KR102599058B1

KR102599058B1 - 1-비트 양자화 시스템에서의 송수신 방법 및 이를 위한 장치

Info

Publication number: KR102599058B1
Application number: KR1020227000702A
Authority: KR
Inventors: 이상림; 이호재; 전기준
Original assignee: 엘지전자 주식회사
Priority date: 2019-07-03
Filing date: 2019-07-03
Publication date: 2023-11-07
Also published as: US11929852B2; EP3996309A1; KR20220020345A; WO2021002506A1; EP3996309A4; CN114097190A; CN114097190B; US20220376954A1

Abstract

본 발명에서는 무선 통신 시스템에서 신호를 송수신하는 방법 및 이를 위한 장치가 개시된다.
구체적으로, 본 발명의 실시 예에 따른 무선 통신 시스템에서, 수신 장치가 신호를 송수신 하는 방법에 있어서, 송신 장치로부터, 차등 위상 천이 변조 (Differential Phase Shift Keying, DPSK) 방식에 기반하여 변조된 신호들을 복수의 수신 경로들을 통해 수신하는 단계; 수신된 신호들에 기반하여, 상기 복수의 수신 경로들의 각 수신 경로에서의 차등 값(differential value)을 산출하는 단계; 및 상기 수신된 신호들에 대한 신뢰도(reliability)를 산출하는 단계를 포함하되, 상기 신뢰도는 상기 복수의 수신 경로들의 각 수신 경로에서의 상기 차등 값을 합산한(sum) 값의 실수(real) 값에 비례할 수 있다.

Description

1-비트 양자화 시스템에서의 송수신 방법 및 이를 위한 장치

본 발명은 무선 통신 시스템에 관한 것으로서, 보다 상세하게 1-비트 양자화(quantization)에 기반하는 통신 시스템에서의 송수신 방법 및 이를 지원하는 장치에 관한 것이다.

이동 통신 시스템은 사용자의 활동성을 보장하면서 음성 서비스를 제공하기 위해 개발되었다. 그러나 이동통신 시스템은 음성뿐 아니라 데이터 서비스까지 영역을 확장하였으며, 현재에는 폭발적인 트래픽의 증가로 인하여 자원의 부족 현상이 야기되고 사용자들이 보다 고속의 서비스를 요구하므로, 보다 발전된 이동 통신 시스템이 요구되고 있다.

차세대 이동 통신 시스템의 요구 조건은 크게 폭발적인 데이터 트래픽의 수용, 사용자 당 전송률의 획기적인 증가, 대폭 증가된 연결 디바이스 개수의 수용, 매우 낮은 단대단 지연(End-to-End Latency), 고에너지 효율을 지원할 수 있어야 한다. 이를 위하여 이중 연결성(Dual Connectivity), 대규모 다중 입출력(Massive MIMO: Massive Multiple Input Multiple Output), 전이중(In-band Full Duplex), 비직교 다중접속(NOMA: Non-Orthogonal Multiple Access), 초광대역(Super wideband) 지원, 단말 네트워킹(Device Networking) 등 다양한 기술들이 연구되고 있다.

본 발명에서는 에너지 효율을 고려한 1-비트 양자화에 기반하는 신호 송수신 방법을 제안한다.

구체적으로, 본 발명에서는 단일 캐리어 기반으로 1-비트 차등(differential) 위상 천이 변조 및 복조 기법을 활용한 데이터 송수신 방법 및 채널 품질 측정 방법을 제안한다.

또한, 본 발명에서는 측정된 채널 품질을 활용한 링크 적응적 송수신 기법을 제안한다.

본 발명에서 이루고자 하는 기술적 과제들은 이상에서 언급한 기술적 과제들로 제한되지 않으며, 언급하지 않은 또 다른 기술적 과제들은 아래의 기재로부터 본 발명이 속하는 기술분야에서 통상의 지식을 가진 자에게 명확하게 이해될 수 있을 것이다.

본 발명의 실시 예에 따른 무선 통신 시스템에서, 수신 장치가 신호를 송수신 하는 방법에 있어서, 송신 장치로부터, 차등 위상 천이 변조 (Differential Phase Shift Keying, DPSK) 방식에 기반하여 변조된 신호들을 복수의 수신 경로들을 통해 수신하는 단계; 수신된 신호들에 기반하여, 상기 복수의 수신 경로들의 각 수신 경로에서의 차등 값(differential value)을 산출하는 단계; 및 상기 수신된 신호들에 대한 신뢰도(reliability)를 산출하는 단계를 포함하되, 상기 신뢰도는 상기 복수의 수신 경로들의 각 수신 경로에서의 상기 차등 값을 합산한(sum) 값의 실수(real) 값에 비례할 수 있다.

또한, 본 발명의 실시 예에 따른 상기 방법에 있어서, 상기 신뢰도는 상기 수신 장치의 상기 복수의 수신 경로들의 개수에 비례할 수 있다.

또한, 본 발명의 실시 예에 따른 상기 방법에 있어서, 상기 복수의 수신 경로들의 각 수신 경로에서의 상기 차등 값이 1 또는 -1 중 어느 하나에 해당하는 경우가 많을수록 상기 신뢰도가 높다고 해석될 수 있다.

또한, 본 발명의 실시 예에 따른 상기 방법에 있어서, 채널 품질을 산출하는 단계를 더 포함하되, 상기 채널 품질은 상기 수신 장치의 전체 수신 경로들을 통해 두 개의 연속적인 기준 신호(reference signal)들을 수신하고, 상기 두 개의 연속적인 기준 신호들에 기반하여, 상기 전체 수신 경로들의 각 수신 경로에서의 차등 값을 합산한 값의 실수 값으로 산출될 수 있다.

또한, 본 발명의 실시 예에 따른 상기 방법에 있어서, 상기 채널 품질은 상기 수신 장치의 상기 전체 수신 경로들의 개수와 관련될 수 있다.

또한, 본 발명의 실시 예에 따른 상기 방법에 있어서, 상기 채널 품질의 최대 값이 상기 전체 수신 경로들의 개수의 양수 값에 대응되고, 최소값이 상기 전체 수신 경로들의 개수의 음수 값에 대응되며, 상기 채널 품질의 범위는 상기 최소 값 내지 상기 최대 값의 범위에 해당할 수 있다.

또한, 본 발명의 실시 예에 따른 상기 방법에 있어서, 상기 송신 장치로부터, 상기 채널 품질의 범위의 최대 값을 수신하는 단계를 더 포함할 수 있다.

또한, 본 발명의 실시 예에 따른 상기 방법에 있어서, 산출된 채널 품질의 값이 상기 채널 품질의 범위의 최대 값보다 크면 상기 채널 품질의 범위의 최대 값을 보고하고, 상기 채널 품질의 범위의 최대 값의 음수 값보다 작으면 상기 채널 품질의 범위의 최대 값의 음수 값을 보고할 수 있다.

또한, 본 발명의 실시 예에 따른 상기 방법에 있어서, 상기 채널 품질 범위의 최대값이 상기 전체 수신 경로들의 개수보다 큰 경우, 상기 송신 장치로부터 상기 채널 품질 측정을 위한 기준 신호를 전송하는 횟수에 대한 정보를 수신하는 단계를 더 포함하며, 상기 기준 신호를 전송하는 횟수의 배수(multiple)에 대응되는 채널 품질을 측정하여 합산한 값으로 상기 채널 품질을 산출할 수 있다.

또한, 본 발명의 실시 예에 따른 상기 방법에 있어서, 상기 정보는 물리 계층 신호 또는 상위 계층 시그널링을 통해 수신될 수 있다.

또한, 본 발명의 실시 예에 따른 상기 방법에 있어서, 상기 채널 품질을 산출하는 단계를 반복하는 횟수에 대한 정보를 수신하는 단계를 더 포함하며, 상기 반복하는 횟수에 대한 정보에 기반하여 채널 품질을 산출하는 단계를 반복하여 측정된 채널 품질 값의 평균 값으로 채널 품질을 보고할 수 있다.

또한, 본 발명의 실시 예에 따른 상기 방법에 있어서, 상기 송신 장치 또는 상기 수신 장치 중 하나에 의해 상기 채널 품질을 산출하는 단계가 반복되는 동작이 트리거링 될 수 있다.

또한, 본 발명의 실시 예에 따른 상기 방법에 있어서, 상기 수신 장치의 상기 전체 수신 경로들의 개수를 초기 접속 시 상기 송신 장치로 전송하는 단계를 더 포함할 수 있다.

본 발명의 실시 예에 따른 무선 통신 시스템에서, 신호를 송수신 하는 장치에 있어서, 상기 장치는 무선 신호를 송수신하기 위한 RF(Radio Frequency) 유닛과, 상기 RF 유닛과 기능적으로 연결되어 있는 프로세서를 포함하고, 상기 프로세서는 차등 위상 천이 변조 (Differential Phase Shift Keying, DPSK) 방식으로 변조된 신호들을 복수의 수신 경로들을 통해 수신하고, 수신된 신호들에 기반하여, 상기 복수의 수신 경로들의 각 수신 경로에서의 차등 값(differential value)을 산출하며, 상기 수신된 신호들에 대한 신뢰도를 산출하되, 상기 신뢰도는 상기 복수의 수신 경로들의 각 수신 경로에서의 상기 차등 값을 합산한(sum) 값의 실수(real) 값에 비례할 수 있다.

또한, 본 발명의 실시 예에 따른 상기 장치에 있어서, 상기 복수의 수신 경로들은 복수의 안테나를 포함하며, 상기 신뢰도는 상기 복수의 안테나 수에 비례할 수 있다.

또한, 본 발명의 실시 예에 따른 상기 장치에 있어서, 상기 복수의 수신 경로들의 각 수신 경로는 1-비트 ADC(analog to Digital converter)를 포함할 수 있다.

본 발명의 실시 예에 따르면, 1-비트 양자화(quantization)에 기반하는 송수신 방법을 통해 시스템의 전력 소모를 개선할 수 있다.

본 발명에서 얻을 수 있는 효과는 이상에서 언급한 효과로 제한되지 않으며, 언급하지 않은 또 다른 효과들은 아래의 기재로부터 본 발명이 속하는 기술분야에서 통상의 지식을 가진 자에게 명확하게 이해될 수 있을 것이다.

본 발명에 관한 이해를 돕기 위해 상세한 설명의 일부로 포함되는, 첨부 도면은 본 발명에 대한 실시 예를 제공하고, 상세한 설명과 함께 본 발명의 기술적 특징을 설명한다.
도 1은 본 명세서에서 제안하는 방법이 적용될 수 있는 NR의 전체적인 시스템 구조의 일례를 나타낸다.
도 2는 본 명세서에서 제안하는 방법이 적용될 수 있는 무선 통신 시스템에서 상향링크 프레임과 하향링크 프레임 간의 관계를 나타낸다.
도 3은 NR 시스템에서의 프레임 구조의 일례를 나타낸다.
도 4는 본 명세서에서 제안하는 방법이 적용될 수 있는 무선 통신 시스템에서 지원하는 자원 그리드(resource grid)의 일례를 나타낸다.
도 5는 본 명세서에서 제안하는 방법이 적용될 수 있는 안테나 포트 및 뉴머롤로지 별 자원 그리드의 예들을 나타낸다.
도 6은 송신단 및 수신단의 블록도의 일례를 나타낸 도이다.
도 7은 64x64 2차원 안테나와 각 안테나와 연결된 1-비트 ADC(analog to digital converter)를 포함하는 수신 장치의 일례를 나타낸다.
도 8은 DBPSK 방식의 변조가 수행되는 일례를 나타낸다.
도 9는 수신 장치에서 수신된 부호화된 신호가 1-비트 ADC를 통과한 결과의 일례를 나타낸다.
도 10은 심볼 구조의 일례를 나타낸다.
도 11은 본 명세서에서 제안하는 방법 및 실시 예가 적용될 수 있는 1-비트 양자화에 기반하여 신호를 송수신하는 장치의 동작 순서도의 일례를 나타낸다.
도 12는 본 명세서에서 제안하는 방법 및 실시 예가 적용될 수 있는 1-비트 양자화에 기반하여 신호를 송수신하는 장치의 동작 순서도의 또 다른 일례를 나타낸다.
도 13은 본 명세서에서 제안하는 방법들이 적용될 수 있는 무선 통신 장치의 블록 구성도를 예시한다.
도 14는 본 명세서에서 제안하는 방법들이 적용될 수 있는 무선 통신 장치의 블록 구성도의 또 다른 예시이다.
도 15는 본 발명의 일 실시 예에 따른 AI 장치(1500)를 나타낸다.
도 16은 본 발명의 일 실시 예에 따른 AI 서버(1600)를 나타낸다.
도 17은 본 발명의 일 실시 예에 따른 AI 시스템(1700)을 나타낸다.

이하에서, 하향링크(DL: downlink)는 기지국에서 단말로의 통신을 의미하며, 상향링크(UL: uplink)는 단말에서 기지국으로의 통신을 의미한다. 하향링크에서 송신기는 기지국의 일부이고, 수신기는 단말의 일부일 수 있다. 상향링크에서 송신기는 단말의 일부이고, 수신기는 기지국의 일부일 수 있다. 기지국은 제 1 통신 장치로, 단말은 제 2 통신 장치로 표현될 수도 있다. 기지국(BS: Base Station)은 고정국(fixed station), Node B, eNB(evolved-NodeB), gNB(Next Generation NodeB), BTS(base transceiver system), 액세스 포인트(AP: Access Point), 네트워크(5G 네트워크), AI 시스템, RSU(road side unit), 차량(vehicle), 로봇, 드론(Unmanned Aerial Vehicle, UAV), AR(Augmented Reality)장치, VR(Virtual Reality)장치 등의 용어에 의해 대체될 수 있다. 또한, 단말(Terminal)은 고정되거나 이동성을 가질 수 있으며, UE(User Equipment), MS(Mobile Station), UT(user terminal), MSS(Mobile Subscriber Station), SS(Subscriber Station), AMS(Advanced Mobile Station), WT(Wireless terminal), MTC(Machine-Type Communication) 장치, M2M(Machine-to-Machine) 장치, D2D(Device-to-Device) 장치, 차량(vehicle), 로봇(robot), AI 모듈, 드론(Unmanned Aerial Vehicle, UAV), AR(Augmented Reality)장치, VR(Virtual Reality)장치 등의 용어로 대체될 수 있다.

이하의 기술은 CDMA, FDMA, TDMA, OFDMA, SC-FDMA 등과 같은 다양한 무선 접속 시스템에 사용될 수 있다. CDMA는 UTRA(Universal Terrestrial Radio Access)나 CDMA2000과 같은 무선 기술로 구현될 수 있다. TDMA는 GSM(Global System for Mobile communications)/GPRS(General Packet Radio Service)/EDGE(Enhanced Data Rates for GSM Evolution)와 같은 무선 기술로 구현될 수 있다. OFDMA는 IEEE 802.11 (Wi-Fi), IEEE 802.16 (WiMAX), IEEE 802-20, E-UTRA(Evolved UTRA) 등과 같은 무선 기술로 구현될 수 있다. UTRA는 UMTS(Universal Mobile Telecommunications System)의 일부이다. 3GPP(3rd Generation Partnership Project) LTE(Long Term Evolution)은 E-UTRA를 사용하는 E-UMTS(Evolved UMTS)의 일부이고 LTE-A(Advanced)/LTE-A pro는 3GPP LTE의 진화된 버전이다. 3GPP NR(New Radio or New Radio Access Technology)는 3GPP LTE/LTE-A/LTE-A pro의 진화된 버전이다.

설명을 명확하게 하기 위해, 3GPP 통신 시스템(예, LTE-A, NR)을 기반으로 설명하지만 본 발명의 기술적 사상이 이에 제한되는 것은 아니다. LTE는 3GPP TS 36.xxx Release 8 이후의 기술을 의미한다. 세부적으로, 3GPP TS 36.xxx Release 10 이후의 LTE 기술은 LTE-A로 지칭되고, 3GPP TS 36.xxx Release 13 이후의 LTE 기술은 LTE-A pro로 지칭된다. 3GPP NR은 TS 38.xxx Release 15 이후의 기술을 의미한다. LTE/NR은 3GPP 시스템으로 지칭될 수 있다. "xxx"는 표준 문서 세부 번호를 의미한다. LTE/NR은 3GPP 시스템으로 통칭될 수 있다. 본 발명의 설명에 사용된 배경기술, 용어, 약어 등에 관해서는 본 발명 이전에 공개된 표준 문서에 기재된 사항을 참조할 수 있다. 예를 들어, 다음 문서를 참조할 수 있다.

