KR20210042717A

KR20210042717A - 무선 통신 시스템에서 인공 지능을 활용한 신호 송수신 방법 및 장치

Info

Publication number: KR20210042717A
Application number: KR1020190125623A
Authority: KR
Inventors: 이승현; 이효진; 김한진
Original assignee: 삼성전자주식회사
Priority date: 2019-10-10
Filing date: 2019-10-10
Publication date: 2021-04-20
Also published as: CN114514729A; EP3987674A1; WO2021071141A1; EP3987674A4; US20210110261A1

Abstract

본 개시는 4G 시스템 이후 보다 높은 데이터 전송률을 지원하기 위한 5G 통신 시스템을 IoT 기술과 융합하는 통신 기법 및 그 시스템에 관한 것이다. 본 개시는 5G 통신 기술 및 IoT 관련 기술을 기반으로 지능형 서비스 (예를 들어, 스마트 홈, 스마트 빌딩, 스마트 시티, 스마트 카 혹은 커넥티드 카, 헬스 케어, 디지털 교육, 소매업, 보안 및 안전 관련 서비스 등)에 적용될 수 있다. 또한, 본 개시는 무선 통신 시스템에서 인공 지능을 활용한 신호 송수신 방법 및 장치에 관한 것이다.

Description

무선 통신 시스템에서 인공 지능을 활용한 신호 송수신 방법 및 장치 {METHOD AND APPARATUS FOR TRANSCEIVING SIGNAL USING ARTIFICIAL INTELLIGENCE IN WIRELESS COMMUNICATION SYSTEM}

본 발명은 무선 통신 시스템에서 딥러닝 및 인공지능을 활용하여 채널 정보를 포함하는 신호를 송수신하는 방법 및 장치에 관한 것이다.

4G 통신 시스템 상용화 이후 증가 추세에 있는 무선 데이터 트래픽 수요를 충족시키기 위해, 개선된 5G 통신 시스템 또는 pre-5G 통신 시스템을 개발하기 위한 노력이 이루어지고 있다. 이러한 이유로, 5G 통신 시스템 또는 pre-5G 통신 시스템은 4G 네트워크 이후 (Beyond 4G Network) 통신 시스템 또는 LTE 시스템 이후 (Post LTE) 시스템이라 불리어지고 있다. 높은 데이터 전송률을 달성하기 위해, 5G 통신 시스템은 초고주파(mmWave) 대역 (예를 들어, 60기가(60GHz) 대역과 같은)에서의 구현이 고려되고 있다. 초고주파 대역에서의 전파의 경로손실 완화 및 전파의 전달 거리를 증가시키기 위해, 5G 통신 시스템에서는 빔포밍(beamforming), 거대 배열 다중 입출력(massive MIMO), 전차원 다중입출력(Full Dimensional MIMO: FD-MIMO), 어레이 안테나(array antenna), 아날로그 빔형성(analog beam-forming), 및 대규모 안테나 (large scale antenna) 기술들이 논의되고 있다. 또한 시스템의 네트워크 개선을 위해, 5G 통신 시스템에서는 진화된 소형 셀, 개선된 소형 셀 (advanced small cell), 클라우드 무선 액세스 네트워크 (cloud radio access network: cloud RAN), 초고밀도 네트워크 (ultra-dense network), 기기 간 통신 (Device to Device communication: D2D), 무선 백홀 (wireless backhaul), 이동 네트워크 (moving network), 협력 통신 (cooperative communication), CoMP (Coordinated Multi-Points), 및 수신 간섭제거 (interference cancellation) 등의 기술 개발이 이루어지고 있다. 이 밖에도, 5G 시스템에서는 진보된 코딩 변조(Advanced Coding Modulation: ACM) 방식인 FQAM (Hybrid FSK and QAM Modulation) 및 SWSC (Sliding Window Superposition Coding)과, 진보된 접속 기술인 FBMC(Filter Bank Multi Carrier), NOMA(non orthogonal multiple access), 및SCMA(sparse code multiple access) 등이 개발되고 있다.

한편, 인터넷은 인간이 정보를 생성하고 소비하는 인간 중심의 연결 망에서, 사물 등 분산된 구성 요소들 간에 정보를 주고 받아 처리하는 IoT(Internet of Things, 사물인터넷) 망으로 진화하고 있다. 클라우드 서버 등과의 연결을 통한 빅데이터(Big data) 처리 기술 등이 IoT 기술에 결합된 IoE (Internet of Everything) 기술도 대두되고 있다. IoT를 구현하기 위해서, 센싱 기술, 유무선 통신 및 네트워크 인프라, 서비스 인터페이스 기술, 및 보안 기술과 같은 기술 요소 들이 요구되어, 최근에는 사물간의 연결을 위한 센서 네트워크(sensor network), 사물 통신(Machine to Machine, M2M), MTC(Machine Type Communication)등의 기술이 연구되고 있다. IoT 환경에서는 연결된 사물들에서 생성된 데이터를 수집, 분석하여 인간의 삶에 새로운 가치를 창출하는 지능형 IT(Internet Technology) 서비스가 제공될 수 있다. IoT는 기존의 IT(information technology)기술과 다양한 산업 간의 융합 및 복합을 통하여 스마트홈, 스마트 빌딩, 스마트 시티, 스마트 카 혹은 커넥티드 카, 스마트 그리드, 헬스 케어, 스마트 가전, 첨단의료서비스 등의 분야에 응용될 수 있다.

이에, 5G 통신 시스템을 IoT 망에 적용하기 위한 다양한 시도들이 이루어지고 있다. 예를 들어, 센서 네트워크(sensor network), 사물 통신(Machine to Machine, M2M), MTC(Machine Type Communication)등의 기술이 5G 통신 기술이 빔 포밍, MIMO, 및 어레이 안테나 등의 기법에 의해 구현되고 있는 것이다. 앞서 설명한 빅데이터 처리 기술로써 클라우드 무선 액세스 네트워크(cloud RAN)가 적용되는 것도 5G 기술과 IoT 기술 융합의 일 예라고 할 수 있을 것이다.

한편, 통신 시스템 내 단말 및 기지국 간 통신을 수행함에 있어서, 인공신경망(Artificial Neural Network)을 이용하여 신호를 송수신 방법이 연구되고 있다.

본 발명은 통신 시스템 내 단말 및 기지국 간 통신을 수행함에 있어서, 제한된 크기의 비트 수를 이용하여 더 정확한 정보를 송수신할 수 있도록 하는 방법 및 장치를 제공하는 것을 목적으로 한다.

전술한 기술적 과제를 달성하기 위한 본 발명의 일 실시 예에 따른 이동 통신 시스템에서 단말의 신호 송수신 방법은, 기지국으로 제1 정보를 송신하기 위한 신경망(Neural Network) 모델을 확인하는 단계; 상기 제1 정보를 이용하여 상기 신경망 모델의 연결 가중치를 학습하는 단계; 상기 학습 결과를 기반으로 상기 기지국에 대응되는 제2 부분 신경망의 가중치를 업데이트 하기 위한 제2 정보를 상기 기지국으로 송신하는 단계; 및 상기 학습 결과를 기반으로 상기 단말에 대응되는 제1 부분 신경망의 가중치를 업데이트 하는 단계를 포함할 수 있다.

또한, 일 실시 예에 따른 이동 통신 시스템에서 기지국의 신호 송수신 방법은, 단말로부터 제1 정보를 수신하기 위한 신경망(Neural Network) 모델을 확인하는 단계; 상기 단말로부터, 상기 기지국에 대응되는 제2 부분 신경망의 가중치를 업데이트하기 위한 제2 정보를 수신하는 단계; 및 상기 제2 정보를 기반으로 상기 제2 부분 신경망의 가중치를 업데이트 하는 단계를 포함할 수 있다.

또한, 일 실시 예에 따른 이동 통신 시스템에서 신호를 송수신하는 단말은, 신호를 송신 또는 수신하는 송수신부; 및 기지국으로 제1 정보를 송신하기 위한 신경망(Neural Network) 모델을 확인하고, 상기 제1 정보를 이용하여 상기 신경망 모델의 연결 가중치를 학습하고, 상기 학습 결과를 기반으로 상기 기지국에 대응되는 제2 부분 신경망의 가중치를 업데이트하기 위한 제2 정보를 상기 기지국으로 송신하고, 상기 학습 결과를 기반으로 상기 단말에 대응되는 제1 부분 신경망의 가중치를 업데이트 하도록 구성되는 제어부를 포함할 수 있다.

또한, 일 실시 예에 따른 이동 통신 시스템에서 신호를 송수신하는 기지국은, 신호를 송신 또는 수신하는 송수신부; 및 단말로부터 제1 정보를 수신하기 위한 신경망(Neural Network) 모델을 확인하고, 상기 단말로부터 상기 기지국에 대응되는 제2 부분 신경망의 가중치를 업데이트하기 위한 제2 정보를 수신하고, 상기 제2 정보를 기반으로 상기 제2 부분 신경망의 가중치를 업데이트하도록 제어하는 제어부를 포함할 수 있다.

본 발명에 따르면, 인공신경망을 이용해 제한된 비트 수를 이용하여 송신 또는 수신하고자 하는 정보를 보다 정확하게 전달할 수 있다.

또한, 통신 환경의 변화에 따른 인공신경망의 성능 저하를 개선하고, 학습을 위한 오버헤드를 감소시킬 수 있다.

도 1은 LTE에서 시스템에서 상기 데이터 혹은 제어채널이 전송되는 무선자원영역인 시간-주파수영역의 기본 구조를 나타낸 도면이다.
도 2는 LTE의 DCI가 전송되는 하향링크 물리채널인 PDCCH를 도시한 도면이다.도 3은 5G에서 사용될 수 있는 하향링크 제어채널을 구성하는 시간 및 주파수 자원의 기본단위의 일 예를 나타내는 도면이다.
도 4는 5G 무선통신 시스템에서 하향링크 제어채널이 전송되는 제어영역(CORESET; Control Resource Set)에 대한 일 예를 나타내는 도면이다.
도 5는 하향링크에서 14개의 OFDM 심볼을 하나의 슬롯(또는 서브프레임)으로 사용하고 초기 두 개의 OFDM 심볼로 PDCCH가 전송되며 세 번째 심볼에서 DMRS가 전송되도록 설정된 경우를 나타낸다.
도 6은 본 발명의 일 실시 예에 따른 autoencoder의 구성을 나타내는 도면이다.
도 7은 본 발명의 일 실시 예에 따른 autoencoder 기반의 하향 채널 피드백 방식(700)을 나타내는 도면이다.
도 8은 본 발명의 제 1 실시 예에 따른 단말과 기지국의 동작을 나타내는 블록도를 나타내는 도면이다.
도 9는 본 발명의 제 1 실시 예에 따른 단말과 기지국의 동작을 나타내는 순서도를 나타낸 도면이다.
도 10은 본 발명의 제 2 실시 예에 따른 단말과 기지국의 동작을 나타내는 블록도를 나타내는 도면이다.
도 11은 본 발명의 제 2 실시 예에 따른 단말과 기지국의 동작을 나타내는 순서도를 나타낸 도면이다.
도 12는 본 발명의 제3 실시 예에 따른 Mode 1에서의 단말과 기지국의 동작을 나타내는 블록도를 나타내는 도면이다.
도 13은 본 발명의 제3 실시 예에 따른 Mode 1에서의 단말과 기지국의 동작을 나타내는 순서도를 나타내는 도면이다.
도 14는 본 발명의 제3 실시 예에 따른 Mode 2에서의 단말과 기지국의 동작을 나타내는 블록도를 나타내는 도면이다.
도 15는 본 발명의 제3 실시 예에 따른 Mode 2에서의 단말과 기지국의 동작을 나타내는 순서도를 나타내는 도면이다.
도 16는 본 발명의 제3 실시 예에 따른 Mode 3에서의 단말과 기지국의 동작을 나타내는 블록도를 나타내는 도면이다.
도 17는 본 발명의 제3 실시 예에 따른 Mode 3에서의 단말과 기지국의 동작을 나타내는 순서도를 나타내는 도면이다.
도 18은 본 발명의 실시예에 따른 기지국의 구조를 도시하는 블록도이다.
도 19는 본 발명의 실시예에 따른 단말의 구조를 도시하는 블록도이다.

