KR20190007698A - 다중 접속 방식을 지원하는 무선통신 시스템에서 신호의 수신 및 송신하는 방법과 이를 위한 통신 장치 - Google Patents

Abstract

다중 접속 방식을 지원하는 무선통신 시스템에서 기지국이 신호를 수신하는 방법은, 복수의 단말로부터 동일 시간 단위에서 신호들을 수신하는 단계; 및 다중 단말을 동시 검출을 위한 압축 센싱 기반 알고리즘을 이용하여 상기 신호들의 각 코드워드 블록으로부터 액티브(active) 단말의 식별자 및 상기 액티브 단말의 변조된 심볼의 정보를 복구하는 단계를 포함할 수 있다.

Description

다중 접속 방식을 지원하는 무선통신 시스템에서 신호의 수신 및 송신하는 방법과 이를 위한 통신 장치{Method for transmitting and receiving signals in wireless communication system supporting multiple access scheme and communication apparatus therefor}

본 발명은 다중 접속 방식을 지원하는 무선통신 시스템에 관한 것으로, 보다 상세하게는 다중 접속 방식을 지원하는 무선통신 시스템에서 신호의 수신 및 송신하는 방법과 이를 위한 통신 장치에 관한 것이다.

3GPP LTE (3rd Generation Partnership Project Long Term Evolution) 시스템은 1ms TTI (transmission time interval)를 가지는 프레임 구조로 디자인 되었으며, 비디오(video) 어플리케이션을 위해 데이터 요구 지연 시간은 10ms이었다.

그러나, 미래의 5G 기술은 실시간 제어(real-time control) 및 촉감 인터넷(tactile internet)과 같은 새로운 어플리케이션의 등장으로 더욱 낮은 지연의 데이터 전송을 요구하고 있으며, 5G 데이터 요구 지연은 1ms까지 낮춰질 것으로 예상된다. 또한, 미래의 5G 기술은 하나의 기지국에 더욱 많은 단말 연결성이 요구되고 있으며, 5G 요구 연결성은 최대 1,000,000/km²까지 증가될 것으로 예상된다.

본 발명에서 이루고자 하는 기술적 과제는 다중 접속 방식을 지원하는 무선통신 시스템에서 기지국이 신호를 수신하는 방법을 제공하는 데 있다.

본 발명에서 이루고자 하는 다른 기술적 과제는 다중 접속 방식을 지원하는 무선통신 시스템에서 단말이 신호를 전송하는 방법을 제공하는 데 있다.

본 발명에서 이루고자 하는 또 다른 기술적 과제는 다중 접속 방식을 지원하는 무선통신 시스템에서 신호를 수신하기 위한 기지국을 제공하는 데 있다.

본 발명에서 이루고자 하는 또 다른 기술적 과제는 다중 접속 방식을 지원하는 무선통신 시스템에서 신호를 전송하기 위한 단말을 제공하는 데 있다.

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

상기의 기술적 과제를 달성하기 위한, 다중 접속 방식을 지원하는 무선통신 시스템에서 기지국이 신호를 수신하는 방법은, 복수의 단말로부터 동일 시간 단위에서 신호들을 수신하는 단계; 및 다중 단말을 동시 검출을 위한 압축 센싱 기반 알고리즘을 이용하여 상기 신호들의 각 코드워드 블록으로부터 액티브(active) 단말의 식별자 및 상기 액티브 단말의 변조된 심볼의 정보를 복구하는 단계를 포함할 수 있다.

상기 방법에서 상기 액티브 단말의 식별자를 복구하는 단계는, 상기 각 코드워드 블록 각각에 대하여 상기 압축 센싱 기반 알고리즘을 수행하여 검출된 단말들의 식별자 세트를 저장하는 단계; 및

상기 각 코드워드 블록에 대한 상기 검출된 단말들의 식별자 세트에서의 단말 분포도에 기초하여 상기 액티브 단말의 수 및 상기 액티브 단말의 식별자를 획득하는 단계를 포함할 수 있다.

상기 방법은 상기 복구된 액티브 단말의 변조된 심볼 정보에 기초하여 상기 액티브 단말이 전송한 비트 단위의 정보를 복구하는 단계를 더 포함할 수 있다. 상기 단말 분포도에 기초한 상기 액티브 단말의 수는 상기 검출된 단말들의 식별자 세트에서 확률로서 가장 높은 분포를 가지는 단말의 수에 해당할 수 있다.

상기 방법에서, 상기 검출된 단말들의 식별자 세트는 바이너리 인덱스(binary index)로 상기 검출된 단말들을 가리키는 벡터로 표현되고, 상기 벡터에서 소정의 k개의 큰 값들의 인덱스들에 대응하는 단말을 상기 액티브 단말로 결정할 수 있다.

상기의 다른 기술적 과제를 달성하기 위한, 다중 접속 방식을 지원하는 무선통신 시스템에서 단말이 신호를 전송하는 방법은, 전송을 위한 정보 비트 스트림에 소정의 코딩 방식을 사용하여 인코딩하는 단계; 상기 인코딩된 비트 스트림을 여러 개의 조각(fraction)으로 분할(segmentation)하는 단계; 및 소정의 코드북에 기초하여 상기 분할된(segmented) 비트들의 분할된 시퀀스를 심볼로 맵핑할 때 심볼 간 거리를 최대화하도록 맵핑할 수 있다. 상기 심볼 간 거리를 최대화하도록 맵핑은 복소 벡터 공간 상에서의 서브공간(subspace)에 해당하는 그래스매니안 매니폴드(Grassmannian manifold) 위에서 거리가 최대가 되도록 맵핑하는 것 일 수 있다. 상기 방법은, 미리 주어진 복수의 임의의 식별자 중에서 어느 한 식별자를 선택하는 단계; 상기 심볼에 맵핑된 정보, 상기 선택된 식별자 및 사전에 정의된 센싱 행렬에 기초하여 송신 신호를 구성하는 단계; 및 상기 송신 신호를 기지국으로 전송하는 단계를 포함할 수 있다.

상기의 또 다른 기술적 과제를 달성하기 위한, 다중 접속 방식을 지원하는 무선통신 시스템에서 신호를 수신하기 위한 기지국은, 복수의 단말로부터 동일 시간 단위에서 신호들을 수신하는 수신기; 및 다중 단말을 동시 검출을 위한 압축 센싱 기반 알고리즘을 이용하여 상기 신호들의 각 코드워드 블록으로부터 액티브(active) 단말의 식별자 및 상기 액티브 단말의 변조된 심볼의 정보를 복구하는 프로세서를 포함할 수 있다.

상기 프로세서는, 상기 액티브 단말의 식별자의 복구하기 위하여, 상기 각 코드워드 블록 각각에 대하여 상기 압축 센싱 기반 알고리즘을 수행하여 검출된 단말들의 식별자 세트를 저장하고,

상기 각 코드워드 블록에 대한 상기 검출된 단말들의 식별자 세트에서의 단말 분포도에 기초하여 상기 액티브 단말의 수 및 상기 액티브 단말의 식별자를 획득할 수 있다. 상기 프로세서는 상기 복구된 액티브 단말의 변조된 심볼 정보에 기초하여 상기 액티브 단말이 전송한 비트 단위의 정보를 복구할 수 있다. 상기 단말 분포도에 기초한 상기 액티브 단말의 수는 상기 검출된 단말들의 식별자 세트에서 확률로서 가장 높은 분포를 가지는 단말의 수에 해당할 수 있다. 상기 검출된 단말들의 식별자 세트는 바이너리 인덱스(binary index)로 상기 검출된 단말들을 가리키는 벡터로 표현되고, 상기 프로세서는 상기 벡터에서 소정의 k개의 큰 값들의 인덱스들에 대응하는 단말을 상기 액티브 단말로 결정할 수 있다.

상기의 또 다른 기술적 과제를 달성하기 위한, 다중 접속 방식을 지원하는 무선통신 시스템에서 신호를 전송하는 단말은, 전송을 위한 정보 비트 스트림에 소정의 코딩 방식을 사용하여 인코딩하고, 상기 인코딩된 비트 스트림을 여러 개의 조각(fraction)으로 분할(segmentation)하며, 소정의 코드북에 기초하여 상기 분할된(segmented) 비트들의 분할된 시퀀스를 심볼로 맵핑할 때 심볼 간 거리를 최대화하도록 맵핑하는 프로세서를 포함할 수 있다. 상기 프로세서는 미리 주어진 복수의 임의의 식별자 중에서 어느 한 식별자를 선택하고, 상기 심볼에 맵핑된 정보, 상기 선택된 식별자 및 사전에 정의된 센싱 행렬에 기초하여 송신 신호를 구성하며, 상기 송신 신호를 기지국으로 전송하는 송신기를 포함할 수 있다.

본 발명의 다양한 실시예에 따라, 송신 측에서 복수의 단말들이 동시에 신호를 전송하더라도 수신 측인 기지국에서 신호를 정확히 복구해 낼 수 있도록 함으로써 다중 접속을 지원하는 무선통신 시스템의 성능을 현저히 향상시킬 수 있다.

본 발명에서 얻은 수 있는 효과는 이상에서 언급한 효과들로 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 실시예를 제공하고, 상세한 설명과 함께 본 발명의 기술적 사상을 설명한다.
도 1은 무선통신 시스템(100)에서의 기지국(105) 및 단말(110)의 구성을 도시한 블록도이다.
도 2는 통신 장치의 NOMA 기반 하향링크 전송/수신(Tx/Rx) 블록도를 예시한 도면이다.
도 3은 통신 장치의 NOMA 기반 상향링크 전송/수신 블록도를 예시한 도면이다.
도 4는 압축 센싱 기반한 경쟁 기반 MA의 개념을 설명하기 위한 예시적인 도면이다.
도 5는 기지국이 2개의 수신 안테나를 가정한 경우의 무선 채널을 예시한 도면이다.
도 6은 16-QAM에서의 그레이 코딩을 설명하기 위한 예시적인 도면이다.
도 7은 8-PSK에서의 그레이 코딩을 설명하기 위한 예시적인 도면이다.
도 8은 압축 센싱 기반 다중 접속 시스템을 설명하기 위한 예시적인 도면이다.
도 9는 본 발명에서 제안하는 전체 시스템 블록도를 예시한 도면이다.
도 10은 임의의 ID를 선택하는 방법을 설명하기 위한 예시적인 도면이다.
도 11은 본 발명에서 제안하는 TMSL의 블록도를 예시한 도면이다.
도 12의 (a)는 Grassmannian manifold의 학습을 통하여 정의된 sequence set과 random Gaussian을 통하여 정의된 sequence set이 가지는 coherence의 차이를 보여주는 도면이고, 도 12의 (b)는 크기 32를 가지는 512개의 sequence를 두 가지 서로 다른 방식으로 생성하여, 그것의 coherence를 비교한 도면이다.
도 13은 Grassmannian manifold를 이용한 sequence 설계 및 Gray code 설계 알고리즘의 block diagram를 나타내고 있다.
도 14의 (a)는 raw Grassmannian과 Gray Grassmannian에서의 Block recovery rate를 나타내고 있고, 도 14의 (b)는 raw Grasmannian과 Gray Grassmannian에서의 Bit recovery rate를 나타내고 있다.
도 15는 제안 알고리즘과 기존 알고리즘 간의 검출 확률 비교한 도면이다.
도 16의 (a)는 제안 알고리즘과 기존 알고리즘 간의 Bit recovery rate, 도 16의 (b)는 제안 알고리즘과 기존 알고리즘 간의 Block recovery rate를 나타낸 도면이다.
도 17의 (a)는 SNR -5dB, 사용자 17명일 때의 Bit/block recovery rate를 나타내고, 도 17의 (b)는 SNR -5dB, 사용자 17명일 때의 User detection rate을 나타낸다.

이하, 본 발명에 따른 바람직한 실시 형태를 첨부된 도면을 참조하여 상세하게 설명한다. 첨부된 도면과 함께 이하에 개시될 상세한 설명은 본 발명의 예시적인 실시형태를 설명하고자 하는 것이며, 본 발명이 실시될 수 있는 유일한 실시형태를 나타내고자 하는 것이 아니다. 이하의 상세한 설명은 본 발명의 완전한 이해를 제공하기 위해서 구체적 세부사항을 포함한다. 그러나, 당업자는 본 발명이 이러한 구체적 세부사항 없이도 실시될 수 있음을 안다. 예를 들어, 이하의 상세한 설명은 이동통신 시스템이 3GPP LTE, LTE-A 시스템인 경우를 가정하여 구체적으로 설명하나, 3GPP LTE, LTE-A의 특유한 사항을 제외하고는 다른 임의의 이동통신 시스템에도 적용 가능하다.

