KR20190084003A

KR20190084003A - 음성 인에이블 디바이스 선택 방법 및 장치

Info

Publication number: KR20190084003A
Application number: KR1020190075770A
Authority: KR
Inventors: 이동훈; 박희완; 이병기; 전유용
Original assignee: 엘지전자 주식회사
Priority date: 2019-06-25
Filing date: 2019-06-25
Publication date: 2019-07-15
Also published as: US20190392834A1; US11200897B2; KR102246661B1

Abstract

음성 인에이블 디바이스 선택 방법 및 음성 인에이블 디바이스 선택 장치를 개시한다. 본 발명의 일 실시예에 따른 음성 인에이블 디바이스 선택 장치는, 음성 인식 디바이스로부터 각 음성 인식 디바이스가 기동어를 수신한 방향 정보를 획득하고, 기동어 수신 방향 정보를 이용하여 기동어의 발화 위치를 판단하며, 발화 위치와 가장 가까운 음성 인식 디바이스를 음성 인에이블 디바이스로 선택함으로써, 홈 IoT 서버와 홈 IoT 기기들 사이의 통신 상의 부하량을 줄일 수 있고, 홈 IoT 서버의 연산량을 최소화할 수 있다.
본 발명의 음성 인에이블 디바이스 선택 장치, IoT 기기 및 서버 중 하나 이상이 인공 지능(Artificial Intelligence) 모듈, 로봇, 증강 현실(Augmented Reality, AR) 장치, 가상 현실(virtual reality, VR) 장치, 5G 서비스와 관련된 장치 등과 연계될 수 있다.

Description

음성 인에이블 디바이스 선택 방법 및 장치{METHOD AND APPARATUS FOR SELECTING VOICE ENABLE DEVICE}

본 발명은 음성 인에이블 디바이스를 선택 방법 및 장치에 관한 것으로서, 보다 구체적으로는 기동어의 수신/발화 방향과 관련된 정보를 반영하여 음성 인에이블 디바이스를 선택하는 발명에 관한 것이다.

음성 인식 디바이스는 음성 인식을 수행하는 장치이다. 음성 인식 디바이스는 수신된 사용자의 발화를 인식하여 음성 신호를 획득하고, 음성 신호를 분석한 결과에 기반하여 미리 정해진 동작을 수행할 수 있다.

음성 인식 관련 기술 및 홈 IoT(Internet of Things) 관련 기술(예: 5G 통신 기술)의 발달에 힘입어, 복수의 IoT 기기(음성 인식 디바이스)가 사용자의 발화(기동어)를 인식하여 획득한 음성 신호를 홈 IoT 서버(음성 인에이블 디바이스 선택 장치)가 수신하고, 홈 IoT 서버가 음성 신호를 분석하여 복수의 IoT 기기 중 사용자의 발화에 응답할 응답 기기(음성 인에이블 디바이스)를 선택/기동시킬 수 있다.

다만, 각 IoT 기기에서 획득한 음성 신호만을 이용하여 응답 기기를 선택하는 경우, IoT 기기 자체에서 사용자의 발화를 수신할 수 있는 기기 상태 또는 IoT 기기 별로 사용자의 발화를 인식하는 방식이 서로 상이하여, 사용자의 발화 의도에 맞는 응답 기기가 정확하게 선택되지 못하는 문제가 있다.

또한, 각 IoT 기기에서 홈 IoT 서버로 비교적 용량이 큰 음성 신호를 전송하는 경우 통신 상의 과부하가 발생하며, 홈 IoT 서버에서 처리해야 하는 연산량이 과도하게 증가한다.

본 발명은 전술한 필요성 및/또는 문제점을 해결하는 것을 목적으로 한다.

또한, 본 발명은 사용자가 기동하고자 의도한 음성 인에이블 디바이스를 정확하게 선택하는 것을 목적으로 한다.

본 발명의 일 양상에 따른 음성 인에이블 디바이스 선택 방법은, 복수의 음성 인식 디바이스로부터 상기 기동어와 관련된 정보를 획득하는 단계; 및, 상기 기동어와 관련된 정보에 기반하여 상기 복수의 음성 인식 디바이스 중에서 상기 음성 인에이블 디바이스를 선택하는 단계;를 포함하되, 상기 기동어와 관련된 정보를 획득하는 단계는, 각 음성 인식 디바이스가 상기 기동어를 수신한 방향과 관련된 정보를 상기 복수의 음성 인식 디바이스로부터 획득하는 것을 특징으로 하며, 상기 음성 인에이블 디바이스를 선택하는 단계는, 상기 각 음성 인식 디바이스가 상기 기동어를 수신한 방향과 관련된 정보에 기반하여 상기 기동어의 발화 위치를 판단하는 단계, 및, 상기 기동어의 발화 위치와 관련된 음성 인식 디바이스를 선택하는 단계를 포함하는 것을 특징으로 한다.

상기 음성 인식 디바이스를 선택하는 단계는, 상기 복수의 음성 인식 디바이스 중에서 상기 기동어의 발화 위치로부터 가장 가까운 음성 인식 디바이스를 선택하는 것을 특징으로 할 수 있다.

상기 기동어를 수신한 방향과 관련된 정보는, 상기 각 음성 인식 디바이스가 상기 기동어를 수신한 수직 각도 정보, 및 상기 각 음성 인식 디바이스가 상기 기동어를 수신한 수평 각도 정보를 포함하는 것을 특징으로 할 수 있다.

상기 기동어의 발화 위치를 판단하는 단계는, 상기 각 음성 인식 디바이스의 위치 정보를 획득하는 단계, 및 상기 각 음성 인식 디바이스의 위치 정보 및 상기 기동어를 수신한 방향과 관련된 정보를 이용하여 상기 기동어의 발화 위치를 추정하는 단계를 포함하는 것을 특징으로 할 수 있다.

상기 각 음성 인식 디바이스가 상기 기동어를 인식한 상황과 관련된 정보를 획득하는 단계, 및, 상기 기동어를 인식한 상황과 관련된 정보를 미리 학습된 임계 상황 판단 분류 모델에 적용하는 단계를 더 포함하며, 상기 음성 인에이블 디바이스를 선택하는 단계는, 상기 적용 결과에 기반하여 상기 기동어를 인식한 상황이 임계 상황인지 여부를 판단하는 단계, 및, 상기 기동어를 수신한 방향과 관련된 정보 및 상기 각 음성 인식 디바이스가 상기 기동어를 인식하여 획득한 복수의 음성 신호를 모두 이용하여 상기 음성 인에이블 디바이스를 선택하는 단계를 포함하는 것을 특징으로 할 수 있다.

상기 기동어를 인식한 상황이 임계 상황인 것으로 판단된 경우, 상기 복수의 음성 신호를 상기 복수의 음성 인식 디바이스로부터 획득하는 단계를 더 포함하며, 상기 음성 인식 디바이스를 선택하는 단계는, 상기 복수의 음성 신호에 기반하여 상기 기동어의 발화 방향을 판단하는 단계, 및 상기 기동어의 발화 방향 및 상기 기동어의 발화 위치와 관련된 음성 인식 디바이스를 선택하는 단계를 포함하는 것을 특징으로 할 수 있다.

상기 음성 인식 디바이스를 선택하는 단계는, 상기 기동어의 발화 방향에 위치한 적어도 하나의 음성 인식 디바이스 중 상기 기동어의 발화 위치와 가장 가까운 음성 인식 디바이스를 선택하는 것을 특징으로 할 수 있다.

상기 기동어를 인식한 상황과 관련된 정보는, 상기 기동어를 인식한 시간 정보, 상기 기동어를 발화한 것으로 인식된 사용자 정보, 상기 각 음성 인식 디바이스의 위치 정보 및 상기 기동어의 발화 위치 정보를 포함하는 것을 특징으로 할 수 있다.

상기 임계 상황 판단 분류 모델은 외부 AI(Artificial Intelligence) 장치에 저장되며, 상기 임계 상황 판단 분류 모델에 적용하는 단계는, 상기 AI 장치로 상기 기동어를 인식한 상황과 관련된 정보와 관련된 특징값을 전송하는 단계, 및, 상기 AI 장치로부터 상기 기동어를 인식한 상황과 관련된 정보를 상기 임계 상황 판단 분류 모델에 적용한 결과를 획득하는 단계를 포함하는 것을 특징으로 할 수 있다.

상기 임계 상황 판단 분류 모델은 네트워크에 저장되며, 상기 임계 상황 판단 분류 모델에 적용하는 단계는, 상기 네트워크로 상기 기동어를 인식한 상황과 관련된 정보를 전송하는 단계, 및, 상기 네트워크로부터 상기 기동어를 인식한 상황과 관련된 정보를 상기 임계 상황 판단 분류 모델에 적용한 결과를 획득하는 단계를 포함하는 것을 특징으로 할 수 있다.

상기 기동어를 인식한 상황과 관련된 정보의 전송을 스케줄링하기 위해 사용되는 DCI(Downlink Control Information)을 네트워크로부터 수신하는 단계;를 더 포함하고, 상기 기동어를 인식한 상황과 관련된 정보는, 상기 DCI에 기초하여 상기 네트워크로 전송되는 것을 특징으로 할 수 있다.

SSB(Synchronization signal block)에 기초하여 상기 네트워크와 초기 접속 절차를 수행하는 단계;를 더 포함하고, 상기 기동어를 인식한 상황과 관련된 정보는 PUSCH를 통해 상기 네트워크로 전송되며, 상기 SSB와 상기 PUSCH의 DM-RS는 QCL type D에 대해 QCL되어 있는 것을 특징으로 할 수 있다.

상기 기동어를 인식한 상황과 관련된 정보를 상기 네트워크에 포함된 AI 프로세서로 전송하도록 통신부를 제어하는 단계; 상기 AI 프로세서로부터 AI 프로세싱된 정보를 수신하도록 상기 통신부를 제어하는 단계;를 더 포함하고, 상기 AI 프로세싱된 정보는, 상기 기동어를 인식한 상황이 임계 상황인지 여부를 판단하기 위한 임계 상황 확률 정보인 것을 특징으로 할 수 있다.

본 발명의 일 양상에 따른 음성 인에이블 디바이스 선택 장치는, 복수의 음성 인식 디바이스로부터 상기 기동어와 관련된 정보를 획득하는 통신부; 및 상기 기동어와 관련된 정보에 기반하여 상기 복수의 음성 인식 디바이스 중에서 상기 음성 인에이블 디바이스를 선택하는 프로세서;를 포함하되, 상기 프로세서는, 각 음성 인식 디바이스가 상기 기동어를 수신한 방향과 관련된 정보를 상기 복수의 음성 인식 디바이스로부터 상기 통신부를 통해 획득하고, 상기 각 음성 인식 디바이스가 상기 기동어를 수신한 방향과 관련된 정보에 기반하여 상기 기동어의 발화 위치를 판단하며, 상기 기동어의 발화 위치와 관련된 음성 인식 디바이스를 선택하는 것을 특징으로 한다.

상기 프로세서는, 상기 복수의 음성 인식 디바이스 중에서 상기 기동어의 발화 위치로부터 가장 가까운 음성 인식 디바이스를 선택하는 것을 특징으로 할 수 있다.

상기 프로세서는, 상기 통신부를 통해 상기 각 음성 인식 디바이스의 위치 정보를 획득하고, 상기 각 음성 인식 디바이스의 위치 정보 및 상기 기동어를 수신한 방향과 관련된 정보를 이용하여 상기 기동어의 발화 위치를 추정하는 것을 특징으로 할 수 있다.

상기 프로세서는, 상기 통신부를 통해 상기 각 음성 인식 디바이스가 상기 기동어를 인식한 상황과 관련된 정보를 획득하고, 상기 기동어를 인식한 상황과 관련된 정보를 미리 학습된 임계 상황 판단 분류 모델에 적용하며, 상기 적용 결과에 기반하여 상기 기동어를 인식한 상황이 임계 상황인지 여부를 판단하고, 상기 판단 결과에 기반하여, 상기 기동어를 수신한 방향과 관련된 정보 및 상기 각 음성 인식 디바이스가 상기 기동어를 인식하여 획득한 복수의 음성 신호를 모두 이용하여 상기 음성 인에이블 디바이스를 선택하는 것을 특징으로 할 수 있다.

상기 기동어를 인식한 상황이 임계 상황인 것으로 판단된 경우, 상기 프로세서는, 상기 통신부를 통해 상기 복수의 음성 신호를 상기 복수의 음성 인식 디바이스로부터 획득하고, 상기 음성 인식 디바이스를 선택하는 단계는, 상기 복수의 음성 신호에 기반하여 상기 기동어의 발화 방향을 판단하며, 상기 기동어의 발화 방향 및 상기 기동어의 발화 위치와 관련된 음성 인식 디바이스를 선택하는 것을 특징으로 할 수 있다.

상기 프로세서는, 상기 기동어의 발화 방향에 위치한 적어도 하나의 음성 인식 디바이스 중 상기 기동어의 발화 위치와 가장 가까운 음성 인식 디바이스를 선택하는 것을 특징으로 할 수 있다.

상기 임계 상황 판단 분류 모델은 외부 AI(Artificial Intelligence) 장치에 저장되며, 상기 프로세서는, 상기 AI 장치로 상기 기동어를 인식한 상황과 관련된 정보와 관련된 특징값을 전송하고, 상기 AI 장치로부터 상기 기동어를 인식한 상황과 관련된 정보를 상기 임계 상황 판단 분류 모델에 적용한 결과를 획득하는 것을 특징으로 할 수 있다.

상기 임계 상황 판단 분류 모델은 네트워크에 저장되며, 상기 프로세서는, 상기 네트워크로 상기 기동어를 인식한 상황과 관련된 정보를 전송하고, 상기 네트워크로부터 상기 기동어를 인식한 상황과 관련된 정보를 상기 임계 상황 판단 분류 모델에 적용한 결과를 획득하는 것을 특징으로 할 수 있다.

상기 프로세서는, 상기 기동어를 인식한 상황과 관련된 정보의 전송을 스케줄링하기 위해 사용되는 DCI(Downlink Control Information)을 네트워크로부터 수신하는 것을 특징으로 하며, 상기 기동어를 인식한 상황과 관련된 정보는, 상기 DCI에 기초하여 상기 네트워크로 전송되는 것을 특징으로 할 수 있다.

상기 프로세서는, SSB(Synchronization signal block)에 기초하여 상기 네트워크와 초기 접속 절차를 수행하는 것을 특징으로 하며, 상기 기동어를 인식한 상황과 관련된 정보는 PUSCH를 통해 상기 네트워크로 전송되고, 상기 SSB와 상기 PUSCH의 DM-RS는 QCL type D에 대해 QCL되어 있는 것을 특징으로 할 수 있다.

상기 프로세서는, 상기 기동어를 인식한 상황과 관련된 정보를 상기 네트워크에 포함된 AI 프로세서로 전송하도록 통신부를 제어하고, 상기 AI 프로세서로부터 AI 프로세싱된 정보를 수신하도록 상기 통신부를 제어하는 것을 특징으로 하며, 상기 AI 프로세싱된 정보는, 상기 기동어를 인식한 상황이 임계 상황인지 여부를 판단하기 위한 임계 상황 확률 정보인 것을 특징으로 할 수 있다.

