KR20230122156A

KR20230122156A - 무선 통신 시스템에서 ai 모델 기반의 핸드오버 수행을위한 방법 및 장치

Info

Publication number: KR20230122156A
Application number: KR1020237025803A
Authority: KR
Inventors: 쑤지안; 변대욱; 김석중
Original assignee: 엘지전자 주식회사
Priority date: 2021-03-04
Filing date: 2021-12-22
Publication date: 2023-08-22
Also published as: EP4302525A1; WO2022186458A1

Abstract

무선 통신 시스템에서 AI 모델 기반의 핸드오버 수행을 위한 방법 및 장치가 제공된다. 소스 노드는 특정 단말에 대한 이동성 정보를 획득한다. 소스 노드는 특정 단말에게 위치 정보 요청을 포함하는 측정 설정을 전송한다. 소스 노드는 특정 UE로부터 위치 정보를 수신한다. 소스 노드는 이동성 정보와 위치 정보를 기반으로 AI 모델을 이용하여 특정 UE에 대한 타겟 RAN 노드를 결정한다. 소스 노드는 특정 UE에 대한 핸드오버 절차를 결정된 타겟 RAN 노드와 함께 수행한다.

Description

무선 통신 시스템에서 AI 모델 기반의 핸드오버 수행을 위한 방법 및 장치

본 발명은 무선 통신 시스템에서 AI 모델 기반의 핸드오버 수행을 위한 방법 및 장치에 관한 것이다.

3GPP(3rd Generation Partnership Project) LTE(Long-Term Evolution)는 고속 패킷 통신을 가능하게 하기 위한 기술이다. LTE 목표인 사용자와 사업자의 비용 절감, 서비스 품질 향상, 커버리지 확장 및 시스템 용량 증대를 위해 많은 방식이 제안되었다. 3GPP LTE는 상위 레벨 필요조건으로서 비트당 비용 절감, 서비스 유용성 향상, 주파수 밴드의 유연한 사용, 간단한 구조, 개방형 인터페이스 및 UE의 적절한 전력 소비를 요구한다.

ITU(International Telecommunication Union) 및 3GPP에서 NR(New Radio) 시스템에 대한 요구 사항 및 사양을 개발하는 작업이 시작되었다. 3GPP는 긴급한 시장 요구와 ITU-R(ITU Radio Communication Sector) IMT(International Mobile Telecommunications)-2020 프로세스가 제시하는 보다 장기적인 요구 사항을 모두 적시에 만족시키는 NR을 성공적으로 표준화하기 위해 필요한 기술 구성 요소를 식별하고 개발해야 한다. 또한, NR은 먼 미래에도 무선 통신을 위해 이용될 수 있는 적어도 100 GHz에 이르는 임의의 스펙트럼 대역을 사용할 수 있어야 한다.

NR은 eMBB(enhanced Mobile BroadBand), mMTC(massive Machine Type-Communications), URLLC(Ultra-Reliable and Low Latency Communications) 등을 포함하는 모든 배치 시나리오, 사용 시나리오, 요구 사항을 다루는 단일 기술 프레임 워크를 대상으로 한다. NR은 본질적으로 순방향 호환성이 있어야 한다.

기계 학습(ML) 알고리즘을 포함한 인공 지능(AI)은, 추가 통찰력을 얻을 수 있도록 수집되고 자율적으로 처리된 데이터를 분석함으로써, 운영자가 네트워크 관리 및 사용자 경험을 개선하는 데 도움이 되는 강력한 도구를 제공한다. 5G 네트워크에서 AI의 적용은 학계와 산업계 모두에서 엄청난 관심을 받고 있다.

한편, 5G NR에서는, UE가 이웃 사이를 이동하기 위한 기본적인 핸드오버 절차를 정의하였다. 종래에는, 소스 RAN이 이웃의 시그널링 품질 측정 보고를 기반으로 타겟 노드를 결정한다. 그러나 핸드오버 실패, 잘못된 셀로의 HO, 핑퐁 (ping-pang) 등의 문제가 발생할 수 있다.

따라서, 무선 통신 시스템에서 AI 모델 기반의 핸드오버 수행을 위한 연구가 필요하다.

일 양태에서, 무선 통신 시스템에서 소스 노드에 의해 수행되는 방법이 제공된다. 소스 노드는 특정 UE에 대한 이동성 정보를 획득한다. 소스 노드는 특정 UE에게 위치 정보 요청을 포함하는 측정 설정을 전송한다. 소스 노드는 특정 UE로부터 위치 정보를 수신한다. 소스 노드는 이동성 정보와 위치 정보를 기반으로 AI 모델을 이용하여 특정 UE에 대한 타겟 RAN 노드를 결정한다. 소스 노드는 특정 UE에 대한 핸드오버 절차를 결정된 타겟 RAN 노드와 함께 수행한다.

다른 양태에 있어서, 상기 방법을 구현하는 장치가 제공된다.

본 발명은 다양한 효과를 가질 수 있다.

본 개시의 일부 실시예들에 따르면, 핸드오버 절차를 위한 AI 모델을 사용함으로써, UE의 이동성 성능이 향상될 수 있다.

예를 들어, 소스 노드는 UE의 핸드오버 절차를 위한 타겟 노드를 정확하게 결정할 수 있다.

따라서, 핸드오버 실패(예를 들어, 잘못된 셀로의 핸드오버 및/또는 핸드오버 핑퐁)를 최대한 피할 수 있다. 그러면, UE의 서비스가 중단 없이 보장될 수 있다.

본 개시의 일부 실시예에 따르면, RAN(Radio Access Network) 노드는 AI 모델을 기반으로 효율적으로 핸드오버를 수행할 수 있다.

예를 들어, RAN 노드는 AI 기반 핸드오버를 위한 정보를 효율적으로 획득할 수 있다.

예를 들어, RAN 노드는 코어 네트워크와 UE로부터 정보를 수집하여 AI 모델 기반의 핸드오버를 효율적으로 지원할 수 있다.

본 명세서의 구체적인 예시를 통해 얻을 수 있는 효과는 이상에서 나열된 효과로 제한되지 않는다. 예를 들어, 관련된 기술 분야의 통상의 지식을 가진 자(a person having ordinary skill in the related art)가 본 명세서로부터 이해하거나 유도할 수 있는 다양한 기술적 효과가 존재할 수 있다. 이에 따라, 본 명세서의 구체적인 효과는 본 명세서에 명시적으로 기재된 것에 제한되지 않고, 본 명세서의 기술적 특징으로부터 이해되거나 유도될 수 있는 다양한 효과를 포함할 수 있다.

도 1은 본 명세서의 구현이 적용되는 통신 시스템의 예를 나타낸다.
도 2는 본 명세서의 구현이 적용되는 무선 장치의 예를 나타낸다.
도 3은 본 명세서의 구현이 적용되는 무선 장치의 예를 나타낸다.
도 4는 본 개시의 구현이 적용되는 UE의 예를 도시한다.
도 5 및 도 6은 본 명세서의 구현이 적용되는 3GPP 기반 무선 통신 시스템에서 프로토콜 스택의 예를 나타낸다.
도 7은 본 개시의 기술적 특징이 적용될 수 있는 NG-RAN의 전체 아키텍처의 일 예를 나타낸다.
도 8은 본 개시의 기술적 특징이 적용될 수 있는 F1-C에 대한 인터페이스 프로토콜 구조를 나타낸다.
도 9는 본 발명의 구현이 적용되는 RAN 인텔리전스를 위한 기능적 프레임워크의 예를 도시한다.
도 10은 본 발명의 구현이 적용되는 gNB간 핸드오버 절차의 예를 나타낸다.
도 11은 본 발명의 일부 실시예에 따른 무선 통신 시스템에서 AI 모델 기반의 핸드오버 수행을 위한 방법의 일 예를 도시한다.
도 12a 및 도 12b는 무선 통신 시스템에서 AI 모델을 기반으로 핸드오버를 수행하는 방법의 일 예를 나타낸다.

다음의 기법, 장치 및 시스템은 다양한 무선 다중 접속 시스템에 적용될 수 있다. 다중 접속 시스템의 예시는 CDMA(Code Division Multiple Access) 시스템, FDMA(Frequency Division Multiple Access) 시스템, TDMA(Time Division Multiple Access) 시스템, OFDMA(Orthogonal Frequency Division Multiple Access) 시스템, 시스템, SC-FDMA(Single Carrier Frequency Division Multiple Access) 시스템, MC-FDMA(Multi-Carrier Frequency Division Multiple Access) 시스템을 포함한다. CDMA는 UTRA(Universal Terrestrial Radio Access) 또는 CDMA2000과 같은 무선 기술을 통해 구현될 수 있다. TDMA는 GSM(Global System for Mobile communications), GPRS(General Packet Radio Service) 또는 EDGE(Enhanced Data rates for GSM Evolution)와 같은 무선 기술을 통해 구현될 수 있다. OFDMA는 IEEE(Institute of Electrical and Electronics Engineers) 802.11(Wi-Fi), IEEE 802.16(WiMAX), IEEE 802.20, 또는 E-UTRA(Evolved UTRA)와 같은 무선 기술을 통해 구현될 수 있다. UTRA는 UMTS(Universal Mobile Telecommunications System)의 일부이다. 3GPP(3rd Generation Partnership Project) LTE(Long-Term Evolution)는 E-UTRA를 이용한 E-UMTS(Evolved UMTS)의 일부이다. 3GPP LTE는 하향링크(DL; Downlink)에서 OFDMA를, 상향링크(UL; Uplink)에서 SC-FDMA를 사용한다. LTE-A는 3GPP LTE의 진화된 버전이다.

설명의 편의를 위해, 본 명세서의 구현은 주로 3GPP 기반 무선 통신 시스템과 관련하여 설명된다. 그러나 본 명세서의 기술적 특성은 이에 국한되지 않는다. 예를 들어, 3GPP 기반 무선 통신 시스템에 대응하는 이동 통신 시스템을 기반으로 다음과 같은 상세한 설명이 제공되지만, 3GPP 기반 무선 통신 시스템에 국한되지 않는 본 명세서의 측면은 다른 이동 통신 시스템에 적용될 수 있다.

본 명세서에서 사용된 용어와 기술 중 구체적으로 기술되지 않은 용어와 기술에 대해서는, 본 명세서 이전에 발행된 무선 통신 표준 문서를 참조할 수 있다.

본 명세서에서 "A 또는 B(A or B)"는 "오직 A", "오직 B" 또는 "A와 B 모두"를 의미할 수 있다. 달리 표현하면, 본 명세서에서 "A 또는 B(A or B)"는 "A 및/또는 B(A and/or B)"으로 해석될 수 있다. 예를 들어, 본 명세서에서 "A, B 또는 C(A, B or C)"는 "오직 A", "오직 B", "오직 C", 또는 "A, B 및 C의 임의의 모든 조합(any combination of A, B and C)"을 의미할 수 있다.

본 명세서에서 사용되는 슬래쉬(/)나 쉼표(comma)는 "및/또는(and/or)"을 의미할 수 있다. 예를 들어, "A/B"는 "A 및/또는 B"를 의미할 수 있다. 이에 따라, "A/B"는 "오직 A", "오직 B", 또는 "A와 B 모두"를 의미할 수 있다. 예를 들어, "A, B, C"는 "A, B 또는 C"를 의미할 수 있다.

본 명세서에서 "A 및 B의 적어도 하나(at least one of A and B)"는, "오직 A", "오직 B" 또는 "A와 B 모두"를 의미할 수 있다. 또한, 본 명세서에서 "A 또는 B의 적어도 하나(at least one of A or B)"나 "A 및/또는 B의 적어도 하나(at least one of A and/or B)"라는 표현은 "A 및 B의 적어도 하나(at least one of A and B)"와 동일하게 해석될 수 있다.

또한, 본 명세서에서 "A, B 및 C의 적어도 하나(at least one of A, B and C)"는, "오직 A", "오직 B", "오직 C", 또는 "A, B 및 C의 임의의 모든 조합(any combination of A, B and C)"을 의미할 수 있다. 또한, "A, B 또는 C의 적어도 하나(at least one of A, B or C)"나 "A, B 및/또는 C의 적어도 하나(at least one of A, B and/or C)"는 "A, B 및 C의 적어도 하나(at least one of A, B and C)"를 의미할 수 있다.

또한, 본 명세서에서 사용되는 괄호는 "예를 들어(for example)"를 의미할 수 있다. 구체적으로, "제어 정보(PDCCH)"로 표시된 경우, "제어 정보"의 일례로 "PDCCH"가 제안된 것일 수 있다. 달리 표현하면 본 명세서의 "제어 정보"는 "PDCCH"로 제한(limit)되지 않고, "PDCCH"가 "제어 정보"의 일례로 제안될 것일 수 있다. 또한, "제어 정보(즉, PDCCH)"로 표시된 경우에도, "제어 정보"의 일례로 "PDCCH"가 제안된 것일 수 있다.

본 명세서에서 하나의 도면 내에서 개별적으로 설명되는 기술적 특징은, 개별적으로 구현될 수도 있고, 동시에 구현될 수도 있다.

여기에 국한되지는 않지만, 본 명세서에서 개시된 다양한 설명, 기능, 절차, 제안, 방법 및/또는 동작 흐름도는 기기 간 무선 통신 및/또는 연결(예: 5G)이 요구되는 다양한 분야에 적용될 수 있다.

이하, 본 명세서는 도면을 참조하여 보다 상세하게 기술될 것이다. 다음의 도면 및/또는 설명에서 동일한 참조 번호는 달리 표시하지 않는 한 동일하거나 대응하는 하드웨어 블록, 소프트웨어 블록 및/또는 기능 블록을 참조할 수 있다.

도 1은 본 명세서의 구현이 적용되는 통신 시스템의 예를 나타낸다.

도 1에 표시된 5G 사용 시나리오는 본보기일 뿐이며, 본 명세서의 기술적 특징은 도 1에 나와 있지 않은 다른 5G 사용 시나리오에 적용될 수 있다.

5G에 대한 세 가지 주요 요구사항 범주는 (1) 향상된 모바일 광대역(eMBB; enhanced Mobile BroadBand) 범주, (2) 거대 기계 유형 통신(mMTC; massive Machine Type Communication) 범주 및 (3) 초고신뢰 저지연 통신(URLLC; Ultra-Reliable and Low Latency Communications) 범주이다.

부분적인 사용 예는 최적화를 위해 복수의 범주를 요구할 수 있으며, 다른 사용 예는 하나의 KPI(Key Performance Indicator)에만 초점을 맞출 수 있다. 5G는 유연하고 신뢰할 수 있는 방법을 사용하여 이러한 다양한 사용 예를 지원한다.

eMBB는 기본적인 모바일 인터넷 접속을 훨씬 능가하며 클라우드와 증강 현실에서 풍부한 양방향 작업 및 미디어 및 엔터테인먼트 애플리케이션을 커버한다. 데이터는 5G 핵심 동력의 하나이며, 5G 시대에는 처음으로 전용 음성 서비스가 제공되지 않을 수 있다. 5G에서는 통신 시스템이 제공하는 데이터 연결을 활용한 응용 프로그램으로서 음성 처리가 단순화될 것으로 예상된다. 트래픽 증가의 주요 원인은 콘텐츠의 크기 증가와 높은 데이터 전송 속도를 요구하는 애플리케이션의 증가 때문이다. 더 많은 장치가 인터넷에 연결됨에 따라 스트리밍 서비스(오디오와 비디오), 대화 비디오, 모바일 인터넷 접속이 더 널리 사용될 것이다. 이러한 많은 응용 프로그램은 사용자를 위한 실시간 정보와 경보를 푸시(push)하기 위해 항상 켜져 있는 상태의 연결을 요구한다. 클라우드 스토리지(cloud storage)와 응용 프로그램은 모바일 통신 플랫폼에서 빠르게 증가하고 있으며 업무와 엔터테인먼트 모두에 적용될 수 있다. 클라우드 스토리지는 상향링크 데이터 전송 속도의 증가를 가속화하는 특수 활용 사례이다. 5G는 클라우드의 원격 작업에도 사용된다. 촉각 인터페이스를 사용할 때, 5G는 사용자의 양호한 경험을 유지하기 위해 훨씬 낮은 종단 간(end-to-end) 지연 시간을 요구한다. 예를 들어, 클라우드 게임 및 비디오 스트리밍과 같은 엔터테인먼트는 모바일 광대역 기능에 대한 수요를 증가시키는 또 다른 핵심 요소이다. 기차, 차량, 비행기 등 이동성이 높은 환경을 포함한 모든 장소에서 스마트폰과 태블릿은 엔터테인먼트가 필수적이다. 다른 사용 예로는 엔터테인먼트 및 정보 검색을 위한 증강 현실이다. 이 경우 증강 현실은 매우 낮은 지연 시간과 순간 데이터 볼륨을 필요로 한다.

