KR20240070506A - 무선 통신 시스템에서 위치에 기반하여 핸드오버를 수행하기 위한 장치 및 방법 - Google Patents

Abstract

본 개시는 무선 통신 시스템에서 조건부 핸드오버를 수행하기 위한 것으로, UE(user equipment)의 동작 방법은, 제1 기지국으로부터 측정(measurement)에 관련된 설정(configuration) 정보를 수신하는 단계, 상기 설정 정보에 기반하여 측정 보고(measurement report)를 상기 제1 기지국에게 송신하는 단계, 상기 제1 기지국으로부터 핸드오버 명령 메시지를 수신하는 단계, 및 상기 핸드오버 명령 메시지에 기반하여 제2 기지국으로 핸드오버를 수행하는 단계를 포함할 수 있다.

Description

무선 통신 시스템에서 위치에 기반하여 핸드오버를 수행하기 위한 장치 및 방법

이하의 설명은 무선 통신 시스템에 대한 것으로, 무선 통신 시스템에서 단말의 위치에 기반하여 핸드오버를 수행하기 위한 장치 및 방법에 관한 것이다.

무선 접속 시스템이 음성이나 데이터 등과 같은 다양한 종류의 통신 서비스를 제공하기 위해 광범위하게 전개되고 있다. 일반적으로 무선 접속 시스템은 가용한 시스템 자원(대역폭, 전송 파워 등)을 공유하여 다중 사용자와의 통신을 지원할 수 있는 다중 접속(multiple access) 시스템이다. 다중 접속 시스템의 예들로는 CDMA(code division multiple access) 시스템, FDMA(frequency division multiple access) 시스템, TDMA(time division multiple access) 시스템, OFDMA(orthogonal frequency division multiple access) 시스템, SC-FDMA(single carrier frequency division multiple access) 시스템 등이 있다.

특히, 많은 통신 기기들이 큰 통신 용량을 요구하게 됨에 따라 기존 RAT(radio access technology)에 비해 향상된 모바일 브로드밴드(enhanced mobile broadband, eMBB) 통신 기술이 제안되고 있다. 또한 다수의 기기 및 사물들을 연결하여 언제 어디서나 다양한 서비스를 제공하는 mMTC(massive machine type communications) 뿐만 아니라 신뢰성 (reliability) 및 지연(latency) 민감한 서비스/UE(user equipment)를 고려한 통신 시스템이 제안되고 있다. 이를 위한 다양한 기술 구성들이 제안되고 있다.

본 개시는 무선 통신 시스템에서 위치 정보를 이용하여 핸드오버를 효과적으로 수행하기 위한 장치 및 방법을 제공할 수 있다.

본 개시는 무선 통신 시스템에서 단말에 대한 이동 경로 예측에 기반하여 핸드오버를 수행하기 위한 장치 및 방법을 제공할 수 있다.

본 개시는 무선 통신 시스템에서 단말에 대한 이동 경로 예측에 기반하여 핸드오버를 위한 타겟 셀들을 선택하기 위한 장치 및 방법을 제공할 수 있다.

본 개시는 무선 통신 시스템에서 높은 핸드오버 성공률을 가지는 타겟 셀들을 선택하기 위한 장치 및 방법을 제공할 수 있다.

본 개시는 무선 통신 시스템에서 단말의 환경 정보에 기반하여 타겟 셀들을 선택하기 위한 장치 및 방법을 제공할 수 있다.

본 개시는 무선 통신 시스템에서 톰슨 샘플링(Tompson sampling) 기술을 이용하여 타겟 셀들을 선택하기 위한 장치 및 방법을 제공할 수 있다.

본 개시는 무선 통신 시스템에서 예측된 이동 경로 상의 위치들에서의 핸드오버 성공에 대한 확률 분포에 기반하여 핸드오버를 수행하기 위한 장치 및 방법을 제공할 수 있다.

본 개시는 무선 통신 시스템에서 타겟 셀을 선택하기 위한 확률 분포 모델을 최적화하기 위한 장치 및 방법을 제공할 수 있다.

본 개시에서 이루고자 하는 기술적 목적들은 이상에서 언급한 사항들로 제한되지 않으며, 언급하지 않은 또 다른 기술적 과제들은 이하 설명할 본 개시의 실시 예들로부터 본 개시의 기술 구성이 적용되는 기술분야에서 통상의 지식을 가진 자에 의해 고려될 수 있다.

본 개시의 일 예로서, 무선 통신 시스템에서 UE(user equipment)의 동작 방법은, 제1 기지국으로부터 측정(measurement)에 관련된 설정(configuration) 정보를 수신하는 단계, 상기 설정 정보에 기반하여 측정 보고(measurement report)를 상기 제1 기지국에게 송신하는 단계, 상기 제1 기지국으로부터 핸드오버 명령 메시지를 수신하는 단계, 및 상기 핸드오버 명령 메시지에 기반하여 제2 기지국으로 핸드오버를 수행하는 단계를 포함할 수 있다.

상기 측정 보고는, 상기 UE의 이동 경로 예측에 관련된 정보를 포함하고, 상기 핸드오버 명령 메시지는, 상기 핸드오버를 실행(execution)하기 위한 조건에 관련된 정보를 포함할 수 있다.

본 개시의 일 예로서, 무선 통신 시스템에서 제1 기지국의 동작 방법은, UE(user equipment)에게 측정(measurement)에 관련된 설정(configuration) 정보를 송신하는 단계, 상기 설정 정보에 기반하여 생성된 측정 보고(measurement report)를 상기 UE로부터 수신하는 단계, 상기 UE에게 핸드오버 명령 메시지를 송신하는 단계, 및 상기 UE가 제2 기지국으로 핸드오버함에 응하여 송신되는 핸드오버 확인 메시지를 수신하는 단계를 포함할 수 있다. 상기 측정 보고는, 상기 UE의 이동 경로 예측에 관련된 정보를 포함하고, 상기 핸드오버 명령 메시지는, 상기 핸드오버를 실행(execution)하기 위한 조건에 관련된 정보를 포함할 수 있다.

본 개시의 일 예로서, 무선 통신 시스템에서 UE(user equipment)에 있어서, 송수신기, 및 상기 송수신기와 연결된 프로세서를 포함하며, 상기 프로세서는, 제1 기지국으로부터 측정(measurement)에 관련된 설정(configuration) 정보를 수신하고, 상기 설정 정보에 기반하여 측정 보고(measurement report)를 상기 제1 기지국에게 송신하고, 상기 제1 기지국으로부터 핸드오버 명령 메시지를 수신하고, 상기 핸드오버 명령 메시지에 기반하여 제2 기지국으로 핸드오버를 수행하도록 제어하며, 상기 측정 보고는, 상기 UE의 이동 경로 예측에 관련된 정보를 포함하고, 상기 핸드오버 명령 메시지는, 상기 핸드오버를 실행(execution)하기 위한 조건에 관련된 정보를 포함할 수 있다.

본 개시의 일 예로서, 무선 통신 시스템에서 제1 기지국에 있어서, 송수신기, 및 상기 송수신기와 연결된 프로세서를 포함하며, 상기 프로세서는, UE(user equipment)에게 측정(measurement)에 관련된 설정(configuration) 정보를 송신하고, 상기 설정 정보에 기반하여 생성된 측정 보고(measurement report)를 상기 UE로부터 수신하고, 상기 UE에게 핸드오버 명령 메시지를 송신하고, 상기 UE가 제2 기지국으로 핸드오버함에 응하여 송신되는 핸드오버 확인 메시지를 수신하도록 제어하며, 상기 측정 보고는, 상기 UE의 이동 경로 예측에 관련된 정보를 포함하고, 상기 핸드오버 명령 메시지는, 상기 핸드오버를 실행(execution)하기 위한 조건에 관련된 정보를 포함할 수 있다.

본 개시의 일 예로서, 장치는, 적어도 하나의 프로세서, 상기 적어도 하나의 프로세서와 연결되며, 상기 적어도 하나의 프로세서에 의해 실행됨에 따라 동작들을 지시하는 명령어를 저장하는 적어도 하나의 컴퓨터 메모리를 포함하며, 상기 동작들은, 상기 장치가, 제1 기지국으로부터 측정(measurement)에 관련된 설정(configuration) 정보를 수신하는 단계, 상기 설정 정보에 기반하여 측정 보고(measurement report)를 상기 제1 기지국에게 송신하는 단계, 상기 제1 기지국으로부터 핸드오버 명령 메시지를 수신하는 단계, 및 상기 핸드오버 명령 메시지에 기반하여 제2 기지국으로 핸드오버를 수행하는 단계를 포함할 수 있다. 상기 측정 보고는, 상기 UE의 이동 경로 예측에 관련된 정보를 포함하고, 상기 핸드오버 명령 메시지는, 상기 핸드오버를 실행(execution)하기 위한 조건에 관련된 정보를 포함할 수 있다.

본 개시의 일 예로서, 적어도 하나의 명령어(instructions)을 저장하는 비-일시적인(non-transitory) 컴퓨터 판독 가능 매체(computer-readable medium)는, 프로세서에 의해 실행 가능한(executable) 상기 적어도 하나의 명령어를 포함하며, 상기 적어도 하나의 명령어는, 장치가, 제1 기지국으로부터 측정(measurement)에 관련된 설정(configuration) 정보를 수신하고, 상기 설정 정보에 기반하여 측정 보고(measurement report)를 상기 제1 기지국에게 송신하고, 상기 제1 기지국으로부터 핸드오버 명령 메시지를 수신하고, 상기 핸드오버 명령 메시지에 기반하여 제2 기지국으로 핸드오버를 수행하도록 제어하며, 상기 측정 보고는, 상기 UE의 이동 경로 예측에 관련된 정보를 포함하고, 상기 핸드오버 명령 메시지는, 상기 핸드오버를 실행(execution)하기 위한 조건에 관련된 정보를 포함할 수 있다.

상술한 본 개시의 양태들은 본 개시의 바람직한 실시 예들 중 일부에 불과하며, 본 개시의 기술적 특징들이 반영된 다양한 실시 예들이 당해 기술분야의 통상적인 지식을 가진 자에 의해 이하 상술할 본 개시의 상세한 설명을 기반으로 도출되고 이해될 수 있다.

본 개시에 기초한 실시 예들에 의해 하기와 같은 효과가 있을 수 있다.

본 개시에 따르면, 핸드오버를 위한 타겟 셀(target) 셀이 효과적으로 선택될 수 있다.

본 개시의 실시 예들에서 얻을 수 있는 효과는 이상에서 언급한 효과들로 제한되지 않으며, 언급하지 않은 또 다른 효과들은 이하의 본 개시의 실시 예들에 대한 기재로부터 본 개시의 기술 구성이 적용되는 기술분야에서 통상의 지식을 가진 자에게 명확하게 도출되고 이해될 수 있다. 즉, 본 개시에서 서술하는 구성을 실시함에 따른 의도하지 않은 효과들 역시 본 개시의 실시 예들로부터 당해 기술분야의 통상의 지식을 가진 자에 의해 도출될 수 있다.

이하에 첨부되는 도면들은 본 개시에 관한 이해를 돕기 위한 것으로, 상세한 설명과 함께 본 개시에 대한 실시 예들을 제공할 수 있다. 다만, 본 개시의 기술적 특징이 특정 도면에 한정되는 것은 아니며, 각 도면에서 개시하는 특징들은 서로 조합되어 새로운 실시 예로 구성될 수 있다. 각 도면에서의 참조 번호(reference numerals)들은 구조적 구성요소(structural elements)를 의미할 수 있다.
도 1은 본 개시에 적용 가능한 통신 시스템 예를 도시한다.
도 2는 본 개시에 적용 가능한 무선 기기의 예를 도시한다.
도 3은 본 개시에 적용 가능한 무선 기기의 다른 예를 도시한다.
도 4는 본 개시에 적용 가능한 휴대 기기의 예를 도시한다.
도 5는 본 개시에 적용 가능한 차량 또는 자율 주행 차량의 예를 도시한다.
도 6은 본 개시에 적용 가능한 AI(Artificial Intelligence)의 예를 도시한다.
도 7은 본 개시에 적용 가능한 전송 신호를 처리하는 방법을 도시한다.
도 8은 본 개시에 적용 가능한 6G(6th generation) 시스템에서 제공 가능한 통신 구조의 일례를 도시한다.
도 9는 본 개시에 적용 가능한 전자기 스펙트럼을 도시한다.
도 10은 본 개시에 적용 가능한 THz 통신 방법을 도시한다.
도 11은 본 개시에 적용 가능 베타 분포의 확률 밀도 함수의 예들을 도시한다.
도 12a 내지 도 12d는 본 개시에 적용 가능한 확률 분포 모델의 갱신의 예를 도시한다.
도 13은 본 개시의 일 실시 예에 따른 무선 통신 시스템에서 핸드오버의 개념을 도시한다.
도 14는 본 개시의 일 실시 예에 따른 무선 통신 시스템에서 톰슨 샘플링(Thompson sampling, TS) 기반의 타겟 셀 선택의 개념을 도시한다.
도 15는 본 개시의 일 실시 예에 따른 무선 통신 시스템에서 이동 경로 예측을 위한 인공지능 모델 예를 도시한다.
도 16은 본 개시의 일 실시 예에 따른 무선 통신 시스템에서 사용 가능한 베타 분포의 확률 밀도 함수의 예들을 도시한다.
도 17은 본 개시의 일 실시 예에 따른 무선 통신 시스템에서 핸드오버를 수행하는 절차의 예를 도시한다.
도 18은 본 개시의 일 실시 예에 따른 무선 통신 시스템에서 핸드오버를 제어하는 절차의 예를 도시한다.
도 19는 본 개시의 일 실시 예에 따른 무선 통신 시스템에서 이동 경로 예측 및 확률 모델에 기반한 핸드오버를 위한 신호 교환의 예를 도시한다.
도 20은 본 개시의 일 실시 예에 따른 무선 통신 시스템에서 이동 경로 예측 및 확률 모델에 기반한 핸드오버를 위한 절차의 예를 도시한다.
도 21은 본 개시의 일 실시 예에 따른 무선 통신 시스템에서 톰슨 샘플링에 기반한 보상(reward) 구조를 도시한다.

이하의 실시 예들은 본 개시의 구성요소들과 특징들을 소정 형태로 결합한 것들이다. 각 구성요소 또는 특징은 별도의 명시적 언급이 없는 한 선택적인 것으로 고려될 수 있다. 각 구성요소 또는 특징은 다른 구성요소나 특징과 결합되지 않은 형태로 실시될 수 있다. 또한, 일부 구성요소들 및/또는 특징들을 결합하여 본 개시의 실시 예를 구성할 수도 있다. 본 개시의 실시 예들에서 설명되는 동작들의 순서는 변경될 수 있다. 어느 실시 예의 일부 구성이나 특징은 다른 실시 예에 포함될 수 있고, 또는 다른 실시 예의 대응하는 구성 또는 특징과 교체될 수 있다.

도면에 대한 설명에서, 본 개시의 요지를 흐릴 수 있는 절차 또는 단계 등은 기술하지 않았으며, 당업자의 수준에서 이해할 수 있을 정도의 절차 또는 단계는 또한 기술하지 아니하였다.