몇몇 경우, 본 발명의 개념이 모호해지는 것을 피하기 위하여 공지의 구조 및 장치는 생략되거나, 각 구조 및 장치의 핵심기능을 중심으로 한 블록도 형식으로 도시될 수 있다. 또한, 본 명세서 전체에서 동일한 구성요소에 대해서는 동일한 도면 부호를 사용하여 설명한다.

아울러, 이하의 설명에 있어서 단말은 UE(User Equipment), MS(Mobile Station), AMS(Advanced Mobile Station) 등 이동 또는 고정형의 사용자단 기기를 통칭하는 것을 가정한다. 또한, 기지국은 Node B, eNode B, Base Station, AP(Access Point) 등 단말과 통신하는 네트워크 단의 임의의 노드를 통칭하는 것을 가정한다. 본 명세서에서는 IEEE 802.16 시스템에 근거하여 설명하지만, 본 발명의 내용들은 각종 다른 통신 시스템에도 적용가능하다.

이동 통신 시스템에서 단말(User Equipment)은 기지국으로부터 하향링크(Downlink)를 통해 정보를 수신할 수 있으며, 단말은 또한 상향링크(Uplink)를 통해 정보를 전송할 수 있다. 단말이 전송 또는 수신하는 정보로는 데이터 및 다양한 제어 정보가 있으며, 단말이 전송 또는 수신하는 정보의 종류 용도에 따라 다양한 물리 채널이 존재한다.

이하의 기술은 CDMA(code division multiple access), FDMA(frequency division multiple access), TDMA(time division multiple access), OFDMA(orthogonal frequency division multiple access), SC-FDMA(single carrier frequency division multiple access), 5G 통신 시스템 등과 같은 다양한 무선 접속 시스템에 사용될 수 있다. CDMA는 UTRA(Universal Terrestrial Radio Access)나 CDMA2000과 같은 무선 기술(radio technology)로 구현될 수 있다. TDMA는 GSM(Global System for Mobile communications)/GPRS(General Packet Radio Service)/EDGE(Enhanced 데이터 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)는 E-UTRA를 사용하는 E-UMTS(Evolved UMTS)의 일부로서 하향링크에서 OFDMA를 채용하고 상향링크에서 SC-FDMA를 채용한다. LTE-A(Advanced)는 3GPP LTE의 진화된 버전이다.

또한, 이하의 설명에서 사용되는 특정(特定) 용어들은 본 발명의 이해를 돕기 위해서 제공된 것이며, 이러한 특정 용어의 사용은 본 발명의 기술적 사상을 벗어나지 않는 범위에서 다른 형태로 변경될 수 있다.

도 1은 무선통신 시스템(100)에서의 기지국(105) 및 단말(110)의 구성을 도시한 블록도이다.

무선 통신 시스템(100)을 간략화하여 나타내기 위해 하나의 기지국(105)과 하나의 단말(110)(D2D 단말을 포함)을 도시하였지만, 무선 통신 시스템(100)은 하나 이상의 기지국 및/또는 하나 이상의 단말을 포함할 수 있다.

도 1을 참조하면, 기지국(105)은 송신(Tx) 데이터 프로세서(115), 심볼 변조기(120), 송신기(125), 송수신 안테나(130), 프로세서(180), 메모리(185), 수신기(190), 심볼 복조기(195), 수신 데이터 프로세서(197)를 포함할 수 있다. 그리고, 단말(110)은 송신(Tx) 데이터 프로세서(165), 심볼 변조기(170), 송신기(175), 송수신 안테나(135), 프로세서(155), 메모리(160), 수신기(140), 심볼 복조기(155), 수신 데이터 프로세서(150)를 포함할 수 있다. 송수신 안테나(130, 135)가 각각 기지국(105) 및 단말(110)에서 하나로 도시되어 있지만, 기지국(105) 및 단말(110)은 복수 개의 송수신 안테나를 구비하고 있다. 따라서, 본 발명에 따른 기지국(105) 및 단말(110)은 MIMO(Multiple Input Multiple Output) 시스템을 지원한다. 또한, 본 발명에 따른 기지국(105)은 SU-MIMO(Single User-MIMO) MU-MIMO(Multi User-MIMO) 방식 모두를 지원할 수 있다.

하향링크 상에서, 송신 데이터 프로세서(115)는 트래픽 데이터를 수신하고, 수신한 트래픽 데이터를 포맷하여, 코딩하고, 코딩된 트래픽 데이터를 인터리빙하고 변조하여(또는 심볼 매핑하여), 변조 심볼들("데이터 심볼들")을 제공한다. 심볼 변조기(120)는 이 데이터 심볼들과 파일럿 심볼들을 수신 및 처리하여, 심볼들의 스트림을 제공한다.

심볼 변조기(120)는, 데이터 및 파일럿 심볼들을 다중화하여 이를 송신기(125)로 전송한다. 이때, 각각의 송신 심볼은 데이터 심볼, 파일럿 심볼, 또는 제로의 신호 값일 수도 있다. 각각의 심볼 주기에서, 파일럿 심볼들이 연속적으로 송신될 수도 있다. 파일럿 심볼들은 주파수 분할 다중화(FDM), 직교 주파수 분할 다중화(OFDM), 시분할 다중화(TDM), 또는 코드 분할 다중화(CDM) 심볼일 수 있다.

송신기(125)는 심볼들의 스트림을 수신하여 이를 하나 이상의 아날로그 신호들로 변환하고, 또한, 이 아날로그 신호들을 추가적으로 조절하여(예를 들어, 증폭, 필터링, 및 주파수 업 컨버팅(upconverting) 하여, 무선 채널을 통한 송신에 적합한 하향링크 신호를 발생시킨다. 그러면, 송신 안테나(130)는 발생된 하향링크 신호를 단말로 전송한다.

단말(110)의 구성에서, 수신 안테나(135)는 기지국으로부터의 하향링크 신호를 수신하여 수신된 신호를 수신기(140)로 제공한다. 수신기(140)는 수신된 신호를 조정하고(예를 들어, 필터링, 증폭, 및 주파수 다운컨버팅(downconverting)), 조정된 신호를 디지털화하여 샘플들을 획득한다. 심볼 복조기(145)는 수신된 파일럿 심볼들을 복조하여 채널 추정을 위해 이를 프로세서(155)로 제공한다.

또한, 심볼 복조기(145)는 프로세서(155)로부터 하향링크에 대한 주파수 응답 추정치를 수신하고, 수신된 데이터 심볼들에 대해 데이터 복조를 수행하여, (송신된 데이터 심볼들의 추정치들인) 데이터 심볼 추정치를 획득하고, 데이터 심볼 추정치들을 수신(Rx) 데이터 프로세서(150)로 제공한다. 수신 데이터 프로세서(150)는 데이터 심볼 추정치들을 복조(즉, 심볼 디-매핑(demapping))하고, 디인터리빙(deinterleaving)하고, 디코딩하여, 전송된 트래픽 데이터를 복구한다.

심볼 복조기(145) 및 수신 데이터 프로세서(150)에 의한 처리는 각각 기지국(105)에서의 심볼 변조기(120) 및 송신 데이터 프로세서(115)에 의한 처리에 대해 상보적이다.

단말(110)은 상향링크 상에서, 송신 데이터 프로세서(165)는 트래픽 데이터를 처리하여, 데이터 심볼들을 제공한다. 심볼 변조기(170)는 데이터 심볼들을 수신하여 다중화하고, 변조를 수행하여, 심볼들의 스트림을 송신기(175)로 제공할 수 있다. 송신기(175)는 심볼들의 스트림을 수신 및 처리하여, 상향링크 신호를 발생시킨다. 그리고 송신 안테나(135)는 발생된 상향링크 신호를 기지국(105)으로 전송한다. 단말 및 기지국에서의 송신기 및 수신기는 하나의 RF(Radio Frequency) 유닛으로 구성될 수도 있다.

기지국(105)에서, 단말(110)로부터 상향링크 신호가 수신 안테나(130)를 통해 수신되고, 수신기(190)는 수신한 상향링크 신호를 처리되어 샘플들을 획득한다. 이어서, 심볼 복조기(195)는 이 샘플들을 처리하여, 상향링크에 대해 수신된 파일럿 심볼들 및 데이터 심볼 추정치를 제공한다. 수신 데이터 프로세서(197)는 데이터 심볼 추정치를 처리하여, 단말(110)로부터 전송된 트래픽 데이터를 복구한다.

단말(110) 및 기지국(105) 각각의 프로세서(155, 180)는 각각 단말(110) 및 기지국(105)에서의 동작을 지시(예를 들어, 제어, 조정, 관리 등)한다. 각각의 프로세서들(155, 180)은 프로그램 코드들 및 데이터를 저장하는 메모리 유닛(160, 185)들과 연결될 수 있다. 메모리(160, 185)는 프로세서(180)에 연결되어 오퍼레이팅 시스템, 어플리케이션, 및 일반 파일(general files)들을 저장한다.

프로세서(155, 180)는 컨트롤러(controller), 마이크로 컨트롤러(microcontroller), 마이크로 프로세서(microprocessor), 마이크로 컴퓨터(microcomputer) 등으로도 호칭될 수 있다. 한편, 프로세서(155, 180)는 하드웨어(hardware) 또는 펌웨어(firmware), 소프트웨어, 또는 이들의 결합에 의해 구현될 수 있다. 하드웨어를 이용하여 본 발명의 실시예를 구현하는 경우에는, 본 발명을 수행하도록 구성된 ASICs(application specific integrated circuits) 또는 DSPs(digital signal processors), DSPDs(digital signal processing devices), PLDs(programmable logic devices), FPGAs(field programmable gate arrays) 등이 프로세서(155, 180)에 구비될 수 있다.

한편, 펌웨어나 소프트웨어를 이용하여 본 발명의 실시예들을 구현하는 경우에는 본 발명의 기능 또는 동작들을 수행하는 모듈, 절차 또는 함수 등을 포함하도록 펌웨어나 소프트웨어가 구성될 수 있으며, 본 발명을 수행할 수 있도록 구성된 펌웨어 또는 소프트웨어는 프로세서(155, 180) 내에 구비되거나 메모리(160, 185)에 저장되어 프로세서(155, 180)에 의해 구동될 수 있다.

단말과 기지국이 무선 통신 시스템(네트워크) 사이의 무선 인터페이스 프로토콜의 레이어들은 통신 시스템에서 잘 알려진 OSI(open system interconnection) 모델의 하위 3개 레이어를 기초로 제 1 레이어(L1), 제 2 레이어(L2), 및 제 3 레이어(L3)로 분류될 수 있다. 물리 레이어는 상기 제 1 레이어에 속하며, 물리 채널을 통해 정보 전송 서비스를 제공한다. RRC(Radio Resource Control) 레이어는 상기 제 3 레이어에 속하며 UE와 네트워크 사이의 제어 무선 자원들을 제공한다. 단말, 기지국은 무선 통신 네트워크와 RRC 레이어를 통해 RRC 메시지들을 교환할 수 있다.

본 명세서에서 단말의 프로세서(155)와 기지국의 프로세서(180)는 각각 단말(110) 및 기지국(105)이 신호를 수신하거나 송신하는 기능 및 저장 기능 등을 제외하고, 신호 및 데이터를 처리하는 동작을 수행하지만, 설명의 편의를 위하여 이하에서 특별히 프로세서(155, 180)를 언급하지 않는다. 특별히 프로세서(155, 180)의 언급이 없더라도 신호를 수신하거나 송신하는 기능이 아닌 데이터 처리 등의 일련의 동작들을 수행한다고 할 수 있다.

도 2는 통신 장치의 NOMA 기반 하향링크 전송/수신(Tx/Rx) 블록도를 예시한 도면이다.

