WO2019066470A1 - 무선 통신 시스템에서 통신 환경을 분석하는 방법 및 장치 - Google Patents

무선 통신 시스템에서 통신 환경을 분석하는 방법 및 장치 Download PDF

Info

Publication number
WO2019066470A1
WO2019066470A1 PCT/KR2018/011388 KR2018011388W WO2019066470A1 WO 2019066470 A1 WO2019066470 A1 WO 2019066470A1 KR 2018011388 W KR2018011388 W KR 2018011388W WO 2019066470 A1 WO2019066470 A1 WO 2019066470A1
Authority
WO
WIPO (PCT)
Prior art keywords
information
characteristic information
image information
computing device
signal
Prior art date
Application number
PCT/KR2018/011388
Other languages
English (en)
French (fr)
Inventor
박윤성
박성범
이순영
Original Assignee
삼성전자 주식회사
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by 삼성전자 주식회사 filed Critical 삼성전자 주식회사
Priority to US16/645,716 priority Critical patent/US11539450B2/en
Priority to CN201880063616.XA priority patent/CN111164913B/zh
Priority to EP18862257.5A priority patent/EP3672118B1/en
Publication of WO2019066470A1 publication Critical patent/WO2019066470A1/ko

Links

Images

Classifications

    • 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
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04B—TRANSMISSION
    • H04B17/00—Monitoring; Testing
    • H04B17/30—Monitoring; Testing of propagation channels
    • H04B17/391—Modelling the propagation channel
    • H04B17/3912—Simulation models, e.g. distribution of spectral power density or received signal strength indicator [RSSI] for a given geographic region
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04B—TRANSMISSION
    • H04B17/00—Monitoring; Testing
    • H04B17/20—Monitoring; Testing of receivers
    • H04B17/27—Monitoring; Testing of receivers for locating or positioning the transmitter
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04B—TRANSMISSION
    • H04B17/00—Monitoring; Testing
    • H04B17/30—Monitoring; Testing of propagation channels
    • H04B17/391—Modelling the propagation channel
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04W—WIRELESS COMMUNICATION NETWORKS
    • H04W16/00—Network planning, e.g. coverage or traffic planning tools; Network deployment, e.g. resource partitioning or cells structures
    • H04W16/22—Traffic simulation tools or models
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V20/00—Scenes; Scene-specific elements
    • G06V20/10—Terrestrial scenes
    • G06V20/194—Terrestrial scenes using hyperspectral data, i.e. more or other wavelengths than RGB

Definitions

  • the present invention relates to a method and an apparatus for analyzing a communication environment in a wireless communication system, and more particularly, to a method and apparatus for analyzing a communication environment based on region information of an object located on a path through which a signal is transmitted using a satellite signal, .
  • a 5G communication system or a pre-5G communication system is called a system after a 4G network (Beyond 4G network) communication system or after a LTE system (Post LTE).
  • 4G network Beyond 4G network
  • LTE system Post LTE
  • 5G communication systems are being considered for implementation in very high frequency (mmWave) bands (e.g., 60 gigahertz (60GHz) bands).
  • mmWave very high frequency
  • the 5G communication system In order to mitigate the path loss of the radio wave in the very high frequency band and to increase the propagation distance of the radio wave, in the 5G communication system, beamforming, massive MIMO, full-dimension MIMO (FD-MIMO ), Array antennas, analog beam-forming, and large scale antenna technologies are being discussed.
  • the 5G communication system has developed an advanced small cell, an advanced small cell, a cloud radio access network (cloud RAN), an ultra-dense network, (D2D), a wireless backhaul, a moving network, cooperative communication, Coordinated Multi-Points (CoMP), and interference cancellation Have been developed.
  • cloud RAN cloud radio access network
  • D2D ultra-dense network
  • CoMP Coordinated Multi-Points
  • ACM Advanced Coding Modulation
  • FQAM Hybrid FSK and QAM Modulation
  • SWSC Sliding Window Superposition Coding
  • FBMC Filter Bank Multi Carrier
  • SCMA subcarrier code multiple access
  • IoT Internet of Things
  • IoE Internet of Everything
  • M2M Machine to Machine
  • MTC Machine Type Communication
  • an intelligent IT (Internet Technology) service can be provided that collects and analyzes data generated from connected objects to create new value in human life.
  • IoT is a field of smart home, smart building, smart city, smart car or connected car, smart grid, health care, smart home appliance, and advanced medical service through fusion of existing information technology .
  • the network design determines the location of a transmitter (Tx) that transmits radio frequency (RF) signals and set values for transmission to enable network services over wireless communication in a feature area, ),
  • Tx transmitter
  • RF radio frequency
  • the information of various RF signals is determined, and the channel environment analysis is performed based on the mathematical modeling technique or the ray tracing simulation result, thereby determining the optimal Tx position.
  • various RF signal information e.g., path loss, coverage
  • the network design can be performed based on the information.
  • the millimeter wave (mmWave) having a short wavelength and a strong directivity since the millimeter wave (mmWave) having a short wavelength and a strong directivity is used, the signal may be greatly affected depending on the characteristics of the object or obstacle in the communication path, have.
  • image information hereinafter, referred to as image information, distance view information, and the like
  • image information there is a problem that it is difficult to reflect characteristics of the object have. Accordingly, there is a need for a method for checking region information and characteristic information of an object not appearing in image information, and analyzing the state of the channel according to the characteristic information.
  • the present invention has been made in order to solve the above-mentioned problems, and it is an object of the present invention to provide a method and an apparatus which are more accurate than the case of performing simulation through ray tracing to analyze an RF transmission and reception environment.
  • the present invention also provides a method and apparatus for obtaining more accurate simulation results by confirming region information of an object located on a communication path and satellite characteristic information by using satellite information and image information,
  • the purpose is to provide.
  • a communication environment analyzing method including receiving satellite information and image information for an arbitrary region, receiving region information of an object not included in the image information based on the satellite information, Determining characteristic information of the object; And analyzing a communication environment for the arbitrary area based on the characteristic information,
  • the object is an object that causes signal attenuation due to at least one of scattering or absorption of a signal.
  • a computing apparatus including: a transmission / reception unit for transmitting or receiving information; And receiving satellite information and image information for an arbitrary region, determining region information of an object not included in the image information based on the satellite information, determining characteristic information of the object, And a controller for analyzing a communication environment for the arbitrary region, wherein the object is an object that generates signal attenuation due to at least one of scattering or absorption of a signal.
  • the computing device can confirm the area information and the characteristic information of the object located in the communication path by using the satellite information and the image information, and can obtain a more accurate simulation result by reflecting it in the simulation. Therefore, when designing a network, it is possible to efficiently design a network by taking into consideration the influence of an object located in a communication path.
  • 1 is a diagram for explaining a network design using a mathematical modeling technique.
  • FIG. 2 is a diagram for explaining a ray tracing simulation method according to an embodiment of the present invention.
  • 3A and 3B are diagrams for explaining a method for obtaining three-dimensional map information according to an embodiment of the present invention.
  • 4A and 4B are views for explaining a method of acquiring material information of an object in an image through image information according to an embodiment of the present invention.
  • FIG. 5 is a diagram for explaining a method for analyzing a communication channel environment through ray tracing according to an embodiment of the present invention.
  • 6A is a diagram showing an object placed in a communication path and an influence of the object on a signal.
  • FIG. 6B is a diagram illustrating an effect of an object not shown in image information on signals according to the present invention.
  • FIG. 7A is a diagram illustrating a simulation method according to an embodiment of the present invention.
  • FIG. 7B is a diagram illustrating a method of identifying characteristic information of an object not included in image information according to an exemplary embodiment of the present invention.
  • FIG. 8 is a diagram illustrating a specific method of identifying area information of an object located in a communication path according to an exemplary embodiment of the present invention. Referring to FIG.
  • FIG. 9 is a diagram illustrating an example of region information of an object identified according to an embodiment of the present invention.
  • 10A is a diagram illustrating a method of extracting an object from image information according to an embodiment of the present invention.
  • FIG. 10B is a diagram illustrating characteristic information of an object according to an embodiment of the present invention.
  • FIG. 10C is a diagram illustrating a method for determining characteristic information of an individual object according to an embodiment of the present invention.
  • FIG. 10D is a view showing an example of characteristic information of an object according to an embodiment of the present invention.
  • 11A is a diagram illustrating a method of separating individual objects according to an embodiment of the present invention.
  • FIG. 11B is a diagram showing individual objects separated according to an embodiment of the present invention.
  • FIG. 12 is a diagram for explaining a network operation method according to an embodiment of the present invention.
  • FIG. 13 is a diagram illustrating a computing device according to an embodiment of the present invention.
  • Computer program instructions may also be stored on a computer or other programmable data processing equipment so that a series of operating steps may be performed on a computer or other programmable data processing equipment to create a computer- It is also possible for the instructions to perform the processing equipment to provide steps for executing the functions described in the flowchart block (s).
  • each block may represent a module, segment, or portion of code that includes one or more executable instructions for executing the specified logical function (s).
  • the functions mentioned in the blocks may occur out of order. For example, two blocks shown in succession may actually be executed substantially concurrently, or the blocks may sometimes be performed in reverse order according to the corresponding function.
  • " part " used in the present embodiment means a hardware component such as software or an FPGA or an ASIC, and 'part' performs certain roles.
  • 'part' is not meant to be limited to software or hardware.
  • &Quot; to " may be configured to reside on an addressable storage medium and may be configured to play one or more processors.
  • 'parts' may refer to components such as software components, object-oriented software components, class components and task components, and processes, functions, , Subroutines, segments of program code, drivers, firmware, microcode, circuitry, data, databases, data structures, tables, arrays, and variables.
  • the functions provided within the components and components may be further combined with a smaller number of components and components, or further components and components.
  • the components and components may be implemented to play back one or more CPUs in a device or a secure multimedia card.
  • 1 is a diagram for explaining a network design using a mathematical modeling technique.
  • transmitters 110 and 120 may form transmit beams 112 and 122 to transmit signals.
  • the mathematical modeling technique can predict the RF information through a function explicitly expressed through a specific signal transmission / reception modeling technique by inputting the frequency and distance of the transmission signal and the like.
  • the transmitters 110 and 120 can form beams 113 and 112, respectively, in three directions, and can apply RF characteristics of a transmission signal through a modeling technique.
  • the RF information can be predicted with a smaller amount of calculation through the mathematical modeling technique, but the accuracy of such modeling is poor for a high frequency RF signal.
  • FIG. 2 is a diagram for explaining a ray tracing simulation method according to an embodiment of the present invention.
  • one or more transmitters 212, 214, and 216 transmit signals, so that the intensity at which the signals transmitted from the transmitters 212, 214, and 216 are received is displayed do.
