KR20240008314A - 포지셔닝을 위한 특징 프로세싱 뉴럴 네트워크의 서버-대-기지국 구성 - Google Patents
포지셔닝을 위한 특징 프로세싱 뉴럴 네트워크의 서버-대-기지국 구성 Download PDFInfo
- Publication number
- KR20240008314A KR20240008314A KR1020237038390A KR20237038390A KR20240008314A KR 20240008314 A KR20240008314 A KR 20240008314A KR 1020237038390 A KR1020237038390 A KR 1020237038390A KR 20237038390 A KR20237038390 A KR 20237038390A KR 20240008314 A KR20240008314 A KR 20240008314A
- Authority
- KR
- South Korea
- Prior art keywords
- network node
- network
- target
- clause
- statistics
- Prior art date
Links
- 238000013528 artificial neural network Methods 0.000 title claims abstract description 121
- 238000012545 processing Methods 0.000 title claims description 29
- 238000005259 measurement Methods 0.000 claims abstract description 168
- 238000000034 method Methods 0.000 claims abstract description 99
- 230000006870 function Effects 0.000 claims description 82
- 230000015654 memory Effects 0.000 claims description 32
- 239000000203 mixture Substances 0.000 claims description 12
- 238000004891 communication Methods 0.000 description 53
- 230000005540 biological transmission Effects 0.000 description 28
- 238000007726 management method Methods 0.000 description 18
- 238000010801 machine learning Methods 0.000 description 16
- 230000001413 cellular effect Effects 0.000 description 13
- 239000000969 carrier Substances 0.000 description 11
- 238000001228 spectrum Methods 0.000 description 11
- 238000003066 decision tree Methods 0.000 description 10
- 238000005516 engineering process Methods 0.000 description 9
- 230000004044 response Effects 0.000 description 9
- 230000011664 signaling Effects 0.000 description 9
- 238000013461 design Methods 0.000 description 7
- 230000008569 process Effects 0.000 description 7
- 238000013145 classification model Methods 0.000 description 6
- 238000012937 correction Methods 0.000 description 6
- 238000013507 mapping Methods 0.000 description 6
- 230000003190 augmentative effect Effects 0.000 description 5
- 230000001419 dependent effect Effects 0.000 description 5
- 238000010586 diagram Methods 0.000 description 5
- 239000003999 initiator Substances 0.000 description 5
- 230000009467 reduction Effects 0.000 description 5
- 230000006837 decompression Effects 0.000 description 4
- 238000001514 detection method Methods 0.000 description 4
- 238000009472 formulation Methods 0.000 description 4
- 238000012417 linear regression Methods 0.000 description 4
- 230000007246 mechanism Effects 0.000 description 4
- 230000003287 optical effect Effects 0.000 description 4
- 230000002441 reversible effect Effects 0.000 description 4
- 230000003416 augmentation Effects 0.000 description 3
- 230000008901 benefit Effects 0.000 description 3
- 238000004422 calculation algorithm Methods 0.000 description 3
- 230000006835 compression Effects 0.000 description 3
- 238000007906 compression Methods 0.000 description 3
- 230000004927 fusion Effects 0.000 description 3
- 230000033001 locomotion Effects 0.000 description 3
- 238000000513 principal component analysis Methods 0.000 description 3
- 238000007637 random forest analysis Methods 0.000 description 3
- 230000011218 segmentation Effects 0.000 description 3
- 238000012549 training Methods 0.000 description 3
- 238000012795 verification Methods 0.000 description 3
- 230000002776 aggregation Effects 0.000 description 2
- 238000004220 aggregation Methods 0.000 description 2
- 238000013459 approach Methods 0.000 description 2
- 230000008859 change Effects 0.000 description 2
- 238000000605 extraction Methods 0.000 description 2
- 238000007477 logistic regression Methods 0.000 description 2
- 239000006249 magnetic particle Substances 0.000 description 2
- 238000010295 mobile communication Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 239000002245 particle Substances 0.000 description 2
- 230000010363 phase shift Effects 0.000 description 2
- 238000012913 prioritisation Methods 0.000 description 2
- 230000005855 radiation Effects 0.000 description 2
- 238000012706 support-vector machine Methods 0.000 description 2
- 238000012546 transfer Methods 0.000 description 2
- 241000700159 Rattus Species 0.000 description 1
- 230000004913 activation Effects 0.000 description 1
- 230000006978 adaptation Effects 0.000 description 1
- 238000003491 array Methods 0.000 description 1
- 238000013475 authorization Methods 0.000 description 1
- 230000003139 buffering effect Effects 0.000 description 1
- 230000010267 cellular communication Effects 0.000 description 1
- 238000004590 computer program Methods 0.000 description 1
- 239000004020 conductor Substances 0.000 description 1
- 230000008094 contradictory effect Effects 0.000 description 1
- 230000009977 dual effect Effects 0.000 description 1
- 239000000835 fiber Substances 0.000 description 1
- 239000011521 glass Substances 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 238000007689 inspection Methods 0.000 description 1
- 239000012212 insulator Substances 0.000 description 1
- 230000003993 interaction Effects 0.000 description 1
- 238000003064 k means clustering Methods 0.000 description 1
- 238000012886 linear function Methods 0.000 description 1
- 230000007774 longterm Effects 0.000 description 1
- 239000000463 material Substances 0.000 description 1
- 238000013178 mathematical model Methods 0.000 description 1
- 230000001105 regulatory effect Effects 0.000 description 1
- 230000009131 signaling function Effects 0.000 description 1
- 230000003595 spectral effect Effects 0.000 description 1
- 230000009466 transformation Effects 0.000 description 1
- 238000011144 upstream manufacturing Methods 0.000 description 1
- 230000000007 visual effect Effects 0.000 description 1
- 230000001755 vocal effect Effects 0.000 description 1
Classifications
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04B—TRANSMISSION
- H04B17/00—Monitoring; Testing
- H04B17/20—Monitoring; Testing of receivers
- H04B17/27—Monitoring; Testing of receivers for locating or positioning the transmitter
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04W—WIRELESS COMMUNICATION NETWORKS
- H04W64/00—Locating users or terminals or network equipment for network management purposes, e.g. mobility management
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01S—RADIO DIRECTION-FINDING; RADIO NAVIGATION; DETERMINING DISTANCE OR VELOCITY BY USE OF RADIO WAVES; LOCATING OR PRESENCE-DETECTING BY USE OF THE REFLECTION OR RERADIATION OF RADIO WAVES; ANALOGOUS ARRANGEMENTS USING OTHER WAVES
- G01S5/00—Position-fixing by co-ordinating two or more direction or position line determinations; Position-fixing by co-ordinating two or more distance determinations
- G01S5/0009—Transmission of position information to remote stations
- G01S5/0018—Transmission from mobile station to base station
- G01S5/0036—Transmission from mobile station to base station of measured values, i.e. measurement on mobile and position calculation on base station
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01S—RADIO DIRECTION-FINDING; RADIO NAVIGATION; DETERMINING DISTANCE OR VELOCITY BY USE OF RADIO WAVES; LOCATING OR PRESENCE-DETECTING BY USE OF THE REFLECTION OR RERADIATION OF RADIO WAVES; ANALOGOUS ARRANGEMENTS USING OTHER WAVES
- G01S5/00—Position-fixing by co-ordinating two or more direction or position line determinations; Position-fixing by co-ordinating two or more distance determinations
- G01S5/02—Position-fixing by co-ordinating two or more direction or position line determinations; Position-fixing by co-ordinating two or more distance determinations using radio waves
- G01S5/0252—Radio frequency fingerprinting
- G01S5/02521—Radio frequency fingerprinting using a radio-map
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01S—RADIO DIRECTION-FINDING; RADIO NAVIGATION; DETERMINING DISTANCE OR VELOCITY BY USE OF RADIO WAVES; LOCATING OR PRESENCE-DETECTING BY USE OF THE REFLECTION OR RERADIATION OF RADIO WAVES; ANALOGOUS ARRANGEMENTS USING OTHER WAVES
- G01S5/00—Position-fixing by co-ordinating two or more direction or position line determinations; Position-fixing by co-ordinating two or more distance determinations
- G01S5/02—Position-fixing by co-ordinating two or more direction or position line determinations; Position-fixing by co-ordinating two or more distance determinations using radio waves
- G01S5/0278—Position-fixing by co-ordinating two or more direction or position line determinations; Position-fixing by co-ordinating two or more distance determinations using radio waves involving statistical or probabilistic considerations
-
- 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
-
- 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
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04W—WIRELESS COMMUNICATION NETWORKS
- H04W24/00—Supervisory, monitoring or testing arrangements
- H04W24/08—Testing, supervising or monitoring using real traffic
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N20/00—Machine learning
- G06N20/10—Machine learning using kernel methods, e.g. support vector machines [SVM]
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N20/00—Machine learning
- G06N20/20—Ensemble 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
- G06N3/08—Learning methods
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N5/00—Computing arrangements using knowledge-based models
- G06N5/01—Dynamic search techniques; Heuristics; Dynamic trees; Branch-and-bound
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Computer Networks & Wireless Communication (AREA)
- Signal Processing (AREA)
- Radar, Positioning & Navigation (AREA)
- Remote Sensing (AREA)
- Theoretical Computer Science (AREA)
- Biomedical Technology (AREA)
- General Health & Medical Sciences (AREA)
- Life Sciences & Earth Sciences (AREA)
- Artificial Intelligence (AREA)
- Probability & Statistics with Applications (AREA)
- Biophysics (AREA)
- Computational Linguistics (AREA)
- Data Mining & Analysis (AREA)
- Evolutionary Computation (AREA)
- Health & Medical Sciences (AREA)
- Molecular Biology (AREA)
- Computing Systems (AREA)
- General Engineering & Computer Science (AREA)
- Mathematical Physics (AREA)
- Software Systems (AREA)
- Electromagnetism (AREA)
- Mobile Radio Communication Systems (AREA)
- Position Fixing By Use Of Radio Waves (AREA)
Abstract
포지셔닝을 위한 기법들이 개시된다. 일 양상에서, 네트워크 노드는, 네트워크 엔티티로부터, 뉴럴 네트워크에 대한 하나 이상의 파라미터들을 수신하고, 타겟 UE(user equipment)로부터의 적어도 하나의 기준 신호에 대한 측정 구성에 기초하여 적어도 하나의 기준 신호의 하나 이상의 측정들을 수행하고, 뉴럴 네트워크 및 하나 이상의 측정들에 기초하여 적어도 하나의 기준 신호의 하나 이상의 특징들의 하나 이상의 통계들을 생성하고, 그리고 하나 이상의 통계들 및 네트워크 노드의 로케이션에 기초하여 네트워크 엔티티가 타겟 UE의 로케이션을 추정할 수 있게 하기 위해 하나 이상의 통계들을 네트워크 엔티티에 보고한다.
Description
[0001]
본 개시의 양상들은 일반적으로 무선 통신들에 관한 것이다.
[0002]
무선 통신 시스템들은 1세대 아날로그 무선 전화 서비스(1G), 2세대(2G) 디지털 무선 전화 서비스(임시 2.5G 및 2.75G 네트워크들을 포함함), 3세대(3G) 고속 데이터, 인터넷-가능 무선 서비스 및 4세대(4G) 서비스(예컨대, LTE(Long Term Evolution) 또는 WiMax)를 포함하는 다양한 세대들을 통해 발전해왔다. 현재 셀룰러 및 PCS(personal communication service) 시스템들을 포함하는 많은 상이한 타입들의 무선 통신 시스템들이 사용되고 있다. 공지된 셀룰러 시스템들의 예들은 셀룰러 아날로그 AMPS(advanced mobile phone system), 및 CDMA(code division multiple access), FDMA(frequency division multiple access), TDMA(time division multiple access), GSM(Global System for Mobile communications) 등에 기초한 디지털 셀룰러 시스템들을 포함한다.
[0003]
NR(New Radio)로 지칭되는 5세대(5G) 무선 표준은, 다른 개선들 중에서도, 더 높은 데이터 전송 속도, 더 많은 수들의 접속들 및 더 양호한 커버리지를 요구한다. 차세대 모바일 네트워크 얼라이언스(Next Generation Mobile Networks Alliance)에 따른 5G 표준은 사무실 층의 수십 명의 작업자들에게 초당 1 기가비트로, 수만 명의 사용자들 각각에게 초당 수십 메가비트의 데이터 레이트들을 제공하도록 설계된다. 대규모 센서 배치들을 지원하기 위해서는 수십만 개의 동시 접속들이 지원되어야 한다. 결과적으로, 5G 모바일 통신들의 스펙트럼 효율은 현재의 4G 표준과 비교하여 상당히 향상되어야 한다. 더욱이, 시그널링 효율들은 향상되어야 하고, 레이턴시는 현재 표준들과 비교하여 실질적으로 감소되어야 한다.
[0004]
하기 내용은 본 명세서에 개시된 하나 이상의 양상들에 관한 단순화된 요약을 제시한다. 따라서, 하기 요약은, 모든 고려되는 양상들에 관한 포괄적인 개관으로 고려되지 않아야 하며, 모든 고려되는 양상들에 관한 핵심적이거나 결정적인 엘리먼트들을 식별하거나 임의의 특정 양상과 연관된 범위를 한정하는 것으로 간주되지 않아야 한다. 따라서, 하기 요약은 아래에 제시된 상세한 설명에 선행하는 단순화된 형태로, 본 명세서에 개시된 메커니즘들에 관한 하나 이상의 양상들에 관한 특정 개념들을 제시하기 위한 유일한 목적을 갖는다.
[0005]
일 양상에서, 네트워크 노드에 의해 수행되는 포지셔닝 방법은, 네트워크 엔티티로부터, 뉴럴 네트워크에 대한 하나 이상의 파라미터들을 수신하는 단계; 타겟 UE(user equipment)로부터의 적어도 하나의 기준 신호에 대한 측정 구성에 기초하여 적어도 하나의 기준 신호의 하나 이상의 측정들을 수행하는 단계; 뉴럴 네트워크 및 하나 이상의 측정들에 기초하여 적어도 하나의 기준 신호의 하나 이상의 특징들의 하나 이상의 통계들을 생성하는 단계; 및 하나 이상의 통계들 및 네트워크 노드의 로케이션에 기초하여 네트워크 엔티티가 타겟 UE의 로케이션을 추정할 수 있게 하기 위해 하나 이상의 통계들을 네트워크 엔티티에 보고하는 단계를 포함한다.
[0006]
일 양상에서, 네트워크 노드는 메모리; 적어도 하나의 트랜시버; 및 메모리 및 적어도 하나의 트랜시버에 통신가능하게 커플링된 적어도 하나의 프로세서를 포함하고, 적어도 하나의 프로세서는, 적어도 하나의 트랜시버를 통해, 네트워크 엔티티로부터, 뉴럴 네트워크에 대한 하나 이상의 파라미터들을 수신하고; 타겟 UE(user equipment)로부터의 적어도 하나의 기준 신호에 대한 측정 구성에 기초하여 적어도 하나의 기준 신호의 하나 이상의 측정들을 수행하고; 뉴럴 네트워크 및 하나 이상의 측정들에 기초하여 적어도 하나의 기준 신호의 하나 이상의 특징들의 하나 이상의 통계들을 생성하고; 그리고 적어도 하나의 트랜시버를 통해, 하나 이상의 통계들 및 네트워크 노드의 로케이션에 기초하여 네트워크 엔티티가 타겟 UE의 로케이션을 추정할 수 있게 하기 위해 하나 이상의 통계들을 네트워크 엔티티에 보고한다.
[0007]
일 양상에서, 네트워크 노드는, 네트워크 엔티티로부터, 뉴럴 네트워크에 대한 하나 이상의 파라미터들을 수신하기 위한 수단; 타겟 UE(user equipment)로부터의 적어도 하나의 기준 신호에 대한 측정 구성에 기초하여 적어도 하나의 기준 신호의 하나 이상의 측정들을 수행하기 위한 수단; 뉴럴 네트워크 및 하나 이상의 측정들에 기초하여 적어도 하나의 기준 신호의 하나 이상의 특징들의 하나 이상의 통계들을 생성하기 위한 수단; 및 하나 이상의 통계들 및 네트워크 노드의 로케이션에 기초하여 네트워크 엔티티가 타겟 UE의 로케이션을 추정할 수 있게 하기 위해 하나 이상의 통계들을 네트워크 엔티티에 보고하기 위한 수단을 포함한다.
[0008]
일 양상에서, 컴퓨터 실행가능 명령들을 저장하는 비일시적 컴퓨터 판독가능 매체로서, 컴퓨터 실행가능 명령들은, 네트워크 노드에 의해 실행되는 경우, 네트워크 노드로 하여금, 네트워크 엔티티로부터, 뉴럴 네트워크에 대한 하나 이상의 파라미터들을 수신하게 하고; 타겟 UE(user equipment)로부터의 적어도 하나의 기준 신호에 대한 측정 구성에 기초하여 적어도 하나의 기준 신호의 하나 이상의 측정들을 수행하게 하고; 뉴럴 네트워크 및 하나 이상의 측정들에 기초하여 적어도 하나의 기준 신호의 하나 이상의 특징들의 하나 이상의 통계들을 생성하게 하고; 그리고 하나 이상의 통계들 및 네트워크 노드의 로케이션에 기초하여 네트워크 엔티티가 타겟 UE의 로케이션을 추정할 수 있게 하기 위해 하나 이상의 통계들을 네트워크 엔티티에 보고하게 한다.
[0009]
본 명세서에 개시된 양상들과 관련된 다른 목적들 및 이점들은 첨부된 도면들 및 상세한 설명에 기초하여 당업자들에게 자명할 것이다.
[0010]
첨부한 도면들은, 본 개시의 다양한 양상들의 설명을 보조하도록 제시되며, 양상들의 제한이 아니라 오직 이들의 예시를 위해서 제공된다.
[0011] 도 1은 본 개시의 양상들에 따른 예시적인 무선 통신 시스템을 예시한다.
[0012] 도 2a 및 도 2b는 본 개시의 양상들에 따른 예시적인 무선 네트워크 구조들을 예시한다.
[0013] 도 3a, 도 3b 및 도 3c는 각각, UE(user equipment), 기지국 및 네트워크 엔티티에서 이용될 수 있고 본원에 교시된 바와 같은 통신들을 지원하도록 구성될 수 있는 컴포넌트들의 몇몇 샘플 양상들의 간략화된 블록도들이다.
[0014] 도 4는 본 개시의 양상들에 따른 예시적인 뉴럴 네트워크를 예시한다.
[0015] 도 5는 본 개시의 양상들에 따른, 예시적인 머신 러닝-기반 포지셔닝 공식화를 예시하는 도면이다.
[0016] 도 6은 본 개시의 양상들에 따른, 시간에 걸친 RF(radio frequency) 채널 임펄스 응답을 표현하는 그래프이다.
[0017] 도 7은 본 개시의 양상들에 따른, 다른 예시적인 머신 러닝-기반 포지셔닝 공식화를 예시하는 도면이다.
[0018] 도 8은 본 개시의 양상들에 따른, 네트워크 노드와 로케이션 서버 사이의 예시적인 측정 절차를 예시한다.
[0019] 도 9는 본 개시의 양상들에 따른 예시적인 포지셔닝 방법을 예시한다.
[0011] 도 1은 본 개시의 양상들에 따른 예시적인 무선 통신 시스템을 예시한다.
[0012] 도 2a 및 도 2b는 본 개시의 양상들에 따른 예시적인 무선 네트워크 구조들을 예시한다.
[0013] 도 3a, 도 3b 및 도 3c는 각각, UE(user equipment), 기지국 및 네트워크 엔티티에서 이용될 수 있고 본원에 교시된 바와 같은 통신들을 지원하도록 구성될 수 있는 컴포넌트들의 몇몇 샘플 양상들의 간략화된 블록도들이다.
[0014] 도 4는 본 개시의 양상들에 따른 예시적인 뉴럴 네트워크를 예시한다.
[0015] 도 5는 본 개시의 양상들에 따른, 예시적인 머신 러닝-기반 포지셔닝 공식화를 예시하는 도면이다.
[0016] 도 6은 본 개시의 양상들에 따른, 시간에 걸친 RF(radio frequency) 채널 임펄스 응답을 표현하는 그래프이다.
[0017] 도 7은 본 개시의 양상들에 따른, 다른 예시적인 머신 러닝-기반 포지셔닝 공식화를 예시하는 도면이다.
[0018] 도 8은 본 개시의 양상들에 따른, 네트워크 노드와 로케이션 서버 사이의 예시적인 측정 절차를 예시한다.
[0019] 도 9는 본 개시의 양상들에 따른 예시적인 포지셔닝 방법을 예시한다.
[0020]
본 개시의 양상들은 예시 목적들로 제공되는 다양한 예들에 대해 의도되는 하기 설명 및 관련된 도면들에서 제공된다. 본 개시의 범위를 벗어남이 없이 대안적 양상들이 고안될 수 있다. 추가적으로, 본 개시의 널리-공지된 엘리먼트들은 상세히 설명되지 않거나, 또는 본 개시의 관련된 세부사항들을 모호하게 하지 않기 위해 생략될 것이다.
[0021]
"예시적인" 및/또는 "예"라는 단어들은, "예, 예증 또는 예시로서 기능하는" 것을 의미하도록 본 명세서에서 사용된다. 본 명세서에서 "예시적인" 및/또는 "예"인 것으로 설명되는 임의의 양상은 반드시 다른 양상들에 비해 선호되거나 유리한 것으로 해석될 필요는 없다. 유사하게, "본 개시의 양상들"이라는 용어는, 본 개시의 모든 양상들이 논의된 특성, 이점 또는 동작 모드를 포함한다는 것을 요구하지는 않는다.
[0022]
아래에서 설명되는 정보 및 신호들이 다양한 다른 기술들 및 기법들 중 임의의 것을 사용하여 표현될 수 있음을 당업자는 인식할 것이다. 예를 들어, 아래의 설명 전반에 걸쳐 참조될 수 있는 데이터, 명령들, 커맨드들, 정보, 신호들, 비트들, 심볼들, 및 칩들은, 부분적으로 특정 애플리케이션, 부분적으로 원하는 설계, 부분적으로 대응하는 기술 등에 따라, 전압들, 전류들, 전자기파들, 자기장들 또는 자기 입자들, 광학 필드들 또는 광학 입자들, 또는 이들의 임의의 조합에 의해 표현될 수 있다.
[0023]
추가로, 많은 양상들은 예를 들어, 컴퓨팅 디바이스의 엘리먼트들에 의해 수행될 동작들의 시퀀스들의 측면에서 설명된다. 본 명세서에 설명되는 다양한 동작들은 특수 회로들(예를 들어, ASIC들(application specific integrated circuits))에 의해, 하나 이상의 프로세서들에 의해 실행되는 프로그램 명령들에 의해, 또는 둘 모두의 조합에 의해 수행될 수 있음이 인식될 것이다. 추가적으로, 본원에 설명되는 동작들의 이러한 시퀀스(들)는, 실행 시에, 디바이스의 연관된 프로세서로 하여금 본 명세서에서 설명되는 기능을 수행하게 하거나 지시하는 컴퓨터 명령들의 대응하는 세트를 저장하는 임의의 형태의 비일시적 컴퓨터 판독가능 저장 매체 내에서 완전히 구현되는 것으로 고려될 수 있다. 따라서, 본 개시의 다양한 양상들은 다수의 상이한 형태들로 구현될 수 있고, 이들 모두는 청구된 청구물의 범위 내인 것으로 고려된다. 또한, 본 명세서에 설명되는 양상들 각각에 대해, 임의의 이러한 양상들의 대응하는 형태는 예를 들어, 설명된 동작을 수행하도록 "구성되는 로직"으로서 본 명세서에서 설명될 수 있다.