명세서 전체에서, 어떤 부분이 어떤 구성요소를 "포함(comprising 또는 including)"한다고 할 때, 이는 특별히 반대되는 기재가 없는 한 다른 구성요소를 제외하는 것이 아니라 다른 구성요소를 더 포함할 수 있는 것을 의미한다. 또한, 명세서에 기재된 "...부", "...기", "모듈" 등의 용어는 적어도 하나의 기능이나 동작을 처리하는 단위를 의미하며, 이는 하드웨어나 소프트웨어 또는 하드웨어 및 소프트웨어의 결합으로 구현될 수 있다. 또한, "일(a 또는 an)", "하나(one)", "그(the)" 및 유사 관련어는 본 개시를 기술하는 문맥에 있어서(특히, 이하의 청구항의 문맥에서) 본 명세서에 달리 지시되거나 문맥에 의해 분명하게 반박되지 않는 한, 단수 및 복수 모두를 포함하는 의미로 사용될 수 있다.

본 명세서에서 본 개시의 실시 예들은 기지국과 이동국 간의 데이터 송수신 관계를 중심으로 설명되었다. 여기서, 기지국은 이동국과 직접적으로 통신을 수행하는 네트워크의 종단 노드(terminal node)로서의 의미가 있다. 본 문서에서 기지국에 의해 수행되는 것으로 설명된 특정 동작은 경우에 따라서는 기지국의 상위 노드(upper node)에 의해 수행될 수도 있다.

즉, 기지국을 포함하는 다수의 네트워크 노드들(network nodes)로 이루어지는 네트워크에서 이동국과의 통신을 위해 수행되는 다양한 동작들은 기지국 또는 기지국 이외의 다른 네트워크 노드들에 의해 수행될 수 있다. 이때, '기지국'은 고정국(fixed station), Node B, eNB(eNode B), gNB(gNode B), ng-eNB, 발전된 기지국(advanced base station, ABS) 또는 억세스 포인트(access point) 등의 용어에 의해 대체될 수 있다.

또한, 본 개시의 실시 예들에서 단말(terminal)은 사용자 기기(user equipment, UE), 이동국(mobile station, MS), 가입자국(subscriber station, SS), 이동 가입자 단말(mobile subscriber station, MSS), 이동 단말(mobile terminal) 또는 발전된 이동 단말(advanced mobile station, AMS) 등의 용어로 대체될 수 있다.

또한, 송신단은 데이터 서비스 또는 음성 서비스를 제공하는 고정 및/또는 이동 노드를 말하고, 수신단은 데이터 서비스 또는 음성 서비스를 수신하는 고정 및/또는 이동 노드를 의미한다. 따라서, 상향링크의 경우, 이동국이 송신단이 되고, 기지국이 수신단이 될 수 있다. 마찬가지로, 하향링크의 경우, 이동국이 수신단이 되고, 기지국이 송신단이 될 수 있다.

본 개시의 실시 예들은 무선 접속 시스템들인 IEEE 802.xx 시스템, 3GPP(3rd Generation Partnership Project) 시스템, 3GPP LTE(Long Term Evolution) 시스템, 3GPP 5G(5th generation) NR(New Radio) 시스템 및 3GPP2 시스템 중 적어도 하나에 개시된 표준 문서들에 의해 뒷받침될 수 있으며, 특히, 본 개시의 실시 예들은 3GPP TS(technical specification) 38.211, 3GPP TS 38.212, 3GPP TS 38.213, 3GPP TS 38.321 및 3GPP TS 38.331 문서들에 의해 뒷받침 될 수 있다.

또한, 본 개시의 실시 예들은 다른 무선 접속 시스템에도 적용될 수 있으며, 상술한 시스템으로 한정되는 것은 아니다. 일 예로, 3GPP 5G NR 시스템 이후에 적용되는 시스템에 대해서도 적용 가능할 수 있으며, 특정 시스템에 한정되지 않는다.

즉, 본 개시의 실시 예들 중 설명하지 않은 자명한 단계들 또는 부분들은 상기 문서들을 참조하여 설명될 수 있다. 또한, 본 문서에서 개시하고 있는 모든 용어들은 상기 표준 문서에 의해 설명될 수 있다.

이하, 본 개시에 따른 바람직한 실시 형태를 첨부된 도면을 참조하여 상세하게 설명한다. 첨부된 도면과 함께 이하에 개시될 상세한 설명은 본 개시의 예시적인 실시 형태를 설명하고자 하는 것이며, 본 개시의 기술 구성이 실시될 수 있는 유일한 실시형태를 나타내고자 하는 것이 아니다.

또한, 본 개시의 실시 예들에서 사용되는 특정 용어들은 본 개시의 이해를 돕기 위해서 제공된 것이며, 이러한 특정 용어의 사용은 본 개시의 기술적 사상을 벗어나지 않는 범위에서 다른 형태로 변경될 수 있다.

이하의 기술은 CDMA(code division multiple access), FDMA(frequency division multiple access), TDMA(time division multiple access), OFDMA(orthogonal frequency division multiple access), SC-FDMA(single carrier frequency division multiple access) 등과 같은 다양한 무선 접속 시스템에 적용될 수 있다.

하기에서는 이하 설명을 명확하게 하기 위해, 3GPP 통신 시스템(e.g.(예, LTE, NR 등)을 기반으로 설명하지만 본 발명의 기술적 사상이 이에 제한되는 것은 아니다. LTE는 3GPP TS 36.xxx Release 8 이후의 기술을 의미할 수 있다. 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 지칭될 수 있다. 3GPP NR은 TS 38.xxx Release 15 이후의 기술을 의미할 수 있다. 3GPP 6G는 TS Release 17 및/또는 Release 18 이후의 기술을 의미할 수 있다. "xxx"는 표준 문서 세부 번호를 의미한다. LTE/NR/6G는 3GPP 시스템으로 통칭될 수 있다.

본 개시에 사용된 배경기술, 용어, 약어 등에 관해서는 본 발명 이전에 공개된 표준 문서에 기재된 사항을 참조할 수 있다. 일 예로, 36.xxx 및 38.xxx 표준 문서를 참조할 수 있다.

본 개시에 적용 가능한 통신 시스템

이로 제한되는 것은 아니지만, 본 문서에 개시된 본 개시의 다양한 설명, 기능, 절차, 제안, 방법 및/또는 동작 순서도들은 기기들 간에 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 1은 본 개시에 적용되는 통신 시스템 예를 도시한 도면이다.

도 1을 참조하면, 본 개시에 적용되는 통신 시스템(100)은 무선 기기, 기지국 및 네트워크를 포함한다. 여기서, 무선 기기는 무선 접속 기술(예, 5G NR, LTE)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(home appliance)(100e), IoT(Internet of Thing) 기기(100f), AI(artificial intelligence) 기기/서버(100g)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, 차량(100b-1, 100b-2)은 UAV(unmanned aerial vehicle)(예, 드론)를 포함할 수 있다. XR 기기(100c)는 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 기기(100d)는 스마트폰, 스마트패드, 웨어러블 기기(예, 스마트워치, 스마트글래스), 컴퓨터(예, 노트북 등) 등을 포함할 수 있다. 가전(100e)은 TV, 냉장고, 세탁기 등을 포함할 수 있다. IoT 기기(100f)는 센서, 스마트 미터 등을 포함할 수 있다. 예를 들어, 기지국(120), 네트워크(130)는 무선 기기로도 구현될 수 있으며, 특정 무선 기기(120a)는 다른 무선 기기에게 기지국/네트워크 노드로 동작할 수도 있다.

무선 기기(100a~100f)는 기지국(120)을 통해 네트워크(130)와 연결될 수 있다. 무선 기기(100a~100f)에는 AI 기술이 적용될 수 있으며, 무선 기기(100a~100f)는 네트워크(130)를 통해 AI 서버(100g)와 연결될 수 있다. 네트워크(130)는 3G 네트워크, 4G(예, LTE) 네트워크 또는 5G(예, NR) 네트워크 등을 이용하여 구성될 수 있다. 무선 기기(100a~100f)는 기지국(120)/네트워크(130)를 통해 서로 통신할 수도 있지만, 기지국(120)/네트워크(130)를 통하지 않고 직접 통신(예, 사이드링크 통신(sidelink communication))할 수도 있다. 예를 들어, 차량들(100b-1, 100b-2)은 직접 통신(예, V2V(vehicle to vehicle)/V2X(vehicle to everything) communication)을 할 수 있다. 또한, IoT 기기(100f)(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(120), 기지국(120)/기지국(120) 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)(예, relay, IAB(integrated access backhaul))과 같은 다양한 무선 접속 기술(예, 5G NR)을 통해 이뤄질 수 있다. 무선 통신/연결(150a, 150b, 150c)을 통해 무선 기기와 기지국/무선 기기, 기지국과 기지국은 서로 무선 신호를 송신/수신할 수 있다. 예를 들어, 무선 통신/연결(150a, 150b, 150c)은 다양한 물리 채널을 통해 신호를 송신/수신할 수 있다. 이를 위해, 본 개시의 다양한 제안들에 기반하여, 무선 신호의 송신/수신을 위한 다양한 구성정보 설정 과정, 다양한 신호 처리 과정(예, 채널 인코딩/디코딩, 변조/복조, 자원 매핑/디매핑 등), 자원 할당 과정 등 중 적어도 일부가 수행될 수 있다.

본 개시에 적용 가능한 통신 시스템

도 2는 본 개시에 적용될 수 있는 무선 기기의 예를 도시한 도면이다.

도 2를 참조하면, 제1 무선 기기(200a)와 제2 무선 기기(200b)는 다양한 무선 접속 기술(예, LTE, NR)을 통해 무선 신호를 송수신할 수 있다. 여기서, {제1 무선 기기(200a), 제2 무선 기기(200b)}은 도 1의 {무선 기기(100x), 기지국(120)} 및/또는 {무선 기기(100x), 무선 기기(100x)}에 대응할 수 있다.

제1 무선 기기(200a)는 하나 이상의 프로세서(202a) 및 하나 이상의 메모리(204a)를 포함하며, 추가적으로 하나 이상의 송수신기(206a) 및/또는 하나 이상의 안테나(208a)을 더 포함할 수 있다. 프로세서(202a)는 메모리(204a) 및/또는 송수신기(206a)를 제어하며, 본 문서에 개시된 설명, 기능, 절차, 제안, 방법 및/또는 동작 순서도들을 구현하도록 구성될 수 있다. 예를 들어, 프로세서(202a)는 메모리(204a) 내의 정보를 처리하여 제1 정보/신호를 생성한 뒤, 송수신기(206a)을 통해 제1 정보/신호를 포함하는 무선 신호를 전송할 수 있다. 또한, 프로세서(202a)는 송수신기(206a)를 통해 제2 정보/신호를 포함하는 무선 신호를 수신한 뒤, 제2 정보/신호의 신호 처리로부터 얻은 정보를 메모리(204a)에 저장할 수 있다. 메모리(204a)는 프로세서(202a)와 연결될 수 있고, 프로세서(202a)의 동작과 관련한 다양한 정보를 저장할 수 있다. 예를 들어, 메모리(204a)는 프로세서(202a)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(202a)와 메모리(204a)는 무선 통신 기술(예, LTE, NR)을 구현하도록 설계된 통신 모뎀/회로/칩의 일부일 수 있다. 송수신기(206a)는 프로세서(202a)와 연결될 수 있고, 하나 이상의 안테나(208a)를 통해 무선 신호를 송신 및/또는 수신할 수 있다. 송수신기(206a)는 송신기 및/또는 수신기를 포함할 수 있다. 송수신기(206a)는 RF(radio frequency) 유닛과 혼용될 수 있다. 본 개시에서 무선 기기는 통신 모뎀/회로/칩을 의미할 수도 있다.

제2 무선 기기(200b)는 하나 이상의 프로세서(202b), 하나 이상의 메모리(204b)를 포함하며, 추가적으로 하나 이상의 송수신기(206b) 및/또는 하나 이상의 안테나(208b)를 더 포함할 수 있다. 프로세서(202b)는 메모리(204b) 및/또는 송수신기(206b)를 제어하며, 본 문서에 개시된 설명, 기능, 절차, 제안, 방법 및/또는 동작 순서도들을 구현하도록 구성될 수 있다. 예를 들어, 프로세서(202b)는 메모리(204b) 내의 정보를 처리하여 제3 정보/신호를 생성한 뒤, 송수신기(206b)를 통해 제3 정보/신호를 포함하는 무선 신호를 전송할 수 있다. 또한, 프로세서(202b)는 송수신기(206b)를 통해 제4 정보/신호를 포함하는 무선 신호를 수신한 뒤, 제4 정보/신호의 신호 처리로부터 얻은 정보를 메모리(204b)에 저장할 수 있다. 메모리(204b)는 프로세서(202b)와 연결될 수 있고, 프로세서(202b)의 동작과 관련한 다양한 정보를 저장할 수 있다. 예를 들어, 메모리(204b)는 프로세서(202b)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(202b)와 메모리(204b)는 무선 통신 기술(예, LTE, NR)을 구현하도록 설계된 통신 모뎀/회로/칩의 일부일 수 있다. 송수신기(206b)는 프로세서(202b)와 연결될 수 있고, 하나 이상의 안테나(208b)를 통해 무선 신호를 송신 및/또는 수신할 수 있다. 송수신기(206b)는 송신기 및/또는 수신기를 포함할 수 있다 송수신기(206b)는 RF 유닛과 혼용될 수 있다. 본 개시에서 무선 기기는 통신 모뎀/회로/칩을 의미할 수도 있다.

이하, 무선 기기(200a, 200b)의 하드웨어 요소에 대해 보다 구체적으로 설명한다. 이로 제한되는 것은 아니지만, 하나 이상의 프로토콜 계층이 하나 이상의 프로세서(202a, 202b)에 의해 구현될 수 있다. 예를 들어, 하나 이상의 프로세서(202a, 202b)는 하나 이상의 계층(예, PHY(physical), MAC(media access control), RLC(radio link control), PDCP(packet data convergence protocol), RRC(radio resource control), SDAP(service data adaptation protocol)와 같은 기능적 계층)을 구현할 수 있다. 하나 이상의 프로세서(202a, 202b)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(202a, 202b)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(202a, 202b)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(206a, 206b)에게 제공할 수 있다. 하나 이상의 프로세서(202a, 202b)는 하나 이상의 송수신기(206a, 206b)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(202a, 202b)는 컨트롤러, 마이크로 컨트롤러, 마이크로 프로세서 또는 마이크로 컴퓨터로 지칭될 수 있다. 하나 이상의 프로세서(202a, 202b)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(202a, 202b)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(202a, 202b)에 포함되거나, 하나 이상의 메모리(204a, 204b)에 저장되어 하나 이상의 프로세서(202a, 202b)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(204a, 204b)는 하나 이상의 프로세서(202a, 202b)와 연결될 수 있고, 다양한 형태의 데이터, 신호, 메시지, 정보, 프로그램, 코드, 지시 및/또는 명령을 저장할 수 있다. 하나 이상의 메모리(204a, 204b)는 ROM(read only memory), RAM(random access memory), EPROM(erasable programmable read only memory), 플래시 메모리, 하드 드라이브, 레지스터, 캐쉬 메모리, 컴퓨터 판독 저장 매체 및/또는 이들의 조합으로 구성될 수 있다. 하나 이상의 메모리(204a, 204b)는 하나 이상의 프로세서(202a, 202b)의 내부 및/또는 외부에 위치할 수 있다. 또한, 하나 이상의 메모리(204a, 204b)는 유선 또는 무선 연결과 같은 다양한 기술을 통해 하나 이상의 프로세서(202a, 202b)와 연결될 수 있다.