무선 통신 시스템은 초기의 음성 위주의 서비스를 제공하던 것에서 벗어나 예를 들어, 3GPP의 HSPA(High Speed Packet Access), LTE(Long Term Evolution 혹은 E-UTRA (Evolved Universal Terrestrial Radio Access)), LTE-Advanced(LTE-A), LTE-Pro, 3GPP2의 HRPD(High Rate Packet Data), UMB(Ultra Mobile Broadband), 및 IEEE의 802.16e 등의 통신 표준과 같이 고속, 고품질의 패킷 데이터 서비스를 제공하는 광대역 무선 통신 시스템으로 발전하고 있다.

상기 광대역 무선 통신 시스템의 대표적인 예로, LTE 시스템에서는 하향링크(DL; DownLink)에서는 OFDM(Orthogonal Frequency Division Multiplexing) 방식을 채용하고 있고, 상향링크(UL; UpLink)에서는 SC-FDMA(Single Carrier Frequency Division Multiple Access) 방식을 채용하고 있다. 상향링크는 단말(UE; User Equipment 혹은 MS; Mobile Station)이 기지국(eNode B 혹은 BS; Base Station)으로 데이터 혹은 제어신호를 전송하는 무선링크를 뜻하고, 하향링크는 기지국이 단말로 데이터 혹은 제어신호를 전송하는 무선링크를 뜻한다. 상기와 같은 다중 접속 방식은, 통상 각 사용자 별로 데이터 혹은 제어정보를 실어 보낼 시간-주파수 자원을 서로 겹치지 않도록, 즉 직교성(Orthogonality)이 성립하도록, 할당 및 운용함으로써 각 사용자의 데이터 혹은 제어정보를 구분한다.

LTE 이후의 향후 통신 시스템으로서, 즉, 5G 통신시스템은 사용자 및 서비스 제공자 등의 다양한 요구 사항을 자유롭게 반영할 수 있어야 하기 때문에 다양한 요구사항을 동시에 만족하는 서비스가 지원되어야 한다. 5G 통신시스템을 위해 고려되는 서비스로는 향상된 모바일 광대역 통신(eMBB; enhanced Mobile BroadBand), 대규모 기계형 통신(mNTC; massive Machine Type Communication), 초신뢰 저지연 통신(URLLC; Ultra Reliability Low Latency Communication) 등이 있다.

eMBB는 기존의 LTE, LTE-A 또는 LTE-Pro가 지원하는 데이터 전송 속도보다 더욱 향상된 데이터 전송 속도를 제공하는 것을 목표로 한다. 예를 들어, 5G 통신시스템에서 eMBB는 하나의 기지국 관점에서 하향링크에서는 20Gbps의 최대 전송 속도(peak data rate), 상향링크에서는 10Gbps의 최대 전송 속도를 제공할 수 있어야 한다. 또한 5G 통신시스템은 최대 전송 속도를 제공하는 동시에, 증가된 단말의 실제 체감 전송 속도(User perceived data rate)를 제공해야 한다. 이와 같은 요구 사항을 만족시키기 위해, 더욱 향상된 다중 안테나 (MIMO; Multi Input Multi Output) 전송 기술을 포함하여 다양한 송수신 기술의 향상을 요구한다. 또한 현재의 LTE가 사용하는 2GHz 대역에서 최대 20MHz 전송대역폭을 사용하여 신호를 전송하는 반면에 5G 통신시스템은 3~6GHz 또는 6GHz 이상의 주파수 대역에서 20MHz 보다 넓은 주파수 대역폭을 사용함으로써 5G 통신시스템에서 요구하는 데이터 전송 속도를 만족시킬 수 있다.

동시에, 5G 통신시스템에서 사물 인터넷(IoT; Internet of Thing)와 같은 응용 서비스를 지원하기 위해 mMTC가 고려되고 있다. mMTC는 효율적으로 사물 인터넷을 제공하기 위해 셀 내에서 대규모 단말의 접속 지원, 단말의 커버리지 향상, 향상된 배터리 시간, 단말의 비용 감소 등이 요구된다. 사물 인터넷은 여러 가지 센서 및 다양한 기기에 부착되어 통신 기능을 제공하므로 셀 내에서 많은 수의 단말(예를 들어, 1,000,000 단말/km²)을 지원할 수 있어야 한다. 또한 mMTC를 지원하는 단말은 서비스의 특성상 건물의 지하와 같이 셀이 커버하지 못하는 음영지역에 위치할 가능성이 높으므로 5G 통신시스템에서 제공하는 다른 서비스 대비 더욱 넓은 커버리지를 요구한다. mMTC를 지원하는 단말은 저가의 단말로 구성되어야 하며, 단말의 배터리를 자주 교환하기 힘들기 때문에 10~15년과 같이 매우 긴 배터리 생명시간(battery life time)이 요구된다.

마지막으로, URLLC의 경우, 특정한 목적(mission-critical)으로 사용되는 셀룰라 기반 무선 통신 서비스이다. 예를 들어, 로봇(Robot) 또는 기계 장치(Machinery)에 대한 원격 제어(remote control), 산업 자동화(industrial automation), 무인 비행장치(Unmanned Aerial Vehicle), 원격 건강 제어(Remote health care), 비상 상황 알림(emergency alert) 등에 사용되는 서비스 등을 고려할 수 있다. 따라서 URLLC가 제공하는 통신은 매우 낮은 저지연 및 매우 높은 신뢰도 제공해야 한다. 예를 들어, URLLC을 지원하는 서비스는 0.5 밀리초보다 작은 무선 접속 지연시간(Air interface latency)를 만족해야 하며, 동시에 10^-5 이하의 패킷 오류율(Packet Error Rate)의 요구사항을 갖는다. 따라서, URLLC을 지원하는 서비스를 위해 5G 시스템은 다른 서비스보다 작은 전송 시간 구간(TTI; Transmit Time Interval)를 제공해야 하며, 동시에 통신 링크의 신뢰성을 확보하기 위해 주파수 대역에서 넓은 리소스를 할당해야 하는 설계사항이 요구된다.

5G의 세가지 서비스들, 즉 eMBB, URLLC, mMTC는 하나의 시스템에서 다중화되어 전송될 수 있다. 이 때, 각각의 서비스들이 갖는 상이한 요구사항을 만족시키기 위해 서비스 간에 서로 다른 송수신 기법 및 송수신 파라미터를 사용할 수 있다.

이하 LTE 및 LTE-A 시스템의 프레임 구조에 대해 도면을 참조하여 보다 구체적으로 설명하고자 한다.

도 1은 LTE에서 시스템에서 상기 데이터 혹은 제어채널이 전송되는 무선자원영역인 시간-주파수영역의 기본 구조를 나타낸 도면이다.

도 1 에서 가로축은 시간영역을, 세로축은 주파수영역을 나타낸다. 시간영역에서의 최소 전송단위는 OFDM 심벌로서, N_symb (101)개의 OFDM 심벌이 모여 하나의 슬롯(102)을 구성하고, 2개의 슬롯이 모여 하나의 서브프레임(103)을 구성한다. 상기 슬롯의 길이는 0.5ms 이고, 서브프레임의 길이는 1.0ms 이다. 그리고 라디오 프레임(104)은 10개의 서브프레임으로 구성되는 시간영역 단위이다. 주파수영역에서의 최소 전송단위는 서브캐리어(Subcarrier)로서, 전체 시스템 전송 대역(Transmission Bandwidth)의 대역폭은 총 N_BW(105)개의 서브캐리어로 구성된다. 시간-주파수영역에서 자원의 기본 단위는 리소스 엘리먼트(RE; Resource Element, 106)로서 OFDM 심벌 인덱스 및 서브캐리어 인덱스로 나타낼 수 있다. 리소스 블록(RB; Resource Block 혹은 PRB; Physical Resource Block, 107)은 시간영역에서 N_symb (101)개의 연속된 OFDM 심벌과 주파수 영역에서 N_RB(108)개의 연속된 서브캐리어로 정의된다. 따라서, 하나의 RB(108)는 N_symbx N_RB 개의 RE(106)로 구성된다. 일반적으로 데이터의 최소 전송단위는 상기 RB 단위이다. LTE 시스템에서 일반적으로 상기 N_symb = 7, N_RB=12 이고, N_BW 및 N_RB는 시스템 전송 대역의 대역폭에 비례한다.

다음으로 LTE 및 LTE-A 시스템에서의 하향링크 제어정보(DCI; Downlink Control Information)에 대해 구체적으로 설명하도록 한다.

LTE 시스템에서 하향링크 데이터 혹은 상향링크 데이터에 대한 스케줄링 정보는 DCI를 통해 기지국으로부터 단말에게 전달된다. DCI는 여러 가지 포맷을 정의하여, 상향링크 데이터에 대한 스케줄링 정보인지 하향링크 데이터에 대한 스케줄링 정보인지 여부, 제어정보의 크기가 작은 컴팩트 DCI 인지 여부, 다중안테나를 사용한 공간 다중화 (spatial multiplexing)을 적용하는지 여부, 전력제어 용 DCI 인지 여부 등에 따라 정해진 DCI 포맷을 적용하여 운용한다. 예컨대, 하향링크 데이터에 대한 스케줄링 제어정보인 DCI format 1은 적어도 다음과 같은 제어정보들을 포함하도록 구성된다.

- 자원 할당 유형 0/1 플래그(Resource allocation type 0/1 flag): 리소스 할당 방식이 유형 0 인지 유형 1 인지 통지한다. 유형 0 은 비트맵 방식을 적용하여 RBG(resource block group) 단위로 리소스를 할당한다. LTE 시스템에서 스케줄링의 기본 단위는 시간 및 주파수 영역 리소스로 표현되는 RB(resource block)이고, RBG 는 복수개의 RB로 구성되어 유형 0 방식에서의 스케줄링의 기본 단위가 된다. 유형 1 은 RBG 내에서 특정 RB를 할당하도록 한다.

- 자원 블록 할당(Resource block assignment): 데이터 전송에 할당된 RB를 통지한다. 시스템 대역폭 및 리소스 할당 방식에 따라 표현하는 리소스가 결정된다.

- 변조 및 코딩 방식(MCS; Modulation and Coding Scheme): 데이터 전송에 사용된 변조방식과 전송하고자 하는 데이터인 transport block 의 크기를 통지한다.

- HARQ 프로세스 번호(HARQ process number): HARQ 의 프로세스 번호를 통지한다.

- 새로운 데이터 지시자(New data indicator): HARQ 초기전송인지 재전송인지를 통지한다.

- 중복 버전(Redundancy version): HARQ 의 중복 버전을 통지한다.

- PUCCH를 위한 전송 전력 제어 명령(TPC(Transmit Power Control) command for PUCCH(Physical Uplink Control CHannel)): 상향링크 제어채널인 PUCCH에 대한 전송 전력 제어 명령을 통지한다.

상기 DCI는 채널코딩 및 변조과정을 거쳐 하향링크 물리제어채널인 PDCCH(Physical Downlink Control CHannel)를 통해 전송된다.

DCI 메시지 payload에는 CRC(Cyclic Redundancy Check)가 붙으며, CRC는 단말의 신원에 해당하는 RNTI(Radio Network Temporary Identifier)로 스크램블링(scrambling) 된다. DCI 메시지의 목적, 예를 들어 단말-특정(UE-specific)의 데이터 전송, 전력제어 명령 혹은 랜덤 엑세스 응답 등에 따라 서로 다른 RNTI 들이 사용된다. 곧, RNTI가 명시적으로 전송되지 않고 CRC 계산과정에 포함되어 전송된다. PDCCH 상으로 전송되는 DCI 메시지를 수신하면 단말은 할당 받은 RNTI를 사용하여 CRC를 확인하여 CRC 확인 결과가 맞으면 해당 메시지는 그 단말에게 전송된 것임을 알 수 있다.

도 2는 LTE의 DCI가 전송되는 하향링크 물리채널인 PDCCH(201)를 도시한 도면이다.

