KR20230045011A - 통신 장치의 신호 랜덤화 방법 및 장치 - Google Patents
통신 장치의 신호 랜덤화 방법 및 장치 Download PDFInfo
- Publication number
- KR20230045011A KR20230045011A KR1020237003130A KR20237003130A KR20230045011A KR 20230045011 A KR20230045011 A KR 20230045011A KR 1020237003130 A KR1020237003130 A KR 1020237003130A KR 20237003130 A KR20237003130 A KR 20237003130A KR 20230045011 A KR20230045011 A KR 20230045011A
- Authority
- KR
- South Korea
- Prior art keywords
- signal
- ber
- communication
- data
- serving cell
- Prior art date
Links
- 238000000034 method Methods 0.000 title claims abstract description 124
- 238000004891 communication Methods 0.000 title claims description 226
- 230000015654 memory Effects 0.000 claims description 68
- 230000005540 biological transmission Effects 0.000 claims description 26
- 238000010801 machine learning Methods 0.000 claims description 25
- 238000005259 measurement Methods 0.000 claims description 14
- 230000004044 response Effects 0.000 claims description 8
- 230000008859 change Effects 0.000 claims description 4
- 230000008878 coupling Effects 0.000 claims description 3
- 238000010168 coupling process Methods 0.000 claims description 3
- 238000005859 coupling reaction Methods 0.000 claims description 3
- 230000008054 signal transmission Effects 0.000 claims 1
- 239000010410 layer Substances 0.000 description 119
- 238000005516 engineering process Methods 0.000 description 68
- 238000013528 artificial neural network Methods 0.000 description 53
- 238000013473 artificial intelligence Methods 0.000 description 51
- 230000006870 function Effects 0.000 description 45
- 230000003287 optical effect Effects 0.000 description 31
- 238000012545 processing Methods 0.000 description 30
- 230000008569 process Effects 0.000 description 29
- 230000007246 mechanism Effects 0.000 description 25
- 238000010586 diagram Methods 0.000 description 20
- 238000013135 deep learning Methods 0.000 description 15
- 238000013527 convolutional neural network Methods 0.000 description 13
- 238000012549 training Methods 0.000 description 13
- 239000013598 vector Substances 0.000 description 12
- 238000007726 management method Methods 0.000 description 9
- 230000000306 recurrent effect Effects 0.000 description 9
- 230000000694 effects Effects 0.000 description 8
- 230000003595 spectral effect Effects 0.000 description 8
- 238000012546 transfer Methods 0.000 description 8
- 230000004913 activation Effects 0.000 description 7
- 238000001514 detection method Methods 0.000 description 7
- 230000010354 integration Effects 0.000 description 7
- 239000000835 fiber Substances 0.000 description 6
- 238000011160 research Methods 0.000 description 6
- 238000001228 spectrum Methods 0.000 description 6
- 230000009897 systematic effect Effects 0.000 description 6
- 238000006243 chemical reaction Methods 0.000 description 5
- 125000004122 cyclic group Chemical group 0.000 description 5
- 230000001133 acceleration Effects 0.000 description 4
- 239000000969 carrier Substances 0.000 description 4
- 230000001413 cellular effect Effects 0.000 description 4
- 230000002787 reinforcement Effects 0.000 description 4
- 239000004065 semiconductor Substances 0.000 description 4
- 238000007405 data analysis Methods 0.000 description 3
- 230000001934 delay Effects 0.000 description 3
- 230000001965 increasing effect Effects 0.000 description 3
- 230000007774 longterm Effects 0.000 description 3
- 238000013507 mapping Methods 0.000 description 3
- 238000012544 monitoring process Methods 0.000 description 3
- 230000010363 phase shift Effects 0.000 description 3
- 238000013468 resource allocation Methods 0.000 description 3
- 230000002441 reversible effect Effects 0.000 description 3
- 230000005856 abnormality Effects 0.000 description 2
- 230000003044 adaptive effect Effects 0.000 description 2
- 230000002776 aggregation Effects 0.000 description 2
- 238000004220 aggregation Methods 0.000 description 2
- 238000004873 anchoring Methods 0.000 description 2
- 238000013459 approach Methods 0.000 description 2
- 230000008901 benefit Effects 0.000 description 2
- 210000004556 brain Anatomy 0.000 description 2
- 238000004364 calculation method Methods 0.000 description 2
- 238000013461 design Methods 0.000 description 2
- 230000007613 environmental effect Effects 0.000 description 2
- 238000003306 harvesting Methods 0.000 description 2
- 239000000463 material Substances 0.000 description 2
- 238000010295 mobile communication Methods 0.000 description 2
- 238000003058 natural language processing Methods 0.000 description 2
- 230000005855 radiation Effects 0.000 description 2
- 239000004984 smart glass Substances 0.000 description 2
- 238000000638 solvent extraction Methods 0.000 description 2
- 238000005406 washing Methods 0.000 description 2
- 102100022734 Acyl carrier protein, mitochondrial Human genes 0.000 description 1
- 238000012935 Averaging Methods 0.000 description 1
- 241000282412 Homo Species 0.000 description 1
- 101000678845 Homo sapiens Acyl carrier protein, mitochondrial Proteins 0.000 description 1
- 230000027311 M phase Effects 0.000 description 1
- 101100533725 Mus musculus Smr3a gene Proteins 0.000 description 1
- 238000010521 absorption reaction Methods 0.000 description 1
- 230000009471 action Effects 0.000 description 1
- 238000003491 array Methods 0.000 description 1
- QVGXLLKOCUKJST-UHFFFAOYSA-N atomic oxygen Chemical compound [O] QVGXLLKOCUKJST-UHFFFAOYSA-N 0.000 description 1
- 230000003190 augmentative effect Effects 0.000 description 1
- 230000033590 base-excision repair Effects 0.000 description 1
- 230000010267 cellular communication Effects 0.000 description 1
- 230000019771 cognition Effects 0.000 description 1
- 230000001149 cognitive effect Effects 0.000 description 1
- 230000000295 complement effect Effects 0.000 description 1
- 150000001875 compounds Chemical class 0.000 description 1
- 230000006835 compression Effects 0.000 description 1
- 238000007906 compression Methods 0.000 description 1
- 238000012937 correction Methods 0.000 description 1
- 239000013078 crystal Substances 0.000 description 1
- 238000013523 data management Methods 0.000 description 1
- 230000003111 delayed effect Effects 0.000 description 1
- 238000012938 design process Methods 0.000 description 1
- 238000005265 energy consumption Methods 0.000 description 1
- 230000002708 enhancing effect Effects 0.000 description 1
- 230000004907 flux Effects 0.000 description 1
- 239000000446 fuel Substances 0.000 description 1
- 230000007274 generation of a signal involved in cell-cell signaling Effects 0.000 description 1
- 238000003384 imaging method Methods 0.000 description 1
- 230000003993 interaction Effects 0.000 description 1
- 238000002955 isolation Methods 0.000 description 1
- 238000002372 labelling Methods 0.000 description 1
- 239000002346 layers by function Substances 0.000 description 1
- 230000004807 localization Effects 0.000 description 1
- 239000011159 matrix material Substances 0.000 description 1
- 230000006855 networking Effects 0.000 description 1
- 229910052755 nonmetal Inorganic materials 0.000 description 1
- 239000013307 optical fiber Substances 0.000 description 1
- 229910052760 oxygen Inorganic materials 0.000 description 1
- 239000001301 oxygen Substances 0.000 description 1
- 229920000729 poly(L-lysine) polymer Polymers 0.000 description 1
- 230000011218 segmentation Effects 0.000 description 1
- 230000011664 signaling Effects 0.000 description 1
- 239000010454 slate Substances 0.000 description 1
- 230000003068 static effect Effects 0.000 description 1
- 239000013589 supplement Substances 0.000 description 1
- 230000009466 transformation Effects 0.000 description 1
- 208000037918 transfusion-transmitted disease Diseases 0.000 description 1
- 230000007704 transition Effects 0.000 description 1
- 238000012384 transportation and delivery Methods 0.000 description 1
- 230000005641 tunneling Effects 0.000 description 1
Images
Classifications
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04W—WIRELESS COMMUNICATION NETWORKS
- H04W74/00—Wireless channel access
- H04W74/08—Non-scheduled access, e.g. ALOHA
- H04W74/0833—Random access procedures, e.g. with 4-step access
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N20/00—Machine learning
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
- H04L1/00—Arrangements for detecting or preventing errors in the information received
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
- H04L1/00—Arrangements for detecting or preventing errors in the information received
- H04L1/004—Arrangements for detecting or preventing errors in the information received by using forward error control
- H04L1/0045—Arrangements at the receiver end
- H04L1/0047—Decoding adapted to other signal detection operation
- H04L1/005—Iterative decoding, including iteration between signal detection and decoding operation
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
- H04L1/00—Arrangements for detecting or preventing errors in the information received
- H04L1/20—Arrangements for detecting or preventing errors in the information received using signal quality detector
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
- H04L1/00—Arrangements for detecting or preventing errors in the information received
- H04L1/20—Arrangements for detecting or preventing errors in the information received using signal quality detector
- H04L1/203—Details of error rate determination, e.g. BER, FER or WER
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04W—WIRELESS COMMUNICATION NETWORKS
- H04W12/00—Security arrangements; Authentication; Protecting privacy or anonymity
- H04W12/02—Protecting privacy or anonymity, e.g. protecting personally identifiable information [PII]
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02D—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN INFORMATION AND COMMUNICATION TECHNOLOGIES [ICT], I.E. INFORMATION AND COMMUNICATION TECHNOLOGIES AIMING AT THE REDUCTION OF THEIR OWN ENERGY USE
- Y02D30/00—Reducing energy consumption in communication networks
- Y02D30/70—Reducing energy consumption in communication networks in wireless communication networks
Landscapes
- Engineering & Computer Science (AREA)
- Computer Networks & Wireless Communication (AREA)
- Signal Processing (AREA)
- Computer Security & Cryptography (AREA)
- Quality & Reliability (AREA)
- Theoretical Computer Science (AREA)
- Software Systems (AREA)
- Medical Informatics (AREA)
- Evolutionary Computation (AREA)
- Data Mining & Analysis (AREA)
- Physics & Mathematics (AREA)
- Computing Systems (AREA)
- General Engineering & Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Mathematical Physics (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Artificial Intelligence (AREA)
- Mobile Radio Communication Systems (AREA)
Abstract
본 명세서는 ε-차등 프라이버시를 만족하는 신호의 랜덤화 방법 및 장치를 제안한다.
Description
본 개시는 무선 통신에 관한 것이다.
6G 시스템은 5G 무선통신 시스템보다 50배 더 높은 동시 무선통신 연결성을 가질 것으로 예상된다. 5G의 주요 특징(key feature)인 URLLC는 6G 통신에서 1ms보다 적은 단-대-단(end-to-end) 지연을 제공함으로써 보다 더 주요한 기술이 될 것이다. 6G 시스템은 자주 사용되는 영역 스펙트럼 효율과 달리 체적 스펙트럼 효율이 훨씬 우수할 것이다. 6G 시스템은 매우 긴 배터리 수명과 에너지 수확을 위한 고급 배터리 기술을 제공할 수 있어, 6G 시스템에서 모바일 디바이스들은 별도로 충전될 필요가 없을 것이다.
6G 시스템에 가장 중요하며, 새로 도입될 기술은 AI이다. 4G 시스템에는 AI가 관여하지 않았다. 5G 시스템은 부분 또는 매우 제한된 AI를 지원할 것이다. 그러나, 6G 시스템은 완전히 자동화를 위해 AI가 지원될 것이다. 머신 러닝의 발전은 6G에서 실시간 통신을 위해 보다 지능적인 네트워크를 만들 것이다. 통신에 AI를 도입하면 실시간 데이터 전송이 간소화되고 향상될 수 있다. AI는 수많은 분석을 사용하여 복잡한 대상 작업이 수행되는 방식을 결정할 수 있다. 즉, AI는 효율성을 높이고 처리 지연을 줄일 수 있다.
연합학습(Federated learning)은 분산 머신러닝의 기법 중 하나로, 학습의 주체인 여러 장치(device)들이 서버와 로컬 모델(local model)의 가중치(weight)나 기울기(gradient) 등의 파라미터를 공유하며, 서버는 각 장치의 로컬 모델 파라미터를 취합하여 글로벌 파라미터(global parameter)를 업데이트한다. 이 과정에서 각 장치의 미가공 데이터(raw data)는 공유하지 않기 때문에 데이터 전송 과정에서의 통신 오버헤드(communication overhead)를 줄일 수 있으며, 개인정보를 보호할 수 있다.
본 명세서에 따르면, ε-차등 프라이버시를 만족하는 신호의 랜덤화 방법을 제안한다.
물리 계층에서 차등 프라이버시 메커니즘을 제공하면 무선 채널의 진정한 랜덤성으로 인하여 애플리케이션에서 제공하는 의사 랜덤 매커니즘(pseudo random mechanism)보다 보안에 덜 취약하게 된다. 장치가 애플리케이션에서 랜덤화된 비트를 보내기 위해 연산하는 리소스가 필요 없게 되어 통신 지연이 감소하고 장치의 전력을 절약할 수 있다. 특히, 5G 이후 통신 기술에서 통신 속도가 증가 함에 따라 애플리케이션에서 랜덤화된 메커니즘을 수행하면 비용이 더욱 증가할 수 있으므로, 이러한 효과는 더욱 극대화될 수 있다.
또한, 통신 자원인 대역폭과 전력을 절약할 수 있다. 애플리케이션의 랜덤화된 비트를 통신으로 정확히 보내기 위해 사용할 대역폭과 전력은 매우 클 수 있다. 본 명세서에 따르면 통신 상의 자연적 잡음(nature noise)을 활용하므로 필요한 통신 자원이 크게 감소할 수 있다. 특히, 차등 프라이버시에 의해 전송되는 데이터는 익명화된 데이터가 될 확률이 매우 크다. 이 때, 장치의 네트워크 어드레싱(addressing)은 장치 단위가 아닌 프라이버시 측면에서 더 큰 서비스 카테고리 단위일 가능성이 있다. 이러한 경우, 기존의 어드레싱을 위한 프로토콜 계층이 장치에 반드시 필요하지 않을 수 있으며, 애플리케이션에서 물리 계층으로 바로 연결되어 동작하면 부가적인 비용을 감소시킬 수 있다.
본 명세서의 구체적인 일례를 통해 얻을 수 있는 효과는 이상에서 나열된 효과로 제한되지 않는다. 예를 들어, 관련된 기술분야의 통상의 지식을 자긴 자(a person having ordinary skill in the related art)가 본 명세서로부터 이해하거나 유도할 수 있는 다양한 기술적 효과가 존재할 수 있다. 이에 따라 본 명세서의 구체적인 효과는 본 명세서에 명시적으로 기재된 것에 제한되지 않고, 본 명세서의 기술적 특징으로부터 이해되거나 유도될 수 있는 다양한 효과를 포함할 수 있다.
도 1은 본 개시가 적용될 수 있는 무선통신 시스템을 예시한다.
도 2는 사용자 평면(user plane)에 대한 무선 프로토콜 구조(radio protocol architecture)를 나타낸 블록도이다.
도 3은 제어 평면(control plane)에 대한 무선 프로토콜 구조를 나타낸 블록도이다.
도 4는 본 개시의 기술적 특징이 적용될 수 있는 무선 통신 시스템의 다른 예를 나타낸다.
도 5는 NG-RAN과 5GC 간의 기능적 분할을 예시한다.
도 6은 NR에서 적용될 수 있는 프레임 구조를 예시한다.
도 7은 슬롯 구조를 나타낸다.
도 8은 CORESET을 예시한다.
도 9는 랜덤 접속 절차를 설명하기 위한 것이다.
도 10은 6G 시스템에서 제공 가능한 통신 구조의 일례를 나타낸다.
도 11은 퍼셉트론 구조의 일례를 도시한 것이다.
도 12는 다중 퍼셉트론 구조의 일례를 도시한 것이다.
도 13은 심층 신경망의 일례를 도시한 것이다.
도 14는 컨볼루션 신경망의 일례를 도시한 것이다.
도 15는 컨볼루션 신경망에서의 필터 연산의 일례를 도시한 것이다.
도 16은 순환 루프가 존재하는 신경망 구조의 일례를 도시한 것이다.
도 17은 순환 신경망의 동작 구조의 일례를 도시한 것이다.
도 18은 전자기 스펙트럼의 일례를 나타낸다.
도 19는 THz 통신 응용의 일례를 나타낸 도이다.
도 20은 전자소자 기반 THz 무선통신 송수신기의 일례를 나타낸 도이다.
도 21은 광 소자 기반 THz 신호를 생성하는 방법의 일례를 나타낸 도이다.
도 22는 광 소자 기반 THz 무선통신 송수신기의 일례를 나타낸 도이다.
도 23은 광자 소스(Photoinc source) 기반 송신기의 구조를 예시한다.
도 24는 광 변조기(Optical modulator)의 구조를 예시한다.
도 25는 직교 분할 접속 기반의 연합학습 동작 과정의 일례를 도시한 것이다.
도 26은 AirComp 기반의 연합학습 동작 과정의 일례를 도시한 것이다.
도 27은 차등 개인정보보호 또는 차등 프라이버시(differential privacy)를 설명하기 위한 도면이다.
도 28은 차등 프라이버시 경계(differential privacy boundary)를 개략적으로 도시한 것이다.
도 29는 이진 대칭 채널을 개략적으로 도시한 것이다.
도 30은 비트 스트림(bit stream)에 대해 ε-차등 프라이버시를 구현하는 방법의 일례에 대한 도면이다.
도 31은 본 명세서에서 제안하는 랜덤화된 메커니즘의 일례를 개략적으로 도시한 것이다.
도 32는 비트 스트림(bit stream)에 대해 ε-차등 프라이버시를 구현하는 방법의 다른 일례에 대한 도면이다.
도 33은 본 명세서의 일부 구현에 따른 통신 장치의 신호 랜덤화 방법의 일례에 대한 순서도이다.
도 34는 본 개시에 적용되는 통신 시스템(1)을 예시한다.
도 35는 본 개시에 적용될 수 있는 무선 기기를 예시한다.
도 36은 전송 신호를 위한 신호 처리 회로를 예시한다.
도 37은 본 개시에 적용되는 무선 기기의 다른 예를 나타낸다.
도 38은 본 개시에 적용되는 휴대 기기를 예시한다.
도 39는 본 개시에 적용되는 차량 또는 자율 주행 차량을 예시한다.
도 40은 본 개시에 적용되는 차량을 예시한다.
도 41은 본 개시에 적용되는 XR 기기를 예시한다.
도 42는 본 개시에 적용되는 로봇을 예시한다.
도 43은 본 개시에 적용되는 AI 기기를 예시한다.
도 2는 사용자 평면(user plane)에 대한 무선 프로토콜 구조(radio protocol architecture)를 나타낸 블록도이다.
도 3은 제어 평면(control plane)에 대한 무선 프로토콜 구조를 나타낸 블록도이다.
도 4는 본 개시의 기술적 특징이 적용될 수 있는 무선 통신 시스템의 다른 예를 나타낸다.
도 5는 NG-RAN과 5GC 간의 기능적 분할을 예시한다.
도 6은 NR에서 적용될 수 있는 프레임 구조를 예시한다.
도 7은 슬롯 구조를 나타낸다.
도 8은 CORESET을 예시한다.
도 9는 랜덤 접속 절차를 설명하기 위한 것이다.
도 10은 6G 시스템에서 제공 가능한 통신 구조의 일례를 나타낸다.
도 11은 퍼셉트론 구조의 일례를 도시한 것이다.
도 12는 다중 퍼셉트론 구조의 일례를 도시한 것이다.
도 13은 심층 신경망의 일례를 도시한 것이다.
도 14는 컨볼루션 신경망의 일례를 도시한 것이다.
도 15는 컨볼루션 신경망에서의 필터 연산의 일례를 도시한 것이다.
도 16은 순환 루프가 존재하는 신경망 구조의 일례를 도시한 것이다.
도 17은 순환 신경망의 동작 구조의 일례를 도시한 것이다.
도 18은 전자기 스펙트럼의 일례를 나타낸다.
도 19는 THz 통신 응용의 일례를 나타낸 도이다.
도 20은 전자소자 기반 THz 무선통신 송수신기의 일례를 나타낸 도이다.
도 21은 광 소자 기반 THz 신호를 생성하는 방법의 일례를 나타낸 도이다.
도 22는 광 소자 기반 THz 무선통신 송수신기의 일례를 나타낸 도이다.
도 23은 광자 소스(Photoinc source) 기반 송신기의 구조를 예시한다.
도 24는 광 변조기(Optical modulator)의 구조를 예시한다.
도 25는 직교 분할 접속 기반의 연합학습 동작 과정의 일례를 도시한 것이다.
도 26은 AirComp 기반의 연합학습 동작 과정의 일례를 도시한 것이다.
도 27은 차등 개인정보보호 또는 차등 프라이버시(differential privacy)를 설명하기 위한 도면이다.
도 28은 차등 프라이버시 경계(differential privacy boundary)를 개략적으로 도시한 것이다.
도 29는 이진 대칭 채널을 개략적으로 도시한 것이다.
도 30은 비트 스트림(bit stream)에 대해 ε-차등 프라이버시를 구현하는 방법의 일례에 대한 도면이다.
도 31은 본 명세서에서 제안하는 랜덤화된 메커니즘의 일례를 개략적으로 도시한 것이다.
도 32는 비트 스트림(bit stream)에 대해 ε-차등 프라이버시를 구현하는 방법의 다른 일례에 대한 도면이다.
도 33은 본 명세서의 일부 구현에 따른 통신 장치의 신호 랜덤화 방법의 일례에 대한 순서도이다.