[0024]
본원에서 사용되는 바와 같이, "사용자 장비"(UE) 및 "기지국"이라는 용어들은, 달리 언급되지 않는 한, 임의의 특정 RAT(radio access technology)로 특정되거나 달리 제한되도록 의도되지 않는다. 일반적으로, UE는 무선 통신 네트워크를 통해 통신하기 위해 사용자에 의해 사용되는 임의의 무선 통신 디바이스(예컨대, 모바일 폰, 라우터, 태블릿 컴퓨터, 랩톱 컴퓨터, 소비자 자산 로케이팅 디바이스, 웨어러블(예컨대, 스마트 워치, 안경, AR(augmented reality)/VR(virtual reality) 헤드셋, 등), 차량(예컨대, 자동차, 모터 사이클, 자전거 등), IoT(Internet of Things) 디바이스 등)일 수 있다. UE는 이동식일 수 있거나 또는 (예를 들어, 특정 시간들에) 고정식일 수 있고, RAN(radio access network)과 통신할 수 있다. 본 명세서에서 사용되는 바와 같이, "UE"라는 용어는 "액세스 단말" 또는 "AT", "클라이언트 디바이스", "무선 디바이스", "가입자 디바이스", "가입자 단말", "가입자 스테이션", "사용자 단말" 또는 "UT", "모바일 디바이스", "모바일 단말", "모바일 스테이션", 또는 이들의 변형들로 상호교환가능하게 지칭될 수 있다. 일반적으로, UE들은 RAN을 통해 코어 네트워크와 통신할 수 있고, 코어 네트워크를 통해 UE들은 인터넷 및 다른 UE들과 같은 외부 네트워크들과 접속될 수 있다. 물론, 이를테면, 유선 액세스 네트워크들, WLAN(wireless local area network) 네트워크들(예컨대, IEEE(Institute of Electrical and Electronics Engineers) 802.11 규격 등에 기초함) 등을 통해 코어 네트워크 및/또는 인터넷에 접속하는 다른 메커니즘들이 UE들에 대해 또한 가능하다.
[0025]
기지국은 자신이 배치된 네트워크에 따라 UE들과 통신하는 몇몇 RAT들 중 하나에 따라 동작할 수 있고, 대안적으로 AP(access point), 네트워크 노드, NodeB, eNB(evolved NodeB), ng-eNB(next generation eNB), NR(New Radio) 노드 B(또한 gNB 또는 gNodeB로 지칭됨) 등으로 지칭될 수 있다. 기지국은 지원되는 UE들에 대한 데이터, 음성 및/또는 시그널링 접속들을 지원하는 것을 포함하는, UE들에 의한 무선 액세스를 지원하기 위해 주로 사용될 수 있다. 일부 시스템들에서, 기지국은 순수하게 에지 노드 시그널링 기능들을 제공할 수 있는 반면, 다른 시스템들에서는 추가적인 제어 및/또는 네트워크 관리 기능들을 제공할 수 있다. UE들이 기지국에 신호들을 전송할 수 있는 통신 링크는 UL(uplink) 채널(예컨대, 역방향 트래픽 채널, 역방향 제어 채널, 액세스 채널 등)로 지칭된다. 기지국이 UE들에 신호들을 전송할 수 있게 하는 통신 링크는 DL(downlink) 또는 순방향 링크 채널(예컨대, 페이징 채널, 제어 채널, 브로드캐스트 채널, 순방향 트래픽 채널 등)로 지칭된다. 본원에서 사용되는 바와 같이, TCH(traffic channel)라는 용어는 업링크/역방향 또는 다운링크/순방향 트래픽 채널을 지칭할 수 있다.
[0026]
"기지국"이라는 용어는 단일 물리적 TRP(transmission-reception point) 또는 코-로케이트될 수 있거나 그렇지 않을 수 있는 다수의 물리적 TRP들을 지칭할 수 있다. 예를 들어, "기지국"이라는 용어가 단일 물리적 TRP를 지칭하는 경우, 물리적 TRP는 기지국의 셀(또는 몇몇 셀 섹터들)에 대응하는 기지국의 안테나일 수 있다. "기지국"이라는 용어가 다수의 코-로케이트된 물리적 TRP들을 지칭하는 경우, 물리적 TRP들은 기지국의 (예컨대, MIMO(multiple-input multiple-output) 시스템에서와 같이 또는 기지국이 빔 형성을 이용하는 경우) 안테나들의 어레이일 수 있다. "기지국"이라는 용어가 다수의 코-로케이트되지 않은 물리적 TRP들을 지칭하는 경우, 물리적 TRP들은 DAS(distributed antenna system)(전송 매체를 통해 공통 소스에 접속된 공간적으로 분리된 안테나들의 네트워크) 또는 원격 RRH(remote radio head)(서빙 기지국에 접속된 원격 기지국)일 수 있다. 대안적으로, 코-로케이트되지 않은 물리적 TRP들은 UE로부터 측정 보고를 수신하는 서빙 기지국 및 UE가 측정하고 있는 기준 RF(radio frequency) 신호들을 갖는 이웃 기지국일 수 있다. TRP는 기지국이 무선 신호들을 송신 및 수신하는 포인트이기 때문에, 본 명세서에서 사용되는 바와 같이, 기지국으로부터의 송신 또는 기지국에서의 수신에 대한 참조들은 기지국의 특정 TRP를 지칭하는 것으로 이해되어야 한다.
[0027]
UE들의 포지셔닝을 지원하는 일부 구현들에서, 기지국은 UE들에 의한 무선 액세스를 지원하지 않을 수 있지만(예컨대, UE들에 대한 데이터, 음성 및/또는 시그널링 접속들을 지원하지 않을 수 있음), 그 대신 UE들에 의해 측정될 기준 신호들을 UE들에 송신할 수 있고 그리고/또는 UE들에 의해 송신된 신호들을 수신 및 측정할 수 있다. 이러한 기지국은 (예를 들어, UE들에 신호들을 송신할 때) 포지셔닝 비콘으로 및/또는 (예를 들어, UE들로부터 신호들을 수신 및 측정할 때) 로케이션 측정 유닛으로 지칭될 수 있다.
[0028]
"RF 신호"는 송신기와 수신기 사이의 공간을 통해 정보를 전송하는 주어진 주파수의 전자기파를 포함한다. 본원에서 사용되는 바와 같이, 송신기는 단일 "RF 신호" 또는 다수의 "RF 신호들"을 수신기에 송신할 수 있다. 그러나, 수신기는 다중 경로 채널들을 통한 RF 신호들의 전파 특성들로 인해 각각의 송신된 RF 신호에 대응하는 다수의 "RF 신호들"을 수신할 수 있다. 송신기와 수신기 사이의 상이한 경로들 상에서 동일한 송신된 RF 신호는 "다중 경로" RF 신호로 지칭될 수 있다. 본 명세서에서 사용되는 바와 같이, RF 신호는 또한 "무선 신호" 또는 간단히 "신호"로 지칭될 수 있으며, 여기서 문맥상 "신호"라는 용어가 무선 신호 또는 RF 신호를 지칭하는 것이 명백하다.
[0029]
도 1은 본 개시의 양상들에 따른 예시적인 무선 통신 시스템(100)을 예시한다. 무선 통신 시스템(100)(WWAN(wireless wide area network)으로 또한 지칭될 수 있음)은 다양한 기지국들(102)("BS"로 라벨링됨) 및 다양한 UE들(104)을 포함할 수 있다. 기지국들(102)은 매크로 셀 기지국들(고전력 셀룰러 기지국들) 및/또는 소형 셀 기지국들(저전력 셀룰러 기지국들)을 포함할 수 있다. 일 양상에서, 매크로 셀 기지국들은, 무선 통신 시스템(100)이 LTE 네트워크에 대응하는 eNB들 및/또는 ng-eNB들, 또는 무선 통신 시스템(100)이 NR 네트워크에 대응하는 gNB들, 또는 둘 모두의 조합을 포함할 수 있고, 소형 셀 기지국들은 펨토셀들, 피코셀들, 마이크로 셀들 등을 포함할 수 있다.
[0030]
기지국들(102)은 집합적으로 RAN을 형성하고, 백홀 링크들(122)을 통해 그리고 하나 이상의 로케이션 서버들(172)로(예를 들어, LMF(location management function) 또는 SLP(SUPL(secure user plane location) location platform))의 코어 네트워크(170)를 통해 코어 네트워크(170)(예를 들어, EPC(evolved packet core) 또는 5GC(5G core))와 인터페이싱할 수 있다. 로케이션 서버(들)(172)는 코어 네트워크(170)의 일부일 수 있거나 또는 코어 네트워크(170) 외부에 있을 수 있다. 다른 기능들에 추가로, 기지국들(102)은 사용자 데이터의 전송, 라디오 채널 암호화 및 암호해독, 무결성 보호, 헤더 압축, 모빌리티 제어 기능들(예를 들어, 핸드오버, 듀얼 접속), 셀간 간섭 조정, 접속 셋업 및 해제, 로드 밸런싱, NAS(non-access stratum) 메시지들에 대한 분배, NAS 노드 선택, 동기화, RAN 공유, MBMS(multimedia broadcast multicast service), 가입자 및 장비 트레이스, RIM(RAN information management), 페이징, 포지셔닝 및 경고 메시지들의 전달 중 하나 이상과 관련된 기능들을 수행할 수 있다. 기지국들(102)은 유선 또는 무선일 수 있는 백홀 링크들(134)을 통해 (예컨대, EPC/5GC를 통해) 간접적으로 또는 직접적으로 서로 통신할 수 있다.
[0031]
기지국들(102)은 UE들(104)과 무선으로 통신할 수 있다. 기지국들(102) 각각은 각각의 지리적 커버리지 영역(110)에 대한 통신 커버리지를 제공할 수 있다. 일 양상에서, 하나 이상의 셀들은 각각의 지리적 커버리지 영역(110)에서 기지국(102)에 의해 지원될 수 있다. "셀"은 (예컨대, 캐리어 주파수, 컴포넌트 캐리어, 캐리어, 대역 등으로 지칭되는 일부 주파수 자원을 통한) 기지국과의 통신을 위해 사용되는 논리적 통신 엔티티이고, 동일한 또는 상이한 캐리어 주파수를 통해 동작하는 셀들을 구별하기 위한 식별자(예컨대, PCI(physical cell identifier), ECI(enhanced cell identifier), VCI(virtual cell identifier), CGI(cell global identifier) 등)와 연관될 수 있다. 일부 경우들에서, 상이한 셀들은 상이한 타입들의 UE들에 대한 액세스를 제공할 수 있는 상이한 프로토콜 타입들(예를 들어, MTC(machine-type communication), NB-IoT(narrowband), eMBB(enhanced mobile broadband), 또는 다른 것들)에 따라 구성될 수 있다. 셀이 특정 기지국에 의해 지원되기 때문에, "셀"이라는 용어는 맥락에 따라 논리적 통신 엔티티 및 이를 지원하는 기지국 중 어느 하나 또는 둘 모두를 지칭할 수 있다. 또한, TRP가 전형적으로 셀의 물리적 송신 포인트이기 때문에, "셀" 및 "TRP"라는 용어들은 상호교환가능하게 사용될 수 있다. 일부 경우들에서, "셀"이라는 용어는 또한, 지리적 커버리지 영역들(110)의 일부 부분 내의 통신을 위해 캐리어 주파수가 검출 및 사용될 수 있는 한, 기지국의 지리적 커버리지 영역(예컨대, 섹터)을 지칭할 수 있다.
[0032]
이웃 매크로 셀 기지국(102) 지리적 커버리지 영역들(110)은 (예컨대, 핸드오버 영역에서) 부분적으로 중첩할 수 있지만, 지리적 커버리지 영역들(110) 중 일부는 더 큰 지리적 커버리지 영역(110)에 의해 실질적으로 중첩할 수 있다. 예를 들어, 소형 셀 기지국(102')("small cell"을 나타내는 "SC"로 라벨링됨)은 하나 이상의 매크로 셀 기지국들(102)의 지리적 커버리지 영역(110)과 실질적으로 중첩하는 커버리지 영역(110’)을 가질 수 있다. 소형 셀 및 매크로 셀 기지국들 둘 모두를 포함하는 네트워크는 이종 네트워크로 공지될 수 있다. 이종 네트워크는 또한, CSG(closed subscriber group)로 공지된 제한된 그룹에 서비스를 제공할 수 있는 HeNB(home eNB)들을 포함할 수 있다.
[0033]
기지국들(102)과 UE들(104) 사이의 통신 링크들(120)은 UE(104)로부터 기지국(102)으로의 업링크(또한 역방향 링크로 지칭됨) 송신들 및/또는 기지국(102)으로부터 UE(104)로의 DL(downlink)(또한 순방향 링크로 지칭됨) 송신들을 포함할 수 있다. 통신 링크들(120)은 공간 멀티플렉싱, 빔형성 및/또는 송신 다이버시티를 포함하는 MIMO 안테나 기술을 사용할 수 있다. 통신 링크들(120)은 하나 이상의 캐리어 주파수들을 통할 수 있다. 캐리어들의 할당은 다운링크 및 업링크에 대해 비대칭일 수 있다(예를 들어, 더 많거나 더 적은 캐리어들이 업링크보다 다운링크에 대해 할당될 수 있다).
[0034]
무선 통신 시스템(100)은 비면허 주파수 스펙트럼(예를 들어, 5 GHz)에서 통신 링크들(154)을 통해 WLAN 스테이션(STA)들(152)과 통신하는 WLAN(wireless local area network) AP(access point)(150)를 더 포함할 수 있다. 비면허 주파수 스펙트럼에서 통신하는 경우, WLAN STA들(152) 및/또는 WLAN AP(150)는, 채널이 이용가능한지 여부를 결정하기 위해 통신하기 전에 CCA(clear channel assessment) 또는 LBT(listen before talk) 절차를 수행할 수 있다.
[0035]
소형 셀 기지국(102')은 면허 및/또는 비면허 주파수 스펙트럼에서 동작할 수 있다. 비면허 주파수 스펙트럼에서 동작하는 경우, 소형 셀 기지국(102’)은 LTE 또는 NR 기술을 이용할 수 있고, WLAN AP(150)에 의해 사용되는 것과 동일한 5 GHz 비면허 주파수 스펙트럼을 사용할 수 있다. 비면허 주파수 스펙트럼에서 LTE/5G를 이용하는 소형 셀 기지국(102’)은 액세스 네트워크에 대한 커버리지를 부스팅하고 그리고/또는 용량을 증가시킬 수 있다. 비면허 스펙트럼에서의 NR은 NR-U로 지칭될 수 있다. 비면허 스펙트럼에서의 LTE는 LTE-U, LAA(licensed assisted access) 또는 MulteFire로 지칭될 수 있다.
[0036]
무선 통신 시스템(100)은 UE(182)와 통신하는 mmW 주파수들 및/또는 근 mmW 주파수들에서 동작할 수 있는 mmW(millimeter wave) 기지국(180)을 더 포함할 수 있다. EHF(extremely high frequency)는 전자기 스펙트럼에서 RF의 일부이다. EHF는 30 GHz 내지 300 GHz의 범위 및 1 밀리미터 내지 10 밀리미터의 파장을 갖는다. 이러한 대역의 라디오 파들은 밀리미터파로 지칭될 수 있다. 근 mmW는 100 밀리미터의 파장을 갖는 3 GHz의 주파수까지 아래로 확장될 수 있다. SHF(super high frequency) 대역은 3 GHz 내지 30 GHz로 확장되고 또한 센티미터파로 지칭된다. mmW/근 mmW 라디오 주파수 대역을 사용하는 통신들은 높은 경로 손실 및 비교적 짧은 범위를 갖는다. mmW 기지국(180) 및 UE(182)는 극도로 높은 경로 손실 및 짧은 범위를 보상하기 위해 mmW 통신 링크(184)를 통한 빔형성(송신 및/또는 수신)을 활용할 수 있다. 추가로, 대안적인 구성들에서, 하나 이상의 기지국들(102)이 또한 mmW 또는 근 mmW 및 빔형성을 사용하여 송신할 수 있다는 것이 인식될 것이다. 따라서, 전술한 예시들은 단지 예들일 뿐이며, 본원에 개시된 다양한 양상들을 제한하는 것으로 해석되지 않아야 한다는 것이 인식될 것이다.
[0037]
송신 빔형성은 RF 신호를 특정 방향으로 포커싱하기 위한 기법이다. 통상적으로, 네트워크 노드(예컨대, 기지국)가 RF 신호를 브로드캐스트할 때, 이는 모든 방향들로(전 방향성) 신호를 브로드캐스트한다. 송신 빔형성을 이용하여, 네트워크 노드는 주어진 타겟 디바이스(예컨대, UE)가 (송신 네트워크 노드에 대해) 로케이트되는 곳을 결정하고, 그 특정 방향으로 더 강한 다운링크 RF 신호를 투영함으로써, 수신 디바이스(들)에 대해 (데이터 레이트의 관점에서) 더 빠르고 더 강한 RF 신호를 제공한다. 송신할 때 RF 신호의 방향성을 변경하기 위해, 네트워크 노드는 RF 신호를 브로드캐스트하고 있는 하나 이상의 송신기들 각각에서 RF 신호의 위상 및 상대적 진폭을 제어할 수 있다. 예컨대, 네트워크 노드는, 안테나들을 실제로 이동시키지 않고 상이한 방향들을 가리키도록 "스티어링"될 수 있는 RF 파들의 빔을 생성하는 안테나들의 어레이("페이즈드 어레이" 또는 "안테나 어레이"로 지칭됨)를 사용할 수 있다. 구체적으로, 송신기로부터의 RF 전류는, 별개의 안테나들로부터의 라디오 파들이 합산되어 원하는 방향으로 방사를 증가시키면서 원하지 않는 방향들로의 방사를 억제하기 위해 취소하도록 정확한 위상 관계로 개별 안테나들에 공급된다.
[0038]
송신 빔들은 준-코로케이트될 수 있으며, 이는, 네트워크 노드 자체의 송신 안테나들이 물리적으로 코로케이트되는지 여부에 관계 없이, 이들이 동일한 파라미터들을 갖는 것으로 수신기(예컨대, UE)에게 나타나는 것을 의미한다. NR에는 4개의 타입들의 QCL(quasi-co-location) 관계들이 있다. 구체적으로, 주어진 타입의 QCL 관계는 제2 빔 상의 제2 기준 RF 신호에 관한 특정 파라미터들이 소스 빔 상의 소스 기준 RF 신호에 관한 정보로부터 도출될 수 있다는 것을 의미한다. 따라서, 소스 기준 RF 신호가 QCL 타입 A이면, 수신기는 소스 기준 RF 신호를 사용하여, 동일한 채널 상에서 송신되는 제2 기준 RF 신호의 도플러 시프트, 도플러 확산, 평균 지연 및 지연 확산을 추정할 수 있다. 소스 기준 RF 신호가 QCL 타입 B이면, 수신기는 소스 기준 RF 신호를 사용하여, 동일한 채널 상에서 송신되는 제2 기준 RF 신호의 도플러 시프트 및 도플러 확산을 추정할 수 있다. 소스 기준 RF 신호가 QCL 타입 C이면, 수신기는 소스 기준 RF 신호를 사용하여, 동일한 채널 상에서 송신되는 제2 기준 RF 신호의 도플러 시프트 및 평균 지연을 추정할 수 있다. 소스 기준 RF 신호가 QCL 타입 D이면, 수신기는 소스 기준 RF 신호를 사용하여, 동일한 채널 상에서 송신되는 제2 기준 RF 신호의 공간 수신 파라미터를 추정할 수 있다.
[0039]
수신 빔형성에서, 수신기는 주어진 채널 상에서 검출된 RF 신호들을 증폭시키기 위해 수신 빔을 사용한다. 예를 들어, 수신기는 이득 설정을 증가시키고 그리고/또는 특정 방향으로의 안테나들의 어레이의 위상 설정을 조정하여 그 방향으로부터 수신된 RF 신호들을 증폭(예를 들어, 이득 레벨을 증가)시킬 수 있다. 따라서, 수신기가 특정 방향에서 빔형성한다고 말할 때, 이는, 그 방향의 빔 이득이 다른 방향들을 따르는 빔 이득에 비해 높다는 것, 또는 그 방향의 빔 이득이 수신기에 이용가능한 다른 모든 수신 빔들의 방향에서의 빔 이득에 비해 가장 크다는 것을 의미한다. 이는, 그 방향으로부터 수신된 RF 신호들로부터 수신된 RF 신호들의 더 강한 수신 신호 강도(예컨대, RSRP(reference signal received power), RSRQ(reference signal received quality), SINR(signal-to-interference-plus-noise ratio) 등)를 초래한다.
[0040]
송신 및 수신 빔들은 공간적으로 관련될 수 있다. 공간 관계는 제2 기준 신호에 대한 제2 빔(예를 들어, 송신 또는 수신 빔)에 대한 파라미터들이 제1 기준 신호에 대한 제1 빔(예를 들어, 수신 빔 또는 송신 빔)에 대한 정보로부터 도출될 수 있음을 의미한다. 예컨대, UE는 기지국으로부터 기준 다운링크 기준 신호(예컨대, SSB(synchronization signal block))를 수신하기 위해 특정 수신 빔을 사용할 수 있다. 그 다음, UE는 수신 빔의 파라미터들에 기초하여 업링크 기준 신호(예컨대, SRS(sounding reference signal))를 그 기지국에 전송하기 위한 송신 빔을 형성할 수 있다.
[0041]
"다운링크" 빔은 이를 형성하는 엔티티에 따라 송신 빔 또는 수신 빔일 수 있음을 주목한다. 예컨대, 기지국이 기준 신호를 UE에 송신하기 위해 다운링크 빔을 형성하고 있다면, 다운링크 빔이 송신 빔이다. 그러나, UE가 다운링크 빔을 형성하고 있다면, 다운링크 기준 신호를 수신하는 것은 수신 빔이다. 유사하게, "업링크" 빔은 이를 형성하는 엔티티에 따라 송신 빔 또는 수신 빔일 수 있음을 주목한다. 예컨대, 기지국이 업링크 빔을 형성하고 있다면, 이는 업링크 수신 빔이고, UE가 업링크 빔을 형성하고 있다면, 이는 업링크 송신 빔이다.
[0042]
5G에서, 무선 노드들(예컨대, 기지국들(102/180), UE들(104/182))이 동작하는 주파수 스펙트럼은 다수의 주파수 범위들, FR1(450 내지 6000 MHz), FR2(24250 내지 52600 MHz), 및 FR3(52600 MHz 초과) 및 FR4(FR1과 FR2 사이)로 분할된다. mmW 주파수 대역들은 일반적으로 FR2, FR3 및 FR4 주파수 범위들을 포함한다. 따라서, "mmW" 및 "FR2" 또는 "FR3" 또는 "FR4"라는 용어들은 일반적으로 상호교환가능하게 사용될 수 있다.
[0043]
멀티-캐리어 시스템, 이를 테면 5G에서, 캐리어 주파수들 중 하나는 "1차 캐리어" 또는 "앵커 캐리어" 또는 "1차 서빙 셀" 또는 "PCell"로 지칭되고, 나머지 캐리어 주파수들은 "2차 캐리어들" 또는 "2차 서빙 셀들" 또는 "SCell들"로 지칭된다. 캐리어 어그리게이션에서, 앵커 캐리어는 UE(104/182) 및 UE(104/182)가 초기 RRC(radio resource control) 접속 확립 절차를 수행하거나 RRC 접속 재확립 절차를 개시하는 셀에 의해 활용되는 1차 주파수(예컨대, FR1) 상에서 동작하는 캐리어이다. 1차 캐리어는 모든 공통 및 UE-특정 제어 채널들을 반송하고, 면허 주파수의 캐리어일 수 있다(그러나, 항상 그런 것은 아니다). 2차 캐리어는, UE(104)와 앵커 캐리어 사이에 일단 RRC 접속이 확립되면 구성될 수 있고 추가적인 라디오 자원들을 제공하는 데 사용될 수 있는 제2 주파수(예컨대, FR2) 상에서 동작하는 캐리어이다. 일부 경우들에서, 2차 캐리어는 비면허 주파수의 캐리어일 수 있다. 2차 캐리어는 단지 필요한 시그널링 정보 및 신호들을 포함할 수 있으며, 예컨대, UE-특정적인 신호들은 2차 캐리어에 존재하지 않을 수 있는데, 이는 1차 업링크 및 다운링크 캐리어들 둘 모두가 통상적으로 UE-특정적이기 때문이다. 이는, 셀 내의 상이한 UE들(104/182)이 상이한 다운링크 1차 캐리어들을 가질 수 있음을 의미한다. 업링크 1차 캐리어들에 대해서도 마찬가지이다. 네트워크는 임의의 시간에 임의의 UE(104/182)의 1차 캐리어를 변경할 수 있다. 이는, 예컨대, 상이한 캐리어들 상의 부하를 밸런싱하기 위해 수행된다. "서빙 셀"(PCell이든 SCell이든)은 일부 기지국이 통신하고 있는 캐리어 주파수/컴포넌트 캐리어에 대응하기 때문에, "셀", "서빙 셀", "컴포넌트 캐리어", "캐리어 주파수," 등의 용어는 상호교환가능하게 사용될 수 있다.