다중 사용자 정보를 동일 자원에 할당하여 전송하는 비직교 다중 접속 방식(Non-orthogonal Multiple Aceess, NOMA)에 있어서, 도 2와 같이 하향링크 지원을 위한 송수신단 구조는 일반적이다. NOMA 시스템은 3GPP 표준화 작업에서는 Multiuser Superposition Transmission (MUST)로 불리우기도 한다. NOMA 시스템은 동일 시간-주파수 자원에 다수 사용자 정보를 중첩하여 전송함으로써, LTE 시스템 대비 전송 용량 이득을 얻거나 동시 접속 수를 증대하는 것을 목적으로 차세대 5G 시스템의 요소 기술로써 고려되고 있다. 차세대 5G 시스템의 NOMA 계열 기술로는 Power Level을 기반으로 사용자를 구분하는 MUST와, Sparse Complex Codebook 기반 변조를 활용하는 Sparse Code Multiple Access (SCMA), 단말-특정 인터리버(User-specific Interleaver)를 이용하는 interleave Division Multiple Access (IDMA) 등이 있다.

MUST 시스템의 경우, 도 2의 송신 측에서 다중 사용자(혹은 다중 단말) 데이터의 변조 이후에 각 심볼의 파워 할당을 다르게 하거나, 계층적 변조(Hierarchical Modulation)를 기반으로 다중 사용자 데이터를 계층적 변조하여 전송하고, 수신 측에서 다중 사용자 검출(Multiuser Detection, MUD)를 통해 다중 사용자 데이터를 복조 한다.

SCMA 시스템의 경우, 도 2의 송신 측에서, 다중 사용자 데이터에 대한 Forward Error Correction (FEC) Encoder와 변조 과정을 미리 약속된 Sparse Complex Codebook 변조 방식으로 대체하여 전송하고, 수신 측에서 MUD를 통해 다중 사용자 데이터를 복조한다.

IDMA 시스템의 경우, 도 2의 송신 측에서 다중 사용자 데이터에 대한 FEC Encoding 정보를 단말-특정 인터리버를통해 변조하여 전송하고, 수신 측에서 MUD를 통해 다중 사용자 데이터를 복조 한다.

상기 각 시스템은 다양한 MUD 방식으로 다중 사용자 데이터를 복조 할 수 있으며, 예를 들어 Maximum Likelihood (ML), Maximum joint A posteriori Probability (MAP), Message Passing Algorithm (MPA), Matched Filtering (MF), Successive Interference Cancellation (SIC), Parallel Interference Cancellation (PIC), Codeword Interference Cancellation (CWIC) 등이 있다. 각 복조 방식에 따라 또는 반복 복조 시도 수에 따라, 복조 복잡도와 처리시간 지연에 차이가 있을 수 있다.

도 3은 통신 장치의 NOMA 기반 상향링크 전송/수신 블록도를 예시한 도면이다.

도 3은 다중 사용자 정보를 동일 자원에 할당하여 전송하는 NOMA 계열 시스템의 상향링크 지원을 위한 송수신단 구조를 도시하고 있다. 상기 각 시스템은 도 2의 하향링크 구조에 대한 설명과 같은 방식으로 다중 사용자 데이터를 전송하고 수신 측에서 복조 할 수 있다. NOMA 계열 시스템들은 동일 시간-주파수 자원에 다수 사용자 신호를 중첩 전송하기 때문에, LTE 시스템과 비교하여 더 높은 복호 오류율을 가지지만, 더 높은 주파수 이용 효율이나 더 많은 Connectivity 를 지원할 수 있다. 비직교 다중 접속 방식(NOMA)은 시스템 환경에 따라, 부호율 제어를 통해 복호 오류율을 유지하면서, 더 높은 주파수 이용효율이나 더 많은 Connectivity 를 달성하는 것이 가능하다.

상기 NOMA 계열 시스템들은 동일 자원에 다수 사용자 데이터를 할당하기 때문에, 단일 사용자 데이터를 할당하는 것과 비교하여 다중 사용자 데이터에 대한 간섭이 필연적으로 발생한다. 도 2의 NOMA 계열 시스템에서 k번째 수신 측의 신호를 간단히 표현하면 다음 수학식 1과 같다.

여기서, h_k는 송신 측에서 k번째 수신 측으로의 채널을 의미하고 s_k는 k번째 수신 측으로의 데이터 심볼, n_k는 신호 잡음을 의미한다. K는 동일 시간-주파수 자원에 할당된 다중 사용자의 수 이다.

상기 수학식 1의 3번째 식의 2번째 항(

)은 다른 수신 측으로의 데이터 심볼에 의한 다중 사용자 간섭 신호 (Multiuser Interference, MUI)를 나타낸다. 따라서, 상기 수신 신호에 의한 전송 용량을 간단히 표현하면 다음 수학식 2와 같다.

상기 수학식 2에서의 전송 용량에서 K가 증가할수록 더해지는 R_k의 개수가 증가하여 C의 증대를 기대할 수 있다. 하지만, K가 증가할수록 MUI의 증가로 인해, 각 R_k가 감소하여 전체 전송 용량 C의 감소를 초래할 수 있다. MUD 기법에 따라, MUI를 효과적으로 감소시키면서 각 사용자의 데이터를 복조 할 수 있다 하더라도, 근본적으로 MUI의 존재는 전체 전송 용량을 경감시키고, 높은 복잡도의 MUD를 요구하게 된다. 만약 다중 사용자 데이터 전송에 대한 MUI 발생을 최소화 하면, 더 높은 전송 용량을 기대할 수 있다. 또는, 다중 사용자 데이터 전송에 대한 MUI 발생을 정량적으로 제어할 수 있으면, 다중 사용자 데이터 중첩에 대한 스케줄링으로 더 높은 전송 용량을 계획할 수 있다.

상기 설명된 NoMA의 기술 특성을 일부 활용하면서, Massive Connectivity와 그 Connectivity 대비 Low Complexity를 달성하는 후보기술로써 압축 센싱 기반 송수신 기법을 고려할 수 있다. 압축 센싱 기술은 하기와 같은 원리를 이용한다.

통상적으로, 어떤 선형 방정식(linear equation) Y=AX가 주어졌을 때 A의 column 개수가 row 개수보다 많다면, 그 문제는 단일해를 가지지 않는다. 그것은 A가 일반적으로 역행렬을 가지지 않기 때문에, (Y,A)가 주어졌을 때 하나 이상의 X가 해로 주어지는 under-determined 문제로 주어지기 때문이다. 여기서 A 행렬은 비직교 행렬이다. 그러나, X에 있어서 일정한 가정이 가해진다면, 이러한 경우에 대해서도 X가 단일하게 주어지므로, 문제를 해결할 수 있다. X의 non-zero row의 개수가 일정 이하일 때, 이 개수를 sparsity k라고 하자. 이때, 압축 센싱(Compressed Sensing) 이론은 k가 Y의 row 개수보다 작을 경우에, A의 column 개수가 아무리 많더라도 (Y, A)를 통해서 X를 찾아낼 수 있다는 이론적 배경을 제공한다.

통신 상황에서는, 각 사용자가 고유의 식별자(ID)를 가질 때, ID의 개수가 아무리 많더라도, 상황이 주어진다면 원하는 사용자의 ID를 찾아낼 수 있다는 것을 의미한다. 그러므로 각 사용자가 임의의 사용자 ID를 선택하는 상황에서, 어떤 사용자가 어떤 ID를 선택했는지 검출할 때 압축 센싱을 사용한다.

도 4는 압축 센싱 기반한 경쟁 기반 MA의 개념을 설명하기 위한 예시적인 도면이다.

예를 들어, 5명의 사용자 u1 에서 u5 는 RRC Connected 상태의 사용자로 사전에 단말 특정 ID(UE specific ID)(예를 들어, C-RNTI)를 할당받았다고 가정하자. 사용자(혹은 단말)는 경쟁 자원(예를 들어, 시간, 주파수, 공간(spatial), 파워 등)상에서 임의 선택할 수 있는 임의의 ID(예를 들어, 가상의 ID)가 3개 있다고 가정하자.

사용자 u2 와 u5 가 임의의 시점에 트래픽이 발생하여 경쟁기반 데이터 전송 또는 경쟁 기반 연결(Contention based Connection)을 수행한다고 할 때, 사용자(혹은 단말)은 기지국으로부터의 Grant 없이 자신이 직접 하나의 임의의 ID를 선택한다. 여기서, 임의의 ID x1 과 x3 의 선택은 압축 센싱 관점에서 다음과 같이 표현할 수 있다.

- 송신 측 사용자 u2: Common Sensing Matrix A 와 Arbitrary ID x3

- Sensing Matrix A:

- 임의의 ID x3에의한 전송 신호: X3 = [0, 0, 1]^T

- 송신 측 사용자 u5: Common Sensing Matrix A 와 임의의 ID x1

- Sensing Matrix A:

- 임의의 ID x1에 의한 전송 신호: X1 = [1, 0, 0]^T

도 5는 기지국이 2개의 수신 안테나를 가정한 경우의 무선 채널을 예시한 도면이다.

기지국이 2개의 수신 안테나를 가지고 있다고 가정할 때, 각 사용자 u2와 u5는 A*X를 무선 채널로 전송하면 상기 도 5와 같이 표현할 수 있다.

그러면 수신 측인 기지국 관점에서 전체 수식을 다음 수학식 3과 같이 표현할 수 있다.

즉, 송신 측에서는 2개의 자원요소(Resource Element, RE)로 자신의 선택 ID를 송신하며, 수신 측에서는 2개의 안테나에서 각각 2개의 RE로 데이터를 수신하는 것과 같다. 이때, 수신 측은 수신 신호 Y와 센싱 행렬 A를 통해 X(=X1 + X3)를 추정해 낼 수 있다. 즉, 수신 측은 어떤 임의의 ID들이 전송되었는지 혹은 수신 측에 수신되었는지 검출할 수 있다. 상술한 바와 같이 n의 크기가 크게 증가하더라도 접속 사용자 수 k가 Y의 row 개수보다 작을 경우에는 검출이 가능하다. 상기 예시에서는 수학적 표현의 용이를 위해 m=2, n=3, k=2인 경우에 대해 설명하였으나, k<m 일 때, 수신 측에서 압축 센싱 이론에 기반하여 임의의 ID 검출이 가능하다. 따라서, 실제 동작을 위해서는 m=3, n=3, k=2 일 때로 상기 방식과 동일하게 동작할 때, 수신 측에서 임의의 ID를 검출할 수 있다.

상기 설명에서 l 은 안테나 인덱스로 표현 되었으나, 시간 또는 주파수 등의 다른 도메인에서도 같은 방식으로 적용될 수 있다.

상기 설명된 NoMA 상황에서, 대용량 연결성(massive connectivity)를 달성하기 위하여 다중 심볼을 동시에 전송하는 다중 측정 문제(multiple measurement problem)을 설계할 수 있다. 기존의 문제는 단일 심볼 x가 채널 A로 전송되는 상황이라고 했을 때, 여러 심볼이 한 ID로 접속할 경우에 그 정보를 공유한다는 성질을 이용하여, multi-dimension을 가진 심볼 X가 채널 A로 접속하는 상황을 다중 측정 문제라고 한다.

기존의 심볼의 설계 방법으로는 공간 내에서의. Euclidean distance를 최적화하기 위한 QAM (Quadrature amplitude modulation), 또는 심볼 간의 가장 큰 angle을 가지게 하기 위한 PSK (Phase shift keying) 이 있다. 또한, 이러한 각각의 변조 방식(modulation scheme)에서 오류가 발생했을 시에, 채널 코딩을 통하여 이를 해결하기 위한 기법으로 그레이 코딩(Gray coding)이 있다. 예를 들면, 16-QAM에서의 그레이 코딩은 다음 도 6과 같이 이루어진다.

도 6은 16-QAM에서의 그레이 코딩을 설명하기 위한 예시적인 도면이다.

여기서, 0000에 해당하는 심볼 주변에는 그것으로부터 Hamming distance (두 bit sequence 사이의 다른 비트 수) 가 1인 심볼만이 위치하며, 그러므로 물리 단에서 약간의 노이즈가 발생한다고 하더라도 그것은 1-bit error에 그치게 되어, 채널 코딩의 사용이 가능하게 된다.