하나 이상의 송수신기(206a, 206b)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(206a, 206b)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(206a, 206b)는 하나 이상의 프로세서(202a, 202b)와 연결될 수 있고, 무선 신호를 송수신할 수 있다. 예를 들어, 하나 이상의 프로세서(202a, 202b)는 하나 이상의 송수신기(206a, 206b)가 하나 이상의 다른 장치에게 사용자 데이터, 제어 정보 또는 무선 신호를 전송하도록 제어할 수 있다. 또한, 하나 이상의 프로세서(202a, 202b)는 하나 이상의 송수신기(206a, 206b)가 하나 이상의 다른 장치로부터 사용자 데이터, 제어 정보 또는 무선 신호를 수신하도록 제어할 수 있다. 또한, 하나 이상의 송수신기(206a, 206b)는 하나 이상의 안테나(208a, 208b)와 연결될 수 있고, 하나 이상의 송수신기(206a, 206b)는 하나 이상의 안테나(208a, 208b)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(206a, 206b)는 수신된 사용자 데이터, 제어 정보, 무선 신호/채널 등을 하나 이상의 프로세서(202a, 202b)를 이용하여 처리하기 위해, 수신된 무선 신호/채널 등을 RF 밴드 신호에서 베이스밴드 신호로 변환(Convert)할 수 있다. 하나 이상의 송수신기(206a, 206b)는 하나 이상의 프로세서(202a, 202b)를 이용하여 처리된 사용자 데이터, 제어 정보, 무선 신호/채널 등을 베이스밴드 신호에서 RF 밴드 신호로 변환할 수 있다. 이를 위하여, 하나 이상의 송수신기(206a, 206b)는 (아날로그) 오실레이터 및/또는 필터를 포함할 수 있다.

본 개시에 적용 가능한 무선 기기 구조

도 3은 본 개시에 적용되는 무선 기기의 다른 예를 도시한 도면이다.

도 3을 참조하면, 무선 기기(300)는 도 2의 무선 기기(200a, 200b)에 대응하며, 다양한 요소(element), 성분(component), 유닛/부(unit), 및/또는 모듈(module)로 구성될 수 있다. 예를 들어, 무선 기기(300)는 통신부(310), 제어부(320), 메모리부(330) 및 추가 요소(340)를 포함할 수 있다. 통신부는 통신 회로(312) 및 송수신기(들)(314)을 포함할 수 있다. 예를 들어, 통신 회로(312)는 도 2의 하나 이상의 프로세서(202a, 202b) 및/또는 하나 이상의 메모리(204a, 204b)를 포함할 수 있다. 예를 들어, 송수신기(들)(314)는 도 2의 하나 이상의 송수신기(206a, 206b) 및/또는 하나 이상의 안테나(208a, 208b)을 포함할 수 있다. 제어부(320)는 통신부(310), 메모리부(330) 및 추가 요소(340)와 전기적으로 연결되며 무선 기기의 제반 동작을 제어한다. 예를 들어, 제어부(320)는 메모리부(330)에 저장된 프로그램/코드/명령/정보에 기반하여 무선 기기의 전기적/기계적 동작을 제어할 수 있다. 또한, 제어부(320)는 메모리부(330)에 저장된 정보를 통신부(310)을 통해 외부(예, 다른 통신 기기)로 무선/유선 인터페이스를 통해 전송하거나, 통신부(310)를 통해 외부(예, 다른 통신 기기)로부터 무선/유선 인터페이스를 통해 수신된 정보를 메모리부(330)에 저장할 수 있다.

추가 요소(340)는 무선 기기의 종류에 따라 다양하게 구성될 수 있다. 예를 들어, 추가 요소(340)는 파워 유닛/배터리, 입출력부(input/output unit), 구동부 및 컴퓨팅부 중 적어도 하나를 포함할 수 있다. 이로 제한되는 것은 아니지만, 무선 기기(300)는 로봇(도 1, 100a), 차량(도 1, 100b-1, 100b-2), XR 기기(도 1, 100c), 휴대 기기(도 1, 100d), 가전(도 1, 100e), IoT 기기(도 1, 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 1, 140), 기지국(도 1, 120), 네트워크 노드 등의 형태로 구현될 수 있다. 무선 기기는 사용-예/서비스에 따라 이동 가능하거나 고정된 장소에서 사용될 수 있다.

도 3에서 무선 기기(300) 내의 다양한 요소, 성분, 유닛/부, 및/또는 모듈은 전체가 유선 인터페이스를 통해 상호 연결되거나, 적어도 일부가 통신부(310)를 통해 무선으로 연결될 수 있다. 예를 들어, 무선 기기(300) 내에서 제어부(320)와 통신부(310)는 유선으로 연결되며, 제어부(320)와 제1 유닛(예, 130, 140)은 통신부(310)를 통해 무선으로 연결될 수 있다. 또한, 무선 기기(300) 내의 각 요소, 성분, 유닛/부, 및/또는 모듈은 하나 이상의 요소를 더 포함할 수 있다. 예를 들어, 제어부(320)는 하나 이상의 프로세서 집합으로 구성될 수 있다. 예를 들어, 제어부(320)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(330)는 RAM, DRAM(dynamic RAM), ROM, 플래시 메모리(flash memory), 휘발성 메모리(volatile memory), 비-휘발성 메모리(non-volatile memory) 및/또는 이들의 조합으로 구성될 수 있다.

본 개시가 적용 가능한 휴대 기기

도 4는 본 개시에 적용되는 휴대 기기의 예를 도시한 도면이다.

도 4는 본 개시에 적용되는 휴대 기기를 예시한다. 휴대 기기는 스마트폰, 스마트패드, 웨어러블 기기(예, 스마트 워치, 스마트 글래스), 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 4를 참조하면, 휴대 기기(400)는 안테나부(408), 통신부(410), 제어부(420), 메모리부(430), 전원공급부(440a), 인터페이스부(440b) 및 입출력부(440c)를 포함할 수 있다. 안테나부(408)는 통신부(410)의 일부로 구성될 수 있다. 블록 410~430/440a~440c는 각각 도 3의 블록 310~330/340에 대응한다.

통신부(410)는 다른 무선 기기, 기지국들과 신호(예, 데이터, 제어 신호 등)를 송수신할 수 있다. 제어부(420)는 휴대 기기(400)의 구성 요소들을 제어하여 다양한 동작을 수행할 수 있다. 제어부(420)는 AP(application processor)를 포함할 수 있다. 메모리부(430)는 휴대 기기(400)의 구동에 필요한 데이터/파라미터/프로그램/코드/명령을 저장할 수 있다. 또한, 메모리부(430)는 입/출력되는 데이터/정보 등을 저장할 수 있다. 전원공급부(440a)는 휴대 기기(400)에게 전원을 공급하며, 유/무선 충전 회로, 배터리 등을 포함할 수 있다. 인터페이스부(440b)는 휴대 기기(400)와 다른 외부 기기의 연결을 지원할 수 있다. 인터페이스부(440b)는 외부 기기와의 연결을 위한 다양한 포트(예, 오디오 입/출력 포트, 비디오 입/출력 포트)를 포함할 수 있다. 입출력부(440c)는 영상 정보/신호, 오디오 정보/신호, 데이터, 및/또는 사용자로부터 입력되는 정보를 입력 받거나 출력할 수 있다. 입출력부(440c)는 카메라, 마이크로폰, 사용자 입력부, 디스플레이부(440d), 스피커 및/또는 햅틱 모듈 등을 포함할 수 있다.

일 예로, 데이터 통신의 경우, 입출력부(440c)는 사용자로부터 입력된 정보/신호(예, 터치, 문자, 음성, 이미지, 비디오)를 획득하며, 획득된 정보/신호는 메모리부(430)에 저장될 수 있다. 통신부(410)는 메모리에 저장된 정보/신호를 무선 신호로 변환하고, 변환된 무선 신호를 다른 무선 기기에게 직접 전송하거나 기지국에게 전송할 수 있다. 또한, 통신부(410)는 다른 무선 기기 또는 기지국으로부터 무선 신호를 수신한 뒤, 수신된 무선 신호를 원래의 정보/신호로 복원할 수 있다. 복원된 정보/신호는 메모리부(430)에 저장된 뒤, 입출력부(440c)를 통해 다양한 형태(예, 문자, 음성, 이미지, 비디오, 햅틱)로 출력될 수 있다.

본 개시가 적용 가능한 무선 기기 종류

도 5는 본 개시에 적용되는 차량 또는 자율 주행 차량의 예를 도시한 도면이다.

도 5는 본 개시에 적용되는 차량 또는 자율 주행 차량을 예시한다. 차량 또는 자율 주행 차량은 이동형 로봇, 차량, 기차, 유/무인 비행체(aerial vehicle, AV), 선박 등으로 구현될 수 있으며, 차량의 형태로 한정되는 것은 아니다.

도 5를 참조하면, 차량 또는 자율 주행 차량(500)은 안테나부(508), 통신부(510), 제어부(520), 구동부(540a), 전원공급부(540b), 센서부(540c) 및 자율 주행부(540d)를 포함할 수 있다. 안테나부(550)는 통신부(510)의 일부로 구성될 수 있다. 블록 510/530/540a~540d는 각각 도 4의 블록 410/430/440에 대응한다.

통신부(510)는 다른 차량, 기지국(예, 기지국, 노변 기지국(road side unit) 등), 서버 등의 외부 기기들과 신호(예, 데이터, 제어 신호 등)를 송수신할 수 있다. 제어부(520)는 차량 또는 자율 주행 차량(500)의 요소들을 제어하여 다양한 동작을 수행할 수 있다. 제어부(520)는 ECU(electronic control unit)를 포함할 수 있다.

도 6은 본 개시에 적용되는 AI 기기의 예를 도시한 도면이다. 일 예로, AI 기기는 TV, 프로젝터, 스마트폰, PC, 노트북, 디지털방송용 단말기, 태블릿 PC, 웨어러블 장치, 셋톱박스(STB), 라디오, 세탁기, 냉장고, 디지털 사이니지, 로봇, 차량 등과 같은, 고정형 기기 또는 이동 가능한 기기 등으로 구현될 수 있다.

도 6을 참조하면, AI 기기(600)는 통신부(610), 제어부(620), 메모리부(630), 입/출력부(640a/640b), 러닝 프로세서부(640c) 및 센서부(640d)를 포함할 수 있다. 블록 610~630/640a~640d는 각각 도 3의 블록 310~330/340에 대응할 수 있다.

통신부(610)는 유무선 통신 기술을 이용하여 다른 AI 기기(예, 도 1, 100x, 120, 140)나 AI 서버(도 1, 140) 등의 외부 기기들과 유무선 신호(예, 센서 정보, 사용자 입력, 학습 모델, 제어 신호 등)를 송수신할 수 있다. 이를 위해, 통신부(610)는 메모리부(630) 내의 정보를 외부 기기로 전송하거나, 외부 기기로부터 수신된 신호를 메모리부(630)로 전달할 수 있다.

제어부(620)는 데이터 분석 알고리즘 또는 머신 러닝 알고리즘을 사용하여 결정되거나 생성된 정보에 기초하여, AI 기기(600)의 적어도 하나의 실행 가능한 동작을 결정할 수 있다. 그리고, 제어부(620)는 AI 기기(600)의 구성 요소들을 제어하여 결정된 동작을 수행할 수 있다. 예를 들어, 제어부(620)는 러닝 프로세서부(640c) 또는 메모리부(630)의 데이터를 요청, 검색, 수신 또는 활용할 수 있고, 적어도 하나의 실행 가능한 동작 중 예측되는 동작이나, 바람직한 것으로 판단되는 동작을 실행하도록 AI 기기(600)의 구성 요소들을 제어할 수 있다. 또한, 제어부(620)는 AI 장치(600)의 동작 내용이나 동작에 대한 사용자의 피드백 등을 포함하는 이력 정보를 수집하여 메모리부(630) 또는 러닝 프로세서부(640c)에 저장하거나, AI 서버(도 1, 140) 등의 외부 장치에 전송할 수 있다. 수집된 이력 정보는 학습 모델을 갱신하는데 이용될 수 있다.

메모리부(630)는 AI 기기(600)의 다양한 기능을 지원하는 데이터를 저장할 수 있다. 예를 들어, 메모리부(630)는 입력부(640a)로부터 얻은 데이터, 통신부(610)로부터 얻은 데이터, 러닝 프로세서부(640c)의 출력 데이터, 및 센싱부(640)로부터 얻은 데이터를 저장할 수 있다. 또한, 메모리부(630)는 제어부(620)의 동작/실행에 필요한 제어 정보 및/또는 소프트웨어 코드를 저장할 수 있다.

입력부(640a)는 AI 기기(600)의 외부로부터 다양한 종류의 데이터를 획득할 수 있다. 예를 들어, 입력부(620)는 모델 학습을 위한 학습 데이터, 및 학습 모델이 적용될 입력 데이터 등을 획득할 수 있다. 입력부(640a)는 카메라, 마이크로폰 및/또는 사용자 입력부 등을 포함할 수 있다. 출력부(640b)는 시각, 청각 또는 촉각 등과 관련된 출력을 발생시킬 수 있다. 출력부(640b)는 디스플레이부, 스피커 및/또는 햅틱 모듈 등을 포함할 수 있다. 센싱부(640)는 다양한 센서들을 이용하여 AI 기기(600)의 내부 정보, AI 기기(600)의 주변 환경 정보 및 사용자 정보 중 적어도 하나를 얻을 수 있다. 센싱부(640)는 근접 센서, 조도 센서, 가속도 센서, 자기 센서, 자이로 센서, 관성 센서, RGB 센서, IR 센서, 지문 인식 센서, 초음파 센서, 광 센서, 마이크로폰 및/또는 레이더 등을 포함할 수 있다.

러닝 프로세서부(640c)는 학습 데이터를 이용하여 인공 신경망으로 구성된 모델을 학습시킬 수 있다. 러닝 프로세서부(640c)는 AI 서버(도 1, 140)의 러닝 프로세서부와 함께 AI 프로세싱을 수행할 수 있다. 러닝 프로세서부(640c)는 통신부(610)를 통해 외부 기기로부터 수신된 정보, 및/또는 메모리부(630)에 저장된 정보를 처리할 수 있다. 또한, 러닝 프로세서부(640c)의 출력 값은 통신부(610)를 통해 외부 기기로 전송되거나/되고, 메모리부(630)에 저장될 수 있다.

도 7은 본 개시에 적용되는 전송 신호를 처리하는 방법을 도시한 도면이다. 일 예로, 전송 신호는 신호 처리 회로에 의해 처리될 수 있다. 이때, 신호 처리 회로(700)는 스크램블러(710), 변조기(720), 레이어 매퍼(730), 프리코더(740), 자원 매퍼(750), 신호 생성기(760)를 포함할 수 있다. 이때, 일 예로, 도 7의 동작/기능은 도 2의 프로세서(202a, 202b) 및/또는 송수신기(206a, 206b)에서 수행될 수 있다. 또한, 일 예로, 도 7의 하드웨어 요소는 도 2의 프로세서(202a, 202b) 및/또는 송수신기(206a, 206b)에서 구현될 수 있다. 일 예로, 블록 710~760은 도 2의 프로세서(202a, 202b)에서 구현될 수 있다. 또한, 블록 710~750은 도 2의 프로세서(202a, 202b)에서 구현되고, 블록 760은 도 2의 송수신기(206a, 206b)에서 구현될 수 있으며, 상술한 실시 예로 한정되지 않는다.