[0044]
예를 들어, 여전히 도 1을 참조하면, 매크로 셀 기지국들(102)에 의해 활용되는 주파수들 중 하나는 앵커 캐리어(또는 "PCell")일 수 있고, 매크로 셀 기지국들(102) 및/또는 mmW 기지국(180)에 의해 활용되는 다른 주파수들은 2차 캐리어들("SCells")일 수 있다. 다수의 캐리어들의 동시 송신 및/또는 수신은 UE(104/182)가 자신의 데이터 송신 및/또는 수신 레이트들을 상당히 증가시킬 수 있게 한다. 예컨대, 멀티-캐리어 시스템에서 2개의 20 MHz 어그리게이트된 캐리어들은 이론적으로, 단일 20 MHz 캐리어에 의해 달성되는 것과 비교하여 데이터 레이트의 2배 증가를 초래할 것이다(즉, 40 MHz).
[0045]
무선 통신 시스템(100)은 통신 링크(120)를 통해 매크로 셀 기지국(102)과 그리고/또는 mmW 통신 링크(184)를 통해 mmW 기지국(180)과 통신할 수 있는 UE(164)를 더 포함할 수 있다. 예를 들어, 매크로 셀 기지국(102)은 PCell을 지원할 수 있고, UE(164) 및 mmW 기지국(180)에 대한 하나 이상의 SCell들은 UE(164)에 대한 하나 이상의 SCell들을 지원할 수 있다.
[0046]
도 1의 예에서, (간략화를 위해 단일 UE(104)로서 도 1에서 도시된) 예시된 UE들 중 임의의 UE는 하나 이상의 지구 궤도 SV(space vehicle)들(112)(예를 들어, 위성들)로부터 신호들(124)을 수신할 수 있다. 일 양상에서, SV들(112)은, UE(104)가 로케이션 정보의 독립적인 소스로서 사용할 수 있는 위성 포지셔닝 시스템의 일부일 수 있다. 위성 포지셔닝 시스템은 통상적으로, 수신기들(예를 들어, UE들(104))이 송신기들로부터 수신된 포지셔닝 신호들(예를 들어, 신호들(124))에 적어도 부분적으로 기초하여 지구 상의 또는 지구 위의 자신들의 로케이션을 결정할 수 있게 하도록 포지셔닝된 송신기들(예를 들어, SV들(112))의 시스템을 포함한다. 그러한 송신기는 통상적으로, 설정된 수의 칩들의 반복하는 PN(pseudo-random noise) 코드로 마킹된 신호를 송신한다. 통상적으로 SV들(112)에 로케이트되지만, 송신기들은 때때로 지상-기반 제어 스테이션들, 기지국들(102) 및/또는 다른 UE들(104) 상에 로케이트될 수 있다. UE(104)는 SV들(112)로부터 지리적 로케이션 정보를 도출하기 위한 신호들(124)을 수신하도록 특별히 설계된 하나 이상의 전용 수신기들을 포함할 수 있다.
[0047]
위성 포지셔닝 시스템에서, 신호들(124)의 사용은 하나 이상의 글로벌 및/또는 지역적 내비게이션 위성 시스템들과 연관되거나 아니면 그와 함께 사용하도록 가능해질 수 있는 다양한 SBAS(satellite-based augmentation systems)에 의해 증강될 수 있다. 예를 들어, SBAS는, WAAS(Wide Area Augmentation System), EGNOS(European Geostationary Navigation Overlay Service), MSAS(Multi-functional Satellite Augmentation System), GAGAN(GPS(Global Positioning System) Aided Geo Augmented Navigation 또는 GPS and Geo Augmented Navigation system) 등과 같이, 무결성 정보, 차동 보정들 등을 제공하는 증강 시스템(들)을 포함할 수 있다. 따라서, 본 명세서에서 사용되는 바와 같이, 위성 포지셔닝 시스템은 이러한 하나 이상의 위성 포지셔닝 시스템들과 연관된 하나 이상의 글로벌 및/또는 지역적 내비게이션 위성들의 임의의 조합을 포함할 수 있다.
[0048]
일 양상에서, SV들(112)은 추가적으로 또는 대안적으로 하나 이상의 NTN(non-terrestrial network)들의 일부일 수 있다. NTN에서, SV(112)는 (또한 지상국, NTN 게이트웨이 또는 게이트웨이로 지칭되는) 지구 스테이션에 접속되고, 이는 결국, 수정된 기지국(102)(지상 안테나가 없음) 또는 5GC의 네트워크 노드와 같은 5G 네트워크 내의 엘리먼트에 접속된다. 이 엘리먼트는 결국, 5G 네트워크 내의 다른 엘리먼트들에 대한 액세스를 제공할 것이고, 궁극적으로는 인터넷 웹 서버들 및 다른 사용자 디바이스들과 같은 5G 네트워크 외부의 엔티티들에 대한 액세스를 제공할 것이다. 그런 식으로, UE(104)는 지상 기지국(102)으로부터의 통신 신호들 대신에 또는 그에 추가하여 SV(112)로부터 통신 신호들(예를 들어, 신호들(124))을 수신할 수 있다.
[0049]
무선 통신 시스템(100)은 하나 이상의 D2D(device-to-device) P2P(peer-to-peer) 링크들("사이드링크들"로 지칭됨)을 통해 하나 이상의 통신 네트워크들에 간접적으로 접속하는 하나 이상의 UE들, 이를 테면 UE(190)를 더 포함할 수 있다. 도 1의 예에서, UE(190)는 UE들(104) 중 하나가 기지국들(102) 중 하나에 접속된 D2D P2P 링크(192)(예컨대, 이를 통해 UE(190)가 간접적으로 셀룰러 접속성을 획득할 수 있음) 및 WLAN STA(152)가 WLAN AP(150)에 접속된 D2D P2P 링크(194)(이를 통해 UE(190)가 간접적으로 WLAN-기반 인터넷 접속성을 획득할 수 있음)를 갖는다. 일 예에서, D2D P2P 링크들(192 및 194)은 임의의 잘 알려진 D2D RAT, 이를 테면 LTE 다이렉트(LTE-D), WiFi 다이렉트(WiFi-D), Bluetooth® 등으로 지원될 수 있다.
[0050]
도 2a는 예시적인 무선 네트워크 구조(200)를 예시한다. 예컨대, 5GC(210)(NGC(Next Generation Core)로 또한 지칭됨)는 기능적으로 제어 평면(C-평면) 기능들(214)(예컨대, UE 등록, 인증, 네트워크 액세스, 게이트웨이 선택 등) 및 사용자 평면(U-평면) 기능들(212)(예컨대, UE 게이트웨이 기능, 데이터 네트워크들에 대한 액세스, IP 라우팅 등)로서 간주될 수 있고, 이는 코어 네트워크를 형성하도록 협력적으로 동작한다. NG-U(user plane interface)(213) 및 NG-C(control plane interface)(215)는 gNB(222)를 5GC(210)에 그리고 구체적으로는 사용자 평면 기능들(212) 및 제어 평면 기능들(214)에 각각 접속시킨다. 추가적인 구성에서, ng-eNB(224)는 또한, 제어 평면 기능들(214)에 대한 NG-C(215) 및 사용자 평면 기능들(212)에 대한 NG-U(213)를 통해 5GC(210)에 접속될 수 있다. 추가로, ng-eNB(224)는 백홀 접속(223)을 통해 gNB(222)와 직접 통신할 수 있다. 일부 구성들에서, NG-RAN(Next Generation RAN)(220)은 하나 이상의 gNB들(222)만을 가질 수 있는 한편, 다른 구성들은 ng-eNB들(224) 및 gNB들(222) 둘 모두 중 하나 이상을 포함한다. gNB(222) 또는 ng-eNB(224) 중 어느 하나(또는 둘 모두)는 하나 이상의 UE들(204)(예컨대, 본원에 설명된 UE들 중 임의의 UE)과 통신할 수 있다.
[0051]
다른 선택적인 양상은 UE(들)(204)에 대한 로케이션 보조를 제공하기 위해 5GC(210)와 통신할 수 있는 로케이션 서버(230)를 포함할 수 있다. 로케이션 서버(230)는 복수의 별개의 서버들(예컨대, 물리적으로 별개의 서버들, 단일 서버 상의 상이한 소프트웨어 모듈들, 다수의 물리적 서버들에 걸쳐 확산된 상이한 소프트웨어 모듈들 등)로서 구현될 수 있거나, 또는 대안적으로 각각 단일 서버에 대응할 수 있다. 로케이션 서버(230)는 코어 네트워크, 5GC(210)를 통해 그리고/또는 인터넷(예시되지 않음)을 통해 로케이션 서버(230)에 접속될 수 있는 UE들(204)에 대한 하나 이상의 로케이션 서비스들을 지원하도록 구성될 수 있다. 추가로, 로케이션 서버(230)는 코어 네트워크의 컴포넌트에 통합될 수 있거나, 또는 대안적으로 코어 네트워크 외부에 있을 수 있다(예를 들어, 제3자 서버, 이를테면 OEM(original equipment manufacturer) 서버 또는 서비스 서버).
[0052]
도 2b는 다른 예시적인 무선 네트워크 구조(250)를 예시한다. 5GC(260)(이는 도 2a의 5GC(210)에 대응할 수 있음)는 AMF(access and mobility management function)(264)에 의해 제공되는 제어 평면 기능들 및 UPF(user plane function)(262)에 의해 제공되는 사용자 평면 기능들로서 기능적으로 보여질 수 있고, 이들은 코어 네트워크(즉, 5GC(260))를 형성하기 위해 협력적으로 동작한다. AMF(264)의 기능들은 등록 관리, 접속 관리, 도달가능성 관리, 모빌리티 관리, 합법적 인터셉션, 하나 이상의 UE들(204)(예를 들어, 본원에 설명된 UE들 중 임의의 UE)과 SMF(session management function)(266) 사이의 SM(session management) 메시지들에 대한 전송, SM 메시지들을 라우팅하기 위한 투명 프록시 서비스들, 액세스 인증 및 액세스 인가, UE(204)와 SMSF(short message service function)(도시되지 않음) 사이의 SMS(short message service) 메시지들에 대한 전송, 및 SEAF(security anchor functionality)를 포함한다. AMF(264)는 또한 AUSF(authentication server function)(도시되지 않음) 및 UE(204)와 상호 작용하고, UE(204) 인증 프로세스의 결과로서 확립된 중간 키를 수신한다. USIM(UMTS(universal mobile telecommunications system) subscriber identity module)에 기초한 인증의 경우, AMF(264)는 AUSF로부터 보안 자료를 리트리브한다. AMF(264)의 기능들은 또한 SCM(security context management)을 포함한다. SCM은 액세스-네트워크 특정 키들을 도출하기 위해 사용하는 키를 SEAF로부터 수신한다. AMF(264)의 기능은 또한, 규제 서비스들에 대한 로케이션 서비스 관리, UE(204)와 LMF(location management function)(270)(이는 로케이션 서버(230)로서 작동할 수 있음) 사이의 로케이션 서비스 메시지들에 대한 전송, NG-RAN(220)과 LMF(270) 사이의 로케이션 서비스 메시지들에 대한 전송, EPS와의 상호작용을 위한 EPS(evolved packet system) 베어러 식별자 할당, 및 UE(204) 모빌리티 이벤트 통지를 포함한다. 또한, AMF(264)는 또한 넌-3GPP(Third Generation Partnership Project) 액세스 네트워크들에 대한 기능들을 지원한다.
[0053]
UPF(262)의 기능들은 (적용가능한 경우) RAT-내/-간 모빌리티를 위한 앵커 포인트로서 작용하는 것, 데이터 네트워크(도시되지 않음)에 대한 상호접속의 외부 PDU(protocol data unit) 세션 포인트로서 작용하는 것, 패킷 라우팅 및 포워딩을 제공하는 것, 패킷 검사, 사용자 평면 정책 규칙 시행(예컨대, 게이팅, 재지향, 트래픽 스티어링), 합법적 인터셉션(사용자 평면 집합), 트래픽 사용량 보고, 사용자 평면에 대한 QoS(quality of service) 핸들링(예컨대, 업링크/다운링크 레이트 시행, 다운링크에서의 반사적 QoS 마킹), 업링크 트래픽 검증(SDF(service data flow) 대 QoS 흐름 맵핑), 업링크 및 다운링크에서의 전송 레벨 패킷 마킹, 다운링크 패킷 버퍼링 및 다운링크 데이터 통지 트리거링, 및 소스 RAN 노드에 대한 하나 이상의 "엔드 마커들"의 전송 및 포워딩을 포함한다. UPF(262)는 또한 UE(204)와 로케이션 서버, 이를테면 SLP(272) 사이의 사용자 평면을 통한 로케이션 서비스 메시지들의 전송을 지원할 수 있다.
[0054]
SMF(266)의 기능들은 세션 관리, UE IP(Internet protocol) 어드레스 할당 및 관리, 사용자 평면 기능들의 선택 및 제어, 트래픽을 적절한 목적지로 라우팅하기 위한 UPF(262)에서의 트래픽 스티어링의 구성, QoS 및 정책 시행의 일부의 제어, 및 다운링크 데이터 통지를 포함한다. SMF(266)가 AMF(264)와 통신하는 인터페이스는 N11 인터페이스로 지칭된다.
[0055]
다른 선택적인 양상은 UE들(204)에 대한 로케이션 보조를 제공하기 위해 5GC(260)와 통신할 수 있는 LMF(270)를 포함할 수 있다. LMF(270)는 복수의 별개의 서버들(예컨대, 물리적으로 별개의 서버들, 단일 서버 상의 상이한 소프트웨어 모듈들, 다수의 물리적 서버들에 걸쳐 확산된 상이한 소프트웨어 모듈들 등)로서 구현될 수 있거나, 또는 대안적으로 각각 단일 서버에 대응할 수 있다. LMF(270)는 코어 네트워크, 5GC(260)를 통해 그리고/또는 인터넷(예시되지 않음)을 통해 LMF(270)에 접속될 수 있는 UE들(204)에 대한 하나 이상의 로케이션 서비스들을 지원하도록 구성될 수 있다. SLP(272)는 LMF(270)와 유사한 기능들을 지원할 수 있지만, LMF(270)는 (예컨대, 음성 또는 데이터가 아닌 시그널링 메시지들을 전달하도록 의도된 인터페이스들 및 프로토콜들을 사용하여) 제어 평면을 통해 AMF(264), NG RAN(220) 및 UE들(204)과 통신할 수 있고, SLP(272)는 사용자 평면을 통해 (예컨대, TCP(transmission control protocol) 및/또는 IP와 같은 음성 및/또는 데이터를 반송하도록 의도된 프로토콜들을 사용하여) UE들(204) 및 외부 클라이언트들(도 2b에 도시되지 않음)과 통신할 수 있다.
[0056]
사용자 평면 인터페이스(263) 및 제어 평면 인터페이스(265)는 5GC(260), 구체적으로는 UPF(262) 및 AMF(264)를 각각 NG-RAN(220)의 하나 이상의 gNB들(222) 및/또는 ng-eNB들(224)에 접속시킨다. gNB(들)(222) 및/또는 ng-eNB(들)(224)와 AMF(264) 사이의 인터페이스는 "N2" 인터페이스로 지칭되고, gNB(들)(222) 및/또는 ng-eNB(들)(224)와 UPF(262) 사이의 인터페이스는 "N3" 인터페이스로 지칭된다. NG-RAN(220)의 gNB(들)(222) 및/또는 ng-eNB(들)(224)는 "Xn-C" 인터페이스로 지칭되는 백홀 접속들(223)을 통해 서로 직접 통신할 수 있다. gNB들(222) 및/또는 ng-eNB들(224) 중 하나 이상은 "Uu" 인터페이스로 지칭되는 무선 인터페이스를 통해 하나 이상의 UE들(204)과 통신할 수 있다.
[0057]
gNB(222)의 기능은 gNB-CU(gNB central unit)(226)와 하나 이상의 gNB-DU(gNB distributed unit)들(228) 사이에 분할된다. gNB-CU(226)와 하나 이상의 gNB-DU들(228) 사이의 인터페이스(232)는 "F1" 인터페이스로 지칭된다. gNB-CU(226)는, gNB-DU(들)(228)에 배타적으로 할당된 그러한 기능들을 제외하고, 사용자 데이터 전송, 모빌리티 제어, 라디오 액세스 네트워크 공유, 포지셔닝, 세션 관리 등의 기지국 기능들을 포함하는 논리적 노드이다. 더 구체적으로, gNB-CU(226)는 gNB(222)의 RRC(radio resource control), SDAP(service data adaptation protocol), 및 PDCP(packet data convergence protocol) 프로토콜들을 호스팅한다. gNB-DU(228)는 gNB(222)의 RLC(radio link control), MAC(medium access control) 및 PHY(physical) 계층들을 호스팅하는 논리적 노드이다. 그것의 동작은 gNB-CU(226)에 의해 제어된다. 하나의 gNB-DU(228)는 하나 이상의 셀들을 지원할 수 있고, 하나의 셀은 오직 하나의 gNB-DU(228)에 의해 지원된다. 따라서, UE(204)는 RRC, SDAP, 및 PDCP 계층들을 통해 gNB-CU(226)와 통신하고, RLC, MAC, 및 PHY 계층들을 통해 gNB-DU(228)와 통신한다.
[0058]
도 3a, 도 3b 및 도 3c는 본원에 교시된 바와 같은 파일 송신 동작들을 지원하기 위해 (본원에서 설명된 UE들 중 임의의 것에 대응할 수 있는) UE(302), (본원에 설명된 기지국들 중 임의의 것에 대응할 수 있는) 기지국(304), 및 (로케이션 서버(230) 및 LMF(270)를 포함하여, 본원에 설명된 네트워크 기능들 중 임의의 것에 대응하거나 이를 구현할 수 있는) 네트워크 엔티티(306)에 통합될 수 있는 몇몇 예시적인 컴포넌트들(대응하는 블록들에 의해 표현됨)을 예시하거나, 또는 대안적으로 사설 네트워크와 같이 도 2a 및 도 2b에 도시된 NG-RAN(220) 및/또는 5GC(210/260) 인프라구조와 독립적일 수 있다. 이러한 컴포넌트들은 상이한 구현들에서(예를 들어, ASIC, SoC(system-on-chip) 등에서) 상이한 타입들의 장치들로 구현될 수 있음을 인식할 것이다. 예시된 컴포넌트들은 또한 통신 시스템의 다른 장치들에 통합될 수 있다. 예를 들어, 시스템의 다른 장치들은 유사한 기능을 제공하기 위해 설명된 것들과 유사한 컴포넌트들을 포함할 수 있다. 또한, 주어진 장치는 컴포넌트들 중 하나 이상을 포함할 수 있다. 예컨대, 장치는, 장치가 다수의 캐리어들 상에서 동작하고 그리고/또는 상이한 기술들을 통해 통신할 수 있게 하는 다수의 트랜시버 컴포넌트들을 포함할 수 있다.
[0059]
UE(302) 및 기지국(304) 각각은 NR 네트워크, LTE 네트워크, GSM 네트워크 등과 같은 하나 이상의 무선 통신 네트워크들(도시되지 않음)을 통해 통신하기 위한 수단(예컨대, 송신하기 위한 수단, 수신하기 위한 수단, 측정하기 위한 수단, 튜닝하기 위한 수단, 송신을 억제하기 위한 수단 등)을 제공하는 하나 이상의 WWAN(wireless wide area network) 트랜시버들(310 및 350)을 각각 포함한다. WWAN 트랜시버들(310 및 350) 각각은 관심있는 무선 통신 매체(예를 들어, 특정 주파수 스펙트럼에서 시간/주파수 자원들의 일부 세트)를 통한 적어도 하나의 지정된 RAT(예를 들어, NR, LTE, GSM 등)를 통해, 다른 UE들, 액세스 포인트들, 기지국들(예를 들어, eNB들, gNB들) 등과 같은 다른 네트워크 노드들과 통신하기 위해, 하나 이상의 안테나들(316 및 356)에 각각 접속될 수 있다. WWAN 트랜시버들(310 및 350)은 지정된 RAT에 따라, 신호들(318 및 358)(예컨대, 메시지들, 표시들, 정보 등)을 각각 송신 및 인코딩하도록 그리고 반대로, 신호들(318 및 358)(예컨대, 메시지들, 표시들, 정보, 파일럿들 등)을 수신 및 디코딩하도록 각각 다양하게 구성될 수 있다. 구체적으로, WWAN 트랜시버들(310 및 350)은 각각 신호들(318 및 358)을 각각 송신 및 인코딩하기 위한 하나 이상의 송신기들(314 및 354), 및 각각 신호들(318 및 358)을 각각 수신 및 디코딩하기 위한 하나 이상의 수신기들(312 및 352)을 포함한다.
[0060]
UE(302) 및 기지국(304) 각각은 또한, 적어도 일부 경우들에서, 하나 이상의 단거리 무선 트랜시버들(320 및 360)을 각각 포함한다. 단거리 무선 트랜시버들(320 및 360)은 하나 이상의 안테나들(326 및 366)에 각각 접속되고, 관심있는 무선 통신 매체를 통한 적어도 하나의 지정된 RAT(예컨대, WiFi, LTE-D, Bluetooth®, Zigbee®, Z-Wave®, PC5, DSRC(dedicated short-range communications), WAVE(wireless access for vehicular environments), NFC(near-field communication) 등)를 통해 다른 UE들, 액세스 포인트들, 기지국들 등과 같은 다른 네트워크 노드들과 통신하기 위한 수단(예컨대, 송신하기 위한 수단, 수신하기 위한 수단, 측정하기 위한 수단, 튜닝하기 위한 수단, 송신을 억제하기 위한 수단 등)을 제공할 수 있다. 단거리 무선 트랜시버들(320 및 360)은 지정된 RAT에 따라, 신호들(328 및 368)(예컨대, 메시지들, 표시들, 정보 등)을 각각 송신 및 인코딩하도록 그리고 반대로, 신호들(328 및 368)(예컨대, 메시지들, 표시들, 정보, 파일럿들 등)을 수신 및 디코딩하도록 각각 다양하게 구성될 수 있다. 구체적으로, 단거리 무선 트랜시버들(320 및 360)은 각각 신호들(328 및 368)을 각각 송신 및 인코딩하기 위한 하나 이상의 송신기들(324 및 364), 및 각각 신호들(328 및 368)을 각각 수신 및 디코딩하기 위한 하나 이상의 수신기들(322 및 362)을 포함한다. 특정 예들로서, 단거리 무선 트랜시버들(320 및 360)은 WiFi 트랜시버들, Bluetooth® 트랜시버들, Zigbee® 및/또는 Z-Wave® 트랜시버들, NFC 트랜시버들, 또는 V2V(vehicle-to-vehicle) 및/또는 V2X(vehicle-to-everything) 트랜시버들일 수 있다.
[0061]
UE(302) 및 기지국(304)은 또한, 적어도 일부 경우들에서, 위성 신호 수신기들(330 및 370)을 포함한다. 위성 신호 수신기들(330 및 370)은 하나 이상의 안테나들(336 및 376)에 각각 접속될 수 있고, 위성 포지셔닝/통신 신호들(338 및 378)을 각각 수신 및/또는 측정하기 위한 수단을 제공할 수 있다. 위성 신호 수신기들(330 및 370)이 위성 포지셔닝 시스템 수신기들인 경우, 위성 포지셔닝/통신 신호들(338 및 378)은 GPS(global positioning system) 신호들, GLONASS(global navigation satellite system) 신호들, 갈릴레오 신호들, Beidou 신호들, NAVIC(Indian Regional Navigation Satellite System), QZSS(Quasi-Zenith Satellite System) 등일 수 있다. 위성 신호 수신기들(330 및 370)이 NTN(non-terrestrial network) 수신기들인 경우, 위성 포지셔닝/통신 신호들(338 및 378)은 5G 네트워크로부터 발신된 통신 신호들(예컨대, 제어 및/또는 사용자 데이터를 반송함)일 수 있다. 위성 신호 수신기들(330 및 370)은 위성 포지셔닝/통신 신호들(338 및 378)을 각각 수신 및 프로세싱하기 위한 임의의 적합한 하드웨어 및/또는 소프트웨어를 포함할 수 있다. 위성 신호 수신기들(330 및 370)은 다른 시스템들로부터 적절하게 정보 및 동작들을 요청할 수 있고, 적어도 일부 경우들에서, 임의의 적절한 위성 포지셔닝 시스템 알고리즘에 의해 획득된 측정들을 사용하여, UE(302) 및 기지국(304)의 로케이션들을 각각 결정하기 위한 계산들을 수행할 수 있다.
