KR20240036036A - 무선 통신 시스템에서 빔 정보를 송수신하는 방법 및 이를 위한 장치 - Google Patents
무선 통신 시스템에서 빔 정보를 송수신하는 방법 및 이를 위한 장치 Download PDFInfo
- Publication number
- KR20240036036A KR20240036036A KR1020247005089A KR20247005089A KR20240036036A KR 20240036036 A KR20240036036 A KR 20240036036A KR 1020247005089 A KR1020247005089 A KR 1020247005089A KR 20247005089 A KR20247005089 A KR 20247005089A KR 20240036036 A KR20240036036 A KR 20240036036A
- Authority
- KR
- South Korea
- Prior art keywords
- information
- beam information
- instance
- terminal
- base station
- Prior art date
Links
- 238000000034 method Methods 0.000 title claims abstract description 186
- 238000004891 communication Methods 0.000 title claims abstract description 105
- 238000013473 artificial intelligence Methods 0.000 claims abstract description 144
- 230000005540 biological transmission Effects 0.000 claims description 73
- 230000015654 memory Effects 0.000 claims description 65
- 238000005259 measurement Methods 0.000 claims description 46
- 238000012545 processing Methods 0.000 claims description 13
- 238000003860 storage Methods 0.000 claims description 9
- 230000006870 function Effects 0.000 description 83
- 239000010410 layer Substances 0.000 description 82
- 238000013135 deep learning Methods 0.000 description 76
- 238000012549 training Methods 0.000 description 50
- 238000010801 machine learning Methods 0.000 description 46
- 238000005516 engineering process Methods 0.000 description 37
- 230000008569 process Effects 0.000 description 25
- 230000011664 signaling Effects 0.000 description 20
- 238000007726 management method Methods 0.000 description 17
- 238000013528 artificial neural network Methods 0.000 description 15
- 238000004422 calculation algorithm Methods 0.000 description 15
- 238000010586 diagram Methods 0.000 description 14
- 238000010408 sweeping Methods 0.000 description 12
- 238000010295 mobile communication Methods 0.000 description 11
- 230000003190 augmentative effect Effects 0.000 description 9
- 238000013480 data collection Methods 0.000 description 9
- 230000001965 increasing effect Effects 0.000 description 9
- 230000002787 reinforcement Effects 0.000 description 9
- 238000001914 filtration Methods 0.000 description 8
- 230000009471 action Effects 0.000 description 7
- 238000013527 convolutional neural network Methods 0.000 description 7
- 230000000694 effects Effects 0.000 description 7
- 238000002360 preparation method Methods 0.000 description 7
- 230000008859 change Effects 0.000 description 6
- 230000000737 periodic effect Effects 0.000 description 6
- 101150071746 Pbsn gene Proteins 0.000 description 5
- 230000000306 recurrent effect Effects 0.000 description 5
- 238000013468 resource allocation Methods 0.000 description 5
- 230000008054 signal transmission Effects 0.000 description 5
- 238000012360 testing method Methods 0.000 description 5
- 238000010200 validation analysis Methods 0.000 description 5
- 230000008901 benefit Effects 0.000 description 4
- 238000009826 distribution Methods 0.000 description 4
- 230000009466 transformation Effects 0.000 description 4
- 230000004913 activation Effects 0.000 description 3
- 230000006399 behavior Effects 0.000 description 3
- 238000004140 cleaning Methods 0.000 description 3
- 230000007774 longterm Effects 0.000 description 3
- 238000012423 maintenance Methods 0.000 description 3
- 238000013507 mapping Methods 0.000 description 3
- 238000011017 operating method Methods 0.000 description 3
- 238000011176 pooling Methods 0.000 description 3
- 238000007781 pre-processing Methods 0.000 description 3
- 230000036962 time dependent Effects 0.000 description 3
- 238000003491 array Methods 0.000 description 2
- 230000015556 catabolic process Effects 0.000 description 2
- 239000003795 chemical substances by application Substances 0.000 description 2
- 238000006731 degradation reaction Methods 0.000 description 2
- 239000002360 explosive Substances 0.000 description 2
- 238000000605 extraction Methods 0.000 description 2
- 230000036541 health Effects 0.000 description 2
- 230000001976 improved effect Effects 0.000 description 2
- 238000012880 independent component analysis Methods 0.000 description 2
- 230000002452 interceptive effect Effects 0.000 description 2
- 239000011159 matrix material Substances 0.000 description 2
- 238000009740 moulding (composite fabrication) Methods 0.000 description 2
- 238000005457 optimization Methods 0.000 description 2
- 238000000513 principal component analysis Methods 0.000 description 2
- 230000009467 reduction Effects 0.000 description 2
- 230000004044 response Effects 0.000 description 2
- 239000004984 smart glass Substances 0.000 description 2
- 238000012706 support-vector machine Methods 0.000 description 2
- 102100022734 Acyl carrier protein, mitochondrial Human genes 0.000 description 1
- 101150116295 CAT2 gene Proteins 0.000 description 1
- 101100326920 Caenorhabditis elegans ctl-1 gene Proteins 0.000 description 1
- 101100494773 Caenorhabditis elegans ctl-2 gene Proteins 0.000 description 1
- 101100112369 Fasciola hepatica Cat-1 gene Proteins 0.000 description 1
- 101000678845 Homo sapiens Acyl carrier protein, mitochondrial Proteins 0.000 description 1
- 101000741965 Homo sapiens Inactive tyrosine-protein kinase PRAG1 Proteins 0.000 description 1
- 102100038659 Inactive tyrosine-protein kinase PRAG1 Human genes 0.000 description 1
- 101100005271 Neurospora crassa (strain ATCC 24698 / 74-OR23-1A / CBS 708.71 / DSM 1257 / FGSC 987) cat-1 gene Proteins 0.000 description 1
- 101100126846 Neurospora crassa (strain ATCC 24698 / 74-OR23-1A / CBS 708.71 / DSM 1257 / FGSC 987) katG gene Proteins 0.000 description 1
- 230000005856 abnormality Effects 0.000 description 1
- 230000006978 adaptation Effects 0.000 description 1
- 230000002776 aggregation Effects 0.000 description 1
- 238000004220 aggregation Methods 0.000 description 1
- 230000003466 anti-cipated effect Effects 0.000 description 1
- 230000004888 barrier function Effects 0.000 description 1
- 230000036772 blood pressure Effects 0.000 description 1
- 230000001413 cellular effect Effects 0.000 description 1
- 230000000295 complement effect Effects 0.000 description 1
- 238000007596 consolidation process Methods 0.000 description 1
- 125000004122 cyclic group Chemical group 0.000 description 1
- 238000007405 data analysis Methods 0.000 description 1
- 238000003066 decision tree Methods 0.000 description 1
- 238000013136 deep learning model Methods 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 230000009977 dual effect Effects 0.000 description 1
- 230000005611 electricity Effects 0.000 description 1
- 230000007613 environmental effect Effects 0.000 description 1
- 238000011156 evaluation Methods 0.000 description 1
- 239000000446 fuel Substances 0.000 description 1
- 238000010438 heat treatment Methods 0.000 description 1
- 230000001939 inductive effect Effects 0.000 description 1
- 230000003993 interaction Effects 0.000 description 1
- 238000003064 k means clustering Methods 0.000 description 1
- 239000002346 layers by function Substances 0.000 description 1
- 238000012417 linear regression Methods 0.000 description 1
- 238000007477 logistic regression Methods 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 239000000463 material Substances 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000012544 monitoring process Methods 0.000 description 1
- 210000000653 nervous system Anatomy 0.000 description 1
- 230000006855 networking Effects 0.000 description 1
- 230000001151 other effect Effects 0.000 description 1
- 238000007637 random forest analysis Methods 0.000 description 1
- 230000006403 short-term memory Effects 0.000 description 1
- 230000008093 supporting effect Effects 0.000 description 1
- 235000019527 sweetened beverage Nutrition 0.000 description 1
- 230000002123 temporal effect Effects 0.000 description 1
- 238000012956 testing procedure Methods 0.000 description 1
- 238000012546 transfer Methods 0.000 description 1
- 230000007704 transition Effects 0.000 description 1
- 238000012384 transportation and delivery Methods 0.000 description 1
- 238000005406 washing Methods 0.000 description 1
Images
Classifications
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04W—WIRELESS COMMUNICATION NETWORKS
- H04W24/00—Supervisory, monitoring or testing arrangements
- H04W24/10—Scheduling measurement reports ; Arrangements for measurement reports
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04B—TRANSMISSION
- H04B7/00—Radio transmission systems, i.e. using radiation field
- H04B7/02—Diversity systems; Multi-antenna system, i.e. transmission or reception using multiple antennas
- H04B7/04—Diversity systems; Multi-antenna system, i.e. transmission or reception using multiple antennas using two or more spaced independent antennas
- H04B7/06—Diversity systems; Multi-antenna system, i.e. transmission or reception using multiple antennas using two or more spaced independent antennas at the transmitting station
- H04B7/0686—Hybrid systems, i.e. switching and simultaneous transmission
- H04B7/0695—Hybrid systems, i.e. switching and simultaneous transmission using beam selection
- H04B7/06952—Selecting one or more beams from a plurality of beams, e.g. beam training, management or sweeping
- H04B7/06956—Selecting one or more beams from a plurality of beams, e.g. beam training, management or sweeping using a selection of antenna panels
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N20/00—Machine learning
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04B—TRANSMISSION
- H04B17/00—Monitoring; Testing
- H04B17/30—Monitoring; Testing of propagation channels
- H04B17/309—Measuring or estimating channel quality parameters
- H04B17/318—Received signal strength
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04B—TRANSMISSION
- H04B17/00—Monitoring; Testing
- H04B17/30—Monitoring; Testing of propagation channels
- H04B17/309—Measuring or estimating channel quality parameters
- H04B17/318—Received signal strength
- H04B17/328—Reference signal received power [RSRP]; Reference signal received quality [RSRQ]
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04B—TRANSMISSION
- H04B17/00—Monitoring; Testing
- H04B17/30—Monitoring; Testing of propagation channels
- H04B17/309—Measuring or estimating channel quality parameters
- H04B17/336—Signal-to-interference ratio [SIR] or carrier-to-interference ratio [CIR]
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04B—TRANSMISSION
- H04B17/00—Monitoring; Testing
- H04B17/30—Monitoring; Testing of propagation channels
- H04B17/373—Predicting channel quality or other radio frequency [RF] parameters
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04B—TRANSMISSION
- H04B7/00—Radio transmission systems, i.e. using radiation field
- H04B7/02—Diversity systems; Multi-antenna system, i.e. transmission or reception using multiple antennas
- H04B7/04—Diversity systems; Multi-antenna system, i.e. transmission or reception using multiple antennas using two or more spaced independent antennas
- H04B7/06—Diversity systems; Multi-antenna system, i.e. transmission or reception using multiple antennas using two or more spaced independent antennas at the transmitting station
- H04B7/0613—Diversity systems; Multi-antenna system, i.e. transmission or reception using multiple antennas using two or more spaced independent antennas at the transmitting station using simultaneous transmission
- H04B7/0615—Diversity systems; Multi-antenna system, i.e. transmission or reception using multiple antennas using two or more spaced independent antennas at the transmitting station using simultaneous transmission of weighted versions of same signal
- H04B7/0617—Diversity systems; Multi-antenna system, i.e. transmission or reception using multiple antennas using two or more spaced independent antennas at the transmitting station using simultaneous transmission of weighted versions of same signal for beam forming
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
- H04L5/00—Arrangements affording multiple use of the transmission path
- H04L5/003—Arrangements for allocating sub-channels of the transmission path
- H04L5/0048—Allocation of pilot signals, i.e. of signals known to the receiver
-
- 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
-
- 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
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04W—WIRELESS COMMUNICATION NETWORKS
- H04W48/00—Access restriction; Network selection; Access point selection
- H04W48/16—Discovering, processing access restriction or access information
Landscapes
- Engineering & Computer Science (AREA)
- Signal Processing (AREA)
- Computer Networks & Wireless Communication (AREA)
- Quality & Reliability (AREA)
- Physics & Mathematics (AREA)
- Electromagnetism (AREA)
- Theoretical Computer Science (AREA)
- Software Systems (AREA)
- Data Mining & Analysis (AREA)
- Evolutionary Computation (AREA)
- Medical Informatics (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Computing Systems (AREA)
- General Engineering & Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Mathematical Physics (AREA)
- Artificial Intelligence (AREA)
- Mobile Radio Communication Systems (AREA)
Abstract
본 명세서는 무선 통신 시스템에서 빔 정보를 송수신하는 방법 및 이를 위한 장치를 제안한다.
단말에 의해 수행되는 방법은, 상기 빔 정보에 대한 설정 정보를 기지국으로부터 수신하는 단계와, 상기 설정 정보에 기반하여 적어도 하나의 참조 신호(reference signal, RS)를 상기 기지국으로부터 수신하는 단계와, 인공지능(artificial intelligence, AI)에 기반하여, 제2 인스턴스에 대한 제2 빔 정보를 예측하는 단계와, 상기 제1 빔 정보 및 상기 제2 빔 정보를 포함하는 상기 빔 정보를 상기 기지국으로 전송하는 단계를 포함한다.
단말에 의해 수행되는 방법은, 상기 빔 정보에 대한 설정 정보를 기지국으로부터 수신하는 단계와, 상기 설정 정보에 기반하여 적어도 하나의 참조 신호(reference signal, RS)를 상기 기지국으로부터 수신하는 단계와, 인공지능(artificial intelligence, AI)에 기반하여, 제2 인스턴스에 대한 제2 빔 정보를 예측하는 단계와, 상기 제1 빔 정보 및 상기 제2 빔 정보를 포함하는 상기 빔 정보를 상기 기지국으로 전송하는 단계를 포함한다.
Description
본 명세서는 무선 통신 시스템에 관한 것으로, 상세하게는 빔(beam) 정보를 송수신하는 방법 및 이를 위한 장치에 관한 것이다.
이동 통신 시스템은 사용자의 활동성을 보장하면서 음성 서비스를 제공하기 위해 개발되었다. 그러나 이동통신 시스템은 음성뿐 아니라 데이터 서비스까지 영역을 확장하였으며, 현재에는 폭발적인 트래픽의 증가로 인하여 자원의 부족 현상이 야기되고 사용자들이 보다 고속의 서비스를 요구하므로, 보다 발전된 이동 통신 시스템이 요구되고 있다.
차세대 이동 통신 시스템의 요구 조건은 크게 폭발적인 데이터 트래픽의 수용, 사용자 당 전송률의 획기적인 증가, 대폭 증가된 연결 디바이스 개수의 수용, 매우 낮은 단대단 지연(End-to-End Latency), 고에너지 효율을 지원할 수 있어야 한다. 이를 위하여 이중 연결성(Dual Connectivity), 대규모 다중 입출력(Massive MIMO: Massive Multiple Input Multiple Output), 전이중(In-band Full Duplex), 비직교 다중접속(NOMA: Non-Orthogonal Multiple Access), 초광대역(Super wideband) 지원, 단말 네트워킹(Device Networking) 등 다양한 기술들이 연구되고 있다.
한편, 기존의 빔 보고(beam reporting) 동작의 경우, 순시적인 특정 위치나 무선 채널 환경에 대한 빔 품질 값이 포함된 빔 정보가 측정/보고된다. 기존의 빔 보고 동작에 따르면, 단말의 위치가 변경된 경우, 보고된 빔 정보가 변경된 위치를 반영하지 못해 기지국과 단말 간 빔 품질 측면의 성능 저하가 발생할 수 있다. 이를 해결하기 위해, 빔 관리(beam management)/빔 보고 동작이 빈번하게 수행될 수 있으나, 시그널링 오버헤드(signaling overhead) 및 레이턴시(latency)가 증가할 수 있다.
본 명세서는 상술한 문제를 해결하기 위해, 인공지능(artificial intelligence, AI)에 기반해, 단말 이동성(mobility)을 고려하여 예측된 미래의 빔 정보를 보고/전송하는 방법 및 이를 위한 장치를 제안한다.
또한, 본 명세서는 미래의 특정 시점에 최상의(best) 빔이 될 확률에 대한 정보를 보고/전송하는 방법 및 이를 위한 장치를 제안한다.
또한, 본 명세서는 현 시점에 대한 빔 정보와 예측된 미래 특정 시점에 대한 빔 정보를 함께 보고/전송하는 방법 및 이를 위한 장치를 제안한다.
또한, 본 명세서는 빔 정보와 빔 변경/업데이트 시 적용되는 빔/패널 별 스위칭(switching) 시간에 대한 정보를 보고/전송하는 방법 및 이를 위한 장치를 제안한다.
또한, 본 명세서는 빔 정보와 해당 빔 정보가 유효한 시간에 대한 정보를 보고/전송하는 방법 및 이를 위한 장치를 제안한다.
본 명세서에서 이루고자 하는 기술적 과제들은 이상에서 언급한 기술적 과제들로 제한되지 않으며, 언급하지 않은 또 다른 기술적 과제들은 아래의 기재로부터 본 발명이 속하는 기술분야에서 통상의 지식을 가진 자에게 명확하게 이해될 수 있을 것이다.
본 명세서는 무선 통신 시스템에서 빔 정보를 전송하는 방법을 제안한다. 단말에 의해 수행되는 방법은, 상기 빔 정보에 대한 설정 정보를 기지국으로부터 수신하는 단계와, 상기 설정 정보에 기반하여 적어도 하나의 참조 신호(reference signal, RS)를 상기 기지국으로부터 수신하는 단계와, 상기 적어도 하나의 RS에 기반하여, 제1 인스턴스에 대한 제1 빔 정보를 결정하는 단계, 상기 제1 빔 정보는 상기 하나 이상의 RS 식별자(identifier, ID)들 및 상기 하나 이상의 RS ID들에 대한 품질 값들을 포함하고, 인공지능(artificial intelligence, AI)에 기반하여, 제2 인스턴스에 대한 제2 빔 정보를 예측하는 단계, 상기 제2 빔 정보는 상기 하나 이상의 RS ID들에 대응하는 빔들 각각이 상기 제2 인스턴스에서 최상의 빔이 될 확률에 대한 정보 또는, 상기 제2 인스턴스에서 예측된 적어도 하나의 RS ID 및 상기 적어도 하나의 RS ID에 대응하는 품질 값을 포함하고, 상기 제1 빔 정보 및 상기 제2 빔 정보를 포함하는 상기 빔 정보를 상기 기지국으로 전송하는 단계를 포함할 수 있다.
또한, 본 명세서의 상기 방법에 있어서, 상기 제1 인스턴스는 상기 적어도 하나의 RS의 수신 시점, 상기 적어도 하나의 RS의 측정 시점, 또는 상기 제1 빔 정보의 전송 시점이고, 상기 제2 인스턴스는 상기 제1 인스턴스 이후의 기설정된 시점일 수 있다.
또한, 본 명세서의 상기 방법에 있어서, 상기 제2 빔 정보는 상기 제2 인스턴스에서의 상기 단말의 예측 위치에 기반하여 예측될 수 있다.
또한, 본 명세서의 상기 방법에 있어서, 상기 제2 빔 정보는 상기 제2 인스턴스에서의 선호되는 패널(panel)에 대한 정보를 더 포함할 수 있다.
또한, 본 명세서의 상기 방법에 있어서, 상기 품질 값은 참조 신호 수신 전력(reference signal received power, RSRP) 값 또는 신호 대 간섭 및 잡음비(signal to interference plus noise ratio, SINR) 값일 수 있다.
또한, 본 명세서의 상기 방법에 있어서, 상기 RS는 동기 신호 블록(synchronization signal block, SSB) 또는 채널 상태 정보-참조 신호(channel state information-reference signal, CSI-RS)일 수 있다.
또한, 본 명세서의 상기 방법에 있어서, 상기 RS ID는 SSB 자원 지시자(SSB resource indicator, SSBRI) 또는 CSI-RS 자원 지시자(CSI-RS resource indicator, CRI)일 수 있다.
또한, 본 명세서의 상기 방법에 있어서, 상기 빔 정보는 상기 빔 정보가 유효한 시간 구간에 대한 정보를 더 포함할 수 있다.
또한, 본 명세서의 무선 통신 시스템에서 빔 정보를 전송하도록 설정된 단말은, 적어도 하나의 송수신기와, 적어도 하나의 프로세서와, 상기 적어도 하나의 프로세서에 작동 가능하게 연결되고, 상기 적어도 하나의 프로세서에 의해 실행되는 것에 기반하여, 동작들을 수행하는 명령어(instruction)들을 저장하는 적어도 하나의 메모리를 포함하고, 상기 동작들은, 상기 빔 정보에 대한 설정 정보를 기지국으로부터 수신하는 단계와, 상기 설정 정보에 기반하여 적어도 하나의 참조 신호(reference signal, RS)를 상기 기지국으로부터 수신하는 단계와, 상기 적어도 하나의 RS에 기반하여, 제1 인스턴스에 대한 제1 빔 정보를 결정하는 단계, 상기 제1 빔 정보는 상기 하나 이상의 RS 식별자(identifier, ID)들 및 상기 하나 이상의 RS ID들에 대한 품질 값들을 포함하고, 인공지능(artificial intelligence, AI)에 기반하여, 제2 인스턴스에 대한 제2 빔 정보를 예측하는 단계, 상기 제2 빔 정보는 상기 하나 이상의 RS ID들에 대응하는 빔들 각각이 상기 제2 인스턴스에서 최상의 빔이 될 확률에 대한 정보 또는, 상기 제2 인스턴스에서 예측된 적어도 하나의 RS ID 및 상기 적어도 하나의 RS ID에 대응하는 품질 값을 포함하고, 상기 제1 빔 정보 및 상기 제2 빔 정보를 포함하는 상기 빔 정보를 상기 기지국으로 전송하는 단계를 포함할 수 있다.
또한, 본 명세서는 무선 통신 시스템에서 빔 정보를 수신하는 방법을 제안한다. 기지국에 의해 수행되는 방법은, 상기 빔 정보에 대한 설정 정보를 단말로 전송하는 단계와, 상기 설정 정보에 기반하여 적어도 하나의 참조 신호(reference signal, RS)를 상기 단말로 전송하는 단계, 제1 인스턴스에 대한 제1 빔 정보는 상기 적어도 하나의 RS에 기반하여 결정되고, 상기 제1 빔 정보는 상기 하나 이상의 RS 식별자(identifier, ID)들 및 상기 하나 이상의 RS ID들에 대한 품질 값들을 포함하며, 제2 인스턴스에 대한 제2 빔 정보는 인공지능(artificial intelligence, AI)에 기반하여 예측되고, 상기 제2 빔 정보는 상기 하나 이상의 RS ID들에 대응하는 빔들 각각이 상기 제2 인스턴스에서 최상의 빔이 될 확률에 대한 정보 또는, 상기 제2 인스턴스에서 예측된 적어도 하나의 RS ID 및 상기 적어도 하나의 RS ID에 대응하는 품질 값을 포함하며, 상기 제1 빔 정보 및 상기 제2 빔 정보를 포함하는 상기 빔 정보를 상기 단말로부터 수신하는 단계를 포함할 수 있다.
또한, 본 명세서의 상기 방법에 있어서, 상기 제1 인스턴스는 상기 적어도 하나의 RS의 수신 시점, 상기 적어도 하나의 RS의 측정 시점, 또는 상기 제1 빔 정보의 전송 시점이고, 상기 제2 인스턴스는 상기 제1 인스턴스 이후의 기설정된 시점일 수 있다.
또한, 본 명세서의 상기 방법에 있어서, 상기 제2 빔 정보는 상기 제2 인스턴스에서의 상기 단말의 예측 위치에 기반하여 예측될 수 있다.
또한, 본 명세서의 상기 방법에 있어서, 상기 제2 빔 정보는 상기 제2 인스턴스에서의 선호되는 패널(panel)에 대한 정보를 더 포함할 수 있다.
또한, 본 명세서의 상기 방법에 있어서, 상기 품질 값은 참조 신호 수신 전력(reference signal received power, RSRP) 값 또는 신호 대 간섭 및 잡음비(signal to interference plus noise ratio, SINR) 값일 수 있다.
또한, 본 명세서의 상기 방법에 있어서, 상기 RS는 동기 신호 블록(synchronization signal block, SSB) 또는 채널 상태 정보-참조 신호(channel state information-reference signal, CSI-RS)일 수 있다.
또한, 본 명세서의 상기 방법에 있어서, 상기 RS ID는 SSB 자원 지시자(SSB resource indicator, SSBRI) 또는 CSI-RS 자원 지시자(CSI-RS resource indicator, CRI)일 수 있다.
또한, 본 명세서의 상기 방법에 있어서, 상기 빔 정보는 상기 빔 정보가 유효한 시간 구간에 대한 정보를 더 포함할 수 있다.
또한, 본 명세서의 무선 통신 시스템에서 빔 정보를 수신하도록 설정된 기지국은, 적어도 하나의 송수신기와, 적어도 하나의 프로세서와, 상기 적어도 하나의 프로세서에 작동 가능하게 연결되고, 상기 적어도 하나의 프로세서에 의해 실행되는 것에 기반하여, 동작들을 수행하는 명령어(instruction)들을 저장하는 적어도 하나의 메모리를 포함하고, 상기 동작들은, 상기 빔 정보에 대한 설정 정보를 단말로 전송하는 단계와, 상기 설정 정보에 기반하여 적어도 하나의 참조 신호(reference signal, RS)를 상기 단말로 전송하는 단계, 제1 인스턴스에 대한 제1 빔 정보는 상기 적어도 하나의 RS에 기반하여 결정되고, 상기 제1 빔 정보는 상기 하나 이상의 RS 식별자(identifier, ID)들 및 상기 하나 이상의 RS ID들에 대한 품질 값들을 포함하며, 제2 인스턴스에 대한 제2 빔 정보는 인공지능(artificial intelligence, AI)에 기반하여 예측되고, 상기 제2 빔 정보는 상기 하나 이상의 RS ID들에 대응하는 빔들 각각이 상기 제2 인스턴스에서 최상의 빔이 될 확률에 대한 정보 또는, 상기 제2 인스턴스에서 예측된 적어도 하나의 RS ID 및 상기 적어도 하나의 RS ID에 대응하는 품질 값을 포함하며, 상기 제1 빔 정보 및 상기 제2 빔 정보를 포함하는 상기 빔 정보를 상기 단말로부터 수신하는 단계를 포함할 수 있다.
또한, 본 명세서의 무선 통신 시스템에서 빔 정보를 전송하도록 단말을 제어하기 위해 설정된 프로세서 장치(processing apparatus)는, 적어도 하나의 프로세서와, 상기 적어도 하나의 프로세서에 작동 가능하게 연결되고, 상기 적어도 하나의 프로세서에 의해 실행되는 것에 기반하여, 동작들을 수행하는 명령어(instruction)들을 저장하는 적어도 하나의 메모리를 포함하고, 상기 동작들은, 상기 빔 정보에 대한 설정 정보를 기지국으로부터 수신하는 단계와, 상기 설정 정보에 기반하여 적어도 하나의 참조 신호(reference signal, RS)를 상기 기지국으로부터 수신하는 단계와, 상기 적어도 하나의 RS에 기반하여, 제1 인스턴스에 대한 제1 빔 정보를 결정하는 단계, 상기 제1 빔 정보는 상기 하나 이상의 RS 식별자(identifier, ID)들 및 상기 하나 이상의 RS ID들에 대한 품질 값들을 포함하고, 인공지능(artificial intelligence, AI)에 기반하여, 제2 인스턴스에 대한 제2 빔 정보를 예측하는 단계, 상기 제2 빔 정보는 상기 하나 이상의 RS ID들에 대응하는 빔들 각각이 상기 제2 인스턴스에서 최상의 빔이 될 확률에 대한 정보 또는, 상기 제2 인스턴스에서 예측된 적어도 하나의 RS ID 및 상기 적어도 하나의 RS ID에 대응하는 품질 값을 포함하고, 상기 제1 빔 정보 및 상기 제2 빔 정보를 포함하는 상기 빔 정보를 상기 기지국으로 전송하는 단계를 포함할 수 있다.
또한, 본 명세서의 적어도 하나의 프로세서에 의해 실행되는 것에 기반하여, 상기 적어도 하나의 프로세서가 동작들을 제어하도록 하는 적어도 하나의 명령어(instruction)를 저장하는 컴퓨터 판독 가능 저장 매체(computer-readable storage medium)에 있어서, 상기 동작들은, 빔 정보에 대한 설정 정보를 기지국으로부터 수신하는 단계와, 상기 설정 정보에 기반하여 적어도 하나의 참조 신호(reference signal, RS)를 상기 기지국으로부터 수신하는 단계와, 상기 적어도 하나의 RS에 기반하여, 제1 인스턴스에 대한 제1 빔 정보를 결정하는 단계, 상기 제1 빔 정보는 상기 하나 이상의 RS 식별자(identifier, ID)들 및 상기 하나 이상의 RS ID들에 대한 품질 값들을 포함하고, 인공지능(artificial intelligence, AI)에 기반하여, 제2 인스턴스에 대한 제2 빔 정보를 예측하는 단계, 상기 제2 빔 정보는 상기 하나 이상의 RS ID들에 대응하는 빔들 각각이 상기 제2 인스턴스에서 최상의 빔이 될 확률에 대한 정보 또는, 상기 제2 인스턴스에서 예측된 적어도 하나의 RS ID 및 상기 적어도 하나의 RS ID에 대응하는 품질 값을 포함하고, 상기 제1 빔 정보 및 상기 제2 빔 정보를 포함하는 상기 빔 정보를 상기 기지국으로 전송하는 단계를 포함할 수 있다.
본 명세서에 따르면, AI에 기반해, 단말 이동성(mobility)을 고려하여 예측된 미래의 빔 정보를 보고/전송함으로써, 이동성 단말에 대해 높은 빔 품질을 유지함과 동시에 시그널링 오버헤드 및 레이턴시를 감소시키는 효과가 있다.
또한, 본 명세서에 따르면, 미래의 특정 시점에 최상의(best) 빔이 될 확률에 대한 정보를 보고/전송함으로써, 이동성 단말과 기지국 간 통신 품질을 개선하는 효과가 있다.
또한, 본 명세서에 따르면, 현 시점에 대한 빔 정보와 예측된 미래 특정 시점에 대한 빔 정보를 함께 보고/전송함으로써, 이동성 단말과 기지국 간 통신 품질을 개선하는 효과가 있다.
또한, 본 명세서에 따르면, 빔 정보와 빔 변경/업데이트 시 적용되는 빔/패널 별 스위칭 시간에 대한 정보를 빔 정보와 함께 보고/전송함으로써, 이동성 단말과 기지국 간 통신 품질을 개선하는 효과가 있다.
또한, 본 명세서에 따르면, 빔 정보가 유효한 시간에 대한 정보를 빔 정보와 함께 보고/전송함으로써, 이동성 단말과 기지국 간 통신 품질을 개선하는 효과가 있다.
본 명세서에서 얻을 수 있는 효과는 이상에서 언급한 효과로 제한되지 않으며, 언급하지 않은 또 다른 효과들은 아래의 기재로부터 본 명세서가 속하는 기술분야에서 통상의 지식을 가진 자에게 명확하게 이해될 수 있을 것이다.