또한 가장 기대되는 5G 사용 예 중 하나는 모든 분야에서 임베디드 센서(embedded sensor)를 원활하게 연결할 수 있는 기능, 즉 mMTC와 관련이 있다. 잠재적으로 IoT(Internet-Of-Things) 기기 수는 2020년까지 2억4천만 대에 이를 것으로 예상된다. 산업 IoT는 5G를 통해 스마트 시티, 자산 추적, 스마트 유틸리티, 농업, 보안 인프라를 가능하게 하는 주요 역할 중 하나이다.

URLLC는 주 인프라의 원격 제어를 통해 업계를 변화시킬 새로운 서비스와 자율주행 차량 등 초고신뢰성의 저지연 링크를 포함하고 있다. 스마트 그리드를 제어하고, 산업을 자동화하며, 로봇 공학을 달성하고, 드론을 제어하고 조정하기 위해서는 신뢰성과 지연 시간이 필수적이다.

5G는 초당 수백 메가 비트로 평가된 스트리밍을 초당 기가비트에 제공하는 수단이며, FTTH(Fiber-To-The-Home)와 케이블 기반 광대역(또는 DOCSIS)을 보완할 수 있다. 가상 현실과 증강 현실뿐만 아니라 4K 이상(6K, 8K 이상) 해상도의 TV를 전달하려면 이 같은 빠른 속도가 필요하다. 가상 현실(VR; Virtual Reality) 및 증강 현실(AR; Augmented Reality) 애플리케이션에는 몰입도가 높은 스포츠 게임이 포함되어 있다. 특정 응용 프로그램에는 특수 네트워크 구성이 필요할 수 있다. 예를 들어, VR 게임의 경우 게임 회사는 대기 시간을 최소화하기 위해 코어 서버를 네트워크 운영자의 에지 네트워크 서버에 통합해야 한다.

자동차는 차량용 이동 통신의 많은 사용 예와 함께 5G에서 새로운 중요한 동기 부여의 힘이 될 것으로 기대된다. 예를 들어, 승객을 위한 오락은 높은 동시 용량과 이동성이 높은 광대역 이동 통신을 요구한다. 향후 이용자들이 위치와 속도에 관계 없이 고품질 연결을 계속 기대하고 있기 때문이다. 자동차 분야의 또 다른 사용 예는 AR 대시보드(dashboard)이다. AR 대시보드는 운전자가 전면 창에서 보이는 물체 외에 어두운 곳에서 물체를 식별하게 하고, 운전자에게 정보 전달을 오버랩(overlap)하여 물체와의 거리 및 물체의 움직임을 표시한다. 미래에는 무선 모듈이 차량 간의 통신, 차량과 지원 인프라 간의 정보 교환, 차량과 기타 연결된 장치(예: 보행자가 동반하는 장치) 간의 정보 교환을 가능하게 한다. 안전 시스템은 운전자가 보다 안전하게 운전할 수 있도록 행동의 대체 과정을 안내하여 사고의 위험을 낮춘다. 다음 단계는 원격으로 제어되거나 자율 주행하는 차량이 될 것이다. 이를 위해서는 서로 다른 자율주행 차량 간의, 그리고 차량과 인프라 간의 매우 높은 신뢰성과 매우 빠른 통신이 필요하다. 앞으로는 자율주행 차량이 모든 주행 활동을 수행하고 운전자는 차량이 식별할 수 없는 이상 트래픽에만 집중하게 될 것이다. 자율주행 차량의 기술 요구사항은 인간이 달성할 수 없는 수준으로 교통 안전이 높아지도록 초저지연과 초고신뢰를 요구한다.

스마트 사회로 언급된 스마트 시티와 스마트 홈/빌딩이 고밀도 무선 센서 네트워크에 내장될 것이다. 지능형 센서의 분산 네트워크는 도시 또는 주택의 비용 및 에너지 효율적인 유지 보수에 대한 조건을 식별할 것이다. 각 가정에 대해서도 유사한 구성을 수행할 수 있다. 모든 온도 센서, 창문과 난방 컨트롤러, 도난 경보기, 가전 제품이 무선으로 연결될 것이다. 이러한 센서 중 다수는 일반적으로 데이터 전송 속도, 전력 및 비용이 낮다. 그러나 모니터링을 위하여 실시간 HD 비디오가 특정 유형의 장치에 의해 요구될 수 있다.

열이나 가스를 포함한 에너지 소비와 분배를 보다 높은 수준으로 분산시켜 분배 센서 네트워크에 대한 자동화된 제어가 요구된다. 스마트 그리드는 디지털 정보와 통신 기술을 이용해 정보를 수집하고 센서를 서로 연결하여 수집된 정보에 따라 동작하도록 한다. 이 정보는 공급 회사 및 소비자의 행동을 포함할 수 있으므로, 스마트 그리드는 효율성, 신뢰성, 경제성, 생산 지속 가능성, 자동화 등의 방법으로 전기와 같은 연료의 분배를 개선할 수 있다. 스마트 그리드는 지연 시간이 짧은 또 다른 센서 네트워크로 간주될 수도 있다.

미션 크리티컬 애플리케이션(예: e-health)은 5G 사용 시나리오 중 하나이다. 건강 부분에는 이동 통신의 혜택을 누릴 수 있는 많은 응용 프로그램들이 포함되어 있다. 통신 시스템은 먼 곳에서 임상 치료를 제공하는 원격 진료를 지원할 수 있다. 원격 진료는 거리에 대한 장벽을 줄이고 먼 시골 지역에서 지속적으로 이용할 수 없는 의료 서비스에 대한 접근을 개선하는 데 도움이 될 수 있다. 원격 진료는 또한 응급 상황에서 중요한 치료를 수행하고 생명을 구하기 위해 사용된다. 이동 통신 기반의 무선 센서 네트워크는 심박수 및 혈압과 같은 파라미터에 대한 원격 모니터링 및 센서를 제공할 수 있다.

무선과 이동 통신은 산업 응용 분야에서 점차 중요해지고 있다. 배선은 설치 및 유지 관리 비용이 높다. 따라서 케이블을 재구성 가능한 무선 링크로 교체할 가능성은 많은 산업 분야에서 매력적인 기회이다. 그러나 이러한 교체를 달성하기 위해서는 케이블과 유사한 지연 시간, 신뢰성 및 용량을 가진 무선 연결이 구축되어야 하며 무선 연결의 관리를 단순화할 필요가 있다. 5G 연결이 필요할 때 대기 시간이 짧고 오류 가능성이 매우 낮은 것이 새로운 요구 사항이다.

물류 및 화물 추적은 위치 기반 정보 시스템을 사용하여 어디서든 인벤토리 및 패키지 추적을 가능하게 하는 이동 통신의 중요한 사용 예이다. 물류와 화물의 이용 예는 일반적으로 낮은 데이터 속도를 요구하지만 넓은 범위와 신뢰성을 갖춘 위치 정보가 필요하다.

도 1을 참조하면, 통신 시스템(1)은 무선 장치(100a~100f), 기지국(BS; 200) 및 네트워크(300)을 포함한다. 도 1은 통신 시스템(1)의 네트워크의 예로 5G 네트워크를 설명하지만, 본 명세서의 구현은 5G 시스템에 국한되지 않으며, 5G 시스템을 넘어 미래의 통신 시스템에 적용될 수 있다.

기지국(200)과 네트워크(300)는 무선 장치로 구현될 수 있으며, 특정 무선 장치는 다른 무선 장치와 관련하여 기지국/네트워크 노드로 동작할 수 있다.

무선 장치(100a~100f)는 무선 접속 기술(RAT; Radio Access Technology) (예: 5G NR 또는 LTE)을 사용하여 통신을 수행하는 장치를 나타내며, 통신/무선/5G 장치라고도 할 수 있다. 무선 장치(100a~100f)는, 이에 국한되지 않고, 로봇(100a), 차량(100b-1 및 100b-2), 확장 현실(XR; eXtended Reality) 장치(100c), 휴대용 장치(100d), 가전 제품(100e), IoT(Internet-Of-Things) 장치(100f) 및 인공 지능(AI; Artificial Intelligence) 장치/서버(400)을 포함할 수 있다. 예를 들어, 차량에는 무선 통신 기능이 있는 차량, 자율주행 차량 및 차량 간 통신을 수행할 수 있는 차량이 포함될 수 있다. 차량에는 무인 항공기(UAV; Unmanned Aerial Vehicle)(예: 드론)가 포함될 수 있다. XR 장치는 AR(Augmented Reality)/VR(Virtual Reality)/MR(Mixed Realty) 장치를 포함할 수 있으며, 차량, 텔레비전, 스마트폰, 컴퓨터, 웨어러블 장치, 가전 제품, 디지털 표지판, 차량, 로봇 등에 장착된 HMD(Head-Mounted Device), HUD(Head-Up Display)의 형태로 구현될 수 있다. 휴대용 장치에는 스마트폰, 스마트 패드, 웨어러블 장치(예: 스마트 시계 또는 스마트 안경) 및 컴퓨터(예: 노트북)가 포함될 수 있다. 가전 제품에는 TV, 냉장고, 세탁기가 포함될 수 있다. IoT 장치에는 센서와 스마트 미터가 포함될 수 있다.

본 명세서에서, 무선 장치(100a~100f)는 사용자 장비(UE; User Equipment)라고 부를 수 있다. UE는 예를 들어, 휴대 전화, 스마트폰, 노트북 컴퓨터, 디지털 방송 단말기, PDA(Personal Digital Assistant), PMP(Portable Multimedia Player), 네비게이션 시스템, 슬레이트 PC, 태블릿 PC, 울트라북, 차량, 자율주행 기능이 있는 차량, 연결된 자동차, UAV, AI 모듈, 로봇, AR 장치, VR 장치, MR 장치, 홀로그램 장치, 공공 안전 장치, MTC 장치, IoT 장치, 의료 장치, 핀테크 장치(또는 금융 장치), 보안 장치, 날씨/환경 장치, 5G 서비스 관련 장치 또는 4차 산업 혁명 관련 장치를 포함할 수 있다.

예를 들어, UAV는 사람이 탑승하지 않고 무선 제어 신호에 의해 항행되는 항공기일 수 있다.

예를 들어, VR 장치는 가상 환경의 객체 또는 배경을 구현하기 위한 장치를 포함할 수 있다. 예를 들어, AR 장치는 가상 세계의 객체나 배경을 실제 세계의 객체나 배경에 연결하여 구현한 장치를 포함할 수 있다. 예를 들어, MR 장치는 객체나 가상 세계의 배경을 객체나 실제 세계의 배경으로 병합하여 구현한 디바이스를 포함할 수 있다. 예를 들어, 홀로그램 장치는, 홀로그램이라 불리는 두 개의 레이저 조명이 만났을 때 발생하는 빛의 간섭 현상을 이용하여, 입체 정보를 기록 및 재생하여 360도 입체 영상을 구현하기 위한 장치가 포함할 수 있다.

예를 들어, 공공 안전 장치는 사용자 몸에 착용할 수 있는 이미지 중계 장치 또는 이미지 장치를 포함할 수 있다.

예를 들어, MTC 장치와 IoT 장치는 인간의 직접적인 개입이나 조작이 필요하지 않은 장치일 수 있다. 예를 들어, MTC 장치와 IoT 장치는 스마트 미터, 자동 판매기, 온도계, 스마트 전구, 도어락 또는 다양한 센서를 포함할 수 있다.

예를 들어, 의료 장치는 질병의 진단, 처리, 완화, 치료 또는 예방 목적으로 사용되는 장치일 수 있다. 예를 들어, 의료 장치는 부상이나 손상을 진단, 처리, 완화 또는 교정하기 위해 사용되는 장치일 수 있다. 예를 들어, 의료 장치는 구조나 기능을 검사, 교체 또는 수정할 목적으로 사용되는 장치일 수 있다. 예를 들어, 의료 장치는 임신 조정 목적으로 사용되는 장치일 수 있다. 예를 들어, 의료 장치는 치료용 장치, 운전용 장치, (체외)진단 장치, 보청기 또는 시술용 장치를 포함할 수 있다.

예를 들어, 보안 장치는 발생할 수 있는 위험을 방지하고 안전을 유지하기 위해 설치된 장치일 수 있다. 예를 들어, 보안 장치는 카메라, 폐쇄 회로 TV(CCTV), 녹음기 또는 블랙박스일 수 있다.

예를 들어, 핀테크 장치는 모바일 결제와 같은 금융 서비스를 제공할 수 있는 장치일 수 있다. 예를 들어, 핀테크 장치는 지불 장치 또는 POS 시스템을 포함할 수 있다.

예를 들어, 날씨/환경 장치는 날씨/환경을 모니터링 하거나 예측하는 장치를 포함할 수 있다.

무선 장치(100a~100f)는 기지국(200)을 통해 네트워크(300)와 연결될 수 있다. 무선 장치(100a~100f)에는 AI 기술이 적용될 수 있으며, 무선 장치(100a~100f)는 네트워크(300)를 통해 AI 서버(400)와 연결될 수 있다. 네트워크(300)는 3G 네트워크, 4G(예: LTE) 네트워크, 5G(예: NR) 네트워크 및 5G 이후의 네트워크 등을 이용하여 구성될 수 있다. 무선 장치(100a~100f)는 기지국(200)/네트워크(300)를 통해 서로 통신할 수도 있지만, 기지국(200)/네트워크(300)를 통하지 않고 직접 통신(예: 사이드링크 통신(sidelink communication))할 수도 있다. 예를 들어, 차량(100b-1, 100b-2)은 직접 통신(예: V2V(Vehicle-to-Vehicle)/V2X(Vehicle-to-everything) 통신)을 할 수 있다. 또한, IoT 기기(예: 센서)는 다른 IoT 기기(예: 센서) 또는 다른 무선 장치(100a~100f)와 직접 통신을 할 수 있다.

무선 장치(100a~100f) 간 및/또는 무선 장치(100a~100f)와 기지국(200) 간 및/또는 기지국(200) 간에 무선 통신/연결(150a, 150b, 150c)이 확립될 수 있다. 여기서, 무선 통신/연결은 상향/하향링크 통신(150a), 사이드링크 통신(150b)(또는, D2D(Device-To-Device) 통신), 기지국 간 통신(150c)(예: 중계, IAB(Integrated Access and Backhaul)) 등과 같이 다양한 RAT(예: 5G NR)을 통해 확립될 수 있다. 무선 통신/연결(150a, 150b, 150c)을 통해 무선 장치(100a~100f)와 기지국(200)은 서로 무선 신호를 송신/수신할 수 있다. 예를 들어, 무선 통신/연결(150a, 150b, 150c)은 다양한 물리 채널을 통해 신호를 송신/수신할 수 있다. 이를 위해, 본 명세서의 다양한 제안에 기반하여, 무선 신호의 송신/수신을 위한 다양한 구성 정보 설정 과정, 다양한 신호 처리 과정(예: 채널 인코딩/디코딩, 변조/복조, 자원 맵핑/디맵핑 등), 및 자원 할당 과정 등 중 적어도 일부가 수행될 수 있다.

AI는 인공지능을 연구하는 분야 또는 그것을 만들 수 있는 방법론을 말하며, 기계 학습은 AI 분야에서 다루는 다양한 문제를 정의하는 분야와 이를 해결하기 위한 방법론 분야를 말한다. 기계 학습은 또한 작업에 대한 꾸준한 경험을 통해 작업의 성능을 높이는 알고리즘으로 정의된다.

로봇은 주어진 작업을 스스로의 능력으로 자동으로 처리하거나 작동시키는 기계를 의미한다. 특히 환경을 인식하고 스스로 행동을 결정하는 능력을 갖춘 로봇을 지능형 로봇이라고 할 수 있다. 로봇은 사용 목적이나 영역에 따라 산업용, 의료용, 가정용, 군사용 등으로 분류할 수 있다. 로봇은 액추에이터 또는 모터로 로봇 관절을 움직이는 것과 같은 다양한 물리적 작업을 수행할 수 있다. 이동 로봇은 구동부에 바퀴, 브레이크, 프로펠러 등을 포함해 지상에서 주행하거나 공중을 날 수 있다.