3GPP LTE

- 36.211: Physical channels and modulation

- 36.212: Multiplexing and channel coding

- 36.213: Physical layer procedures

- 36.300: Overall description

- 36.331: Radio Resource Control (RRC)

3GPP NR

- 38.211: Physical channels and modulation

- 38.212: Multiplexing and channel coding

- 38.213: Physical layer procedures for control

- 38.214: Physical layer procedures for data

- 38.300: NR and NG-RAN Overall Description

- 36.331: Radio Resource Control (RRC) protocol specification

더욱 많은 통신 기기들이 더욱 큰 통신 용량을 요구하게 됨에 따라 기존의 radio access technology 에 비해 향상된 mobile broadband 통신에 대한 필요성이 대두되고 있다. 또한 다수의 기기 및 사물들을 연결하여 언제 어디서나 다양한 서비스를 제공하는 massive MTC (Machine Type Communications) 역시 차세대 통신에서 고려될 주요 이슈 중 하나이다. 뿐만 아니라 reliability 및 latency 에 민감한 서비스/단말을 고려한 통신 시스템 디자인이 논의되고 있다. 이와 같이 eMBB(enhanced mobile broadband communication), Mmtc(massive MTC), URLLC (Ultra-Reliable and Low Latency Communication) 등을 고려한 차세대 radio access technology 의 도입이 논의되고 있으며, 본 명세서에서는 편의상 해당 technology 를 NR 이라고 부른다. NR은 5G 무선 접속 기술(radio access technology, RAT)의 일례를 나타낸 표현이다.

5G의 세 가지 주요 요구 사항 영역은 (1) 개선된 모바일 광대역 (Enhanced Mobile Broadband, eMBB) 영역, (2) 다량의 머신 타입 통신 (massive Machine Type Communication, mMTC) 영역 및 (3) 초-신뢰 및 저 지연 통신 (Ultra-reliable and Low Latency Communications, URLLC) 영역을 포함한다.

일부 사용 예(Use Case)는 최적화를 위해 다수의 영역들이 요구될 수 있고, 다른 사용 예는 단지 하나의 핵심 성능 지표 (Key Performance Indicator, KPI)에만 포커싱될 수 있다. 5G는 이러한 다양한 사용 예들을 유연하고 신뢰할 수 있는 방법으로 지원하는 것이다.

eMBB는 기본적인 모바일 인터넷 액세스를 훨씬 능가하게 하며, 풍부한 양방향 작업, 클라우드 또는 증강 현실에서 미디어 및 엔터테인먼트 애플리케이션을 커버한다. 데이터는 5G의 핵심 동력 중 하나이며, 5G 시대에서 처음으로 전용 음성 서비스를 볼 수 없을 수 있다. 5G에서, 음성은 단순히 통신 시스템에 의해 제공되는 데이터 연결을 사용하여 응용 프로그램으로서 처리될 것이 기대된다. 증가된 트래픽 양(volume)을 위한 주요 원인들은 콘텐츠 크기의 증가 및 높은 데이터 전송률을 요구하는 애플리케이션 수의 증가이다. 스트리밍 서비스 (오디오 및 비디오), 대화형 비디오 및 모바일 인터넷 연결은 더 많은 장치가 인터넷에 연결될수록 더 널리 사용될 것이다. 이러한 많은 응용 프로그램들은 사용자에게 실시간 정보 및 알림을 푸쉬하기 위해 항상 켜져 있는 연결성이 필요하다. 클라우드 스토리지 및 애플리케이션은 모바일 통신 플랫폼에서 급속히 증가하고 있으며, 이것은 업무 및 엔터테인먼트 모두에 적용될 수 있다. 그리고, 클라우드 스토리지는 상향링크 데이터 전송률의 성장을 견인하는 특별한 사용 예이다. 5G는 또한 클라우드의 원격 업무에도 사용되며, 촉각 인터페이스가 사용될 때 우수한 사용자 경험을 유지하도록 훨씬 더 낮은 단-대-단(end-to-end) 지연을 요구한다. 엔터테인먼트 예를 들어, 클라우드 게임 및 비디오 스트리밍은 모바일 광대역 능력에 대한 요구를 증가시키는 또 다른 핵심 요소이다. 엔터테인먼트는 기차, 차 및 비행기와 같은 높은 이동성 환경을 포함하는 어떤 곳에서든지 스마트폰 및 태블릿에서 필수적이다. 또 다른 사용 예는 엔터테인먼트를 위한 증강 현실 및 정보 검색이다. 여기서, 증강 현실은 매우 낮은 지연과 순간적인 데이터 양을 필요로 한다.

또한, 가장 많이 예상되는 5G 사용 예 중 하나는 모든 분야에서 임베디드 센서를 원활하게 연결할 수 있는 기능 즉, mMTC에 관한 것이다. 2020년까지 잠재적인 IoT 장치들은 204 억 개에 이를 것으로 예측된다. 산업 IoT는 5G가 스마트 도시, 자산 추적(asset tracking), 스마트 유틸리티, 농업 및 보안 인프라를 가능하게 하는 주요 역할을 수행하는 영역 중 하나이다.

URLLC는 주요 인프라의 원격 제어 및 자체-구동 차량(self-driving vehicle)과 같은 초 신뢰 / 이용 가능한 지연이 적은 링크를 통해 산업을 변화시킬 새로운 서비스를 포함한다. 신뢰성과 지연의 수준은 스마트 그리드 제어, 산업 자동화, 로봇 공학, 드론 제어 및 조정에 필수적이다.

다음으로, 다수의 사용 예들에 대해 보다 구체적으로 살펴본다.

5G는 초당 수백 메가 비트에서 초당 기가 비트로 평가되는 스트림을 제공하는 수단으로 FTTH (fiber-to-the-home) 및 케이블 기반 광대역 (또는 DOCSIS)을 보완할 수 있다. 이러한 빠른 속도는 가상 현실과 증강 현실뿐 아니라 4K 이상(6K, 8K 및 그 이상)의 해상도로 TV를 전달하는데 요구된다. VR(Virtual Reality) 및 AR(Augmented Reality) 애플리케이션들은 거의 몰입형(immersive) 스포츠 경기를 포함한다. 특정 응용 프로그램은 특별한 네트워크 설정이 요구될 수 있다. 예를 들어, VR 게임의 경우, 게임 회사들이 지연을 최소화하기 위해 코어 서버를 네트워크 오퍼레이터의 에지 네트워크 서버와 통합해야 할 수 있다.

자동차(Automotive)는 차량에 대한 이동 통신을 위한 많은 사용 예들과 함께 5G에 있어 중요한 새로운 동력이 될 것으로 예상된다. 예를 들어, 승객을 위한 엔터테인먼트는 동시의 높은 용량과 높은 이동성 모바일 광대역을 요구한다. 그 이유는 미래의 사용자는 그들의 위치 및 속도와 관계 없이 고품질의 연결을 계속해서 기대하기 때문이다. 자동차 분야의 다른 활용 예는 증강 현실 대시보드이다. 이는 운전자가 앞면 창을 통해 보고 있는 것 위에 어둠 속에서 물체를 식별하고, 물체의 거리와 움직임에 대해 운전자에게 말해주는 정보를 겹쳐서 디스플레이 한다. 미래에, 무선 모듈은 차량들 간의 통신, 차량과 지원하는 인프라구조 사이에서 정보 교환 및 자동차와 다른 연결된 디바이스들(예를 들어, 보행자에 의해 수반되는 디바이스들) 사이에서 정보 교환을 가능하게 한다. 안전 시스템은 운전자가 보다 안전한 운전을 할 수 있도록 행동의 대체 코스들을 안내하여 사고의 위험을 낮출 수 있게 한다. 다음 단계는 원격 조종되거나 자체 운전 차량(self-driven vehicle)이 될 것이다. 이는 서로 다른 자체 운전 차량들 사이 및 자동차와 인프라 사이에서 매우 신뢰성이 있고, 매우 빠른 통신을 요구한다. 미래에, 자체 운전 차량이 모든 운전 활동을 수행하고, 운전자는 차량 자체가 식별할 수 없는 교통 이상에만 집중하도록 할 것이다. 자체 운전 차량의 기술적 요구 사항은 트래픽 안전을 사람이 달성할 수 없을 정도의 수준까지 증가하도록 초 저 지연과 초고속 신뢰성을 요구한다.

스마트 사회(smart society)로서 언급되는 스마트 도시와 스마트 홈은 고밀도 무선 센서 네트워크로 임베디드될 것이다. 지능형 센서의 분산 네트워크는 도시 또는 집의 비용 및 에너지-효율적인 유지에 대한 조건을 식별할 것이다. 유사한 설정이 각 가정을 위해 수행될 수 있다. 온도 센서, 창 및 난방 컨트롤러, 도난 경보기 및 가전 제품들은 모두 무선으로 연결된다. 이러한 센서들 중 많은 것들이 전형적으로 낮은 데이터 전송 속도, 저전력 및 저비용이다. 하지만, 예를 들어, 실시간 HD 비디오는 감시를 위해 특정 타입의 장치에서 요구될 수 있다.

열 또는 가스를 포함한 에너지의 소비 및 분배는 고도로 분산화되고 있어, 분산 센서 네트워크의 자동화된 제어가 요구된다. 스마트 그리드는 정보를 수집하고 이에 따라 행동하도록 디지털 정보 및 통신 기술을 사용하여 이런 센서들을 상호 연결한다. 이 정보는 공급 업체와 소비자의 행동을 포함할 수 있으므로, 스마트 그리드가 효율성, 신뢰성, 경제성, 생산의 지속 가능성 및 자동화된 방식으로 전기와 같은 연료들의 분배를 개선하도록 할 수 있다. 스마트 그리드는 지연이 적은 다른 센서 네트워크로 볼 수도 있다.

건강 부문은 이동 통신의 혜택을 누릴 수 있는 많은 응용 프로그램을 보유하고 있다. 통신 시스템은 멀리 떨어진 곳에서 임상 진료를 제공하는 원격 진료를 지원할 수 있다. 이는 거리에 대한 장벽을 줄이는데 도움을 주고, 거리가 먼 농촌에서 지속적으로 이용하지 못하는 의료 서비스들로의 접근을 개선시킬 수 있다. 이는 또한 중요한 진료 및 응급 상황에서 생명을 구하기 위해 사용된다. 이동 통신 기반의 무선 센서 네트워크는 심박수 및 혈압과 같은 파라미터들에 대한 원격 모니터링 및 센서들을 제공할 수 있다.

무선 및 모바일 통신은 산업 응용 분야에서 점차 중요해지고 있다. 배선은 설치 및 유지 비용이 높다. 따라서, 케이블을 재구성할 수 있는 무선 링크들로의 교체 가능성은 많은 산업 분야에서 매력적인 기회이다. 그러나, 이를 달성하는 것은 무선 연결이 케이블과 비슷한 지연, 신뢰성 및 용량으로 동작하는 것과, 그 관리가 단순화될 것이 요구된다. 낮은 지연과 매우 낮은 오류 확률은 5G로 연결될 필요가 있는 새로운 요구 사항이다.

물류(logistics) 및 화물 추적(freight tracking)은 위치 기반 정보 시스템을 사용하여 어디에서든지 인벤토리(inventory) 및 패키지의 추적을 가능하게 하는 이동 통신에 대한 중요한 사용 예이다. 물류 및 화물 추적의 사용 예는 전형적으로 낮은 데이터 속도를 요구하지만 넓은 범위와 신뢰성 있는 위치 정보가 필요하다.

<인공 지능(AI: Artificial Intelligence)>

인공 지능은 인공적인 지능 또는 이를 만들 수 있는 방법론을 연구하는 분야를 의미하며, 머신 러닝(기계 학습, Machine Learning)은 인공 지능 분야에서 다루는 다양한 문제를 정의하고 그것을 해결하는 방법론을 연구하는 분야를 의미한다. 머신 러닝은 어떠한 작업에 대하여 꾸준한 경험을 통해 그 작업에 대한 성능을 높이는 알고리즘으로 정의하기도 한다.

인공 신경망(ANN: Artificial Neural Network)은 머신 러닝에서 사용되는 모델로써, 시냅스의 결합으로 네트워크를 형성한 인공 뉴런(노드)들로 구성되는, 문제 해결 능력을 가지는 모델 전반을 의미할 수 있다. 인공 신경망은 다른 레이어의 뉴런들 사이의 연결 패턴, 모델 파라미터를 갱신하는 학습 과정, 출력값을 생성하는 활성화 함수(Activation Function)에 의해 정의될 수 있다.

인공 신경망은 입력층(Input Layer), 출력층(Output Layer), 그리고 선택적으로 하나 이상의 은닉층(Hidden Layer)를 포함할 수 있다. 각 층은 하나 이상의 뉴런을 포함하고, 인공 신경망은 뉴런과 뉴런을 연결하는 시냅스를 포함할 수 있다. 인공 신경망에서 각 뉴런은 시냅스를 통해 입력되는 입력 신호들, 가중치, 편향에 대한 활성 함수의 함숫값을 출력할 수 있다.

모델 파라미터는 학습을 통해 결정되는 파라미터를 의미하며, 시냅스 연결의 가중치와 뉴런의 편향 등이 포함된다. 그리고, 하이퍼파라미터는 머신 러닝 알고리즘에서 학습 전에 설정되어야 하는 파라미터를 의미하며, 학습률(Learning Rate), 반복 횟수, 미니 배치 크기, 초기화 함수 등이 포함된다.

인공 신경망의 학습의 목적은 손실 함수를 최소화하는 모델 파라미터를 결정하는 것으로 볼 수 있다. 손실 함수는 인공 신경망의 학습 과정에서 최적의 모델 파라미터를 결정하기 위한 지표로 이용될 수 있다.

머신 러닝은 학습 방식에 따라 지도 학습(Supervised Learning), 비지도 학습(Unsupervised Learning), 강화 학습(Reinforcement Learning)으로 분류할 수 있다.

지도 학습은 학습 데이터에 대한 레이블(label)이 주어진 상태에서 인공 신경망을 학습시키는 방법을 의미하며, 레이블이란 학습 데이터가 인공 신경망에 입력되는 경우 인공 신경망이 추론해 내야 하는 정답(또는 결과 값)을 의미할 수 있다. 비지도 학습은 학습 데이터에 대한 레이블이 주어지지 않는 상태에서 인공 신경망을 학습시키는 방법을 의미할 수 있다. 강화 학습은 어떤 환경 안에서 정의된 에이전트가 각 상태에서 누적 보상을 최대화하는 행동 혹은 행동 순서를 선택하도록 학습시키는 학습 방법을 의미할 수 있다.

인공 신경망 중에서 복수의 은닉층을 포함하는 심층 신경망(DNN: Deep Neural Network)으로 구현되는 머신 러닝을 딥 러닝(심층 학습, Deep Learning)이라 부르기도 하며, 딥 러닝은 머신 러닝의 일부이다. 이하에서, 머신 러닝은 딥 러닝을 포함하는 의미로 사용된다.

<로봇(Robot)>

로봇은 스스로 보유한 능력에 의해 주어진 일을 자동으로 처리하거나 작동하는 기계를 의미할 수 있다. 특히, 환경을 인식하고 스스로 판단하여 동작을 수행하는 기능을 갖는 로봇을 지능형 로봇이라 칭할 수 있다.

로봇은 사용 목적이나 분야에 따라 산업용, 의료용, 가정용, 군사용 등으로 분류할 수 있다.

로봇은 액츄에이터 또는 모터를 포함하는 구동부를 구비하여 로봇 관절을 움직이는 등의 다양한 물리적 동작을 수행할 수 있다. 또한, 이동 가능한 로봇은 구동부에 휠, 브레이크, 프로펠러 등이 포함되어, 구동부를 통해 지상에서 주행하거나 공중에서 비행할 수 있다.

<자율 주행(Self-Driving, Autonomous-Driving)>

자율 주행은 스스로 주행하는 기술을 의미하며, 자율 주행 차량은 사용자의 조작 없이 또는 사용자의 최소한의 조작으로 주행하는 차량(Vehicle)을 의미한다.

예컨대, 자율 주행에는 주행중인 차선을 유지하는 기술, 어댑티브 크루즈 컨트롤과 같이 속도를 자동으로 조절하는 기술, 정해진 경로를 따라 자동으로 주행하는 기술, 목적지가 설정되면 자동으로 경로를 설정하여 주행하는 기술 등이 모두 포함될 수 있다.

차량은 내연 기관만을 구비하는 차량, 내연 기관과 전기 모터를 함께 구비하는 하이브리드 차량, 그리고 전기 모터만을 구비하는 전기 차량을 모두 포괄하며, 자동차뿐만 아니라 기차, 오토바이 등을 포함할 수 있다.

이때, 자율 주행 차량은 자율 주행 기능을 가진 로봇으로 볼 수 있다.

<확장 현실(XR: eXtended Reality)>

확장 현실은 가상 현실(VR: Virtual Reality), 증강 현실(AR: Augmented Reality), 혼합 현실(MR: Mixed Reality)을 총칭한다. VR 기술은 현실 세계의 객체나 배경 등을 CG 영상으로만 제공하고, AR 기술은 실제 사물 영상 위에 가상으로 만들어진 CG 영상을 함께 제공하며, MR 기술은 현실 세계에 가상 객체들을 섞고 결합시켜서 제공하는 컴퓨터 그래픽 기술이다.