본 명세서에 관한 이해를 돕기 위해 상세한 설명의 일부로 포함되는, 첨부 도면은 본 명세서에 대한 실시 예를 제공하고, 상세한 설명과 함께 본 명세서의 기술적 특징을 설명한다.
도 1은 본 명세서에서 제안하는 방법이 적용될 수 있는 NR의 전체적인 시스템 구조의 일례를 나타낸다.
도 2는 본 명세서에서 제안하는 방법이 적용될 수 있는 무선 통신 시스템에서 상향링크 프레임과 하향링크 프레임 간의 관계를 나타낸다.
도 3은 NR 시스템에서의 프레임 구조의 일례를 나타낸다.
도 4는 본 명세서에서 제안하는 방법이 적용될 수 있는 무선 통신 시스템에서 지원하는 자원 그리드(resource grid)의 일례를 나타낸다.
도 5는 본 명세서에서 제안하는 방법이 적용될 수 있는 NR 프레임의 슬롯 구조를 예시한다.
도 6은 본 명세서에서 제안하는 방법이 적용될 수 있는 안테나 포트 및 뉴머롤로지 별 자원 그리드의 예들을 나타낸다.
도 7은 3GPP 시스템에 이용되는 물리 채널들 및 일반적인 신호 전송을 예시한다.
도 8은 빔 관련 측정 모델의 일례를 나타낸 개념도이다.
도 9는 DL BM 절차 관련 Tx beam의 일례를 나타낸 도이다.
도 10은 SSB를 이용한 DL BM 절차의 일례를 나타낸 흐름도이다.
도 11은 CSI-RS를 이용한 DL BM 절차의 일례를 나타낸 도이다.
도 12는 단말의 수신 빔 결정 과정의 일례를 나타낸 흐름도이다.
도 13은 기지국의 전송 빔 결정 과정의 일례를 나타낸 흐름도이다.
도 14는 도 11의 동작과 관련된 시간 및 주파수 영역에서의 자원 할당의 일례를 나타낸 도이다.
도 15는 SRS를 이용한 UL BM 절차의 일례를 나타낸다.
도 16은 SRS를 이용한 UL BM 절차의 일례를 나타낸 흐름도이다.
도 17은 하향링크 송수신 동작의 일례를 나타낸다.
도 18은 상향링크 송수신 동작의 일례를 나타낸다.
도 19는 AI/ML의 개념을 설명하기 위한 도면이다.
도 20은 순방향 신경망을 예시한다.
도 21는 순환 신경망을 예시한다.
도 22는 컨볼루션 신경망을 예시한다.
도 23은 오토 인코더를 예시한다.
도 24는 분할 AI 추론을 예시하는 도면이다.
도 25는 AI 동작을 위한 기능적 프레임워크를 설명하기 위한 도면이다.
도 26은 단말, RAN 노드들 및 네트워크 노드에 의해 수행되는 AI 동작을 예시한다.
도 27은 단말과 RAN 노드들에 의해 수행되는 AI 동작을 예시한다.
도 28은 단말과 RAN 노드에 의해 수행되는 AI 동작을 예시한다.
도 29는 본 명세서에서 제안하는 단말의 동작 방법을 설명하기 위한 흐름도이다.
도 30은 본 명세서에서 제안하는 기지국의 동작 방법을 설명하기 위한 흐름도이다.
도 31은 본 명세서에 적용되는 통신 시스템(1)을 예시한다.
도 32는 본 명세서에 적용될 수 있는 무선 기기를 예시한다.
도 33은 본 명세서에 적용되는 무선 기기의 다른 예를 나타낸다.
도 34는 본 명세서에 적용되는 휴대 기기를 예시한다.
도 1은 본 명세서에서 제안하는 방법이 적용될 수 있는 NR의 전체적인 시스템 구조의 일례를 나타낸다.
도 2는 본 명세서에서 제안하는 방법이 적용될 수 있는 무선 통신 시스템에서 상향링크 프레임과 하향링크 프레임 간의 관계를 나타낸다.
도 3은 NR 시스템에서의 프레임 구조의 일례를 나타낸다.
도 4는 본 명세서에서 제안하는 방법이 적용될 수 있는 무선 통신 시스템에서 지원하는 자원 그리드(resource grid)의 일례를 나타낸다.
도 5는 본 명세서에서 제안하는 방법이 적용될 수 있는 NR 프레임의 슬롯 구조를 예시한다.
도 6은 본 명세서에서 제안하는 방법이 적용될 수 있는 안테나 포트 및 뉴머롤로지 별 자원 그리드의 예들을 나타낸다.
도 7은 3GPP 시스템에 이용되는 물리 채널들 및 일반적인 신호 전송을 예시한다.
도 8은 빔 관련 측정 모델의 일례를 나타낸 개념도이다.
도 9는 DL BM 절차 관련 Tx beam의 일례를 나타낸 도이다.
도 10은 SSB를 이용한 DL BM 절차의 일례를 나타낸 흐름도이다.
도 11은 CSI-RS를 이용한 DL BM 절차의 일례를 나타낸 도이다.
도 12는 단말의 수신 빔 결정 과정의 일례를 나타낸 흐름도이다.
도 13은 기지국의 전송 빔 결정 과정의 일례를 나타낸 흐름도이다.
도 14는 도 11의 동작과 관련된 시간 및 주파수 영역에서의 자원 할당의 일례를 나타낸 도이다.
도 15는 SRS를 이용한 UL BM 절차의 일례를 나타낸다.
도 16은 SRS를 이용한 UL BM 절차의 일례를 나타낸 흐름도이다.
도 17은 하향링크 송수신 동작의 일례를 나타낸다.
도 18은 상향링크 송수신 동작의 일례를 나타낸다.
도 19는 AI/ML의 개념을 설명하기 위한 도면이다.
도 20은 순방향 신경망을 예시한다.
도 21는 순환 신경망을 예시한다.
도 22는 컨볼루션 신경망을 예시한다.
도 23은 오토 인코더를 예시한다.
도 24는 분할 AI 추론을 예시하는 도면이다.
도 25는 AI 동작을 위한 기능적 프레임워크를 설명하기 위한 도면이다.
도 26은 단말, RAN 노드들 및 네트워크 노드에 의해 수행되는 AI 동작을 예시한다.
도 27은 단말과 RAN 노드들에 의해 수행되는 AI 동작을 예시한다.
도 28은 단말과 RAN 노드에 의해 수행되는 AI 동작을 예시한다.
도 29는 본 명세서에서 제안하는 단말의 동작 방법을 설명하기 위한 흐름도이다.
도 30은 본 명세서에서 제안하는 기지국의 동작 방법을 설명하기 위한 흐름도이다.
도 31은 본 명세서에 적용되는 통신 시스템(1)을 예시한다.
도 32는 본 명세서에 적용될 수 있는 무선 기기를 예시한다.
도 33은 본 명세서에 적용되는 무선 기기의 다른 예를 나타낸다.
도 34는 본 명세서에 적용되는 휴대 기기를 예시한다.
이하, 본 발명에 따른 바람직한 실시 형태를 첨부된 도면을 참조하여 상세하게 설명한다. 첨부된 도면과 함께 이하에 개시될 상세한 설명은 본 발명의 예시적인 실시형태를 설명하고자 하는 것이며, 본 발명이 실시될 수 있는 유일한 실시형태를 나타내고자 하는 것이 아니다. 이하의 상세한 설명은 본 발명의 완전한 이해를 제공하기 위해서 구체적 세부사항을 포함한다. 그러나, 당업자는 본 발명이 이러한 구체적 세부사항 없이도 실시될 수 있음을 안다.
몇몇 경우, 본 발명의 개념이 모호해지는 것을 피하기 위하여 공지의 구조 및 장치는 생략되거나, 각 구조 및 장치의 핵심기능을 중심으로 한 블록도 형식으로 도시될 수 있다.
이하에서, 하향링크(DL: downlink)는 기지국에서 단말로의 통신을 의미하며, 상향링크(UL: uplink)는 단말에서 기지국으로의 통신을 의미한다. 하향링크에서 송신기는 기지국의 일부이고, 수신기는 단말의 일부일 수 있다. 상향링크에서 송신기는 단말의 일부이고, 수신기는 기지국의 일부일 수 있다. 기지국은 제 1 통신 장치로, 단말은 제 2 통신 장치로 표현될 수도 있다. 기지국(BS: Base Station)은 고정국(fixed station), Node B, eNB(evolved-NodeB), gNB(Next Generation NodeB), BTS(base transceiver system), 액세스 포인트(AP: Access Point), 네트워크(5G 네트워크), AI 시스템, RSU(road side unit), 차량(vehicle), 로봇, 드론(Unmanned Aerial Vehicle, UAV), AR(Augmented Reality)장치, VR(Virtual Reality)장치 등의 용어에 의해 대체될 수 있다. 또한, 단말(Terminal)은 고정되거나 이동성을 가질 수 있으며, UE(User Equipment), MS(Mobile Station), UT(user terminal), MSS(Mobile Subscriber Station), SS(Subscriber Station), AMS(Advanced Mobile Station), WT(Wireless terminal), MTC(Machine-Type Communication) 장치, M2M(Machine-to-Machine) 장치, D2D(Device-to-Device) 장치, 차량(vehicle), 로봇(robot), AI 모듈, 드론(Unmanned Aerial Vehicle, UAV), AR(Augmented Reality)장치, VR(Virtual Reality)장치 등의 용어로 대체될 수 있다.
이하의 기술은 CDMA, FDMA, TDMA, OFDMA, SC-FDMA 등과 같은 다양한 무선 접속 시스템에 사용될 수 있다. CDMA는 UTRA(Universal Terrestrial Radio Access)나 CDMA2000과 같은 무선 기술로 구현될 수 있다. TDMA는 GSM(Global System for Mobile communications)/GPRS(General Packet Radio Service)/EDGE(Enhanced Data Rates for GSM Evolution)와 같은 무선 기술로 구현될 수 있다. OFDMA는 IEEE 802.11 (Wi-Fi), IEEE 802.16 (WiMAX), IEEE 802-20, E-UTRA(Evolved UTRA) 등과 같은 무선 기술로 구현될 수 있다. UTRA는 UMTS(Universal Mobile Telecommunications System)의 일부이다. 3GPP(3rd Generation Partnership Project) LTE(Long Term Evolution)은 E-UTRA를 사용하는 E-UMTS(Evolved UMTS)의 일부이고 LTE-A(Advanced)/LTE-A pro는 3GPP LTE의 진화된 버전이다. 3GPP NR(New Radio or New Radio Access Technology)는 3GPP LTE/LTE-A/LTE-A pro의 진화된 버전이다.
설명을 명확하게 하기 위해, 3GPP 통신 시스템(예, LTE-A, NR)을 기반으로 설명하지만 본 발명의 기술적 사상이 이에 제한되는 것은 아니다. LTE는 3GPP TS 36.xxx Release 8 이후의 기술을 의미한다. 세부적으로, 3GPP TS 36.xxx Release 10 이후의 LTE 기술은 LTE-A로 지칭되고, 3GPP TS 36.xxx Release 13 이후의 LTE 기술은 LTE-A pro로 지칭된다. 3GPP NR은 TS 38.xxx Release 15 이후의 기술을 의미한다. LTE/NR은 3GPP 시스템으로 지칭될 수 있다. "xxx"는 표준 문서 세부 번호를 의미한다. LTE/NR은 3GPP 시스템으로 통칭될 수 있다. 본 발명의 설명에 사용된 배경기술, 용어, 약어 등에 관해서는 본 발명 이전에 공개된 표준 문서에 기재된 사항을 참조할 수 있다. 예를 들어, 다음 문서를 참조할 수 있다.
3GPP LTE
- 36.211: Physical channels and modulation
- 36.212: Multiplexing and channel coding
- 36.213: Physical layer procedures
- 36.300: Overall description
- 36.331: Radio Resource Control (RRC)
3GPP NR
- 38.211: Physical channels and modulation
- 38.212: Multiplexing and channel coding
- 38.213: Physical layer procedures for control
- 38.214: Physical layer procedures for data
- 38.300: NR and NG-RAN Overall Description
- 38.331: Radio Resource Control (RRC) protocol specification
더욱 많은 통신 기기들이 더욱 큰 통신 용량을 요구하게 됨에 따라 기존의 radio access technology 에 비해 향상된 mobile broadband 통신에 대한 필요성이 대두되고 있다. 또한 다수의 기기 및 사물들을 연결하여 언제 어디서나 다양한 서비스를 제공하는 massive MTC (Machine Type Communications) 역시 차세대 통신에서 고려될 주요 이슈 중 하나이다. 뿐만 아니라 reliability 및 latency 에 민감한 서비스/단말을 고려한 통신 시스템 디자인이 논의되고 있다. 이와 같이 eMBB(enhanced mobile broadband communication), mMTC(massive MTC), URLLC (Ultra-Reliable and Low Latency Communication) 등을 고려한 차세대 radio access technology 의 도입이 논의되고 있으며, 본 명세서에서는 편의상 해당 technology 를 NR 이라고 부른다. NR은 5G 무선 접속 기술(radio access technology, RAT)의 일례를 나타낸 표현이다.
5G의 세 가지 주요 요구 사항 영역은 (1) 개선된 모바일 광대역 (Enhanced Mobile Broadband, eMBB) 영역, (2) 다량의 머신 타입 통신 (massive Machine Type Communication, mMTC) 영역 및 (3) 초-신뢰 및 저 지연 통신 (Ultra-reliable and Low Latency Communications, URLLC) 영역을 포함한다.
일부 사용 예(Use Case)는 최적화를 위해 다수의 영역들이 요구될 수 있고, 다른 사용 예는 단지 하나의 핵심 성능 지표 (Key Performance Indicator, KPI)에만 포커싱될 수 있다. 5G는 이러한 다양한 사용 예들을 유연하고 신뢰할 수 있는 방법으로 지원하는 것이다.
eMBB는 기본적인 모바일 인터넷 액세스를 훨씬 능가하게 하며, 풍부한 양방향 작업, 클라우드 또는 증강 현실에서 미디어 및 엔터테인먼트 애플리케이션을 커버한다. 데이터는 5G의 핵심 동력 중 하나이며, 5G 시대에서 처음으로 전용 음성 서비스를 볼 수 없을 수 있다. 5G에서, 음성은 단순히 통신 시스템에 의해 제공되는 데이터 연결을 사용하여 응용 프로그램으로서 처리될 것이 기대된다. 증가된 트래픽 양(volume)을 위한 주요 원인들은 콘텐츠 크기의 증가 및 높은 데이터 전송률을 요구하는 애플리케이션 수의 증가이다. 스트리밍 서비스 (오디오 및 비디오), 대화형 비디오 및 모바일 인터넷 연결은 더 많은 장치가 인터넷에 연결될수록 더 널리 사용될 것이다. 이러한 많은 응용 프로그램들은 사용자에게 실시간 정보 및 알림을 푸쉬하기 위해 항상 켜져 있는 연결성이 필요하다. 클라우드 스토리지 및 애플리케이션은 모바일 통신 플랫폼에서 급속히 증가하고 있으며, 이것은 업무 및 엔터테인먼트 모두에 적용될 수 있다. 그리고, 클라우드 스토리지는 상향링크 데이터 전송률의 성장을 견인하는 특별한 사용 예이다. 5G는 또한 클라우드의 원격 업무에도 사용되며, 촉각 인터페이스가 사용될 때 우수한 사용자 경험을 유지하도록 훨씬 더 낮은 단-대-단(end-to-end) 지연을 요구한다. 엔터테인먼트 예를 들어, 클라우드 게임 및 비디오 스트리밍은 모바일 광대역 능력에 대한 요구를 증가시키는 또 다른 핵심 요소이다. 엔터테인먼트는 기차, 차 및 비행기와 같은 높은 이동성 환경을 포함하는 어떤 곳에서든지 스마트폰 및 태블릿에서 필수적이다. 또 다른 사용 예는 엔터테인먼트를 위한 증강 현실 및 정보 검색이다. 여기서, 증강 현실은 매우 낮은 지연과 순간적인 데이터 양을 필요로 한다.
또한, 가장 많이 예상되는 5G 사용 예 중 하나는 모든 분야에서 임베디드 센서를 원활하게 연결할 수 있는 기능 즉, mMTC에 관한 것이다. 2020년까지 잠재적인 IoT 장치들은 204 억 개에 이를 것으로 예측된다. 산업 IoT는 5G가 스마트 도시, 자산 추적(asset tracking), 스마트 유틸리티, 농업 및 보안 인프라를 가능하게 하는 주요 역할을 수행하는 영역 중 하나이다.
URLLC는 주요 인프라의 원격 제어 및 자체-구동 차량(self-driving vehicle)과 같은 초 신뢰 / 이용 가능한 지연이 적은 링크를 통해 산업을 변화시킬 새로운 서비스를 포함한다. 신뢰성과 지연의 수준은 스마트 그리드 제어, 산업 자동화, 로봇 공학, 드론 제어 및 조정에 필수적이다.
다음으로, 다수의 사용 예들에 대해 보다 구체적으로 살펴본다.
5G는 초당 수백 메가 비트에서 초당 기가 비트로 평가되는 스트림을 제공하는 수단으로 FTTH (fiber-to-the-home) 및 케이블 기반 광대역 (또는 DOCSIS)을 보완할 수 있다. 이러한 빠른 속도는 가상 현실과 증강 현실뿐 아니라 4K 이상(6K, 8K 및 그 이상)의 해상도로 TV를 전달하는데 요구된다. VR(Virtual Reality) 및 AR(Augmented Reality) 애플리케이션들은 거의 몰입형(immersive) 스포츠 경기를 포함한다. 특정 응용 프로그램은 특별한 네트워크 설정이 요구될 수 있다. 예를 들어, VR 게임의 경우, 게임 회사들이 지연을 최소화하기 위해 코어 서버를 네트워크 오퍼레이터의 에지 네트워크 서버와 통합해야 할 수 있다.
자동차(Automotive)는 차량에 대한 이동 통신을 위한 많은 사용 예들과 함께 5G에 있어 중요한 새로운 동력이 될 것으로 예상된다. 예를 들어, 승객을 위한 엔터테인먼트는 동시의 높은 용량과 높은 이동성 모바일 광대역을 요구한다. 그 이유는 미래의 사용자는 그들의 위치 및 속도와 관계 없이 고품질의 연결을 계속해서 기대하기 때문이다. 자동차 분야의 다른 활용 예는 증강 현실 대시보드이다. 이는 운전자가 앞면 창을 통해 보고 있는 것 위에 어둠 속에서 물체를 식별하고, 물체의 거리와 움직임에 대해 운전자에게 말해주는 정보를 겹쳐서 디스플레이 한다. 미래에, 무선 모듈은 차량들 간의 통신, 차량과 지원하는 인프라구조 사이에서 정보 교환 및 자동차와 다른 연결된 디바이스들(예를 들어, 보행자에 의해 수반되는 디바이스들) 사이에서 정보 교환을 가능하게 한다. 안전 시스템은 운전자가 보다 안전한 운전을 할 수 있도록 행동의 대체 코스들을 안내하여 사고의 위험을 낮출 수 있게 한다. 다음 단계는 원격 조종되거나 자체 운전 차량(self-driven vehicle)이 될 것이다. 이는 서로 다른 자체 운전 차량들 사이 및 자동차와 인프라 사이에서 매우 신뢰성이 있고, 매우 빠른 통신을 요구한다. 미래에, 자체 운전 차량이 모든 운전 활동을 수행하고, 운전자는 차량 자체가 식별할 수 없는 교통 이상에만 집중하도록 할 것이다. 자체 운전 차량의 기술적 요구 사항은 트래픽 안전을 사람이 달성할 수 없을 정도의 수준까지 증가하도록 초 저 지연과 초고속 신뢰성을 요구한다.
스마트 사회(smart society)로서 언급되는 스마트 도시와 스마트 홈은 고밀도 무선 센서 네트워크로 임베디드될 것이다. 지능형 센서의 분산 네트워크는 도시 또는 집의 비용 및 에너지-효율적인 유지에 대한 조건을 식별할 것이다. 유사한 설정이 각 가정을 위해 수행될 수 있다. 온도 센서, 창 및 난방 컨트롤러, 도난 경보기 및 가전 제품들은 모두 무선으로 연결된다. 이러한 센서들 중 많은 것들이 전형적으로 낮은 데이터 전송 속도, 저전력 및 저비용이다. 하지만, 예를 들어, 실시간 HD 비디오는 감시를 위해 특정 타입의 장치에서 요구될 수 있다.
열 또는 가스를 포함한 에너지의 소비 및 분배는 고도로 분산화되고 있어, 분산 센서 네트워크의 자동화된 제어가 요구된다. 스마트 그리드는 정보를 수집하고 이에 따라 행동하도록 디지털 정보 및 통신 기술을 사용하여 이런 센서들을 상호 연결한다. 이 정보는 공급 업체와 소비자의 행동을 포함할 수 있으므로, 스마트 그리드가 효율성, 신뢰성, 경제성, 생산의 지속 가능성 및 자동화된 방식으로 전기와 같은 연료들의 분배를 개선하도록 할 수 있다. 스마트 그리드는 지연이 적은 다른 센서 네트워크로 볼 수도 있다.
건강 부문은 이동 통신의 혜택을 누릴 수 있는 많은 응용 프로그램을 보유하고 있다. 통신 시스템은 멀리 떨어진 곳에서 임상 진료를 제공하는 원격 진료를 지원할 수 있다. 이는 거리에 대한 장벽을 줄이는데 도움을 주고, 거리가 먼 농촌에서 지속적으로 이용하지 못하는 의료 서비스들로의 접근을 개선시킬 수 있다. 이는 또한 중요한 진료 및 응급 상황에서 생명을 구하기 위해 사용된다. 이동 통신 기반의 무선 센서 네트워크는 심박수 및 혈압과 같은 파라미터들에 대한 원격 모니터링 및 센서들을 제공할 수 있다.
무선 및 모바일 통신은 산업 응용 분야에서 점차 중요해지고 있다. 배선은 설치 및 유지 비용이 높다. 따라서, 케이블을 재구성할 수 있는 무선 링크들로의 교체 가능성은 많은 산업 분야에서 매력적인 기회이다. 그러나, 이를 달성하는 것은 무선 연결이 케이블과 비슷한 지연, 신뢰성 및 용량으로 동작하는 것과, 그 관리가 단순화될 것이 요구된다. 낮은 지연과 매우 낮은 오류 확률은 5G로 연결될 필요가 있는 새로운 요구 사항이다.
물류(logistics) 및 화물 추적(freight tracking)은 위치 기반 정보 시스템을 사용하여 어디에서든지 인벤토리(inventory) 및 패키지의 추적을 가능하게 하는 이동 통신에 대한 중요한 사용 예이다. 물류 및 화물 추적의 사용 예는 전형적으로 낮은 데이터 속도를 요구하지만 넓은 범위와 신뢰성 있는 위치 정보가 필요하다.
NR을 포함하는 새로운 RAT 시스템은 OFDM 전송 방식 또는 이와 유사한 전송 방식을 사용한다. 새로운 RAT 시스템은 LTE의 OFDM 파라미터들과는 다른 OFDM 파라미터들을 따를 수 있다. 또는 새로운 RAT 시스템은 기존의 LTE/LTE-A의 뉴머롤로지(numerology)를 그대로 따르나 더 큰 시스템 대역폭(예, 100MHz)를 지닐 수 있다. 또는 하나의 셀이 복수 개의 뉴머롤로지들을 지원할 수도 있다. 즉, 서로 다른 뉴머롤로지로 동작하는 하는 단말들이 하나의 셀 안에서 공존할 수 있다.
뉴머로러지(numerology)는 주파수 영역에서 하나의 subcarrier spacing에 대응한다. Reference subcarrier spacing을 정수 N으로 scaling함으로써, 상이한 numerology가 정의될 수 있다.
용어 정의
eLTE eNB: eLTE eNB는 EPC 및 NGC에 대한 연결을 지원하는 eNB의 진화(evolution)이다.
gNB: NGC와의 연결뿐만 아니라 NR을 지원하는 노드.
새로운 RAN: NR 또는 E-UTRA를 지원하거나 NGC와 상호 작용하는 무선 액세스 네트워크.
네트워크 슬라이스(network slice): 네트워크 슬라이스는 종단 간 범위와 함께 특정 요구 사항을 요구하는 특정 시장 시나리오에 대해 최적화된 솔루션을 제공하도록 operator에 의해 정의된 네트워크.
네트워크 기능(network function): 네트워크 기능은 잘 정의된 외부 인터페이스와 잘 정의된 기능적 동작을 가진 네트워크 인프라 내에서의 논리적 노드.
NG-C: 새로운 RAN과 NGC 사이의 NG2 레퍼런스 포인트(reference point)에 사용되는 제어 평면 인터페이스.
NG-U: 새로운 RAN과 NGC 사이의 NG3 레퍼런스 포인트(reference point)에 사용되는 사용자 평면 인터페이스.
비 독립형(Non-standalone) NR: gNB가 LTE eNB를 EPC로 제어 플레인 연결을 위한 앵커로 요구하거나 또는 eLTE eNB를 NGC로 제어 플레인 연결을 위한 앵커로 요구하는 배치 구성.
비 독립형 E-UTRA: eLTE eNB가 NGC로 제어 플레인 연결을 위한 앵커로 gNB를 요구하는 배치 구성.
사용자 평면 게이트웨이: NG-U 인터페이스의 종단점.
시스템 일반
도 1은 본 명세서에서 제안하는 방법이 적용될 수 있는 NR의 전체적인 시스템 구조의 일례를 나타낸다.
도 1을 참조하면, NG-RAN은 NG-RA 사용자 평면(새로운 AS sublayer/PDCP/RLC/MAC/PHY) 및 UE(User Equipment)에 대한 제어 평면(RRC) 프로토콜 종단을 제공하는 gNB들로 구성된다.
상기 gNB는 Xn 인터페이스를 통해 상호 연결된다.
상기 gNB는 또한, NG 인터페이스를 통해 NGC로 연결된다.
보다 구체적으로는, 상기 gNB는 N2 인터페이스를 통해 AMF(Access and Mobility Management Function)로, N3 인터페이스를 통해 UPF(User Plane Function)로 연결된다.
NR(New Rat) 뉴머롤로지(Numerology) 및 프레임(frame) 구조
NR 시스템에서는 다수의 뉴머롤로지(numerology)들이 지원될 수 있다. 여기에서, 뉴머롤로지는 서브캐리어 간격(subcarrier spacing)과 CP(Cyclic Prefix) 오버헤드에 의해 정의될 수 있다. 이 때, 다수의 서브캐리어 간격은 기본 서브캐리어 간격을 정수 N(또는, 
)으로 스케일링(scaling) 함으로써 유도될 수 있다. 또한, 매우 높은 반송파 주파수에서 매우 낮은 서브캐리어 간격을 이용하지 않는다고 가정될지라도, 이용되는 뉴머롤로지는 주파수 대역과 독립적으로 선택될 수 있다.
또한, NR 시스템에서는 다수의 뉴머롤로지에 따른 다양한 프레임 구조들이 지원될 수 있다.
이하, NR 시스템에서 고려될 수 있는 OFDM(Orthogonal Frequency Division Multiplexing) 뉴머롤로지 및 프레임 구조를 살펴본다.
NR 시스템에서 지원되는 다수의 OFDM 뉴머롤로지들은 표 1과 같이 정의될 수 있다.
NR은 다양한 5G 서비스들을 지원하기 위한 다수의 numerology(또는 subcarrier spacing(SCS))를 지원한다. 예를 들어, SCS가 15kHz인 경우, 전통적인 셀룰러 밴드들에서의 넓은 영역(wide area)를 지원하며, SCS가 30kHz/60kHz인 경우, 밀집한-도시(dense-urban), 더 낮은 지연(lower latency) 및 더 넓은 캐리어 대역폭(wider carrier bandwidth)를 지원하며, SCS가 60kHz 또는 그보다 높은 경우, 위상 잡음(phase noise)를 극복하기 위해 24.25GHz보다 큰 대역폭을 지원한다.
NR 주파수 밴드(frequency band)는 2가지 type(FR1, FR2)의 주파수 범위(frequency range)로 정의된다. FR1, FR2는 아래 표 2와 같이 구성될 수 있다. 또한, FR2는 밀리미터 웨이브(millimeter wave, mmW)를 의미할 수 있다.
NR 시스템에서의 프레임 구조(frame structure)와 관련하여, 시간 영역의 다양한 필드의 크기는 
의 시간 단위의 배수로 표현된다. 여기에서, 
이고, 
이다. 하향링크(downlink) 및 상향크(uplink) 전송은 
의 구간을 가지는 무선 프레임(radio frame)으로 구성된다. 여기에서, 무선 프레임은 각각 
의 구간을 가지는 10 개의 서브프레임(subframe)들로 구성된다. 이 경우, 상향링크에 대한 한 세트의 프레임들 및 하향링크에 대한 한 세트의 프레임들이 존재할 수 있다.
도 2는 본 명세서에서 제안하는 방법이 적용될 수 있는 무선 통신 시스템에서 상향링크 프레임과 하향링크 프레임 간의 관계를 나타낸다.
도 2에 나타난 것과 같이, 단말(User Equipment, UE)로 부터의 상향링크 프레임 번호 i의 전송은 해당 단말에서의 해당 하향링크 프레임의 시작보다 
이전에 시작해야 한다.
뉴머롤로지 
에 대하여, 슬롯(slot)들은 서브프레임 내에서 
의 증가하는 순서로 번호가 매겨지고, 무선 프레임 내에서 
의 증가하는 순서로 번호가 매겨진다. 하나의 슬롯은 
의 연속하는 OFDM 심볼들로 구성되고, 
는, 이용되는 뉴머롤로지 및 슬롯 설정(slot configuration)에 따라 결정된다. 서브프레임에서 슬롯 
의 시작은 동일 서브프레임에서 OFDM 심볼 
의 시작과 시간적으로 정렬된다.
모든 단말이 동시에 송신 및 수신을 할 수 있는 것은 아니며, 이는 하향링크 슬롯(downlink slot) 또는 상향링크 슬롯(uplink slot)의 모든 OFDM 심볼들이 이용될 수는 없다는 것을 의미한다.
표 3은 일반(normal) CP에서 슬롯 별 OFDM 심볼의 개수(
), 무선 프레임 별 슬롯의 개수(
), 서브프레임 별 슬롯의 개수(
)를 나타내며, 표 3은 확장(extended) CP에서 슬롯 별 OFDM 심볼의 개수, 무선 프레임 별 슬롯의 개수, 서브프레임 별 슬롯의 개수를 나타낸다.
도 3은 NR 시스템에서의 프레임 구조의 일례를 나타낸다. 도 3은 단지 설명의 편의를 위한 것일 뿐, 본 명세서의 범위를 제한하는 것이 아니다.
표 4의 경우, μ=2인 경우, 즉 서브캐리어 간격(subcarrier spacing, SCS)이 60kHz인 경우의 일례로서, 표 3을 참고하면 1 서브프레임(또는 프레임)은 4개의 슬롯들을 포함할 수 있으며, 도 3에 도시된 1 서브프레임={1,2,4} 슬롯들은 일례로서, 1 서브프레임에 포함될 수 있는 스롯(들)의 개수는 표 3과 같이 정의될 수 있다.