본 발명의 다른 양상에 따른 기록 매체는, 컴퓨팅 디바이스의 하나 이상의 프로세서에서 실행하도록 구성된 컴퓨터 실행 가능한 컴포넌트가 저장된 비 일시적(non-transitory) 컴퓨터 판독 가능한 매체(computer-executable component)로서, 상기 컴퓨터 실행 가능한 컴포넌트는, 복수의 음성 인식 디바이스로부터 각 음성 인식 디바이스가 상기 기동어를 수신한 방향과 관련된 정보를 획득하고, 상기 각 음성 인식 디바이스가 상기 기동어를 수신한 방향과 관련된 정보에 기반하여 상기 기동어의 발화 위치를 판단하며, 상기 기동어의 발화 위치와 관련된 음성 인식 디바이스를 선택한다.

본 발명에 따른 음성 인에이블 디바이스 선택 방법 및 음성 인에이블 디바이스 선택 장치의 효과에 대해 설명하면 다음과 같다.

본 발명은, 비교적 데이터 용량이 큰 음성 신호 전체가 아닌 기동어 수신 방향 관련 정보만을 이용함으로써, 홈 IoT 서버와 홈 IoT 기기들 사이의 통신 상의 부하량을 줄일 수 있고, 홈 IoT 서버의 연산량을 최소화할 수 있다.

또한, 본 발명은, 서로 다른 IoT 기기에 의해 획득된 음성 신호의 특성의 차이가 미미하여 음성 신호 사이의 특성을 비교하기 어려운 경우에도, 음성 신호의 특성이 아닌, 각 IoT 기기가 기동어를 수신한 각도를 이용하여 보다 정확하게 기동어의 발화 위치를 파악할 수 있어, 기동어 발화 위치로부터 가장 가까운 IoT 기기를 보다 정확하게 선택할 수 있다.

또한, 본 발명은, 각 IoT 기기 별로 마이크의 배치 상태가 서로 상이함에 따라 음성 신호의 특성을 분석한 결과가 각 IoT 기기와 기동어 발화 위치 사이의 거리를 정확하게 반영하지 못하는 경우에도, 기동어를 수신한 각도를 이용하여 가장 가까운 IoT 기기를 정확하게 선택할 수 있다.

또한, 본 발명은, 각 IoT 기기의 기동어에 대한 민감도 또는 알고리즘 차이가 존재함에 따라 신호 특성 분석 결과가 각 IoT 기기의 상대적인 위치 정보를 반영하기 어려운 경우, 기동어를 수신한 각도를 이용하여 가장 가까운 IoT 기기를 정확하게 선택할 수 있다.

또한, 본 발명은, 각 IoT 기기가 기동어를 수신한 방향과 관련된 정보뿐만 아니라, 기동어가 발화된 방향과 관련된 정보를 모두 이용함으로써, 기동어 발화 위치에 더 가깝지만 사용자가 기동어를 발화한 방향과 반대 방향에 있는 IoT 기기가 아닌, 사용자가 기동어를 발화한 방향에 있으면서 가장 가까운 IoT 기기를 정확하게 선택할 수 있다.

도 1은 본 명세서에서 제안하는 방법들이 적용될 수 있는 무선 통신 시스템의 블록 구성도를 예시한다.
도 2는 무선 통신 시스템에서 신호 송/수신 방법의 일례를 나타낸 도이다.
도 3은 5G 통신 시스템에서 사용자 단말과 5G 네트워크의 기본동작의 일 예를 나타낸다.
도 4는 본 발명의 실시예에 따른 홈 IoT 시스템을 도시한 도면이다.
도 5는 본 발명의 일 실시예에 따른 AI 장치의 블록도이다.
도 6은 본 발명의 일 실시예에 따른 음성 인에이블 디바이스 선택 장치와 AI 장치가 연계된 시스템을 설명하기 위한 도면이다.
도 7은 본 발명의 실시예에 따른 음성 인에이블 디바이스 선택 방법을 나타낸 흐름도이다.
도 8은 도 7의 기동어 수신 방향 정보를 획득하는 방법을 나타낸 흐름도이다.
도 9는 도 8의 S711 단계와 같이 각 음성 인식 디바이스가 기동어를 수신하는 예를 도시한다.
도 10 및 도 11은 도 8의 S713 단계에 있어서 음성 인식 디바이스가 복수의 마이크를 이용하여 기동어를 수신하고 수평 각도를 검출하는 예를 도시한다.
도 12 및 도 13은 도 8의 S713 단계에 있어서 음성 인식 디바이스가 복수의 마이크를 이용하여 기동어를 수신하고 수직 각도를 검출하는 예를 도시한다.
도 14는 도 8의 S715 단계와 같이 음성 인에이블 디바이스 선택 장치가 복수의 음성 인식 디바이스로부터 기동어 수신 방향과 관련된 정보를 획득하는 하나의 예를 도시한다.
도 15는 음성 인에이블 디바이스를 선택하는 방법을 나타낸 흐름도이다.
도 16은 도 15의 S736 단계와 같이 기동어 발화 위치와 가장 가까운 디바이스를 선택하여 기동 응답을 요청하는 예를 도시한다.
도 17은 도 15의 S735 단계에서 임계 상황인 것으로 판단된 경우에 수행되는 A 절차를 나타낸 흐름도이다.
도 18은 도 17의 방법을 이용하여 음성 인에이블 디바이스를 선택하는 예를 도시한다.
도 19는 5G 네트워크를 이용하여 임계 상황을 판단하는 방법을 나타낸 흐름도이다.
본 발명에 관한 이해를 돕기 위해 상세한 설명의 일부로 포함되는, 첨부 도면은 본 발명에 대한 실시예를 제공하고, 상세한 설명과 함께 본 발명의 기술적 특징을 설명한다.

이하, 첨부된 도면을 참조하여 본 명세서에 개시된 실시예를 상세히 설명하되, 도면 부호에 관계없이 동일하거나 유사한 구성요소는 동일한 참조 번호를 부여하고 이에 대한 중복되는 설명은 생략하기로 한다. 이하의 설명에서 사용되는 구성요소에 대한 접미사 "모듈" 및 "부"는 명세서 작성의 용이함만이 고려되어 부여되거나 혼용되는 것으로서, 그 자체로 서로 구별되는 의미 또는 역할을 갖는 것은 아니다. 또한, 본 명세서에 개시된 실시예를 설명함에 있어서 관련된 공지 기술에 대한 구체적인 설명이 본 명세서에 개시된 실시예의 요지를 흐릴 수 있다고 판단되는 경우 그 상세한 설명을 생략한다. 또한, 첨부된 도면은 본 명세서에 개시된 실시예를 쉽게 이해할 수 있도록 하기 위한 것일 뿐, 첨부된 도면에 의해 본 명세서에 개시된 기술적 사상이 제한되지 않으며, 본 발명의 사상 및 기술 범위에 포함되는 모든 변경, 균등물 내지 대체물을 포함하는 것으로 이해되어야 한다.

제1, 제2 등과 같이 서수를 포함하는 용어는 다양한 구성요소들을 설명하는데 사용될 수 있지만, 상기 구성요소들은 상기 용어들에 의해 한정되지는 않는다. 상기 용어들은 하나의 구성요소를 다른 구성요소로부터 구별하는 목적으로만 사용된다.

어떤 구성요소가 다른 구성요소에 "연결되어" 있다거나 "접속되어" 있다고 언급된 때에는, 그 다른 구성요소에 직접적으로 연결되어 있거나 또는 접속되어 있을 수도 있지만, 중간에 다른 구성요소가 존재할 수도 있다고 이해되어야 할 것이다. 반면에, 어떤 구성요소가 다른 구성요소에 "직접 연결되어" 있다거나 "직접 접속되어" 있다고 언급된 때에는, 중간에 다른 구성요소가 존재하지 않는 것으로 이해되어야 할 것이다.

단수의 표현은 문맥상 명백하게 다르게 뜻하지 않는 한, 복수의 표현을 포함한다.

본 출원에서, "포함한다" 또는 "가지다" 등의 용어는 명세서상에 기재된 특징, 숫자, 단계, 동작, 구성요소, 부품 또는 이들을 조합한 것이 존재함을 지정하려는 것이지, 하나 또는 그 이상의 다른 특징들이나 숫자, 단계, 동작, 구성요소, 부품 또는 이들을 조합한 것들의 존재 또는 부가 가능성을 미리 배제하지 않는 것으로 이해되어야 한다.

A. UE 및 5G 네트워크 블록도 예시

도 1은 본 명세서에서 제안하는 방법들이 적용될 수 있는 무선 통신 시스템의 블록 구성도를 예시한다.

도 1을 참조하면, AI 모듈을 포함하는 장치(AI 장치)를 제1 통신 장치로 정의(도 1의 910)하고, 프로세서(911)가 AI 상세 동작을 수행할 수 있다.

AI 장치와 통신하는 다른 장치(AI 서버)를 포함하는 5G 네트워크를 제2 통신 장치로 정의(도 1의 920)하고, 프로세서(921)가 AI 상세 동작을 수행할 수 있다.

5G 네트워크가 제1 통신 장치로, AI 장치가 제2 통신 장치로 표현될 수도 있다.

예를 들어, 상기 제1 통신 장치 또는 상기 제2 통신 장치는 기지국, 네트워크 노드, 전송 단말, 수신 단말, 무선 장치, 무선 통신 장치, AI (Artificial Intelligence) 장치 등일 수 있다.

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

도 1을 참고하면, 제1 통신 장치(910)와 제2 통신 장치(920)는 프로세서 (processor, 911,921), 메모리 (memory, 914,924), 하나 이상의 Tx/Rx RF 모듈 (radio frequency module, 915,925), Tx 프로세서(912,922), Rx 프로세서(913,923), 안테나(916,926)를 포함한다. Tx/Rx 모듈은 트랜시버라고도 한다. 각각의 Tx/Rx 모듈(915)는 각각의 안테나(926)를 통해 신호를 전송한다. 프로세서는 앞서 살핀 기능, 과정 및/또는 방법을 구현한다. 프로세서(921)는 프로그램 코드 및 데이터를 저장하는 메모리(924)와 관련될 수 있다. 메모리는 컴퓨터 판독 가능 매체로서 지칭될 수 있다. 보다 구체적으로, DL (Downlink)(제1 통신 장치에서 제2 통신 장치로의 통신)에서, 전송 (TX) 프로세서(912)는 L1 계층(즉, 물리 계층)에 대한 다양한 신호 처리 기능을 구현한다. 수신 (RX) 프로세서는 L1(즉, 물리 계층)의 다양한 신호 프로세싱 기능을 구현한다.

UL (Uplink)(제2 통신 장치에서 제1 통신 장치로의 통신)은 제2 통신 장치(920)에서 수신기 기능과 관련하여 기술된 것과 유사한 방식으로 제1 통신 장치(910)에서 처리된다. 각각의 Tx/Rx 모듈(925)은 각각의 안테나(926)를 통해 신호를 수신한다. 각각의 Tx/Rx 모듈은 RF 반송파 및 정보를 RX 프로세서(923)에 제공한다. 프로세서(921)는 프로그램 코드 및 데이터를 저장하는 메모리(924)와 관련될 수 있다. 메모리는 컴퓨터 판독 가능 매체로서 지칭될 수 있다.

B. 무선 통신 시스템에서 신호 송/수신 방법

도 2는 무선 통신 시스템에서 신호 송/수신 방법의 일례를 나타낸 도이다.

도 2를 참고하면, UE는 전원이 켜지거나 새로이 셀에 진입한 경우 BS와 동기를 맞추는 등의 초기 셀 탐색 (initial cell search) 작업을 수행한다(S201). 이를 위해, UE는 BS로부터 1차 동기 채널 (primary synchronization channel, P-SCH) 및 2차 동기 채널 (secondary synchronization channel, S-SCH)을 수신하여 BS와 동기를 맞추고, 셀 ID 등의 정보를 획득할 수 있다. LTE 시스템과 NR 시스템에서 P-SCH와 S-SCH는 각각 1차 동기 신호 (primary synchronization signal, PSS)와 2차 동기 신호 (secondary synchronization signal, SSS)로 불린다. 초기 셀 탐색 후, UE는 BS로부터 물리 브로드캐스트 채널 (physical broadcast channel, PBCH)을 수신하여 셀 내 브로드캐스트 정보를 획득할 수 있다. 한편, UE는 초기 셀 탐색 단계에서 하향링크 참조 신호 (downlink reference Signal, DL RS)를 수신하여 하향링크 채널 상태를 확인할 수 있다.

초기 셀 탐색을 마친 UE는 물리 하향링크 제어 채널 (physical downlink control channel, PDCCH) 및 상기 PDCCH에 실린 정보에 따라 물리 하향링크 공유 채널 (physical downlink shared Channel, PDSCH)을 수신함으로써 좀더 구체적인 시스템 정보를 획득할 수 있다(S202).

한편, BS에 최초로 접속하거나 신호 전송을 위한 무선 자원이 없는 경우 UE는 BS에 대해 임의 접속 과정 (random access procedure, RACH)을 수행할 수 있다(단계 S203 내지 단계 S206). 이를 위해, UE는 물리 임의 접속 채널 (physical random access Channel, PRACH)을 통해 특정 시퀀스를 프리앰블로서 전송하고(S203 및 S205), PDCCH 및 대응하는 PDSCH를 통해 프리앰블에 대한 임의 접속 응답 (random access response, RAR) 메시지를 수신할 수 있다(S204 및 S206). 경쟁 기반 RACH의 경우, 추가적으로 충돌 해결 과정 (contention resolution procedure)를 수행할 수 있다.

상술한 바와 같은 과정을 수행한 UE는 이후 일반적인 상향링크/하향링크 신호 전송 과정으로서 PDCCH/PDSCH 수신(S207) 및 물리 상향링크 공유 채널 (physical uplink shared Channel, PUSCH)/물리 상향링크 제어 채널 (physical uplink control channel, PUCCH) 전송(S208)을 수행할 수 있다. 특히 UE는 PDCCH를 통하여 하향링크 제어 정보 (downlink control information, DCI)를 수신한다. UE는 해당 탐색 공간 설정 (configuration)들에 따라 서빙 셀 상의 하나 이상의 제어 요소 세트 (control element set, CORESET)들에 설정된 모니터링 기회 (occasion)들에서 PDCCH 후보 (candidate)들의 세트를 모니터링한다. UE가 모니터할 PDCCH 후보들의 세트는 탐색 공간 세트들의 면에서 정의되며, 탐색 공간 세트는 공통 탐색 공간 세트 또는 UE-특정 탐색 공간 세트일 수 있다. CORESET은 1~3개 OFDM 심볼들의 시간 지속기간을 갖는 (물리) 자원 블록들의 세트로 구성된다. 네트워크는 UE가 복수의 CORESET들을 갖도록 설정할 수 있다. UE는 하나 이상의 탐색 공간 세트들 내 PDCCH 후보들을 모니터링한다. 여기서 모니터링이라 함은 탐색 공간 내 PDCCH 후보(들)에 대한 디코딩 시도하는 것을 의미한다. UE가 탐색 공간 내 PDCCH 후보들 중 하나에 대한 디코딩에 성공하면, 상기 UE는 해당 PDCCH 후보에서 PDCCH를 검출했다고 판단하고, 상기 검출된 PDCCH 내 DCI를 기반으로 PDSCH 수신 혹은 PUSCH 전송을 수행한다. PDCCH는 PDSCH 상의 DL 전송들 및 PUSCH 상의 UL 전송들을 스케줄링하는 데에 사용될 수 있다. 여기서 PDCCH 상의 DCI는 하향링크 공유 채널과 관련된, 변조 (modulation) 및 코딩 포맷과 자원 할당 (resource allocation) 정보를 적어도 포함하는 하향링크 배정 (assignment) (즉, downlink grant; DL grant), 또는 상향링크 공유 채널과 관련된, 변조 및 코딩 포맷과 자원 할당 정보를 포함하는 상향링크 그랜트 (uplink grant; UL grant)를 포함한다.