도 7은 8-PSK에서의 그레이 코딩을 설명하기 위한 예시적인 도면이다.

여기서도, 서로 인접한 두 심볼은 모두 해밍 거리(Hamming distance) 1을 가지고 있다. 그러므로, 물리 단에서의 오류가 1-bit error가 되어 수정 가능하게 된다.

기존 NOMA 기술들은 경쟁 기반 MA 동작을 위해 블라인드 검출(Blind Detection)의 수가 임의의 ID 수 n에 비례할 수 있다. 따라서, 대용량 연결성(Massive Connectivity)를 위한 mMTC 시나리오에서는 기지국의 복잡도가 기하급수적으로 증가할 수 있다. 반면에 압축 센싱 기반 기술의 경우 n의 증가로 인해 수신 측에서의 복잡도가 증가하지 않는다. 그러나, 기존 압축 센싱에 기반한 기술의 경우 n이 증가할 때 생길 수 있는 낮은 SNR에서의 성능 저하 문제가 있다.

따라서, 낮은 SNR을 포함한 다양한 SNR과 다양한 n의 값에서 임의의 ID 에 대한 X 행렬을 낮은 복잡도로 더욱 정확하게 복구하는 기술이 필요하다. 따라서, 상기 특성을 지원하는 압축 센싱에 기반한 경쟁 기반 MA의 송수신 기법을 제안한다.

또한, 기존의 단일 심볼 기반의 변조 기술들은 해당 복소공간 위에서 최대의 코딩 게인(coding gain)을 보일 수 있도록 변조를 시행했다. 이때, 여러 복소공간을 이용하여 변조를 시행하면 조금 더 많은 코딩 게인을 얻을 수 있으나, 이때는 수학적으로 변조 방법이 명료한 수식을 통하여 정해지지 않기 때문에, 수신 측에서의 복조 때의 심볼에서의 오류가 발생했을 시에 채널 코딩을 통하여 오류를 정정하는 것이 어렵다. 이러한 문제를 해결하기 위하여 최적화 문제에 기반한 greedy algorithm을 통하여 채널 코딩의 성능을 최대화시키는 기법이 필요하다. 여기서는 단일 오류의 정정에 최적화된 그레이 코드(Gray code) 기법을 그래스매니안 매니폴드(Grassmannian manifold)를 통해 주어진 다중 심볼에 대해서 확장하는 기법을 최적화 문제의 해결방법으로 제시한다.

본 발명에서는 통상의 다중 접속(multiple access, MA)를 위한 전송 환경을 가정한다. 이는 설정된 상황에 따라서 grant-based가 되거나 경쟁 기반(contention-based)이 될 수 있다. 본 발명에서는 설명의 통일성을 위해 경쟁 기반 환경을 가정한다. 여기서, 경쟁 기반 전송은 초기 접속을 통한 하향링크 동기(DL synchronization)을 획득하고, 공통 제어(common control) 정보의 수신 및 RACH 프로시저, RRC 연결을 수행한 상태를 가정한다. 단말은 RRC_CONNECTED 상태를 가정한다. 추가적으로, 단말의 RRC_IDLE 상태에서도, 가장 최근 RRC_CONNECTED의 정보를 기반으로 동작할 수 있다. 따라서, 각 단말은 C-RNTI를 획득한 상황이나, 상향링크를 위한 grant를 요청하지도, 수신하지도 않은 상황을 가정한다.

도 8은 압축 센싱 기반 다중 접속 시스템을 설명하기 위한 예시적인 도면이다.

도 8에 도시한 전체 시스템 환경은 다음과 같다. 각 단말(도 8에서는 k개의 단말)은 하나의 시간 자원에 여러 단말이 동시에 접속하며 여러 임의의 ID 들에 대응하는 임의의 ID 시퀀스를 선택한다. 이때, 입력은 비트 단위의 신호로서 여러 접속 단말과 각 단말이 선택한 임의의 ID를 나타낸다. 도 8에서 도시한 압축 센싱 기반 다중 접속 시스템은 다음 두 가지 목적을 가진다.

- 모든 임의의 ID의 집합 중에 접속한 단말이 선택한 ID의 검출

- 해당 단말이 전송하는 신호의 복원

본 발명의 상세 설명을 위한 Notation의 정의는 다음과 같다.

(1) Sets and classes

●

: natural number,

: A scalar field, either

or

● [n] = {1,…,n}, [m:n] = {m,m + 1,…,n}

●

: finite field of degree 2

●

: Vector space of d-tuples, d ∈

●

: Vector space of matrices of size m × n

●

: cardinality (=number of elements) of S

(2) Basic structures on classes

● a_i, a^(j): ith column/jth row of A

● A_I, A^J: submatrices of A with columns/rows indexed by I and J

● A^*: Hermitian transpose of A

● M(i,j): entry in ith row and jth column of M

(3) Subspaces and operators

Let A ∈

.

●

Range spanned by columns of A

● P_S ∈

,

∈

: Orthogonal projectors/complement onto S

● dim(S): Dimension of S

●

: Frobenius/spectral norm

●

= max_k∈[m]

● Id _N : identity matrix in

● σ(x) = max{x, -x], abs(A): absolute matrix of A

본 발명의 설명을 위한 경쟁 기반 MA의 정의는 다음과 같다.

단말(혹은 사용자) 수 k, 가능한 임의의 ID 수가 n개라고 할 때, 사용자 ㅎ할당 방식(user allocation scheme) F는 다음 수학식 4와 같이 정의한다:

이 상황에서, 서로 다른 단말이 같은 임의의 ID로 접속하는 경우를 '충돌'이라고 한다. 이는 수학적으로 다음 수학식 5로 정의된다.

각 단말이 bit stream (b_i) ∈

를 가지고 있을 때, 입력이

라면, 검출의 결과로

가 검출된다. 이 때 hat notation은 실제 값과 검출값의 차이를 나타내기 위해서 쓰였다.

전체 시스템(Overall System)

도 9는 본 발명에서 제안하는 전체 시스템 블록도를 예시한 도면이다.

상기 도 9의 블록도는 다음 표 1과 같은 알고리즘으로 상세히 설명될 수 있다.

상기 도 9의 알고리즘과 전체 시스템 블록도에 예시한 각 절차의 상세한 설명은 하기와 같다.

(Step 1) 전송 블록(transport block) 단계에서, 여러 단말이 bit 단위의 정보를 동시 다발적으로 전송한다. 또한, FEC (Forward error correction) encoding을 통하여 비트를 인코딩한다. 여기서 전송의 의미는 상위 레이어에서 물리 레이어로의 정보 전달을 의미한다. 즉. 각 단말의 물리 레이어에서, 전송을 위한 정보 비트(Information Bits)의 스트림이 생성됨을 의미한다. 여기서 FEC는 터보 코딩(Turbo Coding)으로 예시하였으나, 다른 채널 코딩 방식이 적용될 수 있다.

(Step 2) 각 단말은 FEC (Forward error correction) 인코딩 통하여 인코딩된 Coded bit Stream을 코드워드 블록 분할(Codeword Block Segmentation)을 수행한다.

(Step 3) Coded Bits Stream의 변조를 위한 코드북 생성

기존의 QAM, PSK 등의 변조 방식을 대체하는 방식으로서, Coded Bits을 기반으로 복소 코드워드를 선택하여 전송함으로써, 심볼 변조를 코드워드 변조로 대체한다. 코드북은 Offline 공유 또는 사전에 정의된(Predefined) 정보로 고려될 수 있으며, 이 경우 해당 Step 3은 동작하지 않는다.

(Step 4) 다중 단말 접속을 위한 센싱 행렬 생성

센싱 행렬도 Offline 공유 또는 사전에 정의된 정보로 고려될 수 있으며, 이 경우 해당 Step 4는 동작하지 않는다.

(Step 5-9) 각 단말은 인코딩된 비트를 제시하는 코드워드 변조를 통하여 물리 레이어 심볼로 만든다.

각 단말은 (Step 3)에서 정의된 코드워드 변조 기법으로, 인코딩된 Coded Bits Stream의 세그먼테이션(Segmentation)을 물리 레이어 심볼로 변환한다. 여기서 심볼은 코드워드 변조 방식으로 변조된 코드워드 벡터로서 다수 물리 자원에 ㅁ맵핑될 수 있다.

(Step 10) 단말 마다 ID를 할당하여, 주어진 채널을 통해 전송한다.

본 발명에서는 Noise W에 대해서만 기술하였으나, 페이딩 채널(Fading Channel)이 적용될 수 있다.

(Step 11-18) 수신 측에서는, 제시한 알고리즘을 통하여 활성화된 단말과 그 단말이 전송하는 심볼을 복구한다.

A. 수신 측은 제안하는 TMSL 알고리즘을 통한 각 Segmented Codeword Block의 단말 검출 및 심볼 검출을 수행한다.

B. 수신 측은 상기 각 검출 정보를 모든 블록에 대해 joint optimal index k를 도출(maximum k를 통한)하여 얻어진 k로 TMSL을 재수행한다.

1. 예를 들어, n_blk 개의 codeword block (여기서 codeword block은 coded bits stream이 Segmented된 형태) 각각에 대하여 TMSL을 수행한다. 즉, n_blk번의 TMSL이 수행된다.

2. 각 codeword block에서 TMSL을 수행한 결과로, 검출된 단말들을 저장한다. 즉, 검출 단말 세트(UE set)

을 저장한다. 여기서 i는 1에서 n_blk이다.

3. 검출 UE set

에 대한 분포도 분석을 통해, active 단말(혹은 사용자)를 결정한다.

가) 여기서 분포도 분석이란, 각 검출 단말(UE) set

들에 대한 분석을 기반으로 active 단말 수에 대한 추정을 의미한다. 분석은 active 단말 수에 대한 확률로써 판단할 수 있다. 다시 말해서, 가장 높은 확률을 가지는 active 단말 수를 최종 검출 단말 수로 선정한다. 단말 수에 대한 확률 계산은 histogram 누적, error model, 통계적 도출 등 다양한 방법으로 측정될 수 있다.

예를 들어, 검출 UE set

가 binary index로 검출 UE를 표현하는 vector라고 하면(검출되면 1, 아니면 0),

으로 검출 UE index의 분포를 도출할 수 있다. 그러면,

vector에서 가장 큰 수부터 k개 선정하여, 그 수에 해당하는 index를 active 단말로 결정한다.

예를 들어, 3개의 codeword block이 있고 k=2일 때 Arbitrary ID가 총 4개인 경우, 각 block에서 TMSL을 통해 검출된 UE set이

= [1 0 0 1],

= [0 1 0 1],

= [1 0 1 0] 이라고 할 때,

= [2 1 1 2]이다. 따라서 가장 큰 수부터 2개 선정하면, index 1과 index 4가 선정된다. 따라서, active 사용자는 Arbitrary ID 1과 4가 된다.

이렇게 함으로써 active 단말을 판단하는 데에 있어 독립적인 성질을 가진 여러 시퀀스에 대한 복구 결과를 joint하게 보고 최종 결과를 유도할 수 있게 되어, 틀린 검출 결과를 수정할 수 있다.

4. 결정된 최종 active 사용자를 기반으로 n_blk 개의 codeword block 전체에 대해서 TMSL을 재수행한다.

TMSL 알고리즘은 Section 3에서 상세 설명한다.

(Step 19-21) 수신 측은 복구된 물리 레이어 심볼(혹은 코드워드 벡터)에 기초하여 각 단말이 전송한 bit 단위의 정보를 복구한다.

상기 동작에서 최종적으로 검출된 정보 비트 스트림(information bits stream)은 시스템 정의에 따라 CRC 체크 등의 패리티(parity) 검출을 통해 디코딩 여부를 판단하는 절차가 추가될 수 있다. 또한 이를 통해, 검출된 정보 비트들의 정보 활용 여부를 결정할 수 있다. 또한, 상기 동작에서 임시로 사용된 단말 ID는 상위 레이어(예를 들어, MAC 레이어) 정보로서 맵핑할 수 있는 Look up table이 사전에 정의되었거나, 물리 레이어 데이터로서 C-RNTI 등의 단말-특정 ID가 특정 field로 전송될 수도 있다.