또한, 미니-슬롯(mini-slot)은 2, 4 또는 7 심볼(symbol)들로 구성될 수도 있고, 더 많거나 또는 더 적은 심볼들로 구성될 수도 있다.
NR 시스템에서의 물리 자원(physical resource)과 관련하여, 안테나 포트(antenna port), 자원 그리드(resource grid), 자원 요소(resource element), 자원 블록(resource block), 캐리어 파트(carrier part) 등이 고려될 수 있다.
이하, NR 시스템에서 고려될 수 있는 상기 물리 자원들에 대해 구체적으로 살펴본다.
먼저, 안테나 포트와 관련하여, 안테나 포트는 안테나 포트 상의 심볼이 운반되는 채널이 동일한 안테나 포트 상의 다른 심볼이 운반되는 채널로부터 추론될 수 있도록 정의된다. 하나의 안테나 포트 상의 심볼이 운반되는 채널의 광범위 특성(large-scale property)이 다른 안테나 포트 상의 심볼이 운반되는 채널로부터 유추될 수 있는 경우, 2 개의 안테나 포트는 QC/QCL(quasi co-located 혹은 quasi co-location) 관계에 있다고 할 수 있다. 여기에서, 상기 광범위 특성은 지연 확산(Delay spread), 도플러 확산(Doppler spread), 주파수 쉬프트(Frequency shift), 평균 수신 파워(Average received power), 수신 타이밍(Received Timing) 중 하나 이상을 포함한다.
도 4는 본 명세서에서 제안하는 방법이 적용될 수 있는 무선 통신 시스템에서 지원하는 자원 그리드(resource grid)의 일례를 나타낸다.
도 4를 참고하면, 자원 그리드가 주파수 영역 상으로 
서브캐리어들로 구성되고, 하나의 서브프레임이 
OFDM 심볼들로 구성되는 것을 예시적으로 기술하나, 이에 한정되는 것은 아니다.
NR 시스템에서, 전송되는 신호(transmitted signal)는 
서브캐리어들로 구성되는 하나 또는 그 이상의 자원 그리드들 및 
의 OFDM 심볼들에 의해 설명된다. 여기에서, 
이다. 상기 
는 최대 전송 대역폭을 나타내고, 이는, 뉴머롤로지들뿐만 아니라 상향링크와 하향링크 간에도 달라질 수 있다.
이 경우, 후술하는 도 6과 같이, 뉴머롤로지 
및 안테나 포트 p 별로 하나의 자원 그리드가 설정될 수 있다.
도 5는 본 명세서에서 제안하는 방법이 적용될 수 있는 NR 프레임의 슬롯 구조를 예시한다.
슬롯은 시간 도메인에서 복수의 심볼을 포함한다. 예를 들어, 보통 CP의 경우 하나의 슬롯이 7개의 심볼을 포함하나, 확장 CP의 경우 하나의 슬롯이 6개의 심볼을 포함한다. 반송파는 주파수 도메인에서 복수의 부반송파를 포함한다. RB(Resource Block)는 주파수 도메인에서 복수(예, 12)의 연속한 부반송파로 정의된다. BWP(Bandwidth Part)는 주파수 도메인에서 복수의 연속한 (P)RB로 정의되며, 하나의 뉴머롤로지(numerology)(예, SCS, CP 길이 등)에 대응될 수 있다. 반송파는 최대 N개(예, 5개)의 BWP를 포함할 수 있다. 데이터 통신은 활성화된 BWP를 통해서 수행되며, 하나의 단말한테는 하나의 BWP만 활성화 될 수 있다. 자원 그리드에서 각각의 요소는 자원요소(Resource Element, RE)로 지칭되며, 하나의 복소 심볼이 매핑될 수 있다.
도 6은 본 명세서에서 제안하는 방법이 적용될 수 있는 안테나 포트 및 뉴머롤로지 별 자원 그리드의 예들을 나타낸다.
뉴머롤로지 
및 안테나 포트 p에 대한 자원 그리드의 각 요소는 자원 요소(resource element)로 지칭되며, 인덱스 쌍 
에 의해 고유적으로 식별된다. 여기에서, 
는 주파수 영역 상의 인덱스이고, 
는 서브프레임 내에서 심볼의 위치를 지칭한다. 슬롯에서 자원 요소를 지칭할 때에는, 인덱스 쌍 
이 이용된다. 여기에서, 
이다.
뉴머롤로지 
및 안테나 포트 p에 대한 자원 요소 
는 복소 값(complex value) 
에 해당한다. 혼동(confusion)될 위험이 없는 경우 혹은 특정 안테나 포트 또는 뉴머롤로지가 특정되지 않은 경우에는, 인덱스들 p 및 
는 드롭(drop)될 수 있으며, 그 결과 복소 값은 
또는 
이 될 수 있다.
또한, 물리 자원 블록(physical resource block)은 주파수 영역 상의 
연속적인 서브캐리어들로 정의된다.
Point A는 자원 블록 그리드의 공통 참조 지점(common reference point)으로서 역할을 하며 다음과 같이 획득될 수 있다.
- PCell 다운링크에 대한 offsetToPointA는 초기 셀 선택을 위해 UE에 의해 사용된 SS/PBCH 블록과 겹치는 가장 낮은 자원 블록의 가장 낮은 서브 캐리어와 point A 간의 주파수 오프셋을 나타내며, FR1에 대해 15kHz 서브캐리어 간격 및 FR2에 대해 60kHz 서브캐리어 간격을 가정한 리소스 블록 단위(unit)들로 표현되고;
- absoluteFrequencyPointA는 ARFCN(absolute radio-frequency channel number)에서와 같이 표현된 point A의 주파수-위치를 나타낸다.
공통 자원 블록(common resource block)들은 서브캐리어 간격 설정 에 대한 주파수 영역에서 0부터 위쪽으로 넘버링(numbering)된다.
서브캐리어 간격 설정 에 대한 공통 자원 블록 0의 subcarrier 0의 중심은 'point A'와 일치한다. 주파수 영역에서 공통 자원 블록 번호(number) 
와 서브캐리어 간격 설정 에 대한 자원 요소(k,l)은 아래 수학식 1과 같이 주어질 수 있다.
여기에서, 
는 
이 point A를 중심으로 하는 subcarrier에 해당하도록 point A에 상대적으로 정의될 수 있다. 물리 자원 블록들은 대역폭 파트(bandwidth part, BWP) 내에서 0부터 
까지 번호가 매겨지고, 
는 BWP의 번호이다. BWP i에서 물리 자원 블록 
와 공통 자원 블록 
간의 관계는 아래 수학식 2에 의해 주어질 수 있다.
여기에서, 
는 BWP가 공통 자원 블록 0에 상대적으로 시작하는 공통 자원 블록일 수 있다.
물리 채널 및 일반적인 신호 전송
도 7은 3GPP 시스템에 이용되는 물리 채널들 및 일반적인 신호 전송을 예시한다. 무선 통신 시스템에서 단말은 기지국으로부터 하향링크(Downlink, DL)를 통해 정보를 수신하고, 단말은 기지국으로 상향링크(Uplink, UL)를 통해 정보를 전송한다. 기지국과 단말이 송수신하는 정보는 데이터 및 다양한 제어 정보를 포함하고, 이들이 송수신 하는 정보의 종류/용도에 따라 다양한 물리 채널이 존재한다.
단말은 전원이 켜지거나 새로이 셀에 진입한 경우 기지국과 동기를 맞추는 등의 초기 셀 탐색(Initial cell search) 작업을 수행한다(S701). 이를 위해, 단말은 기지국으로부터 주 동기 신호(Primary Synchronization Signal, PSS) 및 부 동기 신호(Secondary Synchronization Signal, SSS)을 수신하여 기지국과 동기를 맞추고, 셀 ID 등의 정보를 획득할 수 있다. 그 후, 단말은 기지국으로부터 물리 방송 채널(Physical Broadcast Channel, PBCH)를 수신하여 셀 내 방송 정보를 획득할 수 있다. 한편, 단말은 초기 셀 탐색 단계에서 하향링크 참조 신호(Downlink Reference Signal, DL RS)를 수신하여 하향링크 채널 상태를 확인할 수 있다.
초기 셀 탐색을 마친 단말은 물리 하향링크 제어 채널(Physical Downlink Control Channel, PDCCH) 및 상기 PDCCH에 실린 정보에 따라 물리 하향링크 공유 채널(Physical Downlink Control Channel; PDSCH)을 수신함으로써 좀더 구체적인 시스템 정보를 획득할 수 있다(S702).
한편, 기지국에 최초로 접속하거나 신호 송신을 위한 무선 자원이 없는 경우, 단말은 기지국에 대해 임의 접속 과정(Random Access Procedure, RACH)을 수행할 수 있다(S703 내지 S706). 이를 위해, 단말은 물리 임의 접속 채널(Physical Random Access Channel, PRACH)을 통해 특정 시퀀스를 프리앰블로 송신하고(S703 및 S705), PDCCH 및 대응하는 PDSCH를 통해 프리앰블에 대한 응답 메시지((RAR(Random Access Response) message)를 수신할 수 있다. 경쟁 기반 RACH의 경우, 추가적으로 충돌 해결 절차(Contention Resolution Procedure)를 수행할 수 있다(S706).
상술한 바와 같은 절차를 수행한 단말은 이후 일반적인 상/하향링크 신호 송신 절차로서 PDCCH/PDSCH 수신(S707) 및 물리 상향링크 공유 채널(Physical Uplink Shared Channel, PUSCH)/물리 상향링크 제어 채널(Physical Uplink Control Channel; PUCCH) 송신(S708)을 수행할 수 있다. 특히 단말은 PDCCH를 통하여 하향링크 제어 정보(Downlink Control Information, DCI)를 수신할 수 있다. 여기서, DCI는 단말에 대한 자원 할당 정보와 같은 제어 정보를 포함하며, 사용 목적에 따라 포맷이 서로 다르게 적용될 수 있다.
한편, 단말이 상향링크를 통해 기지국에 송신하는 또는 단말이 기지국으로부터 수신하는 제어 정보는 하향링크/상향링크 ACK/NACK 신호, CQI(Channel Quality Indicator), PMI(Precoding Matrix 인덱스), RI(Rank Indicator) 등을 포함할 수 있다. 단말은 상술한 CQI/PMI/RI 등의 제어 정보를 PUSCH 및/또는 PUCCH를 통해 송신할 수 있다.
빔 관리(Beam Management, BM) 절차
NR(New Radio)에서 정의하는 빔 관리(beam management, BM) 절차에 대해 살펴본다.
BM 절차는 다운링크(downlink, DL) 및 업링크(uplink, UL) 송/수신에 사용될 수 있는 기지국(예: gNB, TRP 등) 및/또는 단말(예: UE) 빔들의 세트(set)를 획득하고 유지하기 위한 L1(layer 1)/L2(layer 2) 절차들로서, 아래와 같은 절차 및 용어를 포함할 수 있다.
- 빔 측정(beam measurement): 기지국 또는 UE가 수신된 빔 형성 신호의 특성을 측정하는 동작.
- 빔 결정(beam determination): 기지국 또는 UE가 자신의 송신 빔(Tx beam) / 수신 빔(Rx beam)을 선택하는 동작.
- 빔 스위핑 (Beam sweeping): 미리 결정된 방식으로 일정 시간 간격 동안 송신 및/또는 수신 빔을 이용하여 공간 영역을 커버하는 동작.
- 빔 보고(beam report): UE가 빔 측정에 기반하여 빔 형성된 신호의 정보를 보고하는 동작.
도 8은 빔 관련 측정 모델의 일례를 나타낸 개념도이다.
빔 측정(beam measurement)을 위해, downlink에서 SS block(또는 SS/PBCH block, SSB) 또는 CSI-RS(channel state information reference signal)가 사용되며, uplink에서 SRS(sounding reference signal)가 사용된다.
RRC_CONNECTED에서, UE는 셀의 다수의 빔들 (또는 적어도 하나의 beam)을 측정하고, UE는 측정 결과 (RSRP, RSRQ, SINR 등)을 셀 품질(cell quality)를 도출(derive)하기 위해 평균(average)할 수 있다.
이를 통해, UE는 검출된 빔(들)의 서브-세트(sub-set)를 고려하도록 설정(configuration)될 수 있다.
Beam measurement 관련 필터링(filtering)은 서로 다른 두 가지 레벨(빔 품질을 유도하는 물리 계층(physical layer)에서, 그리고 다중 빔에서 셀 품질을 유도하는 RRC 레벨)에서 발생한다.
빔 측정으로부터의 셀 품질은 서빙 셀(serving cell)(들) 및 비-서빙 셀 (non-serving cell)(들)에 대해 동일한 방식으로 유도된다.
만약 UE가 gNB에 의해 특정 beam(들)에 대한 측정 결과를 보고하도록 설정된 경우, 측정 보고(measurement report)는 X개의 최상의 빔들(best beams)에 대한 측정 결과를 포함한다. 상기 빔 측정 결과는 L1-RSRP(Reference Signal Received Power)로 보고될 수 있다.
도 8에서, K개의 빔들(gNB beam 1, gNB beam 2, ..., gNB beam k)(210)는 gNB에 의해 L3 이동성을 위해 설정되고, L1에서 UE에 의해 검출된 SS(synchronization signal) block (SSB) 또는 CSI-RS 자원의 측정에 대응한다.
도 8에서, layer 1 필터링(layer 1 filtering, 220)은 포인트 A에서 측정된 입력(input)의 내부 layer 1 필터링을 의미한다.
그리고, 빔 통합/선택 (Beam Consolidation / Selection, 230)은 빔 특정 측정이 셀 품질을 유도하기 위해 통합(또는 병합)된다.
셀 품질에 대한 layer 3 필터링(240)은 포인트 B에서 제공된 측정에 대해 수행되는 필터링을 의미한다.
UE는 적어도 포인트 C, C1에서 새로운 측정 결과가 보고될 때마다 보고 기준을 평가한다.
D는 무선 인터페이스에서 전송된 측정 보고 정보 (메시지)에 해당한다.
L3 빔 필터링(250)은 포인트 A1에서 제공되는 측정 (빔 특정 측정)에 대해 필터링이 수행된다.
빔 보고를 위한 빔 선택(260)은, 포인트 E에서 제공된 측정에서 X개의 측정 값이 선택된다.
F는 무선 인터페이스에서 측정 보고 (전송된)에 포함된 빔 측정 정보를 나타낸다.
그리고, BM 절차는 (1) SS(synchronization signal)/PBCH(physical broadcast channel) Block 또는 CSI-RS를 이용하는 DL BM 절차와, (2) SRS(sounding reference signal)을 이용하는 UL BM 절차로 구분할 수 있다.
또한, 각 BM 절차는 Tx beam을 결정하기 위한 Tx beam sweeping과 Rx beam을 결정하기 위한 Rx beam sweeping을 포함할 수 있다.
DL BM 절차
먼저, DL BM 절차에 대해 살펴본다
DL BM 절차는 (1) 기지국의 beamformed DL RS(reference signal)들(예: CSI-RS 또는 SS Block(SSB))에 대한 전송과, (2) 단말의 beam reporting을 포함할 수 있다.
여기서, beam reporting은 선호되는(preferred) DL RS ID(identifier)(s) 및 이에 대응하는 L1-RSRP(Reference Signal Received Power)를 포함할 수 있다.
상기 DL RS ID는 SSBRI(SSB Resource Indicator) 또는 CRI(CSI-RS Resource Indicator)일 수 있다.
도 9는 DL BM 절차 관련 Tx beam의 일례를 나타낸 도이다.
도 9에 도시된 바와 같이, SSB beam과 CSI-RS beam은 beam measurement를 위해 사용될 수 있다.
여기서, 측정 메트릭(measurement metric)은 자원(resource)/블록(block) 별 L1-RSRP이다.
SSB는 coarse한 beam measurement를 위해 사용되며, CSI-RS는 fine한 beam measurement를 위해 사용될 수 있다.
그리고, SSB는 Tx beam sweeping과 Rx beam sweeping 모두에 사용될 수 있다.
SSB를 이용한 Rx beam sweeping은 다수의 SSB bursts에 걸쳐서(across) 동일 SSBRI에 대해 UE가 Rx beam을 변경하면서 수행될 수 있다.
여기서, 하나의 SS burst는 하나 또는 그 이상의 SSB들을 포함하고, 하나의 SS burst set은 하나 또는 그 이상의 SSB burst들을 포함한다.
SSB를 이용한 DL BM 절차
도 10은 SSB를 이용한 DL BM 절차의 일례를 나타낸 흐름도이다.
SSB를 이용한 빔 보고(beam report)에 대한 설정은 RRC connected state(또는 RRC connected mode)에서 CSI/beam configuration 시에 수행된다.
표 5의 CSI-ResourceConfig IE와 같이, SSB를 이용한 BM configuration은 별도로 정의되지 않고, SSB를 CSI-RS resource처럼 설정한다.
표 5는 CSI-ResourceConfig IE의 일례를 나타낸다.
표 5에서, csi-SSB-ResourceSetList parameter는 하나의 resource set에서 beam management 및 reporting을 위해 사용되는 SSB resource들의 리스트를 나타낸다.
단말은 BM을 위해 사용되는 SSB resource들을 포함하는 CSI-SSB-ResourceSetList를 포함하는 CSI-ResourceConfig IE를 기지국으로부터 수신한다(S410).
여기서, SSB resource set은 {SSBx1, SSBx2, SSBx3, SSBx4, ...}으로 설정될 수 있다.
SSB index는 0부터 63까지 정의될 수 있다.
그리고, 상기 단말은 상기 CSI-SSB-ResourceSetList에 기초하여 SSB resource를 상기 기지국으로부터 수신한다(S420).
그리고, SSBRI 및 L1-RSRP에 대한 보고와 관련된 CSI-RS reportConfig가 설정된 경우, 상기 단말은 best SSBRI 및 이에 대응하는 L1-RSRP를 기지국으로 (빔) report한다(S430).
즉, 상기 CSI-RS reportConfig IE의 reportQuantity가 'ssb-Index-RSRP'로 설정된 경우, 단말은 기지국으로 best SSBRI 및 이에 대응하는 L1-RSRP를 보고한다.
그리고, 단말은 SSB(SS/PBCH Block)와 동일한 OFDM 심볼(들)에서 CSI-RS resource가 설정되고, 'QCL-TypeD'가 적용 가능한 경우, 상기 단말은 CSI-RS와 SSB가 'QCL-TypeD' 관점에서 quasi co-located라고 가정할 수 있다.
여기서, 상기 QCL TypeD는 spatial Rx parameter 관점에서 antenna port들 간에 QCL되어 있음을 의미할 수 있다. 단말이 QCL Type D 관계에 있는 복수의 DL antenna port들을 수신 시에는 동일한 수신 빔을 적용하여도 무방하다.
또한, 단말은 SSB의 RE와 중첩하는 RE에서 CSI-RS가 설정될 것으로 기대하지 않는다.
CSI-RS를 이용한 DL BM 절차
단말은 (higher layer parameter) repetition이 'ON'으로 설정된 NZP-CSI-RS-ResourceSet을 설정받은 경우, 상기 단말은 NZP-CSI-RS-ResourceSet 내 적어도 하나의 CSI-RS resource는 동일한 downlink spatial domain transmission filter로 전송된다고 가정할 수 있다.
즉, NZP-CSI-RS-ResourceSet 내의 적어도 하나의 CSI-RS resource는 동일한 Tx beam을 통해 전송된다.
여기서, NZP-CSI-RS-ResourceSet 내 적어도 하나의 CSI-RS resource는 서로 다른 OFDM 심볼로 전송되거나 서로 다른 frequency domain에서(즉, FDM으로) 전송될 수 있다.
상기 적어도 하나의 CSI-RS resource가 FDM되는 경우는 multi-panel 단말인 경우이다.
그리고, repetition이 'ON'으로 설정된 경우는 단말의 Rx beam sweeping 절차와 관련된다.
단말은 NZP-CSI-RS-Resourceset 내의 모든 CSI-RS resource들에서 periodicityAndOffset에 서로 다른 주기(periodicity)를 수신할 것으로 기대하지 않는다.
그리고, 상기 repetition이 'OFF'로 설정되면, 단말은 NZP-CSI-RS-ResourceSet 내의 적어도 하나의 CSI-RS resource가 동일한 downlink spatial domain transmission filter로 전송된다고 가정하지 않는다.
즉, NZP-CSI-RS-ResourceSet 내의 적어도 하나의 CSI-RS resource는 서로 다른 Tx beam을 통해 전송된다.
Repetition이 'OFF'로 설정된 경우는 기지국의 Tx beam sweeping 절차와 관련된다.
그리고, 상기 repetition parameter는 L1 RSRP 또는 'No Report(또는 None)'의 report를 가지는 CSI-ReportConfig와 연계된 CSI-RS resource set들에 대해서만 설정될 수 있다.
만약 단말이 reportQuantity가 'cri-RSRP' 또는 'none'으로 설정된 CSI-ReportConfig를 설정받고, 채널 측정을 위한 CSI-ResourceConfig (higher layer parameter resourcesForChannelMeasurement)가 higher layer parameter 'trs-Info'를 포함하지 않고, higher layer parameter 'repetition'으로 설정(repetition=ON)된 NZP-CSI-RS-ResourceSet를 포함하는 경우, 상기 단말은 NZP-CSI-RS-ResourceSet 내의 모든 CSI-RS resource들에 대해 higher layer parameter 'nrofPorts'를 가지는 동일한 번호의 포트(1-port 또는 2-port)로만 구성될 수 있다.
보다 구체적으로, CSI-RS 용도에 대해 살펴보면, 특정 CSI-RS resource set에 repetition parameter가 설정되고, TRS_info가 설정되지 않은 경우, CSI-RS는 빔 관리(beam management)를 위해 사용된다.
그리고, repetition parameter가 설정되지 않고, TRS_info가 설정된 경우, CSI-RS는 TRS(tracking reference signal)을 위해 사용된다.
그리고, repetition parameter가 설정되지 않고, TRS_info가 설정되지 않은 경우, CSI-RS는 CSI acquisition을 위해 사용된다.
도 11은 CSI-RS를 이용한 DL BM 절차의 일례를 나타낸 도이다.
도 11의 (a)는 단말의 Rx beam 결정(또는 refinement) 절차를 나타내며, 도 11의 (b)는 기지국의 Tx beam 결정 절차를 나타낸다.
또한, 도 11의 (a)의 경우, repetition parameter가 'ON'으로 설정된 경우이고, 도 11의 (b)의 경우, repetition parameter가 'OFF'로 설정된 경우이다.
도 11의 (a) 및 도 12를 참고하여, 단말의 Rx beam 결정 과정에 대해 살펴본다.
도 12는 단말의 수신 빔 결정 과정의 일례를 나타낸 흐름도이다.
단말은 higher layer parameter repetition을 포함하는 NZP CSI-RS resource set IE를 RRC signaling을 통해 기지국으로부터 수신한다(S610).
여기서, 상기 repetition parameter는 'ON'으로 설정된다.
그리고, 상기 단말은 repetition 'ON'으로 설정된 CSI-RS resource set 내의 resource(들)을 기지국의 동일 Tx beam(또는 DL spatial domain transmission filter)을 통해 서로 다른 OFDM 심볼에서 반복 수신한다(S620).
이를 통해, 상기 단말은 자신의 Rx beam을 결정한다(S630).
여기서, 상기 단말은 CSI report를 생략하거나 또는 CRI/L1-RSRP를 포함하는 CSI report를 기지국 전송한다(S640).
이 경우, CSI report config의 reportQuantity는 'No report(또는 None)' 또는 'CRI + L1-RSRP'로 설정될 수 있다.
즉, 상기 단말은 repetition 'ON'으로 설정된 경우, CSI report를 생략할 수도 있거나 또는, beam pair 관련 선호 beam에 대한 ID 정보(CRI) 및 이에 대한 품질 값(L1-RSRP)을 보고할 수 있다.
도 11의 (b) 및 도 13을 참고하여, 기지국의 Tx beam 결정 과정에 대해 살펴본다.
도 13은 기지국의 전송 빔 결정 과정의 일례를 나타낸 흐름도이다.
단말은 higher layer parameter repetition을 포함하는 NZP CSI-RS resource set IE를 RRC signaling을 통해 기지국으로부터 수신한다(S710).
여기서, 상기 repetition parameter는 'OFF'로 설정되며, 기지국의 Tx beam sweeping 절차와 관련된다.
그리고, 상기 단말은 repetition 'OFF'로 설정된 CSI-RS resource set 내의 resource들을 기지국의 서로 다른 Tx beam(DL spatial domain transmission filter)을 통해 수신한다(S720).
그리고, 상기 단말은 최상의(best) beam을 선택(또는 결정)하고(S740), 선택된 빔에 대한 ID 및 관련 품질 정보(예: L1-RSRP)를 기지국으로 보고한다(S740).
이 경우, CSI report config의 reportQuantity는 'CRI + L1-RSRP'로 설정될 수 있다.
즉, 상기 단말은 CSI-RS가 BM을 위해 전송되는 경우 CRI와 이에 대한 L1-RSRP를 기지국으로 보고한다.
도 14는 도 11의 동작과 관련된 시간 및 주파수 영역에서의 자원 할당의 일례를 나타낸 도이다.
즉, CSI-RS resource set에 repetition 'ON'이 설정된 경우, 복수의 CSI-RS resource들이 동일한 송신 빔을 적용하여 반복하여 사용되고, CSI-RS resource set에 repetition 'OFF'가 설정된 경우, 서로 다른 CSI-RS resource들이 서로 다른 송신 빔으로 전송되는 것을 볼 수 있다.
DL BM 관련 빔 지시(beam indication)
단말은 적어도 QCL(Quasi Co-location) indication의 목적을 위해 최대 M 개의 후보(candidate) 전송 설정 지시 (Transmission Configuration Indication, TCI) 상태(state)들에 대한 리스트를 RRC 설정받을 수 있다. 여기서, M은 64일 수 있다.
각 TCI state는 하나의 RS set으로 설정될 수 있다.
적어도 RS set 내의 spatial QCL 목적(QCL Type D)을 위한 DL RS의 각각의 ID는 SSB, P-CSI RS, SP-CSI RS, A-CSI RS 등의 DL RS type들 중 하나를 참조할 수 있다.
최소한 spatial QCL 목적을 위해 사용되는 RS set 내의 DL RS(들)의 ID의 초기화(initialization)/업데이트(update)는 적어도 명시적 시그널링(explicit signaling)을 통해 수행될 수 있다.
표 6은 TCI-State IE의 일례를 나타낸다.
TCI-State IE는 하나 또는 두 개의 DL reference signal(RS) 대응하는 quasi co-location (QCL) type과 연관시킨다.
표 6에서, bwp-Id parameter는 RS가 위치되는 DL BWP를 나타내며, cell parameter는 RS가 위치되는 carrier를 나타내며, referencesignal parameter는 해당 target antenna port(s)에 대해 quasi co-location의 source가 되는 reference antenna port(s) 또는 이를 포함하는 reference signal을 나타낸다. 상기 target antenna port(s)는 CSI-RS, PDCCH DMRS, 또는 PDSCH DMRS 일 수 있다. 일례로 NZP CSI-RS에 대한 QCL reference RS정보를 지시하기 위해 NZP CSI-RS 자원 설정 정보에 해당 TCI state ID를 지시할 수 있다. 또 다른 일례로 PDCCH DMRS antenna port(s)에 대한 QCL reference 정보를 지시하기 위해 각 CORESET설정에 TCI state ID를 지시할 수 있다. 또 다른 일례로 PDSCH DMRS antenna port(s)에 대한 QCL reference 정보를 지시하기 위해 DCI를 통해 TCI state ID를 지시할 수 있다.
QCL(Quasi-Co Location)
안테나 포트는 안테나 포트 상의 심볼이 운반되는 채널이 동일한 안테나 포트 상의 다른 심볼이 운반되는 채널로부터 추론될 수 있도록 정의된다. 하나의 안테나 포트 상의 심볼이 운반되는 채널의 특성(property)이 다른 안테나 포트 상의 심볼이 운반되는 채널로부터 유추될 수 있는 경우, 2 개의 안테나 포트는 QC/QCL(quasi co-located 혹은 quasi co-location) 관계에 있다고 할 수 있다.
여기서, 상기 채널 특성은 지연 확산(Delay spread), 도플러 확산(Doppler spread), 주파수 쉬프트(Frequency shift), 평균 수신 파워(Average received power), 수신 타이밍(Received Timing), Spatial RX parameter 중 하나 이상을 포함한다. 여기서 Spatial Rx parameter는 angle of arrival과 같은 공간적인 (수신) 채널 특성 파라미터를 의미한다.
단말은 해당 단말 및 주어진 serving cell에 대해 의도된 DCI를 가지는 검출된 PDCCH에 따라 PDSCH를 디코딩하기 위해, higher layer parameter PDSCH-Config 내 M 개까지의 TCI-State configuration의 리스트로 설정될 수 있다. 상기 M은 UE capability에 의존한다.
각각의 TCI-State는 하나 또는 두 개의 DL reference signal과 PDSCH의 DM-RS port 사이의 quasi co-location 관계를 설정하기 위한 파라미터를 포함한다.
Quasi co-location 관계는 첫 번째 DL RS에 대한 higher layer parameter qcl-Type1과 두 번째 DL RS에 대한 qcl-Type2 (설정된 경우)로 설정된다.
두 개의 DL RS의 경우, reference가 동일한 DL RS 또는 서로 다른 DL RS인지에 관계없이 QCL type은 동일하지 않다.
각 DL RS에 대응하는 quasi co-location type은 QCL-Info의 higher layer parameter qcl-Type에 의해 주어지며, 다음 값 중 하나를 취할 수 있다:
- 'QCL-TypeA': {Doppler shift, Doppler spread, average delay, delay spread}
- 'QCL-TypeB': {Doppler shift, Doppler spread}
- 'QCL-TypeC': {Doppler shift, average delay}
- 'QCL-TypeD': {Spatial Rx parameter}
예를 들어, target antenna port가 특정 NZP CSI-RS 인 경우, 해당 NZP CSI-RS antenna ports는 QCL-Type A관점에서는 특정 TRS와, QCL-Type D관점에서는 특정 SSB과 QCL되었다고 지시/설정될 수 있다. 이러한 지시/설정을 받은 단말은 QCL-TypeA TRS에서 측정된 Doppler, delay값을 이용해서 해당 NZP CSI-RS를 수신하고, QCL-TypeD SSB 수신에 사용된 수신 빔을 해당 NZP CSI-RS 수신에 적용할 수 있다.
