KR20230073305A - 무선 액세스 네트워크 동작 관리 - Google Patents
무선 액세스 네트워크 동작 관리 Download PDFInfo
- Publication number
- KR20230073305A KR20230073305A KR1020237013723A KR20237013723A KR20230073305A KR 20230073305 A KR20230073305 A KR 20230073305A KR 1020237013723 A KR1020237013723 A KR 1020237013723A KR 20237013723 A KR20237013723 A KR 20237013723A KR 20230073305 A KR20230073305 A KR 20230073305A
- Authority
- KR
- South Korea
- Prior art keywords
- node
- state
- representation
- ran
- network
- Prior art date
Links
- 238000000034 method Methods 0.000 claims abstract description 245
- 238000004891 communication Methods 0.000 claims abstract description 170
- 230000009471 action Effects 0.000 claims abstract description 138
- 230000000977 initiatory effect Effects 0.000 claims abstract description 7
- 238000012545 processing Methods 0.000 claims description 122
- 238000010801 machine learning Methods 0.000 claims description 95
- 230000008569 process Effects 0.000 claims description 59
- 230000015654 memory Effects 0.000 claims description 53
- 230000006870 function Effects 0.000 claims description 51
- 230000014509 gene expression Effects 0.000 claims description 23
- 230000005540 biological transmission Effects 0.000 claims description 20
- 230000013016 learning Effects 0.000 claims description 17
- 238000004590 computer program Methods 0.000 claims description 15
- 238000000513 principal component analysis Methods 0.000 claims description 13
- 238000012549 training Methods 0.000 claims description 11
- 230000002787 reinforcement Effects 0.000 claims description 10
- 238000013507 mapping Methods 0.000 claims description 6
- 238000010276 construction Methods 0.000 claims description 2
- 238000005259 measurement Methods 0.000 description 32
- 230000011664 signaling Effects 0.000 description 22
- 238000010586 diagram Methods 0.000 description 19
- 230000008901 benefit Effects 0.000 description 17
- 230000003287 optical effect Effects 0.000 description 11
- 238000005516 engineering process Methods 0.000 description 10
- 238000007726 management method Methods 0.000 description 8
- 230000004044 response Effects 0.000 description 8
- 238000003491 array Methods 0.000 description 7
- 238000013473 artificial intelligence Methods 0.000 description 7
- 210000004027 cell Anatomy 0.000 description 5
- 230000008859 change Effects 0.000 description 5
- 230000003993 interaction Effects 0.000 description 5
- 230000006835 compression Effects 0.000 description 4
- 238000007906 compression Methods 0.000 description 4
- 230000001976 improved effect Effects 0.000 description 4
- 230000007774 longterm Effects 0.000 description 4
- 238000012544 monitoring process Methods 0.000 description 4
- 230000006855 networking Effects 0.000 description 4
- 230000003863 physical function Effects 0.000 description 4
- 230000001960 triggered effect Effects 0.000 description 4
- 230000001413 cellular effect Effects 0.000 description 3
- 238000005457 optimization Methods 0.000 description 3
- 230000002085 persistent effect Effects 0.000 description 3
- 238000000926 separation method Methods 0.000 description 3
- 238000012546 transfer Methods 0.000 description 3
- 101150069304 ASN1 gene Proteins 0.000 description 2
- 230000001133 acceleration Effects 0.000 description 2
- 230000006978 adaptation Effects 0.000 description 2
- 230000003190 augmentative effect Effects 0.000 description 2
- 238000004364 calculation method Methods 0.000 description 2
- 238000007667 floating Methods 0.000 description 2
- 238000012423 maintenance Methods 0.000 description 2
- 101150040334 KLHL25 gene Proteins 0.000 description 1
- 101100065246 Mus musculus Enc1 gene Proteins 0.000 description 1
- 241000699670 Mus sp. Species 0.000 description 1
- 201000007902 Primary cutaneous amyloidosis Diseases 0.000 description 1
- 230000004913 activation Effects 0.000 description 1
- 230000002776 aggregation Effects 0.000 description 1
- 238000004220 aggregation Methods 0.000 description 1
- 238000004458 analytical method Methods 0.000 description 1
- 238000013528 artificial neural network Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000015556 catabolic process Effects 0.000 description 1
- 230000010267 cellular communication Effects 0.000 description 1
- 238000006243 chemical reaction Methods 0.000 description 1
- 239000003795 chemical substances by application Substances 0.000 description 1
- 239000003086 colorant Substances 0.000 description 1
- 230000000295 complement effect Effects 0.000 description 1
- 239000000470 constituent Substances 0.000 description 1
- 238000012937 correction Methods 0.000 description 1
- 238000013480 data collection Methods 0.000 description 1
- 238000013500 data storage Methods 0.000 description 1
- 238000006731 degradation reaction Methods 0.000 description 1
- 230000003111 delayed effect Effects 0.000 description 1
- 230000001419 dependent effect Effects 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 238000001514 detection method Methods 0.000 description 1
- 230000009977 dual effect Effects 0.000 description 1
- 238000005265 energy consumption Methods 0.000 description 1
- RGNPBRKPHBKNKX-UHFFFAOYSA-N hexaflumuron Chemical compound C1=C(Cl)C(OC(F)(F)C(F)F)=C(Cl)C=C1NC(=O)NC(=O)C1=C(F)C=CC=C1F RGNPBRKPHBKNKX-UHFFFAOYSA-N 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 230000010354 integration Effects 0.000 description 1
- 239000000203 mixture Substances 0.000 description 1
- 238000010295 mobile communication Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 210000002569 neuron Anatomy 0.000 description 1
- 238000011017 operating method Methods 0.000 description 1
- 230000000737 periodic effect Effects 0.000 description 1
- 230000002093 peripheral effect Effects 0.000 description 1
- 208000014670 posterior cortical atrophy Diseases 0.000 description 1
- 230000009467 reduction Effects 0.000 description 1
- 230000008439 repair process Effects 0.000 description 1
- 238000004088 simulation Methods 0.000 description 1
- 239000000779 smoke Substances 0.000 description 1
- 239000007787 solid Substances 0.000 description 1
- 238000013179 statistical model Methods 0.000 description 1
- 230000008093 supporting effect Effects 0.000 description 1
- 230000001360 synchronised effect Effects 0.000 description 1
- 210000003813 thumb Anatomy 0.000 description 1
- 230000000007 visual effect Effects 0.000 description 1
Images
Classifications
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04W—WIRELESS COMMUNICATION NETWORKS
- H04W24/00—Supervisory, monitoring or testing arrangements
- H04W24/02—Arrangements for optimising operational condition
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N20/00—Machine learning
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/02—Neural networks
- G06N3/04—Architecture, e.g. interconnection topology
- G06N3/045—Combinations of networks
- G06N3/0455—Auto-encoder networks; Encoder-decoder networks
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
- H04L41/00—Arrangements for maintenance, administration or management of data switching networks, e.g. of packet switching networks
- H04L41/16—Arrangements for maintenance, administration or management of data switching networks, e.g. of packet switching networks using machine learning or artificial intelligence
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04W—WIRELESS COMMUNICATION NETWORKS
- H04W24/00—Supervisory, monitoring or testing arrangements
- H04W24/04—Arrangements for maintaining operational condition
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04W—WIRELESS COMMUNICATION NETWORKS
- H04W8/00—Network data management
- H04W8/22—Processing or transfer of terminal data, e.g. status or physical capabilities
- H04W8/24—Transfer of terminal data
Abstract
방법(100)은, RAN을 포함하는 통신 네트워크 내의 제1 노드에 의해서 수행된 무선 액세스 네트워크(RAN) 동작을 관리하기 위한 것이다. 제1 노드에 의해서 수행된 방법은, RAN 동작에 대한 제2 노드의 상태의 표현을 수신하는 것을 포함하고(110), 여기서, 제2 노드의 상태는 제2 노드에 의해서 경험된 또는 제2 노드를 통해서 통신 네트워크에 접속되는 적어도 하나의 노드에 의해서 경험된 물리적인 상태, 무선 환경 또는 물리적인 환경 중 적어도 하나를 기술하는 파라미터 값의 압축된 표현을 포함한다(110a). 방법은, RAN 동작에 대한 구성 액션을 생성하기 위해서 수신된 상태 표현을 사용하는 것(120) 및 생성된 구성 액션에 따라서 RAN 동작의 구성을 개시하는 것(130)을 더 포함한다.
Description
본 발명 개시는 무선 액세스 네트워크를 포함하는 통신 네트워크 내의 제1 노드에 의해서 수행된 무선 액세스 네트워크(RAN) 동작을 관리하기 위한 방법 및 이를 용이하게 하기 위한 방법에 관한 것이다. 본 방법은 제1 노드에 의해서 및 제2 노드에 의해서 수행된다. 또한, 본 발명 개시는, 제1 노드, 제2 모드, 및 컴퓨터 상에서 구동할 때, 제1 노드에 의해서 수행된 RAN 동작을 관리 및/또는 용이하게 하기 위한 방법을 수행하도록 구성된 컴퓨터 프로그램 제품에 관한 것이다.
머신 학습(ML: Machine Learning)은 인공 지능(AI: Artificial Intelligence)의 한 분야이며, 태스크를 수행하기 위해서 알고리즘과 통계 모델을 사용하는 것을 언급한다. 일반적으로, ML은, 알고리즘이 일부 샘플 입력 데이터에 기반해서 계산 동작을 구축하는 트레이닝 국면, 및 계산 동작이 태스크를 수행하기 위해서 명시적으로 프로그램되지 않고 예측 또는 결정을 수행하기 위해서 사용되는 간섭 국면을 포함한다. 통신 네트워크에서 ML에 대한 지원은 진행 중인 과제이다. 3GPP(3rd Generation Partnership Project)는 "데이터 수집에 의해서 가능하게 되는 무선 액세스 네트워크(RAN) 인텔리전스(인공 지능/머신 학습) 적용 가능성 및 관련된 사용 케이스(예를 들어, 에너지 효율, RAN 최적화)"에 대한 스터디 아이템을 제안했다. 스터디 아이템의 범위에 대한 제안은 다음을 포함한다:
1. 프레임워크(예를 들어, AI 인에이블된 최적화를 위한 컴포넌트의 기능성 및 입력/출력을 포함하는) 또는 AI에 의해서 사용 가능하게 된 RAN 지능에 대한 상위 레벨 원리.
2. AI 인에이블된 5G RAN의 사용 케이스 및 이익, 예를 들어, 에너지 세이빙, 로드 밸런싱, 빔 관리, 에어 인터페이스 최적화 등.
3. 다음을 포함하는 식별된 사용 케이스에 대한 표준화 영향:
a) 데이터는 입력으로서 AI 기능에 의해서 필요하게 될 수 있고, 멀티-벤더 지원을 위해서 해석 가능한 출력으로서 AI 기능에 의해서 생산될 수 있는 데이터;
b) 데이터를 제공/수집/저장하거나 또는 AI 모델/알고리즘을 호스팅하기 위한 RAN, 코어 네트워크, 오퍼레이션 어드미니스트레이션 및 메인터넌스(Operations Administration and Maintenance) 등에서의 관련된 노드 또는 기능;
c) 네트워크 노드 또는 기능 중에서 입력/출력 데이터를 전달하는 인터페이스.
ML 모델의 사용을 기존의 동작 절차에 통합하는 것은 다수의 도전(과제)을 수반한다. 하나의 제안은, 예를 들어, 무선 액세스 노드에서 ML 모델을 실행하는 것과 반대로 실행을 위해서 ML 모델을 UE에 시그널링하는 것이다. 이는, 예를 들어, 내부 참조 문헌에서 논의되었는데, 여기서, 어떤 모델이 향상된 핸드오버 결정을 행하기 위해서 디바이스에 시그널링된다. 실행을 위해서 ML 모델을 UE에 시그널링하는 것은 다수의 이득을 제공할 수 있는데, 무선 액세스 노드에서 리소스 세이빙을 포함하는 것, UE가 입력 데이터를 시그널링할 필요성을 회피하는 것, 및 결과적으로, 예를 들어, UE가 모델 입력 파라미터의 새로운 값을 획득할 때마다, 더 빈번히 모델을 실행하는 가능성을 포함한다. 그런데, UE로의 ML 모델의 시그널링은 또한 소정의 도전을 수반한다. UE에 모델을 시그널링하는 것, 및 UE에 대한 입력 포맷을 특정하는 것 등은 코스트 및 빈번한 모델 시그널링과 관련되고, 또는, 그러므로, 매우 큰 모델을 시그널링하는 필요성은 UE에서 모델을 시그널링하는 이익을 경감할 수 있다. 추가적으로, 모델 복잡성(실행 시간, 메모리 소비 등)이 모든 타입의 디바이스에 대해서 적합하지 않을 수 있다. 추가적으로, 트레이닝 국면 동안, UE는 네트워크가 효과적인 ML 모델을 구축할 수 있도록 많은 양의 측정치를 리포트할 필요가 있다. 이는, 모델을 트레이닝하기 위해서 사용될 수 있는 측정의 타입을 제한할 것이고, 예를 들어, 지리적-위치(geo-location)를 포함하는 일부 측정은 프라이버시 문제로 인해 보고되지 않을 수 있다.
무선 네트워크에서 ML을 도입하는 것과 관련된 또 다른 도전은 관련 엔티티에서 ML 모델의 실행을 지원하기 위해서 네트워크 노드들 사이에서 시그널링되어야 하는 어떤 형태를 규정할 필요가 있다. 이는, 실질적은 표준화 노력을 요구하는데, 이는, 새로운 유용한 형태와 무선 네트워크에서 배치된 ML 모델에 대한 입력으로서 사용 가능하기 위해서 사용 가능한 그 형태를 식별하는 것 사이의 긴 지연을 의미한다.
본 발명 개시의 목적은, 상기된 하나 이상의 도전을 적어도 부분적으로 해결하는 방법, 제1 및 제2 노드 및 컴퓨터 판독 가능한 매체를 제공하는 것이다. 본 발명 개시의 또 다른 목적은, RAN 동작의 구성 및 관련 상태 정보(이에 기반해서 이러한 동작이 구성될 수 있는)의 제공을 용이하게 하기 위해서 협동하는 방법, 제1 및 제2 노드 및 컴퓨터 판독 가능한 매체를 제공하는 것이다.
본 발명 개시의 제1 측면에 따르면, 무선 액세스 네트워크를 포함하는 통신 네트워크 내의 제1 노드에 의해서 수행된 무선 액세스 네트워크(RAN) 동작을 관리하기 위한 컴퓨터 구현된 방법이 제공된다. 제1 노드에 의해서 수행된 방법은, RAN 동작에 대한 제2 노드의 상태의 표현을 수신하는 것을 포함하고, 여기서, 제2 노드의 상태는 제2 노드에 의해서 경험된 또는 제2 노드를 통해서 통신 네트워크에 접속되는 적어도 하나의 노드에 의해서 경험된 물리적인 상태, 무선 환경 또는 물리적인 환경 중 적어도 하나를 기술하는 파라미터 값의 압축된 표현을 포함한다. 방법은, RAN 동작에 대한 구성 액션을 생성하기 위해서 수신된 상태 표현을 사용하는 것, 및 생성된 구성 액션에 따라서 RAN 동작의 구성을 개시하는 것을 더 포함한다.
본 발명 개시의 또 다른 측면에 따르면, RAN을 포함하는 통신 네트워크 내의 제1 노드에 의해서 수행된 RAN 동작을 용이하게 하기 위한 컴퓨터 구현된 방법이 제공된다. 제2 노드에 의해서 수행된 방법은, RAN 동작에 대한 제2 노드의 상태를 생성하는 것을 포함하고, 여기서, 제2 노드의 상태는 제2 노드에 의해서 또는 제2 노드를 통해서 통신 네트워크에 접속되는 적어도 하나의 노드에 의해서 경험된 물리적인 상태, 무선 환경 또는 물리적인 환경 중 적어도 하나를 기술하는 파라미터 값의 압축된 표현을 포함한다. 본 방법은, 제1 노드 또는 제1 노드와 통신하도록 동작 가능한 통신 네트워크의 노드 중 적어도 하나에 생성된 상태의 표현을 전송하는 것을 더 포함한다.
본 발명 개시의 또 다른 측면에 따르면, 컴퓨터 판독 가능한 매체를 포함하는 컴퓨터 프로그램 제품이 제공되고, 컴퓨터 판독 가능한 매체는 그것 내에 구현된 컴퓨터 판독 가능한 코드를 갖고, 컴퓨터 판독 가능한 코드는, 적합한 컴퓨터 또는 프로세서에 의한 실행 상에서, 컴퓨터 또는 프로세서가 본 발명 개시의 선행하는 측면들 중 소정의 하나에 따른 방법을 수행하게 하도록 구성된다.
본 발명 개시의 또 다른 측면에 따르면, RAN을 포함하는 통신 네트워크 내의 제1 노드가 제공된다. 제1 노드는 제1 노드에 의해서 수행된 RAN 동작을 관리하기 위한 것이고 처리 회로를 포함한다. 처리 회로는, RAN 동작에 대한 제2 노드의 상태의 표현을 수신하도록 구성되고, 여기서, 제2 노드의 상태는 제2 노드에 의해서 또는 제2 노드를 통해서 통신 네트워크에 접속되는 적어도 하나의 노드에 의해서 경험된 물리적인 상태, 무선 환경 또는 물리적인 환경 중 적어도 하나를 기술하는 파라미터 값의 압축된 표현을 포함한다. 처리 회로는, RAN 동작에 대한 구성 액션을 생성하기 위해서 수신된 상태 표현을 사용하고 및 생성된 구성 액션에 따라서 RAN 동작의 구성을 개시하도록 더 구성된다.
본 발명 개시의 또 다른 측면에 따르면, RAN을 포함하는 통신 네트워크 내의 제2 노드가 제공된다. 제2 노드는 통신 네트워크 내의 제1 노드에 의해서 수행된 RAN 동작을 용이하게 하기 위한 것이고 처리 회로를 포함한다. 처리 회로는, RAN 동작에 대한 제2 노드의 상태를 생성하도록 구성되고, 여기서, 제2 노드의 상태는 제2 노드에 의해서 또는 제2 노드를 통해서 통신 네트워크에 접속되는 적어도 하나의 노드에 의해서 경험된 물리적인 상태, 무선 환경 또는 물리적인 환경 중 적어도 하나를 기술하는 파라미터 값의 압축된 표현을 포함한다. 처리 회로는, 제1 노드 또는 제1 노드와 통신하도록 동작 가능한 통신 네트워크의 노드 중 적어도 하나에 생성된 상태의 표현을 전송하도록 더 구성된다.
따라서, 본 발명 개시의 측면은, 제2 노드의 상태의 표현을 시그널링하기 위한 프레임워크를 제공하고, 그 상태는 제1 노드에 의해서 수행된 무선 액세스 네트워크(RAN)에 대한 구성 액션을 생성하기 위해서 제1 노드에 의해서 사용될 수 있다. 이것이 파라미터 값의 압축된 표현을 포함함에 따라서, 제2 노드의 상태는 압축된 상태로서 언급될 수 있다. 예를 들어, 이것이 소정의 RAN 동작에 관련되는 것을 제외하고, 제1 노드는 상태의 의미의 종래 지식을 갖지 않을 수 있다. 제1 노드는 파라미터 값을 압축 해제하는 것을 요구하지 않지만, 구성 액션을 직접적으로 생성하기 위해서 수신된 상태 표현을 사용하는 것을 요구한다. 본 발명 개시의 일부 예에 있어서, 보강 학습 프로세스가 주어진 수신된 상태 표현에 대한 최적의 구성 액션을 학습하기 위해서 사용될 수 있다.
본 발명 개시의 양호한 이해를 위해서, 및 어떻게 이들이 효과적으로 수행될 수 있는지를 더 명확히 나타내기 위해서, 참조가, 단지 예로서만, 이하의 도면에 대해서 만들어진다:
도 1은 RAN 동작을 관리하기 위한 제1 노드에 의해서 수행된 방법에서 프로세스 단계를 도시하는 흐름도이다;
도 2는 RAN 동작을 용이하게 하기 위해서 제2 노드에 의해서 수행된 방법에서 프로세스 단계를 도시하는 흐름도이다;
도 3a 내지 3f는 RAN 동작을 관리하기 위해서 제1 노드에 의해서 수행된 방법의 또 다른 예에서 프로세스 단계를 도시하는 흐름도를 나타낸다;
도 4a 내지 4c는 RAN 동작을 용이하게 하기 위한 제2 노드에 의해서 수행된 방법의 또 다른 예에서 프로세스 단계를 도시하는 흐름도를 나타낸다;
도 5는 CSI 압축을 위한 오토인코더(Autoencoder)를 도시한다.
도 6은 제1 노드 내의 기능적인 모듈을 도시하는 블록도이다;
도 7은 제1 노드의 또 다른 예에서 기능적인 모듈을 도시하는 블록도이다;
도 8은 제2 노드에서 기능적인 모듈을 도시하는 블록도이다;
도 9는 제2 노드의 또 다른 예에서 기능적인 모듈을 도시하는 블록도이다;
도 10은 통신 네트워크에 의해서 서빙된 영역의 배치 플롯을 도시한다;
도 11a 및 11b는 RAN 노드에 의해서 서빙된 다른 영역을 도시한다;
도 12a 및 12b는 제2 노드의 상태의 표현을 도시한다;
도 13은 빔 구성을 위한 상태 표현을 도시한다;
도 14a 및 14b는 다른 주파수 상에서 커버리지에 매핑될 수 있는 상태 표현을 도시한다;
도 15는 일부 예에 따른 무선 네트워크를 도시한다;
도 16은 일부 예에 따른 사용자 장비를 도시한다;
도 17은 일부 예에 따른 가상화 환경을 도시한다;
도 18은 일부 예에 따른 호스트 컴퓨터에 중간 네트워크를 통해서 접속된 전기 통신 네트워크를 도시한다;
도 19는 일부 예에 따른 부분적으로 무선 접속을 통해서 사용자 장비와 기지국을 통해서 통신하는 호스트 컴퓨터를 도시한다;
도 20은 일부 예에 따른 호스트 컴퓨터, 기지국 및 사용자 장비를 포함하는 통신 시스템에서 구현된 방법을 도시한다;
도 21은 일부 예에 따른 호스트 컴퓨터, 기지국 및 사용자 장비를 포함하는 통신 시스템에서 구현된 방법을 도시한다;
도 22는 일부 예에 따른 호스트 컴퓨터, 기지국 및 사용자 장비를 포함하는 통신 시스템에서 구현된 일례의 방법을 도시한다;
도 23은 일부 예에 따른 호스트 컴퓨터, 기지국 및 사용자 장비를 포함하는 통신 시스템에서 구현된 방법을 도시한다.
도 1은 RAN 동작을 관리하기 위한 제1 노드에 의해서 수행된 방법에서 프로세스 단계를 도시하는 흐름도이다;
도 2는 RAN 동작을 용이하게 하기 위해서 제2 노드에 의해서 수행된 방법에서 프로세스 단계를 도시하는 흐름도이다;
도 3a 내지 3f는 RAN 동작을 관리하기 위해서 제1 노드에 의해서 수행된 방법의 또 다른 예에서 프로세스 단계를 도시하는 흐름도를 나타낸다;
도 4a 내지 4c는 RAN 동작을 용이하게 하기 위한 제2 노드에 의해서 수행된 방법의 또 다른 예에서 프로세스 단계를 도시하는 흐름도를 나타낸다;
도 5는 CSI 압축을 위한 오토인코더(Autoencoder)를 도시한다.
도 6은 제1 노드 내의 기능적인 모듈을 도시하는 블록도이다;
도 7은 제1 노드의 또 다른 예에서 기능적인 모듈을 도시하는 블록도이다;
도 8은 제2 노드에서 기능적인 모듈을 도시하는 블록도이다;
도 9는 제2 노드의 또 다른 예에서 기능적인 모듈을 도시하는 블록도이다;
도 10은 통신 네트워크에 의해서 서빙된 영역의 배치 플롯을 도시한다;
도 11a 및 11b는 RAN 노드에 의해서 서빙된 다른 영역을 도시한다;
도 12a 및 12b는 제2 노드의 상태의 표현을 도시한다;
도 13은 빔 구성을 위한 상태 표현을 도시한다;
도 14a 및 14b는 다른 주파수 상에서 커버리지에 매핑될 수 있는 상태 표현을 도시한다;
도 15는 일부 예에 따른 무선 네트워크를 도시한다;
도 16은 일부 예에 따른 사용자 장비를 도시한다;
도 17은 일부 예에 따른 가상화 환경을 도시한다;
도 18은 일부 예에 따른 호스트 컴퓨터에 중간 네트워크를 통해서 접속된 전기 통신 네트워크를 도시한다;
도 19는 일부 예에 따른 부분적으로 무선 접속을 통해서 사용자 장비와 기지국을 통해서 통신하는 호스트 컴퓨터를 도시한다;
도 20은 일부 예에 따른 호스트 컴퓨터, 기지국 및 사용자 장비를 포함하는 통신 시스템에서 구현된 방법을 도시한다;
도 21은 일부 예에 따른 호스트 컴퓨터, 기지국 및 사용자 장비를 포함하는 통신 시스템에서 구현된 방법을 도시한다;
도 22는 일부 예에 따른 호스트 컴퓨터, 기지국 및 사용자 장비를 포함하는 통신 시스템에서 구현된 일례의 방법을 도시한다;
도 23은 일부 예에 따른 호스트 컴퓨터, 기지국 및 사용자 장비를 포함하는 통신 시스템에서 구현된 방법을 도시한다.
상기 논의된 바와 같이, 본 발명 개시의 예는 "압축된 상태"의 시그널링 및 사용을 위한 프레임워크를 제공하는데, 여기서, 압축된 상태는 파라미터 값의 압축된 표현을 포함한다. 파라미터 값은, 제2 노드에 의해서 경험된 또는, 예를 들어, 제2 노드가 기지국과 같은 무선 액세스 노드이면, 제2 노드를 통해서 통신 네트워크에 접속되는 적어도 하나의 노드에 의해서 경험된 물리적인 상태, 무선 환경 또는 물리적인 환경 중 적어도 하나를 기술한다. 압축된 상태의 표현은 제1 노드에 의해서 수신되는데, 이는, 압축된 상태가 특별한 RAN 동작에 관련되는 소정의 예에서보다, 압축된 상태의 의미의 종래 지식을 갖지 않을 수 있다. 제1 노드는, 예를 들어, 보강 학습(RL: Reinforcement Learning)을 사용하는, RAN 동작에 대한 구성 액션을 생성하기 위해서 압축된 상태를 사용할 수 있다. 하나의 예에 있어서, RAN 동작이 링크-적응인 경우, UE 형태의 제2 노드는 무선 액세스 노드의 형태로 제1 노드에 "링크-적응-상태"의 표현을 시그널링한다. 예를 들어, "링크-적응-상태"는 간섭 및 노이즈 레벨 파라미터의 압축된 표현을 포함할 수 있다. 또 다른 예로, RAN 동작이 스케줄링하고 있는 경우, 무선 액세스 노드 형태의 제2 노드는 역시 무선 액세스 노드 형태인 이웃하는 제1 노드에 "스케줄링-상태"의 표현을 시그널링할 수 있다. 예를 들어, "스케줄링-상태"는 접속된 UE의 수, 대역폭 사용, 스케줄링 결정, 시간 분할 듀플렉스 등을 포함하는 스케줄링 결정에 관련되는 파라미터 값의 압축된 표현을 포함한다. 파라미터 값은, 또한, 접속된 UE의 수 또는 대역폭 사용의 예측된 미래의 값을 포함할 수 있다.
도 1은 무선 액세스 네트워크를 포함하는 통신 네트워크 내의 제1 노드에 의해서 수행된 무선 액세스 네트워크(RAN) 동작을 관리하기 위한 방법(100)에서 프로세스 단계를 도시하는 흐름도이다. 본 방법은 제1 노드에 의해서 수행되는데, 이는, 일부 예에 있어서, 통신 네트워크의 RAN 노드가 될 수 있다. 통신 네트워크의 RAN 노드는 무선 신호를 전송, 수신, 처리 및/또는 오케스트레이트하도록 동작 가능한 노드를 포함한다. RAN 노드는 물리적인 노드 및/또는 가상화된 네트워크 기능을 포함할 수 있다. 일부 예에 있어서, RAN 노드는 NodeB, eNodeB, gNodeB와 같은 기지국 노드, 또는 상기된 기능성의 소정의 미래의 구현을 포함할 수 있다.