MR 기술은 현실 객체와 가상 객체를 함께 보여준다는 점에서 AR 기술과 유사하다. 그러나, AR 기술에서는 가상 객체가 현실 객체를 보완하는 형태로 사용되는 반면, MR 기술에서는 가상 객체와 현실 객체가 동등한 성격으로 사용된다는 점에서 차이점이 있다.

XR 기술은 HMD(Head-Mount Display), HUD(Head-Up Display), 휴대폰, 태블릿 PC, 랩탑, 데스크탑, TV, 디지털 사이니지 등에 적용될 수 있고, XR 기술이 적용된 장치를 XR 장치(XR Device)라 칭할 수 있다.

NR을 포함하는 새로운 RAT 시스템은 OFDM 전송 방식 또는 이와 유사한 전송 방식을 사용한다. 새로운 RAT 시스템은 LTE의 OFDM 파라미터들과는 다른 OFDM 파라미터들을 따를 수 있다. 또는 새로운 RAT 시스템은 기존의 LTE/LTE-A의 뉴머롤로지(numerology)를 그대로 따르나 더 큰 시스템 대역폭(예, 100MHz)를 지닐 수 있다. 또는 하나의 셀이 복수 개의 뉴머롤로지들을 지원할 수도 있다. 즉, 서로 다른 뉴머롤로지로 동작하는 하는 단말들이 하나의 셀 안에서 공존할 수 있다.

뉴머로러지(numerology)는 주파수 영역에서 하나의 subcarrier spacing에 대응한다. Reference subcarrier spacing을 정수 N으로 scaling함으로써, 상이한 numerology가 정의될 수 있다.

용어 정의

eLTE eNB: eLTE eNB는 EPC 및 NGC에 대한 연결을 지원하는 eNB의 진화(evolution)이다.

gNB: NGC와의 연결뿐만 아니라 NR을 지원하는 노드.

새로운 RAN: NR 또는 E-UTRA를 지원하거나 NGC와 상호 작용하는 무선 액세스 네트워크.

네트워크 슬라이스(network slice): 네트워크 슬라이스는 종단 간 범위와 함께 특정 요구 사항을 요구하는 특정 시장 시나리오에 대해 최적화된 솔루션을 제공하도록 operator에 의해 정의된 네트워크.

네트워크 기능(network function): 네트워크 기능은 잘 정의된 외부 인터페이스와 잘 정의된 기능적 동작을 가진 네트워크 인프라 내에서의 논리적 노드.

NG-C: 새로운 RAN과 NGC 사이의 NG2 레퍼런스 포인트(reference point)에 사용되는 제어 평면 인터페이스.

NG-U: 새로운 RAN과 NGC 사이의 NG3 레퍼런스 포인트(reference point)에 사용되는 사용자 평면 인터페이스.

비 독립형(Non-standalone) NR: gNB가 LTE eNB를 EPC로 제어 플레인 연결을 위한 앵커로 요구하거나 또는 eLTE eNB를 NGC로 제어 플레인 연결을 위한 앵커로 요구하는 배치 구성.

비 독립형 E-UTRA: eLTE eNB가 NGC로 제어 플레인 연결을 위한 앵커로 gNB를 요구하는 배치 구성.

사용자 평면 게이트웨이: NG-U 인터페이스의 종단점.

시스템 일반

도 1은 본 명세서에서 제안하는 방법이 적용될 수 있는 NR의 전체적인 시스템 구조의 일례를 나타낸다.

도 1을 참조하면, NG-RAN은 NG-RA 사용자 평면(새로운 AS sublayer/PDCP/RLC/MAC/PHY) 및 UE(User Equipment)에 대한 제어 평면(RRC) 프로토콜 종단을 제공하는 gNB들로 구성된다.

상기 gNB는 X _n 인터페이스를 통해 상호 연결된다.

상기 gNB는 또한, NG 인터페이스를 통해 NGC로 연결된다.

보다 구체적으로는, 상기 gNB는 N2 인터페이스를 통해 AMF(Access and Mobility Management Function)로, N3 인터페이스를 통해 UPF(User Plane Function)로 연결된다.

NR(New Rat) 뉴머롤로지(Numerology) 및 프레임(frame) 구조

NR 시스템에서는 다수의 뉴머롤로지(numerology)들이 지원될 수 있다. 여기에서, 뉴머롤로지는 서브캐리어 간격(subcarrier spacing)과 CP(Cyclic Prefix) 오버헤드에 의해 정의될 수 있다. 이 때, 다수의 서브캐리어 간격은 기본 서브캐리어 간격을 정수 N(또는, μ)으로 스케일링(scaling) 함으로써 유도될 수 있다. 또한, 매우 높은 반송파 주파수에서 매우 낮은 서브캐리어 간격을 이용하지 않는다고 가정될지라도, 이용되는 뉴머롤로지는 주파수 대역과 독립적으로 선택될 수 있다.

또한, NR 시스템에서는 다수의 뉴머롤로지에 따른 다양한 프레임 구조들이 지원될 수 있다.

이하, NR 시스템에서 고려될 수 있는 OFDM(Orthogonal Frequency Division Multiplexing) 뉴머롤로지 및 프레임 구조를 살펴본다.

NR 시스템에서 지원되는 다수의 OFDM 뉴머롤로지들은 표 1과 같이 정의될 수 있다.

NR 시스템에서의 프레임 구조(frame structure)와 관련하여, 시간 영역의 다양한 필드의 크기는

의 시간 단위의 배수로 표현된다. 여기에서,

이고,

이다. 하향링크(downlink) 및 상향크(uplink) 전송은

의 구간을 가지는 무선 프레임(radio frame)으로 구성된다. 여기에서, 무선 프레임은 각각

의 구간을 가지는 10 개의 서브프레임(subframe)들로 구성된다. 이 경우, 상향링크에 대한 한 세트의 프레임들 및 하향링크에 대한 한 세트의 프레임들이 존재할 수 있다.

도 2는 본 명세서에서 제안하는 방법이 적용될 수 있는 무선 통신 시스템에서 상향링크 프레임과 하향링크 프레임 간의 관계를 나타낸다.

도 2에 나타난 것과 같이, 단말(User Equipment, UE)로 부터의 상향링크 프레임 번호 i의 전송은 해당 단말에서의 해당 하향링크 프레임의 시작보다

이전에 시작해야 한다.

뉴머롤로지

에 대하여, 슬롯(slot)들은 서브프레임 내에서

의 증가하는 순서로 번호가 매겨지고, 무선 프레임 내에서

의 증가하는 순서로 번호가 매겨진다. 하나의 슬롯은

의 연속하는 OFDM 심볼들로 구성되고,

는, 이용되는 뉴머롤로지 및 슬롯 설정(slot configuration)에 따라 결정된다. 서브프레임에서 슬롯

의 시작은 동일 서브프레임에서 OFDM 심볼

의 시작과 시간적으로 정렬된다.

모든 단말이 동시에 송신 및 수신을 할 수 있는 것은 아니며, 이는 하향링크 슬롯(downlink slot) 또는 상향링크 슬롯(uplink slot)의 모든 OFDM 심볼들이 이용될 수는 없다는 것을 의미한다.

표 2는 일반(normal) CP에서 슬롯 별 OFDM 심볼의 개수(

), 무선 프레임 별 슬롯의 개수(

), 서브프레임 별 슬롯의 개수(

)를 나타내며, 표 3은 확장(extended) CP에서 슬롯 별 OFDM 심볼의 개수, 무선 프레임 별 슬롯의 개수, 서브프레임 별 슬롯의 개수를 나타낸다.

도 3은 NR 시스템에서의 프레임 구조의 일례를 나타낸다. 도 3은 단지 설명의 편의를 위한 것일 뿐, 본 발명의 범위를 제한하는 것이 아니다.

표 3의 경우, μ=2인 경우, 즉 서브캐리어 간격(subcarrier spacing, SCS)이 60kHz인 경우의 일례로서, 표 2를 참고하면 1 서브프레임(또는 프레임)은 4개의 슬롯들을 포함할 수 있으며, 도 3에 도시된 1 서브프레임={1,2,4} 슬롯들은 일례로서, 1 서브프레임에 포함될 수 있는 스롯(들)의 개수는 표 2와 같이 정의될 수 있다.

또한, 미니-슬롯(mini-slot)은 2, 4 또는 7 심볼(symbol)들로 구성될 수도 있고, 더 많거나 또는 더 적은 심볼들로 구성될 수도 있다.

NR 시스템에서의 물리 자원(physical resource)과 관련하여, 안테나 포트(antenna port), 자원 그리드(resource grid), 자원 요소(resource element), 자원 블록(resource block), 캐리어 파트(carrier part) 등이 고려될 수 있다.

이하, NR 시스템에서 고려될 수 있는 상기 물리 자원들에 대해 구체적으로 살펴본다.

먼저, 안테나 포트와 관련하여, 안테나 포트는 안테나 포트 상의 심볼이 운반되는 채널이 동일한 안테나 포트 상의 다른 심볼이 운반되는 채널로부터 추론될 수 있도록 정의된다. 하나의 안테나 포트 상의 심볼이 운반되는 채널의 광범위 특성(large-scale property)이 다른 안테나 포트 상의 심볼이 운반되는 채널로부터 유추될 수 있는 경우, 2 개의 안테나 포트는 QC/QCL(quasi co-located 혹은 quasi co-location) 관계에 있다고 할 수 있다. 여기에서, 상기 광범위 특성은 지연 확산(Delay spread), 도플러 확산(Doppler spread), 주파수 쉬프트(Frequency shift), 평균 수신 파워(Average received power), 수신 타이밍(Received Timing) 중 하나 이상을 포함한다.

도 4는 본 명세서에서 제안하는 방법이 적용될 수 있는 무선 통신 시스템에서 지원하는 자원 그리드(resource grid)의 일례를 나타낸다.

도 4를 참고하면, 자원 그리드가 주파수 영역 상으로

서브캐리어들로 구성되고, 하나의 서브프레임이

OFDM 심볼들로 구성되는 것을 예시적으로 기술하나, 이에 한정되는 것은 아니다.

NR 시스템에서, 전송되는 신호(transmitted signal)는

서브캐리어들로 구성되는 하나 또는 그 이상의 자원 그리드들 및

의 OFDM 심볼들에 의해 설명된다. 여기에서,

이다. 상기

는 최대 전송 대역폭을 나타내고, 이는, 뉴머롤로지들뿐만 아니라 상향링크와 하향링크 간에도 달라질 수 있다.

이 경우, 도 5와 같이, 뉴머롤로지

및 안테나 포트 p 별로 하나의 자원 그리드가 설정될 수 있다.

도 5는 본 명세서에서 제안하는 방법이 적용될 수 있는 안테나 포트 및 뉴머롤로지 별 자원 그리드의 예들을 나타낸다.

뉴머롤로지

및 안테나 포트 p에 대한 자원 그리드의 각 요소는 자원 요소(resource element)로 지칭되며, 인덱스 쌍

에 의해 고유적으로 식별된다. 여기에서,

는 주파수 영역 상의 인덱스이고,

는 서브프레임 내에서 심볼의 위치를 지칭한다. 슬롯에서 자원 요소를 지칭할 때에는, 인덱스 쌍

이 이용된다. 여기에서,

이다.

뉴머롤로지

및 안테나 포트 p에 대한 자원 요소

는 복소 값(complex value)

에 해당한다. 혼동(confusion)될 위험이 없는 경우 혹은 특정 안테나 포트 또는 뉴머롤로지가 특정되지 않은 경우에는, 인덱스들 p 및

는 드롭(drop)될 수 있으며, 그 결과 복소 값은

또는

이 될 수 있다.

또한, 물리 자원 블록(physical resource block)은 주파수 영역 상의

연속적인 서브캐리어들로 정의된다.

Point A는 자원 블록 그리드의 공통 참조 지점(common reference point)으로서 역할을 하며 다음과 같이 획득될 수 있다.

- PCell 다운링크에 대한 offsetToPointA는 초기 셀 선택을 위해 UE에 의해 사용된 SS/PBCH 블록과 겹치는 가장 낮은 자원 블록의 가장 낮은 서브 캐리어와 point A 간의 주파수 오프셋을 나타내며, FR1에 대해 15kHz 서브캐리어 간격 및 FR2에 대해 60kHz 서브캐리어 간격을 가정한 리소스 블록 단위(unit)들로 표현되고;

- absoluteFrequencyPointA는 ARFCN(absolute radio-frequency channel number)에서와 같이 표현된 point A의 주파수-위치를 나타낸다.

공통 자원 블록(common resource block)들은 서브캐리어 간격 설정 에 대한 주파수 영역에서 0부터 위쪽으로 넘버링(numbering)된다.

서브캐리어 간격 설정 에 대한 공통 자원 블록 0의 subcarrier 0의 중심은 'point A'와 일치한다. 주파수 영역에서 공통 자원 블록 번호(number)

와 서브캐리어 간격 설정 에 대한 자원 요소(k,l)은 아래 수학식 1과 같이 주어질 수 있다.

여기에서,

는

이 point A를 중심으로 하는 subcarrier에 해당하도록 point A에 상대적으로 정의될 수 있다. 물리 자원 블록들은 대역폭 파트(bandwidth part, BWP) 내에서 0부터

까지 번호가 매겨지고,

는 BWP의 번호이다. BWP i에서 물리 자원 블록

와 공통 자원 블록

간의 관계는 아래 수학식 2에 의해 주어질 수 있다.

여기에서,

는 BWP가 공통 자원 블록 0에 상대적으로 시작하는 공통 자원 블록일 수 있다.

한편, 캐리어에 의해 지원되는 각 뉴머롤로지의 PRB grid, DL/UL 각각의 캐리어에서의 BWP 설정(최대 4개의 BWP 지원), CBG(code block group) 설정, cell 그룹 당 TPC(Transmission power control), HARQ 프로세스, 스크램블링/시퀀스 관련 파라미터 등은 캐리어 단계(level)에서 설정될 수 있다. 제어 자원 세트(control resource set)(셀 당 설정되나, BWP 당 연관(association)됨), 자원 할당과 관련된 파라미터와 DM-RS 설정, CSI-RS 관련 파라미터, SRS 자원 세트, HARQ-ACK 과 SR(schedule request) 자원, 설정된 UL grant 등은 BWP 단계에서 설정될 수 있다.

eMBB (enhanced Mobile Broadband communication)

NR 시스템의 경우, 송수신 안테나가 크게 증가하는 거대(massive) MIMO 환경이 고려될 수 있다. 즉, 거대 MIMO 환경이 고려됨에 따라, 송수신 안테나의 수는 수십 또는 수백 개 이상으로 증가할 수 있다. 거대 MIMO 환경에서는 하드웨어 구현의 복잡도를 줄이고, 다수의 안테나들을 이용한 성능 증가, 자원 할당의 유연성, 주파수별 빔 제어의 용이를 위해, 빔 형성 가중치 벡터(weight vector)/프리코딩 벡터(precoding vector)를 적용하는 위치에 따라 아날로그 빔포밍(analog beamforming) 기법과 디지털 빔포밍(digital beamforming) 기법이 결합된 하이브리드(hybrid) 형태의 빔포밍 기법이 요구된다.

도 6은 송신단 및 수신단의 블록도의 일례를 나타낸 도이다.

도 6에 도시된 바와 같이, 전송 경로를 사용하면 서브 어레이의 각 요소에 RF 도메인에 직접 적용된 위상 시프트가 있을 수 있지만, 복소 가중치 벡터를 기반으로 하는 디지털 빔 포밍 기법을 각 서브 어레이에 공급하는 신호에 적용 할 수 있다. 수신단에서는 다수의 안테나를 통해 신호를 수신하고 ADC(Analog to digital converter), 복조기(demodulator), 디코더(decoder) 등을 거쳐 최종 신호를 출력할 수 있다. 최종 신호는 노이즈, 신호 증폭 측면을 고려하여 차등 신호(differential signal)로 출력될 수 있다.

도 7은 64x64 2차원 안테나와 각 안테나와 연결된 1-비트 ADC(analog to digital converter)를 포함하는 수신 장치의 일례를 나타낸다. 여기서, ADC 앞 단에 있는 RF(Radio Frequency) 프론트-엔드(front-end)는 생략되었다. 도 7은 단지 설명의 편의를 위한 것일 뿐, 본 발명의 범위를 제한하는 것이 아니다.

도 7을 참고하면, 예를 들어, 수신 장치는 4096 (예: 64x64)개의 안테나를 포함하고, 각각의 안테나와 연결된 수신 경로(RX path)의 I(동-위상(in-phase)) 신호 (예: 실수 신호)와 Q(직교(Quadrature)) 신호 (예: 허수 신호)에 대한 각 1-비트 ADC를 포함할 수 있다.