UE는 8개까지의 TCI state들을 DCI 필드 'Transmission Configuration Indication'의 codepoint에 매핑하기 위해 사용되는 activation command를 수신한다.
activation command을 나르는 PDSCH에 대응하는 HARQ-ACK이 슬롯 n에서 전송되는 경우, TCI 상태와 DCI 필드 'Transmission Configuration Indication'의 코드포인트 간의 지시된 매핑은 슬롯 n+3Nslotsubframe,μ+1 부터 시작하여 적용될 수 있다. UE가 activation command을 수신하기 전에 TCI 상태들에 대한 최초(initial) 상위계층 설정을 수신한 후에, QCL-TypeA에 대해서, 그리고 적용가능하다면 QCL-TypeD에 대해서도, UE는 서빙 셀의 PDSCH의 DMRS 포트가 최초 액세스 과정에서 결정된 SS/PBCH 블록과 QCL된 것으로 가정할 수 있다.
UE에 대해서 설정된 DCI 내 TCI 필드의 존재 여부를 지시하는 상위계층 파라미터(예를 들어, tci-PresentInDCI)가 PDSCH를 스케줄링하는 COREEST에 대해서 인에이블로 세팅된 경우, UE는 해당 CORESET 상에서 전송되는 PDCCH의 DCI 포맷 1_1에 TCI 필드가 존재하는 것으로 가정할 수 있다. PDSCH를 스케줄링하는 CORESET에 대해서 tci-PresentInDCI가 설정되지 않거나 PDSCH가 DCI 포맷 1_0에 의해서 스케줄링되고, 그리고 DL DCI의 수신과 이에 대응하는 PDSCH 간의 시간 오프셋이 소정의 임계치(예를 들어, timeDurationForQCL) 이상인 경우에, PDSCH 안테나 포트 QCL을 결정하기 위해서, UE는 PDSCH에 대한 TCI 상태 또는 QCL 가정이 PDCCH 전송에 대해서 사용되는 CORESET에 대해서 적용되는 TCI 상태 또는 QCL 가정과 동일하다고 가정할 수 있다. 여기서, 상기 소정의 임계치는 보고된 UE 캐퍼빌리티에 기초할 수 있다.
파라미터 tci-PresentInDCI가 인에이블로 세팅된 경우, 스케줄링 CC(component carrier)에서 DCI 내의 TCI 필드는 스케줄링되는 CC 또는 DL BWP의 활성화된 TCI 상태를 가리킬 수 있다. PDSCH가 DCI 포맷 1_1에 의해서 스케줄링되는 경우, UE는 PDSCH 안테나 포트 QCL을 결정하기 위해서, DCI를 가지는 검출된 PDCCH의 'Transmission Configuration Indication' 필드의 값에 따라서 TCI-상태를 사용할 수 있다.
DL DCI의 수신과 이에 대응하는 PDSCH 간의 시간 오프셋이 소정의 임계치(예를 들어, timeDurationForQCL) 이상인 경우에, UE는 서빙 셀의 PDSCH의 DMRS 포트가, 지시된 TCI 상태에 의해서 주어지는 QCL 타입 파라미터(들)에 대한 TCI 상태의 RS(들)과 QCL된 것으로 가정할 수 있다.
UE에 대해서 단일 슬롯 PDSCH가 설정되는 경우, 지시된 TCI 상태는, 스케줄링된 PDSCH가 있는 슬롯의 활성화된 TCI 상태에 기초할 수 있다.
UE에 대해서 다중-슬롯 PDSCH가 설정되는 경우, 지시된 TCI 상태는, 스케줄링된 PDSCH가 있는 첫 번째 슬롯의 활성화된 TCI 상태에 기초할 수 있고, UE는 스케줄링된 PDSCH가 있는 슬롯들에 걸쳐서 활성화된 TCI 상태가 동일한 것으로 기대할 수 있다.
UE에 대해서 크로스-캐리어 스케줄링을 위한 서치 스페이스 세트와 연관된 CORESET이 설정되는 경우, UE는 해당 CORESET에 대해서 tci-PresentInDCI 파라미터가 인에이블로 세팅되는 것으로 기대할 수 있다. QCL-TypeD를 포함하는 서치 스페이스 세트에 의해서 스케줄링되는 서빙 셀에 대해서 하나 이상의 TCI 상태가 설정되는 경우, UE는 상기 서치 스페이스 세트에서 검출된 PDCCH의 수신과 이에 대응하는 PDSCH 간의 시간 오프셋이 소정의 임계치(예를 들어, timeDurationForQCL) 이상인 것으로 기대할 수 있다.
파라미터 tci-PresentInDCI가 인에이블로 세팅되는 경우 및 RRC 연결 모드에서 tci-PresentInDCI가 설정되지 않는 경우 모두에 대해서, DL DCI의 수신과 이에 대응하는 PDSCH 간의 시간 오프셋이 소정의 임계치(예를 들어, timeDurationForQCL) 미만인 경우, UE는 서빙 셀의 PDSCH의 DMRS 포트가, 서빙 셀의 활성 BWP 내의 하나 이상의 CORESET가 UE에 의해서 모니터링되는 가장 늦은(latest) 슬롯에서의 가장 낮은(lowest) CORESET-ID를 가지는 모니터링된 서치 스페이스와 연관된 CORESET의 PDCCH QCL 지시를 위해서 사용된 QCL 파라미터(들)에 대한 RS(들)과 QCL된 것으로 가정할 수 있다.
이 경우, PDSCH DMRS의 QCL-TypeD가 PDCCH DMRS의 QCL-TypeD와 상이하고 이들이 적어도 하나의 심볼에서 중첩(overlap)되는 경우, UE는 해당 CORESET과 연관된 PDCCH의 수신이 우선화될 것으로 기대할 수 있다. 이는 대역-내(intra-band) CA(carrier aggregation) (PDSCH와 CORESET이 상이한 CC에 있는 경우)에 대해서도 적용될 수 있다. 설정된 TCI 상태 중 어떤 것도 QCL-TypeD를 포함하지 않는 경우, DL DCI의 수신과 이에 대응하는 PDSCH 간의 시간 오프셋과 무관하게, 스케줄링된 PDSCH에 대해서 지시된 TCI 상태 중에서 다른 QCL 가정을 획득할 수 있다.
상위계층 파라미터 trs-Info를 포함하여 설정된 NZP-CSI-RS-ResourceSet의 주기적인 CSI-RS 자원에 대해서, UE는 TCI 상태가 이하의 QCL 타입(들) 중에서 하나를 지시하는 것으로 기대할 수 있다:
- SS/PBCH 블록과의 QCL-TypeC, 그리고 적용가능하다면, 동일한 SS/PBCH 블록과의 QCL-TypeD, 또는
- SS/PBCH 블록과의 QCL-TypeC, 그리고 적용가능하다면, 상위계층 파라미터 repetition을 포함하여 설정된 NZP-CSI-RS-ResourceSet에서 CSI-RS 자원과의 QCL-TypeD.
상위계층 파라미터 trs-Info를 포함하여 설정된 NZP-CSI-RS-ResourceSet의 비주기적인 CSI-RS 자원에 대해서, UE는 TCI 상태가, 상위계층 파라미터 trs-Info를 포함하여 NZP-CSI-RS-ResourceSet의 주기적인 CSI-RS 자원과의 QCL-TypeA, 그리고 적용가능하다면, 동일한 주기적 CSI-RS 자원과의 QCL-TypeD를 지시하는 것으로 기대할 수 있다.
상위계층 파라미터 trs-Info 없이 그리고 상위계층 파라미터 repetition 없이 설정된 NZP-CSI-RS-ResourceSet의 CSI-RS 자원에 대해서, UE는 TCI 상태가 이하의 QCL 타입(들) 중에서 하나를 지시하는 것으로 기대할 수 있다:
- 상위계층 파라미터 trs-Info를 포함하여 설정된 NZP-CSI-RS-ResourceSet의 CSI-RS 자원과의 QCL-TypeA, 그리고 적용가능하다면, 동일한 CSI-RS 자원과의 QCL-TypeD, 또는
- 상위계층 파라미터 trs-Info를 포함하여 설정된 NZP-CSI-RS-ResourceSet의 CSI-RS 자원과의 QCL-TypeA, 그리고 적용가능하다면, SS/PBCH 블록과의 QCL-TypeD, 또는
- 상위계층 파라미터 trs-Info를 포함하여 설정된 NZP-CSI-RS-ResourceSet의 CSI-RS 자원과의 QCL-TypeA, 그리고 적용가능하다면, 상위계층 파라미터 repetition을 포함하여 설정된 NZP-CSI-RS-ResourceSet에서 CSI-RS 자원과의 QCL-TypeD, 또는
- QCL-TypeD가 적용가능하지 않은 경우에, 상위계층 파라미터 trs-Info를 포함하여 설정된 NZP-CSI-RS-ResourceSet의 CSI-RS 자원과의 QCL-TypeB.
상위계층 파라미터 repetition을 포함하여 설정된 NZP-CSI-RS-ResourceSet의 CSI-RS 자원에 대해서, UE는 TCI 상태가 이하의 QCL 타입(들) 중에서 하나를 지시하는 것으로 기대할 수 있다:
- 상위계층 파라미터 trs-Info를 포함하여 설정된 NZP-CSI-RS-ResourceSet의 CSI-RS 자원과의 QCL-TypeA, 그리고 적용가능하다면, 동일한 CSI-RS 자원과의 QCL-TypeD, 또는
- 상위계층 파라미터 trs-Info를 포함하여 설정된 NZP-CSI-RS-ResourceSet의 CSI-RS 자원과의 QCL-TypeA, 그리고 적용가능하다면, 상위계층 파라미터 repetition을 포함하여 설정된 NZP-CSI-RS-ResourceSet에서 CSI-RS 자원과의 QCL-TypeD, 또는
- SS/PBCH 블록과의 QCL-TypeC, 그리고 적용가능하다면, 동일한 SS/PBCH 블록과의 QCL-TypeD.
PDCCH의 DMRS에 대해서, UE는 TCI 상태가 이하의 QCL 타입(들) 중에서 하나를 지시하는 것으로 기대할 수 있다:
- 상위계층 파라미터 trs-Info를 포함하여 설정된 NZP-CSI-RS-ResourceSet의 CSI-RS 자원과의 QCL-TypeA, 그리고 적용가능하다면, 동일한 CSI-RS 자원과의 QCL-TypeD, 또는
- 상위계층 파라미터 trs-Info를 포함하여 설정된 NZP-CSI-RS-ResourceSet의 CSI-RS 자원과의 QCL-TypeA, 그리고 적용가능하다면, 상위계층 파라미터 repetition을 포함하여 설정된 NZP-CSI-RS-ResourceSet에서 CSI-RS 자원과의 QCL-TypeD, 또는
- 상위계층 파라미터 trs-Info 없이 그리고 상위계층 파라미터 repetition 없이 설정된 NZP-CSI-RS-ResourceSet의 CSI-RS 자원과의 QCL-TypeA, 그리고 적용가능하다면, 동일한 CSI-RS 자원과의 QCL-TypeD.
PDSCH의 DMRS에 대해서, UE는 TCI 상태가 이하의 QCL 타입(들) 중에서 하나를 지시하는 것으로 기대할 수 있다:
- 상위계층 파라미터 trs-Info를 포함하여 설정된 NZP-CSI-RS-ResourceSet의 CSI-RS 자원과의 QCL-TypeA, 그리고 적용가능하다면, 동일한 CSI-RS 자원과의 QCL-TypeD, 또는
- 상위계층 파라미터 trs-Info를 포함하여 설정된 NZP-CSI-RS-ResourceSet의 CSI-RS 자원과의 QCL-TypeA, 그리고 적용가능하다면, 상위계층 파라미터 repetition을 포함하여 설정된 NZP-CSI-RS-ResourceSet에서 CSI-RS 자원과의 QCL-TypeD, 또는
- 상위계층 파라미터 trs-Info 없이 그리고 상위계층 파라미터 repetition 없이 설정된 NZP-CSI-RS-ResourceSet의 CSI-RS 자원과의 QCL-TypeA, 그리고 적용가능하다면, 동일한 CSI-RS 자원과의 QCL-TypeD.
UL BM 절차
UL BM은 단말 구현에 따라 Tx beam - Rx beam 간 beam reciprocity(또는 beam correspondence)가 성립할 수 있거나 또는, 성립하지 않을 수 있다. 만약 기지국과 단말 모두에서 Tx beam - Rx beam 간 reciprocity가 성립하는 경우, DL beam pair를 통해 UL beam pair를 맞출 수 있다. 하지만, 기지국과 단말 중 어느 하나라도 Tx beam - Rx beam 간 reciprocity가 성립하지 않는 경우, DL beam pair 결정과 별개로 UL beam pair 결정 과정이 필요하다.
또한, 기지국과 단말 모두 beam correspondence를 유지하고 있는 경우에도, 단말이 선호(preferred) beam의 보고를 요청하지 않고도 기지국은 DL Tx beam 결정을 위해 UL BM 절차를 사용할 수 있다.
UL BM은 beamformed UL SRS 전송을 통해 수행될 수 있으며, SRS resource set의 UL BM의 적용 여부는 (higher layer parameter) usage에 의해 설정된다. usage가 'BeamManagement(BM)'로 설정되면, 주어진 time instant에 복수의 SRS resource set들 각각에 하나의 SRS resource만 전송될 수 있다.
단말은 (higher layer parameter) SRS-ResourceSet에 의해 설정되는 하나 또는 그 이상의 Sounding Reference Symbol (SRS) resource set들을 (higher layer signaling, RRC signaling 등을 통해) 설정받을 수 있다. 각각의 SRS resource set에 대해, UE는 K≥1 SRS resource들 (higher later parameter SRS-resource)이 설정될 수 있다. 여기서, K는 자연수이며, K의 최대 값은 SRS_capability에 의해 지시된다.
DL BM과 마찬가지로, UL BM 절차도 단말의 Tx beam sweeping과 기지국의 Rx beam sweeping으로 구분될 수 있다.
도 15는 SRS를 이용한 UL BM 절차의 일례를 나타낸다. 도 15의 (a)는 기지국의 Rx beam 결정 절차를 나타내고, 도 15의 (b)는 단말의 Tx beam sweeping 절차를 나타낸다.
도 16은 SRS를 이용한 UL BM 절차의 일례를 나타낸 흐름도이다.
- 단말은 'beam management'로 설정된 (higher layer parameter) usage parameter를 포함하는 RRC signaling(예: SRS-Config IE)를 기지국으로부터 수신한다(S1010).
표 7은 SRS-Config IE(Information Element)의 일례를 나타내며, SRS-Config IE는 SRS 전송 설정을 위해 사용된다. SRS-Config IE는 SRS-Resources의 list와 SRS-ResourceSet들의 list를 포함한다. 각 SRS resource set는 SRS-resource들의 set를 의미한다.
네트워크는 설정된 aperiodicSRS-ResourceTrigger (L1 DCI)를 사용하여 SRS resource set의 전송을 트리거할 수 있다.
표 7에서, usage는 SRS resource set이 beam management를 위해 사용되는지, codebook 기반 또는 non-codebook 기반 전송을 위해 사용되는지를 지시하는 higher layer parameter를 나타낸다. usage parameter는 L1 parameter 'SRS-SetUse'에 대응한다. 'spatialRelationInfo'는 reference RS와 target SRS 사이의 spatial relation의 설정을 나타내는 parameter이다. 여기서, reference RS는 L1 parameter 'SRS-SpatialRelationInfo'에 해당하는 SSB, CSI-RS 또는 SRS가 될 수 있다. 상기, usage는 SRS resource set 별로 설정된다.
- 단말은 상기 SRS-Config IE에 포함된 SRS-SpatialRelation Info에 기초하여 전송할 SRS resource에 대한 Tx beam을 결정한다(S1020). 여기서, SRS-SpatialRelation Info는 SRS resource 별로 설정되고, SRS resource 별로 SSB, CSI-RS 또는 SRS에서 사용되는 beam과 동일한 beam을 적용할지를 나타낸다. 또한, 각 SRS resource에 SRS-SpatialRelationInfo가 설정되거나 또는 설정되지 않을 수 있다.
- 만약 SRS resource에 SRS-SpatialRelationInfo가 설정되면 SSB, CSI-RS 또는 SRS에서 사용되는 beam과 동일한 beam을 적용하여 전송한다. 하지만, SRS resource에 SRS-SpatialRelationInfo가 설정되지 않으면, 상기 단말은 임의로 Tx beam을 결정하여 결정된 Tx beam을 통해 SRS를 전송한다(S1030).
보다 구체적으로, 'SRS-ResourceConfigType'가 'periodic'으로 설정된 P-SRS에 대해:
i) SRS-SpatialRelationInfo가 'SSB/PBCH'로 설정되는 경우, UE는 SSB/PBCH의 수신을 위해 사용한 spatial domain Rx filter와 동일한 (혹은 해당 filter로부터 생성된) spatial domain transmission filter를 적용하여 해당 SRS resource를 전송한다; 또는
ii) SRS-SpatialRelationInfo가 'CSI-RS'로 설정되는 경우, UE는 periodic CSI-RS 또는 SP CSI-RS의 수신을 위해 사용되는 동일한 spatial domain transmission filter를 적용하여 SRS resource를 전송한다; 또는
iii) SRS-SpatialRelationInfo가 'SRS'로 설정되는 경우, UE는 periodic SRS의 전송을 위해 사용된 동일한 spatial domain transmission filter를 적용하여 해당 SRS resource를 전송한다.
'SRS-ResourceConfigType'이 'SP-SRS' 또는 'AP-SRS'로 설정된 경우에도 위와 유사하게 빔 결정 및 전송 동작이 적용될 수 있다.
- 추가적으로, 단말은 기지국으로부터 SRS에 대한 feedback을 다음 3가지 경우와 같이, 수신받거나 또는 수신받지 않을 수 있다(S1040).
i) SRS resource set 내의 모든 SRS resource들에 대해 Spatial_Relation_Info가 설정되는 경우, 단말은 기지국이 지시한 빔으로 SRS를 전송한다. 예를 들어, Spatial_Relation_Info가 모두 동일한 SSB, CRI 또는 SRI를 지시하는 경우, 단말은 동일 빔으로 SRS를 반복 전송한다. 이 경우는, 기지국이 Rx beam을 selection하는 용도로서 도 15의 (a)에 대응한다.
ii) SRS resource set 내의 모든 SRS resource들에 대해 Spatial_Relation_Info가 설정되지 않을 수 있다. 이 경우, 단말은 자유롭게 SRS beam을 바꾸어가면서 전송할 수 있다. 즉, 이 경우는 단말이 Tx beam을 sweeping하는 용도로서, 도 15의 (b)에 대응한다.
iii) SRS resource set 내의 일부 SRS resource들에 대해서만 Spatial_Relation_Info가 설정될 수 있다. 이 경우, 설정된 SRS resource에 대해서는 지시된 빔으로 SRS를 전송하고, Spatial_Relation_Info가 설정되지 않은 SRS resource에 대해서는 단말이 임의로 Tx beam을 적용해서 전송할 수 있다.
하향링크 송수신 동작
도 17은 하향링크 송수신 동작의 일례를 나타낸다.
- 도 17을 참조하면, 기지국은 주파수/시간 자원, 전송 레이어, 하향링크 프리코더, MCS 등과 같은 하향링크 전송을 스케줄링한다(S1401). 특히, 기지국은 앞서 설명한 동작들을 통해 단말에게 PDSCH전송을 위한 빔을 결정할 수 있다.
- 단말은 기지국으로부터 하향링크 스케줄링을 위한(즉, PDSCH의 스케줄링 정보를 포함하는) 하향링크 제어 정보(DCI: Downlink Control Information)를 PDCCH 상에서 수신한다(S1402).
하향링크 스케줄링을 위해DCI 포맷 1_0 또는 1_1이 이용될 수 있으며, 특히 DCI 포맷 1_1에서는 다음과 같은 정보를 포함한다: DCI 포맷 식별자(Identifier for DCI formats), 대역폭 부분 지시자(Bandwidth part indicator), 주파수 도메인 자원 할당(Frequency domain resource assignment), 시간 도메인 자원 할당(Time domain resource assignment), PRB 번들링 크기 지시자(PRB bundling size indicator), 레이트 매칭 지시자(Rate matching indicator), ZP CSI-RS 트리거(ZP CSI-RS trigger), 안테나 포트(들)(Antenna port(s)), 전송 설정 지시(TCI: Transmission configuration indication), SRS 요청(SRS request), DMRS(Demodulation Reference Signal) 시퀀스 초기화(DMRS sequence initialization)
특히, 안테나 포트(들)(Antenna port(s)) 필드에서 지시되는 각 상태(state)에 따라, DMRS 포트의 수가 스케줄링될 수 있으며, 또한 SU(Single-user)/MU(Multi-user) 전송 스케줄링이 가능하다.
또한, TCI 필드는 3 비트로 구성되고, TCI 필드 값에 따라 최대 8 TCI 상태를 지시함으로써 동적으로 DMRS에 대한 QCL이 지시된다.
- 단말은 기지국으로부터 하향링크 데이터를 PDSCH 상에서 수신한다(S1403).
단말이 DCI 포맷 1_0 또는 1_1을 포함하는 PDCCH를 검출(detect)하면, 해당 DCI에 의한 지시에 따라 PDSCH를 디코딩한다.
여기서, 단말이 DCI 포맷 1에 의해 스케줄링된 PDSCH를 수신할 때, 단말은 상위 계층 파라미터 'dmrs-Type'에 의해 DMRS 설정 타입이 설정될 수 있으며, DMRS 타입은 PDSCH를 수신하기 위해 사용된다. 또한, 단말은 상위 계층 파라미터 'maxLength'에 의해 PDSCH을 위한 앞에 삽입되는(front-loaded) DMRA 심볼의 최대 개수가 설정될 수 있다.
DMRS 설정 타입 1의 경우, 단말이 단일의 코드워드가 스케줄링되고 {2, 9, 10, 11 또는 30}의 인덱스와 매핑된 안테나 포트가 지정되면, 또는 단말이 2개의 코드워드가 스케줄링되면, 단말은 모든 남은 직교한 안테나 포트가 또 다른 단말으로의 PDSCH 전송과 연관되지 않는다고 가정한다.
또는, DMRS 설정 타입 2의 경우, 단말이 단일의 코드워드가 스케줄링되고 {2, 10 또는 23}의 인덱스와 매핑된 안테나 포트가 지정되면, 또는 단말이 2개의 코드워드가 스케줄링되면, 단말은 모든 남은 직교한 안테나 포트가 또 다른 단말으로의 PDSCH 전송과 연관되지 않는다고 가정한다.
단말이 PDSCH를 수신할 때, 프리코딩 단위(precoding granularity) P'를 주파수 도메인에서 연속된(consecutive) 자원 블록으로 가정할 수 있다. 여기서, P'는 {2, 4, 광대역} 중 하나의 값에 해당할 수 있다.
P'가 광대역으로 결정되면, 단말은 불연속적인(non-contiguous) PRB들로 스케줄링되는 것을 예상하지 않고, 단말은 할당된 자원에 동일한 프리코딩이 적용된다고 가정할 수 있다.
반면, P'가 {2, 4} 중 어느 하나로 결정되면, 프리코딩 자원 블록 그룹(PRG: Precoding Resource Block Group)은 P' 개의 연속된 PRB로 분할된다. 각 PRG 내 실제 연속된 PRB의 개수는 하나 또는 그 이상일 수 있다. UE는 PRG 내 연속된 하향링크 PRB에는 동일한 프리코딩이 적용된다고 가정할 수 있다.
단말이 PDSCH 내 변조 차수(modulation order), 목표 코드 레이트(target code rate), 전송 블록 크기(transport block size)를 결정하기 위해, 단말은 우선 DCI 내 5 비트 MCD 필드를 읽고, modulation order 및 target code rate를 결정한다. 그리고, DCI 내 리던던시 버전 필드를 읽고, 리던던시 버전을 결정한다. 그리고, 단말은 레이트 매칭 전에 레이어의 수, 할당된 PRB의 총 개수를 이용하여, transport block size를 결정한다.
상향링크 송수신 동작
도 18은 상향링크 송수신 동작의 일례를 나타낸다.
- 도 18을 참조하면, 기지국은 주파수/시간 자원, 전송 레이어, 상향링크 프리코더, MCS 등과 같은 상향링크 전송을 스케줄링한다(S1501). 특히, 기지국은 앞서 설명한 동작들을 통해 단말이 PUSCH 전송을 위한 빔을 결정할 수 있다.
- 단말은 기지국으로부터 상향링크 스케줄링을 위한(즉, PUSCH의 스케줄링 정보를 포함하는) DCI를 PDCCH 상에서 수신한다(S1502).
상향링크 스케줄링을 위해DCI 포맷 0_0 또는 0_1이 이용될 수 있으며, 특히 DCI 포맷 0_1에서는 다음과 같은 정보를 포함한다: DCI 포맷 식별자(Identifier for DCI formats), UL/SUL(Supplementary uplink) 지시자(UL/SUL indicator), 대역폭 부분 지시자(Bandwidth part indicator), 주파수 도메인 자원 할당(Frequency domain resource assignment), 시간 도메인 자원 할당(Time domain resource assignment), 주파수 호핑 플래그(Frequency hopping flag), 변조 및 코딩 방식(MCS: Modulation and coding scheme), SRS 자원 지시자(SRI: SRS resource indicator), 프리코딩 정보 및 레이어 수(Precoding information and number of layers), 안테나 포트(들)(Antenna port(s)), SRS 요청(SRS request), DMRS 시퀀스 초기화(DMRS sequence initialization), UL-SCH(Uplink Shared Channel) 지시자(UL-SCH indicator)
특히, SRS resource indicator 필드에 의해 상위 계층 파라미터 'usage'와 연관된 SRS 자원 세트 내 설정된 SRS 자원들이 지시될 수 있다. 또한, 각 SRS resource별로 'spatialRelationInfo'를 설정받을 수 있고 그 값은 {CRI, SSB, SRI}중에 하나일 수 있다.
- 단말은 기지국에게 상향링크 데이터를 PUSCH 상에서 전송한다(S1503).
단말이 DCI 포맷 0_0 또는 0_1을 포함하는 PDCCH를 검출(detect)하면, 해당 DCI에 의한 지시에 따라 해당 PUSCH를 전송한다.
PUSCH 전송을 위해 코드북(codebook) 기반 전송 및 비-코드북(non-codebook) 기반 전송2가지의 전송 방식이 지원된다:
i) 상위 계층 파라미터 'txConfig'가 'codebook'으로 셋팅될 때, 단말은 codebook 기반 전송으로 설정된다. 반면, 상위 계층 파라미터 'txConfig'가 'nonCodebook'으로 셋팅될 때, 단말은 non-codebook 기반 전송으로 설정된다. 상위 계층 파라미터 'txConfig'가 설정되지 않으면, 단말은 DCI 포맷 0_1에 의해 스케줄링되는 것을 예상하지 않는다. DCI 포맷 0_0에 의해 PUSCH가 스케줄링되면, PUSCH 전송은 단일 안테나 포트에 기반한다.
codebook 기반 전송의 경우, PUSCH는 DCI 포맷 0_0, DCI 포맷 0_1 또는 반정적으로(semi-statically) 스케줄링될 수 있다. 이 PUSCH가 DCI 포맷 0_1에 의해 스케줄링되면, 단말은 SRS resource indicator 필드 및 Precoding information and number of layers 필드에 의해 주어진 바와 같이, DCI로부터 SRI, TPMI(Transmit Precoding Matrix Indicator) 및 전송 랭크를 기반으로 PUSCH 전송 프리코더를 결정한다. TPMI는 안테나 포트에 걸쳐서 적용될 프리코더를 지시하기 위해 이용되고, 다중의 SRS 자원이 설정될 때 SRI에 의해 선택된 SRS 자원에 상응한다. 또는, 단일의 SRS 자원이 설정되면, TPMI는 안테나 포트에 걸쳐 적용될 프리코더를 지시하기 위해 이용되고, 해당 단일의 SRS 자원에 상응한다. 상위 계층 파라미터 'nrofSRS-Ports'와 동일한 안테나 포트의 수를 가지는 상향링크 코드북으로부터 전송 프리코더가 선택된다. 단말이 'codebook'으로 셋팅된 상위 계층이 파라미터 'txConfig'로 설정될 때, 단말은 적어도 하나의 SRS 자원이 설정된다. 슬롯 n에서 지시된 SRI는 SRI에 의해 식별된 SRS 자원의 가장 최근의 전송과 연관되고, 여기서 SRS 자원은 SRI를 나르는 PDCCH (즉, 슬롯 n)에 앞선다.
ii) non-codebook 기반 전송의 경우, PUSCH는 DCI 포맷 0_0, DCI 포맷 0_1 또는 반정적으로(semi-statically) 스케줄링될 수 있다. 다중의 SRS 자원이 설정될 때, 단말은 광대역 SRI를 기반으로 PUSCH 프리코더 및 전송 랭크를 결정할 수 있으며, 여기서 SRI는 DCI 내 SRS resource indicator에 의해 주어지거나 또는 상위 계층 파라미터 'srs-ResourceIndicator'에 의해 주어진다. 단말은 SRS 전송을 위해 하나 또는 다중의 SRS 자원을 이용하고, 여기서 SRS 자원의 수는, UE 능력에 기반하여 동일한 RB 내에서 동시 전송을 위해 설정될 수 있다. 각 SRS 자원 별로 단 하나의 SRS 포트만이 설정된다. 단 하나의 SRS 자원만이 'nonCodebook'으로 셋팅된 상위 계층 파라미터 'usage'로 설정될 수 있다. non-codebook 기반 상향링크 전송을 위해 설정될 수 있는 SRS 자원의 최대의 수는 4이다. 슬롯 n에서 지시된 SRI는 SRI에 의해 식별된 SRS 자원의 가장 최근의 전송과 연관되고, 여기서 SRS 전송은 SRI를 나르는 PDCCH (즉, 슬롯 n)에 앞선다.
인공 지능(AI: Artificial Intelligence) 동작
인공지능/머신러닝(AI/ML: Artificial intelligence / machine learning)의 기술 발전으로 무선 통신 네트워크를 구성하는 노드(들) 및 단말(들)의 지능화/고도화가 이루어지고 있다. 특히 네트워크/기지국의 지능화로 인해 다양한 환경 파라미터(예를 들어, 기지국들의 분포/위치, 건물/가구 등의 분포/위치/재질, 단말들의 위치/이동방향/속도, 기후 정보 등)에 따라 다양한 네트워크/기지국 결정 파라미터 값들(예를 들어, 각 기지국의 송수신 전력, 각 단말의 송신 전력, 기지국/단말의 프리코더/빔, 각 단말에 대한 시간/주파수 자원 할당, 각 기지국의 듀플렉스(duplex) 방식 등)을 빠르게 최적화하여 도출/적용할 수 있게 될 전망이다. 이러한 추세에 맞추어, 많은 표준화 단체 (예를 들어, 3GPP, O-RAN)에서 도입을 고려하고 있으며, 이에 대한 스터디도 활발히 진행 중이다.
AI/ML은 개념적으로 크게 도 19와 같이 구분할 수 있다.
머신러닝(ML: Machine Learning) : 명시적으로 규칙을 프로그래밍하지 않고, 데이터로부터 의사결정을 위한 패턴을 기계가 스스로 학습하는 기술을 의미한다.