도 1을 참조하면, 방법(100)은, 단계 110에서, 관리되는 RAN 동작에 대한 제2 노드의 상태의 표현을 수신하는 것을 포함한다. 제2 노드는 통신 네트워크의 RAN 노드 또는 통신 네트워크에 접속되도록 동작 가능한 UE와 같은 무선 디바이스 중 적어도 하나를 포함할 수 있다. 110a에서 도시된 바와 같이, 제2 노드의 상태는 제2 노드에 의해서 경험된 또는 제2 노드를 통해서 통신 네트워크에 접속되는 적어도 하나의 노드에 의해서 경험된 물리적인 상태, 무선 환경 또는 물리적인 환경 중 적어도 하나를 기술하는 파라미터 값의 압축된 표현을 포함한다. 예를 들어, 제2 노드가 RAN 노드이면, 제2 노드의 상태는 일부 경우에 있어서 자체의 접속된 UE로부터 압축된 이동성(Mobility) (또는 다른) 측정치들이 포함될 수 있으므로, 상태의 파라미터 값은 제2 노드 자체의 무선 환경보다 접속된 UE의 무선 환경을 기술한다. 다른 예에 있어서, 제2 노드의 상태에는, 제2 노드가 RAN 노드 또는 무선 디바이스인지에 관계없이, 제2 노드 자체의 물리적인 상태, 무선 환경 또는 물리적인 환경을 기술하는 압축된 파라미터 값이 포함될 수 있다.
단계 120에서, 방법(100)은 RAN 동작에 대한 구성 액션을 생성하기 위해서 수신된 상태 표현을 사용하는 것을 포함한다. 구성 액션은 일부 방식에서 RAN 동작을 구성할 소정의 액션을 포함할 수 있으므로, RAN 동작이 수행되는 방식을 제어한다. 구성의 본성은 특별한 RAN 동작에 의존할 수 있지만 동작의 타이밍, 동작의 활성화, 동작의 실행을 제어하는 파라미터의 세팅 등을 포함할 수 있다. RAN 동작에 대한 구성 액션을 생성하기 위해서 수신된 상태 표현을 사용하는 것은 상태의 압축된 파라미터 값을 압축 해제하도록 제1 노드에 요청하지 않는 것으로 이해될 것이다. 오히려, 제1 노드는, 아래에 더 상세하게 기술된 바와 같이, 예를 들어, 머신 학습 프로세스를 사용해서, 예를 들어, 상태 또는 자체의 표현을 생성된 구성 액션에 직접적으로 매핑하는 상태의 수신된 표현을 사용할 수 있다.
방법(100)은, 단계 130에서, 생성된 구성 액션에 따라서 RAN 동작의 구성을 개시하는 것을 포함하고, 방법(100)은 생성된 구성 액션에 따라서 구성된 RAN 동작을 실행하는 것 또는 수행하는 것을 더 포함할 수 있다.
단계 140 및 150에 도시된 바와 같이, 방법(100)은, 일부 예에 있어서, 생성된 구성 액션에 따라서 구성된 RAN 동작의 성공의 측정을 획득하는 것, 및 획득된 성공 측정에 기반해서, 수신된 상태 표현이 RAN 동작에 대한 구성 액션을 생성하기 위해서 사용되는 방법을 업데이트하는 것을 더 포함할 수 있다.
제1 노드에 의해서 수행된 및 생성된 구성 액션에 따라서 구성되는 RAN 동작은, 제1 노드 자체에 의해서 또는 통신 네트워크 또는 접속된 무선 디바이스의 또 다른 노드에 의해서 구성될 수 있다. 이러한 예에서, RAN 동작의 구성을 개시하는 것은 관련 노드 또는 무선 디바이스에 생성된 구성 액션을 송신하는 것을 포함할 수 있다. 본 발명 개시의 목적을 위해서, RAN 동작은 무선 액세스 네트워크에 하나 이상의 무선 디바이스의 접속의 콘텍스트에서 제1 노드에 의해서 적어도 부분적으로 수행되는 소정의 동작을 포함할 수 있다. 예를 들어, RAN 동작은 접속 동작, 이동성 동작, 리포팅 동작, 리소스 구성 동작, 동기화 동작, 트래픽 관리 동작, 스케줄링 동작 등을 포함할 수 있다. RAN 동작의 특정 예는, 링크 적응, 스케줄링, 이동성, 인터 및 인트라-주파수 핸드오버, 포지셔닝, 빔 포밍, 업링크 및 다운링크 동기화, 랜덤 액세스, 업링크 전력 제어, 무선 신호 수신/전송 등을 포함할 수 있다. RAN 동작의 또 다른 예는 도 1 내지 4c를 참조해서 이하 더 기술된다. 소정의 하나 이상의 이들 예의 동작 또는 동작 타입은 제2 노드의 "압축된 상태"의 수신된 표현을 사용해서 생성되는 구성 액션을 통해서 구성될 수 있다.
압축된 상태에 포함될 수 있는 파라미터는, 제2 노드에 의해서 경험된 또는 제2 노드를 통해서 통신 네트워크에 접속된 노드에 의해서 경험된 물리적인 상태, 및/또는 물리적인 또는 무선 환경을 기술할 수 있다. 노드의 물리적인 상태를 기술하는 파라미터는 배터리 전력, 메모리, 처리 또는 계산 용량, 노드(가속도계, 압력 센서, 광 센서 등)와 관련된 센서로부터 획득된 센서 값을 기술하는 파라미터를 포함할 수 있다. 제2 노드 또는 제2 노드를 통해서 접속된 노드에 의해서 경험된 물리적인 환경을 기술하는 파라미터는, 예를 들어, 카메라, 라이더, GNSS 등을 사용해서 획득될 수 있고, 지리적 위치(geolocation), 인도어/아웃도어 추정, 물리적인 속도 또는 가속도, 주변 인프라스트럭처 검출된 (빌딩, 로드 등), 주변 자연 형태 검출된 (언덕, 산 등), 주변 검출된 안테나 타워와 같은 파라미터를 포함할 수 있다. 제2 노드 또는 제2 노드를 통해서 접속된 노드에 의해서 경험된 무선 환경을 기술하는 파라미터는 시그널 전력, 간섭 및 노이즈 레벨, 가시선(Line-of-sight) 컴포넌트의 검출된 존재, 도착 각도(angle of arrival) 등과 같은 파라미터를 포함할 수 있다. 각각의 이들 파라미터는, 예를 들어, 다수의 기준 또는 다른 신호가 제2 노드 또는 자체의 접속된 디바이스 근방에서 각각의 RAN 노드로부터 검출될 수 있음에 따라서, 소정의 주어진 RAN 노드로부터의 각각의 검출된 신호에 대해서 측정될 수 있다. RAN 노드 당 각각의 기준 신호는, 예를 들어, 노드에서 특정 빔과 관련될 수 있다.
또한, 무선-환경은 뉴 라디오/롱 텀 에볼루션(NR/LTE) 이외의 다른 무선 액세스 기술을 포함할 수 있다. 또한, 이는, WiFi 또는 블루투스 측정을 포함한다. 제2 노드는, 예를 들어, 검출된 WiFi 또는 블루투스 노드의 수, 노드의 식별자, 및/또는 각각의 노드에 대한 관련된 신호 전력 측정을 포함할 수 있다.
도 3a 내지 3d를 참조해서 아래 더 상세히 논의되는 바와 같이, 단계 100에서 수신되는 제2 노드의 상태의 표현이 상태의 압축된 값을 포함할 수 있거나, 또는 상태 식별자, 또는 이전에 수신된 상태를 참조하는 델타 인코딩을 포함할 수 있다.
본 발명 개시의 또 다른 예에 따르면, 무선 액세스 노드를 포함하는 제1 노드에 의해서 수행된 이동성 동작을 관리하기 위한 컴퓨터 구현된 방법이 제공되고, 제1 노드는 RAN 노드를 포함하고, 방법은 제1 노드에 의해서 수행되며:
제2 노드의 이동성 상태의 표현을 수신하는 것으로서, 여기서, 제2 노드는 무선 디바이스를 포함하고, 여기서, 제2 노드의 이동성 상태는 제2 노드에 의해서 경험된 물리적인 상태, 무선 환경 또는 물리적인 환경 중 적어도 하나를 기술하는 파라미터 값의 압축된 표현을 포함하는, 수신하는 것;
이동성 동작에 대한 구성 액션을 생성하기 위해서 수신된 상태 표현을 사용하는 것; 및
생성된 구성 액션에 따라서 이동성 동작의 구성을 개시하는 것을 포함한다.
이 방법은 구성됨에 따라서 이동성 동작을 실행하는 것을 더 포함할 수 있다. 일부 예에 있어서, 제1 노드는 제2 노드의 이동성 상태의 수신된 표현에 기반해서 다른 캐리어 상에서 제2 노드에 대한 통신 네트워크 커버리지를 예측하기 위해서 ML(Machine Learning)을 사용할 수 있다. 그 다음, 제1 노드는, 예를 들어, 핸드오버 마진, 트리거 시간(Time to Trigger) 등을 포함하는 이동성 동작에 대한 하나 이상의 파라미터를 구성할 수 있다. 제2 노드의 이동성 상태 내에 표현된 파라미터 값은 제1 노드에 의해서 수행된 이동성 동작(예를 들어, 핸드오버)의 실행에 충격을 주도록 동작 가능한 파라미터의 값을 포함할 수 있다. 이러한 파라미터는, 예를 들어, 지리적 위치, 속도, 하나 이상의 RAN 노드로부터 검출된 신호의 신호 전력 등을 포함할 수 있다.
본 발명 개시의 또 다른 예에 따르면, 무선 액세스 네트워크를 포함하는 통신 네트워크 내의 제1 노드에 의해서 수행된 이동성 동작을 용이하게 하기 위한 컴퓨터 구현된 방법이 제공되고, 제1 노드는 RAN 노드를 포함하며, 방법은 무선 디바이스를 포함하는 제2 노드에 의해서 수행되며:
제2 노드의 이동성 상태를 생성하는 것으로서, 여기서, 제2 노드의 이동성 상태는 제2 노드에 의해서 경험된 물리적인 상태, 무선 환경 또는 물리적인 환경 중 적어도 하나를 기술하는 파라미터 값의 압축된 표현을 포함하는, 생성하는 것; 및
제1 노드 또는 제1 노드와 통신하도록 동작 가능한 통신 네트워크의 노드 중 적어도 하나에 생성된 이동성 상태의 표현을 전송하는 것을 포함한다.
상기된 바와 같이, 제2 노드의 이동성 상태 내에 표현된 파라미터 값은 제1 노드에 의해서 수행된 이동성 동작(예를 들어, 핸드오버)의 실행에 충격을 주도록 동작 가능한 파라미터의 값을 포함할 수 있다. 이러한 파라미터는, 예를 들어, 지리적 위치, 속도, 하나 이상의 RAN 노드로부터 검출된 신호의 신호 전력 등을 포함할 수 있다.
본 방법(100)은 제2 노드에 의해서 수행된 방법(200)에 의해서 보완될 수 있다. 도 2는 RAN을 포함하는 통신 네트워크 내의 제1 노드에 의해서 수행된 RAN 동작을 용이하게 하기 위한 방법(200)에서 프로세스 단계를 도시하는 흐름도이다. 제2 노드는 통신 네트워크의 RAN 또는 통신 네트워크에 접속되도록 동작 가능한 UE와 같은 무선 디바이스를 포함할 수 있다. 제1 노드는 통신 네트워크의 RAN 노드를 포함할 수 있다. 도 2를 참조하면, 방법(200)은, 단계 210에서, RAN 동작에 대한 제2 노드의 상태를 생성하는 것을 포함한다. 210a에서 도시된 바와 같이, 제2 노드의 상태는 제2 노드에 의해서 또는 제2 노드를 통해서 통신 네트워크에 접속되는 적어도 하나의 노드에 의해서 경험된 물리적인 상태, 무선 환경 또는 물리적인 환경 중 적어도 하나를 기술하는 파라미터 값의 압축된 표현을 포함한다. 이 방법(200)은, 단계 220에서, 제1 노드 또는 제1 노드와 통신하도록 동작 가능한 통신 네트워크의 노드 중 적어도 하나에 생성된 상태의 표현을 전송하는 것을 더 포함한다.
도 3a 내지 3f, 및 4a 내지 4c는 통신 네트워크 내의 제1 노드에 의해서 수행된 RAN 동작을 관리 및 용이하게 하기 위한 방법(300 및 400)의 또 다른 예에서 프로세스 단계를 도시하는 흐름도를 나타낸다.
도 3a 내지 3f를 초기에 참조하면, 방법(300)은 방법(100)의 단계들이 구현될 수 있는 및 상기된 및 추가적인 기능성을 달성하기 위해서 보강될 수 있는 방법의 다양한 예들을 제공한다. 방법(100)에 대해서와 같이, 방법(300)은 제1 노드에 의해서 수행되는데, 이는, 일부 예에 있어서, 통신 네트워크의 RAN 노드가 될 수 있다. 상기 논의된 바와 같이, 통신 네트워크의 RAN 노드는 무선 신호를 전송, 수신, 처리 및/또는 오케스트레이트하도록 동작 가능한 노드를 포함한다. RAN 노드는 물리적인 노드 및/또는 가상화된 네트워크 기능을 포함할 수 있다. 일부 예에 있어서, RAN 노드는 NodeB, eNodeB, gNodeB와 같은 기지국 노드, 또는 상기된 기능성의 소정의 미래의 구현을 포함할 수 있다.
도 3a을 참조하면, 제1 단계 302에서, 제1 노드는 제1 노드에 의해서 수행된 RAN 동작에 대한 자체의 상태의 표현을 제공하기 위해서 제2 노드의 능력에 대한 요청을 전송한다. 능력 요청은 해당 RAN 동작, 다중 RAN 동작을 특정할 수 있거나, 또는 소정의 RAN 동작에 대한 상태 표현을 제공하기 위한 능력에 대한 개방 요청이 될 수 있다. 단계 304에서, 제1 노드는 제1 노드에 의해서 수행된 RAN 동작에 대한 자체의 상태의 표현을 제공하기 위해서 제2 노드의 능력의 인디케이션을 수신한다. 그 다음, 제1 노드는, 단계 306에서, RAN 동작에 대한 제2 노드의 상태의 표현에 대한 요청을 전송한다. 요청은 제2 노드에 또는 상태를 제공하도록 동작 가능한 또 다른 노드에 전송될 수 있다. 이는, 예를 들어, 중앙화된 및 분산된 유닛이 UE로부터 수신된 상태 표현을 포워드할 수 있는 분할 아키텍처 섹션에서, 또는 비-분할 아키텍처에서 RAN 노드들 사이에서 포워딩하는 경우, 적합할 수 있다.
306a에서 도시된 바와 같이, 제1 노드는, RAN 동작에 대한 제2 노드의 상태의 표현에 대한 요청과 함께, 제1 노드에 대한 요청된 표현의 리포팅을 구성하는 리포팅 파라미터를 포함할 수 있다. 리포팅 파라미터는 다음 중 적어도 하나가 될 수 있다:
상태를 포함할 파라미터 값의 압축된 표현의 사이즈;
상태를 식별하기 위한 프레임워크;
제1 노드에 상태의 업데이트된 표현을 리포트하기 위한 리포팅 주기성;
제1 노드에 상태의 업데이트된 표현을 리포트하기 위한 트리거 조건; 및/또는
상태의 표현과 함께 포함되는 추가적인 정보.
단계 306b에 도시된 바와 같이, 제1 노드는, 능력의 수신된 인디케이션에 기반해서, RAN 동작에 대한 제2 노드의 상태의 표현에 대한 요청을 구성할 수 있다. 이러한 구성은 제2 노드에 의해서 시그널링된 능력에 기반해서 상기된 하나 이상의 리포팅 파라미터를 세팅하는 것을 포함할 수 있다. 일부 예에 있어서, 제2 노드가 요청된 상태를 생성하기 위한 하나 이상의 다른 방법을 사용하는 것을 지원하는 것을 시그널링된 능력이 표시하면, 제1 노드는 그 상태를 생성하는데 사용되는 방법을 표시할 수 있다.
이제, 도 3b를 참조하면, 단계 310에서, 제1 노드는, RAN 동작에 대한 제2 노드의 상태의 표현을 수신하고, 여기서, 제2 노드의 상태는 제2 노드에 의해서 경험된 또는 제2 노드를 통해서 통신 네트워크에 접속되는 적어도 하나의 노드에 의해서 경험된 물리적인 상태, 무선 환경 또는 물리적인 환경 중 적어도 하나를 기술하는 파라미터 값의 압축된 표현을 포함한다. 310a에서 설명한 바와 같이, 제2 노드의 상태의 표현은 제2 노드 또는 제2 노드 이외의 통신 네트워크 노드 중 적어도 하나로부터 수신될 수 있다. 예를 들어, 표현은 또 다른 RAN 노드, 제1 노드와 관련된 중앙화된 또는 분산된 유닛 등으로부터 수신될 수 있다. 310b에 도시된 바와 같이, 제2 노드의 상태 내에 표현된 파라미터 값은 제1 노드에 의해서 수행된 RAN 동작의 실행에 충격을 주도록 동작 가능한 파라미터의 값을 포함할 수 있다. 수신되는 상태 정보는, 그러므로, 특정 RAN 동작으로 재단(tailor)될 수 있다. 비교적 큰 범위의 팩터가 실행에 영향을 줄 수 있으므로, 소정의 주어진 RAN 동작의 구성에 대해서 관련성이 있는 것으로 이해될 것이다. 일부 이들 팩터를 기술하는 파라미터는 현재 기존 통신 네트워크 표준에 따라서 리포트되지 않을 수 있고, 그러므로, 일반적으로, 기존 네트워크 동작에 따라서 RAN 동작의 구성과 관련되지 않을 수 있다. 그런데, 압축된 상태의 표현의 제공 및 구성 액션을 생성하기 위한 표현의 사용을 통한 본 발명 개시의 예들은, 직접적으로 이러한 팩터를 고려할 수 있다.
310c에서 도시된 바와 같이, 제2 노드의 상태의 수신된 표현은 제2 노드의 상태에 대한 상태 식별자, 상태를 포함하는 파라미터 값의 압축된 표현 및/또는 제2 노드의 이전 상태와의 차이(델타 인코딩)의 인디케이션 중 적어도 하나를 포함할 수 있다.
제2 노드의 상태에 대한 상태 식별자는 상태를 포함하는 파라미터 값의 압축된 표현을 생성하기 위해서 사용된 방법 또는 방법들에 고유한 식별자를 포함한다. 상기된 바와 같이, 파라미터 값은, 제2 노드에 의해서 경험된 또는 제2 노드를 통해서 통신 네트워크에 접속되는 적어도 하나의 노드에 의해서 경험된 물리적인 상태, 무선 환경 또는 물리적인 환경 중 적어도 하나를 기술한다. 그러므로, 이들 노드가 상태를 생성하기 위해서 동일한 방법 또는 방법들을 사용했을 경우, 상태에 대한 동일한 고유한 식별자는 다수의 제2 노드에 의해서 사용될 수 있다. 그러므로, 복수의 제2 노드에 의한 동일한 고유한 상태 식별자의 사용은, 노드가 상태(물리적인 상태, 무선 환경 또는 물리적인 환경 중 적어도 하나를 기술하는 파라미터 값의 압축된 표현인)를 생성하기 위해서 동일한 방법을 사용한 것을 의미한다. 상태 생성을 위한 오토인코더 및 PCA 방법의 예를 고려하면, 동일한 상태 식별자를 리포트하는 2개의 노드는 상태(압력된 표현)를 생성하기 위해서 동일한 오토인코더를 사용했거나, 또는 상태를 생성하기 위해서 동일한 PCA 방법을 사용했다고 제1 노드에 의해서 상정될 수 있다. 2개의 노드는 동일한 물리적인 상태, 무선 환경 또는 물리적인 환경를 경험할 수 있지만, 다른 방법의 사용을 통해서 다른 상태(다른 압축된 표현)를 생성한 다른 상태 식별자를 리포트할 것으로 이해될 것이다.
특별한 물리적인 상태, 무선 환경 또는 물리적인 환경은 다수의 제2 노드 중 소정의 하나 이상에 의해서 경험될 수 있다. 특별한 압축 상태가 동일한 상태 식별자를 리포트하는 노드에 대해서 동일하면, 제1 노드는 동일한 방법이 그 상태를 생성하기 위해서 사용된 것, 및 그러므로 제2 노드가 동일한 물리적인 상태, 무선 환경 또는 물리적인 환경을 경험하는 것을 안다. 이 방법에 있어서, 구성 액션을 생성하기 위해서 수신된 상태 식별자를 사용하는 방법에 관해서 획득된 학습(learning)은 다른 제2 노드를 가로질러 적용될 수 있다. 예를 들어, ML 모델이 수신된 상태 식별자에 기반해서 구성 액션을 생성하기 위해서 사용되면(이하 더 상세히 논의되는 바와 같이), 예를 들어, 제2 노드에 의해서 리포트된 상태 식별자(또는 다른 상태 표현)에 기반해서 선택되는 모델과 동일한 모델이 다른 제2 노드에 대해서 사용될 수 있다. 사용된 모델은 주어진 제2 노드에 대해서 수행된 RAN 동작에 대한 획득된 성공 측정에 기반해서 업데이트될 수 있고, 업데이트된 모델은 다른 제2 노드에 대해서 사용될 수 있으므로, 학습을 이전한다.
또한, 제1 노드는, 310d에 도시된 바와 같이, 상태 표현과 함께, 제2 노드의 상태의 수신된 표현이 유효한 조건을 특정하는 유효성 파라미터를 수신할 수 있다. 유효성 조건은, 예를 들어, 하나 이상의 파라미터에 대한 시간 주기 또는 임계치가 될 수 있는데, 그 넘어서 상태 표현이 더 이상 유효하지 않다. 제1 노드는 유효성 조건이 후속 액션을 수행하기 전에 충족되는 것을 확인할 수 있고, 예를 들어, 유효성 조건이 충족되지 않으면 추가적인 상태 표현을 요청할 수 있다.
단계 312에서, 제1 노드는 구성 액션을 생성하는데 사용하기 위한 ML 모델을 획득할 수 있다. ML 모델은 수신된 상태 표현에, 예를 들어, 수신된 상태 식별자에 대응할 수 있다. 예를 들어, 상태 식별자 또는 다른 상태 표현이 제2 노드의 이동성 상태를 나타내면, 제1 노드는 이동성 상태와 함께 사용하기 위한 ML 모델을 획득할 수 있다. 예를 들어, 제1 노드는 수신된 표현 및/또는 압축된 상태와 함께 사용하기 위해서 적합한 트레이닝된 ML 모델에 대한 메모리에서 체크할 수 있고, 메모리로부터 적합한 ML 모델을 검색하거나 또는 또 다른 노드로부터 적합한 ML 모델을 수신할 수 있다. 다른 예에 있어서, 제1 노드는 구성 액션을 생성하는데 사용하기 위한 ML 모델을 트레이닝할 수 있다. 이러한 트레이닝은 클라우드 환경에서 발생할 수 있고, 방법(300)이 실행되기 전에 수행될 수 있으며, 및/또는 트레이닝 또는 리트레이닝은 상태 표현의 수신에 의해서 트리거될 수 있다. 또 다른 예에 있어서, 제1 노드는 제2 노드로부터의 상태 표현을 요청하기 전에 적합한 ML 모델을 획득할 수 있다.
312에서 도시된 바와 같이, 적합한 ML 모델을 트레이닝하는 것은 제2 노드의 상태 표현, 생성된 구성 액션 및 획득된 성공 측정, 또는 구성 액션과 관련된 보상에 대한 히스토리 데이터를 포함하는 트레이닝 데이터 세트로 감독된 학습 방법을 사용하는 것을 포함할 수 있다. 상기된 바와 같이, 제2 노드의 상태는 제2 노드에 의해서 경험된 또는 제2 노드를 통해서 통신 네트워크에 접속되는 적어도 하나의 노드에 의해서 경험된 물리적인 상태, 무선 환경 또는 물리적인 환경 중 적어도 하나를 기술하는 파라미터 값의 압축된 표현을 포함한다. 그러므로, 제2 노드의 상태 표현에 대한 히스토리 데이터는 방법(100)을 참조해서 상기된 소정의 표현 및/또는 파라미터를 포함할 수 있다. 예를 들어, 제2 노드의 물리적인 상태를 기술하는 파라미터는 배터리 전력, 메모리, 처리 또는 계산 용량, 노드(가속도계, 압력 센서, 광 센서 등)와 관련된 센서로부터 획득된 센서 값을 기술하는 파라미터를 포함할 수 있다. 제2 노드 또는 제2 노드를 통해서 접속된 노드에 의해서 경험된 물리적인 환경을 기술하는 파라미터는, 예를 들어, 카메라, 라이더, GNSS 등을 사용해서 획득될 수 있고, 지리적 위치(geolocation), 인도어/아웃도어 추정, 물리적인 속도 또는 가속도, 주변 인프라스트럭처 검출된 (빌딩, 로드 등), 주변 자연 형태 검출된 (언덕, 산 등), 주변 검출된 안테나 타워와 같은 파라미터를 포함할 수 있다. 제2 노드 또는 제2 노드를 통해서 접속된 노드에 의해서 경험된 무선 환경을 기술하는 파라미터는 시그널 전력, 간섭 및 노이즈 레벨, 가시선(Line-of-sight) 컴포넌트의 검출된 존재, 도착 각도(angle of arrival) 등과 같은 파라미터를 포함할 수 있다. 예를 들어, 구성 액션과 관련된 성공 측정은 구성 액션에 따라서 구성된 RAN 동작에 대한 성공 측정을 포함할 수 있다. 도 3d는 ML 모델을 획득하는 부분으로서 수행될 수 있는 추가적인 단계를 도시한다.
도 3d를 언급하면, 단계 312i에 도시된 바와 같이, 제1 노드는 수신된 상태 표현에 대응하는 ML 모델(예를 들어, 수신된 상태 식별자)이 획득될 수 있는지를 초기에 체크할 수 있다. 예를 들어, 제1 노드는 적합한 ML 모델이 메모리 내에 저장되는지를 체크할 수 있거나, 또는 또 다른 통신 네트워크 노드로부터 적합한 ML 모델을 요청할 수 있다. 적합한 ML 모델이 사용 가능한 경우, 제1 노드는 단계 312ii에서 수신된 상태 표현에 대응하는 ML 모델을 검색한다. 수신된 상태 식별자에 대응하는 ML 모델이 획득될 수 없는 경우, 제1 노드는, 그러면, 단계 312iii에서, 제2 노드의 임계치 수가 수신된 상태 식별자를 리포트했는지 여부를 체크할 수 있다. 적어도 임계치 수의 제2 노드가 수신된 상태 식별자를 리포트했으면, 제1 노드는, 단계 312iv에서, 수신된 상태 식별자로부터 구성 액션을 생성하는데 사용하기 위한 새로운 ML 모델을 트레이닝할 수 있거나, 또는 트레이닝을 요청할 수 있다. 임계치 수 미만의 제2 노드가 수신된 상태 식별자를 리포트했으면, 제1 노드는, 단계 312v에서, RAN 동작에 대한 레거시 리포팅 절차를 사용하기 위해서 제2 노드에 명령할 수 있다. 그 다음, 제2 노드는 RAN 동작이 구성을 관리하기 위해서 레거시 절차에 따라서 제1 노드에 의해서 사용될 수 있는 측정 리포트를 송신할 수 있다. 따라서, 단계 312iii에서 체크는, 특별한 상태에 대한 새로운 ML 모델을 트레이닝하는 계산 비용이 이것이 이러한 상태를 리포팅하는 제2 노드의 수에 의해서 정당화될 수 있을 때만 발생하는 것을 보장하기 위해서 사용된다.
도 3b를 다시, 참조하면, 단계 120에서, 제1 노드는 RAN 동작에 대한 구성 액션을 생성하기 위해서 수신된 상태 표현을 사용한다. 상기된 바와 같이, 구성 액션은 일부 방식에서 RAN 동작을 구성할 소정의 액션을 포함할 수 있으므로, RAN 동작이 수행되는 방식을 제어한다. 320a에 도시된 바와 같이, 구성 액션을 생성하는 것은 제2 노드의 상태의 함수로서 구성 액션을 생성하기 위해서 머신 학습(ML) 프로세스를 사용하는 것을 포함할 수 있으므로, 예를 들어, 머신 학습 프로세스가 생성되는 구성 액션에 제2 노드의 상태 및/또는 상태의 표현을 효과적으로 매핑하도록 한다. 이는, 구성 액션을 생성하는데 사용하기 위해서 트레이닝된 ML 모델에 제2 노드의 상태의 표현을 입력하는 것을 포함할 수 있다. 일부 예에 있어서, 추가적인 입력은, 또한, 예를 들어, ML 프로세스의 사용을 통해서 구성 액션을 생성하기 위해서 사용될 수 있다. 예를 들어, 제1 노드의 상태는, 또한, 구성 액션을 생성하기 위해서 사용될 수 있다. 따라서, 구성 액션은, ML 프로세스를 사용해서, 제2 노드의 상태 및 제1 노드의 상태 모두의 기능으로서 생성될 수 있다. ML 프로세스를 사용해서 구성 액션이 생성될 수 있는 방법의 더 상세한 논의가 도 3a 및 3f를 참조해서 아래에 제공된다.