도 2에 따르면, PDCCH(201)은 데이터 전송 채널인 PDSCH(202)와 시간다중화 되고, 전 시스템 대역폭에 걸쳐 전송된다. PDCCH(201)의 영역은 OFDM 심볼 개수로 표현이 되며 이는 PCFICH(Physical Control Format Indicator CHannel)을 통해 전송되는 CFI(Control Format Indicator)로 단말에게 지시된다. PDCCH(201)를 서브프레임의 앞부분에 오는 OFDM 심볼에 할당함으로써, 단말이 최대한 빨리 하향링크 스케줄링 할당을 디코딩할 수 있도록 하고, 이를 통해 DL-SCH(DownLink Shared CHannel)에 대한 디코딩 지연, 즉 전체적인 하향링크 전송 지연을 감소시킬 수 있는 장점이 있다. 하나의 PDCCH는 하나의 DCI 메시지를 운반하고, 하향링크와 상향링크에 다수의 단말들이 동시에 스케줄링될 수 있으므로, 각 셀 내에서는 다수개의 PDCCH의 전송이 동시에 이루어진다. PDCCH(201)의 디코딩을 위한 레퍼런스 신호로는 CRS(Cell-specific Reference Signal, 203)가 사용된다. CRS(203)는 전대역에 걸쳐 매 서브프레임마다 전송되고 셀 ID(IDentity)에 따라 스크램블링 및 자원 맵핑이 달라진다. CRS(203)는 모든 단말들이 공통으로 사용하는 레퍼런스 신호이기 때문에 단말-특정 빔포밍이 사용될 수 없다. 따라서 LTE의 PDCCH에 대한 다중안테나 송신기법은 개루프 송신 다이버시티로 한정된다. CRS의 포트 수는 PBCH(Physical Broadcast CHannel)의 디코딩으로부터 암묵적으로 단말에게 알려진다.

PDCCH(201)의 자원 할당은 CCE(Control-Channel Element)를 기반으로 하며, 하나의 CCE는 9개의 REG(Resource Element Group), 즉 총 36개의 RE(Resource Element)들로 구성되어 있다. 특정 PDCCH(201)를 위해 필요한 CCE의 개수는 1, 2, 4, 8개가 될 수 있으며, 이는 DCI 메시지 payload의 채널 코딩율에 따라 달라진다. 이와 같이 서로 다른 CCE 개수는 PDCCH(201)의 링크 적응(link adaptation)을 구현하기 위해 사용된다. 단말은 PDCCH(201)에 대한 정보를 모르는 상태에서 신호를 검출해야 하는데, LTE에서는 블라인드 디코딩을 위해 CCE들의 집합을 나타내는 탐색공간(search space)를 정의하였다. 탐색공간은 각 CCE의 aggregation level(AL)에 복수 개의 집합으로 구성되어 있으며, 이는 명시적으로 시그널링되지 않고 단말 신원에 의한 함수 및 서브프레임 번호를 통해 암묵적으로 정의된다. 각 서브프레임 내에서 단말은 설정된 탐색공간 내의 CCE들로부터 만들어질 수 있는 가능한 모든 자원 후보군(candidate)에 대하여 PDCCH(201)에 대한 디코딩을 수행하고, CRC 확인을 통해 해당 단말에게 유효하다고 선언된 정보를 처리한다.

탐색공간은 단말-특정 탐색공간과 공통(Common) 탐색 공간으로 분류된다. 일정 그룹의 단말들 혹은 모든 단말들이 시스템정보에 대한 동적인 스케줄링이나 페이징 메시지와 같은 셀 공통의 제어정보를 수신하기 위해 PDCCH(201)의 공통 탐색 공간을 조사할 수 있다. 예를 들어 셀의 사업자 정보 등을 포함하는 SIB(System Information Block)-1의 전송을 위한 DL-SCH의 스케줄링 할당 정보는 PDCCH(201)의 공통 탐색 공간을 조사하여 수신할 수 있다.

LTE에서 전체 PDCCH 영역은 논리영역에서의 CCE의 집합으로 구성되며, CCE들의 집합으로 이루어진 탐색공간이 존재한다. 탐색 공간은 공통 탐색공간와 단말-특정 탐색공간으로 구분되고, LTE PDCCH에 대한 탐색공간은 하기와 같이 정의된다.

상기에 기술한 PDCCH에 대한 탐색공간의 정의에 따르면 단말-특정 탐색공간은 명시적으로 시그널링되지 않고 단말 신원에 의한 함수 및 서브프레임 번호를 통해 암묵적으로 정의된다. 다시 말하자면, 단말-특정의 탐색공간이 서브프레임 번호에 따라 바뀔 수 있으므로 이는 시간에 따라 바뀔 수 있다는 것을 의미하며 이를 통하여 단말들 사이에서 다른 단말들에 의하여 특정 단말이 탐색공간을 사용하지 못하는 문제(Blocking 문제)를 해결해준다. 만약 자기가 조사하는 모든 CCE들이 이미 같은 서브프레임 내에서 스케줄링된 다른 단말들에 의하여 사용되고 있기 때문에 해당 서브프레임에서 어떠한 단말이 스케줄링되지 못한다면, 이러한 탐색공간은 시간에 따라 변하기 때문에, 그 다음 서브프레임에서는 이와 같은 문제가 발생하지 않게 될 수 있다. 예컨대, 특정 서브프레임에서 단말#1과 단말#2의 단말-특정 탐색공간의 일부가 중첩되어 있을지라도, 서브프레임 별로 단말-특정 탐색공간이 변하기 때문에, 다음 서브프레임에서의 중첩은 이와는 다를 것으로 예상할 수 있다.

상기에 기술한 PDCCH에 대한 탐색공간의 정의에 따르면 공통 탐색공간의 경우 일정 그룹의 단말들 혹은 모든 단말들이 PDCCH를 수신해야 하므로 기 약속된 CCE의 집합으로 정의된다. 다시 말하자면, 공통 탐색공간은 단말의 신원이나 서브프레임 번호 등에 따라 변동되지 않는다. 공통 탐색공간이 비록 다양한 시스템 메시지의 전송을 위해 존재하지만, 개별적인 단말의 제어정보를 전송하는데도 사용할 수 있다. 이를 통해 공통 탐색공간은 단말-특정 탐색공간에서 가용한 자원이 부족하여 단말이 스케줄링 받지 못하는 현상에 대한 해결책으로도 사용될 수 있다.

탐색공간은 주어진 aggregation level 상에서 단말이 디코딩을 시도해야 하는 CCE들로 이루어진 후보 제어채널들의 집합이며, 1, 2, 4, 8 개의 CCE로 하나의 묶음을 만드는 여러 가지 aggregation level이 있으므로 단말은 복수개의 탐색공간을 갖는다. LTE PDCCH에서 aggregation level에 따라 정의되는 탐색공간 내의 단말이 모니터링(monitoring)해야 하는 PDCCH 후보군들(candidates)의 수는 하기의 표로 정의된다.

Search space			Number of PDCCH candidates
Type	Aggregation level	Size [in CCEs]	Number of PDCCH candidates
UE-specific	1	6	6
	2	12	6
	4	8	2
	8	16	2
Common	4	16	4
Common	8	16	2

[표 1]에 따르면 단말-특정 탐색공간의 경우, aggregation level {1, 2, 4, 8}을 지원하며, 이 때 각각 {6, 6, 2, 2}개의 PDCCH 후보군들을 갖는다. 공통 탐색공간(302)의 경우, aggregation level {4, 8}을 지원하며, 이 때 각각 {4, 2}개의 PDCCH 후보군들을 갖는다. 공통 탐색공간이 aggregation level이 {4, 8}만을 지원하는 이유는 시스템 메시지가 일반적으로 셀 가장자리까지 도달해야 하기 때문에 커버리지(coverage) 특성을 좋게 하기 위함이다.

공통 탐색공간으로 전송되는 DCI는 시스템 메시지나 단말 그룹에 대한 전력 조정(Power control) 등의 용도에 해당하는 0/1A/3/3A/1C와 같은 특정 DCI 포맷에 대해서만 정의된다. 공통 탐색공간 내에서는 공간다중화(Spatial Multiplexing)를 갖는 DCI 포맷은 지원하지 않는다. 단말-특정 탐색 공간에서 디코딩해야 하는 하향링크 DCI 포맷은 해당 단말에 대하여 설정된 전송 모드(Transmission Mode)에 따라 달라진다. 전송모드의 설정은 RRC(Radio Resource Control) 시그널링을 통하여 이루어지기 대문에, 해당 설정이 해당 단말에 대하여 효력을 발휘하는 지에 대한 정확한 서브프레임 번호가 지정되어 있지 않다. 따라서, 단말은 전송모드와 상관없이 DCI 포맷 1A에 대하여 항상 디코딩을 수행함으로써 통신을 잃지 않도록 동작될 수 있다.

상기에서는 종래 LTE 및 LTE-A에서의 하향링크 제어채널 및 하향링크 제어정보를 송수신하는 방법 및 탐색공간에 대하여 기술하였다.

하기에서는 현재 논의되고 있는 5G 통신 시스템에서의 하향링크 제어채널에 대하여 도면을 참조하여 보다 구체적으로 설명하고자 한다.

도 3은 5G에서 사용될 수 있는 하향링크 제어채널을 구성하는 시간 및 주파수 자원의 기본단위의 일 예를 보여주는 도면이다. 도 3에 따르면 제어채널을 구성하는 시간 및 주파수 자원의 기본 단위(REG)는 시간 축으로는 1 OFDM 심볼(301)로 구성되어 있고, 주파수 축으로는 12개의 서브캐리어(302) 즉 1 RB로 구성되어 있다. 제어채널의 기본 단위를 구성하는 데 있어서 시간 축 기본 단위를 1 OFDM 심볼(301)로 가정함으로써 한 서브프레임 내에서 데이터채널과 제어채널이 시간다중화 될 수 있다. 데이터채널보다 제어채널을 앞에 위치시킴으로써 사용자의 프로세싱 시간을 감소시킬 수 있어 지연시간 요구사항을 만족시키기에 용이하다. 제어채널의 주파수축 기본 단위를 1 RB(302)로 설정함으로써 제어채널과 데이터채널 사이의 주파수 다중화를 보다 효율적으로 수행할 수 있다.

도 3에 도시되어 있는 REG(303)를 연접함으로써 다양한 크기의 제어채널 영역을 설정할 수 있다. 일 예로 5G에서 하향링크 제어채널이 할당되는 기본 단위를 CCE(304)라고 할 경우, 1 CCE(304)는 다수의 REG(303)로 구성될 수 있다. 도 3에 도시된 REG(304)를 예를 들어 설명하면, REG(303)는 12개의 RE로 구성될 수 있고 1 CCE(304)가 6개의 REG(303)로 구성된다면 1 CCE(304)는 72개의 RE로 구성될 수 있음을 의미한다. 하향링크 제어영역이 설정되면 해당 영역은 다수의 CCE(304)로 구성될 수 있으며, 특정 하향링크 제어채널은 제어영역 내의 aggregation level (AL)에 따라 하나 또는 다수의 CCE(304)로 맵핑 되어 전송될 수 있다. 제어영역내의 CCE(304)들은 번호로 구분되며 이 때 번호는 논리적인 맵핑 방식에 따라 부여될 수 있다.

도 3에 도시된 하향링크 제어채널의 기본 단위, 즉 REG(303)에는 DCI가 맵핑되는 RE들과 이를 디코딩하기 위한 레퍼런스 신호인 DMRS(Demodulation Reference Signal, 305)가 맵핑되는 영역이 모두 포함될 수 있다. 도 3에서와 같이 1 REG(303) 내에 6개의 RE에서 DMRS(305)가 전송될 수 있다. 참고로 DMRS(303)는 REG(303)내 맵핑되는 제어신호와 같은 프리코딩을 사용하여 전송되기 때문에 단말은 기지국이 어떤 프리코딩을 적용하였는지에 대한 정보가 없어도 제어 정보를 디코딩할 수 있다.

도 4는 5G 무선통신 시스템에서 하향링크 제어채널이 전송되는 제어영역(CORESET; Control Resource Set)에 대한 일 예를 도시한 도면이다. 도 4에는 주파수 축으로 시스템 대역폭(410), 시간축으로 1 슬롯(420) (도 4의 일 예에서는 1 슬롯이 7 OFDM 심볼로 가정하였다.) 내에 2개의 제어영역(제어영역#1(401), 제어영역#2(402))이 설정되어 있는 일 예를 보여준다. 제어영역(401, 402)는 주파수 축으로 전체 시스템 대역폭(410) 내에서 특정 서브밴드(403)으로 설정될 수 있다. 시간 축으로는 하나 혹은 다수 개의 OFDM 심볼로 설정될 수 있고 이를 제어영역 길이 (Control Resource Set Duration, 404)으로 정의할 수 있다. 도 4의 일 예에서 제어영역#1(401)은 2 심볼의 제어영역 길이로 설정되어 있고, 제어영역#2(402)는 1 심볼의 제어영역 길이로 설정되어 있다.

상기에서 설명한 5G에서의 제어영역은 기지국이 단말에게 상위 계층 시그널링(예컨대 시스템 정보(System Information), MIB(Master Information Block), RRC 시그널링)을 통해 설정될 수 있다. 단말에게 제어영역을 설정한다는 것은 제어영역의 위치, 서브밴드, 제어영역의 자원할당, 제어영역 길이 등의 정보 등의 정보를 제공하는 것을 의미한다. 예컨대 하기의 정보들을 포함할 수 있다.