코드워드는 도 7의 신호 처리 회로(700)를 거쳐 무선 신호로 변환될 수 있다. 여기서, 코드워드는 정보블록의 부호화된 비트 시퀀스이다. 정보블록은 전송블록(예, UL-SCH 전송블록, DL-SCH 전송블록)을 포함할 수 있다. 무선 신호는 다양한 물리 채널(예, PUSCH, PDSCH)을 통해 전송될 수 있다. 구체적으로, 코드워드는 스크램블러(710)에 의해 스크램블된 비트 시퀀스로 변환될 수 있다. 스크램블에 사용되는 스크램블 시퀀스는 초기화 값에 기반하여 생성되며, 초기화 값은 무선 기기의 ID 정보 등이 포함될 수 있다. 스크램블된 비트 시퀀스는 변조기(720)에 의해 변조 심볼 시퀀스로 변조될 수 있다. 변조 방식은 pi/2-BPSK(pi/2-binary phase shift keying), m-PSK(m-phase shift keying), m-QAM(m-quadrature amplitude modulation) 등을 포함할 수 있다.

복소 변조 심볼 시퀀스는 레이어 매퍼(730)에 의해 하나 이상의 전송 레이어로 매핑될 수 있다. 각 전송 레이어의 변조 심볼들은 프리코더(740)에 의해 해당 안테나 포트(들)로 매핑될 수 있다(프리코딩). 프리코더(740)의 출력 z는 레이어 매퍼(730)의 출력 y를 N*M의 프리코딩 행렬 W와 곱해 얻을 수 있다. 여기서, N은 안테나 포트의 개수, M은 전송 레이어의 개수이다. 여기서, 프리코더(740)는 복소 변조 심볼들에 대한 트랜스폼(transform) 프리코딩(예, DFT(discrete fourier transform) 변환)을 수행한 이후에 프리코딩을 수행할 수 있다. 또한, 프리코더(740)는 트랜스폼 프리코딩을 수행하지 않고 프리코딩을 수행할 수 있다.

자원 매퍼(750)는 각 안테나 포트의 변조 심볼들을 시간-주파수 자원에 매핑할 수 있다. 시간-주파수 자원은 시간 도메인에서 복수의 심볼(예, CP-OFDMA 심볼, DFT-s-OFDMA 심볼)을 포함하고, 주파수 도메인에서 복수의 부반송파를 포함할 수 있다. 신호 생성기(760)는 매핑된 변조 심볼들로부터 무선 신호를 생성하며, 생성된 무선 신호는 각 안테나를 통해 다른 기기로 전송될 수 있다. 이를 위해, 신호 생성기(760)는 IFFT(inverse fast fourier transform) 모듈 및 CP(cyclic prefix) 삽입기, DAC(digital-to-analog converter), 주파수 상향 변환기(frequency uplink converter) 등을 포함할 수 있다.

무선 기기에서 수신 신호를 위한 신호 처리 과정은 도 7의 신호 처리 과정(710~760)의 역으로 구성될 수 있다. 일 예로, 무선 기기(예, 도 2의 200a, 200b)는 안테나 포트/송수신기를 통해 외부로부터 무선 신호를 수신할 수 있다. 수신된 무선 신호는 신호 복원기를 통해 베이스밴드 신호로 변환될 수 있다. 이를 위해, 신호 복원기는 주파수 하향 변환기(frequency downlink converter), ADC(analog-to-digital converter), CP 제거기, FFT(fast fourier transform) 모듈을 포함할 수 있다. 이후, 베이스밴드 신호는 자원 디-매퍼 과정, 포스트코딩(postcoding) 과정, 복조 과정 및 디-스크램블 과정을 거쳐 코드워드로 복원될 수 있다. 코드워드는 복호(decoding)를 거쳐 원래의 정보블록으로 복원될 수 있다. 따라서, 수신 신호를 위한 신호 처리 회로(미도시)는 신호 복원기, 자원 디-매퍼, 포스트코더, 복조기, 디-스크램블러 및 복호기를 포함할 수 있다.

6G 통신 시스템

6G (무선통신) 시스템은 (i) 디바이스 당 매우 높은 데이터 속도, (ii) 매우 많은 수의 연결된 디바이스들, (iii) 글로벌 연결성(global connectivity), (iv) 매우 낮은 지연, (v) 배터리-프리(battery-free) IoT 디바이스들의 에너지 소비를 낮추고, (vi) 초고신뢰성 연결, (vii) 머신 러닝 능력을 가지는 연결된 지능 등에 목적이 있다. 6G 시스템의 비젼은 "intelligent connectivity", "deep connectivity", "holographic connectivity", "ubiquitous connectivity"와 같은 4가지 측면일 수 있으며, 6G 시스템은 하기 표 1과 같은 요구 사항을 만족시킬 수 있다. 즉, 표 1은 6G 시스템의 요구 사항을 나타낸 표이다.

Per device peak data rate	1 Tbps
E2E latency	1 ms
Maximum spectral efficiency	100 bps/Hz
Mobility support	up to 1000 km/hr
Satellite integration	Fully
AI	Fully
Autonomous vehicle	Fully
XR	Fully
Haptic Communication	Fully

이때, 6G 시스템은 향상된 모바일 브로드밴드(enhanced mobile broadband, eMBB), 초-저지연 통신(ultra-reliable low latency communications, URLLC), mMTC (massive machine type communications), AI 통합 통신(AI integrated communication), 촉각 인터넷(tactile internet), 높은 스루풋(high throughput), 높은 네트워크 능력(high network capacity), 높은 에너지 효율(high energy efficiency), 낮은 백홀 및 접근 네트워크 혼잡(low backhaul and access network congestion) 및 향상된 데이터 보안(enhanced data security)과 같은 핵심 요소(key factor)들을 가질 수 있다.

도 10은 본 개시에 적용 가능한 6G 시스템에서 제공 가능한 통신 구조의 일례를 도시한 도면이다.

도 10을 참조하면, 6G 시스템은 5G 무선통신 시스템보다 50배 더 높은 동시 무선통신 연결성을 가질 것으로 예상된다. 5G의 핵심 요소(key feature)인 URLLC는 6G 통신에서 1ms보다 적은 단-대-단(end-to-end) 지연을 제공함으로써 보다 더 주요한 기술이 될 것으로 예상된다. 이때, 6G 시스템은 자주 사용되는 영역 스펙트럼 효율과 달리 체적 스펙트럼 효율이 훨씬 우수할 것이다. 6G 시스템은 매우 긴 배터리 수명과 에너지 수확을 위한 고급 배터리 기술을 제공할 수 있어, 6G 시스템에서 모바일 디바이스들은 별도로 충전될 필요가 없을 수 있다.

6G 시스템의 핵심 구현 기술

- 인공 지능(artificial Intelligence, AI)

6G 시스템에 가장 중요하며, 새로 도입될 기술은 AI이다. 4G 시스템에는 AI가 관여하지 않았다. 5G 시스템은 부분 또는 매우 제한된 AI를 지원할 것이다. 그러나, 6G 시스템은 완전히 자동화를 위해 AI가 지원될 것이다. 머신 러닝의 발전은 6G에서 실시간 통신을 위해 보다 지능적인 네트워크를 만들 것이다. 통신에 AI를 도입하면 실시간 데이터 전송이 간소화되고 향상될 수 있다. AI는 수많은 분석을 사용하여 복잡한 대상 작업이 수행되는 방식을 결정할 수 있다. 즉, AI는 효율성을 높이고 처리 지연을 줄일 수 있다.

핸드 오버, 네트워크 선택, 자원 스케줄링과 같은 시간 소모적인 작업은 AI를 사용함으로써 즉시 수행될 수 있다. AI는 M2M, 기계-대-인간 및 인간-대-기계 통신에서도 중요한 역할을 할 수 있다. 또한, AI는 BCI(brain computer interface)에서 신속한 통신이 될 수 있다. AI 기반 통신 시스템은 메타 물질, 지능형 구조, 지능형 네트워크, 지능형 장치, 지능형 인지 라디오(radio), 자체 유지 무선 네트워크 및 머신 러닝에 의해 지원될 수 있다.

최근 AI를 무선 통신 시스템과 통합하려고 하는 시도들이 나타나고 있으나, 이는 어플리케이션 계층(application layer), 네트워크 계층(network layer) 특히, 딥 러닝은 무선 자원 관리 및 할당(wireless resource management and allocation) 분야에 집중되어 왔다. 그러나, 이러한 연구는 점점 MAC 계층 및 물리 계층으로 발전하고 있으며, 특히 물리계층에서 딥 러닝을 무선 전송(wireless transmission)과 결합하고자 하는 시도들이 나타나고 있다. AI 기반의 물리계층 전송은, 근본적인 신호 처리 및 통신 메커니즘에 있어서, 전통적인 통신 프레임워크가 아니라 AI 드라이버에 기초한 신호 처리 및 통신 메커니즘을 적용하는 것을 의미한다. 예를 들어, 딥러닝 기반의 채널 코딩 및 디코딩(channel coding and decoding), 딥러닝 기반의 신호 추정(estimation) 및 검출(detection), 딥러닝 기반의 MIMO(multiple input multiple output) 매커니즘(mechanism), AI 기반의 자원 스케줄링(scheduling) 및 할당(allocation) 등을 포함할 수 있다.

머신 러닝은 채널 추정 및 채널 트래킹을 위해 사용될 수 있으며, DL(downlink)의 물리 계층(physical layer)에서 전력 할당(power allocation), 간섭 제거(interference cancellation) 등에 사용될 수 있다. 또한, 머신 러닝은 MIMO 시스템에서 안테나 선택, 전력 제어(power control), 심볼 검출(symbol detection) 등에도 사용될 수 있다.

그러나 물리계층에서의 전송을 위한 DNN의 적용은 아래와 같은 문제점이 있을 수 있다.

딥러닝 기반의 AI 알고리즘은 훈련 파라미터를 최적화하기 위해 수많은 훈련 데이터가 필요하다. 그러나 특정 채널 환경에서의 데이터를 훈련 데이터로 획득하는데 있어서의 한계로 인해, 오프라인 상에서 많은 훈련 데이터를 사용한다. 이는 특정 채널 환경에서 훈련 데이터에 대한 정적 훈련(static training)은, 무선 채널의 동적 특성 및 다이버시티(diversity) 사이에 모순(contradiction)이 생길 수 있다.

또한, 현재 딥 러닝은 주로 실제 신호(real signal)을 대상으로 한다. 그러나, 무선 통신의 물리 계층의 신호들은 복소 신호(complex signal)이다. 무선 통신 신호의 특성을 매칭시키기 위해 복소(complex) 도메인 신호의 검출하는 신경망(neural network)에 대한 연구가 더 필요하다.

이하, 머신 러닝에 대해 보다 구체적으로 살펴본다.

머신 러닝은 사람이 할 수 있거나 혹은 하기 어려운 작업을 대신해낼 수 있는 기계를 만들어 내기 위해 기계를 학습시키는 일련의 동작을 의미한다. 머신 러닝을 위해서는 데이터와 러닝 모델이 필요하다. 머신 러닝에서 데이터의 학습 방법은 크게 3가지 즉, 지도 학습(supervised learning), 비지도 학습(unsupervised learning) 그리고 강화 학습(reinforcement learning)으로 구분될 수 있다.

신경망 학습은 출력의 오류를 최소화하기 위한 것이다. 신경망 학습은 반복적으로 학습 데이터를 신경망에 입력시키고 학습 데이터에 대한 신경망의 출력과 타겟의 에러를 계산하고, 에러를 줄이기 위한 방향으로 신경망의 에러를 신경망의 출력 레이어에서부터 입력 레이어 방향으로 역전파(backpropagation) 하여 신경망의 각 노드의 가중치를 업데이트하는 과정이다.

지도 학습은 학습 데이터에 정답이 라벨링된 학습 데이터를 사용하며 비지도 학습은 학습 데이터에 정답이 라벨링되어 있지 않을 수 있다. 즉, 예를 들어 데이터 분류에 관한 지도 학습의 경우의 학습 데이터는 학습 데이터 각각에 카테고리가 라벨링된 데이터 일 수 있다. 라벨링된 학습 데이터가 신경망에 입력되고 신경망의 출력(카테고리)과 학습 데이터의 라벨을 비교하여 오차(error)가 계산될 수 있다. 계산된 오차는 신경망에서 역방향(즉, 출력 레이어에서 입력 레이어 방향)으로 역전파 되며, 역전파에 따라 신경망의 각 레이어의 각 노드들의 연결 가중치가 업데이트 될 수 있다. 업데이트 되는 각 노드의 연결 가중치는 학습률(learning rate)에 따라 변화량이 결정될 수 있다. 입력 데이터에 대한 신경망의 계산과 에러의 역전파는 학습 사이클(epoch)을 구성할 수 있다. 학습률은 신경망의 학습 사이클의 반복 횟수에 따라 상이하게 적용될 수 있다. 예를 들어, 신경망의 학습 초기에는 높은 학습률을 사용하여 신경망이 빠르게 일정 수준의 성능을 확보하도록 하여 효율성을 높이고, 학습 후기에는 낮은 학습률을 사용하여 정확도를 높일 수 있다

데이터의 특징에 따라 학습 방법은 달라질 수 있다. 예를 들어, 통신 시스템 상에서 송신단에서 전송한 데이터를 수신단에서 정확하게 예측하는 것을 목적으로 하는 경우, 비지도 학습 또는 강화 학습 보다는 지도 학습을 이용하여 학습을 수행하는 것이 바람직하다.

러닝 모델은 인간의 뇌에 해당하는 것으로서, 가장 기본적인 선형 모델을 생각할 수 있으나, 인공 신경망(artificial neural networks)와 같은 복잡성이 높은 신경망 구조를 러닝 모델로 사용하는 머신 러닝의 패러다임을 딥러닝(deep learning)이라 한다.

학습(learning) 방식으로 사용하는 신경망 코어(neural network cord)는 크게 심층 신경망(deep neural networks, DNN), 합성곱 신경망(convolutional deep neural networks, CNN), 순환 신경망(recurrent boltzmann machine, RNN) 방식이 있으며, 이러한 러닝 모델이 적용될 수 있다.

THz(Terahertz) 통신

6G 시스템에서 THz 통신이 적용될 수 있다. 일 예로, 데이터 전송률은 대역폭을 늘려 높일 수 있다. 이것은 넓은 대역폭으로 sub-THz 통신을 사용하고, 진보된 대규모 MIMO 기술을 적용하여 수행될 수 있다.

도 9는 본 개시에 적용 가능한 전자기 스펙트럼을 도시한 도면이다. 일 예로, 도 9를 참조하면, 밀리미터 이하의 방사선으로도 알려진 THz파는 일반적으로 0.03mm-3mm 범위의 해당 파장을 가진 0.1THz와 10THz 사이의 주파수 대역을 나타낸다. 100GHz-300GHz 대역 범위(Sub THz 대역)는 셀룰러 통신을 위한 THz 대역의 주요 부분으로 간주된다. Sub-THz 대역 mmWave 대역에 추가하면 6G 셀룰러 통신 용량은 늘어난다. 정의된 THz 대역 중 300GHz-3THz는 원적외선 (IR) 주파수 대역에 있다. 300GHz-3THz 대역은 광 대역의 일부이지만 광 대역의 경계에 있으며, RF 대역 바로 뒤에 있다. 따라서, 이 300 GHz-3 THz 대역은 RF와 유사성을 나타낸다.