도 34는 본 개시에 적용되는 통신 시스템(1)을 예시한다.
도 35는 본 개시에 적용될 수 있는 무선 기기를 예시한다.
도 36은 전송 신호를 위한 신호 처리 회로를 예시한다.
도 37은 본 개시에 적용되는 무선 기기의 다른 예를 나타낸다.
도 38은 본 개시에 적용되는 휴대 기기를 예시한다.
도 39는 본 개시에 적용되는 차량 또는 자율 주행 차량을 예시한다.
도 40은 본 개시에 적용되는 차량을 예시한다.
도 41은 본 개시에 적용되는 XR 기기를 예시한다.
도 42는 본 개시에 적용되는 로봇을 예시한다.
도 43은 본 개시에 적용되는 AI 기기를 예시한다.
본 명세서에서 “A 또는 B(A or B)”는 “오직 A”, “오직 B” 또는 “A와 B 모두”를 의미할 수 있다. 달리 표현하면, 본 명세서에서 “A 또는 B(A or B)”는 “A 및/또는 B(A and/or B)”으로 해석될 수 있다. 예를 들어, 본 명세서에서 “A, B 또는 C(A, B or C)”는 “오직 A”, “오직 B”, “오직 C”, 또는 “A, B 및 C의 임의의 모든 조합(any combination of A, B and C)”를 의미할 수 있다.
본 명세서에서 사용되는 슬래쉬(/)나 쉼표(comma)는 “및/또는(and/or)”을 의미할 수 있다. 예를 들어, “A/B”는 “A 및/또는 B”를 의미할 수 있다. 이에 따라 “A/B”는 “오직 A”, “오직 B”, 또는 “A와 B 모두”를 의미할 수 있다. 예를 들어, “A, B, C”는 “A, B 또는 C”를 의미할 수 있다.
본 명세서에서 “적어도 하나의 A 및 B(at least one of A and B)”는, “오직 A”, “오직 B” 또는 “A와 B 모두”를 의미할 수 있다. 또한, 본 명세서에서 “적어도 하나의 A 또는 B(at least one of A or B)”나 “적어도 하나의 A 및/또는 B(at least one of A and/or B)”라는 표현은 “적어도 하나의 A 및 B(at least one of A and B)”와 동일하게 해석될 수 있다.
또한, 본 명세서에서 “적어도 하나의 A, B 및 C(at least one of A, B and C)”는, “오직 A”, “오직 B”, “오직 C”, 또는 “A, B 및 C의 임의의 모든 조합(any combination of A, B and C)”를 의미할 수 있다. 또한, “적어도 하나의 A, B 또는 C(at least one of A, B or C)”나 “적어도 하나의 A, B 및/또는 C(at least one of A, B and/or C)”는 “적어도 하나의 A, B 및 C(at least one of A, B and C)”를 의미할 수 있다.
또한, 본 명세서에서 사용되는 괄호는 “예를 들어(for example)”를 의미할 수 있다. 구체적으로, “제어 정보(PDCCH)”로 표시된 경우, “제어 정보”의 일례로 “PDCCH”가 제안된 것일 수 있다. 달리 표현하면 본 명세서의 “제어 정보”는 “PDCCH”로 제한(limit)되지 않고, “PDDCH”가 “제어 정보”의 일례로 제안될 것일 수 있다. 또한, “제어 정보(즉, PDCCH)”로 표시된 경우에도, “제어 정보”의 일례로 “PDCCH”가 제안된 것일 수 있다.
이하의 기술은 CDMA(code division multiple access), FDMA(frequency division multiple access), TDMA(time division multiple access), OFDMA(orthogonal frequency division multiple access), SC-FDMA(single carrier frequency division multiple access) 등과 같은 다양한 무선 통신 시스템에 사용될 수 있다. CDMA는 UTRA(universal terrestrial radio access)나 CDMA2000과 같은 무선 기술로 구현될 수 있다. TDMA는 GSM(global system for mobile communications)/GPRS(general packet radio service)/EDGE(enhanced data rates for GSM evolution)와 같은 무선 기술로 구현될 수 있다. OFDMA는 IEEE(institute of electrical and electronics engineers) 802.11(Wi-Fi), IEEE 802.16(WiMAX), IEEE 802-20, E-UTRA(evolved UTRA) 등과 같은 무선 기술로 구현될 수 있다. IEEE 802.16m은 IEEE 802.16e의 진화로, IEEE 802.16e에 기반한 시스템과의 하위 호환성(backward compatibility)를 제공한다. UTRA는 UMTS(universal mobile telecommunications system)의 일부이다. 3GPP(3rd generation partnership project) LTE(long term evolution)은 E-UTRA(evolved-UMTS terrestrial radio access)를 사용하는 E-UMTS(evolved UMTS)의 일부로써, 하향링크에서 OFDMA를 채용하고 상향링크에서 SC-FDMA를 채용한다. LTE-A(advanced)는 3GPP LTE의 진화이다.
5G NR은 LTE-A의 후속 기술로서, 고성능, 저지연, 고가용성 등의 특성을 가지는 새로운 Clean-slate 형태의 이동 통신 시스템이다. 5G NR은 1GHz 미만의 저주파 대역에서부터 1GHz~10GHz의 중간 주파 대역, 24GHz 이상의 고주파(밀리미터파) 대역 등 사용 가능한 모든 스펙트럼 자원을 활용할 수 있다.
설명을 명확하게 하기 위해, LTE-A 또는 5G NR을 위주로 기술하지만 본 개시의 기술적 사상이 이에 제한되는 것은 아니다.
도 1은 본 개시가 적용될 수 있는 무선통신 시스템을 예시한다. 이는 E-UTRAN(Evolved-UMTS Terrestrial Radio Access Network), 또는 LTE(Long Term Evolution)/LTE-A 시스템이라고도 불릴 수 있다.
E-UTRAN은 단말(10: User Equipment, UE)에게 제어 평면(control plane)과 사용자 평면(user plane)을 제공하는 기지국(20: Base Station, BS)을 포함한다. 단말(10)은 고정되거나 이동성을 가질 수 있으며, MS(Mobile station), UT(User Terminal), SS(Subscriber Station), MT(mobile terminal), 무선기기(Wireless Device) 등 다른 용어로 불릴 수 있다. 기지국(20)은 단말(10)과 통신하는 고정된 지점(fixed station)을 말하며, eNB(evolved-NodeB), BTS(Base Transceiver System), 액세스 포인트(Access Point) 등 다른 용어로 불릴 수 있다.
기지국(20)들은 X2 인터페이스를 통하여 서로 연결될 수 있다. 기지국(20)은 S1 인터페이스를 통해 EPC(Evolved Packet Core, 30), 보다 상세하게는 S1-MME를 통해 MME(Mobility Management Entity)와 S1-U를 통해 S-GW(Serving Gateway)와 연결된다.
EPC(30)는 MME, S-GW 및 P-GW(Packet Data Network-Gateway)로 구성된다. MME는 단말의 접속 정보나 단말의 능력에 관한 정보를 가지고 있으며, 이러한 정보는 단말의 이동성 관리에 주로 사용된다. S-GW는 E-UTRAN을 종단점으로 갖는 게이트웨이이며, P-GW는 PDN을 종단점으로 갖는 게이트웨이이다.
단말과 네트워크 사이의 무선인터페이스 프로토콜 (Radio Interface Protocol)의 계층들은 통신시스템에서 널리 알려진 개방형 시스템간 상호접속 (Open System Interconnection: OSI) 기준 모델의 하위 3개 계층을 바탕으로 L1 (제1계층), L2 (제2계층), L3(제3계층)로 구분될 수 있는데, 이 중에서 제1계층에 속하는 물리계층은 물리채널(Physical Channel)을 이용한 정보전송서비스(Information Transfer Service)를 제공하며, 제 3계층에 위치하는 RRC(Radio Resource Control) 계층은 단말과 네트워크 간에 무선자원을 제어하는 역할을 수행한다. 이를 위해 RRC 계층은 단말과 기지국간 RRC 메시지를 교환한다.
도 2는 사용자 평면(user plane)에 대한 무선 프로토콜 구조(radio protocol architecture)를 나타낸 블록도이다. 도 3은 제어 평면(control plane)에 대한 무선 프로토콜 구조를 나타낸 블록도이다. 사용자 평면은 사용자 데이터 전송을 위한 프로토콜 스택(protocol stack)이고, 제어 평면은 제어신호 전송을 위한 프로토콜 스택이다.
도 2 및 3을 참조하면, 물리계층(PHY(physical) layer)은 물리채널(physical channel)을 이용하여 상위 계층에게 정보 전송 서비스(information transfer service)를 제공한다. 물리계층은 상위 계층인 MAC(Medium Access Control) 계층과는 전송채널(transport channel)을 통해 연결되어 있다. 전송채널을 통해 MAC 계층과 물리계층 사이로 데이터가 이동한다. 전송채널은 무선 인터페이스를 통해 데이터가 어떻게 어떤 특징으로 전송되는가에 따라 분류된다.
서로 다른 물리계층 사이, 즉 송신기와 수신기의 물리계층 사이는 물리채널을 통해 데이터가 이동한다. 상기 물리채널은 OFDM(Orthogonal Frequency Division Multiplexing) 방식으로 변조될 수 있고, 시간과 주파수를 무선자원으로 활용한다.
MAC 계층의 기능은 논리채널과 전송채널간의 맵핑 및 논리채널에 속하는 MAC SDU(service data unit)의 전송채널 상으로 물리채널로 제공되는 전송블록(transport block)으로의 다중화/역다중화를 포함한다. MAC 계층은 논리채널을 통해 RLC(Radio Link Control) 계층에게 서비스를 제공한다.
RLC 계층의 기능은 RLC SDU의 연결(concatenation), 분할(segmentation) 및 재결합(reassembly)를 포함한다. 무선베어러(Radio Bearer: RB)가 요구하는 다양한 QoS(Quality of Service)를 보장하기 위해, RLC 계층은 투명모드(Transparent Mode, TM), 비확인 모드(Unacknowledged Mode, UM) 및 확인모드(Acknowledged Mode, AM)의 세 가지의 동작모드를 제공한다. AM RLC는 ARQ(automatic repeat request)를 통해 오류 정정을 제공한다.
RRC(Radio Resource Control) 계층은 제어 평면에서만 정의된다. RRC 계층은 무선 베어러들의 설정(configuration), 재설정(re-configuration) 및 해제(release)와 관련되어 논리채널, 전송채널 및 물리채널들의 제어를 담당한다. RB는 단말과 네트워크간의 데이터 전달을 위해 제1 계층(PHY 계층) 및 제2 계층(MAC 계층, RLC 계층, PDCP 계층)에 의해 제공되는 논리적 경로를 의미한다.
사용자 평면에서의 PDCP(Packet Data Convergence Protocol) 계층의 기능은 사용자 데이터의 전달, 헤더 압축(header compression) 및 암호화(ciphering)를 포함한다. 제어 평면에서의 PDCP(Packet Data Convergence Protocol) 계층의 기능은 제어 평면 데이터의 전달 및 암호화/무결정 보호(integrity protection)를 포함한다.
RB가 설정된다는 것은 특정 서비스를 제공하기 위해 무선 프로토콜 계층 및 채널의 특성을 규정하고, 각각의 구체적인 파라미터 및 동작 방법을 설정하는 과정을 의미한다. RB는 다시 SRB(Signaling RB)와 DRB(Data RB) 두가지로 나누어 질 수 있다. SRB는 제어 평면에서 RRC 메시지를 전송하는 통로로 사용되며, DRB는 사용자 평면에서 사용자 데이터를 전송하는 통로로 사용된다.
단말의 RRC 계층과 E-UTRAN의 RRC 계층 사이에 RRC 연결(RRC Connection)이 확립되면, 단말은 RRC 연결(RRC connected) 상태에 있게 되고, 그렇지 못할 경우 RRC 아이들(RRC idle) 상태에 있게 된다.
네트워크에서 단말로 데이터를 전송하는 하향링크 전송채널로는 시스템정보를 전송하는 BCH(Broadcast Channel)과 그 이외에 사용자 트래픽이나 제어메시지를 전송하는 하향링크 SCH(Shared Channel)이 있다. 하향링크 멀티캐스트 또는 브로드캐스트 서비스의 트래픽 또는 제어메시지의 경우 하향링크 SCH를 통해 전송될 수도 있고, 또는 별도의 하향링크 MCH(Multicast Channel)을 통해 전송될 수도 있다. 한편, 단말에서 네트워크로 데이터를 전송하는 상향링크 전송채널로는 초기 제어메시지를 전송하는 RACH(Random Access Channel)와 그 이외에 사용자 트래픽이나 제어메시지를 전송하는 상향링크 SCH(Shared Channel)가 있다.
전송채널 상위에 있으며, 전송채널에 매핑되는 논리채널(Logical Channel)로는 BCCH(Broadcast Control Channel), PCCH(Paging Control Channel), CCCH(Common Control Channel), MCCH(Multicast Control Channel), MTCH(Multicast Traffic Channel) 등이 있다.
물리채널(Physical Channel)은 시간 영역에서 여러 개의 OFDM 심벌과 주파수 영역에서 여러 개의 부반송파(Sub-carrier)로 구성된다. 하나의 서브프레임(Sub-frame)은 시간 영역에서 복수의 OFDM 심벌(Symbol)들로 구성된다. 자원블록은 자원 할당 단위로, 복수의 OFDM 심벌들과 복수의 부반송파(sub-carrier)들로 구성된다. 또한 각 서브프레임은 PDCCH(Physical Downlink Control Channel) 즉, L1/L2 제어채널을 위해 해당 서브프레임의 특정 OFDM 심벌들(예, 첫 번째 OFDM 심볼)의 특정 부반송파들을 이용할 수 있다. TTI(Transmission Time Interval)는 전송의 단위 시간으로, 예를 들어, 서브프레임 또는 슬롯이 될 수 있다.
이하, 새로운 무선 접속 기술(new radio access technology: new RAT, NR)에 대해 설명한다.
더욱 많은 통신 기기들이 더욱 큰 통신 용량을 요구하게 됨에 따라 기존의 무선 접속 기술(radio access technology; RAT)에 비해 향상된 모바일 브로드밴드(mobile broadband) 통신에 대한 필요성이 대두되고 있다. 또한 다수의 기기 및 사물들을 연결하여 언제 어디서나 다양한 서비스를 제공하는 매시브 MTC (massive Machine Type Communications) 역시 차세대 통신에서 고려될 주요 이슈 중 하나이다. 뿐만 아니라 신뢰도(reliability) 및 지연(latency)에 민감한 서비스/단말을 고려한 통신 시스템 디자인이 논의되고 있다. 이와 같이 확장된 모바일 브로드밴드 커뮤니케이션(enhanced mobile broadband communication), massive MTC, URLLC (Ultra-Reliable and Low Latency Communication) 등을 고려한 차세대 무선 접속 기술의 도입이 논의되고 있으며, 본 개시에서는 편의상 해당 기술(technology)을 new RAT 또는 NR이라고 부른다.
도 4는 본 개시의 기술적 특징이 적용될 수 있는 무선 통신 시스템의 다른 예를 나타낸다.
구체적으로, 도 4는 5G NR(new radio access technology) 시스템에 기초한 시스템 아키텍처를 도시한다. 5G NR 시스템(이하, 간단히 "NR"이라 칭함)에서 사용되는 개체는 도 1에서 소개된 개체(예를 들어, eNB, MME, S-GW)의 일부 또는 모든 기능을 흡수할 수 있다. NR 시스템에서 사용되는 개체는 LTE와 구별하기 위해 "NG"라는 이름으로 식별될 수 있다.
도 4를 참조하면, 무선 통신 시스템은 하나 이상의 UE(11), NG-RAN(next-generation RAN) 및 5세대 코어 네트워크(5GC)를 포함한다. NG-RAN은 적어도 하나의 NG-RAN 노드로 구성된다. NG-RAN 노드는 도 1에 도시된 BS(20)에 대응하는 개체이다. NG-RAN 노드는 적어도 하나의 gNB(21) 및/또는 적어도 하나의 ng-eNB (22)로 구성된다. gNB(21)는 UE(11)를 향한 NR 사용자 평면 및 제어 평면 프로토콜의 종단을 제공한다. Ng-eNB(22)는 UE(11)를 향한 E-UTRA 사용자 평면 및 제어 평면 프로토콜의 종단을 제공한다.
5GC는 AMF(access and mobility management function), UPF(user plane function) 및 SMF(session management function)을 포함한다. AMF는 NAS 보안, 아이들 상태 이동성 처리 등과 같은 기능을 호스트 한다. AMF는 종래 MME의 기능을 포함하는 개체이다. UPF는 이동성 앵커링, PDU(protocol data unit) 처리와 같은 기능을 호스트 한다. UPF는 종래의 S-GW의 기능을 포함하는 개체이다. SMF는 UE IP 주소 할당, PDU 세션 제어와 같은 기능을 호스트 한다.
gNB와 ng-eNB는 Xn 인터페이스를 통해 상호 연결된다. gNB 및 ng-eNB는 또한 NG 인터페이스를 통해 5GC에 연결된다. 보다 구체적으로는, NG-C 인터페이스를 통해 AMF에, 그리고 NG-U 인터페이스를 통해 UPF에 연결된다.
도 5는 NG-RAN과 5GC 간의 기능적 분할을 예시한다.
도 5를 참조하면, gNB는 인터 셀 간의 무선 자원 관리(Inter Cell RRM), 무선 베어러 관리(RB control), 연결 이동성 제어(Connection Mobility Control), 무선 허용 제어(Radio Admission Control), 측정 설정 및 제공(Measurement configuration & Provision), 동적 자원 할당(dynamic resource allocation) 등의 기능을 제공할 수 있다. AMF는 NAS 보안, 아이들 상태 이동성 처리 등의 기능을 제공할 수 있다. UPF는 이동성 앵커링(Mobility Anchoring), PDU 처리 등의 기능을 제공할 수 있다. SMF(Session Management Function)는 단말 IP 주소 할당, PDU 세션 제어 등의 기능을 제공할 수 있다.
도 6은 NR에서 적용될 수 있는 프레임 구조를 예시한다.
도 6을 참조하면, 프레임은 10 ms(millisecond)로 구성될 수 있고, 1 ms로 구성된 서브프레임 10개를 포함할 수 있다.
NR에서 상향링크 및 하향링크 전송은 프레임으로 구성될 수 있다. 무선 프레임은 10 ms의 길이를 가지며, 2개의 5ms 하프-프레임(Half-Frame, HF)으로 정의될 수 있다. 하프-프레임은 5개의 1ms 서브프레임(Subframe, SF)으로 정의될 수 있다. 서브프레임은 하나 이상의 슬롯으로 분할되며, 서브프레임 내 슬롯 개수는 SCS(Subcarrier Spacing)에 의존한다. 각 슬롯은 CP(cyclic prefix)에 따라 12개 또는 14개의 OFDM(A) 심볼을 포함한다. 노멀 CP(normal CP)가 사용되는 경우, 각 슬롯은 14개의 심볼을 포함한다. 확장 CP가 사용되는 경우, 각 슬롯은 12개의 심볼을 포함한다. 여기서, 심볼은 OFDM 심볼 (혹은, CP-OFDM 심볼), SC-FDMA 심볼 (혹은, DFT-s-OFDM 심볼)을 포함할 수 있다.
서브프레임 내에는 부반송파 간격(subcarrier spacing)에 따라 하나 또는 복수의 슬롯(slot)들이 포함될 수 있다.
다음 표 1은 부반송파 간격 설정(subcarrier spacing configuration) μ를 예시한다.
다음 표 2는 부반송파 간격 설정(subcarrier spacing configuration) μ에 따라, 프레임 내 슬롯 개수(Nframeμ slot), 서브프레임 내 슬롯 개수(Nsubframeμ slot), 슬롯 내 심볼 개수(Nslot symb) 등을 예시한다.
표 3은 확장 CP가 사용되는 경우, SCS에 따라 슬롯 별 심볼의 개수, 프레임 별 슬롯의 개수와 서브프레임(SF) 별 슬롯의 개수를 예시한다.
NR 시스템에서는 하나의 단말에게 병합되는 복수의 셀들간에 OFDM(A) 뉴머놀로지(numerology)(예, SCS, CP 길이 등)가 상이하게 설정될 수 있다. 이에 따라, 동일한 개수의 심볼로 구성된 시간 자원(예, SF, 슬롯 또는 TTI)(편의상, TU(Time Unit)로 통칭)의 (절대 시간) 구간이 병합된 셀들간에 상이하게 설정될 수 있다.
도 7은 슬롯 구조를 나타낸다.
도 7을 참조하면, 슬롯은 시간 영역에서 복수의 심볼들을 포함한다. 예를 들어, 노멀 CP의 경우 하나의 슬롯이 14개의 심볼을 포함하나, 확장 CP의 경우 하나의 슬롯이 12개의 심볼을 포함할 수 있다. 또는 노멀 CP의 경우 하나의 슬롯이 7개의 심볼을 포함하나, 확장 CP의 경우 하나의 슬롯이 6개의 심볼을 포함할 수 있다.
반송파는 주파수 영역에서 복수의 부반송파들을 포함한다. RB(Resource Block)는 주파수 영역에서 복수(예를 들어, 12)의 연속한 부반송파로 정의될 수 있다. BWP(Bandwidth Part)는 주파수 영역에서 복수의 연속한 (P)RB로 정의될 수 있으며, 하나의 뉴머놀로지(numerology)(예, SCS, CP 길이 등)에 대응될 수 있다. 반송파는 최대 N개(예를 들어, 5개)의 BWP를 포함할 수 있다. 데이터 통신은 활성화된 BWP를 통해서 수행될 수 있다. 각각의 요소는 자원 그리드에서 자원요소(Resource Element, RE)로 지칭될 수 있고, 하나의 복소 심볼이 맵핑될 수 있다.