- 설정정보 1. 주파수 축 RB 할당 정보
- 설정정보 2. 제어영역 시작 심볼
- 설정정보 3. 제어영역 심볼 길이
- 설정정보 4. REG 번들링 크기(2 또는 3 또는 6)
- 설정정보 5. 전송 모드(Interleaved 전송 방식 또는 Non-interleaved 전송 방식)
- 설정정보 6. DMRS 설정 정보(Precoder granularity)
- 설정정보 7. 탐색공간 타입(공통 탐색공간, 그룹-공통 탐색공간, 단말-특정 탐색공간)
- 설정정보 8. 해당 제어영역에서 모니터링 할 DCI 포맷
- 그 외

상기의 설정정보 외에도 하향링크 제어채널을 전송하는데 필요한 다양한 정보들이 단말에게 설정될 수 있다.

다음으로 5G에서의 하향링크 제어정보(DCI; Downlink Control Information)에 대해 구체적으로 설명하도록 한다.

5G 시스템에서 상향링크 데이터(PUSCH; Physical Uplink Shared CHannel) 혹은 하향링크 데이터(PDSCH; Physical Downlink Shared CHannel)에 대한 스케줄링 정보는 DCI를 통해 기지국으로부터 단말에게 전달된다. 단말은 PUSCH 또는 PDSCH에 대하여 대비책(fallback)용 DCI 포맷과 비대비책(non-fallback)용 DCI 포맷을 모니터링(monitoring)할 수 있다. 대비책 DCI 포맷은 기지국과 단말 사이에서 고정된 필드로 구성될 수 있고, 비대비책용 DCI 포맷은 설정 가능한 필드를 포함할 수 있다.

PUSCH를 스케줄링하는 대비책 DCI는 예컨대 하기의 정보들을 포함할 수 있다.

PUSCH를 스케줄링하는 비대비책 DCI는 예컨대 하기의 정보들을 포함할 수 있다.

PDSCH를 스케줄링하는 대비책 DCI는 예컨대 하기의 정보들을 포함할 수 있다.

PDSCH를 스케줄링하는 비대비책 DCI는 예컨대 하기의 정보들을 포함할 수 있다.

상기 DCI는 채널코딩 및 변조과정을 거쳐 하향링크 물리제어채널인 PDCCH(Physical Downlink Control CHannel)을 통해 전송될 수 있다. DCI 메시지 payload에는 CRC(Cyclic Redundancy Check)가 붙으며, CRC는 단말의 신원에 해당하는 RNTI(Radio Network Temporary Identifier)로 스크램블링(scrambling) 된다. DCI 메시지의 목적, 예를 들어 단말-특정(UE-specific)의 데이터 전송, 전력제어 명령 혹은 랜덤 엑세스 응답 등에 따라 서로 다른 RNTI 들이 사용된다. 곧, RNTI가 명시적으로 전송되지 않고 CRC 계산과정에 포함되어 전송된다. PDCCH 상으로 전송되는 DCI 메시지를 수신하면 단말은 할당 받은 RNTI를 사용하여 CRC를 확인하여 CRC 확인 결과가 맞으면 해당 메시지는 그 단말에게 전송된 것임을 알 수 있다.

예컨대 시스템 정보(SI; System Information)에 대한 PDSCH를 스케줄링하는 DCI는 SI-RNTI로 스크램블링될 수 있다. RAR(Random Access Response) 메시지에 대한 PDSCH를 스케줄링하는 DCI는 RA-RNTI로 스크램블링 될 수 있다. Paging 메시지에 대한 PDSCH를 스케줄링하는 DCI는 P-RNTI로 스크램블링 될 수 있다. SFI(Slot Format Indicator)를 통지하는 DCI는 SFI-RNTI로 스크램블링 될 수 있다. TPC(Transmit Power Control)를 통지하는 DCI는 TPC-RNTI로 스크램블링 될 수 있다. 단말-특정의 PDSCH 또는 PUSCH를 스케줄링하는 DCI는 C-RNTI(Cell RNTI)로 스크램블링 될 수 있다.

특정 단말이 상기 PDCCH를 통해 데이터 채널, 즉 PUSCH 또는 PDSCH를 스케줄링 받으면, 해당 스케줄링된 자원 영역 내에서 데이터들이 DMRS와 함께 송수신된다. 도 5는 특정 단말이 하향링크에서 14개의 OFDM 심볼을 하나의 슬롯(또는 서브프레임)으로 사용하고 초기 두 개의 OFDM 심볼로 PDCCH가 전송되며 세 번째 심볼에서 DMRS가 전송되도록 설정된 경우를 나타낸다. 도 5의 경우에 PDSCH가 스케줄링 된 특정 RB 내에서 PDSCH는 세 번째 심볼에서 DMRS가 전송되지 않는 RE들과 이후 네 번째부터 마지막 심볼까지의 RE들에 데이터가 맵핑되어 전송된다. 도 5에서 표현된 부반송파 간격 Δf는 LTE/LTE-A 시스템의 경우에 15kHz이고 5G 시스템의 경우 {15, 30, 60, 120, 240, 480}kHz 중 하나가 사용된다.

한편, 상술한 바와 같이 셀룰러 시스템에서 하향링크 채널 상태를 측정하기 위하여 기지국은 기준신호(reference signal)을 전송해야 한다. 3GPP의 LTE-A(Long Term Evolution Advanced) 시스템의 경우 기지국이 전송하는 CRS 또는 CSI-RS를 이용하여 단말은 기지국과 단말 사이의 채널 상태를 측정할 수 있다. 상기 채널 상태는 다양한 요소를 고려하여 측정 되어야 하며 여기에는 하향링크에서의 간섭량이 포함될 수 있다. 상기 하향 링크에서의 간섭량에는 인접 기지국에 속한 안테나 의하여 발생되는 간섭신호 및 열잡음 등이 포함되며, 하향링크에서의 간섭량은 단말이 하향링크의 채널 상황을 판단하는데 중요하다. 일 예로 송신안테나가 한 개인 기지국에서 수신안테나가 한 개인 단말로 신호를 전송할 경우, 단말은 기지국으로부터 수신된 기준신호에서 하향링크로 수신할 수 있는 심볼당 에너지와 해당 심볼을 수신하는 구간에서 동시에 수신될 간섭량을 판단하여 Es/Io를 결정해야 한다. 결정된 Es/Io는 데이터전송 속도 또는 그에 상응하는 값으로 변환되어 기지국으로 채널 품질 지시자(CQI; Channel Quality Indicator)의 형태로 전송되며, 기지국이 단말에게 어떤 데이터 전송속도로 전송을 수행 할지를 판단하는 데 사용될 수 있다.

LTE-A 시스템의 경우 단말은 하향링크의 채널 상태에 대한 정보를 기지국에게 피드백하여 기지국의 하향링크 스케줄링에 활용할 수 있도록 한다. 즉, 단말은 하향링크로 기지국이 전송하는 기준 신호를 측정하고 여기에서 추출한 정보를 LTE/LTE-A 표준에서 정의하는 형태로 기지국으로 피드백하는 것이다. 상술한 바와 같이 LTE/LTE-A에서 단말이 피드백하는 정보는 채널 상태 정보라 칭할 수 있으며, 채널 상태 정보는 다음의 세가지 정보를 포함할 수 있다.

- 랭크 지시자(RI; Rank Indicator): 단말이 현재의 채널상태에서 수신할 수 있는 공간 레이어(spatial layer)의 개수

- 프리코딩 매트릭스 지시자(PMI; Precoding Matrix Indicator): 단말이 현재의 채널상태에서 선호하는 프리코딩 행렬(precoding matrix)에 대한 지시자

- 채널 품질 지시자(CQI; Channel Quality Indicator): 단말이 현재의 채널상태에서 수신할 수 있는 최대 데이터 전송률(data rate)

CQI는 최대 데이터 전송률과 유사하게 활용될 수 있는 신호 대 간섭 잡음비(SINR; Signal to Interference plus Noise Ratio), 최대의 오류정정 부호화율(code rate) 및 변조 방식, 주파수당 데이터 효율 등으로 대체될 수도 있다.

상기 RI, PMI, CQI는 서로 연관되어 의미를 갖는다. 일 예로 LTE/LTE-A에서 지원하는 프리코딩 행렬(precoding matrix)은 rank별로 다르게 정의되어 있다. 때문에 RI가 1의 값을 가질 때의 PMI 값 X와 RI가 2의 값을 가질 때의 PMI 값 X는 다르게 해석이 될 수 있다. 또한 단말이 CQI를 결정할 때에도 자신이 기지국에 통보한 PMI와 X가 기지국에서 적용되었다는 가정을 한다. 즉, 단말이 RI_X, PMI_Y, CQI_Z를 기지국에 보고한 것은 랭크(rank)를 RI_X로 하고 PMI를 PMI_Y로 할 때 CQI_Z에 해당하는 데이터 전송률을 해당 단말이 수신할 수 있다고 보고하는 것과 같다. 이와 같이 단말은 CQI를 계산할 때에 기지국에 어떤 전송방식을 수행할 지를 가정하여 해당 전송방식으로 실제 전송을 수행하였을 때 최적화된 성능을 얻을 수 있도록 한다.

LTE/LTE-A에서 단말이 피드백하는 채널상태 정보인 RI, PMI, CQI는 주기적 또는 비주기적 형태로 피드백 될 수 있다. 기지국이 특정 단말의 채널 상태 정보를 비주기적으로 획득하고자 하는 경우, 기지국은 단말에 대한 하향링크 제어정보(DCI; Downlink Control Information)에 포함된 비주기적 피드백 지시자(또는 채널 상태 정보 요청 필드, 채널 상태 정보 요청 정보)를 이용하여 비주기적 피드백(또는 비주기적인 채널 상태 정보 보고)를 수행하도록 설정할 수 있다. 또한, 단말은 비주기적 피드백을 수행하도록 설정된 지시자를 n번째 서브프레임에서 수신하면 n+k번째 서브프레임에서의 데이터 전송에 비주기적 피드백 정보(또는, 채널 상태 정보)를 포함하여 상향링크 전송을 수행할 수 있다. 여기서 k는 3GPP LTE Release 11 표준에 정의된 파라미터로 FDD(Frequency Division Duplexing)에서는 4이며 TDD(Time Division Duplexing)에서는 [표 7]과 같이 정의될 수 있다.

TDD UL/DL Configuration	subframe number n
TDD UL/DL Configuration	0	1	2	3	4	5	6	7	8	9
0	-	-	6	7	4	-	-	6	7	4
1	-	-	6	4	-	-	-	6	4	-
2	-	-	4	-	-	-	-	4	-	-
3	-	-	4	4	4	-	-	-	-	-
4	-	-	4	4	-	-	-	-	-	-
5	-	-	4	-	-	-	-	-	-	-
6	-	-	7	7	5	-	-	7	7	-

[표 7] TDD UL/DL configuration에서 각 서브프레임 번호 n에 대한 k 값

비주기적 피드백이 설정된 경우에 피드백 정보(또는 채널 상태 정보)는 RI, PMI, CQI를 포함하며 피드백 설정 (또는, 채널 상태 보고 설정)에 따라 RI와 PMI는 피드백 되지 않을 수도 있다.

이하 본 발명의 실시예를 첨부한 도면과 함께 상세히 설명한다. 이하에서 LTE 혹은 LTE-A 시스템을 일례로서 본 발명의 실시예를 설명하지만, 유사한 기술적 배경 또는 채널 형태를 갖는 여타의 통신시스템에도 본 발명의 실시예가 적용될 수 있다. 예를 들어 LTE-A 이후에 개발되는 5세대 이동통신 기술(5G, NR; New Radio)이 이에 포함될 수 있을 것이다. 따라서, 본 발명의 실시예는 숙련된 기술적 지식을 가진자의 판단으로써 본 발명의 범위를 크게 벗어나지 아니하는 범위에서 일부 변형을 통해 다른 통신시스템에도 적용될 수 있다.

또한, 본 발명을 설명함에 있어서 관련된 기능 혹은 구성에 대한 구체적인 설명이 본 발명의 요지를 불필요하게 흐릴 수 있다고 판단된 경우 그 상세한 설명은 생략한다. 그리고 후술되는 용어들은 본 발명에서의 기능을 고려하여 정의된 용어들로서 이는 사용자, 운용자의 의도 또는 관례 등에 따라 달라질 수 있다. 그러므로 그 정의는 본 명세서 전반에 걸친 내용을 토대로 내려져야 할 것이다.