  • the receiver 220 it is possible to determine the reception strength of a signal in the corresponding region. It is also possible to determine a transmission channel for each of the possible paths from one transmitter 212 to the receiver 220. There may be a signal 242 directly transmitted from the transmitter 212 to the receiver 220 and a signal 232 reflected and received by the other object 230. [ When the simulation according to ray tracing is performed as described above, the intensity of a signal received from the transmitters 212, 214, and 216 and information on a transmission path of the signal can be acquired in a specific area.
  • the receiver 220 can obtain more accurate signal reception information when at least one of the surface material and the external shape of the object to be reflected is considered when determining the signal reception intensity according to the transmission path of the signal.
  • it is referred to as surface material, but it does not mean only the outer surface of the object, and includes the inner material which may affect the reflection of the radio wave. Through such information, can do.
  • the receiver position may be determined based on the window position information, etc., and may be obtained through additional information input to the simulation for the network design, or may be obtained by user setting.
  • a radio wave-transmissible obstacle may be located on the path through which the signal is directly transmitted.
  • An example of the obstacle may be a tree, and an obstacle in which signal attenuation may occur while transmitting radio waves other than trees may be considered in the ray tracing simulation.
  • the tree may be an installation located on another plant or communication path as an example of an obstacle that is located on a communication path and causes signal attenuation upon radio wave transmission, and may include other objects that may cause signal attenuation.
  • the ray tracing simulation may be performed in consideration of a plurality of transmitter position candidates and receiver position candidates, and at least one of a transmitter position and a receiver position may be determined according to a ray racing result. Determining the position of the transmitter through the raytracing simulation in the embodiment can be a feature for network design. Accordingly, the transmitter determines the positions of more transmitter candidates relative to the number expected to be finally installed, performs a ray tracing simulation based on the positions, and based on the ray information obtained from the signals transmitted from all the base station candidates An optimal base station location combination can be obtained through post-processing.
  • the ray tracing simulation technique can determine the transmission channel for each of the paths through which the RF signal passes, and predict RF signal information at the position of the receiver 220 based on the determination.
  • the Ray Tracing Simulacrum technique is used not only in the distance in which the signal is transmitted in the process of determining the channel environment according to the signal path, but also in the environment of the path (eg, type of medium) At least one can be calculated to predict more accurate RF signal information.
  • the channel estimation method using the above technique has no restriction according to the frequency of the RF signal, can accurately reflect the actual environment, and can determine at least one of the optimal transmission position and reception position based on the simulation result.
  • the 5G network uses a very high frequency signal of 28 - 60 GHz. Therefore, in order to obtain the radio signal information in the 5G network design tool, accuracy can be improved by using ray tracing simulation technique instead of mathematical modeling technique.
  • ray tracing simulation when estimating the reflected path of a radio wave to a building, the reflection can be calculated assuming that the surfaces of all the buildings have the same RF property.
  • this assumption can not guarantee the accurate simulation result, and therefore a ray tracing technique considering the information is required.
  • the ray tracing simulation In order to perform the ray tracing simulation, it is necessary to acquire the layout and the terrain information of the building, and to analyze the transmission / reception environment of the signal based on the map data mapped. Depending on the signal transmission and reception environment, the link between the transmitter and the receiver and overall performance of the communication system can be analyzed. Also, if the system performance according to the simulation result does not satisfy the preset criteria, the ray tracing simulation can be repeated by considering the other transmitter and changing the simulation setting. In order to analyze the communication environment of the communication system, particularly, the 5G communication system, an RF planning method and apparatus reflecting the propagation characteristics of mmWave are required.
  • a base station is located at an efficient location by analyzing a propagation path of the area in order to perform communication service in a specific area.
  • 3A and 3B are diagrams for explaining a method for obtaining three-dimensional map information according to an embodiment of the present invention.
  • three-dimensional map information can be obtained based on the real image information of FIG. 3A and the position information corresponding to the image information. More specifically, the 3D map information of FIG. 3B can be obtained so that the ray tracing simulation can be performed based on the image information.
  • the map information obtained in FIG. 3B may include a building 310, a receiver candidate region 330, and a tree 320.
  • the transmitter position candidate and the receiver position candidate are determined based on this, and the ray tracing simulation is performed, thereby determining at least one of the optimum transmitter position and the receiver position.
  • elements such as the building 310 may have a characteristic of reflecting or scattering radio waves, and in the case of such elements, a more accurate simulation result can be obtained by considering the surface material and the external shape.
  • the wood 320 can transmit radio waves, but the transmitted radio waves may experience a larger signal attenuation than air.
  • more accurate simulation results can be obtained by considering propagation propagation characteristics through an object such as the tree 320.
  • the receiver candidate region 330 may be selectively performed according to ray tracing, and may include an area where a fixed or movable receiver may be installed. More specifically, a receiver is installed in the window area of the building 310, so that a receiver installed in a window area in a communication between another receiver and a transmitter outside the building can perform a relay function. By performing the ray tracing simulation in consideration of the receiver candidate region 330, a better signal reception environment can be obtained.
  • 4A and 4B are views for explaining a method of acquiring material information of an object in an image through image information according to an embodiment of the present invention.
  • the material of the object displayed in the image can be determined from the image information. More specifically, it is possible to judge the material of the object inside the image based on the computer vision technology based on the deep learning in the image information. Features related to the more specific deep learning-based computer vision technology will be described later.
  • the image information of FIG. 4A is analyzed to obtain the result of FIG. 4B.
  • each element can be determined based on at least one of color, contrast, reflectance, mutual positional relationship between elements, and arrangement of all the image elements displayed in the image.
  • image analysis can be used to determine materials such as asphalt 410, concrete 420, plant 430, steel structure 440, vehicle 450, sky 460 and glass 470 . In this way, the quality of the elements displayed inside the image is determined through the image information, and more accurate results can be obtained by reflecting the characteristics of the material in the ray tracing simulation.
  • FIG. 5 is a diagram for explaining a method for analyzing a communication channel environment through ray tracing according to an embodiment of the present invention.
  • the ray tracing simulation may be performed in an arithmetic unit including a control unit.
  • the computing device may be a computing device including a central control processor, and may include a personal computer, a workstation, and the like.
  • simulation may be referred to as being performed by a computing device.
  • the computing device may obtain two-dimensional image information and three-dimensional map information.
  • the two-dimensional image information may include additional information corresponding to the image, and the additional information may include photographing information including position information, direction information, and angle of view from which the image was photographed.
  • three-dimensional map information corresponding to the two-dimensional image information (hereinafter, referred to as map information) can be determined.
  • the three-dimensional map information may include position information and corresponding three-dimensional map information.
  • Such information may include shape information of buildings, structures, and plants on an indicator or a water surface, and may include information related to at least one of a transmitter candidate position and a receiver candidate position according to an embodiment.
  • the two-dimensional image information can be described as image information. That is, the image information of the present invention can be configured in two dimensions. However, the embodiments of the present invention are not limited thereto, and the present invention may include embodiments in which the image information is configured in three dimensions.
  • the three-dimensional map information of the present invention may be described as the map information. That is, the map information of the present invention can be configured in three dimensions. However, the embodiment of the present invention is not limited to this, and the present invention may include an embodiment in which the map information is configured in two dimensions.
  • the computing device may obtain real-environment information based on at least one of map information and image information.
  • the real environment information may include the characteristics of objects and objects located on the communication path. More specifically, the two-dimensional image information can be analyzed and the characteristics of objects that can be located on the communication path can be determined based on the analyzed information.
  • the characteristics of the objects may include at least one of a material of an object surface and an external shape of an object, and in the case of an object capable of radio wave transmission, information about the shape of the object and the degree of signal attenuation during transmission may be included. Basically, information such as the type, form, height, width and width of the object can also be included in the real environment information.
  • real-environment extraction can be performed through a deep-running technique. More specifically, in the embodiment, the computing device performs machine learning through a database including category information corresponding to an object to be extracted on a target image, inputs an object image based on the learning result, And determine a category corresponding to the extracted object. More specifically, the actual environmental objects affecting the propagation environment may include foliage, various obstacles, and materials of the outer wall of the building. In order to accurately predict the propagation path, at least one of the type, height, width, and width information is extracted in addition to the position of the obstacle affecting the propagation environment. Also, in order to automatically determine the installation position of the receiver and the transmitter, a real environment object such as a road, a street light, an installed rod, a rooftop, and a window may be extracted.
  • a real environment object such as a road, a street light, an installed rod, a rooftop, and a window may be extracted.
  • the computing device may map the real environment information of the communication path to the three-dimensional map information based on the information obtained in steps 510 and 520.
  • the additional information acquired through the two-dimensional image information can be mapped to an object corresponding to the three-dimensional map information based on the additional information included in the two-dimensional image information.
  • the computing device can construct (or generate) the 3D map information reflecting the real environment based on the information of the object extracted in the step 520.
  • the computing device may map object information such as obstacles such as foliage and object such as pole and rooftop to a commercial map, and the predicted material and window may be matched to the 3D building form. Obstacle and building material information can be categorized according to the degree of influence on propagation characteristics and can be parameterized through lookup table and mapping function and reflected in future ray tracing simulation.
  • the computing device may perform ray tracing simulation based on the information generated in operation 530.
  • the ray tracing simulation is performed in consideration of a beam in a specific direction, sequentially changing the beam information and performing a ray tracing simulation corresponding to the beam information, or transmitting a forward beam that can be transmitted by the transmitter in the same time period And the corresponding ray tracing simulation can be performed.
  • the ray tracing simulation it is possible to predict and analyze the signal quality that can be received by the receiver by reflecting the path through which the signal transmitted from the transmitter is received to the receiver and the real environment information located on the path.
  • at least one of the transmission position and the reception position may be determined based on the three-dimensional map information, and the signal transmission environment may be determined based on the information mapped in step 530.
  • a result value may be obtained based on the ray tracing simulation, and additional ray tracing simulation may be performed based on the obtained result value and the value measured in the real environment. More specifically, when the simulation result value is compared with the real environment measurement value, if the compared values are different, the information obtained in step 520 may be changed based on the real environment measurement value to generate the simulation result value again. As described above, real-environment information is reflected on a three-dimensional map to perform ray tracing simulation, thereby enabling more reliable communication channel analysis.
  • an optimal transmitter position and a receiver position for providing wireless service to a specific area in the map.
  • an effective network design can be performed. More specifically, an optimal base station position can be determined to effectively provide a wireless signal to a wireless terminal in a specific area. By determining the optimal base station position as described above, an effective service can be provided even when a smaller number of base stations are arranged.