딥러닝(Deep Learning) : 인공 신경망 기반의 모델로서, 비정형 데이터로부터 특징 추출 및 판단까지 기계가 한 번에 수행할 수 있다. 알고리즘은 생물학적 신경계, 즉 신경망(Neural Network)에서 영감을 받은 특징 추출 및 변환을 위해 상호 연결된 노드로 구성된 다층 네트워크에 의존한다. 일반적인 딥 러닝 네트워크 아키텍처에는 심층 신경망(DNN: Deep Neural Network), 순환 신경망(RNN: Recurrent Neural Network) 및 컨볼루션 신경망(CNN: Convolutional Neural Network) 등이 포함된다.
AI(또는 AI/ML로 지칭) : 좁은 의미로 딥러닝(Deep learning) 기반의 인공지능으로 일컬을 수 있지만, 본 개시에서 이에 한정되는 것은 아니다. 즉, 본 개시에서 AI(또는 AI/ML로 지칭)는 인간처럼 작업을 수행할 수 있는 지능형 기계(예를 들어, UE, RAN, 네트워크 노드 등)에 적용되는 자동화 기술을 통칭할 수 있다.
[AI/ML 분류방법]
1. 온라인/오프라인에 따른 분류
a) 오프라인 학습(Offline Learning)
오프라인 학습은 데이터 베이스의 수집, 학습, 예측이라는 순차적인 절차를 따르게 된다. 즉, 수집과 학습을 오프라인으로 수행하고, 완성된 프로그램을 현장에 설치하여 예측 작업에 활용할 수 있다. 오프라인 학습은 시스템이 점진적으로 학습하지 않으며, 가용한 모든 수집된 데이터를 사용하여 학습이 수행되고, 더 이상의 학습 없이 시스템에 적용된다. 만약, 새로운 데이터에 대한 학습이 필요하게 되면, 새로운 전체의 데이터를 이용하여 다시 학습이 시작될 수 있다.
b) 온라인 학습(Online Learning)
최근 학습에 활용할 수 있는 데이터가 인터넷을 통해 지속적으로 발생하는 점을 활용하여, 추가적으로 실시간으로 발생한 데이터를 가지고 점증적으로 추가 학습하여 성능을 조금씩 개선하는 방식을 지칭한다. 온라인 상에서 수집되는 특정 데이터의 (묶음) 단위로 실시간으로 학습이 수행되며, 이에 따라 변화하는 데이터에 시스템이 빠르게 적응할 수 있다.
AI 시스템 구축을 위해 온라인 학습만이 이용되어 실시간으로 발생한 데이터만으로 학습이 수행될 수도 있으며, 또는 소정의 데이터 세트를 이용하여 오프라인 학습이 수행된 후, 추가적으로 발생하는 실시간 데이터를 이용하여 추가적인 학습이 수행될 수도 있다 (온라인+오프라인 학습).
2. AI/ML Framework 개념에 따른 분류
a) 중앙집중식 학습(Centralized Learning)
Centralized learning에서는 서로 다른 복수의 노드들에서 수집된(collected) 훈련 데이터(training data)를 중앙 노드(centralized node)에 보고를 하면, 모든 데이터 자원/저장(storage)/학습(예를 들어, 지도 학습(supervised learning), 비지도 학습(unsupervised learning), 강화 학습(reinforcement learning) 등)이 하나의 centralized node에서 수행된다.
b) 연합 학습(Federated Learning)
Federated learning은 공동(collective) 모델이 각기 분산되어 있는 데이터 소유자(data owner)들에 걸쳐서 존재하는 데이터를 기반으로 구성된다. 데이터를 모델로 수집하는 대신, AI/ML 모델을 데이터 소스로 가져와 로컬 노드/개별 장치가 데이터를 수집하고 자체 모델 사본을 훈련할 수 있도록 하므로, 소스 데이터를 중앙 노드에 보고할 필요가 없다. Federated learning에서 AI/ML 모델의 매개변수/가중치는 일반 모델 교육을 지원하기 위해 centralized node로 다시 보낼 수 있다. Federated learning은 연산 속도의 증가와, 정보 보안 측면에서의 장점을 가진다. 즉, 개인 데이트를 중앙 서버에 업로드하는 과정이 불필요하여, 개인정보 유출 및 악용을 방지할 수 있다.
c) 분산된 학습(Distributed Learning)
Distributed learning은 기계 학습 프로세스가 노드 클러스터 전체에 확장 및 배포된 개념을 의미한다. 훈련 모델은 모델 훈련의 속도를 높이기 위해 분할되어 동시에 작동하는 여러 노드에서 공유된다.
3. 학습 방법에 따른 분류
a) 지도 학습(Supervised Learning)
지도 학습은 레이블이 지정된 데이터 세트가 주어지면 입력에서 출력으로의 매핑 기능을 학습하는 것을 목표로 하는 기계 학습 작업이다. 입력 데이터는 훈련 데이터라고 하며 알려진 레이블 또는 결과가 있다. 지도 학습의 예시는 다음과 같다.
- 회귀(Regression): 선형 회귀(Linear Regression), 로지스틱 회귀(Logistic Regression)
- 인스턴스-기반 알고리즘(Instance-based Algorithms): k-최근접 이웃(KNN: k-Nearest Neighbor)
- 의사결정 나무 알고리즘(Decision Tree Algorithms): 분류 및 회귀 분석 트리(CART: Classification and Regression Tree)
- 서포트 벡터 머신(SVM: Support Vector Machines)
- 베이지안 알고리즘(Bayesian Algorithms): 나이브 베이즈(Naive Bayes)
- 앙상블 알고리즘(Ensemble Algorithms): 익스트림 그래디언트 부스팅(Extreme Gradient Boosting), 배깅(Bagging): 랜덤 포레스트(Random Forest)
지도 학습은 회귀 및 분류 문제로 더 그룹화할 수 있으며, 분류는 레이블을 예측하는 것이고 회귀는 수량을 예측하는 것이다.
b) 비지도 학습(Unsupervised Learning)
Unsupervised learning은 레이블이 지정되지 않은 데이터에서 숨겨진 구조를 설명하는 기능을 학습하는 것을 목표로 하는 기계 학습 작업이다. 입력 데이터에 레이블이 지정되지 않았으며 알려진 결과가 없다. 비지도 학습의 몇 가지 예는 K-평균 클러스터링, 주성분 분석(PCA: Principal Component Analysis), 비선형 독립 성분 분석(ICA: Independent Component Analysis) 및 장단기 메모리(LSTM: Long-Short-Term Memory) 등이 있다.
c) 강화 학습(RL: Reinforcement Learning)
강화 학습(RL)에서 에이전트는 시행착오 과정을 기반으로 환경과 상호 작용하여 장기 목표를 최적화하는 것을 목표로 하며, 환경과의 상호작용을 기반으로 한 목표 지향적 학습이다. RL 알고리즘의 예시는 다음과 같다.
- Q 러닝(Q-learning)
- 다중 암드 밴딧 러닝(Multi-armed bandit learning)
- 딥 Q 네트워크(Deep Q Network)
- 스테이트-액션-리워드-스테이트-액션(SARSA: State-Action-Reward-State-Action)
- 시간차 학습(Temporal Difference Learning)
- 액터-크리틱 강화 학습(Actor-critic reinforcement learning)
- 딥 결정론적 정책 그래디언트(DDPG: Deep deterministic policy gradient)
- 몬테카를로 트리 서치(Monte-Carlo tree search)
추가적으로, 강화 학습은 다음과 같이 모델 기반 강화 학습과 모델 자유 강화 학습으로 그룹화할 수 있다.
- 모델-기반(Model-based) 강화 학습: 예측 모델을 사용하는 RL 알고리즘을 지칭한다. 환경의 다양한 동적 상태 및 이러한 상태가 보상으로 이어지는 모델을 사용하여 상태 간 전환 확률을 얻는다.
- 모델-자유(Model-free) 강화 학습: 최대의 미래 보상을 달성하는 가치 또는 정책에 기반한 RL 알고리즘을 지칭한다. 다중 에이전트 환경/상태에서는 계산적으로 덜 복잡하고 환경을 정확하게 표현할 필요가 없다.
또한, RL 알고리즘은 또한 가치 기반 RL 대 정책 기반 RL, 정책 기반 RL 대 정책 외 RL 등으로 분류될 수 있다.
[딥 러닝 (Deep Learning) 대표 모델]
다음은 대표적 딥 러닝 모델에 대해 설명한다.
1. 순방향 신경망 (Feed-Forward Neural Network)
도 20은 순방향 신경망(Feed-Forward Neural Network)을 예시한다.
순방향 신경망(FFNN: Feed-Forward Neural Network)은 입력층(input layer), 은닉층(hidden layer), 출력층(output layer)으로 구성된다.
FFNN에서는 정보는 입력층으로부터 출력층 방향으로만 전달되며, 은닉층이 있는 경우 이를 경유한다.
2. 순환 신경망 (Recurrent Neural Network)
도 21는 순환 신경망(Recurrent Neural Network)을 예시한다.
순환 신경망(RNN)은 히든 노드가 방향을 가진 엣지로 연결되어 순환구조를 이루는(directed cycle) 인공 신경망(neural network)의 한 종류이다. 음성, 문자 등 순차적으로 등장하는 데이터 처리에 적합한 모델이다.
도 21에서 A는 뉴럴 네트워크, xt는 입력 값, ht는 출력 값을 나타낸다. 여기서, ht는 시간을 기준으로 현재를 나타내는 상태 값을 의미할 수 있으며, ht-1는 이전 상태 값을 나타낼 수 있다.
RNN의 하나의 종류로 LSTM(Long Short-Term Memory)이 있으며, 이는 RNN의 히든 스테이트(state)에 셀-스테이트(cell-state)를 추가한 구조이다. LSTM은 RNN 셀(cell)(은닉층의 메모리 셀)에 입력 게이트, 망각 게이트, 출력 게이트가 추가되어, 불필요한 기억을 지울 수 있다. LSTM은 RNN에 비하여 셀 상태(cell state)가 추가된다.
3. 컨볼루션 신경망 (Convolutional Neural Network)
도 22는 컨볼루션 신경망(Convolutional Neural Network)을 예시한다.
컨볼루션 신경망(CNN)은 영상 처리나 이미지 처리 분야에서 일반적으로 사용하는 컨볼루션(convolution) 연산을 적용하여, 모델 복잡도를 낮추고, 좋은 특징을 추출하는 두 가지 목적을 위해 사용된다.
- 커널(kernel) 또는 필터(filter): 특정 범위/단위의 input에 가중치를 적용하는 단위/구조를 의미한다. kernel(또는 filter)는 학습에 의해 변경될 수 있다.
- 스트라이드(stride): input 안에서 kernel을 움직이는 이동 범위를 의미한다.
- 특성 맵(feature map): input에 kernel을 적용한 결과를 의미한다. 왜곡, 변경 등에 강인하도록 유도하기 위해 여러 feature map들이 추출될 수 있다.
- 패딩(padding): feature map의 크기를 조절하기 위해 덧붙이는 값을 의미한다.
- 풀링(pooling): feature map을 다운샘플링하여 feature map의 크기를 줄이기 위한 연산(예를 들어, 최대 풀링(max pooling), 평균 풀링(average pooling))을 의미한다.
4. 오토 인코더 (Auto Encoder)
도 23은 오토 인코더(Auto encoder)를 예시한다.
Auto encoder는 특징 벡터(Feature vector) x(x1, x2, x3, ...)를 입력 받아, 동일한 또는 유사한 vector x'(x'1, x'2, x'3, ...)'를 출력하는 neural network를 의미한다.
Auto encoder는 입력 노드와 출력 노드가 같은 특징을 가진다. Auto encoder는 입력을 재구성하기 때문에 출력을 재구성(reconstruction)이라고 지칭할 수 있다. 또한, Auto encoder는 Unsupervised learning의 일종이다.
도 23에서 예시하는 Auto encoder의 손실 함수(loss function)은 입력과 출력의 차이를 기반으로 계산되며, 이를 기반으로 input의 손실 정도를 파악하여 Auto encoder에서는 손실을 최소화할 수 있도록 최적화하는 과정이 수행된다.
[분할 AI 추론]
도 24는 분할 AI 추론을 예시하는 도면이다.
도 24에서는 split AI operation 중에서 특히 Model Inference function이 UE와 같은 종단 기기(end device)와 네트워크 AI/ML 종단 기기(network AI/ML endpoint)에서 협력하여 수행되는 경우를 예시한다.
Model Inference function 이외에도 Model Training function, Actor, Data Collection function 각각도 현재의 작업 및 환경에 따라 다수의 부분들로 분할(split)되고, 다수의 개체들이 협력함으로써 수행될 수 있다.
예를 들어, 계산 집약적(computation-intensive)이고 에너지 집약적(energy-intensive)인 부분을 network endpoint에서 수행되는 반면 개인 정보에 민감한 부분과 지연에 민감한 부분은 end device에서 수행될 수 있다. 이 경우, end device는 입력 데이터로부터 특정 부분/계층까지 작업/모델을 실행한 다음, 중간 데이터(intermediated data)를 네트워크 끝점으로 전송할 수 있다. network endpoint는 나머지 부분/계층을 실행하고 추론 출력(Inference outputs)결과를, 동작/작업을 수행하는 하나 이상의 장치들에게 제공한다.
[기능적 프레임워크]
다음은 AI 동작을 위한 기능적 프레임워크(functional framework)를 설명한다.
이하, 보다 구체적인 AI(또는 AI/ML)의 설명을 위해 용어들을 다음과 같이 정의할 수 있다.
- 데이터 수집(Data collection): AI 모델 훈련(model training), 데이터 분석 및 추론(inference)을 위한 기반으로서, 네트워크 노드, 관리 개체(management entity) 또는 UE 등에서 수집된 데이터
- AI 모델(Model): 입력들의 집합을 기반으로, 예측 정보 및/또는 결정 파라미터들을 포함하는 출력들의 집합을 생성하는 AI 기술을 적용한 데이터 기반 알고리즘(data driven algorithm)
- AI/ML 훈련(Training): 데이터를 가장 잘 표시하고 추론을 위해 훈련된 AI/ML 모델을 획득하는 기능들과 패턴들을 학습(learning)함으로써 AI 모델을 훈련하는 온라인(online) 또는 오프라인(offline) 프로세스
- AI/ML 추론(Inference): 훈련된 AI 모델을 이용하여 수집된 데이터와 AI 모델에 기반하여 예측하거나 결정을 유도하는 프로세스
도 25는 AI 동작을 위한 기능적 프레임워크를 설명하기 위한 도면이다. 도 25를 참조하면, 데이터 수집(Data Collection) 기능(function)(10)은 입력 데이터를 수집하고 모델 훈련(Model Training) function(20) 및 모델 추론(Model Inference) function(30)에게 가공된 입력 데이터를 제공하는 기능이다.
입력 데이터의 예로서, UE들 또는 다른 네트워크 개체(network entity)로부터의 측정들, 액터(Actor)의 피드백, AI 모델의 출력이 포함될 수 있다.
Data Collection function(10)은 입력 데이터를 기반으로 데이터 준비(data preparation)를 수행하고, data preparation를 통해 가공된 입력 데이터를 제공한다. 여기서, Data Collection function(10)는 AI 알고리즘 별로 특정한 data preparation(예를 들어, 데이터 사전-처리(pre-processing) 및 정리(cleaning), 형식 지정(forming) 및 변환(transformation))을 수행하지 않으며, AI 알고리즘에 공통된 data preparation를 수행할 수 있다.
데이터 준비 과정을 수행된 후, Data Collection function(10)은 Model Training function(20)에게 훈련 데이터(Training Data)(11)를 제공하며, Model Inference function(30)에게 추론 데이터(Inference Data)(12)를 제공한다. 여기서, Training Data)(11)는 AI Model Training function(20)을 위한 입력으로 필요한 데이터이다. Inference Data(12)는 AI Model Inference function(30)을 위한 입력으로 필요한 데이터이다.
Data Collection function(10)은 단일의 개체(예를 들어, UE, RAN 노드, 네트워크 노드 등)에 의해 수행될 수도 있지만 복수의 개체들에 의해 수행될 수도 있다. 이 경우, 복수의 개체들로부터 Training Data(11)와 Inference Data(12)가 각각 Model Training function(20)과 Model Inference function(30)에게 제공될 수 있다.
Model Training function(20)은 AI 모델 테스트 절차의 일부로 모델 성능 메트릭(metric)을 생성할 수 있는 AI 모델 훈련, 검증(validation) 및 테스트(test)를 수행하는 기능이다. Model Training function(20)은 필요한 경우 Data Collection function(10)에서 제공하는 Training Data(11)를 기반으로 데이터 준비(예를 들어, data pre-processing 및 cleaning, forming 및 transformation)도 담당한다.
여기서, 모델 배포/업데이트(Model Deployment/Update)(13)는 훈련되고 검증되고 테스트된 AI 모델을 Model Inference function(30)에 초기 배포하거나 업데이트된 모델을 Model Inference function(30)에 제공하기 위해 사용된다.
Model Inference function(30)은 AI 모델 추론 출력(Output)(16)(예를 들어, 예측 또는 결정)을 제공하는 기능이다. Model Inference function(30)은 적용 가능한 경우, Model Training function(20)에 모델 성능 피드백(Model Performance Feedback)(14)을 제공할 수 있다. 또한, Model Inference function(30)은 필요한 경우 Data Collection function(10)이 제공하는 Inference Data(12)를 기반으로 데이터 준비(예를 들어, data pre-processing 및 cleaning, forming 및 transformation)도 담당한다.
여기서, 출력(Output)(16)은 Model Inference function(30)에 의해 생성된 AI 모델의 추론 출력을 의미하며, 추론 출력의 세부 정보는 사용 사례에 따라 다를 수 있다.
Model Performance Feedback(14)은 사용 가능한 경우 AI 모델의 성능을 모니터링하는 데 사용할 수 있으며, 이 피드백은 생략될 수도 있다.
액터(Actor) function(40)은 Model Inference function(30)으로부터 출력(16)을 수신하고, 해당하는 작업/동작을 트리거 또는 수행하는 기능이다. Actor function(40)은 다른 개체(entity)(예를 들어, 하나 이상의 UE, 하나 이상의 RAN 노드, 하나 이상의 네트워크 노드 등) 또는 자신에 대한 작업/동작을 트리거할 수 있다.
피드백(15)은 Training data(11), Inference data(12)를 도출하기 위해 또는 AI Model의 성능, 네트워크에 미치는 영향 등을 모니터링하기 위해 이용될 수 있다.
한편, AI/ML에서 사용되는 데이터 세트(Data set)에서 훈련(Training)/ 검증(validation) / 테스트(test)에 대한 정의는 다음과 같이 구분될 수 있다.
- 훈련 데이터(Training data): 모델을 학습하기 위한 Data set을 의미한다.
- 검증 데이터(Validation data): 학습이 이미 완료된 모델을 검증하기 위한 Data set을 의미한다. 즉, 보통 training data set의 과대적합(over-fitting)을 방지하기 위해서 사용되는 data set을 의미한다.
또한, 학습하는 과정에서 학습된 여러 가지 모델 중 최고(best)를 선택하기 위한 Data set을 의미한다. 따라서, 따라서, 학습의 일종으로 볼 수도 있다.
- 테스트 데이터(Test data): 최종 평가를 위한 Data set을 의미한다. 이 데이터는 학습과는 무관한 데이터이다.
상기 data set의 경우, 일반적으로 training set을 나눈다면, 전체 training set 내에서 training data과 validation data를 8:2 또는 7:3 정도로 나누어 사용될 수 있으며, test까지 포함을 한다면, 6:2:2 (training: validation: test)를 나누어 사용될 수 있다.
기지국과 단말사이의 AI/ML function의 능력의(capable) 여부에 따라 협력레벨을 다음과 같이 정의할 수 있으며, 하기 복수의 레벨의 결합 혹은 어느 하나의 레벨의 분리로 인한 변형도 가능하다.
Cat 0a) 협력이 없는 프레임워크(No collaboration framework): AI/ML 알고리즘은 순수 구현 기반이며 무선 인터페이스 변경이 필요하지 않는다.
Cat 0b) 이 레벨은 효율적인 구현 기반 AI/ML 알고리즘에 맞추어 수정된 무선 인터페이스를 수반하지만 협력은 없는 프레임워크에 해당한다.
Cat 1) 각 노드의 AI/ML 알고리즘을 개선하기 위한 노드 간 지원이 수반된다. 이는 UE가 gNB(훈련, 적응 등을 위해)로부터 지원을 받는 경우에 적용되며, 그 반대의 경우도 마찬가지이다. 이 레벨에서는 네트워크 노드 간의 모델 교환이 필요하지 않는다.
Cat 2) UE와 gNB 간의 공동 ML 작업이 수행될 수 있다. 이 레벨은 AI/ML 모델 명령 또는 네트워크 노드 간의 교환이 필요하다.
앞서 도 25에서 예시된 기능들은 RAN 노드(예를 들어, 기지국, TRP, 기지국의 중앙 장치(CU: central unit) 등), 네트워크 노드, 네트워크 사업자의 OAM(operation administration maintenance) 또는 UE에서 구현될 수도 있다.
또는, RAN, 네트워크 노드, 네트워크 사업자의 OAM 또는 UE 중 2개 이상의 개체가 협력하여 도 25에서 예시된 기능이 구현될 수도 있다. 예를 들어, 어느 하나의 개체가 도 25의 기능 중 일부를 수행하고, 다른 개체가 나머지의 기능을 수행할 수 있다. 이처럼, 도 25에서 예시하는 기능들 중 일부의 기능들이 단일의 개체(예를 들어, UE, RAN 노드, 네트워크 노드 등)에 의해 수행됨에 따라, 각 기능들 간의 데이터/정보의 전달/제공이 생략될 수 있다. 예를 들어, Model Training function(20)과 Model Inference function(30)이 동일한 개체에 의해 수행된다면, Model Deployment/Update(13)와 Model Performance Feedback(14)의 전달/제공은 생략될 수 있다.
또는, 도 25에 예시된 기능 중 어느 하나의 기능을 RAN, 네트워크 노드, 네트워크 사업자의 OAM 또는 UE 중 2개 이상의 개체가 협력(collaboration)하여 수행할 수도 있다. 이를 분할 AI 동작(split AI operation)으로 지칭할 수 있다.
1. AI Model Training Function (네트워크 노드) - AI Model Inference Function (RAN 노드)
도 26은 단말, RAN 노드들 및 네트워크 노드에 의해 수행되는 AI 동작을 예시한다. 즉, 도 26에서는 AI Model Training function이 네트워크 노드(예를 들어, 코어 네트워크 노드, 네트워크 사업자의 OAM 등)에 의해 수행되고, AI Model Inference function이 RAN 노드(예를 들어, 기지국, TRP, 기지국의 CU 등)에 의해 수행되는 경우를 예시한다.
단계 1: RAN 노드 1과 RAN 노드 2는 AI Model Training을 위한 입력 데이터(즉, Training data)를 네트워크 노드에게 전송한다. 여기서, RAN 노드 1과 RAN 노드 2는 UE로부터 수집한 데이터(예를 들어, 서빙 셀과 이웃 셀의 RSRP, RSRQ, SINR과 관련된 UE의 측정, UE의 위치, 속도 등)를 함께 네트워크 노드에게 전송할 수 있다.
단계 2: 네트워크 노드는 수신한 Training data를 이용하여 AI Model을 훈련한다.
단계 3: 네트워크 노드는 AI Model을 RAN 노드 1 및/또는 RAN 노드 2에게 배포/업데이트한다. RAN 노드 1(및/또는 RAN 노드 2)은 수신한 AI Model에 기반하여 모델 훈련을 계속 수행할 수도 있다.
설명의 편의를 위해 RAN 노드 1에게만 AI Model이 배포/업데이트되었다고 가정한다.
단계 4: RAN 노드 1은 UE와 RAN 노드 2로부터 AI Model Inference를 위한 입력 데이터(즉, Inference data)를 수신한다.
단계 5: RAN 노드 1은 수신한 Inference data를 이용하여 AI Model Inference를 수행하여 출력 데이터(예를 들어, 예측 또는 결정)을 생성한다.
단계 6: 적용가능한 경우, RAN 노드 1은 네트워크 노드에게 모델 성능 피드백을 전송할 수 있다.
단계 7: RAN 노드 1, RAN 노드 2 및 UE(또는 'RAN 노드 1과 UE', 또는 'RAN 노드 1과 RAN 노드 2')는 출력 데이터에 기반한 동작(action)을 수행한다. 예를 들어, 로드 밸런싱(load balancing) 동작인 경우, UE가 RAN 노드 1에서 RAN 노드 2로 이동할 수도 있다.
단계 8: RAN 노드 1과 RAN 노드 2는 네트워크 노드에게 피드백 정보를 전송한다.
2. AI Model Training/Inference Function : RAN 노드
도 27은 단말과 RAN 노드들에 의해 수행되는 AI 동작을 예시한다. 즉, 도 27에서는 AI Model Training function과 AI Model Inference function이 모두 RAN 노드(예를 들어, 기지국, TRP, 기지국의 CU 등)에 의해 수행되는 경우를 예시한다.
단계 1: UE와 RAN 노드 2는 AI Model Training을 위한 입력 데이터(즉, Training data)를 RAN 노드 1에게 전송한다.
단계 2: RAN 노드 1은 수신한 Training data를 이용하여 AI Model을 훈련한다.
단계 3: RAN 노드 1은 UE와 RAN 노드 2로부터 AI Model Inference를 위한 입력 데이터(즉, Inference data)를 수신한다.
단계 4: RAN 노드 1은 수신한 Inference data를 이용하여 AI Model Inference를 수행하여 출력 데이터(예를 들어, 예측 또는 결정)을 생성한다.
단계 5: RAN 노드 1, RAN 노드 2 및 UE(또는 'RAN 노드 1과 UE', 또는 'RAN 노드 1과 RAN 노드 2')는 출력 데이터에 기반한 동작(action)을 수행한다. 예를 들어, 로드 밸런싱(load balancing) 동작인 경우, UE가 RAN 노드 1에서 RAN 노드 2로 이동할 수도 있다.
단계 6: RAN 노드 2는 RAN 노드 1에게 피드백 정보를 전송한다.
3. AI Model Training Function (RAN 노드) - AI Model Inference Function (UE)
도 28은 단말과 RAN 노드에 의해 수행되는 AI 동작을 예시한다. 즉, 도 28에서는 AI Model Training function이 RAN 노드(예를 들어, 기지국, TRP, 기지국의 CU 등)에 의해 수행되고, AI Model Inference function이 UE에 의해 수행되는 경우를 예시한다.
단계 1: UE는 AI Model Training을 위한 입력 데이터(즉, Training data)를 RAN 노드에게 전송한다. 여기서, RAN 노드는 다양한 UE들로부터 및/또는 다른 RAN 노드로부터 데이터(예를 들어, 서빙 셀과 이웃 셀의 RSRP, RSRQ, SINR과 관련된 UE의 측정, UE의 위치, 속도 등)를 수집할 수 있다.
단계 2: RAN 노드는 수신한 Training data를 이용하여 AI Model을 훈련한다.
단계 3: RAN 노드는 AI Model을 UE에게 배포/업데이트한다. UE는 수신한 AI Model에 기반하여 모델 훈련을 계속 수행할 수도 있다.
단계 4: UE와 RAN 노드로부터(및/또는 다른 UE로부터) AI Model Inference를 위한 입력 데이터(즉, Inference data)를 수신한다.
단계 5: UE는 수신한 Inference data를 이용하여 AI Model Inference를 수행하여 출력 데이터(예를 들어, 예측 또는 결정)를 생성한다.
단계 6: 적용가능한 경우, UE는 RAN 노드에게 모델 성능 피드백을 전송할 수 있다.
단계 7: UE와 RAN 노드는 출력 데이터에 기반한 동작(action)을 수행한다.
단계 8: UE는 RAN 노드에게 피드백 정보를 전송한다.
앞서 살핀 내용들(예: 3GPP system, frame structure, NR시스템, AI 동작 등)은 후술할 본 명세서에서 제안하는 방법들과 결합되어 적용될 수 있다. 그리고/또는, 앞서 살핀 내용들은 본 명세서에서 제안하는 방법들의 기술적 특징을 명확히 하는데 보충될 수 있다.
본 명세서에서 '/'는 문맥에 따라 'and', 'or', 또는 'and/or'를 의미한다.
상기 단말의 하향링크(downlink, DL) 빔 관리(beam management) 절차에서, 단말(user equipment, UE)은 기지국으로부터 수신한 빔(beam) 형성 신호를 측정하고 측정 결과를 기지국으로 보고하는 빔 보고(beam reporting) 동작을 수행한다. 그리고/또는, 단말은 beam reporting 시 DL best beam과 관련된 복수의 N개에 대한 beam 정보를 보고할 수 있다. 본 명세서에서, beam reporting은 빔 정보를 보고하는 동작 또는 빔 정보(예: 빔 보고와 관련된 모든 정보)를 의미할 수 있다. 예를 들어, beam reporting은 선호하는 하향링크 참조 신호 식별자(들)(downlink reference signal identifier(s), DL RS ID(s)) 및 이에 대응하는 품질 값을 포함할 수 있다. 예를 들어, 품질 값은 계층 1-참조 신호 수신 전력(layer 1-reference signal received power, L1-RSRP), 및/또는 계층 1-신호 대 간섭 및 잡음비(layer 1-signal to interference plus noise ratio, L1-SINR)일 수 있다. 이와 관련, 도 8 내지 도 14의 빔 관리 절차/빔 결정 과정 등은 참조될 수 있다.
상기 현재 표준화 단계에서의 beam reporting은 단말의 순시적인 특정 위치나 무선 채널 환경에 대한 beam 품질 결과를 기지국으로 보고하는 것이다. 이에 따라, 단말의 mobility를 고려하여 단말의 위치가 변경된 경우, 보고한 best beam 정보가 beam reporting 당시의 정보와 상이하여 기지국-단말 간 beam quality 측면의 성능 저하가 유발될 수 있다. 이를 고려하여 beam measurement/beam reporting을 보다 빈번하게 수행하는 방법이 있겠으나 시그널링 오버헤드(signaling overhead) 및 레이턴시(latency)가 증가하는 문제점이 발생하여 근본적인 해결책이 될 수 없다.
이를 해결하기 위해, 단말의 mobility는 UE-initiated 속성을 고려하여 단말 관점에서의 위치에 대한 이동 경로 및 특정 위치에 머무르는 시간에 대한 시변적 패턴으로 반영될 필요가 있다. 이를 위해, 단말은 (AI/ML 등을 통한) mobility 관련 예측(prediction) 정보에 기반하여, beam reporting 시 관련 정보를 포함하여 보고하는 동작을 수행할 수 있다. 이를 통해, 단말의 위치 변경 및 단말 동작의 패턴에 따른 best beam switching/best panel switching과 해당 beam/panel 적용 시점을 고려한 beam management 동작이 수행 또는 설계될 수 있다. 이를 통해, 시그널링 오버헤드(signaling overhead) 및 빔 관리 지연(beam management latency)의 감소(reduction) 효과가 기대될 수 있을 뿐만 아니라 mobility 단말에 대한 높은 beam 품질이 유지될 수 있다.
이하, 본 명세서는 UE mobility의 (AI/ML을 통한) 예측 정보에 기반한 단말의 향상된 빔 보고(enhanced beam reporting) 방법을 제안한다.
