KR102614383B1 - 자기 간섭 신호 제거를 위한 방법 및 장치 - Google Patents

자기 간섭 신호 제거를 위한 방법 및 장치 Download PDF

Info

Publication number
KR102614383B1
KR102614383B1 KR1020190130269A KR20190130269A KR102614383B1 KR 102614383 B1 KR102614383 B1 KR 102614383B1 KR 1020190130269 A KR1020190130269 A KR 1020190130269A KR 20190130269 A KR20190130269 A KR 20190130269A KR 102614383 B1 KR102614383 B1 KR 102614383B1
Authority
KR
South Korea
Prior art keywords
self
interference signal
signal
interference
digital
Prior art date
Application number
KR1020190130269A
Other languages
English (en)
Other versions
KR20210046494A (ko
Inventor
이권종
김상효
이효진
길용성
공동현
Original Assignee
삼성전자 주식회사
성균관대학교 산학협력단
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, 성균관대학교 산학협력단 filed Critical 삼성전자 주식회사
Priority to KR1020190130269A priority Critical patent/KR102614383B1/ko
Priority to US17/073,148 priority patent/US11528049B2/en
Publication of KR20210046494A publication Critical patent/KR20210046494A/ko
Application granted granted Critical
Publication of KR102614383B1 publication Critical patent/KR102614383B1/ko

Links

Images

Classifications

    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
    • H04L25/00—Baseband systems
    • H04L25/02—Details ; arrangements for supplying electrical power along data transmission lines
    • H04L25/03—Shaping networks in transmitter or receiver, e.g. adaptive shaping networks
    • H04L25/03006—Arrangements for removing intersymbol interference
    • H04L25/03178—Arrangements involving sequence estimation techniques
    • H04L25/03248—Arrangements for operating in conjunction with other apparatus
    • H04L25/03292—Arrangements for operating in conjunction with other apparatus with channel estimation circuitry
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04B—TRANSMISSION
    • H04B1/00—Details of transmission systems, not covered by a single one of groups H04B3/00 - H04B13/00; Details of transmission systems not characterised by the medium used for transmission
    • H04B1/38—Transceivers, i.e. devices in which transmitter and receiver form a structural unit and in which at least one part is used for functions of transmitting and receiving
    • H04B1/40—Circuits
    • H04B1/50—Circuits using different frequencies for the two directions of communication
    • H04B1/52—Hybrid arrangements, i.e. arrangements for transition from single-path two-direction transmission to single-direction transmission on each of two paths or vice versa
    • H04B1/525—Hybrid arrangements, i.e. arrangements for transition from single-path two-direction transmission to single-direction transmission on each of two paths or vice versa with means for reducing leakage of transmitter signal into the receiver
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N3/00—Computing arrangements based on biological models
    • G06N3/02—Neural networks
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N3/00—Computing arrangements based on biological models
    • G06N3/02—Neural networks
    • G06N3/04—Architecture, e.g. interconnection topology
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N3/00—Computing arrangements based on biological models
    • G06N3/02—Neural networks
    • G06N3/06—Physical realisation, i.e. hardware implementation of neural networks, neurons or parts of neurons
    • G06N3/063—Physical realisation, i.e. hardware implementation of neural networks, neurons or parts of neurons using electronic means
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N3/00—Computing arrangements based on biological models
    • G06N3/02—Neural networks
    • G06N3/08—Learning methods
    • G06N3/084—Backpropagation, e.g. using gradient descent
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04B—TRANSMISSION
    • H04B1/00—Details of transmission systems, not covered by a single one of groups H04B3/00 - H04B13/00; Details of transmission systems not characterised by the medium used for transmission
    • H04B1/06—Receivers
    • H04B1/10—Means associated with receiver for limiting or suppressing noise or interference
    • H04B1/12—Neutralising, balancing, or compensation arrangements
    • H04B1/123—Neutralising, balancing, or compensation arrangements using adaptive balancing or compensation means
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
    • H04L25/00—Baseband systems
    • H04L25/02—Details ; arrangements for supplying electrical power along data transmission lines
    • H04L25/0202—Channel estimation
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
    • H04L25/00—Baseband systems
    • H04L25/02—Details ; arrangements for supplying electrical power along data transmission lines
    • H04L25/0202—Channel estimation
    • H04L25/024—Channel estimation channel estimation algorithms
    • H04L25/0254—Channel estimation channel estimation algorithms using neural network algorithms
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
    • H04L5/00—Arrangements affording multiple use of the transmission path
    • H04L5/14—Two-way operation using the same type of signal, i.e. duplex
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
    • H04L5/00—Arrangements affording multiple use of the transmission path
    • H04L5/14—Two-way operation using the same type of signal, i.e. duplex
    • H04L5/1423—Two-way operation using the same type of signal, i.e. duplex for simultaneous baseband signals
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
    • H04L5/00—Arrangements affording multiple use of the transmission path
    • H04L5/14—Two-way operation using the same type of signal, i.e. duplex
    • H04L5/1461—Suppression of signals in the return path, i.e. bidirectional control circuits
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N3/00—Computing arrangements based on biological models
    • G06N3/02—Neural networks
    • G06N3/04—Architecture, e.g. interconnection topology
    • G06N3/048—Activation functions
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
    • H04L25/00—Baseband systems
    • H04L25/02—Details ; arrangements for supplying electrical power along data transmission lines
    • H04L25/03—Shaping networks in transmitter or receiver, e.g. adaptive shaping networks
    • H04L25/03006—Arrangements for removing intersymbol interference
    • H04L25/03165—Arrangements for removing intersymbol interference using neural networks

Landscapes

  • Engineering & Computer Science (AREA)
  • Signal Processing (AREA)
  • Computer Networks & Wireless Communication (AREA)
  • Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Artificial Intelligence (AREA)
  • Evolutionary Computation (AREA)
  • Health & Medical Sciences (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Biomedical Technology (AREA)
  • Biophysics (AREA)
  • General Health & Medical Sciences (AREA)
  • Computing Systems (AREA)
  • General Engineering & Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • Mathematical Physics (AREA)
  • Software Systems (AREA)
  • Molecular Biology (AREA)
  • Data Mining & Analysis (AREA)
  • Computational Linguistics (AREA)
  • Power Engineering (AREA)
  • Neurology (AREA)
  • Noise Elimination (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 개시는 FD를 지원하는 통신 장치가 디지털 영역의 자기 간섭 신호를 제거하는 방법 및 장치를 제안한다.