도 2를 참고하여, 5G 통신 시스템에서의 초기 접속 (Initial Access, IA) 절차에 대해 추가적으로 살펴본다.

UE는 SSB에 기반하여 셀 탐색 (search), 시스템 정보 획득, 초기 접속을 위한 빔 정렬, DL 측정 등을 수행할 수 있다. SSB는 SS/PBCH (Synchronization Signal/Physical Broadcast channel) 블록과 혼용된다.

SSB는 PSS, SSS와 PBCH로 구성된다. SSB는 4개의 연속된 OFDM 심볼들에 구성되며, OFDM 심볼별로 PSS, PBCH, SSS/PBCH 또는 PBCH가 전송된다. PSS와 SSS는 각각 1개의 OFDM 심볼과 127개의 부반송파들로 구성되고, PBCH는 3개의 OFDM 심볼과 576개의 부반송파들로 구성된다.

셀 탐색은 UE가 셀의 시간/주파수 동기를 획득하고, 상기 셀의 셀 ID (Identifier) (예, Physical layer Cell ID, PCI)를 검출하는 과정을 의미한다. PSS는 셀 ID 그룹 내에서 셀 ID를 검출하는데 사용되고, SSS는 셀 ID 그룹을 검출하는데 사용된다. PBCH는 SSB (시간) 인덱스 검출 및 하프-프레임 검출에 사용된다.

336개의 셀 ID 그룹이 존재하고, 셀 ID 그룹 별로 3개의 셀 ID가 존재한다. 즉, 총 1008개의 셀 ID가 존재한다. 셀의 셀 ID가 속한 셀 ID 그룹에 관한 정보는 상기 셀의 SSS를 통해 제공/획득되며, 상기 셀 ID 내 336개 셀들 중 상기 셀 ID에 관한 정보는 PSS를 통해 제공/획득된다

SSB는 SSB 주기 (periodicity)에 맞춰 주기적으로 전송된다. 초기 셀 탐색 시에 UE가 가정하는 SSB 기본 주기는 20ms로 정의된다. 셀 접속 후, SSB 주기는 네트워크 (예, BS)에 의해 {5ms, 10ms, 20ms, 40ms, 80ms, 160ms} 중 하나로 설정될 수 있다.

다음으로, 시스템 정보 (system information; SI) 획득에 대해 살펴본다.

SI는 마스터 정보 블록 (master information block, MIB)과 복수의 시스템 정보 블록 (system information block, SIB)들로 나눠진다. MIB 외의 SI는 RMSI (Remaining Minimum System Information)으로 지칭될 수 있다. MIB는 SIB1 (SystemInformationBlock1)을 나르는 PDSCH를 스케줄링하는 PDCCH의 모니터링을 위한 정보/파라미터를 포함하며 SSB의 PBCH를 통해 BS에 의해 전송된다. SIB1은 나머지 SIB들(이하, SIBx, x는 2 이상의 정수)의 가용성 (availability) 및 스케줄링(예, 전송 주기, SI-윈도우 크기)과 관련된 정보를 포함한다. SIBx는 SI 메시지에 포함되며 PDSCH를 통해 전송된다. 각각의 SI 메시지는 주기적으로 발생하는 시간 윈도우(즉, SI-윈도우) 내에서 전송된다.

도 2를 참고하여, 5G 통신 시스템에서의 임의 접속 (Random Access, RA) 과정에 대해 추가적으로 살펴본다.

임의 접속 과정은 다양한 용도로 사용된다. 예를 들어, 임의 접속 과정은 네트워크 초기 접속, 핸드오버, UE-트리거드 (triggered) UL 데이터 전송에 사용될 수 있다. UE는 임의 접속 과정을 통해 UL 동기와 UL 전송 자원을 획득할 수 있다. 임의 접속 과정은 경쟁 기반 (contention-based) 임의 접속 과정과 경쟁 프리 (contention free) 임의 접속 과정으로 구분된다. 경쟁 기반의 임의 접속 과정에 대한 구체적인 절차는 아래와 같다.

UE가 UL에서 임의 접속 과정의 Msg1로서 임의 접속 프리앰블을 PRACH를 통해 전송할 수 있다. 서로 다른 두 길이를 가지는 임의 접속 프리앰블 시퀀스들이 지원된다. 긴 시퀀스 길이 839는 1.25 및 5 kHz의 부반송파 간격 (subcarrier spacing)에 대해 적용되며, 짧은 시퀀스 길이 139는 15, 30, 60 및 120 kHz의 부반송파 간격에 대해 적용된다.

BS가 UE로부터 임의 접속 프리앰블을 수신하면, BS는 임의 접속 응답 (random access response, RAR) 메시지 (Msg2)를 상기 UE에게 전송한다. RAR을 나르는 PDSCH를 스케줄링하는 PDCCH는 임의 접속 (random access, RA) 무선 네트워크 임시 식별자 (radio network temporary identifier, RNTI) (RA-RNTI)로 CRC 마스킹되어 전송된다. RA-RNTI로 마스킹된 PDCCH를 검출한 UE는 상기 PDCCH가 나르는 DCI가 스케줄링하는 PDSCH로부터 RAR을 수신할 수 있다. UE는 자신이 전송한 프리앰블, 즉, Msg1에 대한 임의 접속 응답 정보가 상기 RAR 내에 있는지 확인한다. 자신이 전송한 Msg1에 대한 임의 접속 정보가 존재하는지 여부는 상기 UE가 전송한 프리앰블에 대한 임의 접속 프리앰블 ID가 존재하는지 여부에 의해 판단될 수 있다. Msg1에 대한 응답이 없으면, UE는 전력 램핑 (power ramping)을 수행하면서 RACH 프리앰블을 소정의 횟수 이내에서 재전송할 수 있다. UE는 가장 최근의 경로 손실 및 전력 램핑 카운터를 기반으로 프리앰블의 재전송에 대한 PRACH 전송 전력을 계산한다.

상기 UE는 임의 접속 응답 정보를 기반으로 상향링크 공유 채널 상에서 UL 전송을 임의 접속 과정의 Msg3로서 전송할 수 있다. Msg3은 RRC 연결 요청 및 UE 식별자를 포함할 수 있다. Msg3에 대한 응답으로서, 네트워크는 Msg4를 전송할 수 있으며, 이는 DL 상에서의 경쟁 해결 메시지로 취급될 수 있다. Msg4를 수신함으로써, UE는 RRC 연결된 상태에 진입할 수 있다.

C. 5G 통신 시스템의 빔 관리 (Beam Management, BM) 절차

BM 과정은 (1) SSB 또는 CSI-RS를 이용하는 DL BM 과정과, (2) SRS (sounding reference signal)을 이용하는 UL BM 과정으로 구분될 수 있다. 또한, 각 BM 과정은 Tx 빔을 결정하기 위한 Tx 빔 스위핑과 Rx 빔을 결정하기 위한 Rx 빔 스위핑을 포함할 수 있다.

SSB를 이용한 DL BM 과정에 대해 살펴본다.

SSB를 이용한 빔 보고 (beam report)에 대한 설정은 RRC_CONNECTED에서 채널 상태 정보 (channel state information, CSI)/빔 설정 시에 수행된다.

- UE는 BM을 위해 사용되는 SSB 자원들에 대한 CSI-SSB-ResourceSetList를 포함하는 CSI-ResourceConfig IE를 BS로부터 수신한다. RRC 파라미터 csi-SSB-ResourceSetList는 하나의 자원 세트에서 빔 관리 및 보고를 위해 사용되는 SSB 자원들의 리스트를 나타낸다. 여기서, SSB 자원 세트는 {SSBx1, SSBx2, SSBx3, SSBx4, ?}으로 설정될 수 있다. SSB 인덱스는 0부터 63까지 정의될 수 있다.

- UE는 상기 CSI-SSB-ResourceSetList에 기초하여 SSB 자원들 상의 신호들을 상기 BS로부터 수신한다.

- SSBRI 및 참조 신호 수신 전력 (reference signal received power, RSRP)에 대한 보고와 관련된 CSI-RS reportConfig가 설정된 경우, 상기 UE는 최선 (best) SSBRI 및 이에 대응하는 RSRP를 BS에게 보고한다. 예를 들어, 상기 CSI-RS reportConfig IE의 reportQuantity가 'ssb-Index-RSRP'로 설정된 경우, UE는 BS으로 최선 SSBRI 및 이에 대응하는 RSRP를 보고한다.

UE는 SSB와 동일한 OFDM 심볼(들)에 CSI-RS 자원이 설정되고, 'QCL-TypeD'가 적용 가능한 경우, 상기 UE는 CSI-RS와 SSB가 'QCL-TypeD' 관점에서 유사 동일 위치된 (quasi co-located, QCL) 것으로 가정할 수 있다. 여기서, QCL-TypeD는 공간 (spatial) Rx 파라미터 관점에서 안테나 포트들 간에 QCL되어 있음을 의미할 수 있다. UE가 QCL-TypeD 관계에 있는 복수의 DL 안테나 포트들의 신호들을 수신 시에는 동일한 수신 빔을 적용해도 무방하다.

다음으로, CSI-RS를 이용한 DL BM 과정에 대해 살펴본다.

CSI-RS를 이용한 UE의 Rx 빔 결정(또는 정제 (refinement)) 과정과 BS의 Tx 빔 스위핑 과정에 대해 차례대로 살펴본다. UE의 Rx 빔 결정 과정은 반복 파라미터가 'ON'으로 설정되며, BS의 Tx 빔 스위핑 과정은 반복 파라미터가 'OFF'로 설정된다.

먼저, UE의 Rx 빔 결정 과정에 대해 살펴본다.

- UE는 'repetition'에 관한 RRC 파라미터를 포함하는 NZP CSI-RS resource set IE를 RRC 시그널링을 통해 BS로부터 수신한다. 여기서, 상기 RRC 파라미터 'repetition'이 'ON'으로 세팅되어 있다.

- UE는 상기 RRC 파라미터 'repetition'이 'ON'으로 설정된 CSI-RS 자원 세트 내의 자원(들) 상에서의 신호들을 BS의 동일 Tx 빔(또는 DL 공간 도메인 전송 필터)을 통해 서로 다른 OFDM 심볼에서 반복 수신한다.

- UE는 자신의 Rx 빔을 결정한다.

- UE는 CSI 보고를 생략한다. 즉, UE는 상가 RRC 파라미터 'repetition'이 'ON'으로 설정된 경우, CSI 보고를 생략할 수 있다.

다음으로, BS의 Tx 빔 결정 과정에 대해 살펴본다.

- UE는 'repetition'에 관한 RRC 파라미터를 포함하는 NZP CSI-RS resource set IE를 RRC 시그널링을 통해 BS로부터 수신한다. 여기서, 상기 RRC 파라미터 'repetition'이 'OFF'로 세팅되어 있으며, BS의 Tx 빔 스위핑 과정과 관련된다.

- UE는 상기 RRC 파라미터 'repetition'이 'OFF'로 설정된 CSI-RS 자원 세트 내의 자원들 상에서의 신호들을 BS의 서로 다른 Tx 빔(DL 공간 도메인 전송 필터)을 통해 수신한다.

- UE는 최상의 (best) 빔을 선택(또는 결정)한다.

- UE는 선택된 빔에 대한 ID (예, CRI) 및 관련 품질 정보 (예, RSRP)를 BS으로 보고한다. 즉, UE는 CSI-RS가 BM을 위해 전송되는 경우 CRI와 이에 대한 RSRP를 BS으로 보고한다.

다음으로, SRS를 이용한 UL BM 과정에 대해 살펴본다.

- UE는 'beam management'로 설정된 (RRC 파라미터) 용도 파라미터를 포함하는 RRC 시그널링 (예, SRS-Config IE)를 BS로부터 수신한다. SRS-Config IE는 SRS 전송 설정을 위해 사용된다. SRS-Config IE는 SRS-Resources의 리스트와 SRS-ResourceSet들의 리스트를 포함한다. 각 SRS 자원 세트는 SRS-resource들의 세트를 의미한다.

- UE는 상기 SRS-Config IE에 포함된 SRS-SpatialRelation Info에 기초하여 전송할 SRS 자원에 대한 Tx 빔포밍을 결정한다. 여기서, SRS-SpatialRelation Info는 SRS 자원별로 설정되고, SRS 자원별로 SSB, CSI-RS 또는 SRS에서 사용되는 빔포밍과 동일한 빔포밍을 적용할지를 나타낸다.

- 만약 SRS 자원에 SRS-SpatialRelationInfo가 설정되면 SSB, CSI-RS 또는 SRS에서 사용되는 빔포밍과 동일한 빔포밍을 적용하여 전송한다. 하지만, SRS 자원에 SRS-SpatialRelationInfo가 설정되지 않으면, 상기 UE는 임의로 Tx 빔포밍을 결정하여 결정된 Tx 빔포밍을 통해 SRS를 전송한다.

다음으로, 빔 실패 복구 (beam failure recovery, BFR) 과정에 대해 살펴본다.

빔포밍된 시스템에서, RLF (Radio Link Failure)는 UE의 회전 (rotation), 이동 (movement) 또는 빔포밍 블로키지 (blockage)로 인해 자주 발생할 수 있다. 따라서, 잦은 RLF가 발생하는 것을 방지하기 위해 BFR이 NR에서 지원된다. BFR은 무선 링크 실패 복구 과정과 유사하고, UE가 새로운 후보 빔(들)을 아는 경우에 지원될 수 있다. 빔 실패 검출을 위해, BS는 UE에게 빔 실패 검출 참조 신호들을 설정하고, 상기 UE는 상기 UE의 물리 계층으로부터의 빔 실패 지시 (indication)들의 횟수가 BS의 RRC 시그널링에 의해 설정된 기간 (period) 내에 RRC 시그널링에 의해 설정된 임계치 (threshold)에 이르면 (reach), 빔 실패를 선언 (declare)한다. 빔 실패가 검출된 후, 상기 UE는 PCell 상의 임의 접속 과정을 개시 (initiate)함으로써 빔 실패 복구를 트리거하고; 적절한 (suitable) 빔을 선택하여 빔 실패 복구를 수행한다(BS가 어떤(certain) 빔들에 대해 전용 임의 접속 자원들을 제공한 경우, 이들이 상기 UE에 의해 우선화된다). 상기 임의 접속 절차의 완료 (completion) 시, 빔 실패 복구가 완료된 것으로 간주된다.

D. URLLC (Ultra-Reliable and Low Latency Communication)

NR에서 정의하는 URLLC 전송은 (1) 상대적으로 낮은 트래픽 크기, (2) 상대적으로 낮은 도착 레이트(low arrival rate), (3) 극도의 낮은 레이턴시 요구사항 (requirement)(예, 0.5, 1ms), (4) 상대적으로 짧은 전송 지속기간 (duration) (예, 2 OFDM symbols), (5) 긴급한 서비스/메시지 등에 대한 전송을 의미할 수 있다. UL의 경우, 보다 엄격 (stringent)한 레이턴시 요구 사항 (latency requirement)을 만족시키기 위해 특정 타입의 트래픽(예컨대, URLLC)에 대한 전송이 앞서서 스케줄링된 다른 전송(예컨대, eMBB)과 다중화 (multiplexing)되어야 할 필요가 있다. 이와 관련하여 한 가지 방안으로, 앞서 스케줄링 받은 UE에게 특정 자원에 대해서 프리엠션 (preemption)될 것이라는 정보를 주고, 해당 자원을 URLLC UE가 UL 전송에 사용하도록 한다.