자율주행은 스스로 운전하는 기술을 의미하고, 자율주행차는 사용자의 제어 없이 또는 최소한의 사용자 제어로 주행하는 차량을 의미한다. 예를 들어, 자율주행은 차선 유지, 어댑티브 크루즈 컨트롤(Adaptive Cruise Control)과 같이 자동으로 속도를 조절하는 것, 정해진 경로를 따라 자동으로 주행하는 것, 목적지가 설정되면 자동으로 경로를 설정하는 것 등을 포함할 수 있다. 차량에는 내연기관을 장착한 차량, 내연기관과 전기모터를 장착한 하이브리드 차량, 전기모터를 장착한 전기자동차 등이 포함되며 자동차뿐만 아니라 기차, 오토바이 등도 포함될 수 있다. 자율주행차는 자율주행 기능을 갖춘 로봇이라고 볼 수 있다.

확장현실은 VR, AR, MR로 통칭된다. VR 기술은 컴퓨터 그래픽(CG) 이미지를 통해서만 현실 세계의 사물과 배경을 제공한다. AR 기술은 실제 물체 이미지 위에 가상의 CG 이미지를 제공한다. MR 기술은 현실 세계에 가상의 물체를 합성해 합성하는 CG 기술이다. MR 기술은 실제 물체와 가상 물체를 함께 보여준다는 점에서 AR 기술과 유사하다. 그러나 AR 기술에서는 가상 객체가 실제 객체에 대한 보완적인 형태로 사용되는 반면 MR 기술에서는 가상 객체와 실제 객체가 동등한 인격체로 사용된다는 점에서 차이가 있다.

NR은 다양한 5G 서비스를 지원하기 위해 다중 수비학(및/또는 다중 부반송파 간격(SCS))을 지원한다. 예를 들어 SCS가 15kHz이면 기존 셀룰러 대역에서 광역을 지원할 수 있고, SCS가 30kHz/60kHz이면 밀도가 높은 도시, 낮은 대기 시간 및 더 넓은 반송파 대역폭을 지원할 수 있다. SCS가 60kHz 이상인 경우 24.25GHz 이상의 대역폭을 지원하여 위상 잡음을 극복할 수 있다.

NR 주파수 대역은 2가지 타입(FR1, FR2)의 주파수 범위(Frequency Range)로 정의될 수 있다. 주파수 범위의 수치는 변경될 수 있다. 예를 들어, 2가지 타입(FR1, FR2)의 주파수 범위는 아래 표 1과 같을 수 있다. 설명의 편의를 위해, NR 시스템에서 사용되는 주파수 범위 중 FR1은 "sub 6GHz range"를 의미할 수 있고, FR2는 "above 6GHz range"를 의미할 수 있고 밀리미터 웨이브(MilliMeter Wave, mmW)로 불릴 수 있다.

상술한 바와 같이, NR 시스템의 주파수 범위의 수치는 변경될 수 있다. 예를 들어, FR1은 아래 표 2와 같이 410MHz 내지 7125MHz의 대역을 포함할 수 있다. 즉, FR1은 6GHz (또는 5850, 5900, 5925 MHz 등) 이상의 주파수 대역을 포함할 수 있다. 예를 들어, FR1 내에서 포함되는 6GHz (또는 5850, 5900, 5925 MHz 등) 이상의 주파수 대역은 비면허 대역(unlicensed band)을 포함할 수 있다. 비면허 대역은 다양한 용도, 예를 들어 차량을 위한 통신(예를 들어, 자율 주행)을 위해 사용될 수 있다.

여기서, 본 발명에서 무선 장치에 구현되는 무선통신 기술은 LTE, NR, 6G 뿐만 아니라 저전력 통신을 위한 협대역 사물 인터넷(NB-IoT) 기술을 포함할 수 있다. 예를 들어, NB-IoT 기술은 저전력 LPWAN(Low Power Wide Area Network) 기술의 한 예일 수 있으며, LTE Cat NB1 및/또는 LTE Cat NB2와 같은 표준(specification)으로 구현될 수 있으며, 위에서 언급한 이름에 제한되지 않을 수 있다. 추가적으로 및/또는 대안적으로, 본 개시 내용에서 무선 장치들에서 구현되는 무선 통신 기술들은 LTE-M 기술에 기초하여 통신할 수도 있다. 예를 들어, LTE-M 기술은 LPWAN 기술의 한 예일 수 있으며, eMTC(Enhanced Machine Type Communication) 등 다양한 이름으로 불릴 수 있다. 예를 들어, LTE-M 기술은, 1) LTE Cat 0, 2) LTE Cat M1, 3) LTE Cat M2, 4) LTE non-bandwidth limited (non-BL), 5) LTE-MTC, 6) LTE Machine Type Communication, 및/또는 7 ) LTE M 과 같은, 다양한 표준 중 적어도 하나로 구현될 수 있으며, 상술한 명칭에 한정되지 않을 수 있다. 추가적으로 및/또는 대안적으로, 본 개시에서 무선 장치에서 구현되는 무선 통신 기술은 저전력 통신을 고려한 ZigBee, Bluetooth 및/또는 LPWAN 중 적어도 하나를 포함할 수 있으며, 상술한 명칭에 한정되지 않을 수 있다. 예를 들어, ZigBee 기술은 IEEE 802.15.4와 같은 다양한 사양을 기반으로 소형/저전력 디지털 통신과 관련된 PAN(Personal Area Network)을 생성할 수 있으며 다양한 명칭으로 불릴 수 있다.

도 2는 본 명세서의 구현이 적용되는 무선 장치의 예를 나타낸다.

도 2를 참조하면, 제1 무선 장치(100)와 제2 무선 장치(200)는 다양한 무선 접속 기술(예: LTE, NR)을 통해 무선 신호를 송수신할 수 있다.

도 2에서, {제1 무선 장치(100) 및 제2 무선 장치(200)}는 도 1의 {무선 장치(100a~100f) 및 기지국(200)}, {무선 장치(100a~100f) 및 무선 장치(100a~100f)} 및/또는 {기지국(200) 및 기지국(200)} 중 적어도 하나에 대응할 수 있다.

제1 무선 장치(100)는 송수신기(106)와 같은 적어도 하나의 송수신기, 프로세싱 칩(101)과 같은 적어도 하나의 프로세싱 칩, 및/또는 하나 이상의 안테나(108)를 포함할 수 있다.

프로세싱 칩(101)은 프로세서(102)와 같은 적어도 하나의 프로세서 및 메모리(104)와 같은 적어도 하나의 메모리를 포함할 수 있다. 메모리(104)가 프로세싱 칩(101)에 포함되는 예시는 도 2에 도시되어 있다. 추가적으로 및/또는 대안적으로, 메모리(104)는 프로세싱 칩(101) 외부에 배치될 수 있다.

프로세서(102)는 메모리(104) 및/또는 송수신기(106)를 제어할 수 있고 본 개시에서 설명된 설명, 기능, 절차, 제안, 방법 및/또는 동작 흐름도를 구현하도록 구성될 수 있다. 예를 들어, 프로세서(102)는 메모리(104) 내의 정보를 처리하여 제1 정보/신호를 생성한 다음 송수신기(106)를 통해 제1 정보/신호를 포함하는 무선 신호를 송신할 수 있다. 프로세서(102)는 송수신기(106)를 통해 제2 정보/신호를 포함하는 무선 신호를 수신하고, 제2 정보/신호를 처리한 정보를 메모리(104)에 저장할 수 있다.

메모리(104)는 프로세서(102)에 동작 가능하게 연결될 수 있다. 메모리(104)는 다양한 유형의 정보 및/또는 명령을 저장할 수 있다. 메모리(104)는 프로세서(102)에 의해 실행될 때 본 명세서에 개시된 설명, 기능, 절차, 제안, 방법, 및/또는 동작 흐름도를 수행하는 명령어를 구현하는 소프트웨어 코드(105)를 저장할 수 있다. 예를 들어, 소프트웨어 코드(105)는 프로세서(102)에 의해 실행될 때 본 명세서에 개시된 설명, 기능, 절차, 제안, 방법, 및/또는 동작 흐름도를 수행하는 명령을 구현할 수 있다. 예를 들어, 소프트웨어 코드(105)는 하나 이상의 프로토콜을 수행하도록 프로세서(102)를 제어할 수 있다. 예를 들어, 소프트웨어 코드(105)는 무선 인터페이스 프로토콜의 하나 이상의 계층을 수행하도록 프로세서(102)를 제어할 수 있다.

여기서, 프로세서(102) 및 메모리(104)는 RAT(예를 들어, LTE 또는 NR)를 구현하도록 설계된 통신 모뎀/회로/칩의 일부일 수 있다. 송수신기(106)는 프로세서(102)에 연결되고 하나 이상의 안테나(108)를 통해 무선 신호를 송신 및/또는 수신할 수 있다. 송수신기(106)는 송신기 및/또는 수신기 각각을 포함할 수 있다. 송수신기(106)는 무선 주파수(RF) 유닛(들)과 상호교환적으로 사용될 수 있다. 본 개시에서 제1 무선 장치(100)는 통신 모뎀/회로/칩을 나타낼 수 있다.

제2 무선 장치(200)는 송수신기(206)와 같은 적어도 하나의 송수신기, 프로세싱 칩(201)과 같은 적어도 하나의 프로세싱 칩, 및/또는 하나 이상의 안테나(208)를 포함할 수 있다.

프로세싱 칩(201)은 프로세서(202)와 같은 적어도 하나의 프로세서 및 메모리(204)와 같은 적어도 하나의 메모리를 포함할 수 있다. 메모리(204)가 프로세싱 칩(201)에 포함되는 예시는 도 2에 도시되어 있다. 추가적으로 및/또는 대안적으로, 메모리(204)는 프로세싱 칩(201) 외부에 배치될 수 있다.

프로세서(202)는 메모리(204) 및/또는 송수신기(206)를 제어할 수 있고 본 개시에서 설명된 설명, 기능, 절차, 제안, 방법 및/또는 동작 흐름도를 구현하도록 구성될 수 있다. 예를 들어, 프로세서(202)는 메모리(204) 내의 정보를 처리하여 제3 정보/신호를 생성한 후 제3 정보/신호를 포함하는 무선 신호를 송수신기(206)를 통해 송신할 수 있다. 프로세서(202)는 송수신기를 통해 제4 정보/신호를 포함하는 무선 신호를 수신할 수 있다. 메모리(204)에 제4 정보/신호를 처리한 정보를 저장할 수 있다.

메모리(204)는 프로세서(202)에 동작 가능하게 연결될 수 있다. 메모리(204)는 다양한 유형의 정보 및/또는 명령을 저장할 수 있다. 메모리(204)는 프로세서(202)에 의해 실행될 때 본 명세서에 개시된 설명, 기능, 절차, 제안, 방법, 및/또는 동작 흐름도를 수행하는 명령을 구현하는 소프트웨어 코드(205)를 저장할 수 있다. 예를 들어, 소프트웨어 코드(205)는 프로세서(202)에 의해 실행될 때 본 명세서에 개시된 설명, 기능, 절차, 제안, 방법, 및/또는 동작 흐름도를 수행하는 명령을 구현할 수 있다. 예를 들어, 소프트웨어 코드(205)는 하나 이상의 프로토콜을 수행하도록 프로세서(202)를 제어할 수 있다. 예를 들어, 소프트웨어 코드(205)는 무선 인터페이스 프로토콜의 하나 이상의 계층을 수행하도록 프로세서(202)를 제어할 수 있다.

여기서, 프로세서(202) 및 메모리(204)는 RAT(예를 들어, LTE 또는 NR)를 구현하도록 설계된 통신 모뎀/회로/칩의 일부일 수 있다. 송수신기(206)는 프로세서(202)에 연결될 수 있고, 하나 이상의 안테나(208)를 통해 무선 신호를 송신 및/또는 수신할 수 있다. 각각의 송수신기(206)는 송신기 및/또는 수신기를 포함할 수 있다. 송수신기(206)는 RF 유닛과 혼용되어 사용될 수 있다. 본 명세서에서 제2 무선 장치(200)는 통신 모뎀/회로/칩을 의미할 수 있다.

이하, 무선 장치(100, 200)의 하드웨어 요소에 대해 보다 구체적으로 설명한다. 이로 제한되는 것은 아니지만, 하나 이상의 프로토콜 계층이 하나 이상의 프로세서(102, 202)에 의해 구현될 수 있다. 예를 들어, 하나 이상의 프로세서(102, 202)는 하나 이상의 계층(예: PHY(physical), MAC(Media Access Control), RLC(Radio Link Control), PDCP(Packet Data Convergence Protocol), RRC(Radio Resource Control), SDAP(Service Data Adaptation Protocol)와 같은 기능적 계층)을 구현할 수 있다. 하나 이상의 프로세서(102, 202)는 본 명세서에 개시된 설명, 기능, 절차, 제안, 방법 및/또는 동작 흐름도에 따라 하나 이상의 PDU(Protocol Data Unit) 및/또는 하나 이상의 SDU(Service Data Unit)를 생성할 수 있다. 하나 이상의 프로세서(102, 202)는 본 명세서에 개시된 설명, 기능, 절차, 제안, 방법 및/또는 동작 흐름도에 따라 메시지, 제어 정보, 데이터 또는 정보를 생성할 수 있다. 하나 이상의 프로세서(102, 202)는 본 명세서에 개시된 설명, 기능, 절차, 제안, 방법 및/또는 동작 흐름도에 따라 PDU, SDU, 메시지, 제어 정보, 데이터 또는 정보를 포함하는 신호(예: 베이스밴드 신호)를 생성하여, 하나 이상의 송수신기(106, 206)에게 제공할 수 있다. 하나 이상의 프로세서(102, 202)는 하나 이상의 송수신기(106, 206)로부터 신호(예: 베이스밴드 신호)를 수신할 수 있고, 본 명세서에 개시된 설명, 기능, 절차, 제안, 방법 및/또는 동작 흐름도에 따라 PDU, SDU, 메시지, 제어 정보, 데이터 또는 정보를 획득할 수 있다.

하나 이상의 프로세서(102, 202)는 컨트롤러, 마이크로 컨트롤러, 마이크로 프로세서 및/또는 마이크로 컴퓨터로 지칭될 수 있다. 하나 이상의 프로세서(102, 202)는 하드웨어, 펌웨어, 소프트웨어, 및/또는 이들의 조합에 의해 구현될 수 있다. 일 예로, 하나 이상의 ASIC(Application Specific Integrated Circuit), 하나 이상의 DSP(Digital Signal Processor), 하나 이상의 DSPD(Digital Signal Processing Device), 하나 이상의 PLD(Programmable Logic Device) 및/또는 하나 이상의 FPGA(Field Programmable Gate Arrays)가 하나 이상의 프로세서(102, 202)에 포함될 수 있다. 본 명세서에 개시된 설명, 기능, 절차, 제안, 방법 및/또는 동작 흐름도는 펌웨어 및/또는 소프트웨어를 사용하여 구현될 수 있고, 펌웨어 및/또는 소프트웨어는 모듈, 절차, 기능 등을 포함하도록 설정될 수 있다. 본 명세서에 개시된 설명, 기능, 절차, 제안, 방법 및/또는 동작 흐름도를 수행하도록 설정된 펌웨어 또는 소프트웨어는 하나 이상의 프로세서(102, 202)에 포함되거나, 하나 이상의 메모리(104, 204)에 저장되어 하나 이상의 프로세서(102, 202)에 의해 구동될 수 있다. 본 명세서에 개시된 설명, 기능, 절차, 제안, 방법 및/또는 동작 흐름도는 코드, 명령어 및/또는 명령어의 집합 형태로 펌웨어 또는 소프트웨어를 사용하여 구현될 수 있다.