THz 통신의 주요 특성은 (i) 매우 높은 데이터 전송률을 지원하기 위해 광범위하게 사용 가능한 대역폭, (ii) 고주파에서 발생하는 높은 경로 손실 (고 지향성 안테나는 필수 불가결)을 포함한다. 높은 지향성 안테나에서 생성된 좁은 빔 폭은 간섭을 줄인다. THz 신호의 작은 파장은 훨씬 더 많은 수의 안테나 소자가 이 대역에서 동작하는 장치 및 BS에 통합될 수 있게 한다. 이를 통해 범위 제한을 극복할 수 있는 고급 적응형 배열 기술을 사용할 수 있다.

테라헤르츠(THz) 무선통신

도 10은 본 개시에 적용 가능한 THz 통신 방법을 도시한 도면이다.

도 10을 참조하면, THz 무선통신은 대략 0.1~10THz(1THz=1012Hz)의 진동수를 가지는 THz파를 이용하여 무선통신을 이용하는 것으로, 100GHz 이상의 매우 높은 캐리어 주파수를 사용하는 테라헤르츠(THz) 대역 무선통신을 의미할 수 있다. THz파는 RF(Radio Frequency)/밀리미터(mm)와 적외선 대역 사이에 위치하며, (i) 가시광/적외선에 비해 비금속/비분극성 물질을 잘 투과하며 RF/밀리미터파에 비해 파장이 짧아 높은 직진성을 가지며 빔 집속이 가능할 수 있다.

MAB(multi-arm bandits) 및 톰슨 샘플링(thompson samplging, TS)

MAB는 복수의 선택 가능한 후보들이 존재하는 환경에서, 한번에 하나의 후보를 선택할 수 있으며, 선택에 응하여 제공되는 보상의 정도가 후보 별로 서로 다른 시스템을 의미한다. 여기서, 선택 가능한 후보는 암(arm)이라 지칭될 수 있다. 이때, 제한된 N번의 선택 기회가 주어질 때, 어떻게 선택하는 것이 보상의 합을 최대화할 수 있는지에 관한 답을 찾는 것이 MAB 문제이다.

MAB 문제는 탐색(exploration) 및 이용(explioitation)을 통해 해결될 수 있다. 이용은 기존의 관측(observation)에 기반하여 가장 좋은 후보를 선택하는 방식이고, 탐색은 더 많은 관측 결과를 획득하기 위해 새로운 후보를 선택하는 방식이다. 누적된 탐색이 너무 적으면 잘못된 정보에 기반한 선택이 이루어질 수 있고, 반대로 탐색이 너무 많으면 충분한 정보를 가지고 있음에도 불구하도 정보를 더 얻기 위해 불필요한 기회 비용이 발생할 수 있다. 이와 같이, 이용과 탐색은 서로 트레이드-오프(trade-off) 관계에 있으며, 이를 최적화하는 것이 MAB 문제 해결의 핵심이다.

MAB 문제를 해결하기 위한 하나의 접근법으로서, 톰슨 샘플링이 사용될 수 있다. 톰슨 샘플링은 각 암(arm)을 선택 시 긍정의 보상이 주어질 확률을 베타(Beta) 분포로 표현한다. 여기서, 베타 분포는 2개의 파리미터들 α 및 β로 표현되는 확률 분포 모델이다. 톰슨 샘플링에 따르면, 후보의 선택은, 베타 분포들 각각에 대하여 x 축에서 랜덤하게 값들을 샘플링하고, 가장 큰 값에 대응하는 후보를 확인함으로써 이루어진다. 해당 후보의 선택에 따른 보상의 값이 해당 부호의 베타 분포를 구성하는 α 및 β의 갱신(update)에 사용된다. 예를 들어, 긍정의 결과는 α를 1 증가케하고, 부정의 결과는 β를 1 증가케 한다.

톰슨 샘플링에서 각 후보의 확률 분포를 표현하기 위해 사용되는 베타 분포는 [수학식 1]과 같이 정의된다.

[수학식 1]을 참고하면, 베타 분포는 2개의 파라미터들 α 및 β에 의해 [0, 1] 구간에서 정의되는 연속 확률 분포이다. 베타 분포를 그래프로 가시화하면 이하 도 11과 같다. 도 11은 본 개시에 적용 가능 베타 분포의 확률 밀도 함수의 예들을 도시한다. 도 11은 (α,β)가 (1/3,1), (10,30), (20,20), (1,3), (2,6), (4,4), (2/3,2/3), (2,1), (1,1)인 베타 분포들을 예시한다. 도 11을 참고하면, α/(α+β)값이 클수록 베타 분포의 중심 위치는 1에 가까워지고, β/(α+β)값이 클수록 베타 분포의 중심위치는 0에 가까워진다. (α+β)값이 클수록, 베타 분포의 폭은 좁아지고, 모든 값들이 중심에 가까워진다. 또한, (α+β)값이 작을수록, 베타 분포의 값들이 넓게 분산된다.

톰슨 샘플링에 따르면, 기존 데이터를 이용하여 각 후보의 보상 분포가 추정되고, 추정된 분포에 따라 가장 높은 보상을 부여할 후보가 선택된다. 구체적으로, 베타 분포에 기반한 랜덤 샘플링에 의해, 확률적으로 하나의 후보가 선택된다. 선택된 후보에 따른 활동(action) 수행에 따른 결과에 기반하여 선택된 후보의 α 또는 β가 갱신된다. 후보의 선택된 횟수가 많아지면, 해당 베타 분포는 중심 위치에 더욱 집중되는 형태로 변화할 것이고, α의 비중이 클수록 다음에 다시 선택될 확률이 높아지고, β의 비중이 클수록 다음에 다시 선택될 확률이 낮아진다. 후보의 선택 횟수가 적으면, 베타 분포는 넓게 분산되는 형태로 변화할 것이고, 장래에 선택될 가능성이 발생한다.

베타 분포들의 갱신에 대한 구체적인 예는 이하 도 12a 내지 도 12d와 같다. 도 12a 내지 도 12d는 본 개시에 적용 가능한 확률 분포 모델의 갱신의 예를 도시한다. 도 12a 내지 도 12d는 약 1500회의 선택들이 이루어진 경우 3개의 베타 분포들(예: 암1, 암2, 암3)의 변화를 예시한다.

도 12a를 참고하면, 최초의 암1, 암2, 암3의 (α,β)는 (1,1), (1,1), (1,1)로 동일하다. (α,β)가 (1,1)이므로, 베타 분포는 모든 x 값에 대하여 동일한 확률(예: 1)을 가지는 균등(uniform) 분포를 가진다. 3개의 암들이 모두 동일한 확률 분포를 가지므로, 동일 확률로 탐색이 시작된다.

도 12b를 참고하면, 약 8회의 탐색이 수행된 후, 암1, 암2, 암3의 (α,β)는 (3,2), (2,3), (2,2)이다. 베타 분포의 갱신에 따라 각 암이 선택될 확률도 갱신된다. 아직 암들 간 뚜렷한 차이가 확인되지는 아니한다. 암1, 암2, 암3 각각에 대하여 확률에 기반하여 x 축에서 하나의 값이 샘플링된다. 도 12b의 경우, 암3의 베타 분포에서 선택된 값이 가장 크므로, 암3이 선택될 것이다. 값의 선택은 해당 베타 분포에 따르며, 확률을 고려한 랜덤 샘플링이 의해 수행된다. 예를 들어, 암3과 같은 (2,2) 베타 분포의 경우, 확률을 고려하여 랜덤 샘플링을 수행하면 가장 높은 확률을 가지는 0.5가 가장 높은 빈도로 선택될 것이나, 0.5 외 다른 값도 더 낮은 빈도로 선택될 수 있다. 구체적으로, 암3과 같은 (2,2) 베타 분포의 경우, 0.5의 y축 값은 약 1.5이고, 0.2의 y축 값은 약 1이므로, 랜덤 샘플링을 통해 0.5가 선택되는 빈도는 0.2가 선택되는 빈도의 약 1.5배인 것으로 이해될 수 있다.

도 12c를 참고하면, 13회의 선택 후, 암1, 암2, 암3의 (α,β)는 (4,3), (2,3), (5,2)이다. 도 12c의 경우, 암3, 암1, 암2의 순서로 선택될 확률이 낮아지는 경향이 확인된다. 이때, 암1, 암2, 암3 각각에 대하여 확률에 기반하여 x 축에서 하나의 값이 샘플링되고, 암3의 베타 분포에서 선택된 값이 가장 크므로, 암3이 선택될 것이다. 도 12d를 참고하면, 1496회의 선택 후, 암1, 암2, 암3의 (α,β)는 (33,100), (100,223), (436,611)이다. 약 1500 회의 충분한 탐색이 수행되었으므로, 암3이 선택될 확률이 압도적으로 높아지게 된다.

본 개시의 구체적인 실시 예

본 개시는 무선 통신 시스템에서 위치에 기반하여 핸드오버를 수행하기 위한 것으로, 조건부 핸드오버(conditional handover, CHO)를 위한 타겟 셀(target cell)을 선택하기 위한 기술에 관한 것이다. 구체적으로, 본 개시는 조건부 핸드오버를 위한 타겟 셀의 선택 정확도를 최대화는 예측 이동성(predictive mobility) 기반 조건부 핸드오버 기술을 제안한다.

이동 통신 가입자 및 데이터 통신 량의 급증에 따라, 이동 통신망은 밀리미터파(mm-wave) 기반 초소형 밀집 셀 구성으로 발전되고 있다. 밀리미터 파의 특성인 높은 경로 손실(higher path loss), 작은 커버리지(smaller coverage), 장애물에 의한 차단에 대한 민감성(sensitive to blockage by obstacles) 등으로 인해 핸드오버 수행율(handover rate) 및 핸드오버 실패(handover failure, HOF) 율(ratio)이 증가되는 이슈를 해결하기 위하여, 조건부 핸드오버 기술이 적용될 수 있다. 조건부 핸드오버에 따르면, 기지국은 핸드오버 시작을 위한 후보(candidate) 타겟 셀들 및 핸드오버 시작 조건을 단말에게 알리고, 단말은 조건 만족 시 추가적인 보고 없이 핸드오버를 시작할 수 있다.

구체적으로, 조건부 핸드오버는 다음과 같이 진행된다. 셀룰러 망에 연결 후, 단말은 측정 설정(measurement configuration)에 따라 서빙 셀 및 인접 셀에 대한 수신 신호 세기(received signal strength, RSS) 값을 측정하고, 수신 신호 세기 값이 기설정된 이벤트 트리거(event trigger) 조건을 만족하면, 측정 보고(measurement report)를 송신한다. 이후, 서빙 셀 기지국은 측정된 수신 신호 세기 값을 기반으로 조건부 핸드오버를 위한 타겟 셀들을 선택하고, 선택된 타겟 셀들에게 핸드오버 요청을 미리 송신한다. 핸드오버 요청에 대한 응답이 수신되면, 서빙 셀 기지국은 선택된 타겟 셀들에 대한 정보 및 타겟 셀로들의 핸드오버를 진행하기 위한 조건에 대한 정보를 포함하는 핸드오버 명령(handover command)을 단말에게 미리 송신한다. 핸드오버 명령을 수신한 후, 단말은 바로 핸드오버 진행하지 아니하고, 측정을 지속한다. 즉, 단말은 서빙 셀 및 타겟 셀들에 대한 수신 신호 세기 값들을 측정하고, 핸드오버 명령에 포하묀 핸드오버를 진행하기 위한 조건을 만족하는 타겟 셀이 발견되면, 발견된 타겟 셀로 핸드오버를 진행한다. 핸드오버가 완료되면, 단말은 이전 서빙 셀 기지국에게 확인(confirm) 신호를 전달하고, 이전 서빙 셀 기지국은 나머지 적어도 하나의 타겟 셀에게 핸드오버 취소를 요청한다.

조건부 핸드오버는 측정 보고 및 핸드오버 명령의 전송 실패 확률을 줄이기 위하여, 신호 환경이 좋은 상황에서 단말이 측정 보고를 송신하고, 기지국이 핸드오버 명령을 미리 전송하도록 설계되었다. 하지만, 핸드오버를 미리 결정하면 타게 셀에 대한 선택 오류가 발생할 확률이 증가되기 때문에, 복수의 이웃 셀(neighbor cell)들을 타겟 셀들로 선택하는 것이 일반적이다. 다시 말해, 조건부 핸드오버를 수행함에 있어서, 타겟 셀의 선택 오류를 방지하기 위하여, 전술한 바와 같이, 기지국은 복수의 이웃 셀들을 타겟 셀들로 선택할 수 있다. 복수의 타겟 셀들을 선택하는 경우, 시그널링 오버헤드가 증가하고, 이에 따라 무선 자원이 낭비될 수 있다. 이에 따라, 본 개시는 조건부 핸드오버를 위한 타겟 셀의 선택 정확도를 최대화함으로써 전체 시스템의 통신 성능을 향상시키고, 에너지 효율을 증대시킬 수 있는 기술을 제안한다.

다양한 실시 예들에 따른 핸드오버의 개념은 이하 도 13과 같다. 도 13은 본 개시의 일 실시 예에 따른 무선 통신 시스템에서 핸드오버의 개념을 도시한다.

도 13을 참고하면, 단말(1310)은 제1 기지국(1320-1)의 셀 내에 위치하며, 이웃 기지국들로서 제2 기지국(1320-2) 및 제3 기지국(1320-3)이 존재한다. 단말(1310)의 서빙 셀은 제1 기지국(1320-1)이며, 단말(1320)은 이동 경로(1302)를 따라 이동할 것이 예측된다. 본 발명의 다양한 실시 예들에 따라, 예측된(predicted) 이동 경로(1302)에 기반하여 핸드오버 절차가 제어될 수 있다.

제1 기지국(1320-1)은 이웃 셀들과의 경계 지역에서의 단말들의 핸드오버 이력(history)에 대한 정보를 가지고 있다. 예를 들어, 경계 지역은 복수의 단위 영역들로 분할되고, 제1 기지국(1320-1)은 각 단위 영역에서의 조건부 핸드오버를 이용한 각 이웃 셀로의 핸드오버 성공률에 대한 정보를 보유하고 있다. 예를 들어, 핸드오버 성공률에 대한 정보는 이웃 셀들에 대한 확률 분포의 모델들을 포함할 수 있다. 이에 따라, 단말의 이동 경로(1302)가 예측되면, 예측된 이동 경로(1302)에 속하는 단위 영역들이 확인될 수 있고, 확인된 단위 영역들에서의 핸드오버 성공률에 따른 최적의 타겟 셀들이 선택될 수 있다.

이를 위해, 이동 경로(1302)는 단말(1310) 또는 제1 기지국(1320-1)에 의해 예측될 수 있다. 일 실시 예에 따라, 단말(1310)에서 이동 경로(1302)가 예측되는 경우, 단말(1310)이 조건부 핸드오버를 위한 측정 보고를 송신할 때, 단말(1310)은 예측된 이동 경로(1302)에 대한 정보를 함께 제1 기지국(1320-1)에게 송신할 수 있다. 제1 기지국(1320-1)은 예측된 이동 경로(1302)에 포함되는 각 단위 영역을 대표하는 위치에서 과거의 단말들의 핸드오버 이력 정보를 기반으로 타겟 셀에 대한 예측을 수행하고, 일정한 기준 이상의 핸드오버 성공률을 가지는 적어도 하나의 셀을 적어도 하나의 타겟 셀로서 선택한다. 제1 기지국(1320-1)의 셀 내부에서, 모든 위치들의 핸드오버 예측에 관련된 정보는 제1 기지국(1320-1)이 보유할 수 있다.