기존 고성능 ADC를 포함하는 수신 장치에서는 고성능 ADC의 출력(output)으로 a+bj (예: a, b는 각각 8 비트 내지 10 비트로 표현되는 수)형태의 수신 신호가 베이스밴드(Baseband)로 전달되었다. 이하에서, 기존 고성능 ADC의 출력 신호를 비양자화(Unquantized) 버전으로 지칭한다. 고성능 ADC는 출력 신호의 해상도(resolution) 측면에서는 우수하나, 시스템의 전력 소모 측면에서는 불리할 수 있다.

반면, 도 7을 참고하면, 1-비트 ADC를 통해 베이스밴드(Baseband)로 전달되는 신호의 종류는 수신 경로 당 4개 종류로 한정될 수 있다. 즉, 수신 경로 별로 1+j, 1-j, -1+j, -1+j 중 하나의 신호가 수신될 수 있다. 1-비트 ADC를 포함하는 수신 장치는 수신 신호의 크기 등의 정보 손실로 인해, SNR (Signal to Noise Ratio) 등의 정보를 얻기 어려울 수도 있지만, 위상 정보를 통한 정보 전달이 용이할 수 있고 시스템의 전력 소모가 고성능 ADC 대비 훨씬 적다.

본 발명에서는 차등 위상 천이 변조 (Differential Phase Shift Keying) 방식 (예: DBPSK(Differential Binary Phase Shift Keying), DQPSK(Differential Quadrature Phase Shift Keying) 등)의 변조 기법과 비-동기 검출(non-coherent detection) 방식의 복조 기법을 기반으로 1-비트 양자화 시스템에서의 송수신 방법을 제안한다. 상기 1-비트 양자화 시스템은 1-비트 ADC를 이용할 수 있으므로, 1-비트 ADC 시스템이라는 용어로 대체될 수 있다. 이하에서 설명의 편의성을 위해 DBPSK (Differential BPSK) 방식을 기준으로 설명한다. 그러나, 이는 설명상 편의를 위한 것일 뿐, 본 발명의 기술적 사상을 제한하는 것은 아니다. 따라서, DQPSK 방식의 경우도 동일하게 적용할 수 있음은 자명하다.

차등 위상 천이 변조 (Differential Phase Shift Keying, DPSK)는 연속적인 심볼 사이의 반송파의 위상 차이를 기초로 데이터를 전달하는 변조 방식이다. 예를 들어, 차등 BPSK (Differential BPSK, DBPSK)에서, 현재 위상에 180 °를 더함으로써 "1"을 전송하고 현재 위상에 0 °를 더함으로써 "0"을 전송할 수 있다. 차등 QPSK (DQPSK)에서, 위상 천이는 데이터 "00", "01", "11", "10"에 대응하는 0 °, 90 °, 180 °, -90 ° 에 해당할 수 있다. 수신 장치에서는 인접 심볼 간의 위상 차이만 알면 복조가 가능하다.

도 8은 DBPSK 방식의 변조가 수행되는 일례를 나타낸다. DBPSK 방식의 변조에서 0을 전송하기 위해 이전 심볼에서 변조된 심볼과 동일한 심볼을 전송한다. 1을 전송하기 위해 이전 심볼에서 파이만큼의 위상차를 적용하여 심볼을 전송한다. 도 8을 참고하면, 송신 장치는 0을 전달하기 위해서 1,1을 연속하여 전송할 수 있고, 1을 전달하기 위해서 1,0을 연속하여 전송할 수 있다. 송신 장치가 신호를 전송하는 동안 상관 시간(coherence time), 즉 채널이 변하지 않고 동일하다고 가정할 수 있다. 이하에서, 설명의 편의를 위해서 b=0인 경우, 즉 1,1을 연속하여 전송하였다고 가정하고 설명한다. 그러나, 이는 설명상 편의를 위한 것일 뿐, 본 발명의 기술적 사상을 제한하는 것은 아니다.

도 9는 수신 장치에서 수신된 부호화된 신호가 1-비트 ADC를 통과한 결과의 일례를 나타낸다. 상기 부호화된 신호는 DBPSK 방식으로 변조된 신호라고 가정할 수 있다.

도 9를 참고하면, 수신 경로 1(RX1)의 경우 t번째 심볼에서는 -1+j이 수신되고, t+1번째 심볼에서도 -1+j이 수신된다. 따라서, 둘 간의 채널이 동일하다는 가정하에서 수신 장치는 디코딩을 통해 0을 수신한 것으로 판단할 수 있고, 이 때의 차등 값(differential value)은 2로 출력될 수 있다. 즉, 상기 차등값은 t번째 심볼에서 수신된 값과 t+1번째 심볼에서 수신된 값의 켤레(conjugate)값의 곱으로 나타낼 수 있다. 수신 경로 2(RX2)의 경우도 비슷하게 채널을 통과한 후, t번째 심볼과 t+1번째 심볼에서 모두 -1-j이 수신되며, 차등 값은 2로 출력될 수 있다. 따라서, 수신 장치는 송신 장치가 b=0을 전송한 것이라고 추정할 수 있다.

<방법 1>

상술한 바와 같이 1-비트 ADC 시스템에서의 송수신 방법은 기존 비양자화 버전과는 달리 베이스밴드로 4개 값 중 하나를 전달할 수 있다. 1-bit ADC를 통과하면서 신호의 크기 정보는 모두 손실되고, 위상 정보는 4가지로 양자화되면서 정보 손실이 일어날 수 있다. 그럼에도 불구하고, 비-동기(non-coherent) 검출 관점에서 채널이 동일하다는 가정 하에, 연속된 두 심볼의 위상 변화만을 이용하여 데이터 검출이 가능하다. 따라서, 1-비트 ADC 시스템에서의 수신 장치는 새로운 수신 기법을 고려할 필요가 있다.

일반적으로 수신 장치는 채널 코딩을 거친 부호화된(coded) 비트에 대해 디코딩을 수행한다. 따라서, 수신된 부호화된 비트의 신뢰도(reliability)를 나타내는 로그-우도비 (log-likelihood ratio, LLR) 값을 계산해야 할 필요가 있다.

수학식 3은 시간 인덱스 k에서 인코딩 된 비트 x가 디코더를 거쳐 y로 수신될 때의 LLR을 나타낸다.

수학식 3과 같이, LLR 계산을 위해 SNR(Signal to Noise Ratio) 정보는 필수적이지만, 1-비트 ADC 시스템에서는 SNR을 구하기 어려우므로 정확한 LLR 값을 구하는 것도 어려울 수 있다.

따라서, 1-비트 ADC 시스템에서 신뢰도 (예: LLR)을 산출하는 방법을 고려할 필요가 있다.

1-비트 ADC 시스템에서 수신된 부호화된 비트에 대한 신뢰도는 복수의 수신 경로(RX path)들(예: 전체 수신 경로들)의 각 수신 경로를 통해 수신된 신호를 이용하여 산출할 수 있다. 예를 들어, 상술한 도 7의 수신 장치의 일례와 같이, 4096개의 수신 경로가 있다고 가정할 수 있다. 각 수신 경로에서 수신한 DBPSK로 변조된 연속된 두 개의 심볼의 차등 값은 상술한 바와 같이 {2, 2j, -2, -2j} 중의 하나의 값이 될 수 있다. 4096개의 수신 경로 별 차등 값들이 표 4와 같다고 가정할 수 있다. (각 차등 값을 1/2 값으로 정규화(normalized) 하여 나타낼 수 있다.)

표 4를 참고하면, 차등(differential) 값이 1인 수신 경로는 부호화된 비트가 0이라고 판단할 수 있고, 차등 값이 -1이면 부호화된 비트가 1이라고 판단할 수 있다. 그리고, 차등(differential) 값이 j 또는 -j 에 해당하는 수신 경로의 경우는 부호화된 비트가 0 또는 1일 확률이 반반이기 때문에 수신한 비트의 신뢰도가 없다는 것을 알 수 있다.

따라서, 1-비트 ADC 시스템 환경에서 LLR 값은 수학식 4와 표현할 수 있다. 여기서, Zk는 k번째 수신 경로에서 출력되는 신호의 차등 값을 나타낸다.

상기 수학식 4를 참고하면, 해당 부호화된 비트의 LLR 값은 수신 장치의 복수의 수신 경로들(예: 전체 수신 경로들)의 각 수신 경로에서 출력되는 각 신호의 차등 값의 실수(real) 값의 합에 비례할 수 있다. 즉, 해당 부호화된 비트의 LLR 값은 수신 장치의 복수의 수신 경로들(예: 전체 수신 경로들)의 각 수신 경로에서 출력되는 각 신호의 합에 대한 실수 값에 비례할 수 있다.

수신 장치는 각 수신 경로에서 출력되는 신호의 차등 값들이 1이 많을수록 동일한 신호를 수신한 것으로 판단할 수 있고, -1이 많을수록 반전된 신호를 수신했다고 판단할 수 있다. LLR이 0인 경우는 1을 수신한 경우와 -1을 수신한 경우가 반반이므로 수신 신호의 신뢰도가 낮다고 판단할 수 있다. 따라서, 데이터 검출 관점에서는 Zk 값들이 모두 1인 경우 혹은 모두 -1인 경우가 가장 수신된 비트의 신뢰도가 높다고 할 수 있다. 상술한 LLR 계산 방법을 통하여 수신 장치는 데이터 디코딩을 수행할 수 있다.

또한, LLR 값은 수신 장치의 복수의 수신 경로들(예: 전체 수신 경로들)의 각 수신 경로에서 출력되는 각 신호의 차등 값의 실수(real) 값의 합에 비례하므로 수신된 신호의 신뢰도가 수신 장치의 복수의 수신 경로들(예: 전체 수신 경로들)의 개수(예: 안테나 개수)에 비례할 수 있다. 동일한 신호에 대해서 각 안테나에서 수신한 결과가 동일한 값이 많이 나올수록 해당 수신 신호의 신뢰도가 높다고 판단할 수 있다. 또한, 수신 장치의 수신 경로의 개수(예: 안테나 개수)에 따라 LLR의 가중치(weight)를 조절할 수 있다. 일례로, 수신 장치의 안테나 개수가 많을수록 계산된 LLR 값에 대한 가중치를 크게 적용할 수 있다.

<방법 2>

상술한 바와 같이, DBPSK로 전송된 데이터의 신뢰도는 수신 경로의 LLR값, 즉 Zk의 값들의 상관(correlation)에 비례한다는 것을 확인할 수 있다. 따라서, 이 상관의 정도를 연속적인 기준 신호(reference signal, RS)를 통해서 파악하고 송신 장치에 보고함으로써 송신 장치 및 수신 장치는 채널 품질에 적응적으로 데이터 전송률을 조절할 수 있다.

이하에서, 차등(differential) 변조 및 복조 기반의 1-비트 ADC 시스템에서의 적응적 링크 기법을 위한 채널 품질(Channel Quality) 측정 및 보고 방법을 설명한다.

도 10은 심볼 구조의 일례를 나타낸다. 도 10을 참고하면, 연속적으로 알려진 기준 신호가 전송될 수 있다. 연속적으로 전송된 기준 신호를 기반으로 채널 품질을 산출하는 방법을 고려할 수 있다.

본 명세서에서 1-비트 ADC 시스템에서의 채널 품질을 공간적으로 집합된 채널 품질 (Spatially Aggregated Channel Quality, SACQ)(이하, SACQ)라고 지칭하기로 한다.

수학식 5는 SACQ를 산출하는 식을 나타낸다. SACQ는 두 개의 연속적인 동일 심볼의 기준 신호를 수신하고, 이를 수신한 전체 수신 경로들의 차등 신호(differential signal) 값의 합의 실수(real) 값으로 정의할 수 있다.

여기서, Qk는 각 수신 경로에서 수신된 연속된 기준 신호에 기반한 출력 신호의 차등 값(differential value) 을 나타낸다.

예를 들어, 연속된 두 변조된(modulated) 심볼이 1,1로 전송되었을 경우, 수신 장치의 각 수신 경로의 차등 값은 {1,-1,j,-j} (normalized) 중에 하나가 될 수 있다. 또한, 연속된 두 변조된(modulated) 심볼이 1,-1로 전송되었을 경우는 최종 값에 -1을 곱하여 동일한 차등 값들을 얻을 수 있다. 또한, 전체 값에 대한 배수 역시 가능하다.

구체적인 예로, 연속된 두 변조된 기준 신호 심볼이 1, 1로 전송된 경우, 수신 장치에서 차등 값이 1(normalized)이라면 채널 상태가 좋다고 판단할 수 있다. 반면, 차등 값이 -1(normalized)이라면, 전송된 신호가 반전되어 수신된 것이므로 채널 상태가 나쁘거나 또는 SNR이 좋지 않다고 판단할 수 있다.

수신 장치에서 1-비트 ADC와 연결된 수신 경로의 개수가 N (예: N은 자연수)이라고 하면, SACQ의 최대 값은 N이고, 최소 값은 -N에 해당할 수 있다. SACQ 값은 수신 경로의 개수 N에 의존적일 수 있다. 즉, 1-비트 ADC와 연결된 수신 경로의 개수에 따라 채널 품질(예: SACQ)의 최대 값, 최소 값 및 범위(range)가 달라질 수 있다. 예를 들어, 4096개(N=4096)의 수신 경로를 가지는 수신 장치는 SACQ의 최대 값 4096, 최소값 -4096일 수 있고, -4096 내지 4096의 범위의 SACQ 값을 가질 수 있다. 256개(N=256)의 수신 경로를 가지는 수신 장치는 SACQ의 최대 값 256, 최소값 -256일 수 있고, -256 내지 256의 범위의 SACQ 값을 가질 수 있다. 따라서, 수신된 부호화된 비트의 신뢰도 관점에서는 SACQ가 4096값을 가지는 경우가 256값을 가지는 경우보다 더 높다고 할 수 있다.

1-비트 ADC 시스템에서 적응적 링크 기법을 위한 채널 품질(Channel Quality) 측정 및 보고를 수행함에 있어서, 서로 다른 수신 경로의 개수(예: N)를 가지는 수신장치들의 SACQ값을 시스템에서 지원하기 위해서 송신 장치 및 수신 장치는 SACQ와 관련된 정보를 송수신 할 수 있다.

예를 들어, 수신 장치는 송신 장치로부터 SACQ의 범위를 설정 받을 수 있다. 송신 장치는 SACQ의 최대값 (예: SACQ_max 또는 N_req 등)을 수신 장치들에게 시스템 정보로써 브로드캐스트(Broadcast) 방식을 통해서 알려줄 수 있다. 여기서, SACQ의 최대값 (예: SACQ_max 또는 N_req 등)은 가장 높은 스펙트럼 효율을 가지기 위해 결정된 1-비트 ADC를 포함하는 수신 경로의 개수를 나타낸다.

또는, 수신 장치들은 자신의 수신 경로의 개수를 초기 접속 시 송신 장치에 전달할 수 있다.

또는, 상술한 경우를 결합하여 수신 장치는 송신 장치로부터 SACQ의 최대값 (예: SACQ_max 또는 N_req 등)을 수신하고, 자신의 수신 경로의 개수를 송신 장치로 전달할 수 있다.

또는, 수신 장치들은 자신의 수신 경로의 개수를 송신 장치로 전달하고, 송신 장치는 수신된 수신 장치의 수신 경로의 개수에 기반하여 SACQ의 최대값 및/또는 SACQ의 범위을 수신 장치에 설정할 수 있다.

송신 장치는 수신 장치들에게 SACQ를 측정하기 위한 두 심볼의 연속적인 알려진(known) 기준 신호를 전송하고, 상기 기준 신호를 수신한 수신 장치들은 각 SACQ값을 보고할 수 있다. 만일 보고할 SACQ값이 송신 장치가 설정한 SACQ의 최대값 (예: SACQ_max 또는 N_req 등)보다 크면 SACQ_max로 보고 할 수 있다. 만일 보고할 SACQ값이 -SACQ_max값보다 작으면 -SACQ_max으로 보고할 수 있다.

구체적인 예로, 송신 장치가 설정한 SACQ_max 값이 64이고 하나의 수신기는 16개의 수신 경로를 가지고, 다른 하나의 수신기는 128개의 수신 경로를 가진다고 가정할 수 있다. 이 경우, 상기 16개의 수신 경로를 가지는 수신기의 SACQ 값의 범위는 -16 ~ 16에 해당할 수 있다. 반면에, 128개의 수신 경로를 가지는 수신기의 경우는 -128 ~ 128 범위에서 SACQ값을 가질 수 있으며, 실제 측정한 값이 -64보다 작을 때는 -64로, 64보다 큰 경우는 64로 보고할 수 있다.

상술한 바와 같이, 산출된 SACQ 값 자체가 송신 장치로 전달될 수 있다. 또는 SACQ 값이 특정 함수에 매핑되어 피드백 정보로써 송신 장치로 전달될 수 있다. 예를 들어, f(SACQ, others)(여기서, f는 함수(function)를 나타냄) 등의 형태로 매핑되어 전달 될 수 있다.