하나 이상의 메모리(104, 204)는 하나 이상의 프로세서(102, 202)와 연결될 수 있고, 다양한 형태의 데이터, 신호, 메시지, 정보, 프로그램, 코드, 지시 및/또는 명령을 저장할 수 있다. 하나 이상의 메모리(104, 204)는 ROM(Read-Only Memory), RAM(Random Access Memory), EPROM(Erasable Programmable ROM), 플래시 메모리, 하드 드라이브, 레지스터, 캐쉬 메모리, 컴퓨터 판독 저장 매체 및/또는 이들의 조합으로 구성될 수 있다. 하나 이상의 메모리(104, 204)는 하나 이상의 프로세서(102, 202)의 내부 및/또는 외부에 위치할 수 있다. 또한, 하나 이상의 메모리(104, 204)는 유선 또는 무선 연결과 같은 다양한 기술을 통해 하나 이상의 프로세서(102, 202)와 연결될 수 있다.

하나 이상의 송수신기(106, 206)는 하나 이상의 다른 장치에게 본 명세서에 개시된 설명, 기능, 절차, 제안, 방법 및/또는 동작 흐름도 등에서 언급되는 사용자 데이터, 제어 정보, 무선 신호/채널 등을 전송할 수 있다. 하나 이상의 송수신기(106, 206)는 하나 이상의 다른 장치로부터 본 명세서에 개시된 설명, 기능, 절차, 제안, 방법 및/또는 동작 흐름도 등에서 언급되는 사용자 데이터, 제어 정보, 무선 신호/채널 등을 수신할 수 있다. 예를 들어, 하나 이상의 송수신기(106, 206)는 하나 이상의 프로세서(102, 202)와 연결될 수 있고, 무선 신호를 송수신할 수 있다. 예를 들어, 하나 이상의 프로세서(102, 202)는 하나 이상의 송수신기(106, 206)가 하나 이상의 다른 장치에게 사용자 데이터, 제어 정보, 무선 신호/채널 등을 전송하도록 제어할 수 있다. 또한, 하나 이상의 프로세서(102, 202)는 하나 이상의 송수신기(106, 206)가 하나 이상의 다른 장치로부터 사용자 데이터, 제어 정보, 무선 신호/채널 등을 수신하도록 제어할 수 있다.

하나 이상의 송수신기(106, 206)는 하나 이상의 안테나(108, 208)와 연결될 수 있다. 하나 이상의 송수신기(106, 206)는 하나 이상의 안테나(108, 208)를 통해 본 명세서에 개시된 설명, 기능, 절차, 제안, 방법 및/또는 동작 흐름도 등에서 언급되는 사용자 데이터, 제어 정보, 무선 신호/채널 등을 송수신하도록 설정될 수 있다.

하나 이상의 송수신기(106, 206)는 수신된 사용자 데이터, 제어 정보, 무선 신호/채널 등을 하나 이상의 프로세서(102, 202)를 이용하여 처리하기 위해, 수신된 사용자 데이터, 제어 정보, 무선 신호/채널 등을 RF 밴드 신호에서 베이스밴드 신호로 변환할 수 있다. 하나 이상의 송수신기(106, 206)는 하나 이상의 프로세서(102, 202)를 이용하여 처리된 사용자 데이터, 제어 정보, 무선 신호/채널 등을 베이스밴드 신호에서 RF 밴드 신호로 변환할 수 있다. 이를 위하여, 하나 이상의 송수신기(106, 206)는 (아날로그) 발진기(oscillator) 및/또는 필터를 포함할 수 있다. 예를 들어, 하나 이상의 송수신기(106, 206)는 하나 이상의 프로세서(102, 202)의 제어 하에 (아날로그) 발진기 및/또는 필터를 통해 OFDM 베이스밴드 신호를 OFDM 신호로 상향 변환(up-convert)하고, 상향 변환된 OFDM 신호를 반송파 주파수에서 전송할 수 있다. 하나 이상의 송수신기(106, 206)는 반송파 주파수에서 OFDM 신호를 수신하고, 하나 이상의 프로세서(102, 202)의 제어 하에 (아날로그) 발진기 및/또는 필터를 통해 OFDM 신호를 OFDM 베이스밴드 신호로 하향 변환(down-convert)할 수 있다.

본 명세서의 구현에서, UE는 상향링크(UL; Uplink)에서 송신 장치로, 하향링크(DL; Downlink)에서 수신 장치로 작동할 수 있다. 본 명세서의 구현에서, 기지국은 UL에서 수신 장치로, DL에서 송신 장치로 동작할 수 있다. 이하에서 기술 상의 편의를 위하여, 제1 무선 장치(100)는 UE로, 제2 무선 장치(200)는 기지국으로 동작하는 것으로 주로 가정한다. 예를 들어, 제1 무선 장치(100)에 연결, 탑재 또는 출시된 프로세서(102)는 본 명세서의 구현에 따라 UE 동작을 수행하거나 본 명세서의 구현에 따라 UE 동작을 수행하도록 송수신기(106)를 제어하도록 구성될 수 있다. 제2 무선 장치(200)에 연결, 탑재 또는 출시된 프로세서(202)는 본 명세서의 구현에 따른 기지국 동작을 수행하거나 본 명세서의 구현에 따른 기지국 동작을 수행하기 위해 송수신기(206)를 제어하도록 구성될 수 있다.

본 명세서에서, 기지국은 노드 B(Node B), eNode B(eNB), gNB로 불릴 수 있다.

도 3은 본 명세서의 구현이 적용되는 무선 장치의 예를 나타낸다.

무선 장치는 사용 예/서비스에 따라 다양한 형태로 구현될 수 있다(도 1 참조).

도 3을 참조하면, 무선 장치(100, 200)는 도 2의 무선 장치(100, 200)에 대응할 수 있으며, 다양한 구성 요소, 장치/부분 및/또는 모듈에 의해 구성될 수 있다. 예를 들어, 각 무선 장치(100, 200)는 통신 장치(110), 제어 장치(120), 메모리 장치(130) 및 추가 구성 요소(140)를 포함할 수 있다. 통신 장치(110)는 통신 회로(112) 및 송수신기(114)를 포함할 수 있다. 예를 들어, 통신 회로(112)는 도 2의 하나 이상의 프로세서(102, 202) 및/또는 도 2의 하나 이상의 메모리(104, 204)를 포함할 수 있다. 예를 들어, 송수신기(114)는 도 2의 하나 이상의 송수신기(106, 206) 및/또는 도 2의 하나 이상의 안테나(108, 208)를 포함할 수 있다. 제어 장치(120)는 통신 장치(110), 메모리 장치(130), 추가 구성 요소(140)에 전기적으로 연결되며, 각 무선 장치(100, 200)의 전체 작동을 제어한다. 예를 들어, 제어 장치(120)는 메모리 장치(130)에 저장된 프로그램/코드/명령/정보를 기반으로 각 무선 장치(100, 200)의 전기/기계적 작동을 제어할 수 있다. 제어 장치(120)는 메모리 장치(130)에 저장된 정보를 무선/유선 인터페이스를 통해 통신 장치(110)를 거쳐 외부(예: 기타 통신 장치)로 전송하거나, 또는 무선/유선 인터페이스를 통해 통신 장치(110)를 거쳐 외부(예: 기타 통신 장치)로부터 수신한 정보를 메모리 장치(130)에 저장할 수 있다.

추가 구성 요소(140)는 무선 장치(100, 200)의 유형에 따라 다양하게 구성될 수 있다. 예를 들어, 추가 구성 요소(140)는 동력 장치/배터리, 입출력(I/O) 장치(예: 오디오 I/O 포트, 비디오 I/O 포트), 구동 장치 및 컴퓨팅 장치 중 적어도 하나를 포함할 수 있다. 무선 장치(100, 200)는, 이에 국한되지 않고, 로봇(도 1의 100a), 차량(도 1의 100b-1 및 100b-2), XR 장치(도 1의 100c), 휴대용 장치(도 1의 100d), 가전 제품(도 1의 100e), IoT 장치(도 1의 100f), 디지털 방송 단말, 홀로그램 장치, 공공 안전 장치, MTC 장치, 의료 장치, 핀테크 장치(또는 금융 장치), 보안 장치, 기후/환경 장치, AI 서버/장치(도 1의 400), 기지국(도 1의 200), 네트워크 노드의 형태로 구현될 수 있다. 무선 장치(100, 200)는 사용 예/서비스에 따라 이동 또는 고정 장소에서 사용할 수 있다.

도 3에서, 무선 장치(100, 200)의 다양한 구성 요소, 장치/부분 및/또는 모듈의 전체는 유선 인터페이스를 통해 서로 연결되거나, 적어도 일부가 통신 장치(110)를 통해 무선으로 연결될 수 있다. 예를 들어, 각 무선 장치(100, 200)에서, 제어 장치(120)와 통신 장치(110)는 유선으로 연결되고, 제어 장치(120)와 제1 장치(예: 130과 140)는 통신 장치(110)를 통해 무선으로 연결될 수 있다. 무선 장치(100, 200) 내의 각 구성 요소, 장치/부분 및/또는 모듈은 하나 이상의 요소를 더 포함할 수 있다. 예를 들어, 제어 장치(120)는 하나 이상의 프로세서 집합에 의해 구성될 수 있다. 일 예로, 제어 장치(120)는 통신 제어 프로세서, 애플리케이션 프로세서(AP; Application Processor), 전자 제어 장치(ECU; Electronic Control Unit), 그래픽 처리 장치 및 메모리 제어 프로세서의 집합에 의해 구성될 수 있다. 또 다른 예로, 메모리 장치(130)는 RAM, DRAM(Dynamic RAM), ROM, 플래시 메모리, 휘발성 메모리, 비휘발성 메모리 및/또는 이들의 조합에 의해 구성될 수 있다.

도 4는 본 개시의 구현이 적용되는 UE의 예를 도시한다.

도 4을 참조하면, UE(100)는 도 2의 제1 무선 장치(100) 및/또는 도 3의 무선 장치(100 또는 200)에 대응될 수 있다.

UE(100)는 프로세서(102), 메모리(104), 송수신기(106), 하나 이상의 안테나(108), 전원 관리 모듈(110), 배터리(112), 디스플레이(114), 키패드(116), SIM(Subscriber Identification Module) 카드(118), 스피커(120), 마이크(122)를 포함한다.

프로세서(102)는 본 명세서에 개시된 설명, 기능, 절차, 제안, 방법 및/또는 작동 흐름도를 구현하도록 구성될 수 있다. 프로세서(102)는 본 명세서에 개시된 설명, 기능, 절차, 제안, 방법 및/또는 작동 흐름도를 구현하도록 UE(100)의 하나 이상의 다른 구성 요소를 제어하도록 구성될 수 있다. 무선 인터페이스 프로토콜의 계층은 프로세서(102)에 구현될 수 있다. 프로세서(102)는 ASIC, 기타 칩셋, 논리 회로 및/또는 데이터 처리 장치를 포함할 수 있다. 프로세서(102)는 애플리케이션 프로세서일 수 있다. 프로세서(102)는 DSP(Digital Signal Processor), CPU(Central Processing Unit), GPU(Graphics Processing Unit), 모뎀(변조 및 복조기) 중 적어도 하나를 포함할 수 있다. 프로세서(102)의 예는 Qualcomm®에서 만든 SNAPDRAGON^TM 시리즈 프로세서, Samsung®에서 만든 EXYNOS^TM 시리즈 프로세서, Apple®에서 만든 A 시리즈 프로세서, MediaTek®에서 만든 HELIO^TM 시리즈 프로세서, Intel®에서 만든 ATOM^TM 시리즈 프로세서 또는 대응하는 차세대 프로세서에서 찾을 수 있다.

메모리(104)는 프로세서(102)와 동작 가능하도록 결합되며, 프로세서(102)를 작동하기 위한 다양한 정보를 저장한다. 메모리(104)는 ROM, RAM, 플래시 메모리, 메모리 카드, 저장 매체 및/또는 기타 저장 장치를 포함할 수 있다. 실시예가 소프트웨어에서 구현될 때, 여기에 설명된 기술은 본 명세서에서 개시된 설명, 기능, 절차, 제안, 방법 및/또는 작동 흐름도를 수행하는 모듈(예: 절차, 기능 등)을 사용하여 구현될 수 있다. 모듈은 메모리(104)에 저장되고 프로세서(102)에 의해 실행될 수 있다. 메모리(104)는 프로세서(102) 내에 또는 프로세서(102) 외부에 구현될 수 있으며, 이 경우 기술에서 알려진 다양한 방법을 통해 프로세서(102)와 통신적으로 결합될 수 있다.

송수신기(106)는 프로세서(102)와 동작 가능하도록 결합되며, 무선 신호를 전송 및/또는 수신한다. 송수신기(106)는 송신기와 수신기를 포함한다. 송수신기(106)는 무선 주파수 신호를 처리하기 위한 베이스밴드 회로를 포함할 수 있다. 송수신기(106)는 하나 이상의 안테나(108)를 제어하여 무선 신호를 전송 및/또는 수신한다.

전원 관리 모듈(110)은 프로세서(102) 및/또는 송수신기(106)의 전원을 관리한다. 배터리(112)는 전원 관리 모듈(110)에 전원을 공급한다.

디스플레이(114)는 프로세서(102)에 의해 처리된 결과를 출력한다. 키패드(116)는 프로세서(102)에서 사용할 입력을 수신한다. 키패드(116)는 디스플레이(114)에 표시될 수 있다.

SIM 카드(118)는 IMSI(International Mobile Subscriber Identity)와 관련 키를 안전하게 저장하기 위한 집적 회로이며, 휴대 전화나 컴퓨터와 같은 휴대 전화 장치에서 가입자를 식별하고 인증하는 데에 사용된다. 또한, 많은 SIM 카드에 연락처 정보를 저장할 수도 있다.

스피커(120)는 프로세서(102)에서 처리한 사운드 관련 결과를 출력한다. 마이크(122)는 프로세서(102)에서 사용할 사운드 관련 입력을 수신한다.

도 5 및 도 6은 본 명세서의 구현이 적용되는 3GPP 기반 무선 통신 시스템에서 프로토콜 스택의 예를 나타낸다.

특히, 도 5은 UE와 BS 사이의 무선 인터페이스 사용자 평면 프로토콜 스택의 일 예를 도시하며, 도 6은 UE와 BS 사이의 무선 인터페이스 제어 평면 프로토콜 스택의 일 예를 도시한다. 제어 평면은 UE와 네트워크가 호(call)를 관리하기 위해 사용하는 제어 메시지가 전송되는 경로를 의미한다. 사용자 평면은 애플리케이션 계층에서 생성된 데이터, 예를 들어 음성 데이터나 인터넷 패킷 데이터가 전달되는 경로를 의미한다. 도 5을 참조하면, 사용자 평면 프로토콜 스택은 계층 1(즉, PHY 계층)과 계층 2로 구분될 수 있다. 도 6을 참조하면, 제어 평면 프로토콜 스택은 계층 1(즉, PHY 계층), 계층 2, 계층 3(예를 들어, RRC 계층) 및 NAS(Non-Access Stratum) 계층으로 구분될 수 있다. 계층 1, 계층 2 및 계층 3을 AS(Access Stratum)이라 한다.

3GPP LTE 시스템에서 계층 2는 MAC, RLC, PDCP의 부계층으로 나뉜다. 3GPP NR 시스템에서 계층 2는 MAC, RLC, PDCP 및 SDAP의 부계층으로 나뉜다. PHY 계층은 MAC 부계층에 전송 채널을 제공하고, MAC 부계층은 RLC 부계층에 논리 채널을, RLC 부계층은 PDCP 부계층에 RLC 채널을, PDCP 부계층은 SDAP 부계층에 무선 베어러를 제공한다. SDAP 부계층은 5G 핵심 네트워크에 QoS(Quality Of Service) 흐름을 제공한다.

3GPP NR 시스템에서 MAC 부계층의 주요 서비스 및 기능은, 논리 채널과 전송 채널 간의 맵핑; 하나 또는 다른 논리 채널에 속하는 MAC SDU를 전송 채널 상에서 물리 계층으로/로부터 전달되는 전송 블록(TB; Transport Block)으로/로부터 다중화/역다중화하는 단계; 스케줄링 정보 보고; HARQ(Hybrid Automatic Repeat Request)를 통한 오류 정정(CA(Carrier Aggregation)의 경우 셀 당 하나의 HARQ 개체); 동적 스케줄링에 의한 UE 간의 우선순위 처리; 논리 채널 우선 순위 지정에 의한 하나의 UE의 논리 채널 간의 우선 순위 처리; 패딩을 포함한다. 단일 MAC 개체는 복수의 뉴머럴로지(numerology), 전송 타이밍 및 셀을 지원할 수 있다. 논리 채널 우선 순위 지정의 맵핑 제한은 논리 채널이 사용할 수 있는 뉴머럴로지, 셀 및 전송 타이밍을 제어한다.