[0062]
기지국(304) 및 네트워크 엔티티(306) 각각은, 다른 네트워크 엔티티들(예컨대, 다른 기지국들(304), 다른 네트워크 엔티티들(306))과 통신하기 위한 수단(예컨대, 송신하기 위한 수단, 수신하기 위한 수단 등)을 제공하는 하나 이상의 네트워크 트랜시버들(380 및 390)을 각각 포함한다. 예를 들어, 기지국(304)은 하나 이상의 유선 또는 무선 백홀 링크들을 통해 다른 기지국들(304) 또는 네트워크 엔티티들(306)과 통신하기 위해 하나 이상의 네트워크 트랜시버들(380)을 이용할 수 있다. 다른 예로서, 네트워크 엔티티(306)는 하나 이상의 유선 또는 무선 백홀 링크들을 통해 하나 이상의 기지국(304)과 또는 하나 이상의 유선 또는 무선 코어 네트워크 인터페이스들을 통해 다른 네트워크 엔티티들(306)과 통신하기 위해 하나 이상의 네트워크 트랜시버들(390)을 이용할 수 있다.
[0063]
트랜시버는 유선 또는 무선 링크를 통해 통신하도록 구성될 수 있다. 트랜시버(유선 트랜시버이든 또는 무선 트랜시버이든)는 송신기 회로부(예를 들어, 송신기들(314, 324, 354, 364)) 및 수신기 회로부(예를 들어, 수신기들(312, 322, 352, 362))를 포함한다. 트랜시버는 일부 구현들에서 통합 디바이스(예컨대, 단일 디바이스에 송신기 회로부 및 수신기 회로부를 구현함)일 수 있거나, 일부 구현들에서 별개의 송신기 회로부 및 별개의 수신기 회로부를 포함할 수 있거나, 또는 다른 구현들에서 다른 방식들로 구현될 수 있다. 유선 트랜시버의 송신기 회로부 및 수신기 회로부(예를 들어, 일부 구현들에서 네트워크 트랜시버들(380 및 390))는 하나 이상의 유선 네트워크 인터페이스 포트들에 커플링될 수 있다. 무선 송신기 회로부(예컨대, 송신기들(314, 324, 354, 364))는 본원에 설명된 바와 같이, 개개의 장치(예컨대, UE(302), 기지국(304))가 송신 "빔형성"을 수행하도록 허용하는 안테나 어레이와 같은 복수의 안테나들(예컨대, 안테나들(316, 326, 356, 366))을 포함하거나 그에 커플링될 수 있다. 유사하게, 무선 수신기 회로부(예컨대, 수신기들(312, 322, 352, 362))는, 본원에 설명된 바와 같이, 개개의 장치(예컨대, UE(302), 기지국(304))가 수신 빔형성을 수행할 수 있게 하는 안테나 어레이와 같은 복수의 안테나들(예컨대, 안테나들(316, 326, 356, 366))을 포함하거나 그에 커플링될 수 있다. 일 양상에서, 송신기 회로부 및 수신기 회로부는 동일한 복수의 안테나들(예컨대, 안테나들(316, 326, 356, 366))을 공유할 수 있고, 그에 따라, 개개의 장치는 주어진 시간에만 수신 또는 송신할 수 있고, 둘 모두를 동시에 할 수는 없다. 무선 트랜시버(예컨대, WWAN 트랜시버들(310 및 350), 단거리 무선 트랜시버들(320 및 360))는 또한 다양한 측정들을 수행하기 위한 NLM(network listen module) 등을 포함할 수 있다.
[0064]
본원에서 사용되는 바와 같이, 다양한 무선 트랜시버들(예를 들어, 일부 구현들에서 트랜시버들(310, 320, 350 및 360) 및 네트워크 트랜시버들(380 및 390)) 및 유선 트랜시버들(예를 들어, 일부 구현들에서 네트워크 트랜시버들(380 및 390))은 일반적으로 "트랜시버", "적어도 하나의 트랜시버" 또는 "하나 이상의 트랜시버들"로서 특성화될 수 있다. 따라서, 특정 트랜시버가 유선 트랜시버인지 또는 무선 트랜시버인지 여부는 수행되는 통신의 타입으로부터 추론될 수 있다. 예를 들어, 네트워크 디바이스들 또는 서버들 사이의 백홀 통신은 일반적으로 유선 트랜시버를 통한 시그널링에 관련될 것이지만, UE(예를 들어, UE(302))와 기지국(예를 들어, 기지국(304)) 사이의 무선 통신은 일반적으로 유선 트랜시버를 통한 시그널링과 관련될 것이다.
[0065]
UE(302), 기지국(304) 및 네트워크 엔티티(306)는 또한, 본원에 개시된 동작들과 함께 사용될 수 있는 다른 컴포넌트들을 포함한다. UE(302), 기지국(304) 및 네트워크 엔티티(306)는, 예를 들어, 무선 통신에 관련된 기능을 제공하고 다른 프로세싱 기능을 제공하기 위한 하나 이상의 프로세서들(332, 384, 및 394)을 각각 포함한다. 따라서, 프로세서들(332, 384, 및 394)은 프로세싱을 위한 수단, 이를테면 결정하기 위한 수단, 계산하기 위한 수단, 수신하기 위한 수단, 송신하기 위한 수단, 표시하기 위한 수단 등을 제공할 수 있다. 일 양상에서, 프로세서들(332, 384, 및 394)은, 예컨대, 하나 이상의 범용 프로세서들, 멀티-코어 프로세서들, CPU(central processing unit)들, ASIC들, DSP(digital signal processor)들, FPGA(field programmable gate array)들 또는 다른 프로그래밍가능 로직 디바이스들 또는 프로세싱 회로부 또는 이들의 다양한 조합들을 포함할 수 있다.
[0066]
UE(302), 기지국(304) 및 네트워크 엔티티(306)는 정보(예컨대, 예비된 자원들, 임계치들, 파라미터들 등을 표시하는 정보)를 유지하기 위해 메모리들(340, 386 및 396)(예컨대, 각각 메모리 디바이스를 포함함)을 구현하는 메모리 회로를 각각 포함한다. 따라서, 메모리들(340, 386 및 396)은 저장하기 위한 수단, 리트리브하기 위한 수단, 유지하기 위한 수단 등을 제공할 수 있다. 일부 경우들에서, UE(302), 기지국(304) 및 네트워크 엔티티(306)는 포지셔닝 컴포넌트(342, 388 및 398)를 각각 포함할 수 있다. 포지셔닝 컴포넌트(342, 388 및 398)는, 각각 실행될 때 UE(302), 기지국(304), 및 네트워크 엔티티(306)로 하여금 본원에 설명된 기능을 수행하게 하는 프로세서들(332, 384, 및 394)의 일부이거나 그에 커플링된 하드웨어 회로들일 수 있다. 다른 양상들에서, 포지셔닝 컴포넌트(342, 388, 및 398)는 프로세서들(332, 384, 및 394) 외부에 있을 수 있다(예컨대, 다른 프로세싱 시스템과 통합된 모뎀 프로세싱 시스템의 일부 등). 대안적으로, 포지셔닝 컴포넌트(342, 388, 및 398)는, 각각 프로세서들(332, 384, 및 394)(또는 모뎀 프로세싱 시스템, 다른 프로세싱 시스템 등)에 의해 실행될 때, UE(302), 기지국(304) 및 네트워크 엔티티(306)로 하여금 본원에 설명된 기능을 수행하게 하는 메모리들(340, 386, 및 396)에 저장된 메모리 모듈들일 수 있다. 도 3a는 예를 들어, 하나 이상의 WWAN 트랜시버들(310), 메모리(340), 하나 이상의 프로세서들(332) 또는 이들의 임의의 조합의 일부일 수 있거나 또는 독립형 컴포넌트일 수 있는 포지셔닝 컴포넌트(342)의 가능한 로케이션들을 예시한다. 도 3b는 예를 들어, 하나 이상의 WWAN 트랜시버들(350), 메모리(386), 하나 이상의 프로세서들(384) 또는 이들의 임의의 조합의 일부일 수 있거나 또는 독립형 컴포넌트일 수 있는 포지셔닝 컴포넌트(388)의 가능한 로케이션들을 예시한다. 도 3c는 예를 들어, 하나 이상의 네트워크 트랜시버들(390), 메모리(396), 하나 이상의 프로세서들(394) 또는 이들의 임의의 조합의 일부일 수 있거나 또는 독립형 컴포넌트일 수 있는 포지셔닝 컴포넌트(398)의 가능한 로케이션들을 예시한다.
[0067]
UE(302)는 하나 이상의 WWAN 트랜시버들(310), 하나 이상의 단거리 무선 트랜시버들(320) 및/또는 위성 신호 수신기(330)에 의해 수신된 신호들로부터 유도된 모션 데이터와 독립적인 움직임 및/또는 배향 정보를 감지 또는 검출하기 위한 수단을 제공하기 위해 하나 이상의 프로세서들(332)에 커플링된 하나 이상의 센서들(344)을 포함할 수 있다. 예를 들어, 센서(들)(344)는 가속도계(예를 들어, MEMS(micro-electrical mechanical systems) 디바이스), 자이로스코프, 지자기 센서(예를 들어, 나침반), 고도계(예를 들어, 기압 고도계) 및/또는 임의의 다른 타입의 이동 검출 센서를 포함할 수 있다. 더욱이, 센서(들)(344)는 복수의 상이한 타입들의 디바이스들을 포함하고, 모션 정보를 제공하기 위해 이들의 출력들을 조합할 수 있다. 예를 들어, 센서(들)(344)는 2차원(2D) 및/또는 3차원(3D) 좌표계들에서 포지션들을 컴퓨팅하는 능력을 제공하기 위해 다축 가속도계 및 배향 센서들의 조합을 사용할 수 있다.
[0068]
또한, UE(302)는 사용자에게 표시들(예컨대, 가청 및/또는 시각적 표시들)을 제공하기 위한 그리고/또는 (예컨대, 감지 디바이스, 이를 테면 키패드, 터치 스크린, 마이크로폰 등의 사용자 작동 시에) 사용자 입력을 수신하기 위한 수단을 제공하는 사용자 인터페이스(346)를 포함한다. 도시되지 않았지만, 기지국(304) 및 네트워크 엔티티(306)는 또한 사용자 인터페이스들을 포함할 수 있다.
[0069]
하나 이상의 프로세서들(384)을 더 상세히 참조하면, 다운링크에서, 네트워크 엔티티(306)로부터의 IP 패킷들이 프로세서(384)에 제공될 수 있다. 하나 이상의 프로세서들(384)은 RRC 계층, PDCP(packet data convergence protocol) 계층, RLC(radio link control) 계층 및 MAC(medium access control) 계층에 대한 기능을 구현할 수 있다. 하나 이상의 프로세서들(384)은 시스템 정보(예를 들어, MIB(master information block), SIB(system information block)들)의 브로드캐스트, RRC 접속 제어(예를 들어, RRC 접속 페이징, RRC 접속 확립, RRC 접속 수정 및 RRC 접속 해제), RAT-간 모빌리티, 및 UE 측정 보고를 위한 측정 구성과 연관된 RRC 계층 기능; 헤더 압축/압축해제, 보안(암호화, 암호해독, 무결성 보호, 무결성 검증) 및 핸드오버 지원 기능들과 연관된 PDCP 계층 기능; 상위 계층 PDU들의 전송과 연관된 RLC 계층 기능, ARQ(automatic repeat request)를 통한 에러 정정, 연접, 세그먼트화 및 RLC SDU(service data unit)들의 리어셈블리, RLC 데이터 PDU들의 리-세그먼트화, 및 RLC 데이터 PDU들의 재순서화와 연관된 RLC 계층 기능; 및 논리적 채널들과 전송 채널들 사이의 맵핑, 스케줄링 정보 보고, 에러 정정, 우선순위 핸들링 및 논리적 채널 우선순위화와 연관된 MAC 계층 기능을 제공한다.
[0070]
송신기(354) 및 수신기(352)는 다양한 신호 프로세싱 기능들과 연관된 계층-1(L1) 기능을 구현할 수 있다. 물리(PHY) 계층을 포함하는 계층 -1은 전송 채널들 상에서 에러 검출, 전송 채널들의 FEC(forward error correction) 코딩/디코딩, 인터리빙, 레이트 매칭, 물리 채널들 상으로의 맵핑, 물리 채널들의 변조/복조 및 MIMO 안테나 프로세싱을 포함할 수 있다. 송신기(354)는 다양한 변조 방식들(예를 들어, BPSK(binary phase-shift keying), QPSK(quadrature phase-shift keying), M-PSK(M-phase-shift keying), M-QAM(M-quadrature amplitude modulation))에 기초한 신호 성상도(constellation)들로의 맵핑을 핸들링한다. 그 다음, 코딩되고 변조된 심볼들은 병렬적 스트림들로 분할될 수 있다. 그 다음, 각각의 스트림은, OFDM(orthogonal frequency division multiplexing) 서브캐리어에 맵핑되고, 시간 및/또는 주파수 도메인에서 기준 신호(예를 들어, 파일럿)와 멀티플렉싱될 수 있고, 그 다음, IFFT(inverse fast Fourier transform)를 사용하여 함께 조합되어, 시간 도메인 OFDM 심볼 스트림을 반송하는 물리 채널을 생성할 수 있다. OFDM 심볼 스트림은 다수의 공간 스트림들을 생성하기 위해 공간적으로 프리코딩된다. 채널 추정기로부터의 채널 추정치들은 코딩 및 변조 방식을 결정하기 위해 뿐만 아니라 공간 프로세싱을 위해 사용될 수 있다. 채널 추정치는, 기준 신호 및/또는 UE(302)에 의해 송신된 채널 조건 피드백으로부터 도출될 수 있다. 이어서, 각각의 공간 스트림은 하나 이상의 상이한 안테나들(356)에 제공될 수 있다. 송신기(354)는 송신을 위해 각각의 공간 스트림으로 RF 캐리어를 변조할 수 있다.
[0071]
UE(302)에서, 수신기(312)는 자신의 개개의 안테나(들)(316)를 통해 신호를 수신한다. 수신기(312)는 RF 캐리어 상으로 변조된 정보를 복원하고, 정보를 하나 이상의 프로세서들(332)에 제공한다. 송신기(314) 및 수신기(312)는 다양한 신호 프로세싱 기능들과 연관된 계층-1 기능을 구현한다. RX 수신기(312)는 정보에 대해 공간 프로세싱을 수행하여, UE(302)를 목적지로 하는 임의의 공간 스트림들을 복원할 수 있다. 다수의 공간 스트림들이 UE(302)를 목적지로 하면, 이들은 수신기(312)에 의해 단일 OFDM 심볼 스트림으로 조합될 수 있다. 그 다음, 수신기(312)는 FFT(fast Fourier transform)를 사용하여 OFDM 심볼 스트림을 시간-도메인으로부터 주파수 도메인으로 변환한다. 주파수 도메인 신호는, OFDM 신호의 각각의 서브캐리어에 대한 별개의 OFDM 심볼 스트림을 포함한다. 각각의 서브캐리어 상의 심볼들, 및 기준 신호는 기지국(304)에 의해 송신된 가장 가능성있는 신호 성상도 포인트들을 결정함으로써 복원 및 복조된다. 이러한 연판정들은, 채널 추정기에 의해 컴퓨팅된 채널 추정치들에 기초할 수 있다. 그 다음, 연판정들은, 물리 채널 상에서 기지국(304)에 의해 원래 송신되었던 데이터 및 제어 신호들을 복원하기 위해 디코딩 및 디인터리빙된다. 이어서, 데이터 및 제어 신호들은, 계층-3(L3) 및 계층-2(L2) 기능을 구현하는 하나 이상의 프로세서들(332)에 제공된다.
[0072]
업링크에서, 하나 이상의 프로세서들(332)은, 전송 채널과 논리적 채널 사이의 디멀티플렉싱, 패킷 리어셈블리, 암호해독, 헤더 압축해제, 및 제어 신호 프로세싱을 제공하여, 코어 네트워크로부터의 IP 패킷들을 복원한다. 하나 이상의 프로세서들(332)은 또한 에러 검출을 담당한다.
[0073]
기지국(304)에 의한 다운링크 송신과 관련하여 설명된 기능과 유사하게, 하나 이상의 프로세서들(332)은 시스템 정보(예를 들어, MIB, SIB들) 포착, RRC 접속들 및 측정 보고와 연관된 RRC 계층 기능; 헤더 압축/압축해제 및 보안(암호화, 암호해독, 무결성 보호, 무결성 검증)과 연관된 PDCP 계층 기능; 상위 계층 PDU들의 전송, ARQ를 통한 에러 정정, 연접, 세그먼트화 및 RLC SDU들의 리어셈블리, RLC 데이터 PDU들의 리-세그먼트화, 및 RLC 데이터 PDU들의 재순서화와 연관된 RLC 계층 기능; 및 논리적 채널들과 전송 채널들 사이의 맵핑, TB(transport block)들 상으로의 MAC SDU들의 멀티플렉싱, TB들로부터 MAC SDU들의 디멀티플렉싱, 스케줄링 정보 보고, HARQ(hybrid automatic repeat request)를 통한 에러 정정, 우선순위 핸들링 및 논리적 채널 우선순위화와 연관된 MAC 계층 기능을 제공한다.
[0074]
기준 신호 또는 기지국(304)에 의해 송신된 피드백으로부터 채널 추정기에 의해 도출된 채널 추정치들은, 적절한 코딩 및 변조 방식들을 선택하고 공간 프로세싱을 용이하게 하기 위해 송신기(314)에 의해 사용될 수 있다. 송신기(314)에 의해 생성된 공간 스트림들은 상이한 안테나(들)(316)에 제공될 수 있다. 송신기(314)는 송신을 위해 각각의 공간 스트림으로 RF 캐리어를 변조할 수 있다.
[0075]
업링크 송신은, UE(302)의 수신기 기능과 관련하여 설명된 것과 유사한 방식으로 기지국(304)에서 프로세싱된다. 수신기(352)는 자신의 개개의 안테나(들)(356)를 통해 신호를 수신한다. 수신기(352)는 RF 캐리어 상으로 변조된 정보를 복원하고, 정보를 하나 이상의 프로세서들(384)에 제공한다.
[0076]
업링크에서, 하나 이상의 프로세서들(384)은, 전송 채널과 논리적 채널 사이의 디멀티플렉싱, 패킷 리어셈블리, 암호해독, 헤더 압축해제, 제어 신호 프로세싱을 제공하여, UE(302)로부터의 IP 패킷들을 복원한다. 하나 이상의 프로세서들(384)로부터의 IP 패킷들은 코어 네트워크에 제공될 수 있다. 하나 이상의 프로세서들(384)은 또한 에러 검출을 담당한다.
[0077]
편의를 위해, UE(302), 기지국(304) 및/또는 네트워크 엔티티(306)는 본원에 설명된 다양한 예들에 따라 구성될 수 있는 다양한 컴포넌트들을 포함하는 것으로 도 3a, 도 3b 및 도 3c에 도시된다. 그러나, 예시된 컴포넌트들은 상이한 설계들에서 상이한 기능성을 가질 수 있다는 것이 인식될 것이다. 특히, 도 3a 내지 도 3c의 다양한 컴포넌트들은 대안적인 구성들에서 선택적이며, 다양한 양상들은 설계 선택, 비용들, 디바이스의 사용 또는 다른 고려사항들로 인해 변할 수 있는 구성들을 포함한다. 예컨대, 도 3a의 경우, UE(302)의 특정 구현은 WWAN 트랜시버(들)(310)를 생략할 수 있거나(예컨대, 웨어러블 디바이스 또는 태블릿 컴퓨터 또는 PC 또는 랩톱은 셀룰러 능력 없이 Wi-Fi 및/또는 블루투스 능력을 가질 수 있음), 또는 단거리 무선 트랜시버(들)(320)를 생략할 수 있거나(예컨대, 셀룰러-전용 등), 또는 위성 신호 수신기(330)를 생략할 수 있거나, 또는 센서(들)(344)를 생략할 수 있는 식이다. 다른 예에서, 도 3b의 경우, 기지국(304)의 특정 구현은 WWAN 트랜시버(들)(350)를 생략할 수 있거나(예컨대, 셀룰러 능력이 없는 Wi-Fi "핫스팟" 액세스 포인트), 또는 단거리 무선 트랜시버(들)(360)를 생략할 수 있거나(예컨대, 셀룰러-전용 등), 또는 위성 수신기(370)를 생략할 수 있는 식이다. 간결성을 위해, 다양한 대안적인 구성들의 예시는 본원에서 제공되지 않지만, 당업자에게 용이하게 이해가능할 것이다.
[0078]
UE(302), 기지국(304) 및 네트워크 엔티티(306)의 다양한 컴포넌트들은 각각 데이터 버스들(334, 382, 및 392)을 통해 서로 통신가능하게 커플링될 수 있다. 일 양상에서, 데이터 버스들(334, 382, 및 392)은 각각 UE(302), 기지국(304) 및 네트워크 엔티티(306)의 통신 인터페이스를 형성하거나 또는 이들의 일부일 수 있다. 예를 들어, 상이한 논리적 엔티티들이 동일한 디바이스에 구현되는 경우(예를 들어, gNB 및 로케이션 서버 기능이 동일한 기지국(304)에 통합됨), 데이터 버스들(334, 382, 및 392)은 그들 사이의 통신을 제공할 수 있다.
[0079]
도 3a, 도 3b 및 도 3c의 컴포넌트들은 다양한 방식들로 구현될 수 있다. 일부 구현들에서, 도 3a, 도 3b 및 도 3c의 컴포넌트들은 예를 들어, 하나 이상의 프로세서들 및/또는 하나 이상의 ASIC들(하나 이상의 프로세서들을 포함할 수 있음)과 같은 하나 이상의 회로들로 구현될 수 있다. 여기서, 각각의 회로는 이러한 기능을 제공하기 위해 회로에 의해 사용되는 정보 또는 실행가능한 코드를 저장하기 위한 적어도 하나의 메모리 컴포넌트를 사용 및/또는 통합할 수 있다. 예를 들어, 블록들(310 내지 346)에 의해 표현되는 기능 중 일부 또는 전부는 UE(302)의 프로세서 및 메모리 컴포넌트(들)에 의해(예를 들어, 적절한 코드의 실행에 의해 및/또는 프로세서 컴포넌트들의 적절한 구성에 의해) 구현될 수 있다. 유사하게, 블록들(350 내지 388)에 의해 표현되는 기능 중 일부 또는 전부는 기지국(304)의 프로세서 및 메모리 컴포넌트(들)에 의해(예를 들어, 적절한 코드의 실행에 의해 및/또는 프로세서 컴포넌트들의 적절한 구성에 의해) 구현될 수 있다. 또한, 블록들(390 내지 398)에 의해 표현되는 기능 중 일부 또는 전부는 네트워크 엔티티(306)의 프로세서 및 메모리 컴포넌트(들)에 의해(예를 들어, 적절한 코드의 실행에 의해 및/또는 프로세서 컴포넌트들의 적절한 구성에 의해) 구현될 수 있다. 간략화를 위해, 다양한 동작들, 작동들 및/또는 기능들은 "UE에 의해", "기지국에 의해", "네트워크 엔티티" 등에 의해 수행되는 것으로서 본원에서 설명된다. 그러나, 인식될 바와 같이, 그러한 동작들, 작동들 및/또는 기능들은 실제로, UE(302), 기지국(304), 네트워크 엔티티(306) 등의 특정 컴포넌트들 또는 컴포넌트들의 조합들, 이를 테면, 프로세서들(332, 384, 394), 트랜시버들(310, 320, 350 및 360), 메모리들(340, 386, 및 396), 포지셔닝 컴포넌트들(342, 388, 및 398) 등에 의해 수행될 수 있다.
[0080]
일부 설계들에서, 네트워크 엔티티(306)는 코어 네트워크 컴포넌트로서 구현될 수 있다. 다른 설계들에서, 네트워크 엔티티(306)는 셀룰러 네트워크 인프라구조(예컨대, NG RAN(220) 및/또는 5GC(210/260))의 네트워크 운영자 또는 동작과 별개일 수 있다. 예를 들어, 네트워크 엔티티(306)는 기지국(304)을 통해 또는 기지국(304)과 독립적으로(예를 들어, WiFi와 같은 비-셀룰러 통신 링크를 통해) UE(302)와 통신하도록 구성될 수 있는 사설 네트워크의 컴포넌트일 수 있다.