Description

자기 간섭 신호 제거를 위한 방법 및 장치{APPARATUS AND METHODS FOR SELF -INTERFERENCE SIGNAL CANCELLATION}
본 개시는 디지털 자기 간섭 신호 제거를 위한 방법 장치에 관한 것으로, 보다 상세하게는, FD(full-duplex)를 지원하는 통신 시스템에서 디지털 영역(digital domain)의 자기 간섭 신호 제거를 위한 방법 및 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) 시스템이라 불리어지고 있다. 높은 데이터 전송률을 달성하기 위해, 5G 통신 시스템은 초고주파(mmWave) 대역 (예를 들어, 60기가(60GHz) 대역과 같은)에서의 구현이 고려되고 있다. 초고주파 대역에서의 전파의 경로손실 완화 및 전파의 전달 거리를 증가시키기 위해, 5G 통신 시스템에서는 빔포밍(beamforming), 거대 배열 다중 입출력(massive MIMO), 전차원 다중입출력(Full Dimensional MIMO: FD-MIMO), 어레이 안테나(array antenna), 아날로그 빔형성(analog beam-forming), 및 대규모 안테나 (large scale antenna) 기술들이 논의되고 있다. 또한 시스템의 네트워크 개선을 위해, 5G 통신 시스템에서는 진화된 소형 셀, 개선된 소형 셀 (advanced small cell), 클라우드 무선 액세스 네트워크 (cloud radio access network: cloud RAN), 초고밀도 네트워크 (ultra-dense network), 기기 간 통신 (Device to Device communication: D2D), 무선 백홀 (wireless backhaul), 이동 네트워크 (moving network), 협력 통신 (cooperative communication), CoMP (Coordinated Multi-Points), 및 수신 간섭제거 (interference cancellation) 등의 기술 개발이 이루어지고 있다. 이 밖에도, 5G 시스템에서는 진보된 코딩 변조(Advanced Coding Modulation: ACM) 방식인 FQAM (Hybrid FSK and QAM Modulation) 및 SWSC (Sliding Window Superposition Coding)과, 진보된 접속 기술인 FBMC(Filter Bank Multi Carrier), NOMA(non orthogonal multiple access), 및SCMA(sparse code multiple access) 등이 개발되고 있다.
한편, 인터넷은 인간이 정보를 생성하고 소비하는 인간 중심의 연결 망에서, 사물 등 분산된 구성 요소들 간에 정보를 주고 받아 처리하는 IoT(Internet of Things, 사물인터넷) 망으로 진화하고 있다. 클라우드 서버 등과의 연결을 통한 빅데이터(Big data) 처리 기술 등이 IoT 기술에 결합된 IoE (Internet of Everything) 기술도 대두되고 있다. IoT를 구현하기 위해서, 센싱 기술, 유무선 통신 및 네트워크 인프라, 서비스 인터페이스 기술, 및 보안 기술과 같은 기술 요소 들이 요구되어, 최근에는 사물간의 연결을 위한 센서 네트워크(sensor network), 사물 통신(Machine to Machine, M2M), MTC(Machine Type Communication)등의 기술이 연구되고 있다. IoT 환경에서는 연결된 사물들에서 생성된 데이터를 수집, 분석하여 인간의 삶에 새로운 가치를 창출하는 지능형 IT(Internet Technology) 서비스가 제공될 수 있다. IoT는 기존의 IT(information technology)기술과 다양한 산업 간의 융합 및 복합을 통하여 스마트홈, 스마트 빌딩, 스마트 시티, 스마트 카 혹은 커넥티드 카, 스마트 그리드, 헬스 케어, 스마트 가전, 첨단의료서비스 등의 분야에 응용될 수 있다.
이에, 5G 통신 시스템을 IoT 망에 적용하기 위한 다양한 시도들이 이루어지고 있다. 예를 들어, 센서 네트워크(sensor network), 사물 통신(Machine to Machine, M2M), MTC(Machine Type Communication)등의 기술이 5G 통신 기술이 빔 포밍, MIMO, 및 어레이 안테나 등의 기법에 의해 구현되고 있는 것이다. 앞서 설명한 빅데이터 처리 기술로써 클라우드 무선 액세스 네트워크(cloud RAN)가 적용되는 것도 5G 기술과 IoT 기술 융합의 일 예라고 할 수 있을 것이다.
한편, 고성능의 모바일 기기가 계속해서 개발되고 있는 현 시점에서 스펙트럼 자원 효율에 대한 개선의 필요성이 커지고 있다. 이에 따라 대역폭, 데이터 전송률 등을 발전시키기 위해 다양한 연구가 진행되고 있다. 이중 full-duplex (FD) 통신 시스템은 전송률의 증대효과를 가지고 있는 기술이다. FD 통신은 동일한 주파수 대역에서 동시에 송신과 수신을 수행하는 무선 통신 기술이다. FD 통신은 동일한 주파수 대역을 이용하는 half duplex (HD) 통신 대비 이론적으로 약 두 배의 통신 용량을 얻을 수 있다. 그러나, FD 통신 네트워크의 실제 통신 용량은 자기 간섭 신호로 인해 이론 상의 용량을 달성하지 못한다. 이에 따라 자기 간섭 신호를 제거하는 방법에 대한 연구가 이루어졌고, 그 결과 다양한 자기 간섭 신호의 제거 기법(자기 간섭 제거 기법)이 제안되었다.
FD 통신에서 자기 간섭 제거 기법이란 자신이 송신한 신호의 정보로 자기 간섭 신호를 추정해 제거하는 것이다. 자기 간섭 제거는 일반적으로 전파 영역, 아날로그 영역, 디지털 영역에서 수행된다. 전파 영역의 자기 간섭 제거 기법은 별도의 신호처리 없이 안테나의 설계 또는 배치 등을 통해 자기 간섭 신호가 감쇠 상태로 수신 안테나에 수신되도록 하는 기법이다. 전파 영역의 자기 간섭 제거는 송수신 분리 안테나 환경과 송수신 공유 안테나 환경에서 다른 기법이 사용된다. 분리 안테나 환경의 전파 영역 자기 간섭 제거 기법의 예시로 다중 송신 안테나를 사용해 수신 안테나의 위치에서 자기 간섭 신호 서로를 상쇄하는 방법이 있다. 공유 안테나 환경의 전파 영역 자기 간섭 제거 기법의 예시로 써큘레이터를 사용해 송신단과 수신단을 분리하는 방법이 있다. 아날로그 영역의 자기 간섭 제거 기법은 송신기의 아날로그 영역 송신 신호를 이용해 수신된 자기 간섭 신호를 추정하고 제거하는 기법이다. 디지털 영역의 자기 간섭 제거 기법은 송신기의 디지털 신호를 이용해 자기 간섭 신호를 추정하고 제거하는 기법이다.
이러한 디저털 영역 자기 간섭 제거 기법은 아날로그 영역의 자기 간섭 제거 이후의 잔여 자기 간섭 신호를 추정하고, 추정 신호를 이용해 디지털 영역의 자기 간섭 신호를 제거함으로써, 잔여 자기 간섭 신호가 열 잡음 수준 이하로 낮추는 것을 목적으로 한다. 그러나, 종래의 디지털 영역 자기 간섭 신호 제거 기법은 시변 채널 환경에서 디지털 영역의 자기 간섭 신호를 효과적으로 제거하는 방안을 제공하지 못한다.
개시된 실시 예는 FD를 지원하는 통신 시스템에서, 시변 채널 환경에서도 디지털 영역의 자기 간섭 신호를 효과적으로 제거할 수 있는 디지털 영역의 자기 간섭 신호 제거를 위한 장치 및 방법을 제공하기 위한 것이다.
상기에 기술된 과제를 해결하기 위하여 본 개시는 다음과 같은 해결 수단을 가질 수 있다.
본 발명의 일 실시예에 따른, FD(full duplex)를 지원하는 통신 장치의 자기 간섭 신호 제거 방법은 자기 간섭 신호에 대한 채널 추정 정보를 식별하는 단계; 상기 자기 간섭 신호와 연관된 디지털 송신 신호 및 상기 채널 추정 정보에 기초하여, 상기 자기 간섭 신호의 비선형 성분 추정을 위한 입력으로 사용될 입력 데이터를 생성하는 단계; 및 상기 디지털 송신 신호 및 상기 입력 데이터에 기초하여, 상기 자기 간섭 신호의 상기 비선형 성분을 추정하는 단계를 포함하며, 상기 자기 간섭 신호의 상기 비선형 성분 추정은, 미리 설정된 신경망 기반 자기 간섭 신호 제거 기법에 기초할 수 있다.
실시예로서, 상기 입력 데이터를 생성하는 단계는, 상기 디지털 송신 신호에 상기 채널 추정 정보를 곱 함으로써, 상기 입력 데이터를 생성하는 단계를 포함할 수 있다.
실시예로서, 상기 미리 설정된 신경망 기반 자기 간섭 신호 제거 기법은 MLP(multi-layer perceptron)다층 신경망 기반 자기 간섭 신호 제거 기법일 수 있다.
실시예로서, 상기 비선형 성분을 추정하는 단계는 상기 통신 장치의 미리 학습된 MLP 모듈에 의해 수행될 수 있다.
실시예로서, 상기 채널 추정 정보에 기초하여, 상기 자기 간섭 신호의 선형 성분을 제거하는 단계를 더 포함할 수 있다.
실시예로서, 상기 선형 성분이 제거된 자기 간섭 신호에서 상기 추정된 비선형 성분을 감산함으로써, 상기 자기 간섭 신호의 비선형 성분을 제거하는 단계를 더 포함할 수 있다.
실시예로서, 상기 통신 장치는 단말의 통신 장치 또는 기지국의 통신 장치일 수 있다.
본 발명의 일 실시예에 따른. FD(full duplex)를 지원하는 통신 장치는 트랜시버; 및
트랜시버와 연결된 적어도 하나의 프로세서를 포함하며, 상기 적어도 하나의 프로세서는: 자기 간섭 신호에 대한 채널 추정 정보를 식별하고, 상기 자기 간섭 신호와 연관된 디지털 송신 신호 및 상기 채널 추정 정보에 기초하여, 상기 자기 간섭 신호의 비선형 성분 추정을 위한 입력으로 사용될 입력 데이터를 생성하고, 그리고, 상기 디지털 송신 신호 및 상기 입력 데이터에 기초하여, 상기 자기 간섭 신호의 상기 비선형 성분을 추정하며, 상기 자기 간섭 신호의 상기 비선형 성분 추정은, 미리 설정된 신경망 기반 자기 간섭 신호 제거 기법에 기초할 수 있다.
실시예로서, 상기 입력 데이터를 생성하는 것은, 상기 디지털 송신 신호에 상기 채널 추정 정보를 곱 함으로써, 상기 입력 데이터를 생성하는 것을 더 포함할 수 있다.
실시예로서, 상기 미리 설정된 신경망 기반 자기 간섭 신호 제거 기법은 MLP(multi-layer perceptron) 다층 신경망 기반 자기 간섭 신호 제거 기법일 수 있다.
실시예로서, 상기 비선형 성분을 추정하는 것은 상기 통신 장치의 미리 학습된 MLP 모듈에 의해 수행될 수 있다.
실시예로서, 상기 적어도 하나의 프로세서는, 상기 채널 추정 정보에 기초하여, 상기 자기 간섭 신호의 선형 성분을 제거할 수 있다.
실시예로서, 상기 적어도 하나의 프로세서는, 상기 선형 성분이 제거된 자기 간섭 신호에서 상기 추정된 비선형 성분을 감산함으로써, 상기 자기 간섭 신호의 비선형 성분을 제거할 수 있다.
실시예로서, 상기 통신 장치는 단말의 통신 장치 또는 기지국의 통신 장치일 수 있다.
본 개시의 다양한 예에 따른, 디지털 영역의 자기 간섭 신호 제거를 위한 장치 및 방법을 이용함으로써, 시변 채널 환경에서도 디지털 영역의 자기 간섭 신호를 효과적으로 제거할 수 있다.
본 개시의 추가적이고 다양한 다른 효과들은 이하에서 발명의 구성과 함께 설명한다.
도 1은 본 개시의 일 실시예에 따른, FD를 지원하는 통신 장치의 예시적인 구성을 나타낸다.
도 2는 본 개시의 다른 실시예에 따른, FD를 지원하는 통신 장치의 예시적인 구성을 나타낸다.
도 3a 및 도 3b는 도 1 또는 도 2의 통신 장치의 디지털 SIC의 세부 구성의 일 예를 나타낸다.
도 4는 도 3a 및 도 3b의 디지털 SIC의 MLP의 세부 구성을 예시적으로 나타낸다.
도 5a 및 도 5b는 도 1 또는 도 2의 통신 장치의 디지털 SIC의 세부 구성의 다른 예를 나타낸다.
도 6은 도 5a 및 도 5b의 디지털 SIC의 MLP의 세부 구성의 일 예를 나타낸다.
도 7은 도 5a 및 도 5b의 디지털 SIC의 MLP의 세부 구성의 다른 예를 나타낸다.
도 8a, 도 8b 및 도 8c는 본 개시의 실시예에 따른 디지털 SIC가 신경망 기반 자기 간섭 제거 기법을 이용하여 자기 간섭 신호를 제거하기 위해 수행하는 방법의 순서도를 나타낸다.
도 9는 시불변 채널 환경에서의 신경망 기반 자기 간섭 제거 기법의 성능을 비교하기 위한 도면이다.
도 10은 시변 채널 환경에서의 신경망 기반 자기 간섭 제거 기법의 성능을 비교하기 위한 도면이다.
도 11은 본 개시의 실시예에 따른 단말의 구조를 도시한 도면이다.
도 12는 본 발명의 일 실시예에 따른 기지국의 구조를 도시한 도면이다.
도 13은 본 개시의 실시예에 따른 통신 장치의 자기 간섭 신호 제거 방법의 순서도를 나타낸다.
이하에서는 본 개시의 실시 예를 첨부된 도면을 참조하여 상세하게 설명한다.
실시 예를 설명함에 있어서 본 개시가 속하는 기술 분야에 익히 알려져 있고 본 개시와 직접적으로 관련이 없는 기술 내용에 대해서는 설명을 생략한다. 이는 불필요한 설명을 생략함으로써 본 개시의 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 개시의 이점 및 특징, 그리고 그것들을 달성하는 방법은 첨부되는 도면과 함께 상세하게 후술되어 있는 실시 예들을 참조하면 명확해질 것이다. 그러나 본 개시는 이하에서 개시되는 실시 예들에 한정되는 것이 아니라 서로 다른 다양한 형태로 구현될 수 있으며, 단지 본 실시 예들은 본 개시가 완전하도록 하고, 본 개시가 속하는 기술분야에서 통상의 지식을 가진 자에게 개시의 범주를 완전하게 알려주기 위해 제공되는 것이며, 본 개시는 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 생성한다. 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 FPGA 또는 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.
본 개시에서, 기지국(base station)은 단말의 자원할당을 수행하는 주체로서, eNode B, gNode B, Node B, RAN (Radio Access Network), AN (Access Network), RAN node, 무선 접속 유닛, 기지국 제어기, 또는 네트워크 상의 노드 중 적어도 하나일 수 있다. 단말(terminal)은 UE (User Equipment), MS (Mobile Station), 셀룰러폰, 스마트폰, 컴퓨터, 또는 통신기능을 수행할 수 있는 멀티미디어시스템을 포함할 수 있다. 본 개시에서 하향링크(Downlink; DL)는 기지국이 단말에게 전송하는 신호의 무선 전송경로이고, 상향링크는(Uplink; UL)는 단말이 기국에게 전송하는 신호의 무선 전송경로를 의미한다. 또한, 본 개시의 실시예는 숙련된 기술적 지식을 가진 자의 판단으로써 본 개시의 범위를 크게 벗어나지 아니하는 범위에서 일부 변형을 통해 다른 통신시스템에도 적용될 수 있다.
한편, 본 개시를 설명함에 있어서, 관련된 공지기능 또는 구성에 대한 구체적인 설명이 본 개시의 요지를 불필요하게 흐릴 수 있다고 판단된 경우, 그 상세한 설명은 생략한다.
이하에서는 각 도면을 참조하여, FD를 지원하는 통신 시스템에서, 디지털 영역의 자기 간섭 제거를 위한 방법 및 장치에 대한 다양한 실시예를 설명한다.
먼저, 본 개시에서 사용되는 용어(예컨대, 채널 모델, 채널 계수, 채널 추정 등)에 대하여 예시적으로 설명한다.
본 개시에서, 채널 모델은 송신된 신호가 수신부에 도달하기까지 겪는 다중 경로들을 표현하는 모델이다. 이 채널 모델에는 각 다중 경로들에 대한 감쇠 및 지연이 반영되며, 이 중 채널 계수는 각 다중 경로의 응답 계수가 될 수 있다.
본 개시에서, 채널 추정은 송신단, 무선 채널, 수신단으로 구성된 시스템의 입력 신호와 출력 신호를 이용해 시스템의 채널 계수를 찾는 방법에 해당한다. 채널 추정의 한 방법인 least square method를 예로 들어 채널 추정 방법을 예시적으로 설명하면 다음과 같다.
예컨대, M개의 선형 경로를 갖는 시스템의 채널 계수 H는 다음과 같이 나타낼 수 있다.
Figure 112019106779891-pat00001
선형 시스템의 입력 신호를 X, 출력 신호를 Y, 잡음을 N이라고 한다면 출력 신호 Y는 다음과 같이 나타낼 수 있다.
Figure 112019106779891-pat00002
여기서
Figure 112019106779891-pat00003
은 입력 신호 X 중 출력 신호 벡터
Figure 112019106779891-pat00004
에 영향을 주는 성분으로 구성된 행렬로 다음과 같이 나타난다.
Figure 112019106779891-pat00005
Least square method를 이용하는 채널 추정기는
Figure 112019106779891-pat00006
과
Figure 112019106779891-pat00007
을 이용해 추정 채널 계수
Figure 112019106779891-pat00008
을 연산한다.
Figure 112019106779891-pat00009
이때 least square method에 사용되는 K 가 클수록 채널 추정 성능 오차가 작아진다. 그러나 채널 추정 구간에서 채널 계수
Figure 112019106779891-pat00010