  • adaptive network management can be achieved by reflecting signal reception information measured in a real environment. More specifically, when the surrounding environment is changed after the transmitter is installed, additional ray tracing simulation is performed considering the changed environment, and the network management such as adjusting the transmitter position by further reflecting the resultant value can be performed .
  • Such network management may also include modifying beam related information that is transmitted by the transmitter in addition to adjusting the transmitter position. More specifically, the transmitter can determine the transmit beam and the receive beam based on the ray tracing simulation result. In order to determine the transmission beam and the reception beam, beam alignment may be performed based on the ray tracing simulation result. Such adaptive network management can be performed periodically.
  • 6A is a diagram showing an object placed in a communication path and an influence of the object on a signal.
  • a signal transmitted by a transmitter may be affected by an object located in a communication path, which is a path through which the signal is transmitted. That is, attenuation of the signal may be caused by an object located in the communication path.
  • an object located in a communication path and influencing a signal may be collectively referred to as an object or an obstacle.
  • the objects located in the communication path can be classified according to their characteristics.
  • an obstacle that can cause signal attenuation while a radio wave is transmitted can be defined as a first type object.
  • a first type object can be defined as an obstacle that causes signal attenuation due to at least one cause of propagation or diffraction, scattering or absorption in the course of a signal passing through the object.
  • the first type object may include, for example, wood, and may include, in addition to trees, other objects that can cause signal attenuation as the wave is transmitted, scattered, diffracted or absorbed.
  • the first type object may be defined as a parameter of some of the diffraction, scattering, or absorption.
  • a first type object of the present invention may be defined as an object that causes signal attenuation due to at least one cause of signal scattering or absorption.
  • the first type object can be divided into the first part and the second part according to the difference in magnitude of the signal attenuation. If the difference in signal reduction exceeds the threshold, the first type object may be divided into a first portion and a second portion. For example, the difference between the magnitude of the signal attenuation at the foliage portion and the magnitude of the signal attenuation at the trunk portion may exceed the threshold value. If the foliage portion is the first portion, And a second part. However, this is only an embodiment of the present invention, and the first type object may not be divided into the first part and the second part, or may be divided into more parts.
  • a tree without a foliage may not have a portion where the magnitude difference of the signal attenuation exceeds the threshold value, and the first portion and the second portion may not be distinguished.
  • an object other than the object of the first type may be divided into a plurality of parts.
  • an obstacle that causes signal attenuation due to reflection of radio waves can be defined as a second type object.
  • the second type object may include a building, a streetlight, and the like.
  • a method of confirming characteristic information of an object in which signal attenuation occurs due to at least one of transmission, scattering, diffraction, or absorption of a radio wave or a signal, and reflecting the reflected characteristic in the simulation to increase the accuracy of simulation for analyzing channel characteristics suggest. As the accuracy of the simulation increases, it is possible to determine the optimum Tx position in the network design.
  • an object in which signal attenuation occurs due to at least one of transmission, scattering, diffraction, or absorption of radio waves is collectively referred to as an object.
  • an object can be defined by only some parameters of transmission, scattering, diffraction, and absorption.
  • an object of the present invention may refer to an object where signal attenuation occurs by at least one of scattering or absorption occurring due to propagation of a radio wave or a signal.
  • the object of the present invention may mean an object in which signal attenuation occurs by at least one of transmission, scattering, or absorption of a radio wave or a signal.
  • the object of the present invention may mean an object having at least one of the transmittance, the propagation rate, the egg production rate, and the absorption rate of the radio wave or signal is larger than the threshold value.
  • the object of the present invention may refer to an object having at least one of the egg production rate, the absorption rate, and the diffraction rate greater than the threshold value.
  • an object can be defined only by a part of parameters such as the transmittance, the egg production rate, the absorption rate, and the diffraction rate.
  • an object of the present invention may refer to an object whose signal absorption rate is greater than the critical absorption value.
  • the object may refer to an object whose diffraction rate of the signal is greater than the critical diffraction value, and may include both of the above conditions or may include other conditions.
  • various obstacles may be located between the transmitter and the receiver, and the signal transmitted by the transmitter may be attenuated by the object.
  • the object may have different effects on the signal.
  • the effect on the signal can vary depending on the shape, size and density of the object and the part of the object that the signal passed through.
  • a tree is located between the transmitter and the receiver. That is, in the present invention, an object may include, for example, wood.
  • an object may include, for example, wood.
  • a high signal attenuation (7 dB attenuation) occurs in the signals 602 and 603 passing through the dense portion of the foliage, while a signal 601 and 602 passing through the dense portion of the foliage , 604, it can be seen that low signal attenuation (5 dB attenuation) has occurred.
  • signal attenuation hardly occurs in the signal 605 which has not passed through the object.
  • FIG. 6B is a diagram illustrating an effect of an object not shown in image information on signals according to the present invention.
  • the image information can be shown as 620 in FIG.
  • the computing device can obtain the real environment information based on the image information.
  • the image information 620 may include an obstacle 625 located on the communication path, and the associating apparatus may obtain the real environment information by analyzing the surface material, the external shape, and the like of the obstacle.
  • the detailed description of the real environment information is the same as described above.
  • the image information may not include the object 635 affecting the signal.
  • the computing device can not acquire the characteristic information of the object 635.
  • the computing device maps the real environment information to the map information for simulation, it can not map the property information of the object 635, and the property of the object 635 may not be reflected in the map information. Therefore, the characteristics of the object 635 may not be reflected in the ray tracing simulation, and the accuracy of the simulation result may be reduced.
  • the present invention proposes a method of determining region information of an object based on satellite information, and determining characteristic information of an object located in the region based on at least one of the satellite information and the image information.
  • the present invention proposes a method of mapping the area information of the object and the characteristic information of the object to the map information.
  • the process of mapping the characteristic information of the object to the map information may be a process of generating new map information.
  • FIG. 7A is a diagram illustrating a simulation method according to an embodiment of the present invention.
  • the computing device can receive satellite information and image information for an arbitrary region in step 710.
  • the image information may include additional information
  • the additional information may include photographing information including at least one of position information, direction information, angle of view information, and pixel information of the image.
  • the satellite information may refer to information obtained from satellites.
  • the computing device can confirm the area information of the object.
  • the computing device can identify (or extract) the region information of the object based on the satellite information.
  • the arithmetic unit can confirm the area information of the object not included in the image information.
  • an object not included in the image information may include an object included in the image information but can not identify the characteristic information.
  • the computing device can confirm all area information of the object included in the satellite information.
  • the area information on which the object is located may include information on all areas where the object of the predetermined condition is located, and area information on the object that is not included in the image information.
  • the arithmetic unit can confirm the area information in which the object satisfying the predetermined condition is located, and the object satisfying the predetermined condition in the present invention is preferably an object that satisfies the predetermined condition by at least one of transmission, absorption, May refer to an object that causes signal attenuation.
  • the predetermined conditions of the present invention are not limited thereto. As described above, an object satisfying a predetermined condition can be defined by only a part of parameters of transmission, absorption, diffraction, or scattering.
  • an object satisfying a predetermined condition may mean an object having at least one of absorption rate, transmittance, scattering rate, and diffraction rate of radio waves exceeding a threshold value, and may be defined by only a part of parameters of the above parameters.
  • an object satisfying a predetermined condition may mean an object in which at least one of the absorption rate, the egg production rate, and the diffraction rate exceeds a threshold value.
  • an object with a predetermined condition may mean an object whose absorption rate of a signal is larger than a predetermined critical absorption rate.
  • a predetermined critical absorption rate In this time, in the case of wood, the signal attenuation due to the signal absorbing property or the diffracting property is the largest, and the absorption rate of the signal may be larger than the predetermined critical absorption rate.
  • the absorption rate of the signal is relatively small and the absorption rate of the signal may be smaller than the predetermined threshold absorption rate.
  • the object according to the above example may include a tree, and the computing device can confirm the information of the area where the tree is located.
  • the egg production rate and the transmittance may be applied in the same manner, and a case where two or more parameters exceed respective threshold values may be set to the predetermined condition.
  • predetermined conditions can be set according to the characteristics of the object to be extracted.
  • the object of the predetermined condition may be defined as an object in which attenuation of a signal of about 7 dB per meter (m) occurs.
  • an object of a predetermined condition of the present invention can be determined under various conditions, such as determining an object where signal attenuation due to reflection occurs as a predetermined condition object.
  • the area information on which the object is located may be contour information of the area where the object is located.
  • the outline information may mean information indicating an area where an object is distributed along an edge of the object. At this time, the outline information can be represented by the sum of the coordinate information.
  • the computing device can check the outline of the area where the object is located along the edge of the area where the object is distributed, and configure the outline information as a set of coordinates corresponding to the outline. Details of the area information will be described below.
  • the computing device can confirm the characteristic information of the object.
  • the computing device can verify the property information of an object located in the identified area using image information.
  • the computing device can check the property information of the individual objects located in the area.
  • the confirmed area is an area not included in the image information, and a method of confirming the characteristic information of the object located in the area using the image information is needed, and the details will be described later.
  • the characteristic information of the object may include shape information of an object, density information, size information, and the like.
  • the size information may include width information, height information, and the like.
  • the object can be divided into two or more parts according to the degree of signal attenuation.
  • the object when the difference in magnitude of the signal attenuation is larger than the threshold value, the object can be divided into the first portion and the second portion.
  • a portion having a large signal attenuation is defined as a first portion .
  • the computing device can divide an object into a first portion and a second portion using deep running. Accordingly, the computing device can divide the object into a first portion and a second portion, and analyze the characteristics of the first portion and the characteristics of the second portion, respectively. For example, the computing device may determine at least one of shape information, density information, and size information of the first and second portions of the object. Alternatively, the computing device may confirm some of the above-mentioned information or further check necessary information. In this case, the additional information required may include information on the type of the object.
  • the computing device can determine the influence on the signal when analyzing the communication environment by grasping the information about the kind of the object.
  • the computing device may analyze the communication environment based on the characteristic information of the object. Specifically, the computing device maps the characteristic information of the object to the map information, and can perform simulation using the map information.
  • the computing device can map the area information on which the object is located, the individual objects separated in the area, the characteristic information of the individual object, etc. to the map information or generate the map information using the information.
  • the computing device can receive the map information generated in advance and generate the new map information by mapping the received information to the received map information.
  • the computing device may receive the map information at any one of steps 710 to 740, or before or after the step.
  • FIG. 7B is a diagram illustrating a method of identifying characteristic information of an object not included in image information according to an exemplary embodiment of the present invention.
  • the arithmetic and logic unit can check the characteristic information of the object included in the image information.
  • the characteristic information of the object is the same as described above, and is omitted in the following description.