NR의 경우, eMBB와 URLLC 사이의 동적 자원 공유 (sharing)가 지원된다. eMBB와 URLLC 서비스들은 비-중첩 (non-overlapping) 시간/주파수 자원들 상에서 스케줄될 수 있으며, URLLC 전송은 진행 중인 (ongoing) eMBB 트래픽에 대해 스케줄된 자원들에서 발생할 수 있다. eMBB UE는 해당 UE의 PDSCH 전송이 부분적으로 펑처링 (puncturing)되었는지 여부를 알 수 없을 수 있고, 손상된 코딩된 비트 (corrupted coded bit)들로 인해 UE는 PDSCH를 디코딩하지 못할 수 있다. 이 점을 고려하여, NR에서는 프리엠션 지시 (preemption indication)를 제공한다. 상기 프리엠션 지시 (preemption indication)는 중단된 전송 지시 (interrupted transmission indication)로 지칭될 수도 있다.

프리엠션 지시와 관련하여, UE는 BS로부터의 RRC 시그널링을 통해 DownlinkPreemption IE를 수신한다. UE가 DownlinkPreemption IE를 제공받으면, DCI 포맷 2_1을 운반 (convey)하는 PDCCH의 모니터링을 위해 상기 UE는 DownlinkPreemption IE 내 파라미터 int-RNTI에 의해 제공된 INT-RNTI를 가지고 설정된다. 상기 UE는 추가적으로 servingCellID에 의해 제공되는 서빙 셀 인덱스들의 세트를 포함하는 INT-ConfigurationPerServing Cell에 의해 서빙 셀들의 세트와 positionInDCI에 의해 DCI 포맷 2_1 내 필드들을 위한 위치들의 해당 세트를 가지고 설정되고, dci-PayloadSize에 의해 DCI 포맷 2_1을 위한 정보 페이로드 크기를 가지고 설정되며, timeFrequencySect에 의한 시간-주파수 자원들의 지시 입도 (granularity)를 가지고 설정된다.

상기 UE는 상기 DownlinkPreemption IE에 기초하여 DCI 포맷 2_1을 상기 BS로부터 수신한다.

UE가 서빙 셀들의 설정된 세트 내 서빙 셀에 대한 DCI 포맷 2_1을 검출하면, 상기 UE는 상기 DCI 포맷 2_1이 속한 모니터링 기간의 바로 앞 (last) 모니터링 기간의 PRB들의 세트 및 심볼들의 세트 중 상기 DCI 포맷 2_1에 의해 지시되는 PRB들 및 심볼들 내에는 상기 UE로의 아무런 전송도 없다고 가정할 수 있다. 예를 들어, UE는 프리엠션에 의해 지시된 시간-주파수 자원 내 신호는 자신에게 스케줄링된 DL 전송이 아니라고 보고 나머지 자원 영역에서 수신된 신호들을 기반으로 데이터를 디코딩한다.

E. mMTC (massive MTC)

mMTC (massive Machine Type Communication)은 많은 수의 UE와 동시에 통신하는 초연결 서비스를 지원하기 위한 5G의 시나리오 중 하나이다. 이 환경에서, UE는 굉장히 낮은 전송 속도와 이동성을 가지고 간헐적으로 통신하게 된다. 따라서, mMTC는 UE를 얼마나 낮은 비용으로 오랫동안 구동할 수 있는지를 주요 목표로 하고 있다. mMTC 기술과 관련하여 3GPP에서는 MTC와 NB (NarrowBand)-IoT를 다루고 있다.

mMTC 기술은 PDCCH, PUCCH, PDSCH (physical downlink shared channel), PUSCH 등의 반복 전송, 주파수 호핑 (hopping), 리튜닝 (retuning), 가드 구간 (guard period) 등의 특징을 가진다.

즉, 특정 정보를 포함하는 PUSCH(또는 PUCCH(특히, long PUCCH) 또는 PRACH) 및 특정 정보에 대한 응답을 포함하는 PDSCH(또는 PDCCH)가 반복 전송된다. 반복 전송은 주파수 호핑 (frequency hopping)을 통해 수행되며, 반복 전송을 위해, 제1 주파수 자원에서 제2 주파수 자원으로 가드 구간 (guard period)에서 (RF) 리튜닝 (retuning)이 수행되고, 특정 정보 및 특정 정보에 대한 응답은 협대역 (narrowband) (ex. 6 RB (resource block) or 1 RB)을 통해 송/수신될 수 있다.

F. 5G 통신을 이용한 AI 기본 동작

도 3은 5G 통신 시스템에서 사용자 단말과 5G 네트워크의 기본동작의 일 예를 나타낸다.

UE는 특정 정보 전송을 5G 네트워크로 전송한다(S1). 그리고, 상기 5G 네트워크는 상기 특정 정보에 대한 5G 프로세싱을 수행한다(S2). 여기서, 5G 프로세싱은 AI 프로세싱을 포함할 수 있다. 그리고, 상기 5G 네트워크는 AI 프로세싱 결과를 포함하는 응답을 상기 UE로 전송한다(S3).

G. 5G 통신 시스템에서 사용자 단말과 5G 네트워크 간의 응용 동작

이하, 도 1 및 도 2와 앞서 살핀 무선 통신 기술(BM 절차, URLLC, mMTC 등)을 참고하여 5G 통신을 이용한 AI 동작에 대해 보다 구체적으로 살펴본다.

먼저, 후술할 본 발명에서 제안하는 방법과 5G 통신의 eMBB 기술이 적용되는 응용 동작의 기본 절차에 대해 설명한다.

도 3의 S1 단계 및 S3 단계와 같이, UE가 5G 네트워크와 신호, 정보 등을 송/수신하기 위해, UE는 도 3의 S1 단계 이전에 5G 네트워크와 초기 접속(initial access) 절차 및 임의 접속(random access) 절차를 수행한다.

보다 구체적으로, UE는 DL 동기 및 시스템 정보를 획득하기 위해 SSB에 기초하여 5G 네트워크와 초기 접속 절차를 수행한다. 상기 초기 접속 절차 과정에서 빔 관리(beam management, BM) 과정, 빔 실패 복구(beam failure recovery) 과정이 추가될 수 있으며, UE가 5G 네트워크로부터 신호를 수신하는 과정에서 QCL(quasi-co location) 관계가 추가될 수 있다.

또한, UE는 UL 동기 획득 및/또는 UL 전송을 위해 5G 네트워크와 임의 접속 절차를 수행한다. 그리고, 상기 5G 네트워크는 상기 UE로 특정 정보의 전송을 스케쥴링하기 위한 UL grant를 전송할 수 있다. 따라서, 상기 UE는 상기 UL grant에 기초하여 상기 5G 네트워크로 특정 정보를 전송한다. 그리고, 상기 5G 네트워크는 상기 UE로 상기 특정 정보에 대한 5G 프로세싱 결과의 전송을 스케쥴링하기 위한 DL grant를 전송한다. 따라서, 상기 5G 네트워크는 상기 DL grant에 기초하여 상기 UE로 AI 프로세싱 결과를 포함하는 응답을 전송할 수 있다.

다음으로, 후술할 본 발명에서 제안하는 방법과 5G 통신의 URLLC 기술이 적용되는 응용 동작의 기본 절차에 대해 설명한다.

앞서 설명한 바와 같이, UE가 5G 네트워크와 초기 접속 절차 및/또는 임의 접속 절차를 수행한 후, UE는 5G 네트워크로부터 DownlinkPreemption IE를 수신할 수 있다. 그리고, UE는 DownlinkPreemption IE에 기초하여 프리엠션 지시(pre-emption indication)를 포함하는 DCI 포맷 2_1을 5G 네트워크로부터 수신한다. 그리고, UE는 프리엠션 지시(pre-emption indication)에 의해 지시된 자원(PRB 및/또는 OFDM 심볼)에서 eMBB data의 수신을 수행(또는 기대 또는 가정)하지 않는다. 이후, UE는 특정 정보를 전송할 필요가 있는 경우 5G 네트워크로부터 UL grant를 수신할 수 있다.

다음으로, 후술할 본 발명에서 제안하는 방법과 5G 통신의 mMTC 기술이 적용되는 응용 동작의 기본 절차에 대해 설명한다.

도 3의 단계들 중 mMTC 기술의 적용으로 달라지는 부분 위주로 설명하기로 한다.

도 3의 S1 단계에서, UE는 특정 정보를 5G 네트워크로 전송하기 위해 5G 네트워크로부터 UL grant를 수신한다. 여기서, 상기 UL grant는 상기 특정 정보의 전송에 대한 반복 횟수에 대한 정보를 포함하고, 상기 특정 정보는 상기 반복 횟수에 대한 정보에 기초하여 반복하여 전송될 수 있다. 즉, 상기 UE는 상기 UL grant에 기초하여 특정 정보를 5G 네트워크로 전송한다. 그리고, 특정 정보의 반복 전송은 주파수 호핑을 통해 수행되고, 첫 번째 특정 정보의 전송은 제1 주파수 자원에서, 두 번째 특정 정보의 전송은 제2 주파수 자원에서 전송될 수 있다. 상기 특정 정보는 6RB(Resource Block) 또는 1RB(Resource Block)의 협대역(narrowband)을 통해 전송될 수 있다.

앞서 살핀 5G 통신 기술은 후술할 본 발명에서 제안하는 방법들과 결합되어 적용될 수 있으며, 또는 본 발명에서 제안하는 방법들의 기술적 특징을 구체화하거나 명확하게 하는데 보충될 수 있다.

이하 명세서에서, 홈 IoT 서버는 음성 인에이블 디바이스를 선택하기 위한 음성 인에이블 디바이스 선택 장치로 정의할 수 있고, 홈 IoT 기기는 기동어를 인식하기 위한 음성 인식 디바이스로 정의할 수 있다. 또한, 기동어는 특정 IoT 기기를 기동시키기 위한 사용자의 발화로 정의할 수 있다.

도 4는 본 발명의 실시예에 따른 홈 IoT 시스템을 도시한 도면이다.

도 4에 도시된 바와 같이, 본 발명의 실시예에 따르면, 홈 IoT 시스템(1)은 복수의 음성 인식 디바이스(IoT 기기)(31, 32, 33, 34)를 포함할 수 있다.

사용자(1000)가 기동어(1001)("Hi LG")를 발화하면, 각 음성 인식 디바이스(31, 32, 33, 34)는 기동어(1001)를 수신할 수 있다. 예를 들면, 각 음성 인식 디바이스(31, 32, 33, 34)는 각 음성 인식 디바이스(31, 32, 33, 34)에 포함된 복수의 마이크(미도시)를 이용하여 기동어(1001)를 수신할 수 있다. 여기서, 각 음성 인식 디바이스(31, 32, 33, 34)는 기동어(1001)를 서로 다른 방향으로 수신할 수 있다.

기동어(1001)를 수신하면, 각 음성 인식 디바이스(31, 32, 33, 34)는 기동어(1001)를 수신한 방향과 관련된 기동어 수신 방향 정보를 생성할 수 있다.

각 음성 인식 디바이스(31, 32, 33, 34)는 생성된 기동어 수신 방향과 관련된 정보를 음성 인에이블 디바이스 선택 장치(10)로 전송할 수 있다. 여기서, 각 음성 인식 디바이스(31, 32, 33, 34)는 5G 통신 기술(예를 들면, NB-IoT 기술)을 이용하여 기동어 수신 방향과 관련된 정보를 음성 인에이블 디바이스 선택 장치(10)로 전송할 수 있다.

각 음성 인식 디바이스(31, 32, 33, 34)로부터 기동어 수신 방향과 관련된 정보를 획득하면, 음성 인에이블 디바이스 선택 장치(10)는 기동어 수신 방향과 관련된 정보에 기반하여 기동어를 발화한 위치(또는 사용자의 위치)와 관련된 디바이스를 선택할 수 있다.

기동어 발화 위치로부터 가장 가까운 하나의 음성 인식 디바이스(31)를 음성 인에이블 디바이스를 선택한 후, 음성 인에이블 디바이스 선택 장치(10)는 선택된 음성 인에이블 디바이스(31)로 기동어(1001)에 기동 및 기동 응답을 출력하도록 하는 기동 요청을 전송할 수 있다.

기동 요청을 수신한 음성 인에이블 디바이스(31)는 기동 동작을 수행하고, 기동 응답("띠링")을 출력할 수 있다.

도 5는 본 발명의 일 실시예에 따른 AI 장치의 블록도이다.

상기 AI 장치(20)는 AI 프로세싱을 수행할 수 있는 AI 모듈을 포함하는 전자 기기 또는 상기 AI 모듈을 포함하는 서버 등을 포함할 수 있다. 또한, 상기 AI 장치(20)는 도 4에 도시된 음성 인에이블 디바이스 선택 장치(10)의 적어도 일부의 구성으로 포함되어 AI 프로세싱 중 적어도 일부를 함께 수행하도록 구비될 수도 있다.

상기 AI 프로세싱은, 도 4에 도시된 음성 인에이블 디바이스 선택 장치(10)의 제어와 관련된 모든 동작들을 포함할 수 있다. 예를 들어, 음성 인에이블 디바이스 선택 장치(10)는 각 IoT 기기로부터 전송된 센싱 데이터 또는 획득된 데이터를 AI 프로세싱 하여 처리/판단, 제어 신호 생성 동작을 수행할 수 있다. 또한, 예를 들어, 음성 인에이블 디바이스 선택 장치(10)는 통신부를 통해 수신된 데이터를 AI 프로세싱 하여 음성 인에이블 디바이스 선택 장치의 제어를 수행할 수 있다.

상기 AI 장치(20)는 AI 프로세싱 결과를 직접 이용하는 클라이언트 디바이스이거나, 상기 AI 프로세싱 결과를 다른 기기에 제공하는 클라우드 환경의 디바이스일 수도 있다.

상기 AI 장치(20)는 AI 프로세서(21), 메모리(25) 및/또는 통신부(27)를 포함할 수 있다.

상기 AI 장치(20)는 신경망을 학습할 수 있는 컴퓨팅 장치로서, 서버, 데스크탑 PC, 노트북 PC, 태블릿 PC 등과 같은 다양한 전자 장치로 구현될 수 있다.

AI 프로세서(21)는 메모리(25)에 저장된 프로그램을 이용하여 신경망을 학습할 수 있다. 특히, AI 프로세서(21)는 음성 인에이블 디바이스 선택 장치 관련 데이터를 인식하기 위한 신경망을 학습할 수 있다. 예를 들면, AI 프로세서(21)는 기동 상황 정보(예를 들면, 기동어를 발화한 시간대와 관련된 정보, 기동어를 발화한 것으로 인식된 사용자와 관련된 정보, 음성 인식 디바이스 위치 정보 및 발화 위치 정보)를 인식하고, 음성 인에이블 디바이스 선택에 있어서 기동어 수신 방향뿐만 아니라 음성 신호 특성까지도 반영하여야 하는 임계 상황인지 여부를 분류하기 위한 신경망을 학습할 수 있다. 음성 인에이블 디바이스 선택 장치 관련 데이터를 인식하기 위한 신경망은 인간의 뇌 구조를 컴퓨터 상에서 모의하도록 설계될 수 있으며, 인간의 신경망의 뉴런(neuron)을 모의하는, 가중치를 갖는 복수의 네트워크 노드들을 포함할 수 있다. 복수의 네트워크 모드들은 뉴런이 시냅스(synapse)를 통해 신호를 주고받는 뉴런의 시냅틱 활동을 모의하도록 각각 연결 관계에 따라 데이터를 주고받을 수 있다. 여기서 신경망은 신경망 모델에서 발전한 딥러닝 모델을 포함할 수 있다. 딥 러닝 모델에서 복수의 네트워크 노드들은 서로 다른 레이어에 위치하면서 컨볼루션(convolution) 연결 관계에 따라 데이터를 주고받을 수 있다. 신경망 모델의 예는 심층 신경망(DNN, deep neural networks), 합성곱 신경망(CNN, convolutional deep neural networks), 순환 신경망(RNN, Recurrent Boltzmann Machine), 제한 볼츠만 머신(RBM, Restricted Boltzmann Machine), 심층 신뢰 신경망(DBN, deep belief networks), 심층 Q-네트워크(Deep Q-Network)와 같은 다양한 딥 러닝 기법들을 포함하며, 컴퓨터비젼, 음성인식, 자연어처리, 음성/신호처리 등의 분야에 적용될 수 있다.