이 시간에 따라 빠르게 변한다면 채널 계수를 정교하게 추정하기 어렵다.
본 개시에서, 추정 채널 계수는 자기 간섭 채널 계수를 추정한 값으로 자기 간섭 신호 추정 모델에 사용된다. 그리고, 선형 추정 채널 계수(선형 채널 계수)는 추정 채널 계수의 일부로 자기 간섭 신호 추정 모델에서 선형 성분에 해당하는 항의 계수이다. 예를 들어, 자기 간섭 신호 추정을 위한 Parallel Hammerstein 모델
Figure 112019106779891-pat00011
에서 추정 채널 계수는 가능한 모든 p, q, m 에 대한
Figure 112019106779891-pat00012
의미하고, 선형 추정 채널 계수는 가능한 모든 m 에 대한
Figure 112019106779891-pat00013
의미한다.
도 1은 본 개시의 일 실시예에 따른, FD를 지원하는 통신 장치의 예시적인 구성을 나타낸다.
다양한 예에 따라, 도 1의 통신 장치(1000)는 FD를 지원하는 단말 또는 기지국이거나, FD를 지원하는 단말 또는 기지국의 송수신기(transceiver)이거나, 또는 상기 송수신기를 포함하는 통신 모듈일 수 있다.
다양한 예에 따라, 통신 장치(1000)는 신호의 송신 및/또는 수신을 위한 적어도 하나의 구성요소(element)를 포함할 수 있다. 예를 들면, 도 1의 예에서와 같이, 통신 장치(1000)는 신호의 송신을 위해, RRC(root-raised cosine) 필터(1010), DA 컨버터(digital-to-analog converter: DAC)(1020), UP 컨버터(1030), HPA(high power amplifier)(1040), BP(band-pass) 필터(BPF)(1050), 및/또는 신호 송신을 위한 안테나 구조(1060)를 포함할 수 있다. 또한, 도 1의 예에서와 같이, 통신 장치(1000)는 신호의 수신을 위해, BPF(1070), 아날로그 자기간섭제거기(self-interference cancellation: SIC)(1080), LNA(low noise amplifier)(1090), DOWN 컨버터(1100), AD 컨버터(analog-to-digital converter: ADC)(1110), 디지털 자기간섭제거기(SIC)(1120) 및/또는 신호 수신을 위한 안테나 구조(1060)를 포함할 수 있다. 도 1의 실시예에서는 송신을 위한 안테나 구조와 수신을 위한 안테나 구조를 하나의 안테나 구조(예컨대, 공유 안테나)로 도시하였으나, 이에 한정되지 않고, 실시예에 따라, 두 안테나 구조는 분리된(separated) 안테나 구조를 가질 수 있다.
다양한 예에 따라, 디지털 SIC(1120)는 미리 설정된 자기 간섭 제거 기법을 이용하여 디지털 영역의 자기 간섭 신호를 제거할 수 있다. 예를 들면, 디지털 SIC(1120)는 다항식 모델 기반 자기 간섭 제거 기법 또는 신경망 기반 자기 간섭 제거 기법을 이용하여 디지털 영역의 자기 간섭 신호를 제거할 수 있다.
도 1의 예를 참고하여, 통신 장치(1000)의 신호 송신 및 수신을 위한 과정에 대하여 예시적으로 설명하면 다음과 같다.
먼저, 신호 송신 과정에 대하여 예시적으로 설명하면, RRC 필터(1010)는 선형 Pulse shaping 필터의 일 예로서, 디지털 신호
Figure 112019106779891-pat00014
를 입력 신호로 수신하고, 필터의 임펄스 응답과 이 입력 신호의 컨벌루션 연산을 수행함으로써, 디지털 송신 신호
Figure 112019106779891-pat00015
를 출력한다.
Figure 112019106779891-pat00016
는 예를 들어 {1, -1} 의 원소를 값으로 갖는 binary 신호를 사용할 수 있다.
DA 컨버터(1020)는 RRC 필터의 출력 신호
Figure 112019106779891-pat00017
를 입력으로 수신하고, 이를 아날로그 신호(연속시간 신호)
Figure 112019106779891-pat00018
로 변환하여 출력한다.
UP 컨버터(1030)는 기저대역 신호의 스펙트럼을 통과대역으로 올려주는 장치로서, 예컨대, IQ 믹서일 수 있다. UP 컨버터(1030)는 DAC의 출력 신호를 입력으로 수신하고, 이를 통과대역 신호로 처리할 수 있다. 예컨대, DAC에서 출력된 두 개의 기저대역 채널(신호)(예컨대, I 채널과 Q 채널)이 UP 컨버터(예컨대, IQ 믹서)로 입력될 수 있고, 아래 수식과 같이, 입력된 채널 중 하나의 채널에는 sin 함수가 곱해지고, 다른 하나에는 cos 함수가 곱해질 수 있고, 이러한 두 채널은 서로 더해져 출력될 수 있다.
Figure 112019106779891-pat00019
여기서,
Figure 112019106779891-pat00020
는 I 채널의 기저대역 입력 신호이고,
Figure 112019106779891-pat00021
는 Q 채널의 기저대역 입력 신호이다. 또한,
Figure 112019106779891-pat00022
는 통과 대역의 중심 주파수이고,
Figure 112019106779891-pat00023
는 UP 컨버터에서 발생하는 위상 천이이다.
HPA(1040)는 Transmit amplifier의 일 예로서, 입력된 신호를 증폭하는 역할을 수행할 수 있다. HPA(1040)는 UP 컨버터의 출력 신호를 입력으로 수신하고, 이를 증폭하여 출력할 수 있다. 예컨대, 이상적인 상황에서 증폭 이득은 상수일 수 있고, 잡음은 존재하지 않을 수 있으나, HPA는 장치의 동작 특성으로 인해 신호가 비선형적으로 증폭되며, 아래 수식과 같이 증폭기 잡음이 추가될 수 있다.
Figure 112019106779891-pat00024
BP 필터(1050)는 송신하려는 통과대역의 신호만 통과시키는 필터로서, 간섭 및 잡음을 억제하는 역할을 수행할 수 있다. BP 필터(1050)는 HPA의 출력 신호를 입력 신호로 수신하고, 필터의 임펄스 응답과 입력 신호의 컨벌루션 연산을 수행함으로써, 출력신호를 출력할 수 있다.
이렇게 출력된 신호는 안테나 구조(1060)(또는, 송신 안테나)를 통해 송신 신호 XTX로서 송신될 수 있다. 예컨대, 안테나 구조(1060)는 써큘레이터를 이용한 단일 안테나 구조일 수 있고, 이 경우, 하나의 안테나가 송신단과 수신단에 동시에 연결될 수 있다. 이때, 써큘레이터는 송신단과 수신단의 직접 연결을 막는 역할을 수행할 수 있다. 다만, 이에 제한되지 않고, 다른 형태의 안테나 구조가 사용될 수도 있다. 본 개시에서, 안테나 구조는 송수신기로 지칭될 수도 있다.
먼저, 신호 수신 과정에 대하여 예시적으로 설명하면, BPF(1070)는 수신하려는 desired 신호의 스펙트럼에 해당하는 신호만을 통과시키는 필터로서, 간섭 및 잡음을 억제하는 역할을 수행할 수 있다. BPF(1070)는 안테나 구조(1060)(또는, 수신 안테나)를 통해 수신된 수신 신호 YRX를 입력 신호로 수신하고, 필터의 임펄스 응답과 입력 신호의 컨벌루션 연산을 수행함으로써, 출력 신호를 출력할 수 있다.
아날로그 자기간섭제거기(SIC)(1090)는 송신 안테나의 입력 신호(송신 아날로그 신호)를 이용한 자기 간섭 제거를 수행할 수 있다. 예를 들면, 아날로그 SIC(1090)은 입력 신호를 수신하고, 자기 간섭 채널 추정을 통해 얻은 채널 계수와 입력 신호에 기초하여 수신 자기 간섭 신호를 추정하고, 이를 제거하여 출력할 수 있다.
LNA(1090)는 Receive amplifier의 일 예로서, 수신된 신호를 증폭할 수 있다. LNA(1090)는 SIC의 출력 신호를 입력으로 수신하고, 이를 증폭하여 출력할 수 있다. 이때, transmit amplifier에 비해 낮은 전력의 잡음이 추가될 수 있고, 장치의 동작 특성으로 인해 아래 수식과 같이 증폭기 잡음이 추가될 수 있다.
Figure 112019106779891-pat00025
DOWN 컨버터(1100)는 통과대역 스팩트럼의 수신 신호를 기저대역의 두 채널 신호로 변환하는 장치로서, LNA의 출력 신호를 입력으로 수신할 수 있다. 예컨대, DOWN 컨버터(1100)는 LNA의 출력 신호를 입력으로 수신하고, 이를 두 개의 채널로 분리하며, 아래 수식과 같이, 하나의 채널에 sin 함수가 곱해지고, 다른 하나에는 cos 함수가 곱해져 출력될 수 있다.
Figure 112019106779891-pat00026
이때,
Figure 112019106779891-pat00027
는 I 채널의 출력 신호이고,
Figure 112019106779891-pat00028
는 Q 채널의 출력 신호이다.
AD 컨버터(1110)는 수신된 아날로그 신호(연속시간 신호)로부터 디지털 신호(이산시간 디지털 신호)를 얻을 수 있다. 이 과정에서 수신 신호의 샘플링과 양자화가 수행될 수 있다. 예컨대, AD 컨버터(1110)는 DOWN 컨버터의 입력 신호를 수신하고, 디지털 신호
Figure 112019106779891-pat00029
를 출력할 수 있다.
디지털 자기간섭제거기(SIC)(1120)는 디지털 송신 신호(DAC 입력 신호)를 이용해 SIC에서 제거하고 남은 자기 간섭 신호를 추정하여 제거할 수 있다. 디지털 SIC(1120)는 AD 컨버터의 입력 신호를 이용하여 자기 간섭 신호를 추정하여, 이를 제거하여 출력할 수 있다. 이 경우, 주로, 자기 간섭 신호의 비선형 성분이 제거될 수 있다. 이에 대하여는 이하에서 추가적으로 설명한다.
상술한 통신 장치의 송수신 과정은 상술한 과정 중 일부를 생략하여 수행될 수도 있고, 추가적인 과정을 더 수행할 수도 있다. 또한, 경우에 따라서는, 상술한 과정과 다른 순서로 수행될 수도 있다.
도 1을 참조하면, 통신 장치(1000)는 디지털 SIC(1120)를 이용하여 디지털 영역의 자기 간섭 제거를 수행할 수 있다. 다양한 예에 따르면, 도 1의 예에서와 같이, 디지털 영역 자기 간섭 제거는 전파 영역의 자기 간섭 제거 및/또는 아날로그 영역의 자기 간섭 제거가 수행된 이후에 수행될 수 있다. 이때, 전파 영역 자기 간섭 제거는 안테나 구조(단)에서 수행되고, 아날로그 영역 자기 간섭 제거는 아날로그 SIC(1080)에서 수행될 수 있다.
한편, 디지털 영역 자기 간섭 제거는 다항식 모델 기반 자기 간섭 제거 기법 또는 신경망 기반 자기 간섭 제거 기법을 이용하여 수행될 수 있다. 먼저, 다항식 모델 기반 자기 간섭 제거 기법에 대하여 예를 들어 설명하면 다음과 같다.
디지털 SIC(1120)가 다항식 모델 기반 자기 간섭 제거를 수행하는 경우, 디지털 SIC(1120)로 입력되는 디지털 영역 수신 신호
Figure 112019106779891-pat00030
는 아래 식과 같이 나타낼 수 있다.
Figure 112019106779891-pat00031
여기서,
Figure 112019106779891-pat00032
는 디지털 영역 자기 간섭 신호,
Figure 112019106779891-pat00033
는 desired 신호, z는 잡음이다.
잡음 및 desired 신호가 없는 상황을 가정하면, 수신 신호는 디지털 영역 자기 간섭 신호
Figure 112019106779891-pat00034
로만 주어지며, 이는 식 (2)와 같이 디지털 송신 신호
Figure 112019106779891-pat00035
의 함수로 표현될 수 있다. 이 함수는 비선형 함수로 송신단, 수신단 및/또는 무선 채널에서의 동작을 포함할 수 있다.
Figure 112019106779891-pat00036
여기서,
Figure 112019106779891-pat00037
은 송신단, 수신단, 무선 채널의 연접에 의해 발생한 메모리 효과의 메모리 길이이고,
Figure 112019106779891-pat00038
는 디지털 송신 신호 벡터
Figure 112019106779891-pat00039
중 순시(instantaneous) 출력
Figure 112019106779891-pat00040
에 영향을 주는 성분
Figure 112019106779891-pat00041
를 의미한다.
이 비선형 함수
Figure 112019106779891-pat00042
를 근사하기 위해 메모리 길이가
Figure 112019106779891-pat00043
인 P 차 다항식 모델을 사용될 수 있다. 이 경우, 수신 신호
Figure 112019106779891-pat00044
와 송신 데이터
Figure 112019106779891-pat00045
로부터 계수
Figure 112019106779891-pat00046
를 추정하여 근사 함수
Figure 112019106779891-pat00047
를 찾을 수 있다. 한편, 채널 추정 시에는 일반적으로 desired 신호가 없는
Figure 112019106779891-pat00048
인 상황에 진행하게 된다. 추정 방법의 예로는 최소 제곱법 (LS: Least Square Method)을 들 수 있다. 모든 p, m 에 대한 계수
Figure 112019106779891-pat00049
을 한번에 추정하는 것은 계산 복잡도가 매우 높으므로 낮은 p부터 순차적으로 계수
Figure 112019106779891-pat00050
을 하나씩 추정한다. 추정 계수
Figure 112019106779891-pat00051
은 식(3)과 같이 나타나는 다항식 모델의 계수로 사용된다.
Figure 112019106779891-pat00052
수신기가 자기 간섭 신호를 수신 신호에서 제거할 때는 채널 추정을 통하여 얻은 근사 함수
Figure 112019106779891-pat00053
를 이용한다. 먼저
Figure 112019106779891-pat00054
로부터 추정 자기 간섭 신호 추정값
Figure 112019106779891-pat00055
를 생성하고, 수신된 디지털 영역 신호
Figure 112019106779891-pat00056
에서 제거하여 다항식 기반 자기 간섭 제거 기법을 수행한다. 자기 간섭 제거는 식 (4)와 같이 수행된다.
Figure 112019106779891-pat00057
간섭 제거 후의 신호
Figure 112019106779891-pat00058
에는 자기 간섭 신호
Figure 112019106779891-pat00059
와 잡음을 포함하는 잔여 간섭
Figure 112019106779891-pat00060
가 남게 된다.
Figure 112019106779891-pat00061
으로 설정하여 실험하면,
Figure 112019106779891-pat00062
로부터 잔여 간섭 전력을 쉽게 측정할 수 있게 된다.
상술한 디지털 SIC(1120)가 다항식 기반 자기 간섭 제거 기법을 이용하여 자기 간섭 제거 방법의 과정을 요약하면 다음과 같다. 먼저, 디지털 SIC(1120)는 입력 신호
Figure 112019106779891-pat00063
와 디지털 송신 신호
Figure 112019106779891-pat00064
를 이용하여 다항식 모델에서 사용할 계수
Figure 112019106779891-pat00065
를 LS로 추정한다. 이후, 디지털 SIC(1120)는 추정된 계수
Figure 112019106779891-pat00066
와 디지털 송신 신호
Figure 112019106779891-pat00067
를 이용해 식(3)과 같이 추정 자기 간섭 신호
Figure 112019106779891-pat00068
를 계산한다. 이후, 디지털 SIC(1120)는 식 (4)와 같이 추정 자기 간섭 신호
Figure 112019106779891-pat00069
를 제거하여 자기 간섭 신호가 제거된
Figure 112019106779891-pat00070
를 출력한다. 이러한 과정을 통해, 디지털 영역 자기 간섭 신호가 제거된 신호가 출력될 수 있다.
다만, 이러한 다항식 기반 자기 간섭 제거 기법의 경우, 자기 간섭 신호를 제거하기 위한 계산량이 많고, 복잡하다는 문제를 갖는다. 따라서, 이러한 문제를 해결하기 위한, 신경망 기반 자기 간섭 제거 기법이 제안된다. 이하에서는, 각 도면을 참조하여 신경망 기반 자기 간섭 제거 기법 및 이를 이용한 자기 간섭 신호의 제거에 대한 각 실시예들에 대하여 설명한다. 한편, 이하에서는, 신경망 기반 자기 간섭 신호 제거 기법 중 일 예인 MLP(multilayer perceptron) 기반 자기 간섭 신호 제거 기법에 기초하여 각 실시예를 설명하지만, 본 발명의 권리범위는 이에 한정되지 않는다. 다시 말해, 이하 설명할 MLP 기반 자기 간섭 신호 제거 기법과 실질적으로 동일 또는 유사한 기능을 수행하는 신경망 기반 자기 간섭 신호 제거 기법에도 이하의 실시예에 따른 설명이 적용될 수도 있다.
도 2는 본 개시의 다른 실시예에 따른, FD를 지원하는 통신 장치의 예시적인 구성을 나타낸다. 예를 들면, 도 2는 신경망 기반 자기 간섭 제거 기법을 수행하는 통신 장치의 예시적인 구성을 나타낼 수 있다.
다양한 예에 따라, 도 2의 통신 장치(2000)는 FD를 지원하는 단말 또는 기지국이거나, FD를 지원하는 단말 또는 기지국의 송수신기(transceiver)이거나, 또는 상기 송수신기를 포함하는 통신 모듈일 수 있다.