  • the arithmetic and logic unit may divide an object located in an area not included in the image information into individual objects.
  • the area not included in the image information may refer to an area corresponding to the area information of the object identified in step 720.
  • a plurality of objects may be included in the area. Accordingly, the arithmetic unit can divide a plurality of objects located in the identified region into individual objects. A specific method will be described later.
  • the computing device can confirm the characteristic information of the separated individual object. Specifically, the arithmetic and logic unit determines whether the object (object) included in the image information or the image information contained in the image information but can not confirm the characteristic information (second object) ) Can be confirmed. Details will be described later.
  • steps 731 and 733 may be changed.
  • FIG. 8 is a diagram illustrating a specific method of identifying area information of an object located in a communication path according to an exemplary embodiment of the present invention. Referring to FIG.
  • the computing device may receive satellite information 810.
  • the satellite information means information received from the satellite, and the computing device can confirm the information about the object not included in the image information by using the satellite information.
  • an object not included in the image information may include an object included in the image information but can not confirm the characteristic information.
  • an object 815 may exist in an area not shown in the image information, and the computing device can confirm the position of the object 815 through satellite information.
  • the computing device can extract the object using the deep learning (820) method.
  • the computing device can classify the information contained in the satellite information based on the computer vision technology based on the deep learning, and extract objects satisfying predetermined conditions among them.
  • Deep running is a technique to input a lot of data and classify similar things. Accordingly, the computing device can label the image information through the deep learning data, classify the objects included in the image information, and extract an object to which the characteristic information is to be confirmed.
  • the associative apparatus can classify various kinds of obstacles in the image information, and can identify objects satisfying predetermined conditions.
  • an object that has not been extracted through the passive method can be updated.
  • the user can manually update an object that is included in the satellite information but is not extracted.
  • the computing device can determine the area information 830 of the object according to the extraction result. Therefore, the computing device can use the area information to determine an area where an object not included in the image information is located, and can use the area information for simulation.
  • the area information may be composed of contour information of a plurality of objects.
  • the outline information may be composed of coordinates of boundaries of objects included in the satellite information, and the associating device may identify an area where the object is located by matching the set of coordinates with the map information.
  • the arithmetic unit can apply the area information on the object not included in the image information to the simulation.
  • FIG. 9 is a diagram illustrating an example of region information of an object identified according to an embodiment of the present invention.
  • the area information may be composed of outline information 910. That is, when a plurality of objects are located in the same area, the area information may be composed of the boundary of the objects, and this may be referred to as contour information.
  • the outline information may be composed of the coordinates of the boundary of objects.
  • the computing device can check the outline of the object included in the satellite information through deep learning, and obtain the coordinates (or a set of pixels) of the outline through the built-in function of the image processing (OpenCV). Accordingly, the arithmetic unit can determine the area information on the object not included in the image information and use it for the simulation.
  • OpenCV image processing
  • the computing device can not accurately predict the degree of signal attenuation during the simulation process, only with information about the area where the object is located. Therefore, there is a need for a method of grasping the characteristics of individual objects located in the area information.
  • 10A is a diagram illustrating a method of extracting an object from image information according to an embodiment of the present invention.
  • the computing device can receive image information 1011, 1013, and 1015.
  • the image information may include photographing information such as position information, direction information, angle of view information, and pixel information of the image. Therefore, the computing device can confirm image information photographed at each position.
  • the computing device can determine the positional information of the object included in the image information. Details will be described later.
  • the computing device can extract an object using the image information.
  • the computing device can classify various types of objects included in image information by using deep learning and extract an object of a desired type.
  • FIG. 10A shows a process of classifying objects using deep learning.
  • Objects classified by the same pattern through deep learning can be classified into the same type.
  • the vehicle 1022, the tree 1021, the building 1023, and the like can be classified into different types of objects, respectively.
  • trees can be classified as objects of the same type.
  • the method shown in this figure is merely an example of a method of classifying objects through deep learning, and the computing device can perform deep learning in various ways.
  • an object classified as a different pattern may be classified into the same type of object depending on the setting. Therefore, buildings and vehicles may be classified into the same type of objects, and people and vehicles may be classified into the same type as objects having mobility.
  • the computing device can extract a desired type of object through deep learning.
  • a case of extracting a first type object 1031 which is capable of attenuating a signal while transmitting a radio wave, as in (1030), will be described as an example.
  • the details of the object of the first type are the same as those described above, for example, a tree may be included.
  • the computing device can identify a desired type of object through deep running and display the identified object on the image. For this, the computing device can check the position information of the object.
  • a method of determining the position of an object is as shown in (1040).
  • the computing device can determine the position of an object using at least one of latitude information, hardness information, angle information, and pixel information of each object.
  • the arithmetic unit can use image information photographed at different places.
  • the computing device may use the received satellite information.
  • the computing device may calculate orientation information and angle information for one object at another location using image information captured at another location.
  • positional information on the object can be calculated.
  • the location information of the object may include latitude information and longitude information of the place where the object is located.
  • the computing device can determine the position of the object using the satellite information and the shooting information of the object extracted from the image information.
  • the arithmetic and logic unit repeats the above process to confirm the position information of each object. Then, the computing device can store the position information of each object in a database (DB).
  • DB database
  • the computing device can determine the characteristic information of the extracted object. Details will be described below.
  • FIG. 10B is a diagram illustrating characteristic information of an object according to an embodiment of the present invention.
  • Fig. 10B a method for grasping the characteristics of the object included in the image information will be described.
  • the characteristic information of the object may include shape information, size information, density information, and the like.
  • Computing devices can use computer vision to identify shapes along the edge of an object and classify shapes by analyzing predefined shapes or predefined shapes and similarities.
  • the predefined shape can be variously defined, for example, triangle, inverted triangle, circle, square, etc., and the arithmetic unit can confirm whether or not the object most closely resembles the shape.
  • the predefined shape is not limited thereto. That is, another shape may be added to the predefined shape, or a part of the shape described above may be deleted. If the similarity degree does not exceed the threshold value as a result of the similarity determination, the computing device may add the shape of the first portion to the new shape.
  • the computing device can confirm the shape of the first part and the second part, respectively, or confirm the shape of only one part .
  • the first portion of the object may mean a portion where the magnitude of signal attenuation is large as described above.
  • the first portion 1051 with a large signal attenuation magnitude may correspond to a foliage portion, and the computing device may classify the shape of the foliage portion.
  • the predefined shape may include, for example, a triangle, a circle, a rectangle, an inverted triangle, etc., and the computing device can confirm the shape of the foliage portion.
  • the computing device may not check the shape of the trunk, which is the second part 1052.
  • the shape of the trunk part is similar to that of the tree, and the effect of the signal attenuation is rarely changed due to the shape difference.
  • the computing device may use a predetermined shape.
  • a method for determining size information of an object is as follows.
  • the computing device can check the size information of an object using another object included in the image information.
  • the size information may include height information (1053, 1054) and width information (1055).
  • the computing device can determine the size information of the object using the height information or the width information of another object.
  • the size information of another object is referred to as reference information.
  • the reference information may include height information of the building located around the object, width information of the moving means (e.g., car), and the like.
  • the computing device may store height information of the building, width information of the moving means, and the like. Therefore, the computing device can determine the size information of the object using the reference information and the size ratio of the object. Alternatively, the computing device can calculate the length per pixel of the image information using the reference information, and can check the height information and the width information of the first and second portions based on the calculation result.
  • the computing device can calculate the width information of an object by multiplying the number of pixels occupied by the width of the object by 0.5.
  • the height per 1px can be identified as 1cm.
  • the computing device can calculate the height information of the object by multiplying the number of pixels occupied by the height of the object by 1, by 8m.
  • the computing device may determine size information and width information for each of the first and second portions, if the object is divided into a first portion and a second portion.
  • a method for determining density information of an object is as follows.
  • Computing devices can determine density information using computer vision. For example, a computing device can divide density information into three levels, such as density, mid-density, and low-density sparse. The computing device can determine the type information of the object to determine the density information. The computing device can confirm the type of each object by utilizing the learning data through the deep learning method. Then, the computing device can determine the density information based on the type information of the object.
  • the computing device can identify the type of tree through a deep run. For example, trees can be divided into conifers, hardwoods, and others. Further, according to the kind of the tree, the calculation apparatus can determine the coniferous tree as sparse, the other as mid, and the hardwood as density.
  • the type information of the object may be used for simulation as characteristic information of the object.
  • the degree of scattering, degree of absorption, and degree of transmission according to the type of object can be quantified, and the reflected information can be used for simulation.
  • the computing device can quantify at least one of the degree of scattering, the degree of absorption, and the degree of transmission according to the type of the object, and reflect it in the map information.
  • the computing device may determine the density information of the first portion and the second portion, respectively, or may determine only the density information of any one portion.
  • the computing device may determine the density information of the first portion, the foliage portion.
  • the density information of the second part, trunk has little influence on the signal, so the density information may not be determined for the second part.
  • the embodiment of the present invention is not limited thereto. That is, the density information can be classified into three or more states depending on the situation. Also, the density information may be determined differently depending on the shape information, such as the density of the center portion and the density of the peripheral portion of the object.
  • the computing device repeats the above process for the object included in the image information, determines the characteristic information of each object, and stores it in the database.
  • the computing device can map the characteristic information of the obtained object to map information and use it in simulation, and can determine the optimal Tx position according to the simulation result.
  • the computing device can determine at least one of shape information, size information, and density information in the process of determining characteristic information of an object. For example, when the density information is not calculated, the computing device maps only shape information and size information to map information, and can use it for simulation.
  • the arithmetic and logic unit can separate objects located in region information (or outline information) of an object into individual objects, and can confirm the property information of the individual objects.
  • region information or outline information
  • the characteristic information of the object included in the image information described above can be used.
  • the computing device can determine the characteristic information of an individual object as an average value of characteristic information of surrounding objects. That is, the computing device can apply the average value of the characteristic information of the object acquired through the image information to the object not included in the image information.
  • the computing device can determine the characteristic information of the individual object using the characteristic information of the object identified through the image information among the objects within the predetermined range in the region of the object not included in the image information.
  • the computing device may set the average value of the width information of the surrounding trees and the height information to the width information and the height information of the individual trees not included in the image information.
  • characteristic information of an object not included in the image information can be determined using the characteristic information of the object included in the image information within a predetermined minimum unit area (for example, 500 m x 500 m).
  • the minimum unit area may be predetermined such as a minimum unit administrative area.
  • characteristic information of objects having the same type information in the predetermined minimum unit area may be used. That is, the arithmetic unit can identify the type information of the object not included in the image information, and can determine the characteristic information of the object using the characteristic information of the object having the same type information. For example, when the object is a tree, if the tree not included in the image information is a softwood, the associating apparatus may use only the characteristic information of the softwood.