본 발명에서는 단말과 기지국 간 신호 송수신에 있어서 deep neural network(DNN)의 일종인 autoencoder를 활용할 때, autoencoder neural network (NN)의 가중치를 효율적으로 학습 및 업데이트 하는 방법에 대하여 제안한다. 본 발명에서 제안하는 학습 방법을 이하에서 쉐도우 학습(shadow training)이라고 한다.

도 6은 본 발명의 일 실시 예에 따른 autoencoder의 구성을 나타내는 도면이다. Autoencoder는 그 출력(602)이 입력(601)과 동일하도록 학습된 neural network(NN)이다. 일 실시 예에 따르면, 상기 autoencoder NN에는 전송하고자 하는 임의의 신호가 입력(601)될 수 있으며, 상기 입력된 신호는 학습된 autoencoder NN을 통해 계산되어 출력(602)될 수 있다. 이하 본 발명의 실시 예를 설명함에 있어서는 편의를 위해 하향링크 또는 상향링크 채널 행렬을 입력(601) 데이터, 출력(602) 데이터로서 설명할 것이나, 이는 설명을 위한 것일 뿐 본 발명의 범위를 제한하지 않으며 일반적인 신경망(Neural Network)과 같이 임의의 데이터가 입력 또는 출력될 수 있다.

Autoencoder NN은 입력 레이어(input layer), 출력 레이어(output layer), 그리고 하나 이상의 중간 레이어로 구성될 수 있으며, 레이어(layer)의 수, 레이어 별 노드(node)의 수, 그리고 노드 간의 연결 가중치(connection weight)를 통해 하나의 autoencoder NN가 정의될 수 있다. 연결 가중치(connection weight)는 노드와 노드 사이의 관계를 나타내는 값이며, 예를 들면 실수(real number)일 수 있다. 각 노드의 값은 NN 내에서 해당 노드와 연결된 다른 노드의 값과 상기 다른 노드들과의 연결 가중치(connection weight)를 이용해 계산될 수 있다. 이하 본 명세서에서 가중치(weight)는 특별한 언급이 없는 한 상기 연결 가중치(coonection weight)를 의미한다.

일 실시 예에 따르면, autoencoder NN은 입력 레이어(input layer)를 포함하는 Tx NN(603) 및 출력 레이어(output layer)를 포함하는 Rx NN(604)를 포함할 수 있다. Tx NN(603)은 입력 레이어(input layer)와 적어도 하나의 중간 레이어를 포함하고, Rx NN(604)는 출력 레이어(output layer)와 적어도 하나의 중간 레이어를 포함할 수 있다. Rx NN(603) 및 Tx NN(604)에 포함되는 중간 레이어의 수가 반드시 동일한 것은 아니며, Rx NN(603) 및 Tx NN(604)는 각각 임의의 개수의 중간 레이어를 포함할 수 있다.

일 실시 예에 따르면, autoencoder NN은 입력 레이어의 노드의 수가와 출력 레이어의 노드의 수가 동일하도록 구성되고, 중간 레이어의 노드의 수는 상기 입력 레이어 및 출력 레이어의 노드의 수보다 적도록 구성될 수 있다. 따라서, autoencoder NN을 이용할 경우 입력 값이 Tx NN(603)에서 압축(encoding)되고, Rx NN(604)에서 복원(decoding)되는 효과로 해석될 수 있다.

이하 설명의 편의를 위해 autoencoder NN을 이용한 단말과 기지국 간 신호 전송의 일 예시로서 하향 링크 채널 상태 피드백을 이용하여 설명할 것이나, 이는 본 발명이 적용 가능한 일 예시일 뿐 본 발명의 범위를 제한하는 것이 아니며, 본 발명에서 개시되는 기술적 사상은 통신 시스템 내 임의의 신호 송수신 과정, 예를 들면 데이터의 전송 또는 제어 신호의 전송에 있어서도 적용될 수 있음을 명시한다.

도 7은 본 발명의 일 실시 예에 따른 autoencoder 기반의 하향 채널 피드백 방식(700)을 나타내는 도면이다. 이 피드백 방식에서는, 딥러닝으로 학습된 autoencoder NN의 Tx NN(705) 부분은 단말에(701), Rx NN(708) 부분은 기지국(702)에 배치될 수 있다. 단말은 추정된 하향 링크 채널 행렬

를(703) 전처리(pre-processing)(704)하여 새로운 행렬

를 생성할 수 있다. Tx NN(705)은 전처리(pre-processing)된 output maxtrix

를 codeword vector로 변환할 수 있다. 이 codeword vector는 CSI Transmitter(706)를 거쳐 송신 가능한 형태의 신호로 변조되어, 기지국으로 피드백 될 수 있다(CSI report). 피드백은 PUCCH 또는 PUSCH를 통해 주기적 또는 비주기적으로 이루어질 수 있다. 기지국은 CSI Receiver(707)를 통해 수신한 codeword vector를 Rx NN(708)을 거쳐서

를 복원해 낼 수 있다. 기지국은

를 후처리(post-processing)(709)하여 하향 링크 채널 행렬

를 얻을 수 있다. 이 방식은 딥러닝을 이용하여 채널 행렬의 정보를 효율적으로 압축함으로써, 제한된 피드백 bit 수 내에서 더 정확한 채널 정보를 전달 가능한 장점이 있다.

상기 채널 피드백 방식을 위해 autoencoder NN을 학습시키는 방법의 예시로는 다음의 두 가지가 있다. 첫째로, 특정 가정하에서 autoencoder NN의 가중치(weight)를 미리 학습한 후 실제 상황에서 고정된 가중치를 활용하는 offline 학습을 할 수 있다. 둘째로, autoencoder NN의 가중치를 실시간으로 학습 및 업데이트 하면서 활용하는 online 학습을 할 수 있다. 그러나, offline 학습 방법은 채널 환경 변화 시 미리 학습해 놓은 autoencoder의 성능이 저하될 수 있다. 또한 online 학습 방법은 높은 실시간 학습 복잡도 및 높은 가중치 피드백 오버헤드가 필요할 수 있다.

본 발명에서는 autoencoder NN를 학습시키는 방법으로서, 단말 또는 기지국이 실제 신호 전송에 이용하는 autoencoder NN과는 별개의 학습을 위한 autoencoder NN를 이용해 학습을 수행한 후 학습 결과를 공유함으로써 효율적으로 autoencoder NN을 학습 및 업데이트 하는 쉐도우 학습 기법을 제안한다.

<제 1 실시 예>

본원 발명의 제 1 실시 예에 따르면, 단말에서의 쉐도우 학습을 통해 autoencoder NN의 연결 가중치를 학습하고, 학습된 가중치에 대한 정보를 기지국으로 전송하여 autoencoder NN의 가중치를 업데이트 할 수 있다.

도 8 및 도 9는 본 발명의 제 1 실시 예에 따른 단말과 기지국의 동작을 나타내는 도면이다.

단말(801)과 기지국(802)은 사전 정의/학습된 유한개의 원소를 가진 autoencoder NN의 집합을 서로 공유할 수 있다. 상기 집합은, 단말과 기지국 사이의 존재 가능한 물리적 상황에 따라 결정되는 레이어 수, 레이어 별 노드 수에 대응되는 구조를 가지는 하나 이상의 autoencoder NN을 원소로 가지는 집합일 수 있다. 여기서 물리적 상황은 동작 주파수, 단말 대역폭 또는 단말/기지국의 안테나 설정 등을 포함할 수 있다. 그리고 집합 내 각 autoencoder NN의 초기 연결 가중치(connection weight)들은 임의의 상황을 가정하여 사전 학습될 수 있다.

단말(801)과 기지국(802)은 초기 접속 단계(901. 907) 후 서로의 물리적 상황에 대한 정보를 획득하고, 상기 autoencoder NN의 집합 내에서 하나의 원소를 선택할 수 있다(902, 908). 즉, 단말과 기지국은 초기 접속 단계 후 획득한 물리적 상황에 대한 정보를 기반으로 사전 정의/학습된 복수 개의 autoencoder NN 중 적절한 구조를 가지는 autoencoder NN을 선택할 수 있다.

단말(801)은 선택된 autoencoder NN의 Tx NN(805)을 단말 쪽에 배치하고(903), 기지국(802)은 선택된 NN의 Rx NN(808)을 기지국 쪽에 배치할 수 있다(909). 이 때, 기지국은 셀 내에 존재하는 각각의 단말에 대해 서로 다른 복수의 Rx NN을 기지국 쪽에 배치할 수 있다. 단말(801)과 기지국(802)은 각각 배치한 Tx NN(805) 및 Rx NN(808)을 이용하여 도 7에 도시된 autoencoder 기반의 하향 채널 피드백(700)을 수행할 수 있다. Autoencoder 기반의 하향 채널 피드백(700) 방법은 앞서 도 7을 참조하여 설명하였으며, 여기서는 상세한 설명한 생략하도록 한다.

한편, 단말(801)에서는 상기 단말에 배치한 Tx NN(805)과는 별개로 쉐도우 학습을 위해 Tx NN과 Rx NN 모두를 포함한 전체 autoencoder NN을 준비할 수 있다. 일 실시 예에 따르면, 단말은 기지국으로부터 수신하는 신호를 이용해 추정한 하향 링크 채널 행렬

(803)를 학습 데이터로 이용하여, 상기 전체 autoencoder NN에 대한 지속적인 쉐도우 학습(810)을 수행할 수 있다(904). 기지국으로부터 수신하는 신호는 예를 들면 CRS, CSI-RS, 동기신호, DMRS 등을 포함할 수 있으나, 반드시 이에 제한되는 것은 아니다. 다른 일 실시 예에 따르면, 단말(801)은 단말이 기지국(802)으로 전송한 기준 신호를 이용하여 추정된 채널 행렬을 기지국(802)으로부터 수신하고, 이를 학습데이터로 이용하여 쉐도우 학습을 수행할 수 있다. 단말(801)이 기지국(802)으로 전송하는 기준 신호는 예를 들면 SRS, DMRS를 포함할 수 있으나, 반드시 이에 제한되는 것은 아니다. 즉, 단말(801)은 기지국(802)로부터 수신한 신호(CRS, CSI-RS, 동기신호, DMRS, …)에 기반하여 단말이 추정한 채널 행렬, 또는 기지국으로부터 수신한 기지국이 추정한 채널 행렬을 학습데이터로 이용하여 쉐도우 학습을 위해 준비된 autoencoder NN의 연결 가중치(connection weight)를 지속적으로 갱신할 수 있다.

단말(801)은 쉐도우 학습(810)을 통해 갱신되는 새로운 전체 autoencoder NN(Tx NN, Rx NN)의 가중치 중 Rx NN의 가중치를 기지국(802)에게 전송할 수 있다(weight report)(905). 일 실시 예에 따르면, 상기 Rx NN의 가중치는 임의의 상향링크 채널(uplink channel), 예를 들면 PUCCH 또는 PUSCH를 통해 기지국에게 전송될 수 있다.

일 실시 예에 따르면, 단말(801)은 주기적으로 weight report를 수행하여 갱신된 Rx NN의 가중치를 기지국에게 전송할 수 있다. 이 경우 Rx NN의 가중치를 전송하는 주기는 단말(801)이 쉐도우 학습을 수행하기 위한 시간을 고려하여 설정될 수 있으며, 바람직하게는 채널 상태 정보 보고 주기(CSI report period) 보다 긴 주기로 설정될 수 있다.

일 실시 예에 따르면, 단말(801)은 비주기적으로 weight report를 수행하여 갱신된 Rx NN의 가중치를 기지국(802)에게 전송할 수 있다. 단말(801)은 기지국(802)의 비주기적 weight report 요청에 대응하여 weight report를 수행하거나, 혹은 쉐도우 학습을 수행한 autoencoder NN의 성능이 특정 조건을 만족하는 경우 weight report를 수행할 수 있다. 여기서 autoencoder NN의 성능은 autoencoder NN의 입력(input)과 출력(output) 간의 오차의 정도를 나타내는 임의의 지표를 이용해 정의될 수 있으며, 일 예시로는 입력과 출력 간의 Mean Squared Error(MSE) 값을 이용해 정의될 수 있다. 또한, 상기 특정 조건은 예를 들면 autoencoder NN의 성능이 기 설정된 기준 이상인 조건, 즉 입력과 출력 간의 오차가 기설정된 기준 미만인 조건일 수 있다. 여기서 기 설정된 기준값은 미리 결정되어 단말에 입력되거나, 혹은 단말에 의해 임의로 설정 가능한 값일 수 있다.