MAC은 다양한 종류의 데이터 전송 서비스를 제공한다. 다른 종류의 데이터 전송 서비스를 수용하기 위해, 여러 유형의 논리 채널이 정의된다. 즉, 각각의 논리 채널은 특정 유형의 정보 전송을 지원한다. 각 논리 채널 유형은 전송되는 정보 유형에 따라 정의된다. 논리 채널은 제어 채널과 트래픽 채널의 두 그룹으로 분류된다. 제어 채널은 제어 평면 정보의 전송에만 사용되며, 트래픽 채널은 사용자 평면 정보의 전송에만 사용된다. BCCH(Broadcast Control Channel)은 시스템 제어 정보의 방송을 위한 하향링크 논리 채널이다. PCCH(Paging Control Channel)은 페이징 정보, 시스템 정보 변경 알림 및 진행 중인 공공 경고 서비스(PWS; Public Warning Service) 방송의 표시를 전송하는 하향링크 논리 채널이다. CCCH(Common Control Channel)은 UE와 네트워크 사이에서 제어 정보를 전송하기 위한 논리 채널로서 네트워크와 RRC 연결이 없는 UE를 위해 사용된다. DCCH(Dedicated Control Channel)은 UE와 네트워크 간에 전용 제어 정보를 전송하는 점대점 양방향 논리 채널이며, RRC 연결을 갖는 UE에 의해 사용된다. DTCH(Dedicated Traffic Channel)는 사용자 정보 전송을 위해 하나의 UE 전용인 점대점 논리 채널이다. DTCH는 상향링크와 하향링크 모두에 존재할 수 있다. 하향링크에서 논리 채널과 전송 채널 사이에 다음 연결이 존재한다. BCCH는 BCH(Broadcast Channel)에 맵핑될 수 있고, BCCH는 DL-SCH(Downlink Shared Channel)에 맵핑될 수 있고, PCCH는 PCH(Paging Channel)에 맵핑될 수 있고, CCCH는 DL-SCH에 맵핑될 수 있고, DCCH는 DL-SCH에 맵핑될 수 있고, DTCH는 DL-SCH에 맵핑될 수 있다. 상향링크에서 논리 채널과 전송 채널 사이에 다음 연결이 존재한다. CCCH는 UL-SCH(Uplink Shared Channel)에 맵핑될 수 있고, DCCH는 UL-SCH에 매핑될 수 있고, 및 DTCH는 UL-SCH에 맵핑될 수 있다.

RLC 부계층은 TM(Transparent Mode), UM(Unacknowledged Mode), AM(Acknowledged Mode)의 3가지 전송 모드를 지원한다. RLC 설정은 뉴머럴로지 및/또는 전송 기간에 의존하지 않는 논리 채널 별로 이루어진다. 3GPP NR 시스템에서 RLC 부계층의 주요 서비스 및 기능은 전송 모드에 따라 달라지며, 상위 계층 PDU의 전송; PDCP에 있는 것과 독립적인 시퀀스 번호 지정(UM 및 AM); ARQ를 통한 오류 수정(AM만) RLC SDU의 분할(AM 및 UM) 및 재분할(AM만); SDU의 재조립(AM 및 UM); 중복 감지(AM만); RLC SDU 폐기(AM 및 UM); RLC 재수립; 프로토콜 오류 감지(AM만)을 포함한다.

3GPP NR 시스템에서, 사용자 평면에 대한 PDCP 부계층의 주요 서비스 및 기능은, 시퀀스 넘버링; ROHC(Robust Header Compression)를 사용한 헤더 압축 및 압축 해제; 사용자 데이터 전송; 재정렬 및 중복 감지; 순서에 따른 전달(in-order delivery); PDCP PDU 라우팅(분할 베어러의 경우); PDCP SDU의 재전송; 암호화, 해독 및 무결성 보호; PDCP SDU 폐기; RLC AM을 위한 PDCP 재수립 및 데이터 복구; RLC AM을 위한 PDCP 상태 보고; PDCP PDU의 복제 및 하위 계층으로의 복제 폐기 표시를 포함한다. 제어 평면에 대한 PDCP 부계층의 주요 서비스 및 기능은, 시퀀스 넘버링; 암호화, 해독 및 무결성 보호; 제어 평면 데이터 전송; 재정렬 및 중복 감지; 순서에 따른 전달; PDCP PDU의 복제 및 하위 계층으로의 복제 폐기 표시를 포함한다.

3GPP NR 시스템에서 SDAP의 주요 서비스 및 기능은, QoS 흐름과 데이터 무선 베어러 간의 맵핑; DL 및 UL 패킷 모두에 QoS 흐름 ID(QFI; Qos Flow ID)의 표시를 포함한다. SDAP의 단일 프로토콜 개체는 각 개별 PDU 세션에 대해 설정된다.

3GPP NR 시스템에서, RRC 부계층의 주요 서비스 및 기능은, AS 및 NAS와 관련된 시스템 정보의 방송; 5GC 또는 NG-RAN에 의해 시작된 페이징; UE와 NG-RAN 사이의 RRC 연결의 설정, 유지 및 해제; 키 관리를 포함한 보안 기능; 시그널링 무선 베어러(SRB; Signaling Radio Bearer) 및 데이터 무선 베어러(DRB; Data Radio Bearer)의 설정, 구성, 유지 및 해제; 이동성 기능(핸드오버 및 컨텍스트 전송, UE 셀 선택 및 재선택 및 셀 선택 및 재선택의 제어, RAT 간 이동성을 포함함); QoS 관리 기능; UE 측정 보고 및 보고 제어; 무선 링크 실패의 감지 및 복구; UE에서/로 NAS로/에서 NAS 메시지 전송을 포함한다.

도 7은 본 개시의 기술적 특징이 적용될 수 있는 NG-RAN의 전체 아키텍처의 일 예를 나타낸다.

도 7을 참조하면, gNB는 gNB-CU(이하, gNB-CU는 간단히 CU로 표기함) 및 적어도 하나의 gNB-DU(이하, gNB-DU는 간단히 DU로 표기함)를 포함할 수 있다.

gNB-CU는 gNB의 RRC, SDAP 및 PDCP 프로토콜 또는 en-gNB의 RRC 및 PDCP 프로토콜을 호스팅하는 논리 노드이다. gNB-CU는 적어도 하나의 gNB-DU의 동작을 제어한다.

gNB-DU는 gNB 또는 en-gNB의 RLC, MAC 및 물리 계층을 호스팅하는 논리적 노드이다. gNB-DU의 동작은 부분적으로 gNB-CU에 의해 제어된다. 하나의 gNB-DU는 하나 이상의 셀을 지원한다. 하나의 셀은 하나의 gNB-DU에서만 지원된다.

gNB-CU 및 gNB-DU는 F1 인터페이스를 통해 연결된다. gNB-CU는 gNB-DU에 연결된 F1 인터페이스를 끝낸다. gNB-DU는 gNB-CU에 연결된 F1 인터페이스를 끝낸다. 하나의 gNB-DU는 하나의 gNB-CU에만 연결된다. 그러나, gNB-DU는 적절한 구현에 의해 다수의 gNB-CU에 연결될 수 있다. F1 인터페이스는 논리적 인터페이스이다. NG-RAN의 경우, gNB-CU 및 gNB-DU로 구성된 gNB에 대한 NG 및 Xn-C 인터페이스는 gNB-CU에서 종료된다. E-UTRAN-NR 이중 연결(EN-DC)의 경우 gNB-CU 및 gNB-DU로 구성된 gNB용 S1-U 및 X2-C 인터페이스는 gNB-CU에서 종료된다. gNB-CU 및 연결된 gNB-DU는 다른 gNB 및 5GC에게만 gNB로 표시된다.

도 8은 본 개시의 기술적 특징이 적용될 수 있는 F1-C에 대한 인터페이스 프로토콜 구조를 나타낸다.

TNL(전송 네트워크 계층)은 IP(인터넷 프로토콜) 전송을 기반으로 하며, IP 계층 위에 SCTP(스트림 제어 전송 프로토콜) 계층을 포함한다. 응용 계층 시그널링 프로토콜은 F1 응용 프로토콜(E1AP)이라고 한다.

이하, 본 발명을 위한 용어들에 대해 설명한다. 3GPP TS 37.817 v0.1.0의 3.1절을 참조할 수 있다.

데이터 수집: ML 모델 교육, 데이터 분석 및 추론의 기반으로 사용되는, 네트워크 노드, 관리 엔티티 또는 UE로부터 수집된 데이터

ML 모델: 일련의 입력을 기반으로, 예측 정보로 구성된 일련의 출력을 생성하는 기계 학습 기술을 적용하는 데이터 기반 알고리즘

ML 교육: 데이터를 가장 잘 나타내는 기능과 패턴을 학습하고 추론을 위해 훈련된 ML 모델을 가져옴으로써, ML 모델을 교육하는 온라인 또는 오프라인 프로세스

ML 추론: 학습된 ML 모델을 사용하여 수집된 데이터 및 ML 모델을 기반으로 예측하거나 결정을 안내하는 프로세스.

도 9는 본 발명의 구현이 적용되는 RAN 인텔리전스를 위한 기능적 프레임워크의 예를 도시한다.

도 9를 참조하면, 모델 훈련 호스트는 데이터 소스로부터 훈련 데이터를 수신할 수 있다. 모델 교육 호스트는 모델 추론 호스트에 모델 배포 및/또는 업데이트를 제공할 수 있다. 모델 학습 호스트는 모델 추론 호스트로부터 모델 성능 피드백을 받을 수 있다.

모델 추론 호스트는 데이터 소스, 추론 데이터를 수신, 형성하고 행위자에게 출력을 전송할 수 있다.

행위자(actor)는 하나 이상의 행동 주체에게 행동을 전송할 수 있다.

데이터 소스는 하나 이상의 행동 주체로부터 성능 피드백을 수신할 수 있다.

예를 들어, 행위자와 행동 주체는 하나의 상자에 있을 수도 있고 별개일 수도 있다.

예를 들어, 모델 교육 호스트에 대한 조치의 피드백이 필요할 수 있다.

예를 들어, 행동 주체에서 데이터 소스로의 피드백은 성능 피드백 또는 모델 성능 피드백 및 기타 가능한 개선일 수 있다.

이하 RRC_CONNECTED에서의 이동성에 대해 설명한다. 3GPP TS 38.300 v15.7.0의 9.2.3절을 참조할 수 있다.

네트워크 제어 이동성은 RRC_CONNECTED에 있는 UE에 적용되며 셀 수준 이동성과 빔 수준 이동성의 두 가지 유형의 이동성으로 분류된다.

Cell Level Mobility는 명시적인 RRC 시그널링이 트리거되어야 한다. 즉, 핸드오버가 필요한다.

도 10은 본 발명의 구현이 적용되는 gNB간 핸드오버 절차의 예를 나타낸다.

단계 S1001에서 소스 gNB는 핸드오버를 시작하고 Xn 인터페이스를 통해 HANDOVER REQUEST를 발행한다.

단계 S1002에서 타겟 gNB는 승인 제어를 수행하고 HANDOVER REQUEST ACKNOWLEDGE의 일부로 새로운 RRC 구성을 제공한다.

단계 S1003에서 소스 gNB는 HANDOVER REQUEST ACKNOWLEDGE에서 수신한 RRCReconfiguration 메시지를 포워딩하여 UE에게 RRC 구성을 제공한다. RRCReconfiguration 메시지는 UE가 시스템 정보를 읽지 않고도 타겟 셀에 접근할 수 있도록 적어도 셀 ID와 타겟 셀에 접근하기 위해 필요한 모든 정보를 포함한다. 경우에 따라, 경쟁 기반 및 비경쟁 랜덤 액세스에 필요한 정보가 RRCReconfiguration 메시지에 포함될 수 있다. 타겟 셀에 대한 접근 정보는 빔 특정 정보가 있다면 포함할 수 있다.

단계 S1004에서 UE는 target gNB로 RRC 연결을 이동하고 RRCReconfigurationComplete로 응답한다.

그랜트가 허용하는 경우, 4단계에서 사용자 데이터를 보낼 수도 있다.

RRC에 의해 트리거되는 핸드오버 메커니즘은 UE가 적어도 MAC 엔터티를 재설정하고 RLC를 재설정하도록 요구한다. PDCP 엔터티 재설정이 있거나 없는 RRC 관리 핸드오버가 모두 지원된다. RLC AM 모드를 사용하는 DRB의 경우, PDCP는 보안 키 변경과 함께 재설정되거나, 키 변경 없이 데이터 복구 절차를 시작할 수 있다. RLC UM 모드를 사용하는 DRB와 SRB의 경우 보안 키 변경과 함께 PDCP를 재설정하거나 키 변경 없이 그대로 유지할 수 있다.

타겟 gNB가 소스 gNB와 동일한 DRB 구성을 사용하는 경우 데이터 전달, 순차적 전달 및 핸드오버 시 중복 방지가 보장될 수 있다.

타이머 기반 핸드오버 실패 절차는 NR에서 지원된다. RRC 연결 재확립 절차는 핸드오버 실패에서 복구하는 데 사용된다.

Beam Level Mobility는 명시적인 RRC 신호를 트리거할 필요가 없다. gNB는 RRC 시그널링을 통해 채널 및 간섭 측정 및 보고 트리거를 위한 SSB/CSI 자원 및 자원 세트, 보고 및 트리거 상태의 구성을 포함하는 측정 구성을 UE에 제공한다. 빔 레벨 이동성은 물리 계층 및 MAC 계층 제어 시그널링을 통해 하위 계층에서 처리되며, RRC는 주어진 시점에서 어떤 빔이 사용되고 있는지 알 필요가 없다.

SSB 기반 Beam Level Mobility는 초기 DL BWP와 관련된 SSB를 기반으로 하며, 초기 DL BWP 및 초기 DL BWP와 연결된 SSB를 포함하는 DL BWP에 대해서만 구성할 수 있다. 다른 DL BWP의 경우 Beam Level Mobility는 CSI-RS를 기반으로만 수행할 수 있다.

대부분의 AI 알고리즘은 구현에 달려 있지만, AI에 대한 신호 지원은 'AI 체계에 관련된 훈련 및 실행, AI 알고리즘에 필요한 데이터(잠재적으로 UE에 의해 보고되거나 네트워크의 다른 부분에서 수집됨), 및 RAN, CN 또는 OAM(Operations, Administration and Maintenance)/ChM(Change Management)의 다른 네트워크 노드 또는 네트워크 기능(NF)으로 전달되는 알고리즘에 의해 생성된 출력에 대한 연구를 할 가치가 있다.

AI에 대한 표준화 지원을 도입하기 전에, AI의 개념과 현재 또는 미래의 네트워크에서 일반적으로 사용되는 AI 프레임워크에 대한 공통된 이해를 얻는 것이 바람직할 것이다.

AI 지원 기능을 식별하기 위해 잠재적인 사용 사례와 예가 논의될 수 있다; 여기에는, 유익한 AI 접근 방식이 입증되지 않는 한, SON(자체 조직 네트워크)과 같은 기존 주제를 다시 열지 않고 다양한 RAN 영역이 포함될 수 있다 (예를 들어 에너지 절약, 트래픽 조정, 이동성 최적화, 로드 밸런싱, 물리 계층 구성 최적화 등). 따라서 AI/ML을 활용하기 위한 기능적 프레임워크(즉, 데이터 획득 및 노출)와 RAN-AI 운영의 높은 수준의 요구 사항을 조사하기 위한 연구가 수행되어야 한다.

이하에서는, 본 발명의 실시 예에 따른 무선 통신 시스템에서 AI 모델 기반의 핸드오버 수행을 위한 방법에 대해 설명한다.

도 11은 본 발명의 일부 실시예에 따른 무선 통신 시스템에서 AI 모델 기반의 핸드오버 수행을 위한 방법의 일 예를 도시한다.

특히, 도 11은 무선 통신 시스템에서 소스 RAN(Radio Access Network) 노드에 의해 수행되는 방법의 예를 나타낸다.