이제, 도 3e를 참조하면, 제2 노드의 상태의 기능으로서 구성 액션을 생성하기 위해서 ML 프로세스를 사용하는 것은 단계 321i에서 RL(Reinforcement Learning) 프로세스를 실행하는 것을 포함할 수 있다. 보강 학습은, 프로세스가 자체의 환경과 연속적으로 상호 작용하는 및 보상 신호의 형태로 암시적인 및 때때로 지연된 피드백이 제공되는 어떤 타입의 머신 학습이다. 보강 학습은 단기적 보상 극대화를 수행하지만 장기적 이득을 위해서 단기적으로 비합리적인 결정을 행할 수 있다. 이러한 프로세스는 이미 존재하는 지식을 활용함으로써 및 다른 네트워크 시나리오에서 액션의 스페이스를 탐색함으로써 기대되는 미래의 보상을 극대화하려고 시도한다. 도 3e에 도시된 바와 같이, 방법(300)의 단계 320의 콘텍스트에서 RL 프로세스를 실행하는 것은 단계 322i에서 복수의 가능한 구성 액션 각각에 대한 성공 측정을 예측하기 위해서 ML 모델을 사용하는 것을 포함할 수 있다. 이는, 단계 323i에서 가능한 구성 액션에 대한 성공 측정을 예측하기 위한 ML 모델에 제2 노드의 상태의 표현을 입력하는 것을 포함할 수 있다. 구성 액션에 대한 성공 측정은 구성 액션에 따라서 구성될 때 RAN 동작의 예측된 성공 측정이 될 수 있다. 이러한 성공 측정은 RAN 동작의 실행 동안 또는 실행에 뒤따라서 획득될 수 있어서, 예측된 값이 성공 측정을 위해서 획득된 값과 비교될 수 있도록 한다. 그 다음, RL 프로세스를 실행하는 것은, 가능한 액션에 대한 예측된 성공 측정에 기반해서 구성 액션을 선택하는 것을 포함할 수 있다. 이는, 단계 324i에서 예측된 성공 측정 및 탐색 컴포넌트에 기반해서 구성 액션을 선택하기 위해서 선택 기능을 사용하는 것을 포함할 수 있다. 탐색 컴포넌트는, 어떤 성공 측정이 덜 탐색된 가능한 액션에 대해서 획득될 수 있는 지를 학습하는 것에 대항해서 구성 액션에 대해서 획득된 성공 측정에 관한 기존의 지식을 탐색하는 값의 밸런스를 유지할 수 있다. 최종적으로, 구성 액션에 따라서 구성된 RAN 동작의 실행에 뒤따라서, RL 프로세스를 실행하는 것은 단계 325i에서 성공 측정을 예측하기 위한 ML 모델을 업데이트하는 것을 포함할 수 있다. 단계 326i 및 327i에서 도시된 바와 같이, ML 모델을 업데이트하는 것은 생성된 구성 액션에 따라서 구성된 RAN 동작의 성공의 측정을 획득하는 것 및 성공의 획득된 측정에 기반해서 ML 모델을 업데이트하는 것을 포함할 수 있다.
이제, 도 3f를 참조하면, 제2 노드의 상태의 기능으로서 구성 액션을 생성하기 위해서 ML 프로세스를 사용하는 것은 단계 321ii에서 RL 프로세스를 실행하는 것을 포함할 수 있다. 또한, 또는 대안적으로, 도 3f에 도시된 바와 같이, 방법(300)의 단계 320의 콘텍스트에서 RL 프로세스를 실행하는 것은 복수의 가능한 구성 액션 각각을 실행하는 확률을 예측하기 위해서 ML 모델을 사용하는 것을 포함할 수 있다(322ii). 이는, 단계 323ii에서, 확률을 예측하기 위한 ML 모델에 제2 노드의 상태의 표현을 입력하는 것을 포함할 수 있다. 그 다음, RL 프로세스를 실행하는 것은 각각의 가능한 액션에 대한 예측된 확률에 기반해서 구성 액션을 선택하는 것을 포함할 수 있다. 이는, 단계 324ii에서 예측된 확률 및 탐색 컴포넌트에 기반해서 구성 액션을 선택하기 위해서 선택 기능을 사용하는 것을 포함할 수 있다. 탐색 컴포넌트는, 어떤 출력이 덜 탐색된 가능한 액션에 대해서 획득될 수 있는 지를 학습하는 것에 대항해서 가능한 액션에 관한 기존의 지식을 탐색하는 값의 밸런스를 유지할 수 있다. 최종적으로, 구성 액션에 따라서 구성된 RAN 동작의 실행에 뒤따라서, RL 프로세스를 실행하는 것은 단계 325ii에서 실행의 확률을 예측하기 위한 ML 모델을 업데이트하는 것을 포함할 수 있다. 단계 326ii 및 327ii에서 도시된 바와 같이, ML 모델을 업데이트하는 것은 생성된 구성 액션에 따라서 구성된 RAN 동작의 성공의 측정, 또는 보상을 획득하는 것 및 성공의 획득된 측정에 기반해서 ML 모델을 업데이트하는 것을 포함할 수 있다.
다시, 도 3b를 참조하면, 구성 액션을 생성한 후, 제1 노드는 단계 330에서 생성된 구성 액션에 따라서 RAN 동작의 구성을 개시한다. 이는, RAN 동작을 구성하는 것 및/또는 RAN 동작의 구성을 위해서 또 다른 노드에 생성된 구성 액션을 전송하는 것을 포함할 수 있다. 이제, 도 3c를 참조하면, 그 다음, 제1 노드는 단계 332에서 구성됨에 따라서 RAN 동작을 수행한다.
단계 334에서, 제1 노드는 RAN 동작의 구성을 위한 제2 노드의 상태의 수신된 표현의 유용성의 측정을 획득한다. 이는, RAN 동작의 성공의 측정을 획득하는 것을 포함할 수 있다. 성공 측정은 특별한 동작에 대해서 특정될 수 있고, 예를 들어, 통신 네트워크의 성능의 일부 측면을 나타낼 수 있다. 네트워크 키 성능 인디케이터(Network Key Performance Indicator)들은, 예를 들어, 어떻게 네트워크 성능이 RAN 동작에 의해서 영향받았는지를 나타내는 및 RAN 동작에 기인하는 네트워크 성능에서의 소정의 향상 또는 저하가 식별될 수 있는 RAN 동작의 성공의 유용한 측정이 될 수 있다. 그 다음, 제1 노드는, 단계 336에서, 유용성의 획득된 측정에 기반해서, RAN 동작에 대한 구성 액션을 생성하기 위해서 수신된 상태 표현을 사용하기 위한 프로세스, 또는 상태 표현의 수신을 위한 구성 중 적어도 하나를 업그레이드할 수 있다.
RAN 동작에 대한 구성 액션을 생성하기 위해서 수신된 상태 표현을 사용하기 위한 프로세스는, 336a에서 도시된 바와 같이, 구성 액션을 생성하기 위해서 사용된 또 다른 파라미터에 대항해서 상태의 가중을 업데이트함으로써, 및/또는 제2 노드의 상태의 기능으로서 구성 액션을 생성하기 위해서 사용된 ML 프로세스를 업데이트함으로써, 업데이트될 수 있다. 예를 들어, 제2 노드의 상태가 액션을 생성하는데 덜 유용한 것으로 보이면, RAN 동작에 대한 미래의 구성 액션을 생성하는데, 예를 들어, 제1 노드의 상태를 포함하는 다른 팩터에 대항해서 덜 강하게 가중될 수 있다.
상태 표현의 수신을 위한 구성은, 336b에서 도시된 바와 같이, RAN 동작에 대한 제2 노드의 상태의 또 다른 표현에 대한 요청을 구성함으로써 업데이트될 수 있다. 예를 들어, 제2 상태가 RAN 동작에 대한 구성 액션을 생성하는데 유용한 것으로 보이면, RAN 동작에 관련되는 상태에 대한 또 다른 요청은 상태에 대한 더 높은 사이즈 제한을 특정할 수 있다. 제2 노드의 상태의 또 다른 표현에 대한 요청을 구성하기 위한 다른 옵션은 요청을 전혀 송신하지 않는 것, 요청되는 상태의 사이즈를 아래로 조정하는 것, 상태를 생성하기 위한 방법을 선택하는 것, 상태를 표현하기 위한 방법을 선택하는 것 등을 포함한다. 요청의 이 구성은 상기된 리포팅 파라미터를 사용해서 실행될 수 있다.
단계 338에서, 제1 노드는, 다른 노드와의 분리의 교환의 부분으로서 또는 다른 노드로 수행된 RAN 절차와 관련해서, 요청에서, 통신 네트워크의 또 다른 노드에 수신된 상태 표현을 포워딩할 수 있다.
도 4a 내지 4c는 통신 네트워크 내의 제1 노드에 의해서 수행된 RAN 동작을 용이하게 하기 위한 방법(400)의 또 다른 예에서 프로세스 단계를 도시하는 흐름도를 나타낸다. 방법(400)은 방법(100 및/또는 300)을 보완할 수 있고, 통신 네트워크 내의 제2 노드에 의해서 수행된다. 방법(400)은 방법(200)의 단계들이 구현될 수 있는 및 상기된 및 추가적인 기능성을 달성하기 위해서 보강될 수 있는 방법의 예들을 도시한다. 방법(200)을 참조해서 상기된 바와 같이, 방법(400)을 수행하는 제2 노드는 통신 네트워크의 RAN 또는 통신 네트워크에 접속되도록 동작 가능한 UE와 같은 무선 디바이스를 포함할 수 있다. 제1 노드는 통신 네트워크의 RAN 노드를 포함할 수 있다.
도 4a를 먼저 참조하면, 방법(400)의 제1 단계 402에서, 제2 노드는 제1 노드에 의해서 수행된 RAN 동작에 대한 자체의 상태의 표현을 제공하기 위해서 제2 노드의 능력에 대한 요청을 수신한다. 능력 요청은 해당 RAN 동작, 다중 RAN 동작을 특정할 수 있거나, 또는 소정의 RAN 동작에 대한 상태 표현을 제공하기 위한 능력에 대한 개방 요청이 될 수 있다.
단계 404에서, 제2 노드는 제1 노드에 의해서 수행된 RAN 동작에 대한 자체의 상태의 표현을 제공하기 위해서 제2 노드의 능력의 인디케이션을 전송한다. 능력의 인디케이션은 상태 식별자, 상태 표현이 제2 노드에 의해서 지원되는 RAN 동작, 상태 표현을 생성하기 위해서 지원된 방법 등을 포함할 수 있다. 능력 시그널링에 대한 옵션은 본 발명 개시의 예의 구현을 참조해서 아래에 더 상세히 논의된다.
단계 406에서, 제2 노드는 RAN 동작에 대한 제2 노드의 상태의 표현에 대한 요청을 수신한다. 요청은 제1 노드로부터 또는 제1 노드에 상태를 포워드하도록 동작 가능한 또 다른 노드로부터 수신될 수 있다(예를 들어, 기지국들 사이에서 포워딩하는 경우 또는 분할-아키텍처 시나리오에서). 406a에 도시된 바와 같이, 제2 노드는, RAN 동작에 대한 제2 노드의 상태의 표현에 대한 요청과 함께, 제1 노드에 대한 요청된 표현의 리포팅을 구성하는 리포팅 파라미터를 수신할 수 있다. 리포팅 파라미터는, 예를 들어, 상태를 포함할 파라미터 값의 압축된 표현의 사이즈, 상태를 식별하기 위한 프레임워크, 제1 노드에 상태의 업데이트된 표현을 리포트하기 위한 리포팅 주기성, 제1 노드에 상태의 업데이트된 표현을 리포트하기 위한 트리거 조건, 및/또는 상태의 표현과 함께 포함되는 추가적인 정보 중 적어도 하나를 특정할 수 있다. 제2 노드는, 단계 408에서, 상태 내의 포함을 위한 파라미터 값으로부터 제2 노드의 상태를 생성하는데 사용하기 위한 ML 모델을 획득할 수 있다. 예를 들어, ML 모델은 아래에 더 상세하게 논의된 바와 같이, 오토인코드(Autoencoder) 또는 주요한 컴포넌트 분석(Principle Component Analysis) 모델을 포함할 수 있다. 모델을 획득하는 것은 저장된 모델을 사용하는 것, 및/또는 모델에 대한 주기적인 업데이트를 다운로드 또는 그렇지 않으면 획득하는 것을 포함할 수 있다. 일부 예에 있어서, 하나 이상의 리포팅 파라미터는 제2 노드 상태의 요청된 표현을 생성하기 위해서 사용되어야 하는 어떤 모델을 표시할 수 있다.
이제 도 4b를 참조하면, 단계 409에서, 제2 노드는 리포팅 파라미터에 기반해서 제2 노드의 상태를 생성하기 위한 프로세스를 구성한다. 제2 노드는 요청에서 식별된 RAN 동작에 기반해서 상태 내의 포함을 위한 파라미터를 어셈블링할 수 있고, 어셈블링은 하나 이상의 리포팅 파라미터에 의해서 구성될 수 있다. 하나의 예에 있어서, 409a에 도시된 바와 같이, 리포팅 파라미터는 상태를 포함할 파라미터 값의 압축된 표현의 사이즈를 특정할 수 있고, 및 리포팅 파라미터에 기반해서 제2 노드의 상태를 생성하기 위한 프로세스를 구성하는 것은 리포팅 파라미터에서 특정된 사이즈의 상태를 생성하기 위한 프로세스를 구성하는 것을 결과적으로 포함할 수 있다. 예를 들어, 오토인코더에 대한 중간 레이어 제한이 부가될 수 있고, 및/또는 주요한 컴포넌트 분석에 대한 주요한 컴포넌트의 수에 대한 제한이 부가될 수 있다. 상태 표현을 생성하기 위한 프로세스를 구성하는 다른 예들은, 예를 들어, 리포팅 파라미터에서 특정된 프레임워크에 따라서 상태 식별자에 생성된 상태를 매핑하는 것을 구상할 수 있다.
단계 410에서, 제2 노드는 RAN 동작에 대한 제2 노드의 상태를 생성한다. 제2 노드의 상태는 제2 노드에 의해서 또는 제2 노드를 통해서 통신 네트워크에 접속되는 적어도 하나의 노드에 의해서 경험된 물리적인 상태, 무선 환경 또는 물리적인 환경 중 적어도 하나를 기술하는 파라미터 값의 압축된 표현을 포함한다. 예를 들어, 제2 노드가 RAN 노드이면, 제2 노드의 상태는 제2 노드를 통해서 통신 네트워크에 접속되는 적어도 하나의 노드에 의해서 경험된 무선 및/또는 물리적인 환경을 기술하는 파라미터의 압축된 표현을 포함할 수 있다.
410a에 도시된 바와 같이, 제2 노드의 상태 내에 표현된 파라미터 값은 제1 노드에 의해서 수행된 RAN 동작의 실행에 충격을 주도록 동작 가능한 파라미터의 값을 포함할 수 있다. 이러한 파라미터는, 일부 예에 있어서, 기존의 통신 네트워크 절차의 부분으로서 현재 리포트되지 않은 파라미터를 포함할 수 있지만, RAN 동작의 실행에 충격을 줄 수 있고, 그러므로 상태 내의 그들의 포함은 동작의 성공 측정을 최대화하도록 RAN 동작을 구성하는데 어시스트할 수 있다. 일례의 이러한 파라미터는 가속도계 또는 제2 노드에 탑재된 광 센서와 같은 센서로부터의 센서 판독을 포함할 수 있다.
410b 및 410c에서 도시된 바와 같이, RAN 동작에 대한 제2 노드의 상태를 생성하는 것은, 단계 410b에서 상태 내의 포함을 위한 파라미터 값을 어셈블링하는 것 및 단계 410c에서 머신 학습(ML) 프로세스를 사용해서 파라미터 값의 압축된 표현을 생성하는 것을 포함할 수 있다. 제2 노드는 특별한 RAN 동작에 관련되는 상태를 위해서 어셈블되어야 하는 어떤 파라미터 값을 결정하기 위해서 제2 노드 내에 구성된 정보를 언급할 수 있다. 적합한 파라미터를 어셈블리하는 것은 제2 노드에 의해서 수행된 측정, 센서 판독 등 및/또는, 예를 들어, UE와 같은 접속된 무선 디바이스를 포함하는, 다른 엔티티로부터 제2 노드에 의해서 수신된 측정 값 또는 다른 정보를 사용하는 것을 포함할 수 있다.
ML 프로세스를 사용해서 파라미터 값의 압축된 표현을 생성하는 것은, 트레이닝된 ML 모델을 사용해서 어셈블링된 파라미터 값의 차원 가능성을 감소하는 것을 포함할 수 있는데, 이는, 오토인코더(AE)의 인코더 부분 또는 PCA(Principal Component Analysis) 프로세스를 실행하기 위해서 트레이닝된 모델을 포함할 수 있다. 오토인코더 및 PCA는 본 발명 개시의 예의 구현을 참조해서 아래에 더 상세히 논의된다.
단계 412에서, 제2 노드는 전송을 위해서 생성된 상태의 표현을 준비한다. 이는 단계 412a에서 전송을 위한 상태 식별자에 생성된 상태를 매핑하는 것, 단계 412b에서 전송을 위해서 압축된 표현을 어셈블링하는 것 및/또는 단계 412c에서 생성된 상태와 제2 노드의 이전의 상태 사이의 차이(표현을 델타 인코딩하는)를 컴퓨팅하는 것 중 소정의 하나 이상을 수행하는 것을 포함할 수 있다. 방법(300)을 참조해서 상기된 바와 같이, 제2 노드의 상태에 대한 상태 식별자는 특별한 상태에 고유한 식별자를 포함할 수 있다. 특별한 상태는 하나 이상의 다수의 제2 노드에 의해서 경험될 수 있고, 동일한 고유한 상태 식별자는 상태를 경험하고 있는 제2 노드에 관계없이, 그 특별한 상태를 나타내기 위해서 사용될 수 있다. 따라서, 주어진 상태에 대해서, 동일한 고유한 상태 식별자가 상태를 경험하고 있는 통신 네트워크 내의 또는 이에 이에 접속된 소정의 제2 노드에 대한 상태를 식별할 수 있다.
단계 414에서, 제2 노드는 제2 노드의 상태의 생성된 표현이 유효한 조건을 특정하는 유효성 파라미터를 생성할 수 있다. 유효성 조건은, 예를 들어, 하나 이상의 파라미터에 대한 시간 주기 또는 임계치가 될 수 있는데, 그 넘어서 상태 표현이 더 이상 유효하지 않다.
이제, 도 4c를 참조하면, 단계 420에서, 제2 노드는 제1 노드 또는 제1 노드와 통신하도록 동작 가능한 통신 네트워크의 노드 중 적어도 하나에 생성된 상태의 준비된 표현을 전송한다. 제2 노드는, 420a에 도시된 바와 같이, 제2 노드의 상태의 전송된 표현으로 유효성 파라미터(생성된 경우)를 포함할 수 있다.
상기된 바와 같이, 제2 노드의 상태에 대한 요청과 함께 포함된 리포팅 파라미터는 제1 노드에 상태의 업데이트된 표현을 리포트하기 위한 리포팅 주기성, 또는 제1 노드에 상태의 업데이트된 표현을 리포트하기 위한 트리거 조건 중 적어도 하나를 특정할 수 있다. 이러한 예에 있어서, 제2 노드는, 리포팅 주기의 만료 또는 트리거 조건의 이행에 따라서, 제2 노드의 업데이트된 상태를 생성하고, 단계 422에서, 제1 노드 또는 제1 노드와 통신하도록 동작 가능한 통신 네트워크의 노드 중 적어도 하나에 업데이트된 상태의 표현을 전송할 수 있다.
단계 424에서, 제2 노드는, RAN 동작의 구성에 대한 제2 노드의 상태의 전송된 표현의 유용성의 측정을 획득한다. 424a에 도시된 바와 같이, 이는 RAN 동작의 성공의 측정을 획득하는 것을 포함할 수 있다. 단계 426에서, 제2 노드는, 유용성의 획득된 측정에 기반해서, 제2 노드의 상태를 생성하기 위한 프로세스 또는 생성된 상태의 전송된 표현과 함께 포함된 파라미터 중 적어도 하나를 업데이트할 수 있다.
상기 논의된 도 1 내지 4c는 본 발명 개시의 다른 실시예에 따라서 수행될 수 있는 방법의 오버뷰를 제공한다. 방법은 제2 노드의 상태의 표현을 시그널링하는 것을 포함하는데, 그 상태는 제1 노드에 의해서 수행된 RAN 동작에 대한 구성 액션을 생성하기 위해서 제1 노드에 의해서 사용될 수 있다. 파라미터 값의 제2 노드 압축된 표현의 상태, 및 제1 노드는 상태의 의미의 종래 지식을 갖지 않을 수 있지만, RAN 동작에 대한 구성 액션을 생성하기 위해서 상태의 표현을 사용하도록 학습할 수 있다. 이제, 도 1 내지 4c에 도시된 및 상기된 다른 프로세스 단계가 구현될 수 있는 방법의 상세한 논의가 이어진다.
제2 노드 능력의
시그널링
(단계 302, 304, 402, 404)
제2 노드는, 예를 들어, 하나 이상의 RAN 동작에 대한 제2 노드의 상태의 표현을 생성하기 위한 자체의 능력을 시그널링할 수 있다. 상기된 바와 같이, 일부 예에 있어서, 시그널링된 능력은 상태 표현 식별자를 포함할 수 있다. 디바이스 제조자가 모든 자체의 디바이스에서의 특별한 RAN 동작에 대한 소정의 상태 표현을 생성하는데 동일한 방법을 사용하면, 식별자는 복수의 디바이스 중에서 공유될 수 있다. 예를 들어, 특별한 제조자로부터의 모든 스마트폰 디바이스는, 제1 노드가 링크-적응과 관련된 상태를 요청할 때, 어떤 상태로 간섭 정보를 압축하기 위해서 동일한 방법(예를 들어, 오토인코더)을 사용할 수 있다. 그러면, 네트워크 내의 복수의 제1 노드는 링크-적응 RAN 동작(예를 들어, 이동성 파라미터를 세팅)에 대한 구성 액션으로 UE 리포트된 상태를 변환하기 위해서 각각의 이들 디바이스에 대한 동일한 RL 모델을 사용할 수 있다.
또한 또는 대안적으로, 능력은 제2 노드가 상태 기반 시그널링을 지원하는 지원된 무선-네트워크 동작을 포함할 수 있다.
하나의 예에 있어서, 제2 노드로부터의 능력 리포트는, 제2 노드가 상태 표현을 생성하기 위해서 하나 이상의 방법을 사용할 수 있는 것을 표시할 수 있다. 추가적으로, 능력 리포트는 다른 방법이 다른 RAN 동작과 관련해서 사용 가능한 것을 표시할 수 있다. 제2 노드의 능력 리포트는, 최대 또는 최소 상태 사이즈와 같은 상태를 표현하기 위해서 사용될 수 있는 하나 이상의 상태-사이즈 능력(예를 들어, 상태를 표현하는 다수의 비트로 표현됨)을 더 표시할 수 있다. 추가적으로, 상태-사이즈 능력은 하나 이상의 RAN 동작에 관련될 수 있다. 그러므로, 제2 노드는 다른 상태 표현 방법을 사용할 수 있을 뿐 아니라 다른 무선 네트워크 동작에 대해서 다른 상태-사이즈 표현을 제공할 수 있다.
제2 노드로부터의 능력 리포트를 수신함에 따라서, 제1 노드는, 예를 들어, 제2 노드에서 사용 가능한 상태 표현 방법 중 하나를 사용해서 특정 RAN과 관련된 상태 표현을 리포트하기 위해서 제2 노드를 구성할 수 있다. 제1 노드는 제2 노드의 능력 리포트에 기반한 소정의 RAN 동작과 관련된 선호되는 상태-사이즈 표현으로 제2 노드를 더 구성할 수 있다.
제2 노드의 상태를 요청하는 것 및 수신하는 것(단계 306, 310, 406, 420)
상기된 바와 같이, 제1 노드는 특별한 RAN 동작에 관련되는 제2 노드로부터 상태 표현을 요청할 수 있다. 이러한 RAN 동작은 다음을 포함한다:
- 링크 적응(LA: Link adaptation): 제2 노드는, 예를 들어, 이웃하는 노드에서 링크-적응에 영향을 줄 수 있는 파라미터에 대한 정보를 압축할 수 있다. 예를 들어, 접속된 UE 및 이러한 UE의 트래픽 특성. 노드는 접속된 UE의 품질을 시그널링할 수 있다. 제2 노드가 UE와 같은 무선 디바이스이면, 이는 자체 환경, 예를 들어, 경험된 간섭에 관련된 정보를 압축할 수 있다. 일부 예에 있어서, UE는 정보를 CQI 추정으로 압축할 수 있다.
- 스케줄링: LA와 유사하게; 제2 노드는 콤팩트 상태 표현으로 다가오는 시간-프레임에서 스케줄링 결정의 상태를 압축할 수 있다.
- TDD 구성
- 전력 제어
- 빔 포밍 선택
- 링크-적응 세팅
- 트래픽/로드 정보
- 무선 리소스 관리
- 이동성(Mobility) 동작
- 랜덤 액세스 동작(예를 들어, RACH 리포트)
- 이중 또는 다중 접속성 동작
- 빔 포밍 동작
- RRC 상태 핸들링
- 인터-RAT 동작
- 캐리어 애그리게이션
- 전송 모드 선택
- 에너지 세이빙 동작/세팅
제1 노드는 다음 예의 ASN1 포맷을 사용하는 상태를 요청할 수 있다.
-- ASN1START
State-information-request ::=
SEQUENCE {
Radio-network-operation
ENUMERATED {
Link-adpatation, scheduling, beamforming, mobility,load-balancing,...,}
state-size
Integer
OPTIONAL,
-- Cond Setup
state-reporting-periodicity
Integer
OPTIONAL,
-- Cond Setup
state-reporting-trigger
boolean
OPTIONAL,
-- Cond Setup
}
-- ASN1END
또한, 제1 네트워크 노드는 상기된 리포팅 파라미터를 사용하는, 압축된 상태의 사이즈에 대한 정보를 포함할 수 있다. 큰 사이즈는, 전송된 더 많은 데이터의 비용을 치르면서 더 정확한 결정을 행할 수 있다. 요청하는 표현의 어떤 사이즈의 선택은 방법의 성능에 기반할 수 있다. 예를 들어, 제1 노드는, 주어진 상태에 대한 다수의 액션이 보강 학습 프레임워크에서 유사한 보상을 제공하는 경우, 레졸루션을 증가시키도록 요청할 수 있다. 상태-사이즈는 제2 노드로부터 상태 피드백에 대해서 허용된 부동 소수점 의 수를 포함할 수 있다.
제2 노드가 상태를 리포트하는 주기성은, 또한, 무선-네트워크 동작에 기반해서 선택될 수 있다. 예를 들어, 주파수에 기반해서, 스케줄링 결정이 취해지거나, 또는 링크-적응 선택이 행해진다.
상태 정보는 또 다른 예에서 상태가 소정의 임계치 이상으로 변경했을 때 트리거되도록 요청될 수 있고; 예를 들어, 새로운 상태의 유클리드 거리는 이전에 리포트된 상태보다 소정의 임계치만큼 크다. 또 다른 예에 있어서, 상태 정보는 하나 이상의 키 성능 인디케이터(KPI: Key Performance Indicator)가 임계치 양 이상 변경했을 때 요청되거나 또는 트리거될 수 있다. 또한, KPI 변경은 측정 인터벌과 관련될 수 있다. 추가적으로, KPI 변경은 제1 노드, 제2 노드 또는 네트워크, 또는 네트워크 내의 복수의 제1 노드, 제2 노드 또는 이들의 조합에 관련될 수 있다. KPI의 예는 다음 중 하나 이상을 포함할 수 있다:
- 데이터 레이트 또는 처리량
- 데이터 레이턴시
- 블록 에러 레이트
- 패킷 에러 레이트
- 에너지 소비
제2 네트워크 노드는 다음 예의 ASN1 포맷으로 응답할 수 있다:
-- ASN1START
State-information-respond ::=
SEQUENCE {
Radio-network-operation
ENUMERATED {
Link-adpatation, scheduling, beamforming, mobility, load-balancing,...,}
state
SEQUENCE {Float},
validity-timer
Integer, Optional
-- ASN1END
제2 노드로부터의 시그널링 응답은 리포트된 상태가 유효할 때의 시간을 커버할 수 있다. 빔 포밍의 경우, 이는, 채널의 코히어런스 시간에 대응할 수도 있다. 스케줄링의 경우, 이는, 상태가 스케줄러에 의해서 취해진 결정을 표현하는 시간에 대응할 수도 있다. 응답 방법은 하나의 실시예에 있어서 이전 상태에 대해서 현재 상태의 차이(델타 인코딩)를 포함할 수 있다.