한편, 전술한 바와 같은 기능을 수행하는 프로세서는 범용 프로세서(예를 들어, CPU)일 수 있으나, 인공지능 학습을 위한 AI 전용 프로세서(예를 들어, GPU)일 수 있다.

메모리(25)는 AI 장치(20)의 동작에 필요한 각종 프로그램 및 데이터를 저장할 수 있다. 메모리(25)는 비 휘발성 메모리, 휘발성 메모리, 플래시 메모리(flash-memory), 하드디스크 드라이브(HDD) 또는 솔리드 스테이트 드라이브(SDD) 등으로 구현할 수 있다. 메모리(25)는 AI 프로세서(21)에 의해 액세스되며, AI 프로세서(21)에 의한 데이터의 독취/기록/수정/삭제/갱신 등이 수행될 수 있다. 또한, 메모리(25)는 본 발명의 일 실시예에 따른 데이터 분류/인식을 위한 학습 알고리즘을 통해 생성된 신경망 모델(예를 들어, 딥 러닝 모델(26))을 저장할 수 있다.

한편, AI 프로세서(21)는 데이터 분류/인식을 위한 신경망을 학습하는 데이터 학습부(22)를 포함할 수 있다. 데이터 학습부(22)는 데이터 분류/인식을 판단하기 위하여 어떤 학습 데이터를 이용할지, 학습 데이터를 이용하여 데이터를 어떻게 분류하고 인식할지에 관한 기준을 학습할 수 있다. 데이터 학습부(22)는 학습에 이용될 학습 데이터를 획득하고, 획득된 학습데이터를 딥러닝 모델에 적용함으로써, 딥러닝 모델을 학습할 수 있다.

데이터 학습부(22)는 적어도 하나의 하드웨어 칩 형태로 제작되어 AI 장치(20)에 탑재될 수 있다. 예를 들어, 데이터 학습부(22)는 인공지능(AI)을 위한 전용 하드웨어 칩 형태로 제작될 수도 있고, 범용 프로세서(CPU) 또는 그래픽 전용 프로세서(GPU)의 일부로 제작되어 AI 장치(20)에 탑재될 수도 있다. 또한, 데이터 학습부(22)는 소프트웨어 모듈로 구현될 수 있다. 소프트웨어 모듈(또는 인스트럭션(instruction)을 포함하는 프로그램 모듈)로 구현되는 경우, 소프트웨어 모듈은 컴퓨터로 읽을 수 있는 판독 가능한 비일시적 판독 가능 기록 매체(non-transitory computer readable media)에 저장될 수 있다. 이 경우, 적어도 하나의 소프트웨어 모듈은 OS(Operating System)에 의해 제공되거나, 애플리케이션에 의해 제공될 수 있다.

데이터 학습부(22)는 학습 데이터 획득부(23) 및 모델 학습부(24)를 포함할 수 있다.

학습 데이터 획득부(23)는 데이터를 분류하고 인식하기 위한 신경망 모델에 필요한 학습 데이터를 획득할 수 있다. 예를 들어, 학습 데이터 획득부(23)는 학습 데이터로서, 신경망 모델에 입력하기 위한 음성 인에이블 디바이스 선택 장치 데이터 및/또는 샘플 데이터를 획득할 수 있다.

모델 학습부(24)는 상기 획득된 학습 데이터를 이용하여, 신경망 모델이 소정의 데이터를 어떻게 분류할지에 관한 판단 기준을 가지도록 학습할 수 있다. 이 때 모델 학습부(24)는 학습 데이터 중 적어도 일부를 판단 기준으로 이용하는 지도 학습(supervised learning)을 통하여, 신경망 모델을 학습시킬 수 있다. 또는 모델 학습부(24)는 지도 없이 학습 데이터를 이용하여 스스로 학습함으로써, 판단 기준을 발견하는 비지도 학습(unsupervised learning)을 통해 신경망 모델을 학습시킬 수 있다. 또한, 모델 학습부(24)는 학습에 따른 상황 판단의 결과가 올바른지에 대한 피드백을 이용하여 강화 학습(reinforcement learning)을 통하여, 신경망 모델을 학습시킬 수 있다. 또한, 모델 학습부(24)는 오류 역전파법(error back-propagation) 또는 경사 하강법(gradient decent)을 포함하는 학습 알고리즘을 이용하여 신경망 모델을 학습시킬 수 있다.

신경망 모델이 학습되면, 모델 학습부(24)는 학습된 신경망 모델을 메모리에 저장할 수 있다. 모델 학습부(24)는 학습된 신경망 모델을 AI 장치(20)와 유선 또는 무선 네트워크로 연결된 서버의 메모리에 저장할 수도 있다.

데이터 학습부(22)는 인식 모델의 분석 결과를 향상시키거나, 인식 모델의 생성에 필요한 리소스 또는 시간을 절약하기 위해 학습 데이터 전처리부(미도시) 및 학습 데이터 선택부(미도시)를 더 포함할 수도 있다.

학습 데이터 전처리부는 획득된 데이터가 상황 판단을 위한 학습에 이용될 수 있도록, 획득된 데이터를 전처리할 수 있다. 예를 들어, 학습 데이터 전처리부는, 모델 학습부(24)가 이미지 인식을 위한 학습을 위하여 획득된 학습 데이터를 이용할 수 있도록, 획득된 데이터를 기 설정된 포맷으로 가공할 수 있다.

또한, 학습 데이터 선택부는, 학습 데이터 획득부(23)에서 획득된 학습 데이터 또는 전처리부에서 전처리된 학습 데이터 중 학습에 필요한 데이터를 선택할 수 있다. 선택된 학습 데이터는 모델 학습부(24)에 제공될 수 있다. 예를 들어, 학습 데이터 선택부는, 음성 인에이블 디바이스 선택 장치의 카메라를 통해 획득한 영상 중 특정 영역을 검출함으로써, 특정 영역에 포함된 객체에 대한 데이터만을 학습 데이터로 선택할 수 있다.

또한, 데이터 학습부(22)는 신경망 모델의 분석 결과를 향상시키기 위하여 모델 평가부(미도시)를 더 포함할 수도 있다.

모델 평가부는, 신경망 모델에 평가 데이터를 입력하고, 평가 데이터로부터 출력되는 분석 결과가 소정 기준을 만족하지 못하는 경우, 모델 학습부(22)로 하여금 다시 학습하도록 할 수 있다. 이 경우, 평가 데이터는 인식 모델을 평가하기 위한 기 정의된 데이터일 수 있다. 일 예로, 모델 평가부는 평가 데이터에 대한 학습된 인식 모델의 분석 결과 중, 분석 결과가 정확하지 않은 평가 데이터의 개수 또는 비율이 미리 설정된 임계치를 초과하는 경우, 소정 기준을 만족하지 못한 것으로 평가할 수 있다.

통신부(27)는 AI 프로세서(21)에 의한 AI 프로세싱 결과를 외부 전자 기기로 전송할 수 있다.

상기 외부 전자 기기는, 음성 인에이블 디바이스 선택 장치, 로봇, 드론, AR 기기, 모바일 기기, 가전 기기 등을 포함할 수 있다.

일 예로 상기 외부 전자 기기가 음성 인에이블 디바이스 선택 장치인 경우, 상기 AI 장치(20)는 상기 음성 인에이블 디바이스 선택 장치와 통신하는 IoT 기기, 다른 음성 인에이블 디바이스 선택 장치 또는 5G 네트워크로 정의될 수 있다. 한편, 상기 AI 장치(20)는 음성 인에이블 디바이스 선택 장치 내에 구비된 프로세서에 기능적으로 임베딩되어 구현될 수도 있다. 또한, 상기 5G 네트워크는 AI 프로세싱을 수행하는 서버 또는 모듈을 포함할 수 있다.

한편, 도 5에 도시된 AI 장치(20)는 AI 프로세서(21)와 메모리(25), 통신부(27) 등으로 기능적으로 구분하여 설명하였지만, 전술한 구성요소들이 하나의 모듈로 통합되어 AI 모듈로 호칭될 수도 있음을 밝혀둔다.

도 6은 본 발명의 일 실시예에 따른 음성 인에이블 디바이스 선택 장치와 AI 장치가 연계된 시스템을 설명하기 위한 도면이다.

도 6을 참조하면, 음성 인에이블 디바이스 선택 장치(10)는 AI 프로세싱이 필요한 데이터를 통신부를 통해 AI 장치(20)로 전송할 수 있고, 딥러닝 모델(26)을 포함하는 AI 장치(20)는 상기 딥러닝 모델(26)을 이용한 AI 프로세싱 결과를 음성 인에이블 디바이스 선택 장치(10)로 전송할 수 있다. AI 장치(20)는 도 5에 설명한 내용을 참조할 수 있다.

음성 인에이블 디바이스 선택 장치(10)는 메모리(140), 프로세서(170), 전원 공급부(190)를 포함할 수 있으며, 상기 프로세서(170)는 AI 프로세서(261)를 더 구비할 수 있다.

상기 인터페이스부는, 통신 모듈, 단자, 핀, 케이블, 포트, 회로, 소자 및 장치 중 적어도 어느 하나로 구성될 수 있다.

메모리(140)는, 프로세서(170)와 전기적으로 연결된다. 메모리(140)는 유닛에 대한 기본데이터, 유닛의 동작 제어를 위한 제어 데이터, 입출력되는 데이터를 저장할 수 있다. 메모리(140)는, 프로세서(170)에서 처리된 데이터를 저장할 수 있다. 메모리(140)는, 하드웨어적으로, ROM, RAM, EPROM, 플래시 드라이브, 하드 드라이브 중 적어도 어느 하나로 구성될 수 있다. 메모리(140)는 프로세서(170)의 처리 또는 제어를 위한 프로그램 등, 음성 인에이블 디바이스 선택 장치(10) 전반의 동작을 위한 다양한 데이터를 저장할 수 있다. 메모리(140)는, 프로세서(170)와 일체형으로 구현될 수 있다. 실시예에 따라, 메모리(140)는, 프로세서(170)의 하위 구성으로 분류될 수 있다.

전원 공급부(190)는, 음성 인에이블 디바이스 선택 장치(10)에 전원을 공급할 수 있다. 전원 공급부(190)는, 음성 인에이블 디바이스 선택 장치(10)에 포함된 파워 소스(예를 들면, 배터리)로부터 전원을 공급받아, 음성 인에이블 디바이스 선택 장치(10)의 각 유닛에 전원을 공급할 수 있다. 전원 공급부(190)는, 메인 ECU(240)로부터 제공되는 제어 신호에 따라 동작될 수 있다. 전원 공급부(190)는, SMPS(switched-mode power supply)를 포함할 수 있다.

프로세서(170)는, 메모리(140), 인터페이스부(280), 전원 공급부(190)와 전기적으로 연결되어 신호를 교환할 수 있다. 프로세서(170)는, ASICs (application specific integrated circuits), DSPs(digital signal processors), DSPDs(digital signal processing devices), PLDs(programmable logic devices), FPGAs(field programmable gate arrays), 프로세서(processors), 제어기(controllers), 마이크로 컨트롤러(micro-controllers), 마이크로 프로세서(microprocessors), 기타 기능 수행을 위한 전기적 유닛 중 적어도 하나를 이용하여 구현될 수 있다.

프로세서(170)는, 전원 공급부(190)로부터 제공되는 전원에 의해 구동될 수 있다. 프로세서(170)는, 전원 공급부(190)에 의해 전원이 공급되는 상태에서 데이터를 수신하고, 데이터를 처리하고, 신호를 생성하고, 신호를 제공할 수 있다.

프로세서(170)는 음성 인에이블 디바이스 선택 장치(10) 내 다른 전자 장치로부터 정보를 수신할 수 있다. 프로세서(170)는, 인터페이스부를 통해, 음성 인에이블 디바이스 선택 장치(10) 내 다른 전자 장치로 제어 신호를 제공할 수 있다.

음성 인에이블 디바이스 선택 장치(10)는, 적어도 하나의 인쇄 회로 기판(printed circuit board, PCB)을 포함할 수 있다. 메모리(140), 인터페이스부, 전원 공급부(190) 및 프로세서(170)는, 인쇄 회로 기판에 전기적으로 연결될 수 있다.

이하, 상기 인터페이스부와 연결된 음성 인에이블 디바이스 선택 장치 내 다른 전자 장치 및 AI 프로세서(261)에 대하여 보다 구체적으로 설명한다.

한편, 음성 인에이블 디바이스 선택 장치(10)는 기동 상황 정보(예를 들면, 기동어를 발화한 시간대와 관련된 정보, 기동어를 발화한 것으로 인식된 사용자와 관련된 정보, 음성 인식 디바이스 위치 정보 및 발화 위치 정보)를 통신부(220)를 통해 AI 장치(20)로 전송하고, AI 장치(20)가, 전달된 데이터에 신경망 모델(26)을 적용함으로써 생성된 AI 프로세싱 데이터를 음성 인에이블 디바이스 선택 장치(10)으로 전송할 수 있다. 음성 인에이블 디바이스 선택 장치(10)는 수신된 AI 프로세싱 데이터에 기초하여, 현재 상황이 음성 인에이블 디바이스 선택에 있어서 기동어 수신 방향뿐만 아니라 음성 신호 특성까지도 반영하여야 하는 임계 상황일 확률을 인식하고, 임계 상황일 확률에 기반하여 음성 인에이블 디바이스 선택 동작에 각 음성 인식 디바이스에 의해 인식된 음성 신호를 반영할 수 있다.

통신부(220)는 음성 인에이블 디바이스 선택 장치(10) 외부에 위치하는 디바이스와 신호를 교환할 수 있다. 통신부(220)는, 인프라(예를 들면, 서버, 방송국), IoT 기기, 타 음성 인에이블 디바이스 선택 장치, 단말기 중 적어도 어느 하나와 신호를 교환할 수 있다. 통신부(220)는, 통신을 수행하기 위해 송신 안테나, 수신 안테나, 각종 통신 프로토콜이 구현 가능한 RF(Radio Frequency) 회로 및 RF 소자 중 적어도 어느 하나를 포함할 수 있다.

한편, AI 프로세서(261)는 각 IoT 기기로부터 전송된 기동 상황 정보(예를 들면, 기동어를 발화한 시간대와 관련된 정보, 기동어를 발화한 것으로 인식된 사용자와 관련된 정보, 음성 인식 디바이스 위치 정보 및 발화 위치 정보)를 이용하여 현재 상황이 음성 인에이블 디바이스 선택에 있어서 기동어 수신 방향뿐만 아니라 음성 신호 특성까지도 반영하여야 하는 임계 상황일 확률과 관련된 정보를 생성할 수 있다.