이에 따라, 단말(1310)이 제1 기지국(1320-1)의 셀 내에서 측정 보고 트리거링 조건이 만족되는 제1 위치(1304)에 도달하면, 단말(1310)은 제1 기지국(1320-1)에게 측정 보고를 송신하다. 이때, 일 실시 예에 따라, 측정 보고는 예측된 이동 경로(1302)에 대한 정보를 포함할 수 있다. 도 13의 경우, 이동 경로(1302)에 8개의 단위 영역들이 포함되며, 8개의 단위 영역들 각각에서의 이웃 셀들로의 핸드오버 성공률이 예측될 수 있고, 일정 수준 이상의 핸드오버 성공률을 가지는 셀들 중 적어도 일부가 단말(1310)의 조건부 핸드오버를 위한 타겟 셀(들)로서 선택될 수 있다. 선택되 타게 셀(들)에 대한 측정을 수행한 결과, 단말(1310)은 셀 경계에 인접한 제2 위치(1306)에서 조건부 핸드오버를 시작함으로써 서빙 셀을 변경할 수 있다.

이와 같이, 본 개시의 다양한 실시 예들에 따른 핸드오버는 이동 경로 예측 및 인공지능 기반의 핸드오버 예측을 결합한, 조건부 핸드오버를 위한 타겟 셀 선택의 정확도를 향상시킬 수 있는 기술이다. 여기서, 인공지능 기반의 핸드오버 예측은 타겟 셀에 대한 예측 결과를 출력으로서 제공한다. 다양한 실시 예들에 따른 핸드오버를 위한 타겟 셀을 결정하는 기술은 MAB 문제 해결 방법 중 우수한 성능을 보장하는 톰슨 샘플링 방식에 기반한 선택 알고리즘에 기반할 수 있다.

MAB는 추천에 있어서 이용(exploitation) 및 탐색(exploration)을 균형있게 조절하는 기술이다. 이용은 단말에게 상대적으로 높은 핸드오버 성공률을 가진 이웃 셀을 추천하는 반면, 탐색은 균형 있게 새로운 이웃 셀을 추천한다. MAB 기법을 적용함으로써, 탐색을 통해 신규 이웃 셀이 적절히 추천되고, 선택에 대한 피드백이 단말과 전체 기지국들에 효율적으로 반영될 수 있다. 이용 및 탐색 간 트레이드-오프(trade-off)가 존재하고, 이용 및 탐색을 조절하는 것은, 일시적으로 단말에게 손해로 보일 수 있으나, 탐색을 통해 여러 이웃 셀들이 확인되기 때문에, 전체적으로 더욱 효율적이다.

도 14는 본 개시의 일 실시 예에 따른 무선 통신 시스템에서 톰슨 샘플링 기반의 타겟 셀 선택의 개념을 도시한다. 도 14를 참고하면, 단말의 이동 경로 예측 결과(1402)에 기반하여, 복수의 이웃 셀들(1404-1 내지 1404-N)이 확인된다. 복수의 이웃 셀들(1404-1 내지 1404-N) 중, 이용 및 탐색 기반의 MAB-톰슨 샘플링 기법(1496)이 적용되면, 적어도 하나의 타겟 셀(1408)이 선택될 수 있다. 다양한 실시 예들에 따라, MAB-톰슨 샘플링 기법(1420)에서 사용되는 데이터는 이웃 셀들(1404-1 내지 1404-N) 각각에 대한 확률 분포이다.

다양한 실시 예들에 따라, 단말의 이동 경로는, 주어진 환경 및 가용한 기술에 따라 다양한 기법으로 예측될 수 있다. 예를 들어, 이동 경로 예측 방안은 이동 경로 지정 여부에 따라 두 가지로 나누어질 수 있다. 일 실시 예에 따라, 내비게이션 등 경로 안내 프로그램이 작동 중인 경우, 이동 경로가 설정되어 있는 상태이므로, 해당 프로그램으로부터 이동 경로가 얻어질 수 있다. 다른 실시 예에 따라, 이동 경로가 지정되지 아니한 상태에서, 이동 경로는 인공지능 모델에 기반하여 단말의 이동 이력 정보 및 환경 정보를 이용하여 예측될 수 있다. 일 예로, 이하 도 15와 같은 인공지능 모델이 이동 경로를 예측하기 위해 사용될 수 있다.

도 15는 본 개시의 일 실시 예에 따른 무선 통신 시스템에서 이동 경로 예측을 위한 인공지능 모델 예를 도시한다. 도 15는 단말의 환경, 상황 정보를 적용하고, 망이나 기지국에서 학습한 가중치(weight) 값을 이용하여 추론/예측함으로써, 환경 및 상황에 대응 가능하도록, 효과적으로 단말의 이동 경로를 예측할 수 있는 신경망의 구조를 예시한다. 도 15를 참고하면, 신경망(1510)은 복수의 층(layer)들, 구체적으로, 입력 층, 적어도 하나의 은닉(hidden) 층, 출력 층을 포함한다. 일 실시 예에 따라, 신경망(1510)에 의해 구현되는 이동 경로 예측 알고리즘은 단말의 이동성(mobility) 정보(예: 시간별 GPS(global positioning system) 값, 속도, 방향 등), 인접 셀의 수신 신호 세기 정보 등의 여러 변수들을 입력으로 취하고, 망이나 기지국에 대응하는 최적 가중치(optimal weight) 값에 기반하여 단말의 이동 경로를 예측할 수 있다. 여기서, 최적 가중치는 셀 내의 환경을 반영하기 위한 변수이다. 본 개시에서, 도 15와 같은 이동 경로를 예측하는 인공지능 모델은 '이동성 예측 모델'이라 지칭될 수 있다.

다양한 실시 예들에 따라, 예측된 이동 경로 상의 위치들에서 적어도 하나의 타겟 셀이 선택된다. 적어도 하나의 타겟 셀은 톰슨 샘플링에 기반하여 선택될 수 있다. 톰슨 샘플링은 과거에 관측된 데이터에 기반하여 핸드오버 진행을 위한 이웃 셀들의 보상(reward) 분포를 추정하고, 추정된 분포에 기반하여 앞으로 가장 높은 보상을 부여할 후보를 높은 확률로 선택하는 알고리즘이다. 가장 기본적인 베르누이 톰슨 샘플링에서, 각 후보에 주어지는 보상은 베르누이 시행에 의해 p의 확률로 0 또는 1의 값을 가지며, p의 사전 확률(prior probability)는 베타(Beta) 분포에 따를 수 있다. 베타 분포는 2개의 파라미터들 α 및 β에 의해 [0, 1] 구간에서 정의되는 연속 확률 분포이다. 베타 분포를 그래프로 표현하면 이하 도 16과 같다.

도 16은 본 개시의 일 실시 예에 따른 무선 통신 시스템에서 사용 가능한 베타 분포의 확률 밀도 함수의 예들을 도시한다. 도 16은 (α,β)가 (0.5,0.5),(5,1),(1,3),(2,2),(2,5)인 베타 분포들을 예시한다. 도 16을 참고하면, α/(α+β)값이 클수록 베타 분포의 중심 위치는 1에 가까워지고, β/(α+β)값이 클수록 베타 분포의 중심 위치는 0에 가까워진다. 예를 들어, 선택된 후보에 대하여, 1의 보상 및 0의 보상이 각각 5회, 3회 발생하면, 해당 후보의 보상 확률 p는 Beta(5, 3)의 분포를 가지는 것으로 추정될 수 있다.

다양한 실시 예들에 따라 핸드오버를 위한 타겟 셀의 선택에 톰슨 샘플링을 적용하면, 선택 가능한 타겟 셀들이 도 16에 예시된 베타 분포들에 대응한다. 이 경우, 주어진 배타 분포들, 즉, 추정된 분포에 기반한 확률 매칭(probability matching)을 이용하여 타겟 셀이 선택되며, 이는 기지국에서 선택된 타겟 셀에 대해 긍정의 보상이 내려질 확률을 최대화하는 방식이다.

도 17은 본 개시의 일 실시 예에 따른 무선 통신 시스템에서 핸드오버를 수행하는 절차의 예를 도시한다. 도 17은 핸드오버를 수행하는 단말(예: 도 13의 단말(1310))의 동작 방법을 예시한다.

도 17을 참고하면, S1701 단계에서, 단말은 측정에 관련된 설정 정보를 수신한다. 여기서, 측정은 핸드오버를 수행하기 위해 요구되는 서빙 셀 또는 이웃 셀들에 대한 신호 품질(예: RSS, SINR(signal to interference noise ratio), RSRP(reference signal received power), RSRQ(reference signal received quality) 등)을 측정하는 동작을 의미하며, 설정 정보는 측정의 수행, 측정의 보고 등에 관련된 설정 정보(예: 측정 보고 이벤트에 대한 정보)를 포함한다. 일 실시 예에 따라, 설정 정보는 단말의 이동 경로에 대한 보고 요청 또는 이동 경로를 예측하기 위해 필요한 정보에 대한 보고 요청 중 적어도 하나를 더 포함할 수 있다.

S1703 단계에서, 단말은 경로 예측에 관련된 정보를 포함하는 측정 보고를 송신한다. 경로 예측에 관련된 정보는 예측된 이동 경로 또는 이동 경로를 예측하기 위해 필요한 정보 중 적어도 하나를 포함할 수 있다. 여기서, 이동 경로는 단말의 현재 위치로부터 서빙 셀의 경계까지의 궤적을 지시한다. 궤적은 적어도 하나의 단위 영역을 통과하며, 기지국 또는 단말에서 단위 영역의 대표 위치 값들로 표현될 수 있다. 이동 경로를 예측하기 위해 필요한 정보는 이동 경로를 판단하기 위해 사용되는 간접적인 정보로서, 네비게이션 서비스를 제공하는 제3의 서버로 경로 정보를 요청하기 위해 필요한 정보, 이동 경로를 예측하기 위한 인공지능 모델로의 입력 데이터 중 적어도 하나를 포함할 수 있다. 추가적으로, 측정 보고는 적어도 하나의 이웃 셀에 대한 측정 정보(예: 신호 품질 값)를 포함할 수 있다. 여기서, 측정 보고는 측정 정보에 의해 지시되는 이벤트가 만족되는 경우에 송신될 수 있다.

S1705 단계에서, 단말은 핸드오버 명령 메시지를 수신한다. 측정 보고를 송신한 후, 단말은 기지국으로부터 핸드오버를 수행할 것을 명령하는 메시지를 수신할 수 있다. 핸드오버 명령 메시지는 조건부 핸드오버를 위한 적어도 하나의 타겟 셀에 대한 정보를 포함하는 RRC 재설정(reconfiguration) 메시지일 수 있다. 이때, 핸드오버 명령 메시지는 예측에 기반하여 선택된 적어도 하나의 이웃 셀을 적어도 하나의 타겟 셀로서 지시할 수 있다. 또한, 핸드오버 명령 메시지는 적어도 하나의 타겟 셀로의 핸드오버를 실행(execution)하기 위한 조건에 관련된 정보를 포함할 수 있다. 여기서, 핸드오버 명령 메시지에 의해 지시되는 적어도 하나의 타겟 셀은, 아직 최종적인 핸드오버 타겟 셀로서 확정된 것이 아니므로, '후보 셀' 또는 '후보 타겟 셀'로 지칭될 수 있다.

S1707 단계에서, 단말은 핸드오버를 수행한다. 단말은 지시된 적어도 하나의 타겟 셀에 대한 측정을 수행하고, 적어도 하나의 타겟 셀 중 하나의 타겟 셀이 핸드오버 실행을 위한 조건을 만족함을 판단한 후, 조건을 만족하는 타겟 셀로 핸드오버를 수행할 수 있다. 즉, 단말은 타겟 셀에 대응하는 기지국에 대하여 랜덤 억세스를 수행하고, 핸드오버 확인 메시지를 송신할 수 있다. 핸드오버 확인 메시지는 핸드오버 성공(handover success) 메시지일 수 있다. 이때, 일 실시 예에 따라, 단말은 핸드오버의 결과에 따라 예측 모델을 갱신하기 위한 정보를 생성하고, 생성된 정보를 핸드오버 확인 메시지를 통해 송신할 수 있다. 예측 모델을 갱신하기 위한 정보는 핸드오버 후 서비스 품질 유지 여부를 지시하는 정보, 핸드오버 후 서빙 셀에 대한 신호 품질을 지시하는 정보, 예측 모델에서 사용되는 보상 값, 예측 모델에 포함되는 셀 별 확률 분포를 지시하는 정보 중 적어도 하나를 포함할 수 있다.

도 17을 참고하여 설명한 실시 예에 따라, 이동 경로 예측 및 타겟 셀 예측에 기반한 핸드오버가 수행될 수 있다. 이때, 적어도 하나의 타겟 셀은 기지국에 의해 예측되는 것으로 설명되었다. 그러나, 다른 실시 예에 따라, 타겟 셀을 예측하는 동작은 단말에 의해 수행될 수 있다. 이 경우, 인공지능 기반의 예측 모델을 이용한 예측 연산을 수행하기 위해 필요한 정보가 기지국으로부터 단말에게 제공될 수 있다. 예를 들어, 예측 연산을 수행하기 위해 필요한 정보는, 셀 내의 단위 영역의 대표 위치 별 예측 모델에 관련된 정보로서, 예측 모델에 의해 수행된 핸드오버의 횟수 및 셀 별 선택된 횟수를 지시하는 정보, 또는 상기 예측 모델에 포함되는 후보 셀 별 확률 분포를 지시하는 정보 중 적어도 하나를 포함할 수 있다. 예측 연산을 수행하기 위해 필요한 정보는, S1701 단계에서 수신되는 설정 정보, S1705 단계에서 수신되는 핸드오버 명령 메시지 또는 별도의 설정(configuration) 메시지를 통해 제공될 수 있다. 이 경우, 단말은 핸드오버 명령 메시지들에 포함되는 복수의 타겟 셀들 중 적어도 일부를 예측 연산을 통해 재선택하고, 핸드오버를 수행할 수 있다. 또한, 이 경우, 단말이 직접 타겟 셀에 대한 예측 동작을 수행하기 때문에, S1703 단계에서 송신되는 측정 보고는 예측된 이동 경로 및 이동 경로를 예측하기 위해 필요한 정보를 포함하지 아니할 수 있다.

도 18은 본 개시의 일 실시 예에 따른 무선 통신 시스템에서 핸드오버를 제어하는 절차의 예를 도시한다. 도 18은 핸드오버를 제어하는 기지국(예: 도 13의 제1 기지국(1320-1))의 동작 방법을 예시한다.

도 18을 참고하면, S1801 단계에서, 기지국은 측정에 관련된 설정 정보를 송신한다. 여기서, 설정 정보는 측정의 수행, 측정의 보고 등에 관련된 설정 정보(예: 측정 보고 이벤트에 대한 정보)를 포함한다. 일 실시 예에 따라, 설정 정보는 단말의 이동 경로에 대한 보고 요청 또는 이동 경로를 예측하기 위해 필요한 정보에 대한 보고 요청 중 적어도 하나를 더 포함할 수 있다.