SACQ값의 범위는 수신 장치의 수신 경로의 개수에 의존적일 수 있다. 수신 장치의 수신 경로가 적을 경우는 시스템에서 설정한 SACQ값의 범위를 가질 수 없는 경우도 발생할 수 있다. 예를 들어, 시스템에서 설정한 SACQ값의 최대값과 최소값이 각각 64와 -64인 경우, 16개의 수신 경로를 가지는 수신 장치는 시스템에서 설정한 최대 스펙트럼 효율을 만족하지 못할 수도 있다. 따라서, SACQ값의 범위를 확장할 수 있는 방안을 고려할 필요가 있다.

일례로, 송신 장치는 SACQ 측정을 위한 기준 신호를 연속적으로 M+1번 (M은 자연수) 전송할 수 있고, 수신 장치는 M+1번 전송된 기준 신호를 수신하여 수신 경로의 개수의 M배(M x 수신 경로의 개수)만큼의 SACQ값을 측정할 수 있다. 측정된 SACQ 값을 더하여 최종 SACQ 값을 산출할 수 있다. 이 때, M 값은 송신 장치와 수신 장치간에 시그널링 될 수 있으며, 수신 장치의 특정한 물리 계층 신호 또는 상위 계층 시그널링을 통해서 설정될 수 있다. SACQ 축적(accumulation)을 위한 시그널링은 송신 장치가 트리거 하거나 또는 수신 장치가 트리거 할 수 있다.

구체적인 예로, 수신 장치가 16개의 수신 경로를 가지고, 설정된 SACQ값의 최대값은 64라고 가정할 수 있다. 이 경우, 수신 장치는 시스템에서 설정한 SACQ 값의 범위를 만족할 수 없으므로, 상술한 방법에 따라 SACQ 값을 확장할 수 있다. M=4인 경우, 송신 장치는 알려진 기준 신호를 총 5번 전송할 수 있고 수신 장치에서는 차등(differential) 신호로부터 시간 도메인에서 4번의 SACQ값을 산출할 수 있다. 상기 4번의 SACQ를 모두 더하여 -64 내지 64의 범위의 SACQ값을 얻을 수 있다.

또는, SACQ측정을 위한 기준 신호의 길이는 수신 장치의 수신 경로의 수와 관련(linkage)될 수 있다. 예를 들어, 수신 장치의 수신 경로의 개수가 N개 이고, 송신 장치가 설정한 SACQ_max가 상기 수신 경로의 개수의 M배 (N x M)에 해당할 때, 송신 장치는 M 값을 고려하여 SACQ 측정을 위한 기준 신호의 길이를 조절하여 전송할 수 있다. 송신 장치는 SACQ_max가 N 인 경우의 기준 신호의 길이 대비 (M+1)배 길이에 해당하는 기준 신호를 전송할 수 있다. 구체적인 예로, SACQ_max 값이 128이고 수신 경로가 16개일 경우는 M=8로 설정될 수 있고, 송신 장치는 SACQ_max 값이 16일 때의 기준 신호 대비 9배에 해당하는 길이의 기준 신호를 전송할 수 있고, 수신 장치는 총 9번의 알려진 기준 신호를 수신하고 이를 측정하여 보고할 수 있다.

SACQ값의 신뢰도는 알려진 기준 신호의 반복 횟수에 의해 결정될 수 있다. 그러나, 두 알려진 기준 신호가 인접한 심볼인 경우 SACQ 측정을 여러 번 반복하였더라도 SACQ 값 자체의 신뢰도는 크지 않다고 볼 수도 있다. 따라서, SACQ값 자체의 신뢰도를 높이는 방안이 필요하다.

일례로, 송신 장치는 SACQ 측정을 위한 기준 신호를 연속적으로 M+1번 전송할 수 있고, 수신 장치는 M번 SACQ값을 측정하여, 측정된 SACQ값의 평균을 구함으로써 SACQ값 차체의 신뢰도를 높일 수 있다. 이 때, M은 송신 장치와 수신 장치간의 수신 장치의 특정한 물리 계층 신호 혹은 상위 계층 시그널링을 통해서 설정할 수 있다. SACQ 축적(accumulation)을 위한 시그널링은 송신 장치가 트리거 하거나 또는 수신 장치가 트리거 할 수 있다.

구체적인 예로, 수신 장치가 64개의 수신 경로를 가지고 SACQ_max값은 64라고 가정할 수 있다. 수신 장치의 수신 경로의 개수가 SACQ_max 범위를 만족하므로 1번 SACQ 측정을 수행하여 SACQ값을 산출할 수 있다. 그러나 SACQ 값 자체의 신뢰도를 높이기 위하여 SACQ 측정을 반복할 수 있다. 예를 들어, M=3 일 때, 송신 장치는 알려진 기준 신호를 총 4번 전송하고 수신 장치에서는 출력 신호의 차등 값으로부터 시간 도메인에서 3번의 SACQ를 측정할 수 있다. 측정된 3번의 SACQ의 평균 값을 구함으로써 기존 보다 더 신뢰도 높은 -64 내지 64 범위의 SACQ값을 얻을 수 있다.

상술한 방법 및 실시 예들을 통하여 1-비트 ADC 시스템에서의 신호 송수신이 가능하고, 연속적인 알려진 기준 신호를 활용하여 채널 품질(예: SACQ) 측정 및 보고를 통해서 차등differential) 변조 및 복조 기반의 1-비트 ADC 시스템에서 적응적으로 데이터 전송률을 조절할 수 있다.

도 11은 본 명세서에서 제안하는 방법 및 실시 예가 적용될 수 있는 1-비트 양자화에 기반하여 신호를 송수신하는 장치의 동작 순서도의 일례를 나타낸다. 도 11은 단지 설명의 편의를 위한 것일 뿐, 본 발명의 범위를 제한하는 것이 아니다.

도 11을 참고하면, 송신 장치 및/또는 수신 장치는 상술한 방법 1 내지 방법 2의 방법들 및/또는 실시 예들에 기반하여 동작하는 경우가 가정된다.

수신 장치는 송신 장치로부터 차등 위상 천이 변조 (Differential Phase Shift Keying, DPSK) 방식에 기반하여 변조된 신호들을 복수의 수신 경로들을 통해 수신할 수 있다(S1110). 예를 들어, 복수의 수신 경로들의 각 수신 경로는 1-비트 ADC(Analog to Digital Converter)를 포함할 수 있다. 1-비트 ADC를 통해 베이스밴드(Baseband)로 전달되는 신호의 종류는 수신 경로 당 4개 종류로 한정될 수 있다. 즉, 수신 경로 별로 1+j, 1-j, -1+j, -1+j 중 하나의 신호가 수신될 수 있다.

수신 장치는 수신된 신호들에 기반하여, 상기 복수의 수신 경로들의 각 수신 경로에서의 차등 값(differential value)을 산출할 수 있다(S1120). 일례로, 상기 복수의 수신 경로들의 각 수신 경로의 1-비트 ADC를 통해 수신된 DBPSK로 변조된 연속된 두 개의 심볼의 차등 값은 {2, 2j, -2, -2j} 중의 하나의 값이 될 수 있고, 이를 정규화(normalized) 하여 {1, j, -1, -j} 중 하나로 나타낼 수 있다.

상기 수신된 신호들에 대한 신뢰도(reliability)를 산출할 수 있다(S1130). 상기 신뢰도는 상술한 방법 1에 기반하여 산출될 수 있다. 구체적으로, 상기 신뢰도는 복수의 수신 경로들의 각 수신 경로에서의 차등 값을 합산한(sum) 값의 실수(real) 값에 비례할 수 있다. 복수의 수신 경로들의 각 수신 경로에서의 상기 차등 값이 1 또는 -1 중 어느 하나에 해당하는 경우가 많을수록 상기 신뢰도가 높다고 해석될 수 있다. 또한, 상기 신뢰도는 복수의 수신 경로들의 각 수신 경로에서의 차등 값을 합산한(sum) 값의 실수(real) 값에 비례하므로 수신 장치의 복수의 수신 경로들의 개수(예: 안테나 개수)에 비례할 수 있다. 또한, 수신 장치의 복수의 수신 경로들의 개수(예: 안테나 개수)에 따라 LLR의 가중치(weight)를 조절할 수 있다. 상기 신뢰도에 기반하여 수신 장치는 데이터 디코딩을 수행할 수 있다.

도 12는 본 명세서에서 제안하는 방법 및 실시 예가 적용될 수 있는 1-비트 양자화에 기반하여 신호를 송수신하는 장치의 동작 순서도의 또 다른 일례를 나타낸다. 도 12는 단지 설명의 편의를 위한 것일 뿐, 본 발명의 범위를 제한하는 것이 아니다.

도 12를 참고하면, 송신 장치 및/또는 수신 장치는 상술한 방법 1 내지 방법 2의 방법들 및/또는 실시 예들에 기반하여 동작하는 경우가 가정된다.

수신 장치는 공간적으로 집합된 채널 품질(SACQ)과 관련된 정보를 송수신 할 수 있다(S1210).

일례로, 수신 장치는 송신 장치로부터 SACQ의 범위를 설정 받을 수 있다. 수신 장치는 가장 높은 스펙트럼 효율을 가지기 위해 결정된 1-비트 ADC를 포함하는 수신 경로의 개수를 나타내는 SACQ의 최대값 (예: SACQ_max 또는 N_req 등)을 수신할 수 있다. 또는, 수신 장치는 자신의 수신 경로의 개수를 초기 접속 시 송신 장치에 전달할 수 있다. 또는, 수신 장치는 자신의 수신 경로의 개수를 송신 장치로 전달하고, 송신 장치는 수신된 수신 장치의 수신 경로의 개수에 기반하여 SACQ의 최대값 및/또는 SACQ의 범위을 수신 장치에 설정할 수 있다.

또 다른 예로, 송신 장치가 SACQ 측정을 위한 기준 신호를 연속적으로 몇 번 전송하는지와 관련된 정보를 수신할 수 있다. 구체적인 예로, 설정된 SACQ의 범위(예: 수신 경로의 개수의 M배)보다 수신 장치의 수신 경로의 개수가 적을 경우, 설정된 SACQ의 범위에 대응되는 채널 품질을 측정할 수 있도록 송신 장치는 SACQ 측정을 위한 기준 신호를 연속적으로 M+1번 (M은 자연수) 전송할 수 있다. 상기 M 값이 송신 장치와 수신 장치간에 미리 설정될 수 있다.

또 다른 예로, SACQ 측정을 위한 기준 신호의 길이와 관련된 정보를 수신 할 수 있다. 구체적인 예로, 수신 장치의 수신 경로의 개수가 N개 이고, 송신 장치가 설정한 SACQ_max가 상기 수신 경로의 개수의 M배 (N x M)에 해당할 때, 송신 장치는 M 값을 고려하여, SACQ_max가 N 인 경우의 기준 신호의 길이 대비 (M+1)배 길이에 해당하는 기준 신호를 전송할 수 있다. 상기 M 값이 송신 장치와 수신 장치간에 미리 설정될 수 있다.

또 다른 예로, SACQ 값의 신뢰도 향상을 위해 알려진 기준 신호가 반복하여 전송되는 횟수에 대한 정보를 수신 할 수 있다. 구체적인 예로, 송신 장치는 SACQ 측정을 위한 기준 신호를 반복하여 M+1번 전송할 수 있고, 수신 장치는 M번 SACQ값을 측정하여, 측정된 SACQ값의 평균을 구함으로써 SACQ값 차체의 신뢰도를 높일 수 있다. 상기 M 값이 송신 장치와 수신 장치간에 미리 설정될 수 있다.

수신 장치는 송신 장치로부터 상기 수신 장치의 전체 수신 경로들을 통해 두 개의 연속적인 기준 신호(reference signal)를 수신할 수 있다(S1220). 상기 두 개의 연속적인 기준 신호는 DPSK 방식으로 변조될 수 있다.

수신 장치는 상기 기준 신호에 기반하여 각 수신 경로에서의 차등 값을 산출하여 합산한 값의 실수 값으로 공간적으로 집합된 채널 품질(SACQ)을 산출할 수 있다(S1230). 상기 채널 품질은 상기 수신 장치의 전체 수신 경로들의 개수와 관련될 수 있다. 상기 채널 품질의 최대 값은 상기 전체 수신 경로들의 개수의 양수 값에 대응될 수 있고, 최소값은 상기 전체 수신 경로들의 개수의 음수 값에 대응될 수 있다. 또한, 상기 채널 품질의 범위는 상기 최소 값 내지 상기 최대 값의 범위에 해당할 수 있다.

상기 채널 품질(SACQ)은 S1210 단계에서 설정된 정보에 기초하여 측정될 수 있다. 구체적인 예로, 송신 장치는 SACQ 측정을 위한 기준 신호를 연속적으로 M+1번 (M은 자연수) 전송한다는 정보를 수신한 경우, 수신 장치는 M번 채널 품질 측정을 하여 합산한 값으로 채널 품질을 산출할 수 있다. 또는, SACQ에 대한 신뢰도 향상을 위하여 송신 장치가 M+1번 기준 신호를 반복하여 전송한다는 정보를 수신한 경우, 수신 장치는 채널 품질 측정을 M번 반복하여 평균한 값으로 채널 품질을 산출할 수 있다.

수신 장치는 측정된 상기 채널 품질(SACQ)을 송신 장치로 보고할 수 있다(S1240). 상기 채널 품질(SACQ)에 기반하여 송신 장치 및 수신 장치는 채널 품질에 적응적으로 데이터 전송률을 조절할 수 있다.

수신 장치는 송신 장치로부터 데이터 신호를 수신할 수 있다(S1250). 상기 데이터 신호는 DPSK 로 변조된 신호일 수 있다. 상기 데이터 신호는 상기 채널 품질(SACQ)에 기반하여 코드 비율(code rate) 등이 조절된 데이터 신호일 수 있다. 또한, S1250 단계는 도 11의 S1110 단계와 대응될 수 있다. 이후의 동작은 도 11의 S1110 내지 S1130 단계와 대응될 수 있으므로 중복되는 설명은 생략한다.

본 발명이 적용될 수 있는 장치 일반

도 13은 본 명세서에서 제안하는 방법들이 적용될 수 있는 무선 통신 장치의 블록 구성도를 예시한다.

도 13을 참조하면, 무선 통신 시스템은 제 1 장치(1310)와 제 2 장치(1320)를 포함할 수 있다.

상기 제 1 장치(1310)는 기지국, 네트워크 노드, 전송 단말, 수신 단말, 전송 장치, 수신 장치, 무선 장치, 무선 통신 장치, 차량, 자율주행 기능을 탑재한 차량, 커넥티드카(Connected Car), 드론(Unmanned Aerial Vehicle, UAV), AI(Artificial Intelligence) 모듈, 로봇, AR(Augmented Reality) 장치, VR(Virtual Reality) 장치, MR(Mixed Reality) 장치, 홀로그램 장치, 공공 안전 장치, MTC 장치, IoT 장치, 의료 장치, 핀테크 장치(또는 금융 장치), 보안 장치, 기후/환경 장치, 5G 서비스와 관련된 장치 또는 그 이외 4차 산업 혁명 분야와 관련된 장치일 수 있다.

상기 제 2 장치(1320)는 기지국, 네트워크 노드, 전송 단말, 수신 단말, 전송 장치, 수신 장치, 무선 장치, 무선 통신 장치, 차량, 자율주행 기능을 탑재한 차량, 커넥티드카(Connected Car), 드론(Unmanned Aerial Vehicle, UAV), AI(Artificial Intelligence) 모듈, 로봇, AR(Augmented Reality) 장치, VR(Virtual Reality) 장치, MR(Mixed Reality) 장치, 홀로그램 장치, 공공 안전 장치, MTC 장치, IoT 장치, 의료 장치, 핀테크 장치(또는 금융 장치), 보안 장치, 기후/환경 장치, 5G 서비스와 관련된 장치 또는 그 이외 4차 산업 혁명 분야와 관련된 장치일 수 있다.

예를 들어, 단말은 휴대폰, 스마트 폰(smart phone), 노트북 컴퓨터(laptop computer), 디지털 방송용 단말기, PDA(personal digital assistants), PMP(portable multimedia player), 네비게이션, 슬레이트 PC(slate PC), 태블릿 PC(tablet PC), 울트라북(ultrabook), 웨어러블 디바이스(wearable device, 예를 들어, 워치형 단말기 (smartwatch), 글래스형 단말기 (smart glass), HMD(head mounted display)) 등을 포함할 수 있다. 예를 들어, HMD는 머리에 착용하는 형태의 디스플레이 장치일 수 있다. 예를 들어, HMD는 VR, AR 또는 MR을 구현하기 위해 사용될 수 있다.