[0081]
NR은 다운링크-기반, 업링크-기반 및 다운링크-및-업링크-기반 포지셔닝 방법들을 포함하는 다수의 셀룰러 네트워크-기반 포지셔닝 기술들을 지원한다. 다운링크-기반 포지셔닝 방법들은 LTE에서의 OTDOA(observed time difference of arrival), NR에서의 DL-TDOA(downlink time difference of arrival), 및 NR에서의 DL-AoD(downlink angle-of-departure)를 포함한다. OTDOA 또는 DL-TDOA 포지셔닝 절차에서, UE는 RSTD(reference signal time difference) 또는 TDOA(time difference of arrival) 측정들로 지칭되는, 기지국들의 쌍들로부터 수신된 기준 신호들(예컨대, PRS(positioning reference signals))의 ToA(time of arrival)들 사이의 차이들을 측정하고, 이들을 포지셔닝 엔티티에 보고한다. 더 구체적으로, UE는 보조 데이터에서 기준 기지국(예를 들어, 서빙 기지국) 및 다수의 비-기준 기지국들의 식별자(ID)들을 수신한다. 이어서, UE는 기준 기지국과 비-기준 기지국들 각각 사이의 RSTD를 측정한다. 수반되는 기지국들의 알려진 로케이션들 및 RSTD 측정들에 기초하여, 포지셔닝 엔티티는 UE의 로케이션을 추정할 수 있다.
[0082]
DL-AoD 포지셔닝의 경우, 포지셔닝 엔티티는 UE와 송신 기지국(들) 사이의 각도(들)를 결정하기 위해, 다수의 다운링크 송신 빔들의 수신 신호 강도 측정들의 UE로부터의 빔 보고를 사용한다. 이어서, 포지셔닝 엔티티는 송신 기지국(들)의 결정된 각도(들) 및 알려진 로케이션(들)에 기초하여 UE의 로케이션을 추정할 수 있다.
[0083]
업링크-기반 포지셔닝 방법들은 UL-TDOA(uplink time difference of arrival) 및 UL-AoA(uplink angle-of-arrival)를 포함한다. UL-TDOA는 DL-TDOA와 유사하지만, UE에 의해 송신되는 업링크 기준 신호들(예를 들어, SRS(sounding reference signals))에 기초한다. UL-AoA 포지셔닝을 위해, 하나 이상의 기지국들은 하나 이상의 업링크 수신 빔들 상에서 UE로부터 수신된 하나 이상의 업링크 기준 신호들(예컨대, SRS)의 수신 신호 강도를 측정한다. 포지셔닝 엔티티는 UE와 기지국(들) 사이의 각도(들)를 결정하기 위해 신호 강도 측정들 및 수신 빔(들)의 각도(들)를 사용한다. 이어서, 기지국(들)의 결정된 각도(들) 및 알려진 로케이션(들)에 기초하여, 포지셔닝 엔티티는 UE의 로케이션을 추정할 수 있다.
[0084]
다운링크-및-업링크-기반 포지셔닝 방법들은 E-CID(enhanced cell-ID) 포지셔닝 및 멀티-RTT(round-trip-time) 포지셔닝("멀티-셀 RTT"로 또한 지칭됨)을 포함한다. RTT 절차에서, 개시자(기지국 또는 UE)는 RTT 측정 신호(예컨대, PRS 또는 SRS)를 응답자(UE 또는 기지국)에 송신하고, 응답자는 RTT 응답 신호(예컨대, SRS)를 다시 개시자에게 송신한다. RTT 응답 신호는 Rx-Tx(reception-to-transmission) 시간 차이로 지칭되는, RTT 측정 신호의 ToA와 RTT 응답 신호의 송신 시간 사이의 차이를 포함한다. 개시자는 Tx-Rx(transmission-to-reception) 시간 차이로 지칭되는, RTT 측정 신호의 송신 시간과 RTT 응답 신호의 ToA 사이의 차이를 계산한다. 개시자와 응답자 사이의 전파 시간("비행 시간"으로 또한 지칭됨)은 Tx-Rx 및 Rx-Tx 시간 차이들로부터 계산될 수 있다. 전파 시간 및 알려진 광속에 기초하여, 개시기와 응답자 사이의 거리가 결정될 수 있다. 멀티-RTT 포지셔닝의 경우, UE는, 기지국들의 알려진 로케이션들에 기초하여 자신의 로케이션이 (예컨대, 삼변측량을 사용하여) 결정될 수 있게 하기 위해 다수의 기지국들과의 RTT 절차를 수행한다. RTT 및 멀티-RTT 방법들은 로케이션 정확도를 개선하기 위해 UL-AoA 및 DL-AoD와 같은 다른 포지셔닝 기법들과 조합될 수 있다.
[0085]
E-CID 포지셔닝 방법은 RRM(radio resource management) 측정들에 기초한다. E-CID에서, UE는 서빙 셀 ID, TA(timing advance), 및 검출된 이웃 기지국들의 식별자들, 추정된 타이밍 및 신호 강도를 보고한다. 이어서, UE의 로케이션은 이러한 정보 및 기지국(들)의 알려진 로케이션들에 기초하여 추정된다.
[0086]
포지셔닝 동작들을 보조하기 위해, 로케이션 서버(예를 들어, 로케이션 서버(230), LMF(270), SLP(272))는 보조 데이터를 UE에 제공할 수 있다. 예를 들어, 보조 데이터는 기준 신호들을 측정할 기지국들(또는 기지국들의 셀들/TRP들)의 식별자들, 기준 신호 구성 파라미터들(예컨대, 연속하는 포지셔닝 서브프레임들의 수, 포지셔닝 서브프레임들의 주기, 뮤팅 시퀀스, 주파수 홉핑 시퀀스, 기준 신호 식별자, 기준 신호 대역폭 등), 및/또는 특정 포지셔닝 방법에 적용가능한 다른 파라미터들을 포함할 수 있다. 대안적으로, 보조 데이터는 기지국들 자체로부터 (예컨대, 주기적으로 브로드캐스트된 오버헤드 메시지들 등에서) 직접 발신될 수 있다. 일부 경우들에서, UE는 보조 데이터의 사용 없이 이웃 네트워크 노드들 자체를 검출할 수 있다.
[0087]
OTDOA 또는 DL-TDOA 포지셔닝 절차의 경우, 보조 데이터는 예상 RSTD 값 및 연관된 불확실성, 또는 예상 RSTD 주위의 탐색 윈도우를 더 포함할 수 있다. 일부 경우들에서, 예상 RSTD의 값 범위는 +/- 500 마이크로초(μs)일 수 있다. 일부 경우들에서, 포지셔닝 측정에 사용되는 자원들 중 임의의 자원이 FR1에 있을 때, 예상 RSTD의 불확실성에 대한 값 범위는 +/- 32 μs일 수 있다. 다른 경우들에서, 포지셔닝 측정(들)에 사용되는 자원들 모두가 FR2에 있을 때, 예상 RSTD의 불확실성에 대한 값 범위는 +/- 8 μs일 수 있다.
[0088]
로케이션 추정은 포지션 추정, 로케이션, 포지션, 포지션 픽스, 픽스 등과 같은 다른 이름들에 의해 지칭될 수 있다. 로케이션 추정은 측지적일 수 있고, 좌표들(예컨대, 위도, 경도, 및 가능하게는 고도)을 포함할 수 있거나, 도시적일 수 있고, 거리 어드레스, 우편 어드레스, 또는 로케이션의 일부 다른 구두 설명을 포함할 수 있다. 로케이션 추정은 일부 다른 알려진 로케이션에 대해 추가로 정의되거나 또는 (예컨대, 위도, 경도 및 가능하게는 고도를 사용하여) 절대적인 용어들로 정의될 수 있다. 로케이션 추정은 (예를 들어, 로케이션이 일부 특정된 또는 디폴트 레벨의 신뢰도로 포함될 것으로 예상되는 영역 또는 볼륨을 포함시킴으로써) 예상된 에러 또는 불확실성을 포함할 수 있다.
[0089]
머신 러닝은 데이터의 프로세싱과 연관된 다양한 양상들을 용이하게 하기 위해 사용될 수 있는 모델들을 생성하는 데 사용될 수 있다. 머신 러닝의 하나의 특정 애플리케이션은 특징 추출, 기준 신호 측정들의 보고(예컨대, 어느 추출된 특징들을 보고할지의 선택) 등과 같은 포지셔닝을 위한 기준 신호들(예컨대, PRS)의 프로세싱을 위한 측정 모델들의 생성에 관한 것이다.
[0090]
머신 러닝 모델들은 일반적으로 감독형(supervised) 또는 비감독형(unsupervised)으로 카테고리화된다. 감독형 모델은 회귀(regression) 또는 분류(classification) 모델로서 추가로 서브-카테고리화될 수 있다. 감독형 러닝은 예시적인 입력-출력 쌍들에 기초하여 입력을 출력에 맵핑하는 기능을 러닝하는 것을 수반한다. 예를 들어, 나이(입력) 및 키(출력)의 2개의 변수들을 갖는 트레이닝 데이터세트가 주어지면, 사람의 나이에 기초하여 그 사람의 키를 예측하기 위해 감독형 러닝 모델이 생성될 수 있다. 회귀 모델들에서, 출력은 연속적이다. 회귀 모델의 일 예는 선형 회귀이며, 이는 단순히 데이터에 가장 잘 맞는 라인을 찾도록 시도한다. 선형 회귀의 확장들은 다중 선형 회귀(예컨대, 최적합의 평면을 찾음) 및 다항식 회귀(예컨대, 최적합의 곡선을 찾음)를 포함한다.
[0091]
머신 러닝 모델의 다른 예는 결정 트리 모델이다. 결정 트리 모델에서, 트리 구조는 복수의 노드들로 정의된다. 결정 트리의 최상부에 있는 루트 노드로부터 결정 트리의 최하부에 있는 잎 노드(즉, 추가의 자식 노드들을 갖지 않는 노드)로 이동하기 위해 결정들이 사용된다. 일반적으로, 결정 트리 모델에서 더 많은 수의 노드들은 더 높은 결정 정확도와 상관된다.
[0092]
머신 러닝 모델의 다른 예는 결정 포레스트(forest)이다. 랜덤 포레스트들은 결정 트리들로부터 구축되는 앙상블 러닝 기법이다. 랜덤 포레스트들은 오리지널 데이터의 부트스트래핑된(bootstrapped) 데이터세트들을 사용하여 다수의 결정 트리들을 생성하는 것, 및 결정 트리의 각각의 단계에서 변수들의 서브세트를 랜덤하게 선택하는 것을 수반한다. 이어서, 모델은 각각의 결정 트리의 모든 예측들의 모드를 선택한다. "다수 승리" 모델에 의존함으로써, 개별 트리로부터의 에러의 위험이 감소된다.
[0093]
머신 러닝 모델의 다른 예는 뉴럴 네트워크(NN)이다. 뉴럴 네트워크는 본질적으로 수학 방정식들의 네트워크이다. 뉴럴 네트워크들은 하나 이상의 입력 변수들을 수용하고, 방정식들의 네트워크를 진행함으로써, 하나 이상의 출력 변수들을 발생시킨다. 달리 말하면, 뉴럴 네트워크는 입력들의 벡터를 취하고 출력들의 벡터를 리턴한다.
[0094]
도 4는 본 개시의 양상들에 따른 예시적인 뉴럴 네트워크(400)를 예시한다. 뉴럴 네트워크(400)은 'n'개의(하나 이상의) 입력들("입력 1", "입력 2" 및 "입력 n"으로 예시됨)을 수신하는 입력 계층 'i', 입력 계층으로부터의 입력들을 프로세싱하기 위한 하나 이상의 은닉 계층들(은닉 계층들 'h1', 'h2', 및 'h3'으로 예시됨), 및 'm'개의(하나 이상의) 출력들("출력 1" 및 "출력 m"으로 라벨링됨)을 제공하는 출력 계층 'o'를 포함한다. 입력들 'n', 은닉 계층들 'h' 및 출력들 'm'의 수는 동일하거나 상이할 수 있다. 일부 설계들에서, 은닉 계층들 'h'는, 각각의 연속 은닉 계층의 노드들(원들로서 예시됨)이 이전 은닉 계층의 노드들로부터 프로세싱하는 선형 함수(들) 및/또는 활성화 함수(들)를 포함할 수 있다.
[0095]
분류 모델들에서, 출력은 이산적이다. 분류 모델의 일 예는 로지스틱(logistic) 회귀이다. 로지스틱 회귀는 선형 회귀와 유사하지만, 통상적으로 2인 유한한 수의 결과들의 확률을 모델링하기 위해 사용된다. 본질적으로, 출력 값들이 '0' 내지 '1'일 수 있는 방식으로 로지스틱 방정식이 생성된다. 분류 모델의 다른 예는 지원 벡터 머신이다. 예를 들어, 2개의 데이터 클래스들에 대해, 지원 벡터 머신은 2개의 클래스들 사이의 마진을 최대화하는, 2개의 데이터 클래스들 사이의 초평면(hyperplane) 또는 경계를 찾을 것이다. 2개의 클래스들을 분리할 수 있는 많은 평면들이 존재하지만, 오직 하나의 평면만이 클래스들 사이의 마진 또는 거리를 최대화할 수 있다. 분류 모델의 다른 예는 베이즈 정리(Bayes theorem)에 기초하는 나이브 베이즈(Naive Bayes)이다. 분류 모델들의 다른 예들은, 출력이 연속적이기보다는 이산적이라는 점을 제외하고는, 위에서 설명된 예들과 유사하게, 결정 트리, 랜덤 포레스트, 및 뉴럴 네트워크를 포함한다.
[0096]
감독형 러닝과 달리, 비감독형 러닝은 라벨링된 결과들에 대한 참조들 없이 입력 데이터로부터 추론들을 도출하고 패턴들을 찾기 위해 사용된다. 비감독형 러닝 모델들의 2개의 예들은 클러스터링 및 차원 감소를 포함한다.
[0097]
클러스터링은 데이터 포인트들의 그룹화 또는 클러스터링을 수반하는 비감독형 기법이다. 클러스터링은 고객 세그먼트화, 사기 탐지 및 문서 분류에 자주 사용된다. 일반적인 클러스터링 기법들은 k-평균 클러스터링, 계층적 클러스터링, 평균 시프트 클러스터링, 및 밀도-기반 클러스터링을 포함한다. 차원 감소는 주요 변수들의 세트를 획득함으로써 고려 중인 랜덤 변수들의 수를 감소시키는 프로세스이다. 더 간단한 용어들로, 차원 감소는 특징 세트의 차원을 감소시키는(훨씬 더 간단한 용어들로는, 특징들의 수를 감소시키는) 프로세스이다. 대부분의 차원 감소 기법들은 특징 제거 또는 특징 추출로서 카테고리화될 수 있다. 차원 감소의 일 예는 PCA(principal component analysis)로 지칭된다. 가장 간단한 의미에서, PCA는 더 작은 공간(예컨대, 2차원)에 더 높은 차원 데이터(예컨대, 3차원)를 투사하는 것을 수반한다. 이는 모델에서 모든 오리지널 변수들을 유지하면서 더 낮은 차원의 데이터(예컨대, 3개의 차원들 대신 2개의 차원들)를 초래한다.
[0098]
어떤 머신 러닝 모델이 사용되는지에 관계없이, 고레벨에서, (예컨대, 프로세서들(332, 384, 또는 394)과 같은 프로세싱 시스템에 의해 구현된) 머신 러닝 모듈은 트레이닝 입력 데이터(예컨대, 다양한 타겟 UE들로/로부터의 기준 신호들의 측정들)을 분석하고 이 트레이닝 입력 데이터를 출력 데이터 세트(예컨대, 다양한 타겟 UE들의 가능한 또는 가능성이 있는 후보 로케이션들의 세트)와 연관시킴으로써, (예컨대, 동일한 또는 유사한 로케이션의 다른 타겟 UE들로부터의) 유사한 입력 데이터가 제시될 때 동일한 출력 데이터 세트의 추후의 결정을 가능하게 한다.
[0099]
위에서 설명된 바와 같이, 셀룰러 시스템들에서, UE의 로케이션은 (예컨대, UL-AoA, RTT 및 UL-TDOA 포지셔닝 기법들을 위해) UE에 의해 gNB에 송신된 기준 신호들(예컨대, SRS)에 기초하여 결정될 수 있다. 이것은 gNB와 업스트림 로케이션 서버(예컨대, LMF(270)) 사이의 정보의 교환을 요구한다. gNB는 RTT, TDOA, AoA 등과 같은 특징들을 추정할 수 있고, 이는, 이어서 로케이션 서버에 보고한다. 로케이션 서버는 물리 및 통계 기법들에 기초한 모델을 사용하여 이러한 특징들을 UE의 로케이션의 추정에 맵핑한다. 이는 또한 정확도를 개선하기 위해 UE로부터의 기준 신호들을 측정하는 다수의 gNB들로부터의 특징들을 융합시킬 수 있다.
[0100]
이러한 접근법은 측정 신뢰도를 수학적으로 모델링하는 능력에 의존한다. 로컬 조건들(이를테면, 구현 양상들, 측정들을 수행하기 위한 gNB들의 능력, 이력 데이터의 이용가능성 등)에 따라, 로케이션 서버는 또한, gNB가 얼마나 그리고 어떤 정보를 보고해야 하는지를 맞춤화할 필요가 있을 수 있다.
[0101]
업링크 기준 신호(들)로부터 UE의 로케이션 가능성으로의 맵핑은 몇몇 컴포넌트들을 포함하며, 이들 중 일부는 수학적으로 모델링하기 쉽지 않을 수 있다. 예를 들어, 물리 기반 모델(예컨대, RTT가 원형 윤곽들을 가짐)과 같은 공통 모델들 및 gNB 속성들(예컨대, 로케이션, 다운틸트(downtilt), 송신 전력 등), gNB-측 구현 문제들(예컨대, gNB 동기화 에러들, 클록 드리프트, 안테나 대 기저대역 지연 등), BSA(base station almanac) 에러들 등에 대한 gNB-특정 모델들이 있다. 수학적 모델(들)은, 예를 들어, 측정 신뢰도가 모델링하기 쉽지 않을 수 있다는 문제로 인해 제한될 수 있다. 또한, 모델(들)에 필요한 정보는 이용가능하지 않을 수 있다(예컨대, gNB 시간 동기화 에러).
[0102]
기준 신호를 포지셔닝 특징들의 가능성에 맵핑하도록 모델을 러닝하기 위해 과거 데이터가 사용되는 머신 러닝 기반 접근법을 가능하게 하는 메커니즘이 필요하다. 메커니즘은 미리 정의된 특징들의 세트로부터 선택하는 것보다 더 많은 유연성을 허용해야 하므로, 네트워크는 특징들을 특정 로컬 조건들에 맞춤화할 수 있다.
[0103]
본 개시는 로케이션 서버가 기지국 특징 프로세싱 뉴럴 네트워크의 형태의 함수 변환을 이용하여 기지국을 구성하기 위한 기법들을 제공한다. 높은 레벨에서, 로케이션 서버는 이러한 뉴럴 네트워크의 파라미터들(즉, 뉴럴 네트워크의 가중치들 및 바이어스들)을 기지국에 송신한다. 이어서, 기지국은 이러한 뉴럴 네트워크를 사용하여 UE로부터 수신된 기준 신호(들)를 프로세싱하여 다양한 포지셔닝 특징들의 가능성을 도출할 수 있다.
[0104]
도 5는 본 개시의 양상들에 따른, 예시적인 머신 러닝-기반 포지셔닝 공식화를 예시하는 도면(500)이다. 기지국 측에서, 기지국은 'm'개의(하나 이상의) 입력들(510)("z1" 및 "zm"으로서 예시됨)을 뉴럴 네트워크(520)에 제공한다. 'm'개의 입력들(510)은 기지국에서 수신된 업링크 기준 신호를 표현하는 원시 I/Q 샘플들(또한 "분석적 신호"로 지칭됨)일 수 있다. 대안적으로, 'm'개의 입력들(510)은 기준 신호의 시간-도메인 또는 주파수-도메인 채널 추정일 수 있다. 시간-도메인 채널 추정은 전력-지연-각도 프로파일의 형태일 수 있다. 예를 들어, 시간-도메인 채널 추정은 'M'개의 각도들 각각에 대한 최상위 'N'개의 채널 탭들의 전력들을 포함할 수 있거나, 또는 대안적으로 전체 채널 응답의 서브세트만을 포함할 수 있다. 후자의 예로서, 시간-도메인 채널 추정은 1차원 전력-지연 프로파일 ― 여기서 전력은 각도들에 걸쳐 평균화됨 ―, 및 SINR일 수 있다. 다른 예로서, 이는 1차원 지연 프로파일(전력 정보가 없음) 및 SINR일 수 있다.
[0105]
도 6은 본 개시의 양상들에 따른, 수신기 디바이스(예컨대, 본원에 설명된 UE들 또는 기지국들 중 임의의 것)와 송신기 디바이스(예컨대, 본원에 설명된 UE들 또는 기지국들 중 임의의 다른 것) 사이의 다중경로 채널의 채널 추정을 예시하는 그래프(600)이다. 채널 추정은 다중경로 채널을 통해 수신된 RF(radio frequency) 신호의 세기를 시간 지연의 함수로서 표현한다. 따라서, 수평 축은 시간 단위들(예컨대, 밀리초)이고, 수직 축은 신호 강도 단위들(예컨대, 데시벨)이다. 다중경로 채널은 송신기와 수신기 사이의 채널이고, 이를 통해 RF 신호는, 다수의 빔들 상에서의 RF 신호의 송신 및/또는 RF 신호의 전파 특성들(예컨대, 반사, 굴절 등)로 인해 다수의 경로들 또는 다중경로들을 따른다.
[0106]
도 6의 예에서, 수신기는 채널 탭들의 다수(4개)의 클러스터들을 검출/측정한다. 각각의 채널 탭은 송신기와 수신기 사이에서 RF 신호가 따르는 다중경로를 표현한다. 즉, 채널 탭은 다중경로 상에서의 RF 신호의 도달을 표현한다. 채널 탭들의 각각의 클러스터는 대응하는 다중경로들이 본질적으로 동일한 경로를 따른 것을 표시한다. RF 신호가 상이한 송신 빔들 상에서(그리고 그에 따라 상이한 각도들로) 송신되는 것으로 인해, 또는 RF 신호들의 전파 특성들(예컨대, 반사들로 인해 잠재적으로 상이한 경로들을 따름)으로 인해, 또는 둘 모두로 인해 상이한 클러스터들이 존재할 수 있다.
[0107]
주어진 RF 신호에 대한 채널 탭들의 클러스터들 모두는 송신기와 수신기 사이의 다중경로 채널(또는 간단히 채널)을 표현한다. 도 6에 예시된 채널 하에서, 수신기는 시간 'T1'에 채널 탭들 상에서 2개의 RF 신호들의 제1 클러스터, 시간 'T2'에 채널 탭들 상에서 5개의 RF 신호들의 제2 클러스터를, 시간 'T3'에 채널 탭들 상에서 5개의 RF 신호들의 제3 클러스터를, 그리고 시간 'T4'에 채널 탭들 상의 4개의 RF 신호들의 제4 클러스터를 수신한다. 도 6의 예에서, 시간 'T1'에서 RF 신호들의 제1 클러스터가 먼저 도달하기 때문에, 이는 LOS 또는 최단 경로와 정렬된 송신 빔 상에서 송신된 RF 신호에 대응하는 것으로 가정된다. 시간 'T3'에서 제3 클러스터는 가장 강한 RF 신호들로 구성되고, 예를 들어, 비-가시선(NLOS) 경로와 정렬된 송신 빔 상에서 송신된 RF 신호에 대응할 수 있다. 도 6이 2개 내지 5개의 채널 탭들의 클러스터들을 예시하지만, 인식될 바와 같이, 클러스터들은 예시된 수보다 더 많거나 더 적은 수의 채널 탭들을 가질 수 있음을 주목한다.
[0108]
도 5를 다시 참조하면, 뉴럴 네트워크(520)는 'm'개의 입력들(510)(예컨대, I/Q 샘플들 또는 기준 신호의 시간-도메인 또는 주파수-도메인 채널 추정)을 특징 통계들에 맵핑하는 머신 러닝-기반 모델일 수 있다. 뉴럴 네트워크(520)은 'k'개의(하나 이상의) 포지셔닝 특징들의 통계들(530)을 출력한다. 포지셔닝 특징들('t1' 및 'tk'로서 예시됨)은 RTT, AoA, ToA 등과 같은 측정된 기준 신호에 기초하는 포지셔닝 측정들일 수 있다. 통계들(530)(함수 'fT1'로서 예시됨)은 'k'개의 포지셔닝 특징들의 평균, 신뢰 구간, 표준 편차 등일 수 있다. 대안적으로, 출력된 통계들(530)은, 예를 들어, 가우시안들의 혼합(대칭적 "종형 곡선(bell curve)" 형상)의 형태로, 각각의 포지셔닝 특징의 확률 분포를 표현할 수 있다. 뉴럴 네트워크(520)는 혼합 성분들의 평균들, 공분산들 및 가중치들을 출력할 수 있다. 이러한 경우, 다수의 특징들(예컨대, RTT 및 AoA)은 또한 공동 확률 분포로서, 예를 들어, 가우시안들의 다차원 혼합으로서 표현될 수 있다.