단계 S1101에서, 소스 RAN 노드는 특정 UE에 대한 이동성 정보를 획득할 수 있다. 이동성 정보는 (i) 특정 UE에 대한 이동성 통계 및 (ii) 특정 UE에 대한 이동성 예측을 포함할 수 있다.

예를 들어, 특정 UE에 대한 이동성 정보는 특정 UE에 대한 UE 컨텍스트에 포함될 수 있다. 예를 들어, UE 컨텍스트는 연결 설정 시 또는 마지막 TA 업데이트 시 제공되었던 로밍 및 액세스 제한에 관한 정보를 포함할 수 있다.

예를 들어, 이동성 정보는 CN(Core Network)에서 AI 기능에 의해 제공될 수 있다.

예를 들어, 특정 UE에 대한 이동성 정보는 (i) 특정 UE에 대한 이동성 통계 정보 및/또는 (ii) 특정 UE에 대한 이동성 예측 정보를 포함할 수 있다.

이동성 통계에 대한 정보는 (i) UE 그룹 ID 또는 UE ID(예를 들어, SUPI(Subscription Permanent Identifier)) 및/또는 (ii) 타임 슬롯 엔트리 중 적어도 하나를 포함할 수 있다.

시간 슬롯 항목은 분석 타겟 기간 동안의 시간 슬롯 목록을 포함할 수 있다. 특히, 타임 슬롯 엔트리는 (i) 타임 슬롯 시작(Analytics target period 내의 타임 슬롯 시작), (ii) Duration(시간 슬롯의 Duration(평균 및 분산)), 및/또는 (iii) UE 위치에 대한 정보(Observed 위치 통계)를 포함할 수 있다. 예를 들어, UE 위치에 대한 정보는 (i) UE 위치(TA 및/또는 UE가 머무르는 셀) 및/또는 (ii) Ratio(그룹 내 UE의 백분율(UE 그룹인 경우))를 포함할 수 있다.

이동성 예측에 대한 정보는 (i) UE 그룹 ID 또는 UE ID(예를 들어, SUPI(Subscription Permanent Identifier)) 및/또는 (ii) 타임 슬롯 엔트리 중 적어도 하나를 포함할 수 있다.

타임슬롯 엔트리는 예상 타임슬롯의 목록을 포함할 수 있다. 특히, 시간 슬롯 엔트리는 (i) 시간 슬롯 시작(Analytics 타겟 기간 내의 시간 슬롯 시작), (ii) Duration(시간 슬롯의 Duration(평균 및 분산)) 및/또는 (iii) UE 위치에 대한 정보(분석 타겟 기간 동안 예측된 위치 예측)를 포함할 수 있다. 예를 들어, UE 위치에 대한 정보는 (i) UE 위치(TA 또는 UE 또는 UE 그룹이 이동할 수 있는 셀), (ii) 이 예측의 신뢰도, 및/또는 (iii) 비율(그룹 내 UE의 백분율(UE 그룹의 경우))을 포함할 수 있다.

단계 S1102에서 소스 RAN 노드는 위치 정보에 대한 요청을 포함하는 측정 구성을 특정 UE로 전송할 수 있다.

예를 들어, 측정 설정은 특정 UE의 위치 정보 보고를 요청하는 지시를 포함할 수 있다.

단계 S1103에서 소스 RAN 노드는 특정 UE로부터 위치 정보를 수신할 수 있다. 위치 정보는 (i) 특정 UE의 현재 위치 및/또는 (ii) 특정 UE의 과거 위치를 포함할 수 있다.

예를 들어, 위치 정보는 특정 UE에 대한 예측 위치를 포함할 수 있다. 특정 UE에 대한 예측 위치는 (i) 특정 UE가 이동할 GPS(Global Positioning System), GNSS(Global Navigation Satellite System), TA(Tracking Area) 및/또는 셀에 대한 정보 및/또는 (ii) 예측 위치의 신뢰도에 대한 정보를 포함할 수 있다. 특정 UE에 대한 예측 위치는 특정 UE의 적어도 하나의 AI 모델의 출력을 포함할 수 있다.

다른 예로, 위치 정보는 특정 UE가 AI 모델을 포함하지 않는다는 것에 기초하여 특정 UE에 대한 예측 위치를 포함하지 않을 수 있다.

단계 S1104에서, 이동성 정보 및 위치 정보를 기반으로, 소스 RAN 노드는 AI 모델을 이용하여 특정 UE에 대한 타겟 RAN 노드를 결정할 수 있다.

예를 들어, AI 모델의 입력은 (i) 획득한 이동성 정보, (ii) 수신한 위치 정보, 및 (iii) UE 히스토리 정보를 포함할 수 있다. AI 모델의 출력은 특정 UE에 대한 타겟 RAN 노드 또는 타겟 셀 ID를 포함할 수 있다.

다른 예로, AI 모델의 출력은 (i) 하나 이상의 후보 타겟 RAN 노드 또는 셀 및 (ii) 하나 이상의 후보 타겟 RAN 노드 또는 셀의 확률 또는 신뢰도를 포함한다. 이 경우, 소스 RAN 노드는 하나 이상의 후보 타겟 RAN 노드의 확률을 고려하여 후보 타겟 RAN 노드 중에서 특정 UE에 대한 타겟 RAN 노드를 결정할 수 있다.

예를 들어, AI 모델은 이동성 정보, 위치 정보, 및 UE 히스토리 정보에 의해 훈련될 수 있다.

단계 S1105에서, 소스 RAN 노드는 이동성 정보 및 위치 정보를 기반으로 AI 모델을 이용하여 특정 UE에 대한 타겟 RAN 노드를 결정할 수 있다.

예를 들어, 소스 RAN 노드는 이동성 정보 및 위치 정보를 포함하는 Handover Request 메시지를 타겟 RAN 노드로 전송할 수 있다. 또한, Handover Request 메시지는 소스 RAN 노드의 AI 모델의 출력을 포함할 수 있다.

타겟 RAN 노드는 이동성 정보 및 위치 정보를 저장할 수 있다. 타겟 RAN 노드는 특정 UE 또는 다른 UE의 다음 이동성을 위해 저장된 정보를 사용할 수 있다.

타겟 RAN 노드는 승인 제어를 수행하고 HANDOVER REQUEST ACKNOWLEDGE를 소스 gNB로 전송할 수 있다.

소스 RAN 노드는 이동성 정보 및 AI 모델에 대한 출력 정보를 포함하는 RRC(Radio Resource Control) 재구성 메시지를 특정 UE로 전송할 수 있다.

UE는 이동성 정보 및 AI 모델에 대한 출력 정보를 저장할 수 있다. UE가 AI 모델을 가지고 있는 경우, UE는 수신한 AI 모델에 대한 정보를 사용하여 UE의 미래 위치를 예측할 수 있다. UE는 저장된 정보를 새로운 RAN 노드로 전송할 수 있다.

소스 RAN 노드는 타겟 gNB로 SN STATUS TRANSFER 메시지를 보낼 수 있다.

UE는 타겟 RAN 노드에 동기화하고 RRCReconfigurationComplete 메시지를 타겟 RAN 노드로 보냄으로써 RRC 핸드오버 절차를 완료할 수 있다.

타겟 RAN 노드는 DL 데이터 경로를 타겟 RAN 노드 쪽으로 전환하고 타겟 RAN 노드 쪽으로 NG-C 인터페이스 인스턴스를 설정하기 위해 PATH SWITCH REQUEST 메시지를 코어 네트워크 노드로 보낼 수 있다.

이때, PATH SWITCH REQUEST 메시지는 (i) 이동성 정보, (ii) 위치 정보, 및/또는 (iii) 소스 RAN 노드로부터 수신한 AI 모델의 출력을 포함할 수 있다.

코어 네트워크 노드는 타겟 RAN 노드로부터 수신한 정보를 기반으로 특정 UE에 대한 정보를 업데이트할 수 있다. 예를 들어, 코어 네트워크 노드는 업데이트된 정보를 기반으로 특정 UE에 대한 새로운 UE 컨텍스트를 제공할 수 있다.

코어 네트워크 노드는 타겟 RAN 노드를 향해 DL 데이터 경로를 전환할 수 있다. 코어 네트워크 노드는 PATH SWITCH REQUEST ACKNOWLEDGE 메시지로 PATH SWITCH REQUEST 메시지로 컨펌할 수 있다.

예를 들어, PATH SWITCH REQUEST ACKNOWLEDGE 메시지는 특정 UE에 대한 업데이트된 정보를 포함할 수 있다.

예를 들어, 업데이트된 정보는 (1) 특정 UE에 대한 업데이트된 이동성 통계 및 (2) 특정 UE에 대한 업데이트된 이동성 예측을 포함할 수 있다.

코어 네트워크 노드로부터 PATH SWITCH REQUEST ACKNOWLEDGE 메시지를 수신하면, 타겟 RAN 노드는 소스 RAN 노드에 핸드오버의 성공을 알리기 위해 UE CONTEXT RELEASE를 보낼 수 있다. 소스 RAN 노드는 UE 컨텍스트와 관련된 무선 및 C-평면 관련 리소스를 해제할 수 있다.

본 개시의 일부 실시예에 따르면, 특정 UE는 특정 UE가 아닌 UE, 네트워크, 자율주행차 중 적어도 하나와 통신할 수 있다.

도 12a 및 도 12b는 무선 통신 시스템에서 AI 모델을 기반으로 핸드오버를 수행하는 방법의 일 예를 나타낸다.

특히, 도 12a 및 12b는 특정 UE에 대한 AI 기반 이동성 절차를 나타내는 도면이다.

단계 S1200에서, 소스 gNB 내 UE 컨텍스트는 연결 설정 시 또는 마지막 TA 업데이트 시 제공된 로밍 및 액세스 제한에 관한 정보를 포함할 수 있다.

CN의 AI 기능이 제공한 분석 결과에서 가져온, 다음 정보들이 AI 기반 핸드오버를 위해 포함될 수 있다:

(1) UE 이동성 통계:

- UE 그룹 ID 또는 UE ID, 예를 들어, SUPI

- 시간 슬롯 항목(1..max): 분석 타겟 기간 동안의 시간 슬롯 목록

> 시간 슬롯 시작: Analytics 타겟 기간 내 시간 슬롯 시작

> 기간: 시간 슬롯의 기간(평균 및 분산)

> UE 위치(1..max): 관찰된 위치 통계

>> UE 위치: UE가 머무르는 셀 또는 TA

>> 비율: (UE 그룹인 경우) 그룹 내 UE의 백분율

(2) UE 이동성 예측:

- UE 그룹 ID 또는 UE ID, 예를 들어 SUPI(Subscription Permanent Identifier)

- 시간 슬롯 항목(1..max): 예상 시간 슬롯 목록

> 시간 슬롯 시작: Analytics 타겟 기간 내 시간 슬롯 시작

> 기간: 시간 슬롯의 기간(평균 및 분산)

> UE 위치(1..max): Analytics 타겟 기간 동안 예측된 위치 예측

>> UE 위치: UE 또는 UE 그룹이 이동할 수 있는 TA 또는 셀

>> 이 예측의 신뢰도

>> 비율: 그룹 내 UE의 백분율(UE 그룹인 경우)

예를 들어, 시간 슬롯 및 UE 위치의 수는 분석 보고 정보의 일부로 제공되는 최대 개체 수에 의해 제한될 수 있다.

예를 들어, 시간 슬롯은 시간순으로 제공될 수 있으며, 중복될 수도 있다. 주어진 시간 슬롯에 대한 비율 값을 감소시켜 위치를 제공할 수 있다. 주어진 시간 슬롯에 대한 모든 비율의 합은 100%와 같거나 작을 수 있다. 목록 크기 제한에 따라, 지정된 Analytics 타겟 기간에서 가능성이 가장 적은 위치들은 제공되지 않을 수 있다.

단계 S1201에서, 소스 gNB는 UE 측정 절차 ((현재 및 과거) UE의 위치 정보 보고 요청 지시 및/또는 해당 위치에 대한 UE의 AI 모델 훈련 결과 보고 지시를 포함)를 구성할 수 있으며 UE는 측정 구성 및 요청에 따라 보고할 수 있다.

- UE는 현재 위치 정보와 과거 위치 정보(예를 들어, GPS, GNSS)를 보고할 수 있다. 위치 정보(예를 들어, 현재 위치 및 과거 위치)는 (i) UE가 머문 TA 또는 셀, (ii) UE가 머문 기간을 포함할 수 있다. 세계 시간이 참조될 수 있다.

- UE는 또한 과거 기간 동안의 위치에 대한 AI 기반 교육 모델을 가질 수 있다. 예를 들어, AI 모델에 대한 입력은 GPS 및/또는 GNSS를 포함할 수 있다. 입력은 UE가 머무르는 TA 또는 셀들 및 UE가 머무르는 기간(세계 시간이 참조될 수 있음)을 포함할 수 있다. AI 모델에 대한 출력은 (i) 분석 타겟 기간 동안 예측 위치 예측, (예를 들어, AI 모델에 대한 출력은 UE 또는 UE 그룹이 이동할 수 있는 GPS, GNSS, TA, 또는 셀을 포함할 수 있다) 및 (ii) 이 예측의 신뢰도를 포함할 수 있다.

(i) 단계 S1200에서 CN으로부터 수신한 정보, (ii) 단계 S1201에서 UE로부터 수신한 UE의 위치 정보, 및 (iii) UE 히스토리 정보 및 UE의 과거 이동성 패턴은, RAN 측(eNB 또는 gNB)에서 트레이닝을 위한 AI 모델에 대한 입력이 될 것이다. 적절한 알고리즘이 적용될 수 있다.

본 개시의 일부 실시예들에 따르면, 단계 S1201에서 수신한 UE의 예측 결과는 옵션으로서 RAN이 타겟을 결정하기 위한 직접적인 참조가 될 수 있다.

RAN에서 이 훈련 모델의 출력, 즉 예측 타겟 셀 ID/gNB ID (또한 이 예측의 신뢰도)는 이전에 수신한 RSRP/RSRP 정보와 함께 소스 gNB가 타겟 노드를 결정하는 요소가 된다.

예를 들어, 여기서 AI 훈련 모델은 이 소스 gNB/eNB 또는 많은 RAN 노드를 관리할 수 있는 다른 중앙 노드에 위치할 수 있다. 단계 S1200 및 S1201에서 수신된 상기 정보는 중앙 노드로 전달될 수 있고 그 결과는 소스 RAN/gNB로 다시 전달될 수 있다. 특정 CU에서 AI 훈련 모델을 찾는 것도 가능한다.

소스 gNB는 위의 정보를 기반으로 선택한 특정 타겟 노드로 UE를 핸드오버하기로 결정할 수 있다.

단계 S1203에서, 소스 gNB는 타겟 측에서 핸드오버를 준비하기 위해 필요한 정보가 포함된 통과되는 (transparent) RRC 컨테이너를 전달하는 Handover Request 메시지를 타겟 gNB로 발행할 수 있다. 상기 정보는 (1) 타겟 셀 ID 중 적어도 하나, (2) gNB용 키(KgNB*), (3) 소스 gNB에 있는 UE의 C-RNTI(Cell-Radio Network Temporary Identifier), (4) UE 비활성 시간을 포함하는 RRM(Radio Resource Management) 구성, (5) 안테나 정보 및 DL 캐리어 주파수를 포함하는 기본 AS(Access Stratum) 구성, (6) UE에 적용되는 DRB 매핑 규칙에 대한 현재 QoS 흐름, (7) 소스 gNB로부터의 SIB1, (viii) 상이한 RAT에 대한 UE 능력, 및/또는 (9) PDU 세션 관련 정보를 포함할 수 있다. 또한, 해당 정보는 가능한 경우, 빔 관련 정보를 포함하는 UE 보고 측정 정보를 포함할 수 있다. PDU 세션 관련 정보는 슬라이스 정보, QoS 플로우 레벨, 및/또는 QoS 프로파일(들)을 포함할 수 있다.

이 메시지(즉, Handover Request 메시지)에는 추가로 고려해야 할 이동성을 위해 S1200 단계에서 CN으로부터 수신한 정보가 포함될 수 있다.