S1803 단계에서, 기지국은 경로 예측에 관련된 정보를 포함하는 측정 보고를 수신한다. 경로 예측에 관련된 정보는 예측된 이동 경로 또는 이동 경로를 예측하기 위해 필요한 정보 중 적어도 하나를 포함할 수 있다. 여기서, 이동 경로는 단말의 현재 위치로부터 서빙 셀의 경계까지의 궤적을 지시한다. 궤적은 적어도 하나의 단위 영역을 통과하며, 기지국 또는 단말에서 단위 영역의 대표 위치 값들로 표현될 수 있다. 이동 경로를 예측하기 위해 필요한 정보는 이동 경로를 판단하기 위해 사용되는 간접적인 정보로서, 네비게이션 서비스를 제공하는 제3의 서버로 경로 정보를 요청하기 위해 필요한 정보, 이동 경로를 예측하기 위한 인공지능 모델로의 입력 데이터 중 적어도 하나를 포함할 수 있다. 추가적으로, 측정 보고는 적어도 하나의 이웃 셀에 대한 측정 정보(예: 신호 품질 값)를 포함할 수 있다. 여기서, 측정 보고는 측정 정보에 의해 지시되는 이벤트가 만족되는 경우에 송신될 수 있다.

S1805 단계에서, 기지국은 핸드오버 명령 메시지를 송신한다. 측정 보고를 수신한 후, 기지국은 측정 보고에 포함된 측정 값에 기반하여 단말의 핸드오버를 결정할 수 있다. 이에 따라, 기지국은 단말에게 예측에 기반하여 선택된 적어도 하나의 이웃 셀을 적어도 하나의 타겟 셀로서 지시하는 핸드오버 명령 메시지를 송신할 수 있다. 구체적으로, 기지국은 단말의 예측된 이동 경로에 포함되는 위치들 각각에서의 타겟 셀(들)을 예측하고, 예측된 타겟 셀(들)을 지시하는 핸드오버 명령 메시지를 송신할 수 있다. 여기서, 이동 경로는 단말 또는 기지국에 의해 예측될 수 있다. 핸드오버 명령 메시지는 조건부 핸드오버를 위한 적어도 하나의 타겟 셀에 대한 정보를 포함하는 RRC 재설정(reconfiguration) 메시지일 수 있다. 여기서, 핸드오버 명령 메시지에 의해 지시되는 적어도 하나의 타겟 셀은, 아직 최종적인 핸드오버 타겟 셀로서 확정된 것이 아니므로, '후보 셀' 또는 '후보 타겟 셀'로 지칭될 수 있다.

S1807 단계에서, 기지국은 핸드오버 확인 메시지를 수신한다. 핸드오버 확인 메시지는 단말의 핸드오버 완료 후, 타겟 셀의 기지국으로부터 수신된다. 이때, 일 실시 예에 따라, 핸드오버 확인 메시지는 예측 모델을 갱신하기 위한 정보를 포함할 수 있다. 있다. 예측 모델을 갱신하기 위한 정보는 핸드오버 후 서비스 품질 유지 여부를 지시하는 정보, 핸드오버 후 서빙 셀에 대한 신호 품질을 지시하는 정보, 예측 모델에서 사용되는 보상 값, 예측 모델에 포함되는 셀 별 확률 분포를 지시하는 정보 중 적어도 하나를 포함할 수 있다.

S1809 단계에서, 기지국은 예측 모델을 갱신한다. 즉, 기지국은 핸드오버 확인 메시지에 포함된 정보에 기반하여 예측 모델을 갱신할 수 있다. 핸드오버 확인 메시지에 포함된 정보가 관찰 정보를 포함하는 경우, 기지국은 관찰 정보에 기반하여 보상 값을 결정하고, 결정된 보상 값을 이용하여 예측 모델을 갱신한다. 핸드오버 확인 메시지에 포함된 정보가 갱신된 예측 모델을 포함하는 경우, 기지국은 기존의 예측 모델의 적어도 일부를 갱신된 예측 모델로 대체할 수 있다.

도 18을 참고하여 설명한 실시 예에 따라, 이동 경로 예측 및 타겟 셀 예측에 기반한 핸드오버가 수행될 수 있다. 이때, 적어도 하나의 타겟 셀은 기지국에 의해 예측되는 것으로 설명되었다. 그러나, 다른 실시 예에 따라, 타겟 셀을 예측하는 동작은 단말에 의해 수행될 수 있다. 이 경우, 인공지능 기반의 예측 모델을 이용한 예측 연산을 수행하기 위해 필요한 정보가 기지국으로부터 단말에게 제공될 수 있다. 예를 들어, 예측 연산을 수행하기 위해 필요한 정보는, 셀 내의 단위 영역의 대표 위치 별 예측 모델에 관련된 정보로서, 예측 모델에 의해 수행된 핸드오버의 횟수 및 셀 별 선택된 횟수를 지시하는 정보, 또는 상기 예측 모델에 포함되는 후보 셀 별 확률 분포를 지시하는 정보 중 적어도 하나를 포함할 수 있다. 예측 연산을 수행하기 위해 필요한 정보는, S1801에서 송신되는 설정 정보, S1805 단계에서 송신되는 핸드오버 명령 메시지 또는 별도의 설정(configuration) 메시지를 통해 제공될 수 있다. 이 경우, 단말이 직접 타겟 셀에 대한 예측 동작을 수행하기 때문에, S1803 단계에서 수신되는 측정 보고는 예측된 이동 경로 및 이동 경로를 예측하기 위해 필요한 정보를 포함하지 아니할 수 있다.

전술한 다양한 실시 예들에 따른 핸드오버 절차는 예측 이동성 기반 조건부 핸드오버 절차로 표현될 수 있다. 서빙 셀 기지국은 단말이 셀 내의 모든 위치들에서 핸드오버 진행 시 선택 가능한 후보 셀들에 대한 톰슨 샘플링 모델의 베타(beta) 분포 정보를 보유한다. 즉, 기지국은 자신의 셀 내 모든 위치들에서 각 이웃 셀을 선택한 단말의 핸드오버 성공 여부에 따라 결정된 보상(reward) 정보에 기반하여 결정된 베타 분포 정보를 보유한다. 다양한 실시 예들에 따른 핸드오버 절차는 크게 4개 단계들로 나누어질 수 있다.

첫 번째 단계에서, 단말이 셀룰러 망에 연결 후, 서빙 셀 기지국은 조건부 핸드오버를 진행하기 위하여 단말에게 이동성 예측에 관련된 정보를 포함하는 측정 설정(measurement configuration)을 송신한다. 측정 설정에 따라, 단말은 이동 경로를 예측하고, 서빙 셀 및 인접 셀에 대한 RSS 값들을 측정한다. 측정된 RSS 값들이 조건부 핸드오버의 트리거링 조건을 만족하면, 단말은 예측된 이동 경로 정보 및 갱신할 이동성 예측 관련 정보를 포함하는 측정 보고를 서빙 셀 기지국에게 송신한다. 일 실시 예에 따라, 이동성 예측에 관련된 정보는 다음과 같은 2가지 항목들 중 적어도 하나를 포함할 수 있다.

1) 경로 정보 포맷: 서빙 셀 기지국의 위치부터 지정한 거리까지의 경로를 시간 또는 거리를 간격으로 N 등분한 위치 정보.

2) 가중치 값: 단말에서 사용할 이동성 예측 모델의 가중치 값. 서빙 셀 내의 환경 특성을 반영함.

두 번째 단계에서, 서빙 셀 기지국은 단말에 의해 예측된 이동 경로 정보와 모든 단말들의 핸드오버 이력 정보를 기반으로 핸드오버 예측을 수행한다. 그리고, 서빙 셀 기지국은 이동 경로 상 각 위치에서 핸드오버 성공확률이 가장 높은 셀(예: 톰슨 샘플링 모델이 사용된 경우, 후보 셀들의 베타 분포로 랜덤 샘플링 한 값 중에 최대의 값을 가진 셀)들을 선택하고, 선택된 셀들 중 일정 수치 이상의 핸드오버 성공률을 가진 적어도 하나의 셀을 조건부 핸드오버를 위한 적어도 하나의 타겟 셀로서 선택할 수 있다.

세 번째 단계에서, 서빙 셀 기지국은 선택된 적어도 하나의 타겟 셀로 핸드오버를 요청하고, 적어도 하나의 타겟 셀로부터 응답이 수신되면, 선택된 적어도 하나의 타겟 셀에 대한 정보 및 해당 적어도 하나의 타겟으로의 핸드오버를 실시할 수 있는 조건을 포함하는 핸드오버 명령을 단말에게 미리 송신한다. 핸드오버 명령을 수신한 단말은 즉시 핸드오버 진행하지 아니하고, 지속적으로 서빙 셀 및 적어도 하나의 서빙 셀에 대한 RSS 값들을 측정한다. 핸드오버 명령에 의해 지시된 핸드오버의 실시에 대한 조건을 만족하는 타겟 셀이 검출되면, 단말은 해당 타겟 셀로 핸드오버를 수행한다.

네 번째 단계에서, 타겟 셀로 핸드오버 수행한 후, 단말은 서비스의 QoS 유지 여부 및 새로운 서빙 셀에 대한 RSS 값을 핸드오버 ACK 정보와 같이 이전 서빙 셀 기지국에게 전달한다. 또는, 예측 모델을 갱신하기 위한 정보는 단말에 의해 계산되고, 계산의 결과가 이전 서빙 셀로 전달될 수 있다. 이전 서빙 셀 기지국은 수신된 정보에 기반하여 핸드오버 예측 모델을 갱신하고, 나머지 타겟 셀에게 핸드오버 취소(cancel) 명령을 송신한다. QoS가 유지되지 못하면 보상 값은 0이다. QoS가 유지되면, 보상 값은 이하 [수학식 2]와 같이 새로운 서빙 셀에 대한 RSS 값 및 임계치(예: 이전 서빙 셀에 대한 RSS 값 + 일정한 수치)를 비교한 결과에 기반하여 결정된다.

[수학식 2에서, R은 보상 값, RSS_T는 핸드오버 후의 새로운 서빙 셀에 대한 RSS 값, RSS_S는 이전 서빙 셀에 대한 RSS 값, Δ는 임계치를 결정하기 위한 마진 값을 의미한다. 보상 값이 1 이면 보상 파라미터 α가 +1 증가되고, 보상 값이 0 이면 보상 파라미터 β가 +1 증가된다.

도 19은 본 개시의 일 실시 예에 따른 무선 통신 시스템에서 이벤트 트리거링 측정 보고 및 단말의 예측 연산에 기반한 핸드오버를 위한 신호 교환의 예를 도시한다. 도 19는 이동 경로 예측은 단말(1910)에 의해, 타겟 셀 예측은 제1 기지국(1920-1)에 의해 수행되는 실시 예를 보여준다. 도 19에서, 제1 기지국(1920-1)은 서빙 셀 기지국, 제2 기지국(1920-2) 및 제2 기지국(1920-3)는 타겟 셀 기지국이다.

도 19을 참고하면, S1901 단계에서, 제1 기지국(1920-1)은 UE(1910)에게 측정 설정 정보를 송신한다. 즉, UE(1910)가 셀룰러 망에 연결된 후, 제1 기지국(1920-1)은 UE(1910)에게 측정 설정을 송신한다. 측정 설정은 이동성 예측에 관련된 정보를 포함한다. 이동성 예측에 관련된 정보는 이동 경로 정보의 포맷, 이동성 예측을 위한 인공지능 모델에 대한 정보(예: 가중치 값들) 중 적어도 하나를 포함할 수 있다. 이동 경로 정보의 포맷은 이동 경로를 어떤 형태의 데이터를 이용하여 표현할지를 지시하며, 예를 들어, 시간 단위 위치 값 또는 거리 단위 위치 값을 지시할 수 있다.

S1903 단계에서, UE(1910)는 서빙 셀 및 이웃 셀들에 대한 RSS 값들을 측정한다. 그리고, UE(1910)는 UE(1910)의 이동 경로를 예측한다. 이동 경로는 이동 경로에 관련된 어플리케이션(예: 네비게이션)으로부터 획득되거나 또는 인공지능 모델을 이용하여 결정될 수 있다.

S1905 단계에서, UE(1910)는 제1 기지국(1920-1)에게 측정 보고를 송신한다. 즉, UE(1910)는 측정 설정 정보에 따라 측정된 서빙 셀의 RSS 값이 일정 수치 보다 작아지면, 측정 보고를 위한 이벤트가 만족됨을 판단한다. 이에 따라, UE(1910)는 제1 기지국(1920-1)에게 측정 보고를 송신한다. 이때, 일 실시 예에 따라, 측정 보고는 UE(1910)의 예측된 이동 경로 또는 갱신된 이동성 예측 모델의 가중치 값 중 적어도 하나를 포함할 수 있다.

S1907 단계에서, 제1 기지국(1920-1)은 UE(1910)의 핸드오버를 결정한다. 제1 기지국(1920-1)은 측정 보고에 기반하여 핸드오버를 결정한다. 이때, 제1 기지국(1920-1)은 UE(1910)로부터 보고된 예측된 이동 경로에 기반하여 예측을 수행하고, 일정 수치 이상의 핸드오버 예측 성공률을 가지는 적어도 하나의 이웃 셀을 적어도 하나의 타겟 셀로 선택한다. 예측된 이동 경로에 기반하여 예측은 이동 경로에 포함되는 위치들 각각에서의 핸드오버를 위한 타겟 셀들의 예측으로 이해될 수 있다. 본 예시적 절차에서, 제2 기지국(1920-2) 및 제3 기지국(1920-3)이 타겟 셀들로서 선택된다.

S1909 단계 및 S1911 단계에서, 제1 기지국(1920-1)은 제2 기지국(1920-2) 및 제3 기지국(1920-3) 각각에게 핸드오버 요청 메시지를 송신한다. 이에 따라, 제2 기지국(1920-2) 및 제3 기지국(1920-3)은 UE(1910)에 대한 수용여부를 판단한다. 본 예시적 절차에서, 제2 기지국(1920-2) 및 제3 기지국(1920-3) 모두 UE(1910)의 수락을 허용한다. S1913 단계 및 S1915 단계에서, 제2 기지국(1920-2) 및 제3 기지국(1920-3) 각각은 제1 기지국(1920-1)에게 핸드오버 요청 ACK(acknowledge) 메시지를 송신한다. S1917 단계에서, 제1 기지국(1920-1)은 UE(1910)에게 핸드오버 명령 메시지를 송신한다. 핸드오버 명령 메시지는 조건부 핸드오버를 위한 타겟 셀들에 대한 정보 및 조건부 핸드오버의 실행 조건에 대한 정보를 포함할 수 있다. 본 예시적인 절차에서, 타겟 셀들로서, 제2 기지국(1920-2) 및 제3 기지국(1920-3)이 지시된다.

S1919 단계에서. UE(1910)는 조건부 핸드오버의 실행 조건을 평가한다(evaluate). UE(1910)는 서빙 셀인 제1 기지국(1920-1) 및 타겟 셀들인 제2 기지국(1920-2) 및 및 제3 기지국(1920-3)에 대한 RSS 값들을 측정하고, 조건부 핸드오버의 실행 조건이 만족되는지 판단한다. 본 예시적인 절차에서, 제2 기지국(1920-2)으로의 조건부 핸드오버의 실행 조건이 만족된다. 이에 따라, UE(1910)는 제2 기지국(1920-2)으로 핸드오버를 수행한다.

S1921 단계에서, UE(1910)는 제2 기지국(1920-2)에게 핸드오버 확인(confirm) 메시지를 송신한다. 여기서, 핸드오버 확인 메시지는 예측 모델을 갱신하기 위한 정보(이하, '모델 갱신 정보')를 포함한다. 즉, UE(1910)는 모델 갱신 정보를 ACK 정보와 함께 송신한다. 이를 위해, UE(1910)는 갱신할 예측 모델 정보를 결정한다. 즉, UE(1910)는 타겟 셀로 핸드오버 수행 후, 새로운 서빙 셀의 RSS 값, UE(1910)의 서비스 품질 유지 여부를 확인하고, 확인된 정보에 기반하여 예측 모델을 갱신하기 위한 정보(예: 톰슨 샘플링 모델의 경우 보상 혹은 베타 분포 정보)를 결정할 수 있다.