단말(801)이 전송하는 weight report는, 기지국(802)에게 배치된 Rx NN을 업데이트 하라는 요청을 포함할 수 있다. weight report를 수신한 기지국(802)은 weight report 수신의 ACK 신호를 단말(801)에게 전송한 후, 현재 배치된 Rx NN(808)의 가중치를 수신한 새로운 가중치로 업데이트 할 수 있다(911). 단말(801)은 ACK 신호 수신 시 배치된 Tx NN(805)의 가중치를 학습된 새로운 가중치로 업데이트 할 수 있다(906).

단말(801) 및 기지국(802)는 가중치가 업데이트된 Tx NN(805) 및 Rx NN(808)을 이용하여 도 7에 도시된 autoencoder 기반의 하향 채널 피드백(700)을 수행할 수 있다.

<제 2 실시 예>

본원 발명의 제 2 실시 예에 따르면, 기지국에서의 쉐도우 학습을 통해 autoencoder NN의 연결 가중치를 학습하고, 학습된 가중치에 대한 정보를 단말로 전송하여 autoencoder NN의 가중치를 업데이트 할 수 있다.

도 10 및 도 11은 본 발명의 제2 실시 예에 따른 단말과 기지국의 동작을 나타내는 도면이다.

단말(1001)과 기지국(1002)은 사전 정의/학습된 유한개의 원소를 가진 autoencoder NN의 집합을 서로 공유할 수 있다. 상기 집합은, 단말과 기지국 사이의 존재 가능한 물리적 상황에 따라 결정되는 레이어 수, 레이어 별 노드 수에 대응되는 구조를 가지는 하나 이상의 autoencoder NN을 원소로 가지는 집합일 수 있다. 여기서 물리적 상황은 동작 주파수, 단말 대역폭 또는 단말/기지국의 안테나 설정 등을 포함할 수 있다. 그리고 집합 내 각 autoencoder NN의 초기 연결 가중치(connection weight)들은 임의의 상황을 가정하여 사전 학습될 수 있다.

단말(1001)과 기지국(1002)은 초기 접속 단계(1101. 1107) 후 서로의 물리적 상황에 대한 정보를 획득하고, 상기 autoencoder NN의 집합 내에서 하나의 원소를 선택할 수 있다(1102, 1108). 즉, 단말과 기지국은 초기 접속 단계 후 획득한 물리적 상황에 대한 정보를 기반으로 사전 정의/학습된 복수 개의 autoencoder NN 중 적절한 구조를 가지는 autoencoder NN을 선택할 수 있다.

단말(1001)은 선택된 autoencoder NN의 Tx NN(1005)을 단말 쪽에 배치하고(1103), 기지국(1002)은 선택된 NN의 Rx NN(1008)을 기지국 쪽에 배치할 수 있다(1109). 이 때, 기지국은 셀 내에 존재하는 각각의 단말에 대해 서로 다른 복수의 Rx NN을 기지국 쪽에 배치할 수 있다. 단말(1001)과 기지국(1002)은 각각 배치한 Tx NN(1005) 및 Rx NN(1008)을 이용하여 도 7에 도시된 autoencoder 기반의 하향 채널 피드백(700)을 수행할 수 있다. Autoencoder 기반의 하향 채널 피드백(700) 방법은 앞서 도 7을 참조하여 설명하였으며, 여기서는 상세한 설명한 생략하도록 한다.

한편, 기지국(1002)에서는 상기 기지국에 배치한 Rx NN(1008)과는 별개로 쉐도우 학습을 위해 Tx NN과 Rx NN 모두를 포함한 전체 autoencoder NN을 준비할 수 있다. 일 실시 예에 따르면, 단말은 기지국으로부터 수신하는 신호를 이용해 하향 링크 채널 행렬

(1003)를 추정할 수 있으며, 이를 autoencoder 기반의 하향 채널 피드백(700)을 통해 기지국으로 전송할 수 있다. 이 때 단말이 기지국으로부터 수신하는 신호는 예를 들면 CRS, CSI-RS, 동기신호, DMRS 등을 포함할 수 있으나, 반드시 이에 제한되는 것은 아니다. 기지국은 수신한 하향 링크 채널 행렬

(1009)을 학습 데이터로 이용하여, 상기 전체 autoencoder NN에 대한 지속적인 쉐도우 학습(1010)을 수행할 수 있다(1104). 다른 일 실시 예에 따르면, 기지국(1002)은 단말(1001)로부터 수신하는 기준 신호를 이용해 채널 행렬을 추정하고, 이를 학습 데이터로 이용하여 쉐도우 학습을 수행할 수 있다. 단말(1001)이 기지국(1002)으로 전송하는 기준 신호는 예를 들면 SRS, DMRS 등을 포함할 수 있으나, 반드시 이에 제한되는 것은 아니다. 즉, 기지국(1002)은 단말(1001)로부터 수신한 신호(SRS, DMRS, …)에 기반하여 기지국이 추정한 채널 행렬, 또는 단말로부터 수신한 단말이 추정한 채널 행렬을 학습데이터로 이용하여 쉐도우 학습을 위해 준비된 autoencoder NN의 연결 가중치(connection weight)를 지속적으로 갱신할 수 있다.

기지국(1002)은 쉐도우 학습(1010)을 통해 갱신되는 새로운 전체 autoencoder NN(Tx NN, Rx NN)의 가중치 중 Tx NN의 가중치를 단말(1001)에게 전송할 수 있다(weight report)(1105). 일 실시 예에 따르면, 상기 Tx NN의 가중치는 임의의 하향링크 채널(downlink channel), 예를 들면 PDCCH 또는 PDSCH를 통해 단말(1001)에게 전송될 수 있다.

일 실시 예에 따르면, 기지국(1002)은 주기적으로 weight report를 수행하여 갱신된 Tx NN의 가중치를 단말(1001)에게 전송할 수 있다. 이 경우 Tx NN의 가중치를 전송하는 주기는 기지국(1002)이 쉐도우 학습을 수행하기 위한 시간을 고려하여 설정될 수 있으며, 바람직하게는 채널 상태 정보 보고 주기(CSI report period) 보다 긴 주기로 설정될 수 있다.

일 실시 예에 따르면, 기지국(1002)은 비주기적으로 weight report를 수행하여 갱신된 Rx NN의 가중치를 단말(1001)에게 전송할 수 있다. 기지국(1002)은 단말(1001)의 비주기적 weight report 요청에 대응하여 weight report를 수행하거나, 혹은 쉐도우 학습을 수행한 autoencoder NN의 성능이 특정 조건을 만족하는 경우 weight report를 수행할 수 있다. 여기서 autoencoder NN의 성능은 autoencoder NN의 입력(input)과 출력(output) 간의 오차의 정도를 나타내는 임의의 지표를 이용해 정의될 수 있으며, 일 예시로는 입력과 출력 간의 Mean Squared Error(MSE) 값을 이용해 정의될 수 있다. 또한, 상기 특정 조건은 예를 들면 autoencoder NN의 성능이 기 설정된 기준 이상인 조건, 즉 입력과 출력 간의 오차가 기 설정된 기준 미만인 조건일 수 있다. 여기서 기 설정된 기준값은 미리 결정되어 기지국에 입력되거나, 혹은 기지국에 의해 임의로 설정 가능한 값일 수 있다.

기지국(1002)이 전송하는 weight report는, 단말(1001)에게 배치된 Tx NN을 업데이트 하라는 요청을 포함할 수 있다. weight report를 수신한 단말(1001)은 weight report 수신의 ACK 신호를 기지국(1002)에게 전송한 후, 현재 배치된 Tx NN(808)의 가중치를 수신한 새로운 가중치로 업데이트 할 수 있다(1111). 단말은 ACK 신호 수신 시 배치된 Tx NN(1005)의 가중치를 학습된 새로운 가중치로 업데이트 할 수 있다(1106).

단말(1001) 및 기지국(1002)는 가중치가 업데이트된 Tx NN(1005) 및 Rx NN(1008)을 이용하여 도 7에 도시된 autoencoder 기반의 하향 채널 피드백(700)을 수행할 수 있다.

<제 3 실시 예>

본원 발명의 제 3 실시 예에 따르면, 채널 행렬을 직접적으로 피드백하는 방식을 이용하면서 단말에서 쉐도우 학습을 하는 모드(Mode 1, 1200), autoencoder 기반의 채널 피드백 모드(Mode 2, 1400) 및 채널 행렬을 직접적으로 피드백하는 방식을 이용하면서 기지국에서 쉐도우 학습을 하는 모드(Mode 3, 1600) 사이의 전환 기법을 이용해 채널 피드백을 수행할 수 있다.

이하, 도 12 내지 도 17을 참조하여 본원 발명의 제 3 실시 예에 따른 autoencoder NN 기반의 신호 송수신 방법에 대하여 설명한다.

도 12 및 도 13은 본 발명의 제3 실시 예에 따른 Mode 1에서의 단말과 기지국의 동작을 나타내는 도면이다.

구체적으로, 도 12, 13은 Mode 1에 따라 채널 행렬을 직접적으로 피드백하는 방식을 이용하면서 단말에서 쉐도우 학습을 하는 방식을 나타낸다.

단말(1201)과 기지국(1202)은 사전 정의/학습된 유한개의 원소를 가진 autoencoder NN의 집합을 서로 공유할 수 있다. 상기 집합은, 단말과 기지국 사이의 존재 가능한 물리적 상황에 따라 결정되는 레이어 수, 레이어 별 노드 수에 대응되는 구조를 가지는 하나 이상의 autoencoder NN을 원소로 가지는 집합일 수 있다. 여기서 물리적 상황은 동작 주파수, 단말 대역폭 또는 단말/기지국의 안테나 설정 등을 포함할 수 있다. 그리고 집합 내 각 autoencoder NN의 초기 연결 가중치(connection weight)들은 임의의 상황을 가정하여 사전 학습될 수 있다.

단말(1201)과 기지국(1202)은 초기 접속 단계(1301, 1307) 후 서로의 물리적 상황에 대한 정보를 획득하고 상기 autoencoder NN 집합 내에서 하나의 원소를 선택할 수 있다(1302, 1308). 즉, 단말(1201)과 기지국(1202)은 초기 접속 단계 후 획득한 물리적 상황에 대한 정보를 기반으로 사전 정의/학습된 복수 개의 autoencdoer NN 중 적절한 구조를 가지는 autoencoder NN을 선택할 수 있다.

단말(1201)은 쉐도우 학습을 위해 선택된 autoencoder NN의 Tx NN과 Rx NN 모두를 포함한 전체 autoencoder NN(1207)을 준비할 수 있다. 일 실시 예에 따르면, 단말은 기지국으로부터 수신하는 신호를 이용해 추정한 하향 링크 채널 행렬

(1203)를 학습 데이터로 이용하여, 상기 전체 autoencoder NN에 대한 지속적인 쉐도우 학습(1207)을 수행할 수 있다(1303). 단말이 기지국으로부터 수신하는 신호는 예를 들면 CRS, CSI-RS, 동기신호, DMRS 등을 포함할 수 있으나, 반드시 이에 제한되는 것은 아니다. 다른 일 실시 예에 따르면, 단말(1201)은 단말이 기지국(1202)으로 전송한 기준 신호를 이용하여 추정된 채널 행렬을 기지국(1202)로부터 수신하고, 이를 학습데이터로 이용하여 쉐도우 학습을 수행할 수 있다. 단말(1201)이 기지국(1202)으로 전송하는 기준 신호는 예를 들면 SRS, DMRS를 포함할 수 있으나, 반드시 이에 제한되는 것은 아니다. 즉, 단말(1201)은 기지국(1202)로부터 수신한 신호(CRS, CSI-RS, 동기신호, DMRS, …)에 기반하여 단말이 추정한 채널 행렬, 또는 기지국으로부터 수신한 기지국이 추정한 채널 행렬을 학습데이터로 이용하여 쉐도우 학습을 위해 준비된 autoencoder NN의 연결 가중치(connection weight)를 지속적으로 갱신할 수 있다.

단말(1201)은 쉐도우 학습(1207)을 통해 갱신되는 새로운 전체 autoencoder NN(Tx NN, Rx NN)의 가중치 중 Rx NN의 가중치를 기지국(1202)에게 전송할 수 있다(weight report, 1304). 일 실시 예에 따르면, 상기 Rx NN의 가중치는 임의의 상향링크 채널(uplink channel), 예를 들면 PUCCH 또는 PUSCH를 통해 기지국(1202)에게 전송될 수 있다. 일 실시 예에 따르면, 단말(1201)이 전송하는 weight report는 기지국(1202)에게 Mode 2로 전환하라는 요청을 포함할 수 있다.