상태 표현을 생성하는 것(단계 409, 410, 412)
제2 네트워크 노드는, 이것이 소정의 RAN 동작에 관련되는 것 또는 유용한 것으로 고려하는 정보를 표현하는 상태를 생성한다. 예를 들어, 링크-적응의 경우, UE 형태의 제2 노드는 경험된 간섭 및 노이즈 레벨에 관련되는 정보 및 네트워크에서 적합한 MCS를 선택하기 위해서 관련될 수도 있는 추가적인 형태를 인코딩하는 것을 찾을 수 있다. 또한, UE는 롱 텀 에볼루션/뉴 라디오(LTE/NR)에 대한 프레임워크에 포함하는 것이 가능하지 않은 다른 입력을 사용할 수 있다. 예를 들어, UE는 자체의 센서(가속도계, 광-센서 등)로부터 이동성의 정보를 포함할 수 있다. 또한, 이는, UE가 콘텍스트에서 일부 이동성 정보를 포함할 수 있게 한다.
유사하게, 핸드오버의 경우, UE 형태의 제2 노드는 핸드오버 결정 및 자체의 이동성을 개선하기 위해서 가능한 많은 그 환경의 정보를 인코딩하는 것을 찾을 수 있다. 상태는 로케이션, 인도어/아웃도어 추정, 센서 등과 같은 정보에 기반할 수 있다.
콤팩트 상태 스페이스 표현을 생성하기 위해서 사용될 수 있는 방법은 오토인코더(AE) 및 주요한 컴포넌트 분석(PCA: principal component analysis)을 포함한다. AE는 효율적인 데이터 표현을 학습하기 위해서, 즉, 데이터에 집중하기 위해서 사용될 수 있는 머신 학습 프로세스의 타입이다. AE는, 최소 정보 손실로, 입력 형태의 세트를 취하고 입력 형태의 차원 가능성을 감소시키도록 트레이닝된다. AE는 2개의 부분, 인코딩 부분 또는 인코더 및 디코딩 부분 또는 디코더로 분할된다. 인코더 및 디코더는, 예를 들어, 뉴런(neuron)의 레이어를 포함하는 K 뉴런 네트워크(deep neural network)를 포함할 수 있다. 인코더는, 디코더가 데이터의 허용 가능한 손실로 오리지널 데이터 스트림을 복원할 수 있는 경우, 데이터를 성공적으로 인코딩 또는 압축한다. CSI 압축을 위한 인코더/디코더를 포함하는 AE의 하나의 예를 도 5에 나타내는데, 채널 임펄스 응답(CIR: Channel impulse response)의 절대 값이 코드로 압축되고 그 코드는 디코딩되어 측정된 CIR을 재구성한다. 본 발명 개시의 예에 있어서, 제2 노드는 상태에 포함되는 파라미터의 값의 압축된 표현을 생성하기 위해서 AE를 사용할 수 있다. 그러면, 압축된 표현, 또는 표현의 식별자는 제1 노드에 전송될 수 있다. 유사한 결과는 압축된 표현을 생성하기 위해 PCA를 사용해서 달성될 수 있다.
또한, AE의 디코더 부분 또는 적합한 PCA 정보를 전송하기보다는, 제1 노드는 압축된 데이터를 재구성할 수 있으므로, 제1 노드는 대신 RAN 동작에 대한 구성 액션을 생성하도록 압축된 표현을 직접적으로 사용한다. 예를 들어, RL 방법을 사용하면, 제1 노드는, 상태 표현에 기반해서, RAN 동작에 대한 어떤 성공 측정이 동작에 대한 다른 구성 액션을 사용해서 획득될 수 있는지를 예측하는 예측 기능을 학습할 수 있다. 그 다음, 선택 기능은 예측된 성공 측정에 기반해서 적합한 구성 액션을 선택할 수 있다. 이 방식으로, 제1 노드의 RL 프로세스는, 상태 내의 정보를 먼저 압축 해제하거나 디코딩하려고 하지 않고, RAN 동작에 대한 구성 액션에 직접적으로 압축된 상태 표현을 효과적으로, 매핑한다. 이하, 더 논의된 바와 같이, 이 배열의 장점은, 제1 노드가 상태 표현 내에 포함되는 어떤 파라미터를 알 필요가 없고, 추가적인 파라미터를 특별한 RAM 동작에 대한 상태 표현 내에 포함시키기 위해서 추가적인 표준화가 필요하지 않으며, 제1 노드 내의 RL 프로세스가 간단히 적응되며, 새로운 파라미터를 포함하는 압축된 상태 표현을 해석하는 방법을 학습할 수 있는 것이다. 또한, 이는, LTE/NR 프로세스에 따라서 현재 교환되지 않지만 특별한 RAN 동작에 대한 관련 정보를 제공할 수 있는 파라미터를 고려할 수 있게 한다.
제1 노드에 의해서 요구된 상태 사이즈(즉, 상태를 표현하기 위해서 사용되는 비트의 수)는 압축된 방법의 레이아웃에 영향을 줄 수 있다. 예를 들어, AE의 경우 중간 레이어 제한, 또한 PCA의 경우 주요한 컴포넌트가 요구된 상태 사이즈에 따라서 부과될 수 있다.
RAN 동작을 구성하는 것 및 수행하는 것(단계 330, 332)
제1 네트워크 노드는 제2 노드의 압축된 상태의 표현을 수신한다. 제1 노드, 또는 그 네트워크가 수신된 상태에 대한 RAN 동작 구성 액션을 생성하기 위해서 구축되거나 트레이닝된 모델을 갖지 않으면, RAN 동작에 대해서 최적의 액션에 대한 상태의 매핑을 학습할 수 있다. 제1 노드는, 예를 들어, 수신된 상태 정보에 대한 최상의 액션을 학습하기 위해서 보강 학습(RL) 기술을 사용할 수 있다. RL 기술을 구현하는 아이전트에 의해서 생성된 최적의 구성 액션은 제1 노드의 내부 상태 및 제2 노드로부터 수신된 상태 모두에 기반할 수 있다. 예를 들어, UE 리포트된 상태가 LA를 커버하면, 제1 노드는 최적의 구성 액션(사용할 어떤 변조 및 코딩 방안(MCS))을 선택할 때 이전의 전송의 블록 에러 레이트(BLER: Block Error Rate)와 같은 정보를 포함할 수 있다.
또 다른 예에 있어서, 제1 노드가 액세스 가능한 메모리 내에서 사용 가능한 수신된 상태 식별자에 대한 이전에 트레이닝된 RL 모델을 갖는 경우, RAN 동작에 대해서 그 모델을 사용할 수 있다. 상태 식별자는 특별한 UE 제조업자에 의해서 생성된 모든 디바이스에 대해서 동일하게 될 수 있다. 또 다른 예에 있어서, 제1 노드는 제3 네트워크 노드로부터의 RAN 동작 구성 액션에 대한 상태 표현의 매핑에 관한 정보를 요청할 수 있다. 예를 들어, 제1 노드는, 유사한 상태 식별자로 과거 UE에서 호스팅된 또는 호스팅될 수 있는 노드로부터 매핑을 요청할 수 있다. 제3 네트워크 노드는 서버 노드(예를 들어, 이동성 관리 엔티티(MME)), 또는 또 다른 RAN 노드를 포함할 수 있다.
유용성을 평가하는 것(단계 334, 336, 424, 426)
제1 노드, 또는 제1 노드와 관련된 기능성은, RAN 동작과 관련된 KPI와 이를 상관시킴으로써 수신된 상태의 유용성을 평가할 수 있다. 예를 들어, LA의 경우, 제1 네트워크 노드는 이웃하는 기지국 노드로부터 수신된 상태를 제1 노드에서 사용자에 의해서 경험된 처리량과 상관시킬 수 있다. 높은 상관이 있는 경우, 개선된 성능으로 이어진 상태를 사용해서 생성된 LA에 대한 구성 액션을 제안하면, 데이터 전송의 증가된 코스트가 LA를 구성하는데 있어서 상태 표현의 유용성에 의해서만 정당화됨에 따라서, 제1 노드는 상태 표면을 증가시키도록 요청할 수 있다. 낮은 상관이 있는 경우, 네트워크는 소정의 이웃하는 기지국 노드로부터 상태 정보를 수신하는 것을 정지할 수 있거나, 또는 수신된 상태 표현의 사이즈를 감소시킬 수 있다. 유용성 측정은, 일부 예에 있어서, 제2 노드로 시그널링 될 수 있는데, 이는, 소정의 RAN 동작에 대한 새로운 상태 표현을 생성하기 위해서 측정을 사용할 수 있다. 제2 노드는 자체의 상태의 표현을 변경했을 때마다 제1 노드로 플래그할 수 있다. 제2 노드가 UE인 경우, UE는, 일부 예에 있어서, 리포트된 상태와 그 자체의 경험된 처리량, RAN 동작의 성공을 평가하기 위한 이동성 성능 또는 다른 측정, 및 결과적으로, RAN 동작에 대한 구성 액션을 생성하기 위한 상태 표현의 유용성을 상관시킬 수 있음에 따라서, 자체의 리포트된 상태의 유용성을 암시적으로 알 수 있다.
네트워크 노드들 중에서 상태 표현을 포워딩
하나의 예에 있어서, UE 또는 RAN 노드와 같은 무선 디바이스가 될 수 있는 제2 노드로부터 수신된 상태 표현은 통신 네트워크 내의 또 다른 노드로 포워딩될 수 있다. 다수의 다른 시나리오가 구상될 수 있다:
분할 아키텍처에서:
- 분산된 유닛(DU)은 접속된 UE로부터 상태를 요청하고, UE로부터 상태를 수신하며, 그 상태를 그 대응하는 중앙화된 유닛(CU)에 포워드한다.
- CU는 제1 노드로부터 상태를 요청하고(상태는 제1 DU에 의해서 또는 제1 DU에 접속된 UE에 의해서 생산된 상태가 될 수 있음), CU는 제1 DU로부터 상태를 수신하며 이를 제2 DU에 포워드한다.
- 제1 CU는 DU로부터 상태를 요청하고(상태는 DU에 의해서 또는 제1 DU에 접속된 UE에 의해서 생산된 상태가 될 수 있음), 제1 CU는 DU로부터 상태를 수신하며 이를 제2 CU에 포워드한다.
비-분할 아키텍처에서
- 제1 기지국(예를 들어, 베이스밴드 유닛)은 UE로부터 상태를 요청하고, UE로부터 상태를 수신하며, 이를 제2 기지국에 포워드한다.
상기된 바와 같이, 방법(100 및 300)은 제1 노드에 의해서 수행될 수 있고, 본 발명 개시는 상기 논의된 방법의 소정의 또는 모든 단계를 수행하도록 적응되는 제1 노드를 제공한다. 제1 노드는 물리적인 또는 가상의 노드가 될 수 있고, 예를 들어, 클라우드, 엣지 클라우드 또는 포그 배치(fog deployment)에서 구동하고 있는 가상화된 기능을 포함할 수 있다. 일부 예에 있어서, 제1 노드는 RAN 노드를 포함할 수 있다. RAN 노드 자체는 다수의 논리적인 및/또는 물리적인 기능들 사이에서 분할될 수 있고, 제1 노드의 소정의 하나 이상의 부분은 RAN 네트워크 노드의 하나 이상의 논리적인 또는 물리적인 기능에서 인스턴스화될 수 있다.
도 6은, 예를 들어, 컴퓨터 프로그램(650)으로부터 적합한 명령의 수신에 대한 본 발명 개시의 예들에 따른, 도 1 및 3a 내지 3d에서 설명된 바와 같이, 방법(100 및/또는 300)을 구현할 수 있는 일례의 제2 노드(1300)를 도시하는 블록도이다. 도 6을 참조하면, 제1 노드(600)는 프로세서 또는 처리 회로(602)를 포함하고, 메모리(604)와 인터페이스(606)를 포함할 수 있다. 처리 회로(602)는 도 1 및 3a 내지 3d를 참조해서 상기된 바와 같이, 방법(100 및/또는 300)의 일부 또는 모든 단계를 수행하도록 동작 가능하다. 메모리(604)는 처리 회로(1302)에 의해서 실행 가능한 명령을 포함할 수 있어서, 제1 노드(600)가 도 1 및 3a 내지 3d에서 설명된 바와 같이, 방법(100 및/또는 300)의 일부 또는 모든 단계를 수행하도록 동작 가능하다. 또한, 명령은, 하나 이상의 전기 통신 및/또는 데이터 통신 프로토콜을 실행하기 위한 명령을 포함할 수 있다. 명령은 컴퓨터 프로그램(650) 형태로 저장될 수 있다. 일부 예에 있어서, 프로세서 또는 처리 회로(602)는 하나 이상의 마이크로프로세서 또는 마이크로제어기만 아니라 다른 디지털 하드웨어를 포함할 수 있고, 이들은, 디지털 신호 프로세서(DSP), 특별한-목적의 디지털 로직 등을 포함할 수 있다. 프로세서 또는 처리 회로(602)는 ASIC(Application Specific Integrated Circuit), FPGA(Field Programmable Gate Array) 등과 같은 소정 타입의 집적 회로에 의해서 구현될 수 있다. 메모리(604)는 ROM(read-only memory), 랜덤-액세스 메모리, 캐시 메모리, 플래시 메모리 디바이스, 광학 스토리지 디바이스, 고체 상태 디스크, 하드 디스크 드라이브 등과 같은 프로세서에 대해서 적합한 하나 또는 다수 타입의 메모리를 포함할 수 있다.
도 7은, 예를 들어, 컴퓨터 프로그램으로부터 수신된 컴퓨터 판독 가능한 명령에 따른 본 발명 개시의 방법(100 및/또는 300)의 예를 실행할 수 있는 또 다른 예의 제1 노드(700) 내의 기능적인 모듈을 도시한다. 도 7에 도시된 모듈은 기능적인 모듈이고 하드웨어 및/또는 소프트웨어의 소정의 적합한 조합으로 구현될 수 있는 것으로 이해될 것이다. 모듈은 하나 이상의 프로세서를 포함할 수 있고, 소정 정도로 통합될 수 있다.
도 7을 참조하면, 제1 노드(700)는 RAN을 포함하는 통신 네트워크 내의 제1 노드에 의해서 수행된 RAN 동작을 관리하기 위한 것이다. 제1 노드(700)는, RAN 동작에 대한 제2 노드의 상태의 표현을 수신하기 위한 수신 모듈(702)을 포함하고, 여기서, 제2 노드의 상태는 제2 노드에 의해서 경험된 또는 제2 노드를 통해서 통신 네트워크에 접속되는 적어도 하나의 노드에 의해서 경험된 물리적인 상태, 무선 환경 또는 물리적인 환경 중 적어도 하나를 기술하는 파라미터 값의 압축된 표현을 포함한다. 제1 노드(700)는, RAN 동작에 대한 구성 액션을 생성하기 위해서 수신된 상태 표현을 사용하기 위한 학습 모듈(704), 및 생성된 구성 액션에 따라서 RAN 동작의 구성을 개시하기 위한 구성 모듈(706)을 더 포함한다. 제1 노드(700)는 인터페이스(708)를 더 포함할 수 있는데, 이는, 적합한 통신 채널을 통해서 제2 노드와의, 및/또는 다른 통신 네트워크 노드와의 통신을 용이하게 하도록 동작 가능하게 될 수 있다.
상기된 바와 같이, 방법(200 및 400)은 제2 노드에 의해서 수행될 수 있고, 본 발명 개시는 상기 논의된 방법의 소정의 또는 모든 단계를 수행하도록 적응되는 제2 노드를 제공한다. 제2 노드는 물리적인 또는 가상의 노드가 될 수 있고, 예를 들어, 클라우드, 엣지 클라우드 또는 포그 배치(fog deployment)에서 구동하고 있는 가상화된 기능을 포함할 수 있다. 일부 예에 있어서, 제2 노드는 RAN 노드를 포함할 수 있다. RAN 노드 자체는 다수의 논리적인 및/또는 물리적인 기능들 사이에서 분할될 수 있고, 제2 노드의 소정의 하나 이상의 부분은 RAN 네트워크 노드의 하나 이상의 논리적인 또는 물리적인 기능에서 인스턴스화될 수 있다. 다른 예에 있어서, 제2 노드는 UE와 같은 무선 디바이스를 포함할 수 있다.
도 8은, 예를 들어, 컴퓨터 프로그램(850)으로부터 적합한 명령의 수신에 대한 본 발명 개시의 예들에 따른, 도 2 및 4a 내지 4c에 도시된 바와 같은, 방법(200 및/또는 400)을 구현할 수 있는 일례의 제2 노드(800)를 도시하는 블록도이다. 도 8을 참조하면, 제2 노드(800)는 프로세서 또는 처리 회로(802)를 포함하고, 메모리(804)와 인터페이스(806)를 포함할 수 있다. 처리 회로(802)는 도 2 및 4a 내지 4c를 참조해서 상기된 바와 같이, 방법(200 및/또는 400)의 일부 또는 모든 단계를 수행하도록 동작 가능하다. 메모리(804)는 처리 회로(802)에 의해서 실행 가능한 명령을 포함할 수 있어서, 제2 노드(800)가 도 2 및 4a 내지 4c에서 설명된 바와 같이, 방법(200 및/또는 400)의 일부 또는 모든 단계를 수행하도록 동작 가능하다. 또한, 명령은, 하나 이상의 전기 통신 및/또는 데이터 통신 프로토콜을 실행하기 위한 명령을 포함할 수 있다. 명령은 컴퓨터 프로그램(850) 형태로 저장될 수 있다. 일부 예에 있어서, 프로세서 또는 처리 회로(802)는 하나 이상의 마이크로프로세서 또는 마이크로제어기만 아니라 다른 디지털 하드웨어를 포함할 수 있고, 이들은, 디지털 신호 프로세서(DSP), 특별한-목적의 디지털 로직 등을 포함할 수 있다. 프로세서 또는 처리 회로(802)는 ASIC(Application Specific Integrated Circuit), FPGA(Field Programmable Gate Array) 등과 같은 소정 타입의 집적 회로에 의해서 구현될 수 있다. 메모리(804)는 ROM(read-only memory), 랜덤-액세스 메모리, 캐시 메모리, 플래시 메모리 디바이스, 광학 스토리지 디바이스, 고체 상태 디스크, 하드 디스크 드라이브 등과 같은 프로세서에 대해서 적합한 하나 또는 다수 타입의 메모리를 포함할 수 있다.
도 9는, 예를 들어, 컴퓨터 프로그램으로부터 수신된 컴퓨터 판독 가능한 명령에 따른 본 발명 개시의 방법(200 및/또는 400)의 예를 실행할 수 있는 또 다른 예의 제2 노드(900) 내의 기능적인 모듈을 도시한다. 도 9에 도시된 모듈은 기능적인 모듈이고 하드웨어 및/또는 소프트웨어의 소정의 적합한 조합으로 구현될 수 있는 것으로 이해될 것이다. 모듈은 하나 이상의 프로세서를 포함할 수 있고, 소정 정도로 통합될 수 있다.
도 9를 참조하면, 제2 노드(900)는 RAN을 포함하는 통신 네트워크 내의 제1 노드에 의해서 수행된 RAN 동작을 용이하게 하기 위한 것이다. 제2 노드(900)는, RAN 동작에 대한 제2 노드의 상태를 생성하기 위한 상태 모듈(902)을 포함하고, 여기서, 제2 노드의 상태는 제2 노드에 의해서 경험된 또는 제2 노드를 통해서 통신 네트워크에 접속되는 적어도 하나의 노드에 의해서 경험된 물리적인 상태, 무선 환경 또는 물리적인 환경 중 적어도 하나를 기술하는 파라미터 값의 압축된 표현을 포함한다. 제2 노드는, 제1 노드 또는 제1 노드와 통신하도록 동작 가능한 통신 네트워크의 노드 중 적어도 하나에 생성된 상태의 표현을 전송하기 위한 전송 모듈(904)을 더 포함한다. 제2 노드(900)는 인터페이스(906)를 더 포함할 수 있는데, 이는, 적합한 통신 채널을 통해서 제1 노드와의 또는 다른 통신 네트워크 노드와의 통신을 용이하게 하도록 동작 가능하게 될 수 있다.
예의 사용 케이스
아래에 도시된 2개의 예는, UE가 NR-시스템으로부터 기준 신호에 대한 측정을 수행하는 시나리오를 입증한다. 이들 측정은 enc1, enc2로 표시되는 2개의 부동 소수점 값으로 압축된다. 하나의 예에 있어서, UE는 압축되지 않은 자체의 측정을 리포트할 수 있고, UE의 서빙 기지국은 제2 노드로서 행동할 수 있어서, 상태 표현을 생성하도록 수신된 측정을 압축하고, 이 상태 표현을 본 발명 개시에 따른 제1 로드로서 행동하는 또 다른 RAN 노드에 제공한다. 이는 아래의 예 1에 도시된다. 또 다른 예에 있어서, UE 자체는 본 발명 개시에 따른 제2 노드가 될 수 있고, 그러므로, 자체의 신호 측정을 압축하고 관련 제1 노드(이는, 자체의 서빙 기지국이 될 수 있음)에 이들을 리포팅함으로써, 상태를 생성할 수 있다. 이는 아래의 예 2에 도시된다. 양쪽 예들은, UE가 제1 기지국(1002)에 접속되는 도 10에 도시된 시뮬레이션에 관련된다. 도 10은 통신 네트워크에 의해서 서빙된 도시의 영역의 배치 플롯을 도시한다. 통신 네트워크는 3.5GHz에서 배치된 매크로 셀(1002 및 1004), 및 28GHz에서 배치된 매크로 셀을 포함한다.
도 11a 및 11b는 RAN 노드(1002)에 의해서 서빙된 다른 영역을 도시하고, 이들이 인코딩된 또는 압축된 상태에 매핑되는 방법을 나타낸다. 압축된 상태는 UE에 의해서 검출 가능한 이동성 기준 신호(SSB)를 사이즈-2 중간 레이어로 오토-인코더 내에 피딩(feeding)함으로써 생성된다. 도 11a는 노드(1102)에 접속된 UE의 위치 플롯이고, 도 11b는 UE에 의해서 획득된 이동성 기준 신호 측정의 대응하는 인코딩된 표현을 도시한다. 도 11에서, 이동성 기준 신호의 인코딩된 버전은 다른 지리적인 영역에 매핑되는 것을 나타낸다. 이는, 소수의 인코딩된 값으로 환경 내의 압축하는 복잡한 관계의 가능성을 입증하는, 압축된 상태가 다른 지리적인 영역에 매핑할 수 있는 방법을 도시한다. 이 경우, 3.5GHz 캐리어 상의 57개의 매크로-셀로부터의 이동성 신호를 2개의 인코딩된 값으로 매핑한다.
예 1: 제1 및 제2 네트워크 노드는 RAN 노드
이 예에 있어서, 제1 노드는 도 11의 매크로 RAN 노드(11)이고, 제2 노드는 매크로 RAN 노드(1002)이다. 제1 노드(100)는 자체의 서빙된 UE에 대한 링크-적응 파라미터를 설정하는 것을 의도한다. 제1 노드(1004)는 LA 동작에 관련되는 제2 노드(1002)의 상태에 대한 상태 표현을 요청한다. 제2 노드(1002)는 간섭 추정에 관련된 정보에 기반한 상태를 생성한다. 제2 노드(1002)는, 예를 들어, 자체 접속된 UE의 인코딩된 이동성 측정을 사용할 수 있고, 모든 인코딩된 값을 이미지 표현에 애그리게이트할 수 있는데, 이는, 제1 노드(1004)에 시그널링되고 도 12a 및 12b에 도시된 상태 표현이다. 어두운 컬러는 0으로부터 100의 각각의 빈(bin) 내의 UE의 수를 표시한다. 도 12a는 LA에 관련된 정보의 상세한 인코딩을 포함하는 상태를 도시하고, 도 12b는 희박한 인코딩을 도시한다. 도 11a 및 11b의 좌측에서 하이라이트된 UE가 제1 노드(1002)에 대해서 더 많은 간섭을 생성하는 것이 기대될 수 있다. 제1 노드(1004)는, 도 12a 및 도 12b의 좌측 바닥의 상태-영역의 값이 높을 때, 더 큰 간섭을 기대하고 대응해서 LA를 구성할 수 있는 것을 학습할 수 있다. 또한, 제1 노드(1004)는, LA 동작의 성공에 의해서 측정됨에 따라서, 정보의 코스트 대 이익에 기반해서 수신된 상태 표현의 레졸루션(인코딩의 세부 사항)을 증가 또는 감소할 수 있다.
예 2: 제1 노드는 RAN 노드 및 제2 노드는 UE
이 예에 있어서, 기준 신호 측정의 인코딩은, 제2 노드로서 행동하는 및 다수의 기준 신호 측정을 상태로 인코딩하는 능력을 갖는 UE와 함께, UE 측면에서 수행된다. 이 예에 있어서, 네트워크는, 예를 들어, 상태에 기반한 빔 포밍 결정을 학습할 수 있다. 최적의 빔-선택이 2개의 다른 예의 빔에 대한 UE 리포트된 상태에 의존할 수 있는 방법의 일례가 도 13에 도시된다. 이 예에 있어서 UE는 소정의 기준 신호 측정에 대해서 동일한 상태를 생성하는 것으로 상정되는 것으로 이해될 것이다. 높은 수의 빔 중에서 선택할 때 2개의 인코딩된 비트만으로는 충분하지 않을 있음에 따라서, 제1 노드는 더 양호한 표현을 얻기 위해서 상태 사이즈를 증가시키기 위해서 선택할 수 있다. 도 13은 각각의 리포트된 상태 표현에 대한 최적의 프리코더를 학습할 수 있는 방법을 도시한다. 도 13의 예에서, 이동성 빔에 대한 신호 품질 측정이 상태를 표현하기 위해서 사용되는 경우, 그런데, 채널 임펄스 응답은, 또한, 빔 포밍 결정에 대한 효율적인 상태를 생성하기 위해서 사용될 수 있거나 대안적으로 사용된다.
또 다른 캐리어 예에 대한 커버리지를 예측
도 14a 및 14b는 상태 표현이 또 다른 주파수 상에서 노드 상에서 커버리지를 갖도록 매핑될 수 있는 방법을 도시한다. 도 14a의 하이라이트된 UE는, 28GHz 캐리어에서 동작하는 노드(1402)의 커버리지에 있는 UE이다. 도 14b는 이들 UE가 노드(1404)에서 핸드오버 동작을 구성하는데 사용하기 위한 상태로 인코딩될 수 있는 방법을 나타낸다. 노드(1404)는 (하이라이트된 UE를 발견하는) 노드(1402) 상에서 커버리지를 갖는 것과 상관하는 상태를 발견하도록 머신 학습을 사용할 수 있다.
상기 논의에 의해서 입증된 바와 같이, 본 발명 개시의 예는 "압축된 상태"의 시그널링 및 사용에 대한 프레임워크를 제공하는데, 여기서, 압축된 상태는 파라미터 값의 압축된 표현을 포함한다. 파라미터 값은, 제2 노드에 의해서 경험된 또는, 예를 들어, 제2 노드가 기지국과 같은 무선 액세스 노드이면, 제2 노드를 통해서 통신 네트워크에 접속되는 적어도 하나의 노드에 의해서 경험된 물리적인 상태, 무선 환경 또는 물리적인 환경 중 적어도 하나를 기술한다. 압축된 상태의 표현은 제1 노드에 의해서 수신되는데, 이는, 압축된 상태가 특별한 RAN 동작에 관련되는 소정의 예를 제외하고, 압축된 상태의 의미의 종래 지식을 갖지 않을 수 있다. 제1 노드는, 예를 들어, 보강 학습(RL: Reinforcement Learning)을 사용하는, RAN 동작에 대한 구성 액션을 생성하기 위해서 압축된 상태를 사용할 수 있다.
본 발명 개시의 예들은 소정의 RAN 동작을 최적화하기 위해서 제1 및 제2 노드 모두에서 ML의 사용을 가능하게 한다. 본 발명 개시의 예에 의해서 제공된 중요 장점은 감소된 시그널링 오버헤드, 감소된 표준화 요건, 및 개선된 성능을 포함할 수 있다.