[0109]
기지국은 통계들(530)을 로케이션 서버(LMF(270))에 송신할 수 있다. 로케이션 서버는 UE와의 포지셔닝 세션에 수반되는 하나 이상의 기지국들로부터 통계들(530)을 수신할 수 있다. 로케이션 서버는, 각각의 기지국으로부터의 통계들(530)을, 통계들(530) 및 BSA 정보(예컨대, 수반된 기지국(들)의 로케이션)에 기초하여 UE의 로케이션을 결정하는 특징 융합 모듈(540)에 입력할 수 있다.
[0110]
도 7은 본 개시의 양상들에 따른, 다른 예시적인 머신 러닝-기반 포지셔닝 공식화를 예시하는 도면(700)이다. 도 5의 예에서와 같이, 기지국 측에서, 기지국은 'm'개의(하나 이상의) 입력들(710)("z1" 및 "zm"으로서 예시됨)을 뉴럴 네트워크(720)에 제공한다. 'm'개의 입력들(510)과 같이, 'm'개의 입력들(710)은 기지국에서 수신된 업링크 기준 신호를 표현하는 원시 I/Q 샘플들일 수 있거나, 또는 기준 신호의 시간-도메인 또는 주파수-도메인 채널 추정일 수 있다.
[0111]
뉴럴 네트워크(520)와 달리, 뉴럴 네트워크(720)는 'm'개의 입력들(710)(예컨대, I/Q 샘플들 또는 기준 신호의 시간-도메인 또는 주파수-도메인 채널 추정)을 UE의 로케이션 가능성들에 맵핑하는 머신 러닝-기반 모델이다. 도 5의 예에서 로케이션 서버에 저장된 BSA 정보가 제공되기 때문에, 뉴럴 네트워크(720)는 UE의 로케이션 가능성들을 생성할 수 있다. 뉴럴 네트워크(720)은 가능한 UE 로케이션들 'x'에 걸쳐 'k'개의(하나 이상의) 포지셔닝 특징들 't'의 가능성들(730)을 출력한다. 도 5의 예에서와 같이, 포지셔닝 특징들은 RTT, AoA, ToA 등과 같은 측정된 기준 신호에 기초하는 포지셔닝 측정들일 수 있다. 가능성들(730)(함수 'fT1| x '로서 예시됨)은 가능한 UE 로케이션들 'x'('t1| x ' 및 'tk| x '로서 예시됨)에 걸친 'k'개의 포지셔닝 특징들 't'의 평균, 신뢰 구간, 표준 편차, 확률 분포 등일 수 있다.
[0112]
기지국은 가능성들(730)을 로케이션 서버(LMF(270))에 송신할 수 있다. 로케이션 서버는 UE와의 포지셔닝 세션에 수반되는 하나 이상의 기지국들로부터 가능성들(730)을 수신할 수 있다. 로케이션 서버는 각각의 기지국으로부터의 가능성들(730)을 특징 융합 모듈(740)에 입력할 수 있고, 특징 융합 모듈(740)은 가능성들(730)에 기초하여, UE의 로케이션을 결정한다.
[0113]
로케이션 서버는 뉴럴 네트워크들(520 및 720)의 파라미터들(예컨대, 가중치들 및 바이어스들)을 기지국에 송신한다. 로케이션 서버는 다양한 기지국 및 UE 조건들, 이를테면 기지국 카테고리(예컨대, 디바이스 모델, 모뎀 버전, 프로세싱 능력 등), 상이한 대역들로부터 유도된 기지국-측 채널 측정들, UE의 지리적 영역(예컨대, 로케이션, 지형) 및 실내/실외 조건, UE가 하나의 셀로부터 다른 셀로 핸드오버하려고 하는지 여부 등에 기초하여 송신된 뉴럴 네트워크 파라미터들을 맞춤화할 수 있다.
[0114]
뉴럴 네트워크들(520 및 720)은 (은닉 계층들 'h1', 'h2' 및 'h3'에 의해 도 4에 예시된 바와 같이) 다수의 계층들을 가질 수 있으며, 일부 계층들의 파라미터들은 모든 UE/gNB 조건들에 걸쳐 공통이고, 다른 계층들은 각각의 UE/gNB 조건에 맞춤화된다. 로케이션 서버는 모든 UE-특정 뉴럴 네트워크 구성들을 기지국에 송신할 수 있다. 각각의 UE에 대해, 그리고 그 UE가 대략적으로 로케이트된 곳에 대한 사전 지식에 기초하여(예컨대, UE와 연관된 서빙 셀 아이덴티티(예컨대, PCI, ECI 등)에 기초하여), 기지국은, UE가 로케이트된 지리적 영역과 연관된 뉴럴 네트워크 메모리로부터 로딩할 수 있다.
[0115]
예를 들어, 다수의 코로케이트된 분산형 유닛들(예컨대, gNB-DU들(228)) 및 중앙 유닛(예컨대, gNB-CU(226))을 갖는, 기지국과 연관된 3개의 섹터들이 존재하면, 로케이션 서버는 각각의 분산형 유닛에 대한 별개의 뉴럴 네트워크(520/720) 또는 중앙 유닛에 대한 단일 뉴럴 네트워크를 구성할 수 있다.
[0116]
일 양상에서, 로케이션 서버는 SRS 측정 구성과 함께 뉴럴 네트워크 파라미터들을 기지국에 전송할 수 있다. 대안적으로, 별개의 뉴럴 네트워크 파라미터 메시지가 존재할 수 있다. 예를 들어, 로케이션 서버로부터 기지국으로의 "측정 요청" 메시지는 레거시 "측정 타입"이 아니라 "가능성 함수"를 포함할 수 있다. 이는, 레거시 측정들이 아닌 뉴럴 네트워크(520/720)의 출력들을 리턴할 것임을 기지국에 시그널링할 것이다. 이러한 시그널링은 LMF(270)와 gNB(222) 사이의 시그널링 인터페이스인 NRPP(NR positioning protocol type A)를 통해 이루어질 수 있다.
[0117]
도 8은 본 개시의 양상들에 따른, NG-RAN 노드(802)와 LMF(270) 사이의 예시적인 측정 절차(800)를 예시한다. NG-RAN 노드(802)는 ng-eNB(224), gNB(222), gNB-CU(226), gNB-DU(228), 또는 NG-RAN(220) 내의 다른 노드일 수 있다.
[0118]
측정 절차(800)는 LMF(270)가 포지셔닝 측정들을 수행 및 보고하도록 NG-RAN 노드(802)의 하나 이상의 TRP들에 요청할 수 있게 한다. LMF(270)는 스테이지(810)에서, (예컨대, NRPPa에 대한) MEASUREMENT REQUEST 메시지를 NG-RAN 노드(802)에 전송함으로써 측정 절차(800)를 개시한다. MEASUREMENT REQUEST 메시지는 다음의 필드: "메시지 타입"(필수), "NRPPa 트랜잭션 ID"(필수), "LMF 측정 ID"(필수), "TRP 측정 요청 리스트", "보고 특성들"(필수) 및 "측정 주기성"을 포함할 수 있다. "TRP 측정 요청 리스트" 필드들은 측정들이 요청되는 TRP(들)를 표시하고, 하나 이상의 "TRP 측정 요청 항목" 필드들을 포함한다. 각각의 "TRP 측정 요청 항목" 필드는 다음의 필드들: "TRP ID"(필수), "탐색 윈도우 정보"(선택적) 및 "셀 ID"(선택적)를 포함한다.
[0119]
측정 요청 메시지는 또한 "TRP 측정 수량 항목" 필드를 포함하는 "TRP 측정 수량들" 필드를 포함할 수 있다. "TRP 측정 수량 항목" 필드는, TRP가 수행할 것으로 예상되는 측정의 타입을 특정하는 "TRP 측정 타입" 필드를 포함한다. 현재, 이 필드는 TRP가 다음의 측정 타입들: gNB Tx-Rx 시간 차이, UL-SRS-RSRP, UL-AoA, 또는 UL-RTOA(uplink roundtrip time of arrival) 중 하나를 수행할 것으로 예상된다는 것을 표시한다.
[0120]
"TRP 측정 타입" 필드는, TRP가 가능성 함수를 구현하고 뉴럴 네트워크(520/720)의 출력들을 보고할 것으로 예상되는 것을 표시하는 값, 플래그, 필드 등을 포함하도록 확장될 수 있다. LMF(270)는 MEASUREMENT REQUEST 메시지 또는 별개의 메시지에 뉴럴 네트워크(520/720)에 대한 파라미터들을 포함할 수 있다. "TRP 측정 타입" 필드는 측정 타입의 레거시 식별 및 TRP가 가능성 함수를 실행할 것으로 예상된다는 표시 둘 모두, 또는 단지 TRP가 가능성 함수를 실행할 것으로 예상된다는 표시만을 포함할 수 있다.
[0121]
NG-RAN 노드(802)는 (TRP ID 필드(들)에 기초하여) 표시된 TRP(들)에 의해 포지셔닝 측정들을 구성하기 위해 "TRP 측정 요청 리스트" 필드에 포함된 정보를 사용할 것으로 예상된다. 식별된 TRP(들)는 적어도, "TRP 측정 타입" 필드에 표시된 측정들 및/또는 가능성 함수를 수행할 것으로 예상된다. 요청된 측정들 및/또는 가능성 함수 중 적어도 하나가 TRP들 중 적어도 하나에 대해 성공적이었다면, NG-RAN 노드(802)는 820에서, "TRP 측정 응답 리스트" 필드를 포함하는 (예컨대, NRPPa에 대한) MEASUREMENT RESPONSE 메시지로 응답한다. TRP가 가능성 함수를 실행할 것으로 예상된 것을 "TRP 측정 타입" 필드가 표시한 경우, "TRP 측정 응답 리스트" 필드는 또한 뉴럴 네트워크(520/720)의 출력들을 포함할 수 있다.
[0122]
전술한 내용이 기지국이 UE로부터 수신된 업링크 기준 신호들의 측정들을 프로세싱하기 위해 뉴럴 네트워크(520/720)을 구현하는 것을 설명하지만, 인식될 바와 같이, 본원에 설명된 기법들은 또한, 알려진 로케이션을 갖는 UE가 (예컨대, 사이드링크를 통해) 미지의 로케이션을 갖는 다른 (타겟) UE의 포지셔닝을 보조하는 것에 적용가능함을 주목한다. 이러한 경우, 보조 UE는 위의 설명에서 기지국으로서 작용할 것이다. 그러나, 보조 UE는 NRPPa 대신에 LPP(LTE positioning protocol)를 통해 로케이션 서버와 통신할 것이다. 대안적으로, 보조 UE는 자신의 서빙 기지국으로부터 뉴럴 네트워크(520/720)에 대한 파라미터들뿐만 아니라 가능성 함수를 실행하기 위한 요청을 수신할 수 있다.
[0123]
도 9는 본 개시의 양상들에 따른 예시적인 포지셔닝 방법(900)을 예시한다. 일 양상에서, 방법(900)은 네트워크 노드(예컨대, 본원에 설명된 기지국들 또는 UE들 중 임의의 것)에 의해 수행될 수 있다.
[0124]
910에서, 네트워크 노드는 네트워크 엔티티(예컨대, 네트워크 노드가 기지국인 로케이션 서버, 네트워크 노드가 UE인 기지국)로부터, 뉴럴 네트워크(예컨대, 뉴럴 네트워크(520/720)에 대한 하나 이상의 파라미터들을 수신한다. 일 양상에서, 네트워크 노드가 기지국인 경우, 동작(910)은 하나 이상의 WWAN 트랜시버들(350), 하나 이상의 프로세서들(384), 메모리(386) 및/또는 포지셔닝 컴포넌트(388)에 의해 수행될 수 있고, 이들 중 임의의 것 또는 전부는 이러한 동작을 수행하기 위한 수단으로 고려될 수 있다. 일 양상에서, 네트워크 노드가 UE인 경우, 동작(910)은 하나 이상의 WWAN 트랜시버들(310), 하나 이상의 프로세서들(332), 메모리(340) 및/또는 포지셔닝 컴포넌트(342)에 의해 수행될 수 있고, 이들 중 임의의 것 또는 전부는 이러한 동작을 수행하기 위한 수단으로 고려될 수 있다.
[0125]
920에서, 네트워크 노드는 적어도 하나의 기준 신호에 대한 측정 구성에 기초하여 타겟 UE(예컨대, 본원에 설명된 UE들 중 임의의 것)로부터의 적어도 하나의 기준 신호(예컨대, SRS)의 하나 이상의 측정들을 수행한다. 일 양상에서, 네트워크 노드가 기지국인 경우, 동작(920)은 하나 이상의 WWAN 트랜시버들(350), 하나 이상의 프로세서들(384), 메모리(386) 및/또는 포지셔닝 컴포넌트(388)에 의해 수행될 수 있고, 이들 중 임의의 것 또는 전부는 이러한 동작을 수행하기 위한 수단으로 고려될 수 있다. 일 양상에서, 네트워크 노드가 UE인 경우, 동작(920)은 하나 이상의 WWAN 트랜시버들(310), 하나 이상의 프로세서들(332), 메모리(340) 및/또는 포지셔닝 컴포넌트(342)에 의해 수행될 수 있고, 이들 중 임의의 것 또는 전부는 이러한 동작을 수행하기 위한 수단으로 고려될 수 있다.
[0126]
930에서, 네트워크 노드는 뉴럴 네트워크 및 하나 이상의 측정들에 기초하여 적어도 하나의 기준 신호의 하나 이상의 특징들의 하나 이상의 통계들을 생성한다. 일 양상에서, 네트워크 노드가 기지국인 경우, 동작(930)은 하나 이상의 WWAN 트랜시버들(350), 하나 이상의 프로세서들(384), 메모리(386) 및/또는 포지셔닝 컴포넌트(388)에 의해 수행될 수 있고, 이들 중 임의의 것 또는 전부는 이러한 동작을 수행하기 위한 수단으로 고려될 수 있다. 일 양상에서, 네트워크 노드가 UE인 경우, 동작(930)은 하나 이상의 WWAN 트랜시버들(310), 하나 이상의 프로세서들(332), 메모리(340) 및/또는 포지셔닝 컴포넌트(342)에 의해 수행될 수 있고, 이들 중 임의의 것 또는 전부는 이러한 동작을 수행하기 위한 수단으로 고려될 수 있다.
[0127]
940에서, 네트워크 노드는 하나 이상의 통계들 및 네트워크 노드의 로케이션에 기초하여 네트워크 엔티티가 타겟 UE의 로케이션을 추정할 수 있게 하기 위해 하나 이상의 통계들을 네트워크 엔티티에 보고한다. 일 양상에서, 네트워크 노드가 기지국인 경우, 동작(940)은 하나 이상의 WWAN 트랜시버들(350), 하나 이상의 프로세서들(384), 메모리(386) 및/또는 포지셔닝 컴포넌트(388)에 의해 수행될 수 있고, 이들 중 임의의 것 또는 전부는 이러한 동작을 수행하기 위한 수단으로 고려될 수 있다. 일 양상에서, 네트워크 노드가 UE인 경우, 동작(940)은 하나 이상의 WWAN 트랜시버들(310), 하나 이상의 프로세서들(332), 메모리(340) 및/또는 포지셔닝 컴포넌트(342)에 의해 수행될 수 있고, 이들 중 임의의 것 또는 전부는 이러한 동작을 수행하기 위한 수단으로 고려될 수 있다.
[0128]
인식될 바와 같이, 방법(900)을 포함하는 본 개시의 기법들은, 수신된 기준 신호를 로케이션 추정에 맵핑하기 위해 머신 러닝-기반 모델의 사용을 가능하게 하는 기술적 이점을 제공한다. 이 기법들은 또한, 기지국이 로컬 조건들에 기초하여 보고하도록 구성되는 특징들을 로케이션 서버가 미세하게 맞춤화할 수 있게 하며, 이는 더 정확한 로케이션 추정을 가능하게 한다. 이 기법들은 또한 측정 신뢰도를 모델링하고, 로케이션 서버가 gNB 시간 동기화 에러를 러닝할 수 있게 하여, 또한 더 정확한 포지셔닝으로 이어질 수 있다.
[0129]
위의 상세한 설명에서, 상이한 특징들이 예들에서 함께 그룹화됨을 알 수 있다. 이러한 개시 방식은 예시적인 항목들이 각각의 항목에서 명시적으로 언급된 것보다 더 많은 특징들을 갖는다는 의도로 이해되지 않아야 한다. 오히려, 본 개시의 다양한 양상들은 개시된 개별적인 예의 항목의 모든 특징들보다 더 적은 특징들을 포함할 수 있다. 따라서, 다음의 항목들은 이로써 설명에 통합되는 것으로 간주되어야 하며, 각각의 항목 그 자체는 별개의 예로서 존재할 수 있다. 각각의 종속 항목이 항목들에서 다른 항목들 중 하나와의 특정 조합을 지칭할 수 있지만, 그 종속 항목의 양상(들)은 특정 조합으로 제한되지 않는다. 다른 예시적인 항목들은 또한, 종속 항목 양상(들)과 임의의 다른 종속 항목 또는 독립 항목의 청구 대상의 조합, 또는 임의의 특징과 다른 종속 및 독립 항목들의 조합을 포함할 수 있다는 것이 인식될 것이다. 본 명세서에 개시된 다양한 양상들은, 명시적으로 표현되거나 또는 특정 조합이 의도되지 않는 것으로 쉽게 추론될 수 있지 않는 한(예컨대, 엘리먼트를 절연체 및 전도체 둘 모두로서 정의하는 것과 같은 모순되는 양상들) 이러한 조합들을 명시적으로 포함한다. 게다가, 항목의 양상들은, 그 항목이 임의의 다른 독립 항목에 직접적으로 의존하지 않더라도, 그 독립 항목에 포함될 수 있다.
[0130]
구현 예들은 다음의 넘버링된 항목들에서 설명된다:
[0131]
항목 1. 네트워크 노드에 의해 수행되는 포지셔닝 방법은, 네트워크 엔티티로부터, 뉴럴 네트워크에 대한 하나 이상의 파라미터들을 수신하는 단계; 타겟 UE(user equipment)로부터의 적어도 하나의 기준 신호에 대한 측정 구성에 기초하여 적어도 하나의 기준 신호의 하나 이상의 측정들을 수행하는 단계; 뉴럴 네트워크 및 하나 이상의 측정들에 기초하여 적어도 하나의 기준 신호의 하나 이상의 특징들의 하나 이상의 통계들을 생성하는 단계; 및 하나 이상의 통계들 및 네트워크 노드의 로케이션에 기초하여 네트워크 엔티티가 타겟 UE의 로케이션을 추정할 수 있게 하기 위해 하나 이상의 통계들을 네트워크 엔티티에 보고하는 단계를 포함한다.
[0132]
항목 2. 항목 1의 방법에 있어서, 하나 이상의 파라미터들은 뉴럴 네트워크의 하나 이상의 바이어스들 및 하나 이상의 가중치들을 포함한다.
[0133]
항목 3. 항목 1 및 항목 2 중 어느 하나의 방법은, 네트워크 엔티티로부터, 측정 구성을 포함하는 적어도 하나의 메시지를 수신하는 단계를 더 포함하고, 하나 이상의 파라미터들은 측정 구성을 포함하는 적어도 하나의 메시지에서 네트워크 엔티티로부터 수신된다.
[0134]
항목 4. 항목 1 내지 항목 3 중 어느 하나의 방법에 있어서, 하나 이상의 파라미터들은 측정 구성과 별개로 상기 네트워크 엔티티로부터 수신된다.
[0135]
항목 5. 항목 1 내지 항목 4 중 어느 하나의 방법에 있어서, 하나 이상의 파라미터들은 하나 이상의 조건들에 기초하여 네트워크 노드, 타겟 UE 또는 둘 모두에 대해 맞춤화된다.
[0136]
항목 6. 항목 5의 방법에 있어서, 하나 이상의 조건들은, 네트워크 노드의 디바이스 모델, 네트워크 노드의 모뎀 버전, 네트워크 노드의 프로세싱 능력, 상이한 주파수 대역들 상에서 도출되는 네트워크 노드 채널 측정들, 타겟 UE가 로케이트되는 영역의 타입, 타겟 UE의 실내 또는 실외 조건, 또는 이들의 임의의 조합을 포함한다.
[0137]
항목 7. 항목 5 및 항목 6 중 어느 하나의 방법에 있어서, 뉴럴 네트워크는 복수의 계층들을 포함하고, 복수의 계층들 중 하나 이상의 계층들의 파라미터들은 하나 이상의 조건들 모두에 걸쳐 공통이고, 그리고 하나 이상의 조건들의 각각의 조건에 대해, 복수의 계층들 중 적어도 하나의 나머지 계층은 조건에 특정된다.
[0138]
항목 8. 항목 1 내지 항목 7 중 어느 하나의 방법에 있어서, 하나 이상의 측정들은, 적어도 하나의 기준 신호의 I/Q 샘플들, 적어도 하나의 기준 신호의 주파수-도메인 채널 추정, 또는 적어도 하나의 기준 신호의 시간-도메인 채널 추정을 포함한다.
[0139]
항목 9. 항목 8의 방법에 있어서, 시간-도메인 채널 추정은 적어도 하나의 기준 신호의 전력-지연-각도 프로파일을 포함한다.
[0140]
항목 10. 항목 1 내지 항목 9 중 어느 하나의 방법에 있어서, 하나 이상의 특징들은, RTT(round-trip-time) 측정, TDOA(time difference of arrival) 측정, ToA(time of arrival) 측정, AoA(angle of arrival) 측정, ZoA(zenith of arrival) 측정, 또는 이들의 임의의 조합을 포함한다.
[0141]
항목 11. 항목 1 내지 항목 10 중 어느 하나의 방법에 있어서, 하나 이상의 통계들은, 하나 이상의 특징들의 평균, 하나 이상의 특징들의 신뢰 구간, 하나 이상의 특징들의 표준 편차, 또는 이들의 임의의 조합을 포함한다.
[0142]
항목 12. 항목 1 내지 항목 11 중 어느 하나의 방법에 있어서, 하나 이상의 통계들은, 하나 이상의 특징들 각각의 확률 분포, 하나 이상의 특징들의 공동 확률 분포, 또는 이들의 임의의 조합을 포함한다.
[0143]
항목 13. 항목 12의 방법에 있어서, 하나 이상의 특징들 각각의 확률 분포는, 가우시안 함수를 포함하고, 그리고 하나 이상의 통계들은 각각의 가우시안 함수의 평균, 공분산, 적어도 하나의 가중치, 또는 이들의 임의의 조합을 더 포함한다.
[0144]
항목 14. 항목 12 및 항목 13 중 어느 하나의 방법에 있어서, 공동 확률 분포는 하나 이상의 특징들의 가우시안 함수들의 다차원 혼합을 포함한다.
[0145]
항목 15. 항목 1 내지 항목 14 중 어느 하나의 방법에 있어서, 하나 이상의 통계들은 타겟 UE의 로케이션에 기초하는 하나 이상의 조건부 통계들을 포함한다.
[0146]
항목 16. 항목 15의 방법에 있어서, 타겟 UE의 로케이션은 하나 이상의 통계들로부터 추정되거나, 또는 타겟 UE의 로케이션은 타겟 UE와 연관된 셀 아이덴티티로부터 결정된다.
[0147]
항목 17. 항목 15 및 항목 16 중 어느 하나의 방법에 있어서, 뉴럴 네트워크는 추가로, BSA(base station almanac) 정보를 입력으로서 취한다.
[0148]
항목 18. 항목 1 내지 항목 17 중 어느 하나의 방법에 있어서, 뉴럴 네트워크는 타겟 UE에 특정적이고, 그리고 뉴럴 네트워크는 타겟 UE의 로케이션과 연관된다.
[0149]
항목 19. 항목 18의 방법에 있어서, 타겟 UE의 로케이션은 타겟 UE가 접속된 네트워크 노드의 분산형 유닛에 대응하거나, 또는 타겟 UE의 로케이션은 타겟 UE가 접속된 네트워크 노드의 중앙 유닛에 대응한다.
[0150]
항목 20. 항목 1 내지 항목 19 중 어느 하나의 방법은, 네트워크 노드가 하나 이상의 특징들 대신에 하나 이상의 통계들을 보고할 것으로 예상된다는 것을 표시하는 NRPPa(New Radio positioning protocol type A) 측정 요청을 수신하는 단계를 더 포함한다.