PDCCH(physical downlink control channel)은 다음 표 4와 같이 하나 또는 그 이상의 CCE(control channel element)들로 구성될 수 있다.
| 집성 레벨(Aggregation level) | CCE의 개수(Number of CCEs) |
| 1 | 1 |
| 2 | 2 |
| 4 | 4 |
| 8 | 8 |
| 16 | 16 |
즉, PDCCH는 1, 2, 4, 8 또는 16개의 CCE들로 구성되는 자원을 통해 전송될 수 있다. 여기서, CCE는 6개의 REG(resource element group)로 구성되며, 하나의 REG는 주파수 영역에서 하나의 자원 블록, 시간 영역에서 하나의 OFDM(orthogonal frequency division multiplexing) 심볼로 구성된다.
한편, NR에서는, 제어 자원 집합(control resource set: CORESET)이라는 새로운 단위를 도입할 수 있다. 단말은 CORESET에서 PDCCH를 수신할 수 있다.
도 8은 CORESET을 예시한다.
도 8을 참조하면, CORESET은 주파수 영역에서 NCORESET RB 개의 자원 블록들로 구성되고, 시간 영역에서 NCORESET symb ∈ {1, 2, 3}개의 심볼로 구성될 수 있다. NCORESET RB, NCORESET symb 는 상위 계층 신호를 통해 기지국에 의하여 제공될 수 있다. 도 8에 도시한 바와 같이 CORESET 내에는 복수의 CCE들(또는 REG들)이 포함될 수 있다.
단말은 CORESET 내에서, 1, 2, 4, 8 또는 16개의 CCE들을 단위로 PDCCH 검출을 시도할 수 있다. PDCCH 검출을 시도할 수 있는 하나 또는 복수 개의 CCE들을 PDCCH 후보라 할 수 있다.
단말은 복수의 CORESET들을 설정 받을 수 있다.
이하에서는, 랜덤 접속(random access)에 대해 설명한다.
단말의 랜덤 접속 절차는 다음 표 5와 같이 요약할 수 있다.
도 9는 랜덤 접속 절차를 설명하기 위한 것이다.
도 9에 따르면, 먼저, 단말은 랜덤 접속 절차의 message(Msg) 1로서 상향링크로 PRACH(physical random access channel) 프리앰블을 전송할 수 있다.
2 개의 서로 다른 길이를 갖는 랜덤 접속 프리앰블 시퀀스가 지원된다. 길이 839의 긴 시퀀스는 1.25kHz 및 5kHz의 부반송파 간격에 적용되고, 길이 139의 짧은 시퀀스는 15, 30, 60, 및 120kHz의 부반송파 간격에 적용된다. 긴 시퀀스는 한정되지 않은 집합(inrestricted set) 및 타입 A 및 타입 B의 한정된 집합을 지원하고, 반면 짧은 시퀀스는 오직 한정되지 않은 집합만을 지원한다.
복수의 RACH 프리앰블 포맷들은 하나 이상의 RACH OFDM 심볼들, 상이한 CP(cyclic prefix), 및 보호 시간(guard time)으로 정의된다. 사용할 PRACH 프리앰블 설정은 시스템 정보로 단말에게 제공된다.
Msg1에 대한 응답이 없는 경우, 단말은 규정된 횟수 내에서 파워 램핑된 PRACH 프리앰블을 재전송할 수 있다. 단말은 가장 최근의 추정 경로 손실 및 파워 램핑 카운터에 기반하여 프리앰블의 재전송에 대한 PRACH 전송 전력을 계산한다. 만약 단말이 빔 스위칭을 수행하면, 파워 램핑 카운터는 변하지 않는다.
이하에서는 6G 시스템에 대해 설명한다. 여기서, 6G 시스템이란 5G 시스템 또는 NR 시스템 이후의 차세대 통신 시스템일 수 있다.
6G (무선통신) 시스템은 (i) 디바이스 당 매우 높은 데이터 속도, (ii) 매우 많은 수의 연결된 디바이스들, (iii) 글로벌 연결성(global connectivity), (iv) 매우 낮은 지연, (v) 배터리-프리(battery-free) IoT 디바이스들의 에너지 소비를 낮추고, (vi) 초고신뢰성 연결, (vii) 머신 러닝 능력을 가지는 연결된 지능 등에 목적이 있다. 6G 시스템의 비젼은 intelligent connectivity, deep connectivity, holographic connectivity, ubiquitous connectivity와 같은 4가지 측면일 수 있으며, 6G 시스템은 아래 표와 같은 요구 사항을 만족시킬 수 있다. 즉, 표 6은 6G 시스템의 요구 사항의 일례를 나타낸 표이다.
| 디바이스 당 최대 전송률(Per device peak data rate) | 1 Tbps |
| E2E 레이턴시(E2E latency) | 1 ms |
| 최대 스펙트럼 효율(Maximum spectral efficiency) | 100bps/Hz |
| 이동성 지원(Mobility support) | Up to 1000km/hr |
| 위성 조립(Satellite integration) | 완전히(Fully) |
| AI | 완전히(Fully) |
| 자율 주행 차량(Autonomous vehicle) | 완전히(Fully) |
| XR | 완전히(Fully) |
| 햅틱 통신(Haptic Communication) | 완전히(Fully) |
6G 시스템은 eMBB(Enhanced mobile broadband), URLLC(Ultra-reliable low latency communications), mMTC(massive machine-type communication), AI 통합 통신(AI integrated communication), 촉각 인터넷(Tactile internet), 높은 처리량(High throughput), 높은 네트워크 용량(High network capacity), 높은 에너지 효율(High energy efficiency), 낮은 백홀 및 액세스 네트워크 혼잡(Low backhaul and access network congestion), 강화된 데이터 보안(Enhanced data security)과 같은 핵심 요소(key factor)들을 가질 수 있다.
도 10은 6G 시스템에서 제공 가능한 통신 구조의 일례를 나타낸다.
6G 시스템은 5G 무선통신 시스템보다 50배 더 높은 동시 무선통신 연결성을 가질 것으로 예상된다. 5G의 주요 특징(key feature)인 URLLC는 6G 통신에서 1ms보다 적은 단-대-단(end-to-end) 지연을 제공함으로써 보다 더 주요한 기술이 될 것이다. 6G 시스템은 자주 사용되는 영역 스펙트럼 효율과 달리 체적 스펙트럼 효율이 훨씬 우수할 것이다. 6G 시스템은 매우 긴 배터리 수명과 에너지 수확을 위한 고급 배터리 기술을 제공할 수 있어, 6G 시스템에서 모바일 디바이스들은 별도로 충전될 필요가 없을 것이다. 6G에서 새로운 네트워크 특성들은 다음과 같을 수 있다.
- 위성 통합 네트워크(Satellites integrated network): 글로벌 모바일 집단을 제공하기 위해 6G는 위성과 통합될 것으로 예상된다. 지상파, 위성 및 공중 네트워크를 하나의 무선통신 시스템으로 통합은 6G에 매우 중요하다.
- 연결된 인텔리전스(Connected intelligence): 이전 세대의 무선 통신 시스템과 달리 6G는 혁신적이며, “연결된 사물”에서 "연결된 지능"으로 무선 진화가 업데이트될 것이다. AI는 통신 절차의 각 단계(또는 후술할 신호 처리의 각 절차)에서 적용될 수 있다.
- 무선 정보 및 에너지 전달의 완벽한 통합(Seamless integration wireless information and energy transfer): 6G 무선 네트워크는 스마트폰들과 센서들과 같이 디바이스들의 배터리를 충전하기 위해 전력을 전달할 것이다. 그러므로, 무선 정보 및 에너지 전송 (WIET)은 통합될 것이다.
- 유비쿼터스 슈퍼 3D 연결(Ubiquitous super 3D connectivity): 드론 및 매우 낮은 지구 궤도 위성의 네트워크 및 핵심 네트워크 기능에 접속은 6G 유비쿼터스에서 슈퍼 3D 연결을 만들 것이다.
위와 같은 6G의 새로운 네트워크 특성들에서 몇 가지 일반적인 요구 사항은 다음과 같을 수 있다.
- 스몰 셀 네트워크(small cell networks): 스몰 셀 네트워크의 아이디어는 셀룰러 시스템에서 처리량, 에너지 효율 및 스펙트럼 효율 향상의 결과로 수신 신호 품질을 향상시키기 위해 도입되었다. 결과적으로, 스몰 셀 네트워크는 5G 및 비욘드 5G (5GB) 이상의 통신 시스템에 필수적인 특성이다. 따라서, 6G 통신 시스템 역시 스몰 셀 네트워크의 특성을 채택한다.
- 초 고밀도 이기종 네트워크(Ultra-dense heterogeneous network): 초 고밀도 이기종 네트워크들은 6G 통신 시스템의 또 다른 중요한 특성이 될 것이다. 이기종 네트워크로 구성된 멀티-티어 네트워크는 전체 QoS를 개선하고 비용을 줄인다.
- 대용량 백홀(High-capacity backhaul): 백홀 연결은 대용량 트래픽을 지원하기 위해 대용량 백홀 네트워크로 특징 지어진다. 고속 광섬유 및 자유 공간 광학 (FSO) 시스템이 이 문제에 대한 가능한 솔루션일 수 있다.
- 모바일 기술과 통합된 레이더 기술: 통신을 통한 고정밀 지역화(또는 위치 기반 서비스)는 6G 무선통신 시스템의 기능 중 하나이다. 따라서, 레이더 시스템은 6G 네트워크와 통합될 것이다.
- 소프트화 및 가상화(Softwarization and virtualization): 소프트화 및 가상화는 유연성, 재구성성 및 프로그래밍 가능성을 보장하기 위해 5GB 네트워크에서 설계 프로세스의 기초가 되는 두 가지 중요한 기능이다. 또한, 공유 물리적 인프라에서 수십억 개의 장치가 공유될 수 있다.
이하에서는 6G 시스템의 핵심 구현 기술 중 인공 지능(Artificial Intelligence: AI)에 대해 설명한다.
6G 시스템에 가장 중요하며, 새로 도입될 기술은 AI이다. 4G 시스템에는 AI가 관여하지 않았다. 5G 시스템은 부분 또는 매우 제한된 AI를 지원할 것이다. 그러나, 6G 시스템은 완전히 자동화를 위해 AI가 지원될 것이다. 머신 러닝의 발전은 6G에서 실시간 통신을 위해 보다 지능적인 네트워크를 만들 것이다. 통신에 AI를 도입하면 실시간 데이터 전송이 간소화되고 향상될 수 있다. AI는 수많은 분석을 사용하여 복잡한 대상 작업이 수행되는 방식을 결정할 수 있다. 즉, AI는 효율성을 높이고 처리 지연을 줄일 수 있다.
핸드 오버, 네트워크 선택, 자원 스케줄링과 같은 시간 소모적인 작업은 AI를 사용함으로써 즉시 수행될 수 있다. AI는 M2M, 기계-대-인간 및 인간-대-기계 통신에서도 중요한 역할을 할 수 있다. 또한, AI는 BCI(Brain Computer Interface)에서 신속한 통신이 될 수 있다. AI 기반 통신 시스템은 메타 물질, 지능형 구조, 지능형 네트워크, 지능형 장치, 지능형 인지 라디오(radio), 자체 유지 무선 네트워크 및 머신 러닝에 의해 지원될 수 있다.
최근에는 AI를 무선 통신 시스템과 통합하려고 하는 시도들이 나타나고 있으나, 이는 애플리케이션 계층(application layer), 네트워크 계층(network layer) 특히, 딥러닝을 무선 자원 관리 및 할당(wireless resource management and allocation) 분야에 집중되어 왔다. 그러나, 이러한 연구는 점점 MAC 계층(layer)과 물리 계층(Physical layer)으로 발전하고 있으며, 특히 물리 계층에서 딥러닝을 무선 전송(wireless transmission)과 결합하고자 하는 시도들이 나타나고 있다. AI 기반의 물리 계층 전송은, 근본적인 신호 처리 및 통신 메커니즘에 있어서, 전통적인 통신 프레임워크가 아니라 AI 드라이버에 기초한 신호 처리 및 통신 메커니즘을 적용하는 것을 의미한다. 예를 들어, 딥러닝 기반의 채널 코딩 및 디코딩(channel coding and decoding), 딥러닝 기반의 신호 추정(estimation) 및 검출(detection), 딥러닝 기반의 MIMO 메커니즘(mechanism), AI 기반의 자원 스케줄링(scheduling) 및 할당(allocation) 등을 포함할 수 있다.
머신 러닝은 채널 추정 및 채널 트래킹을 위해 사용될 수 있으며, DL(downlink)의 물리 계층(physical layer)에서 전력 할당(power allocation), 간섭 제거 (interference cancellation) 등에 사용될 수 있다. 또한, 머신 러닝은 MIMO 시스템에서 안테나 선택, 전력 제어(power control), 심볼 검출(symbol detection) 등에도 사용될 수 있다.
그러나, 물리계층에서의 전송을 위한 DNN(deep neural network)의 적용은 아래와 같은 문제점이 있을 수 있다.
딥러닝 기반의 AI 알고리즘은 훈련 파라미터를 최적화하기 위해 수많은 훈련 데이터가 필요하다. 그러나 특정 채널 환경에서의 데이터를 훈련 데이터로 획득하는데 있어서의 한계로 인해, 오프라인 상에서 많은 훈련 데이터를 사용한다. 이는 특정 채널 환경에서 훈련 데이터에 대한 정적 훈련(static training)은, 무선 채널의 동적 특성 및 다이버시티(diversity) 사이에 모순(contradiction)이 생길 수 있다.
또한, 현재 딥러닝은 주로 실제 신호(real signal)을 대상으로 한다. 그러나, 무선 통신의 물리 계층의 신호들은 복소 신호(complex signal)이다. 무선 통신 신호의 특성을 매칭시키기 위해 복소 도메인 신호의 검출하는 신경망(neural network)에 대한 연구가 더 필요하다.
이하, 머신 러닝에 대해 보다 구체적으로 살펴본다.
머신 러닝은 사람이 할 수 있거나 혹은 하기 어려운 작업을 대신해낼 수 있는 기계를 만들어내기 위해 기계를 학습시키는 일련의 동작을 의미한다. 머신 러닝을 위해서는 데이터와 러닝 모델이 필요하다. 머신 러닝에서 데이터의 학습 방법은 크게 3가지 즉, 지도 학습(supervised learning), 비지도 학습(unsupervised learning) 그리고 강화 학습(reinforcement learning)으로 구분될 수 있다.
신경망 학습은 출력의 오류를 최소화하기 위한 것이다. 신경망 학습은 반복적으로 학습 데이터를 신경망에 입력시키고 학습 데이터에 대한 신경망의 출력과 타겟의 에러를 계산하고, 에러를 줄이기 위한 방향으로 신경망의 에러를 신경망의 출력 레이어에서부터 입력 레이어 방향으로 역전파(backpropagation) 하여 신경망의 각 노드의 가중치를 업데이트하는 과정이다.
지도 학습은 학습 데이터에 정답이 라벨링된 학습 데이터를 사용하며 비지도 학습은 학습 데이터에 정답이 라벨링되어 있지 않을 수 있다. 즉, 예를 들어 데이터 분류에 관한 지도 학습의 경우의 학습 데이터는 학습 데이터 각각에 카테고리가 라벨링된 데이터일 수 있다. 라벨링된 학습 데이터가 신경망에 입력되고 신경망의 출력(카테고리)과 학습 데이터의 라벨을 비교하여 오차(error)가 계산될 수 있다. 계산된 오차는 신경망에서 역방향(즉, 출력 레이어에서 입력 레이어 방향)으로 역전파 되며, 역전파에 따라 신경망의 각 레이어의 각 노드들의 연결 가중치가 업데이트 될 수 있다. 업데이트 되는 각 노드의 연결 가중치는 학습률(learing rate)에 따라 변화량이 결정될 수 있다. 입력 데이터에 대한 신경망의 계산과 에러의 역전파는 학습 사이클(epoch)을 구성할 수 있다. 학습률은 신경망의 학습 사이클의 반복 횟수에 따라 상이하게 적용될 수 있다. 예를 들어, 신경망의 학습 초기에는 높은 학습률을 사용하여 신경망이 빠르게 일정 수준의 성능을 확보하도록 하여 효율성을 높이고, 학습 후기에는 낮은 학습률을 사용하여 정확도를 높일 수 있다.
데이터의 특징에 따라 학습 방법은 달라질 수 있다. 예를 들어, 통신 시스템 상에서 송신단에서 전송한 데이터를 수신단에서 정확하게 예측하는 것을 목적으로 하는 경우, 비지도 학습 또는 강화 학습 보다는 지도 학습을 이용하여 학습을 수행하는 것이 바람직하다.
러닝 모델은 인간의 뇌에 해당하는 것으로서, 가장 기본적인 선형 모델을 생각할 수 있으나, 인공 신경망(artificial neural networks)와 같은 복잡성이 높은 신경망 구조를 러닝 모델로 사용하는 머신 러닝의 패러다임을 딥러닝(deep learning)이라 한다.
학습(learning) 방식으로 사용하는 신경망 코어(neural network cord)는 크게 심층 신경망(DNN, deep neural networks), 합성곱 신경망(CNN, convolutional deep neural networks), 순환 신경망(RNN, Recurrent Boltzmann Machine) 방식이 있다.
인공 신경망(artificial neural network)은 여러 개의 퍼셉트론을 연결한 예시이다.
도 11은 퍼셉트론 구조의 일례를 도시한 것이다.
도 11을 참조하면, 입력 벡터 x=(x1, x2, ..., xd) 가 입력되면 각 성분에 가중치(W1,W2,...,Wd)를 곱하고, 그 결과를 모두 합산한 후, 활성 함수 σ(·)를 적용하는 전체 과정을 퍼셉트론(perceptron)이라 한다. 거대한 인공 신경망 구조는 도 11에 도시한 단순화된 퍼셉트론 구조를 확장하여 입력 벡터를 서로 다른 다 차원의 퍼셉트론에 적용할 수도 있다. 설명의 편의를 위해 입력 값 또는 출력 값을 노드(node)라 칭한다.
한편, 도 11에 도시된 퍼셉트론 구조는 입력 값, 출력 값을 기준으로 총 3개의 계층(layer)으로 구성되는 것으로 설명할 수 있다. 제1 계층과 제2 계층 사이에는 (d+1) 차원의 퍼셉트론 H개, 제2 계층과 제3 계층 사이에는 (H+1)차원 퍼셉트론이 K 개 존재하는 인공신경망을 도 12와 같이 표현할 수 있다.
도 12는 다중 퍼셉트론 구조의 일례를 도시한 것이다.
입력 벡터가 위치하는 층을 입력 층(input layer), 최종 출력 값이 위치하는 층을 출력 층(output layer), 입력 층과 출력 층 사이에 위치하는 모든 층을 은닉 층(hidden layer)라 한다. 도 23의 예시는 3개의 층이 개시되나, 실제 인공 신경망 층의 개수를 카운트할 때는 입력 층을 제외하고 카운트하므로 총 2개의 층으로 볼 수 있다. 인공신경망은 기본 블록의 퍼셉트론을 2차원적으로 연결되어 구성된다.
전술한 입력 층, 은닉 층, 출력 층은 다층 퍼셉트론 뿐 아니라 후술할 CNN, RNN 등 다양한 인공 신경망 구조에서 공동적으로 적용될 수 있다. 은닉 층의 개수가 많아질수록 인공 신경망이 깊어진 것이며, 충분히 깊어진 인공 신경망을 러닝 모델로 사용하는 머신 러닝 패러다임을 딥러닝(Deep Learning)이라 한다. 또한 딥러닝을 위해 사용하는 인공신경망을 심층 신경망(DNN: Deep neural network)라 한다.
도 13은 심층 신경망의 일례를 도시한 것이다.
도 13에 도시된 심층 신경망은 은닉 층+출력 층이 8개로 구성된 다층 퍼셉트론이다. 상기 다층 퍼셉트론 구조를 완전 연결 신경망(fully-connected neural network)이라 표현한다. 완전 연결 신경망은 서로 같은 층에 위치하는 노드 간에는 연결 관계가 존재하지 않으며, 인접한 층에 위치한 노드들 간에만 연결 관계가 존재한다. DNN은 완전 연결 신경망 구조를 가지고 다수의 은닉 층과 활성 함수들의 조합으로 구성되어 입력과 출력 사이의 상관 관계 특성을 파악하는데 유용하게 적용될 수 있다. 여기서 상관 관계 특성은 입출력의 결합 확률(joint probability)을 의미할 수 있다.
한편, 복수의 퍼셉트론을 서로 어떻게 연결하느냐에 따라 전술한 DNN과 다른 다양한 인공 신경망 구조를 형성할 수 있다.
도 14는 컨볼루션 신경망의 일례를 도시한 것이다.
DNN은 하나의 층 내부에 위치한 노드들이 1차원적의 세로 방향으로 배치되어 있다. 그러나, 도 14를 참고하면, 노드들이 2차원적으로 가로 w개, 세로 h개의 노드가 배치할 경우를 가정할 수 있다. 이 경우, 하나의 입력 노드에서 은닉 층으로 이어지는 연결 과정에서 연결 하나당 가중치가 부가되므로 총 h*w 개의 가중치를 고려해야 한다. 입력 층에 h*w 개의 노드가 존재하므로 인접한 두 층 사이에는 총 h2w2 개의 가중치가 필요하다.
도 15는 컨볼루션 신경망에서의 필터 연산의 일례를 도시한 것이다.