(1) UE 이동성 통계:

> 시간 슬롯 시작: Analytics 타겟 기간 내 시간 슬롯 시작

> 기간: 시간 슬롯의 기간(평균 및 분산)

> UE 위치(1..max): 관찰된 위치 통계

>> UE 위치: TA 또는 UE가 머무르는 셀

>> 비율: 그룹 내 UE의 백분율(UE 그룹인 경우)

(2) UE 이동성 예측:

- UE 그룹 ID 또는 UE ID, 예를 들어, SUPI

- 시간 슬롯 항목(1..max): 예상 시간 슬롯 목록

> 시간 슬롯 시작: Analytics 타겟 기간 내 시간 슬롯 시작

> 기간: 시간 슬롯의 기간(평균 및 분산)

> UE 위치(1..max): Analytics 타겟 기간 동안 예측된 위치 예측

>> UE 위치: UE 또는 UE 그룹이 이동할 수 있는 TA 또는 셀

>> 이 예측의 신뢰도

>> 비율: 그룹 내 UE의 백분율(UE 그룹인 경우)

이 메시지에는, 단계 S1201에서 UE로부터의 정보에는 다음의 정보가 포함된다:

- UE가 보고한 현재 위치 정보와 과거 위치 정보, 예를 들어 GPS, GNSS. (현재/과거 위치 정보에는 UE가 머무르는 TA 또는 셀, UE가 머무르는 기간(범용 시간 참조 가능)도 포함될 수 있다.)

- 분석 타겟 기간 동안 UE가 보고한 예측 위치 예측, 예를 들어, UE 또는 UE 그룹이 이동할 수 있는 GPS, GNSS, TA, 또는 셀 및/또는 이 예측의 신뢰도.

이 메시지(즉, Handover Request 메시지)에는 단계 S1202에서 AI 훈련 모델의 출력 정보, 즉 예측된 추가 타겟 셀 ID/gNB ID(또한 이 예측의 신뢰도)가 추가 이동성을 고려하기 위해 포함될 수 있다.

단계 S1204에서, 타겟 gNB에 의해 승인 제어가 수행될 수 있다.

슬라이스 정보가 타겟 gNB로 전송되면 슬라이스 인식 허용 제어가 수행될 수 있다. PDU 세션이 지원되지 않는 슬라이스와 연결되어 있는 경우, 타겟 gNB는 이러한 PDU 세션을 거부할 수 있다.

단계 S1203에서 수신된 정보는 추가적인 이동성 또는 AI 훈련 모델의 다음 입력을 위해 사용되기 위해 저장될 수 있다.

단계 S1205에서, 타겟 gNB는 L1/L2(예를 들어, 물리(PHY) 계층 및 미디어 액세스 제어(MAC) 계층)와의 핸드오버를 준비하고 HANDOVER REQUEST ACKNOWLEDGE를 소스 gNB로 전송할 수 있다. HANDOVER REQUEST ACKNOWLEDGE 메시지는 핸드오버를 수행하기 위한 RRC 메시지로서 UE에 전송될 투명 컨테이너(transparent container)를 포함할 수 있다.

단계 S1206에서 소스 gNB는 UE에게 RRCReconfiguration 메시지를 전송함으로써 Uu 핸드오버를 트리거할 수 있다. RRCReconfiguration은 타겟 셀에 접근하기 위해 필요한 정보, 예를 들어 (1) 타겟 셀 ID, (2) 새로운 C-RNTI, 및/또는 (3) 선택된 보안 알고리즘에 대한 타겟 gNB 보안 알고리즘 식별자 중 적어도 하나를 포함할 수 있다.

정보는 또한 (1) 전용 RACH 자원 세트, (2) RACH 자원과 SSB(들) 사이의 연관, (3) RACH 자원과 UE 특정 CSI-RS 구성(들) 사이의 연관, (4) 공통 RACH 자원, 및/또는 (5) 타겟 셀의 시스템 정보 중 적어도 하나를 포함할 수 있다.

최종 선택된 셀의 정보는 이 UE (예를 들어 UE global ID가 포함될 수 있음, 예를 들어 SUPI) 또는 다른 UE의 추가 이동성 동작을 위해 AI 훈련 모델의 업데이트 입력/참조로서 UE를 위해 포함될 수도 있다.

단계 S1207에서, 소스 gNB는 SN STATUS TRANSFER 메시지를 타겟 gNB로 전송할 수 있다.

단계 S1208에서, UE는 RRCReconfigurationComplete 메시지를 타겟 gNB로 전송함으로써 타겟 셀과 동기화하고 RRC 핸드오버 절차를 완료할 수 있다.

단계 S1209에서, 5GC를 트리거하여 타겟 gNB를 향한 DL 데이터 경로를 전환하고 타겟 gNB를 향한 NG-C 인터페이스 인스턴스를 설정하기 위해, 타겟 gNB는 AMF에 PATH SWITCH REQUEST 메시지를 보낼 수 있다

AI 관련 정보/표시는 CN으로부터의 AI 관련 정보 업데이트 요청을 위해, 이 UE를 위해, 예를 들어 UE 글로벌 ID SUPI, 포함될 수 있다. CN은 CN 내의 AI 모델을 기반으로 이 UE에 대한 업데이트된 정보를 얻을 수 있다.

단계 S1210에서 5GC는 DL 데이터 경로를 타겟 gNB 쪽으로 전환할 수 있다. UPF는 이전 경로에서 PDU 세션/터널당 소스 gNB로 하나 이상의 "종료 마커 (end marker)" 패킷을 보낸 다음 소스 gNB를 향한 모든 U-평면/TNL 리소스를 해제할 수 있다.

단계 S1211에서, AMF는 PATH SWITCH REQUEST ACKNOWLEDGE 메시지로 PATH SWITCH REQUEST 메시지를 커펌할 수 있다. 업데이트가 필요한 경우, RAN이 업데이트할 수 있도록 다음 정보가 포함될 수 있다:

(1) UE 이동성 통계:

- UE 그룹 ID 또는 UE ID, 예. SUPI

> 시간 슬롯 시작: Analytics 타겟 기간 내 시간 슬롯 시작

> 기간: 시간 슬롯의 기간(평균 및 분산)

> UE 위치(1..max): 관찰된 위치 통계

>> UE 위치: UE가 머무르는 셀 또는 TA

>> 비율: 그룹 내 UE의 백분율(UE 그룹인 경우)

(2) UE 이동성 예측:

- UE 그룹 ID 또는 UE ID, 예. SUPI

- 시간 슬롯 항목(1..max): 예상 시간 슬롯 목록

> 시간 슬롯 시작: Analytics 타겟 기간 내 시간 슬롯 시작

> 기간: 시간 슬롯의 기간(평균 및 분산)

> UE 위치(1..max): Analytics 타겟 기간 동안 예측된 위치 예측

>> UE 위치: UE 또는 UE 그룹이 이동할 수 있는 TA 또는 셀

>> 이 예측의 신뢰도

>> 비율: 그룹 내 UE의 백분율(UE 그룹인 경우)

단계 S1212에서, 타겟 gNB는 AMF로부터 PATH SWITCH REQUEST ACKNOWLEDGE 메시지를 수신하면 소스 gNB에게 핸드오버의 성공을 알리기 위해 UE CONTEXT RELEASE를 전송할 수 있다. 그런 다음 소스 gNB는 UE 컨텍스트와 관련된 무선 및 C-평면 관련 리소스를 해제할 수 있다. 진행 중인 모든 데이터 전달은 계속될 수 있다.

여기서, 위의 모든 메시지는 기존 절차를 이용한 예시이며, 이에 한정되지 않는다. 즉, 동일한 목표를 실현하기 위해 새로운 메시지가 정의될 수 있다.

도 11, 12a, 12b의 예시에서, 제시된 세부 단계 중 일부는 필수 단계가 아닐 수 있으며 생략될 수 있다. 또한, 도. 11, 12a 및 12b에서 보여진 단계 이외의 단계가 추가될 수 있으며 단계의 순서가 달라질 수 있다. 위의 단계 중 일부는 고유한 기술적 의미를 가질 수 있다.

이하에서는 본 발명의 실시 예에 따른 무선 통신 시스템에서 AI 모델 기반의 핸드오버 수행을 위한 장치에 대해 설명한다.

예를 들어, 소스 RAN(Radio Access Network) 노드는 프로세서 및 메모리를 포함할 수 있다. 프로세서는 메모리와 작동 가능하게 연결되도록 구성될 수 있다.

프로세서는 특정 UE에 대한 이동성 정보를 획득하도록 구성될 수 있다. 이동성 정보는 (i) 특정 UE에 대한 이동성 통계 및 (ii) 특정 UE에 대한 이동성 예측을 포함할 수 있다. 프로세서는 위치 정보에 대한 요청을 포함하는 측정 구성을 특정 UE로 전송하도록 구성될 수 있다. 프로세서는 특정 UE로부터 위치 정보를 수신하도록 구성될 수 있다. 위치 정보는 (i) 특정 UE의 현재 위치 및/또는 (ii) 특정 UE의 과거 위치를 포함할 수 있다. 프로세서는 이동성 정보 및 위치 정보에 기초하여 AI 모델을 사용하여 특정 UE에 대한 타겟 RAN 노드를 결정하도록 구성될 수 있다. 프로세서는 결정된 타겟 RAN 노드로 특정 UE에 대한 핸드오버 절차를 수행하도록 구성될 수 있다.

예를 들어, 위치 정보는 특정 UE에 대한 예측 위치를 포함할 수 있다. 특정 UE에 대한 예측 위치는 (i) 특정 UE가 이동할 GPS(Global Positioning System), GNSS(Global Navigation Satellite System), TA(Tracking Area), 및/또는 셀에 대한 정보 및/또는 (ii) 예측 위치의 신뢰도에 대한 정보를 포함할 수 있다. 특정 UE에 대한 예측 위치는 특정 UE의 적어도 하나의 AI 모델의 출력을 포함할 수 있다.

예를 들어, 특정 UE가 AI 모델을 포함하지 않는다는 것에 기초하여, 위치 정보는 특정 UE에 대한 예측 위치를 포함하지 않을 수 있다.

예를 들어, 특정 단말에 대한 이동성 정보는 특정 단말에 대한 단말 컨텍스트에 포함될 수 있다.

예를 들어, 특정 단말에 대한 이동성 정보는 (i) 특정 단말에 대한 이동성 통계 정보 및/또는 (ii) 특정 단말에 대한 이동성 예측 정보를 포함할 수 있다.

예를 들어, AI 모델의 입력은 (i) 획득한 이동성 정보, (ii) 수신한 위치 정보, 및 (iii) 단말 히스토리 정보를 포함할 수 있다.

예를 들어, AI 모델의 출력은 특정 UE에 대한 타겟 RAN 노드 또는 타겟 셀 ID를 포함할 수 있다.

예를 들어, AI 모델의 출력은 (i) 하나 이상의 후보 타겟 RAN 노드 또는 셀 및 (ii) 하나 이상의 후보 타겟 RAN 노드 또는 셀의 확률 또는 신뢰도를 포함할 수 있다. 이 경우, 프로세서는 하나 이상의 후보 타겟 RAN 노드의 확률 또는 신뢰도를 고려하여 후보 타겟 RAN 노드 중에서 타겟 RAN 노드 또는 셀을 결정하도록 구성될 수 있다.

예를 들어, 프로세서는 이동성 정보 및 위치 정보를 포함하는 핸드오버 요청 메시지를 타겟 RAN 노드로 전송하도록 구성될 수 있다.

예를 들어, 프로세서는 이동성 정보 및 AI 모델에 대한 출력 정보를 포함하는 RRC(Radio Resource Control) 재구성 메시지를 특정 UE로 전송하도록 구성될 수 있다.

본 개시의 일부 실시예에 따르면, 특정 UE는 특정 UE가 아닌 단말, 네트워크, 자율주행차 중 적어도 하나와 통신할 수 있다.

이하에서는 본 발명의 실시 예에 따른 무선 통신 시스템에서 AI 모델 기반의 핸드오버를 수행하기 위한 소스 RAN 노드용 프로세서에 대해 설명한다.

프로세서는 소스 RAN 노드가 특정 UE에 대한 이동성 정보를 획득하도록 구성될 수 있다. 이동성 정보는 (i) 특정 UE에 대한 이동성 통계 및 (ii) 특정 UE에 대한 이동성 예측을 포함할 수 있다. 프로세서는 소스 RAN 노드가 위치 정보에 대한 요청을 포함하는 측정 구성을 특정 UE로 전송하도록 구성될 수 있다. 프로세서는 소스 RAN 노드가 특정 UE로부터 위치 정보를 수신하도록 구성될 수 있다. 위치 정보는 (i) 특정 단말의 현재 위치 및/또는 (ii) 특정 단말의 과거 위치를 포함할 수 있다. 프로세서는 소스 RAN 노드가 이동성 정보 및 위치 정보에 기초하여 AI 모델을 사용하여 특정 UE에 대한 타겟 RAN 노드를 결정하도록 구성될 수 있다. 프로세서는 소스 RAN 노드가 결정된 타겟 RAN 노드로 특정 UE에 대한 핸드오버 절차를 수행하도록 구성될 수 있다.

예를 들어, 위치 정보는 특정 단말에 대한 예측 위치를 포함할 수 있다. 특정 UE에 대한 예측 위치는 (i) 특정 UE가 이동할 GPS(Global Positioning System), GNSS(Global Navigation Satellite System), TA(Tracking Area), 및/또는 셀에 대한 정보 및/또는 (ii) 예측 위치의 신뢰도에 대한 정보를 포함할 수 있다. 특정 UE에 대한 예측 위치는 특정 UE의 적어도 하나의 AI 모델의 출력을 포함할 수 있다.

예를 들어, AI 모델의 출력은 (i) 하나 이상의 후보 타겟 RAN 노드 또는 셀 및 (ii) 하나 이상의 후보 타겟 RAN 노드 또는 셀의 확률 또는 신뢰도를 포함할 수 있다. 이 경우, 프로세서는 소스 RAN 노드가 하나 이상의 후보 타겟 RAN 노드의 확률 또는 신뢰도를 고려하여 후보 타겟 RAN 노드 중에서 타겟 RAN 노드 또는 셀을 결정하도록 구성될 수 있다.

예를 들어, 프로세서는 소스 RAN 노드가 이동성 정보 및 위치 정보를 포함하는 핸드오버 요청 메시지를 타겟 RAN 노드로 전송하도록 구성될 수 있다.

예를 들어, 프로세서는 소스 RAN 노드가 이동성 정보 및 AI 모델에 대한 출력 정보를 포함하는 RRC(Radio Resource Control) 재구성 메시지를 특정 UE로 전송하도록 구성될 수 있다.

이하, 본 발명의 실시 예에 따른 무선 통신 시스템에서 AI 모델 기반의 핸드오버를 수행하기 위한 복수의 명령이 저장된 비일시적 판독 가능 매체에 대하여 설명한다.

본 발명의 몇몇 실시예에 따르면, 본 발명의 기술적 특징은 하드웨어, 프로세서에 의해 실행되는 소프트웨어, 또는 이들의 조합으로 직접 구현될 수 있다. 예를 들어, 무선 통신에서 무선 장치에 의해 수행되는 방법은 하드웨어, 소프트웨어, 펌웨어 또는 이들의 임의의 조합으로 구현될 수 있다. 예를 들어, 소프트웨어는 RAM 메모리, 플래시 메모리, ROM 메모리, EPROM 메모리, EEPROM 메모리, 레지스터, 하드 디스크, 이동식 디스크, CD-ROM 또는 기타 저장 매체에 상주할 수 있다.

저장 매체의 몇몇 예들은 프로세서가 저장 매체로부터 정보를 읽을 수 있도록 프로세서에 연결된다. 대안적으로, 저장 매체는 프로세서에 통합될 수 있다. 프로세서 및 저장 매체는 ASIC에 상주할 수 있다. 다른 예로, 프로세서와 저장 매체는 별개의 구성 요소로 존재할 수 있다.

컴퓨터 판독 가능 매체는 유형의 비-일시적 컴퓨터-판독 가능 저장 매체를 포함할 수 있다.

예를 들어, 비-일시적 컴퓨터-판독 가능 매체는 동기식 동적 랜덤 액세스 메모리(SDRAM), 읽기 전용 메모리(ROM), 비휘발성 랜덤 액세스 메모리(NVRAM), 전기적으로 지울 수 있는 프로그래밍 가능한 읽기 전용 메모리(EEPROM), 플래시 메모리, 자기 또는 광학 데이터 저장 매체, 또는 명령 또는 데이터 구조를 저장하는 데 사용할 수 있는 기타 매체와 같은 랜덤 액세스 메모리(RAM)를 포함할 수 있다. 또한, 비일시적 컴퓨터 판독 가능 매체는 이들의 조합을 포함할 수 있다.