일 실시 예에 따르면, 단말(1201)은 주기적으로 weight report를 수행하여 갱신된 Rx NN의 가중치를 기지국(1202)에게 전송할 수 있다. 이 경우 Rx NN의 가중치를 전송하는 주기는 단말(1201)이 쉐도우 학습을 수행하기 위한 시간을 고려하여 설정될 수 있으며, 바람직하게는 채널 상태 정보 보고 주기(CSI report period) 보다 긴 주기로 설정될 수 있다.

일 실시 예에 따르면, 단말(1201)은 비주기적으로 weight report를 수행하여 갱신된 Rx NN의 가중치를 기지국(1202)에게 전송할 수 있다. 단말(1201)은 기지국(1202)의 비주기적 weight report 요청에 대응하여 weight report를 수행하거나, 혹은 쉐도우 학습을 수행한 autoencoder NN의 성능이 특정 조건을 만족하는 경우 weight report를 수행할 수 있다. 여기서 autoencdoer NN의 성능은 autoencdoer NN의 입력(input)과 출력(output) 간의 오차의 정도를 나타내는 임의의 지표를 이용해 정의될 수 있으며, 일 예시로는 입력과 출력 간의 Mean Squared Error(MSE) 값을 이용해 정의될 수 있다. 또한, 상기 특정 조건은 예를 들면 autoencoder NN의 성능이 기 설정된 기준 이상인 조건, 즉 입력과 출력 간의 오차가 기 설정된 기준 미만인 조건일 수 있다. 여기서 기 설정된 기준값은 미리 결정되어 단말에 입력되거나, 혹은 단말에 의해 임의로 설정 가능한 값일 수 있다. 즉, 단말(1201)은 쉐도우 학습 결과 autoencdoer NN의 성능이 일정 수준 이상이 된 것으로 판단되는 경우, 학습한 autoencdoer NN을 이용해 신호 송수신을 수행하도록 weight report를 통해 기지국(1202)에게 Mode 2로 전환할 것을 요청할 수 있다. Mode 1의 비주기적 요청을 위한 기준이 되는 조건은 Mode 2 또는 Mode 3에서의 조건과 같거나 다르게 설정될 수 있다.

단말(1201)이 전송하는 weight report는 기지국(1202)에게 Rx NN을 업데이트 하라는 요청을 포함할 수 있다. weight report를 수신한 기지국(1202)은 weight report 수신의 ACK 신호를 단말(1201)에게 전송한 후(1313) 보유한 Rx NN의 가중치를 수신한 새로운 가중치로 업데이트 할 수 있다(1310). 단말(1201)은 ACK 신호 수신 시 보유한 Tx NN의 가중치를 학습된 새로운 가중치로 업데이트 할 수 있다(1305).

단말(1201)과 기지국(1202)은 각각 Tx NN 및 Rx NN의 가중치를 업데이트 한 후, Mode 2 로 전환할 수 있다(1306, 1311).

도 14 및 도 15는 본 발명의 제3 실시 예에 따른 Mode 2에서의 단말과 기지국의 동작을 나타내는 도면이다.

구체적으로, 도 14, 15는 Mode 2에 따라 autoencoder 기반의 채널 피드백 방식(700)을 수행하면서 단말에서 쉐도우 테스트(shadow testing, 1410)를 하는 방식을 나타낸다.

단말(1401)은 Mode 1 또는 후술할 Mode 3에서의 동작에 따라 업데이트된 Tx NN(1405)을 단말쪽에 배치하고, 기지국(1402)는 Mode 1 또는 후술할 Mode 3에서의 동작에 따라 업데이트된 Rx NN(1408)을 기지국쪽에 배치할 수 있다. 이 때, 기지국은 셀 내에 존재하는 각각의 단말에 대해 서로 다른 복수의 Rx NN을 기지국 쪽에 배치할 수 있다. 단말과 기지국은 각각 배치한 Tx NN(1005) 및 Rx NN(1008)을 이용하여 도 7에 도시된 autoencoder 기반의 하향 채널 피드백(700)을 수행할 수 있다. Autoencoder 기반의 하향 채널 피드백(700) 방법은 앞서 도 7을 참조하여 설명하였으며, 여기서는 상세한 설명은 생략하도록 한다.

일 실시 예에 따르면, 단말(1401)은 추정한 채널 행렬을 이용하여 사용중인 autoencoder NN의 성능을 지속적으로 테스트 할 수 있다(1501). 본 발명에서는 이를 쉐도우 테스트(1410)라고 한다. 이후, 단말(1401)은 기지국(1402)로 Mode 1 또는 Mode 3로 전환할것을 요청할 수 있다. 상기 요청은 임의의 상향링크 채널(uplink channel), 예를 들면 PUCCH 또는 PUSCH를 통해 기지국에거 전송될 수 있다.

일 실시 예에 따르면, 단말(1401)은 주기적으로 기지국(1402)에게 Mode 1 또는 Mode 3로의 전환을 요청할 수 있다. 이 경우 단말(1401)이 기지국(1402)에게 전환 요청을 하는 주기는 임의의 주기로 설정될 수 있다.

일 실시 예에 따르면, 단말(1401)은 비주기적으로 기지국(1402)에게 Mode 1 또는 Mode 3로의 전환을 요청할 수 있다. 단말(1401)은 기지국(1402)의 요청에 대응하여 Mode 1 또는 Mode 3로의 전환을 요청하거나, 혹은 쉐도우 테스트를 통해 측정한 autoencdoer NN의 성능이 특정 조건을 만족하는 경우 Mode 1 또는 Mode 3로의 전환을 요청할 수 있다(1502). 여기서 autoencoder NN의 성능은 autoencoder NN의 입력(input)과 출력(output) 간의 오차의 정도를 나타내는 임의의 지표를 이용해 정의될 수 있으며, 일 예시로는 입력과 출력 간의 Mean Squared Error(MSE) 값을 이용해 정의될 수 있다. 또한, 상기 특정 조건은 예를 들면 autoencoder NN의 성능이 기 설정된 기준 미만인 조건, 즉 입력과 출력 간의 오차가 기 설정된 기준을 초과하는 조건일 수 있다. 즉, 단말(1401)은 지속적인 쉐도우 테스트 결과 신호 송수신에 사용하는 autoencoder NN의 성능이 일정 수준 이하로 저하된 것으로 판단되는 경우, 다시 쉐도우 학습을 위해 Mode 1 또는 Mode 3로의 전환을 기지국(1402)에게 요청할 수 있다. Mode 2의 비주기적 요청을 위한 기준이 되는 조건은 Mode 1 또는 Mode 3에서의 조건과 같거나 다르게 설정될 수 있다.

기지국(1402)은 모드 전환 요청 수신(1504)의 ACK 신호를 단말에게 전송한 후, Mode 1 또는 Mode 3으로 전환할 수 있다(1505). 또한, 단말(1401)은 ACK 수신 후 Mode 1 또는 Mode 3으로 전환할 수 있다(1503).

도 16 및 도 17은 본 발명의 제3 실시 예에 따른 Mode 3에서의 단말과 기지국의 동작을 나타내는 도면이다.

구체적으로, 도 16, 17은 Mode 3에 따라 채널 행렬을 직접적으로 피드백하는 방식을 이용하면서 기지국에서 쉐도우 학습을 하는 방식(Mode 3)을 나타낸다.

단말(1601)과 기지국(1602)은 사전 정의/학습된 유한개의 원소를 가진 autoencoder NN의 집합을 서로 공유할 수 있다. 상기 집합은, 단말과 기지국 사이의 존재 가능한 물리적 상황에 따라 결정되는 레이어 수, 레이어 별 노드 수에 대응되는 구조를 가지는 하나 이상의 autoencoder NN을 원소로 가지는 집합일 수 있다. 여기서 물리적 상황은 동작 주파수, 단말 대역폭 또는 단말/기지국의 안테나 설정 등을 포함할 수 있다. 그리고 집합 내 각 autoencoder NN의 초기 연결 가중치(connection weight)들은 임의의 상황을 가정하여 사전 학습될 수 있다.

단말(1601)과 기지국(1602)은 초기 접속 단계(1701, 1707) 후 서로의 물리적 상황에 대한 정보를 획득하고 상기 autoencoder NN 집합 내에서 하나의 원소를 선택할 수 있다(1702,1708). 즉, 단말(1601)과 기지국(1602)은 초기 접속 단계 후 획득한 물리적 상황에 대한 정보를 기반으로 사전 정의/학습된 복수개의 autoencdoer NN 중 적절한 구조를 가지는 autoencoder NN을 선택할 수 있다.

기지국(1602)은 쉐도우 학습을 위해 선택된 autoencoder NN의 Tx NN과 Rx NN 모두를 포함한 전체 autoencoder NN(1607)을 준비할 수 있다. 일 실시 예에 따르면, 단말은 기지국으로부터 수신하는 신호를 이용해 하향 링크 채널 행렬

(1603)을 추정할 수 있으며, 이를 기지국(1602)로 전송할 수 있다. 기지국(1602)은 수신한 하향 링크 채널 행렬

(1606)을 학습 데이터로 이용하여, 상기 전체 autoencoder NN에 대한 지속적인 쉐도우 학습(1607)을 수행할 수 있다(1703). 이 때 단말이 기지국으로부터 수신하는 신호는 예를 들면 CRS, CSI-RS, 동기신호, DMRS 등을 포함할 수 있으나, 반드시 이에 제한되는 것은 아니다. 다른 일 실시 예에 따르면, 기지국(1602)은 단말(1601)로부터 수신하는 기준 신호를 이용해 채널 행렬을 추정하고, 이를 학습 데이터로 이용하여 쉐도우 학습을 수행할 수 있다. 단말(1601)이 기지국(1602)으로 전송하는 기준 신호는 예를 들면 SRS, DMRS를 포함할 수 있으나, 반드시 이에 제한되는 것은 아니다.즉, 기지국(1602)은 단말(1601)로부터 수신한 신호(SRS, DMRS, …)에 기반하여 기지국이 추정한 채널 행렬, 또는 단말로부터 수신한 단말이 추정한 채널 행렬을 학습데이터로 이용하여 쉐도우 학습을 위해 준비된 autoencoder NN의 연결 가중치(coonection weight)를 지속적으로 갱신할 수 있다.

기지국(1602)은 쉐도우 학습(1607)을 통해 갱신되는 새로운 전체 autoencoder NN(Tx NN, Rx NN)의 가중치 중에서 Tx NN의 가중치를 단말에게 전송할 수 있다(weight report, 1704). 일 실시 예에 따르면, 상기 Rx NN의 가중치는 임의의 하향링크 채널(downlink channel), 예를 들면 PDCCH 또는 PDSCH를 통해 단말(1601)에게 전송될 수 있다. 일 실시 예에 따르면, 기지국(1602)이 전송하는 weight report는 단말(1601)에게 Mode 2로 전환하라는 요청을 포함할 수 있다.

일 실시 예에 따르면, 기지국(1602)은 주기적으로 weight report를 수행하여 갱신된 Tx NN의 가중치를 단말(1601)에게 전송할 수 있다. 이 경우 Tx NN의 가중치를 전송하는 주기는 기지국(1602)이 쉐도우 학습을 수행하기 위한 시간을 고려하여 설정될 수 있으며, 바람직하게는 채널 상태 정보 보고 주기(CSI report period) 보다 긴 주기로 설정될 수 있다.

일 실시 예에 따르면, 기지국(1601)은 비주기적으로 weight report를 수행하여 갱신된 Tx NN의 가중치를 단말(1601)에게 전송할 수 있다. 기지국(1602)은 단말(1601)의 비주기적 weight report 요청에 대응하여 weight report를 수행하거나, 혹은 쉐도우 학습을 수행한 autoencoder NN의 성능이 특정 조건을 만족하는 경우 weight report를 수행할 수 있다. 여기서 autoencdoer NN의 성능은 autoencdoer NN의 입력(input)과 출력(output) 간의 오차의 정도를 나타내는 임의의 지표를 이용해 정의될 수 있으며, 일 예시로는 입력과 출력 간의 Mean Squared Error(MSE) 값을 이용해 정의될 수 있다. 또한, 상기 특정 조건은 예를 들면 autoencoder NN의 성능이 기 설정된 기준 이상인 조건, 즉 입력과 출력 간의 오차가 기 설정된 기준 미만인 조건일 수 있다. 여기서 기 설정된 기준값은 미리 결정되어 기지국에 입력되거나, 혹은 기지국에 의해 임의로 설정 가능한 값일 수 있다. 즉, 기지국(1602)은 쉐도우 학습 결과 autoencoder NN의 성능이 일정 수준 이상이 된 것으로 판단되는 경우, 학습한 autoencoder NN을 이용해 신호 송수신을 수행하도록 weight report를 통해 단말(1601)에게 Mode 2로 전환할 것을 요청할 수 있다. Mode 3의 비주기적 요청을 위한 기준이 되는 조건은 Mode 1 또는 Mode 2에서의 조건과 같거나 다르게 설정될 수 있다.