보다 구체적으로, 본 명세서는 미래 시점에 대해 예측한 beam 정보를 보고하는 방법(이하, 제1 실시 예), 그리고, beam 변경/업데이트 시 적용할 beam/panel 별 switching 시간과 해당 beam 정보를 보고하는 방법(이하, 제2 실시 예)을 제안한다.
이하, 본 명세서에서 설명되는 실시 예들은 설명의 편의를 위해 구분된 것일 뿐, 어느 실시 예의 일부 방법 및/또는 일부 구성 등이 다른 실시 예의 방법 및/또는 구성 등과 치환되거나, 상호 간 결합되어 적용될 수 있음은 물론이다.
본 명세서에서 설명되는 실시 예들에서 언급되는 슬롯(slot), 서브프레임(subframe), 프레임(frame) 등은 무선 통신 시스템에서 이용되는 일정 시간 단위(time unit)들의 구체적인 예들에 해당할 수 있다. 즉, 본 명세서에서 제안하는 방법들을 적용함에 있어, 시간 단위 등은 또 다른 무선 통신 시스템에서 적용되는 다른 시간 단위들로 대체되어 적용될 수도 있다.
본 명세서에서 L1 signaling은 기지국과 단말 사이의 DCI 기반의 동적인 signaling을 의미할 수 있고 L2 signaling은 기지국과 단말 사이의 무선 자원 제어(radio resource control, RRC)/매체 접속 제어-제어 요소(medium access control-control element, MAC-CE) 기반의 higher layer signaling을 의미할 수 있다.
먼저, 제1 실시예부터 살펴본다.
제1 실시 예
제1 실시 예에서는 미래 시점에 대해 예측한 beam 정보를 보고하는 방법에 대해 살펴본다.
이하 설명되는 방법들은 설명의 편의를 위하여 구분된 것일 뿐, 어느 방법의 구성이 다른 방법의 구성과 치환되거나, 상호 결합되어 적용될 수 있음은 물론이다.
단말은 하나 또는 복수 N개의 best beam reporting 시 (AI/ML 방식을 통해) 미래 시점에 대해 (UE mobility를 고려하여) 예측한 beam(s)에 대한 정보를 포함한 beam reporting 정보를 보고/전송할 수 있다. 즉, 본 실시 예는 현재 위치/시점에서의 beam 품질에 기반하여 best N개의 beam 정보를 구성하는 것이 아닌 (AI/ML에 기반하여) 단말의 이동 경로를 예측(prediction)하고 특정 방향으로 단말이 움직였을 때에 대한 beam 품질을 포함하여 빔 보고(beam reporting)를 구성하는 것을 의미할 수 있다.
예를 들어, AI/ML은 단말의 위치/이동 경로 및 특정 위치에 머무르는 시간 등에 대한 이동 패턴 및/또는 미래의 이동 경로/위치 등을 학습할 수 있다. 예를 들어, AI/ML는 단말의 현 시점 및/또는 위치에서의 (수신된) RS 및/또는 RS의 품질 값, 그리고/또는, 이에 대한 미래의 시점 및/또는 위치에서의 RS의 품질 값, 그리고/또는, 단말의 (시간에 따른) 이동 경로 등을 학습할 수 있다. 예를 들어, 학습 동작은 도 25의 모델 훈련 function(20)(또는 모델 훈련부)에서 수행될 수 있다. 그리고/또는, AI/ML은 단말의 현 시점 및/또는 위치에서의 (수신된) RS 및/또는 RS의 품질 값을 입력으로 받고, 미래의 (시간에 따른) 이동 경로 및/또는 미래의 시점 및/또는 위치에서의 RS, RS의 품질 값, 및/또는 최상의 빔이 될 확률 등을 예측/추론/출력할 수 있다. 예를 들어, 예측 동작은 도 25의 모델 추론 function(30)(또는 모델 추론부)에서 수행될 수 있다. 예를 들어, AL/ML에 기반한 학습/예측/추론 동작은 도 26 내지 도 28에서 설명한 바와 같이 단말과 기지국 등이 협력하여 수행될 수 있다.
상술한 학습/예측 동작은 일 예시이므로, 다양한 방식으로 학습/예측 동작이 수행될 수 있다. 본 명세서의 'AI/ML'은 인공지능(artificial intelligence AI), 기계학습(machine learning, ML) 및/또는 심층 학습(deep learning, DL)을 의미할 수 있다. AI/ML 관련 보다 구체적인 설명/동작은 도 19 내지 도 28의 내용을 참조할 수 있다.
예를 들어, 단말은 최상의 품질 beam을 포함한 N개의 beam(s)가 (UE mobility로 인해) best beam으로 바뀔 확률 정보 및/또는 해당 preferred DL RS ID/panel ID를 포함한 beam reporting 정보를 보고할 수 있다. 본 명세서의 'beam reporting 정보'는 '빔 정보'라 칭할 수도 있다. 현재 측정(measure)한 DL RS ID(s)를 기준으로 mobility를 고려했을 때의 beam 품질이 상이할 수 있고 이 중 특정 DL RS ID(s)로 best beam이 바뀔 수도 있다. 이를 포함하기 위해, 단말은 현재의 best beam이 다른 beam으로 바뀔 확률에 대한 정보를 포함하여 보고할 수 있다. 예를 들어, N=4이고 beam 품질을 기반으로 DL RS ID(s)(예: CSI-RS#1/#2/#3/#4) 및 L1-RSRP가 내림차순으로 정렬될 때 P={p1, p2, p3, p4}는 mobility를 고려한 다음 instance에서 best beam일 확률을 의미할 수 있다. 즉, P={0, 0.5, 0.3, 0.2} 이면 CSI-RS#2에 대응하는 beam 방향으로 바뀔 확률이 가장 높은 것을 의미할 수 있다. 이 때, 해당 확률 값에 대한 granularity는 기 설정된 값을 사용하거나 기지국으로부터 지정된 값일 수 있다. 예를 들어, 기지국이 P={0, 0.5, 0.3, 0.2}에 대한 정보를 수신한 경우 기지국은 단말에 CSI-RS#2에 대응하는 beam/beam 방향에 기반한 하향링크 수신을 설정/지시하고, 단말은 CSI-RS#2에 대응하는 beam/beam 방향에 기반하여 하향링크를 수신할 수 있다.
그리고/또는, 단말은 현재 시점에서의 beam reporting 정보와 미래 시점에서의 beam reporting 정보를 함께 보고할 수 있다. 예를 들어, beam reporting 정보는 현재 시점 뿐만 아니라 복수의 instance들에 대한 beam에 대한 정보를 모두 포함할 수 있다. 예를 들어, 단말은 복수의 instance들 각각에 대한 beam(s)에 대응하는 RS ID(s) 및 품질 값(들)을 함께 보고할 수 있다.
그리고/또는, mobility를 고려한 복수의 시간 인스턴스(time instance)(또는 instance)들에 대한 beam/panel 관련 정보가 beam reporting 정보에 포함되어 보고될 수 있다.
본 명세서의 'instance'는 보고하고자 하는 다수 개의 beam 정보(또는 beam reporting 정보)들 각각에 대응하는 시점을 의미할 수 있다. 해당 시점은 현재 시점일 수도 있고, 그리고/또는 미래의 특정 시점일 수도 있다. 예를 들어, instance는 측정하고자 하는 RS의 수신 시점일 수도 있고, 수신된 RS의 측정 시점일 수도 있고, 그리고/또는, beam 정보를 예측하고자 하는 특정 시점일 수도 있다. 예를 들어, instance는 기지국에 의해 설정되거나 또는, 기지국과 단말 간 기정의/약속된 시점을 의미할 수 있다. 예를 들어, instance는 단말이 측정(measure)한 DL RS ID(s)에 대한 수신 후 해당 품질 값을 포함하여 beam reporting을 수행할 때의 시점 뿐 아니라, 해당 DL RS ID(s) 또는 상이한 DL RS ID(s)의 미래 특정 시점에서의 품질 값을 예측하여 beam reporting을 수행할 때의 미래 특정 시점을 의미할 수 있다. 예를 들어, 기존의 beam reporting 시 수행한 품질 값 측정 시점이 instance#0이면 그 이후 X ms/slots 이후의 특정 시점은 instance#1이 되고, instance#1 이후의 Y ms/slots 시점은 instance#2가 될 수 있다. 이때, instance#0를 기준으로 X ms/slots 이후의 시점과 X+Y ms/slots 이후의 시점에 대한 해당 DL RS ID(s)의 품질 예측 값은 AI/ML 기반으로 산출되고, 단말은 해당 품질 예측 값을 포함한 빔 정보를 기지국에 보고할 수 있다.
이 때, 특정 instance 별 DL RS ID(s)와 관련 품질 값 L1-RSRP/L1-SINR이 별도로 보고될 수 있다. 즉, instance#1에 대한 X1개의 CSI-RS 자원 지시자(CSI-RS resource indicator, CRI)(s)/동기 신호 블록 자원 지시자(synchronization signal block resource indicator, SSBRI)(s) 및 RSRP(s)/SINR(s)와 instance#2에 대한 X2개의 CRI(s)/SSBRI(s) 및 RSRP(s)/SINR(s)이 보고될 수 있다. 본 명세서의 '동기 신호 블록'은 동기 신호/물리 브로드캐스트 채널 블록(synchronization signal/physical broadcast channel block, SS/PBCH block)으로 대체되어 적용될 수 있다. 즉, X1+X2개의 DL RS ID(s) 및 관련 품질 값들이 보고될 수 있다.
그리고/또는, X2개의 CRI(s)/SSBRI(s) 및 RSRP(s)/SINR(s)는, instance#1의 CRI(s)/SSBRI(s) 및 RSRP(s)/SINR(s)에 대한 differential 값으로 보고될 수도 있다. 예를 들어, instance#2의 CRI가 instance#1과 동일한 CRI이면 해당 정보를 생략하거나 해당 bit field에 특정 bit stream(예: all zeros)을 보고하여 동작할 수 있다. 그리고/또는, 단말은 instance#1에 대한 X1개의 CRI(s)/SSBRI(s) 및 RSRP(s)/SINR(s)를 보내고 instance#1에 대해 해당 X1개의 RSRP(s)/SINR(s) 품질 변화 예측 값을 별도로 보고할 수도 있다. 이 때, 상기 X1과 X2는 기지국이 설정하는 값일 수 있고, X1=X2으로 규정할 수 있으며 복수의 instance들에 대해서도 적용할 수 있다(예: X1, X2, X3, X4 ...).
그리고/또는, 각 instance에 대한 DL RS ID/panel ID 및 해당 품질 값이 모두 포함되거나 그리고/또는, 특정 instance를 기준으로 한 차이 값(differential value)이 beam reporting 정보에 포함되어 보고될 수 있다.
그리고/또는, 기지국이 기준 시간(reference time)을 지정하면 단말은 해당 reference time에 맞춰 beam reporting을 수행할 수 있다. 즉, 기지국이 reference time 또는 시간 구간을 지정/설정하면 해당 reference time 또는 시간 구간에 맞춰 빔 보고(beam reporting)를 수행할 수 있다. 예를 들어, reference time으로 CSI-RS/SSB의 수신 시점을 기준으로 측정한 값이거나 특정 M slots/msec 이후 시점을 기준으로 예측한 값을 지정하면 해당 reference time에 맞춰 beam reporting을 수행할 수 있다. 예를 들어, reference time은 채널 상태 정보-참조 신호(channel state information-reference signal, CSI-RS)/동기 신호 블록(synchronization signal block, SSB) 수신 시점일 수 있다. 또는 기준 시간은 M slots/msec 이후 시점일 수 있다. 예를 들어, reference time은 CSI-RS/SSB 수신 시점부터 M slots/msec 이후 시점일 수 있다. 예를 들어, 단말은 CSI-RS/SSB 수신 시점을 기준으로 측정한 값 또는 M slots/msec 이후 시점을 기준으로 예측한 값을 보고할 수 있다. 예를 들어, reference time=instance#0=TO이고, instance#1=T0+X, instance#2=T0+2X... 일 수 있다. 또는, reference time=TO이고, instance#0=T0+X, instance#1=T0+2X, instance#2=T0+3X...일 수 있다. 여기서, X는 기설정된 instance 간 시간 간격일 수 있다.
그리고/또는, 해당 reference time에 대해 기지국이 복수의 reference time (또는 시간 구간)을 지정하면 단말은 각 time에 대해서 beam reporting을 수행할 수 있으며 기지국이 미래 시점을 지정하면 미래의 (UE mobility를 고려한) beam 값을 보고할 수 있다. 상기 방식들에 대한 보고 모드(reporting mode)에서 미래 시점과 관련된 단수/복수의 time instance 개수 및 대응되는 reference time/시간 구간 값 등을 미리 규정된 값을 사용하거나 해당 reporting 설정에 포함되어 RRC 설정될 수도 있다. 그리고/또는, 기지국의 reporting trigger 시 기지국이 지정하는 값일 수 있다.
예를 들어, 기지국이 복수의 reference time (또는 시간 구간)을 지정/설정하면 단말은 각 time에 대한 빔 보고(beam reporting)를 수행할 수 있다. 그리고/또는, 상기 reference time 또는 시간 구간 (정보)은 해당 보고 모드(reporting mode)에 대해 미리 규정된 값, 또는 보고(reporting) 설정에 포함되어 무선 자원 제어(radio resource control, RRC)로 설정되는 값, 또는 보고 트리거링(reporting triggering)시 기지국이 지정/설정하는 값일 수 있다. 예를 들어, reference time 또는 시간 구간이 보고 트리거링(reporting triggering)시 기지국이 지정/설정하는 값인 경우, reference time에 대한 정보 또는 시간 구간에 대한 정보는 보고 트리거링(reporting triggering)을 위한 하향링크 제어 정보(downlink control information, DCI)에 포함되어 수신될 수 있다.
그리고/또는, 기지국이 설정하거나 지시한 미래 단수/복수 개의 time instance/시간 구간에 대해 instance 별로 상기 beam reporting 관련 정보의 포함 유무는 비트맵(bitmap) 및/또는 지시자(indicator)에 기반하여 지시될 수 있다. 예를 들어, 총 4개의 instance에 대해 ‘1001’의 bitmap은 첫 번째와 네 번째 instance에 대한 상기 beam reporting 정보가 구성되고 두번째와 세번째에서는 beam reporting 정보가 첫 번째와 동일한 것을 의미할 수 있다. 이 경우, 특정 instance(s)에서의 DL RS ID(s)/panel ID 및 해당 품질 값들이 보고되지 않기 때문에 오버헤드 감소(overhead reduction) 측면에서 장점이 있다. 이는 제2 실시 예의 단수/복수의 유효 시간 구간에 대해서도 적용 가능하다.
상기에서는 단말 관점에서의 AI/ML beam 예측(prediction) 동작을 중심으로 살펴봤다. 이하에서는 기지국 관점에서의 AI/ML 기반 beam 예측 및 DL RS 설정 동작을 살펴본다.
예를 들어, 단말의 순시적인 beam reporting 결과들을 통하여 기지국은 단말의 이동 경로를 예측할 수 있고, 이를 기반으로 기지국은 단말에 대한 beam management를 수행할 수도 있다. 그리고/또는, 기지국은 단말 이동 경로 예측을 통해 beam reporting에 수행할 DL RS ID(s)에 대한 전송 수행 시 해당 단말의 이동성을 고려한 beam 품질 성능이 향상될 수 있도록 해당 DL RS IS(s)의 subset을 적응적으로(adaptive) 설정하여 전송할 수 있다. 예를 들어, 기지국은 instance#0에 대해, DL RS ID#1/#2/#3/#4를 단말에 설정하고, 기지국은 해당 DL RS ID(s)에 대한 품질 값을 포함한 beam reporting 정보룰 수신할 수 있다. 그리고/또는, 기지국은 beam reporting 정보를 수신하고, 단말에 대한 이동 경로 예측을 수행하여 해당 DL RS IDs의 품질이 특정 threshold 이하로 저하될 것이 예상되면, 기지국은 다음 빔 측정(beam measurement)/beam reporting을 위한 DL RS IDs로 상기 #1/#2/#3/#4를 전송/설정하는 것이 아니라 DL RS 설정(configuration)된 RS들 중 동일/상이한 RS ID(s)를 포함하여, 단말이 beam measurement할 수 있도록 적응적으로 DL RS candidate(s)를 적용하여 전송/설정할 수 있다. 이를 통해, 단말의 이동성을 고려하여 beam 품질을 지속적으로 높은 상태로 유지하는 것이 가능하다.
제1 실시 예에서는 beam reporting 시 현재 instance 뿐만이 아닌 UE mobility를 예측(prediction)한 instance에 대해서도 beam 정보를 포함하여 보고하는 동작, 그리고, 해당 동작을 수행할 때의 각 instance 별 기준이 되는 시간에 대한 설정 방식 등을 살펴봤다.
이하 제2 실시 예에서는, beam 정보와 함께 해당 beam 정보가 유효한 시간에 대한 정보 등을 보고/전송하는 방법에 대해 설명한다.
제2 실시 예
제2 실시 예에서는 beam 정보와 beam/panel 별 switching 시간/유효 시간에 대한 정보를 보고하는 방법에 대해 살펴본다.
이하 설명되는 방법들은 설명의 편의를 위하여 구분된 것일 뿐, 어느 방법의 구성이 다른 방법의 구성과 치환되거나, 상호 결합되어 적용될 수 있음은 물론이다.
단말은 상기 beam reporting에서 beam 변경/업데이트 시 적용할 beam/panel 별 switching 시간과 함께 해당 beam 정보를 보고할 수 있다. 예를 들어, 단말은 보고되는 N개의 best beam들과 각 best beam으로의 switching 시, 요구되는 시간에 대한 정보를 보고/전송할 수 있다. 그리고/또는, 기지국은 수신된 beam reporting 정보(또는 beam 정보)에 기반하여, 하향링크 수신을 위한 특정 beam의 적용 시간을 switching을 위해 요구되는 시간 이후로 설정/지시할 수 있다.
그리고/또는, 단말은 beam reporting 시, 해당 beam 정보가 유효한(valid) 시간 정보를 함께 전송할 수 있다. 예를 들어, beam 정보가 유효한 시간 정보는 beam 정보가 M0 slots/msec부터 M1 slots/msec까지 또는 reference time부터 M slots/msec까지 유효함을 나타낼 수 있다. 예를 들어, 단말은 복수개의 instance들에 대한 beam 정보들과 beam 정보들 각각이 유효한 시간에 대한 정보를 기지국에 보고/전송할 수 있다. 예를 들어, 단말은 instance#0에 대한 beam 정보의 유효 시간, instance#1에 대한 beam 정보의 유효 시간, instance#2에 대한 beam 정보의 유효 시간에 대한 정보를 보고/전송할 수 있다. 그리고/또는, 단말은 특정 instance에 대한 beam 정보에 포함되는 N개의 beam들 각각의 유효 시간에 대한 정보를 보고/전송할 수도 있다.
그리고/또는, 단말은 복수의 시간 구간에 대한 복수의 beam reporting을 수행할 수 있다. 예를 들어, beam report#0는 시간 구간#0 (예: from now to M1 slots/msec)이고 beam report#1은 시간 구간#1 (예: from M1 slots/msec to M2 slots/msec)으로 구성될 수 있다. 이 때, 각 시간 구간에 따라 단수/복수개의 candidate beam 정보가 포함될 수 있다. 그리고/또는, 해당 유효 시간 구간 내에서는 beam measurement/reporting에 적용되는 특정 panel(s)이 유지되도록 동작하거나 단말은 상기 instance 별 선호 panel(s)에 대한 정보를 포함한 beam reporting 정보를 보고할 수 있다.
도 29는 본 명세서에서 제안하는 단말의 동작 방법을 설명하기 위한 흐름도이다.
도 29를 참조하면, 먼저, 단말(도 31 내지 도 34의 100/200)은 S2901 단계에서, 빔 정보에 대한 설정 정보를 기지국으로부터 수신할 수 있다. 예를 들어, 설정 정보는 표 5의 CSI-ResourceConfig IE 및/또는 도 12 및 도 13의 NZP CSI-RS resource set IE일 수 있다. 예를 들어, 도 29의 단말의 동작 방법에는 도 8 내지 도 13을 참조하여 설명한 빔 관리 절차가 참조될 수 있다.
예를 들어, S2901 단계의 단말이 설정 정보를 수신하는 동작은 상술한 도 31 내지 도 34의 장치에 의해 구현될 수 있다. 예를 들어, 도 32를 참조하면, 하나 이상의 프로세서(102/202)는 설정 정보를 수신하기 위해 하나 이상의 메모리(104/204) 및/또는 하나 이상의 송수신기(106/206) 등을 제어할 수 있다.
그리고/또는, 단말(도 31 내지 도 34의 100/200)은 S2902 단계에서, 설정 정보에 기반하여, 적어도 하나의 참조 신호(reference signal, RS)를 기지국으로부터 수신할 수 있다.
예를 들어, S2902 단계의 단말이 적어도 하나의 RS를 수신하는 동작은 상술한 도 31 내지 도 34의 장치에 의해 구현될 수 있다. 예를 들어, 도 32를 참조하면, 하나 이상의 프로세서(102/202)는 적어도 하나의 RS를 수신하기 위해 하나 이상의 메모리(104/204) 및/또는 하나 이상의 송수신기(106/206) 등을 제어할 수 있다.
그리고/또는, 단말(도 31 내지 도 34의 100/200)은 S2903 단계에서, 적어도 하나의 RS에 기반하여, 제1 인스턴스에 대한 제1 빔 정보를 결정할 수 있다.
그리고/또는, RS는 동기 신호 블록(synchronization signal block, SSB) 또는 채널 상태 정보-참조 신호(channel state information-reference signal, CSI-RS)일 수 있다. 예를 들어, 각 RS는 특정 빔에 대응할 수 있다. 도 9의 SSB beam과 CSI-RS beam의 내용은 참조될 수 있다.
그리고/또는, 제1 빔 정보는 상기 하나 이상의 RS 식별자(identifier, ID)들 및 상기 하나 이상의 RS ID들에 대한 품질 값들을 포함할 수 있다. 예를 들어, RS ID는 SSB 자원 지시자(SSB resource indicator, SSBRI) 또는 CSI-RS 자원 지시자(CSI-RS resource indicator, CRI)일 수 있다. 예를 들어, 품질 값은 참조 신호 수신 전력(reference signal received power, RSRP) 값 또는 신호 대 간섭 및 잡음비(signal to interference plus noise ratio, SINR) 값일 수 있다. 예를 들어, 제1 빔 정보는 N(N>=1)개의 best beam에 대응하는 RS ID들 및 이에 대한 L1-RSRP 값/L1-SINR 값들을 포함할 수 있다.
예를 들어, 제1 인스턴스는 빔 품질을 측정하기 위한 특정 시점을 의미할 수 있다. 예를 들어, 상기 제1 인스턴스는 상기 적어도 하나의 RS의 수신 시점, 상기 적어도 하나의 RS의 측정 시점, 또는 상기 제1 빔 정보의 전송 시점일 수 있다. 즉, 제1 인스턴스에 대한 제1 빔 정보는 특정 시점에서의 제1 빔 정보를 의미할 수 있다.
예를 들어, S2903 단계의 단말이 제1 빔 정보를 결정하는 동작은 상술한 도 31 내지 도 34의 장치에 의해 구현될 수 있다. 예를 들어, 도 32를 참조하면, 하나 이상의 프로세서(102/202)는 제1 빔 정보를 결정하기 위해 하나 이상의 메모리(104/204) 및/또는 하나 이상의 송수신기(106/206) 등을 제어할 수 있다.
그리고/또는, 단말(도 31 내지 도 34의 100/200)은 S2904 단계에서, 인공지능(artificial intelligence, AI)에 기반하여, 제2 인스턴스에 대한 제2 빔 정보를 예측/결정할 수 있다.
예를 들어, 제2 인스턴스는 빔 품질을 측정하고자 하는 미래의 특정 시점을 의미할 수 있다. 그리고/또는, 제2 인스턴스는 제1 인스턴스 이후의 기설정된 시점을 의미할 수 있다. 예를 들어, 제1 인스턴스는 적어도 하나의 RS의 수신 시점, 적어도 하나의 RS의 측정 시점, 또는 제1 빔 정보의 전송 시점이고, 제2 인스턴스는 제1 인스턴스 이후의 기설정된 시점일 수 있다.
예를 들어, AI는 기계 학습(machine learning, ML) 및/또는 심층 학습(deep learning)을 포함할 수 있다. 예를 들어, AI는 단말의 위치/이동 경로 및 특정 위치에 머무르는 시간 등에 대한 이동성 패턴을 학습할 수 있다. 예를 들어, AI는 단말의 현시점 및/또는 위치에서의 수신된 RS 및/또는 RS의 품질 값, 그리고/또는 이에 대한 미래의 시점 및/또는 위치에서의 RS의 품질 값, 그리고/또는 단말의 (시간에 따른) 이동 경로를 학습할 수 있다. 그리고/또는, AI는 단말의 현시점 및/또는 위치에서의 수신된 RS 및/또는 RS의 품질 값을 입력으로 받고 미래의 (시간에 따른) 이동 경로 및/또는 미래의 시점 및/또는 위치에서의 RS의 품질 값을 출력할 수 있다. 그리고/또는, AI는 상술한 바의 방식 이외 다양한 방식으로 학습 및/또는 동작하여 제2 빔 정보를 예측/결정하는 데 이용될 수 있다.
그리고/또는, 제2 빔 정보는 하나 이상의 RS ID들에 대응하는 빔들 각각이 제2 인스턴스에서 최상의 빔이 될 확률에 대한 정보를 포함할 수 있다. 예를 들어, 하나 이상의 RS ID들은 제1 빔 정보의 하나 이상의 RS ID들과 동일할 수 있다. 예를 들어, 하나 이상의 RS ID들이 CSI-RS#1, CSI-RS#2, CSI-RS#3, CSI-RS#4인 경우, 최상의 빔이 될 확률에 대한 정보는 {0, 0.5, 0.3, 0.2}일 수 있다. 이는, CSI-RS#2에 대응하는 빔이 제2 인스턴스에서 최상의 빔이 될 확률이 가장 높은 것을 의미할 수 있다. 이와 관련된 보다 구체적인 설명은 상술한 제1 실시 예의 내용을 참조할 수 있다.
그리고/또는, 제2 빔 정보는 제2 인스턴스에서 예측/결정된 적어도 하나의 RS ID 및 상기 적어도 하나의 RS ID에 대응하는 품질 값을 포함할 수 있다. 예를 들어, 적어도 하나의 RS ID는 제1 빔 정보의 하 이상의 RS ID들과 다른 RS ID 및/또는 다른 수의 RS ID를 의미할 수 있다. 이와 관련된 보다 구체적인 설명은 상술한 제1 실시 예의 내용을 참조할 수 있다.
그리고/또는, 제2 빔 정보는 제2 인스턴스에서의 상기 단말의 예측 위치에 기반하여 예측될 수 있다. 즉, 제2 빔 정보는 제2 인스턴스에서의 AI에 기반한 단말의 예측 위치/이동 경로에 따라 예측/결정된 적어도 하나의 RS ID 및 상기 적어도 하나의 RS ID에 대응하는 품질 값을 포함할 수 있다.
그리고/또는, 제2 빔 정보는 상기 제2 인스턴스에서의 선호되는 패널(panel)에 대한 정보를 더 포함할 수 있다. 예를 들어, 제2 빔 정보는 AI에 기반하여 예측/결정된 제2 인스턴스에서의 가장 선호되는 하나 이상의 패널 ID들을 포함할 수 있다.
그리고/또는, 품질 값은 RSRP 값 또는 SINR 값일 수 있다. RS는 SSB 또는 CSI-RS일 수 있다. 그리고/또는, 상기 RS ID는 SSBRI 또는 CRI일 수 있다.
예를 들어, S2904 단계의 단말이 제2 빔 정보를 예측하는 동작은 상술한 도 31 내지 도 34의 장치에 의해 구현될 수 있다. 예를 들어, 도 32를 참조하면, 하나 이상의 프로세서(102/202)는 제2 빔 정보를 예측하기 위해 하나 이상의 메모리(104/204) 및/또는 하나 이상의 송수신기(106/206) 등을 제어할 수 있다.
그리고/또는, 단말(도 31 내지 도 34의 100/200)은 S2905 단계에서, 제1 빔 정보 및 제2 빔 정보를 포함하는 빔 정보를 기지국으로 전송할 수 있다.
그리고/또는, 빔 정보는 상기 빔 정보가 유효한 시간 구간에 대한 정보를 더 포함할 수 있다. 예를 들어, 빔 정보는 제1 빔 정보가 유효한 시간 구간에 대한 정보 및/또는 제2 빔 정보가 유효한 시간 구간에 대한 정보 및/또는 빔 정보가 유효한 시간 구간에 대한 정보를 포함할 수 있다. 이와 관련된 보다 구체적인 설명은 상술한 제2 실시 예의 내용을 참조할 수 있다.
도 29의 단말의 동작 방법은 제1 인스턴스/제2 인스턴스에 대한 빔 정보를 전송하는 동작을 중심으로 설명됐으나, 둘 이상의 인스턴스에 대한 빔 정보를 전송하는 동작에 적용/확장될 수 있음은 물론이다.
예를 들어, S2905 단계의 단말이 빔 정보를 전송하는 동작은 상술한 도 31 내지 도 34의 장치에 의해 구현될 수 있다. 예를 들어, 도 32를 참조하면, 하나 이상의 프로세서(102/202)는 빔 정보를 전송하기 위해 하나 이상의 메모리(104/204) 및/또는 하나 이상의 송수신기(106/206) 등을 제어할 수 있다.
도 29를 참조하여 설명한 단말의 동작은 도 1 내지 도 28을 참조하여 설명한 단말의 동작(예: 제1 실시 예 내지 제2 실시 예)과 동일하므로 이외 상세한 설명은 생략한다.
도 29를 참조하여 설명한 단말의 동작 방법은 제1 실시 예 내지 제2 실시 예의 제안 방법들과 결합하여 적용되거나 또는 대체되어 적용될 수 있다. 그리고/또는, 도 29의 단말의 동작 방법은 제1 실시 예 내지 제2 실시 예의 제안 방법들에 의해 보충될 수 있다.
상술한 시그널링(signaling) 및 동작은 이하 설명될 장치(예: 도 31 내지 도 34)에 의해 구현될 수 있다. 예를 들어, 상술한 시그널링 및 동작은 도 31 내지 도 34의 하나 이상의 프로세서에 의해 처리될 수 있으며, 상술한 시그널링 및 동작은 도 31 내지 도 34의 적어도 하나의 프로세서를 구동하기 위한 명령어/프로그램(예: instruction, executable code) 형태로 메모리에 저장될 수도 있다.