제안 시스템에서의 단말과 기지국의 동작(Behavior)

송신 측 (예를 들어, 단말) 동작

1. 송신 측은 하나 이상의 송신 단말을 포함할 수 있으며, 각 단말의 물리 레이어에서, 전송을 위한 정보 비트 스트림을 생성하고, 통상 코딩 방식을 사용하여 인코딩을 수행한다(Overall system Step 1). 예를 들어, 터보 코딩(Turbo Coding), LDPC, Polar Code 등 사전에 송수신 측 간에 약속한 코딩 방식을 사용한다.

2. 송신 측은 인코딩된 비트 스트림(Encoded bit stream)을 여러 개의 조각(fraction)으로 분할한다(Overall system Step 2). 1) 예를 들어, 40 bit의 정보 bit를 송신한다고 할 때, rate 1/3, constraint length 4인 터보 코드를 사용하면 132 bit의 인코딩된 정보 bit를 가지게 된다. 12개의 코드워드 블록으로 분할(segmentation)하면 각 코드워드 블록은 11 bit의 분할된 비트 스트림(segmented bit stream)이 된다. 2) 상기 동작은 수신 측의 복잡도 감소를 위해 Segmented 동작으로 설명하였으나, 인코딩된 비트 스트림을 분할하지 않고 전체 스트림이 한 번에 송신될 수도 있다. 이 경우 복잡도가 크게 증가할 수 있다.

3. 각 Segmented bit stream은 여러 비트를 여러 복소 심볼로 맵핑하는 변조 방식에 의해서 변조된다(Overall system Step 3-9). 1)

의 변조를 수행하는 변조를 사용하면, 각 codeword block은 6개의 복수 계수(complex coefficient) 또는 복소 심볼로 표현될 수 있다. 2) 상기 1) 예시에서는, 먼저

위에서 l₂-norm 1을 가지는 점들의 집합 위에

= 2048 개의 심볼들을, 서로간의 Euclidean distance가 최대화되게 맵핑시킨다. 이 구체적인 방법은 manifold의 적용을 통한 사용자 ID sequence의 설계에서 후술하며, 다른 방법이 사용될 수도 있으나 그 해답으로 주어지는 맵핑은 같은 성질을 보여야 한다. 3) 먼저 위에 임의로 2048개의 심볼을 맵핑시킨다. 여기서 임의로 맵핑되었으므로 어떤 심볼들은 서로 인접한 심볼끼리 평균보다 멀리 떨어져있거나, 평균에 가까이 위치할 수도 있다. 이 때 해답으로 주어지는 mapping이 Grassmannian manifold 위에서 최적의 성능을 보이기 위해서는 (1) 모든 인접 심볼들간의 거리가 일정하고 (2) norm 1을 가지는 vector space를 균일하게 차지해야 한다(후술할 Grassmannian manifold 참조). 4) 상기 두 문제를 해결하기 위하여, 후술할 "Grassmannian manifold의 적용을 통한 사용자 ID sequence의 설계"에서 제시하는 방법은 다음과 같이 진행된다. 먼저, 3)에서처럼 임의로 심볼을 맵핑한 후에, 초기 learning rate와 batch size를 설정하여, 각각의 심볼이 어떠한 가장 가까운 심볼들과의 거리를 멀어지게 할 것인지를 결정한다. 여기서 learning rate를 크게 잡을수록 한 번에 조금 더 멀어지게 하며, batch size가 클수록 더 많은 다른 심볼들을 고려하여 멀어지게 한다(후술할 학습 알고리즘을 통한 manifold 생성 참조). 5) 상기에서, 각 Segmented block의 변조는 각 정보 bit의 segmented sequence가 심볼로 맵핑될 때, 심볼간의 거리가 죄대화되도록 설계한다. 이를 위하여 일반적인 복소 벡터 공간 위에서의 서브-공간(subspace)를 뜻하는 Grassmannian manifold 위에서의 거리가 죄대화되도록 설계할 수 있게 변조의 코드북을 설계하여, 여기에 정보 bit의 segmented sequence를 맵핑시킨다. 또한, 해당 bit가 오류 정정 성질을 가질 수 있게 하기 위하여 그레이 코드(gray code)를 해당 코드북에 도입한다. 그레이 코드는 서로 해밍 거리(Hamming distance)가 작은 시퀀스가 적은 Euclidean distance를 가지는 심볼로 멥핑되도록 하는 부호 설계 방식이다(Overall system Step 6). 상기 5)를 시행하기 위하여 1)에서 설계된 심볼들을 입력으로 놓는다. 이 때 출력값은 각 심볼들이 어떠한 bit sequence에서 mapping될 것인지를 결정하는 것이다. 결국 상기 1)에서 코드북 설계만 한다고 할 때, 이 코드북을 출력(output)으로 하는 함수는 상기 5)에서 결정한다. 7)이는, 주어진 코드워드 간의 Euclidean distance로 주어진 coherence matrix를 설계한 이후에, mapping될 bit sequence들이 구성하는 Hamming sphere에서의 Euclidean distance로 주어지는 matrix와의 차이를 최소화하는 최적화 문제를 Greedy algorithm을 통해 해결하는 방식으로 이루어진다. 이것은, bit sequence에서의 서로 다른 두 sequence들 간의 normalized Hamming distance와, 이것이 mapping되는 Grassmannian manifold 위에서의 서로 다른 두 심볼들이 나타내는 Euclidean distance가 최대한 유사한 형태를 띄도록 하는 문제와 같다. 8) 이러한 Gray code의 설계 방식은 다음과 같다. 먼저 시작점을 설정하기 위해서 일반성을 잃지 않고, all zero bit sequence를 임의로 하나의 심볼에 mapping시킨다. 그 후에 그와 가까운 sequence부터 그 주변에 위치한 심볼에 mapping시킨다. 여기서 주변 심볼의 기준은 all zero bit sequence가 mapping된 심볼에서부터 가장 큰 coherence를 가지는 심볼들의 집합들을 뜻한다. Coherence의 개념은 "Grassmannian manifold의 적용을 통한 사용자 ID sequence의 설계"에서 설명한다. 9) 상기 8)의 예시로 상기 1) 의

에 대해서 Gray code 성질을 만족하는 mapping f를 설계한다고 하자. 먼저 all zero sequence b₀=[00000000000]에 대해서,

f([00000000000])=g₀ 이라고 하자. 이 때, 이로부터 거리 1을 가진 sequence [00000000001], [00000000010], ..., [10000000000]은 서로 symmetric하므로, 각각을 거리 1을 가진 bit sequence라는 뜻에서 b_1,1,…,b_1,11 이라고 놓자. (개수가 11개이므로) 이 때 각각에 대해서 f(b_1,i) = g_1,i 으로, g₀와 최소의 Euclidean distance를 가진 심볼들로 차례대로 구성한다. 다음, 이와 같은 방식으로 all zero sequence로부터 거리 2를 가진 sequence [00000000011], ..., [11000000000]의 경우, 일반성을 잃지 않고 [00000000011] 에 대해서만 서술하면, 이와 최소의 거리를 가진 두 sequence인 [00000000001]와 [00000000010]가 mapping된 g_1,1,g_1,2 에서의 거리의 합을 최소화시키는 심볼에 mapping시킨다. 이와 같이 all zero sequence와의 거리가 점점 큰 식으로 진행되며, 마지막에는 all one sequence를 Grassmannian manifold 위에 mapping시킨다. 10) 상기 동작을 수행하는 알고리즘을 Greedy-GGM으로 놓으며, 이의 도식도는 다음 표 2와 같다.

11) 위의 동작을 알고리즘 도식도에 대입하면, (Greedy-GGM Step 4)은 all zero bit sequence와의 Hamming distance가 1에서 N까지인 것들에 대해서 차례대로 greedy하게 계산하며, (Greedy-GGM Step 6)에서는 (Greedy-GGM Step 4)에서 Hamming distance가 i인 것들에 대하여, 거기에 가장 가까우면서 이미 mapping이 완료된 sequence를 고려하여 거기서의 거리의 합이 최소인 것들에 대하여 고려한다. 12) (Greedy-GGM Step 6-9) 각 bit sequence에 대해서, Step 6에서 주어진, Hamming weight가 i-1 이면서 j에 인접한 sequence들의 집합을 S_j라고 한다. 이 S_j에 대해서, 이미 mapping된 Grassmannian manifold의 원소 집합 p를 제외한 나머지 원소 집합에 대해서 coherence를 계산한 후에 이 coherence가 최대가 되는 원소를 p_j로 설정한다. 13) 이 동작을 모든 원소에 대해서 greedy하게 반복하면, Gray 성질을 가지는 Grassmannian 심볼이 설계된다. 14) 상기 동작은 Legacy LTE에서 활용되는 QAM 또는 PSK Modulation 등과 거기에 대한 Gray coding이 사용될 수도 있다.

4. 송신 측은 여러 개의 송신 단말로 되어 있으며, 각각의 송신 단말은 미리 주어진 여러 개의 임의의 ID 중에 하나를 임의로 선택한다(Overall system Step 10). 도 10은 임의의 ID를 선택하는 방법을 설명하기 위한 예시적인 도면이다. 1) 임의의 ID의 선택은 랜덤하게 또는 사전에 약속된 규칙에 따라 선택될 수 있다. 2) 예를 들어, 임의의 ID가 도 10에 도시한 바와 같이 총 512개 있고, 3번의 ID를 사용자가 선택했다고 가정하자. 그러면, X matrix는 상기 언급된 6개의 Complex Coefficient에 의해 512x6의 matrix가 된다. 이 때, 3번 ID를 선택하였으므로, 1x6의 복소 벡터를 3번 ID 위치에 할당한다. 나머지 matrix는 0으로 채워진다. 3) 상기 1x6의 복소 벡터는 변조된 심볼들을 채널을 통해 전송할 때, 서로 다른 단말이 전송하는 심볼 간의 구분을 최대한 잘 이루어지게 하기 위하여 Grassmannian manifold 위에서의 Euclidean distance가 최대화되도록 설계된 spreading sequence중 하나이다. 이는 복구 시에 다른 spreading sequence의 ID를 검출할 위험성을 최대한 낮추기 위한 것이다.

5. 각 송신 측은 패킷 내에 변조된 심볼을 수신 측인 기지국으로 송신한다(Overall system Step 10).

1) 각 송신 측은 사전에 약속된 공통 센싱 행렬(Common Sensing Matrix) 와 선택한 임의의 ID를 기반으로 송신 신호를 구성하여 무선 채널을 통해 수신 측으로 전송한다. 2) 각 송신 단말이 임의의 ID를 가질 때, 단말의 수를 k라고 한다면 각 단말은 앞의 다중 접속의 정의에 따라서 {F(i),i ∈ [k]}에 해당하는 ID를 가진다. 만약 j번째 단말이 modulated된 심볼 x_j를 송신하고자 한다고 하자. 이 때, i라는 ID를 가진 송신 단말에게 주어진 sequence를 a_i라고 한다면 j번째 단말은 그 sequence를 통해서 a _{F (j)}x_j 를 송신한다. 각 단말이 전송하는 송신 신호의 합이 기지국이 수신하는 신호가 된다. 3) 예를 들어, 공통 센싱 행렬은 32x512의 사전에 약속된 Grassmannian Matrix라고 하자. 그러면, 상기 4 의 2)에서 생성된 X 행렬과의 행렬 곱을 통해, 32x6의 행렬이 생성된다 (A*X). 그러면, 32개의 주파수 자원과 6개의 시간 자원을 통해 11bit의 segmented bit stream을 전송할 수 있다.