다양한 예에 따라, 통신 장치(2000)는 신호의 송신 및/또는 수신을 위한 적어도 하나의 구성요소(element)를 포함할 수 있다. 예를 들면, 도 2의 예에서와 같이, 통신 장치(2000)는 신호의 송신을 위해, RRC(root-raised cosine) 필터(2010), DA 컨버터(digital-to-analog converter: DAC)(2020), UP 컨버터(2030), HPA(high power amplifier)(2040), BP(band-pass) 필터(BPF)(2050), 및/또는 신호 송신을 위한 안테나 구조(2060)를 포함할 수 있다. 또한, 도 2의 예에서와 같이, 통신 장치(2000)는 신호의 수신을 위해, BPF(2070), LNA(low noise amplifier)(2080), DOWN 컨버터(2090), AD 컨버터(analog-to-digital converter: ADC)(2100), 디지털 SIC(2110) 및/또는 신호 수신을 위한 안테나 구조(2060)를 포함할 수 있다. 또는, 실시예에 따라서는, 통신 장치(2000)은 통신 장치(1000)과 동일한 구조를 가질 수 있다. 예를 들면, 통신 장치(1000)은 통신 장치(2000)와 같이, 아날로그 SIC를 더 포함할 수 있다. 한편, 도 2의 실시예에서는 송신을 위한 안테나 구조와 수신을 위한 안테나 구조를 하나의 안테나 구조(예컨대, 공유 안테나)로 도시하였으나, 이에 한정되지 않고, 실시예에 따라, 두 안테나 구조는 분리된(separated) 안테나 구조를 가질 수 있다.
다양한 예에 따라, 디지털 SIC(2110)는 신경망 기반 자기 간섭 제거 기법을 이용하여, 디지털 영역의 자기 간섭 신호를 제거할 수 있다. 한편, 도 2의 실시예에서는, 통신 장치(2000)의 디지털 SIC(2110)가 신경망 기반 자기 간섭 제거 기법을 이용하여 디지털 영역의 자기 간섭 신호를 제거한다는 점을 제외하고, 각 구성요소를 통한 통신 장치(200)의 신호 송신 및 수신 동작은 도 1에서 상술한 바와 같다.
한편, 도 2의 실시예에서, 디지털 SIC(2110)로 입력되는 디지털 자기 간섭 신호는 양자화 잡음을 피하기 위한 적절한 수준의 아날로그 간섭 제거가 수행된 신호에 해당할 수 있다. 예를 들면, 상기 디지털 자기 간섭 신호는 안테나 단의 전파 영역 자기 간섭 제거 및/또는 아날로그 영역 자기 간섭 제거가 이미 수행된 신호일 수 있다.
이하에서는 도 3a 및 도 3b를 참조하여, 디지털 SIC(2110)가 신경망 기반 자기 간섭 제거 기법을 이용하여 디지털 영역의 자기 간섭 신호를 제거하는 방법에 대하여 예시적으로 설명한다.
도 3a 및 도 3b는 도 1 또는 도 2의 통신 장치의 디지털 SIC의 세부 구성의 일 예를 나타낸다. 예를 들면, 도 3(a)는 도 1 또는 도 2의 통신 장치의 디지털 SIC의 신경망 학습을 위한 예시적인 구조를 나타내고, 도 3(b)는 도 1 또는 도 2의 통신 장치의 디지털 SIC의 운용을 위한 예시적인 구조를 나타낸다.
도 3a 및 도 3b를 참조하면, 디지털 SIC(300)는 채널 추정기(channel estimator)(310), 선형 제거기(linear canceller)(320) 및/또는 MLP(330)를 포함할 수 있다. 본 개시에서, MLP는 FC(fully connected) MLP로 지칭될 수도 있다.
도 3a 및 도 3b의 실시예에서, 디지털 SIC는 MLP 기반 자기 간섭 신호 제거 기법을 이용하여, 디지털 영역의 자기 간섭 신호를 제거할 수 있다. 이 경우, 전력 레벨(power level)이 크게 다른 두 신호를 동시에 학습하지 못하는 MLP의 특성 상, 디지털 SIC는 디지털 영역 자기 간섭 신호의 선형 성분과 비선형 성분을 동시에 제거하지 못한다. 따라서, 디지털 SIC는 채널 추정기 및 선형 제거기를 통해 선형 성분이 제거된 자기 간섭 신호의 비선형 성분을 MLP를 통해 추정하여 제거한다. 즉, MLP 기반 자기 간섭 신호 제거 기법을 이용한 디지털 영역 자기 간섭 신호 제거는 채널 추정기 및 선형 제거기에 의한 선형 성분 제거 및 MLP에 의한 비선형 성분 제거를 통해 수행될 수 있다. 이하에서는, 각각에 대하여 상세히 설명한다.
<채널 추정기 및 선형 제거기를 이용한 자기 간섭 신호의 선형 성분 제거>
상술한 것처럼, 자기 간섭 신호의 선형 성분 제거는 채널 추정기 및 선형 제거기에 의해 수행될 수 있다. 예를 들면, 자기 간섭 신호의 선형 성분 제거는 채널 추정기에 의한 디지털 영역 채널 추정 동작과 선형 제거기에 의한 선형 성분 제거 동작으로 나뉘어 수행될 수 있다. 본 개시에서, 채널 추정기에 의해 추정된 채널 계수는, 채널 추정 정보, 선형 채널 계수, 추정 채널 계수, 자기 간섭 채널 계수 등으로 지칭될 수 있다.
다양한 예에 따라, 채널 추정기는 미리 설정된 채널 추정 방법에 기초하여 채널 추정을 수행함으로써, 선형 채널 계수(추정 채널 계수)
Figure 112019106779891-pat00071
를 획득할 수 있고, 선형 제거기는 선형 채널 계수와 디지털 송신 신호
Figure 112019106779891-pat00072
에 기초하여 자기 간섭 신호의 선형 성분
Figure 112019106779891-pat00073
을 획득(추정)할 수 있다. 예를 들면, 자기 간섭 신호의 선형 성분은 아래 식 (5)에 의해 획득될 수 있다.
Figure 112019106779891-pat00074
선형 제거기는 디지털 영역의 자기 간섭 신호
Figure 112019106779891-pat00075
에서 선형 성분
Figure 112019106779891-pat00076
을 제거함으로써, 비선형 성분
Figure 112019106779891-pat00077
을 획득할 수 있다. 예를 들면, 자기 간섭 신호의 비선형 성분은 아래 식 (6)에 의해 획득될 수 있다.
Figure 112019106779891-pat00078
도 3a의 신경망 학습 과정에서는, 선형 제거기의 출력 신호가 학습 레이블로 사용될 수 있다. 또한, 도 3a 및 도 3b에서와 같이, 디지털 SIC는 선형 제거기의 출력 신호에서 MLP의 출력 신호를 제거함으로써, 디지털 영역의 간섭 신호 제거를 완료할 수 있다.
<MLP를 이용한 자기 간섭 신호의 비선형 성분 제거>
상술한 것처럼, 자기 간섭 신호의 비선형 성분 제거는 MLP에 의해 수행될 수 있다. 예를 들면, 자기 간섭 신호의 비선형 성분 제거는 MLP의 학습을 통한 자기 간섭 신호의 비선형 성분 학습 동작과 제거 동작으로 나뉘어 수행될 수 있다.
다양한 예에 따라, MLP의 학습을 위해, 선형 제거기의 출력 신호
Figure 112019106779891-pat00079
가 학습 레이블로 사용되고, 디지털 송신 신호 벡터
Figure 112019106779891-pat00080
가 입력으로 사용될 수 있다. 여기서,
Figure 112019106779891-pat00081
은 송신되는 디지털 송신 신호
Figure 112019106779891-pat00082
의 일부로 디지털 영역 수신 신호
Figure 112019106779891-pat00083
에서 디지털 영역자기 간섭 신호를 추정할 때 사용될 수 있다.
예컨대, 자기 간섭 추정 모델
Figure 112019106779891-pat00084
에서
Figure 112019106779891-pat00085
은 다음과 같이 정의된다.
Figure 112019106779891-pat00086
한편, 상술한 벡터
Figure 112019106779891-pat00087
의 경우 길이가 실제 지연에 의한 메모리 길이
Figure 112019106779891-pat00088
과 같으며,
Figure 112019106779891-pat00089
의 길이는 자기 간섭 추정 모델에서 고려한 메모리 길이
Figure 112019106779891-pat00090
과 같을 수 있다.
이 경우, Desired 신호가 없는 상황에서 시스템을 동작시켜서 순차적으로 얻어지는 비선형 성분 신호(선형 제거기의 출력 신호)와 그에 대응하는 입력 신호를 수집하는 방법을 통해, 학습을 위한 데이터 집합을 획득할 수 있다.
다양한 예에 따라, MLP의 학습은 예컨대, back propagation 알고리즘을 이용한 경사 stochastic gradient descent (SGD)로 수행할 수 있다. 여기서, SGD는 back propagation 알고리즘으로 동일한 입력에 대한 MLP와 학습할 함수의 출력을 비교해 MLP의 weight update 수치 및 bias update 수치를 결정한다. 이러한 SGD를 반복적으로 수행하여 원하는 함수와 유사한 동작을 하는 MLP를 얻을 수 있다.
이렇게 학습된 MLP는 실제 비선형 간섭 제거(자기 간섭 신호의 비선형 성분 제거)에 사용될 수 있다. 예를 들면, MLP는 디지털 송신 신호를 입력 받아 추정 자기 간섭 신호의 비선형 성분의 추정치
Figure 112019106779891-pat00091
를 출력한다. 이 경우, 디지털 SIC는 선형 제거기의 출력
Figure 112019106779891-pat00092
에서 MLP의 출력
Figure 112019106779891-pat00093
을 뺌으로써, 자기 간섭 신호의 비선형 성분을 제거할 수 있다. 예컨대, 이는 아래 식 (7)으로 표현될 수 있다.
Figure 112019106779891-pat00094
도 4는 도 3a 및 도 3b의 디지털 SIC의 MLP의 세부 구성을 예시적으로 나타낸다.
도 4를 참조하면, MLP는 입력 층, 적어도 하나의 은닉층 및/또는 출력층을 포함한다. 도 4의 실시예에서, 입력 층은 2M 개의 노드를 포함할 수 있다. 또한, MLP는 D개의 은닉층을 포함할 수 있고, i 번째 은닉층은 Ni개의 노드를 포함할 수 잇다. 또한, 출력층은 2개의 노드를 포함할 수 있다.
상술한 것처럼, 이러한 구조의 MLP는 디지털 송신 신호를 입력으로 받고, 자기 간섭 신호의 비선형 성분을 출력할 수 있다.
한편, 도 3a, 도 3b 및 도 4에 예시된 구조를 갖는 디지털 SIC가 신경망 기반 자기 간섭 제거 기법(예컨대, MLP 기반 자기 간섭 제거 기법)을 이용하여 자기 간섭 신호를 제거하기 위해 수행하는 각 과정에 대하여 정리하면 다음과 같다.
(1) 학습 단계(과정)
학습 단계에서, 디지털 SIC는 복수의 프레임을 포함하는 학습용 신호를 수신하고, 프레임 단위로 신호를 처리할 수 있다.
디지털 SIC는 디지털 영역의 수신 신호(자기 간섭 신호)
Figure 112019106779891-pat00095
와 디지털 송신 신호
Figure 112019106779891-pat00096
에 기초하여, 수신된 학습용 신호의 각 프레임에 대한 자기 간섭 채널 계수(선형 채널 계수)
Figure 112019106779891-pat00098
를 추정할 수 있다. 이렇게 추정된 자기 간섭 채널 계수는 자기 간섭 신호의 선형 성분을 추정하기 위해 사용될 수 있다.
다음으로, 디지털 SIC는 자기 간섭 채널 계수 및 디지털 송신 신호에 기초하여 자기 간섭 신호의 선형 성분
Figure 112019106779891-pat00099
을 추정(구성)할 수 있다.
다음으로, 디지털 SIC는 수신 신호에서 추정된 선형 성분을 제거함으로써 자기 간섭 신호의 선형 성분을 제거할 수 있다.
다음으로, 디지털 SIC는 디지털 송신 신호를 입력으로 사용하고, 선형 성분이 제거된 자기 간섭 신호를 학습 레이블로 사용함으로써, MLP를 학습할 수 있다.
(1) 성능 테스트 단계(과정)
성능 테스트 단계에서, 디지털 SIC는 복수의 프레임을 포함하는 테스트 용 신호를 수신하고, 프레임 단위로 신호를 처리한 후, 평균적인 간섭 제거 성능을 평가할 수 있다. 한편, (1)의 학습 단계와 (2)의 성능 테스트 단계를 통칭하여, MLP 학습 단계로 지칭할 수 있다.
디지털 SIC는 MLP 기반 자기 간섭 제거를 위해 사용될 MLP를 호출할 수 있다.
다음으로, 디지털 SIC는 디지털 영역의 수신 신호
Figure 112019106779891-pat00100
와 디지털 송신 신호
Figure 112019106779891-pat00101
에 기초하여, 각 프레임에 대한 자기 간섭 채널 계수를 추정할 수 있다.
다음으로, 디지털 SIC는 자기 간섭 채널 계수에 기초하여 자기 간섭 신호의 선형 성분을 구성(추정)하여 제거할 수 있다.
다음으로, 디지털 SIC는 선형 성분이 제거된 자기 간섭 신호의 비선형 성분을 추정(구성)하여 제거할 수 있다.
이를 통해, MLP 기반 자기 간섭 제거 기법의 자기 간섭 제거 성능이 확인될 수 있다.
(3) 운용 단계(과정)
운용 단계에서, 디지털 SIC는 복수의 프레임을 포함하는 신호를 수신하고, 프레임 단위로 신호를 처리할 수 있다. 복수의 프레임이 수신된 경우, 디지털 SIC는 하나의 프레임에 대한 자기 간섭 제거가 끝난 뒤에, 다음 프레임에 대한 자기 간섭 제거를 수행할지 여부를 결정할 수 있다.
디지털 SIC는 MLP 기반 자기 간섭 제거를 위해 사용될 MLP를 호출할 수 있다.
다음으로, 디지털 SIC는 디지털 영역의 수신 신호
Figure 112019106779891-pat00102
와 디지털 송신 신호
Figure 112019106779891-pat00103
에 기초하여, 수신된 프레임에 대한 자기 간섭 채널 계수를 추정할 수 있다.
다음으로, 디지털 SIC는 자기 간섭 채널 계수에 기초하여 자기 간섭 신호의 선형 성분을 구성(추정)하여 제거할 수 있다.
다음으로, 디지털 SIC는 선형 성분이 제거된 자기 간섭 신호의 비선형 성분을 추정(구성)하여 제거할 수 있다.
수신된 프레임에 대한 자기 간섭 신호 제거가 완료된 경우, 디지털 SIC는 수신할 다른 프레임이 있는지를 확인할 수 있다. 수신할 다른 프레임이 있는 경우, 디지털 SIC는 다른 프레임을 수신하고, 해당 프레임에 대하여 상술한 동작을 수행할 수 있다. 만일, 더 이상 수신할 프레임이 없는 경우, 디지털 SIC는 자기 간섭 제거 프로세스를 종료할 수 있다.
한편, 상술한 도 3a, 도 3b 및 도 4에 예시된 구조를 갖는 디지털 SIC를 이용하여 신경망 기반 자기 간섭 제거(예컨대, MLP 기반 자기 간섭 제거)를 수행하는 경우, 송신기의 디지털 송신 신호만이 MLP로 입력된다. 즉, 채널 정보가 MLP로 입력되지 않기 때문에, 학습된 MLP는 채널 변화에 대응하지 못한다. 따라서, 시변 채널 환경에서 이 MLP를 추가 학습 없이 사용할 경우, MLP가 채널의 변화를 따라가지 못해 자기 간섭 신호의 비선형 성분의 제거가 충분히 수행되지 않게 된다. 또한, 이를 해결하기 위해, 시변 채널 환경에서 매번 MLP를 학습하여 자기 간섭 제거를 수행한다면 계산 복잡도 면에서 손실이 생기게 된다.
그러므로, 이하에서는 신경망 기반 자기 간섭 제거 기법(예컨대, MLP 기반 자기 간섭 제거 기법)을 이용하면서도, 채널 변화에 강인하게 동작할 수 있는 새로운 구조의 디지털 SIC를 예시적으로 설명한다. 이 새로운 구조의 디지털 SIC를 이용하는 경우, 다항식 모델 기반 자기 간섭 제거 기법에 비해 신경망 기반 자기 간섭 제거 기법의 계산량 측면의 장점을 유지하면서, 시변 채널 환경에서도 효과적인 자기 간섭 제거를 수행할 수 있게 된다.
도 5a 및 도 5b는 도 1 또는 도 2의 통신 장치의 디지털 SIC의 세부 구성의 다른 예를 나타낸다. 예를 들면, 도 5a는 도 1 또는 도 2의 통신 장치의 디지털 SIC의 신경망 학습을 위한 다른 예시적인 구조를 나타내고, 도 5b는 도 1 또는 도 2의 통신 장치의 디지털 SIC의 운용을 위한 다른 예시적인 구조를 나타낸다. 도 5a 및 도 5b에서는 도 3a 및 도 3b에서 상술한 내용과 중복된 설명은 생략한다.
도 5a 및 도 5b를 참조하면, 디지털 SIC(500)는 채널 추정기(channel estimator)(510), 입력 생성기(input generator)(520), 선형 제거기(linear canceller)(530) 및/또는 MLP(540)를 포함할 수 있다. 본 개시에서, MLP는 FC(fully connected) MLP로 지칭될 수도 있다.
이처럼, 도 5a 및 도 5b의 실시예에서는, 도 3a 및 도 3b의 실시예와 달리, 디지털 SIC가 입력 생성기를 더 포함할 수 있다. 이 경우, 채널 추정기에서 출력된 추정 채널 계수(선형 채널 계수)는 선형 제거기뿐만 아니라, 입력 생성기에서 사용될 수 있다. 이 채널 계수에 기초하여 생성된, 입력 생성기의 출력은 MLP로 입력될 수 있다. 이를 통해, 시변 채널 환경에서 MLP의 추가 학습 없이, 자기 간섭 신호가 효과적으로 제거될 수 있다.
이하에서는, 도 5a 및 도 5b를 참조하여 각 구성요소의 동작에 대하여 상세히 설명한다.
<채널 추정기>
채널 추정기는 선형 제거기에 의한 자기 간섭 신호의 선형 성분 제거 및 입력 생성기에 의한 MLP로의 입력 신호의 생성을 위해 필요한 추정 채널 계수(선형 채널 계수)를 생성(획득)할 수 있다.
다양한 예에 따라, 채널 추정기는 디지털 영역의 수신 신호
Figure 112019106779891-pat00104
와 디지털 송신 신호
Figure 112019106779891-pat00105
를 통해 추정 채널 계수
