17 Method and apparatus for analysing communication channel in consideration of material and contours of objects
CN201780067096.5A CN109891781B (zh) 2016-11-17 2017-11-17 考虑物体的材质和轮廓分析通信信道的方法和装置
US15/816,291 US10887029B2 (en) 2016-11-17 2017-11-17 Method and apparatus for analysing communication channel in consideration of material and contours of objects

Applications Claiming Priority (2)

Application Number Priority Date Filing Date Title
US201662423412P 2016-11-17 2016-11-17
US62/423,412 2016-11-17

Publications (2)

Publication Number Publication Date
KR20180055623A KR20180055623A (ko) 2018-05-25
KR102586208B1 true KR102586208B1 (ko) 2023-10-10

Family

ID=62299527

Family Applications (2)

Application Number Title Priority Date Filing Date
KR1020160167131A KR102531023B1 (ko) 2016-11-17 2016-12-08 무선 통신 시스템에서 물체의 특성 정보에 기반하여 통신 환경을 분석하는 방법 및 장치
KR1020160167140A KR102586208B1 (ko) 2016-11-17 2016-12-08 물체의 재질 정보 및 외부 형태 정보를 고려한 통신 채널 분석 방법 및 장치

Family Applications Before (1)

Application Number Title Priority Date Filing Date
KR1020160167131A KR102531023B1 (ko) 2016-11-17 2016-12-08 무선 통신 시스템에서 물체의 특성 정보에 기반하여 통신 환경을 분석하는 방법 및 장치

Country Status (5)

Country Link
US (1) US11277755B2 (ko)
EP (2) EP3494655A4 (ko)
KR (2) KR102531023B1 (ko)
CN (2) CN109891781B (ko)
AU (2) AU2017361585B2 (ko)

Families Citing this family (13)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
EP3659276B1 (en) 2017-09-27 2022-04-20 Samsung Electronics Co., Ltd. Method and apparatus for analyzing communication environments and designing networks in consideration of trees
KR102355301B1 (ko) 2017-09-29 2022-01-25 삼성전자 주식회사 무선 통신 시스템에서 통신 환경을 분석하는 방법 및 장치
KR102373673B1 (ko) 2017-12-18 2022-03-14 삼성전자 주식회사 구조물의 전파 인입부를 고려한 통신 환경 분석 및 망 설계를 위한 방법 및 장치
KR102442410B1 (ko) 2017-12-18 2022-09-14 삼성전자 주식회사 이동 가능 물체를 고려한 통신 환경 분석 및 망 설계를 위한 방법 및 장치
KR102211847B1 (ko) * 2018-12-28 2021-02-03 국방과학연구소 경로 손실 지수 예측 시스템 및 방법
KR102286127B1 (ko) * 2019-08-29 2021-08-04 서울과학기술대학교 산학협력단 밀리미터파 채널 평가 방법
WO2021101333A1 (en) 2019-11-22 2021-05-27 Samsung Electronics Co., Ltd. Method and system for intelligent 3d aerial wireless transmission
KR20210076440A (ko) 2019-12-16 2021-06-24 삼성전자주식회사 나무 맵의 재성성 및 예측을 위한 방법 및 장치
US20240353556A1 (en) * 2021-08-09 2024-10-24 Telefonaktiebolaget Lm Ericsson (Publ) Augmenting communication signal measurement with environmental information relative to a communication device
CN114095955B (zh) * 2021-11-08 2023-08-18 西安电子科技大学 基于凸多边形剖分的地对空覆盖的场景化波束生成方法
US20230146275A1 (en) * 2021-11-11 2023-05-11 At&T Intellectual Property I, L.P. Computer Vision-Based Dynamic Radio Frequency Planning and Optimization
CN114189302B (zh) * 2021-12-13 2023-10-20 国网山东省电力公司营销服务中心(计量中心) 一种面向用户分散场景的智能电网传输的无线通信信道建模方法
EP4319235A1 (en) * 2022-08-05 2024-02-07 Siemens Aktiengesellschaft A method for teaching an electronic computing device, a computer program product, a computer-readable storage medium as well as an electronic computing device

Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20110287801A1 (en) * 2010-05-24 2011-11-24 Moshe Levin Method and system for construction of radio environment model
US20160007426A1 (en) * 2011-04-14 2016-01-07 Suntracker Technologies Ltd. Predictive daylight harvesting system