수신 측 (예를 들어, Base station) 동작 (behavior)

1. 수신 측은 동일 시간에 여러 사용자로부터 동시에 들어온 심볼을 채널을 통해 수신한다. (Overall system Step 10)

2. 송신 측에서 Segmented modulation된 각 block 단위의 수신된 신호인 'Y=AX'는 후술할, 압축 센싱(compressed sensing)을 기반으로 한 알고리즘 (TMSL)에 의해서 active 사용자 ID와 변조된 심볼 정보로 복구된다. 즉, TMSL 알고리즘은 Y를 입력으로 받아 각 사용자의 변조된 심볼들의 중첩 세트(super-position set)인 행렬 X와 이 행렬의 non-zero row vector index set에 해당하는 '상술한 송신 측이 임의의 ID를 선택하는 방법"에서와 같이 선택된 임의의 ID 집합을 출력으로 복구한다(Overall system Step 11-18). 1) 첫 번째 TMSL 실행에 의해서, 위의 송신 측에서 생성된 각각의 변조의 fraction에 따라서 '상술한 송신 측이 임의의 ID를 선택하는 방법"에서와 같이 선택된 가장 유효한 s개의 UE ID 들을 각각 검출해낸다(Overall system Step 11-13). 2)두 번째 TMSL 실행에 의해서, 검출된 s개의 UE ID 각각에 대해 각 사용자의 변조된 심볼을 추정한다(Overall system Step 11-13). 3) 세 번째 TMSL 실행에 의해서, 상기 2)의 방법으로 추정된 s개의 각 사용자의 변조된 심볼 중 가장 크기가 큰 k개의 심볼을 선별하고 이들의 index set을 '상술한 송신 측이 임의의 ID를 선택하는 방법"에서와 같이 선택된 임의의 ID 집합으로 최종 추정하며, 이 집합을 기준으로 least square 기법에 기반하여 X를 최종 복구한다(Overall system Step 14-18).

3. 상기 TMSL을 실행하는 데에 있어서, s의 값을 설정하는데 있어 SNR의 값이 특정 값인 알파(alpha) 보다 작게 되는 경우 그 값을 k로 설정하며 신호대 잡음비(SNR)의 값이 특정 값인 베타(beta)보다 크게 되는 경우 그 값을 m-1로 설정한다(TMSL algorithm).

4. 상기 TMSL을 실행하는 데에 있어서, 수신할 사용자의 수 k를 알 경우에는 가장 정확하게 사용자를 알아낼 수 있으나, 그렇지 않을 때에도 active user의 정보에 대해서 검출 가능하다(TMSL algorithm).

5. 검출한 단말의 집합이 여러 fraction에 따라서 존재할 때, 모든 fraction의 정보를 취합하여, 전체적으로 어떤 단말 k개가 가장 active할 확률이 높을지를 계산한다(Overall system Step 14-17).

6. 상기 4의 과정이 진행된 뒤에 검출된 단말만이 active하다고 가정하고 각각의 코드워드 fraction에 대해서 TMSL을 다시 실행시킨다. 여기서는 TMSL의 모든 출력을 사용하여, 각각 단말이 가지는 심볼까지의 모든 결과물을 검출해낸다(Overall system Step 18).

7. 상기 5의 결과는 변조된 심볼의 복원인데, 이 심볼 세트에 대해서 변조를 했던 데에 사용하는 코드북과 같은 코드북을 사용하여 복조가 이루어진다(Overall system Step 19).

8. 복조된 심볼은 bit의 sequence 형태를 띄는데, 이것을 디코딩함으로써 최종 복구될 신호를 얻는다(Overall system Step 20).

Active 사용자(혹은 단말) 수 k를 모르는 경우 수신 측의 동작

Active user 정보의 검출 방법의 방법은 여러 가지가 있을 수 있다. 크게, 현재 패킷/블록에 수신 측에 들어온 신호만을 이용하여 active user 정보를 추정하는 offline method가 있을 수 있고, 이전 시간 또는 블록의 정보를 이용하여 active user 정보를 추정하는 online method가 있을 수 있다.

1. 첫 번째 방법: k를 추정하는 알고리즘을 사용하여 k를 먼저 추정하고 이후 TMSL 알고리즘을 사용한다. 다음 표 3은 k 값을 모를 때(unknown)의 Overall System Architecture Procedure의 일 예를 나타내고 있다.

2. 두 번째 방법: 상기 표 3에 제시된 알고리즘대로 사용한다. 이 알고리즘은 그림 3에 제시된 기존의 k를 알고 있는 경우 사용된 Overall system 에 기반한다. 상기 표 1에 제시된 알고리즘과 비교하였을 때, 이 알고리즘은 k의 값을 1부터 시작하여 점차 값을 증가시키면서 L의 값에 해당하는 에러가 최소가 되도록, k의 값을 찾는 과정이 추가되었다. (Case 1 Step 11-23) 여기서 S라는 집합은 전체 block index들의 집합의 부분 집합으로 다양한 설정이 가능하다. Stopping Criterion은 L의 값이 이전 반복 과정에서 추정된 k의 값에 해당하는 L의 값에 비해 증가하였으면 반복과정을 멈추고, 현재 추정된 k 값을 최종 k 값으로 추정하는 것을 예시로 들었다. 다양한 Stopping Criterion이 사용 가능하다.

3. 세 번째 방법: 표 4에 제시된 알고리즘대로 사용한다.

상기 표 4에 나타낸 알고리즘은 기존 제시된 표 1의 전체 알고리즘과 비교하였을 때 k의 값을 찾는 과정이 추가되었다(Case 2 Step 11-17). 표 4에서 제시된 두 번째 방법과 같은 방식의 S를 사용한다. 기존에 제시된 k의 값을 입력으로 사용하는 TMSL을 사용하지 않고 이의 변형된 알고리즘(TMSL)(다음 표 5에 도시)을 사용한다. 기존에 제시된 알고리즘 TMSL과 비교 시, TMSL' 알고리즘은 k를 입력으로 사용하지 않고 이를 내부적으로 추정한다. TMSL의 경우 s의 값이 SNR에 따라 k 혹은 m-1로 설정되었으나 TMSL'은 SNR에 관계없이 s=m-1로 고정된다. TMSL과 비교시 TMSL'은 sub-algorithm인 ESMS'의 변형된 형태인 ESMS"를 사용한다. 기존 ESMS'는 step 4에서 k 개의 추정된 X에서 가장 큰 k개의 row 벡터의 row index를 사용자 ID set으로 추정하는 것이었다면, 변형된 ESMS"는 추정된 X의 각 row 벡터의 크기 분포를 살펴 k의 값이 무엇인지를 먼저 추정하는 과정이 삽입되었다. (step 4) k를 추정하는 방법의 예시로는 다음과 같은 것이 있다. 각 row 백터의 크기 분포에서 특정한 gap을 발견하거나, row 벡터의 크기가 일정 threshold 이상의 값을 갖는 벡터의 개수를 추정함을 통해, k의 값을 추정할 수 있다.

상기 표 4의 알고리즘에 대한 추가 설명이다: Step 19를 통해 각 block에 해당하는 사용자 ID 집합을 추정하고 Step 22를 통해 이들의 확률 분포를 구하여 이 분포도를 기반으로 실제 k가 무엇인지 Step 24의 과정을 통해 추정한다. 이 추정 방식으로는 해당 분포도에서 의미 있는 차이를 발견하거나 일정한 threshold 이상의 확률 값을 갖는 인덱스들의 개수를 구분하는 방식 등을 예로 들 수 있다.

Online method의 예시로는, 크게 이전 packet/block의 정보를 사용하여 다음 packet/block에서의 사용자 수의 추정치

값을 추정하는 방법과, 이전 block에 추정된 사용자의 ID를 사용하여 해당 ID를 알고 있다고 가정하고 다음 block에서의 사용자 수의 추정치

값과 그에 대한 사용자 심볼 값을 알아내는 것이 있다.

이전 packet/block 정보를 사용하여 다음 packet/block에서의 사용자 수의 추정치

값을 추정하는 방법은, 크게 두 가지 서로 다른 가정에 따라서 다른 방법의 추정을 한다. 첫 번째로, 송신하는 UE가 많을수록 전송 에너지가 크다고 가정하면, 직전 시간에 비해서 에너지가 클 때는

값을 그에 따라 증가시키고, 그렇지 않을 때는

값을 그에 따라 감소시키는 방법을 사용하는 것이 가능하다. 다음 표 5는 k값을 모를 때, TMSL'과 ESMS"를 나타낸 알고리즘이다.

다중 사용자 단말 동시 검출을 위한 압축센싱 알고리즘 (TMSL, Two-stage orthogonal Subspace Matching pursuit with sparse bayesian Learning for joint sparse recovery)

제안하는 TMSL 알고리즘은 Overall communication system architecture에서 Step 12에서 Step 18의 과정에서 사용된다. 본 발명에서는 상술한 압축 센싱 이론에 근거하여, 다양한 SNR에서 위 선형 방정식 Y=AX 의 문제 가정 아래, X와 X의 non-zero row 벡터 인덱스 집합을 효과적으로 복구하는 알고리즘을 제안한다. 각각의 non-zero row는 각 사용자가 전송한 심볼에 해당되므로, 이 알고리즘은 곧 active user ID와 심볼을 동시에 추정하는 알고리즘이 된다.

위 방정식에서 A에 대응되는 것이 각 활성화된 사용자가 임의로 선택할 임의의 ID 시퀀스가 되는데 이 개수를 n이라고 하자(즉, A행렬의 열의 크기). 본 알고리즘은 다음과 같은 장점을 준다. 첫 번째 장점은 제안한 알고리즘은 이 n의 값을 임의로 설계하는 것이 가능하다. 이는 사용자가 임의접속에 기반하여 ID를 선택하는 과정에서 발생할 충돌 확률을 n의 값을 충분히 크게 설정함을 통해서 임의로 낮출 수 있음을 말한다. 두 번째 장점은 해당 알고리즘은 압축 센싱 원리에 입각하여 복잡도와 성능에 영향을 주는 주요 변수는 k와 m이며, n은 k와 m에 비교하여 상대적으로 복잡도와 성능에 주는 영향이 현저히 적게 하였다. 따라서 n의 값의 증가가 충돌이 나지 않은 사용자들의 신호의 복구율과 복잡도에 큰 변화를 주지 않는다.

도 11은 본 발명에서 제안하는 TMSL의 블록도를 예시한 도면이다.

도 11에 도시한 블록도는 다음 표 6에 나타낸 알고리즘으로 상세히 설명 될 수 있다.

상기 표 6에 나타낸 알고리즘의 각 절차는 하기와 같다.

(Step 1) 수신 신호 Y의 특이값 분해(Singular Value Decomposition, SVD)를 통해서 r개의 고유벡터(eigenvector)로 구성된 subspace

을 도출한다. 이 때, r은 심볼의 크기 /로 설정한다. Y의 행렬의 공간에서 r차원의 subspace를 임의의 추정방식을 통해 가지고 온다. 일반적인 잡음의 경우 SVD에 기반한 방식을 쓰는 것이 바람직하지만 성긴 신호의 잡음의 경우 다른 추정 알고리즘이 유용할 수도 있다.

(Step 2-5) 해답이 될 수 있는 후보 (candidate) UE 수 s를 도출한다. 이 수치는 다른 요소에 dependent하나, SNR를 주 parameter로 하여 주어진다. 1) SNR이 낮을 때에는, lower bound α를 설정하여 이보다 낮은 SNR에 대해서는 s=k로 놓는다. 이것은, 낮은 SNR에 대해서는 candidate s에 원하는 사용자가 없을 확률보다 (이는 combinatorial하게 주어지는 error의 경우이므로, SNR에 영향을 많이 받지 않는다.) error에 의해서 candidate s개 내에서 잘못된 UE가 검출될 가능성이 높기 때문이다. 그러므로, s에 spare 사용자를 놓지 않음으로써 candidate s개 내에서 잘못된 UE가 검출될 가능성을 없앤다. 2) SNR이 높을 때에는, upper bound β를 설정하여 이보다 높은 SNR에 대해서는 s=m-1로 놓는다. 이것은, 높은 SNR에 대해서는 error가 적어서 candidate가 주어졌을 때 여기서 잘못된 UE가 검출될 가능성은 훨씬 적어지지만, candidate s에 원하는 사용자가 없을 확률은 유지되기 때문이다.

(Step 6, submp) submp 알고리즘을 통해서, subspace

과 가장 잘 matched되는 UE ID s개를 임시로 추출한다. 이 때 zero-forcing matched filter를 여러 심볼에 대한 subspace 위에 사용하는 방법이다.

하기 표 7의 상세 알고리즘을 통해 s개의 X의 nonzero-row 벡터 인덱스로 추정되는 후보 인덱스들을 선별한다.