본 발명의 실시예에 따르면, 통신부(220)는 기동 상황 정보를 획득할 수 있다. 통신부(220)는 획득한 기동 상황 정보를 프로세서(170)로 전달할 수 있다.

본 발명의 실시예에 따르면, 프로세서(170)는 통신부(220)로부터 전달된 기동 상황 정보를 이용하여, 현재 상황이 임계 상황일 확률을 계산할 수 있다. 프로세서(170)는 현재 상황이 임계 상황일 확률에 기반하여, 음성 인에이블 디바이스 선택에 있어서 각 음성 인식 디바이스에 의해 인식된 음성 신호를 반영할지 여부를 결정할 수 있다.

이상, 도 1 내지 도 6을 참조하여, 본 발명의 일 실시예에 따른 음성 인에이블 디바이스 선택 방법을 구현하기 위하여 필요한 5G 통신 및 상기 5G 통신을 적용하여 AI 프로세싱을 수행하고, AI 프로세싱 결과를 송수신하기 위한 개략적인 내용을 살펴보았다.

종래 기술에 따르면, 홈 IoT 서버는 각 IoT 기기로부터 전송된 음성 신호의 특성(예: SNR)을 분석하고, 분석 결과에 기반하여 음성 신호를 전송한 복수의 IoT 기기 중 기동어가 발화된 위치로부터 가장 가까운 IoT 기기를 음성 인에이블 디바이스로서 선택하여 기동어에 대한 응답을 요청할 수 있으며, 음성 인에이블 디바이스로 선택된 IoT 기기는 기동어에 응답할 수 있다.

다만, 실제로는 각 IoT 기기의 기기 상태(예를 들면, 마이크 위치 등) 또는 각 IoT 기기의 기동어 인식 방식(예를 들면, 인식 알고리즘 등)이 각 IoT 기기 별로 다를 수 있다. 즉, 기동어의 발화 위치로부터 동일한 거리에 있는 서로 다른 IoT 기기가 동일한 기동어를 수신하는 경우에도, 각 IoT 기기에서 획득되는 음성 신호는 서로 다를 수 있다.

이에 따라, 홈 IoT 서버에서 각 음성 신호를 분석한 결과에 각 IoT 기기와 기동어 발화 위치 사이의 거리가 정확하게 반영되지 못하는 결과가 발생할 수 있다. 이에 따라, 기동어 발화 위치로부터 가장 가까운(사용자가 기동하고자 의도한) IoT 기기가 아닌 다른 IoT 기기가 음성 인에이블 디바이스로 선택되고 기동어에 응답하는 문제가 발생한다.

이하, 도 7 내지 도 19를 참조하여, 사용자의 발화 의도에 맞는 최적의 음성 인에이블 디바이스를 선택하는 방법에 대해 상세히 설명하도록 한다.

도 7은 본 발명의 실시예에 따른 음성 인에이블 디바이스 선택 방법을 나타낸 흐름도이다.

도 7에 도시된 바와 같이, 본 발명의 일 실시예에 따른 음성 인에이블 디바이스 선택 장치(예: 도 4, 도 6의 음성 인에이블 디바이스 선택 장치(10))가 음성 인에이블 디바이스를 선택하는 방법(S700)은 S710 단계, S730 단계, S750 단계를 포함할 수 있다. 구체적인 설명은 하기와 같다.

먼저, 본 발명의 일 실시예에 따르면, 음성 인에이블 디바이스 선택 장치(10)는 기동어를 인식한 복수의 음성 인식 디바이스로부터 기동어를 수신한 방향과 관련된 정보를 획득할 수 있다(S710).

예를 들어, 음성 인에이블 디바이스 선택 장치(10)의 프로세서(170)는 음성 인식 디바이스 중에서도 기동어를 인식한 복수의 음성 인식 디바이스(31, 32, 33, 34)로부터 기동어를 수신한 방향과 관련된 정보를 통신부(220)를 이용하여 수신할 수 있다.

예를 들면, 기동어 수신 방향 정보는 각 음성 인식 디바이스(31, 32, 33, 34)에서 기동어를 수신한 각도와 관련된 정보를 포함할 수 있다. 여기서, 기동어를 수신한 각도와 관련된 정보는 각 음성 인식 디바이스(31, 32, 33, 34)에서 기동어를 수신한 수직 각도(또는 고도)와 관련된 정보 및 기동어를 수신한 수평 각도(또는 방위각)와 관련된 정보를 포함할 수 있다.

그 다음, 본 발명의 일 실시예에 따르면, 프로세서(170)는 각 음성 인식 디바이스로부터 획득한 기동어 수신 방향 정보에 기반하여, 기동어의 발화 위치와 관련된 음성 인식 디바이스를 음성 인에이블 디바이스로서 선택할 수 있다(S730).

예를 들어, 기동어를 발화한 위치를 획득하면, 프로세서(170)는 기동어 발화 위치로부터 가장 가까운 음성 인식 디바이스를 음성 인에이블 디바이스로서 선택할 수 있다. 다른 예를 들어, 기동어를 발화한 위치를 획득하면, 프로세서(170)는 사용자(1000)의 기동어 발화 방향과 관련된 정보를 획득하고, 기동어 발화 방향에 위치한 적어도 하나의 음성 인식 디바이스 중 기동어 발화 위치로부터 가장 가까운 음성 인식 디바이스를 음성 인에이블 디바이스로서 선택할 수 있다.

기동어 발화 위치를 판단함에 있어서, 프로세서(170)는 기동어 수신 방향을 이용하여 기동어를 발화한 위치를 계산할 수 있다. 예를 들면, 프로세서(170)는 각 음성 인식 디바이스의 위치 정보를 획득하고, 각 음성 인식 디바이스의 위치 정보와 기동어 수신 방향을 이용하여 기동어 발화 위치를 계산할 수 있다.

마지막으로, 본 발명의 일 실시예에 따르면, 프로세서(170)는 기동어에 응답하도록 하는 기동 응답 요청을 선택된 음성 인에이블 디바이스로 전송할 수 있다(S750).

도 8은 도 7의 기동어 수신 방향 정보를 획득하는 방법을 나타낸 흐름도이다.

도 8에 도시된 바와 같이, IoT 시스템(1)의 복수의 음성 인식 디바이스(31, 32, 33, 34) 및 음성 인에이블 디바이스 선택 장치(10)가 기동어 수신 방향 정보를 획득하는 방법(S710)은 S711 단계, S713 단계, S715 단계를 포함할 수 있다.

먼저, 복수의 음성 인식 디바이스(31, 32, 33, 34)는 임계 시간 내에 동일한 기동어를 수신할 수 있다(S711).

예를 들어, 복수의 음성 인식 디바이스(31, 32, 33, 34)는 사용자(1000)로부터 발화된 기동어(1001)를 임계 시간(예를 들어, 1초) 내에 수신할 수 있다.

이어서, 복수의 음성 인식 디바이스(31, 32, 33, 34)는 각 음성 인식 디바이스에서 기동어를 수신한 방향을 검출할 수 있다(S713).

예를 들어, 각 음성 인식 디바이스(31, 32, 33, 34)는 발화 위치로부터 각 음성 인식 디바이스(31, 32, 33, 34)로 수신된 기동어(1001)의 수신 방향(각도)(예를 들면, 수직 각도 및 수평 각도)을 검출할 수 있다. 여기서, 각 음성 인식 디바이스(31, 32, 33, 34)는 복수의 마이크(미도시)를 포함할 수 있으며, 각 마이크에서 기동어(1001)를 수신한 방향(각도)과 관련된 정보를 이용하여, 각 음성 인식 디바이스(31, 32, 33, 34)가 기동어(1001)를 수신한 방향과 관련된 정보를 생성할 수 있다.

마지막으로, 복수의 음성 인식 디바이스(31, 32, 33, 34)는 각 음성 인식 디바이스(31, 32, 33, 34)에서 생성된 기동어 수신 방향과 관련된 정보를 음성 인에이블 디바이스 선택 장치(10)로 전송할 수 있다(S715).

도 9는 도 8의 S711 단계와 같이 각 음성 인식 디바이스가 기동어를 수신하는 예를 도시한다.

도 9에 도시된 바와 같이, 홈 IoT 시스템(1)의 복수의 음성 인식 디바이스(31, 32, 33, 4)는 사용자가 발화한 동일한 기동어("Hi LG")(1001)를 임계 시간 내에 수신할 수 있다.

각 음성 인식 디바이스(31, 32, 33, 34)는 복수의 마이크(미도시)를 포함할 수 있다. 각 음성 인식 디바이스(31, 32, 33, 34)는 복수의 마이크를 통해 수신된 기동어(1001)의 수신 방향을 검출할 수 있다. 각 음성 인식 디바이스(31, 32, 33, 34)는 기동어(1001)가 각 음성 인식 디바이스(31, 32, 33, 34)로 수신된 수직 각도와 관련된 정보 및/또는 수평 각도와 관련된 정보를 포함할 수 있다.

각 음성 인식 디바이스(31, 32, 33, 34)는 검출된 기동어 수신 방향과 관련된 정보를 생성하고, 기동어 수신 방향과 관련된 정보를 각 음성 인식 디바이스(31, 32, 33, 34) 내의 메모리(미도시)에 저장할 수 있다.

이하, 도 10 내지 도 13을 참조하여, 도 8의 S713 단계와 같이 기동어 수신 방향과 관련된 정보를 생성하는 방법에 대해 상세히 설명한다.

도 10 및 도 11은 도 8의 S713 단계에 있어서 음성 인식 디바이스가 복수의 마이크를 이용하여 기동어를 수신하고 수평 각도를 검출하는 예를 도시한다.

도 10에 도시된 바와 같이, 음성 인식 디바이스(30)는 음성 인식 디바이스(30)의 일측에 구비되는 제1 마이크(301L) 및 제1 마이크(301L)의 우측에 구비되는 제2 마이크(301R)를 포함할 수 있다. 제1 마이크(301L)와 제2 마이크(301R)는 미리 정해진 수평 거리만큼 수평상에서 이격될 수 있다.

제1 마이크(301L)는 사용자(1000)로부터 발화된 제1 기동어 신호(1001L)를 수신할 수 있고, 제2 마이크(301R)는 사용자(1000)로부터 발화된 제2 기동어 신호(1001R)를 수신할 수 있다.

도 11에 도시된 바와 같이, 음성 인식 디바이스(30)의 제1 마이크(301L)와 제2 마이크(301R)는 서로 다른 시간에 제1 기동어 신호(1001L) 및 제2 기동어 신호(1001R)를 수신할 수 있다.

이 경우, 음성 인식 디바이스(30)는 제1 마이크(301L)가 제1 기동어 신호(1001L)를 수신한 제1 시간과 제2 마이크(301R)가 제2 기동어 신호(1001R)를 수신한 제2 시간 사이의 차이, 그리고, 두 마이크(301R, 301L) 사이의 수평 거리를 이용하여, 수평 방향에서 음성 인식 디바이스(30)로 기동어가 수신된 각도인 기동어 수신 수평 각도(3001H)를 검출할 수 있다.

도 12 및 도 13은 도 8의 S713 단계에 있어서 음성 인식 디바이스가 복수의 마이크를 이용하여 기동어를 수신하고 수직 각도를 검출하는 예를 도시한다.

도 12에 도시된 바와 같이, 음성 인식 디바이스(30)는 음성 인식 디바이스(30)의 일측에 구비되는 제1 마이크(301T) 및 제1 마이크(301T)의 하부에 구비되는 제2 마이크(301B)를 포함할 수 있다. 제1 마이크(301T)와 제2 마이크(301B)는 미리 정해진 수직 거리만큼 수직상에서 이격될 수 있다.

제1 마이크(301T)는 사용자(1000)로부터 발화된 제1 기동어 신호(1001T)를 수신할 수 있고, 제2 마이크(301B)는 사용자(1000)로부터 발화된 제2 기동어 신호(1001B)를 수신할 수 있다.

도 13에 도시된 바와 같이, 음성 인식 디바이스(30)의 제1 마이크(301T)와 제2 마이크(301B)는 서로 다른 시간에 제1 기동어 신호(1001T) 및 제2 기동어 신호(1001B)를 수신할 수 있다.

이 경우, 음성 인식 디바이스(30)는 제1 마이크(301T)가 제1 기동어 신호(1001T)를 수신한 제1 시간과 제2 마이크(301B)가 제2 기동어 신호(1001B)를 수신한 제2 시간 사이의 차이, 그리고, 두 마이크(301T, 301B) 사이의 수직 거리를 이용하여, 수직 방향에서 음성 인식 디바이스(30)로 기동어가 수신된 각도인 기동어 수신 수직 각도(3001V)를 검출할 수 있다.

도 14는 도 8의 S715 단계와 같이 음성 인에이블 디바이스 선택 장치가 복수의 음성 인식 디바이스로부터 기동어 수신 방향과 관련된 정보를 획득하는 하나의 예를 도시한다.

도 14에 도시된 바와 같이, 홈 IoT 시스템(1)의 복수의 음성 인식 디바이스(31, 32, 33, 34)는 기동어("Hi LG")(1001)를 수신하고, 기동어(1001)를 수신한 방향을 검출할 수 있다.

복수의 음성 인식 디바이스(31, 32, 33, 34)는 기동어(1001)를 수신한 방향과 관련된 정보(3101, 3201, 3301, 3401)를 각각 생성할 수 있고, 생성된 기동어 수신 방향과 관련된 정보(3101, 3201, 3301, 3401)를 5G 네트워크를 통해 음성 인에이블 디바이스 선택 장치(10)로 전송할 수 있다.

음성 인에이블 디바이스 선택 장치(10)의 프로세서(170)는, 복수의 음성 인식 디바이스(31, 32, 33, 34)로부터 획득한 기동어(1001)를 수신한 방향과 관련된 정보(3101, 3201, 3301, 3401)에 기반하여, 복수의 음성 인식 디바이스(31, 32, 33, 34) 중에서 기동어(1001)에 응답할 음성 인에이블 디바이스를 선택할 수 있으며, 이에 대해서 이하 도 15 내지 도 19를 참조하여 상세히 설명한다.

도 15는 음성 인에이블 디바이스를 선택하는 방법을 나타낸 흐름도이다.

도 15에 도시된 바와 같이, 음성 인에이블 디바이스 선택 장치(10)의 프로세서(170)가 복수의 음성 인식 디바이스(31, 32, 33, 34) 중에서 기동어(1001)에 응답할 음성 인에이블 디바이스를 선택하는 방법(S730)은 S731 단계, S732 단계, S733 단계, S734 단계, S735 단계, S736 단계를 포함할 수 있으며, 상세한 설명은 하기와 같다.

먼저, 프로세서(170)는 각 음성 인식 디바이스(31, 32, 33, 34)의 위치와 관련된 정보를 통신부(220)를 통해 획득할 수 있다(S731).