도 14의 컨볼루션 신경망은 연결 개수에 따라 가중치의 개수가 기하급수적으로 증가하는 문제가 있어 인접한 층 간의 모든 모드의 연결을 고려하는 대신, 크기가 작은 필터(filter)가 존재하는 것으로 가정하여 도 15에서와 같이 필터가 겹치는 부분에 대해서는 가중 합 및 활성 함수 연산을 수행하도록 한다.
하나의 필터는 그 크기만큼의 개수에 해당하는 가중치를 가지며, 이미지 상의 어느 특정한 특징을 요인으로 추출하여 출력할 수 있도록 가중치의 학습이 이루어질 수 있다. 도 15에서는 3 by 3 크기의 필터가 입력 층의 가장 좌측 상단 3 by 3 영역에 적용되고, 해당 노드에 대한 가중 합 및 활성 함수 연산을 수행한 결과 출력 값을 z22에 저장한다.
상기 필터는 입력 층을 스캔하면서 가로, 세로 일정 간격만큼 이동하면서 가중 합 및 활성 함수 연산을 수행하고 그 출력 값을 현재 필터의 위치에 위치시킨다. 이러한 연산 방식은 컴퓨터 비전(computer vision) 분야에서 이미지에 대한 컨볼루션(convolution) 연산과 유사하여 이러한 구조의 심층 신경망을 컨볼루션 신경망(CNN: convolutional neural network)라 하고, 컨볼루션 연산 결과 생성되는 은닉 층을 컨볼루션 층(convolutional layer)라 한다. 또한, 복수의 컨볼루션 층이 존재하는 신경망을 심층 컨볼루션 신경망(DCNN: Deep convolutional)이라 한다.
컨볼루션 층에서는 현재 필터가 위치한 노드에서, 상기 필터가 커버하는 영역에 위치한 노드만을 포괄하여 가중 합을 계산함으로써, 가중치의 개수를 줄여줄 수 있다. 이로 인해, 하나의 필터가 로컬(local) 영역에 대한 특징에 집중하도록 이용될 수 있다. 이에 따라 CNN은 2차원 영역 상의 물리적 거리가 중요한 판단 기준이 되는 이미지 데이터 처리에 효과적으로 적용될 수 있다. 한편, CNN은 컨볼루션 층의 직전에 복수의 필터가 적용될 수 있으며, 각 필터의 컨볼루션 연산을 통해 복수의 출력 결과를 생성할 수도 있다.
한편, 데이터 속성에 따라 시퀀스(sequence) 특성이 중요한 데이터들이 있을 수 있다. 이러한 시퀀스 데이터들의 길이 가변성, 선후 관계를 고려하여 데이터 시퀀스 상의 원소를 매 시점(timestep) 마다 하나씩 입력하고, 특정 시점에 출력된 은닉 층의 출력 벡터(은닉 벡터)를, 시퀀스 상의 바로 다음 원소와 함께 입력하는 방식을 인공 신경망에 적용한 구조를 순환 신경망 구조라 한다.
도 16은 순환 루프가 존재하는 신경망 구조의 일례를 도시한 것이다.
도 16을 참조하면, 순환 신경망(RNN: recurrent neural network)은 데이터 시퀀스 상의 어느 시점 t의 원소 (x1(t), x2(t),..., xd(t))를 완전 연결 신경망에 입력하는 과정에서, 바로 이전 시점 t-1은 은닉 벡터(z1(t1), z2(t1),..., zH(t1))를 함께 입력하여 가중 합 및 활성 함수를 적용하는 구조이다. 이와 같이 은닉 벡터를 다음 시점으로 전달하는 이유는 앞선 시점들에서의 입력 벡터 속 정보들이 현재 시점의 은닉 벡터에 누적된 것으로 간주하기 때문이다.
도 17은 순환 신경망의 동작 구조의 일례를 도시한 것이다.
도 17을 참조하면, 순환 신경망은 입력되는 데이터 시퀀스에 대하여 소정의 시점 순서대로 동작한다.
시점 1에서의 입력 벡터(x1(t), x2(t),..., xd(t))가 순환 신경망에 입력되었을 때의 은닉 벡터(z1(1), z2(1), ..., zH(1))가 시점 2의 입력 벡터(x1(2), x2(2), ..., xd(2))와 함께 입력되어 가중 합 및 활성 함수를 통해 은닉 층의 벡터(z1(2), z2(2) ,..., zH(2))를 결정한다. 이러한 과정은 시점 2, 시점 3, ... 시점 T 까지 반복적으로 수행된다.
한편, 순환 신경망 내에서 복수의 은닉 층이 배치될 경우, 이를 심층 순환 신경망(DRNN: Deep recurrent neural network)라 한다. 순환 신경망은 시퀀스 데이터(예를 들어, 자연어 처리(natural language processing)에 유용하게 적용되도록 설계되어 있다.
학습(learning) 방식으로 사용하는 신경망 코어로서 DNN, CNN, RNN 외에 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, 컴퓨터 비젼, 음성인식, 자연어 처리, 음성/신호처리 등의 분야에 적용될 수 있다.
최근에는 AI를 무선 통신 시스템과 통합하려고 하는 시도들이 나타나고 있으나, 이는 애플리케이션 계층(application layer), 네트워크 계층(network layer) 특히, 딥러닝을 무선 자원 관리 및 할당 분야에 집중되어 왔다. 그러나, 이러한 연구는 점점 MAC 계층과 물리 계층으로 발전하고 있으며, 특히 물리 계층에서 딥러닝을 무선 전송(wireless transmission)과 결합하고자 하는 시도들이 나타나고 있다. AI 기반의 물리 계층 전송은, 근본적인 신호 처리 및 통신 메커니즘에 있어서, 전통적인 통신 프레임워크가 아니라 AI 드라이버에 기초한 신호 처리 및 통신 메커니즘을 적용하는 것을 의미한다. 예를 들어, 딥러닝 기반의 채널 코딩 및 디코딩(channel coding and decoding), 딥러닝 기반의 신호 추정(estimation) 및 검출(detection), 딥러닝 기반의 MIMO 메커니즘, AI 기반의 자원 스케줄링(scheduling) 및 할당(allocation) 등을 포함할 수 있다.
이하에서는 6G 시스템의 핵심 구현 기술들을 설명한다.
먼저, 테라헤르츠(terahertz, THz) 통신에 대해 설명한다.
데이터 전송률은 대역폭을 늘려 높일 수 있다. 이것은 넓은 대역폭으로 부(sub)-THz 통신을 사용하고, 진보된 대규모 MIMO 기술을 적용하여 수행될 수 있다. 밀리미터 이하의 방사선으로도 알려진 THz파는 일반적으로 0.03mm-3mm 범위의 해당 파장을 가진 0.1THz와 10THz 사이의 주파수 대역을 나타낸다. 100GHz-300GHz 대역 범위(Sub THz 대역)는 셀룰러 통신을 위한 THz 대역의 주요 부분으로 간주된다. 부(sub)-THz 대역 mmWave 대역에 추가하면 6G 셀룰러 통신 용량은 늘어난다. 정의된 THz 대역 중 300GHz-3THz는 원적외선(IR) 주파수 대역에 있다. 300GHz-3THz 대역은 광 대역의 일부이지만 광 대역의 경계에 있으며, RF 대역 바로 뒤에 있다. 따라서, 이 300 GHz-3 THz 대역은 RF와 유사성을 나타낸다.
도 18은 전자기 스펙트럼의 일례를 나타낸다.
THz 통신의 주요 특성은 (i) 매우 높은 데이터 전송률을 지원하기 위해 광범위하게 사용 가능한 대역폭, (ii) 고주파에서 발생하는 높은 경로 손실 (고 지향성 안테나는 필수 불가결)을 포함한다. 높은 지향성 안테나에서 생성된 좁은 빔 폭은 간섭을 줄인다. THz 신호의 작은 파장은 훨씬 더 많은 수의 안테나 소자가 이 대역에서 동작하는 장치 및 BS에 통합될 수 있게 한다. 이를 통해 범위 제한을 극복할 수 있는 고급 적응형 배열 기술을 사용할 수 있다.
이하에서는 광 무선 통신 기술(Optical wireless communication technology, OWC technology)에 대해 설명한다.
OWC 기술은 가능한 모든 장치-대-액세스 네트워크를 위한 RF 기반 통신 외에도 6G 통신을 위해 계획되었다. 이러한 네트워크는 네트워크-대-백홀/프론트홀 네트워크 연결에 접속한다. OWC 기술은 4G 통신 시스템 이후 이미 사용되고 있으나 6G 통신 시스템의 요구를 충족시키기 위해 더 널리 사용될 것이다. 광 충실도(light fidelity), 가시광 통신, 광 카메라 통신 및 광 대역에 기초한 FSO 통신과 같은 OWC 기술은 이미 잘 알려진 기술이다. 광 무선 기술 기반의 통신은 매우 높은 데이터 속도, 낮은 지연 시간 및 안전한 통신을 제공할 수 있다. LiDAR 또한 광 대역을 기반으로 6G 통신에서 초 고해상도 3D 매핑을 위해 이용될 수 있다.
이하에서는 FSO(free space optical) 백홀 네트워크에 대해 설명한다.
FSO 시스템의 송신기 및 수신기 특성은 광섬유 네트워크의 특성과 유사하다. 따라서, FSO 시스템의 데이터 전송은 광섬유 시스템과 비슷하다. 따라서, FSO는 광섬유 네트워크와 함께 6G 시스템에서 백홀 연결을 제공하는 좋은 기술이 될 수 있다. FSO를 사용하면, 10,000km 이상의 거리에서도 매우 장거리 통신이 가능하다. FSO는 바다, 우주, 수중, 고립된 섬과 같은 원격 및 비원격 지역을 위한 대용량 백홀 연결을 지원한다. FSO는 셀룰러 BS 연결도 지원한다.
이하에서는 대규모 MIMO 기술에 대해 설명한다.
스펙트럼 효율을 향상시키는 핵심 기술 중 하나는 MIMO 기술을 적용하는 것이다. MIMO 기술이 향상되면 스펙트럼 효율도 향상된다. 따라서, 6G 시스템에서 대규모 MIMO 기술이 중요할 것이다. MIMO 기술은 다중 경로를 이용하기 때문에 데이터 신호가 하나 이상의 경로로 전송될 수 있도록 다중화 기술 및 THz 대역에 적합한 빔 생성 및 운영 기술도 중요하게 고려되어야 한다.
이하에서는 블록 체인에 대해 설명한다.
블록 체인은 미래의 통신 시스템에서 대량의 데이터를 관리하는 중요한 기술이 될 것이다. 블록 체인은 분산 원장 기술의 한 형태로서, 분산 원장은 수많은 노드 또는 컴퓨팅 장치에 분산되어 있는 데이터베이스이다. 각 노드는 동일한 원장 사본을 복제하고 저장한다. 블록 체인은 P2P 네트워크로 관리된다. 중앙 집중식 기관이나 서버에서 관리하지 않고 존재할 수 있다. 블록 체인의 데이터는 함께 수집되어 블록으로 구성된다. 블록은 서로 연결되고 암호화를 사용하여 보호된다. 블록 체인은 본질적으로 향상된 상호 운용성(interoperability), 보안, 개인 정보 보호, 안정성 및 확장성을 통해 대규모 IoT를 완벽하게 보완한다. 따라서, 블록 체인 기술은 장치 간 상호 운용성, 대용량 데이터 추적성, 다른 IoT 시스템의 자율적 상호 작용 및 6G 통신 시스템의 대규모 연결 안정성과 같은 여러 기능을 제공한다.
이하에서는 3D 네트워킹에 대해 설명한다.
6G 시스템은 지상 및 공중 네트워크를 통합하여 수직 확장의 사용자 통신을 지원한다. 3D BS는 저궤도 위성 및 UAV(unmanned aerial vehicle)를 통해 제공될 것이다. 고도 및 관련 자유도 측면에서 새로운 차원을 추가하면 3D 연결이 기존 2D 네트워크와 상당히 다르다.
이하에서는 양자 커뮤니케이션에 대해 설명한다.
6G 네트워크의 맥락에서 네트워크의 감독되지 않은 강화 학습이 유망하다. 지도 학습 방식은 6G에서 생성된 방대한 양의 데이터에 레이블을 지정할 수 없다. 비지도 학습에는 라벨링이 필요하지 않다. 따라서, 이 기술은 복잡한 네트워크의 표현을 자율적으로 구축하는 데 사용할 수 있다. 강화 학습과 비지도 학습을 결합하면 진정한 자율적인 방식으로 네트워크를 운영할 수 있다.
이하에서는 무인 항공기에 대해 설명한다.
UAV(Unmanned Aerial Vehicle) 또는 드론은 6G 무선 통신에서 중요한 요소가 될 것이다. 대부분의 경우, UAV 기술을 사용하여 고속 데이터 무선 연결이 제공된다. BS 엔티티는 셀룰러 연결을 제공하기 위해 UAV에 설치된다. UAV는 쉬운 배치, 강력한 가시선 링크 및 이동성이 제어되는 자유도와 같은 고정 BS 인프라에서 볼 수 없는 특정 기능을 가지고 있다. 천재 지변 등의 긴급 상황 동안, 지상 통신 인프라의 배치는 경제적으로 실현 가능하지 않으며, 때로는 휘발성 환경에서 서비스를 제공할 수 없다. UAV는 이러한 상황을 쉽게 처리할 수 있다. UAV는 무선 통신 분야의 새로운 패러다임이 될 것이다. 이 기술은 eMBB, URLLC 및 mMTC 인 무선 네트워크의 세 가지 기본 요구 사항을 용이하게 한다. UAV는 또한, 네트워크 연결성 향상, 화재 감지, 재난 응급 서비스, 보안 및 감시, 오염 모니터링, 주차 모니터링, 사고 모니터링 등과 같은 여러 가지 목적을 지원할 수 있다. 따라서, UAV 기술은 6G 통신에 가장 중요한 기술 중 하나로 인식되고 있다.
이하에서는 셀-프리 통신(Cell-free Communication)에 대해 설명한다.
여러 주파수와 이기종 통신 기술의 긴밀한 통합은 6G 시스템에서 매우 중요하다. 결과적으로, 사용자는 디바이스에서 어떤 수동 구성을 만들 필요 없이 네트워크에서 다른 네트워크로 원활하게 이동할 수 있다. 사용 가능한 통신 기술에서 최상의 네트워크가 자동으로 선택된다. 이것은 무선 통신에서 셀 개념의 한계를 깨뜨릴 것이다. 현재, 하나의 셀에서 다른 셀로의 사용자 이동은 고밀도 네트워크에서 너무 많은 핸드 오버를 야기하고, 핸드 오버 실패, 핸드 오버 지연, 데이터 손실 및 핑퐁 효과를 야기한다. 6G 셀-프리 통신은 이 모든 것을 극복하고 더 나은 QoS를 제공할 것이다. 셀-프리 통신은 멀티 커넥티비티 및 멀티-티어 하이브리드 기술과 장치의 서로 다른 이기종 라디오를 통해 달성될 것이다.
이하에서는 무선 정보 및 에너지 전송 통합(wireless information and energy transfer, WIET)에 대해 설명한다.
WIET은 무선 통신 시스템과 같이 동일한 필드와 웨이브(wave)를 사용한다. 특히, 센서와 스마트폰은 통신 중 무선 전력 전송을 사용하여 충전될 것이다. WIET은 배터리 충전 무선 시스템의 수명을 연장하기 위한 유망한 기술이다. 따라서, 배터리가 없는 장치는 6G 통신에서 지원될 것이다.
이하에서는 센싱과 커뮤니케이션의 통합에 대해 설명한다.
자율 무선 네트워크는 동적으로 변화하는 환경 상태를 지속적으로 감지하고 서로 다른 노드 간에 정보를 교환할 수 있는 기능이다. 6G에서, 감지는 자율 시스템을 지원하기 위해 통신과 긴밀하게 통합될 것이다.
이하에서는 액세스 백홀 네트워크의 통합에 대해 설명한다.
6G에서 액세스 네트워크의 밀도는 엄청날 것이다. 각 액세스 네트워크는 광섬유와 FSO 네트워크와 같은 백홀 연결로 연결된다. 매우 많은 수의 액세스 네트워크들에 대처하기 위해, 액세스 및 백홀 네트워크 사이에 긴밀한 통합이 있을 것이다.
이하에서는 홀로그램 빔 포밍에 대해 설명한다.
빔 포밍은 특정 방향으로 무선 신호를 전송하기 위해 안테나 배열을 조정하는 신호 처리 절차이다. 스마트 안테나 또는 진보된 안테나 시스템의 하위 집합이다. 빔 포밍 기술은 높은 호 대잡음비, 간섭 방지 및 거부, 높은 네트워크 효율과 같은 몇 가지 장점이 있다. 홀로그램 빔 포밍(HBF)은 소프트웨어-정의된 안테나를 사용하기 때문에 MIMO 시스템과 상당히 다른 새로운 빔 포밍 방법이다. HBF는 6G에서 다중 안테나 통신 장치에서 신호의 효율적이고 유연한 전송 및 수신을 위해 매우 효과적인 접근 방식이 될 것이다.
이하에서는 빅 데이터 분석에 대해 설명한다.
빅 데이터 분석은 다양한 대규모 데이터 세트 또는 빅 데이터를 분석하기 위한 복잡한 프로세스이다. 이 프로세스는 숨겨진 데이터, 알 수 없는 상관 관계 및 고객 성향과 같은 정보를 찾아 완벽한 데이터 관리를 보장한다. 빅 데이터는 비디오, 소셜 네트워크, 이미지 및 센서와 같은 다양한 소스에서 수집된다. 이 기술은 6G 시스템에서 방대한 데이터를 처리하는 데 널리 사용된다.
이하에서는 LIS(large intelligent surface)에 대해 설명한다.
THz 대역 신호의 경우 직진성이 강하여 방해물로 인한 음영 지역이 많이 생길 수 있는데, 이러한 음영 지역 근처에 LIS 설치함으로써 통신 권역을 확대하고 통신 안정성 강화 및 추가적인 부가 서비스가 가능한 LIS 기술이 중요하게 된다. LIS는 전자기 물질(electromagnetic materials)로 만들어진 인공 표면(artificial surface)이고, 들어오는 무선파와 나가는 무선파의 전파(propagation)을 변경시킬 수 있다. LIS는 massive MIMO의 확장으로 보여질 수 있으나, massive MIMO와 서로 다른 array 구조 및 동작 메커니즘이 다르다. 또한, LIS는 수동 엘리먼트(passive elements)를 가진 재구성 가능한 리플렉터(reflector)로서 동작하는 점 즉, 활성(active) RF 체인(chain)을 사용하지 않고 신호를 수동적으로만 반사(reflect)하는 점에서 낮은 전력 소비를 가지는 장점이 있다. 또한, LIS의 수동적인 리플렉터 각각은 입사되는 신호의 위상 편이를 독립적으로 조절해야 하기 때문에, 무선 통신 채널에 유리할 수 있다. LIS 컨트롤러를 통해 위상 편이를 적절히 조절함으로써, 반사된 신호는 수신된 신호 전력을 부스트(boost)하기 위해 타겟 수신기에서 모여질 수 있다.
이하에서는 THz 통신에 대해 더욱 상세하게 설명한다.
THz 무선통신은 대략 0.1~10THz(1THz=1012Hz)의 진동수를 가지는 THz파를 이용하여 무선통신을 이용하는 것으로, 100GHz 이상의 매우 높은 캐리어 주파수를 사용하는 테라헤르츠(THz) 대역 무선통신을 의미할 수 있다. THz파는 RF(Radio Frequency)/밀리미터(mm)와 적외선 대역 사이에 위치하며, (i) 가시광/적외선에 비해 비금속/비분극성 물질을 잘 투과하며 RF/밀리미터파에 비해 파장이 짧아 높은 직진성을 가지며 빔 집속이 가능할 수 있다. 또한, THz파의 광자 에너지는 수 meV에 불과하기 때문에 인체에 무해한 특성이 있다. THz 무선통신에 이용될 것으로 기대되는 주파수 대역은 공기 중 분자 흡수에 의한 전파 손실이 작은 D-밴드(110GHz~170GHz) 혹은 H-밴드(220GHz~325GHz) 대역일 수 있다. THz 무선통신에 대한 표준화 논의는 3GPP 이외에도 IEEE 802.15 THz working group을 중심으로 논의되고 있으며, IEEE 802.15의 Task Group (TG3d, TG3e)에서 발행되는 표준문서는 본 명세서에서 설명되는 내용을 구체화하거나 보충할 수 있다. THz 무선통신은 무선 인식(wireless cognition), 센싱(sensing), 이미징(imaging), 무선 통신(wireless), THz 네비게이션(navigation) 등에 응용될 수 있다.
도 19는 THz 통신 응용의 일례를 나타낸 도이다.
도 19에 도시된 바와 같이, THz 무선통신 시나리오는 매크로 네트워크(macro network), 마이크로 네트워크(micro network), 나노스케일 네트워크(nanoscale network)로 분류될 수 있다. 매크로 네트워크에서 THz 무선통신은 차량 대 차량(vehicle-to-vehicle) 연결 및 백홀/프론트홀(backhaul/fronthaul) 연결에 응용될 수 있다. 마이크로 네트워크에서 THz 무선통신은 인도어 스몰 셀(small cell), 데이터 센터에서 무선 연결과 같은 고정된 포인트 대 포인트(point-to-point) 또는 멀티 포인트(multi-point) 연결, 키오스크 다운로딩과 같은 근거리 통신(near-field communication)에 응용될 수 있다.