예를 들어, 무선 통신 시스템에서 빔 정보를 전송하도록 단말을 제어하기 위해 설정된 프로세서 장치(processing apparatus)는, 적어도 하나의 프로세서와, 상기 적어도 하나의 프로세서에 작동 가능하게 연결되고, 상기 적어도 하나의 프로세서에 의해 실행되는 것에 기반하여, 동작들을 수행하는 명령어(instruction)들을 저장하는 적어도 하나의 메모리를 포함하고, 상기 동작들은, 상기 빔 정보에 대한 설정 정보를 기지국으로부터 수신하는 단계와, 상기 설정 정보에 기반하여 적어도 하나의 참조 신호(reference signal, RS)를 상기 기지국으로부터 수신하는 단계와, 상기 적어도 하나의 RS에 기반하여, 제1 인스턴스에 대한 제1 빔 정보를 결정하는 단계, 상기 제1 빔 정보는 상기 하나 이상의 RS 식별자(identifier, ID)들 및 상기 하나 이상의 RS ID들에 대한 품질 값들을 포함하고, 인공지능(artificial intelligence, AI)에 기반하여, 제2 인스턴스에 대한 제2 빔 정보를 예측하는 단계, 상기 제2 빔 정보는 상기 하나 이상의 RS ID들에 대응하는 빔들 각각이 상기 제2 인스턴스에서 최상의 빔이 될 확률에 대한 정보 또는, 상기 제2 인스턴스에서 예측된 적어도 하나의 RS ID 및 상기 적어도 하나의 RS ID에 대응하는 품질 값을 포함하고, 상기 제1 빔 정보 및 상기 제2 빔 정보를 포함하는 상기 빔 정보를 상기 기지국으로 전송할 수 있다.
예를 들어, 적어도 하나의 프로세서에 의해 실행되는 것에 기반하여, 상기 적어도 하나의 프로세서가 동작들을 제어하도록 하는 적어도 하나의 명령어(instruction)를 저장하는 컴퓨터 판독 가능 저장 매체(computer-readable storage medium)에 있어서, 상기 동작들은, 빔 정보에 대한 설정 정보를 기지국으로부터 수신하는 단계와, 상기 설정 정보에 기반하여 적어도 하나의 참조 신호(reference signal, RS)를 상기 기지국으로부터 수신하는 단계와, 상기 적어도 하나의 RS에 기반하여, 제1 인스턴스에 대한 제1 빔 정보를 결정하는 단계, 상기 제1 빔 정보는 상기 하나 이상의 RS 식별자(identifier, ID)들 및 상기 하나 이상의 RS ID들에 대한 품질 값들을 포함하고, 인공지능(artificial intelligence, AI)에 기반하여, 제2 인스턴스에 대한 제2 빔 정보를 예측하는 단계, 상기 제2 빔 정보는 상기 하나 이상의 RS ID들에 대응하는 빔들 각각이 상기 제2 인스턴스에서 최상의 빔이 될 확률에 대한 정보 또는, 상기 제2 인스턴스에서 예측된 적어도 하나의 RS ID 및 상기 적어도 하나의 RS ID에 대응하는 품질 값을 포함하고, 상기 제1 빔 정보 및 상기 제2 빔 정보를 포함하는 상기 빔 정보를 상기 기지국으로 전송하는 단계를 포함할 수 있다.
도 30은 본 명세서에서 제안하는 기지국의 동작 방법을 설명하기 위한 흐름도이다.
도 30을 참조하면, 먼저, 기지국(도 31 내지 도 34의 100/200)은 S3001 단계에서, 빔 정보에 대한 설정 정보를 단말로 전송할 수 있다. 예를 들어, 설정 정보는 표 5의 CSI-ResourceConfig IE 및/또는 도 12 및 도 13의 NZP CSI-RS resource set IE일 수 있다. 예를 들어, 도 30의 기지국의 동작 방법에는 도 8 내지 도 13을 참조하여 설명한 빔 관리 절차가 참조될 수 있다.
예를 들어, S3001 단계의 기지국이 설정 정보를 전송하는 동작은 상술한 도 31 내지 도 34의 장치에 의해 구현될 수 있다. 예를 들어, 도 32를 참조하면, 하나 이상의 프로세서(102/202)는 설정 정보를 전송하기 위해 하나 이상의 메모리(104/204) 및/또는 하나 이상의 송수신기(106/206) 등을 제어할 수 있다.
그리고/또는, 기지국(도 31 내지 도 34의 100/200)은 S3002 단계에서, 설정 정보에 기반하여 적어도 하나의 참조 신호(reference signal, RS)를 단말로 전송할 수 있다.
예를 들어, S3002 단계의 기지국이 적어도 하나의 RS를 전송하는 동작은 상술한 도 31 내지 도 34의 장치에 의해 구현될 수 있다. 예를 들어, 도 32를 참조하면, 하나 이상의 프로세서(102/202)는 적어도 하나의 RS를 전송하기 위해 하나 이상의 메모리(104/204) 및/또는 하나 이상의 송수신기(106/206) 등을 제어할 수 있다.
그리고/또는, 제1 인스턴스에 대한 제1 빔 정보는 적어도 하나의 RS에 기반하여 결정될 수 있다. 그리고/또는, RS는 동기 신호 블록(synchronization signal block, SSB) 또는 채널 상태 정보-참조 신호(channel state information-reference signal, CSI-RS)일 수 있다. 예를 들어, 각 RS는 특정 빔에 대응할 수 있다. 도 9의 SSB beam과 CSI-RS beam의 내용은 참조될 수 있다.
그리고/또는, 제1 빔 정보는 하나 이상의 RS 식별자(identifier, ID)들 및 하나 이상의 RS ID들에 대한 품질 값들을 포함할 수 있다. 예를 들어, RS ID는 SSB 자원 지시자(SSB resource indicator, SSBRI) 또는 CSI-RS 자원 지시자(CSI-RS resource indicator, CRI)일 수 있다. 예를 들어, 품질 값은 참조 신호 수신 전력(reference signal received power, RSRP) 값 또는 신호 대 간섭 및 잡음비(signal to interference plus noise ratio, SINR) 값일 수 있다. 예를 들어, 제1 빔 정보는 N(N>=1)개의 best beam에 대응하는 RS ID들 및 이에 대한 L1-RSRP 값/L1-SINR 값들을 포함할 수 있다.
예를 들어, 제1 인스턴스는 빔 품질을 측정하기 위한 특정 시점을 의미할 수 있다. 예를 들어, 제1 인스턴스는 적어도 하나의 RS의 수신 시점, 적어도 하나의 RS의 측정 시점, 또는 제1 빔 정보의 전송 시점일 수 있다. 즉, 제1 인스턴스에 대한 제1 빔 정보는 특정 시점에서의 제1 빔 정보를 의미할 수 있다.
그리고/또는, 제2 인스턴스에 대한 제2 빔 정보는 인공지능(artificial intelligence, AI)에 기반하여 예측/결정될 수 있다.
예를 들어, 제2 인스턴스는 빔 품질을 측정하고자 하는 미래의 특정 시점을 의미할 수 있다. 그리고/또는, 제1 인스턴스 이후의 기설정된 시점을 의미할 수 있다. 예를 들어, 제1 인스턴스는 적어도 하나의 RS의 수신 시점, 적어도 하나의 RS의 측정 시점, 또는 제1 빔 정보의 전송 시점이고, 제2 인스턴스는 제1 인스턴스 이후의 기설정된 시점일 수 있다.
예를 들어, AI는 기계 학습(machine learning, ML) 및/또는 심층 학습(deep learning)을 포함할 수 있다. 예를 들어, AI는 단말의 위치/이동 경로 및 특정 위치에 머무르는 시간 등에 대한 이동성 패턴을 학습할 수 있다. 예를 들어, AI는 단말의 현시점 및/또는 위치에서의 수신된 RS 및/또는 RS의 품질 값, 그리고/또는 이에 대한 미래의 시점 및/또는 위치에서의 RS의 품질 값, 그리고/또는 단말의 (시간에 따른) 이동 경로를 학습할 수 있다. 그리고/또는, AI는 단말의 현시점 및/또는 위치에서의 수신된 RS 및/또는 RS의 품질 값을 입력으로 받고 미래의 (시간에 따른) 이동 경로 및/또는 미래의 시점 및/또는 위치에서의 RS의 품질 값을 출력할 수 있다. 그리고/또는, AI는 상술한 바의 방식 이외 다양한 방식으로 학습 및/또는 동작하여 제2 빔 정보를 예측/결정하는 데 이용될 수 있다.
그리고/또는, 제2 빔 정보는 하나 이상의 RS ID들에 대응하는 빔들 각각이 제2 인스턴스에서 최상의 빔이 될 확률에 대한 정보를 포함할 수 있다. 예를 들어, 하나 이상의 RS ID들은 제1 빔 정보의 하나 이상의 RS ID들과 동일할 수 있다. 예를 들어, 하나 이상의 RS ID들이 CSI-RS#1, CSI-RS#2, CSI-RS#3, CSI-RS#4인 경우, 최상의 빔이 될 확률에 대한 정보는 {0, 0.5, 0.3, 0.2}일 수 있다. 이는, CSI-RS#2에 대응하는 빔이 제2 인스턴스에서 최상의 빔이 될 확률이 가장 높은 것을 의미할 수 있다. 이와 관련된 보다 구체적인 설명은 상술한 제1 실시 예의 내용을 참조할 수 있다.
그리고/또는, 제2 빔 정보는 제2 인스턴스에서 예측/결정된 적어도 하나의 RS ID 및 상기 적어도 하나의 RS ID에 대응하는 품질 값을 포함할 수 있다. 예를 들어, 적어도 하나의 RS ID는 제1 빔 정보의 하 이상의 RS ID들과 다른 RS ID 및/또는 다른 수의 RS ID를 의미할 수 있다. 이와 관련된 보다 구체적인 설명은 상술한 제1 실시 예의 내용을 참조할 수 있다.
그리고/또는, 제2 빔 정보는 제2 인스턴스에서의 상기 단말의 예측 위치에 기반하여 예측될 수 있다. 즉, 제2 빔 정보는 제2 인스턴스에서의 AI에 기반한 단말의 예측 위치/이동 경로에 따라 예측/결정된 적어도 하나의 RS ID 및 상기 적어도 하나의 RS ID에 대응하는 품질 값을 포함할 수 있다.
그리고/또는, 제2 빔 정보는 상기 제2 인스턴스에서의 선호되는 패널(panel)에 대한 정보를 더 포함할 수 있다. 예를 들어, 제2 빔 정보는 AI에 기반하여 예측/결정된 제2 인스턴스에서의 가장 선호되는 하나 이상의 패널 ID들을 포함할 수 있다.
그리고/또는, 품질 값은 RSRP 값 또는 SINR 값일 수 있다. RS는 SSB 또는 CSI-RS일 수 있다. 그리고/또는, 상기 RS ID는 SSBRI 또는 CRI일 수 있다.
그리고/또는, 기지국(도 31 내지 도 34의 100/200)은 S3003 단계에서, 제1 빔 정보 및 제2 빔 정보를 포함하는 빔 정보를 단말로부터 수신할 수 있다.
그리고/또는, 빔 정보는 상기 빔 정보가 유효한 시간 구간에 대한 정보를 더 포함할 수 있다. 예를 들어, 빔 정보는 제1 빔 정보가 유효한 시간 구간에 대한 정보 및/또는 제2 빔 정보가 유효한 시간 구간에 대한 정보 및/또는 빔 정보가 유효한 시간 구간에 대한 정보를 포함할 수 있다. 이와 관련된 보다 구체적인 설명은 상술한 제2 실시 예의 내용을 참조할 수 있다.
도 30의 기지국의 동작 방법은 제1 인스턴스/제2 인스턴스에 대한 빔 정보를 전송하는 동작을 중심으로 설명됐으나, 둘 이상의 인스턴스에 대한 빔 정보를 전송하는 동작에 적용/확장될 수 있음은 물론이다.
예를 들어, S3003 단계의 기지국이 빔 정보를 수신하는 동작은 상술한 도 31 내지 도 34의 장치에 의해 구현될 수 있다. 예를 들어, 도 32를 참조하면, 하나 이상의 프로세서(102/202)는 빔 정보를 수신하기 위해 하나 이상의 메모리(104/204) 및/또는 하나 이상의 송수신기(106/206) 등을 제어할 수 있다.
도 30을 참조하여 설명한 기지국의 동작은 도 1 내지 도 29를 참조하여 설명한 기지국의 동작(예: 제1 실시 예 내지 제2 실시 예)과 동일하므로 이외 상세한 설명은 생략한다.
도 30을 참조하여 설명한 기지국의 동작 방법은 제1 실시 예 내지 제2 실시 예의 제안 방법들과 결합하여 적용되거나 또는 대체되어 적용될 수 있다. 그리고/또는, 도 30의 기지국의 동작 방법은 제1 실시 예 내지 제2 실시 예의 제안 방법들에 의해 보충될 수 있다.
상술한 시그널링(signaling) 및 동작은 이하 설명될 장치(예: 도 31 내지 도 34)에 의해 구현될 수 있다. 예를 들어, 상술한 시그널링 및 동작은 도 31 내지 도 34의 하나 이상의 프로세서에 의해 처리될 수 있으며, 상술한 시그널링 및 동작은 도 31 내지 도 34의 적어도 하나의 프로세서를 구동하기 위한 명령어/프로그램(예: instruction, executable code) 형태로 메모리에 저장될 수도 있다.
예를 들어, 무선 통신 시스템에서 빔 정보를 수신하도록 기지국을 제어하기 위해 설정된 프로세서 장치(processing apparatus)는, 적어도 하나의 프로세서와, 상기 적어도 하나의 프로세서에 작동 가능하게 연결되고, 상기 적어도 하나의 프로세서에 의해 실행되는 것에 기반하여, 동작들을 수행하는 명령어(instruction)들을 저장하는 적어도 하나의 메모리를 포함하고, 상기 동작들은, 상기 빔 정보에 대한 설정 정보를 단말로 전송하는 단계와, 상기 설정 정보에 기반하여 적어도 하나의 참조 신호(reference signal, RS)를 상기 단말로 전송하는 단계와, 제1 인스턴스에 대한 제1 빔 정보는 상기 적어도 하나의 RS에 기반하여 결정되고, 상기 제1 빔 정보는 상기 하나 이상의 RS 식별자(identifier, ID)들 및 상기 하나 이상의 RS ID들에 대한 품질 값들을 포함하며, 제2 인스턴스에 대한 제2 빔 정보는 인공지능(artificial intelligence, AI)에 기반하여 예측되고, 상기 제2 빔 정보는 상기 하나 이상의 RS ID들에 대응하는 빔들 각각이 상기 제2 인스턴스에서 최상의 빔이 될 확률에 대한 정보 또는, 상기 제2 인스턴스에서 예측된 적어도 하나의 RS ID 및 상기 적어도 하나의 RS ID에 대응하는 품질 값을 포함하며, 상기 제1 빔 정보 및 상기 제2 빔 정보를 포함하는 상기 빔 정보를 상기 단말로부터 수신할 수 있다.
예를 들어, 적어도 하나의 프로세서에 의해 실행되는 것에 기반하여, 상기 적어도 하나의 프로세서가 동작들을 제어하도록 하는 적어도 하나의 명령어(instruction)를 저장하는 컴퓨터 판독 가능 저장 매체(computer-readable storage medium)에 있어서, 상기 동작들은, 빔 정보에 대한 설정 정보를 단말로 전송하는 단계와, 상기 설정 정보에 기반하여 적어도 하나의 참조 신호(reference signal, RS)를 상기 단말로 전송하는 단계와, 제1 인스턴스에 대한 제1 빔 정보는 상기 적어도 하나의 RS에 기반하여 결정되고, 상기 제1 빔 정보는 상기 하나 이상의 RS 식별자(identifier, ID)들 및 상기 하나 이상의 RS ID들에 대한 품질 값들을 포함하며, 제2 인스턴스에 대한 제2 빔 정보는 인공지능(artificial intelligence, AI)에 기반하여 예측되고, 상기 제2 빔 정보는 상기 하나 이상의 RS ID들에 대응하는 빔들 각각이 상기 제2 인스턴스에서 최상의 빔이 될 확률에 대한 정보 또는, 상기 제2 인스턴스에서 예측된 적어도 하나의 RS ID 및 상기 적어도 하나의 RS ID에 대응하는 품질 값을 포함하며, 상기 제1 빔 정보 및 상기 제2 빔 정보를 포함하는 상기 빔 정보를 상기 단말로부터 수신하는 단계를 포함할 수 있다.
본 명세서가 적용되는 통신 시스템 예
이로 제한되는 것은 아니지만, 본 문서에 개시된 본 발명의 다양한 설명, 기능, 절차, 제안, 방법 및/또는 동작 순서도들은 기기들간에 무선 통신/연결(예, 5G)을 필요로 하는 다양한 분야에 적용될 수 있다.
이하, 도면을 참조하여 보다 구체적으로 예시한다. 이하의 도면/설명에서 동일한 도면 부호는 다르게 기술하지 않는 한, 동일하거나 대응되는 하드웨어 블록, 소프트웨어 블록 또는 기능 블록을 예시할 수 있다.
도 31은 본 명세서에 적용되는 통신 시스템(1)을 예시한다.
도 31을 참조하면, 본 명세서에 적용되는 통신 시스템(1)은 무선 기기, 기지국 및 네트워크를 포함한다. 여기서, 무선 기기는 무선 접속 기술(예, 5G NR(New RAT), LTE(Long Term Evolution))을 이용하여 통신을 수행하는 기기를 의미하며, 통신/무선/5G 기기로 지칭될 수 있다. 이로 제한되는 것은 아니지만, 무선 기기는 로봇(100a), 차량(100b-1, 100b-2), XR(eXtended Reality) 기기(100c), 휴대 기기(Hand-held device)(100d), 가전(100e), IoT(Internet of Thing) 기기(100f), AI기기/서버(400)를 포함할 수 있다. 예를 들어, 차량은 무선 통신 기능이 구비된 차량, 자율 주행 차량, 차량간 통신을 수행할 수 있는 차량 등을 포함할 수 있다. 여기서, 차량은 UAV(Unmanned Aerial Vehicle)(예, 드론)를 포함할 수 있다. XR 기기는 AR(Augmented Reality)/VR(Virtual Reality)/MR(Mixed Reality) 기기를 포함하며, HMD(Head-Mounted Device), 차량에 구비된 HUD(Head-Up Display), 텔레비전, 스마트폰, 컴퓨터, 웨어러블 디바이스, 가전 기기, 디지털 사이니지(signage), 차량, 로봇 등의 형태로 구현될 수 있다. 휴대 기기는 스마트폰, 스마트패드, 웨어러블 기기(예, 스마트워치, 스마트글래스), 컴퓨터(예, 노트북 등) 등을 포함할 수 있다. 가전은 TV, 냉장고, 세탁기 등을 포함할 수 있다. IoT 기기는 센서, 스마트미터 등을 포함할 수 있다. 예를 들어, 기지국, 네트워크는 무선 기기로도 구현될 수 있으며, 특정 무선 기기(200a)는 다른 무선 기기에게 기지국/네트워크 노드로 동작할 수도 있다.
무선 기기(100a~100f)는 기지국(200)을 통해 네트워크(300)와 연결될 수 있다. 무선 기기(100a~100f)에는 AI(Artificial Intelligence) 기술이 적용될 수 있으며, 무선 기기(100a~100f)는 네트워크(300)를 통해 AI 서버(400)와 연결될 수 있다. 네트워크(300)는 3G 네트워크, 4G(예, LTE) 네트워크 또는 5G(예, NR) 네트워크 등을 이용하여 구성될 수 있다. 무선 기기(100a~100f)는 기지국(200)/네트워크(300)를 통해 서로 통신할 수도 있지만, 기지국/네트워크를 통하지 않고 직접 통신(e.g. 사이드링크 통신(sidelink communication))할 수도 있다. 예를 들어, 차량들(100b-1, 100b-2)은 직접 통신(e.g. V2V(Vehicle to Vehicle)/V2X(Vehicle to everything) communication)을 할 수 있다. 또한, IoT 기기(예, 센서)는 다른 IoT 기기(예, 센서) 또는 다른 무선 기기(100a~100f)와 직접 통신을 할 수 있다.
무선 기기(100a~100f)/기지국(200), 기지국(200)/기지국(200) 간에는 무선 통신/연결(150a, 150b, 150c)이 이뤄질 수 있다. 여기서, 무선 통신/연결은 상향/하향링크 통신(150a)과 사이드링크 통신(150b)(또는, D2D 통신), 기지국간 통신(150c)(e.g. relay, IAB(Integrated Access Backhaul)과 같은 다양한 무선 접속 기술(예, 5G NR)을 통해 이뤄질 수 있다. 무선 통신/연결(150a, 150b, 150c)을 통해 무선 기기와 기지국/무선 기기, 기지국과 기지국은 서로 무선 신호를 송신/수신할 수 있다. 예를 들어, 무선 통신/연결(150a, 150b, 150c)은 다양한 물리 채널을 통해 신호를 송신/수신할 수 있다. 이를 위해, 본 발명의 다양한 제안들에 기반하여, 무선 신호의 송신/수신을 위한 다양한 구성정보 설정 과정, 다양한 신호 처리 과정(예, 채널 인코딩/디코딩, 변조/복조, 자원 매핑/디매핑 등), 자원 할당 과정 등 중 적어도 일부가 수행될 수 있다.
본 명세서가 적용되는 무선 기기 예
도 32는 본 명세서에 적용될 수 있는 무선 기기를 예시한다.
도 32를 참조하면, 제1 무선 기기(100)와 제2 무선 기기(200)는 다양한 무선 접속 기술(예, LTE, NR)을 통해 무선 신호를 송수신할 수 있다. 여기서, {제1 무선 기기(100), 제2 무선 기기(200)}은 도 31의 {무선 기기(100x), 기지국(200)} 및/또는 {무선 기기(100x), 무선 기기(100x)}에 대응할 수 있다.
제1 무선 기기(100)는 하나 이상의 프로세서(102) 및 하나 이상의 메모리(104)를 포함하며, 추가적으로 하나 이상의 송수신기(106) 및/또는 하나 이상의 안테나(108)을 더 포함할 수 있다. 프로세서(102)는 메모리(104) 및/또는 송수신기(106)를 제어하며, 본 문서에 개시된 설명, 기능, 절차, 제안, 방법 및/또는 동작 순서도들을 구현하도록 구성될 수 있다. 예를 들어, 프로세서(102)는 메모리(104) 내의 정보를 처리하여 제1 정보/신호를 생성한 뒤, 송수신기(106)을 통해 제1 정보/신호를 포함하는 무선 신호를 전송할 수 있다. 또한, 프로세서(102)는 송수신기(106)를 통해 제2 정보/신호를 포함하는 무선 신호를 수신한 뒤, 제2 정보/신호의 신호 처리로부터 얻은 정보를 메모리(104)에 저장할 수 있다. 메모리(104)는 프로세서(102)와 연결될 수 있고, 프로세서(102)의 동작과 관련한 다양한 정보를 저장할 수 있다. 예를 들어, 메모리(104)는 프로세서(102)에 의해 제어되는 프로세스들 중 일부 또는 전부를 수행하거나, 본 문서에 개시된 설명, 기능, 절차, 제안, 방법 및/또는 동작 순서도들을 수행하기 위한 명령들을 포함하는 소프트웨어 코드를 저장할 수 있다. 여기서, 프로세서(102)와 메모리(104)는 무선 통신 기술(예, LTE, NR)을 구현하도록 설계된 통신 모뎀/회로/칩의 일부일 수 있다. 송수신기(106)는 프로세서(102)와 연결될 수 있고, 하나 이상의 안테나(108)를 통해 무선 신호를 송신 및/또는 수신할 수 있다. 송수신기(106)는 송신기 및/또는 수신기를 포함할 수 있다. 송수신기(106)는 RF(Radio Frequency) 유닛과 혼용될 수 있다. 본 발명에서 무선 기기는 통신 모뎀/회로/칩을 의미할 수도 있다.
제2 무선 기기(200)는 하나 이상의 프로세서(202), 하나 이상의 메모리(204)를 포함하며, 추가적으로 하나 이상의 송수신기(206) 및/또는 하나 이상의 안테나(208)를 더 포함할 수 있다. 프로세서(202)는 메모리(204) 및/또는 송수신기(206)를 제어하며, 본 문서에 개시된 설명, 기능, 절차, 제안, 방법 및/또는 동작 순서도들을 구현하도록 구성될 수 있다. 예를 들어, 프로세서(202)는 메모리(204) 내의 정보를 처리하여 제3 정보/신호를 생성한 뒤, 송수신기(206)를 통해 제3 정보/신호를 포함하는 무선 신호를 전송할 수 있다. 또한, 프로세서(202)는 송수신기(206)를 통해 제4 정보/신호를 포함하는 무선 신호를 수신한 뒤, 제4 정보/신호의 신호 처리로부터 얻은 정보를 메모리(204)에 저장할 수 있다. 메모리(204)는 프로세서(202)와 연결될 수 있고, 프로세서(202)의 동작과 관련한 다양한 정보를 저장할 수 있다. 예를 들어, 메모리(204)는 프로세서(202)에 의해 제어되는 프로세스들 중 일부 또는 전부를 수행하거나, 본 문서에 개시된 설명, 기능, 절차, 제안, 방법 및/또는 동작 순서도들을 수행하기 위한 명령들을 포함하는 소프트웨어 코드를 저장할 수 있다. 여기서, 프로세서(202)와 메모리(204)는 무선 통신 기술(예, LTE, NR)을 구현하도록 설계된 통신 모뎀/회로/칩의 일부일 수 있다. 송수신기(206)는 프로세서(202)와 연결될 수 있고, 하나 이상의 안테나(208)를 통해 무선 신호를 송신 및/또는 수신할 수 있다. 송수신기(206)는 송신기 및/또는 수신기를 포함할 수 있다 송수신기(206)는 RF 유닛과 혼용될 수 있다. 본 발명에서 무선 기기는 통신 모뎀/회로/칩을 의미할 수도 있다.
이하, 무선 기기(100, 200)의 하드웨어 요소에 대해 보다 구체적으로 설명한다. 이로 제한되는 것은 아니지만, 하나 이상의 프로토콜 계층이 하나 이상의 프로세서(102, 202)에 의해 구현될 수 있다. 예를 들어, 하나 이상의 프로세서(102, 202)는 하나 이상의 계층(예, PHY, MAC, RLC, PDCP, RRC, SDAP와 같은 기능적 계층)을 구현할 수 있다. 하나 이상의 프로세서(102, 202)는 본 문서에 개시된 설명, 기능, 절차, 제안, 방법 및/또는 동작 순서도들에 따라 하나 이상의 PDU(Protocol Data Unit) 및/또는 하나 이상의 SDU(Service Data Unit)를 생성할 수 있다. 하나 이상의 프로세서(102, 202)는 본 문서에 개시된 설명, 기능, 절차, 제안, 방법 및/또는 동작 순서도들에 따라 메시지, 제어정보, 데이터 또는 정보를 생성할 수 있다. 하나 이상의 프로세서(102, 202)는 본 문서에 개시된 기능, 절차, 제안 및/또는 방법에 따라 PDU, SDU, 메시지, 제어정보, 데이터 또는 정보를 포함하는 신호(예, 베이스밴드 신호)를 생성하여, 하나 이상의 송수신기(106, 206)에게 제공할 수 있다. 하나 이상의 프로세서(102, 202)는 하나 이상의 송수신기(106, 206)로부터 신호(예, 베이스밴드 신호)를 수신할 수 있고, 본 문서에 개시된 설명, 기능, 절차, 제안, 방법 및/또는 동작 순서도들에 따라 PDU, SDU, 메시지, 제어정보, 데이터 또는 정보를 획득할 수 있다.
하나 이상의 프로세서(102, 202)는 컨트롤러, 마이크로 컨트롤러, 마이크로 프로세서 또는 마이크로 컴퓨터로 지칭될 수 있다. 하나 이상의 프로세서(102, 202)는 하드웨어, 펌웨어, 소프트웨어, 또는 이들의 조합에 의해 구현될 수 있다. 일 예로, 하나 이상의 ASIC(Application Specific Integrated Circuit), 하나 이상의 DSP(Digital Signal Processor), 하나 이상의 DSPD(Digital Signal Processing Device), 하나 이상의 PLD(Programmable Logic Device) 또는 하나 이상의 FPGA(Field Programmable Gate Arrays)가 하나 이상의 프로세서(102, 202)에 포함될 수 있다. 본 문서에 개시된 설명, 기능, 절차, 제안, 방법 및/또는 동작 순서도들은 펌웨어 또는 소프트웨어를 사용하여 구현될 수 있고, 펌웨어 또는 소프트웨어는 모듈, 절차, 기능 등을 포함하도록 구현될 수 있다. 본 문서에 개시된 설명, 기능, 절차, 제안, 방법 및/또는 동작 순서도들은 수행하도록 설정된 펌웨어 또는 소프트웨어는 하나 이상의 프로세서(102, 202)에 포함되거나, 하나 이상의 메모리(104, 204)에 저장되어 하나 이상의 프로세서(102, 202)에 의해 구동될 수 있다. 본 문서에 개시된 설명, 기능, 절차, 제안, 방법 및/또는 동작 순서도들은 코드, 명령어 및/또는 명령어의 집합 형태로 펌웨어 또는 소프트웨어를 사용하여 구현될 수 있다.
하나 이상의 메모리(104, 204)는 하나 이상의 프로세서(102, 202)와 연결될 수 있고, 다양한 형태의 데이터, 신호, 메시지, 정보, 프로그램, 코드, 지시 및/또는 명령을 저장할 수 있다. 하나 이상의 메모리(104, 204)는 ROM, RAM, EPROM, 플래시 메모리, 하드 드라이브, 레지스터, 캐쉬 메모리, 컴퓨터 판독 저장 매체 및/또는 이들의 조합으로 구성될 수 있다. 하나 이상의 메모리(104, 204)는 하나 이상의 프로세서(102, 202)의 내부 및/또는 외부에 위치할 수 있다. 또한, 하나 이상의 메모리(104, 204)는 유선 또는 무선 연결과 같은 다양한 기술을 통해 하나 이상의 프로세서(102, 202)와 연결될 수 있다.