  • FIG. 10C is a diagram illustrating a method for determining characteristic information of an individual object according to an embodiment of the present invention.
  • the computing device can determine the characteristic information (width information 1061 and height information 1062, 1063) of the object 1060 included in the image information.
  • the height information can be divided into height information 1062 of the first part and height information 1063 of the second part. The details are the same as those described above, and will not be described below.
  • an object included in the image information and capable of identifying characteristic information may be referred to as a first object.
  • an object included in the image information but not capable of identifying the characteristic information may not be included in the first object.
  • an object not included in the image information may be referred to as a second object 1064.
  • the object included in the image information but not identifying the characteristic information can be classified as the second object.
  • the computing device can estimate the characteristic information of the second object 1064 using the characteristic information of the first object 1060.
  • the computing device can determine the characteristic information of the second object using the average value of the characteristic information of the first object located in the predetermined region.
  • the predetermined region may be determined within a predetermined range, for example, in the region where the second object is located.
  • the predetermined area may be determined as a predetermined minimum unit area (for example, 500 m x 500 m).
  • the average value of the characteristic information of the first object may include an average value of the width information and an average value of the height information and an average value of the height information may be an average value of the first partial height and an average value of the second partial height Can be distinguished.
  • the embodiment of the present invention is not limited thereto, and the height information may be determined as one value without being divided into two parts.
  • the computing device can determine the width information 1065 of the second object by using the average value of the width information 1061 of the first object, and can calculate the height information 1066 and 1067 of the second object as the height of the first object May be determined using the average value of the information 1062, 1063. As described above, the computing device determines the height information of the first part and the height information of the second part to determine the height information of the second object, respectively, or combines the height information of the first part and the height information of the second part One height information may be determined.
  • the computing device can classify subtypes according to type information even within objects of the same type. That is, the computing device classifies the subtypes of the first object and the second object, and determines the average value of the first object characteristic information for the first object and the second object of the same subtype as the characteristic information of the second object Can be used to do.
  • the object is a tree
  • other calculation methods other than the average value may be used.
  • FIG. 10D is a view showing an example of characteristic information of an object according to an embodiment of the present invention.
  • an object can be classified into a plurality of types, and an object of the same type can also be classified differently depending on the type of a part constituting the object, which can be called subtype information of an object.
  • the characteristic information of the object may include subtype information, which is type information of each part constituting the object.
  • the sub type information may include information on the type of leaf constituting the tree.
  • the degree of attenuation of the signal may vary according to the sub type information, and the computing device may improve the accuracy of the simulation by performing the simulation using the sub type information.
  • the computing device can receive the infrared image information 1070 in addition to the satellite information, identify the object using the infrared image information, and confirm the subtype information of the object.
  • the computing device can extract an object based on the infrared image information 1071.
  • the computing device can distinguish subtypes of objects based on the infrared image information 1072, and the computing device can apply different characteristic information to objects located in the same area.
  • the tree may be divided into subtypes according to the kind of leaves, and even if the tree is located in the same area, it is possible to apply different characteristic information according to the subtype.
  • the computing device can be set to apply different reflectances depending on the subtype of the object. That is, the computing device can set different characteristic information according to the subtype of the object.
  • the computing device can increase the accuracy of the simulation by separating the objects located in the region into individual objects and applying different characteristic information according to each subtype.
  • 11A is a diagram illustrating a method of separating individual objects according to an embodiment of the present invention.
  • the computing device can separate individual objects using various methods.
  • the computing device may separate individual objects based on at least one of coordinate information, pixel information, or position information included in the satellite information.
  • the coordinate information may include coordinate information of the center point and the like.
  • the pixel information may include the number of pixels, the density of pixels, and the like.
  • the computing device can use the delaunay triangulation (1110, 1120, 1130, 1140) method or the superpixel (1150) method.
  • the computing device can identify the region 1110 in which the object is located through the satellite information and identify the center point of the object in the region.
  • the arithmetic unit can separate the individual objects in the region by connecting the center points at 1120, 1130, and 1140 to divide the plane into triangles.
  • the computing device may separate individual objects using a superpixel method, such as 1150.
  • the computing device can receive the number of super pixels and the compactness of the super pixels. Then, the computing device can divide the image information into pixels using the color depth of the image information through an algorithm. Then, the computing device can calculate the center point through the divided super pixels and estimate the position of the individual object. Using this method, the computing device can separate individual objects.
  • the computing device can predict the property information of the object, which can be confirmed in the satellite information, using the property information of the object identified in the image information.
  • FIG. 11B is a diagram showing individual objects separated according to an embodiment of the present invention.
  • the computing device can confirm region information or outline information 1160 of an object not included in image information through satellite information. The details thereof are the same as those described above.
  • the computing device can separate the individual objects 1170 located in the region through the above-described method.
  • the accuracy of the simulation can be improved by separating individual objects located in the region, predicting the characteristic information of the object, and mapping the information to the map information or applying it to the simulation.
  • FIG. 12 is a diagram for explaining a network operation method according to an embodiment of the present invention.
  • accurate simulation can be performed when operating the network using satellite information and image information.
  • the characteristic information of the object can be changed according to the situation.
  • the characteristics of the object can be changed according to seasonal changes.
  • the computing device can estimate the characteristic information of the object, which can not confirm the characteristic information by using the satellite information, and can reflect the resultant information in the simulation to obtain a more accurate simulation result.
  • the characteristic information of the object when the characteristic information of the object is changed, the characteristic information of the object to be changed can be confirmed through the above method, and the degree of attenuation of the signal according to the characteristic information can be grasped to control the intensity of the beam during operation of the network.
  • FIG. 13 is a diagram illustrating a computing device according to an embodiment of the present invention.
  • the computing device may include a transmission / reception unit 1310, a control unit 1320, and a control unit 1330.
  • it can transmit / receive data to / from an external device, and may include an interface unit.
  • the control unit 1320 can control the operation of the arithmetic unit and can control the arithmetic unit as a whole to perform operations related to the arithmetic unit described in the above embodiments.
  • the control unit 1320 may include at least one processor.
  • the processor may also be controlled by a program that includes instructions to perform the methods described in the embodiments of the present disclosure.
  • the program may also be stored on a storage medium, which may include a computer readable storage medium storing computer program codes.
  • the storage medium may also include volatile or non-volatile memory.
  • the memory may be a medium capable of storing data, and there is no restriction on the form when the instruction can be stored.
  • the storage unit 1530 may store at least one of the information related to the computing device and the information transmitted / received through the transmission / reception unit 1302. Further, it is possible to store all the information necessary for the simulation in the embodiments of the present specification, such as the characteristic information of the object and the position information. Also, information stored in the storage unit 1330 can be added, deleted and updated based on at least one of the simulation result and the comparison result.

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • Computer Networks & Wireless Communication (AREA)
  • Signal Processing (AREA)
  • Electromagnetism (AREA)
  • Spectroscopy & Molecular Physics (AREA)
  • Quality & Reliability (AREA)
  • Mobile Radio Communication Systems (AREA)
  • Monitoring And Testing Of Transmission In General (AREA)
  • General Physics & Mathematics (AREA)
  • Astronomy & Astrophysics (AREA)
  • Remote Sensing (AREA)
  • Multimedia (AREA)
  • Theoretical Computer Science (AREA)

Abstract

본 개시는 4G 시스템 이후 보다 높은 데이터 전송률을 지원하기 위한 5G 통신 시스템을 IoT 기술과 융합하는 통신 기법 및 그 시스템에 관한 것이다. 본 개시는 5G 통신 기술 및 IoT 관련 기술을 기반으로 지능형 서비스 (예를 들어, 스마트 홈, 스마트 빌딩, 스마트 시티, 스마트 카 혹은 커넥티드 카, 헬스 케어, 디지털 교육, 소매업, 보안 및 안전 관련 서비스 등)에 적용될 수 있다. 본 발명에 따른 통신 환경 분석 방법은, 임의의 영역에 대한 위성 정보 및 이미지 정보를 수신하는 단계, 상기 위성 정보에 기반하여 상기 이미지 정보에 포함되지 않은 물체의 영역 정보를 확인하는 단계, 상기 물체의 특성 정보를 결정하는 단계, 상기 특성 정보를 기반으로 상기 임의의 영역에 대한 통신 환경을 분석하는 단계를 포함하며, 상기 물체는 신호의 산란 또는 흡수 중 적어도 하나로 인해 신호 감쇠를 발생시키는 물체인 것을 특징으로 한다.

Description

무선 통신 시스템에서 통신 환경을 분석하는 방법 및 장치
본 발명은 무선 통신 시스템에서 통신 환경 분석을 위한 방법 및 장치에 대한 것으로서, 보다 구체적으로, 위성 신호를 이용해 신호가 송신되는 경로 상에 위치한 물체의 영역 정보 및 물체의 특성 정보에 기반하여 채널을 분석하는 방법에 관한 것이다.
4G 통신 시스템 상용화 이후 증가 추세에 있는 무선 데이터 트래픽 수요를 충족시키기 위해, 개선된 5G 통신 시스템 또는 pre-5G 통신 시스템을 개발하기 위한 노력이 이루어지고 있다. 이러한 이유로, 5G 통신 시스템 또는 pre-5G 통신 시스템은 4G 네트워크 이후 (Beyond 4G Network) 통신 시스템 또는 LTE 시스템 이후 (Post LTE) 이후의 시스템이라 불리어지고 있다. 높은 데이터 전송률을 달성하기 위해, 5G 통신 시스템은 초고주파(mmWave) 대역 (예를 들어, 60기가(60GHz) 대역과 같은)에서의 구현이 고려되고 있다. 초고주파 대역에서의 전파의 경로손실 완화 및 전파의 전달 거리를 증가시키기 위해, 5G 통신 시스템에서는 빔포밍(beamforming), 거대 배열 다중 입출력(massive MIMO), 전차원 다중입출력(Full Dimensional MIMO: FD-MIMO), 어레이 안테나(array antenna), 아날로그 빔형성(analog beam-forming), 및 대규모 안테나 (large scale antenna) 기술들이 논의되고 있다. 또한 시스템의 네트워크 개선을 위해, 5G 통신 시스템에서는 진화된 소형 셀, 개선된 소형 셀 (advanced small cell), 클라우드 무선 액세스 네트워크 (cloud radio access network: cloud RAN), 초고밀도 네트워크 (ultra-dense network), 기기 간 통신 (Device to Device communication: D2D), 무선 백홀 (wireless backhaul), 이동 네트워크 (moving network), 협력 통신 (cooperative communication), CoMP (Coordinated Multi-Points), 및 수신 간섭제거 (interference cancellation) 등의 기술 개발이 이루어지고 있다. 이 밖에도, 5G 시스템에서는 진보된 코딩 변조(Advanced Coding Modulation: ACM) 방식인 FQAM (Hybrid FSK and QAM Modulation) 및 SWSC (Sliding Window Superposition Coding)과, 진보된 접속 기술인 FBMC(Filter Bank Multi Carrier), NOMA(non orthogonal multiple access), 및SCMA(sparse code multiple access) 등이 개발되고 있다.