표 7은 THz 파에서 이용될 수 있는 기술의 일례를 나타낸 표이다.
| 트랜시버 장치(Transceivers Device) | Available immature: UTC-PD, RTD 및 SBD |
| 변조 및 코딩(Modulation and coding) | 낮은 등급의 변조 기법(Low order modulation techniques (OOK, QPSK)), LDPC, Reed Soloman, Hamming, Polar, Turbo |
| 안테나(Antenna) | 전방향 및 방향성(Omni and Directional), 안테나 요소 수가 낮은 위상 배열(phased array with low number of antenna elements) |
| 대역폭(Bandwidth) | 300GHz에서 69GHz (또는 23 GHz) |
| 채널 모델(Channel models) | 부분적(Partially) |
| 데이터 레이트(Data rate) | 100Gbps |
| 실외 배치(Outdoor deployment) | No |
| 자유 공간 손실(Free space loss) | 높음(High) |
| 커버리지(Coverage) | 낮음(Low) |
| 무선 측정(Radio Measurements) | 300GHz 실내(indoor) |
| 장치 크기(Device size) | 마이크로미터(Few micrometers) |
THz 무선통신은 THz 발생 및 수신을 위한 방법을 기준으로 분류할 수 있다. THz 발생 방법은 광 소자 또는 전자소자 기반 기술로 분류할 수 있다.
도 20은 전자소자 기반 THz 무선통신 송수신기의 일례를 나타낸 도이다.
전자 소자를 이용하여 THz를 발생시키는 방법은 공명 터널링 다이오드(RTD: Resonant Tunneling Diode)와 같은 반도체 소자를 이용하는 방법, 국부 발진기와 체배기를 이용하는 방법, 화합물 반도체 HEMT(High Electron Mobility Transistor) 기반의 집적회로를 이용한 MMIC(Monolithic Microwave Integrated Circuits) 방법, Si-CMOS 기반의 집적회로를 이용하는 방법 등이 있다. 도 20의 경우, 주파수를 높이기 위해 체배기(doubler, tripler, multiplier)가 적용되었고, 서브하모닉 믹서를 지나 안테나에 의해 방사된다. THz 대역은 높은 주파수를 형성하므로, 체배기가 필수적이다. 여기서, 체배기는 입력 대비 N배의 출력 주파수를 갖게 하는 회로이며, 원하는 하모닉 주파수에 정합시키고, 나머지 모든 주파수는 걸러낸다. 그리고, 도 20의 안테나에 배열 안테나 등이 적용되어 빔포밍이 구현될 수도 있다. 도 20에서, IF는 중간 주파수(intermediate frequency)를 나타내며, tripler, multipler는 체배기를 나타내며, PA 전력 증폭기(Power Amplifier)를 나타내며, LNA는 저잡음 증폭기(low noise amplifier), PLL은 위상동기회로(Phase-Locked Loop)를 나타낸다.
도 21은 광 소자 기반 THz 신호를 생성하는 방법의 일례를 나타낸 도이며, 도 22는 광 소자 기반 THz 무선통신 송수신기의 일례를 나타낸 도이다.
광 소자 기반 THz 무선통신 기술은 광소자를 이용하여 THz 신호를 발생 및 변조하는 방법을 말한다. 광 소자 기반 THz 신호 생성 기술은 레이저와 광변조기 등을 이용하여 초고속 광신호를 생성하고, 이를 초고속 광검출기를 이용하여 THz 신호로 변환하는 기술이다. 이 기술은 전자 소자만을 이용하는 기술에 비해 주파수를 증가시키기가 용이하고, 높은 전력의 신호 생성이 가능하며, 넓은 주파수 대역에서 평탄한 응답 특성을 얻을 수 있다. 광소자 기반 THz 신호 생성을 위해서는 도 21에 도시된 바와 같이, 레이저 다이오드, 광대역 광변조기, 초고속 광검출기가 필요하다. 도 21의 경우, 파장이 다른 두 레이저의 빛 신호를 합파하여 레이저 간의 파장 차이에 해당하는 THz 신호를 생성하는 것이다. 도 21에서, 광 커플러(Optical Coupler)는 회로 또는 시스템 간의 전기적 절연과의 결합을 제공하기 위해 광파를 사용하여 전기신호를 전송하도록 하는 반도체 디바이스를 의미하며, UTC-PD(Uni-Travelling Carrier Photo-Detector)은 광 검출기의 하나로서, 능동 캐리어(active carrier)로 전자를 사용하며 밴드갭 그레이딩(Bandgap Grading)으로 전자의 이동 시간을 감소시킨 소자이다. UTC-PD는 150GHz 이상에서 광검출이 가능하다. 도 22에서, EDFA(Erbium-Doped Fiber Amplifier)는 어븀이 첨가된 광섬유 증폭기를 나타내며, PD(Photo Detector)는 광신호를 전기신호로 변환할 수 있는 반도체 디바이스를 나타내며, OSA는 각종 광통신 기능(광전 변환, 전광 변환 등)을 하나의 부품으로 모듈화시킨 광모듈(Optical Sub Aassembly)를 나타내며, DSO는 디지털 스토리지 오실로스코프(digital storage oscilloscope)를 나타낸다.
도 23 및 도 24를 참조하여 광전 변환기(또는 광전 컨버터)의 구조를 설명한다. 도 23은 광자 소스(Photoinc source) 기반 송신기의 구조를 예시하며, 도 24는 광 변조기(Optical modulator)의 구조를 예시한다.
일반적으로 레이저(Laser)의 광학 소스(Optical source)를 광파 가이드(Optical wave guide)를 통과시켜 신호의 위상(phase) 등을 변화시킬 수 있다. 이때, 마이크로파 컨택트(Microwave contact) 등을 통해 전기적 특성을 변화시킴으로써 데이터를 싣게 된다. 따라서, 광학 변조기 출력(Optical modulator output)은 변조된(modulated) 형태의 파형으로 형성된다. 광전 변조기(O/E converter)는 비선형 크리스탈(nonlinear crystal)에 의한 광학 정류(optical rectification) 동작, 광전도 안테나(photoconductive antenna)에 의한 광전 변환(O/E conversion), 광속의 전자 다발(bunch of relativistic electrons)로부터의 방출(emission) 등에 따라 THz 펄스를 생성할 수 있다. 상기와 같은 방식으로 발생한 테라헤르츠 펄스(THz pulse)는 펨토 세컨드(femto second)부터 피코 세컨드(pico second)의 단위의 길이를 가질 수 있다. 광전 변환기(O/E converter)는 소자의 비선형성(non-linearity)을 이용하여, 하향 변환(Down conversion)을 수행한다.
테라헤르츠 스펙트럼의 용도(THz spectrum usage)를 고려할 때, 테라헤르츠 시스템을 위해서 고정된(fixed) 또는 모바일 서비스(mobile service) 용도로써 여러 개의 연속적인 기가헤르츠(contiguous GHz)의 대역들(bands)을 사용할 가능성이 높다. 아웃도어(outdoor) 시나리오 기준에 의하면, 1THz까지의 스펙트럼에서 산소 감쇠(Oxygen attenuation) 102 dB/km를 기준으로 가용 대역폭(Bandwidth)이 분류될 수 있다. 이에 따라 상기 가용 대역폭이 여러 개의 밴드 청크(band chunk)들로 구성되는 프레임워크(framework)가 고려될 수 있다. 상기 프레임워크의 일 예시로 하나의 캐리어(carrier)에 대해 테라헤르츠 펄스(THz pulse)의 길이를 50ps로 설정한다면, 대역폭(BW)은 약 20GHz가 된다.
적외선 대역(IR band)에서 테라헤르츠 대역(THz band)으로의 효과적인 하향 변환(Down conversion)은 광전 컨버터(O/E converter)의 비선형성(nonlinearity)을 어떻게 활용하는가에 달려 있다. 즉, 원하는 테라헤르츠 대역(THz band)으로 하향 변환(down conversion)하기 위해서는 해당 테라헤르츠 대역(THz band)에 옮기기에 가장 이상적인 비선형성(non-linearity)을 갖는 광전 변환기(O/E converter)의 설계가 요구된다. 만일 타겟으로 하는 주파수 대역에 맞지 않는 광전 변환기(O/E converter)를 사용하는 경우, 해당 펄스(pulse)의 크기(amplitude), 위상(phase)에 대하여 오류(error)가 발생할 가능성이 높다.
단일 캐리어(single carrier) 시스템에서는 광전 변환기 1개를 이용하여 테라헤르츠 송수신 시스템이 구현될 수 있다. 채널 환경에 따라 달라지지만 멀리 캐리어(Multi carrier) 시스템에서는 캐리어 수만큼 광전 변환기가 요구될 수 있다. 특히 전술한 스펙트럼 용도와 관련된 계획에 따라 여러 개의 광대역들을 이용하는 멀티 캐리어 시스템인 경우, 그 현상이 두드러지게 될 것이다. 이와 관련하여 상기 멀티 캐리어 시스템을 위한 프레임 구조가 고려될 수 있다. 광전 변환기를 기반으로 하향 주파수 변환된 신호는 특정 자원 영역(예: 특정 프레임)에서 전송될 수 있다. 상기 특정 자원 영역의 주파수 영역은 복수의 청크(chunk)들을 포함할 수 있다. 각 청크(chunk)는 적어도 하나의 컴포넌트 캐리어(CC)로 구성될 수 있다.
이하에서는 연합 학습에 대해 설명한다.
연합학습(Federated learning)은 분산 머신러닝의 기법 중 하나로, 학습의 주체인 여러 장치(device)들이 서버와 로컬 모델(local model)의 가중치(weight)나 기울기(gradient) 등의 파라미터를 공유하며, 서버는 각 장치의 로컬 모델 파라미터를 취합하여 글로벌 파라미터(global parameter)를 업데이트한다. 이 과정에서 각 장치의 미가공 데이터(raw data)는 공유하지 않기 때문에 데이터 전송 과정에서의 통신 오버헤드(communication overhead)를 줄일 수 있으며, 개인정보를 보호할 수 있다.
도 25는 직교 분할 접속 기반의 연합학습 동작 과정의 일례를 도시한 것이다.
기존의 직교 다중 접속을 기반으로 하는 연합학습은 도 25와 같이 동작한다. 장치는 각자 할당된 자원에 로컬 파라미터를 전송하고, 서버는 장치로부터 수신한 파라미터에 대하여 오프라인 집성(offline aggregation)을 수행한다. 일반적으로 서버는 모든 로컬 파라미터에 대한 애버리징(averaging)을 통해 글로벌 파라미터를 도출하며, 이를 다시 장치에게 전송한다. 하지만 장치마다 서로 다른 자원을 사용하여 학습을 수행하는 점에서 한정된 자원 하에서는 학습에 참여하는 장치의 수가 증가할수록 글로벌 파라미터를 업데이트하기 위한 시간이 지연된다.
이러한 문제를 해결하기 위해 최근 AirComp(Over-the-Air Computation) 기반의 연합학습에 대한 연구가 진행되고 있다.
도 26은 AirComp 기반의 연합학습 동작 과정의 일례를 도시한 것이다.
AirComp는 도 26과 같이 모든 장치가 동일한 자원을 활용하여 로컬 파라미터를 전송하는 방식으로, 서버로 수신된 신호는 아날로그 파형(analog waveform)의 중첩(superposition) 특성에 의해 자연스럽게 로컬 파라미터의 합을 얻을 수 있다. AirComp 기반 연합학습은 동일한 자원을 통해 로컬 파라미터를 전송하기 때문에 학습에 참여하는 장치의 수에 레이턴시(latency)가 크게 영향을 받지 않는다.
도 27은 차등 개인정보보호 또는 차등 프라이버시(differential privacy)를 설명하기 위한 도면이다.
머신 러닝을 위한 데이터 집합(data set)에 프라이버시 공격(privacy attack)을 막기 위해 차등 프라이버시를 적용하려는 연구가 진행되고 있다. 차등 프라이버시는 구현 시 다른 보안 알고리즘에 비해 간단하고 수학적으로 잘 정의 되고 수립되어 있다. 또한 차등 프라이버시 알고리즘을 복합적으로 구성하더라도 프라이버시 레벨(privacy level)을 수학적으로 쉽게 정량화할 수 있어 최근 각광 받고 있다.
도 27을 참고하면, 공격자(adversary)는 데이터 집합을 통해 머신 러닝이 목적이 아닌 데이터 집합에 대한 개개 정보를 알아내려는 프라이버시 공격을 하려고 한다. 이를 막기 위해 데이터 집합을 프라이버시 경계(privacy boundary)로 둘러 싸고 머신 러닝을 위한 유일하게 잘 정의된 인터페이스만으로 접근하게 한다. 이 인터페이스를 통하여 공격자가 데이터 집합에 대한 접근을 할 때마다 랜덤화된 메커니즘(randomized mechanism)을 적용하여 공격자가 개개의 정보를 알아내는 것을 확률적으로 방어한다. 머신 러닝을 위한 인터페이스는 주로 통계 정보인 평균(mean), 중앙값(median), 분산(variance), 순서 통계(order statics)와 재현 데이터(synthetic data), 머신 러닝 모델(ML model) 등의 질의로 구성되어 있다.
차등 프라이버시의 랜덤화 메커니즘(randomize mechanism) 중 하나는 (ε, δ) 차등 프라이버시로서 다음과 같이 정의된다.
여기서 x는 프라이버시 공격을 하려고 하는 특정 데이터 요소(data element)가 포함된 질의이고, x'는 데이터 집합 요소(data set element)가 포함되지 않은 질의이다. 이 2개의 질의를 차등 공격(differential attack)으로 정의한다. ε은 프라이버시 레벨(privacy level)로 정의되며, ε이 클 경우 프라이버시 레벨이 약해진다. M(x)는 데이터 집합 x에 대한 질의에 랜덤화된 메커니즘을 적용한 결과이다. E는 인터페이스 출력이 가질 수 있는 범위이다. δ는 주어진 ε 프라이버시 레벨을 위반할 확률로서 아주 작은 값일 수 있다. 또는, δ 값은 0일 수도 있다.
애플리케이션에서 발생하는 데이터 집합(data set)을 무선 서버로 보낼 때 프라이버시를 보호하기 위하여 ε-차등 프라이버시(differential privacy)를 보장하는 메커니즘을 적용하려는 연구가 진행되고 있다. 예를 들어, 사용자가 휴대폰에서 방문한 웹사이트의 정보를 RAPPOR 등의 알고리즘을 이용하여 ε-차등 프라이버시를 지원할 수 있다. 사용자 로그를 비트(bit)로 변환한 다음 비트를 코인 플립(coin flip)을 통해 ε-차등 프라이버시를 적용한 후 로그 데이터(log data)를 서버로 전송하여 데이터를 보호할 수 있다.
이러한 기술의 문제점은 애플리케이션에서 대부분 소프트웨어로 생성된 의사-랜덤 번호 생성기(pseudo-random number generator)를 이용한 시퀀스를 사용하므로 의사-랜덤 번호 공격(pseudo-random number attack)을 받을 수 있다. 이러한 측면에서 차등 프라이버시가 성립하지 않을 수 있다. 진정한 랜덤성(true-randomness)을 지원하기 위하여 양자 난수 발생기 등을 이용할 수 있으나, 비용적인 측면에서 불가능할 수 있다.
이하에서는, 본 개시의 제안에 대해 더욱 상세히 설명한다.
이하의 도면은 본 명세서의 구체적인 일례를 설명하기 위해 작성되었다. 도면에 기재된 구체적인 장치의 명칭이나 구체적인 신호/메시지/필드의 명칭은 예시적으로 제시된 것이므로, 본 명세서의 기술적 특징이 이하의 도면에 사용된 구체적인 명칭에 제한되지 않는다.
본 명세서에서는 물리 계층에서 사용자/엣지 장치의 송신단과 서버의 수신단에서 ε-차등 프라이버시를 보장하기 위한 랜덤화된 메커니즘(randomized mechanism)을 제안한다.
도 28은 차등 프라이버시 경계(differential privacy boundary)를 개략적으로 도시한 것이다.
도 28을 참고하면, 본 명세서에서 제안하는 차등 프라이버시 경계(differential privacy boundary)는 사용자의 송신단과 서버의 수신단의 물리 계층을 둘러싼 영역이며, 서버의 물리 계층 수신단 이외의 영역은 공공 영역일 수 있다.
일례로, 애플리케이션에서 데이터 집합을 머신 러닝을 위해 서버로 전송하기 위하여 송신기는 통신 채널을 통하여 데이터를 전송한다. 본 명세서의 랜덤화된 메커니즘은 통신 채널의 랜덤성(randomness)과 관련된 BER(bit error rate)을 이용한 ε-차등 프라이버시를 지원할 수 있다.
이하에서는 에어(air) ε-차등 프라이버시에 대해 설명한다.
무선 통신에서 비트 스트림(bit stream)을 전송하면 수신단에서 비트 오류(bit error)가 여러가지 원인에 발생한다. 일례로, 비트 오류는 송신단/수신단의 잡음에 의해 발생하기도 하고 통신 채널 상의 감쇄 또는 신호 전력의 차이에 의해 발생하기도 한다. 비트 오류 측면에서 보면 이는 비트에 대한 베르누이 확률 p의 코인 플립(coin flip)이며, 통신 이론에서는 이진 대칭 채널(binary symmetric channel)로 볼 수 있다.
도 29는 이진 대칭 채널을 개략적으로 도시한 것이다.
도 29를 참고하면, 이진 대칭 채널은 x1 및 x2의 두 가지의 입력과 y1 및 y2의 두 가지의 출력을 갖는다. 여기서, x1이 정확하게 전송(즉, y1=x1)될 확률 및 x2가 정확하게 전송(즉, y2=x2)될 확률은 각각 1-p이다. 또한 여기서, x1이 잘못 전송될 확률 및 x2가 잘못 전송될 확률은 각각 p이다. 다시 말하면, 이진 대칭 채널은 채널 천이 확률이 동일하다.
여기서, p=1/(1+eε)이면, 1비트에 대해 에어(air) 상에서 ε-차등 프라이버시를 만족할 수 있다. 이러한 랜덤화된 메커니즘은 본 명세서를 통해 제안하는 기술적 특징의 기본 구성 요소가 될 수 있으며, 다양한 비트 처리와 결합하여 ε-차등 프라이버시를 지원할 수 있다. 여기서, 일례로, 다양한 비트 처리는 에러-프리(error-free) 비트 전송, 오류 비트 또는 에러 비트(error bit)를 1 또는 0으로 변경하는 처리 등을 고려할 수 있다.
한편, ε-차등 프라이버시를 통신 채널에서 구현하는 방법은 특정 무선 채널 상의 특정한 BER(block error rate) p를 만족하는 변조(modulation)와 조직적 채널 코딩(systematic channel coding)과 더불어 적절한 전력 제어를 통해 특정 SNR(signal to noise ratio)에 통신 채널이 수렴하도록 설정하는 방법을 고려할 수 있다. 한편, 상기 방법에 사용 가능한 변조의 일례는 다음 표와 같다.
도 30은 비트 스트림(bit stream)에 대해 ε-차등 프라이버시를 구현하는 방법의 일례에 대한 도면이다. 도 30의 일례는 LTE 또는 5G 시스템의 물리 계층에 대해 적용될 수 있다.
도 30을 참고하면, 애플리케이션에서 0100110101101001의 데이터 집합 비트들(data set bits)을 물리 계층을 통해 전송한다. 여기서, 데이터 집합 비트들에 대해 조직적 채널 코딩이 수행될 수 있다. 송신단의 물리 채널을 통과하는 상기 데이터 집합 비트들은 ε-차등 프라이버시를 만족할 수 있도록 BER p를 만족하도록 전송하여 BER을 측정하고 비트 스트림을 그대로 서버로 전송하여 랜덤화된 메커니즘을 지원할 수 있다. 따라서, 도 30을 참고하면, 데이터 집합 비트들을 정확하게 전송하기 위해 전송 전력을 높일 필요가 없으므로, 전력 효율이 증가할 수 있다.
도 31은 본 명세서에서 제안하는 랜덤화된 메커니즘의 일례를 개략적으로 도시한 것이다.
도 31을 참고하면, BER이 p인 경우, 데이터 x1은 1-p의 확률로 오류 없이 전송될 수 있다. 다시 말하면, 데이터는 1-p의 확률로 정확하게 전송되기 때문에 채널 디코딩 능력이 요구될 수 있다.
또한, 데이터 x1의 전송 시 p의 확률로 오류가 발생한 경우, q의 확률로 상기 오류가 발생한 데이터를 1로, 1-q의 확률로 상기 오류가 발생한 데이터를 0으로 수신/해석할 수 있다.
즉, 도 31을 참고하면, 확률 p, q 각각에 대응하는 SNR/BER 설정이 필요할 수 있다. 또는, 일례로, 특정한 낮은 확률에 대응하는 SNR/BER 설정에 기반하여 데이터를 전송하고, 반복적인 디코딩(iterative decoding)을 통해 확률 p 또는 q에 도달할 때까지 비트 스트림을 얻을 수 있다.
도 31의 랜덤화된 메커니즘에서 x1의 BER 또는 비트 오류 확률이 p 값을 갖는다면, 오류가 발생하지 않은 비트는 실제로 전송된 비트로 변경/해석할 수 있다. 또한, p의 확률로 오류가 발생한 비트는 해당 비트를 비트 오류 확률 q로 처리하여 1-q의 확률로 오류가 발생하지 않은 비트는 0으로 변경하고 q의 확률로 오류가 발생한 비트는 1로 변경할 수 있다. 또한, 오류가 발생하지 않은 비트는 조직적 코딩(systematic coding) 형태의 터보 코딩, LDPC 코딩, 폴라 코딩 등 강력한 채널 코딩에 의해 올바르게 수신하여 획득할 수 있으며, 이를 통해 오류가 발생한 비트와 그렇지 않은 비트를 구분할 수 있다.