(Step 7-9) s>k일 때: Mid-high SNR case

(Step 8, SPL) 앞 과정에서 s개의 index를 추정했을 때, 여기에 대해서 일단 후보 단말(candidate UE)의 심볼을 찾는다. 이 과정에서, 후보 단말(candidate UE)의 index를 column으로 한 sensing matrix의 submatrix를 A'라고 하고 거기에 대한 후보 단말(candidate UE)의 심볼로 이루어진 matrix를 X'라고 할 때, Y-A'X'를 최소화시키도록 X'를 찾는 것을 목적으로 한다.

하기 표 8의 상세 알고리즘을 통해 X'를 찾는다.

(Step 9, ESMS) SPL을 진행한 후에, 거기에 대해서 심볼 matrix X'의 심볼들이 추정되었을 때, 거기서 가장 큰 k개를 추정하여, 그것을 최종 k개의 UE로 한다.

하기 표 9의 상세 알고리즘을 통해 k명의 UE를 찾는다.

(Step 10-13) s=k일 때: Low SNR case

A. s = k명의 active UE가 정상적으로 검출되었다고 판단하고, 후보 단말(candidate UE) set

으로 결정한다. 여기서

은 검출 UE set을 뜻한다.

B. 이후에, 이를 바탕으로 센싱 행렬의 pseudo inverse를 사용하여 최종 symbol

을 결정한다.

그라스만(Grassmannian) manifold의 적용을 통한 사용자 ID sequence의 설계

1. 그라스만(Grassmannian) manifold

그라스만(Grassmannian) manifold는 어떤 벡터 공간 위의 모든 서브공간(subspace)의 집합을 뜻한다. 이 Grassmannian manifold의 원소를 각 사용자에게 적절하게 분배하여 사용자별 ID sequence를 설계할 때, 각 사용자가 사용자간 간섭을 최대한 피하여 정보를 전송할 수 있다.

사용자 간의 간섭은 ID sequence 간의 coherence로 표현된다. Coherence는 다음과 같이 정의된다. 각 column이 고유의 ID sequence로 나타나는 행렬을 A라고 하자. 이 때 coherence μ는 다음 수학식 6과 같이 나타낼 수 있다.

만약, 어떤 a_i 에 대해서

= 1 인 a_j 가 존재한다면, 그것은 a_i 와 a_j 가 선형적인 차이만 가지고 완전히 같은 벡터라는 것을 의미한다. 그러므로, 간섭을 최소화하는 문제는 곧 벡터간의 coherence를 최소화하는 상황을 설정하는 것과 같게 된다.

2. 학습 알고리즘을 통한 manifold 생성

이 항목에서는 크기가 커서 coherence를 최소화하는 Grassmannian manifold 위의 점들을 수학적으로 완전히 분배할 수 없는 상황에서, 학습 알고리즘을 통하여 점들의 집합을 생성하는 방법에 대해서 논한다. 다음 알고리즘은 Grassmannian manifold 위에 위치한 벡터들을 어떻게 배치함으로써 coherence를 최소화시킬 수 있는지를 설명한다. 아래 표 10은 GM-Learn 알고리즘을 나타낸 것이고, GM-Learn 알고리즘을 통하여 시퀀스를 생성하는 과정은 overall structure의 Step 4에 해당하며, 이에 따라서 constellation을 각 사용자에게 할당하는 과정은 Step 5-9에 해당한다.

표 10의 알고리즘은 기존의 gradient descent를 이용한 학습 이외에도, 처리할 데이터의 양이 많고 동시다발적으로 처리되어야 하는 상황에서 적용되는 online learning 개념과, 상황에 따라서 학습의 정도를 유동적으로 처리하는 adaptive gradient 개념을 사용하였다. 다음 Online learning 과 Adaptive gradient 을 사용한 이유는 다음과 같다.

Online learning: 현재 시나리오는 자기 자신을 입력 데이터와 학습을 위한 훈련 데이터로 동시에 사용한다. 이런 상황에서 offline learning을 수행할 경우에는, 훈련 데이터가 시간에 따라 달라지는 것을 알고리즘이 따라가지 못한다. 학습을 위한 훈련 데이터가 실시간으로 달라져서 입력 데이터를 올바른 방향으로 학습시키기 위해서는 online learning이 사용되어야 한다.

Adaptive gradient: 현재 시나리오에서는 최적값에 가까워짐에 따라서 gradient 값에 따른 coherence 변화가 극도로 커지기 때문에, gradient가 빠른 속도로 작아져야 한다. 이 때 gradient를 기존 방법과 같이 훈련량에 따라서 선형적, 또는 지수적으로 작아지게 할 경우에는 본 상황에서 요구하는 gradient 변화를 이끌어내지 못하므로 adaptive gradient 개념을 도입하였다.

도 12의 (a)는 Grassmannian manifold의 학습을 통하여 정의된 sequence set과 random Gaussian을 통하여 정의된 sequence set이 가지는 coherence의 차이를 보여주는 도면이고, 도 12의 (b)는 크기 32를 가지는 512개의 sequence를 두 가지 서로 다른 방식으로 생성하여, 그것의 coherence를 비교한 도면이다.

도 12의 (a)는 모든 ID 시퀀스 세트(ID sequence set) 사이에서의 coherence의 분포를 나타내고, 도 12의 (b)는 각 sequence마다 최소 거리에 위치한 다른 sequence와의 coherence 비교하였다. 도 12의 (a) 에서 볼 수 있듯이, Grassmannian manifold는 Gaussian과 비교하여 조금 더 균등하게 coherence가 위치해 있다. ID sequence간의 간섭은 가장 가까이 위치한 sequence 간에만 일어나기 때문에, 도 12의 (b)는 sequence의 설계에 있어서 가장 가깝지 않은 sequence를 무시하고 가장 사용자 별로 가장 가까운 sequence만 고려하였다. 도 12의 (b)는 512개의 각 sequence에 대해서, 그것에 가장 가까운 다른 sequence만을 골라서 coherence를 비교하였다. Grassmannian 은 가장 균등하게 coherence를 분포시켰기 때문에 512개의 모든 sequence에 대해서 같은 값을 가지지만, Gaussian은 coherence 값이 크고 균등하지 않다.

Error-correction code를 적용할 때 오류를 최소화시키는 modulation의 설계

Gray coding of Grassmannian manifold

기존의 통신 시나리오에서는 modulation을 위하여 PSK, QAM 등 계열의 변조 방식을 사용하였다. 이는 여러 정보 bit를 한 심볼 안에 집어넣음과 동시에 그 거리를 최대한 멀게 설계하기 위한 것이다. 본 발명에서 제시하는 알고리즘은 여러 심볼을 동시에 고려하여 신호를 복구하는 codeword 기반의 검출 및 추정 알고리즘이므로, 여러 심볼의 정보를 동시에 고려할 수 있도록 modulation 단에서부터 알맞게 설계하는 것이 필요하다. 그러므로 Codeword 단에서 동기화가 이루어졌다고 할 때, 앞에서 설계한 것과 같은 방식으로 Grassmannian sequence를 이용하여, 정보를 복구할 때 에러에 대해서 최대한 강건하게(robust) 설계한다. 이는 PSK와 같은 직관을 사용한 것이다. PSK는 여러 bit를 이용하여 한 complex 심볼을 생성함에 있어서, 서로 다른 심볼 간의 각도가 최대화되는 방식을 이용한 것으로, coherence를 최소화시키는 Grassmannian 방식은 이것의 연장선상에 속한다.

그러나, 이와 같은 Grassmannian 방식은 심볼의 일부분만 잘못되었다고 하더라도 완전히 다른 심볼을 찾기 때문에 심볼 에러(error)가 생겼을 경우에 성능상의, 특히 BER/BLER 상에서의 약점을 가진다. 이 파트에서는 그것을 해결하기 위하여, 기존 modulation에서 인접한 심볼간의 거리를 최소화하여 BER/BLER 상의 이점을 유도하는 Gray code 방식을 확장한 Gray Grassmannian sequence를 제안한다.

도 13은 Grassmannian manifold를 이용한 sequence 설계 및 Gray code 설계 알고리즘의 block diagram를 나타내고 있다.

도 13에서 GM-Learn은 상기 "Grassmannian manifold의 적용을 통한 사용자 ID sequence의 설계" 부분에서 설명한 알고리즘을 뜻한다. 이 부분에서는 여기에 Gray coding을 사용하여 BER/BLER 성능을 높이는 데에 주안점을 두었고, 이 부분을 집중하여 이하에서 설명한다.

본 발명에서는 주안점을 둔 부분에 따라 두 가지 알고리즘을 제시하였다. 하나는 Gray code가 들어간 Hamming sphere와 최대의 유사도를 구하는 문제를 해결하는 알고리즘이며, (Global-GGM) 다른 하나는 connectivity graph를 기반으로 같은 연결성을 가지도록 한 알고리즘이다. (Local-GGM) 해당 알고리즘이 적용된 modulation sequence는 Overall structure의 Step 3에 해당된다. 각각의 GGM (Gray Grassmannian modulation) algorithm이 수행하는 역할은, GM-Learn으로 인하여 설계된 sequence 각각에 bit sequence로 된 label을 매겨서 bit sequence로 demodulation을 할 시에 오류정정이 가능한 형태로 변환시키는 것이다.

먼저, Global-GGM은 GM-Learn을 이용하여 설계된 sequence를 기반으로 하여 permutation을 구하는 것을 목표로 한다. 여기서 Hamming sphere의 거리 matrix를 C_H로 정의하고, Grassmannian sequence를 G라고 한다면, 해결할 문제는 다음과 같다.

여기서

는 Frobenius norm이며, 안에 포함된 모든 원소의 제곱의 합을 square root시키는 것으로 정의한다.

다음 표 11은 Global-GGM를 설명한다.

한편, Local-GGM은 전체 Hamming 거리 matrix를 이용하는 대신에, 어떤 정보 bit에 대하여 그것과 적은 거리를 가지는 요소들만을 활용하는 방식으로 복잡도를 감소시키고 큰 크기의 bit sequence에 대해서도 계산이 가능하도록 한다. 두 정보 bit sequence의 거리가 일정 이하 떨어져 있을 때 일정 상수로 놓고, 그 이상 떨어져 있을 때의 값을 0으로 놓은 matrix를 C_N이라고 했을 때, 해결할 문제는 다음 수학식 8과 같다.

다음 표 12는 Local-GGM 알고리즘을 설명한 표이다.

실시 예

같은 상황에서 Global-GGM 알고리즘을 사용한 sequence와 그렇지 않은 sequence의 집합이 있을 때, 위에서는 BER/BLER 단에서의 성능 향상을 예상하였다. 11개의 정보 bit를 크기 6의 심볼로 만들었을 때, Gray code를 취하지 않은 raw Grassmannian과 Gray code를 취한 Grassmannian의 성능을 비교하면 다음 도 14와 같다.

도 14의 (a)는 raw Grassmannian과 Gray Grassmannian에서의 Block recovery rate를 나타내고 있고, 도 14의 (b)는 raw Grasmannian과 Gray Grassmannian에서의 Bit recovery rate를 나타내고 있다.

도 14의 (a)는 BLER, 도 14의 (b)는 BER에서의 변화 측면을 나타낸다. 여기서 dB는 total SNR로, single-user SNR과는 다른 관점에서 bit와 block 단위의 복원률을 확인했다. SNR이 낮아질수록 오류정정부호의 중요성이 높아지는 데 대해, 거기에 따라서 오류정정부호의 효율성을 높이는 Gray coding이 영향력을 미친다는 것을 확인할 수 있다.

기존에 제시된 scheme과의 비교분석

이 시스템을 기존에 제시된 non-orthogonal multiple access 방식과 비교하는데에 있어, reference scheme으로는 같은 SIC 계열의 수신기를 사용하고 Grassmannian sequence를 사용하는 NCMA로 설정했다. 채널은 Non-fading AWGN으로 설정했다.

여기서 입력 정보 bit는 40, SNR은 -10~5dB, Turbo code의 rate는 1/3, 이 Turbo code의 constraint length는 4로 설정했다. 또한, Gray code로 설정된 Grassmannian modulation은 11 bit를 6 complex symbol로 보내도록 설정하였고, 역시 Grassmannian 형식으로 만들어진 ID sequence는 512개가 주어졌고 각각이 32의 크기를 가지도록 설정했다. 실제 사용자 집합을 Ω, 검출 사용자 집합을

, 각 사용자에 대한 실제 bit sequence를 독립적으로

, 검출된 bit sequence를

라고 했을 때, 다음 3가지 측정치를 놓고 비교하였다.