예를 들어, 드론은 사람이 타지 않고 무선 컨트롤 신호에 의해 비행하는 비행체일 수 있다. 예를 들어, VR 장치는 가상 세계의 객체 또는 배경 등을 구현하는 장치를 포함할 수 있다. 예를 들어, AR 장치는 현실 세계의 객체 또는 배경 등에 가상 세계의 객체 또는 배경을 연결하여 구현하는 장치를 포함할 수 있다. 예를 들어, MR 장치는 현실 세계의 객체 또는 배경 등에 가상 세계의 객체 또는 배경을 융합하여 구현하는 장치를 포함할 수 있다. 예를 들어, 홀로그램 장치는 홀로그래피라는 두 개의 레이저 광이 만나서 발생하는 빛의 간섭현상을 활용하여, 입체 정보를 기록 및 재생하여 360도 입체 영상을 구현하는 장치를 포함할 수 있다. 예를 들어, 공공 안전 장치는 영상 중계 장치 또는 사용자의 인체에 착용 가능한 영상 장치 등을 포함할 수 있다. 예를 들어, MTC 장치 및 IoT 장치는 사람의 직접적인 개입이나 또는 조작이 필요하지 않는 장치일 수 있다. 예를 들어, MTC 장치 및 IoT 장치는 스마트 미터, 벤딩 머신, 온도계, 스마트 전구, 도어락 또는 각종 센서 등을 포함할 수 있다. 예를 들어, 의료 장치는 질병을 진단, 치료, 경감, 처치 또는 예방할 목적으로 사용되는 장치일 수 있다. 예를 들어, 의료 장치는 상해 또는 장애를 진단, 치료, 경감 또는 보정할 목적으로 사용되는 장치일 수 있다. 예를 들어, 의료 장치는 구조 또는 기능을 검사, 대체 또는 변형할 목적으로 사용되는 장치일 수 있다. 예를 들어, 의료 장치는 임신을 조절할 목적으로 사용되는 장치일 수 있다. 예를 들어, 의료 장치는 진료용 장치, 수술용 장치, (체외) 진단용 장치, 보청기 또는 시술용 장치 등을 포함할 수 있다. 예를 들어, 보안 장치는 발생할 우려가 있는 위험을 방지하고, 안전을 유지하기 위하여 설치한 장치일 수 있다. 예를 들어, 보안 장치는 카메라, CCTV, 녹화기(recorder) 또는 블랙박스 등일 수 있다. 예를 들어, 핀테크 장치는 모바일 결제 등 금융 서비스를 제공할 수 있는 장치일 수 있다. 예를 들어, 핀테크 장치는 결제 장치 또는 POS(Point of Sales) 등을 포함할 수 있다. 예를 들어, 기후/환경 장치는 기후/환경을 모니터링 또는 예측하는 장치를 포함할 수 있다.

상기 제 1 장치(1310)는 프로세서(1311)와 같은 적어도 하나 이상의 프로세서와, 메모리(1312)와 같은 적어도 하나 이상의 메모리와, 송수신기(1313)과 같은 적어도 하나 이상의 송수신기를 포함할 수 있다. 상기 프로세서(1311)는 전술한 기능, 절차, 및/또는 방법들을 수행할 수 있다. 상기 프로세서(1311)는 하나 이상의 프로토콜을 수행할 수 있다. 예를 들어, 상기 프로세서(1311)는 무선 인터페이스 프로토콜의 하나 이상의 계층들을 수행할 수 있다. 상기 메모리(1312)는 상기 프로세서(1311)와 연결되고, 다양한 형태의 정보 및/또는 명령을 저장할 수 있다. 상기 송수신기(1313)는 상기 프로세서(1311)와 연결되고, 무선 시그널을 송수신하도록 제어될 수 있다.

구체적인 예로, 프로세서(1311)은 송수신기(1313)를 제어하여 제 2 장치(1320)로 차등 위상 천이 변조 (Differential Phase Shift Keying, DPSK) 방식으로 변조된 신호를 전송할 수 있다(S1110, S1220). 또한, 프로세서(1311)은 송수신기(1313)를 제어하여 상기 제 2 장치(1320)로, 공간적으로 집합된 채널 품질(SACQ)과 관련된 정보를 송수신 할 수 있다(S1210). 또한, 프로세서(1311)은 송수신기(1313)를 제어하여 상기 제 2 장치(1320)로부터 공간적으로 집합된 채널 품질(SACQ)을 보고받을 수 있다(S1240).

상기 제 2 장치(1320)는 프로세서(1321)와 같은 적어도 하나의 프로세서와, 메모리(1322)와 같은 적어도 하나 이상의 메모리 장치와, 송수신기(1323)와 같은 적어도 하나의 송수신기를 포함할 수 있다. 상기 프로세서(1321)는 전술한 기능, 절차, 및/또는 방법들을 수행할 수 있다. 상기 프로세서(1321)는 하나 이상의 프로토콜을 구현할 수 있다. 예를 들어, 상기 프로세서(1321)는 무선 인터페이스 프로토콜의 하나 이상의 계층들을 구현할 수 있다. 상기 메모리(1322)는 상기 프로세서(1321)와 연결되고, 다양한 형태의 정보 및/또는 명령을 저장할 수 있다. 상기 송수신기(1323)는 상기 프로세서(1321)와 연결되고, 무선 시그널을 송수신하도록 제어될 수 있다.

구체적인 예로, 프로세서(1321)는 송수신기(1323)를 제어하여 제 1 장치(1310)로부터 1-비트 ADC를 통해 DPSK 방식으로 변조된 신호를 수신할 수 있고(S1110), SACQ와 관련된 정보를 송수신 할 수 있다(S1210).

또한, 프로세서(1321)는 수신 신호를 기반으로 차등 값(differential value)을 산출할 수 있고(S1120), 상기 수신 신호에 대한 신뢰도(reliability)를 계산할 수 있다(S1130). 상기 신뢰도는 상술한 방법 1에 기반하여 산출될 수 있으며, 각 수신 경로에서 출력되는 차등 값의 실수(real) 값의 합에 비례할 수 있다. 또는, 기준 신호에 기반하여 각 수신 경로에서의 차등 값을 산출하여 합산한 값의 실수 값으로 공간적으로 집합된 채널 품질(SACQ)을 산출할 수 있다(S1230).

또한, 프로세서(1321)는 송수신기(1323)를 제어하여 제 1 장치(1310)로 공간적으로 집합된 채널 품질(SACQ)을 보고할 수 있다(S1240).

도 14는 본 명세서에서 제안하는 방법들이 적용될 수 있는 무선 통신 장치의 블록 구성도의 또 다른 예시이다.

도 14를 참조하면, 무선 통신 시스템은 기지국(1410)과 기지국 영역 내에 위치한 다수의 단말(1420)을 포함한다. 기지국은 송신 장치로, 단말은 수신 장치로 표현될 수 있으며, 그 반대도 가능하다. 기지국과 단말은 프로세서(processor, 1411,1421), 메모리(memory, 1414,1424), 하나 이상의 Tx/Rx RF 모듈(radio frequency module, 1415,1425), Tx 프로세서(1412,1422), Rx 프로세서(1413,1423), 안테나(1416,1426)를 포함한다. 프로세서는 앞서 살핀 기능, 과정 및/또는 방법을 구현한다. 보다 구체적으로, DL(기지국에서 단말로의 통신)에서, 코어 네트워크로부터의 상위 계층 패킷은 프로세서(1411)에 제공된다. 프로세서는 L2 계층의 기능을 구현한다. DL에서, 프로세서는 논리 채널과 전송 채널 간의 다중화(multiplexing), 무선 자원 할당을 단말(1420)에 제공하며, 단말로의 시그널링을 담당한다. 전송(TX) 프로세서(1412)는 L1 계층 (즉, 물리 계층)에 대한 다양한 신호 처리 기능을 구현한다. 신호 처리 기능은 단말에서 FEC(forward error correction)을 용이하게 하고, 코딩 및 인터리빙(coding and interleaving)을 포함한다. 부호화 및 변조된 심볼은 병렬 스트림으로 분할되고, 각각의 스트림은 OFDM 부반송파에 매핑되고, 시간 및/또는 주파수 영역에서 기준 신호(Reference Signal, RS)와 멀티플렉싱되며, IFFT (Inverse Fast Fourier Transform)를 사용하여 함께 결합되어 시간 영역 OFDMA 심볼 스트림을 운반하는 물리적 채널을 생성한다. OFDM 스트림은 다중 공간 스트림을 생성하기 위해 공간적으로 프리코딩된다. 각각의 공간 스트림은 개별 Tx/Rx 모듈(또는 송수신기,1415)를 통해 상이한 안테나(1416)에 제공될 수 있다. 각각의 Tx/Rx 모듈은 전송을 위해 각각의 공간 스트림으로 RF 반송파를 변조할 수 있다. 단말에서, 각각의 Tx/Rx 모듈(또는 송수신기,1425)는 각 Tx/Rx 모듈의 각 안테나(1426)을 통해 신호를 수신한다. 각각의 Tx/Rx 모듈은 RF 캐리어로 변조된 정보를 복원하여, 수신(RX) 프로세서(1423)에 제공한다. RX 프로세서는 layer 1의 다양한 신호 프로세싱 기능을 구현한다. RX 프로세서는 단말로 향하는 임의의 공간 스트림을 복구하기 위해 정보에 공간 프로세싱을 수행할 수 있다. 만약 다수의 공간 스트림들이 단말로 향하는 경우, 다수의 RX 프로세서들에 의해 단일 OFDMA 심볼 스트림으로 결합될 수 있다. RX 프로세서는 고속 푸리에 변환 (FFT)을 사용하여 OFDMA 심볼 스트림을 시간 영역에서 주파수 영역으로 변환한다. 주파수 영역 신호는 OFDM 신호의 각각의 서브 캐리어에 대한 개별적인 OFDMA 심볼 스트림을 포함한다. 각각의 서브캐리어 상의 심볼들 및 기준 신호는 기지국에 의해 전송된 가장 가능성 있는 신호 배치 포인트들을 결정함으로써 복원되고 복조된다. 이러한 연 판정(soft decision)들은 채널 추정 값들에 기초할 수 있다. 연판정들은 물리 채널 상에서 기지국에 의해 원래 전송된 데이터 및 제어 신호를 복원하기 위해 디코딩 및 디인터리빙되다. 해당 데이터 및 제어 신호는 프로세서(1421)에 제공된다.

UL(단말에서 기지국으로의 통신)은 단말(1420)에서 수신기 기능과 관련하여 기술된 것과 유사한 방식으로 기지국(1410)에서 처리된다. 각각의 Tx/Rx 모듈(1425)는 각각의 안테나(1426)을 통해 신호를 수신한다. 각각의 Tx/Rx 모듈은 RF 반송파 및 정보를 RX 프로세서(1423)에 제공한다. 프로세서 (1421)는 프로그램 코드 및 데이터를 저장하는 메모리 (1424)와 관련될 수 있다. 메모리는 컴퓨터 판독 가능 매체로서 지칭될 수 있다.

도 15는 본 발명의 일 실시 예에 따른 AI 장치(1500)를 나타낸다.

AI 장치(1500)는 TV, 프로젝터, 휴대폰, 스마트폰, 데스크탑 컴퓨터, 노트북, 디지털방송용 단말기, PDA(personal digital assistants), PMP(portable multimedia player), 네비게이션, 태블릿 PC, 웨어러블 장치, 셋톱박스(STB), DMB 수신기, 라디오, 세탁기, 냉장고, 데스크탑 컴퓨터, 디지털 사이니지, 로봇, 차량 등과 같은, 고정형 기기 또는 이동 가능한 기기 등으로 구현될 수 있다.

도 15를 참조하면, 단말기(1500)는 통신부(1510), 입력부(1520), 러닝 프로세서(1530), 센싱부(1540), 출력부(1550), 메모리(1570) 및 프로세서(1580) 등을 포함할 수 있다.

통신부(1510)는 유무선 통신 기술을 이용하여 다른 AI 장치(1700a 내지 1700e)나 AI 서버(1600) 등의 외부 장치들과 데이터를 송수신할 수 있다. 예컨대, 통신부(1510)는 외부 장치들과 센서 정보, 사용자 입력, 학습 모델, 제어 신호 등을 송수신할 수 있다.

이때, 통신부(1510)가 이용하는 통신 기술에는 GSM(Global System for Mobile communication), CDMA(Code Division Multi Access), LTE(Long Term Evolution), 5G, WLAN(Wireless LAN), Wi-Fi(Wireless-Fidelity), 블루투스(Bluetooth™), RFID(Radio Frequency Identification), 적외선 통신(Infrared Data Association; IrDA), ZigBee, NFC(Near Field Communication) 등이 있다.

입력부(1520)는 다양한 종류의 데이터를 획득할 수 있다.

이때, 입력부(1520)는 영상 신호 입력을 위한 카메라, 오디오 신호를 수신하기 위한 마이크로폰, 사용자로부터 정보를 입력 받기 위한 사용자 입력부 등을 포함할 수 있다. 여기서, 카메라나 마이크로폰을 센서로 취급하여, 카메라나 마이크로폰으로부터 획득한 신호를 센싱 데이터 또는 센서 정보라고 할 수도 있다.

입력부(1520)는 모델 학습을 위한 학습 데이터 및 학습 모델을 이용하여 출력을 획득할 때 사용될 입력 데이터 등을 획득할 수 있다. 입력부(1520)는 가공되지 않은 입력 데이터를 획득할 수도 있으며, 이 경우 프로세서(1580) 또는 러닝 프로세서(1530)는 입력 데이터에 대하여 전처리로써 입력 특징점(input feature)을 추출할 수 있다.

러닝 프로세서(1530)는 학습 데이터를 이용하여 인공 신경망으로 구성된 모델을 학습시킬 수 있다. 여기서, 학습된 인공 신경망을 학습 모델이라 칭할 수 있다. 학습 모델은 학습 데이터가 아닌 새로운 입력 데이터에 대하여 결과 값을 추론해 내는데 사용될 수 있고, 추론된 값은 어떠한 동작을 수행하기 위한 판단의 기초로 이용될 수 있다.

이때, 러닝 프로세서(1530)는 AI 서버(1600)의 러닝 프로세서(1640)과 함께 AI 프로세싱을 수행할 수 있다.

이때, 러닝 프로세서(1530)는 AI 장치(1500)에 통합되거나 구현된 메모리를 포함할 수 있다. 또는, 러닝 프로세서(1530)는 메모리(1570), AI 장치(1500)에 직접 결합된 외부 메모리 또는 외부 장치에서 유지되는 메모리를 사용하여 구현될 수도 있다.

센싱부(1540)는 다양한 센서들을 이용하여 AI 장치(1500) 내부 정보, AI 장치(1500)의 주변 환경 정보 및 사용자 정보 중 적어도 하나를 획득할 수 있다.

이때, 센싱부(1540)에 포함되는 센서에는 근접 센서, 조도 센서, 가속도 센서, 자기 센서, 자이로 센서, 관성 센서, RGB 센서, IR 센서, 지문 인식 센서, 초음파 센서, 광 센서, 마이크로폰, 라이다, 레이더 등이 있다.

출력부(1550)는 시각, 청각 또는 촉각 등과 관련된 출력을 발생시킬 수 있다.

이때, 출력부(1550)에는 시각 정보를 출력하는 디스플레이부, 청각 정보를 출력하는 스피커, 촉각 정보를 출력하는 햅틱 모듈 등이 포함될 수 있다.

메모리(1570)는 AI 장치(1500)의 다양한 기능을 지원하는 데이터를 저장할 수 있다. 예컨대, 메모리(1570)는 입력부(1520)에서 획득한 입력 데이터, 학습 데이터, 학습 모델, 학습 히스토리 등을 저장할 수 있다.

프로세서(1580)는 데이터 분석 알고리즘 또는 머신 러닝 알고리즘을 사용하여 결정되거나 생성된 정보에 기초하여, AI 장치(1500)의 적어도 하나의 실행 가능한 동작을 결정할 수 있다. 그리고, 프로세서(1580)는 AI 장치(1500)의 구성 요소들을 제어하여 결정된 동작을 수행할 수 있다.

이를 위해, 프로세서(1580)는 러닝 프로세서(1530) 또는 메모리(1570)의 데이터를 요청, 검색, 수신 또는 활용할 수 있고, 상기 적어도 하나의 실행 가능한 동작 중 예측되는 동작이나, 바람직한 것으로 판단되는 동작을 실행하도록 AI 장치(1500)의 구성 요소들을 제어할 수 있다.

이때, 프로세서(1580)는 결정된 동작을 수행하기 위하여 외부 장치의 연계가 필요한 경우, 해당 외부 장치를 제어하기 위한 제어 신호를 생성하고, 생성한 제어 신호를 해당 외부 장치에 전송할 수 있다.

프로세서(1580)는 사용자 입력에 대하여 의도 정보를 획득하고, 획득한 의도 정보에 기초하여 사용자의 요구 사항을 결정할 수 있다.