감소된 시그널링 오버헤드
제2 네트워크 노드는 상태 내에 소정의 RAN 동작에 관련된 정보를 압축할 수 있고, 상태의 의미를 기술하는 시그널링 리소스를 확장할 필요는 없다. 본 발명 개시의 예들은 RAN 동작에 기반해서 상태 정보 사이즈를 조정하는 것이 가능하므로, 각각의 동작에 대한 최적의 리포팅 사이즈를 식별하도록 허용한다. 통신 네트워크는 UE 또는 무선 액세스 노드에 모델을 다운로드할 필요가 없어서, 또 다른 시그널링 오버헤드 감소를 제공한다.
감소된 표준화 오버헤드
다른 RAN 절차에 대해서 리포트되는 정보가 현재 표준에서 규정된다. 예를 들어, LA에서, UE는 자체의 경험된 환경을 CQI 값으로 변환하는 것이 요구된다. 그러므로, RAN 절차에 관련해서 리포트하기 위한 새로운 파라미터의 추가는 관련 표준에 대한 보정을 요구한다. 대조적으로, 소정의 새로운 유익한 정보는, 관련 표준으로의 소정의 변경을 요구하지 않고, 사용 가능한 것으로 되거나 또는 식별될 때, RAN 동작에 관한 상태 표현 내에 추가될 수 있다. 예를 들어, UE가 더 양호한 링크-적응 상태를 추정하도록 업그레이드되면, UE는 자체의 생성된 상태 내에 이 정보를 포함시키고 자체의 상태 표현 내에 포함된 정보가 변경되었다는 인디케이션을 간단히 시그널링할 수 있다. 따라서, 본 발명 개시의 예는 특별한 무선 네트워크 동작에 대한 시맨틱(semantic)을 특정하는데 있어서 표준화 노력에 대한 필요를 감소시킨다.
클래식한 규칙-기반 프로세스에 있어서, 프로세스에 대한 입력은 그 프로세스를 개발 및 배치하기 위해서 상세하게 기술될 필요가 있다. 대조적으로, 본 발명 개시의 예에 따라서, 제1 노드에서 구동하는 ML 프로세스는 제2 노드에서 상태 표현을 생성하는데 사용된 새로운 입력 데이터의 의미를 학습할 수 있다. 이 모두는 입력 데이터를 기술하는 프레임워크를 생성할 필요를 감소시키고, 입력을 기술하기 위해서 필요한 시그널링을 감소시킨다.
개선된 성능
제2 노드는 압축된 상태 표현을 생성하기 위한 소정의 방법 및 정보를 사용할 수 있고, 제1 노드는 소정의 RAN 동작에 대한 최상의 구성 액션을 학습하기 위해서 RL을 사용할 수 있다. UE는, 예를 들어, 자체의 지리적-위치(geo-location) 및 속도 정보를 이동성 액션에 관련된 상태 내에 포함시킬 수 있으므로, 개선된 견고성 및 성능을 제공하는 전체 이동성 결정을 가능하게 하고, 이로부터 UE는 이익일 수 있다. UE가 자체의 지리적 위치를 상태 내에 압축할 수 있으므로, 압축된 상태로의 이 정보의 포함으로부터의 이익이 여전히 있는 동안, UE의 실재 지리적 위치를 밝히지 않고 프라이버시를 보장하는 것으로 이해될 것이다.
본 발명 개시의 예는 본 개시에 기술된 방법 및 프로세스가 클라우드 환경에서 구동될 수 있도록 가상화될 수 있는 것으로 이해될 것이다.
본 개시에 기술된 주제가 소정의 적합한 컴포넌트를 사용하는 소정의 적합한 타입의 시스템에서 구현될 수 있지만, 본 개시에 기술된 실시예는, 도 15에 도시된 예의 무선 네트워크와 같은, 무선 네트워크와 관련해서 기술된다. 단순화를 위해서, 도 15의 무선 네트워크는 네트워크(1506), 네트워크 노드(1560 및 1560b) 및 WD(1510, 1510b, 및 1510c)만을 묘사한다. 실제로, 무선 네트워크는, 무선 디바이스들 사이의 또는 무선 디바이스와 랜드라인 전화기, 서비스 제공자, 또는 소정의 다른 네트워크 노드 또는 엔드 디바이스와 같은 또 다른 통신 디바이스 사이의 통신을 지원하기 위해서 적합한 소정의 추가적인 엘리먼트를 더 포함할 수 있다. 도시된 컴포넌트의, 네트워크 노드(1560) 및 무선 디바이스(WD)(1510)는 추가적인 세부 사항으로 묘사된다. 무선 네트워크는, 무선 네트워크에 의한 또는 이를 통해서 제공된 서비스의 사용 및/또는 이에 대한 무선 디바이스의 액세스를 용이하게 하기 위해서 하나 이상의 무선 디바이스에 대한 통신 및 다른 타입의 서비스를 제공할 수 있다.
무선 네트워크는, 소정 타입의 통신, 전기 통신, 데이터, 셀룰러, 및/또는 무선 네트워크 또는 다른 유사한 타입의 시스템을 포함 및/또는 이들과 인터페이스할 수 있다. 일부 실시예에 있어서, 무선 네트워크는 특정 표준 또는 다른 타입의 사전 규정된 규칙 또는 절차에 따라서, 동작하도록 구성될 수 있다. 따라서, 무선 네트워크의 특정 실시예는 GSM(Global System for Mobile Communications), 유니버셜 이동 전기 통신 시스템(UMTS: Universal Mobile Telecommunications System), LTE(Long Term Evolution) 및/또는 다른 적합한 2G, 3G, 4G, 또는 5G 표준과 같은 통신 표준, IEEE 802.11 표준과 같은 무선 로컬 영역 네트워크(WLAN) 표준, 및/또는 WiMax(Worldwide Interoperability for Microwave Access), 블루투스 Z-웨이브(Wave) 및/또는 지그비(ZigBee) 표준과 같은 소정의 다른 적합한 무선 통신 표준을 포함할 수 있다.
네트워크(1506)는 하나 이상의 백홀 네트워크, 코어 네트워크, IP 네트워크, PSTN(Public Switched Telephone Network), 패킷 데이터 네트워크, 광 네트워크, 광역 네트워크(WAN), 로컬 영역 네트워크(LAN), 무선 로컬 영역 네트워크(WLAN), 유선 네트워크, 무선 네트워크, 대도시 영역 네트워크 및 디바이스 사이의 통신을 가능하게 하는 다른 네트워크를 포함할 수 있다.
네트워크 노드(1560) 및 WD(1510)는, 아래에 더 상세히 기술된 다양한 컴포넌트를 포함한다. 이들 컴포넌트는, 무선 네트워크에서 무선 접속을 제공하는 것과 같은 네트워크 노드 및/또는 무선 디바이스 기능성을 제공하기 위해서 함께 작업한다. 다른 실시예에 있어서, 무선 네트워크는 소정 수의 유선 또는 무선 네트워크, 네트워크 노드, 기지국, 제어기, 무선 디바이스, 중계국 및/또는 유선 또는 무선 접속을 통한 데이터 및/또는 신호의 통신을 용이하게 하거나 또는 이에 참가할 수 있는 소정의 다른 컴포넌트 또는 시스템을 포함할 수 있다.
본 개시에서 사용됨에 따라서, 네트워크 노드는, 무선 디바이스에 대한 무선 액세스를 할 수 있는 및/또는 이를 제공하기 위해서 및/또는 무선 네트워크 내의 다른 기능(예를 들어, 관리)을 수행하기 위해서, 무선 디바이스와 및/또는 무선 네트워크 내의 다른 네트워크 노드 또는 장비와 직접 또는 간접적으로 통신하는 것이 가능한, 통신하도록 구성된, 배열된 및/또는 동작 가능한 장비를 언급한다. 네트워크 노드의 예는, 이에 제한되지 않지만, 액세스 포인트(AP)(예를 들어, 무선 액세스 포인트), 기지국(BS)(예를 들어, 무선 기지국, 노드 B, 진화된 노드 B(eNB) 및 NR 노드B(gNB))을 포함한다. 기지국은, 이들이 제공하는 커버리지의 양(또는, 달리 말하면, 그들의 전송 전력 레벨)에 기반해서 분류될 수 있고, 그러면 펨토 기지국, 피코 기지국, 마이크로 기지국 또는 매크로 기지국으로서 언급될 수도 있다. 기지국은 릴레이 노드 또는 릴레이를 제어하는 릴레이 도너 노드가 될 수 있다. 또한, 네트워크 노드는 중앙화된 디지털 유닛 및/또는 때때로 RRH(Remote Radio Head)로도 언급되는 RRU(Remote Radio Unit)와 같은 분산된 무선 기지국의 하나 이상의(또는 모든) 부분을 포함할 수도 있다. 이러한 원격 무선 유닛은, 안테나 통합된 무선(antenna integrated radio)으로서 안테나와 통합되거나 또는 통합되지 않을 수 있다. 분산된 무선 기지국의 부분은 분배된 안테나 시스템(DAS; distributed antenna system)에서 노드로서 언급될 수도 있다. 네트워크 노드의 또 다른 예는, MSR BS와 같은 다중 표준 무선(MSR) 장비, 무선 네트워크 제어기(RNC) 또는 기지국 제어기(BSC)와 같은 네트워크 제어기, 기지국 송수신기(BTS), 전송 포인트, 전송 노드, 다중-셀/멀티캐스트 코디네이션 엔티티(MCE), 코어 네트워크 노드(예를 들어, MSC, MME), O&M 노드, OSS 노드, SON 노드, 포지셔닝 노드(예를 들어, E-SMLC) 및/또는 MDT를 포함한다. 또 다른 예로서, 네트워크 노드는, 아래에 더 상세히 기술된 바와 같은 가상 네트워크 노드가 될 수 있다. 더 일반적으로, 그런데, 네트워크 노드는, 무선 네트워크에 대한 액세스할 수 있게 하는 및/또는 액세스를 갖는 무선 디바이스를 제공하거나 또는 무선 네트워크에 액세스한 무선 디바이스에 일부 서비스를 제공하도록 할 수 있고, 제공하도록 구성된, 배열된 및/또는 동작 가능한 소정의 적합한 디바이스(또는 디바이스의 그룹)를 나타낼 수 있다.
도 15에 있어서, 네트워크 노드(1560)는 처리 회로(1570), 디바이스 판독 가능한 매체(1580), 인터페이스(1590), 보조 장비(1584), 전력 소스(1586), 전력 회로(1587), 및 안테나(1562)를 포함한다. 도 15의 예의 무선 네트워크 내에 도시된 네트워크 노드(1560)가 하드웨어 컴포넌트의 도시된 조합을 포함하는 디바이스를 나타낼 수 있음에도, 다른 실시예는 다른 조합의 컴포넌트를 갖는 네트워크 노드를 포함할 수 있다. 네트워크 노드는 본 개시에 개시된 태스크, 형태, 기능 및 방법을 수행하기 위해서 필요한 하드웨어 및/또는 소프트웨어의 소정의 적합한 조합을 포함하는 것으로 이해되어야 한다. 더욱이, 네트워크 노드(1560)의 컴포넌트가 더 큰 박스 내에 위치된, 또는 다수의 박스 내에 안착된 단일 박스로서 묘사되지만, 실재로, 네트워크 노드는 단일 도시된 컴포넌트를 구성하는 다수의 다른 물리적인 컴포넌트를 포함할 수 있다(예를 들어, 디바이스 판독 가능한 매체(1580)는 다수의 분리의 하드 드라이브만 아니라 다수의 RAM 모듈을 포함할 수 있다).
유사하게, 네트워크 노드(1560)는, 각각이 그들 자체의 각각의 컴포넌트를 가질 수 있는, 다수의 물리적인 분리의 컴포넌트(예를 들어, 노드B 컴포넌트 및 RNC 컴포넌트, BTS 컴포넌트 및 BSC 컴포넌트 등)로 구성될 수 있다. 네트워크 노드(1560)가 다수의 분리의 컴포넌트(예를 들어, BTS 및 BSC 컴포넌트)를 포함하는 소정의 시나리오에 있어서, 하나 이상의 분리의 컴포넌트는 다수의 네트워크 노드 중에서 공유될 수 있다. 예를 들어, 단일 RNC는 다수의 NodeB를 제어할 수 있다. 이러한 시나리오에서, 각각의 고유 NodeB 및 RNC 쌍은 단일의 별개의 네트워크 노드로 간주될 수 있다. 일부 실시예에 있어서, 네트워크 노드(1560)는 다수의 무선 액세스 기술(RAT)을 지원하도록 구성될 수 있다. 이러한 실시예에 있어서, 일부 컴포넌트는 듀플리케이트될 수 있고(예를 들어, 다른 RAT에 대해서 분리의 디바이스 판독 가능한 매체(1580)), 일부 컴포넌트는 재사용될 수 있다(예를 들어, 동일한 안테나(1562)가 RAT에 의해서 공유될 수 있다). 네트워크 노드(1560)는, 또한, 예를 들어, GSM, WCDMA, LTE, NR, WiFi, 또는 블루투스 무선 기술과 같은, 네트워크 노드(1560) 내에 통합된 다른 무선 기술에 대한 다양한 도시된 컴포넌트의 다수의 세트를 포함할 수 있다. 이들 무선 기술은 네트워크 노드(1560) 내의 동일하거나 또는 다른 칩 또는 칩의 세트 및 다른 컴포넌트 내에 통합될 수 있다.
처리 회로(1570)는, 네트워크 노드에 의해서 제공되는 것으로서 본 개시에 기술된 소정의 결정하는, 계산하는, 또는 유사한 동작(예를 들어, 소정의 획득하는 동작)을 수행하도록 구성된다. 처리 회로(1570)에 의해 수행된 이들 동작은, 예를 들어, 획득된 정보를 다른 정보로 변환하고, 획득된 정보 또는 변환된 정보를 네트워크 노드 내에 저장된 정보와 비교하며, 및/또는 획득된 정보 또는 변환된 정보에 기반해서 하나 이상의 동작을 수행함으로써, 처리 회로(1570)에 의해서 획득된 정보를 처리하는 것을 포함할 수 있고, 상기 처리의 결과로서 결정을 한다.
처리 회로(1570)는, 하나 이상의 마이크로프로세서, 제어기, 마이크로제어기, 중앙 처리 유닛, 디지털 신호 프로세서, 애플리케이션 특정 통합된 회로, 필드 프로그래머블 게이트 어레이, 또는 소정의 다른 적합한 컴퓨팅 디바이스, 리소스, 또는 디바이스 판독 가능한 매체(1580)와 같은 다른 네트워크 노드(1560) 컴포넌트 단독으로 또는 이와 함께 네트워크 노드(1560) 기능성을 제공하도록 동작 가능한 하드웨어, 소프트웨어 및/또는 인코딩된 로직의 조합을 포함할 수 있다. 예를 들어, 처리 회로(1570)는, 디바이스 판독 가능한 매체(1580) 또는 처리 회로(1570) 내의 메모리 내에 저장된 명령을 실행할 수 있다. 이러한 기능성은, 본 개시에 논의된 소정의 다양한 무선 형태, 기능, 또는 이익을 제공하는 것을 포함할 수 있다. 일부 실시예에 있어서, 처리 회로(1570)는 시스템 온 어 칩(SOC: system on a chip)을 포함할 수 있다.
일부 실시예에 있어서, 처리 회로(1570)는 하나 이상의 무선 주파수(RF) 송수신기 회로(1572) 및 베이스밴드 처리 회로(1574)를 포함할 수 있다. 일부 실시예에 있어서, 무선 주파수(RF) 송수신기 회로(1572) 및 베이스밴드 처리 회로(1574)는 분리의 칩(또는 칩의 세트), 보드(boards), 또는 무선 유닛 및 디지털 유닛과 같은 유닛 상에 있을 수 있다. 대안적인 실시예에 있어서, 일부 또는 모든 RF 송수신기 회로(1572) 및 베이스밴드 처리 회로(1574)는 동일한 칩 또는 칩의 세트, 보드, 또는 유닛 상에 있을 수 있다.
소정의 실시예에 있어서, 네트워크 노드, 기지국, eNB 또는 다른 이러한 네트워크 디바이스에 의해서 제공되는 것으로서 본 개시에 기술된 일부 또는 모든 기능성은 디바이스 판독 가능한 매체(1580) 또는 처리 회로(1570) 내의 메모리 상에 저장된 명령을 실행하는 처리 회로(1570)에 의해서 수행될 수 있다. 대안적인 실시예에 있어서, 일부 또는 모든 기능성은, 하드-와이어드 방식에서와 같이 분리의 또는 이산된 디바이스 판독 가능한 매체 상에 저장된 명령을 실행하지 않고, 처리 회로(1570)에 의해서 제공될 수 있다. 소정의 이들 실시예에 있어서, 디바이스 판독 가능한 스토리지 매체 상에 저장된 명령을 실행하던지 안 하던지, 처리 회로(1570)는 상기된 기능성을 수행하도록 구성될 수 있다. 이러한 기능성에 의해서 제공된 이익은 처리 회로(1570) 단독 또는 네트워크 노드(1560)의 다른 컴포넌트에 제한되지 않지만, 전체로서 네트워크 노드(1560)에 의해서 및/또는 일반적으로 엔드 사용자 및 무선 네트워크에 의해서 향유된다.
디바이스 판독 가능한 매체(1580)는, 제한 없이, 영구 스토리지, 고체 상태 메모리, 원격 탑재된 메모리, 자기 매체, 광학 매체, 랜덤 액세스 메모리(RAM), 판독 전용 메모리(ROM), 대용량 스토리지 매체(예를 들어, 하드디스크), 제거 가능한 스토리지 매체(예를 들어, CD(Compact Disk) 또는 디지털 비디오 디스크(DVD), 및/또는 소정의 다른 휘발성 또는 비휘발성, 비일시적인 디바이스 판독 가능한 및/또는 처리 회로(1570)에 의해 사용될 수 있는 정보, 데이터 및/또는 명령을 저장하는 컴퓨터 실행 가능한 메모리 디바이스를 포함하는 소정 형태의 휘발성 또는 비휘발성 컴퓨터 판독 가능한 메모리를 포함할 수 있다. 디바이스 판독 가능한 매체(1580)는, 컴퓨터 프로그램, 소프트웨어, 하나 이상의 로직, 규칙, 코드, 테이블 등을 포함하는 애플리케이션 및/또는 처리 회로(1570)에 의해서 실행될 수 있는 및, 네트워크 노드(1560)에 의해서 사용될 수 있는 다른 명령을 저장할 수 있다. 디바이스 판독 가능한 매체(1580)는 처리 회로(1570)에 의해서 이루어진 소정의 계산 및/또는 인터페이스(1590)를 통해서 수신된 소정의 데이터를 저장하기 위해서 사용될 수 있다. 일부 실시예에 있어서, 처리 회로(1570) 및 디바이스 판독 가능한 매체(1580)는 통합되는 것으로 고려될 수 있다.
인터페이스(1590)는, 네트워크 노드(1560), 네트워크(1506) 및/또는 WD(1510) 사이의 시그널링 및/또는 데이터의 유선 또는 무선 통신에서 사용된다. 도시된 바와 같이, 인터페이스(1590)는, 데이터를 송신 및 수신하기 위한, 예를 들어, 유선 접속을 통해서 네트워크(1506)에 송신 및 이로부터 수신하기 위한 포트(들)/단말(들)(1594)을 포함한다. 인터페이스(1590)는, 또한, 안테나(1562)에 결합될 수 있는, 또는 소정의 실시예에 있어서 그 부분이 될 수 있는, 무선 프론트 엔드 회로(1592)를 포함한다. 무선 프론트 엔드 회로(1592)는 필터(1598) 및 증폭기(1596)를 포함한다. 무선 프론트 엔드 회로(1592)는 안테나(1562) 및 처리 회로(1570)에 접속될 수 있다. 무선 프론트 엔드 회로는 안테나(1562)와 처리 회로(1570) 사이에서 통신되는 신호를 컨디셔닝도록 구성될 수 있다. 무선 프론트 엔드 회로(1592)는 무선 접속을 통해서 다른 네트워크 노드 또는 WD로 송신되어야 하는 디지털 데이터를 수신할 수 있다. 무선 프론트 엔드 회로(1592)는 필터(1598) 및/또는 증폭기(1596)의 조합을 사용해서 적합한 채널 및 대역폭 파라미터를 갖는 무선 신호로 디지털 데이터를 변환할 수 있다. 그 다음, 무선 신호는 안테나(1562)를 통해서 전송될 수 있다. 유사하게, 데이터를 수신할 때, 안테나(1562)는 무선 신호를 수집할 수 있는데, 이는, 그 다음, 무선 프론트 엔드 회로(1592)에 의해서 디지털 데이터로 변환된다. 디지털 데이터는 처리 회로(1570)로 패스될 수 있다. 다른 실시예에 있어서, 인터페이스는 다른 컴포넌트 및/또는 컴포넌트의 다른 조합을 포함할 수 있다.
소정의 다른 실시예에 있어서, 네트워크 노드(1560)는 분리의 무선 프론트 엔드 회로(1592)를 포함하지 않을 수 있고, 대신, 처리 회로(1570)는 무선 프론트 엔드 회로(1592)를 포함할 수 있으며, 분리의 무선 프론트 엔드 회로(1592) 없이 안테나(1562)에 접속될 수 있다. 유사하게, 일부 실시예에 있어서, 모든 또는 일부 RF 송수신기 회로(1572)는 인터페이스(1590)의 부분으로 고려될 수 있다. 또 다른 실시예에 있어서, 인터페이스(1590)는 무선 유닛(도시 생략)의 부분으로서 하나 이상의 포트 또는 단말(1594), 무선 프론트 엔드 회로(1592), 및 RF 송수신기 회로(1572)를 포함할 수 있고, 인터페이스(1590)는 베이스밴드 처리 회로(1574)와 통신할 수 있는데, 이는, 디지털 유닛(도시 생략)의 부분이다.
안테나(1562)는, 무선 신호를 송신 및/또는 수신하도록 구성된, 하나 이상의 안테나 또는 안테나 어레이를 포함할 수 있다. 안테나(1562)는, 무선 프론트 엔드 회로(1590)에 결합될 수 있고, 데이터 및/또는 신호를 무선으로 송신 및 수신할 수 있는 소정 타입의 안테나가 될 수 있다. 일부 실시예에 있어서, 안테나(1562)는, 예를 들어, 2GHz와 66GHz 사이에서 무선 신호를 전송/수신하도록 동작 가능한 하나 이상의 전방향성, 섹터 또는 패널 안테나를 포함할 수 있다. 전방향성의(omni-directional) 안테나는 소정의 방향으로 무선 신호를 전송/수신하기 위해서 사용될 수 있고, 섹터 안테나는 특별한 영역 내에서 디바이스로부터 무선 신호를 전송/수신하기 위해서 사용될 수 있으며, 패널 안테나는 비교적 직선으로 무선 신호를 전송/수신하기 위해서 사용되는 가시선 안테나가 될 수 있다. 일부 예에 있어서, 하나 이상의 안테나의 사용은 MIMO로서 언급될 수 있다. 소정의 실시예에 있어서, 안테나(1562)는 네트워크 노드(1560)로부터 분리될 수 있고, 인터페이스 또는 포트를 통해서 네트워크 노드(1560)에 접속 가능하게 될 수 있다.
안테나(1562), 인터페이스(1590), 및/또는 처리 회로(1570)는 네트워크 노드에 의해서 수행됨에 따라서 본 발명 개시에 기술된 소정의 수신 동작 및/또는 소정의 획득 동작을 수행하도록 구성될 수 있다. 소정의 정보, 데이터 및/또는 신호는 무선 디바이스, 또 다른 네트워크 노드 및/또는 소정의 다른 네트워크 장비로부터 수신될 수 있다. 유사하게, 안테나(1562), 인터페이스(1590), 및/또는 처리 회로(1570)는 네트워크 노드에 의해서 수행됨에 따라서 본 발명 개시에 기술된 소정의 전송 동작을 수행하도록 구성될 수 있다. 소정의 정보, 데이터 및/또는 신호는 무선 디바이스, 또 다른 네트워크 노드 및/또는 소정의 다른 네트워크 장비로 전송될 수 있다.
전력 회로(1587)는, 전력 관리 회로를 포함, 또는 이에 결합될 수 있고, 본 개시에 기술된 기능성을 수행하기 위한 전력을 네트워크 노드(1560)의 컴포넌트에 공급하도록 구성된다. 전력 회로(1587)는 전력 소스(1586)로부터 전력을 수신할 수 있다. 전력 소스(1586) 및/또는 전력 회로(1587)는 각각의 컴포넌트에 대해서 적합한 형태로(예를 들어, 각각의 컴포넌트에 대해서 필요한 전압 및 전류 레벨에서) 네트워크 노드(1560)의 다양한 컴포넌트에 전력을 제공하도록 구성될 수 있다. 전력 소스(1586)는 전력 회로(1587) 및/또는 네트워크 노드(1560) 내에 포함되거나 또는 외부에 있을 수 있다. 예를 들어, 네트워크 노드(1560)는 입력 회로 또는 전기 케이블과 같은 인터페이스를 통해서 외부 전력 소스(예를 들어, 전기 출구)에 접속될 수 있고, 이에 의해서 외부 전력 소스는 전력을 전력 회로(1587)에 공급한다. 또 다른 예로서, 전력 소스(1586)는 전력 회로(1587)에 접속된 또는 이것 내에 통합된 배터리 또는 배터리 팩 형태의 전력의 소스를 포함할 수 있다. 배터리는, 외부 전력 소스 실패시 백업 전력을 제공할 수 있다. 광전지(photovoltaic)의 디바이스와 같은 다른 타입의 전력 소스가 또한 사용될 수 있다.
네트워크 노드(1560)의 대안적인 실시예는, 본 개시에 기술된 소정의 기능성 및/또는 본 개시에 기술된 주제를 지원하기 위해서 필요한 소정의 기능성을 포함하는, 네트워크 노드의 기능성의 소정의 측면을 제공하는 것을 담당할 수 있는 도 15에 나타낸 것들 이외의 추가적인 컴포넌트를 포함할 수 있다. 예를 들어, 네트워크 노드(1560)는, 네트워크 노드(1560) 내로의 정보의 입력을 허용하고 네트워크 노드(1560)로부터 정보의 출력을 허용하기 위해서, 사용자 인터페이스 장비를 포함할 수 있다. 이는, 사용자가 네트워크 노드(1560)에 대한 진단, 메인터넌스, 수리, 및 다른 관리상의 기능을 수행하도록 허용할 수 있다.
본 개시에서 사용됨에 따라서, "무선 디바이스(WD: wireless device)"는 네트워크 노드 및/또는 다른 무선 디바이스와 무선으로 통신할 수 있는, 구성된, 배열된 및/또는 동작 가능한 디바이스를 언급한다. 다르게 언급되지 않은 한, 용어 WD는 사용자 장비(UE)와 상호 교환 가능하게 사용될 수 있다. 무선으로 통신하는 것은, 전자기파, 무선파, 적외선의 파, 및/또는 에어를 통해서 정보를 운반하기 적합한 다른 타입의 신호를 사용해서 무선 신호를 전송 및/또는 수신하는 것을 수반할 수 있다. 일부 실시예에 있어서, WD는, 직접적인 휴먼 상호 작용 없이, 정보를 전송 및/또는 수신하도록 구성될 수 있다. 예를 들어, WD는, 내부 또는 외부 이벤트에 의해서, 또는 네트워크로부터의 요청에 응답해서, 트리거될 때, 사전 결정된 스케줄 상에서 네트워크에 정보를 전송하도록 설계될 수 있다. WD의 예는, 이에 제한되지 않지만, 스마트 폰, 모바일 폰, 셀 폰, VoIP(Voice over IP) 폰, 무선 로컬 루프 폰, 데스크탑 컴퓨터, 퍼스널 디지털 어시스턴스(PDA), 무선 카메라, 게이밍 콘솔 또는 디바이스, 뮤직 스토리지 디바이스, 재생 기기, 웨어러블 단말 디바이스, 무선 엔드포인트, 이동국, 태블릿, 랩탑, 랩탑 매립된 장비(LEE), 랩탑 탑재된 장비(LME), 스마트 디바이스, 무선 고객 구내 장비(CPE), 차량-탑재된 무선 단말 디바이스 등을 포함한다. WD는, 예를 들어, 사이드링크 통신, V2V(vehicle-to-vehicle), V2I(vehicle-to-infrastructure), V2X(vehicle-to-everything)에 대한 3GPP 표준을 구현함으로써 D2D(device-to-device) 통신을 지원할 수 있고, 이 경우, D2D 통신 디바이스로서 언급될 수 있다. 또 다른 특정 예로서, IoT(internet of Things) 시나리오에 있어서, WD는, 모니터링 및/또는 측정을 수행하는 및, 이러한 모니터링 및/또는 측정의 결과를 또 다른 WD 및/또는 네트워크 노드에 전송하는 머신 또는 다른 디바이스를 나타낼 수 있다. WD는, 이 경우, 머신-투-머신(M2M) 디바이스가 될 수 있고, 이는, 3GPP 콘텍스트에서 MTC 디바이스로서 언급될 수 있다. 하나의 특별한 예로서, WD는 3GPP 협대역 사물 인터넷(NB-IoT) 표준을 구현하는 UE가 될 수 있다. 이러한 머신 또는 디바이스의 특별한 예는, 센서, 전력 미터와 같은 미터링 디바이스, 산업 기계, 또는, 가정용 또는 개인용 기기(예를 들어, 냉장고, 텔레비전 등의), 퍼스널 웨어러블(예를 들어, 시계, 피트니스 트래커(fitness tracker) 등)이다. 다른 시나리오에 있어서, WD는 그 동작 상태 또는 그 동작과 관련된 다른 기능을 모니터링 및/또는 리포팅할 수 있는 차량 또는 다른 장비를 나타낼 수 있다. 상기된 바와 같은 WD는 무선 접속의 엔드포인트를 나타낼 수 있고, 이 경우, 디바이스는 무선 단말로서 언급될 수 있다. 더욱이, 상기된 바와 같은 WD는, 이동(mobile; 모바일)일 수 있고, 이 경우, 이는 또한 무선 디바이스 또는 이동 단말로서 언급될 수 있다.