(1) Detection rate

(2) Bit recovery rate

(3) Block recovery rate

도 15는 제안 알고리즘과 기존 알고리즘 간의 검출 확률 비교한 도면이다.

먼저 detection rate를 놓고 비교했을 때, -5dB 영역에서는 제안 알고리즘이 기존에 비해서 2dB 정도의 추가 성능을 보인다. 한편, 5dB 이상의 영역에서는 제안 알고리즘의 한계 사용자 검출 수가 기존 알고리즘보다 훨씬 높은 경향을 보이는데, 이것은 제안 알고리즘이 사용하는 압축 센싱 알고리즘이 높은 사용자 검출 수에 특화되어 있기 때문이다. 이 영역에서는 잡음이 적기 때문에, 알고리즘의 영향을 잡음이 많을 때에 비해서 더 받는다는 것을 볼 수 있다.

여기서 collision bound는 사용자간 충돌에 의해서 저하되는 성능 영역을 뜻하는데, 한 ID를 여러 사용자가 공유하게 되면 그 ID에 속하는 사용자는 모두 사용 불가능하게 된다. Detection rate 영역에서 collision bound보다 높은 성능이 나오는 이유는 할당된 ID 영역을 확인하는 과정이기 때문이다.

도 16의 (a)는 제안 알고리즘과 기존 알고리즘 간의 Bit recovery rate, 도 16의 (b)는 제안 알고리즘과 기존 알고리즘 간의 Block recovery rate를 나타낸 도면이다.

Bit와 Block recovery rate를 놓고 비교하더라도 비슷한 양상을 보인다. -5dB 영역부터 유의미한 성능을 보이고, 대부분의 상황에서 사용자 수가 15 이하일 때 collision bound에 근접하는 성능을 보인다.

사용자 수를 제대로 알지 못할 때의 성능 비교분석

실제 통신 상황에서는 사용자 수를 완전히 추정하는 것이 힘들고, 이전 시간의 사용자 수를 통해서 추측하는 것만이 가능하다. 그러므로, 제안하는 통신 시스템은 사용자 수를 알 때뿐만 아니라, 그렇지 않을 때에도 어느 정도 범위 안에 속하기만 하면 사용자 단말을 높은 정확도로 추측해낼 수 있다.

도 17의 (a)는 SNR -5dB, 사용자 17명일 때의 Bit/block recovery rate를 나타내고, 도 17의 (b)는 SNR -5dB, 사용자 17명일 때의 User detection rate을 나타낸다.

도 17의 (a) 및 (b)는 single-user SNR이 -5dB인 상황으로, 17명의 사용자가 512개의 sequence 중에서 임의로 선택한 상황을 가정하였다. 이 때 사용자 수를 12명-22명으로 가정했을 때, 사용자 수를 정확히 가정했을 때와 약간의 mismatch가 존재할 때의 성능 차이를 계산하였다.

여기서 mismatch level은 실제 사용자 수에 비해서 얼마나 적게/많이 예측하였는가에 대한 수치이다. 두 그래프 모두 유사한 양상을 띠는데, 예측 사용자 수가 실제 사용자 수보다 적을 때에는 예측 사용자가 실제 사용자에 얼마나 포함되는가를 놓고 오류율을 측정했고, 예측 사용자 수가 실제 사용자 수보다 많을 때에는 실제 사용자를 얼마나 잘 검출했는가를 놓고 오류율을 측정했다.

예측 사용자와 실제 사용자가 일치할 때에 비하여 더 적을 때와 많을 때의 양상은 다음과 같다.

(예측 사용자 수) < (실제 사용자 수)

예측 사용자가 더 적을 때에는 같은 정보를 이용하여 더 적은 사용자를 정확히 예측하는 문제가 되므로, 실제 상황보다 더 정확히 예측할 수 있다. 그렇다고 하더라도, 이 경우에는 최대 (예측 사용자 수)만큼밖에 검출하지 못하는 상황이 된다.

(예측 사용자 수) > (실제 사용자 수)

이 때는, 실제보다 많은 예측 사용자를 검출한 후에, 그 안에 실제 사용자가 모두 들어가 있으면 되는 상황이므로 약간의 redundancy user가 발생한다. 그러므로 실제 사용자를 오류없이 검출해야 하는 mismatch level 0 상황과 달리, 약간의 오류가 있어도 정확하게 검출할 수 있는 상황이다.

그러나 이 경우에, 실제보다 많은 사용자 중에서 idle한 사용자를 포함하여 검출했기 때문에 정보 bit를 검출해야 하는 과정에서 정확하게 검출되지 않는 경우가 발생하므로, BER/BLER은 사용자 mismatch가 없고 정확히 예측했을 때에 가장 잘 검출되었다.

이상에서 설명한 본 발명의 다양한 실시예에 따라, 송신 측에서 복수의 단말들이 동시에 신호를 전송하더라도 수신 측인 기지국에서 신호를 정확히 복구해낼 수 있도록 함으로써 다중 접속을 지원하는 무선통신 시스템의 성능을 현저히 향상시킬 수 있다.

이상에서 설명된 실시예들은 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 실시예를 구성하는 것도 가능하다. 본 발명의 실시예들에서 설명되는 동작들의 순서는 변경될 수 있다. 어느 실시예의 일부 구성이나 특징은 다른 실시예에 포함될 수 있고, 또는 다른 실시예의 대응하는 구성 또는 특징과 교체될 수 있다. 특허청구범위에서 명시적인 인용 관계가 있지 않은 청구항들을 결합하여 실시예를 구성하거나 출원 후의 보정에 의해 새로운 청구항으로 포함시킬 수 있음은 자명하다.

본 발명은 본 발명의 필수적 특징을 벗어나지 않는 범위에서 다른 특정한 형태로 구체화될 수 있음은 당업자에게 자명하다. 따라서, 상기의 상세한 설명은 모든 면에서 제한적으로 해석되어서는 아니되고 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.

Claims (15)

1. 다중 접속 방식을 지원하는 무선통신 시스템에서 기지국이 신호를 수신하는 방법에 있어서,
   복수의 단말로부터 동일 시간 단위에서 신호들을 수신하는 단계; 및
   다중 단말을 동시 검출을 위한 압축 센싱 기반 알고리즘을 이용하여 상기 신호들의 각 코드워드 블록으로부터 액티브(active) 단말의 식별자 및 상기 액티브 단말의 변조된 심볼의 정보를 복구하는 단계를 포함하는, 신호 복구 방법.
2. 제 1항에 있어서,
   상기 액티브 단말의 식별자를 복구하는 단계는,
   상기 각 코드워드 블록 각각에 대하여 상기 압축 센싱 기반 알고리즘을 수행하여 검출된 단말들의 식별자 세트를 저장하는 단계; 및
   상기 각 코드워드 블록에 대한 상기 검출된 단말들의 식별자 세트에서의 단말 분포도에 기초하여 상기 액티브 단말의 수 및 상기 액티브 단말의 식별자를 획득하는 단계를 포함하는, 신호 복구 방법.
3. 제 1항에 있어서,
   상기 복구된 액티브 단말의 변조된 심볼 정보에 기초하여 상기 액티브 단말이 전송한 비트 단위의 정보를 복구하는 단계를 더 포함하는, 신호 복구 방법.
4. 제 2항에 있어서,
   상기 단말 분포도에 기초한 상기 액티브 단말의 수는 상기 검출된 단말들의 식별자 세트에서 확률로서 가장 높은 분포를 가지는 단말의 수에 해당하는, 신호 복구 방법.
5. 제 1항에 있어서,
   상기 검출된 단말들의 식별자 세트는 바이너리 인덱스(binary index)로 상기 검출된 단말들을 가리키는 벡터로 표현되고,
   상기 벡터에서 소정의 k개의 큰 값들의 인덱스들에 대응하는 단말을 상기 액티브 단말로 결정하는 단계를 더 포함하는, 신호 복구 방법.
6. 다중 접속 방식을 지원하는 무선통신 시스템에서 단말이 신호를 전송하는 방법에 있어서,
   전송을 위한 정보 비트 스트림에 소정의 코딩 방식을 사용하여 인코딩하는 단계;
   상기 인코딩된 비트 스트림을 여러 개의 조각(fraction)으로 분할(segmentation)하는 단계; 및
   소정의 코드북에 기초하여 상기 분할된(segmented) 비트들의 분할된 시퀀스를 심볼로 맵핑할 때 심볼 간 거리를 최대화하도록 맵핑하는 단계를 포함하는, 신호 전송 방법.
7. 제 6항에 있어서,
   상기 심볼 간 거리를 최대화하도록 맵핑은 복소 벡터 공간 상에서의 서브공간(subspace)에 해당하는 그래스매니안 매니폴드(Grassmannian manifold) 위에서 거리가 최대가 되도록 맵핑하는 것인, 신호 전송 방법.
8. 제 6항에 있어서,
   미리 주어진 복수의 임의의 식별자 중에서 어느 한 식별자를 선택하는 단계;
   상기 심볼에 맵핑된 정보, 상기 선택된 식별자 및 사전에 정의된 센싱 행렬에 기초하여 송신 신호를 구성하는 단계; 및
   상기 송신 신호를 기지국으로 전송하는 단계를 포함하는, 신호 전송 방법.
9. 다중 접속 방식을 지원하는 무선통신 시스템에서 신호를 수신하기 위한 기지국에 있어서,
   복수의 단말로부터 동일 시간 단위에서 신호들을 수신하는 수신기; 및
   다중 단말을 동시 검출을 위한 압축 센싱 기반 알고리즘을 이용하여 상기 신호들의 각 코드워드 블록으로부터 액티브(active) 단말의 식별자 및 상기 액티브 단말의 변조된 심볼의 정보를 복구하는 프로세서를 포함하는, 기지국.
10. 제 9항에 있어서,
    상기 프로세서는, 상기 액티브 단말의 식별자의 복구하기 위하여,
    상기 각 코드워드 블록 각각에 대하여 상기 압축 센싱 기반 알고리즘을 수행하여 검출된 단말들의 식별자 세트를 저장하고,
    상기 각 코드워드 블록에 대한 상기 검출된 단말들의 식별자 세트에서의 단말 분포도에 기초하여 상기 액티브 단말의 수 및 상기 액티브 단말의 식별자를 획득하는, 기지국.
11. 제 9항에 있어서,
    상기 프로세서는 상기 복구된 액티브 단말의 변조된 심볼 정보에 기초하여 상기 액티브 단말이 전송한 비트 단위의 정보를 복구하는, 기지국.
12. 제 10항에 있어서,
    상기 단말 분포도에 기초한 상기 액티브 단말의 수는 상기 검출된 단말들의 식별자 세트에서 확률로서 가장 높은 분포를 가지는 단말의 수에 해당하는, 기지국.
13. 제 9항에 있어서,
    상기 검출된 단말들의 식별자 세트는 바이너리 인덱스(binary index)로 상기 검출된 단말들을 가리키는 벡터로 표현되고,
    상기 프로세서는 상기 벡터에서 소정의 k개의 큰 값들의 인덱스들에 대응하는 단말을 상기 액티브 단말로 결정하는, 기지국.
14. 다중 접속 방식을 지원하는 무선통신 시스템에서 신호를 전송하는 단말에 있어서,
    전송을 위한 정보 비트 스트림에 소정의 코딩 방식을 사용하여 인코딩하고,
    상기 인코딩된 비트 스트림을 여러 개의 조각(fraction)으로 분할(segmentation)하며,
    소정의 코드북에 기초하여 상기 분할된(segmented) 비트들의 분할된 시퀀스를 심볼로 맵핑할 때 심볼 간 거리를 최대화하도록 맵핑하는 프로세서를 포함하는, 단말.
15. 제 14항에 있어서,
    상기 프로세서는 미리 주어진 복수의 임의의 식별자 중에서 어느 한 식별자를 선택하고, 상기 심볼에 맵핑된 정보, 상기 선택된 식별자 및 사전에 정의된 센싱 행렬에 기초하여 송신 신호를 구성하며,
    상기 송신 신호를 기지국으로 전송하는 송신기를 포함하는, 단말.

Images