이때, 프로세서(1580)는 음성 입력을 문자열로 변환하기 위한 STT(Speech To Text) 엔진 또는 자연어의 의도 정보를 획득하기 위한 자연어 처리(NLP: Natural Language Processing) 엔진 중에서 적어도 하나 이상을 이용하여, 사용자 입력에 상응하는 의도 정보를 획득할 수 있다.

이때, STT 엔진 또는 NLP 엔진 중에서 적어도 하나 이상은 적어도 일부가 머신 러닝 알고리즘에 따라 학습된 인공 신경망으로 구성될 수 있다. 그리고, STT 엔진 또는 NLP 엔진 중에서 적어도 하나 이상은 러닝 프로세서(1530)에 의해 학습된 것이나, AI 서버(1600)의 러닝 프로세서(1640)에 의해 학습된 것이거나, 또는 이들의 분산 처리에 의해 학습된 것일 수 있다.

프로세서(1580)는 AI 장치(1500)의 동작 내용이나 동작에 대한 사용자의 피드백 등을 포함하는 이력 정보를 수집하여 메모리(1570) 또는 러닝 프로세서(1530)에 저장하거나, AI 서버(1600) 등의 외부 장치에 전송할 수 있다. 수집된 이력 정보는 학습 모델을 갱신하는데 이용될 수 있다.

프로세서(1580)는 메모리(1570)에 저장된 응용 프로그램을 구동하기 위하여, AI 장치(1500)의 구성 요소들 중 적어도 일부를 제어할 수 있다. 나아가, 프로세서(1580)는 상기 응용 프로그램의 구동을 위하여, AI 장치(1500)에 포함된 구성 요소들 중 둘 이상을 서로 조합하여 동작시킬 수 있다.

도 16은 본 발명의 일 실시 예에 따른 AI 서버(1600)를 나타낸다.

도 16을 참조하면, AI 서버(1600)는 머신 러닝 알고리즘을 이용하여 인공 신경망을 학습시키거나 학습된 인공 신경망을 이용하는 장치를 의미할 수 있다. 여기서, AI 서버(1600)는 복수의 서버들로 구성되어 분산 처리를 수행할 수도 있고, 5G 네트워크로 정의될 수 있다. 이때, AI 서버(1600)는 AI 장치(1500)의 일부의 구성으로 포함되어, AI 프로세싱 중 적어도 일부를 함께 수행할 수도 있다.

AI 서버(1600)는 통신부(1610), 메모리(1630), 러닝 프로세서(1640) 및 프로세서(1660) 등을 포함할 수 있다.

통신부(1610)는 AI 장치(1500) 등의 외부 장치와 데이터를 송수신할 수 있다.

메모리(1630)는 모델 저장부(1631)를 포함할 수 있다. 모델 저장부(1631)는 러닝 프로세서(1640)을 통하여 학습 중인 또는 학습된 모델(또는 인공 신경망, 1631a)을 저장할 수 있다.

러닝 프로세서(1640)는 학습 데이터를 이용하여 인공 신경망(1631a)을 학습시킬 수 있다. 학습 모델은 인공 신경망의 AI 서버(1600)에 탑재된 상태에서 이용되거나, AI 장치(1500) 등의 외부 장치에 탑재되어 이용될 수도 있다.

학습 모델은 하드웨어, 소프트웨어 또는 하드웨어와 소프트웨어의 조합으로 구현될 수 있다. 학습 모델의 일부 또는 전부가 소프트웨어로 구현되는 경우 학습 모델을 구성하는 하나 이상의 명령어(instruction)는 메모리(1630)에 저장될 수 있다.

프로세서(1660)는 학습 모델을 이용하여 새로운 입력 데이터에 대하여 결과 값을 추론하고, 추론한 결과 값에 기초한 응답이나 제어 명령을 생성할 수 있다.

도 17은 본 발명의 일 실시 예에 따른 AI 시스템(1700)을 나타낸다.

도 17을 참조하면, AI 시스템(1700)은 AI 서버(1600), 로봇(1700a), 자율 주행 차량(1700b), XR 장치(1700c), 스마트폰(1700d) 또는 가전(1700e) 중에서 적어도 하나 이상이 클라우드 네트워크(1710)와 연결된다. 여기서, AI 기술이 적용된 로봇(1700a), 자율 주행 차량(1700b), XR 장치(1700c), 스마트폰(1700d) 또는 가전(1700e) 등을 AI 장치(1700a 내지 1700e)라 칭할 수 있다.

클라우드 네트워크(1710)는 클라우드 컴퓨팅 인프라의 일부를 구성하거나 클라우드 컴퓨팅 인프라 안에 존재하는 네트워크를 의미할 수 있다. 여기서, 클라우드 네트워크(1710)는 3G 네트워크, 4G 또는 LTE(Long Term Evolution) 네트워크 또는 5G 네트워크 등을 이용하여 구성될 수 있다.

즉, AI 시스템(1700)을 구성하는 각 장치들(1700a 내지 1700e, 1600)은 클라우드 네트워크(1710)를 통해 서로 연결될 수 있다. 특히, 각 장치들(1700a 내지 1700e, 1600)은 기지국을 통해서 서로 통신할 수도 있지만, 기지국을 통하지 않고 직접 서로 통신할 수도 있다.

AI 서버(1600)는 AI 프로세싱을 수행하는 서버와 빅 데이터에 대한 연산을 수행하는 서버를 포함할 수 있다.

AI 서버(1600)는 AI 시스템(1700)을 구성하는 AI 장치들인 로봇(1700a), 자율 주행 차량(1700b), XR 장치(1700c), 스마트폰(1700d) 또는 가전(1700e) 중에서 적어도 하나 이상과 클라우드 네트워크(1710)을 통하여 연결되고, 연결된 AI 장치들(1700a 내지 1700e)의 AI 프로세싱을 적어도 일부를 도울 수 있다.

이때, AI 서버(1600)는 AI 장치(1700a 내지 1700e)를 대신하여 머신 러닝 알고리즘에 따라 인공 신경망을 학습시킬 수 있고, 학습 모델을 직접 저장하거나 AI 장치(1700a 내지 1700e)에 전송할 수 있다.

이때, AI 서버(1600)는 AI 장치(1700a 내지 1700e)로부터 입력 데이터를 수신하고, 학습 모델을 이용하여 수신한 입력 데이터에 대하여 결과 값을 추론하고, 추론한 결과 값에 기초한 응답이나 제어 명령을 생성하여 AI 장치(1700a 내지 1700e)로 전송할 수 있다.

또는, AI 장치(1700a 내지 1700e)는 직접 학습 모델을 이용하여 입력 데이터에 대하여 결과 값을 추론하고, 추론한 결과 값에 기초한 응답이나 제어 명령을 생성할 수도 있다.

이하에서는, 상술한 기술이 적용되는 AI 장치(1700a 내지 1700e)의 다양한 실시 예들을 설명한다. 여기서, 도 17에 도시된 AI 장치(1700a 내지 1700e)는 도 15에 도시된 AI 장치(1500)의 구체적인 실시 예로 볼 수 있다.

<AI+로봇>

로봇(1700a)은 AI 기술이 적용되어, 안내 로봇, 운반 로봇, 청소 로봇, 웨어러블 로봇, 엔터테인먼트 로봇, 펫 로봇, 무인 비행 로봇 등으로 구현될 수 있다.

로봇(1700a)은 동작을 제어하기 위한 로봇 제어 모듈을 포함할 수 있고, 로봇 제어 모듈은 소프트웨어 모듈 또는 이를 하드웨어로 구현한 칩을 의미할 수 있다.

로봇(1700a)은 다양한 종류의 센서들로부터 획득한 센서 정보를 이용하여 로봇(1700a)의 상태 정보를 획득하거나, 주변 환경 및 객체를 검출(인식)하거나, 맵 데이터를 생성하거나, 이동 경로 및 주행 계획을 결정하거나, 사용자 상호작용에 대한 응답을 결정하거나, 동작을 결정할 수 있다.

여기서, 로봇(1700a)은 이동 경로 및 주행 계획을 결정하기 위하여, 라이다, 레이더, 카메라 중에서 적어도 하나 이상의 센서에서 획득한 센서 정보를 이용할 수 있다.

로봇(1700a)은 적어도 하나 이상의 인공 신경망으로 구성된 학습 모델을 이용하여 상기한 동작들을 수행할 수 있다. 예컨대, 로봇(1700a)은 학습 모델을 이용하여 주변 환경 및 객체를 인식할 수 있고, 인식된 주변 환경 정보 또는 객체 정보를 이용하여 동작을 결정할 수 있다. 여기서, 학습 모델은 로봇(1700a)에서 직접 학습되거나, AI 서버(1600) 등의 외부 장치에서 학습된 것일 수 있다.

이때, 로봇(1700a)은 직접 학습 모델을 이용하여 결과를 생성하여 동작을 수행할 수도 있지만, AI 서버(1600) 등의 외부 장치에 센서 정보를 전송하고 그에 따라 생성된 결과를 수신하여 동작을 수행할 수도 있다.

로봇(1700a)은 맵 데이터, 센서 정보로부터 검출한 객체 정보 또는 외부 장치로부터 획득한 객체 정보 중에서 적어도 하나 이상을 이용하여 이동 경로와 주행 계획을 결정하고, 구동부를 제어하여 결정된 이동 경로와 주행 계획에 따라 로봇(1700a)을 주행시킬 수 있다.

맵 데이터에는 로봇(1700a)이 이동하는 공간에 배치된 다양한 객체들에 대한 객체 식별 정보가 포함될 수 있다. 예컨대, 맵 데이터에는 벽, 문 등의 고정 객체들과 화분, 책상 등의 이동 가능한 객체들에 대한 객체 식별 정보가 포함될 수 있다. 그리고, 객체 식별 정보에는 명칭, 종류, 거리, 위치 등이 포함될 수 있다.

또한, 로봇(1700a)은 사용자의 제어/상호작용에 기초하여 구동부를 제어함으로써, 동작을 수행하거나 주행할 수 있다. 이때, 로봇(1700a)은 사용자의 동작이나 음성 발화에 따른 상호작용의 의도 정보를 획득하고, 획득한 의도 정보에 기초하여 응답을 결정하여 동작을 수행할 수 있다.

<AI+자율주행>

자율 주행 차량(1700b)은 AI 기술이 적용되어, 이동형 로봇, 차량, 무인 비행체 등으로 구현될 수 있다.

자율 주행 차량(1700b)은 자율 주행 기능을 제어하기 위한 자율 주행 제어 모듈을 포함할 수 있고, 자율 주행 제어 모듈은 소프트웨어 모듈 또는 이를 하드웨어로 구현한 칩을 의미할 수 있다. 자율 주행 제어 모듈은 자율 주행 차량(1700b)의 구성으로써 내부에 포함될 수도 있지만, 자율 주행 차량(1700b)의 외부에 별도의 하드웨어로 구성되어 연결될 수도 있다.

자율 주행 차량(1700b)은 다양한 종류의 센서들로부터 획득한 센서 정보를 이용하여 자율 주행 차량(1700b)의 상태 정보를 획득하거나, 주변 환경 및 객체를 검출(인식)하거나, 맵 데이터를 생성하거나, 이동 경로 및 주행 계획을 결정하거나, 동작을 결정할 수 있다.

여기서, 자율 주행 차량(1700b)은 이동 경로 및 주행 계획을 결정하기 위하여, 로봇(1700a)과 마찬가지로, 라이다, 레이더, 카메라 중에서 적어도 하나 이상의 센서에서 획득한 센서 정보를 이용할 수 있다.

특히, 자율 주행 차량(1700b)은 시야가 가려지는 영역이나 일정 거리 이상의 영역에 대한 환경이나 객체는 외부 장치들로부터 센서 정보를 수신하여 인식하거나, 외부 장치들로부터 직접 인식된 정보를 수신할 수 있다.

자율 주행 차량(1700b)은 적어도 하나 이상의 인공 신경망으로 구성된 학습 모델을 이용하여 상기한 동작들을 수행할 수 있다. 예컨대, 자율 주행 차량(1700b)은 학습 모델을 이용하여 주변 환경 및 객체를 인식할 수 있고, 인식된 주변 환경 정보 또는 객체 정보를 이용하여 주행 동선을 결정할 수 있다. 여기서, 학습 모델은 자율 주행 차량(1700b)에서 직접 학습되거나, AI 서버(1600) 등의 외부 장치에서 학습된 것일 수 있다.

이때, 자율 주행 차량(1700b)은 직접 학습 모델을 이용하여 결과를 생성하여 동작을 수행할 수도 있지만, AI 서버(1600) 등의 외부 장치에 센서 정보를 전송하고 그에 따라 생성된 결과를 수신하여 동작을 수행할 수도 있다.

자율 주행 차량(1700b)은 맵 데이터, 센서 정보로부터 검출한 객체 정보 또는 외부 장치로부터 획득한 객체 정보 중에서 적어도 하나 이상을 이용하여 이동 경로와 주행 계획을 결정하고, 구동부를 제어하여 결정된 이동 경로와 주행 계획에 따라 자율 주행 차량(1700b)을 주행시킬 수 있다.

맵 데이터에는 자율 주행 차량(1700b)이 주행하는 공간(예컨대, 도로)에 배치된 다양한 객체들에 대한 객체 식별 정보가 포함될 수 있다. 예컨대, 맵 데이터에는 가로등, 바위, 건물 등의 고정 객체들과 차량, 보행자 등의 이동 가능한 객체들에 대한 객체 식별 정보가 포함될 수 있다. 그리고, 객체 식별 정보에는 명칭, 종류, 거리, 위치 등이 포함될 수 있다.

또한, 자율 주행 차량(1700b)은 사용자의 제어/상호작용에 기초하여 구동부를 제어함으로써, 동작을 수행하거나 주행할 수 있다. 이때, 자율 주행 차량(1700b)은 사용자의 동작이나 음성 발화에 따른 상호작용의 의도 정보를 획득하고, 획득한 의도 정보에 기초하여 응답을 결정하여 동작을 수행할 수 있다.

<AI+XR>

XR 장치(1700c)는 AI 기술이 적용되어, HMD(Head-Mount Display), 차량에 구비된 HUD(Head-Up Display), 텔레비전, 휴대폰, 스마트 폰, 컴퓨터, 웨어러블 디바이스, 가전 기기, 디지털 사이니지, 차량, 고정형 로봇이나 이동형 로봇 등으로 구현될 수 있다.

XR 장치(1700c)는 다양한 센서들을 통해 또는 외부 장치로부터 획득한 3차원 포인트 클라우드 데이터 또는 이미지 데이터를 분석하여 3차원 포인트들에 대한 위치 데이터 및 속성 데이터를 생성함으로써 주변 공간 또는 현실 객체에 대한 정보를 획득하고, 출력할 XR 객체를 렌더링하여 출력할 수 있다. 예컨대, XR 장치(1700c)는 인식된 물체에 대한 추가 정보를 포함하는 XR 객체를 해당 인식된 물체에 대응시켜 출력할 수 있다.

XR 장치(1700c)는 적어도 하나 이상의 인공 신경망으로 구성된 학습 모델을 이용하여 상기한 동작들을 수행할 수 있다. 예컨대, XR 장치(1700c)는 학습 모델을 이용하여 3차원 포인트 클라우드 데이터 또는 이미지 데이터에서 현실 객체를 인식할 수 있고, 인식한 현실 객체에 상응하는 정보를 제공할 수 있다. 여기서, 학습 모델은 XR 장치(1700c)에서 직접 학습되거나, AI 서버(1600) 등의 외부 장치에서 학습된 것일 수 있다.

이때, XR 장치(1700c)는 직접 학습 모델을 이용하여 결과를 생성하여 동작을 수행할 수도 있지만, AI 서버(1600) 등의 외부 장치에 센서 정보를 전송하고 그에 따라 생성된 결과를 수신하여 동작을 수행할 수도 있다.

<AI+로봇+자율주행>

로봇(1700a)은 AI 기술 및 자율 주행 기술이 적용되어, 안내 로봇, 운반 로봇, 청소 로봇, 웨어러블 로봇, 엔터테인먼트 로봇, 펫 로봇, 무인 비행 로봇 등으로 구현될 수 있다.

AI 기술과 자율 주행 기술이 적용된 로봇(1700a)은 자율 주행 기능을 가진 로봇 자체나, 자율 주행 차량(1700b)과 상호작용하는 로봇(1700a) 등을 의미할 수 있다.

자율 주행 기능을 가진 로봇(1700a)은 사용자의 제어 없이도 주어진 동선에 따라 스스로 움직이거나, 동선을 스스로 결정하여 움직이는 장치들을 통칭할 수 있다.

자율 주행 기능을 가진 로봇(1700a) 및 자율 주행 차량(1700b)은 이동 경로 또는 주행 계획 중 하나 이상을 결정하기 위해 공통적인 센싱 방법을 사용할 수 있다. 예를 들어, 자율 주행 기능을 가진 로봇(1700a) 및 자율 주행 차량(1700b)은 라이다, 레이더, 카메라를 통해 센싱된 정보를 이용하여, 이동 경로 또는 주행 계획 중 하나 이상을 결정할 수 있다.