한편, 인터넷은 인간이 정보를 생성하고 소비하는 인간 중심의 연결 망에서, 사물 등 분산된 구성 요소들 간에 정보를 주고 받아 처리하는 IoT(Internet of Things, 사물인터넷) 망으로 진화하고 있다. 클라우드 서버 등과의 연결을 통한 빅데이터(Big data) 처리 기술 등이 IoT 기술에 결합된 IoE (Internet of Everything) 기술도 대두되고 있다. IoT를 구현하기 위해서, 센싱 기술, 유무선 통신 및 네트워크 인프라, 서비스 인터페이스 기술, 및 보안 기술과 같은 기술 요소 들이 요구되어, 최근에는 사물간의 연결을 위한 센서 네트워크(sensor network), 사물 통신(Machine to Machine, M2M), MTC(Machine Type Communication)등의 기술이 연구되고 있다. IoT 환경에서는 연결된 사물들에서 생성된 데이터를 수집, 분석하여 인간의 삶에 새로운 가치를 창출하는 지능형 IT(Internet Technology) 서비스가 제공될 수 있다. IoT는 기존의 IT(information technology)기술과 다양한 산업 간의 융합 및 복합을 통하여 스마트홈, 스마트 빌딩, 스마트 시티, 스마트 카 혹은 커넥티드 카, 스마트 그리드, 헬스 케어, 스마트 가전, 첨단의료서비스 등의 분야에 응용될 수 있다.
이에, 5G 통신 시스템을 IoT 망에 적용하기 위한 다양한 시도들이 이루어지고 있다. 예를 들어, 센서 네트워크(sensor network), 사물 통신(Machine to Machine, M2M), MTC(Machine Type Communication)등의 기술이 5G 통신 기술이 빔 포밍, MIMO, 및 어레이 안테나 등의 기법에 의해 구현되고 있는 것이다. 앞서 설명한 빅데이터 처리 기술로써 클라우드 무선 액세스 네트워크(cloud RAN)가 적용되는 것도 5G 기술과 IoT 기술 융합의 일 예라고 할 수 있을 것이다.
이와 같이 5G 통신 시스템에서 채널 환경을 추정하고 이에 따라 망 설계를 하기 위한 방안이 요구된다. 망 설계는 특징 지역에서 무선 통신을 통한 네트워크 서비스를 가능하게 하기 위해 무선(radio frequency, RF) 신호를 송신하는 송신기(transmitter, Tx)의 위치와 송신을 위한 설정 값을 결정하고 수신기(receiver, Rx)의 위치에서 다양한 RF 신호의 정보를 판단하여, 수학적 모델링 기법 또는 레이 트레이싱 시뮬레이션 결과를 기반으로 채널 환경 분석을 하고, 이에 따라 최적의 Tx 위치를 결정할 수 있다. 이와 같이 채널 환경의 분석을 위해 다양한 RF 신호 정보(e.g. 경로 손실, 커버리지)를 제공할 수 있으며, 이를 기반으로 망 설계를 수행할 수 있다.
다만, 5G 시스템에서는 파장이 짧고 직진성이 강한 밀리미터파(mmWave)를 사용하기 때문에 망 설계 시 신호가 송신되는 경로인 통신 경로에 위치한 물체 (object) 또는 장애물의 특성에 따라 신호가 크게 영향을 받을 수 있다. 또한, 상기 물체의 특성 정보를 결정하기 위해 2차원의 이미지 정보 (이하, 이미지 정보, 거리 뷰 정보 등으로 칭할 수 있다)를 사용하는 경우, 이미지 정보에 나타나지 않는 물체의 특성을 반영하기 힘든 문제가 있다. 따라서, 이미지 정보에 나타나지 않는 물체의 영역 정보 및 특성 정보를 확인하고, 상기 특성 정보에 따라 채널의 상태를 분석하는 방법이 필요한 실정이다.
본 발명은 상술한 문제점을 해결하기 위해 제안된 것으로, 본 발명의 목적은 RF 송수신 환경을 분석하기 위해 레이 트레이싱을 통한 시뮬레이션을 수행할 때보다 정확성이 높은 방법 및 장치를 제공하는 것을 목적으로 한다.
또한, 본 발명은 위성 정보와 이미지 정보를 이용하여 통신 경로 상에 위치하는 물체의 영역 정보 및 물체의 특성 정보를 확인하고, 이를 시뮬레이션에 반영함으로써, 보다 정확한 시뮬레이션 결과를 얻을 수 있는 방법 및 장치를 제공하는 것을 목적으로 한다.
상기와 같은 문제점을 해결하기 위한 본 발명의 통신 환경 분석 방법은, 임의의 영역에 대한 위성 정보 및 이미지 정보를 수신하는 단계, 상기 위성 정보에 기반하여 상기 이미지 정보에 포함되지 않은 물체의 영역 정보를 확인하는 단계, 상기 물체의 특성 정보를 결정하는 단계; 및 상기 특성 정보를 기반으로 상기 임의의 영역에 대한 통신 환경을 분석하는 단계를 포함하며,
상기 물체는 신호의 산란 또는 흡수 중 적어도 하나로 인해 신호 감쇠를 발생시키는 물체인 것을 특징으로 한다.
또한, 상기와 같은 문제점을 해결하기 위한 본 발명의 연산 장치는, 정보를 송신 또는 수신하는 송수신부; 및 임의의 영역에 대한 위성 정보 및 이미지 정보를 수신하고, 상기 위성 정보에 기반하여 상기 이미지 정보에 포함되지 않은 물체의 영역 정보를 확인하고, 상기 물체의 특성 정보를 결정하고, 상기 특성 정보를 기반으로 상기 임의의 영역에 대한 통신 환경을 분석하는 제어부를 포함하며, 상기 물체는 신호의 산란 또는 흡수 중 적어도 하나로 인해 신호 감쇠를 발생시키는 물체인 것을 특징으로 한다.
본 발명에 따르면, 연산 장치는 위성 정보와 이미지 정보를 이용하여 통신 경로에 위치한 물체의 영역 정보 및 특성 정보를 확인할 수 있으며, 이를 시뮬레이션에 반영하여 보다 정확한 시뮬레이션 결과를 얻을 수 있다. 따라서, 망 설계 시, 통신 경로에 위치한 물체에 의한 영향을 고려하여 효율적으로 망 설계를 할 수 있다.
도 1은 수학적 모델링 기법을 이용한 망 설계를 설명하기 위한 도면이다.
도 2는 본 명세서의 실시 예에 따른 레이 트레이싱 시뮬레이션 방법을 설명하기 위한 도면이다.
도 3a 및 3b는 본 명세서의 실시 예에 따른 3차원 지도 정보를 획득하기 위한 방법을 설명하기 위한 도면이다.
도 4a 및 4b는 본 명세서의 실시 예에 따라 이미지 정보를 통해 이미지 내의 물체의 재질 정보 획득하는 방법을 설명하기 위한 도면이다.
도 5는 본 명세서의 실시 예에 따라 레이 트레이싱을 통한 통신 채널 환경을 분석하기 위한 방법을 설명하기 위한 도면이다.
도 6a는 통신 경로에 위치한 물체 및 상기 물체가 신호에 미치는 영향을 도시한 도면이다.
도 6b는 본 발명에 따른 이미지 정보에 나타나지 않은 물체가 신호에 미치는 영향을 도시한 도면이다.
도 7a는 본 발명의 일 실시예에 따른 시뮬레이션 방법을 도시한 도면이다.
도 7b는 본 발명의 일 실시예에 따라 이미지 정보에 포함되지 않은 물체의 특성 정보를 확인하는 방법을 도시한 도면이다.
도 8은 본 발명의 일 실시예에 따라 통신 경로에 위치한 물체의 영역 정보를 확인하는 구체적인 방법을 도시한 도면이다.
도 9는 본 발명의 일 실시예에 따라 확인된 물체의 영역 정보의 일 예를 도시한 도면이다.
도 10a는 본 발명의 일 실시예에 따라 이미지 정보에서 물체를 추출하는 방법을 도시한 도면이다.
도 10b는 본 발명의 일 실시예에 따른 물체의 특성 정보를 도시한 도면이다.
도 10c는 본 발명의 일 실시예에 따라 개별 물체의 특성 정보를 결정하는 방법을 도시한 도면이다.
도 10d는 본 발명의 일 실시예에 따른 물체의 특성 정보의 일 예를 도시한 도면이다.
도 11a는 본 발명의 일 실시예에 따라 개별 물체를 분리하는 방법을 도시한 도면이다.
도 11b는 본 발명의 일 실시예에 따라 분리된 개별 물체를 도시한 도면이다.
도 12는 본 발명의 일 실시예에 따른 망 운용 방법을 설명하기 위한 도면이다.
도 13은 본 발명의 일 실시예에 따른 연산 장치를 도시한 도면이다.
이하, 본 발명의 실시 예를 첨부된 도면을 참조하여 상세하게 설명한다.
실시 예를 설명함에 있어서 본 발명이 속하는 기술 분야에 익히 알려져 있고 본 발명과 직접적으로 관련이 없는 기술 내용에 대해서는 설명을 생략한다. 이는 불필요한 설명을 생략함으로써 본 발명의 요지를 흐리지 않고 더욱 명확히 전달하기 위함이다.
마찬가지 이유로 첨부 도면에 있어서 일부 구성요소는 과장되거나 생략되거나 개략적으로 도시되었다. 또한, 각 구성요소의 크기는 실제 크기를 전적으로 반영하는 것이 아니다. 각 도면에서 동일한 또는 대응하는 구성요소에는 동일한 참조 번호를 부여하였다.
본 발명의 이점 및 특징, 그리고 그것들을 달성하는 방법은 첨부되는 도면과 함께 상세하게 후술되어 있는 실시 예들을 참조하면 명확해질 것이다. 그러나 본 발명은 이하에서 개시되는 실시 예들에 한정되는 것이 아니라 서로 다른 다양한 형태로 구현될 수 있으며, 단지 본 실시 예들은 본 발명의 개시가 완전하도록 하고, 본 발명이 속하는 기술분야에서 통상의 지식을 가진 자에게 발명의 범주를 완전하게 알려주기 위해 제공되는 것이며, 본 발명은 청구항의 범주에 의해 정의될 뿐이다. 명세서 전체에 걸쳐 동일 참조 부호는 동일 구성 요소를 지칭한다.