또한, 본 명세서에서 설명된 방법은 명령 또는 데이터 구조와 같은 컴퓨터에 의해 액세스, 읽기 및/또는 실행될 수 있는 것의 형태로 코드를 전달하거나 통신하는 컴퓨터 판독 가능 통신 매체에 의해 적어도 부분적으로 실현될 수 있다.

본 발명의 일부 실시예에 따르면, 비일시적 컴퓨터 판독 가능 매체는 복수의 명령어를 저장하고 있다. 저장된 복수의 명령어는 소스 RAN 노드의 프로세서에 의해 실행될 수 있다.

저장된 복수의 명령어는 소스 RAN 노드가 특정 UE에 대한 이동성 정보를 획득하도록 구성될 수 있다. 이동성 정보는 (i) 특정 UE에 대한 이동성 통계 및 (ii) 특정 UE에 대한 이동성 예측을 포함할 수 있다. 저장된 복수의 명령어는 소스 RAN 노드가 위치 정보에 대한 요청을 포함하는 측정 구성을 특정 UE로 전송하도록 구성될 수 있다. 저장된 복수의 명령어는 소스 RAN 노드가 특정 UE로부터 위치 정보를 수신하도록 구성될 수 있다. 위치 정보는 (i) 특정 단말의 현재 위치 및/또는 (ii) 특정 단말의 과거 위치를 포함할 수 있다. 저장된 복수의 명령어는 소스 RAN 노드가 이동성 정보 및 위치 정보에 기초하여 AI 모델을 사용하여 특정 UE에 대한 타겟 RAN 노드를 결정하도록 구성될 수 있다. 저장된 복수의 명령어는 소스 RAN 노드가 결정된 타겟 RAN 노드로 특정 UE에 대한 핸드오버 절차를 수행하도록 구성될 수 있다.

예를 들어, AI 모델의 출력은 (i) 하나 이상의 후보 타겟 RAN 노드 또는 셀 및 (ii) 하나 이상의 후보 타겟 RAN 노드 또는 셀의 확률 또는 신뢰도를 포함할 수 있다. 이 경우, 저장된 복수의 명령어는 소스 RAN 노드가 하나 이상의 후보 타겟 RAN 노드의 확률 또는 신뢰도를 고려하여 후보 타겟 RAN 노드 중에서 타겟 RAN 노드 또는 셀을 결정하도록 구성될 수 있다.

예를 들어, 저장된 복수의 명령어는 소스 RAN 노드가 이동성 정보 및 위치 정보를 포함하는 핸드오버 요청 메시지를 타겟 RAN 노드로 전송하도록 구성될 수 있다.

예를 들어, 저장된 복수의 명령어는 소스 RAN 노드가 이동성 정보 및 AI 모델에 대한 출력 정보를 포함하는 RRC(Radio Resource Control) 재구성 메시지를 특정 UE로 전송하도록 구성될 수 있다.

본 발명은 다양한 효과를 가질 수 있다.

본 명세서에 기재된 청구항은 다양한 방식으로 조합될 수 있다. 예를 들어, 본 명세서의 방법 청구항의 기술적 특징이 조합되어 장치로 구현될 수 있고, 본 명세서의 장치 청구항의 기술적 특징이 조합되어 방법으로 구현될 수 있다. 또한, 본 명세서의 방법 청구항의 기술적 특징과 장치 청구항의 기술적 특징이 조합되어 장치로 구현될 수 있고, 본 명세서의 방법 청구항의 기술적 특징과 장치 청구항의 기술적 특징이 조합되어 방법으로 구현될 수 있다. 다른 구현은 다음과 같은 청구 범위 내에 있다.

Claims

무선 통신 시스템에서 소스 노드(source node)에 의해 수행되는 방법에 있어서,
특정 UE에 대한 이동성 정보를 획득하되, 상기 이동성 정보는 (i) 상기 특정 UE에 대한 이동성 통계 및 (ii) 상기 특정 UE에 대한 이동성 예측을 포함하는 단계;
상기 특정 단말에게, 위치 정보에 대한 요청을 포함하는 측정 설정을 전송하는 단계;
상기 특정 UE로부터 위치 정보를 수신하되, 상기 위치 정보는 (i) 상기 특정 UE의 현재 위치 및/또는 (ii) 상기 특정 UE의 과거 위치를 포함하는 단계;
상기 이동성 정보 및 상기 위치 정보에 기초하여, AI 모델을 이용하여 상기 특정 UE에 대한 타겟 RAN 노드를 결정하는 단계; 및
상기 결정된 타겟 RAN 노드로의 상기 특정 UE에 대한 핸드오버 절차를 수행하는 단계를 포함하는 것을 특징으로 하는 방법.
제 1 항에 있어서,
상기 위치 정보는 상기 특정 단말에 대한 예측 위치를 포함하는 것을 특징으로 하는 방법.
제 2 항에 있어서,
상기 특정 UE에 대한 상기 예측 위치는 (i) GPS(Global Positioning System), GNSS(Global Navigation Satellite System), TA(Tracking Area), 및/또는 특정 UE가 이동할 셀에 대한 정보, 및/또는 (ii) 상기 예측 위치의 신뢰도에 대한 정보를 포함하는 것을 특징으로 하는 방법.
제 2 항에 있어서,
상기 특정 UE에 대한 상기 예측 위치는 상기 특정 UE의 적어도 하나의 AI 모델의 출력을 포함하는 것을 특징으로 하는 방법.
제 1 항에 있어서,
상기 특정 UE가 AI 모델을 포함하지 않음에 기초하여, 상기 위치 정보는 상기 특정 UE에 대한 예측 위치를 포함하지 않는 것을 특징으로 하는 방법.
제 1 항에 있어서,
상기 특정 UE에 대한 이동성 정보는 상기 특정 UE에 대한 UE 컨텍스트 (UE context)에 포함되는 것을 특징으로 하는 방법.
제 1 항에 있어서,
상기 특정 UE에 대한 이동성 정보는 (i) 상기 특정 UE에 대한 이동성 통계에 대한 정보 및/또는 (ii) 상기 특정 UE에 대한 이동성 예측에 대한 정보를 포함하는 것을 특징으로 하는 방법.
제 1 항에 있어서,
상기 AI 모델의 입력은 (i) 상기 획득된 이동성 정보, (ii) 상기 수신된 위치 정보, 및 (iii) 상기 UE 히스토리 (UE history) 정보를 포함하는 것을 특징으로 하는 방법.
제 1 항에 있어서,
상기 AI 모델의 출력은 상기 특정 UE에 대한 상기 타겟 RAN 노드 또는 상기 타겟 셀 ID를 포함하는 것을 특징으로 하는 방법.
제 1 항에 있어서,
상기 AI 모델의 출력은 (i) 하나 이상의 후보 타겟 RAN 노드 또는 셀 및 (ii) 상기 하나 이상의 후보 타겟 RAN 노드 또는 셀의 확률 또는 신뢰도를 포함하는 것을 특징으로 하는 방법.
제 10 항에 있어서,
상기 특정 UE에 대한 타겟 RAN 노드를 결정하는 단계는,
상기 하나 이상의 후보 타겟 RAN 노드의 확률 또는 신뢰도를 고려하여 후보 타겟 RAN 노드 중에서 타겟 RAN 노드 또는 셀을 결정하는 단계를 더 포함하는 것을 특징으로 하는 방법.
제 1 항에 있어서,
상기 AI 모델은 상기 이동성 정보, 상기 위치 정보, 및 상기 UE 히스토리 정보에 의해 학습되는 것을 특징으로 하는 방법.
제 1 항에 있어서,
상기 이동성 정보, 상기 위치 정보, 및 상기 AI 모델에 대한 출력에 대한 정보를 포함하는 핸드오버 요청 (Handover Request) 메시지를 타겟 RAN 노드로 전송하는 단계를 더 포함하는 것을 특징으로 하는 방법.
제 1 항에 있어서,
상기 AI 모델에 대한 출력 정보 및 상기 이동성 정보를 포함하는 RRC(Radio Resource Control) 재구성 메시지를 상기 특정 UE로 전송하는 단계를 더 포함하는 것을 특징으로 하는 방법.
제 1 항에 있어서,
상기 특정 UE는 상기 특정 UE 이외의 UE, 네트워크, 자율주행차 중 적어도 하나와 통신하는 것을 특징으로 하는 방법.
무선 통신 시스템에서 소스 RAN (Radio Access Network) 노드 무선 장치에 있어서,
메모리; 및
상기 메모리와 동작 가능하게 연결된 적어도 하나의 프로세서를 포함하되, 상기 적어도 하나의 프로세서는,
특정 UE에 대한 이동성 정보를 획득하되, 상기 이동성 정보는 (i) 상기 특정 UE에 대한 이동성 통계 및 (ii) 상기 특정 UE에 대한 이동성 예측을 포함하는 단계;
상기 특정 단말에게, 위치 정보에 대한 요청을 포함하는 측정 설정을 전송하는 단계;
상기 특정 UE로부터 위치 정보를 수신하되, 상기 위치 정보는 (i) 상기 특정 UE의 현재 위치 및/또는 (ii) 상기 특정 UE의 과거 위치를 포함하는 단계;
상기 이동성 정보 및 상기 위치 정보에 기초하여, AI 모델을 이용하여 상기 특정 UE에 대한 타겟 RAN 노드를 결정하는 단계; 및
상기 결정된 타겟 RAN 노드로의 상기 특정 UE에 대한 핸드오버 절차를 수행하는 단계를 수행하도록 설정되는 것을 특징으로 하는,
소스 RAN 노드.
제 16 항에 있어서,
상기 위치 정보는 상기 특정 단말에 대한 예측 위치를 포함하는 것을 특징으로 하는,
소스 RAN 노드.
제 17 항에 있어서,
상기 특정 UE에 대한 상기 예측 위치는 (i) GPS(Global Positioning System), GNSS(Global Navigation Satellite System), TA(Tracking Area), 및/또는 특정 UE가 이동할 셀에 대한 정보, 및/또는 (ii) 상기 예측 위치의 신뢰도에 대한 정보를 포함하는 것을 특징으로 하는,
소스 RAN 노드.
제 17 항에 있어서,
상기 특정 UE에 대한 상기 예측 위치는 상기 특정 UE의 적어도 하나의 AI 모델의 출력을 포함하는 것을 특징으로 하는,
소스 RAN 노드.
제 16 항에 있어서,
상기 특정 UE가 AI 모델을 포함하지 않음에 기초하여, 상기 위치 정보는 상기 특정 UE에 대한 예측 위치를 포함하지 않는 것을 특징으로 하는,
소스 RAN 노드.
제 16 항에 있어서,
상기 특정 UE에 대한 이동성 정보는 상기 특정 UE에 대한 UE 컨텍스트 (UE context)에 포함되는 것을 특징으로 하는,
소스 RAN 노드.
제 16 항에 있어서,
상기 특정 UE에 대한 이동성 정보는 (i) 상기 특정 UE에 대한 이동성 통계에 대한 정보 및/또는 (ii) 상기 특정 UE에 대한 이동성 예측에 대한 정보를 포함하는 것을 특징으로 하는,
소스 RAN 노드.
제 16 항에 있어서,
상기 AI 모델의 입력은 (i) 상기 획득된 이동성 정보, (ii) 상기 수신된 위치 정보, 및 (iii) 상기 UE 히스토리 (UE history) 정보를 포함하는 것을 특징으로 하는,
소스 RAN 노드.
제 16 항에 있어서,
상기 AI 모델의 출력은 상기 특정 UE에 대한 상기 타겟 RAN 노드 또는 상기 타겟 셀 ID를 포함하는 것을 특징으로 하는,
소스 RAN 노드.
제 16 항에 있어서,
상기 AI 모델의 출력은 (i) 하나 이상의 후보 타겟 RAN 노드 또는 셀 및 (ii) 상기 하나 이상의 후보 타겟 RAN 노드 또는 셀의 확률 또는 신뢰도를 포함하는 것을 특징으로 하는,
소스 RAN 노드.
제 25 항에 있어서,
상기 특정 UE에 대한 타겟 RAN 노드를 결정하는 단계는,
상기 하나 이상의 후보 타겟 RAN 노드의 확률 또는 신뢰도를 고려하여, 후보 타겟 RAN 노드 중에서 타겟 RAN 노드 또는 셀을 결정하는 단계를 더 포함하는 것을 특징으로 하는,
소스 RAN 노드.
제 16 항에 있어서,
상기 AI 모델은 상기 이동성 정보, 상기 위치 정보, 및 상기 UE 히스토리 정보에 의해 학습되는 것을 특징으로 하는,
소스 RAN 노드.
제 16 항에 있어서, 상기 적어도 하나의 프로세서는,
상기 이동성 정보 및 상기 위치 정보를 포함하는 핸드오버 요청 (Handover Request) 메시지를 타겟 RAN 노드로 전송하는 단계를 더 수행하도록 설정되는 것을 특징으로 하는,
소스 RAN 노드.
제 16 항에 있어서, 상기 적어도 하나의 프로세서는,
상기 AI 모델에 대한 출력 정보 및 상기 이동성 정보를 포함하는 RRC(Radio Resource Control) 재구성 메시지를 상기 특정 UE로 전송하는 단계를 더 수행하도록 설정되는 것을 특징으로 하는,
소스 RAN 노드.
제 16 항에 있어서,
상기 특정 UE는 상기 특정 UE 이외의 UE, 네트워크, 자율주행차 중 적어도 하나와 통신하는 것을 특징으로 하는,
소스 RAN 노드.
무선 통신 시스템에서 소스 RAN (Radio Access Network) 노드를 위한 프로세서로서, 상기 프로세서는 상기 RAN 노드가 동작들을 수행하도록 설정되고, 상기 동작들은:
특정 UE에 대한 이동성 정보를 획득하되, 상기 이동성 정보는 (i) 상기 특정 UE에 대한 이동성 통계 및 (ii) 상기 특정 UE에 대한 이동성 예측을 포함하는 단계;
상기 특정 단말에게, 위치 정보에 대한 요청을 포함하는 측정 설정을 전송하는 단계;
상기 특정 UE로부터 위치 정보를 수신하되, 상기 위치 정보는 (i) 상기 특정 UE의 현재 위치 및/또는 (ii) 상기 특정 UE의 과거 위치를 포함하는 단계;
상기 이동성 정보 및 상기 위치 정보에 기초하여, AI 모델을 이용하여 상기 특정 UE에 대한 타겟 RAN 노드를 결정하는 단계; 및
상기 결정된 타겟 RAN 노드로의 상기 특정 UE에 대한 핸드오버 절차를 수행하는 단계를 포함하는 것을 특징으로 하는,
프로세서.
무선 통신 시스템에서, 소스 RAN (Radio Access Network) 노드의 프로세서(processor)에 의해 실행됨을 기초로 하는 복수의 명령어(instruction)가 저장된 비일시적 컴퓨터 판독 가능 매체(non-transitory computer-readable medium)에 있어서, 상기 복수의 명령어는 상기 소스 RAN 노드가,
특정 UE에 대한 이동성 정보를 획득하되, 상기 이동성 정보는 (i) 상기 특정 UE에 대한 이동성 통계 및 (ii) 상기 특정 UE에 대한 이동성 예측을 포함하는 단계;
상기 특정 단말에게, 위치 정보에 대한 요청을 포함하는 측정 설정을 전송하는 단계;
상기 특정 UE로부터 위치 정보를 수신하되, 상기 위치 정보는 (i) 상기 특정 UE의 현재 위치 및/또는 (ii) 상기 특정 UE의 과거 위치를 포함하는 단계;
상기 이동성 정보 및 상기 위치 정보에 기초하여, AI 모델을 이용하여 상기 특정 UE에 대한 타겟 RAN 노드를 결정하는 단계; 및
상기 결정된 타겟 RAN 노드로의 상기 특정 UE에 대한 핸드오버 절차를 수행하는 단계를 수행하도록 설정되는 것을 특징으로 하는,
비일시적 컴퓨터 판독 가능 매체.