하나 이상의 송수신기(106, 206)는 하나 이상의 다른 장치에게 본 문서의 방법들 및/또는 동작 순서도 등에서 언급되는 사용자 데이터, 제어 정보, 무선 신호/채널 등을 전송할 수 있다. 하나 이상의 송수신기(106, 206)는 하나 이상의 다른 장치로부터 본 문서에 개시된 설명, 기능, 절차, 제안, 방법 및/또는 동작 순서도 등에서 언급되는 사용자 데이터, 제어 정보, 무선 신호/채널 등을 수신할 수 있다. 예를 들어, 하나 이상의 송수신기(106, 206)는 하나 이상의 프로세서(102, 202)와 연결될 수 있고, 무선 신호를 송수신할 수 있다. 예를 들어, 하나 이상의 프로세서(102, 202)는 하나 이상의 송수신기(106, 206)가 하나 이상의 다른 장치에게 사용자 데이터, 제어 정보 또는 무선 신호를 전송하도록 제어할 수 있다. 또한, 하나 이상의 프로세서(102, 202)는 하나 이상의 송수신기(106, 206)가 하나 이상의 다른 장치로부터 사용자 데이터, 제어 정보 또는 무선 신호를 수신하도록 제어할 수 있다. 또한, 하나 이상의 송수신기(106, 206)는 하나 이상의 안테나(108, 208)와 연결될 수 있고, 하나 이상의 송수신기(106, 206)는 하나 이상의 안테나(108, 208)를 통해 본 문서에 개시된 설명, 기능, 절차, 제안, 방법 및/또는 동작 순서도 등에서 언급되는 사용자 데이터, 제어 정보, 무선 신호/채널 등을 송수신하도록 설정될 수 있다. 본 문서에서, 하나 이상의 안테나는 복수의 물리 안테나이거나, 복수의 논리 안테나(예, 안테나 포트)일 수 있다. 하나 이상의 송수신기(106, 206)는 수신된 사용자 데이터, 제어 정보, 무선 신호/채널 등을 하나 이상의 프로세서(102, 202)를 이용하여 처리하기 위해, 수신된 무선 신호/채널 등을 RF 밴드 신호에서 베이스밴드 신호로 변환(Convert)할 수 있다. 하나 이상의 송수신기(106, 206)는 하나 이상의 프로세서(102, 202)를 이용하여 처리된 사용자 데이터, 제어 정보, 무선 신호/채널 등을 베이스밴드 신호에서 RF 밴드 신호로 변환할 수 있다. 이를 위하여, 하나 이상의 송수신기(106, 206)는 (아날로그) 오실레이터 및/또는 필터를 포함할 수 있다.
본 명세서가 적용되는 무선 기기 활용 예
도 33은 본 명세서에 적용되는 무선 기기의 다른 예를 나타낸다. 무선 기기는 사용-예/서비스에 따라 다양한 형태로 구현될 수 있다.
도 33을 참조하면, 무선 기기(100, 200)는 도 32의 무선 기기(100,200)에 대응하며, 다양한 요소(element), 성분(component), 유닛/부(unit), 및/또는 모듈(module)로 구성될 수 있다. 예를 들어, 무선 기기(100, 200)는 통신부(110), 제어부(120), 메모리부(130) 및 추가 요소(140)를 포함할 수 있다. 통신부는 통신 회로(112) 및 송수신기(들)(114)을 포함할 수 있다. 예를 들어, 통신 회로(112)는 도 32의 하나 이상의 프로세서(102,202) 및/또는 하나 이상의 메모리(104,204)를 포함할 수 있다. 예를 들어, 송수신기(들)(114)는 도 32의 하나 이상의 송수신기(106,206) 및/또는 하나 이상의 안테나(108,208)을 포함할 수 있다. 제어부(120)는 통신부(110), 메모리부(130) 및 추가 요소(140)와 전기적으로 연결되며 무선 기기의 제반 동작을 제어한다. 예를 들어, 제어부(120)는 메모리부(130)에 저장된 프로그램/코드/명령/정보에 기반하여 무선 기기의 전기적/기계적 동작을 제어할 수 있다. 또한, 제어부(120)는 메모리부(130)에 저장된 정보를 통신부(110)을 통해 외부(예, 다른 통신 기기)로 무선/유선 인터페이스를 통해 전송하거나, 통신부(110)를 통해 외부(예, 다른 통신 기기)로부터 무선/유선 인터페이스를 통해 수신된 정보를 메모리부(130)에 저장할 수 있다.
추가 요소(140)는 무선 기기의 종류에 따라 다양하게 구성될 수 있다. 예를 들어, 추가 요소(140)는 파워 유닛/배터리, 입출력부(I/O unit), 구동부 및 컴퓨팅부 중 적어도 하나를 포함할 수 있다. 이로 제한되는 것은 아니지만, 무선 기기는 로봇(도 31, 100a), 차량(도 31, 100b-1, 100b-2), XR 기기(도 31, 100c), 휴대 기기(도 31, 100d), 가전(도 31, 100e), IoT 기기(도 31, 100f), 디지털 방송용 단말, 홀로그램 장치, 공공 안전 장치, MTC 장치, 의료 장치, 핀테크 장치(또는 금융 장치), 보안 장치, 기후/환경 장치, AI 서버/기기(도 31, 400), 기지국(도 31, 200), 네트워크 노드 등의 형태로 구현될 수 있다. 무선 기기는 사용-예/서비스에 따라 이동 가능하거나 고정된 장소에서 사용될 수 있다.
도 33에서 무선 기기(100, 200) 내의 다양한 요소, 성분, 유닛/부, 및/또는 모듈은 전체가 유선 인터페이스를 통해 상호 연결되거나, 적어도 일부가 통신부(110)를 통해 무선으로 연결될 수 있다. 예를 들어, 무선 기기(100, 200) 내에서 제어부(120)와 통신부(110)는 유선으로 연결되며, 제어부(120)와 제1 유닛(예, 130, 140)은 통신부(110)를 통해 무선으로 연결될 수 있다. 또한, 무선 기기(100, 200) 내의 각 요소, 성분, 유닛/부, 및/또는 모듈은 하나 이상의 요소를 더 포함할 수 있다. 예를 들어, 제어부(120)는 하나 이상의 프로세서 집합으로 구성될 수 있다. 예를 들어, 제어부(120)는 통신 제어 프로세서, 어플리케이션 프로세서(Application processor), ECU(Electronic Control Unit), 그래픽 처리 프로세서, 메모리 제어 프로세서 등의 집합으로 구성될 수 있다. 다른 예로, 메모리부(130)는 RAM(Random Access Memory), DRAM(Dynamic RAM), ROM(Read Only Memory), 플래시 메모리(flash memory), 휘발성 메모리(volatile memory), 비-휘발성 메모리(non-volatile memory) 및/또는 이들의 조합으로 구성될 수 있다.
본 명세서가 적용되는 휴대기기 예
도 34는 본 명세서에 적용되는 휴대 기기를 예시한다. 휴대 기기는 스마트폰, 스마트패드, 웨어러블 기기(예, 스마트워치, 스마트글래스), 휴대용 컴퓨터(예, 노트북 등)을 포함할 수 있다. 휴대 기기는 MS(Mobile Station), UT(user terminal), MSS(Mobile Subscriber Station), SS(Subscriber Station), AMS(Advanced Mobile Station) 또는 WT(Wireless terminal)로 지칭될 수 있다.
도 34를 참조하면, 휴대 기기(100)는 안테나부(108), 통신부(110), 제어부(120), 메모리부(130), 전원공급부(140a), 인터페이스부(140b) 및 입출력부(140c)를 포함할 수 있다. 안테나부(108)는 통신부(110)의 일부로 구성될 수 있다. 블록 110~130/140a~140c는 각각 도 33의 블록 110~130/140에 대응한다.
통신부(110)는 다른 무선 기기, 기지국들과 신호(예, 데이터, 제어 신호 등)를 송수신할 수 있다. 제어부(120)는 휴대 기기(100)의 구성 요소들을 제어하여 다양한 동작을 수행할 수 있다. 제어부(120)는 AP(Application Processor)를 포함할 수 있다. 메모리부(130)는 휴대 기기(100)의 구동에 필요한 데이터/파라미터/프로그램/코드/명령을 저장할 수 있다. 또한, 메모리부(130)는 입/출력되는 데이터/정보 등을 저장할 수 있다. 전원공급부(140a)는 휴대 기기(100)에게 전원을 공급하며, 유/무선 충전 회로, 배터리 등을 포함할 수 있다. 인터페이스부(140b)는 휴대 기기(100)와 다른 외부 기기의 연결을 지원할 수 있다. 인터페이스부(140b)는 외부 기기와의 연결을 위한 다양한 포트(예, 오디오 입/출력 포트, 비디오 입/출력 포트)를 포함할 수 있다. 입출력부(140c)는 영상 정보/신호, 오디오 정보/신호, 데이터, 및/또는 사용자로부터 입력되는 정보를 입력 받거나 출력할 수 있다. 입출력부(140c)는 카메라, 마이크로폰, 사용자 입력부, 디스플레이부(140d), 스피커 및/또는 햅틱 모듈 등을 포함할 수 있다.
일 예로, 데이터 통신의 경우, 입출력부(140c)는 사용자로부터 입력된 정보/신호(예, 터치, 문자, 음성, 이미지, 비디오)를 획득하며, 획득된 정보/신호는 메모리부(130)에 저장될 수 있다. 통신부(110)는 메모리에 저장된 정보/신호를 무선 신호로 변환하고, 변환된 무선 신호를 다른 무선 기기에게 직접 전송하거나 기지국에게 전송할 수 있다. 또한, 통신부(110)는 다른 무선 기기 또는 기지국으로부터 무선 신호를 수신한 뒤, 수신된 무선 신호를 원래의 정보/신호로 복원할 수 있다. 복원된 정보/신호는 메모리부(130)에 저장된 뒤, 입출력부(140c)를 통해 다양한 형태(예, 문자, 음성, 이미지, 비디오, 헵틱)로 출력될 수 있다.
본 명세서의 무선 기기(100, 200)에서 구현되는 무선 통신 기술은 LTE, NR 및 6G뿐만 아니라 저전력 통신을 위한 Narrowband Internet of Things를 포함할 수 있다. 이때, 예를 들어 NB-IoT 기술은 LPWAN(Low Power Wide Area Network) 기술의 일례일 수 있고, LTE Cat NB1 및/또는 LTE Cat NB2 등의 규격으로 구현될 수 있으며, 상술한 명칭에 한정되는 것은 아니다. 추가적으로 또는 대체적으로, 본 명세서의 무선 기기(100, 200)에서 구현되는 무선 통신 기술은 LTE-M 기술을 기반으로 통신을 수행할 수 있다. 이때, 일 예로, LTE-M 기술은 LPWAN 기술의 일례일 수 있고, eMTC(enhanced Machine Type Communication) 등의 다양한 명칭으로 불릴 수 있다. 예를 들어, LTE-M 기술은 1) LTE CAT 0, 2) LTE Cat M1, 3) LTE Cat M2, 4) LTE non-BL(non-Bandwidth Limited), 5) LTE-MTC, 6) LTE Machine Type Communication, 및/또는 7) LTE M 등의 다양한 규격 중 적어도 어느 하나로 구현될 수 있으며 상술한 명칭에 한정되는 것은 아니다. 추가적으로 또는 대체적으로, 본 명세서의 무선 기기(100, 200)에서 구현되는 무선 통신 기술은 저전력 통신을 고려한 지그비(ZigBee), 블루투스(Bluetooth) 및 저전력 광역 통신망(Low Power Wide Area Network, LPWAN) 중 적어도 어느 하나를 포함할 수 있으며, 상술한 명칭에 한정되는 것은 아니다. 일 예로 ZigBee 기술은 IEEE 802.15.4 등의 다양한 규격을 기반으로 소형/저-파워 디지털 통신에 관련된 PAN(personal area networks)을 생성할 수 있으며, 다양한 명칭으로 불릴 수 있다.
이상에서 설명된 실시 예들은 본 발명의 구성요소들과 특징들이 소정 형태로 결합된 것들이다. 각 구성요소 또는 특징은 별도의 명시적 언급이 없는 한 선택적인 것으로 고려되어야 한다. 각 구성요소 또는 특징은 다른 구성요소나 특징과 결합되지 않은 형태로 실시될 수 있다. 또한, 일부 구성요소들 및/또는 특징들을 결합하여 본 발명의 실시 예를 구성하는 것도 가능하다. 본 발명의 실시 예들에서 설명되는 동작들의 순서는 변경될 수 있다. 어느 실시예의 일부 구성이나 특징은 다른 실시 예에 포함될 수 있고, 또는 다른 실시예의 대응하는 구성 또는 특징과 교체될 수 있다. 특허청구범위에서 명시적인 인용 관계가 있지 않은 청구항들을 결합하여 실시 예를 구성하거나 출원 후의 보정에 의해 새로운 청구항으로 포함시킬 수 있음은 자명하다.
본 발명에 따른 실시 예는 다양한 수단, 예를 들어, 하드웨어, 펌웨어(firmware), 소프트웨어 또는 그것들의 결합 등에 의해 구현될 수 있다. 하드웨어에 의한 구현의 경우, 본 발명의 일 실시 예는 하나 또는 그 이상의 ASICs(application specific integrated circuits), DSPs(digital signal processors), DSPDs(digital signal processing devices), PLDs(programmable logic devices), FPGAs(field programmable gate arrays), 프로세서, 콘트롤러, 마이크로 콘트롤러, 마이크로 프로세서 등에 의해 구현될 수 있다.
펌웨어나 소프트웨어에 의한 구현의 경우, 본 발명의 일 실시 예는 이상에서 설명된 기능 또는 동작들을 수행하는 모듈, 절차, 함수 등의 형태로 구현될 수 있다. 소프트웨어 코드는 메모리에 저장되어 프로세서에 의해 구동될 수 있다. 상기 메모리는 상기 프로세서 내부 또는 외부에 위치하여, 이미 공지된 다양한 수단에 의해 상기 프로세서와 데이터를 주고 받을 수 있다.
본 발명은 본 발명의 필수적 특징을 벗어나지 않는 범위에서 다른 특정한 형태로 구체화될 수 있음은 통상의 기술자에게 자명하다. 따라서, 상술한 상세한 설명은 모든 면에서 제한적으로 해석되어서는 아니 되고 예시적인 것으로 고려되어야 한다. 본 발명의 범위는 첨부된 청구항의 합리적 해석에 의해 결정되어야 하고, 본 발명의 등가적 범위 내에서의 모든 변경은 본 발명의 범위에 포함된다.
본 명세서의 무선 통신 시스템에서 빔 정보를 송수신하는 방안은 3GPP LTE/LTE-A 시스템, 5G 시스템(New RAT 시스템)에 적용되는 예를 중심으로 설명하였으나, 이외에도 Beyond 5G, 6G, Beyond 6G 등 다양한 무선 통신 시스템에 적용하는 것이 가능하다.
Claims (20)
- 무선 통신 시스템에서 빔 정보를 전송하는 방법에 있어서, 단말에 의해 수행되는 방법은,
상기 빔 정보에 대한 설정 정보를 기지국으로부터 수신하는 단계;
상기 설정 정보에 기반하여, 적어도 하나의 참조 신호(reference signal, RS)를 상기 기지국으로부터 수신하는 단계;
상기 적어도 하나의 RS에 기반하여, 제1 인스턴스에 대한 제1 빔 정보를 결정하는 단계, 상기 제1 빔 정보는 상기 하나 이상의 RS 식별자(identifier, ID)들 및 상기 하나 이상의 RS ID들에 대한 품질 값들을 포함하고;
인공지능(artificial intelligence, AI)에 기반하여, 제2 인스턴스에 대한 제2 빔 정보를 예측하는 단계, 상기 제2 빔 정보는 상기 하나 이상의 RS ID들에 대응하는 빔들 각각이 상기 제2 인스턴스에서 최상의 빔이 될 확률에 대한 정보 또는, 상기 제2 인스턴스에서 예측된 적어도 하나의 RS ID 및 상기 적어도 하나의 RS ID에 대응하는 품질 값을 포함하고; 및
상기 제1 빔 정보 및 상기 제2 빔 정보를 포함하는 상기 빔 정보를 상기 기지국으로 전송하는 단계를 포함하는 방법. - 제1항에 있어서,
상기 제1 인스턴스는 상기 적어도 하나의 RS의 수신 시점, 상기 적어도 하나의 RS의 측정 시점, 또는 상기 제1 빔 정보의 전송 시점이고,
상기 제2 인스턴스는 상기 제1 인스턴스 이후의 기설정된 시점인 방법. - 제1항에 있어서,
상기 제2 빔 정보는 상기 제2 인스턴스에서의 상기 단말의 예측 위치에 기반하여 예측되는 방법. - 제1항에 있어서,
상기 제2 빔 정보는 상기 제2 인스턴스에서의 선호되는 패널(panel)에 대한 정보를 더 포함하는 방법. - 제1항에 있어서,
상기 품질 값은 참조 신호 수신 전력(reference signal received power, RSRP) 값 또는 신호 대 간섭 및 잡음비(signal to interference plus noise ratio, SINR) 값인 방법. - 제1항에 있어서,
상기 RS는 동기 신호 블록(synchronization signal block, SSB) 또는 채널 상태 정보-참조 신호(channel state information-reference signal, CSI-RS)인 방법. - 제1항에 있어서,
상기 RS ID는 SSB 자원 지시자(SSB resource indicator, SSBRI) 또는 CSI-RS 자원 지시자(CSI-RS resource indicator, CRI)인 방법. - 제1항에 있어서,
상기 빔 정보는 상기 빔 정보가 유효한 시간 구간에 대한 정보를 더 포함하는 방법. - 무선 통신 시스템에서 빔 정보를 전송하도록 설정된 단말에 있어서,
적어도 하나의 송수신기;
적어도 하나의 프로세서; 및
상기 적어도 하나의 프로세서에 작동 가능하게 연결되고, 상기 적어도 하나의 프로세서에 의해 실행되는 것에 기반하여, 동작들을 수행하는 명령어(instruction)들을 저장하는 적어도 하나의 메모리를 포함하고,
상기 동작들은,
상기 빔 정보에 대한 설정 정보를 기지국으로부터 수신하는 단계;
상기 설정 정보에 기반하여, 적어도 하나의 참조 신호(reference signal, RS)를 상기 기지국으로부터 수신하는 단계;
상기 적어도 하나의 RS에 기반하여, 제1 인스턴스에 대한 제1 빔 정보를 결정하는 단계, 상기 제1 빔 정보는 상기 하나 이상의 RS 식별자(identifier, ID)들 및 상기 하나 이상의 RS ID들에 대한 품질 값들을 포함하고;
인공지능(artificial intelligence, AI)에 기반하여, 제2 인스턴스에 대한 제2 빔 정보를 예측하는 단계, 상기 제2 빔 정보는 상기 하나 이상의 RS ID들에 대응하는 빔들 각각이 상기 제2 인스턴스에서 최상의 빔이 될 확률에 대한 정보 또는, 상기 제2 인스턴스에서 예측된 적어도 하나의 RS ID 및 상기 적어도 하나의 RS ID에 대응하는 품질 값을 포함하고; 및
상기 제1 빔 정보 및 상기 제2 빔 정보를 포함하는 상기 빔 정보를 상기 기지국으로 전송하는 단계를 포함하는 단말. - 무선 통신 시스템에서 빔 정보를 수신하는 방법에 있어서, 기지국에 의해 수행되는 방법은,
상기 빔 정보에 대한 설정 정보를 단말로 전송하는 단계;
상기 설정 정보에 기반하여, 적어도 하나의 참조 신호(reference signal, RS)를 상기 단말로 전송하는 단계,
제1 인스턴스에 대한 제1 빔 정보는 상기 적어도 하나의 RS에 기반하여 결정되고, 상기 제1 빔 정보는 상기 하나 이상의 RS 식별자(identifier, ID)들 및 상기 하나 이상의 RS ID들에 대한 품질 값들을 포함하며,
제2 인스턴스에 대한 제2 빔 정보는 인공지능(artificial intelligence, AI)에 기반하여 예측되고,
상기 제2 빔 정보는 상기 하나 이상의 RS ID들에 대응하는 빔들 각각이 상기 제2 인스턴스에서 최상의 빔이 될 확률에 대한 정보 또는, 상기 제2 인스턴스에서 예측된 적어도 하나의 RS ID 및 상기 적어도 하나의 RS ID에 대응하는 품질 값을 포함하며; 및
상기 제1 빔 정보 및 상기 제2 빔 정보를 포함하는 상기 빔 정보를 상기 단말로부터 수신하는 단계를 포함하는 방법. - 제10항에 있어서,
상기 제1 인스턴스는 상기 적어도 하나의 RS의 수신 시점, 상기 적어도 하나의 RS의 측정 시점, 또는 상기 제1 빔 정보의 전송 시점이고,
상기 제2 인스턴스는 상기 제1 인스턴스 이후의 기설정된 시점인 방법. - 제10항에 있어서,
상기 제2 빔 정보는 상기 제2 인스턴스에서의 상기 단말의 예측 위치에 기반하여 예측되는 방법. - 제10항에 있어서,
상기 제2 빔 정보는 상기 제2 인스턴스에서의 선호되는 패널(panel)에 대한 정보를 더 포함하는 방법. - 제10항에 있어서,
상기 품질 값은 참조 신호 수신 전력(reference signal received power, RSRP) 값 또는 신호 대 간섭 및 잡음비(signal to interference plus noise ratio, SINR) 값인 방법. - 제10항에 있어서,
상기 RS는 동기 신호 블록(synchronization signal block, SSB) 또는 채널 상태 정보-참조 신호(channel state information-reference signal, CSI-RS)인 방법. - 제10항에 있어서,
상기 RS ID는 SSB 자원 지시자(SSB resource indicator, SSBRI) 또는 CSI-RS 자원 지시자(CSI-RS resource indicator, CRI)인 방법. - 제10항에 있어서,
상기 빔 정보는 상기 빔 정보가 유효한 시간 구간에 대한 정보를 더 포함하는 방법. - 무선 통신 시스템에서 빔 정보를 수신하도록 설정된 기지국에 있어서,
적어도 하나의 송수신기;
적어도 하나의 프로세서; 및
상기 적어도 하나의 프로세서에 작동 가능하게 연결되고, 상기 적어도 하나의 프로세서에 의해 실행되는 것에 기반하여, 동작들을 수행하는 명령어(instruction)들을 저장하는 적어도 하나의 메모리를 포함하고,
상기 동작들은,
상기 빔 정보에 대한 설정 정보를 단말로 전송하는 단계;
상기 설정 정보에 기반하여, 적어도 하나의 참조 신호(reference signal, RS)를 상기 단말로 전송하는 단계,
제1 인스턴스에 대한 제1 빔 정보는 상기 적어도 하나의 RS에 기반하여 결정되고, 상기 제1 빔 정보는 상기 하나 이상의 RS 식별자(identifier, ID)들 및 상기 하나 이상의 RS ID들에 대한 품질 값들을 포함하며,
제2 인스턴스에 대한 제2 빔 정보는 인공지능(artificial intelligence, AI)에 기반하여 예측되고,
상기 제2 빔 정보는 상기 하나 이상의 RS ID들에 대응하는 빔들 각각이 상기 제2 인스턴스에서 최상의 빔이 될 확률에 대한 정보 또는, 상기 제2 인스턴스에서 예측된 적어도 하나의 RS ID 및 상기 적어도 하나의 RS ID에 대응하는 품질 값을 포함하며; 및
상기 제1 빔 정보 및 상기 제2 빔 정보를 포함하는 상기 빔 정보를 상기 단말로부터 수신하는 단계를 포함하는 기지국. - 무선 통신 시스템에서 빔 정보를 전송하도록 단말을 제어하기 위해 설정된 프로세서 장치(processing apparatus)에 있어서,
적어도 하나의 프로세서; 및
상기 적어도 하나의 프로세서에 작동 가능하게 연결되고, 상기 적어도 하나의 프로세서에 의해 실행되는 것에 기반하여, 동작들을 수행하는 명령어(instruction)들을 저장하는 적어도 하나의 메모리를 포함하고,
상기 동작들은,
상기 빔 정보에 대한 설정 정보를 기지국으로부터 수신하는 단계;
상기 설정 정보에 기반하여, 적어도 하나의 참조 신호(reference signal, RS)를 상기 기지국으로부터 수신하는 단계;
상기 적어도 하나의 RS에 기반하여, 제1 인스턴스에 대한 제1 빔 정보를 결정하는 단계, 상기 제1 빔 정보는 상기 하나 이상의 RS 식별자(identifier, ID)들 및 상기 하나 이상의 RS ID들에 대한 품질 값들을 포함하고;
인공지능(artificial intelligence, AI)에 기반하여, 제2 인스턴스에 대한 제2 빔 정보를 예측하는 단계, 상기 제2 빔 정보는 상기 하나 이상의 RS ID들에 대응하는 빔들 각각이 상기 제2 인스턴스에서 최상의 빔이 될 확률에 대한 정보 또는, 상기 제2 인스턴스에서 예측된 적어도 하나의 RS ID 및 상기 적어도 하나의 RS ID에 대응하는 품질 값을 포함하고; 및
상기 제1 빔 정보 및 상기 제2 빔 정보를 포함하는 상기 빔 정보를 상기 기지국으로 전송하는 단계를 포함하는 프로세서 장치. - 적어도 하나의 프로세서에 의해 실행되는 것에 기반하여, 상기 적어도 하나의 프로세서가 동작들을 제어하도록 하는 적어도 하나의 명령어(instruction)를 저장하는 컴퓨터 판독 가능 저장 매체(computer-readable storage medium)에 있어서,
상기 동작들은,
빔 정보에 대한 설정 정보를 기지국으로부터 수신하는 단계;
상기 설정 정보에 기반하여, 적어도 하나의 참조 신호(reference signal, RS)를 상기 기지국으로부터 수신하는 단계;
상기 적어도 하나의 RS에 기반하여, 제1 인스턴스에 대한 제1 빔 정보를 결정하는 단계, 상기 제1 빔 정보는 상기 하나 이상의 RS 식별자(identifier, ID)들 및 상기 하나 이상의 RS ID들에 대한 품질 값들을 포함하고;
인공지능(artificial intelligence, AI)에 기반하여, 제2 인스턴스에 대한 제2 빔 정보를 예측하는 단계, 상기 제2 빔 정보는 상기 하나 이상의 RS ID들에 대응하는 빔들 각각이 상기 제2 인스턴스에서 최상의 빔이 될 확률에 대한 정보 또는, 상기 제2 인스턴스에서 예측된 적어도 하나의 RS ID 및 상기 적어도 하나의 RS ID에 대응하는 품질 값을 포함하고; 및
상기 제1 빔 정보 및 상기 제2 빔 정보를 포함하는 상기 빔 정보를 상기 기지국으로 전송하는 단계를 포함하는 컴퓨터 판독 가능 저장 매체.
Applications Claiming Priority (3)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| KR1020210091981 | 2021-07-14 | ||
| KR20210091981 | 2021-07-14 | ||
| PCT/KR2022/009547 WO2023287086A1 (ko) | 2021-07-14 | 2022-07-01 | 무선 통신 시스템에서 빔 정보를 송수신하는 방법 및 이를 위한 장치 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| KR20240036036A true KR20240036036A (ko) | 2024-03-19 |
Family
ID=84920436
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| KR1020247005089A KR20240036036A (ko) | 2021-07-14 | 2022-07-01 | 무선 통신 시스템에서 빔 정보를 송수신하는 방법 및 이를 위한 장치 |
Country Status (3)
| Country | Link |
|---|---|
| EP (1) | EP4373002A1 (ko) |
| KR (1) | KR20240036036A (ko) |
| WO (1) | WO2023287086A1 (ko) |
Families Citing this family (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| WO2023211345A1 (en) * | 2022-04-28 | 2023-11-02 | Telefonaktiebolaget Lm Ericsson (Publ) | Network configuration identifier signalling for enabling user equipment-based beam predictions |
Family Cites Families (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US11451277B2 (en) * | 2018-05-03 | 2022-09-20 | Telefonaktiebolaget Lm Ericsson (Publ) | Systems and methods of controlling a component of a network node in a communication system |
| EP3804398A1 (en) * | 2018-05-29 | 2021-04-14 | Telefonaktiebolaget Lm Ericsson (Publ) | Reporting an indication of one or more estimated signal parameters |
| WO2020213964A1 (en) * | 2019-04-16 | 2020-10-22 | Samsung Electronics Co., Ltd. | Method and apparatus for reporting channel state information |
| WO2020101756A2 (en) * | 2019-06-28 | 2020-05-22 | Huawei Technologies Co., Ltd. | Method and apparatus of antenna array group selection and antenna array selection for device communications |
| US11476911B2 (en) * | 2019-09-19 | 2022-10-18 | Qualcomm Incorporated | System and method for determining channel state information |
-
2022
- 2022-07-01 KR KR1020247005089A patent/KR20240036036A/ko unknown
- 2022-07-01 WO PCT/KR2022/009547 patent/WO2023287086A1/ko active Application Filing
- 2022-07-01 EP EP22842348.9A patent/EP4373002A1/en active Pending
Also Published As
| Publication number | Publication date |
|---|---|
| EP4373002A1 (en) | 2024-05-22 |
| WO2023287086A1 (ko) | 2023-01-19 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| KR102107714B1 (ko) | 무선 통신 시스템에서 상향링크 전송을 수행하는 방법 및 이를 위한 장치 | |
| US11546925B2 (en) | Method for transmitting and receiving channel state information in wireless communication system and apparatus therefor | |
| US11539417B2 (en) | Method for transmitting/receiving channel state information in wireless communication system, and device therefor | |
| KR20220103124A (ko) | 무선 통신 시스템에서 인공 지능 기반의 빔 관리 방법 및 이에 대한 장치 | |
| US20220304018A1 (en) | Method for transmitting or receiving uplink channel in wireless communication system, and device therefor | |
| CN112913177B (zh) | 在无线通信系统中发送和接收多个物理下行链路共享信道的方法及用于其的装置 | |
| US11469835B2 (en) | Method and apparatus for reporting an ID of specific BWP among the multiple BWPs in wireless communication system | |
| KR102101829B1 (ko) | 무선 통신 시스템에서 채널 상태 정보를 송수신하는 방법 및 이를 위한 장치 | |
| CN112913178B (zh) | 在无线通信系统中发送和接收多个物理下行链路共享信道的方法及用于其的装置 | |
| KR102260157B1 (ko) | 무선 통신 시스템에서 상향링크 물리 채널을 송수신하는 방법 및 이를 위한 장치 | |
| JP7377342B2 (ja) | 無線通信システムにおけるチャネル状態情報を報告する方法、及びこれに対する装置 | |
| KR20210135620A (ko) | 무선 통신 시스템에서 빔 정보를 보고 하는 방법 및 이를 위한 장치 | |
| US20220116837A1 (en) | Method and apparatus for performing measurement in wireless communication system | |
| US20220014960A1 (en) | Method and apparatus for handling bearers based on congestion level in a wireless communication system | |
| KR102636978B1 (ko) | 무선 통신 시스템에서 csi를 송수신하는 방법 및 이를 위한 장치 | |
| KR20240036036A (ko) | 무선 통신 시스템에서 빔 정보를 송수신하는 방법 및 이를 위한 장치 | |
| US20230156558A1 (en) | Method and apparatus for mobility handling in wireless communication system | |
| US20220394744A1 (en) | Clearing part of sidelink grant for single pdu transmission and sidelink resource allocation | |
| KR102594705B1 (ko) | 무선 통신 시스템에서 채널 상태 정보의 송수신 방법 및 그 장치 | |
| US20220377631A1 (en) | Method and apparatus for mobility execution in wireless communication system | |
| KR20230066577A (ko) | 무선 통신 시스템에서 사운딩 참조 신호를 송수신하는 방법 및 이를 위한 장치 | |
| EP4325971A1 (en) | Method for transmitting and receiving csi in wireless communication system, and device therefor | |
| EP4322415A1 (en) | Method for transmitting/receiving pdcch in wireless communication system, and device therefor | |
| US20240187064A1 (en) | Method for transmitting and receiving csi in wireless communication system, and device therefor | |
| EP4351027A1 (en) | Method for transmitting/receiving pusch in wireless communication system and device therefor |