기지국(1602)이 전송하는 weight report는 단말(1601)에게 Tx NN을 업데이트 하라는 요청을 포함할 수 있다. weight report를 수신한 단말(1601)은 weight report 수신의 ACK 신호를 기지국(1602)에게 전송한 후 보유한 Tx NN의 가중치를 수신한 새로운 가중치로 업데이트 할 수 있다(1710). 기지국(1602)은 ACK 신호 수신 시 보유한 Rx NN의 가중치를 학습된 새로운 가중치로 업데이트 할 수 있다(1705).

단말(1601)과 기지국(1602)은 각각 Tx NN 및 Rx NN의 가중치를 업데이트 한 후, Mode 2로 전환할 수 있다(1706, 1711).

본 발명의 상기 실시예들을 수행하기 위해 기지국과 단말의 송신부, 수신부, 제어부가 각각 도 18과 도 19에 도시되어 있다. 상기 실시예에 해당하는 통신 시스템에서 상/하향링크 제어채널 및 데이터 채널을 송수신하는 방법을 적용하기 위한 기지국과 단말의 송수신 방법이 나타나 있으며, 이를 수행하기 위해 기지국과 단말의 송신부, 수신부, 처리부가 각각 실시예에 따라 동작하여야 한다.

도 18은 본 발명의 실시예에 따른 기지국의 구조를 도시하는 블록도이다. 도 18에 도시되는 바와 같이, 본 발명의 기지국은 기지국 처리부(1801), 수신부(1802), 송신부(1803)을 포함할 수 있다. 기지국 처리부(1801)는 상술한 본 발명의 실시예에 따라 기지국이 동작할 수 있도록 일련의 과정을 제어할 수 있다. 예컨대 기지국의 처리부(1801)는 본 발명의 실시예에 따르는 OFDM 신호를 사용한 하향링크 제어채널 할당 및 송신, 그리고 RS, 데이터 채널 자원 맵핑과 송수신 방법 등을 제어할 수 있다. 기지국 수신부(1802)와 기지국 송신부(1803)를 통칭하여 본 발명의 실시예에서는 송수신부라 칭할 수 있다. 송수신부는 단말과 신호를 송수신할 수 있다. 상기 신호는 제어 정보와, 데이터를 포함할 수 있다. 이를 위해, 송수신부는 송신되는 신호의 주파수를 상승 변환 및 증폭하는 RF 송신기와, 수신되는 신호를 저 잡음 증폭하고 주파수를 하강 변환하는 RF 수신기 등으로 구성될 수 있다. 또한, 송수신부는 무선 채널을 통해 신호를 수신하여 기지국 처리부(1801)로 출력하고, 기지국 처리부(1801)로부터 출력된 신호를 무선 채널을 통해 전송할 수 있다.

도 19는 본 발명의 실시예에 따른 단말의 구조를 도시하는 블록도이다. 도 19에 도시되는 바와 같이, 본 발명의 단말은 단말기 처리부(1901), 수신부(1902), 송신부(1903)을 포함할 수 있다. 단말기 처리부(1901)는 상술한 본 발명의 실시예에 따라 단말이 동작할 수 있는 일련의 과정을 제어할 수 있다. 예컨대 단말기의 처리부(1901)는 본 발명의 실시예에 따르는 OFDM 신호를 사용한 하향링크 제어채널 수신 및 RS, 데이터 채널 송수신 방법 등을 제어할 수 있다. 단말기 수신부(1902)와 단말이 송신부(1903)를 통칭하여 본 발명의 실시예에서는 송수신부라 칭할 수 있다. 송수신부는 기지국과 신호를 송수신할 수 있다. 상기 신호는 제어 정보와, 데이터를 포함할 수 있다. 이를 위해, 송수신부는 송신되는 신호의 주파수를 상승 변환 및 증폭하는 RF 송신기와, 수신되는 신호를 저 잡음 증폭하고 주파수를 하강 변환하는 RF 수신기 등으로 구성될 수 있다. 또한, 송수신부는 무선 채널을 통해 신호를 수신하여 단말기 처리부(1901)로 출력하고, 단말기 처리부(1901)로부터 출력된 신호를 무선 채널을 통해 전송할 수 있다.

한편, 본 명세서와 도면에 개시된 본 발명의 실시예들은 본 발명의 기술 내용을 쉽게 설명하고 본 발명의 이해를 돕기 위해 특정 예를 제시한 것일 뿐이며, 본 발명의 범위를 한정하고자 하는 것은 아니다. 즉 본 발명의 기술적 사상에 바탕을 둔 다른 변형예들이 실시 가능하다는 것은 본 발명의 속하는 기술 분야에서 통상의 지식을 가진 자에게 자명한 것이다. 또한 상기 각각의 실시예는 필요에 따라 서로 조합되어 운용할 수 있다.

Claims

이동 통신 시스템에서 단말의 신호 송수신 방법에 있어서,
기지국으로 제1 정보를 송신하기 위한 신경망(Neural Network) 모델을 확인하는 단계;
상기 제1 정보를 이용하여 상기 신경망 모델의 연결 가중치를 학습하는 단계;
상기 학습 결과를 기반으로 상기 기지국에 대응되는 제2 부분 신경망의 가중치를 업데이트 하기 위한 제2 정보를 상기 기지국으로 송신하는 단계; 및
상기 학습 결과를 기반으로 상기 단말에 대응되는 제1 부분 신경망의 가중치를 업데이트 하는 단계를 포함하되,
상기 신경망 모델은, 상기 단말에 대응되는 제1 부분 신경망 및 상기 기지국에 대응되는 제2 부분 신경망을 포함하는 것을 특징으로 하는 방법.
제1항에 있어서,
상기 신경망 모델은,
입력 레이어의 노드 수 및 출력 레이어의 노드 수 보다 노드 수가 적은 중간 레이어를 적어도 하나 포함하는 것을 특징으로 하는 방법.
제1항에 있어서,
상기 기지국으로부터 상기 제2 정보에 대한 ACK 신호를 수신하는 단계를 더 포함하고,
상기 제1 부분 신경망의 가중치를 업데이트 하는 단계는,
상기 기지국으로부터 상기 ACK 신호를 수신한 이후 상기 제1 부분 신경망의 가중치를 업데이트 하는 것을 특징으로 하는 방법.
제1항에 있어서,
상기 신경망 모델을 확인하는 단계는,
동작 주파수, 단말 대역폭 및 단말과 기지국의 안테나 설정 중 적어도 어느 하나를 기반으로 상기 신경망 모델을 확인하는 것을 특징으로 하는 방법.
제1항에 있어서,
상기 제1 정보는, 상기 단말 또는 기지국에 의해 추정되는 채널 정보인 것을 특징으로 하는 방법.
이동 통신 시스템에서 기지국의 신호 송수신 방법에 있어서,
단말로부터 제1 정보를 수신하기 위한 신경망(Neural Network) 모델을 확인하는 단계;
상기 단말로부터, 상기 기지국에 대응되는 제2 부분 신경망의 가중치를 업데이트하기 위한 제2 정보를 수신하는 단계; 및
상기 제2 정보를 기반으로 상기 제2 부분 신경망의 가중치를 업데이트 하는 단계를 포함하되,
상기 신경망 모델은, 상기 단말에 대응되는 제1 부분 신경망 및 상기 기지국에 대응되는 제2 부분 신경망을 포함하는 방법.
제6항에 있어서,
상기 신경망 모델은,
입력 레이어의 노드 수 및 출력 레이어의 노드 수 보다 노드 수가 적은 중간 레이어를 적어도 하나 포함하는 것을 특징으로 하는 방법.
제6항에 있어서,
상기 제2 정보에 대한 ACK 신호를 상기 단말로 송신하는 단계를 더 포함하고,
상기 제2 부분 신경망의 가중치를 업데이트 하는 단계는,
상기 단말로 상기 ACK 신호를 송신한 이후 상기 제2 부분 신경망의 가중치를 업데이트 하는 것을 특징으로 하는 방법.
제6항에 있어서,
상기 신경망 모델을 확인하는 단계는,
동작 주파수, 단말 대역폭 및 단말과 기지국의 안테나 설정 중 적어도 어느 하나를 기반으로 상기 신경망 모델을 확인하는 것을 특징으로 하는 방법.
제6항에 있어서,
상기 제1 정보는, 상기 단말 또는 기지국에 의해 추정되는 채널 정보인 것을 특징으로 하는 방법.
이동 통신 시스템에서 신호를 송수신하는 단말에 있어서,
신호를 송신 또는 수신하는 송수신부; 및
기지국으로 제1 정보를 송신하기 위한 신경망(Neural Network) 모델을 확인하고, 상기 제1 정보를 이용하여 상기 신경망 모델의 연결 가중치를 학습하고, 상기 학습 결과를 기반으로 상기 기지국에 대응되는 제2 부분 신경망의 가중치를 업데이트하기 위한 제2 정보를 상기 기지국으로 송신하고, 상기 학습 결과를 기반으로 상기 단말에 대응되는 제1 부분 신경망의 가중치를 업데이트 하도록 구성되는 제어부를 포함하되,
상기 신경망 모델은, 상기 단말에 대응되는 제1 부분 신경망 및 상기 기지국에 대응되는 제2 부분 신경망을 포함하는 것을 특징으로 하는 단말.
제11항에 있어서,
상기 신경망 모델은,
입력 레이어의 노드 수 및 출력 레이어의 노드 수 보다 노드 수가 적은 중간 레이어를 적어도 하나 포함하는 것을 특징으로 하는 단말.
제11항에 있어서,
상기 제어부는,
상기 기지국으로부터 상기 제2 정보에 대한 ACK 신호를 수신하고, 상기 기지국으로부터 상기 ACK 신호를 수신한 이후 상기 제1 부분 신경망의 가중치를 업데이트 하도록 더 구성되는 것을 특징으로 하는 단말.
제11항에 있어서,
상기 제어부는,
동작 주파수, 단말 대역폭 및 단말과 기지국의 안테나 설정 중 적어도 어느 하나를 기반으로 상기 신경망 모델을 확인하도록 구성되는 것을 특징으로 하는 단말.
제11항에 있어서,
상기 제1 정보는, 상기 단말 또는 기지국에 의해 추정되는 채널 정보인 것을 특징으로 하는 단말.
이동 통신 시스템에서 신호를 송수신하는 기지국에 있어서,
신호를 송신 또는 수신하는 송수신부; 및
단말로부터 제1 정보를 수신하기 위한 신경망(Neural Network) 모델을 확인하고, 상기 단말로부터 상기 기지국에 대응되는 제2 부분 신경망의 가중치를 업데이트하기 위한 제2 정보를 수신하고, 상기 제2 정보를 기반으로 상기 제2 부분 신경망의 가중치를 업데이트하도록 제어하는 제어부를 포함하되,
상기 신경망 모델은, 상기 단말에 대응되는 제1 부분 신경망 및 상기 기지국에 대응되는 제2 부분 신경망을 포함하는 것을 특징으로 하는 기지국.
제16항에 있어서,
상기 신경망 모델은,
입력 레이어의 노드 수 및 출력 레이어의 노드 보다 노드 수가 적은 중간 레이어를 적어도 하나 포함하는 것을 특징으로 하는 기지국.
제16항에 있어서,
상기 제어부는,
상기 제2 정보에 대한 ACK 신호를 상기 단말로 송신하고, 상기 단말로 상기 ACK 신호를 송신한 이후 상기 제2 부분 신경망의 가중치를 업데이트 하도록 더 구성되는 것을 특징으로 하는 기지국.
제16항에 있어서,
상기 제어부는,
동작 주파수, 단말 대역폭 및 단말과 기지국의 안테나 설정 중 적어도 어느 하나를 기반으로 상기 신경망 모델을 확인하도록 구성되는 것을 특징으로 하는 기지국.
제16항에 있어서,
상기 제1 정보는, 상기 단말 또는 기지국에 의해 추정되는 채널 정보인 것을 특징으로 하는 기지국.