Figure 112019106779891-pat00106
를 생성할 수 있다. 예를 들면, 추정 채널 계수는 채널 추정기에서 고려한 최대 지연
Figure 112019106779891-pat00107
에 대하여 아래 식 (8)과 같이 표현될 수 있다.
Figure 112019106779891-pat00108
이렇게 생성된 추정 채널 계수는 채널 추정기에서 출력되어, 선형 제거기와 입력 생성기로 입력될 수 있다.
<선형 성분 제거기>
상술한 것처럼, MLP가 자기 간섭 신호의 선형 성분과 비선형 성분을 동시에 추정할 수 없기 때문에, 자기 간섭 신호의 선형 성분은 선형 제거기를 통해 MLP 이전에 제거된다.
다양한 예에 따라, 선형 제거기는 채널 추정기에서 획득한 추정 채널 계수와 디지털 송신 신호에 기초하여 자기 간섭 신호의 선형 성분을 제거할 수 있다. 이 경우, 선형 제거기는 예컨대, 상술한 식 (5)를 이용하여 자기 간섭 신호의 선형 성분
Figure 112019106779891-pat00109
을 추정하고, 상술한 식(6)을 이용하여 추정된 선형 성분이 제거된 자기 간섭 신호
Figure 112019106779891-pat00110
을 획득할 수 있다.
도 5a의 신경망 학습 과정에서는, 선형 제거기의 출력 신호가 학습 레이블로 사용될 수 있다. 또한, 도 5a 및 도 5b에서와 같이, 디지털 SIC는 선형 제거기의 출력 신호에서 MLP의 출력 신호를 제거함으로써, 디지털 영역의 간섭 신호 제거를 완료할 수 있다.
<입력 생성기>
입력 생성기는 MLP에 입력될 신호(데이터)를 생성할 수 있다. 채널 추정기를 통해 획득한 추정 채널 계수를 별도의 가공 없이 MLP로 입력하는 경우, 학습된 MLP가 채널의 변화에 대응하지 못하므로, 입력 생성기를 통해 MLP에 입력된 신호가 생성될 필요가 있다. MLP에 입력될 신호는 채널 정보(자기 간섭 채널의 정보)를 포함하는 신호일 수 있다.
다양한 예에 따라, 입력 생성기는 채널 추정기에서 출력된 추정 채널 계수 및/또는 송신기의 디지털 송신 신호에 기초하여 MLP에 입력될 신호를 생성할 수 있다. 이렇게 생성된 신호는 예컨대, 아래 식 (9)와 같이 표현될 수 있고, 도 6과 같이, 디지털 송신 신호와 함께 MLP로 입력될 수 있다.
Figure 112019106779891-pat00111
도 6은 도 5a 및 도 5b의 디지털 SIC의 MLP의 세부 구성의 일 예를 나타낸다. 도 6을 참조하면, MLP는 입력 층, 적어도 하나의 은닉층 및/또는 출력층을 포함한다.
다양한 예에 따라, 입력 층은 디지털 송신 신호와 입력 생성기에서 출력된 신호(예컨대, K 개의 실수 신호)를 입력 받을 수 있다. 또한, MLP는 D개의 은닉층을 포함할 수 있고, i 번째 은닉층은 Ni개의 노드를 포함할 수 잇다. 또한, 출력층은 2개의 노드를 포함할 수 있다. 이러한 구조의 MLP는 디지털 송신 신호 및 입력 생성기의 출력 신호를 입력으로 받고, 자기 간섭 신호의 비선형 성분을 추정하여 출력할 수 있다.
다양한 예에 따라, MLP에 입력될 신호는, 자기 간섭 신호의 경로 별 선형 성분을 포함할 수 있다. 예컨대, 자기 간섭 신호의 경로 별 선형 성분은 아래 식 (10) 및 (11)과 같이 표현될 수 있고, 도 7과 같이, 디지털 송신 신호와 함께 MLP로 입력될 수 있다.
Figure 112019106779891-pat00112
도 7은 도 5a 및 도 5b의 디지털 SIC의 MLP의 세부 구성의 다른 예를 나타낸다. 도 7을 참조하면, MLP는 입력 층, 은닉 층 및/또는 출력 층을 포함한다. 다양한 예에 따라, MLP는 단일 (D=1) 은닉 층을 포함하고, 52개 (M=13, K=26)의 입력 층 노드, 17개의 은닉 층 노드, 2개의 출력 층 노드를 포함할 수 있다. 이러한 구조의 MLP는 디지털 송신 신호 및 입력 생성기의 출력 신호를 입력으로 받고, 자기 간섭 신호의 비선형 성분을 추정하여 출력할 수 있다.
<MLP>
상술한 것처럼, MLP는 디지털 송신 신호와 입력 생성기의 출력 신호를 입력 받고, 이에 기초하여 자기 간섭 신호의 비선형 성분을 추정할 수 있다. 즉, 도 5a 및 도 5b의 실시예에 따른 MLP, 도 3a, 도 3b 및 도 4의 실시예에 따른 MLP와 달리, 입력 생성기의 출력 신호를 입력으로 더 수신한다. 이러한 입력 생성기의 출력 신호는 채널 추정기의 추정 채널 계수에 기초하여 생성되었기 때문에, 이를 입력으로 수신한 MLP는 시변 채널 환경에서 자기 간섭 신호의 비선형 성분을 효과적으로 제거할 수 있게 된다. 이와 같은 구조의 MLP를 사용하는 경우, 도 3a 및 도 3b의 MLP의 구조를 사용하는 것에 비해, MLP 기반의 디지털 SIP가 변화하는 채널에 대응할 수 있게 된다는 차별성을 갖는다. 이 경우, 채널이 변하더라도 MLP를 다시 학습할 필요가 없으므로, 시변 채널 환경에서 계산 복잡도 및 간섭 제거 성능 면에서 이점을 갖는다.
다양한 예에 따라, MLP의 학습을 위해, 선형 제거기의 출력 신호
Figure 112019106779891-pat00113
가 학습 레이블로 사용되고, 이 경우, 대응되는 입력은
Figure 112019106779891-pat00114
일 수 있다. 이 경우, Desired 신호가 없는 상황에서 시스템을 동작시켜서 순차적으로 수신되는 입력을 수집하여 데이터 집합을 구성하고, 이 데이터 집합을 이용하여 비선형 간섭 제거(자기 간섭 신호의 비선형 성분 제거)를 위한 MLP를 학습할 수 있다. 만일 학습이 성공적이라면, MLP가 출력하는
Figure 112019106779891-pat00115
이
Figure 112019106779891-pat00116
을 잘 근사하게 되어, 자기 간섭 신호를 효과적으로 제거할 수 있다.
다양한 예에 따라, 자기 간섭 신호의 비선형 성분의 제거는 선형 성분 제거기의 출력 신호
Figure 112019106779891-pat00117
에서 MLP의 출력 신호
Figure 112019106779891-pat00118
를 제거함으로써 수행될 수 있다. 이러한 자기 간섭 신호의 비선형 성분 제거는 예컨대, 상술한 식 (7)과 같이 표현될 수 있다.
도 8a, 도 8b 및 도 8c는 본 개시의 실시예에 따른 디지털 SIC가 신경망 기반 자기 간섭 제거 기법을 이용하여 자기 간섭 신호를 제거하기 위해 수행하는 방법의 순서도를 나타낸다. 도 8a, 도 8b 및 도 8c의 실시예에서, 디지털 SIC는 예컨대, 도 5a 및 도 5b 내지 도 7에 예시된 구조를 갖는 디지털 SIC일 수 있다.
도 8a는 본 개시의 실시예에 따른 디지털 SIC에 의해 수행되는 학습 과정의 순서도를 나타낸다.
학습 과정(단계)에서, 디지털 SIC는 복수의 프레임을 포함하는 학습용 신호를 수신하고, 프레임 단위로 신호를 처리할 수 있다.
단계 S8010에서, 디지털 SIC는 디지털 영역의 수신 신호(자기 간섭 신호)
Figure 112019106779891-pat00119
와 디지털 송신 신호
Figure 112019106779891-pat00120
에 기초하여, 수신된 학습용 신호의 각 프레임에 대한 자기 간섭 채널 계수(선형 채널 계수)
Figure 112019106779891-pat00121
를 추정할 수 있다. 예를 들면, 한 프레임이 10000 심볼을 포함한다면, 3 프레임을 학습 신호로 사용하는 경우, 총 30000 심볼의 수신 심볼 및 그에 대응하는 송신 신호가 학습 데이터를 구성하기 위해 사용될 수 있다. 추정된 자기 간섭 채널 계수(추정 채널 계수)는 자기 간섭 신호의 선형 성분 추정 및 MLP의 입력 신호 생성을 위해 사용될 수 있다.
단계 S8020에서, 디지털 SIC는 자기 간섭 채널 계수 및 디지털 송신 신호에 기초하여 자기 간섭 신호의 선형 성분
Figure 112019106779891-pat00122
을 추정(구성)하고, 수신 신호에서 추정된 선형 성분을 뺌으로써 자기 간섭 신호의 선형 성분을 제거할 수 있다. 선형 성분이 제거된 자기 간섭 신호
Figure 112019106779891-pat00123
는 MLP의 학습 레이블로 사용될 수 있다.
단계 S8030에서, 디지털 SIC는 추정 채널 계수 및 디지털 송신 신호에 기초하여 MLP의 입력 데이터의 일부인
Figure 112019106779891-pat00124
를 생성할 수 있다.
단계 S8040에서, 디지털 SIC는 디지털 송신 신호 및
Figure 112019106779891-pat00125
를 입력으로 사용하고, 선형 성분이 제거된 자기 간섭 신호
Figure 112019106779891-pat00126
를 학습 레이블로 사용함으로써, MLP를 학습할 수 있다.
도 8b는 본 개시의 실시예에 따른 디지털 SIC에 의해 수행되는 성능 테스트 과정의 순서도를 나타낸다.
성능 테스트 단계(과정)에서, 디지털 SIC는 복수의 프레임을 포함하는 테스트용 신호를 수신하고, 프레임 단위로 신호를 처리한 후, 평균적인 간섭 제거 성능을 평가할 수 있다. 한편, 도 8a의 학습 단계와 도 8b의 성능 테스트 단계를 통칭하여, MLP 학습 단계로 지칭할 수 있다.
단계 S8050에서, 디지털 SIC는 이미 학습된 MLP를 고정적으로 사용하기 위하여 호출할 수 있다. 예를 들면, 디지털 SIC는 이미 학습된 MLP를 미리 설정된 수의 프레임 동안 고정적으로 사용하기 위하여 호출할 수 있다.
단계 S8060에서, 디지털 SIC는 디지털 영역의 수신 신호
Figure 112019106779891-pat00127
와 디지털 송신 신호
Figure 112019106779891-pat00128
에 기초하여, 테스트용 신호의 각 프레임에 대한 자기 간섭 채널 계수(선형 채널 계수)를 추정할 수 있다. 추정된 자기 간섭 채널 계수(추정 채널 계수)는 자기 간섭 신호의 선형 성분 추정
Figure 112019106779891-pat00129
및 MLP의 입력 신호 생성
Figure 112019106779891-pat00131
을 위해 사용될 수 있다.
단계 S8070에서, 디지털 SIC는 자기 간섭 채널 계수 및 디지털 송신 신호에 기초하여 자기 간섭 신호의 선형 성분
Figure 112019106779891-pat00132
을 추정(구성)하고, 수신 신호에서 추정된 선형 성분을 뺌으로써 자기 간섭 신호의 선형 성분을 제거할 수 있다.
단계 S8080에서, 디지털 SIC는 추정 채널 계수 및 디지털 송신 신호에 기초하여 MLP에 입력될
Figure 112019106779891-pat00133
를 생성할 수 있다.
단계 S8090에서, 디지털 SIC는 디지털 송신 신호 및
Figure 112019106779891-pat00134
를 MLP에 입력하여, 자기 간섭 신호의 비선형 성분
Figure 112019106779891-pat00135
을 추정하여 제거할 수 있다.
단계 S8100에서, 디지털 SIC는 MLP 기반 자기 간섭 제거 기법의 평균적인 성능을 확인할 수 있다.
도 8c는 본 개시의 실시예에 따른 디지털 SIC에 의해 수행되는 운용 과정의 순서도를 나타낸다.
운용 단계(과정)에서, 디지털 SIC는 복수의 프레임을 포함하는 신호를 수신하고, 프레임 단위로 신호를 처리할 수 있다. 복수의 프레임이 수신된 경우, 디지털 SIC는 하나의 프레임에 대한 자기 간섭 제거가 끝난 뒤에, 다음 프레임에 대한 자기 간섭 제거를 수행할지 여부를 결정할 수 있다.
단계 S8110에서, 디지털 SIC는 MLP 기반 자기 간섭 제거를 위해 사용될 MLP를 호출할 수 있다. 예를 들면, 디지털 SIC는 이미 학습된 MLP를 미리 설정된 수의 프레임 동안 고정적으로 사용하기 위하여 호출할 수 있다.
단계 S8120에서, 디지털 SIC는 디지털 영역의 수신 신호
Figure 112019106779891-pat00136
와 디지털 송신 신호
Figure 112019106779891-pat00137
에 기초하여, 수신된 프레임에 대한 자기 간섭 채널 계수(선형 채널 계수)를 추정할 수 있다. 추정된 자기 간섭 채널 계수(추정 채널 계수)는 자기 간섭 신호의 선형 성분 추정
Figure 112019106779891-pat00138
및 MLP의 입력 신호 생성
Figure 112019106779891-pat00140
을 위해 사용될 수 있다.
단계 S8130에서, 디지털 SIC는 자기 간섭 채널 계수에 기초하여 자기 간섭 신호의 선형 성분
Figure 112019106779891-pat00141
을 구성(추정)하여 제거할 수 있다.
단계 S8140에서, 디지털 SIC는 추정 채널 계수 및 디지털 송신 신호에 기초하여 MLP에 입력될
Figure 112019106779891-pat00142
를 생성할 수 있다.
단계 S8150에서, 디지털 SIC는 디지털 송신 신호 및
Figure 112019106779891-pat00143
를 MLP에 입력하여, 자기 간섭 신호의 비선형 성분
Figure 112019106779891-pat00144
을 추정하여 제거할 수 있다.
단계 S8160에서, 디지털 SIC는 추가 프레임의 수신을 희망하는지를 확인할 수 있다. 추가 프레임의 수신을 희망하는 경우, 디지털 SIC는 단계 S1820의 절차로 되돌아 갈 수 있다. 또는, 추가 프레임의 수신을 희망하지 않는 경우, 디지털 SIC는 간섭 제거 프로세스를 종료할 수 있다.
이와 같이, 도 8a, 도 8b 및 도 8c의 실시예에 따라 자기 간섭 제거를 수행하는 경우, 디지털 SIC는 시변 채널 환경에서 자기 간섭 신호의 비선형 성분을 효과적으로 제거할 수 있게 된다.
도 9는 시불변 채널 환경에서의 신경망 기반 자기 간섭 제거 기법의 성능을 비교하기 위한 도면이다. 보다 상세하게는 도 9는, 도 3a 및 도 3b에 예시된 구조의 디지털 SIC를 포함하는 FD 통신 시스템의 신경망 기반 자기 간섭 제거 기법의 실시예(제1 실시예) 및 도 5a 및 도 5b에 예시된 구조의 디지털 SIC를 포함하는 FD 통신 시스템의 신경망 기반 자기 간섭 제거 기법의 실시예(제2 실시예) 간의 성능 비교를 보여준다. 도 9의 실시예서는, 이미 학습된 MLP가 성능 확인을 위한 실험을 수행하는 동안에, 다시 학습되지 않고 고정되어 사용되는 것을 전제한다.
아래 표 1은 도 9의 실험을 위한 통신 장치(FD 송수신기) 및 자기 간섭 신호에 대한 파라미터의 일 예를 나타낸다.
[표 1]
Figure 112019106779891-pat00145
표 1을 참조하면, FD 송수신기는 예컨대, 써큘레이터를 이용한 공유 안테나를 사용 안테나로서 사용할 수 있다. 다만, 이에 제한되지 않고, 다른 안테나 구조가 사용 안테나로서 사용될 수도 있다. 또한, 자기 간섭 채널의 다중 경로는 예컨대, 6개의 경로일 수 있다. 6개의 경로는 예컨대, 표 2와 같이 경로 1부터 경로 3까지는 공유 안테나의 내부 경로일 수 있고, 경로 4부터 경로 6까지는 공유 안테나의 외부 경로일 수 있다. FD 송수신기의 채널 추정기는 13개의 경로를 추정하도록 설계될 수 있다. 채널 추정기에서 사용한 채널 추정 기법은 예컨대, LS method일 수 있다. 자기 간섭 신호의 중심 주파수는 800MH이고 대역폭은 80MHz일 수 있다. 자기 간섭 신호는 송신 안테나에서 10dBm의 전력으로 전송될 수 있다. 자기 간섭 신호는 quadrature phase shift-keying (QPSK)으로 변조되며 한 프레임이 10000개의 심벌의 심벌로 구성될 수 있다. 자기 간섭 신호는 수신기의 analog-to-digital converter (ADC)에서 12.5nsec 단위로 샘플링되어 한 심벌에서 하나의 샘플이 생성될 수 있다.
표 2는 도 9의 실험을 위한 시불변 자기 간섭 채널 모델(경로 별 지연 및 감쇠)의 일 예를 나타낸다.
[표 2]
Figure 112019106779891-pat00146
표 2는 6개의 자기 간섭 신호 경로의 경로 지연 및 경로 손실의 일 예를 나타낸다. 경로 1부터 경로 3까지는 써큘레이터에 의한 공유 안테나의 내부 경로(내부 자기 간섭 신호 경로)로 지연이 심벌 주기의 1배, 2배, 3배일 수 있다. 경로 4부터 경로 6까지는 공유 안테나의 외부 경로(외부 자기 간섭 신호 경로)로 지연이 심벌 주기의 4배, 6배, 8배일 수 있다.
표 3은 도 9의 실험을 위한 시불변 채널 환경에서의 MLP 구조의 일 예를 나타낸다.
[표 3]
Figure 112019106779891-pat00147
표 3은 자기 간섭 신호의 비선형 성분 추정에 사용된 MLP의 정보를 예시적으로 나타낸다.
제1 실시예에서 사용한 MLP의 구조는 다음과 같다. 입력층에 노드가 26개로 13개의 디지털 송신 신호의 실수부의 값과 허수부의 값을 입력으로 받는다. 은닉층은 1개가 존재하며, 17개의 노드로 구성된다. 출력층은 2개의 노드로 구성되며 각각 자기 간섭 신호 비선형 성분의 실수부의 값과 허수부의 값이 출력된다. MLP에서 사용하는 비용 함수는 mean squared error (MSE)이고 활성 함수는 rectified linear unit (ReLU)이다.