[0151]
항목 21. 항목 20의 방법에 있어서, 네트워크 노드가 하나 이상의 특징들 대신에 하나 이상의 통계들을 보고할 것으로 예상된다는 것을 표시하는 NRPPa 측정 요청은, 측정 타입 필드를 포함하는 NRPPa 측정 요청, 및 네트워크 노드가 뉴럴 네트워크를 실행하고 하나 이상의 통계들을 보고할 것으로 예상된다는 것을 표시하는 측정 타입 필드를 포함한다.
[0152]
항목 22. 항목 1 내지 항목 21 중 어느 하나의 방법에 있어서, 네트워크 노드는 기지국이고, 그리고 네트워크 엔티티는 로케이션 서버이다.
[0153]
항목 23. 항목 22의 방법에 있어서, 기지국은 중앙 유닛 및 복수의 코로케이트된 분산 유닛들과 연관되고, 복수의 코로케이트된 분산 유닛들은 대응하는 복수의 뉴럴 네트워크들과 연관되고, 그리고 뉴럴 네트워크는 복수의 뉴럴 네트워크들 중 하나이다.
[0154]
항목 24. 항목 22의 방법에 있어서, 기지국은 중앙 유닛 및 복수의 코로케이트된 분산 유닛들과 연관되고, 중앙 유닛은 단일 뉴럴 네트워크와 연관되고, 그리고 뉴럴 네트워크는 단일 뉴럴 네트워크이다.
[0155]
항목 25. 항목 1 내지 항목 21 중 어느 하나의 방법에 있어서, 네트워크 노드는 사이드링크를 통해 타겟 UE와 통신하는 UE이고, 그리고 네트워크 엔티티는 UE의 서빙 기지국이다.
[0156]
항목 26. 장치는 메모리, 적어도 하나의 트랜시버, 및 메모리 및 적어도 하나의 트랜시버에 통신가능하게 커플링된 적어도 하나의 프로세서를 포함하고, 적어도 하나의 프로세서는 항목 1 내지 항목 25 중 어느 하나에 따른 방법을 수행하도록 구성된다.
[0157]
항목 27. 장치는 항목 1 내지 항목 25 중 어느 하나에 따른 방법을 수행하기 위한 수단을 포함한다.
[0158]
항목 28. 컴퓨터 실행가능 명령들을 저장하는 컴퓨터 판독가능 매체로서, 컴퓨터 실행가능 명령들은 장치로 하여금 항목 1 내지 항목 25 중 어느 하나에 따른 방법을 수행하게 하기 위한 적어도 하나의 명령을 포함한다.
[0159]
정보 및 신호들은 다양한 다른 기술들 및 기법들 중 임의의 것을 사용하여 표현될 수 있음을 당업자는 인식할 것이다. 예를 들어, 상기 설명 전반에 걸쳐 참조될 수 있는 데이터, 명령들, 커맨드들, 정보, 신호들, 비트들, 심볼들 및 칩들은 전압들, 전류들, 전자기파들, 자기 필드들 또는 자기 입자들, 광 필드들 또는 광 입자들, 또는 이들의 임의의 조합으로 표현될 수 있다.
[0160]
추가적으로, 당업자들은, 본 명세서에 개시된 양상들과 관련하여 설명된 다양한 예시적인 논리적 블록들, 모듈들, 회로들, 및 알고리즘 단계들이 전자 하드웨어, 컴퓨터 소프트웨어, 또는 이 둘의 조합들로서 구현될 수도 있음을 인식할 것이다. 하드웨어와 소프트웨어의 이러한 상호 호환성을 명확하게 설명하기 위해, 다양한 예시적인 컴포넌트들, 블록들, 모듈들, 회로들, 및 단계들이 일반적으로 이들의 기능적 관점에서 앞서 설명되었다. 이러한 기능이 하드웨어로 구현되는지, 또는 소프트웨어로 구현되는지 여부는 특정 애플리케이션 및 전체 시스템에 대해 부과된 설계 제한들에 의존한다. 당업자들은 설명된 기능을 각각의 특정 애플리케이션에 대해 다양한 방식들로 구현할 수 있지만, 이러한 구현 결정들이 본 개시의 범주를 벗어나는 것으로 해석되어서는 안 된다.
[0161]
본 명세서에 개시된 양상들과 관련하여 설명된 다양한 예시적인 로직 블록들, 모듈들 및 회로들은 범용 프로세서, DSP(digital signal processor), ASIC, FPGA(field-programable gate array) 또는 다른 프로그래밍 가능한 로직 디바이스, 이산 게이트 또는 트랜지스터 로직, 이산 하드웨어 컴포넌트들, 또는 본 명세서에서 설명된 기능들을 수행하도록 설계된 이들의 임의의 조합으로 구현되거나 이들에 의해 수행될 수 있다. 범용 프로세서는 마이크로프로세서일 수 있지만, 대안으로 프로세서는 임의의 종래 프로세서, 제어기, 마이크로제어기 또는 상태 머신일 수 있다. 프로세서는 또한 컴퓨팅 디바이스들의 조합, 예를 들어 DSP 및 마이크로프로세서의 조합, 복수의 마이크로프로세서들, DSP 코어와 결합된 하나 이상의 마이크로프로세서들, 또는 임의의 다른 이러한 구성으로서 구현될 수 있다.
[0162]
본 명세서에 개시된 양상들과 관련하여 설명된 방법들, 시퀀스들 및/또는 알고리즘들은 직접 하드웨어로, 프로세서에 의해 실행되는 소프트웨어 모듈로, 또는 이 둘의 조합으로 구현될 수 있다. 소프트웨어 모듈은 RAM(random-access memory), 플래쉬 메모리, ROM(read-only memory), EPROM(erasable programmable ROM), EEPROM(electrically erasable programmable ROM), 레지스터들, 하드디스크, 착탈식 디스크, CD-ROM, 또는 업계에 공지된 임의의 다른 형태의 저장 매체에 상주할 수 있다. 예시적인 저장 매체는, 프로세서가 저장 매체로부터 정보를 판독하고, 저장 매체에 정보를 기록할 수 있도록 프로세서에 커플링된다. 대안적으로, 저장 매체는 프로세서에 통합될 수 있다. 프로세서 및 저장 매체는 ASIC에 상주할 수 있다. ASIC는 사용자 단말(예를 들어, UE)에 상주할 수 있다. 대안적으로, 프로세서 및 저장 매체는 사용자 단말에서 개별 컴포넌트들로서 상주할 수 있다.
[0163]
하나 이상의 예시적인 양상들에서, 설명된 기능들은 하드웨어, 소프트웨어, 펌웨어 또는 이들의 임의의 조합으로 구현될 수 있다. 소프트웨어로 구현되는 경우, 상기 기능들은 컴퓨터 판독가능 매체 상에 하나 이상의 명령 또는 코드로서 저장되거나 이를 통해 송신될 수 있다. 컴퓨터 판독가능 매체들은 컴퓨터 저장 매체들, 및 일 장소에서 다른 장소로 컴퓨터 프로그램의 이전을 용이하게 하는 임의의 매체들을 포함하는 통신 매체 둘 모두를 포함한다. 저장 매체는 컴퓨터에 의해 액세스 가능한 임의의 이용가능한 매체일 수 있다. 제한이 아닌 예로써, 이러한 컴퓨터-판독가능 매체는 RAM, ROM, EEPROM, CD-ROM, 또는 다른 광학 디스크 저장소, 자기 디스크 저장소 또는 다른 자기 저장 디바이스들, 또는 명령들 또는 데이터 구조들의 형태로 요구되는 프로그램 코드를 전달하거나 저장하기 위해 사용될 수 있으며 컴퓨터에 의해 액세스될 수 있는 임의의 다른 매체를 포함할 수 있다. 또한, 임의의 접속이 컴퓨터 판독가능 매체로 적절히 지칭된다. 예를 들어, 소프트웨어가 동축 케이블, 광섬유 케이블, 연선, DSL(digital subscriber line), 또는 적외선, 라디오 및 마이크로파와 같은 무선 기술들을 사용하여 웹사이트, 서버 또는 다른 원격 소스로부터 전송된다면, 동축 케이블, 광섬유 케이블, 연선, DSL, 또는 적외선, 라디오 및 마이크로파와 같은 무선 기술들이 매체의 정의에 포함된다. 본 명세서에서 사용된 것과 같은 디스크(disk 및 disc)는 콤팩트 디스크(CD: compact disc), 레이저 디스크(laser disc), 광 디스크(optical disc), 디지털 다기능 디스크(DVD: digital versatile disc), 플로피 디스크(floppy disk) 및 블루레이 디스크(disc)를 포함하며, 여기서 디스크(disk)들은 보통 데이터를 자기적으로 재생하는 한편, 디스크(disc)들은 데이터를 레이저들에 의해 광학적으로 재생한다. 상기의 것들의 조합들이 또한 컴퓨터 판독가능 매체의 범위 내에 포함되어야 한다.
[0164]
전술한 개시가 본 개시의 예시적인 양상들을 나타내지만, 첨부된 청구항들에 의해 정의되는 바와 같은 본 개시의 범위를 벗어나지 않고 본 명세서에서 다양한 변경들 및 변화들이 행해질 수 있음을 주목해야 한다. 본원에 설명된 개시의 양상들에 따른 방법 청구항들의 기능들, 단계들 및/또는 동작들은 임의의 특정 순서로 수행될 필요가 없다. 또한, 본 개시의 엘리먼트들이 단수로 설명 또는 청구될 수 있지만, 단수에 대한 한정이 명시적으로 언급되지 않으면 복수가 고려된다.
Claims (100)
- 네트워크 노드에 의해 수행되는 포지셔닝 방법으로서,
네트워크 엔티티로부터, 뉴럴 네트워크에 대한 하나 이상의 파라미터들을 수신하는 단계;
타겟 UE(user equipment)로부터의 적어도 하나의 기준 신호에 대한 측정 구성에 기초하여 상기 적어도 하나의 기준 신호의 하나 이상의 측정들을 수행하는 단계;
상기 뉴럴 네트워크 및 상기 하나 이상의 측정들에 기초하여 상기 적어도 하나의 기준 신호의 하나 이상의 특징들의 하나 이상의 통계들을 생성하는 단계; 및
상기 하나 이상의 통계들 및 상기 네트워크 노드의 로케이션에 기초하여 상기 네트워크 엔티티가 상기 타겟 UE의 로케이션을 추정할 수 있게 하기 위해 상기 하나 이상의 통계들을 상기 네트워크 엔티티에 보고하는 단계를 포함하는, 네트워크 노드에 의해 수행되는 포지셔닝 방법. - 제1 항에 있어서,
상기 하나 이상의 파라미터들은 상기 뉴럴 네트워크의 하나 이상의 바이어스들 및 하나 이상의 가중치들을 포함하는, 네트워크 노드에 의해 수행되는 포지셔닝 방법. - 제1 항에 있어서,
상기 네트워크 엔티티로부터, 상기 측정 구성을 포함하는 적어도 하나의 메시지를 수신하는 단계를 더 포함하고, 상기 하나 이상의 파라미터들은 상기 측정 구성을 포함하는 상기 적어도 하나의 메시지에서 상기 네트워크 엔티티로부터 수신되는, 네트워크 노드에 의해 수행되는 포지셔닝 방법. - 제1 항에 있어서,
상기 하나 이상의 파라미터들은 상기 측정 구성과 별개로 상기 네트워크 엔티티로부터 수신되는, 네트워크 노드에 의해 수행되는 포지셔닝 방법. - 제1 항에 있어서,
상기 하나 이상의 파라미터들은 하나 이상의 조건들에 기초하여 상기 네트워크 노드, 상기 타겟 UE 또는 둘 모두에 대해 맞춤화되는, 네트워크 노드에 의해 수행되는 포지셔닝 방법. - 제5 항에 있어서,
상기 하나 이상의 조건들은,
상기 네트워크 노드의 디바이스 모델,
상기 네트워크 노드의 모뎀 버전,
상기 네트워크 노드의 프로세싱 능력,
상이한 주파수 대역들 상에서 도출되는 네트워크 노드 채널 측정들,
상기 타겟 UE가 로케이트되는 영역의 타입,
상기 타겟 UE의 실내 또는 실외 조건, 또는
이들의 임의의 조합을 포함하는, 네트워크 노드에 의해 수행되는 포지셔닝 방법. - 제5 항에 있어서,
상기 뉴럴 네트워크는 복수의 계층들을 포함하고,
상기 복수의 계층들 중 하나 이상의 계층들의 파라미터들은 상기 하나 이상의 조건들 모두에 걸쳐 공통이고, 그리고
상기 하나 이상의 조건들의 각각의 조건에 대해, 상기 복수의 계층들 중 적어도 하나의 나머지 계층은 상기 조건에 특정되는, 네트워크 노드에 의해 수행되는 포지셔닝 방법. - 제1 항에 있어서,
상기 하나 이상의 측정들은,
상기 적어도 하나의 기준 신호의 I/Q 샘플들,
상기 적어도 하나의 기준 신호의 주파수-도메인 채널 추정, 또는
상기 적어도 하나의 기준 신호의 시간-도메인 채널 추정을 포함하는, 네트워크 노드에 의해 수행되는 포지셔닝 방법. - 제8 항에 있어서,
상기 시간-도메인 채널 추정은 상기 적어도 하나의 기준 신호의 전력-지연-각도 프로파일을 포함하는, 네트워크 노드에 의해 수행되는 포지셔닝 방법. - 제1 항에 있어서,
상기 하나 이상의 특징들은,
RTT(round-trip-time) 측정,
TDOA(time difference of arrival) 측정,
ToA(time of arrival) 측정,
AoA(angle of arrival) 측정,
ZoA(zenith of arrival) 측정, 또는
이들의 임의의 조합을 포함하는, 네트워크 노드에 의해 수행되는 포지셔닝 방법. - 제1 항에 있어서,
상기 하나 이상의 통계들은,
상기 하나 이상의 특징들의 평균,
상기 하나 이상의 특징들의 신뢰 구간,
상기 하나 이상의 특징들의 표준 편차, 또는
이들의 임의의 조합을 포함하는, 네트워크 노드에 의해 수행되는 포지셔닝 방법. - 제1 항에 있어서,
상기 하나 이상의 통계들은,
상기 하나 이상의 특징들 각각의 확률 분포,
상기 하나 이상의 특징들의 공동 확률 분포, 또는
이들의 임의의 조합을 포함하는, 네트워크 노드에 의해 수행되는 포지셔닝 방법. - 제12 항에 있어서,
상기 하나 이상의 특징들 각각의 확률 분포는 가우시안 함수를 포함하고, 그리고
상기 하나 이상의 통계들은 각각의 가우시안 함수의 평균, 공분산, 적어도 하나의 가중치, 또는 이들의 임의의 조합을 더 포함하는, 네트워크 노드에 의해 수행되는 포지셔닝 방법. - 제12 항에 있어서,
상기 공동 확률 분포는 상기 하나 이상의 특징들의 가우시안 함수들의 다차원 혼합을 포함하는, 네트워크 노드에 의해 수행되는 포지셔닝 방법. - 제1 항에 있어서,
상기 하나 이상의 통계들은 상기 타겟 UE의 로케이션에 기초하는 하나 이상의 조건부 통계들을 포함하는, 네트워크 노드에 의해 수행되는 포지셔닝 방법. - 제15 항에 있어서,
상기 타겟 UE의 로케이션은 상기 하나 이상의 통계들로부터 추정되거나, 또는
상기 타겟 UE의 로케이션은 상기 타겟 UE와 연관된 셀 아이덴티티로부터 결정되는, 네트워크 노드에 의해 수행되는 포지셔닝 방법. - 제15 항에 있어서,
상기 뉴럴 네트워크는 추가로, BSA(base station almanac) 정보를 입력으로서 취하는, 네트워크 노드에 의해 수행되는 포지셔닝 방법. - 제1 항에 있어서,
상기 뉴럴 네트워크는 상기 타겟 UE에 특정적이고, 그리고
상기 뉴럴 네트워크는 상기 타겟 UE의 로케이션과 연관되는, 네트워크 노드에 의해 수행되는 포지셔닝 방법. - 제18 항에 있어서,
상기 타겟 UE의 로케이션은 상기 타겟 UE가 접속된 상기 네트워크 노드의 분산형 유닛에 대응하거나, 또는
상기 타겟 UE의 로케이션은 상기 타겟 UE가 접속된 상기 네트워크 노드의 중앙 유닛에 대응하는, 네트워크 노드에 의해 수행되는 포지셔닝 방법. - 제1 항에 있어서,
상기 네트워크 노드가 상기 하나 이상의 특징들 대신에 상기 하나 이상의 통계들을 보고할 것으로 예상된다는 것을 표시하는 NRPPa(New Radio positioning protocol type A) 측정 요청을 수신하는 단계를 더 포함하는, 네트워크 노드에 의해 수행되는 포지셔닝 방법. - 제20 항에 있어서,
상기 네트워크 노드가 상기 하나 이상의 특징들 대신에 상기 하나 이상의 통계들을 보고할 것으로 예상된다는 것을 표시하는 상기 NRPPa 측정 요청은,
측정 타입 필드를 포함하는 상기 NRPPa 측정 요청, 및
상기 네트워크 노드가 상기 뉴럴 네트워크를 실행하고 상기 하나 이상의 통계들을 보고할 것으로 예상된다는 것을 표시하는 상기 측정 타입 필드를 포함하는, 네트워크 노드에 의해 수행되는 포지셔닝 방법. - 제1 항에 있어서,
상기 네트워크 노드는 기지국이고, 그리고
상기 네트워크 엔티티는 로케이션 서버인, 네트워크 노드에 의해 수행되는 포지셔닝 방법. - 제22 항에 있어서,
상기 기지국은 중앙 유닛 및 복수의 코로케이트된 분산 유닛들과 연관되고,
상기 복수의 코로케이트된 분산 유닛들은 대응하는 복수의 뉴럴 네트워크들과 연관되고, 그리고
상기 뉴럴 네트워크는 상기 복수의 뉴럴 네트워크들 중 하나인, 네트워크 노드에 의해 수행되는 포지셔닝 방법. - 제22 항에 있어서,
상기 기지국은 중앙 유닛 및 복수의 코로케이트된 분산 유닛들과 연관되고,
상기 중앙 유닛은 단일 뉴럴 네트워크와 연관되고, 그리고
상기 뉴럴 네트워크는 상기 단일 뉴럴 네트워크인, 네트워크 노드에 의해 수행되는 포지셔닝 방법. - 제1 항에 있어서,
상기 네트워크 노드는 사이드링크를 통해 상기 타겟 UE와 통신하는 UE이고, 그리고
상기 네트워크 엔티티는 상기 UE의 서빙 기지국인, 네트워크 노드에 의해 수행되는 포지셔닝 방법. - 네트워크 노드로서,
메모리;
적어도 하나의 트랜시버; 및
상기 메모리 및 상기 적어도 하나의 트랜시버에 통신가능하게 커플링된 적어도 하나의 프로세서를 포함하고,
상기 적어도 하나의 프로세서는,
상기 적어도 하나의 트랜시버를 통해, 네트워크 엔티티로부터, 뉴럴 네트워크에 대한 하나 이상의 파라미터들을 수신하고;
타겟 UE(user equipment)로부터의 적어도 하나의 기준 신호에 대한 측정 구성에 기초하여 상기 적어도 하나의 기준 신호의 하나 이상의 측정들을 수행하고;
상기 뉴럴 네트워크 및 상기 하나 이상의 측정들에 기초하여 상기 적어도 하나의 기준 신호의 하나 이상의 특징들의 하나 이상의 통계들을 생성하고; 그리고
상기 적어도 하나의 트랜시버를 통해, 상기 하나 이상의 통계들 및 상기 네트워크 노드의 로케이션에 기초하여 상기 네트워크 엔티티가 상기 타겟 UE의 로케이션을 추정할 수 있게 하기 위해 상기 하나 이상의 통계들을 상기 네트워크 엔티티에 보고하도록 구성되는, 네트워크 노드. - 제26 항에 있어서,
상기 하나 이상의 파라미터들은 상기 뉴럴 네트워크의 하나 이상의 바이어스들 및 하나 이상의 가중치들을 포함하는, 네트워크 노드. - 제26 항에 있어서,
상기 적어도 하나의 프로세서는,
상기 적어도 하나의 트랜시버를 통해, 상기 네트워크 엔티티로부터, 상기 측정 구성을 포함하는 적어도 하나의 메시지를 수신하도록 추가로 구성되고, 상기 하나 이상의 파라미터들은 상기 측정 구성을 포함하는 상기 적어도 하나의 메시지에서 상기 네트워크 엔티티로부터 수신되는, 네트워크 노드. - 제26 항에 있어서,
상기 하나 이상의 파라미터들은 상기 측정 구성과 별개로 상기 네트워크 엔티티로부터 수신되는, 네트워크 노드. - 제26 항에 있어서,
상기 하나 이상의 파라미터들은 하나 이상의 조건들에 기초하여 상기 네트워크 노드, 상기 타겟 UE 또는 둘 모두에 대해 맞춤화되는, 네트워크 노드. - 제30 항에 있어서,
상기 하나 이상의 조건들은,
상기 네트워크 노드의 디바이스 모델,
상기 네트워크 노드의 모뎀 버전,
상기 네트워크 노드의 프로세싱 능력,
상이한 주파수 대역들 상에서 도출되는 네트워크 노드 채널 측정들,
상기 타겟 UE가 로케이트되는 영역의 타입,
상기 타겟 UE의 실내 또는 실외 조건, 또는
이들의 임의의 조합을 포함하는, 네트워크 노드. - 제30 항에 있어서,
상기 뉴럴 네트워크는 복수의 계층들을 포함하고,
상기 복수의 계층들 중 하나 이상의 계층들의 파라미터들은 상기 하나 이상의 조건들 모두에 걸쳐 공통이고, 그리고
상기 하나 이상의 조건들의 각각의 조건에 대해, 상기 복수의 계층들 중 적어도 하나의 나머지 계층은 상기 조건에 특정되는, 네트워크 노드. - 제26 항에 있어서,
상기 하나 이상의 측정들은,
상기 적어도 하나의 기준 신호의 I/Q 샘플들,
상기 적어도 하나의 기준 신호의 주파수-도메인 채널 추정, 또는
상기 적어도 하나의 기준 신호의 시간-도메인 채널 추정을 포함하는, 네트워크 노드. - 제33 항에 있어서,
상기 시간-도메인 채널 추정은 상기 적어도 하나의 기준 신호의 전력-지연-각도 프로파일을 포함하는, 네트워크 노드. - 제26 항에 있어서,
상기 하나 이상의 특징들은,
RTT(round-trip-time) 측정,
TDOA(time difference of arrival) 측정,
ToA(time of arrival) 측정,
AoA(angle of arrival) 측정,
ZoA(zenith of arrival) 측정, 또는
이들의 임의의 조합을 포함하는, 네트워크 노드. - 제26 항에 있어서,
상기 하나 이상의 통계들은,
상기 하나 이상의 특징들의 평균,
상기 하나 이상의 특징들의 신뢰 구간,
상기 하나 이상의 특징들의 표준 편차, 또는
이들의 임의의 조합을 포함하는, 네트워크 노드. - 제26 항에 있어서,
상기 하나 이상의 통계들은,
상기 하나 이상의 특징들 각각의 확률 분포,
상기 하나 이상의 특징들의 공동 확률 분포, 또는
이들의 임의의 조합을 포함하는, 네트워크 노드. - 제37 항에 있어서,
상기 하나 이상의 특징들 각각의 확률 분포는 가우시안 함수를 포함하고, 그리고
상기 하나 이상의 통계들은 각각의 가우시안 함수의 평균, 공분산, 적어도 하나의 가중치, 또는 이들의 임의의 조합을 더 포함하는, 네트워크 노드. - 제37 항에 있어서,
상기 공동 확률 분포는 상기 하나 이상의 특징들의 가우시안 함수들의 다차원 혼합을 포함하는, 네트워크 노드. - 제26 항에 있어서,
상기 하나 이상의 통계들은 상기 타겟 UE의 로케이션에 기초하는 하나 이상의 조건부 통계들을 포함하는, 네트워크 노드. - 제40 항에 있어서,
상기 타겟 UE의 로케이션은 상기 하나 이상의 통계들로부터 추정되거나, 또는
상기 타겟 UE의 로케이션은 상기 타겟 UE와 연관된 셀 아이덴티티로부터 결정되는, 네트워크 노드. - 제40 항에 있어서,
상기 뉴럴 네트워크는 추가로, BSA(base station almanac) 정보를 입력으로서 취하는, 네트워크 노드. - 제26 항에 있어서,
상기 뉴럴 네트워크는 상기 타겟 UE에 특정적이고, 그리고
상기 뉴럴 네트워크는 상기 타겟 UE의 로케이션과 연관되는, 네트워크 노드. - 제43 항에 있어서,
상기 타겟 UE의 로케이션은 상기 타겟 UE가 접속된 상기 네트워크 노드의 분산형 유닛에 대응하거나, 또는
상기 타겟 UE의 로케이션은 상기 타겟 UE가 접속된 상기 네트워크 노드의 중앙 유닛에 대응하는, 네트워크 노드. - 제26 항에 있어서,
상기 적어도 하나의 프로세서는,
상기 적어도 하나의 트랜시버를 통해, 상기 네트워크 노드가 상기 하나 이상의 특징들 대신에 상기 하나 이상의 통계들을 보고할 것으로 예상된다는 것을 표시하는 NRPPa(New Radio positioning protocol type A) 측정 요청을 수신하도록 추가로 구성되는, 네트워크 노드. - 제45 항에 있어서,
상기 네트워크 노드가 상기 하나 이상의 특징들 대신에 상기 하나 이상의 통계들을 보고할 것으로 예상된다는 것을 표시하는 상기 NRPPa 측정 요청은,
측정 타입 필드를 포함하는 상기 NRPPa 측정 요청, 및
상기 네트워크 노드가 상기 뉴럴 네트워크를 실행하고 상기 하나 이상의 통계들을 보고할 것으로 예상된다는 것을 표시하는 상기 측정 타입 필드를 포함하는, 네트워크 노드. - 제26 항에 있어서,
상기 네트워크 노드는 기지국이고, 그리고
상기 네트워크 엔티티는 로케이션 서버인, 네트워크 노드. - 제47 항에 있어서,
상기 기지국은 중앙 유닛 및 복수의 코로케이트된 분산 유닛들과 연관되고,
상기 복수의 코로케이트된 분산 유닛들은 대응하는 복수의 뉴럴 네트워크들과 연관되고, 그리고
상기 뉴럴 네트워크는 상기 복수의 뉴럴 네트워크들 중 하나인, 네트워크 노드. - 제47 항에 있어서,
상기 기지국은 중앙 유닛 및 복수의 코로케이트된 분산 유닛들과 연관되고,
상기 중앙 유닛은 단일 뉴럴 네트워크와 연관되고, 그리고
상기 뉴럴 네트워크는 상기 단일 뉴럴 네트워크인, 네트워크 노드. - 제26 항에 있어서,
상기 네트워크 노드는 사이드링크를 통해 상기 타겟 UE와 통신하는 UE이고, 그리고
상기 네트워크 엔티티는 상기 UE의 서빙 기지국인, 네트워크 노드. - 네트워크 노드로서,
네트워크 엔티티로부터, 뉴럴 네트워크에 대한 하나 이상의 파라미터들을 수신하기 위한 수단;
타겟 UE(user equipment)로부터의 적어도 하나의 기준 신호에 대한 측정 구성에 기초하여 상기 적어도 하나의 기준 신호의 하나 이상의 측정들을 수행하기 위한 수단;