한편, 도 31의 랜덤화된 메커니즘은 다음 식과 같은 ε-차등 프라이버시를 지원할 수 있다.
한편, 도 31의 일례와는 달리, q의 확률로 오류가 발생한 비트는 0으로 변경하고, 1-q의 확률로 오류가 발생하지 않은 비트는 1로 변경할 수도 있다.
도 32는 비트 스트림(bit stream)에 대해 ε-차등 프라이버시를 구현하는 방법의 다른 일례에 대한 도면이다.
도 32를 참고하면, 데이터 집합 비트를 각각 BER p, q로 수신한 비트 스트림을 획득할 수 있다. 여기서, CRC 검사(check) 및 채널 디코딩을 통해 오류 없이 전송된 비트 스트림을 수신하면 비트 선택 및/또는 BER 측정을 통해 ε-차등 프라이버시를 지원할 수 있다. 한편, 데이터 집합 비트를 BER p를 만족하도록 수신하고, 이후 BER q를 만족하도록 다시 수신할 수도 있고, 데이터 집합 비트를 BER p를 만족하도록 수신한 후, BER q를 만족하도록 반복적 디코딩을 수행할 수도 있다.
예를 들어, 도 32를 참고하면, a는 오류 없이 디코딩된 비트 스트림을 의미하고, b는 BER p를 갖는 조직적 비트 스트림(systematic bit stream)을 의미하며, c는 BER q를 갖는 조직적 비트 스트림(systematic bit stream)을 의미할 수 있다. 여기서, b에서 오류가 발생하지 않은 부분은 a에서 비트를 선택할 수 있고, b에서 오류가 발생한 부분은 c'으로 선택할 수 있으며, c'는 c에서 오류 없이 수신된 부분인 경우에는 1, 오류가 발생한 부분인 경우에는 0으로 선택할 수 있다.
한편, 복수 개의 목표 BER를 설정하는 방법으로, 폴라 코딩, LDPC 코딩, 터보 코딩 등 반복적 채널 디코딩(iterative channel decoding)을 목표 BER에 도달할 때까지 수행하는 방법을 고려할 수 있다. 또 다른 방법으로, 특정 BER에 부합하는 SNR에 대한 전력 제어 및 재전송을 고려할 수 있다. 또 다른 방법으로, 특정 BER에 부합하는 서로 다른 변조 및 코딩 기법(modulation and coding scheme, MCS)을 적용하는 방법을 고려할 수 있다. 여기서, 예를 들어, 목표 BER을 만족하지 못하면 재전송을 통해 목표 BER에 맞출 수 있다.
도 33은 본 명세서의 일부 구현에 따른 통신 장치의 신호 랜덤화 방법의 일례에 대한 순서도이다.
도 33을 참고하면, 통신 장치는 신호를 수신한다(S3310). 여기서, 상기 통신 장치는 단말 또는 기지국일 수 있다. 또한 여기서, 상기 통신 장치는 엣지 서버 또는 엣지 장치일 수 있다. 또한 여기서, 상기 신호는 특정한 값의 비트 오류율(bit error rate, BER)을 갖는 신호일 수 있다.
이후, 상기 통신 장치는 상기 신호에 기반하여 랜덤화된 신호를 생성한다(S3320). 여기서, 상기 랜덤화된 신호는 디코딩 및 BER 측정에 기반하여 생성될 수 있다. 또한 여기서, 상기 랜덤화된 신호는 비트 단위 랜덤화에 기반하여 생성될 수 있다. 구체적으로, 랜덤화된 신호는 도 30의 일례 또는 도 32의 일례에 기반하여 생성될 수 있다..
이후, 상기 통신 장치는 상기 랜덤화된 신호를 머신 러닝 서버로 전송한다(S3330).
본 명세서에 따르면, 물리 계층에서 차등 프라이버시 메커니즘을 제공하면 무선 채널의 진정한 랜덤성으로 인하여 애플리케이션에서 제공하는 의사 랜덤 매커니즘(pseudo random mechanism)보다 보안에 덜 취약하게 된다. 장치가 애플리케이션에서 랜덤화된 비트를 보내기 위해 연산하는 리소스가 필요 없게 되어 통신 지연이 감소하고 장치의 전력을 절약할 수 있다. 특히, 5G 이후 통신 기술에서 통신 속도가 증가 함에 따라 애플리케이션에서 랜덤화된 메커니즘을 수행하면 비용이 더욱 증가할 수 있으므로, 이러한 효과는 더욱 극대화될 수 있다.
또한, 통신 자원인 대역폭과 전력을 절약할 수 있다. 애플리케이션의 랜덤화된 비트를 통신으로 정확히 보내기 위해 사용할 대역폭과 전력은 매우 클 수 있다. 본 명세서에 따르면 통신 상의 자연적 잡음(nature noise)을 활용하므로 필요한 통신 자원이 크게 감소할 수 있다. 특히, 차등 프라이버시에 의해 전송되는 데이터는 익명화된 데이터가 될 확률이 매우 크다. 이 때, 장치의 네트워크 어드레싱(addressing)은 장치 단위가 아닌 프라이버시 측면에서 더 큰 서비스 카테고리 단위일 가능성이 있다. 이러한 경우, 기존의 어드레싱을 위한 프로토콜 계층이 장치에 반드시 필요하지 않을 수 있으며, 애플리케이션에서 물리 계층으로 바로 연결되어 동작하면 부가적인 비용을 감소시킬 수 있다.
본 명세서에 기재된 청구항들은 다양한 방식으로 조합될 수 있다. 예를 들어, 본 명세서의 방법 청구항의 기술적 특징이 조합되어 장치로 구현될 수 있고, 본 명세서의 장치 청구항의 기술적 특징이 조합되어 방법으로 구현될 수 있다. 또한, 본 명세서의 방법 청구항의 기술적 특징과 장치 청구항의 기술적 특징이 조합되어 장치로 구현될 수 있고, 본 명세서의 방법 청구항의 기술적 특징과 장치 청구항의 기술적 특징이 조합되어 방법으로 구현될 수 있다.
본 명세서에서 제안하는 방법들은 통신 장치를 기반으로 설명하였으나, 통신 장치 이외에도, 적어도 하나의 프로세서(processor)에 의해 실행됨을 기초로 하는 명령어(instruction)를 포함하는 적어도 하나의 컴퓨터로 읽을 수 있는 기록 매체(computer readable medium) 및 하나 이상의 프로세서 및 상기 하나 이상의 프로세서에 의해 실행 가능하게 연결되고, 및 명령들을 저장하는 하나 이상의 메모리를 포함하되, 상기 하나 이상의 프로세서는 상기 명령어들을 실행하여 본 명세서에서 제안하는 방법들을 수행하는, 통신 장치를 제어하도록 설정된 장치(apparatus)에 의해서도 수행될 수 있다. 또한, 본 명세서에서 제안하는 방법들에 따르면, 통신 장치가 수행하는 동작에 대응되는 다른 통신 장치에 의한 동작이 고려될 수 있음은 자명하다.
이하에서는 본 개시가 적용되는 통신 시스템의 예를 설명한다.
이로 제한되는 것은 아니지만, 본 문서에 개시된 본 개시의 다양한 설명, 기능, 절차, 제안, 방법 및/또는 동작 순서도들은 기기들간에 무선 통신/연결(예, 5G)을 필요로 하는 다양한 분야에 적용될 수 있다.
이하, 도면을 참조하여 보다 구체적으로 예시한다. 이하의 도면/설명에서 동일한 도면 부호는 다르게 기술하지 않는 한, 동일하거나 대응되는 하드웨어 블록, 소프트웨어 블록 또는 기능 블록을 예시할 수 있다.
도 34는 본 개시에 적용되는 통신 시스템(1)을 예시한다.
도 34를 참조하면, 본 개시에 적용되는 통신 시스템(1)은 무선 기기, 기지국 및 네트워크를 포함한다. 여기서, 무선 기기는 무선 접속 기술(예, 5G NR(New RAT), LTE(Long Term Evolution))을 이용하여 통신을 수행하는 기기를 의미하며, 통신/무선/5G 기기로 지칭될 수 있다. 이로 제한되는 것은 아니지만, 무선 기기는 로봇(100a), 차량(100b-1, 100b-2), XR(eXtended Reality) 기기(100c), 휴대 기기(Hand-held device)(100d), 가전(100e), IoT(Internet of Thing) 기기(100f), AI기기/서버(400)를 포함할 수 있다. 예를 들어, 차량은 무선 통신 기능이 구비된 차량, 자율 주행 차량, 차량간 통신을 수행할 수 있는 차량 등을 포함할 수 있다. 여기서, 차량은 UAV(Unmanned Aerial Vehicle)(예, 드론)를 포함할 수 있다. XR 기기는 AR(Augmented Reality)/VR(Virtual Reality)/MR(Mixed Reality) 기기를 포함하며, HMD(Head-Mounted Device), 차량에 구비된 HUD(Head-Up Display), 텔레비전, 스마트폰, 컴퓨터, 웨어러블 디바이스, 가전 기기, 디지털 사이니지(signage), 차량, 로봇 등의 형태로 구현될 수 있다. 휴대 기기는 스마트폰, 스마트패드, 웨어러블 기기(예, 스마트워치, 스마트글래스), 컴퓨터(예, 노트북 등) 등을 포함할 수 있다. 가전은 TV, 냉장고, 세탁기 등을 포함할 수 있다. IoT 기기는 센서, 스마트미터 등을 포함할 수 있다. 예를 들어, 기지국, 네트워크는 무선 기기로도 구현될 수 있으며, 특정 무선 기기(200a)는 다른 무선 기기에게 기지국/네트워크 노드로 동작할 수도 있다.
무선 기기(100a~100f)는 기지국(200)을 통해 네트워크(300)와 연결될 수 있다. 무선 기기(100a~100f)에는 AI(Artificial Intelligence) 기술이 적용될 수 있으며, 무선 기기(100a~100f)는 네트워크(300)를 통해 AI 서버(400)와 연결될 수 있다. 네트워크(300)는 3G 네트워크, 4G(예, LTE) 네트워크 또는 5G(예, NR) 네트워크 등을 이용하여 구성될 수 있다. 무선 기기(100a~100f)는 기지국(200)/네트워크(300)를 통해 서로 통신할 수도 있지만, 기지국/네트워크를 통하지 않고 직접 통신(e.g. 사이드링크 통신(sidelink communication))할 수도 있다. 예를 들어, 차량들(100b-1, 100b-2)은 직접 통신(e.g. V2V(Vehicle to Vehicle)/V2X(Vehicle to everything) communication)을 할 수 있다. 또한, IoT 기기(예, 센서)는 다른 IoT 기기(예, 센서) 또는 다른 무선 기기(100a~100f)와 직접 통신을 할 수 있다.
무선 기기(100a~100f)/기지국(200), 기지국(200)/기지국(200) 간에는 무선 통신/연결(150a, 150b, 150c)이 이뤄질 수 있다. 여기서, 무선 통신/연결은 상향/하향링크 통신(150a)과 사이드링크 통신(150b)(또는, D2D 통신), 기지국간 통신(150c)(e.g. relay, IAB(Integrated Access Backhaul)과 같은 다양한 무선 접속 기술(예, 5G NR)을 통해 이뤄질 수 있다. 무선 통신/연결(150a, 150b, 150c)을 통해 무선 기기와 기지국/무선 기기, 기지국과 기지국은 서로 무선 신호를 송신/수신할 수 있다. 예를 들어, 무선 통신/연결(150a, 150b, 150c)은 다양한 물리 채널을 통해 신호를 송신/수신할 수 있다. 이를 위해, 본 개시의 다양한 제안들에 기반하여, 무선 신호의 송신/수신을 위한 다양한 구성정보 설정 과정, 다양한 신호 처리 과정(예, 채널 인코딩/디코딩, 변조/복조, 자원 매핑/디매핑 등), 자원 할당 과정 등 중 적어도 일부가 수행될 수 있다.
도 35는 본 개시에 적용될 수 있는 무선 기기를 예시한다.
도 35를 참조하면, 제1 무선 기기(100)와 제2 무선 기기(200)는 다양한 무선 접속 기술(예, LTE, NR)을 통해 무선 신호를 송수신할 수 있다. 여기서, {제1 무선 기기(100), 제2 무선 기기(200)}은 도 34의 {무선 기기(100x), 기지국(200)} 및/또는 {무선 기기(100x), 무선 기기(100x)}에 대응할 수 있다.
제1 무선 기기(100)는 하나 이상의 프로세서(102) 및 하나 이상의 메모리(104)를 포함하며, 추가적으로 하나 이상의 송수신기(106) 및/또는 하나 이상의 안테나(108)을 더 포함할 수 있다. 프로세서(102)는 메모리(104) 및/또는 송수신기(106)를 제어하며, 본 문서에 개시된 설명, 기능, 절차, 제안, 방법 및/또는 동작 순서도들을 구현하도록 구성될 수 있다. 예를 들어, 프로세서(102)는 메모리(104) 내의 정보를 처리하여 제1 정보/신호를 생성한 뒤, 송수신기(106)을 통해 제1 정보/신호를 포함하는 무선 신호를 전송할 수 있다. 또한, 프로세서(102)는 송수신기(106)를 통해 제2 정보/신호를 포함하는 무선 신호를 수신한 뒤, 제2 정보/신호의 신호 처리로부터 얻은 정보를 메모리(104)에 저장할 수 있다. 메모리(104)는 프로세서(102)와 연결될 수 있고, 프로세서(102)의 동작과 관련한 다양한 정보를 저장할 수 있다. 예를 들어, 메모리(104)는 프로세서(102)에 의해 제어되는 프로세스들 중 일부 또는 전부를 수행하거나, 본 문서에 개시된 설명, 기능, 절차, 제안, 방법 및/또는 동작 순서도들을 수행하기 위한 명령들을 포함하는 소프트웨어 코드를 저장할 수 있다. 여기서, 프로세서(102)와 메모리(104)는 무선 통신 기술(예, LTE, NR)을 구현하도록 설계된 통신 모뎀/회로/칩의 일부일 수 있다. 송수신기(106)는 프로세서(102)와 연결될 수 있고, 하나 이상의 안테나(108)를 통해 무선 신호를 송신 및/또는 수신할 수 있다. 송수신기(106)는 송신기 및/또는 수신기를 포함할 수 있다. 송수신기(106)는 RF(Radio Frequency) 유닛과 혼용될 수 있다. 본 개시에서 무선 기기는 통신 모뎀/회로/칩을 의미할 수도 있다.
제2 무선 기기(200)는 하나 이상의 프로세서(202), 하나 이상의 메모리(204)를 포함하며, 추가적으로 하나 이상의 송수신기(206) 및/또는 하나 이상의 안테나(208)를 더 포함할 수 있다. 프로세서(202)는 메모리(204) 및/또는 송수신기(206)를 제어하며, 본 문서에 개시된 설명, 기능, 절차, 제안, 방법 및/또는 동작 순서도들을 구현하도록 구성될 수 있다. 예를 들어, 프로세서(202)는 메모리(204) 내의 정보를 처리하여 제3 정보/신호를 생성한 뒤, 송수신기(206)를 통해 제3 정보/신호를 포함하는 무선 신호를 전송할 수 있다. 또한, 프로세서(202)는 송수신기(206)를 통해 제4 정보/신호를 포함하는 무선 신호를 수신한 뒤, 제4 정보/신호의 신호 처리로부터 얻은 정보를 메모리(204)에 저장할 수 있다. 메모리(204)는 프로세서(202)와 연결될 수 있고, 프로세서(202)의 동작과 관련한 다양한 정보를 저장할 수 있다. 예를 들어, 메모리(204)는 프로세서(202)에 의해 제어되는 프로세스들 중 일부 또는 전부를 수행하거나, 본 문서에 개시된 설명, 기능, 절차, 제안, 방법 및/또는 동작 순서도들을 수행하기 위한 명령들을 포함하는 소프트웨어 코드를 저장할 수 있다. 여기서, 프로세서(202)와 메모리(204)는 무선 통신 기술(예, LTE, NR)을 구현하도록 설계된 통신 모뎀/회로/칩의 일부일 수 있다. 송수신기(206)는 프로세서(202)와 연결될 수 있고, 하나 이상의 안테나(208)를 통해 무선 신호를 송신 및/또는 수신할 수 있다. 송수신기(206)는 송신기 및/또는 수신기를 포함할 수 있다 송수신기(206)는 RF 유닛과 혼용될 수 있다. 본 개시에서 무선 기기는 통신 모뎀/회로/칩을 의미할 수도 있다.
이하, 무선 기기(100, 200)의 하드웨어 요소에 대해 보다 구체적으로 설명한다. 이로 제한되는 것은 아니지만, 하나 이상의 프로토콜 계층이 하나 이상의 프로세서(102, 202)에 의해 구현될 수 있다. 예를 들어, 하나 이상의 프로세서(102, 202)는 하나 이상의 계층(예, PHY, MAC, RLC, PDCP, RRC, SDAP와 같은 기능적 계층)을 구현할 수 있다. 하나 이상의 프로세서(102, 202)는 본 문서에 개시된 설명, 기능, 절차, 제안, 방법 및/또는 동작 순서도들에 따라 하나 이상의 PDU(Protocol Data Unit) 및/또는 하나 이상의 SDU(Service Data Unit)를 생성할 수 있다. 하나 이상의 프로세서(102, 202)는 본 문서에 개시된 설명, 기능, 절차, 제안, 방법 및/또는 동작 순서도들에 따라 메시지, 제어정보, 데이터 또는 정보를 생성할 수 있다. 하나 이상의 프로세서(102, 202)는 본 문서에 개시된 기능, 절차, 제안 및/또는 방법에 따라 PDU, SDU, 메시지, 제어정보, 데이터 또는 정보를 포함하는 신호(예, 베이스밴드 신호)를 생성하여, 하나 이상의 송수신기(106, 206)에게 제공할 수 있다. 하나 이상의 프로세서(102, 202)는 하나 이상의 송수신기(106, 206)로부터 신호(예, 베이스밴드 신호)를 수신할 수 있고, 본 문서에 개시된 설명, 기능, 절차, 제안, 방법 및/또는 동작 순서도들에 따라 PDU, SDU, 메시지, 제어정보, 데이터 또는 정보를 획득할 수 있다.
하나 이상의 프로세서(102, 202)는 컨트롤러, 마이크로 컨트롤러, 마이크로 프로세서 또는 마이크로 컴퓨터로 지칭될 수 있다. 하나 이상의 프로세서(102, 202)는 하드웨어, 펌웨어, 소프트웨어, 또는 이들의 조합에 의해 구현될 수 있다. 일 예로, 하나 이상의 ASIC(Application Specific Integrated Circuit), 하나 이상의 DSP(Digital Signal Processor), 하나 이상의 DSPD(Digital Signal Processing Device), 하나 이상의 PLD(Programmable Logic Device) 또는 하나 이상의 FPGA(Field Programmable Gate Arrays)가 하나 이상의 프로세서(102, 202)에 포함될 수 있다. 본 문서에 개시된 설명, 기능, 절차, 제안, 방법 및/또는 동작 순서도들은 펌웨어 또는 소프트웨어를 사용하여 구현될 수 있고, 펌웨어 또는 소프트웨어는 모듈, 절차, 기능 등을 포함하도록 구현될 수 있다. 본 문서에 개시된 설명, 기능, 절차, 제안, 방법 및/또는 동작 순서도들은 수행하도록 설정된 펌웨어 또는 소프트웨어는 하나 이상의 프로세서(102, 202)에 포함되거나, 하나 이상의 메모리(104, 204)에 저장되어 하나 이상의 프로세서(102, 202)에 의해 구동될 수 있다. 본 문서에 개시된 설명, 기능, 절차, 제안, 방법 및/또는 동작 순서도들은 코드, 명령어 및/또는 명령어의 집합 형태로 펌웨어 또는 소프트웨어를 사용하여 구현될 수 있다.
하나 이상의 메모리(104, 204)는 하나 이상의 프로세서(102, 202)와 연결될 수 있고, 다양한 형태의 데이터, 신호, 메시지, 정보, 프로그램, 코드, 지시 및/또는 명령을 저장할 수 있다. 하나 이상의 메모리(104, 204)는 ROM, RAM, EPROM, 플래시 메모리, 하드 드라이브, 레지스터, 캐쉬 메모리, 컴퓨터 판독 저장 매체 및/또는 이들의 조합으로 구성될 수 있다. 하나 이상의 메모리(104, 204)는 하나 이상의 프로세서(102, 202)의 내부 및/또는 외부에 위치할 수 있다. 또한, 하나 이상의 메모리(104, 204)는 유선 또는 무선 연결과 같은 다양한 기술을 통해 하나 이상의 프로세서(102, 202)와 연결될 수 있다.