도시된 바와 같이, 무선 디바이스(1510)는 안테나(1511), 인터페이스(1514), 처리 회로(1520), 디바이스 판독 가능한 매체(1530), 사용자 인터페이스 장비(1532), 보조 장비(1534), 전력 소스(1536) 및 전력 회로(1537)를 포함한다. WD(1510)는, 소수만을 언급해서, 예를 들어, GSM, WCDMA, LTE, NR, WiFi, WiMAX, 또는 블루투스 무선 기술과 같은 WD(1510)에 의해서 지원된 다른 무선 기술에 대한 하나 이상의 도시된 컴포넌트의 다수의 세트를 포함할 수 있다. 이들 무선 기술은 WD(1510) 내의 다른 컴포넌트와 동일하거나 또는 다른 칩 또는 칩의 세트 내에 통합될 수 있다.
안테나(1511)는 하나 이상의 안테나 또는 안테나 어레이를 포함할 수 있고, 무선 신호를 송신 및/또는 수신하도록 구성되며, 인터페이스(1514)에 접속된다. 소정의 대안적인 실시예에 있어서, 안테나(1511)는 WD(1510)로부터 분리될 수 있고, 인터페이스 또는 포트를 통해서 WD(1510)에 접속 가능하게 될 수 있다. 안테나(1511), 인터페이스(1514), 및/또는 처리 회로(1520)는 WD에 의해서 수행됨에 따라서 본 개시에 기술된 소정의 수신 또는 전송 동작을 수행하도록 구성될 수 있다. 소정의 정보, 데이터 및/또는 신호는 네트워크 노드 및/또는 또 다른 WD로부터 수신될 수 있다. 일부 실시예에 있어서, 무선 프론트 엔드 회로 및/또는 안테나(1511)는 인터페이스로 고려될 수 있다.
도시된 바와 같이, 인터페이스(1514)는 무선 프론트 엔드 회로(1512) 및 안테나(1511)를 포함한다. 무선 프론트 엔드 회로(1512)는 하나 이상의 필터(1518) 및 증폭기(1516)를 포함한다. 무선 프론트 엔드 회로(1514)는 안테나(1511) 및 처리 회로(1520)에 접속되고, 안테나(1511)와 처리 회로(1520) 사이에서 통신된 신호를 컨디셔닝하도록 구성된다. 무선 프론트 엔드 회로(1512)는 안테나(1511) 또는 그 부분에 결합될 수 있다. 일부 실시예에 있어서, WD(1510)는 무선 프론트 엔드 회로(1512)를 포함하지 않을 수 있고, 오히려, 처리 회로(1520)는 무선 프론트 엔드 회로를 포함할 수 있고 안테나(1511)에 접속될 수 있다. 유사하게, 일부 실시예에 있어서, 일부 또는 모든 RF 송수신기 회로(1522)는 인터페이스(1514)의 부분으로 고려될 수 있다. 무선 프론트 엔드 회로(1512)는 무선 접속을 통해서 다른 네트워크 노드 또는 WD로 송신되는 디지털 데이터를 수신할 수 있다. 무선 프론트 엔드 회로(1512)는 필터(1518) 및/또는 증폭기(1516)의 조합을 사용해서 적합한 채널 및 대역폭 파라미터를 갖는 무선 신호로 디지털 데이터를 변환할 수 있다. 그 다음, 무선 신호는 안테나(1511)를 통해서 전송될 수 있다. 유사하게, 데이터를 수신할 때, 안테나(1511)는 무선 신호를 수집할 수 있는데, 이는, 그 다음, 무선 프론트 엔드 회로(1512)에 의해서 디지털 데이터로 변환된다. 디지털 데이터는 처리 회로(1520)로 패스될 수 있다. 다른 실시예에 있어서, 인터페이스는 다른 컴포넌트 및/또는 컴포넌트의 다른 조합을 포함할 수 있다.
처리 회로(1520)는, 하나 이상의 마이크로프로세서, 제어기, 마이크로제어기, 중앙 처리 유닛, 디지털 신호 프로세서, 애플리케이션 특정 통합된 회로, 필드 프로그래머블 게이트 어레이, 또는 소정의 다른 적합한 컴퓨팅 디바이스의 조합, 리소스, 또는 단독으로 또는 디바이스 판독 가능한 매체(1530)와 같은 다른 WD(1510) 컴포넌트와 함께 WD(1510) 기능성을 제공하도록 동작 가능한 하드웨어, 소프트웨어 및/또는 인코딩된 로직의 조합을 포함할 수 있다. 이러한 기능성은, 본 개시에 논의된 소정의 다양한 무선 형태 또는 이익을 제공하는 것을 포함할 수 있다. 예를 들어, 처리 회로(1520)는, 본 개시에 개시된 기능성을 제공하기 위해서, 디바이스 판독 가능한 매체(1530) 또는 처리 회로(1520) 내의 메모리 내에 저장된 명령을 실행할 수 있다.
도시된 바와 같이, 처리 회로(1520)는 하나 이상의 RF 송수신기 회로(1522), 베이스밴드 처리 회로(1524), 및 애플리케이션 처리 회로(1526)를 포함한다. 다른 실시예에 있어서, 처리 회로는 다른 컴포넌트 및/또는 컴포넌트의 다른 조합을 포함할 수 있다. 소정의 실시예에 있어서, WD(1510)의 처리 회로(1520)는 SOC를 포함할 수 있다. 일부 실시예에 있어서, RF 송수신기 회로(1522), 베이스밴드 처리 회로(1524) 및 애플리케이션 처리 회로(1526)는 분리의 칩 또는 칩 세트 상에 있을 수 있다. 대안적인 실시예에 있어서, 베이스밴드 처리 회로(1524) 및 애플리케이션 처리 회로(1526)의 일부 또는 모두는 하나의 칩 또는 칩의 세트 내에 결합될 수 있고, RF 송수신기 회로(1522)는 분리의 칩 또는 칩의 세트 상에 있을 수 있다. 또 다른 대안적인 실시예에 있어서, RF 송수신기 회로(1522) 및 베이스밴드 처리 회로(1524)의 일부 또는 모두는 동일한 칩 또는 칩의 세트 상에 있을 수 있고, 애플리케이션 처리 회로(1526)는 분리의 칩 또는 칩의 세트 상에 있을 수 있다. 다른 대안적인 실시예에 있어서, RF 송수신기 회로(1522), 베이스밴드 처리 회로(1524) 및 애플리케이션 처리 회로(1526)의 일부 또는 모두는 동일한 칩 세트 또는 칩의 세트로 결합될 수 있다. 일부 실시예에 있어서, RF 송수신기 회로(1522)는 인터페이스(1514)의 부분이 될 수 있다. RF 송수신기 회로(1522)는 처리 회로(1520)에 대한 RF 신호를 컨디셔닝(조정)할 수 있다.
소정의 실시예에 있어서, WD에 의해서 제공되는 본 발명 개시에 기술된 일부 또는 모든 기능성은, 소정의 실시예에 있어서 컴퓨터 판독 가능한 스토리지 매체가 될 수 있는, 디바이스 판독 가능한 매체(1530) 상에 저장된 명령을 실행하는 처리 회로(1520)에 의해 제공될 수 있다. 대안적인 실시예에 있어서, 일부 또는 모든 기능성은, 하드-와이어드 방식에서와 같이 분리의 또는 이산된 디바이스 판독 가능한 스토리지 매체 상에 저장된 명령을 실행하지 않고, 처리 회로(1520)에 의해서 제공될 수 있다. 소정의 이들 특정 실시예에 있어서, 디바이스 판독 가능한 스토리지 매체 상에 저장된 명령을 실행하던지 안하던지, 처리 회로(1520)는 기술된 기능성을 수행하도록 구성될 수 있다. 이러한 기능성에 의해서 제공된 이익은 처리 회로(1520) 단독 또는 WD(1510)의 다른 컴포넌트에 제한되지 않고, 전체로서 WD(1510)에 의해서 및/또는 일반적으로 엔드 사용자 및 무선 네트워크에 의해서 향유된다.
처리 회로(1520)는, WD에 의해서 수행되는 것으로서 본 개시에 기술된 소정의 결정하는, 계산하는, 또는 유사한 동작(예를 들어, 소정의 획득하는 동작)을 수행하도록 구성된다. 처리 회로(1520)에 의해 수행된 이들 동작은, 예를 들어, 획득된 정보를 다른 정보로 변환하고, 획득된 정보 또는 변환된 정보를 WD(1510)에 의해서 저장된 정보와 비교하며, 및/또는 획득된 정보 또는 변환된 정보에 기반해서 하나 이상의 동작을 수행함으로써, 처리 회로(1520)에 의해서 획득된 정보를 처리하는 것을 포함할 수 있고, 상기 처리의 결과로서 결정을 한다.
디바이스 판독 가능한 매체(1530)는 컴퓨터 프로그램, 소프트웨어, 하나 이상의 로직, 규칙, 알고리즘, 코드, 테이블 등을 포함하는 애플리케이션 및/또는 처리 회로(1520)에 의해 실행될 수 있는 다른 명령을 저장하도록 동작 가능하게 될 수 있다. 디바이스 판독 가능한 매체(1530)는, 컴퓨터 메모리(예를 들어, 랜덤 액세스 메모리(RAM) 또는 판독 전용 메모리(ROM)), 대용량 스토리지 매체(예를 들어, 하드디스크), 제거 가능한 스토리지 매체(예를 들어, CD(Compact Disk) 또는 DVD), 및/또는 소정의 다른 휘발성 또는 비휘발성, 비일시적인 디바이스 판독 가능한 매체 및/또는 처리 회로(1520)에 의해 사용될 수 있는 정보, 데이터 및/또는 명령을 저장하는 컴퓨터 실행 가능한 메모리 디바이스를 포함할 수 있다. 일부 실시예에 있어서, 처리 회로(1520) 및 디바이스 판독 가능한 매체(1530)는 통합되는 것으로 고려될 수 있다.
사용자 인터페이스 장비(1532)는 휴먼 사용자가 WD(1510)와 상호 작용하도록 허용하는 컴포넌트를 제공할 수 있다. 이러한 상호 작용은 시각, 청각, 촉각 등과 같은 많은 형태가 될 수 있다. 사용자 인터페이스 장비(1532)는 사용자에 대한 출력을 생성하고 사용자가 WD(1510)에 대한 입력을 제공하게 허용하도록 동작 가능하게 될 수 있다. 상호 작용의 타입은 WD(1510) 내에 인스톨된 사용자 인터페이스 장비(1532)의 타입에 의존해서 변화할 수 있다. 예를 들어, WD(1510)가 스마트폰이면, 상호 작용은 터치 스크린을 통해서 될 수 있고; WD(1510)가 스마트 미터이면, 상호 작용은 사용량(예를 들어, 사용된 갤런 수)을 제공하는 스크린 또는 가청 경보(예를 들어, 스모크가 검출되면)를 제공하는 스피커를 통해서 될 수 있다. 사용자 인터페이스 장비(1532)는 입력 인터페이스, 디바이스 및 회로, 및 출력 인터페이스, 디바이스 및 회로를 포함할 수 있다. 사용자 인터페이스 장비(1532)는 WD(1510) 내로의 정보의 입력을 허용하도록 구성되고, 처리 회로(1520)가 입력 정보를 처리하게 허용하도록 처리 회로(1520)에 접속된다. 사용자 인터페이스 장비(1532)는, 예를 들어, 마이크로폰, 근접 또는 다른 센서, 키/버튼, 터치 디스플레이, 하나 이상의 카메라, USB 포트, 또는 다른 입력 회로를 포함할 수 있다. 사용자 인터페이스 장비(1532)는, 또한, WD(1510)로부터의 정보의 출력을 허용하고, 처리 회로(1520)가 WD(1510)로부터 정보를 출력하게 허용하도록 구성된다. 사용자 인터페이스 장비(1532)는, 예를 들어, 스피커, 디스플레이, 바이브레이팅 회로, USB 포트, 헤드폰 인터페이스, 또는 다른 출력 회로를 포함할 수 있다. 사용자 인터페이스 장비(1532)의, 하나 이상의 입력 및 출력 인터페이스, 디바이스 및 회로를 사용해서, WD(1510)는 엔드 사용자 및/또는 무선 네트워크와 통신할 수 있고, 이들이 본 개시에 기술된 기능성으로부터 이익을 갖도록 허용한다.
보조 장비(1534)는, 일반적으로, WD에 의해서 수행되지 않을 수 있는 더 특정된 기능성을 제공하도록 동작 가능하다. 이는, 다양한 목적을 위한 측정을 행하기 위한 특화된 센서, 유선 통신과 같은 추가적인 타입의 통신을 위한 인터페이스 등을 포함할 수 있다. 보조 장비(1534)의 컴포넌트의 포함 및 타입은 실시예 및/또는 시나리오에 의존해서 변화할 수 있다.
전력 소스(1536)는, 일부 실시예에 있어서, 배터리 또는 배터리 팩의 형태로 될 수 있다. 외부 전력 소스(예를 들어, 전기 출구), 광전지의 디바이스 또는 전력 셀과 같은 다른 타입의 전력 소스가, 또한, 사용될 수 있다. WD(1510)는, 본 개시에 기술된 또는 표시된 소정의 기능성을 수행하기 위해서, 전력 소스(1536)로부터 전력을 필요로 하는 WD(1510)의 다양한 부분으로 전력 소스(1536)로부터의 전력을 전달하기 위한 전력 회로(1537)를 더 포함할 수 있다. 전력 회로(1537)는, 소정의 실시예에 있어서, 전력 관리 회로를 포함할 수 있다. 전력 회로(1537)는, 추가적으로 또는 대안적으로, 외부 전력 소스로부터 전력을 수신하도록 동작 가능하게 될 수 있는데; 이 경우, WD(1510)는 입력 회로 또는 전력 케이블과 같은 인터페이스를 통해서 외부 전력 소스(전기 출구와 같은)에 접속 가능하게 될 수 있다. 전력 회로(1537)는, 또한, 소정의 실시예에 있어서, 외부 전력 소스로부터 전력 소스(1536)로 전력을 전달하도록 동작 가능하게 될 수 있다. 이는, 예를 들어, 전력 소스(1536)의 차징을 위한 것이 될 수 있다. 전력 회로(1537)는, 전력이 공급되는 WD(1510)의 각각의 컴포넌트에 대해서 적합한 전력을 만들기 위해서, 전력 소스(1536)로부터의 전력에 대한 소정의 포맷팅, 변환, 또는 다른 수정을 수행할 수 있다.
도 16은, 본 개시에 기술된 다양한 측면에 따라서 UE의 하나의 실시예를 도시한다. 본 개시에서 사용됨에 따라서, "사용자 장비" 또는 "UE"는, 관련 디바이스를 소유 및/또는 동작하는 휴먼 사용자의 의미에서 "사용자"를 반드시 가질 필요는 없다. 대신, UE는, 특정 휴먼 사용자(예를 들어, 스마트 스프링클러 제어기)와 관련되지 않을 수 있지만, 또는 초기에 관련되지 않을 수 있지만, 휴먼 사용자에 대한 판매 또는 이에 의한 동작을 의도하는 디바이스를 나타낼 수 있다. 대안적으로, UE는, 사용자의 이익과 관련될 수 있거나 또는 이를 위해서 동작될 수 있지만, 엔드 사용자에 대한 판매 또는 이에 의한 동작을 의도하지 않는 디바이스(예를 들어, 스마트 전력 미터)를 나타낼 수 있다. UE(1600)는, NB-IoT UE, 머신 타입 통신(MTC) UE, 및/또는 향상된 MTC(eMTC) UE를 포함하는, 3GPP(3rd Generation Partnership Project)에 의해서 식별된 소정의 UE가 될 수 있다. 도 16에 도시된 바와 같이, UE(1600)는, 3GPP의 GSM, UMTS, LTE, 및/또는 5G 표준과 같은, 3GPP(3rd Generation Partnership Project)에 의해서 공표된 하나 이상의 통신 표준에 따라서 통신을 위해서 구성된 하나의 예의 WD이다. 이전에 언급된 바와 같이, 용어 WD 및 UE는 상호 교환 가능하게 사용될 수 있다. 따라서, 도 16이 UE임에도, 본 개시에 기술된 컴포넌트는 WD에 동일하게 적용 가능하고 반대도 가능하다.
도 16에 있어서, UE(1600)는, 입력/출력 인터페이스(1605), 무선 주파수(RF) 인터페이스(1609), 네트워크 접속 인터페이스(1611), 랜덤 액세스 메모리(RAM)(1617), 리드-온리 메모리(ROM)(1619), 및 스토리지 매체(1621) 등을 포함하는 메모리(1615), 통신 서브시스템(1631), 전력 소스(1633), 및/또는 소정의 다른 컴포넌트, 또는 이들의 소정의 조합에 동작 가능하게 결합된 처리 회로(1601)를 포함한다. 스토리지 매체(1621)는 오퍼레이팅 시스템(1623), 애플리케이션 프로그램(1625), 및 데이터(1627)를 포함한다. 다른 실시예에 있어서, 스토리지 매체(1621)는 다른 유사한 타입의 정보를 포함할 수 있다. 소정의 UE는 도 16에 나타낸 모든 컴포넌트를 활용할 수 있거나, 또는 서브세트의 컴포넌트만을 활용할 수 있다. 컴포넌트 사이의 통합의 레벨은 하나의 UE로부터 또 다른 UE로 변화할 수 있다. 더욱이, 소정의 UE는 다수의 프로세서, 메모리, 송수신기, 전송기, 수신기 등과 같은 다수의 예의 컴포넌트를 포함할 수 있다.
도 16에 있어서, 처리 회로(1601)는 컴퓨터 명령 및 데이터를 처리하도록 구성될 수 있다. 처리 회로(1601)는, 하나 이상의 하드웨어-구현된 상태 머신(예를 들어, 이산 로직, FPGA, ASIC 등)과 같은 메모리 내에 머신 판독 가능한 컴퓨터 프로그램으로서 저장된 머신 명령; 적합한 펌웨어와 함께 프로그램 가능한 로직; 하나 이상의 저장된 프로그램, 적합한 소프트웨어와 함께 마이크로프로세서 또는 디지털 신호 프로세서(DSP)와 같은 일반 목적 프로세서; 또는 상기 소정의 조합을 실행하도록 동작 가능한 소정의 순차적인 상태 머신을 구현하도록 구성될 수 있다. 예를 들어, 처리 회로(1601)는 2개의 중앙 처리 유닛(CPU)을 포함할 수 있다. 데이터는 컴퓨터에 의한 사용을 위해서 적합한 형태의 정보가 될 수 있다.
묘사된 실시예에 있어서, 입력/출력 인터페이스(1605)는, 입력 디바이스, 출력 디바이스, 또는 입력 및 출력 디바이스에 대한 통신 인터페이스를 제공하도록 구성될 수 있다. UE(1600)는 입력/출력 인터페이스(1605)를 통해서 출력 디바이스를 사용하도록 구성될 수 있다. 출력 디바이스는 입력 디바이스와 동일한 타입의 인터페이스 포트를 사용할 수 있다. 예를 들어, USB 포트는 UE(1600)에 대한 입력 및 이로부터의 출력을 제공하기 위해서 사용될 수 있다. 출력 디바이스는, 스피커, 사운드 카드, 비디오 카드, 디스플레이, 모니터, 프린터, 액추에이터, 에미터, 스마트카드, 또 다른 출력 디바이스, 또는 그 소정의 조합이 될 수 있다. UE(1600)는, 사용자가 UE(1600) 내에 정보를 캡처하게 허용하기 위해서, 입력/출력 인터페이스(1605)를 통해서 입력 디바이스를 사용하도록 구성될 수 있다. 입력 디바이스는, 터치 민감한 또는 존재 민감한 디스플레이, 카메라(예를 들어, 디지털 카메라, 디지털 비디오 카메라, 웹 카메라 등), 마이크로폰, 센서, 마우스, 트랙볼, 방향 패드, 트랙패드, 스크롤 휠, 스마트카드 등을 포함할 수 있다. 존재 검출형 디스플레이는 사용자로부터의 입력을 검출하기 위해서 용량성 또는 저항성 터치 센서를 포함할 수 있다. 센서는, 예를 들어, 가속도계, 자이로스코프, 틸트(tilt) 센서, 포스(force) 센서, 자력계, 광학 센서, 근접 센서, 다른 유사 센서, 또는 그 소정의 조합이 될 수 있다. 예를 들어, 입력 디바이스는 가속도계, 자력계, 디지털 카메라, 마이크로폰, 및 광학 센서가 될 수 있다.
도 16에 있어서, RF 인터페이스(1609)는 전송기, 수신기, 및 안테나와 같은 RF 컴포넌트에 통신 인터페이스를 제공하도록 구성될 수 있다. 네트워크 접속 인터페이스(1611)는 네트워크(1643a)에 대한 통신 인터페이스를 제공하도록 구성될 수 있다. 네트워크(1643a)는 로컬-영역 네트워크(LAN), 광역 네트워크(WAN), 컴퓨터 네트워크, 무선 네트워크, 전기 통신 네트워크, 또 다른 유사 네트워크 또는 그 소정의 조합과 같은 유선 및/또는 무선 네트워크를 망라할 수 있다. 예를 들어, 네트워크(1643a)는 Wi-Fi 네트워크를 포함할 수 있다. 네트워크 접속 인터페이스(1611)는, 이더넷(Ethernet), TCP/IP, SONET, ATM 등과 같은 하나 이상의 통신 프로토콜에 따른 통신 네트워크를 통해서 하나 이상의 다른 디바이스와 통신하기 위해서 사용된 수신기 및 전송기 인터페이스를 포함하도록 구성될 수 있다. 네트워크 접속 인터페이스(1611)는 통신 네트워크 링크(예를 들어, 광학, 전기적 등)에 적합한 수신기 및 전송기 기능성을 구현할 수 있다. 전송기 및 수신기 기능은 회로 컴포넌트, 소프트웨어 또는 펌웨어를 공유할 수 있거나, 또는 대안적으로 분리해서 구현될 수 있다.
RAM(1617)은 오퍼레이팅 시스템, 애플리케이션 프로그램, 및 디바이스 드라이버와 같은 소프트웨어 프로그램의 실행 동안 데이터 또는 컴퓨터 명령의 스토리지 또는 캐싱을 제공하기 위해서 처리 회로(1601)에 버스(1602)를 통해서 인터페이스하도록 구성될 수 있다. ROM(1619)은 컴퓨터 명령 또는 데이터를 처리 회로(1601)에 제공하도록 구성될 수 있다. 예를 들어, ROM(1619)은 비휘발성 메모리 내에 저장된 키보드로부터의 키스트로크의 기본 입력 및 출력(I/O), 스타트업, 또는 수신과 같은 기본 시스템 기능에 대한 불변의 낮은-레벨 시스템 코드 또는 데이터를 저장하도록 구성될 수 있다. 스토리지 매체(1621)는 RAM, ROM, 프로그램 가능한 리드-온리 메모리(PROM), 소거 가능한 프로그램 가능한 리드-온리 메모리(EPROM), 전기적으로 소거 가능한 프로그램 가능한 리드-온리 메모리(EEPROM), 마그네틱 디스크, 광학 디스크, 플로피 디스크, 하드 디스크, 제거 가능한 카트리지, 또는 플래시 드라이브와 같은 메모리를 포함하도록 구성될 수 있다. 하나의 예에 있어서, 스토리지 매체(1621)는, 오퍼레이팅 시스템(1623), 웹 브라우저 애플리케이션, 위젯 또는 가젯 엔진 또는 또 다른 애플리케이션과 같은 애플리케이션 프로그램(1625), 및 데이터 파일(1627)을 포함하도록 구성될 수 있다. 스토리지 매체(1621)는, UE(1600)에 의한 사용을 위해서, 소정의 다양한 오퍼레이팅 시스템 또는 오퍼레이팅 시스템의 조합을 저장할 수 있다.
스토리지 매체(1621)는, RAID(redundant array of independent disks), 플로피 디스크 드라이브, 플래시 메모리, USB 플래시 드라이브, 외부 하드 디스크 드라이브, 썸 드라이브(thumb drive), 펜 드라이브, 키 드라이브, HD-DVD(high-density digital versatile disc) 광학 디스크 드라이브, 내부 하드 디스크 드라이브, Blu-Ray 광학 디스크 드라이브, 홀로그래픽 디지털 데이터 스토리지(HDDS) 광학 디스크 드라이브와 같은 다수의 물리적인 드라이브 유닛, 외부 미니-듀얼 인-라인 메모리 모듈(DIMM), 동기의 동적 랜덤 액세스 메모리(SDRAM), 외부 마이크로-DIMM SDRAM, 구독자 아이덴티티 모듈 또는 제거 가능한 사용자 아이덴티티(SIM/RUIM) 모듈과 같은 스마트카드 메모리, 다른 메모리, 또는 그 소정의 조합을 포함하도록 구성될 수 있다. 스토리지 매체(1621)는, UE(1600)가 데이터를 오프-로드하거나, 또는 데이터를 업로드하기 위해서 일시적인 또는 비일시적인 메모리 매체 상에 저장된 컴퓨터-실행 가능한 명령, 애플리케이션 프로그램 등에 액세스하게 허용할 수 있다. 통신 시스템을 활용하는 것과 같은, 제품은, 스토리지 매체(1621) 내에 유형으로(tangibly) 구현될 수 있는데, 이는, 디바이스 판독 가능한 매체를 포함할 수 있다.
도 16에 있어서, 처리 회로(1601)는 통신 서브시스템(1631)을 사용해서 네트워크(1643b)와 통신하도록 구성될 수 있다. 네트워크(1643a) 및 네트워크(1643b)는 동일한 네트워크 또는 네트워크들 또는 다른 네트워크 또는 네트워크들이 될 수 있다. 통신 서브시스템(1631)은 네트워크(1643b)와 통신하기 위해서 사용된 하나 이상의 송수신기를 포함하도록 구성될 수 있다. 예를 들어, 통신 서브시스템(1631)은, IEEE 802.11, CDMA, WCDMA, GSM, LTE, UTRAN, WiMax 등과 같은 하나 이상의 통신 프로토콜에 따른 무선 액세스 네트워크(RAN)의 또 다른 WD, UE, 또는 기지국과 같은 무선 통신할 수 있는 또 다른 디바이스의 하나 이상의 원격 송수신기와 통신하기 위해서 사용된 하나 이상의 송수신기를 포함하도록 구성될 수 있다. 각각의 송수신기는, RAN 링크(예를 들어, 주파수 할당 같은)에 적합한, 전송기 또는 수신기 기능성 각각을 구현하기 위해서 전송기(1633) 및/또는 수신기(1635)를 포함할 수 있다. 더욱이, 각각의 송수신기의 전송기(1633) 및 수신기(1635)는 회로 컴포넌트, 소프트웨어 또는 펌웨어를 공유할 수 있거나, 또는 대안적으로 분리해서 구현될 수 있다.