S1923 단계에서, 제2 기지국(1920-2)은 제1 기지국(1920-1)에게 핸드오버 확인 ACK 메시지를 송신한다. 여기서, 핸드오버 확인 ACK 메시지는 핸드오버 성공(handover success)을 지시하며, UE(1910)로부터 수신된 모델 갱신 정보를 포함한다. S1925 단계에서, 제1 기지국(1920-1)은 예측 모델을 갱신한다. 즉, 제1 기지국(1920-1)은 핸드오버 확인 ACK 메시지에 포함된 모델 갱신 정보에 기반하여 예측 모델을 갱신할 수 있다. S1927 단계에서, 제1 기지국(1920-1)은 제3 기지국(1920-3)에게 핸드오버 취소(handover cancel) 메시지를 송신한다. 이에 따라, 제3 기지국(1920-3)은 UE(1910)가 제3 기지국(1920-3)이 아닌 다른 기지국으로 핸드오버하였음을 인지할 수 있다.

도 20은 본 개시의 일 실시 예에 따른 무선 통신 시스템에서 이동 경로 예측 및 확률 모델에 기반한 핸드오버를 위한 절차의 예를 도시한다. 도 20는 단말, 서빙 기지국으로 동작하는 제1 기지국, 타겟 기지국으로 동작하는 제2 기지국의 동작 방법을 예시한다.

도 20를 참고하면, S2001 단계에서, 단말은 셀룰러 망에 연결한다. S2003 단계에서, 제1 기지국은 단말에게 측정 설정을 전송한다. S2005 단계에서, 단말은 측정 보고를 위한 이벤트를 검출하고, 제1 기지국에게 측정 보고를 송신한다. S2007 단계에서, 제1 기지국은 핸드오버의 진행 여부를 판단한다. 핸드오버의 진행이 결정되면, S2009 단계에서, 단말은 서빙 셀 기지국인 제1 기지국으로부터의 명령을 수신하고, 서빙 셀 및 타겟 셀에 대한 RSS 값을 측정한다. S2011 단계에서, 단말은 조건부 핸드오버의 실행에 대한 조건을 만족하는 타겟 셀인 제2 기지국과 핸드오버를 진행한다.

S2013 단계에서, 단말은 타겟 셀인 제2 기지국에게 핸드오버 확인 메시지를 송신한다. 핸드오버 확인 메시지는 갱신할 예측 모델 정보를 포함한다. S2015 단계에서, 제2 기지국은 이전 서빙 셀인 제1 기지국에게 핸드오버 ACK 메시지를 송신한다. 핸드오버 ACK 메시지는 갱신할 예측 모델 정보를 포함한다. S2017 단계에서, 제1 기지국은 예측 모델을 갱신하고, 제2 기지국이 아닌 나머지 타겟 셀(들)에게 핸드오버 취소 메시지를 송신한다.

전술한 다양한 실시 예들과 같이, 톰슨 샘플링 모델을 이용하면, 핸드오버 성능이 점차 개선될 수 있다. 톰슨 샘플링 모델에서 보상에 따른 베타 분포 갱신은 이하 도 21와 같다. 도 21는 본 개시의 일 실시 예에 따른 무선 통신 시스템에서 톰슨 샘플링에 기반한 보상(reward) 구조를 도시한다. 도 21는 핸드오버 완료 후 평가 지표(예: QoS 유지 여부, 배터리 소모 속도 변화량 정보)에 기반하여 보상이 피드백되는 구조를 보여준다. 도 21를 참고하면, 샘플링은 후보 셀들의 베타 분포(2110)에서 랜덤하게 값을 샘플링하는 동작을 포함한다. 샘플링된 값들 중 최적화(2120)에 의해 최대값이 선택된다. 활동(action)은 서빙 셀 기지국에서 단말에 의해 예측된 이동 경로 상의 각 위치에서 핸드오버 성공률이 가장 큰 이웃 셀을 선택하고, 그 중 성공률이 일정한 수치 이상인 이웃 셀을 조건부 핸드오버를 위한 타겟 셀로 선택하는 것을 의미한다. 여기서, 성공률이 가장 높은 셀은 인접 셀의 베타 분포를 랜덤하게 샘플링 한 값 중에 최대의 값을 가진 셀로 이해될 수 있다. 관찰(observation)은 핸드오버 완료 후 QoS 유지 여부 및 RSS 값을 확인하는 평가(2130)에 기반하여 보상을 위한 베타 분포의 파라미터들을 갱신하는 동작을 포함한다. 갱신된 파라미터들은 베타 분포(2210)에 반영된다.

상기 설명한 제안 방식에 대한 일례들 또한 본 개시의 구현 방법들 중 하나로 포함될 수 있으므로, 일종의 제안 방식들로 간주될 수 있음은 명백한 사실이다. 또한, 상기 설명한 제안 방식들은 독립적으로 구현될 수도 있지만, 일부 제안 방식들의 조합 (또는 병합) 형태로 구현될 수도 있다. 상기 제안 방법들의 적용 여부 정보 (또는 상기 제안 방법들의 규칙들에 대한 정보)는 기지국이 단말에게 사전에 정의된 시그널 (예: 물리 계층 시그널 또는 상위 계층 시그널)을 통해서 알려주도록 규칙이 정의될 수 있다.

본 개시는 본 개시에서 서술하는 기술적 아이디어 및 필수적 특징을 벗어나지 않는 범위에서 다른 특정한 형태로 구체화될 수 있다. 따라서, 상기의 상세한 설명은 모든 면에서 제한적으로 해석되어서는 아니되고 예시적인 것으로 고려되어야 한다. 본 개시의 범위는 첨부된 청구항의 합리적 해석에 의해 결정되어야 하고, 본 개시의 등가적 범위 내에서의 모든 변경은 본 개시의 범위에 포함된다. 또한, 특허청구범위에서 명시적인 인용 관계가 있지 않은 청구항들을 결합하여 실시 예를 구성하거나 출원 후의 보정에 의해 새로운 청구항으로 포함할 수 있다.

본 개시의 실시 예들은 다양한 무선접속 시스템에 적용될 수 있다. 다양한 무선접속 시스템들의 일례로서, 3GPP(3rd Generation Partnership Project) 또는 3GPP2 시스템 등이 있다.

본 개시의 실시 예들은 상기 다양한 무선접속 시스템뿐 아니라, 상기 다양한 무선접속 시스템을 응용한 모든 기술 분야에 적용될 수 있다. 나아가, 제안한 방법은 초고주파 대역을 이용하는 mmWave, THz 통신 시스템에도 적용될 수 있다.

추가적으로, 본 개시의 실시 예들은 자유 주행 차량, 드론 등 다양한 애플리케이션에도 적용될 수 있다.

Claims (19)

1. 무선 통신 시스템에서 UE(user equipment)의 동작 방법에 있어서,
   제1 기지국으로부터 측정(measurement)에 관련된 설정(configuration) 정보를 수신하는 단계;
   상기 설정 정보에 기반하여 측정 보고(measurement report)를 상기 제1 기지국에게 송신하는 단계;
   상기 제1 기지국으로부터 핸드오버 명령 메시지를 수신하는 단계; 및
   상기 핸드오버 명령 메시지에 기반하여 제2 기지국으로 핸드오버를 수행하는 단계를 포함하며,
   상기 측정 보고는, 상기 UE의 이동 경로 예측에 관련된 정보를 포함하고,
   상기 핸드오버 명령 메시지는, 상기 핸드오버를 실행(execution)하기 위한 조건에 관련된 정보를 포함하는 방법.
2. 청구항 1에 있어서,
   상기 핸드오버 명령 메시지는, 상기 UE의 예측된 이동 경로에 기반하여 선택된 적어도 하나의 후보 셀에 대한 정보를 포함하는 방법.
3. 청구항 1에 있어서,
   상기 UE의 이동 경로 예측에 관련된 정보는,
   예측된 이동 경로를 지시하는 정보 또는 상기 이동 경로를 예측하기 위해 필요한 정보 중 적어도 하나를 포함하는 방법.
4. 청구항 3에 있어서,
   상기 이동 경로는, 상기 UE에서 실행 중인 경로 안내 프로그램으로부터 획득되거나, 또는 상기 이동 경로를 예측하기 위한 인공지능 모델을 이용하여 결정되는 방법.
5. 청구항 1에 있어서,
   상기 측정에 관련된 설정 정보는, 상기 UE의 이동 경로를 예측하기 위한 인공지능 모델에 적용되는 가중치 값들을 포함하는 방법.
6. 청구항 1에 있어서,
   상기 측정에 관련된 설정 정보는, 상기 UE의 이동 경로를 표현하기 위한 포맷에 관련된 정보를 포함하는 방법.
7. 청구항 1에 있어서,
   상기 핸드오버를 완료한 후, 상기 제1 기지국에서 상기 핸드오버를 위한 후보 셀들을 선택하기 위해 사용되는 확률 분포 모델의 갱신에 관련된 정보를 송신하는 단계를 더 포함하는 방법.
8. 청구항 7에 있어서,
   상기 확률 분포 모델의 갱신에 관련된 정보는, 상기 제2 기지국으로의 핸드오버가 성공인지 여부를 판단하기 위한 평가 정보, 상기 제2 기지국의 확률 분포에 대한 보상 값, 상기 보상 값에 기반하여 갱신된 상기 제2 기지국의 확률 분포 중 적어도 하나를 송신하는 단계를 더 포함하는 방법.
9. 청구항 7에 있어서,
   상기 확률 분포 모델의 갱신에 관련된 정보는, 핸드오버 확인 메시지를 통해 송신되는 방법.
10. 청구항 7에 있어서,
    상기 확률 분포 모델은, 상기 후보 RAT들 각각의 베타(beta) 분포를 포함하는 방법.
11. 무선 통신 시스템에서 제1 기지국의 동작 방법에 있어서,
    UE(user equipment)에게 측정(measurement)에 관련된 설정(configuration) 정보를 송신하는 단계;
    상기 설정 정보에 기반하여 생성된 측정 보고(measurement report)를 상기 UE로부터 수신하는 단계;
    상기 UE에게 핸드오버 명령 메시지를 송신하는 단계; 및
    상기 UE가 제2 기지국으로 핸드오버함에 응하여 송신되는 핸드오버 확인 메시지를 수신하는 단계를 포함하며,
    상기 측정 보고는, 상기 UE의 이동 경로 예측에 관련된 정보를 포함하고,
    상기 핸드오버 명령 메시지는, 상기 핸드오버를 실행(execution)하기 위한 조건에 관련된 정보를 포함하는 방법.
12. 청구항 11에 있어서,
    상기 핸드오버 명령 메시지는, 상기 UE의 예측된 이동 경로에 기반하여 선택된 적어도 하나의 후보 셀에 대한 정보를 포함하는 방법.
13. 청구항 12에 있어서,
    상기 UE의 예측된 이동 경로를 확인하는 단계;
    상기 예측된 이동 경로에 속하는 위치들에서의 후보 셀들을 예측하는 단계;
    상기 후보 셀들 중 상기 적어도 하나의 후보 셀을 선택하는 단계를 더 포함하는 방법.
14. 청구항 13에 있어서,
    상기 후보 셀들을, 톰슨 샘플링에 기반하여 예측되는 방법.
15. 청구항 11에 있어서,
    상기 핸드오버 확인 메시지는, 상기 제1 기지국에서 상기 핸드오버를 위한 후보 셀들을 선택하기 위해 사용되는 확률 분포 모델의 갱신에 관련된 정보를 포함하는 방법.
16. 무선 통신 시스템에서 UE(user equipment)에 있어서,
    송수신기; 및
    상기 송수신기와 연결된 프로세서를 포함하며,
    상기 프로세서는,
    제1 기지국으로부터 측정(measurement)에 관련된 설정(configuration) 정보를 수신하고,
    상기 설정 정보에 기반하여 측정 보고(measurement report)를 상기 제1 기지국에게 송신하고,
    상기 제1 기지국으로부터 핸드오버 명령 메시지를 수신하고,
    상기 핸드오버 명령 메시지에 기반하여 제2 기지국으로 핸드오버를 수행하도록 제어하며,
    상기 측정 보고는, 상기 UE의 이동 경로 예측에 관련된 정보를 포함하고,
    상기 핸드오버 명령 메시지는, 상기 핸드오버를 실행(execution)하기 위한 조건에 관련된 정보를 포함하는 UE.
17. 무선 통신 시스템에서 제1 기지국에 있어서,
    송수신기; 및
    상기 송수신기와 연결된 프로세서를 포함하며,
    상기 프로세서는,
    UE(user equipment)에게 측정(measurement)에 관련된 설정(configuration) 정보를 송신하고,
    상기 설정 정보에 기반하여 생성된 측정 보고(measurement report)를 상기 UE로부터 수신하고,
    상기 UE에게 핸드오버 명령 메시지를 송신하고,
    상기 UE가 제2 기지국으로 핸드오버함에 응하여 송신되는 핸드오버 확인 메시지를 수신하도록 제어하며,
    상기 측정 보고는, 상기 UE의 이동 경로 예측에 관련된 정보를 포함하고,
    상기 핸드오버 명령 메시지는, 상기 핸드오버를 실행(execution)하기 위한 조건에 관련된 정보를 포함하는 제1 기지국.
18. 장치에 있어서,
    적어도 하나의 프로세서;
    상기 적어도 하나의 프로세서와 연결되며, 상기 적어도 하나의 프로세서에 의해 실행됨에 따라 동작들을 지시하는 명령어를 저장하는 적어도 하나의 컴퓨터 메모리를 포함하며,
    상기 동작들은, 상기 장치가,
    제1 기지국으로부터 측정(measurement)에 관련된 설정(configuration) 정보를 수신하는 단계;
    상기 설정 정보에 기반하여 측정 보고(measurement report)를 상기 제1 기지국에게 송신하는 단계;
    상기 제1 기지국으로부터 핸드오버 명령 메시지를 수신하는 단계; 및
    상기 핸드오버 명령 메시지에 기반하여 제2 기지국으로 핸드오버를 수행하는 단계를 포함하며,
    상기 측정 보고는, 상기 UE의 이동 경로 예측에 관련된 정보를 포함하고,
    상기 핸드오버 명령 메시지는, 상기 핸드오버를 실행(execution)하기 위한 조건에 관련된 정보를 포함하는 장치.
19. 적어도 하나의 명령어(instructions)을 저장하는 비-일시적인(non-transitory) 컴퓨터 판독 가능 매체(computer-readable medium)에 있어서,
    프로세서에 의해 실행 가능한(executable) 상기 적어도 하나의 명령어를 포함하며,
    상기 적어도 하나의 명령어는, 장치가,
    제1 기지국으로부터 측정(measurement)에 관련된 설정(configuration) 정보를 수신하고,
    상기 설정 정보에 기반하여 측정 보고(measurement report)를 상기 제1 기지국에게 송신하고,
    상기 제1 기지국으로부터 핸드오버 명령 메시지를 수신하고,
    상기 핸드오버 명령 메시지에 기반하여 제2 기지국으로 핸드오버를 수행하도록 제어하며,
    상기 측정 보고는, 상기 UE의 이동 경로 예측에 관련된 정보를 포함하고,
    상기 핸드오버 명령 메시지는, 상기 핸드오버를 실행(execution)하기 위한 조건에 관련된 정보를 포함하는 컴퓨터 판독 가능 매체.

Images