이 때, 처리 흐름도 도면들의 각 블록과 흐름도 도면들의 조합들은 컴퓨터 프로그램 인스트럭션들에 의해 수행될 수 있음을 이해할 수 있을 것이다. 이들 컴퓨터 프로그램 인스트럭션들은 범용 컴퓨터, 특수용 컴퓨터 또는 기타 프로그램 가능한 데이터 프로세싱 장비의 프로세서에 탑재될 수 있으므로, 컴퓨터 또는 기타 프로그램 가능한 데이터 프로세싱 장비의 프로세서를 통해 수행되는 그 인스트럭션들이 흐름도 블록(들)에서 설명된 기능들을 수행하는 수단을 생성하게 된다. 이들 컴퓨터 프로그램 인스트럭션들은 특정 방식으로 기능을 구현하기 위해 컴퓨터 또는 기타 프로그램 가능한 데이터 프로세싱 장비를 지향할 수 있는 컴퓨터 이용 가능 또는 컴퓨터 판독 가능 메모리에 저장되는 것도 가능하므로, 그 컴퓨터 이용가능 또는 컴퓨터 판독 가능 메모리에 저장된 인스트럭션들은 흐름도 블록(들)에서 설명된 기능을 수행하는 인스트럭션 수단을 내포하는 제조 품목을 생산하는 것도 가능하다. 컴퓨터 프로그램 인스트럭션들은 컴퓨터 또는 기타 프로그램 가능한 데이터 프로세싱 장비 상에 탑재되는 것도 가능하므로, 컴퓨터 또는 기타 프로그램 가능한 데이터 프로세싱 장비 상에서 일련의 동작 단계들이 수행되어 컴퓨터로 실행되는 프로세스를 생성해서 컴퓨터 또는 기타 프로그램 가능한 데이터 프로세싱 장비를 수행하는 인스트럭션들은 흐름도 블록(들)에서 설명된 기능들을 실행하기 위한 단계들을 제공하는 것도 가능하다.
또한, 각 블록은 특정된 논리적 기능(들)을 실행하기 위한 하나 이상의 실행 가능한 인스트럭션들을 포함하는 모듈, 세그먼트 또는 코드의 일부를 나타낼 수 있다. 또, 몇 가지 대체 실행 예들에서는 블록들에서 언급된 기능들이 순서를 벗어나서 발생하는 것도 가능함을 주목해야 한다. 예컨대, 잇달아 도시되어 있는 두 개의 블록들은 사실 실질적으로 동시에 수행되는 것도 가능하고 또는 그 블록들이 때때로 해당하는 기능에 따라 역순으로 수행되는 것도 가능하다.
이 때, 본 실시 예에서 사용되는 '~부'라는 용어는 소프트웨어 또는 FPGA또는 ASIC과 같은 하드웨어 구성요소를 의미하며, '~부'는 어떤 역할들을 수행한다. 그렇지만 '~부'는 소프트웨어 또는 하드웨어에 한정되는 의미는 아니다. '~부'는 어드레싱할 수 있는 저장 매체에 있도록 구성될 수도 있고 하나 또는 그 이상의 프로세서들을 재생시키도록 구성될 수도 있다. 따라서, 일 예로서 '~부'는 소프트웨어 구성요소들, 객체지향 소프트웨어 구성요소들, 클래스 구성요소들 및 태스크 구성요소들과 같은 구성요소들과, 프로세스들, 함수들, 속성들, 프로시저들, 서브루틴들, 프로그램 코드의 세그먼트들, 드라이버들, 펌웨어, 마이크로코드, 회로, 데이터, 데이터베이스, 데이터 구조들, 테이블들, 어레이들, 및 변수들을 포함한다. 구성요소들과 '~부'들 안에서 제공되는 기능은 더 작은 수의 구성요소들 및 '~부'들로 결합되거나 추가적인 구성요소들과 '~부'들로 더 분리될 수 있다. 뿐만 아니라, 구성요소들 및 '~부'들은 디바이스 또는 보안 멀티미디어카드 내의 하나 또는 그 이상의 CPU들을 재생시키도록 구현될 수도 있다.
또한 실시 예에서 방법을 설명하는 도면에서 설명의 순서가 반드시 실행의 순서와 대응되지는 않으며, 선후 관계가 변경되거나 병렬적으로 실행 될 수도 있다.
도 1은 수학적 모델링 기법을 이용한 망 설계를 설명하기 위한 도면이다.
도 1을 참조하면 송신기(110, 120)은 송신 빔(112, 122)을 형성하여 신호를 전송할 수 있다.
이와 같이 수학적 모델링 기법은 송신 신호의 주파수 및 거리 등등을 입력으로 특정 신호 송수신 모델링 기법을 통해 명시적(explicit)으로 표현된 함수를 통해 RF 정보를 예측할 수 있다. 도면에서와 같이 송신기(110, 120)은 각각 세 방향의 빔(112, 122)을 형성할 수 있고, 이에 따라 모델링 기법을 통해 송신 신호의 RF 특성을 적용할 수 있다. 이와 같이 수학적 모델링 기법을 통하면 보다 적은 계산량으로 RF 정보를 예측할 수 있으나, 주파수가 높은 RF 신호에 대해서는 이와 같은 모델링의 정확성이 떨어지는 단점이 있다.
이와 같이 고주파 RF 신호와 관련된 채널 특성을 분석하기 위해 레이 트레이싱을 통한 시뮬레이션 기법을 적용하는 것을 고려할 수 있으며, 이와 같은 경우 RF 신호가 전송될 수 있는 가능한 경로들을 고려하여 이를 통해 채널 환경을 분석할 수 있다. 그러나 이와 같은 방식을 사용할 경우 계산량이 늘어날 수 있으며, 정확도를 보장하기 위해 시뮬레이션에 실제 환경을 반영할 수 있는 방법이 필요하다.
도 2는 본 명세서의 실시 예에 따른 레이 트레이싱 시뮬레이션 방법을 설명하기 위한 도면이다.
도 2를 참조하면 하나 이상의 송신기(212, 214, 216)에서 신호를 송신하는 것을 가정하고, 이에 따라 각 송신기(212, 214, 216)에서 송신한 신호가 수신되는 강도가 지도 상에 명암으로 표시된다. 보다 짙은 색이 강한 수신 강도를 가지는 지역이고 연한 색일수록 약한 신호 강도를 가지게 된다.
보다 구체적으로 수신기(220)의 위치를 가정하고 해당 영역에서 신호의 수신 강도를 판단할 수 있다. 또한 하나의 송신기(212)로부터 수신기(220)까지 가능한 경로 각각에 대한 전송 채널을 판단할 수 있다. 송신기(212)로부터 수신기(220)에 직접 송신되는 신호(242)가 있을 수 있고, 다른 물체(230)에 반사되어 수신되는 신호(232)도 있다. 이와 같이 레이 트레이싱에 따른 시뮬레이션을 수행하면, 특정 영역에 송신기(212, 214, 216)로부터 수신된 신호의 강도와 해당 신호의 전송 경로에 대한 정보를 획득할 수 있다. 상기 신호의 전송 경로에 따른 신호 수신 강도를 판단할 때 반사되는 물체의 표면 재질 및 외부 형태 중 적어도 하나를 고려할 경우 수신기(220)에서 보다 정확한 신호 수신 정보를 획득할 수 있다. 실시 예에서 표면 재질로 언급하나, 이는 물체의 외부 표면만을 의미하지 않으며, 전파의 반사에 영향을 미칠 수 있는 내부의 재질까지 포함하는 개념이며, 이와 같은 정보를 통해 보다 정확한 전파 반사의 특징을 추정할 수 있다. 또한 실시 예에서 수신기 위치는 창문 위치 정보 등을 기반으로 결정될 수 있으며, 추가적으로 망 설계를 위해 시뮬레이션에 추가적인 정보 입력을 통해 획득되거나, 사용자 설정에 의해서도 획득될 수 있다.
또한 직접적으로 신호가 송신되는 경로 상에 전파 투과 가능한 장애물이 위치할 수 있다. 상기 장애물의 일 예로 나무가 있을 수 있으며, 나무 이외에도 전파가 투과 되면서 신호 감쇠가 일어날 수 있는 장애물을 레이 트레이싱 시뮬레이션 시 고려할 수 있다. 이와 같이 전파 투과가 가능한 장애물에 대한 정보를 고려함으로써 보다 정확한 시뮬레이션 결과를 획득할 수 있다. 상기 나무는 통신 경로 상에 위치하여 전파 투과시 신호 감쇠를 초래하는 장애물의 예시로 다른 식물 또는 통신 경로 상에 설치된 설치물 일 수 있으며, 이외에 신호 감쇠를 일으킬 수 있는 다른 물체들을 포함할 수 있다.
이와 같이 레이 트레이싱을 수행함으로써 지도 상에 최적의 송신기 위치 및 수신기 위치 중 적어도 하나를 결정할 수 있다. 또한 실시 예에 따라 레이 트레이싱 시뮬레이션은 복수개의 송신기 위치 후보 및 수신기 위치 후보를 고려하여 수행될 수 있으며, 레이트레이싱 결과에 따라 송신기 위치 및 수신기 위치 중 적어도 하나를 결정할 수 있다. 실시 예에서 레이트레이싱 시뮬레이션을 통해서 송신기의 위치를 결정하는 것이 망 설계를 위한 한가지 특징이 될 수 있다. 이에 따라 송신기가 최종 설치될 것으로 예상되는 숫자에 비해 보다 많은 송신기 후보의 위치를 결정하고, 이를 기반으로 레이 트레이싱 시뮬레이션을 수행하고, 상기 모든 기지국 후보에서 전송된 신호로부터 획득된 ray의 정보를 기반으로 후처리를 통해 최적의 기지국 위치 조합을 획득할 수 있다.
이와 같이 레이 트레이싱 시뮬레이션 기법은 RF 신호가 지나가는 경로 각각에 대한 전송 채널을 판단하고, 이를 기반으로 수신기(220)의 위치에서 RF 신호 정보를 예측할 수 있다. 실시 예에서 레이 트레이싱 시뮬레이선 기법은 신호의 경로에 따른 채널 환경을 판단하는 과정에서 신호가 전송되는 거리뿐 아니라 그 경로의 환경(e.g. 매질의 종류), 3D 지형 및 건물에 의한 반사 및 회절 중 적어도 하나를 계산하여, 보다 정확한 RF 신호 정보를 예측할 수 있다. 또한 상기 기법을 통한 채널 추정 방법은 RF 신호의 주파수에 따른 제한이 없고 실제 환경을 정교하게 반영할 수 있으며, 시뮬레이션 결과를 기반으로 최적의 송신 위치 및 수신 위치 중 적어도 하나를 판단할 수 있다.