하나 이상의 송수신기(106, 206)는 하나 이상의 다른 장치에게 본 문서의 방법들 및/또는 동작 순서도 등에서 언급되는 사용자 데이터, 제어 정보, 무선 신호/채널 등을 전송할 수 있다. 하나 이상의 송수신기(106, 206)는 하나 이상의 다른 장치로부터 본 문서에 개시된 설명, 기능, 절차, 제안, 방법 및/또는 동작 순서도 등에서 언급되는 사용자 데이터, 제어 정보, 무선 신호/채널 등을 수신할 수 있다. 예를 들어, 하나 이상의 송수신기(106, 206)는 하나 이상의 프로세서(102, 202)와 연결될 수 있고, 무선 신호를 송수신할 수 있다. 예를 들어, 하나 이상의 프로세서(102, 202)는 하나 이상의 송수신기(106, 206)가 하나 이상의 다른 장치에게 사용자 데이터, 제어 정보 또는 무선 신호를 전송하도록 제어할 수 있다. 또한, 하나 이상의 프로세서(102, 202)는 하나 이상의 송수신기(106, 206)가 하나 이상의 다른 장치로부터 사용자 데이터, 제어 정보 또는 무선 신호를 수신하도록 제어할 수 있다. 또한, 하나 이상의 송수신기(106, 206)는 하나 이상의 안테나(108, 208)와 연결될 수 있고, 하나 이상의 송수신기(106, 206)는 하나 이상의 안테나(108, 208)를 통해 본 문서에 개시된 설명, 기능, 절차, 제안, 방법 및/또는 동작 순서도 등에서 언급되는 사용자 데이터, 제어 정보, 무선 신호/채널 등을 송수신하도록 설정될 수 있다. 본 문서에서, 하나 이상의 안테나는 복수의 물리 안테나이거나, 복수의 논리 안테나(예, 안테나 포트)일 수 있다. 하나 이상의 송수신기(106, 206)는 수신된 사용자 데이터, 제어 정보, 무선 신호/채널 등을 하나 이상의 프로세서(102, 202)를 이용하여 처리하기 위해, 수신된 무선 신호/채널 등을 RF 밴드 신호에서 베이스밴드 신호로 변환(Convert)할 수 있다. 하나 이상의 송수신기(106, 206)는 하나 이상의 프로세서(102, 202)를 이용하여 처리된 사용자 데이터, 제어 정보, 무선 신호/채널 등을 베이스밴드 신호에서 RF 밴드 신호로 변환할 수 있다. 이를 위하여, 하나 이상의 송수신기(106, 206)는 (아날로그) 오실레이터 및/또는 필터를 포함할 수 있다.
도 36은 전송 신호를 위한 신호 처리 회로를 예시한다.
도 36을 참조하면, 신호 처리 회로(1000)는 스크램블러(1010), 변조기(1020), 레이어 매퍼(1030), 프리코더(1040), 자원 매퍼(1050), 신호 생성기(1060)를 포함할 수 있다. 이로 제한되는 것은 아니지만, 도 36의 동작/기능은 도 35의 프로세서(102, 202) 및/또는 송수신기(106, 206)에서 수행될 수 있다. 도 36의 하드웨어 요소는 도 35의 프로세서(102, 202) 및/또는 송수신기(106, 206)에서 구현될 수 있다. 예를 들어, 블록 1010~1060은 도 35의 프로세서(102, 202)에서 구현될 수 있다. 또한, 블록 1010~1050은 도 35의 프로세서(102, 202)에서 구현되고, 블록 1060은 도 35의 송수신기(106, 206)에서 구현될 수 있다.
코드워드는 도 36의 신호 처리 회로(1000)를 거쳐 무선 신호로 변환될 수 있다. 여기서, 코드워드는 정보블록의 부호화된 비트 시퀀스이다. 정보블록은 전송블록(예, UL-SCH 전송블록, DL-SCH 전송블록)을 포함할 수 있다. 무선 신호는 다양한 물리 채널(예, PUSCH, PDSCH)을 통해 전송될 수 있다.
구체적으로, 코드워드는 스크램블러(1010)에 의해 스크램블된 비트 시퀀스로 변환될 수 있다. 스크램블에 사용되는 스크램블 시퀀스는 초기화 값에 기반하여 생성되며, 초기화 값은 무선 기기의 ID 정보 등이 포함될 수 있다. 스크램블된 비트 시퀀스는 변조기(1020)에 의해 변조 심볼 시퀀스로 변조될 수 있다. 변조 방식은 pi/2-BPSK(pi/2-Binary Phase Shift Keying), m-PSK(m-Phase Shift Keying), m-QAM(m-Quadrature Amplitude Modulation) 등을 포함할 수 있다. 복소 변조 심볼 시퀀스는 레이어 매퍼(1030)에 의해 하나 이상의 전송 레이어로 매핑될 수 있다. 각 전송 레이어의 변조 심볼들은 프리코더(1040)에 의해 해당 안테나 포트(들)로 매핑될 수 있다(프리코딩). 프리코더(1040)의 출력 z는 레이어 매퍼(1030)의 출력 y를 N*M의 프리코딩 행렬 W와 곱해 얻을 수 있다. 여기서, N은 안테나 포트의 개수, M은 전송 레이어의 개수이다. 여기서, 프리코더(1040)는 복소 변조 심볼들에 대한 트랜스폼(transform) 프리코딩(예, DFT 변환)을 수행한 이후에 프리코딩을 수행할 수 있다. 또한, 프리코더(1040)는 트랜스폼 프리코딩을 수행하지 않고 프리코딩을 수행할 수 있다.
자원 매퍼(1050)는 각 안테나 포트의 변조 심볼들을 시간-주파수 자원에 매핑할 수 있다. 시간-주파수 자원은 시간 도메인에서 복수의 심볼(예, CP-OFDMA 심볼, DFT-s-OFDMA 심볼)을 포함하고, 주파수 도메인에서 복수의 부반송파를 포함할 수 있다. 신호 생성기(1060)는 매핑된 변조 심볼들로부터 무선 신호를 생성하며, 생성된 무선 신호는 각 안테나를 통해 다른 기기로 전송될 수 있다. 이를 위해, 신호 생성기(1060)는 IFFT(Inverse Fast Fourier Transform) 모듈 및 CP(Cyclic Prefix) 삽입기, DAC(Digital-to-Analog Converter), 주파수 상향 변환기(frequency uplink converter) 등을 포함할 수 있다.
무선 기기에서 수신 신호를 위한 신호 처리 과정은 도 36의 신호 처리 과정(1010~1060)의 역으로 구성될 수 있다. 예를 들어, 무선 기기(예, 도 35의 100, 200)는 안테나 포트/송수신기를 통해 외부로부터 무선 신호를 수신할 수 있다. 수신된 무선 신호는 신호 복원기를 통해 베이스밴드 신호로 변환될 수 있다. 이를 위해, 신호 복원기는 주파수 하향 변환기(frequency downlink converter), ADC(analog-to-digital converter), CP 제거기, FFT(Fast Fourier Transform) 모듈을 포함할 수 있다. 이후, 베이스밴드 신호는 자원 디-매퍼 과정, 포스트코딩(postcoding) 과정, 복조 과정 및 디-스크램블 과정을 거쳐 코드워드로 복원될 수 있다. 코드워드는 복호(decoding)를 거쳐 원래의 정보블록으로 복원될 수 있다. 따라서, 수신 신호를 위한 신호 처리 회로(미도시)는 신호 복원기, 자원 디-매퍼, 포스트코더, 복조기, 디-스크램블러 및 복호기를 포함할 수 있다.
도 37은 본 개시에 적용되는 무선 기기의 다른 예를 나타낸다. 무선 기기는 사용-예/서비스에 따라 다양한 형태로 구현될 수 있다(도 34 참조).
도 37을 참조하면, 무선 기기(100, 200)는 도 35의 무선 기기(100,200)에 대응하며, 다양한 요소(element), 성분(component), 유닛/부(unit), 및/또는 모듈(module)로 구성될 수 있다. 예를 들어, 무선 기기(100, 200)는 통신부(110), 제어부(120), 메모리부(130) 및 추가 요소(140)를 포함할 수 있다. 통신부는 통신 회로(112) 및 송수신기(들)(114)을 포함할 수 있다. 예를 들어, 통신 회로(112)는 도 35의 하나 이상의 프로세서(102,202) 및/또는 하나 이상의 메모리(104,204) 를 포함할 수 있다. 예를 들어, 송수신기(들)(114)는 도 35의 하나 이상의 송수신기(106,206) 및/또는 하나 이상의 안테나(108,208)을 포함할 수 있다. 제어부(120)는 통신부(110), 메모리부(130) 및 추가 요소(140)와 전기적으로 연결되며 무선 기기의 제반 동작을 제어한다. 예를 들어, 제어부(120)는 메모리부(130)에 저장된 프로그램/코드/명령/정보에 기반하여 무선 기기의 전기적/기계적 동작을 제어할 수 있다. 또한, 제어부(120)는 메모리부(130)에 저장된 정보를 통신부(110)을 통해 외부(예, 다른 통신 기기)로 무선/유선 인터페이스를 통해 전송하거나, 통신부(110)를 통해 외부(예, 다른 통신 기기)로부터 무선/유선 인터페이스를 통해 수신된 정보를 메모리부(130)에 저장할 수 있다.
추가 요소(140)는 무선 기기의 종류에 따라 다양하게 구성될 수 있다. 예를 들어, 추가 요소(140)는 파워 유닛/배터리, 입출력부(I/O unit), 구동부 및 컴퓨팅부 중 적어도 하나를 포함할 수 있다. 이로 제한되는 것은 아니지만, 무선 기기는 로봇(도 34, 100a), 차량(도 34, 100b-1, 100b-2), XR 기기(도 34, 100c), 휴대 기기(도 34, 100d), 가전(도 34, 100e), IoT 기기(도 34, 100f), 디지털 방송용 단말, 홀로그램 장치, 공공 안전 장치, MTC 장치, 의료 장치, 핀테크 장치(또는 금융 장치), 보안 장치, 기후/환경 장치, AI 서버/기기(도 34, 400), 기지국(도 34, 200), 네트워크 노드 등의 형태로 구현될 수 있다. 무선 기기는 사용-예/서비스에 따라 이동 가능하거나 고정된 장소에서 사용될 수 있다.
도 37에서 무선 기기(100, 200) 내의 다양한 요소, 성분, 유닛/부, 및/또는 모듈은 전체가 유선 인터페이스를 통해 상호 연결되거나, 적어도 일부가 통신부(110)를 통해 무선으로 연결될 수 있다. 예를 들어, 무선 기기(100, 200) 내에서 제어부(120)와 통신부(110)는 유선으로 연결되며, 제어부(120)와 제1 유닛(예, 130, 140)은 통신부(110)를 통해 무선으로 연결될 수 있다. 또한, 무선 기기(100, 200) 내의 각 요소, 성분, 유닛/부, 및/또는 모듈은 하나 이상의 요소를 더 포함할 수 있다. 예를 들어, 제어부(120)는 하나 이상의 프로세서 집합으로 구성될 수 있다. 예를 들어, 제어부(120)는 통신 제어 프로세서, 어플리케이션 프로세서(Application processor), ECU(Electronic Control Unit), 그래픽 처리 프로세서, 메모리 제어 프로세서 등의 집합으로 구성될 수 있다. 다른 예로, 메모리부(130)는 RAM(Random Access Memory), DRAM(Dynamic RAM), ROM(Read Only Memory), 플래시 메모리(flash memory), 휘발성 메모리(volatile memory), 비-휘발성 메모리(non-volatile memory) 및/또는 이들의 조합으로 구성될 수 있다.
이하, 도 37의 구현 예에 대해 도면을 참조하여 보다 자세히 설명한다.
도 38은 본 개시에 적용되는 휴대 기기를 예시한다. 휴대 기기는 스마트폰, 스마트패드, 웨어러블 기기(예, 스마트워치, 스마트글래스), 휴대용 컴퓨터(예, 노트북 등)을 포함할 수 있다. 휴대 기기는 MS(Mobile Station), UT(user terminal), MSS(Mobile Subscriber Station), SS(Subscriber Station), AMS(Advanced Mobile Station) 또는 WT(Wireless terminal)로 지칭될 수 있다.
도 38을 참조하면, 휴대 기기(100)는 안테나부(108), 통신부(110), 제어부(120), 메모리부(130), 전원공급부(140a), 인터페이스부(140b) 및 입출력부(140c)를 포함할 수 있다. 안테나부(108)는 통신부(110)의 일부로 구성될 수 있다. 블록 110~130/140a~140c는 각각 도 37의 블록 110~130/140에 대응한다.
통신부(110)는 다른 무선 기기, 기지국들과 신호(예, 데이터, 제어 신호 등)를 송수신할 수 있다. 제어부(120)는 휴대 기기(100)의 구성 요소들을 제어하여 다양한 동작을 수행할 수 있다. 제어부(120)는 AP(Application Processor)를 포함할 수 있다. 메모리부(130)는 휴대 기기(100)의 구동에 필요한 데이터/파라미터/프로그램/코드/명령을 저장할 수 있다. 또한, 메모리부(130)는 입/출력되는 데이터/정보 등을 저장할 수 있다. 전원공급부(140a)는 휴대 기기(100)에게 전원을 공급하며, 유/무선 충전 회로, 배터리 등을 포함할 수 있다. 인터페이스부(140b)는 휴대 기기(100)와 다른 외부 기기의 연결을 지원할 수 있다. 인터페이스부(140b)는 외부 기기와의 연결을 위한 다양한 포트(예, 오디오 입/출력 포트, 비디오 입/출력 포트)를 포함할 수 있다. 입출력부(140c)는 영상 정보/신호, 오디오 정보/신호, 데이터, 및/또는 사용자로부터 입력되는 정보를 입력 받거나 출력할 수 있다. 입출력부(140c)는 카메라, 마이크로폰, 사용자 입력부, 디스플레이부(140d), 스피커 및/또는 햅틱 모듈 등을 포함할 수 있다.
일 예로, 데이터 통신의 경우, 입출력부(140c)는 사용자로부터 입력된 정보/신호(예, 터치, 문자, 음성, 이미지, 비디오)를 획득하며, 획득된 정보/신호는 메모리부(130)에 저장될 수 있다. 통신부(110)는 메모리에 저장된 정보/신호를 무선 신호로 변환하고, 변환된 무선 신호를 다른 무선 기기에게 직접 전송하거나 기지국에게 전송할 수 있다. 또한, 통신부(110)는 다른 무선 기기 또는 기지국으로부터 무선 신호를 수신한 뒤, 수신된 무선 신호를 원래의 정보/신호로 복원할 수 있다. 복원된 정보/신호는 메모리부(130)에 저장된 뒤, 입출력부(140c)를 통해 다양한 형태(예, 문자, 음성, 이미지, 비디오, 헵틱)로 출력될 수 있다.
도 39는 본 개시에 적용되는 차량 또는 자율 주행 차량을 예시한다. 차량 또는 자율 주행 차량은 이동형 로봇, 차량, 기차, 유/무인 비행체(Aerial Vehicle, AV), 선박 등으로 구현될 수 있다.
도 39를 참조하면, 차량 또는 자율 주행 차량(100)은 안테나부(108), 통신부(110), 제어부(120), 구동부(140a), 전원공급부(140b), 센서부(140c) 및 자율 주행부(140d)를 포함할 수 있다. 안테나부(108)는 통신부(110)의 일부로 구성될 수 있다. 블록 110/130/140a~140d는 각각 도 37의 블록 110/130/140에 대응한다.
통신부(110)는 다른 차량, 기지국(e.g. 기지국, 노변 기지국(Road Side unit) 등), 서버 등의 외부 기기들과 신호(예, 데이터, 제어 신호 등)를 송수신할 수 있다. 제어부(120)는 차량 또는 자율 주행 차량(100)의 요소들을 제어하여 다양한 동작을 수행할 수 있다. 제어부(120)는 ECU(Electronic Control Unit)를 포함할 수 있다. 구동부(140a)는 차량 또는 자율 주행 차량(100)을 지상에서 주행하게 할 수 있다. 구동부(140a)는 엔진, 모터, 파워 트레인, 바퀴, 브레이크, 조향 장치 등을 포함할 수 있다. 전원공급부(140b)는 차량 또는 자율 주행 차량(100)에게 전원을 공급하며, 유/무선 충전 회로, 배터리 등을 포함할 수 있다. 센서부(140c)는 차량 상태, 주변 환경 정보, 사용자 정보 등을 얻을 수 있다. 센서부(140c)는 IMU(inertial measurement unit) 센서, 충돌 센서, 휠 센서(wheel sensor), 속도 센서, 경사 센서, 중량 감지 센서, 헤딩 센서(heading sensor), 포지션 모듈(position module), 차량 전진/후진 센서, 배터리 센서, 연료 센서, 타이어 센서, 스티어링 센서, 온도 센서, 습도 센서, 초음파 센서, 조도 센서, 페달 포지션 센서 등을 포함할 수 있다. 자율 주행부(140d)는 주행중인 차선을 유지하는 기술, 어댑티브 크루즈 컨트롤과 같이 속도를 자동으로 조절하는 기술, 정해진 경로를 따라 자동으로 주행하는 기술, 목적지가 설정되면 자동으로 경로를 설정하여 주행하는 기술 등을 구현할 수 있다.
일 예로, 통신부(110)는 외부 서버로부터 지도 데이터, 교통 정보 데이터 등을 수신할 수 있다. 자율 주행부(140d)는 획득된 데이터를 기반으로 자율 주행 경로와 드라이빙 플랜을 생성할 수 있다. 제어부(120)는 드라이빙 플랜에 따라 차량 또는 자율 주행 차량(100)이 자율 주행 경로를 따라 이동하도록 구동부(140a)를 제어할 수 있다(예, 속도/방향 조절). 자율 주행 도중에 통신부(110)는 외부 서버로부터 최신 교통 정보 데이터를 비/주기적으로 획득하며, 주변 차량으로부터 주변 교통 정보 데이터를 획득할 수 있다. 또한, 자율 주행 도중에 센서부(140c)는 차량 상태, 주변 환경 정보를 획득할 수 있다. 자율 주행부(140d)는 새로 획득된 데이터/정보에 기반하여 자율 주행 경로와 드라이빙 플랜을 갱신할 수 있다. 통신부(110)는 차량 위치, 자율 주행 경로, 드라이빙 플랜 등에 관한 정보를 외부 서버로 전달할 수 있다. 외부 서버는 차량 또는 자율 주행 차량들로부터 수집된 정보에 기반하여, AI 기술 등을 이용하여 교통 정보 데이터를 미리 예측할 수 있고, 예측된 교통 정보 데이터를 차량 또는 자율 주행 차량들에게 제공할 수 있다.
도 40은 본 개시에 적용되는 차량을 예시한다. 차량은 운송수단, 기차, 비행체, 선박 등으로도 구현될 수 있다.
도 40을 참조하면, 차량(100)은 통신부(110), 제어부(120), 메모리부(130), 입출력부(140a) 및 위치 측정부(140b)를 포함할 수 있다. 여기서, 블록 110~130/140a~140b는 각각 도 37의 블록 110~130/140에 대응한다.
통신부(110)는 다른 차량, 또는 기지국 등의 외부 기기들과 신호(예, 데이터, 제어 신호 등)를 송수신할 수 있다. 제어부(120)는 차량(100)의 구성 요소들을 제어하여 다양한 동작을 수행할 수 있다. 메모리부(130)는 차량(100)의 다양한 기능을 지원하는 데이터/파라미터/프로그램/코드/명령을 저장할 수 있다. 입출력부(140a)는 메모리부(130) 내의 정보에 기반하여 AR/VR 오브젝트를 출력할 수 있다. 입출력부(140a)는 HUD를 포함할 수 있다. 위치 측정부(140b)는 차량(100)의 위치 정보를 획득할 수 있다. 위치 정보는 차량(100)의 절대 위치 정보, 주행선 내에서의 위치 정보, 가속도 정보, 주변 차량과의 위치 정보 등을 포함할 수 있다. 위치 측정부(140b)는 GPS 및 다양한 센서들을 포함할 수 있다.
일 예로, 차량(100)의 통신부(110)는 외부 서버로부터 지도 정보, 교통 정보 등을 수신하여 메모리부(130)에 저장할 수 있다. 위치 측정부(140b)는 GPS 및 다양한 센서를 통하여 차량 위치 정보를 획득하여 메모리부(130)에 저장할 수 있다. 제어부(120)는 지도 정보, 교통 정보 및 차량 위치 정보 등에 기반하여 가상 오브젝트를 생성하고, 입출력부(140a)는 생성된 가상 오브젝트를 차량 내 유리창에 표시할 수 있다(1410, 1420). 또한, 제어부(120)는 차량 위치 정보에 기반하여 차량(100)이 주행선 내에서 정상적으로 운행되고 있는지 판단할 수 있다. 차량(100)이 주행선을 비정상적으로 벗어나는 경우, 제어부(120)는 입출력부(140a)를 통해 차량 내 유리창에 경고를 표시할 수 있다. 또한, 제어부(120)는 통신부(110)를 통해 주변 차량들에게 주행 이상에 관한 경고 메세지를 방송할 수 있다. 상황에 따라, 제어부(120)는 통신부(110)를 통해 관계 기관에게 차량의 위치 정보와, 주행/차량 이상에 관한 정보를 전송할 수 있다.
도 41은 본 개시에 적용되는 XR 기기를 예시한다. XR 기기는 HMD, 차량에 구비된 HUD(Head-Up Display), 텔레비전, 스마트폰, 컴퓨터, 웨어러블 디바이스, 가전 기기, 디지털 사이니지(signage), 차량, 로봇 등으로 구현될 수 있다.
도 41을 참조하면, XR 기기(100a)는 통신부(110), 제어부(120), 메모리부(130), 입출력부(140a), 센서부(140b) 및 전원공급부(140c)를 포함할 수 있다. 여기서, 블록 110~130/140a~140c은 각각 도 37의 블록 110~130/140에 대응한다.