도시된 실시예에 있어서, 통신 서브시스템(1631)의 통신 기능은 데이터 통신, 보이스 통신, 멀티미디어 통신, 블루투스, 니어-필드 통신과 같은 단거리 통신, 위치를 결정하기 위한 GPS(global positioning system)의 사용과 같은 위치 기반 통신, 또 다른 유사 통신 기능, 또는 그 소정의 조합을 포함할 수 있다. 예를 들어, 통신 서브시스템(1631)은 셀룰러 통신, Wi-Fi 통신, 블루투스 통신, 및 GPS 통신을 포함할 수 있다. 네트워크(1643b)는, 로컬-영역 네트워크(LAN), 광역 네트워크(WAN), 컴퓨터 네트워크, 무선 네트워크, 전기 통신 네트워크, 또 다른 유사 네트워크 또는 그 소정의 조합과 같은 유선 및/또는 무선 네트워크를 망라할 수 있다. 예를 들어, 네트워크(1643b)는 셀룰러 네트워크, Wi-Fi 네트워크, 및/또는 니어 필드 네트워크가 될 수 있다. 전력 소스(1613)는 UE(1600)의 컴포넌트에 교류(AC) 또는 직류(DC) 전력을 제공하도록 구성될 수 있다.
본 개시에 기술된 형태, 이익 및/또는 기능은 UE(1600)의 하나의 컴포넌트로 구현될 수 있거나 또는 UE(1600)의 다수의 컴포넌트를 가로질러 파티션될 수 있다. 더욱이, 본 발명 개시에 기술된 형태, 이익 및/또는 기능은 하드웨어, 소프트웨어 또는 펌웨어의 소정의 조합으로 구현될 수 있다. 하나의 예에 있어서, 통신 서브시스템(1631)은 본 발명 개시에 기술된 소정의 컴포넌트를 포함하도록 구성될 수 있다. 더욱이, 처리 회로(1601)는 버스(1602)를 통해서 소정의 이러한 컴포넌트와 통신하도록 구성될 수 있다. 또 다른 예에 있어서, 소정의 이러한 컴포넌트는, 처리 회로(1601)에 의해서 실행될 때, 본 개시에 기술된 대응하는 기능을 수행하는 메모리 내에 저장된 프로그램 명령에 의해서 표현될 수 있다. 또 다른 예에 있어서, 소정의 이러한 컴포넌트의 기능성은 처리 회로(1601)와 통신 서브시스템(1631) 사이에서 파티션될 수 있다. 또 다른 예에 있어서, 소정의 이러한 컴포넌트의 비계산적으로 집중적인 기능은 소프트웨어 또는 펌웨어로 구현될 수 있고, 계산적으로 집중적인 기능은 하드웨어로 구현될 수 있다.
도 17은 일부 실시예에 의해서 구현된 기능이 가상화될 수 있는 가상화 환경(1700)을 도시하는 개략적인 블록도이다. 본 콘텍스트에 있어서, 가상화는, 가상화 하드웨어 플랫폼, 스토리지 디바이스 및 네트워킹 리소스를 포함할 수 있는 장치 또는 디바이스의 가상의 버전을 생성하는 것을 의미한다. 본 개시에서 사용됨에 따라서, 가상화는 노드(예를 들어, 가상화 기지국 또는 가상화 무선 액세스 노드) 또는 디바이스(예를 들어, UE, 무선 디바이스 또는 소정의 다른 타입의 통신 디바이스) 또는 그 컴포넌트에 적용될 수 있고, (예를 들어, 하나 이상의 네트워크 내의 하나 이상의 물리적인 처리 노드를 실행하는 하나 이상의 애플리케이션, 컴포넌트, 기능, 가상의 머신 또는 컨테이너를 통해서) 기능성의 적어도 부분이 하나 이상의 가상의 컴포넌트로서 구현되는 구현과 관련될 수 있다.
일부 실시예에 있어서, 본 발명 개시에 기술된 일부 또는 모든 기능은 하나 이상의 하드웨어 노드(1730)에 의해서 호스팅된 하나 이상의 가상의 환경(1700)에서 구현된 하나 이상의 가상의 머신에 의해서 실행된 가상의 컴포넌트로서 구현될 수 있다. 더욱이, 가상의 노드가 무선 액세스 노드가 아닌 또는 무선 접속성을 요구하지 않는 실시예에 있어서(예를 들어, 코어 네트워크 노드), 네트워크 노드는 전적으로 가상화될 수 있다.
기능은, 일부 본 개시에 기술된 실시예의 일부 형태, 기능, 및/또는 이익을 구현하기 위해서 동작하는 하나 이상의 애플리케이션(1720)(이는, 대안적으로, 소프트웨어 인스턴스, 가상의 기기, 네트워크 기능, 가상의 노드, 가상의 네트워크 기능 등으로 불릴 수 있다)에 의해서 구현될 수 있다. 애플리케이션(1720)은 처리 회로(1760) 및 메모리(1790)를 포함하는 하드웨어(1730)를 제공하는 가상화 환경(1700)에서 구동한다. 메모리(1790)는, 이에 의해서 애플리케이션(1720)이 본 개시에 개시된 하나 이상의 형태, 이익, 및/또는 기능을 제공하기 위해서 동작하는 처리 회로(1760)에 의해서 실행 가능한 명령(1795)을 포함한다.
가상화 환경(1700)은, 세트의 하나 이상의 프로세서 또는 처리 회로(1760)를 포함하는 일반 목적 또는 특별한 목적의 네트워크 하드웨어 디바이스(1730)를 포함하는데, 이 디바이스는, COTS(commercial off-the-shelf) 프로세서, 전용의 애플리케이션 특정 통합된 회로(ASIC), 또는 디지털 또는 아날로그 하드웨어 컴포넌트 또는 특별한 목적의 프로세서를 포함하는 소정의 다른 타입의 처리 회로가 될 수 있다. 각각의 하드웨어 디바이스는, 처리 회로(1760)에 의해서 실행된 명령(1795) 또는 소프트웨어를 일시적으로 저장하기 위한 비-지속적인 메모리가 될 수 있는 메모리(1790-1)를 포함할 수 있다. 각각의 하드웨어 디바이스는, 물리적인 네트워크 인터페이스(1780)를 포함하는, 네트워크 인터페이스 카드로서도 공지된 하나 이상의 네트워크 인터페이스 제어기(NIC)(1770)를 포함할 수 있다. 각각의 하드웨어 디바이스는, 또한, 내부에 처리 회로(1760)에 의해서 실행 가능한 소프트웨어(1795) 및/또는 명령을 저장하는 비일시적인, 지속적인, 머신-판독 가능한 스토리지 매체(1790-2)를 포함할 수 있다. 소프트웨어(1795)는 하나 이상의 가상화 레이어(1750)(또한, 하이퍼바이저(hypervisor)로서 언급된)을 예시하기 위한 소프트웨어를 포함하는 소정의 타입의 소프트웨어, 가상의 머신(1740)을 실행하는 소프트웨어만 아니라 본 개시에 기술된 일부 실시예와 관련해서 기술된 기능, 형태 및/또는 이익을 실행하도록 허용하는 소프트웨어를 포함할 수 있다.
가상의 머신(1740)은, 가상의 처리, 가상의 메모리, 가상의 네트워킹 또는 인터페이스 및 가상의 스토리지를 포함하고, 대응하는 가상화 레이어(1750) 또는 하이퍼바이저에 의해서 구동될 수 있다. 가상의 기기(1720)의 예의 다른 실시예는 하나 이상의 가상의 머신(1740) 상에서 구현될 수 있고, 구현은 다양한 방식으로 만들어질 수 있다.
동작 동안, 처리 회로(1760)는 하이퍼바이저 또는 가상화 레이어(1750)를 예시하기 위해서 소프트웨어(1795)를 실행하는데, 가상화 레이어는, 때때로, 가상의 머신 모니터(VMM: virtual machine monitor)로서 언급될 수 있다. 가상화 레이어(1750)는 가상의 머신(1740)에 대한 네트워킹 하드웨어 같이 보이는 가상의 오퍼레이팅 플랫폼을 나타낼 수 있다
도 17에 나타낸 바와 같이, 하드웨어(1730)는 일반적인 또는 특정 컴포넌트를 갖는 독립형의 네트워크 노드가 될 수 있다. 하드웨어(1730)는 안테나(17225)를 포함할 수 있고 가상화를 통해서 일부 기능을 구현할 수 있다. 대안적으로, 하드웨어(1730)는 하드웨어의 더 큰 클러스터의 부분이 될 수 있는데(예를 들어, 데이터 센터 또는 고객 구내 장비(CPE)에서와 같이), 여기서 많은 하드웨어 노드는 함께 작업하고, 관리 및 오케스트레이션(MANO)(17100)을 통해서 관리되고, 이는, 다른 것 중에서, 애플리케이션(1720)의 라이프사이클 관리를 감독한다.
하드웨어의 가상화는, 일부 콘텍스트에 있어서, 네트워크 기능 가상화(NFV)로서 언급된다. NFV는, 데이터 센터 내에 위치될 수 있는, 및 고객 구내 장비가 될 수 있는, 산업 표준 대용량 서버 하드웨어, 물리적인 스위치, 및 물리적인 스토리지 상에 많은 네트워크 장비 타입을 통합하기 위해서 사용될 수 있다.
NFV의 콘텍스트에 있어서, 가상의 머신(1740)은, 이들이 물리적인, 비가상화 머신 상에서 실행되었던 것 같이 프로그램을 구동하는, 물리적인 머신의 소프트웨어 구현이 될 수 있다. 각각의 가상의 머신(1740), 및 가상 머신을 실행하는 하드웨어(1730)의 부분은, 그 가상의 머신에 전용인 하드웨어 및/또는 그 가상 머신에 의해서 다른 가상의 머신(1740)과 공유된 하드웨어이면, 분리의 가상의 네트워크 엘리먼트(VNE)를 형성한다.
여전히 NFV의 콘텍스트에 있어서, 가상의 네트워크 기능(VNF)은 하드웨어 네트워킹 인프라스트럭처(1730)의 상단에서 하나 이상의 가상의 머신(1740)에서 구동하는 특정 네트워크 기능을 핸들링하는 것을 담당하고, 도 17의 애플리케이션(1720)에 대응한다.
일부 실시예에 있어서, 각각이 하나 이상의 전송기(17220) 및 하나 이상의 수신기(17210)를 포함하는 하나 이상의 무선 유닛(17200)은 하나 이상의 안테나(17225)에 결합될 수 있다. 무선 유닛(17200)은 하나 이상의 적합한 네트워크 인터페이스를 통해서 하드웨어 노드(1730)와 직접적으로 통신할 수 있고, 무선 액세스 노드 또는 기지국과 같은, 무선 능력을 가상의 노드에 제공하기 위해서 가상의 컴포넌트와 조합해서 사용될 수 있다.
일부 실시예에 있어서, 일부 시그널링은 하드웨어 노드(1730)와 무선 유닛(17200) 사이의 통신을 위해서 대안적으로 사용될 수 있는 제어 시스템(17230)의 사용으로 영향받을 수 있다.
도 18을 참조하면, 일실시예에 따라서, 통신 시스템은 무선 액세스 네트워크와 같은 액세스 네트워크(1811) 및 코어 네트워크(1814)를 포함하는 3GPP-타입 셀룰러 네트워크와 같은 전기 통신 네트워크(1810)를 포함한다. 액세스 네트워크(1811)는 NB, eNB, gNB 또는 다른 타입의 무선 액세스 포인트와 같은 복수의 기지국(1812a, 1812b, 1812c)을 포함하고, 각각은 대응하는 커버리지 영역(1813a, 1813b, 1813c)을 규정한다. 각각의 기지국(1812a, 1812b, 1812c)은 유선 또는 무선 접속(1815)을 통해서 코어 네트워크(1814)에 접속 가능하다. 커버리지 영역(1813c)에 위치된 제1사용자 장비(UE, 1891)는 대응하는 기지국(1812c)에 무선으로 접속되거나 또는 이에 의해서 페이징되도록 구성된다. 커버리지 영역(1813a) 내의 제2UE(1892)는 대응하는 기지국(1812a)에 무선으로 접속 가능하다. 복수의 UE(1891, 1892)가 이 예에서 도시되지만, 개시된 실시예는 유일한 UE가 커버리지 영역에 있거나 또는 유일한 UE가 대응하는 기지국(1812)에 접속하고 있는 상황에 동동하게 적용 가능하다.
전기 통신 네트워크(1810)는 독립형 서버, 클라우드-구현된 서버, 분산형 서버의 하드웨어 및/또는 소프트웨어로 구현될 수 있거나 또는 서버 팜(server farm) 내의 처리 리소스로서 구현될 수 있는 호스트 컴퓨터(1830)에 자체 접속된다. 호스트 컴퓨터(1830)는 서비스 제공자의 소유권 또는 제어하에 있을 수 있거나 또는 서비스 제공자에 의해서 또는 서비스 제공자 대신 동작될 수 있다. 전기 통신 네트워크(1810)와 호스트 컴퓨터(1830) 사이의 접속(1821, 1822)은 코어 네트워크(1814)로부터 호스트 컴퓨터(1830)로 직접 확장할 수 있거나 또는 옵션의 중간 네트워크(1820)를 통해서 진행할 수 있다. 중간 네트워크(1820)는 공공, 사설 또는 호스팅된 네트워크 중 하나 또는 하나 이상의 조합이 될 수 있고; 있다면, 중간 네트워크(1820)는 백본 네트워크 또는 인터넷이 될 수 있으며; 특히, 중간 네트워크(1820)는 2 이상의 서브 네트워크(도시 생략)를 포함할 수 있다.
전체로서 도 18의 통신 시스템은, 접속된 UE(1891, 1892)와 호스트 컴퓨터(1830) 사이의 접속성을 가능하게 한다. 접속성은 OTT(over-the-top) 접속(1850)으로서 기술될 수 있다. 호스트 컴퓨터(1830) 및 접속된 UE(1891, 1892)는, 액세스 네트워크(1811), 코어 네트워크(1814), 소정의 중간 네트워크(1820) 및 가능한 또 다른 인프라스트럭처(도시 생략)를 중간자로서 사용해서, OTT 접속(1850)을 통해서 데이터 및/또는 시그널링을 통신하도록 구성된다. OTT 접속(1850)은 OTT 접속(1850)이 통과하는 참가하는 통신 디바이스가 업링크 및 다운링크 통신의 라우팅을 인식하지 못하는 의미에서 투명하게 될 수 있다. 예를 들어, 기지국(1812)은 접속된 UE(1891)에 포워딩(예를 들어, 핸드오버)되는 호스트 컴퓨터(1830)로부터 기원하는 데이터를 갖는 인입 다운링크 통신의 과거 라우팅에 관해서 통지받지 않거나 통지받을 필요가 없을 수 있다. 유사하게, 기지국(1812)은 호스트 컴퓨터(1830)를 향해서 UE(1891)로부터 기원하는 인출 업링크 통신의 미래의 라우팅을 인식할 필요는 없다.
선행하는 문단에서 논의된 UE, 기지국 및 호스트 컴퓨터의, 실시예에 따른, 예의 구현이, 이제 도 19를 참조해서 기술될 것이다. 통신 시스템(1900)에서, 호스트 컴퓨터(1910)는 통신 시스템(1900)의 다른 통신 디바이스의 인터페이스와 유선 또는 무선 접속을 설정 및 유지하도록 구성된 통신 인터페이스(1916)를 포함하는 하드웨어(1915)를 포함한다. 호스트 컴퓨터(1910)는 스토리지 및/또는 처리 능력을 가질 수 있는 처리 회로(1918)를 더 포함한다. 특히, 처리 회로(1918)는 하나 이상의 프로그램 가능한 프로세서, 애플리케이션 특정 통합된 회로, 필드 프로그래머블 게이트 어레이 또는 명령을 실행하도록 적응된 이들의 조합(도시 생략)을 포함할 수 있다. 호스트 컴퓨터(1910)는 호스트 컴퓨터(1910)에 저장되거나 또는 이에 의해서 액세스 가능한 및 처리 회로(1918)에 의해서 실행 가능한 소프트웨어(1911)를 더 포함한다. 소프트웨어(1911)는 호스트 애플리케이션(1912)을 포함한다. 호스트 애플리케이션(1912)은 UE(1930) 및 호스트 컴퓨터(1910)에서 종료하는 OTT 접속(1950)을 통해서 접속하는 UE(1930)와 같은 원격 사용자에 서비스를 제공하도록 동작 가능하게 될 수 있다. 원격 사용자에 서비스를 제공하는데 있어서, 호스트 애플리케이션(1912)은 OTT 접속(1950)을 사용해서 전송되는 사용자 데이터를 제공할 수 있다.
통신 시스템(1900)은, 전기 통신 시스템 내에 제공되고 이것이 호스트 컴퓨터(1910) 및 UE(1930)와 통신할 수 있게 하는 하드웨어(1925)를 포함하는 기지국(1920)을 더 포함한다. 하드웨어(1925)는 통신 시스템(1900)의 다른 통신 디바이스의 인터페이스와 유선 또는 무선 접속을 설정 및 유지하기 위한 통신 인터페이스(1926)만 아니라 기지국(1920)에 의해서 서빙되는 커버리지 영역(도 19에서 도시 생략)에 위치된 UE(1930)와 적어도 무선 접속(1970)을 설정 및 유지하기 위한 무선 인터페이스(1927)를 포함할 수 있다. 통신 인터페이스(1926)는 호스트 컴퓨터(1910)에 대한 접속(1960)을 용이하게 하도록 구성될 수 있다. 접속(1960)은 직접적일 수 있거나 또는, 이는 전기 통신 시스템의 코어 네트워크(도 19에 도시 생략)를 통과 및/또는 전기 통신 시스템 외측의 하나 이상의 중간 네트워크를 통과할 수 있다. 나타낸 실시예에 있어서, 기지국(1920)의 하드웨어(1925)는 하나 이상의 프로그램 가능한 프로세서, 애플리케이션 특정 통합된 회로, 필드 프로그래머블 게이트 어레이 또는 명령을 실행하기 위해서 적응된 이들의 조합(도시 생략)을 포함할 수 있는 처리 회로(1928)를 더 포함한다. 기지국(1920)은 내부적으로 저장되거나 또는 외부 접속을 통해서 액세스 가능한 소프트웨어(1921)를 더 갖는다.
통신 시스템(1900)은 이미 언급된 UE(1930)를 더 포함한다. 그 하드웨어(1935)는 UE(1930)가 현재 위치되는 커버리지 영역을 서빙하는 기지국과 무선 접속(1970)을 설정 및 유지하도록 구성된 무선 인터페이스(1937)를 포함할 수 있다. UE(1930)의 하드웨어(1935)는, 하나 이상의 프로그램 가능한 프로세서, 애플리케이션 특정 통합된 회로, 필드 프로그래머블 게이트 어레이 또는 명령을 실행하도록 적응된 이들의 조합(도시 생략)을 포함할 수 있는 처리 회로(1938)를 더 포함한다. UE(1930)는 UE(1930)에 저장되거나 또는 이에 의해서 액세스 가능한 및 처리 회로(1938)에 의해서 실행 가능한 소프트웨어(1931)를 더 포함한다. 소프트웨어(1931)는 클라이언트 애플리케이션(1932)을 포함한다. 클라이언트 애플리케이션(1932)은, 호스트 컴퓨터(1910)의 지원과 함께, UE(1930)를 통해서 휴먼 또는 비휴먼 사용자에 서비스를 제공하도록 동작 가능하게 될 수 있다. 호스트 컴퓨터(1910)에 있어서, 실행하는 호스트 애플리케이션(1912)은 UE(1930) 및 호스트 컴퓨터(1910)에서 종료하는 OTT 접속(1950)을 통해서 실행하는 클라이언트 애플리케이션(1932)과 통신할 수 있다. 사용자에 서비스를 제공하는데 있어서, 클라언트 애플리케이션(1932)은 호스트 애플리케이션(1912)으로부터 요청 데이터를 수신하고, 요청 데이터에 응답해서 사용자 데이터를 제공할 수 있다. OTT 접속(1950)은 요청 데이터 및 사용자 데이터 모두를 전송할 수 있다. 클라이언트 애플리케이션(1932)은 사용자와 상호 작용해서 이것이 제공하는 사용자 데이터를 생성할 수 있다.
도 19에 도시된 호스트 컴퓨터(1910), 기지국(1920) 및 UE(1930)가, 각각 도 18의 호스트 컴퓨터(1830), 기지국(1812a, 1812b, 1812c) 중 하나 및 UE(1891, 1892) 중 하나와 유사하게 또는 동일하게 될 수 있는 것에 유의하자. 즉, 이들 엔티티의 내부 동작은 도 19에 나타낸 것과 같을 수 있고, 독립적으로, 주변 네트워크 토폴로지는 도 18의 것이 될 수 있다.
도 19에 있어서, OTT 접속(1950)은, 소정의 중간 디바이스에 대한 명시적인 참조 및 이들 디바이스를 통한 메시지의 정확한 라우팅 없이, 기지국(1920)을 통해서 호스트 컴퓨터(1910)와 UE(1930) 사이의 통신을 도시하기 위해서 추상적으로 그려졌다. 네트워크 인프라스트럭처는 UE(1930)로부터 또는 호스트 컴퓨터(1910)를 동작시키는 서비스 제공자로부터 또는 모두로부터 숨기도록 구성될 수 있는 라우팅을 결정할 수 있다. OTT 접속(1950)이 활성인 동안, 네트워크 인프라스트럭처는 (예를 들어, 네트워크의 로드 밸런싱 고려 또는 재구성에 기반해서) 이것이 라우팅을 동적으로 변경하는 결정을 더 행할 수 있다.
UE(1930)와 기지국(1920) 사이의 무선 접속(1970)은 본 개시를 통해서 기술된 실시예의 교시에 따른다. 하나 이상의 다양한 실시예는, 무선 접속(1970)이 최종 세그먼트를 형성하는 OTT 접속(1950)을 사용해서 UE(1930)에 제공된 OTT 서비스의 성능을 개선시킨다.
측정 절차는, 하나 이상의 실시예가 개선하는 데이터 레이트, 레이턴시 및 다른 팩터를 모니터링하기 위한 목적을 위해서 제공될 수 있다. 측정 결과의 변동에 응답해서, 호스트 컴퓨터(1910)와 UE(1930) 사이의 OTT 접속(1950)을 재구성하기 위한 옵션의 네트워크 기능성이 더 있을 수 있다. OTT 접속(1950)을 재구성하기 위한 측정 절차 및/또는 네트워크 기능성은 호스트 컴퓨터(1910)의 소프트웨어(1911) 및 하드웨어(1915)로 또는 UE(1930)의 소프트웨어(1931) 및 하드웨어(1935), 또는 모두로 구현될 수 있다. 실시예에 있어서, 센서(도시 생략)는 OTT 접속(1950)이 통과하는 통신 디바이스 내에 또는 통신 디바이스와 관련해서 배치될 수 있고, 센서는 상기 예시된 모니터링된 양의 값을 공급함으로써, 또는 소프트웨어(1911, 1931)가 모니터링된 양을 계산 또는 추정할 수 있는 다른 물리적인 양의 값을 공급함으로써, 측정 절차에 참가할 수 있다. OTT 접속(1950)의 재구성은 메시지 포맷, 재전송 설정, 선호 라우팅 등을 포함할 수 있고; 재구성은 기지국(1920)에 영향을 줄 필요가 없으며, 기지국(1920)에 알려지지 않거나 또는 검출할 수 없게 될 수 있다. 이러한 절차 및 기능성은 본 기술 분야에 공지되고 실시될 수 있다. 소정의 실시예에 있어서, 측정은, 처리량, 전파 시간, 레이턴시 등의 호스트 컴퓨터(1910)의 측정을 용이하게 하는 독점적인 UE 시그널링을 포함할 수 있다. 측정은, 이것이 전파 시간, 에러 등을 모니터링하는 동안 OTT 접속(1950)을 사용해서 메시지, 특히, 빈(empty) 또는 '더미(dummy)' 메시지를 전송하게 하는 소프트웨어(1911, 1931)에서 구현될 수 있다.
도 20은, 하나의 실시예에 따른, 통신 시스템에서 구현된 방법을 도시하는 흐름도이다. 통신 시스템은, 도 18 및 19를 참조해서 기술된 것들이 될 수 있는, 호스트 컴퓨터, 기지국 및 UE를 포함한다. 본 개시의 단순화를 위해서, 도 20을 참조하는 도시만이 이 섹션에 포함될 것이다. 단계 2010에 있어서, 호스트 컴퓨터는 사용자 데이터를 제공한다. 단계 2010의 서브단계 2011에 있어서(이는, 옵션이 될 수 있다), 호스트 컴퓨터는 호스트 애플리케이션을 실행함으로써 사용자 데이터를 제공한다. 단계 2020에 있어서, 호스트 컴퓨터는 사용자 데이터를 UE에 반송하는 전송을 개시한다. 단계 2030에 있어서(이는, 옵션이 될 수 있다), 기지국은, 본 개시를 통해서 기술된 실시예의 교시에 따라서, 호스트 컴퓨터가 개시한 전송에서 반송했던 사용자 데이터를 UE에 전송한다. 단계 2040에 있어서(이는, 옵션이 될 수 있다), UE는 호스트 컴퓨터에 의해서 실행된 호스트 애플리케이션과 관련된 클라이언트 애플리케이션을 실행한다.
도 21은 하나의 실시예에 따른, 통신 시스템에서 구현된 방법을 도시하는 흐름도이다. 통신 시스템은, 도 18 및 19를 참조해서 기술된 것들이 될 수 있는, 호스트 컴퓨터, 기지국 및 UE를 포함한다. 본 개시의 단순화를 위해서, 도 21을 참조하는 도시만이 이 섹션에 포함될 것이다. 방법의 단계 2110에 있어서, 호스트 컴퓨터는 사용자 데이터를 제공한다. 옵션의 서브단계(도시 생략)에 있어서, 호스트 컴퓨터는 호스트 애플리케이션을 실행함으로써 사용자 데이터를 제공한다. 단계 2120에 있어서, 호스트 컴퓨터는 사용자 데이터를 UE에 반송하는 전송을 개시한다. 전송은 본 개시를 통해서 기술된 실시예의 교시에 따라서, 기지국을 통해서 통과할 수 있다. 단계 2130에 있어서(이는, 옵션이 될 수 있다), UE는 전송으로 반송된 사용자 데이터를 수신한다.
도 22는 하나의 실시예에 따른, 통신 시스템에서 구현된 방법을 도시하는 흐름도이다. 통신 시스템은, 도 18 및 19를 참조해서 기술된 것들이 될 수 있는, 호스트 컴퓨터, 기지국 및 UE를 포함한다. 본 개시의 단순화를 위해서, 도 22를 참조하는 도시만이 이 섹션에 포함될 것이다. 단계 2210에 있어서(이는, 옵션이 될 수 있다), UE는 호스트 컴퓨터에 의해서 제공된 입력 데이터를 수신한다. 추가적으로 또는 대안적으로, 단계 2220에 있어서, UE는 사용자 데이터를 제공한다. 단계 2220의 서브단계 2221에 있어서(이는, 옵션이 될 수 있다), UE는 클라이언트 애플리케이션을 실행함으로써, 사용자 데이터를 제공한다. 단계 2210의 서브단계 2211에 있어서(이는, 옵션이 될 수 있다), UE는 호스트 컴퓨터에 의해서 제공된 수신된 입력 데이터에 반응해서 사용자 데이터를 제공하는 클라이언트 애플리케이션을 실행한다. 사용자 데이터를 제공하는데 있어서, 실행된 클라이언트 애플리케이션은 사용자로부터 수신된 사용자 입력을 더 고려할 수 있다. 사용자 데이터가 제공되었던 특정 방식에 관계 없이, UE는, 서브단계 2230에서(이는, 옵션이 될 수 있다), 호스트 컴퓨터에 대한 사용자 데이터의 전송을 개시한다. 방법의 단계 2240에 있어서, 호스트 컴퓨터는 본 개시를 통해서 기술된 실시예의 교시에 따라서 UE로부터 전송된 사용자 데이터를 수신한다.
도 23은 하나의 실시예에 따른, 통신 시스템에서 구현된 방법을 도시하는 흐름도이다. 통신 시스템은, 도 18 및 19를 참조해서 기술된 것들이 될 수 있는, 호스트 컴퓨터, 기지국 및 UE를 포함한다. 본 개시의 단순화를 위해서, 도 23을 참조하는 도시만이 이 섹션에 포함될 것이다. 단계 2310(이는, 옵션이 될 수 있다)에서, 본 개시를 통해서 기술된 실시예의 교시에 따라서, 기지국은 UE로부터 사용자 데이터를 수신한다. 단계 2320에 있어서(이는, 옵션이 될 수 있다), 기지국은 호스트 컴퓨터에 대한 수신된 사용자 데이터의 전송을 개시한다. 단계 2330에 있어서(이는, 옵션이 될 수 있다), 호스트 컴퓨터는 기지국에 의해서 개시된 전송으로 반송된 사용자 데이터를 수신한다.