자율 주행 차량(1700b)과 상호작용하는 로봇(1700a)은 자율 주행 차량(1700b)과 별개로 존재하면서, 자율 주행 차량(1700b)의 내부 또는 외부에서 자율 주행 기능에 연계되거나, 자율 주행 차량(1700b)에 탑승한 사용자와 연계된 동작을 수행할 수 있다.

이때, 자율 주행 차량(1700b)과 상호작용하는 로봇(1700a)은 자율 주행 차량(1700b)을 대신하여 센서 정보를 획득하여 자율 주행 차량(1700b)에 제공하거나, 센서 정보를 획득하고 주변 환경 정보 또는 객체 정보를 생성하여 자율 주행 차량(1700b)에 제공함으로써, 자율 주행 차량(1700b)의 자율 주행 기능을 제어하거나 보조할 수 있다.

또는, 자율 주행 차량(1700b)과 상호작용하는 로봇(1700a)은 자율 주행 차량(1700b)에 탑승한 사용자를 모니터링하거나 사용자와의 상호작용을 통해 자율 주행 차량(1700b)의 기능을 제어할 수 있다. 예컨대, 로봇(1700a)은 운전자가 졸음 상태인 경우로 판단되는 경우, 자율 주행 차량(1700b)의 자율 주행 기능을 활성화하거나 자율 주행 차량(1700b)의 구동부의 제어를 보조할 수 있다. 여기서, 로봇(1700a)이 제어하는 자율 주행 차량(1700b)의 기능에는 단순히 자율 주행 기능뿐만 아니라, 자율 주행 차량(1700b)의 내부에 구비된 네비게이션 시스템이나 오디오 시스템에서 제공하는 기능도 포함될 수 있다.

또는, 자율 주행 차량(1700b)과 상호작용하는 로봇(1700a)은 자율 주행 차량(1700b)의 외부에서 자율 주행 차량(1700b)에 정보를 제공하거나 기능을 보조할 수 있다. 예컨대, 로봇(1700a)은 스마트 신호등과 같이 자율 주행 차량(1700b)에 신호 정보 등을 포함하는 교통 정보를 제공할 수도 있고, 전기 차량의 자동 전기 충전기와 같이 자율 주행 차량(1700b)과 상호작용하여 충전구에 전기 충전기를 자동으로 연결할 수도 있다.

<AI+로봇+XR>

로봇(1700a)은 AI 기술 및 XR 기술이 적용되어, 안내 로봇, 운반 로봇, 청소 로봇, 웨어러블 로봇, 엔터테인먼트 로봇, 펫 로봇, 무인 비행 로봇, 드론 등으로 구현될 수 있다.

XR 기술이 적용된 로봇(1700a)은 XR 영상 내에서의 제어/상호작용의 대상이 되는 로봇을 의미할 수 있다. 이 경우, 로봇(1700a)은 XR 장치(1700c)와 구분되며 서로 연동될 수 있다.

XR 영상 내에서의 제어/상호작용의 대상이 되는 로봇(1700a)은 카메라를 포함하는 센서들로부터 센서 정보를 획득하면, 로봇(1700a) 또는 XR 장치(1700c)는 센서 정보에 기초한 XR 영상을 생성하고, XR 장치(1700c)는 생성된 XR 영상을 출력할 수 있다. 그리고, 이러한 로봇(1700a)은 XR 장치(1700c)를 통해 입력되는 제어 신호 또는 사용자의 상호작용에 기초하여 동작할 수 있다.

예컨대, 사용자는 XR 장치(1700c) 등의 외부 장치를 통해 원격으로 연동된 로봇(1700a)의 시점에 상응하는 XR 영상을 확인할 수 있고, 상호작용을 통하여 로봇(1700a)의 자율 주행 경로를 조정하거나, 동작 또는 주행을 제어하거나, 주변 객체의 정보를 확인할 수 있다.

<AI+자율주행+XR>

자율 주행 차량(1700b)은 AI 기술 및 XR 기술이 적용되어, 이동형 로봇, 차량, 무인 비행체 등으로 구현될 수 있다.

XR 기술이 적용된 자율 주행 차량(1700b)은 XR 영상을 제공하는 수단을 구비한 자율 주행 차량이나, XR 영상 내에서의 제어/상호작용의 대상이 되는 자율 주행 차량 등을 의미할 수 있다. 특히, XR 영상 내에서의 제어/상호작용의 대상이 되는 자율 주행 차량(1700b)은 XR 장치(1700c)와 구분되며 서로 연동될 수 있다.

XR 영상을 제공하는 수단을 구비한 자율 주행 차량(1700b)은 카메라를 포함하는 센서들로부터 센서 정보를 획득하고, 획득한 센서 정보에 기초하여 생성된 XR 영상을 출력할 수 있다. 예컨대, 자율 주행 차량(1700b)은 HUD를 구비하여 XR 영상을 출력함으로써, 탑승자에게 현실 객체 또는 화면 속의 객체에 대응되는 XR 객체를 제공할 수 있다.

이때, XR 객체가 HUD에 출력되는 경우에는 XR 객체의 적어도 일부가 탑승자의 시선이 향하는 실제 객체에 오버랩되도록 출력될 수 있다. 반면, XR 객체가 자율 주행 차량(1700b)의 내부에 구비되는 디스플레이에 출력되는 경우에는 XR 객체의 적어도 일부가 화면 속의 객체에 오버랩되도록 출력될 수 있다. 예컨대, 자율 주행 차량(1700b)은 차로, 타 차량, 신호등, 교통 표지판, 이륜차, 보행자, 건물 등과 같은 객체와 대응되는 XR 객체들을 출력할 수 있다.

XR 영상 내에서의 제어/상호작용의 대상이 되는 자율 주행 차량(1700b)은 카메라를 포함하는 센서들로부터 센서 정보를 획득하면, 자율 주행 차량(1700b) 또는 XR 장치(1700c)는 센서 정보에 기초한 XR 영상을 생성하고, XR 장치(1700c)는 생성된 XR 영상을 출력할 수 있다. 그리고, 이러한 자율 주행 차량(1700b)은 XR 장치(1700c) 등의 외부 장치를 통해 입력되는 제어 신호 또는 사용자의 상호작용에 기초하여 동작할 수 있다.

이상에서 설명된 실시 예들은 본 발명의 구성요소들과 특징들이 소정 형태로 결합된 것들이다. 각 구성요소 또는 특징은 별도의 명시적 언급이 없는 한 선택적인 것으로 고려되어야 한다. 각 구성요소 또는 특징은 다른 구성요소나 특징과 결합되지 않은 형태로 실시될 수 있다. 또한, 일부 구성요소들 및/또는 특징들을 결합하여 본 발명의 실시 예를 구성하는 것도 가능하다. 본 발명의 실시 예들에서 설명되는 동작들의 순서는 변경될 수 있다. 어느 실시예의 일부 구성이나 특징은 다른 실시 예에 포함될 수 있고, 또는 다른 실시예의 대응하는 구성 또는 특징과 교체될 수 있다. 특허청구범위에서 명시적인 인용 관계가 있지 않은 청구항들을 결합하여 실시 예를 구성하거나 출원 후의 보정에 의해 새로운 청구항으로 포함시킬 수 있음은 자명하다.

본 발명에 따른 실시 예는 다양한 수단, 예를 들어, 하드웨어, 펌웨어(firmware), 소프트웨어 또는 그것들의 결합 등에 의해 구현될 수 있다. 하드웨어에 의한 구현의 경우, 본 발명의 일 실시 예는 하나 또는 그 이상의 ASICs(application specific integrated circuits), DSPs(digital signal processors), DSPDs(digital signal processing devices), PLDs(programmable logic devices), FPGAs(field programmable gate arrays), 프로세서, 콘트롤러, 마이크로 콘트롤러, 마이크로 프로세서 등에 의해 구현될 수 있다.

펌웨어나 소프트웨어에 의한 구현의 경우, 본 발명의 일 실시 예는 이상에서 설명된 기능 또는 동작들을 수행하는 모듈, 절차, 함수 등의 형태로 구현될 수 있다. 소프트웨어 코드는 메모리에 저장되어 프로세서에 의해 구동될 수 있다. 상기 메모리는 상기 프로세서 내부 또는 외부에 위치하여, 이미 공지된 다양한 수단에 의해 상기 프로세서와 데이터를 주고 받을 수 있다.

본 발명은 본 발명의 필수적 특징을 벗어나지 않는 범위에서 다른 특정한 형태로 구체화될 수 있음은 통상의 기술자에게 자명하다. 따라서, 상술한 상세한 설명은 모든 면에서 제한적으로 해석되어서는 아니 되고 예시적인 것으로 고려되어야 한다. 본 발명의 범위는 첨부된 청구항의 합리적 해석에 의해 결정되어야 하고, 본 발명의 등가적 범위 내에서의 모든 변경은 본 발명의 범위에 포함된다.

본 발명의 무선 통신 시스템에서 신호를 송수신하는 방안은 3GPP LTE/LTE-A 시스템, 5G 시스템(New RAT 시스템)에 적용되는 예를 중심으로 설명하였으나, 이외에도 다양한 무선 통신 시스템에 적용하는 것이 가능하다.

Claims

무선 통신 시스템에서, 수신 장치가 신호를 송수신 하는 방법에 있어서,
송신 장치로부터 브로드캐스트 채널을 통해 SACQ(spatially aggregated channel quality)의 최대 값을 포함하는 시스템 정보를 수신하는 단계;
상기 송신 장치에게 상기 수신 장치의 복수의 수신 경로들의 개수 정보를 전송하는 단계 - 상기 복수의 수신 경로들의 개수에 기초하여 상기 SACQ의 범위가 설정됨 -;
상기 송신 장치로부터 상기 SACQ의 측정을 위해 두 연속 심볼의 미리 설정된 기준 신호를 수신하는 단계;
상기 송신 장치에게 상기 SACQ의 상기 범위 내에서 측정된 상기 SACQ의 측정 값 또는 상기 SACQ의 최대 값 중 더 작은 절대 값에 기반하는 SACQ 보고 값을 전송하는 단계;
상기 송신 장치로부터, 차등 위상 천이 변조 (Differential Phase Shift Keying, DPSK) 방식에 기반하여 변조된 데이터 신호들을 상기 복수의 수신 경로들을 통해 수신하는 단계 - 상기 수신된 데이터 신호들의 데이터 전송률 및 코드 비율(code rate)은 상기 SACQ 보고 값에 기반하여 조정됨 -;
상기 수신된 데이터 신호들에 기반하여, 상기 복수의 수신 경로들의 각 수신 경로에서의 차등 값(differential value)을 산출하는 단계;
상기 수신된 데이터 신호들에 대한 신뢰도(reliability)를 산출하는 단계 - 상기 신뢰도는, 상기 복수의 수신 경로들의 각 수신 경로에서의 상기 차등 값을 합산한(sum) 값의 실수(real) 값에 비례함 -; 및
상기 신뢰도에 기반하여 상기 데이터 신호들을 디코딩 하는 단계를 포함하는, 방법.
제 1항에 있어서,
상기 신뢰도는, 상기 수신 장치의 상기 복수의 수신 경로들의 개수에 비례하는 것을 특징으로 하는 방법.
제 1항에 있어서,
상기 복수의 수신 경로들의 각 수신 경로에서의 상기 차등 값이 1 또는 -1 중 어느 하나에 해당하는 경우가 많을수록 상기 신뢰도가 높다고 해석되는 것을 특징으로 하는 방법.
제 1항에 있어서,
상기 SACQ는 1-비트 ADC(analog to Digital converter) 시스템의 채널 품질이고,
상기 SACQ는, 상기 수신 장치의 전체 수신 경로들을 통해 상기 두 연속 심볼의 미리 설정된 기준 신호를 수신하고, 상기 두 연속 심볼의 미리 설정된 기준 신호에 기반하여, 상기 전체 수신 경로들의 각 수신 경로에서의 차등 값을 합산한 값의 실수 값으로 산출되는 것을 특징으로 하는 방법.
제 4항에 있어서,
상기 SACQ는 상기 수신 장치의 상기 전체 수신 경로들의 개수와 관련되는 것을 특징으로 하는 방법.
제 5항에 있어서,
상기 SACQ의 최대 값이 상기 전체 수신 경로들의 개수의 양수 값에 대응되고, 최소값이 상기 전체 수신 경로들의 개수의 음수 값에 대응되며, 상기 SACQ의 범위는 상기 최소 값 내지 상기 최대 값의 범위에 해당하는 것을 특징으로 하는 방법.
삭제
삭제
제 4항에 있어서,
상기 SACQ의 상기 범위의 상기 최대 값이 상기 전체 수신 경로들의 개수보다 큰 경우, 상기 송신 장치로부터 상기 SACQ의 측정을 위한 기준 신호를 전송하는 횟수에 대한 정보를 수신하는 단계를 더 포함하며,
상기 기준 신호를 전송하는 횟수의 배수(multiple)에 대응되는 상기 SACQ를 측정하여 합산한 값으로 상기 SACQ를 산출하는 것을 특징으로 하는 방법.
제 9항에 있어서,
상기 정보는 물리 계층 신호 또는 상위 계층 시그널링을 통해 수신되는 것을 특징으로 하는 방법.
제 4항에 있어서,
상기 SACQ를 산출하는 단계를 반복하는 횟수에 대한 정보를 수신하는 단계를 더 포함하며,
상기 반복하는 횟수에 대한 정보에 기반하여 상기 SACQ를 산출하는 단계를 반복하여 측정된 SACQ 값들의 평균 값으로 상기 SACQ를 보고하는 것을 특징으로 하는 방법.
제 11항에 있어서,
상기 송신 장치 또는 상기 수신 장치 중 하나에 의해 상기 SACQ를 산출하는 단계가 반복되는 동작이 트리거링 되는 것을 특징으로 하는 방법.
제 4항에 있어서,
상기 수신 장치의 상기 전체 수신 경로들의 개수를 초기 접속 시 상기 송신 장치로 전송하는 단계를 더 포함하는 것을 특징으로 하는 방법.
무선 통신 시스템에서, 신호를 송수신 하는 수신 장치에 있어서,
무선 신호를 송수신하기 위한 RF(Radio Frequency) 유닛;
상기 RF 유닛과 기능적으로 연결되어 있는 프로세서; 및
상기 프로세서에 동작 가능하게 접속 가능하고, 상기 프로세서에 의해 실행될 때, 동작들을 수행하는 지시(instruction)들을 저장하는 적어도 하나의 컴퓨터 메모리를 포함하며,
상기 동작들은,
송신 장치로부터 브로드캐스트 채널을 통해 SACQ(spatially aggregated channel quality)의 최대 값을 포함하는 시스템 정보를 수신하는 단계;
상기 송신 장치에게 상기 수신 장치의 복수의 수신 경로들의 개수 정보를 전송하는 단계 - 상기 복수의 수신 경로들의 개수에 기초하여 상기 SACQ의 범위가 설정됨 -;
상기 송신 장치로부터 상기 SACQ의 측정을 위해 두 연속 심볼의 미리 설정된 기준 신호를 수신하는 단계;
상기 송신 장치에게 상기 SACQ의 상기 범위 내에서 측정된 상기 SACQ의 측정 값 또는 상기 SACQ의 최대 값 중 더 작은 절대 값에 기반하는 SACQ 보고 값을 전송하는 단계;
상기 송신 장치로부터, 차등 위상 천이 변조 (Differential Phase Shift Keying, DPSK) 방식으로 변조된 데이터 신호들을 상기 복수의 수신 경로들을 통해 수신하는 단계 - 상기 수신된 데이터 신호들의 데이터 전송률 및 코드 비율(code rate)은 상기 SACQ 보고 값에 기반하여 조정됨 -;
상기 수신된 데이터 신호들에 기반하여, 상기 복수의 수신 경로들의 각 수신 경로에서의 차등 값(differential value)을 산출하는 단계;
상기 수신된 데이터 신호들에 대한 신뢰도(reliability)를 산출하는 단계 - 상기 신뢰도는 상기 복수의 수신 경로들의 각 수신 경로에서의 상기 차등 값을 합산한(sum) 값의 실수(real) 값에 비례함 -; 및
상기 신뢰도에 기반하여 상기 데이터 신호들을 디코딩 하는 단계를 포함하는, 장치.
제 14항에 있어서,
상기 복수의 수신 경로들은 복수의 안테나를 포함하며,
상기 신뢰도는 상기 복수의 안테나의 수에 비례하는 것을 특징으로 하는 장치.
제 14항에 있어서,
상기 복수의 수신 경로들의 각 수신 경로는 1-비트 ADC(analog to Digital converter)를 포함하는 것을 특징으로 하는 장치.