제2 실시예에서 사용한 MLP는 입력층을 제외하면 종래 기법의 MLP와 동일한 구조로 사용된다. 제2 실시예의 MLP는 입력층이 52개의 노드로 구성된다. 26개의 노드에는 종래 기법과 동일하게 디지털 송신 신호가 입력되며 나머지 26개의 노드에는 MLP 입력 신호 생성기에서 출력된 신호가 입력된다. 모의실험에서는 도 7과 같이 신호가 입력된다.
MLP의 학습에 사용되는 데이터는 총 200개의 프레임으로부터 획득하여 MLP가 다양한 채널 환경에 대해 학습되도록 한다. 프레임 당 100개의 데이터를 얻어 총 20000개의 데이터가 학습에 사용된다. MLP의 weight 갱신은 Adam SGD optimizer를 사용해 수행되며 이를 위한 학습 mini-batch 크기를 32로한다. 학습률은 0.001로 설정하였다.
MLP 기반 자기 간섭 제거 성능 테스트를 위한 데이터는 총 100개의 프레임으로부터 획득하여 다양한 채널 환경에 대한 자기 간섭 제거 성능을 확인하도록 한다. 프레임 당 100개의 데이터를 얻어 총 10000개의 데이터가 테스트에 사용된다.
도 9를 참조하면, 채널이 변하지 않는 환경에서 제1 실시예의 자기 간섭 제거 기법과 제2 실시예의 자기 간섭 제거 기법의 학습 횟수에 따른 자기 간섭 제거 성능을 확인할 수 있다. 채널이 변하지 않는 환경에서는 제1 실시예의 MLP 기반 자기 간섭 제거 기법과 제2 실시예의 MLP 기반 자기 간섭 제거 기법을 사용하는 자기 간섭 제거기의 출력 신호는 모두 열 잡음 대비 3dB 위로 나타난다. 자기 간섭 제거기의 출력 신호는 열 잡음과 잔여 자기 간섭 신호로 구성되므로 자기 간섭 제거기의 출력 신호 전력과 열 잡음의 차이가 3dB 이내라면 자기 간섭 제거 후 잔여 자기 간섭 신호가 열 잡음 수준 이하로 제거 되었다고 생각할 수 있다. 자기 간섭 신호를 제거하기 위한 최소 학습 epoch은 40이고, 1 epoch은 20000개의 학습 데이터로 구성되어 있다.
도 10은 시변 채널 환경에서의 신경망 기반 자기 간섭 제거 기법의 성능을 비교하기 위한 도면이다. 보다 상세하게는 도 10은, 도 3a 및 도 3b에 예시된 구조의 디지털 SIC를 포함하는 FD 통신 시스템의 신경망 기반 자기 간섭 제거 기법의 실시예(제1 실시예) 및 도 5a 및 도 5b에 예시된 구조의 디지털 SIC를 포함하는 FD 통신 시스템의 신경망 기반 자기 간섭 제거 기법의 실시예(제2 실시예) 간의 성능 비교를 보여준다. 도 10의 실시예서는, 이미 학습된 MLP가 성능 확인을 위한 실험을 수행하는 동안에, 다시 학습되지 않고 고정되어 사용되는 것을 전제한다.
아래 표 4는 도 10의 실험을 위한 통신 장치(FD 송수신기) 및 자기 간섭 신호에 대한 파라미터의 일 예를 나타낸다.
[표 4]
Figure 112019106779891-pat00148
표 4를 참조하면, FD 송수신기는 예컨대, 써큘레이터를 이용한 공유 안테나를 사용 안테나로서 사용할 수 있다. 다만, 이에 제한되지 않고, 다른 안테나 구조가 사용 안테나로서 사용될 수도 있다. 또한, 자기 간섭 채널의 다중 경로는 예컨대, 6개의 경로일 수 있다. 6개의 경로는 예컨대, 표 2와 같이 경로 1부터 경로 3까지는 공유 안테나의 내부 경로일 수 있고, 경로 4부터 경로 6까지는 공유 안테나의 외부 경로일 수 있다. 이때, 내부 경로는 시불변 채널이고, 외부 경로는 시변 채널일 수 있다. 시변 채널은 Jake's model을 이용한 Rayleigh 모델로 구현하였다. FD 송수신기의 이동속도는 27km/h, 도플러 주파수를 20Hz로 설정하였다. FD 송수신기의 채널 추정기는 13개의 경로를 추정하도록 설계될 수 있다. 채널 추정기에서 사용한 채널 추정 기법은 예컨대, LS method일 수 있다. 자기 간섭 신호의 중심 주파수는 800MH이고 대역폭은 80MHz일 수 있다. 자기 간섭 신호는 송신 안테나에서 10dBm의 전력으로 전송될 수 있다. 자기 간섭 신호는 QPSK로 변조되며 한 프레임이 10000개의 심벌의 심벌로 구성될 수 있다. 자기 간섭 신호는 수신기의 ADC에서 12.5nsec 단위로 샘플링되어 한 심벌에서 하나의 샘플이 생성될 수 있다.
표 5는 도 10의 실험을 위한 시불변 자기 간섭 채널 모델(경로 별 지연 및 감쇠)의 일 예를 나타낸다.
[표 5]
Figure 112019106779891-pat00149
표 5를 참조하면, 경로 1부터 경로 3까지는 써큘레이터에 의한 공유 안테나의 내부 자기 간섭 신호 경로로 지연이 심벌 주기의 1배, 2배, 3배이며 채널이 변하지 않는다. 경로 4부터 경로 6까지는 공유 안테나의 외부 경로로 지연이 심벌 주기의 4배, 6배, 8배이며 시간에 따라 채널이 변한다.
표 6은 도 10의 실험을 위한 시불변 채널 환경에서의 MLP 구조의 일 예를 나타낸다.
[표 6]
Figure 112019106779891-pat00150
표 6은 자기 간섭 신호의 비선형 성분 추정에 사용된 MLP의 정보를 예시적으로 나타낸다.
제1 실시예에서 사용한 MLP의 구조는 다음과 같다. 입력층에 노드가 26개로 13개의 디지털 송신 신호의 실수부의 값과 허수부의 값을 입력으로 받는다. 은닉층은 1개가 존재하며, 17개의 노드로 구성된다. 출력층은 2개의 노드로 구성되며 각각 자기 간섭 신호 비선형 성분의 실수부의 값과 허수부의 값이 출력된다. MLP에서 사용하는 비용 함수는 MSE이고 활성 함수는 ReLU이다.
제2 실시예에서 사용한 MLP는 입력층을 제외하면 종래 기법의 MLP와 동일한 구조로 사용된다. 제2 실시예의 MLP는 입력층이 52개의 노드로 구성된다. 26개의 노드에는 종래 기법과 동일하게 디지털 송신 신호가 입력되며 나머지 26개의 노드에는 MLP 입력 신호 생성기에서 출력된 신호가 입력된다. 모의실험에서는 그림 7과 같이 신호가 입력된다.
MLP의 학습에 사용되는 데이터는 총 200개의 프레임으로부터 획득하여 MLP가 다양한 채널 환경에 대해 학습되도록 한다. 프레임 당 100개의 데이터를 얻어 총 20000개의 데이터가 학습에 사용된다. MLP의 weight 갱신은 Adam SGD optimizer를 사용해 수행되며 이를 위한 학습 mini-batch 크기를 32로한다. 학습률은 0.001로 설정하였다.
MLP 기반 자기 간섭 제거 성능 테스트를 위한 데이터는 총 100개의 프레임으로부터 획득하여 다양한 채널 환경에 대한 자기 간섭 제거 성능을 확인하도록 한다. 프레임 당 100개의 데이터를 얻어 총 10000개의 데이터가 테스트에 사용된다.
도 10을 참조하면, 채널이 변하는 환경에서 제1 실시예의 자기 간섭 제거 기법과 제2 실시예의 자기 간섭 제거 기법의 학습 횟수에 따른 자기 간섭 제거 성능을 확인할 수 있다. 채널이 변하는 환경에서 제1 실시예의 MLP 기반 자기 간섭 제거 기법은 자기 간섭 신호의 비선형 성분을 대부분 제거하지 못하였다. 제2 실시예의 MLP 기반 자기 간섭 제거 기법을 사용하는 자기 간섭 제거기의 출력 신호는 열 잡음 대비 3dB 위로 나타났다. 자기 간섭 제거기의 출력 신호는 열 잡음과 잔여 자기 간섭 신호로 구성되므로 자기 간섭 제거기의 출력 신호 전력과 열 잡음의 차이가 3dB 이내라면 자기 간섭 제거 후 잔여 자기 간섭 신호가 열 잡음 수준 이하로 제거 되었다고 생각할 수 있다. 자기 간섭 신호를 제거하기 위한 최소 학습 epoch은 40이고, 1 epoch은 20000개의 학습 데이터로 구성되어 있다.
도 11은 본 개시의 실시예에 따른 단말의 구조를 도시한 도면이다.
도 11을 참고하면, 단말은 송수신부 (1110), 제어부 (1120), 저장부 (1130)을 포함할 수 있다. 본 발명에서 제어부는, 회로 또는 어플리케이션 특정 통합 회로 또는 적어도 하나의 프로세서라고 정의될 수 있다.
송수신부 (1110)는 다른 네트워크 엔티티와 신호를 송수신할 수 있다. 송수신부(1110)는 예를 들어, 기지국으로부터 시스템 정보를 수신할 수 있으며, 동기 신호 또는 기준 신호를 수신할 수 있다.
제어부 (1120)은 본 개시에서 제안하는 실시예에 따른 단말의 전반적인 동작을 제어할 수 있다. 예를 들어, 제어부 (1120)는 상기에서 기술한 순서도에 따른 동작을 수행하도록 각 블록 간 신호 흐름을 제어할 수 있다. 구체적으로, 제어부(1120)는 본 개시의 실시예에 따른 FD 통신 시스템에서 자기 간섭 신호를 제거하기 위해 본 개시에서 제안하는 동작을 수행할 수 있다.
저장부(1130)는 상기 송수신부 (1110)를 통해 송수신되는 정보 및 제어부 (1120)을 통해 생성되는 정보 중 적어도 하나를 저장할 수 있다. 예를 들어, 저장부 (1130)는 자기 간섭 신호에 대한 채널 추정 정보 등을 저장할 수 있다.
도 12는 본 발명의 일 실시예에 따른 기지국의 구조를 도시한 도면이다.
도 12를 참고하면, 기지국은 송수신부 (1210), 제어부 (1220), 저장부 (1230)을 포함할 수 있다. 본 발명에서 제어부는, 회로 또는 어플리케이션 특정 통합 회로 또는 적어도 하나의 프로세서라고 정의될 수 있다.
송수신부 (1210)는 다른 네트워크 엔티티와 신호를 송수신할 수 있다. 송수신부(1210)는 예를 들어, 단말에 시스템 정보를 전송할 수 있으며, 동기 신호 또는 기준 신호를 전송할 수 있다.
제어부 (1220)은 본 발명에서 제안하는 실시예에 따른 기지국의 전반적인 동작을 제어할 수 있다. 예를 들어, 제어부 (1220)는 상기에서 기술한 순서도에 따른 동작을 수행하도록 각 블록 간 신호 흐름을 제어할 수 있다. 구체적으로, 제어부 (1220)는 본 개시의 실시예에 따른 FD 통신 시스템에서 자기 간섭 신호를 제거하기 위해 본 개시에서 제안하는 동작을 수행할 수 있다.
저장부(1230)는 상기 송수신부 (1210)를 통해 송수신되는 정보 및 제어부 (1220)을 통해 생성되는 정보 중 적어도 하나를 저장할 수 있다. 예를 들어, 저장부 (1230)는 자기 간섭 신호에 대한 채널 추정 정보 등을 저장할 수 있다.
도 13은 본 개시의 실시예에 따른 통신 장치의 자기 간섭 신호 제거 방법의 순서도를 나타낸다. 도 13 에서는 도 1 내지 12에서 상술한 설명과 중복된 설명은 생략한다.
다양한 예에 따라, 통신 장치는 FD를 지원하는 단말 또는 기지국이거나, FD를 지원하는 단말 또는 기지국의 송수신기(transceiver)이거나, 상기 송수신기 내의 디지털 SIC 또는 상기 송수신기를 포함하는 통신 모듈일 수 있다.
도 13을 참조하면, 통신 장치는 자기 간섭 신호에 대한 채널 추정 정보를 식별할 수 있다(S1310). 예를 들면, 통신 장치는 도 5a 및 도 5b에서 상술한 것처럼, 채널 추정기에 의해 추정된 상기 채널 추정 정보를 식별할 수 있다.
통신 장치는 자기 간섭 신호와 연관된 디지털 송신 신호 및 채널 추정 정보에 기초하여, 자기 간섭 신호의 비선형 성분 추정을 위한 입력으로 사용될 입력 데이터를 생성할 수 있다(S1320). 예를 들면, 통신 장치는 도 5a 및 도 5b에서 상술한 것처럼, 입력 생성기를 이용하여 상기 입력 데이터를 생성할 수 있다.
통신 장치는 디지털 송신 신호 및 입력 데이터에 기초하여, 자기 간섭 신호의 상기 비선형 성분을 추정할 수 있다(S1330). 예를 들면, 통신 장치는 도 5a 및 도 5b에서 상술한 것처럼, MLP를 이용하여 자기 간섭 신호의 비선형 성분을 추정할 수 있다.
다양한 예에 따라, 입력 데이터를 생성하는 단계는, 디지털 송신 신호에 상기 채널 추정 정보를 곱 함으로써, 입력 데이터를 생성하는 단계를 포함할 수 있다.
다양한 예에 따라, 미리 설정된 신경망 기반 자기 간섭 신호 제거 기법은 다층 신경망 기반 자기 간섭 신호 제거 기법일 수 있다. 다양한 예에 따라, 상기 비선형 성분을 추정하는 단계는 통신 장치의 미리 학습된 MLP 모듈에 의해 수행될 수 있다.
다양한 예에 따라, 상기 방법은 채널 추정 정보에 기초하여, 자기 간섭 신호의 선형 성분을 제거하는 단계를 더 포함할 수 있다. 또한, 상기 방법은 선형 성분이 제거된 자기 간섭 신호에서 상기 추정된 비선형 성분을 감산함으로써, 자기 간섭 신호의 비선형 성분을 제거하는 단계를 더 포함할 수 있다.
상술한 본 개시의 구체적인 실시 예들에서, 개시에 포함되는 구성 요소는 제시된 구체적인 실시 예에 따라 단수 또는 복수로 표현되었다. 그러나, 단수 또는 복수의 표현은 설명의 편의를 위해 제시한 상황에 적합하게 선택된 것으로서, 본 개시가 단수 또는 복수의 구성 요소에 제한되는 것은 아니며, 복수로 표현된 구성 요소라 하더라도 단수로 구성되거나, 단수로 표현된 구성 요소라 하더라도 복수로 구성될 수 있다.
한편 본 개시의 상세한 설명에서는 구체적인 실시 예에 관해 설명하였으나, 본 개시의 범위에서 벗어나지 않는 한도 내에서 여러 가지 변형이 가능함은 물론이다. 그러므로 본 개시의 범위는 설명된 실시 예에 국한되어 정해져서는 아니 되며 후술하는 특허청구의 범위뿐만 아니라 이 특허청구의 범위와 균등한 것들에 의해 정해져야 한다.
본 개시의 다양한 실시 예들 및 이에 사용된 용어들은 본 개시에 기재된 기술을 특정한 실시 형태에 대해 한정하려는 것이 아니며, 해당 실시예의 다양한 변경, 균등물, 및/또는 대체물을 포함하는 것으로 이해되어야 한다. 도면의 설명과 관련하여, 유사한 구성요소에 대해서는 유사한 참조 부호가 사용될 수 있다. 단수의 표현은 문맥상 명백하게 다르게 뜻하지 않는 한, 복수의 표현을 포함할 수 있다. 본 개시에서, "A 또는 B", "A 및/또는 B 중 적어도 하나", "A, B 또는 C" 또는 "A, B 및/또는 C 중 적어도 하나" 등의 표현은 함께 나열된 항목들의 모든 가능한 조합을 포함할 수 있다. "제1", "제2", "첫째" 또는 "둘째" 등의 표현들은 해당 구성요소들을, 순서 또는 중요도에 상관없이 수식할 수 있고, 한 구성요소를 다른 구성요소와 구분하기 위해 사용될 뿐 해당 구성요소들을 한정하지 않는다. 어떤(예: 제1) 구성요소가 다른(예: 제2) 구성요소에 "(기능적으로 또는 통신적으로) 연결되어" 있다거나 "접속되어" 있다고 언급된 때에는, 상기 어떤 구성요소가 상기 다른 구성요소에 직접적으로 연결되거나, 다른 구성요소(예: 제3 구성요소)를 통하여 연결될 수 있다.
본 개시에서 사용된 용어 "모듈"은 하드웨어, 소프트웨어 또는 펌웨어로 구성된 유닛을 포함하며, 예를 들면, 로직, 논리 블록, 부품, 또는 회로 등의 용어와 상호 호환적으로 사용될 수 있다. 모듈은, 일체로 구성된 부품 또는 하나 또는 그 이상의 기능을 수행하는 최소 단위 또는 그 일부가 될 수 있다. 예를 들면, 모듈은 ASIC(application-specific integrated circuit)으로 구성될 수 있다.
본 개시의 다양한 실시 예들은 기기(machine)(예: 컴퓨터)로 읽을 수 있는 저장 매체(machine-readable storage media)(예: 내장 메모리 또는 외장 메모리에 저장된 명령어를 포함하는 소프트웨어(예: 프로그램)로 구현될 수 있다. 기기는, 저장 매체로부터 저장된 명령어를 호출하고, 호출된 명령어에 따라 동작이 가능한 장치로서, 다양한 실시 예들에 따른 단말을 포함할 수 있다. 상기 명령이 프로세서에 의해 실행될 경우, 프로세서가 직접, 또는 상기 프로세서의 제어 하에 다른 구성요소들을 이용하여 상기 명령에 해당하는 기능을 수행할 수 있다. 명령은 컴파일러 또는 인터프리터에 의해 생성 또는 실행되는 코드를 포함할 수 있다.
기기로 읽을 수 있는 저장매체는, 비일시적(non-transitory) 저장매체의 형태로 제공될 수 있다. 여기서, '비일시적'은 저장매체가 신호(signal)를 포함하지 않으며 실재(tangible)한다는 것을 의미할 뿐 데이터가 저장매체에 반영구적 또는 임시적으로 저장됨을 구분하지 않는다.
본 개시에 개시된 다양한 실시 예들에 따른 방법은 컴퓨터 프로그램 제품(computer program product)에 포함되어 제공될 수 있다. 컴퓨터 프로그램 제품은 상품으로서 판매자 및 구매자 간에 거래될 수 있다. 컴퓨터 프로그램 제품은 기기로 읽을 수 있는 저장 매체(예: compact disc read only memory (CD-ROM))의 형태로, 또는 어플리케이션 스토어(예: 플레이 스토어TM)를 통해 온라인으로 배포될 수 있다. 온라인 배포의 경우에, 컴퓨터 프로그램 제품의 적어도 일부는 제조사의 서버, 어플리케이션 스토어의 서버, 또는 중계 서버의 메모리와 같은 저장 매체에 적어도 일시 저장되거나, 임시적으로 생성될 수 있다.다양한 실시 예들에 따른 구성 요소(예: 모듈 또는 프로그램) 각각은 단수 또는 복수의 개체로 구성될 수 있으며, 전술한 해당 서브 구성 요소들 중 일부 서브 구성 요소가 생략되거나, 또는 다른 서브 구성 요소가 다양한 실시 예에 더 포함될 수 있다. 대체적으로 또는 추가적으로, 일부 구성 요소들(예: 모듈 또는 프로그램)은 하나의 개체로 통합되어, 통합되기 이전의 각각의 해당 구성 요소에 의해 수행되는 기능을 동일 또는 유사하게 수행할 수 있다. 다양한 실시 예들에 따른, 모듈, 프로그램 또는 다른 구성 요소에 의해 수행되는 동작들은 순차적, 병렬적, 반복적 또는 휴리스틱하게 실행되거나, 적어도 일부 동작이 다른 순서로 실행되거나, 생략되거나, 또는 다른 동작이 추가될 수 있다.