통신부(110)는 다른 무선 기기, 휴대 기기, 또는 미디어 서버 등의 외부 기기들과 신호(예, 미디어 데이터, 제어 신호 등)를 송수신할 수 있다. 미디어 데이터는 영상, 이미지, 소리 등을 포함할 수 있다. 제어부(120)는 XR 기기(100a)의 구성 요소들을 제어하여 다양한 동작을 수행할 수 있다. 예를 들어, 제어부(120)는 비디오/이미지 획득, (비디오/이미지) 인코딩, 메타데이터 생성 및 처리 등의 절차를 제어 및/또는 수행하도록 구성될 수 있다. 메모리부(130)는 XR 기기(100a)의 구동/XR 오브젝트의 생성에 필요한 데이터/파라미터/프로그램/코드/명령을 저장할 수 있다. 입출력부(140a)는 외부로부터 제어 정보, 데이터 등을 획득하며, 생성된 XR 오브젝트를 출력할 수 있다. 입출력부(140a)는 카메라, 마이크로폰, 사용자 입력부, 디스플레이부, 스피커 및/또는 햅틱 모듈 등을 포함할 수 있다. 센서부(140b)는 XR 기기 상태, 주변 환경 정보, 사용자 정보 등을 얻을 수 있다. 센서부(140b)는 근접 센서, 조도 센서, 가속도 센서, 자기 센서, 자이로 센서, 관성 센서, RGB 센서, IR 센서, 지문 인식 센서, 초음파 센서, 광 센서, 마이크로폰 및/또는 레이더 등을 포함할 수 있다. 전원공급부(140c)는 XR 기기(100a)에게 전원을 공급하며, 유/무선 충전 회로, 배터리 등을 포함할 수 있다.
일 예로, XR 기기(100a)의 메모리부(130)는 XR 오브젝트(예, AR/VR/MR 오브젝트)의 생성에 필요한 정보(예, 데이터 등)를 포함할 수 있다. 입출력부(140a)는 사용자로부터 XR 기기(100a)를 조작하는 명령을 회득할 수 있으며, 제어부(120)는 사용자의 구동 명령에 따라 XR 기기(100a)를 구동시킬 수 있다. 예를 들어, 사용자가 XR 기기(100a)를 통해 영화, 뉴스 등을 시청하려고 하는 경우, 제어부(120)는 통신부(130)를 통해 컨텐츠 요청 정보를 다른 기기(예, 휴대 기기(100b)) 또는 미디어 서버에 전송할 수 있다. 통신부(130)는 다른 기기(예, 휴대 기기(100b)) 또는 미디어 서버로부터 영화, 뉴스 등의 컨텐츠를 메모리부(130)로 다운로드/스트리밍 받을 수 있다. 제어부(120)는 컨텐츠에 대해 비디오/이미지 획득, (비디오/이미지) 인코딩, 메타데이터 생성/처리 등의 절차를 제어 및/또는 수행하며, 입출력부(140a)/센서부(140b)를 통해 획득한 주변 공간 또는 현실 오브젝트에 대한 정보에 기반하여 XR 오브젝트를 생성/출력할 수 있다.
또한, XR 기기(100a)는 통신부(110)를 통해 휴대 기기(100b)와 무선으로 연결되며, XR 기기(100a)의 동작은 휴대 기기(100b)에 의해 제어될 수 있다. 예를 들어, 휴대 기기(100b)는 XR 기기(100a)에 대한 콘트롤러로 동작할 수 있다. 이를 위해, XR 기기(100a)는 휴대 기기(100b)의 3차원 위치 정보를 획득한 뒤, 휴대 기기(100b)에 대응하는 XR 개체를 생성하여 출력할 수 있다.
도 42는 본 개시에 적용되는 로봇을 예시한다. 로봇은 사용 목적이나 분야에 따라 산업용, 의료용, 가정용, 군사용 등으로 분류될 수 있다.
도 42를 참조하면, 로봇(100)은 통신부(110), 제어부(120), 메모리부(130), 입출력부(140a), 센서부(140b) 및 구동부(140c)를 포함할 수 있다. 여기서, 블록 110~130/140a~140c은 각각 도 37의 블록 110~130/140에 대응한다.
통신부(110)는 다른 무선 기기, 다른 로봇, 또는 제어 서버 등의 외부 기기들과 신호(예, 구동 정보, 제어 신호 등)를 송수신할 수 있다. 제어부(120)는 로봇(100)의 구성 요소들을 제어하여 다양한 동작을 수행할 수 있다. 메모리부(130)는 로봇(100)의 다양한 기능을 지원하는 데이터/파라미터/프로그램/코드/명령을 저장할 수 있다. 입출력부(140a)는 로봇(100)의 외부로부터 정보를 획득하며, 로봇(100)의 외부로 정보를 출력할 수 있다. 입출력부(140a)는 카메라, 마이크로폰, 사용자 입력부, 디스플레이부, 스피커 및/또는 햅틱 모듈 등을 포함할 수 있다. 센서부(140b)는 로봇(100)의 내부 정보, 주변 환경 정보, 사용자 정보 등을 얻을 수 있다. 센서부(140b)는 근접 센서, 조도 센서, 가속도 센서, 자기 센서, 자이로 센서, 관성 센서, IR 센서, 지문 인식 센서, 초음파 센서, 광 센서, 마이크로폰, 레이더 등을 포함할 수 있다. 구동부(140c)는 로봇 관절을 움직이는 등의 다양한 물리적 동작을 수행할 수 있다. 또한, 구동부(140c)는 로봇(100)을 지상에서 주행하거나 공중에서 비행하게 할 수 있다. 구동부(140c)는 액츄에이터, 모터, 바퀴, 브레이크, 프로펠러 등을 포함할 수 있다.
도 43은 본 개시에 적용되는 AI 기기를 예시한다. AI 기기는 TV, 프로젝터, 스마트폰, PC, 노트북, 디지털방송용 단말기, 태블릿 PC, 웨어러블 장치, 셋톱박스(STB), 라디오, 세탁기, 냉장고, 디지털 사이니지, 로봇, 차량 등과 같은, 고정형 기기 또는 이동 가능한 기기 등으로 구현될 수 있다.
도 43을 참조하면, AI 기기(100)는 통신부(110), 제어부(120), 메모리부(130), 입/출력부(140a/140b), 러닝 프로세서부(140c) 및 센서부(140d)를 포함할 수 있다. 블록 110~130/140a~140d는 각각 도 37의 블록 110~130/140에 대응한다.
통신부(110)는 유무선 통신 기술을 이용하여 다른 AI 기기(예, 도 34, 100x, 200, 400)나 AI 서버(예, 도 34의 400) 등의 외부 기기들과 유무선 신호(예, 센서 정보, 사용자 입력, 학습 모델, 제어 신호 등)를 송수신할 수 있다. 이를 위해, 통신부(110)는 메모리부(130) 내의 정보를 외부 기기로 전송하거나, 외부 기기로부터 수신된 신호를 메모리부(130)로 전달할 수 있다.
제어부(120)는 데이터 분석 알고리즘 또는 머신 러닝 알고리즘을 사용하여 결정되거나 생성된 정보에 기초하여, AI 기기(100)의 적어도 하나의 실행 가능한 동작을 결정할 수 있다. 그리고, 제어부(120)는 AI 기기(100)의 구성 요소들을 제어하여 결정된 동작을 수행할 수 있다. 예를 들어, 제어부(120)는 러닝 프로세서부(140c) 또는 메모리부(130)의 데이터를 요청, 검색, 수신 또는 활용할 수 있고, 적어도 하나의 실행 가능한 동작 중 예측되는 동작이나, 바람직한 것으로 판단되는 동작을 실행하도록 AI 기기(100)의 구성 요소들을 제어할 수 있다. 또한, 제어부(120)는 AI 장치(100)의 동작 내용이나 동작에 대한 사용자의 피드백 등을 포함하는 이력 정보를 수집하여 메모리부(130) 또는 러닝 프로세서부(140c)에 저장하거나, AI 서버(도 34, 400) 등의 외부 장치에 전송할 수 있다. 수집된 이력 정보는 학습 모델을 갱신하는데 이용될 수 있다.
메모리부(130)는 AI 기기(100)의 다양한 기능을 지원하는 데이터를 저장할 수 있다. 예를 들어, 메모리부(130)는 입력부(140a)로부터 얻은 데이터, 통신부(110)로부터 얻은 데이터, 러닝 프로세서부(140c)의 출력 데이터, 및 센싱부(140)로부터 얻은 데이터를 저장할 수 있다. 또한, 메모리부(130)는 제어부(120)의 동작/실행에 필요한 제어 정보 및/또는 소프트웨어 코드를 저장할 수 있다.
입력부(140a)는 AI 기기(100)의 외부로부터 다양한 종류의 데이터를 획득할 수 있다. 예를 들어, 입력부(140a)는 모델 학습을 위한 학습 데이터, 및 학습 모델이 적용될 입력 데이터 등을 획득할 수 있다. 입력부(140a)는 카메라, 마이크로폰 및/또는 사용자 입력부 등을 포함할 수 있다. 출력부(140b)는 시각, 청각 또는 촉각 등과 관련된 출력을 발생시킬 수 있다. 출력부(140b)는 디스플레이부, 스피커 및/또는 햅틱 모듈 등을 포함할 수 있다. 센싱부(140)는 다양한 센서들을 이용하여 AI 기기(100)의 내부 정보, AI 기기(100)의 주변 환경 정보 및 사용자 정보 중 적어도 하나를 얻을 수 있다. 센싱부(140)는 근접 센서, 조도 센서, 가속도 센서, 자기 센서, 자이로 센서, 관성 센서, RGB 센서, IR 센서, 지문 인식 센서, 초음파 센서, 광 센서, 마이크로폰 및/또는 레이더 등을 포함할 수 있다.
러닝 프로세서부(140c)는 학습 데이터를 이용하여 인공 신경망으로 구성된 모델을 학습시킬 수 있다. 러닝 프로세서부(140c)는 AI 서버(도 34, 400)의 러닝 프로세서부와 함께 AI 프로세싱을 수행할 수 있다. 러닝 프로세서부(140c)는 통신부(110)를 통해 외부 기기로부터 수신된 정보, 및/또는 메모리부(130)에 저장된 정보를 처리할 수 있다. 또한, 러닝 프로세서부(140c)의 출력 값은 통신부(110)를 통해 외부 기기로 전송되거나/되고, 메모리부(130)에 저장될 수 있다.
Claims (15)
- 통신 장치에 의해 수행되는 신호 랜덤화 방법에 있어서,
랜덤 접속 프리앰블을 서빙 셀로부터 수신하고,
랜덤 접속 응답을 상기 서빙 셀로 전송하고,
상기 서빙 셀로부터 신호를 수신하고, 상기 신호는 제1 값의 비트 오류율(bit error rate: BER)을 갖고,
상기 신호에 기반하여 랜덤화된 신호를 생성하고, 및
상기 랜덤화된 신호를 머신 러닝 서버로 전송하되,
상기 랜덤화된 신호는 BER 측정 및 디코딩에 기반하여 생성되고 것을 특징으로 하는 방법. - 제1항에 있어서,
상기 랜덤화된 신호는 상기 제1 값의 BER에 의해 오류가 발생하지 않은 비트 및 상기 제1 값의 BER에 의해 오류가 발생한 비트를 포함하는 것을 특징으로 하는 방법. - 제2항에 있어서,
상기 오류가 발생하지 않은 비트는 변경 없이 상기 랜덤화된 신호에 포함되고,
상기 오류가 발생한 비트는 제2 값의 BER에 기반하여 0 또는 1로 변경되어 상기 랜덤화된 신호에 포함되는 것을 특징으로 하는 방법. - 제3항에 있어서,
상기 제1 값의 BER 및 상기 제2 값의 BER은 상기 신호의 전송 전력에 기반하여 결정되는 것을 특징으로 하는 방법. - 제3항에 있어서,
상기 제2 값의 BER은 반복적 디코딩(iterative decoding)에 기반하여 결정되는 것을 특징으로 하는 방법. - 제3항에 있어서,
상기 제1 값의 BER 및 상기 제2 값의 BER은 상기 신호의 변조 및 코딩 기법(modulation and coding scheme: MCS)에 기반하여 결정되는 것을 특징으로 하는 방법. - 제3항에 있어서,
상기 제2 값의 BER은 상기 신호의 재전송에 기반하여 결정되는 것을 특징으로 하는 방법. - 제1항에 있어서,
상기 랜덤화된 신호는 상기 통신 장치의 물리 계층에서 생성되고,
상기 랜덤화된 신호는 상기 물리 계층에서 애플리케이션 계층(application layer)으로 직접 전송되는 것을 특징으로 하는 방법. - 제1항에 있어서,
상기 랜덤화된 신호는 ε-차등 프라이버시(differential privacy)를 만족하는 것을 특징으로 하는 방법. - 제1항에 있어서,
상기 디코딩은 반복적 디코딩(iterative decoding)인 것을 특징으로 하는 방법. - 통신 장치는,
명령어들을 저장하는 하나 이상의 메모리;
하나 이상의 송수신기; 및
상기 하나 이상의 메모리와 상기 하나 이상의 송수신기를 연결하는 하나 이상의 프로세서를 포함하되, 상기 하나 이상의 프로세서는 상기 명령어들을 실행하여,
랜덤 접속 프리앰블을 서빙 셀로부터 수신하고,
랜덤 접속 응답을 상기 서빙 셀로 전송하고,
상기 서빙 셀로부터 신호를 수신하고, 상기 신호는 제1 값의 비트 오류율(bit error rate: BER)을 갖고,
상기 신호에 기반하여 랜덤화된 신호를 생성하고, 및
상기 랜덤화된 신호를 머신 러닝 서버로 전송하되,
상기 랜덤화된 신호는 BER 측정 및 디코딩에 기반하여 생성되고 것을 특징으로 하는 장치. - 통신 장치를 제어하도록 설정된 장치(apparatus)에 있어서, 상기 장치는,
하나 이상의 프로세서; 및
상기 하나 이상의 프로세서에 의해 실행 가능하게 연결되고, 및 명령들을 저장하는 하나 이상의 메모리를 포함하되, 상기 하나 이상의 프로세서는 상기 명령어들을 실행하여,
랜덤 접속 프리앰블을 서빙 셀로부터 수신하고,
랜덤 접속 응답을 상기 서빙 셀로 전송하고,
상기 서빙 셀로부터 신호를 수신하고, 상기 신호는 제1 값의 비트 오류율(bit error rate: BER)을 갖고,
상기 신호에 기반하여 랜덤화된 신호를 생성하고, 및
상기 랜덤화된 신호를 머신 러닝 서버로 전송하되,
상기 랜덤화된 신호는 BER 측정 및 디코딩에 기반하여 생성되고 것을 특징으로 하는 장치. - 적어도 하나의 프로세서(processor)에 의해 실행됨을 기초로 하는 명령어(instruction)를 포함하는 적어도 하나의 컴퓨터로 읽을 수 있는 기록 매체(computer readable medium)에 있어서,
랜덤 접속 프리앰블을 서빙 셀로부터 수신하고,
랜덤 접속 응답을 상기 서빙 셀로 전송하고,
상기 서빙 셀로부터 신호를 수신하고, 상기 신호는 제1 값의 비트 오류율(bit error rate: BER)을 갖고,
상기 신호에 기반하여 랜덤화된 신호를 생성하고, 및
상기 랜덤화된 신호를 머신 러닝 서버로 전송하되,
상기 랜덤화된 신호는 BER 측정 및 디코딩에 기반하여 생성되고 것을 특징으로 하는 장치. - 통신 장치에 의해 수행되는 신호 전송 방법에 있어서,
랜덤 접속 프리앰블을 서빙 셀로부터 수신하고,
랜덤 접속 응답을 상기 서빙 셀로 전송하고,
상기 통신 장치의 애플리케이션 계층(application layer)으로부터 상기 통신 장치의 물리 계층(physical layer)으로 데이터를 전송하고, 및
상기 데이터가 포함된 신호를 전송하되,
상기 신호는 목표 비트 오류율(bit error rate: BER)을 만족하는 전송 전력을 갖는 것을 특징으로 하는 방법. - 통신 장치는,
명령어들을 저장하는 하나 이상의 메모리;
하나 이상의 송수신기; 및
상기 하나 이상의 메모리와 상기 하나 이상의 송수신기를 연결하는 하나 이상의 프로세서를 포함하되, 상기 하나 이상의 프로세서는 상기 명령어들을 실행하여,
랜덤 접속 프리앰블을 서빙 셀로부터 수신하고,
랜덤 접속 응답을 상기 서빙 셀로 전송하고,
상기 통신 장치의 애플리케이션 계층(application layer)으로부터 상기 통신 장치의 물리 계층(physical layer)으로 데이터를 전송하고, 및
상기 데이터가 포함된 신호를 전송하되,
상기 신호는 목표 비트 오류율(bit error rate: BER)을 만족하는 전송 전력을 갖는 것을 특징으로 하는 장치.
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| PCT/KR2020/010078 WO2022025321A1 (ko) | 2020-07-30 | 2020-07-30 | 통신 장치의 신호 랜덤화 방법 및 장치 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| KR20230045011A true KR20230045011A (ko) | 2023-04-04 |
Family
ID=80036458
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| KR1020237003130A KR20230045011A (ko) | 2020-07-30 | 2020-07-30 | 통신 장치의 신호 랜덤화 방법 및 장치 |
Country Status (3)
| Country | Link |
|---|---|
| US (1) | US20230276230A1 (ko) |
| KR (1) | KR20230045011A (ko) |
| WO (1) | WO2022025321A1 (ko) |
Families Citing this family (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US11973583B2 (en) * | 2020-11-12 | 2024-04-30 | Korea Advanced Institute Of Science And Technology | Communication method of heterogeneous distributed wireless network system, and heterogeneous distributed wireless network system |
| CN115242410B (zh) * | 2022-09-22 | 2022-11-29 | 合肥工业大学 | 一种基于量子随机数发生器的车内网身份认证方法 |
Family Cites Families (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US8718658B2 (en) * | 2009-06-25 | 2014-05-06 | Samsung Electronics Co., Ltd. | Communication system for distributedly managing interference using feedback message |
| US9735925B2 (en) * | 2014-08-10 | 2017-08-15 | Lg Electronics Inc. | Secure communication method and system based on bit error probability |
| US20190244138A1 (en) * | 2018-02-08 | 2019-08-08 | Apple Inc. | Privatized machine learning using generative adversarial networks |
| JP2019216327A (ja) * | 2018-06-12 | 2019-12-19 | 日本放送協会 | 送信装置、受信装置、ビット誤り率測定装置及びプログラム |
-
2020
- 2020-07-30 US US18/018,236 patent/US20230276230A1/en active Pending
- 2020-07-30 WO PCT/KR2020/010078 patent/WO2022025321A1/ko active Application Filing
- 2020-07-30 KR KR1020237003130A patent/KR20230045011A/ko unknown
Also Published As
| Publication number | Publication date |
|---|---|
| WO2022025321A1 (ko) | 2022-02-03 |
| US20230276230A1 (en) | 2023-08-31 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| US20220393781A1 (en) | Method and apparatus for estimating channel in wireless communication system | |
| US20230396362A1 (en) | Method and device for performing retransmission in wireless communication system | |
| KR20230066020A (ko) | 통신 시스템에서 연합 학습을 수행하기 위한 방법 및 장치 | |
| KR20230025854A (ko) | 무선 통신 시스템에서 데이터를 송수신하는 방법 및 이를 위한 장치 | |
| KR20230062553A (ko) | 압축 연합 학습 수행 방법 및 장치 | |
| KR20230053628A (ko) | 자율 주행 시스템에서 v2x 통신 장치의 강화 학습 수행 방법 | |
| KR20230042206A (ko) | 무선 통신 시스템에서 다중 안테나를 이용하여 신호를 송신 및 수신하기 위한 방법 및 장치 | |
| KR20230043076A (ko) | 무선 통신 시스템에서 단말 및 기지국의 신호 송수신 방법 및 장치 | |
| US20230276230A1 (en) | Signal randomization method and device of communication apparatus | |
| KR20230079112A (ko) | 연합 러닝에 대한 데이터 분할 기반 모듈레이션 방법 및 장치 | |
| KR20230058400A (ko) | 선택적 가중치 전송에 기반한 연합 학습 방법 및 그 단말 | |
| KR20230095909A (ko) | 무선 통신 시스템에서 채널 인코딩 및 디코딩을 수행하기 위한 방법 및 장치 | |
| KR20230088670A (ko) | 무선 통신 시스템에서 다중 안테나를 이용하여 신호를 송신 및 수신하기 위한 방법 및 장치 | |
| KR20230039595A (ko) | 무선 통신 시스템에서 주파수 도메인 채널 추정을 위한 uw 생성 방법 및 장치 | |
| KR20230020937A (ko) | 무선 통신 시스템에서 고주파 대역의 상향링크 신호를 송수신하는 방법 및 이를 위한 장치 | |
| US20230389001A1 (en) | Method and device for performing feedback by terminal and base station in wireless communication system | |
| US20230397018A1 (en) | Digital aircomp signaling | |
| KR20230031892A (ko) | 오토 인코더를 이용하는 무선 통신 시스템에서 신호를 송수신하기 위한 방법 및 이를 위한 장치 | |
| KR20230052844A (ko) | 무선 통신 시스템에서 단말 및 기지국의 신호 송수신 방법 및 장치 | |
| KR20230036057A (ko) | 무선 통신 시스템에서 단말 및 기지국의 채널 코딩 수행 방법 및 장치 | |
| KR20230058315A (ko) | 무선 통신 시스템에서 핸드오버를 수행하기 위한 방법 및 장치 | |
| KR20230051222A (ko) | 무선 통신 시스템에서 빔 탐색을 위한 신호의 송수신 방법 및 그 장치 | |
| KR20230056622A (ko) | 무선 통신 시스템에서 단말 및 기지국의 신호 송수신 방법 및 장치 | |
| KR20230028362A (ko) | 무선 통신 시스템에서 위상 잡음의 추정 방법 및 그 장치 | |
| KR20230026299A (ko) | 무선 통신 시스템에서 신호 송수신 방법 및 장치 |