상기 뉴럴 네트워크 및 상기 하나 이상의 측정들에 기초하여 상기 적어도 하나의 기준 신호의 하나 이상의 특징들의 하나 이상의 통계들을 생성하기 위한 수단; 및
상기 하나 이상의 통계들 및 상기 네트워크 노드의 로케이션에 기초하여 상기 네트워크 엔티티가 상기 타겟 UE의 로케이션을 추정할 수 있게 하기 위해 상기 하나 이상의 통계들을 상기 네트워크 엔티티에 보고하기 위한 수단을 포함하는, 네트워크 노드. - 제51 항에 있어서,
상기 하나 이상의 파라미터들은 상기 뉴럴 네트워크의 하나 이상의 바이어스들 및 하나 이상의 가중치들을 포함하는, 네트워크 노드. - 제51 항에 있어서,
상기 네트워크 엔티티로부터, 상기 측정 구성을 포함하는 적어도 하나의 메시지를 수신하기 위한 수단을 더 포함하고, 상기 하나 이상의 파라미터들은 상기 측정 구성을 포함하는 상기 적어도 하나의 메시지에서 상기 네트워크 엔티티로부터 수신되는, 네트워크 노드. - 제51 항에 있어서,
상기 하나 이상의 파라미터들은 상기 측정 구성과 별개로 상기 네트워크 엔티티로부터 수신되는, 네트워크 노드. - 제51 항에 있어서,
상기 하나 이상의 파라미터들은 하나 이상의 조건들에 기초하여 상기 네트워크 노드, 상기 타겟 UE 또는 둘 모두에 대해 맞춤화되는, 네트워크 노드. - 제55 항에 있어서,
상기 하나 이상의 조건들은,
상기 네트워크 노드의 디바이스 모델,
상기 네트워크 노드의 모뎀 버전,
상기 네트워크 노드의 프로세싱 능력,
상이한 주파수 대역들 상에서 도출되는 네트워크 노드 채널 측정들,
상기 타겟 UE가 로케이트되는 영역의 타입,
상기 타겟 UE의 실내 또는 실외 조건, 또는
이들의 임의의 조합을 포함하는, 네트워크 노드. - 제55 항에 있어서,
상기 뉴럴 네트워크는 복수의 계층들을 포함하고,
상기 복수의 계층들 중 하나 이상의 계층들의 파라미터들은 상기 하나 이상의 조건들 모두에 걸쳐 공통이고, 그리고
상기 하나 이상의 조건들의 각각의 조건에 대해, 상기 복수의 계층들 중 적어도 하나의 나머지 계층은 상기 조건에 특정되는, 네트워크 노드. - 제51 항에 있어서,
상기 하나 이상의 측정들은,
상기 적어도 하나의 기준 신호의 I/Q 샘플들,
상기 적어도 하나의 기준 신호의 주파수-도메인 채널 추정, 또는
상기 적어도 하나의 기준 신호의 시간-도메인 채널 추정을 포함하는, 네트워크 노드. - 제58 항에 있어서,
상기 시간-도메인 채널 추정은 상기 적어도 하나의 기준 신호의 전력-지연-각도 프로파일을 포함하는, 네트워크 노드. - 제51 항에 있어서,
상기 하나 이상의 특징들은,
RTT(round-trip-time) 측정,
TDOA(time difference of arrival) 측정,
ToA(time of arrival) 측정,
AoA(angle of arrival) 측정,
ZoA(zenith of arrival) 측정, 또는
이들의 임의의 조합을 포함하는, 네트워크 노드. - 제51 항에 있어서,
상기 하나 이상의 통계들은,
상기 하나 이상의 특징들의 평균,
상기 하나 이상의 특징들의 신뢰 구간,
상기 하나 이상의 특징들의 표준 편차, 또는
이들의 임의의 조합을 포함하는, 네트워크 노드. - 제51 항에 있어서,
상기 하나 이상의 통계들은,
상기 하나 이상의 특징들 각각의 확률 분포,
상기 하나 이상의 특징들의 공동 확률 분포, 또는
이들의 임의의 조합을 포함하는, 네트워크 노드. - 제62 항에 있어서,
상기 하나 이상의 특징들 각각의 확률 분포는 가우시안 함수를 포함하고, 그리고
상기 하나 이상의 통계들은 각각의 가우시안 함수의 평균, 공분산, 적어도 하나의 가중치, 또는 이들의 임의의 조합을 더 포함하는, 네트워크 노드. - 제62 항에 있어서,
상기 공동 확률 분포는 상기 하나 이상의 특징들의 가우시안 함수들의 다차원 혼합을 포함하는, 네트워크 노드. - 제51 항에 있어서,
상기 하나 이상의 통계들은 상기 타겟 UE의 로케이션에 기초하는 하나 이상의 조건부 통계들을 포함하는, 네트워크 노드. - 제65 항에 있어서,
상기 타겟 UE의 로케이션은 상기 하나 이상의 통계들로부터 추정되거나, 또는
상기 타겟 UE의 로케이션은 상기 타겟 UE와 연관된 셀 아이덴티티로부터 결정되는, 네트워크 노드. - 제65 항에 있어서,
상기 뉴럴 네트워크는 추가로, BSA(base station almanac) 정보를 입력으로서 취하는, 네트워크 노드. - 제51 항에 있어서,
상기 뉴럴 네트워크는 상기 타겟 UE에 특정적이고, 그리고
상기 뉴럴 네트워크는 상기 타겟 UE의 로케이션과 연관되는, 네트워크 노드. - 제68 항에 있어서,
상기 타겟 UE의 로케이션은 상기 타겟 UE가 접속된 상기 네트워크 노드의 분산형 유닛에 대응하거나, 또는
상기 타겟 UE의 로케이션은 상기 타겟 UE가 접속된 상기 네트워크 노드의 중앙 유닛에 대응하는, 네트워크 노드. - 제51 항에 있어서,
상기 네트워크 노드가 상기 하나 이상의 특징들 대신에 상기 하나 이상의 통계들을 보고할 것으로 예상된다는 것을 표시하는 NRPPa(New Radio positioning protocol type A) 측정 요청을 수신하기 위한 수단을 더 포함하는, 네트워크 노드. - 제70 항에 있어서,
상기 네트워크 노드가 상기 하나 이상의 특징들 대신에 상기 하나 이상의 통계들을 보고할 것으로 예상된다는 것을 표시하는 상기 NRPPa 측정 요청은,
측정 타입 필드를 포함하는 상기 NRPPa 측정 요청, 및
상기 네트워크 노드가 상기 뉴럴 네트워크를 실행하고 상기 하나 이상의 통계들을 보고할 것으로 예상된다는 것을 표시하는 상기 측정 타입 필드를 포함하는, 네트워크 노드. - 제51 항에 있어서,
상기 네트워크 노드는 기지국이고, 그리고
상기 네트워크 엔티티는 로케이션 서버인, 네트워크 노드. - 제72 항에 있어서,
상기 기지국은 중앙 유닛 및 복수의 코로케이트된 분산 유닛들과 연관되고,
상기 복수의 코로케이트된 분산 유닛들은 대응하는 복수의 뉴럴 네트워크들과 연관되고, 그리고
상기 뉴럴 네트워크는 상기 복수의 뉴럴 네트워크들 중 하나인, 네트워크 노드. - 제72 항에 있어서,
상기 기지국은 중앙 유닛 및 복수의 코로케이트된 분산 유닛들과 연관되고,
상기 중앙 유닛은 단일 뉴럴 네트워크와 연관되고, 그리고
상기 뉴럴 네트워크는 상기 단일 뉴럴 네트워크인, 네트워크 노드. - 제51 항에 있어서,
상기 네트워크 노드는 사이드링크를 통해 상기 타겟 UE와 통신하는 UE이고, 그리고
상기 네트워크 엔티티는 상기 UE의 서빙 기지국인, 네트워크 노드. - 컴퓨터 실행가능 명령들을 저장하는 비일시적 컴퓨터 판독가능 저장 매체로서,
상기 컴퓨터 실행가능 명령들은, 네트워크 노드에 의해 실행되는 경우, 상기 네트워크 노드로 하여금,
네트워크 엔티티로부터, 뉴럴 네트워크에 대한 하나 이상의 파라미터들을 수신하게 하고;
타겟 UE(user equipment)로부터의 적어도 하나의 기준 신호에 대한 측정 구성에 기초하여 상기 적어도 하나의 기준 신호의 하나 이상의 측정들을 수행하게 하고;
상기 뉴럴 네트워크 및 상기 하나 이상의 측정들에 기초하여 상기 적어도 하나의 기준 신호의 하나 이상의 특징들의 하나 이상의 통계들을 생성하게 하고; 그리고
상기 하나 이상의 통계들 및 상기 네트워크 노드의 로케이션에 기초하여 상기 네트워크 엔티티가 상기 타겟 UE의 로케이션을 추정할 수 있게 하기 위해 상기 하나 이상의 통계들을 상기 네트워크 엔티티에 보고하게 하는, 비일시적 컴퓨터 판독가능 저장 매체. - 제76 항에 있어서,
상기 하나 이상의 파라미터들은 상기 뉴럴 네트워크의 하나 이상의 바이어스들 및 하나 이상의 가중치들을 포함하는, 비일시적 컴퓨터 판독가능 저장 매체. - 제76 항에 있어서,
상기 하나 이상의 명령들은 추가로, 상기 네트워크 노드로 하여금,
상기 네트워크 엔티티로부터, 상기 측정 구성을 포함하는 적어도 하나의 메시지를 수신하게 하고, 상기 하나 이상의 파라미터들은 상기 측정 구성을 포함하는 상기 적어도 하나의 메시지에서 상기 네트워크 엔티티로부터 수신되는, 비일시적 컴퓨터 판독가능 저장 매체. - 제76 항에 있어서,
상기 하나 이상의 파라미터들은 상기 측정 구성과 별개로 상기 네트워크 엔티티로부터 수신되는, 비일시적 컴퓨터 판독가능 저장 매체. - 제76 항에 있어서,
상기 하나 이상의 파라미터들은 하나 이상의 조건들에 기초하여 상기 네트워크 노드, 상기 타겟 UE 또는 둘 모두에 대해 맞춤화되는, 비일시적 컴퓨터 판독가능 저장 매체. - 제80 항에 있어서,
상기 하나 이상의 조건들은,
상기 네트워크 노드의 디바이스 모델,
상기 네트워크 노드의 모뎀 버전,
상기 네트워크 노드의 프로세싱 능력,
상이한 주파수 대역들 상에서 도출되는 네트워크 노드 채널 측정들,
상기 타겟 UE가 로케이트되는 영역의 타입,
상기 타겟 UE의 실내 또는 실외 조건, 또는
이들의 임의의 조합을 포함하는, 비일시적 컴퓨터 판독가능 저장 매체. - 제80 항에 있어서,
상기 뉴럴 네트워크는 복수의 계층들을 포함하고,
상기 복수의 계층들 중 하나 이상의 계층들의 파라미터들은 상기 하나 이상의 조건들 모두에 걸쳐 공통이고, 그리고
상기 하나 이상의 조건들의 각각의 조건에 대해, 상기 복수의 계층들 중 적어도 하나의 나머지 계층은 상기 조건에 특정되는, 비일시적 컴퓨터 판독가능 저장 매체. - 제76 항에 있어서,
상기 하나 이상의 측정들은,
상기 적어도 하나의 기준 신호의 I/Q 샘플들,
상기 적어도 하나의 기준 신호의 주파수-도메인 채널 추정, 또는
상기 적어도 하나의 기준 신호의 시간-도메인 채널 추정을 포함하는, 비일시적 컴퓨터 판독가능 저장 매체. - 제83 항에 있어서,
상기 시간-도메인 채널 추정은 상기 적어도 하나의 기준 신호의 전력-지연-각도 프로파일을 포함하는, 비일시적 컴퓨터 판독가능 저장 매체. - 제76 항에 있어서,
상기 하나 이상의 특징들은,
RTT(round-trip-time) 측정,
TDOA(time difference of arrival) 측정,
ToA(time of arrival) 측정,
AoA(angle of arrival) 측정,
ZoA(zenith of arrival) 측정, 또는
이들의 임의의 조합을 포함하는, 비일시적 컴퓨터 판독가능 저장 매체. - 제76 항에 있어서,
상기 하나 이상의 통계들은,
상기 하나 이상의 특징들의 평균,
상기 하나 이상의 특징들의 신뢰 구간,
상기 하나 이상의 특징들의 표준 편차, 또는
이들의 임의의 조합을 포함하는, 비일시적 컴퓨터 판독가능 저장 매체. - 제76 항에 있어서,
상기 하나 이상의 통계들은,
상기 하나 이상의 특징들 각각의 확률 분포,
상기 하나 이상의 특징들의 공동 확률 분포, 또는
이들의 임의의 조합을 포함하는, 비일시적 컴퓨터 판독가능 저장 매체. - 제87 항에 있어서,
상기 하나 이상의 특징들 각각의 확률 분포는 가우시안 함수를 포함하고, 그리고
상기 하나 이상의 통계들은 각각의 가우시안 함수의 평균, 공분산, 적어도 하나의 가중치, 또는 이들의 임의의 조합을 더 포함하는, 비일시적 컴퓨터 판독가능 저장 매체. - 제87 항에 있어서,
상기 공동 확률 분포는 상기 하나 이상의 특징들의 가우시안 함수들의 다차원 혼합을 포함하는, 비일시적 컴퓨터 판독가능 저장 매체. - 제76 항에 있어서,
상기 하나 이상의 통계들은 상기 타겟 UE의 로케이션에 기초하는 하나 이상의 조건부 통계들을 포함하는, 비일시적 컴퓨터 판독가능 저장 매체. - 제90 항에 있어서,
상기 타겟 UE의 로케이션은 상기 하나 이상의 통계들로부터 추정되거나, 또는
상기 타겟 UE의 로케이션은 상기 타겟 UE와 연관된 셀 아이덴티티로부터 결정되는, 비일시적 컴퓨터 판독가능 저장 매체. - 제90 항에 있어서,
상기 뉴럴 네트워크는 추가로, BSA(base station almanac) 정보를 입력으로서 취하는, 비일시적 컴퓨터 판독가능 저장 매체. - 제76 항에 있어서,
상기 뉴럴 네트워크는 상기 타겟 UE에 특정적이고, 그리고
상기 뉴럴 네트워크는 상기 타겟 UE의 로케이션과 연관되는, 비일시적 컴퓨터 판독가능 저장 매체. - 제93 항에 있어서,
상기 타겟 UE의 로케이션은 상기 타겟 UE가 접속된 상기 네트워크 노드의 분산형 유닛에 대응하거나, 또는
상기 타겟 UE의 로케이션은 상기 타겟 UE가 접속된 상기 네트워크 노드의 중앙 유닛에 대응하는, 비일시적 컴퓨터 판독가능 저장 매체. - 제76 항에 있어서,
상기 하나 이상의 명령들은 추가로, 상기 네트워크 노드로 하여금,
상기 네트워크 노드가 상기 하나 이상의 특징들 대신에 상기 하나 이상의 통계들을 보고할 것으로 예상된다는 것을 표시하는 NRPPa(New Radio positioning protocol type A) 측정 요청을 수신하게 하는, 비일시적 컴퓨터 판독가능 저장 매체. - 제95 항에 있어서,
상기 네트워크 노드가 상기 하나 이상의 특징들 대신에 상기 하나 이상의 통계들을 보고할 것으로 예상된다는 것을 표시하는 상기 NRPPa 측정 요청은,
측정 타입 필드를 포함하는 상기 NRPPa 측정 요청, 및
상기 네트워크 노드가 상기 뉴럴 네트워크를 실행하고 상기 하나 이상의 통계들을 보고할 것으로 예상된다는 것을 표시하는 상기 측정 타입 필드를 포함하는, 비일시적 컴퓨터 판독가능 저장 매체. - 제76 항에 있어서,
상기 네트워크 노드는 기지국이고, 그리고
상기 네트워크 엔티티는 로케이션 서버인, 비일시적 컴퓨터 판독가능 저장 매체. - 제97 항에 있어서,
상기 기지국은 중앙 유닛 및 복수의 코로케이트된 분산 유닛들과 연관되고,
상기 복수의 코로케이트된 분산 유닛들은 대응하는 복수의 뉴럴 네트워크들과 연관되고, 그리고
상기 뉴럴 네트워크는 상기 복수의 뉴럴 네트워크들 중 하나인, 비일시적 컴퓨터 판독가능 저장 매체. - 제97 항에 있어서,
상기 기지국은 중앙 유닛 및 복수의 코로케이트된 분산 유닛들과 연관되고,
상기 중앙 유닛은 단일 뉴럴 네트워크와 연관되고, 그리고
상기 뉴럴 네트워크는 상기 단일 뉴럴 네트워크인, 비일시적 컴퓨터 판독가능 저장 매체. - 제76 항에 있어서,
상기 네트워크 노드는 사이드링크를 통해 상기 타겟 UE와 통신하는 UE이고, 그리고
상기 네트워크 엔티티는 상기 UE의 서빙 기지국인, 비일시적 컴퓨터 판독가능 저장 매체.
Applications Claiming Priority (3)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| GR20210100322 | 2021-05-12 | ||
| GR20210100322 | 2021-05-12 | ||
| PCT/US2022/071286 WO2022241350A1 (en) | 2021-05-12 | 2022-03-23 | Server-to-base station configuration of feature processing neural network for positioning |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| KR20240008314A true KR20240008314A (ko) | 2024-01-18 |
Family
ID=81580301
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| KR1020237038390A KR20240008314A (ko) | 2021-05-12 | 2022-03-23 | 포지셔닝을 위한 특징 프로세싱 뉴럴 네트워크의 서버-대-기지국 구성 |
Country Status (6)
| Country | Link |
|---|---|
| US (1) | US20240179671A1 (ko) |
| EP (1) | EP4338321A1 (ko) |
| KR (1) | KR20240008314A (ko) |
| CN (1) | CN117280635A (ko) |
| BR (1) | BR112023023010A2 (ko) |
| WO (1) | WO2022241350A1 (ko) |
Family Cites Families (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN109996168B (zh) * | 2017-12-28 | 2020-11-20 | 中国移动通信集团吉林有限公司 | 一种获取终端位置的方法及装置 |
| KR102036442B1 (ko) * | 2018-03-23 | 2019-10-24 | 연세대학교 산학협력단 | 딥 러닝 기반 사용자 단말 위치 추정 장치 및 방법 |
-
2022
- 2022-03-23 EP EP22721242.0A patent/EP4338321A1/en active Pending
- 2022-03-23 BR BR112023023010A patent/BR112023023010A2/pt unknown
- 2022-03-23 US US18/551,770 patent/US20240179671A1/en active Pending
- 2022-03-23 CN CN202280033162.8A patent/CN117280635A/zh active Pending
- 2022-03-23 WO PCT/US2022/071286 patent/WO2022241350A1/en active Application Filing
- 2022-03-23 KR KR1020237038390A patent/KR20240008314A/ko unknown
Also Published As
| Publication number | Publication date |
|---|---|
| EP4338321A1 (en) | 2024-03-20 |
| US20240179671A1 (en) | 2024-05-30 |
| BR112023023010A2 (pt) | 2024-01-23 |
| CN117280635A (zh) | 2023-12-22 |
| WO2022241350A1 (en) | 2022-11-17 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| WO2022031687A1 (en) | Selective triggering of neural network functions for positioning of a user equipment | |
| US20240064692A1 (en) | Data gathering and data selection to train a machine learning algorithm | |
| US20230354248A1 (en) | Network-assisted and round-trip radio frequency fingerprint-based (rffp) position estimation | |
| WO2023211584A1 (en) | User equipment (ue)-based radio frequency fingerprint (rffp) positioning with downlink positioning reference signals | |
| WO2023211580A1 (en) | User equipment (ue)-based radio frequency fingerprint (rffp) positioning with downlink positioning reference signals | |
| US20230336229A1 (en) | Base station-to-server signaling of time-angle channel profile | |
| US20240179671A1 (en) | Server-to-base station configuration of feature processing neural network for positioning | |
| US12004115B2 (en) | User equipment (UE)-based sidelink-aware radio frequency fingerprinting (RFFP) positioning | |
| US20230228835A1 (en) | Network-based sidelink-aware radio frequency fingerprinting (rffp) positioning | |
| US20230232361A1 (en) | User equipment (ue)-based sidelink-aware radio frequency fingerprinting (rffp) positioning | |
| US20240061066A1 (en) | Network-based positioning based on self-radio frequency fingerprint (self-rffp) | |
| US20240069143A1 (en) | User equipment-based (ue-based) positioning based on self-radio frequency fingerprint (self-rffp) | |
| US20240179663A1 (en) | Radio frequency fingerprint positioning of transmission-reception point | |
| US20240172165A1 (en) | Positioning based on composite radio frequency fingerprint measurement | |
| US20230354254A1 (en) | Measurement error feedback to enable machine learning-based positioning | |
| US20240133995A1 (en) | Positioning model training based on radio frequency fingerprint positioning (rffp) measurements corresponding to position displacements | |
| US20240129879A1 (en) | Bandwidth aggregation for radio frequency fingerprint positioning | |
| US20240125887A1 (en) | Virtual anchor detection based on channel tap removal | |
| US20240098453A1 (en) | Positioning model based on multiple transmission point and/or multiple bandwidth configurations | |
| US20240012089A1 (en) | Positioning model reporting | |
| US20240073855A1 (en) | Node configuration for positioning model monitoring | |
| US20240085515A1 (en) | Positioning model codepoint configuration | |
| US20240114473A1 (en) | Optimization of signaling for beam shape assistance data for mobile device location | |
| TW202410724A (zh) | 基於自射頻指紋（self-rffp）的網路定位 | |
| WO2023212017A1 (en) | Reporting framework for machine learning-based measurement for positioning |