Claims (14)

  1. FD(full duplex)를 지원하는 통신 장치의 자기 간섭 신호 제거 방법에 있어서,
    자기 간섭 신호에 대한 채널 추정 정보를 식별하는 단계;
    상기 자기 간섭 신호와 연관된 디지털 송신 신호 및 상기 채널 추정 정보에 기초하여 상기 자기 간섭 신호의 비선형 성분 추정을 위한 입력으로 사용될 입력 데이터를 생성하는 단계; 및
    상기 디지털 송신 신호 및 상기 입력 데이터를 출력층을 포함하는 미리 훈련된 FC-MLP(fully connected multilayer perceptron) 모듈의 입력으로 사용하여, 기 설정된 신경망 기반 자기 간섭 신호 제어 방법에 기반하여 상기 자기 간섭 신호의 상기 비선형 성분을 추정하는 단계를 포함하며,
    상기 입력 데이터는 상기 자기 간섭 신호의 각 경로의 선형 성분을 포함하고,
    상기 출력층은 상기 자기 간섭 신호의 비선형 성분의 실수부 성분을 출력하는 제1 노드 및 상기 자기 간섭신호의 허수부 성분을 출력하는 제2 노드를 포함하는 것을 특징으로 하는 방법.

  2. 제1항에 있어서, 상기 입력 데이터를 생성하는 단계는,
    상기 디지털 송신 신호와 상기 채널 추정 정보를 곱하여, 상기 입력 데이터를 생성하는 단계를 포함하는 것을 특징으로 하는 방법.
  3. 제1항에 있어서,
    상기 기 설정된 신경망 기반 자기 간섭 신호 제거 기법은 다층 신경망 기반 자기 간섭 신호 제거 기법인 것을 특징으로 하는 방법.
  4. 삭제
  5. 제1항에 있어서,
    상기 채널 추정 정보에 기초하여 상기 자기 간섭 신호의 선형 성분을 제거하는 단계를 더 포함하는 것을 특징으로 하는 방법.
  6. 제5항에 있어서,
    상기 선형 성분이 제거된 자기 간섭 신호에서 상기 추정된 비선형 성분을 감산하여 상기 자기 간섭 신호의 비선형 성분을 제거하는 단계를 더 포함하는 것을 특징으로 하는 방법.
  7. 제1항에 있어서,
    상기 통신 장치는 단말의 통신 장치 또는 기지국의 통신 장치인 것을 특징으로 하는 방법.
  8. FD(full duplex)를 지원하는 통신 장치에 있어서,
    트랜시버; 및
    트랜시버와 연결된 적어도 하나의 프로세서를 포함하며,
    상기 적어도 하나의 프로세서는:
    자기 간섭 신호에 대한 채널 추정 정보를 식별하고,
    상기 자기 간섭 신호와 연관된 디지털 송신 신호 및 상기 채널 추정 정보에 기초하여, 상기 자기 간섭 신호의 비선형 성분 추정을 위한 입력으로 사용될 입력 데이터를 생성며, 상기 디지털 송신 신호 및 상기 입력 데이터를 출력층을 포함하는 미리 훈련된 FC-MLP(fully connected multilayer perceptron) 모듈의 입력으로 사용하여, 기 설정된 신경망 기반 자기 간섭 신호 제어 방법에 기반하여 상기 자기 간섭 신호의 상기 비선형 성분을 추정하며,
    상기 입력 데이터는 상기 자기 간섭 신호의 각 경로의 선형 성분을 포함하고, 상기 출력층은 상기 자기 간섭 신호의 비선형 성분의 실수부 성분을 출력하는 제1 노드 및 상기 자기 간섭 신호의 허수부 성분을 출력하는 제2 노드를 포함하는 것을 특징으로 하는 통신 장치.
  9. 제8항에 있어서,
    상기 적어도 하나의 프로세서는
    상기 디지털 송신 신호와 상기 채널 추정 정보를 곱하여 상기 입력 데이터를 생성하도록 제어하는 것을 특징으로 하는 통신 장치.
  10. 제8항에 있어서,
    상기 기 설정된 신경망 기반 자기 간섭 신호 제거 기법은 다층 신경망 기반 자기 간섭 신호 제거 기법인 것을 특징으로 하는 통신 장치.
  11. 삭제
  12. 제8항에 있어서,
    상기 적어도 하나의 프로세서는,
    상기 채널 추정 정보에 기초하여 상기 자기 간섭 신호의 선형 성분을 제거하도록 제어하는 것을 특징으로 하는 통신 장치.
  13. 제12항에 있어서,
    상기 적어도 하나의 프로세서는,
    상기 선형 성분이 제거된 자기 간섭 신호에서 상기 추정된 비선형 성분을 감산하여 상기 자기 간섭 신호의 비선형 성분을 제거하도록 제어하는 것을 특징으로 하는 통신 장치.
  14. 제8항에 있어서,
    상기 통신 장치는 단말의 통신 장치 또는 기지국의 통신 장치인 것을 특징으로 하는 통신 장치.