Family Cites Families (43)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US5450615A (en) 1993-12-22 1995-09-12 At&T Corp. Prediction of indoor electromagnetic wave propagation for wireless indoor systems
US5623429A (en) 1994-04-06 1997-04-22 Lucent Technologies Inc. Techniques for expeditiously predicting electromagnetic wave propagation
US5949988A (en) * 1996-07-16 1999-09-07 Lucent Technologies Inc. Prediction system for RF power distribution
FI105384B (fi) 1997-10-03 2000-07-31 Nokia Networks Oy Menetelmä päätelaitteen sijainnin määrittämiseksi ja solukkoradiojärjestelmä
US7523411B2 (en) 2000-08-22 2009-04-21 Bruce Carlin Network-linked interactive three-dimensional composition and display of saleable objects in situ in viewer-selected scenes for purposes of object promotion and procurement, and generation of object advertisements
AU2002302935A1 (en) 2001-05-10 2002-11-18 David Chiel Deflector for tree-fruit harvester
JP4819303B2 (ja) * 2002-10-23 2011-11-24 日本電気株式会社 移動通信システムにおける基地局設置設計方法及び基地局設置設計装置並びにプログラム
US7295119B2 (en) 2003-01-22 2007-11-13 Wireless Valley Communications, Inc. System and method for indicating the presence or physical location of persons or devices in a site specific representation of a physical environment
US20040259554A1 (en) 2003-04-23 2004-12-23 Rappaport Theodore S. System and method for ray tracing using reception surfaces
JP4207081B2 (ja) 2004-03-17 2009-01-14 日本電気株式会社 電波伝搬特性推定システム及びその方法並びにプログラム
DE112005001761T5 (de) * 2004-07-23 2007-05-24 Wireless Valley Communications, Inc., Austin System, Verfahren und Vorrichtung zum Bestimmen und Verwenden einer Position von drahtlosen Vorrichtungen oder einer Infrastruktur zur Verbesserung eines drahtlosen Netzes
US8160594B2 (en) * 2006-12-28 2012-04-17 Hitachi, Ltd. Radio propagation estimating method and radio propagation estimating apparatus
US7764230B2 (en) 2007-03-13 2010-07-27 Alcatel-Lucent Usa Inc. Methods for locating transmitters using backward ray tracing
US8190400B1 (en) 2007-03-16 2012-05-29 The Mathworks, Inc. Thin client graphical presentation and manipulation application
KR100895299B1 (ko) 2007-05-30 2009-05-07 한국전자통신연구원 레이 트레이싱 방법을 이용한 전파 전달 모델링 방법 및 장치
US8134556B2 (en) 2007-05-30 2012-03-13 Elsberg Nathan Method and apparatus for real-time 3D viewer with ray trace on demand
WO2010090115A1 (ja) 2009-02-03 2010-08-12 日本電気株式会社 電波伝搬特性推定システム及び電波伝搬特性推定方法，電波伝搬特性推定用プログラム
CN101592690A (zh) 2009-05-05 2009-12-02 上海大学 基于射线跟踪法的电磁波传播预测方法
KR20110019117A (ko) 2009-08-19 2011-02-25 인하대학교 산학협력단 시멘틱 기반의 이미지 검색 방법
US8698671B2 (en) 2009-10-16 2014-04-15 Qualcomm Incorporated Binning venues into categories based on propagation characteristics
WO2011053802A2 (en) 2009-10-30 2011-05-05 Tomotherapy Incorporated Non-voxel-based broad-beam (nvbb) algorithm for intensity modulated radiation therapy dose calculation and plan optimization
DE102009047012A1 (de) 2009-11-23 2011-05-26 Robert Bosch Gmbh Verfahren zur Erfassung von Objekten
US8988970B2 (en) 2010-03-12 2015-03-24 University Of Maryland Method and system for dereverberation of signals propagating in reverberative environments
US8442552B2 (en) 2010-04-23 2013-05-14 Hewlett-Packard Development Company, L.P. Method and system for radio frequency coverage prediction in a multi-level wireless network
JP5765070B2 (ja) 2011-06-13 2015-08-19 ソニー株式会社 表示切換装置、表示切換方法、表示切換プログラム
US20130185024A1 (en) 2012-01-12 2013-07-18 Honeywell International Inc. System for automatic object classification and tagging in an rf planning tool
EP2839684A4 (en) * 2012-04-18 2015-11-11 Henry S Owen ESTIMATING THE CHARACTERISTICS OF OBJECTS IN AN ENVIRONMENT
US9020537B2 (en) 2012-06-28 2015-04-28 Experience Proximity, Inc. Systems and methods for associating virtual content relative to real-world locales
WO2014062934A1 (en) 2012-10-19 2014-04-24 Visa International Service Association Digital broadcast methods using secure meshes and wavelets
WO2015106237A1 (en) 2014-01-13 2015-07-16 Interdigital Patent Holdings, Inc. High frequency radio environmental mapping and system procedures
US10200627B2 (en) 2014-04-09 2019-02-05 Imagination Technologies Limited Virtual camera for 3-D modeling applications
KR20150118734A (ko) 2014-04-15 2015-10-23 삼성전자주식회사 초음파 영상 장치 및 그 제어방법
US9805451B2 (en) 2014-06-24 2017-10-31 Hover Inc. Building material classifications from imagery
US9638792B2 (en) 2014-07-09 2017-05-02 Verizon Patent And Licensing Inc. Method and apparatus for detecting obstacles in propagation path of a wireless communication signal
GB2530104A (en) 2014-09-15 2016-03-16 Point4Uk Ltd Vegetation catergorisation
CN104363616B (zh) 2014-10-27 2018-07-03 英国Ranplan无线网络设计公司 一种室外到室内传播模型预测室内三维空间场强的方法
WO2017062890A1 (en) 2015-10-08 2017-04-13 Decision Sciences Medical Company, LLC Acoustic orthopedic tracking system and methods
US10045352B2 (en) 2016-01-13 2018-08-07 Futurewei Technologies, Inc. Channel estimation in large scale MIMO systems using iterative location based spatial filtering
US20170277979A1 (en) 2016-03-22 2017-09-28 Inovision Software Solutions, Inc. Identifying defect on specular surfaces
EP3513507B1 (en) 2016-09-15 2023-10-18 QUALCOMM Incorporated System and method that facilitates beamforming from a vehicle user equipment
US10116381B1 (en) 2016-11-10 2018-10-30 Cable Television Laboratories, Inc Systems and methods for fixed satellite service protection using real-time measurement
WO2018093204A1 (en) * 2016-11-17 2018-05-24 Samsung Electronics Co., Ltd. Method and apparatus for analyzing communication environment based on property information of an object
GB201621652D0 (en) 2016-12-19 2017-02-01 Waterford Inst Of Tech Terahertz communication method and system