예를 들면, 각 음성 인식 디바이스(31, 32, 33, 34)의 위치 정보는 음성 인에이블 디바이스 선택 장치(10)의 메모리(140)에 미리 저장될 수 있다. 다른 예를 들면, 프로세서(170)는 각 음성 인식 디바이스(31, 32, 33, 34)의 위치 정보를 각 음성 인식 디바이스(31, 32, 33, 34)로 요청하고, 이에 응답하여 각 음성 인식 디바이스(31, 32, 33, 34)로부터 각 음성 인식 디바이스(31, 32, 33, 34)의 위치 정보를 획득할 수 있다. 또 다른 예를 들면, 프로세서(170)는 사용자로부터 각 음성 인식 디바이스(31, 32, 33, 34)의 위치 정보를 외부 입력 장치(미도시) 또는 내부 입력 인터페이스(미도시)를 통해 입력받을 수 있다. 또 다른 예를 들면, 프로세서(170)는 복수의 음성 인식 디바이스(31, 32, 33, 34) 중 메인 음성 인식 디바이스(또는 메인 IoT 기기)(예를 들면, 홈 로봇(Home Robot)로부터 각 음성 인식 디바이스(31, 32, 33, 34)의 위치 정보를 획득할 수 있다.

그 다음, 프로세서(170)는 S731 단계에서 획득한 음성 인식 디바이스(31, 32, 33, 34)의 위치 정보 및 S710 단계에서 획득한 각 음성 인식 디바이스(31, 32, 33, 34)의 기동어 수신 방향 정보에 기반하여, 기동어의 발화 위치를 추정할 수 있다(S732).

이어서, 프로세서(170)는 시간 정보, 사용자 정보, 음성 인식 디바이스의 위치 정보 및 발화 위치와 관련된 정보의 특징값을 인공 신경망(ANN, Artificial Neural Network)(또는 임계 상황 분류 모델)에 적용할 수 있다(S733).

여기서, 시간 정보는 기동어 수신 방향과 관련된 정보를 획득한 시간과 관련된 정보를 포함할 수 있다. 사용자 정보는 기동어를 발화한 것으로 인식된 사용자 또는 사용자 계정과 관련된 정보를 포함할 수 있다.

예를 들면, 인공 신경망은 음성 인에이블 디바이스 선택 장치(10)의 메모리(140)에 저장될 수 있으며, 이때 인공 신경망은 프로세서(170)에 의해 미리 학습될 수 있다. 다른 예를 들면, 인공 신경망은 AI 장치(20)의 딥러닝 모델(26)에 포함될 수 있으며, AI 장치(20)에 의해 학습될 수 있다.

인공 신경망은 시간, 사용자, 디바이스 위치 및 발화 위치를 포함하는 기동어 인식 상황 정보가 입력되면, 현재 기동어를 인식한 상황이 임계 상황(기동어 수신 방향 정보뿐만 아니라 음성 신호의 특성까지 반영하여 음성 인에이블 디바이스를 선택하여야 하는 상황)인지 여부를 확률값으로서 출력할 수 있다. 즉, 인공 신경망은 시간, 사용자, 디바이스 위치 및 발화 위치와 관련된 데이터를 입력 데이터로 설정하고, 현재 기동어를 인식한 상황이 임계 상황인지 여부를 나타내는 데이터를 출력 데이터로 설정하여, 미리 학습될 수 있다.

이어서, 프로세서(170)는 시간, 사용자, 디바이스 위치 및 발화 위치를 포함하는 기동어 인식 상황 정보를 인공 신경망에 적용한 결과로서, 현재의 기동어 인식 상황이 디바이스 선택에 음성 신호 특성을 반영하여야 하는 임계 상황일 확률을 인공 신경망의 출력으로서 획득할 수 있다(S734).

그 다음, 프로세서(170)는 인공 신경망으로부터 획득한 임계 상황일 확률값에 기반하여, 현재 기동어 인식 상황이 임계 상황인지 여부를 판단할 수 있다(S735).

예를 들어, 임계 상황일 확률이 미리 설정된 임계값보다 클 경우, 프로세서(170)는 현재 기동어 인식 상황이 임계 상황인 것으로 판단할 수 있다. 예를 들어, 임계 상황일 확률이 미리 설정된 임계값보다 작을 경우, 프로세서(170)는 현재 기동어 인식 상황이 임계 상황이 아닌 것으로 판단할 수 있다.

만약, 현재 기동어 인식 상황이 임계 상황인 것으로 판단된 경우, 프로세서(170)는 A 프로세스를 수행할 수 있으며, 이에 대해서는 도 17을 참조하여 상세히 설명한다.

만약, 현재 기동어 인식 상황이 임계 상황인 것으로 판단된 경우, 프로세서(170)는 현재 기동어 인식 상황이 디바이스 선택에 있어서 음성 신호의 특성을 필요로 하지 않는 상황인 것으로 판단하고, 복수의 음성 인식 디바이스 중에서 기동어 발화 위치와 가장 가까운 디바이스를 음성 인에이블 디바이스로 선택할 수 있다(S736).

도 16은 도 15의 S736 단계와 같이 기동어 발화 위치와 가장 가까운 디바이스를 선택하여 기동 응답을 요청하는 예를 도시한다.

도 16에 도시된 바와 같이, 홈 IoT 시스템(1)의 음성 인에이블 디바이스 선택 장치(10)는 복수의 음성 인식 디바이스(31, 32, 33, 34)로부터 각 음성 인식 디바이스(31, 32, 33, 34)가 각각 기동어를 수신한 방향과 관련된 정보(3101, 3201, 3301, 3401)를 5G 네트워크를 통해 획득할 수 있다.

복수의 음성 인식 디바이스(31, 32, 33, 34)로부터 각 음성 인식 디바이스(31, 32, 33, 34)가 각각 기동어를 수신한 방향과 관련된 정보(3101, 3201, 3301, 3401)를 획득하면, 음성 인에이블 디바이스 선택 장치(10)의 프로세서(170)는 복수의 음성 인식 디바이스(31, 32, 33, 34)로부터 각 음성 인식 디바이스(31, 32, 33, 34)가 각각 기동어를 수신한 방향과 관련된 정보(3101, 3201, 3301, 3401) 및 각 음성 인식 디바이스(31, 32, 33, 34)의 위치와 관련된 정보를 이용하여 기동어의 발화 위치(1002)를 추정할 수 있다.

이어서, 프로세서(170)는 복수의 음성 인식 디바이스(31, 32, 33, 34) 중에서 기동어의 발화 위치(1002)에 가장 가까운 제1 음성 인식 디바이스(31)를 음성 인에이블 디바이스로 선택할 수 있다. 프로세서(170)는 음성 인에이블 디바이스로 선택된 제1 음성 인식 디바이스(31)로 기동 응답을 요청할 수 있다.

기동 응답 요청이 전송되면, 제1 음성 인식 디바이스(31)는 기동 응답 요청에 따라 기동 응답("띠링")을 출력할 수 있다.

도 17은 도 15의 S735 단계에서 임계 상황인 것으로 판단된 경우에 수행되는 A 절차를 나타낸 흐름도이다.

도 17에 도시된 바와 같이, 도 15의 S735 단계에서 현재 기동어 인식 상황이 임계 상황인 것으로 판단된 경우, 음성 인에이블 디바이스 선택 장치(10)의 프로세서(170)는 도 17의 A 프로세스(S737 단계, S738 단계, S739 단계)를 통해 음성 인에이블 디바이스를 선택할 수 있다.

먼저, 현재 기동어 인식 상황이 임계 상황인 것으로 판단되면, 프로세서(170)는 각 음성 인식 디바이스(31, 32, 33, 34)에서 기동어를 인식하여 획득한 복수의 음성 신호를 복수의 음성 인식 디바이스(31, 32, 33, 34)로부터 수신할 수 있다(S737).

예를 들어, 현재 기동어 인식 상황이 임계 상황인 것으로 판단된 경우, 프로세서(170)는 각 음성 인식 디바이스(31, 32, 33, 34)에서 기동어를 인식하여 획득한 복수의 음성 신호를 각 음성 인식 디바이스(31, 32, 33, 34)에 요청할 수 있다.

이어서, 기동어를 인식하여 획득한 복수의 음성 신호를 복수의 음성 인식 디바이스(31, 32, 33, 34)로부터 수신한 경우, 프로세서(170)는 복수의 음성 신호에 기반하여 기동어의 발화 방향을 검출할 수 있다(S738).

기동어의 발화 방향(사용자가 기동어를 발화한 방향) 기동어를 발화할 당시 사용자가 바라보는 방향을 의미할 수 있다. 즉, 프로세서(170)는 복수의 음성 인식 디바이스(31, 32, 33, 34)로부터 수신된 복수의 음성 신호를 분석하고, 분석 결과에 기반하여, 기동어가 발화될 당시 사용자가 바라보는 방향을 검출할 수 있다.

마지막으로, 기동어 발화 방향을 검출한 후, 프로세서(170)는 기동어 발화 방향 및 기동어 발화 위치에 기반하여, 복수의 음성 인식 디바이스(31, 32, 33, 34) 중에서 음성 인에이블 디바이스를 선택할 수 있다(S739).

예를 들어, 프로세서(170)는 기동어 발화 위치를 기준으로 기동어 발화 방향에 위치한 적어도 하나의 음성 인식 디바이스를 선택하고, 적어도 하나의 음성 인식 디바이스 중에서 기동어 발화 위치에 가장 가까운 하나의 음성 인식 디바이스를 음성 인에이블 디바이스로서 선택할 수 있다.

도 18은 도 17의 방법을 이용하여 음성 인에이블 디바이스를 선택하는 예를 도시한다.

도 18에 도시된 바와 같이, 음성 인에이블 디바이스 선택 장치(10)(또는 프로세서(170))는 제1 음성 인식 디바이스(31)가 기동어(1001)("Hi LG")를 수신한 방향과 관련된 제1 기동어 수신 방향 정보(3101)를 제1 음성 인식 디바이스(31)로부터 획득하고, 제2 음성 인식 디바이스(32)가 기동어(1001)를 수신한 방향과 관련된 제2 기동어 수신 방향 정보(3201)를 제2 음성 인식 디바이스(32)로부터 획득할 수 있다.

이어서, 음성 인에이블 디바이스 선택 장치(10)는 제1 기동어 수신 방향 정보(3101) 및 제2 기동어 수신 방향 정보(3201)를 이용하여 기동어 발화 위치(1002)를 판단할 수 있다.

여기서, 음성 인에이블 디바이스 선택 장치(10)는 제1 음성 인식 디바이스(31) 및 제2 음성 인식 디바이스(32)가 기동어(1001)를 인식한 시간, 기동어(1001)를 발화한 것으로 인식된 사용자와 관련된 정보, 제1 음성 인식 디바이스(31)의 제1 위치 및 제2 음성 인식 디바이스(32)의 제2 위치, 그리고, 기동어 발화 위치(1002)를 이용하여, 기동어 인식 상황이 임계 상황인지 여부를 판단할 수 있다.

기동어 인식 상황이 임계 상황인 것으로 판단된 경우, 음성 인에이블 디바이스 선택 장치(10)는 제1 음성 인식 디바이스(31)가 기동어(1001)를 인식하여 획득한 제1 음성 신호를 제1 음성 인식 디바이스(31)로부터 획득하고, 제2 음성 인식 디바이스(32)가 기동어(1001)를 인식하여 획득한 제2 음성 신호를 제2 음성 인식 디바이스(32)로부터 획득할 수 있다. 음성 인에이블 디바이스 선택 장치(10)는 제1 음성 신호 및 제2 음성 신호를 분석하고, 분석 결과에 기반하여 기동어의 발화 방향(사용자가 기동어 발화 당시 바라보는 방향)(1003)을 검출할 수 있다.

기동어 발화 방향이 검출되면, 음성 인에이블 디바이스 선택 장치(10)는 기동어 발화 방향(1003)에 위치한 음성 인식 디바이스 중에서도 기동어 발화 위치(1002)에 가장 가까운 제1 음성 인식 디바이스(31)를 음성 인에이블 디바이스로서 선택할 수 있다. 음성 인에이블 디바이스 선택 장치(31)는 음성 인에이블 디바이스로 선택된 제1 음성 인식 디바이스(31)로 기동 응답 요청을 전송할 수 있다.

음성 인에이블 디바이스로 선택된 제1 음성 인식 디바이스(31)는 음성 인에이블 디바이스 선택 장치(10)로부터 전송된 기동 응답 요청에 따라 기동 응답("띠링")을 출력할 수 있다.

도 19는 5G 네트워크를 이용하여 임계 상황을 판단하는 방법을 나타낸 흐름도이다.

도 19에 도시된 바와 같이, 프로세서(170)는 기동어 인식 상황 정보(상기 기동어를 인식한 시간, 기동어를 발화한 것으로 인식된 사용자, 각 음성 인식 디바이스(음성 인식 기기)의 위치, 기동어 발화 위치 정보)의 특징값을 5G 네트워크에 포함된 AI 프로세서로 전송하도록 통신부(220)를 제어할 수 있다. 또한, 프로세서(170)는 상기 AI 프로세서로부터 AI 프로세싱된 정보를 수신하도록 상기 통신부를 제어할 수 있다.

상기 AI 프로세싱된 정보는, 음성 인에이블 디바이스를 선택함에 있어서, 현재 기동어를 인식한 상황이 기동어 발화 위치뿐만 아니라 음성 신호까지 반영하여야 하는 임계 상황일 확률값을 포함할 수 있다.

한편, 음성 인에이블 디바이스 선택 장치(10)는 5G 네트워크로 상기한 기동어 인식 상황 정보를 전송하기 위하여, 5G 네트워크와 초기 접속 절차를 수행할 수 있다. 음성 인에이블 디바이스 선택 장치(10)는 SSB(Synchronization signal block)에 기초하여 상기 5G 네트워크와 초기 접속 절차를 수행할 수 있다.

또한, 음성 인에이블 디바이스 선택 장치(10)는 무선 통신부를 통해 상기 기동어 인식 상황 정보의 전송을 스케줄링하기 위해 사용되는 DCI(Downlink Control Information)을 네트워크로부터 수신할 수 있다.

프로세서(170)는 상기 DCI에 기초하여 상기 기동어 인식 상황 정보를 상기 네트워크로 전송할 수 있다.

상기 기동어 인식 상황 정보는 PUSCH를 통해 상기 네트워크로 전송되며, 상기 SSB와 상기 PUSCH의 DM-RS는 QCL type D에 대해 QCL될 수 있다.

도 19를 참조하면, 음성 인에이블 디바이스 선택 장치(10)는 기동어 인식 상황 정보로부터 추출된 특징값을 5G 네트워크로 전송할 수 있다(S1900).

여기서 5G 네트워크는 AI 프로세서 또는 AI 시스템을 포함할 수 있으며, 5G 네트워크의 AI 시스템은 수신된 센싱 정보에 기초하여 AI 프로세싱을 수행할 수 있다(S810).

AI 시스템은, 음성 인에이블 디바이스 선택 장치(10)로부터 수신된 특징값들을 ANN 분류기에 입력할 수 있다(S1911). AI 시스템은, ANN 출력값을 분석하고(S1913), 상기 ANN 출력값으로부터 현재의 기동어 인식 상황이 임계 상황일 확률값을 획득할 수 있다(S1915). 5G 네트워크는 상기 AI 시스템에서 판단한 임계 상황일 확률값을 무선 통신부를 통해 음성 인에이블 디바이스 선택 장치(10)로 전송할 수 있다.

AI 시스템은, 현재 기동어 인식 상황이 임계 상황인 것으로 판단한 경우(S1917), 현재 기동어를 인식한 상황이 기동어 발화 위치뿐만 아니라 음성 신호까지 반영하여야 하는 임계 상황임을 확인(S1919)하고, 음성 신호도 함께 반영하여 음성 인에이블 디바이스를 선택하도록 하는 지시를 음성 인에이블 디바이스 선택 장치(10)로 전송할 수 있다(S1930).