KR1020190130269A 2019-10-18 2019-10-18 자기 간섭 신호 제거를 위한 방법 및 장치 KR102614383B1 (ko)

Priority Applications (2)

Application Number Priority Date Filing Date Title
KR1020190130269A KR102614383B1 (ko) 2019-10-18 2019-10-18 자기 간섭 신호 제거를 위한 방법 및 장치
US17/073,148 US11528049B2 (en) 2019-10-18 2020-10-16 Apparatus and method for self-interference signal cancellation

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
KR1020190130269A KR102614383B1 (ko) 2019-10-18 2019-10-18 자기 간섭 신호 제거를 위한 방법 및 장치

Publications (2)

Publication Number Publication Date
KR20210046494A KR20210046494A (ko) 2021-04-28
KR102614383B1 true KR102614383B1 (ko) 2023-12-15

Family

ID=75492316

Family Applications (1)

Application Number Title Priority Date Filing Date
KR1020190130269A KR102614383B1 (ko) 2019-10-18 2019-10-18 자기 간섭 신호 제거를 위한 방법 및 장치

Country Status (2)

Country Link
US (1) US11528049B2 (ko)
KR (1) KR102614383B1 (ko)

Families Citing this family (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN114301742B (zh) * 2021-12-23 2024-01-09 北京邮电大学 信道估计方法及装置
WO2023150180A2 (en) * 2022-02-01 2023-08-10 Trellisware Technologies, Inc. Adjacent-channel interference characterization for in-band interference excision in wireless communication systems
CN114938232B (zh) * 2022-06-15 2023-04-07 北京邮电大学 基于lstm的同时同频全双工数字域自干扰抑制方法
CN115842566B (zh) * 2022-11-28 2023-09-15 哈尔滨工程大学 一种基于CNN-Bi-LSTM的干扰机自干扰数字对消方法

Family Cites Families (10)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US10284356B2 (en) * 2011-02-03 2019-05-07 The Board Of Trustees Of The Leland Stanford Junior University Self-interference cancellation
US9484974B2 (en) * 2014-09-10 2016-11-01 Qualcomm Incorporated Methods and systems for multi-layer perceptron based non-linear interference management in multi-technology communication devices
US9973326B2 (en) * 2014-11-17 2018-05-15 Electronics And Telecommunications Research Institute Method and apparatus for transmitting/receiving signal in inband full duplex system
KR102126808B1 (ko) * 2015-04-15 2020-06-25 에스케이텔레콤 주식회사 단말장치 및 단말장치의 동작 방법
US10432250B2 (en) * 2016-09-13 2019-10-01 Electronics And Telecommunications Research Institute Method for cancelling self-interference of in-band full-duplex multiple-input multiple-output wireless communication
KR101971781B1 (ko) 2017-02-03 2019-04-23 한국과학기술원 상호 커플링 기반의 편파 안테나를 이용한 전이중 방식 송수신 장치 및 동작 방법 그리고 안테나
WO2018183384A1 (en) * 2017-03-27 2018-10-04 Kumu Networks, Inc. Systems and methods for intelligently-tunded digital self-interference cancellation
KR102331100B1 (ko) * 2017-12-11 2021-11-26 한국전자통신연구원 반복 추정에 기반한 자기간섭신호 추정 방법 및 이를 위한 장치
US10868661B2 (en) * 2019-03-14 2020-12-15 Kumu Networks, Inc. Systems and methods for efficiently-transformed digital self-interference cancellation
US10979097B2 (en) * 2019-09-05 2021-04-13 Micron Technology, Inc. Wireless devices and systems including examples of full duplex transmission using neural networks or recurrent neural networks

Also Published As

Publication number Publication date
KR20210046494A (ko) 2021-04-28
US20210119665A1 (en) 2021-04-22
US11528049B2 (en) 2022-12-13

Similar Documents

Publication Publication Date Title
KR102614383B1 (ko) 자기 간섭 신호 제거를 위한 방법 및 장치
Araújo et al. Massive MIMO: survey and future research topics
Li et al. An investigation into baseband techniques for single-channel full-duplex wireless communication systems
CN111049615B (zh) 处理信号的方法和装置
KR20230058386A (ko) 채널 상태 압축 및 피드백을 위한 구성가능 메트릭들
CN105814855A (zh) 超Nyquist发送系统中的预编码
US9363003B2 (en) Transmitter and wireless communication method
CN106664273A (zh) Mimo同信道全双工收发器中的干扰抵消
CN107026673A (zh) 一种数字辅助的模拟域干扰抵消方法与装置
EP3643025A1 (en) Sub-band compression domain processing for uplink mimo systems
EP3065361A1 (en) Digital interference cancellation apparatus and method for wireless full duplex system and transceiver
CN105187115A (zh) 正交频分复用ofdm同时同频全双工中继方法
CN105049067A (zh) 一种基于导频信号的无源互调干扰对消方法
KR102369812B1 (ko) 대역내 전이중 송수신 방법 및 장치
Despina-Stoian et al. Comparison of adaptive filtering strategies for self-interference cancellation in LTE communication systems
WO2017010623A1 (ko) 무선통신 시스템에서 비선형 자기간섭 채널을 추정하기 위한 방법 및 이를 위한 장치
US11184065B2 (en) Orthogonal training signals for transmission in an antenna array
CN113228528B (zh) 预编码设置
EP3275091B1 (en) Preparing transmission signals for transmission
Ali et al. Effect of residual of self-interference in performance of full-duplex D2D communication
KR20200011711A (ko) I/q 캘리브레이션 방법 및 그 장치
TWI812864B (zh) 具有高容量的新穎通信系統
Zhang et al. Residual self‐interference suppression guided resource allocation for full‐duplex orthogonal frequency division multiple access system
KR102382689B1 (ko) 대역내 전이중 mimo 송수신 방법 및 장치
Miranda et al. On massive MIMO and its applications to machine type communications and FBMC-based networks

Legal Events

Date Code Title Description
A201 Request for examination
E902 Notification of reason for refusal
E701 Decision to grant or registration of patent right
GRNT Written decision to grant