본 발명 개시의 방법은, 하드웨어에서, 또는 하나 이상의 프로세서 상에서 구동하는 소프트웨어로서 구현될 수 있다. 또한, 방법은, 컴퓨터 프로그램의 명령에 따라서 수행될 수 있고, 본 발명 개시는 또한 본 개시에 기술된 소정의 방법을 수행하기 위한 프로그램을 그것 상에 저장하는 컴퓨터 판독 가능한 매체를 제공한다. 본 개시를 구현하는 컴퓨터 프로그램은 컴퓨터 판독 가능한 매체 상에 저장될 수 있거나, 또는, 예를 들어, 인터넷 웹사이트로부터 제공된 다운로드 가능한 데이터 신와같은 신호 형태가 될 수 있거나, 또는 소정의 다른 형태가 될 수 있다.
상기 언급된 예는 본 개시를 제한하기 보다 예시하는 것이고, 본 기술 분야의 통상의 기술자는 첨부된 청구항 또는 넘버링된 실시예의 범위로부터 벗어남이 없이 많은 대안적인 실시예를 설계할 수 있는 것에 유의해야 한다. 단어 "포함하는"은 청구항 또는 실시예에 리스트된 것 이외의 엘리먼트 또는 단계의 존재를 배제하지 않고, "a"또는 "an"은 복수를 배제하지 않으며, 단일 프로세서 또는 다른 유닛이 청구항 또는 넘버링된 실시예에서 진술된 다수의 유닛의 기능을 수행할 수 있다. 청구항 내의 소정의 참조 부호는 그들의 범위를 제한하는 것으로 해석되지 않아야 한다.
Claims (58)
- 무선 액세스 네트워크를 포함하는 통신 네트워크 내의 제1 노드에 의해서 수행된 무선 액세스 네트워크(RAN) 동작을 관리하기 위한 컴퓨터 구현된 방법(100)으로서, 제1 노드에 의해서 수행된 방법은:
RAN 동작에 대한 제2 노드의 상태의 표현을 수신(110)하는 단계로서, 여기서, 제2 노드의 상태는 제2 노드에 의해서 경험된 또는 제2 노드를 통해서 통신 네트워크에 접속되는 적어도 하나의 노드에 의해서 경험된 물리적인 상태, 무선 환경 또는 물리적인 환경 중 적어도 하나를 기술하는 파라미터 값의 압축된 표현을 포함(110a)하는, 수신하는 단계;
RAN 동작에 대한 구성 액션을 생성하기 위해서 수신된 상태 표현을 사용(120)하는 단계; 및
생성된 구성 액션에 따라서 RAN 동작의 구성을 개시(130)하는 단계를 포함하는, 방법. - 제1항에 있어서,
생성된 구성 액션에 따라서 구성된 RAN 동작의 성공의 측정을 획득(140)하는 단계; 및
획득된 성공 측정에 기반해서, 수신된 상태 표현이 RAN 동작에 대한 구성 액션을 생성하기 위해서 사용되는 방법을 업데이트(150)하는 단계를 더 포함하는, 방법. - 제1항 또는 제2항에 있어서,
제2 노드의 상태 내에 표현된 파라미터 값은 제1 노드(310b)에 의해서 수행된 RAN 동작의 실행에 충격을 주도록 동작 가능한 파라미터의 값을 포함하는, 방법. - 제1항 내지 제3항 중 어느 한 항에 있어서,
RAN 동작에 대한 구성 액션을 생성하기 위해서 수신된 상태 표현을 사용하는 단계는:
제2 노드의 상태의 기능으로서 구성 액션을 생성하기 위해서 머신 학습(ML) 프로세스를 사용(320a)하는 단계를 포함하는, 방법. - 제4항에 있어서,
제2 노드의 상태의 기능으로서 구성 액션을 생성하기 위해서 ML 프로세스를 사용하는 단계는:
구성 액션을 생성하는데 사용하기 위해서 트레이닝된 ML 모델에 제2 노드의 상태의 표현을 입력(320a)하는 단계를 포함하는, 방법. - 제4항 또는 제5항에 있어서,
제2 노드의 상태의 기능으로서 구성 액션을 생성하기 위해서 ML 프로세스를 사용하는 단계는:
다음을 함으로써 보강 학습(RL) 프로세스를 실행(321i)하는 단계를 더 포함하고, 다음은:
복수의 가능한 구성 액션 각각에 대한 성공 측정을 예측하기 위해서 ML 모델을 사용(322i)하는 단계;
예측된 성공 측정 및 탐색 컴포넌트에 기반해서 구성 액션을 선택하기 위해서 선택 기능을 사용(324i)하는 단계; 및
구성 액션에 따라서 구성된 RAN 동작의 실행에 뒤따라서, 성공 측정을 예측하기 위한 ML 모델을 업데이트(325i)하는 단계인, 방법. - 제4항 또는 제5항에 있어서,
제2 노드의 상태의 기능으로서 구성 액션을 생성하기 위해서 ML 프로세스를 사용하는 단계는:
다음을 함으로써 보강 학습(RL) 프로세스를 실행(321ii)하는 단계를 더 포함하고, 다음은:
복수의 가능한 구성 액션 각각을 실행하는 확률을 예측하기 위해서 ML 모델을 사용(322ii)하는 단계:
각각의 액션에 대한 예측된 확률에 기반해서 구성 액션을 선택하기 위해서 선택 기능을 사용(324ii)하는 단계; 및
구성 액션에 따라서 구성된 RAN 동작의 실행에 뒤따라서, RAN 동작의 성공의 획득된 측정에 기반해서 각각의 가능한 액션에 대한 확률을 생성하는 ML 모델을 업데이트(325ii)하는 단계인, 방법. - 제6항에 있어서,
구성 액션을 생성하기 위해서 RL 프로세스를 실행하는 단계는:
가능한 구성 액션에 대한 성공 측정을 예측하기 위한 ML 모델에 제2 노드의 상태의 표현을 입력(323i)하는 단계;
가능한 액션에 대한 예측된 성공 측정에 기반해서 구성 액션을 선택(324ii)하는 단계;
생성된 구성 액션에 따라서 구성된 RAN 동작의 성공의 측정을 획득(326ii)하는 단계; 및
성공의 획득된 측정에 기반해서 ML 모델을 업데이트(327ii)하는 단계를 포함하는, 방법. - 제4항 내지 제8항 중 어느 한 항에 있어서,
구성 액션을 생성하는데 사용하기 위한 ML 모델을 획득(312)하는 단계를 더 포함하는, 방법. - 제4항 내지 제9항 중 어느 한 항에 있어서,
구성 액션을 생성하는데 사용하기 위한 ML 모델을 트레이닝(312)하는 단계를 더 포함하는, 방법. - 제10항에 있어서,
구성 액션을 생성하는데 사용하기 위한 ML 모델을 트레이닝하는 단계는:
제2 노드의 상태 표현, 구성 액션 및 구성 액션과 관련된 획득된 성공 측정에 대한 히스토리 데이터를 포함하는 트레이닝 데이터 세트로 감독된 학습 방법을 사용(312)하는 단계를 포함하는, 방법. - 상기 항 중 어느 한 항에 있어서,
제2 노드의 상태의 수신된 표현은 다음 중 적어도 하나를 포함(310c)하고, 다음은:
제2 노드의 상태에 대한 상태 식별자;
상태를 포함하는 파라미터 값의 압축된 표현; 또는
제2 노드의 이전 상태와의 차이의 인디케이션인, 방법. - 상기 항 중 어느 한 항에 있어서,
제2 노드의 상태에 대한 상태 식별자는 상태를 포함하는 파라미터 값의 압축된 표현을 생성하기 위해서 사용된 방법에 고유한 식별자를 포함하는, 방법. - 제12항 또는 제13항에 있어서, 제9항에 의존해서,
구성 액션을 생성하는데 사용하기 위한 ML 모델을 획득하는 단계는 수신된 상태 식별자에 대응하는 ML 모델을 획득(312)하는 단계를 포함하는, 방법. - 제14항에 있어서,
수신된 상태 식별자에 대응하는 ML 모델이 획득될 수 없으면(312i), 및 임계치 수 미만의 제2 노드가 수신된 상태 식별자를 리포트했으면(312iii):
RAN 동작에 대한 레거시 리포팅 절차를 사용하기 위해서 제2 노드에 명령(312v)하는 단계를 더 포함하는, 방법. - 제14항 또는 제15항에 있어서,
수신된 상태 식별자에 대응하는 ML 모델이 획득될 수 없으면(312i), 및 적어도 임계치 수의 제2 노드가 수신된 상태 식별자를 수신했으면(312iii):
수신된 상태 식별자로부터 구성 액션을 생성하는데 사용하기 위한 새로운 ML 모델을 트레이닝(312iv)하는 단계를 더 포함하는, 방법. - 상기 항 중 어느 한 항에 있어서,
RAN 동작에 대한 제2 노드의 상태의 표현에 대한 요청을 전송(306)하는 단계를 더 포함하는, 방법. - 제17항에 있어서,
RAN 동작에 대한 제2 노드의 상태의 표현에 대한 요청과 함께, 제1 노드에 대한 요청된 표현의 리포팅을 구성하는 리포팅 파라미터를 포함(306a)하는 단계를 더 포함하는, 방법. - 제18항에 있어서,
리포팅 파라미터는 다음 중 적어도 하나를 특정(306a)하고, 다음은:
상태를 포함할 파라미터 값의 압축된 표현의 사이즈;
상태를 식별하기 위한 프레임워크;
제1 노드에 상태의 업데이트된 표현을 리포트하기 위한 리포팅 주기성;
제1 노드에 상태의 업데이트된 표현을 리포트하기 위한 트리거 조건;
상태의 표현과 함께 포함되는 추가적인 정보인, 방법. - 상기 항 중 어느 한 항에 있어서,
제2 노드의 상태의 표현과 함께, 제2 노드의 상태의 수신된 표현이 유효한 조건을 특정하는 유효성 파라미터를 수신(310d)하는 단계를 더 포함하는, 방법. - 상기 항 중 어느 한 항에 있어서,
제1 노드에 의해서 수행된 RAN 동작에 대한 자체의 상태의 표현을 제공하기 위해서 제2 노드의 능력에 대한 요청을 전송(302)하는 단계를 더 포함하는, 방법. - 상기 항 중 어느 한 항에 있어서,
제1 노드에 의해서 수행된 RAN 동작에 대한 자체의 상태의 표현을 제공하기 위해서 제2 노드의 능력의 인디케이션을 수신(304)하는 단계를 더 포함하는, 방법. - 제22항에 있어서, 제17항에 의존할 때:
능력의 수신된 인디케이션에 기반해서, RAN 동작에 대한 제2 노드의 상태의 표현에 대한 요청을 구성(306b)하는 단계를 더 포함하는, 방법. - 상기 항 중 어느 한 항에 있어서,
RAN 동작의 구성을 위한 제2 노드의 상태의 수신된 표현의 유용성의 측정을 획득(334)하는 단계; 및
다음 중 적어도 하나를 업그레이드(336)하는 단계를 더 포함하고, 다음은:
유용성의 획득된 측정에 기반해서,
RAN 동작에 대한 구성 액션을 생성하기 위해서 수신된 상태 표현을 사용하기 위한 프로세스, 또는
상태 표현의 수신을 위한 구성인, 방법. - 제24항에 있어서,
RAN 동작에 대한 구성 액션을 생성하기 위해서 수신된 상태 표현을 사용하기 위한 프로세스를 업데이트하는 단계는 다음 중 어도 하나를 포함하고, 다음은:
구성 액션을 생성하기 위해서 사용된 또 다른 파라미터에 대항해서 상태의 가중을 업데이트(336a)하는 것;
제2 노드의 상태의 기능으로서 구성 액션을 생성하기 위해서 사용된 ML 프로세스를 업데이트(336a)하는 것인, 방법. - 제24항 또는 제25항에 있어서,
상태 표현의 수신을 위한 구성을 업데이트하는 단계는:
RAN 동작에 대한 제2 노드의 상태의 또 다른 표현에 대한 요청을 구성(336b)하는 단계를 더 포함하는, 방법. - 제24항 내지 제26항 중 어느 한 항에 있어서,
RAN 동작의 구성을 위한 제2 노드의 상태의 수신된 표현의 유용성의 측정을 획득하는 단계는:
RAN 동작의 성공의 측정을 획득(334)하는 단계를 포함하는, 방법. - 상기 항 중 어느 한 항에 있어서,
통신 네트워크의 또 다른 노드에 수신된 상태 표현을 포워딩(338)하는 단계를 더 포함하는, 방법. - 상기 항 중 어느 한 항에 있어서,
제1 노드는 통신 네트워크의 무선 액세스 노드를 포함하는, 방법. - 상기 항 중 어느 한 항에 있어서,
제2 노드는 다음 중 적어도 하나를 포함하고, 다음은:
통신 네트워크의 무선 액세스 노드;
통신 네트워크에 접촉하도록 동작 가능한 무선 디바이스인, 방법. - 상기 항 중 어느 한 항에 있어서,
제2 노드의 상태의 표현을 수신하는 단계는 다음 중 적어도 하나로부터 표현을 수신(310a)하는 단계를 포함하고, 다음은:
제2 노드;
제2 노드 이외의 통신 네트워크인, 방법. - 무선 액세스 네트워크를 포함하는 통신 네트워크 내의 제1 노드에 의해서 수행된 무선 액세스 네트워크(RAN) 동작을 용이하게 하기 위한 컴퓨터 구현된 방법(200)으로서, 제2 노드에 의해서 수행된 방법은:
RAN 동작에 대한 제2 노드의 상태를 생성(210)하는 단계로서, 여기서, 제2 노드의 상태는 제2 노드에 의해서 경험된 또는 제2 노드를 통해서 통신 네트워크에 접속되는 적어도 하나의 노드에 의해서 경험된 물리적인 상태, 무선 환경 또는 물리적인 환경 중 적어도 하나를 기술하는 파라미터 값의 압축된 표현을 포함하는, 생성하는 단계; 및
제1 노드 또는 제1 노드와 통신하도록 동작 가능한 통신 네트워크의 노드 중 적어도 하나에 생성된 상태의 표현을 전송(220)하는 단계를 포함하는, 방법. - 제32항에 있어서,
제2 노드의 상태 내에 표현된 파라미터 값은 제1 노드에 의해서 수행된 RAN 동작의 실행에 충격을 주도록 동작 가능한 파라미터의 값을 포함(410a)하는, 방법. - 제32항 또는 제33항에 있어서,
RAN 동작에 대한 제2 노드의 상태를 생성하는 단계는:
상태 내의 포함을 위한 파라미터 값을 어셈블링(410b)하는 단계; 및
머신 학습(ML) 프로세스를 사용해서 파라미터 값의 압축된 표현을 생성(410c)하는 단계를 포함하는, 방법. - 제34항에 있어서,
ML 프로세스를 사용해서 파라미터 값의 압축된 표현을 생성하는 단계는:
트레이닝된 ML 모델을 사용해서 어셈블링된 파라미터 값의 차원 가능성을 감소(410c)하는 단계를 포함하는, 방법. - 제35항에 있어서,
트레이닝된 ML 모델은 다음 중 적어도 하나를 포함(410c)하고, 다음은:
오토인코더의 인코더 부분;
PCA(Principal Component Analysis) 프로세스를 실행하기 위해서 트레이닝된 모델인, 방법. - 제32항 내지 제36항 중 어느 한 항에 있어서,
상태 내의 포함을 위한 파라미터 값으로부터 제2 노드의 상태를 생성하는데 사용하기 위한 ML 모델을 획득(408)하는 단계를 더 포함하는, 방법. - 제32항 내지 제37항 중 어느 한 항에 있어서,
전송을 위해서 생성된 상태의 표현을 준비(412)하는 단계를 더 포함하는, 방법. - 제38항에 있어서,
전송을 위해서 생성된 상태의 표현을 준비하는 단계는 다음 중 적어도 하나를 포함하고, 다음은:
전송을 위한 상태 식별자에 생성된 상태를 매핑(412a)하는 단계;
전송을 위해서 압축된 표현을 어셈블링(412b)하는 단계;
생성된 상태와 제2 노드의 이전의 상태 사이의 차이를 컴퓨팅(412c)하는 단계인, 방법. - 제39항에 있어서,
제2 노드의 상태에 대한 상태 식별자는 상태를 포함하는 파라미터 값의 압축된 표현을 생성하기 위해서 사용된 방법에 고유한 식별자를 포함하는, 방법. - 제32항 내지 제40항 중 어느 한 항에 있어서,
RAN 동작에 대한 제2 노드의 상태의 표현에 대한 요청을 수신(406)하는 단계를 더 포함하는, 방법. - 제41항에 있어서,
RAN 동작에 대한 제2 노드의 상태의 표현에 대한 요청과 함께, 제1 노드에 대한 요청된 표현의 리포팅을 구성하는 리포팅 파라미터를 수신(406)하는 단계를 더 포함하는, 방법. - 제42항에 있어서,
리포팅 파라미터에 기반해서 제2 노드의 상태를 생성하기 위한 프로세스를 구성(409)하는 단계를 더 포함하는, 방법. - 제42항 또는 제43항에 있어서,
리포팅 파라미터는 다음 중 적어도 하나를 특정(406a)하고, 다음은:
상태를 포함할 파라미터 값의 압축된 표현의 사이즈;
상태를 식별하기 위한 프레임워크;
제1 노드에 상태의 업데이트된 표현을 리포트하기 위한 리포팅 주기성;
제1 노드에 상태의 업데이트된 표현을 리포트하기 위한 트리거 조건;
상태의 표현과 함께 포함되는 추가적인 정보인, 방법. - 제43항 또는 제44항에 있어서,
상태를 포함할 파라미터 값의 압축된 표현의 사이즈를 특정하고, 및 여기서, 리포팅 파라미터에 기반해서 제2 노드의 상태를 생성하기 위한 프로세스를 구성하는 단계는 리포팅 파라미터에서 특정된 사이즈의 상태를 생성하기 위한 프로세스를 구성(409a)하는 단계를 포함하는, 방법. - 제32항 내지 제45항 중 어느 한 항에 있어서,
제2 노드의 상태의 생성된 표현이 유효한 조건을 특정하는 유효성 파라미터를 생성(414)하는 단계; 및
제2 노드의 상태의 전송된 표현과 함께 유효성 파라미터를 포함(420a)하는 단계를 더 포함하는, 방법. - 제43항 내지 제46항 중 어느 한 항에 있어서,
리포팅 파라미터는 제1 노드에 상태의 업데이트된 표현을 리포트하기 위한 리포팅 주기성 또는 제1 노드에 상태의 업데이트된 표현을 리포트하기 위한 트리거 조건 중 적어도 하나를 특정하고, 방법은,
리포팅 주기의 만료 또는 트리거 조건의 이행에 따라서, 제2 노드의 업데이트된 상태를 생성하는 단계 및 제1 노드 또는 제1 노드와 통신하도록 동작 가능한 통신 네트워크의 노드 중 적어도 하나에 업데이트된 상태의 표현을 전송하는 단계를 더 포함하는, 방법. - 제32항 내지 제47항 중 어느 한 항에 있어서,
제1 노드에 의해서 수행된 RAN 동작에 대한 자체의 상태의 표현을 제공하기 위해서 제2 노드의 능력에 대한 요청을 수신(402)하는 단계를 더 포함하는, 방법. - 제32항 내지 제48항 중 어느 한 항에 있어서,
제1 노드에 의해서 수행된 RAN 동작에 대한 자체의 상태의 표현을 제공하기 위해서 제2 노드의 능력의 인디케이션을 전송(404)하는 단계를 더 포함하는, 방법. - 제32항 내지 제49항 중 어느 한 항에 있어서,
RAN 동작의 구성을 위한 제2 노드의 상태의 전송된 표현의 유용성의 측정을 획득(424)하는 단계; 및
다음 중 적어도 하나를 업데이트(426)하는 단계를 더 포함하고, 다음은:
유용성의 획득된 측정에 기반해서,
제2 노드의 상태를 생성하기 위한 프로세스; 또는
생성된 상태의 전송된 표현과 함께 포함된 파라미터인, 방법. - 제50항에 있어서,
RAN 동작의 구성을 위한 제2 노드의 상태의 수신된 표현의 유용성의 측정을 획득하는 단계는:
RAN 동작의 성공의 측정을 획득(424a)하는 단계를 포함하는, 방법. - 제32항 내지 제51항 중 어느 한 항에 있어서,
제1 노드는 통신 네트워크의 무선 액세스 노드를 포함하는, 방법. - 제32항 내지 제52항 중 어느 한 항에 있어서,
제2 노드는 다음 중 적어도 하나를 포함하고, 다음은:
통신 네트워크의 무선 액세스 노드;
통신 네트워크에 접촉하도록 동작 가능한 무선 디바이스인, 방법. - 컴퓨터 판독 가능한 매체를 포함하는 컴퓨터 프로그램 제품으로서, 컴퓨터 판독 가능한 매체는 그것 내에 구현된 컴퓨터 판독 가능한 코드를 갖고, 컴퓨터 판독 가능한 코드는, 적합한 컴퓨터 또는 프로세서에 의해서 실행됨에 따라서, 컴퓨터 또는 프로세서가 청구항 제1항 내지 제53항 중 어느 한 항에 따른 방법을 수행하게 하는, 컴퓨터 프로그램 제품.
- 무선 액세스 네트워크(RAN)를 포함하는 통신 네트워크 내의 제1 노드(600)로서, 제1 노드는 제1 노드에 의해서 수행된 RAN 동작을 관리하기 위한 것이고 처리 회로(602) 및 메모리(604)를 포함하며, 여기서, 메모리는 처리 회로에 의해서 실행 가능한 명령을 포함할 수 있고, 여기서, 처리 회로는:
RAN 동작에 대한 제2 노드의 상태의 표현을 수신하고, 여기서, 제2 노드의 상태는 제2 노드에 의해서 또는 제2 노드를 통해서 통신 네트워크에 접속되는 적어도 하나의 노드에 의해서 경험된 물리적인 상태, 무선 환경 또는 물리적인 환경 중 적어도 하나를 기술하는 파라미터 값의 압축된 표현을 포함하며;
RAN 동작에 대한 구성 액션을 생성하기 위해서 수신된 상태 표현을 사용하고; 및
생성된 구성 액션에 따라서 RAN 동작의 구성을 개시하도록 구성되는, 제1 노드. - 제55항에 있어서,
처리 회로는 청구항 제2항 내지 제31항 중 어느 한 항의 단계들을 수행하도록 더 구성되는, 제1 노드. - 무선 액세스 네트워크(RAN)를 포함하는 통신 네트워크 내의 제2 노드(700)로서, 제2 노드는 통신 네트워크 내의 제1 노드에 의해서 수행된 RAN 동작을 용이하게 하기 위한 것이고 처리 회로(702) 및 메모리(704)를 포함하며, 여기서, 메모리는 처리 회로에 의해서 실행 가능한 명령을 포함할 수 있고, 여기서, 처리 회로는:
RAN 동작에 대한 제2 노드의 상태를 생성하고, 여기서, 제2 노드의 상태는 제2 노드에 의해서 또는 제2 노드를 통해서 통신 네트워크에 접속되는 적어도 하나의 노드에 의해서 경험된 물리적인 상태, 무선 환경 또는 물리적인 환경 중 적어도 하나를 기술하는 파라미터 값의 압축된 표현을 포함하며; 및
제1 노드 또는 제1 노드와 통신하도록 동작 가능한 통신 네트워크의 노드 중 적어도 하나에 생성된 상태의 표현을 전송하도록 구성되는, 제2 노드. - 제57항에 있어서,
처리 회로는 청구항 제33항 내지 제53항 중 어느 한 항의 단계들을 수행하도록 더 구성되는, 제2 노드.
Applications Claiming Priority (3)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| US202063089050P | 2020-10-08 | 2020-10-08 | |
| US63/089,050 | 2020-10-08 | ||
| PCT/SE2021/050912 WO2022075905A1 (en) | 2020-10-08 | 2021-09-21 | Managing a radio access network operation |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| KR20230073305A true KR20230073305A (ko) | 2023-05-25 |
Family
ID=78086853
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| KR1020237013723A KR20230073305A (ko) | 2020-10-08 | 2021-09-21 | 무선 액세스 네트워크 동작 관리 |
Country Status (4)
| Country | Link |
|---|---|
| US (1) | US20230403573A1 (ko) |
| EP (1) | EP4226666A1 (ko) |
| KR (1) | KR20230073305A (ko) |
| WO (1) | WO2022075905A1 (ko) |
Families Citing this family (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN116961711A (zh) * | 2022-04-19 | 2023-10-27 | 华为技术有限公司 | 一种通信方法及装置 |
| EP4346177A1 (en) * | 2022-09-29 | 2024-04-03 | Nokia Technologies Oy | Ai/ml operation in single and multi-vendor scenarios |
Family Cites Families (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| GB2458258A (en) * | 2008-02-04 | 2009-09-16 | Nec Corp | Method of controlling base station loading in a mobile communication system |
| CN103906254B (zh) * | 2012-12-28 | 2018-07-13 | 上海诺基亚贝尔股份有限公司 | 信令信息交换与映射的方法及装置 |
| JP2021517436A (ja) * | 2018-04-04 | 2021-07-15 | 華為技術有限公司Ｈｕａｗｅｉ Ｔｅｃｈｎｏｌｏｇｉｅｓ Ｃｏ．，Ｌｔｄ． | 通信方法及び装置 |
| GB2577055B (en) * | 2018-09-11 | 2021-09-01 | Samsung Electronics Co Ltd | Improvements in and relating to telecommunication networks |
| WO2020139179A1 (en) * | 2018-12-28 | 2020-07-02 | Telefonaktiebolaget Lm Ericsson (Publ) | A wireless device, a network node and methods therein for training of a machine learning model |
-
2021
- 2021-09-21 KR KR1020237013723A patent/KR20230073305A/ko active Search and Examination
- 2021-09-21 EP EP21790254.3A patent/EP4226666A1/en active Pending
- 2021-09-21 WO PCT/SE2021/050912 patent/WO2022075905A1/en unknown
- 2021-09-21 US US18/030,517 patent/US20230403573A1/en active Pending
Also Published As
| Publication number | Publication date |
|---|---|
| US20230403573A1 (en) | 2023-12-14 |
| EP4226666A1 (en) | 2023-08-16 |
| WO2022075905A1 (en) | 2022-04-14 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| JP7038201B2 (ja) | 統一されたｕｌおよびｄｌのビーム指示 | |
| KR102532446B1 (ko) | 세미-지속적인 srs에 대한 공간적인 관련의 효율적인 mac ce 인디케이션 | |
| US20220052925A1 (en) | Predicting Network Communication Performance using Federated Learning | |
| JP7387642B2 (ja) | ダウンリンク制御情報（ｄｃｉ）のサイズ調整用のシステムおよび方法 | |
| KR20210039435A (ko) | 기준 신호의 동적 구성을 위한 방법 | |
| EP3918839B1 (en) | Network nodes and methods performed therein for supporting handover of a wireless device | |
| JP2021503852A (ja) | Ｍｃｓおよびｃｑｉテーブルを識別すること | |
| CN113966592B (zh) | 更新后台数据传输策略的方法和装置 | |
| US20240056933A1 (en) | Efficient 3d mobility support using reinforcement learning | |
| KR20230073305A (ko) | 무선 액세스 네트워크 동작 관리 | |
| CN114531959A (zh) | 提供和开放与应用相关联的用户设备（ue）通信模式以请求要在核心网络（on）中分析的应用的业务 | |
| JP2022521150A (ja) | ５ｇコア・ネットワーク（５ｇｃ）におけるグループ・データ管理 | |
| KR20230014747A (ko) | 5g와 다중 tsc/tsn 도메인 사이의 상호작용을 위한 방법 및 시스템 | |
| US20220345941A1 (en) | DNN Manipulation Using Selection Priority | |
| KR20210010481A (ko) | 무선 연결을 보안하기 위한 방법, 장치 및 시스템 | |
| WO2021243639A1 (en) | Method and apparatus for cell deployment and configuration | |
| WO2022229178A1 (en) | Managing resources in a radio access network | |
| WO2023192409A1 (en) | User equipment report of machine learning model performance | |
| JP2024502592A (ja) | Ｕｅ対ネットワークリレーディスカバリのためのディスカバリキーハンドリング | |
| WO2023191682A1 (en) | Artificial intelligence/machine learning model management between wireless radio nodes | |
| CN116472730A (zh) | 处理用户设备在不同通信网络中的注册 | |
| KR20230009404A (ko) | V2x 애플리케이션 서버에서의 원격 운전 트리거 및 업데이트 절차 | |
| WO2023177333A1 (en) | Method for performance management in a heterogenous terrestrial network-non- terrestrial network (tn-ntn). | |
| JP2023544601A (ja) | セキュア接続を確立すること | |
| JP2024514488A (ja) | 疑似コロケーテッド（ｑｃｌ）リレーションのシグナリング |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| A201 | Request for examination |