Patent Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20110287801A1 (en) * 2010-05-24 2011-11-24 Moshe Levin Method and system for construction of radio environment model
US20160007426A1 (en) * 2011-04-14 2016-01-07 Suntracker Technologies Ltd. Predictive daylight harvesting system

Also Published As

Publication number Publication date
KR20180055623A (ko) 2018-05-25
EP3497827A4 (en) 2019-08-28
AU2017361585B2 (en) 2022-01-27
CN109937543A (zh) 2019-06-25
KR20180055622A (ko) 2018-05-25
EP3497827A1 (en) 2019-06-19
AU2017361585A1 (en) 2019-04-04
US20210044988A1 (en) 2021-02-11
KR102531023B1 (ko) 2023-05-15
CN109937543B (zh) 2022-09-23
CN109891781A (zh) 2019-06-14
US11277755B2 (en) 2022-03-15
AU2017360650A1 (en) 2019-04-04
AU2017360650B2 (en) 2022-03-10
CN109891781B (zh) 2022-11-25
EP3494655A4 (en) 2019-12-04
EP3497827B1 (en) 2022-09-14
EP3494655A1 (en) 2019-06-12

Similar Documents

Publication Publication Date Title
KR102586208B1 (ko) 물체의 재질 정보 및 외부 형태 정보를 고려한 통신 채널 분석 방법 및 장치
KR102661600B1 (ko) 실재 환경관련 정보를 고려한 통신 채널 분석과 무선 망 설계 방법 및 장치
US10887029B2 (en) Method and apparatus for analysing communication channel in consideration of material and contours of objects
EP3672118B1 (en) Method and apparatus for analyzing communication environment in wireless communication system
US10820213B2 (en) Method and apparatus for analyzing communication environment based on property information of an object
KR102607024B1 (ko) 무선 통신 시스템에서 망 설계를 위한 방법 및 장치
KR102655438B1 (ko) 무선 통신 시스템에서 수신 포인트 및 송신 포인트를 선택하기 위한 방법 및 장치
US11395152B2 (en) Method and apparatus for communication environment analysis and network design considering radio wave incoming unit of structure
KR102442410B1 (ko) 이동 가능 물체를 고려한 통신 환경 분석 및 망 설계를 위한 방법 및 장치
KR102442461B1 (ko) 수목을 고려한 통신 환경 분석 및 망 설계를 위한 방법 및 장치

Legal Events

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