또한, 임계 상황이 아닌 것으로 판단한 경우, 또는, 임계 상황일 확률을 획득한 후, AI 시스템은 임계 상황일 확률값을 음성 인에이블 디바이스 선택 장치(10)로 전송할 수 있고(S1920), 음성 인에이블 디바이스 선택 장치(10)가 임계 상황 확률값을 분석하여 현재 기동어 인식 상황이 임계 상황인지 여부를 판단할 수 있다.

한편, 상기 음성 인에이블 디바이스 선택 장치(10)는 기동어 인식 상황 정보만을 5G 네트워크로 전송하고, 상기 5G 네트워크에 포함된 AI 시스템 내에서 상기 기동어 인식 상황 정보로부터 임계 상황인지 여부를 판단하기 위한 인공 신경망의 입력으로 이용될 입력에 대응하는 특징값을 추출할 수도 있다.

전술한 본 발명은, 프로그램이 기록된 매체에 컴퓨터가 읽을 수 있는 코드로서 구현하는 것이 가능하다. 컴퓨터가 읽을 수 있는 매체는, 컴퓨터 시스템에 의하여 읽혀질 수 있는 데이터가 저장되는 모든 종류의 기록장치를 포함한다. 컴퓨터가 읽을 수 있는 매체의 예로는, HDD(Hard Disk Drive), SSD(Solid State Disk), SDD(Silicon Disk Drive), ROM, RAM, CD-ROM, 자기 테이프, 플로피 디스크, 광 데이터 저장 장치 등이 있으며, 또한 캐리어 웨이브(예를 들어, 인터넷을 통한 전송)의 형태로 구현되는 것도 포함한다. 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

기동어에 응답할 음성 인에이블 디바이스를 선택하는 방법에 있어서,
복수의 음성 인식 디바이스로부터 상기 기동어와 관련된 정보를 획득하는 단계; 및
상기 기동어와 관련된 정보에 기반하여 상기 복수의 음성 인식 디바이스 중에서 상기 음성 인에이블 디바이스를 선택하는 단계;를 포함하되,
상기 기동어와 관련된 정보를 획득하는 단계는,
각 음성 인식 디바이스가 상기 기동어를 수신한 방향과 관련된 정보를 상기 복수의 음성 인식 디바이스로부터 획득하는 것을 특징으로 하며,
상기 음성 인에이블 디바이스를 선택하는 단계는,
상기 각 음성 인식 디바이스가 상기 기동어를 수신한 방향과 관련된 정보에 기반하여 상기 기동어의 발화 위치를 판단하는 단계, 및
상기 기동어의 발화 위치와 관련된 음성 인식 디바이스를 선택하는 단계를 포함하는 것을 특징으로 하는,
방법.
제1항에 있어서,
상기 음성 인식 디바이스를 선택하는 단계는,
상기 복수의 음성 인식 디바이스 중에서 상기 기동어의 발화 위치로부터 가장 가까운 음성 인식 디바이스를 선택하는 것을 특징으로 하는,
방법.
제2항에 있어서,
상기 기동어를 수신한 방향과 관련된 정보는,
상기 각 음성 인식 디바이스가 상기 기동어를 수신한 수직 각도 정보, 및
상기 각 음성 인식 디바이스가 상기 기동어를 수신한 수평 각도 정보를 포함하는 것을 특징으로 하는,
방법.
제2항에 있어서,
상기 기동어의 발화 위치를 판단하는 단계는,
상기 각 음성 인식 디바이스의 위치 정보를 획득하는 단계, 및
상기 각 음성 인식 디바이스의 위치 정보 및 상기 기동어를 수신한 방향과 관련된 정보를 이용하여 상기 기동어의 발화 위치를 추정하는 단계를 포함하는 것을 특징으로 하는,
방법.
제1항에 있어서,
상기 각 음성 인식 디바이스가 상기 기동어를 인식한 상황과 관련된 정보를 획득하는 단계, 및,
상기 기동어를 인식한 상황과 관련된 정보를 미리 학습된 임계 상황 판단 분류 모델에 적용하는 단계를 더 포함하며,
상기 음성 인에이블 디바이스를 선택하는 단계는,
상기 적용 결과에 기반하여 상기 기동어를 인식한 상황이 임계 상황인지 여부를 판단하는 단계, 및,
상기 기동어를 수신한 방향과 관련된 정보 및 상기 각 음성 인식 디바이스가 상기 기동어를 인식하여 획득한 복수의 음성 신호를 모두 이용하여 상기 음성 인에이블 디바이스를 선택하는 단계를 포함하는 것을 특징으로 하는,
방법.
제5항에 있어서,
상기 기동어를 인식한 상황이 임계 상황인 것으로 판단된 경우,
상기 복수의 음성 신호를 상기 복수의 음성 인식 디바이스로부터 획득하는 단계를 더 포함하며,
상기 음성 인식 디바이스를 선택하는 단계는,
상기 복수의 음성 신호에 기반하여 상기 기동어의 발화 방향을 판단하는 단계, 및
상기 기동어의 발화 방향 및 상기 기동어의 발화 위치와 관련된 음성 인식 디바이스를 선택하는 단계를 포함하는 것을 특징으로 하는,
방법.
제6항에 있어서,
상기 음성 인식 디바이스를 선택하는 단계는,
상기 기동어의 발화 방향에 위치한 적어도 하나의 음성 인식 디바이스 중 상기 기동어의 발화 위치와 가장 가까운 음성 인식 디바이스를 선택하는 것을 특징으로 하는,
방법.
제5항에 있어서,
상기 기동어를 인식한 상황과 관련된 정보는,
상기 기동어를 인식한 시간 정보, 상기 기동어를 발화한 것으로 인식된 사용자 정보, 상기 각 음성 인식 디바이스의 위치 정보 및 상기 기동어의 발화 위치 정보를 포함하는 것을 특징으로 하는,
방법.
제5항에 있어서,
상기 임계 상황 판단 분류 모델은 외부 AI(Artificial Intelligence) 장치에 저장되며,
상기 임계 상황 판단 분류 모델에 적용하는 단계는,
상기 AI 장치로 상기 기동어를 인식한 상황과 관련된 정보와 관련된 특징값을 전송하는 단계, 및,
상기 AI 장치로부터 상기 기동어를 인식한 상황과 관련된 정보를 상기 임계 상황 판단 분류 모델에 적용한 결과를 획득하는 단계를 포함하는 것을 특징으로 하는,
방법.
제5항에 있어서,
상기 임계 상황 판단 분류 모델은 네트워크에 저장되며,
상기 임계 상황 판단 분류 모델에 적용하는 단계는,
상기 네트워크로 상기 기동어를 인식한 상황과 관련된 정보를 전송하는 단계, 및,
상기 네트워크로부터 상기 기동어를 인식한 상황과 관련된 정보를 상기 임계 상황 판단 분류 모델에 적용한 결과를 획득하는 단계를 포함하는 것을 특징으로 하는,
방법.
제10항에 있어서,
상기 기동어를 인식한 상황과 관련된 정보의 전송을 스케줄링하기 위해 사용되는 DCI(Downlink Control Information)을 네트워크로부터 수신하는 단계;를 더 포함하고,
상기 기동어를 인식한 상황과 관련된 정보는, 상기 DCI에 기초하여 상기 네트워크로 전송되는 것을 특징으로 하는,
방법.
제11항에 있어서,
SSB(Synchronization signal block)에 기초하여 상기 네트워크와 초기 접속 절차를 수행하는 단계;를 더 포함하고,
상기 기동어를 인식한 상황과 관련된 정보는 PUSCH를 통해 상기 네트워크로 전송되며,
상기 SSB와 상기 PUSCH의 DM-RS는 QCL type D에 대해 QCL되어 있는 것을 특징으로 하는,
방법.
제11항에 있어서,
상기 기동어를 인식한 상황과 관련된 정보를 상기 네트워크에 포함된 AI 프로세서로 전송하도록 통신부를 제어하는 단계;
상기 AI 프로세서로부터 AI 프로세싱된 정보를 수신하도록 상기 통신부를 제어하는 단계;를 더 포함하고,
상기 AI 프로세싱된 정보는,
상기 기동어를 인식한 상황이 임계 상황인지 여부를 판단하기 위한 임계 상황 확률 정보인 것을 특징으로 하는,
방법.
복수의 음성 인식 디바이스로부터 상기 기동어와 관련된 정보를 획득하는 통신부; 및
상기 기동어와 관련된 정보에 기반하여 상기 복수의 음성 인식 디바이스 중에서 상기 음성 인에이블 디바이스를 선택하는 프로세서;를 포함하되,
상기 프로세서는,
각 음성 인식 디바이스가 상기 기동어를 수신한 방향과 관련된 정보를 상기 복수의 음성 인식 디바이스로부터 상기 통신부를 통해 획득하고,
상기 각 음성 인식 디바이스가 상기 기동어를 수신한 방향과 관련된 정보에 기반하여 상기 기동어의 발화 위치를 판단하며,
상기 기동어의 발화 위치와 관련된 음성 인식 디바이스를 선택하는 것을 특징으로 하는,
음성 인에이블 디바이스 선택 장치.
제14항에 있어서,
상기 프로세서는,
상기 복수의 음성 인식 디바이스 중에서 상기 기동어의 발화 위치로부터 가장 가까운 음성 인식 디바이스를 선택하는 것을 특징으로 하는,
음성 인에이블 디바이스 선택 장치.
제15항에 있어서,
상기 기동어를 수신한 방향과 관련된 정보는,
상기 각 음성 인식 디바이스가 상기 기동어를 수신한 수직 각도 정보, 및
상기 각 음성 인식 디바이스가 상기 기동어를 수신한 수평 각도 정보를 포함하는 것을 특징으로 하는,
음성 인에이블 디바이스 선택 장치.
제15항에 있어서,
상기 프로세서는,
상기 통신부를 통해 상기 각 음성 인식 디바이스의 위치 정보를 획득하고,
상기 각 음성 인식 디바이스의 위치 정보 및 상기 기동어를 수신한 방향과 관련된 정보를 이용하여 상기 기동어의 발화 위치를 추정하는 것을 특징으로 하는,
음성 인에이블 디바이스 선택 장치.
제14항에 있어서,
상기 프로세서는,
상기 통신부를 통해 상기 각 음성 인식 디바이스가 상기 기동어를 인식한 상황과 관련된 정보를 획득하고,
상기 기동어를 인식한 상황과 관련된 정보를 미리 학습된 임계 상황 판단 분류 모델에 적용하며,
상기 적용 결과에 기반하여 상기 기동어를 인식한 상황이 임계 상황인지 여부를 판단하고,
상기 판단 결과에 기반하여, 상기 기동어를 수신한 방향과 관련된 정보 및 상기 각 음성 인식 디바이스가 상기 기동어를 인식하여 획득한 복수의 음성 신호를 모두 이용하여 상기 음성 인에이블 디바이스를 선택하는 것을 특징으로 하는,
음성 인에이블 디바이스 선택 장치.
제14항에 있어서,
상기 기동어를 인식한 상황이 임계 상황인 것으로 판단된 경우,
상기 프로세서는,
상기 통신부를 통해 상기 복수의 음성 신호를 상기 복수의 음성 인식 디바이스로부터 획득하고,
상기 음성 인식 디바이스를 선택하는 단계는,
상기 복수의 음성 신호에 기반하여 상기 기동어의 발화 방향을 판단하며,
상기 기동어의 발화 방향 및 상기 기동어의 발화 위치와 관련된 음성 인식 디바이스를 선택하는 것을 특징으로 하는,
음성 인에이블 디바이스 선택 장치.
제14항에 있어서,
상기 프로세서는,
상기 기동어의 발화 방향에 위치한 적어도 하나의 음성 인식 디바이스 중 상기 기동어의 발화 위치와 가장 가까운 음성 인식 디바이스를 선택하는 것을 특징으로 하는,
음성 인에이블 디바이스 선택 장치.
제18항에 있어서,
상기 기동어를 인식한 상황과 관련된 정보는,
상기 기동어를 인식한 시간 정보, 상기 기동어를 발화한 것으로 인식된 사용자 정보, 상기 각 음성 인식 디바이스의 위치 정보 및 상기 기동어의 발화 위치 정보를 포함하는 것을 특징으로 하는,
음성 인에이블 디바이스 선택 장치.
제18항에 있어서,
상기 임계 상황 판단 분류 모델은 외부 AI(Artificial Intelligence) 장치에 저장되며,
상기 프로세서는,
상기 AI 장치로 상기 기동어를 인식한 상황과 관련된 정보와 관련된 특징값을 전송하고,
상기 AI 장치로부터 상기 기동어를 인식한 상황과 관련된 정보를 상기 임계 상황 판단 분류 모델에 적용한 결과를 획득하는 것을 특징으로 하는,
음성 인에이블 디바이스 선택 장치.
제18항에 있어서,
상기 임계 상황 판단 분류 모델은 네트워크에 저장되며,
상기 프로세서는,
상기 네트워크로 상기 기동어를 인식한 상황과 관련된 정보를 전송하고,
상기 네트워크로부터 상기 기동어를 인식한 상황과 관련된 정보를 상기 임계 상황 판단 분류 모델에 적용한 결과를 획득하는 것을 특징으로 하는,
음성 인에이블 디바이스 선택 장치.
제23항에 있어서,
상기 프로세서는,
상기 기동어를 인식한 상황과 관련된 정보의 전송을 스케줄링하기 위해 사용되는 DCI(Downlink Control Information)을 네트워크로부터 수신하는 것을 특징으로 하며,
상기 기동어를 인식한 상황과 관련된 정보는, 상기 DCI에 기초하여 상기 네트워크로 전송되는 것을 특징으로 하는,
음성 인에이블 디바이스 선택 장치.
제24항에 있어서,
상기 프로세서는,
SSB(Synchronization signal block)에 기초하여 상기 네트워크와 초기 접속 절차를 수행하는 것을 특징으로 하며,
상기 기동어를 인식한 상황과 관련된 정보는 PUSCH를 통해 상기 네트워크로 전송되고,
상기 SSB와 상기 PUSCH의 DM-RS는 QCL type D에 대해 QCL되어 있는 것을 특징으로 하는,
음성 인에이블 디바이스 선택 장치.
제24항에 있어서,
상기 프로세서는,
상기 기동어를 인식한 상황과 관련된 정보를 상기 네트워크에 포함된 AI 프로세서로 전송하도록 통신부를 제어하고,
상기 AI 프로세서로부터 AI 프로세싱된 정보를 수신하도록 상기 통신부를 제어하는 것을 특징으로 하며,
상기 AI 프로세싱된 정보는,
상기 기동어를 인식한 상황이 임계 상황인지 여부를 판단하기 위한 임계 상황 확률 정보인 것을 특징으로 하는,
음성 인에이블 디바이스 선택 장치.
컴퓨팅 디바이스의 하나 이상의 프로세서에서 실행하도록 구성된 컴퓨터 실행 가능한 컴포넌트가 저장된 비 일시적(non-transitory) 컴퓨터 판독 가능한 매체(computer-executable component)로서, 상기 컴퓨터 실행 가능한 컴포넌트는,
복수의 음성 인식 디바이스로부터 각 음성 인식 디바이스가 상기 기동어를 수신한 방향과 관련된 정보를 획득하고,
상기 각 음성 인식 디바이스가 상기 기동어를 수신한 방향과 관련된 정보에 기반하여 상기 기동어의 발화 위치를 판단하며,
상기 기동어의 발화 위치와 관련된 음성 인식 디바이스를 선택하는 것을 특징으로 하는,
비 일시적 컴퓨터 판독 가능한 기록 매체.