또한 5G 네트워크는 28 - 60 GHz의 초고주파 신호를 이용한다. 따라서 5G 망설계 툴에서 무선 신호 정보를 알아내기 위해서는 수학적 모델링 기법이 아닌 레이 트레이싱 시뮬레이션 기법을 사용하여 정확도를 높일 수 있다. 레이 트레이싱 시뮬레이션의 일 예에서 전파가 건물에 부딪혀 반사되는 경로를 예측할 때 모든 건물들의 표면이 동일한 RF 성질을 가진 것으로 가정하고 반사를 계산할 수 있다. 하지만 반사면의 표면 재질, 외부 형태 및 패턴에 따라 RF 신호의 반사율이 차이가 나기 때문에 이러한 가정은 정확한 시뮬레이션 결과를 보장하지 못하는 바, 이에 따른 정보를 고려한 레이 트레이싱 기법이 요구된다.
이와 같이 레이 트레이싱 시뮬레이션을 수행하기 위해서는 건물의 배치 및 지형 정보를 획득하고, 이를 매핑한 지도 데이터를 기반으로 신호 송수신 환경을 분석하는 것이 필요하다. 신호 송수신 환경에 따라 송신기와 수신기 사이의 링크 및 통신 시스템 성능 전반을 분석할 수 있다. 또한 시뮬레이션 결과에 따른 시스템 성능이 기 설정된 기준을 만족하지 못할 경우 다른 송신기를 고려하고 시뮬레이션 설정 변경을 통해 레이 트레이싱 시뮬레이션을 반복적으로 수행할 수 있다. 이와 같이 통신 시스템, 특히 5G 통신 시스템의 통신 환경을 분석하기 위해서 mmWave의 전파 특성을 반영한 RF planning 방법 및 장치가 필요하고, 이에 따라 레이 트레이싱을 보다 효과적으로 수행하기 위해서 전파 환경에 영향을 주는 실재 환경(나무, 반사체 등) 정보를 획득하고 이를 고려한 시뮬레이션 수행이 요구된다. 이와 같이 시뮬레이션을 통한 RF planning을 위해서는 가속화 및 자동화 향상을 위한 병렬화, 단계별 분석 기법, 및 객체 추출 기반 배치 기법 등이 요구될 수 있다.
또한 실시 예에서 특정 지역에 통신 서비스를 하기 위해서 해당 지역의 전파 경로를 분석해 효율적인 위치에 기지국을 배치하는 무선 망 설계(RF Network Planning) 방법 및 이를 이용한 장치가 필요하다.
도 3a 및 3b는 본 명세서의 실시 예에 따른 3차원 지도 정보를 획득하기 위한 방법을 설명하기 위한 도면이다.
도 3a 및 3b를 참조하면, 도 3a의 실제 이미지 정보와 상기 이미지 정보에 대응하는 위치 정보를 기반으로 3차원 지도 정보를 획득할 수 있다. 보다 구체적으로 상기 이미지 정보를 기반으로 레이 트레이싱 시뮬레이션을 수행할 수 있도록 도 3b의 3차원 지도 정보를 획득할 수 있다.
도 3b에서 획득된 지도 정보는 건물(310), 수신기 후보 영역(330) 및 나무(320)를 포함할 수 있다. 이와 같이 지도 정보를 획득함으로써 이를 기반으로 송신기 위치 후보 및 수신기 위치 후보를 결정하고, 이에 따라 레이 트레이싱 시뮬레이션을 수행하여 최적의 송신기 위치 및 수신기 위치 중 적어도 하나를 결정할 수 있다.
또한 실시 예에서 건물(310)과 같은 요소의 경우 전파를 반사하거나 산란하는 특징을 가질 수 있으며, 이와 같은 요소의 경우 표면 재질 및 외부 형태를 고려함으로써 보다 정확한 시뮬레이션 결과를 획득할 수 있다.
또한 실시 예에서 나무(320)의 경우 전파 투과가 가능하나 투과된 전파가 공기중에 비해 큰 신호 감쇠를 겪을 수 있다. 이와 같이 나무(320)와 같은 물체를 통한 전파 전달 특성을 고려함으로써 보다 정확한 시뮬레이션 결과를 획득할 수 있다.
또한 실시 예에서 수신기 후보 영역(330)은 레이 트레이싱에 따라 선택적으로 수행될 수 있으며, 고정 또는 이동 가능한 수신기가 설치될 수 있는 영역을 포함할 수 있다. 보다 구체적으로 건물(310)의 창문 영역에 수신기를 설치하고, 이를 통해 건물 내부에 다른 수신기와 건물 외부의 송신기 사이의 통신에서 창문 영역에 설치된 수신기가 릴레이 역할을 수행할 수 있다. 이와 같이 수신기 후보 영역(330)을 고려하여 레이 트레이싱 시뮬레이션을 수행함으로써 보다 양호한 신호 수신환경을 고려한 결과 값을 얻을 수 있다.
도 4a 및 4b는 본 명세서의 실시 예에 따라 이미지 정보를 통해 이미지 내의 물체의 재질 정보 획득하는 방법을 설명하기 위한 도면이다.
도 4a 및 4b를 참조하면, 이미지 정보에서 이미지 내부에 표시된 물체의 재질을 판단할 수 있다. 보다 구체적으로 이미지 정보에서 딥러닝 기반의 컴퓨터 비전 기술을 기반으로 이미지 내부의 물체의 재질을 판단할 수 있다. 보다 구체적인 딥러닝 기반의 컴퓨터 비전 기술과 관련된 특징은 후술하도록 한다.
실시 예에서 도 4a의 이미지 정보를 분석하여, 도 4b의 결과를 얻을 수 있다. 이때 이미지 내부에 표시되는 색상, 명암, 반사율, 각 요소간의 상호 위치 관계 및 이미지 전체 구성 요소의 배치 중 적어도 하나를 기반으로 각 요소를 판단할 수 있다. 실시 예에서 이미지 분석을 통해 아스팔트(410), 콘크리트(420), 식물(430), 철재 구조물(440), 차량(450), 하늘(460) 및 유리(470)등의 재질을 판단할 수 있다. 이와 같이 이미지 정보를 통해 이미지 내부에 표시된 요소들의 재질을 판단하고, 상기 재질의 특성을 레이 트레이싱 시뮬레이션에 반영함으로써 보다 정확한 결과를 얻을 수 있다.
도 5는 본 명세서의 실시 예에 따라 레이 트레이싱을 통한 통신 채널 환경을 분석하기 위한 방법을 설명하기 위한 도면이다.
도 5를 참조하면 레이 트레이싱 시뮬레이션을 수행하기 위한 방법이 개시된다. 실시 예에서 레이 트레이싱 시뮬레이션은 제어부를 포함하는 연산장치에서 수행 될 수 있다. 상기 연산 장치는 중앙 제어 프로세서를 포함하는 연산 장치일 수 있으며, 개인용 컴퓨터, 워크스테이션 등을 포함할 수 있다. 이하 실시 예에서 시뮬레이션은 연산 장치에 의해 수행되는 것으로 언급될 수 있다.
단계 510에서 연산 장치는 2차원 이미지 정보 및 3차원 지도 정보를 획득할 수 있다. 실시 예에서 2차원 이미지 정보는 이미지에 대응하는 추가정보를 포함할 수 있으며, 상기 추가 정보는 이미지가 촬영된 위치 정보, 방향 정보, 화각을 포함한 촬영 정보를 포함할 수 있다. 상기 추가 정보를 기반으로 2차원 이미지 정보와 대응하는 3차원 지도 정보 (이하, 지도 정보라 칭할 수 있다)를 판단할 수 있다. 또한 3차원 지도 정보는 위치 정보와 이에 대응하는 3차원 지도 정보를 포함할 수 있다. 이와 같은 정보는 지표 또는 수면 위에 건물, 구조물, 식물 들의 형태 정보를 포함할 수 있으며, 실시 예에 따라 송신기 후보 위치 및 수신기 후보 위치 중 적어도 하나와 관련된 정보를 포함할 수 있다.
한편, 본 발명에서 2차원 이미지 정보는 이미지 정보라고 기재될 수 있다. 즉, 본 발명의 이미지 정보는 2차원으로 구성될 수 있다. 다만, 본 발명의 실시예가 이에 한정되는 것은 아니며, 본 발명은 이미지 정보가 3차원으로 구성되는 실시예를 포함할 수도 있다.
마찬가지로, 본 발명의 3차원 지도 정보는 지도 정보라고 기재될 수 있다. 즉, 본 발명의 지도 정보는 3차원으로 구성될 수 있다. 다만, 본 발명의 실시예가 이에 한정되는 것은 아니며, 본 발명은 지도 정보가 2차원으로 구성되는 실시예를 포함할 수도 있다.
단계 520에서 연산 장치는 지도 정보 및 이미지 정보 중 적어도 하나를 기반으로 실재 환경 정보를 획득할 수 있다. 실재 환경 정보는 통신 경로 상에 위치하는 물체 및 물체의 특성을 포함할 수 있다. 보다 구체적으로 2차원 이미지 정보를 분석하여 이를 기반으로 통신 경로 상에 위치할 수 있는 물체들의 특성을 판단할 수 있다. 상기 물체들의 특성은 물체 표면의 재질 및 물체 외부 형태 중 적어도 하나를 포함할 수 있으며, 전파 투과가 가능한 물체의 경우 물체의 형상 및 투과시 신호 감쇠 정도와 관련된 정보를 포함할 수 있다. 또한 기본적으로 물체의 타입, 형태, 높이, 너비 및 폭 등의 정보도 실재 환경 정보에 포함될 수 있다. 실시 예에서 실재 환경 추출은 딥러닝 기법을 통해 수행될 수 있다. 보다 구체적으로 실시 예에서 연산 장치는 대상 이미지 상에서 추출하고자 하는 물체에 대응하는 카테고리 정보를 포함하는 데이터 베이스를 통해 기계 학습을 수행하고, 학습 결과를 기반으로 대상 이미지를 입력하면, 대상 이미지 상의 물체를 추출하고, 상기 추출된 물체에 대응하는 카테고리를 결정할 수 있다. 보다 구체적으로 전파 환경에 영향을 주는 실 환경 개체로는 나뭇잎(foliage)을 비롯한 각종 장애물 및 건물 외벽의 재질 등이 될 수 있다. 전파 경로의 정확한 예측을 위해 전파 환경에 영향을 주는 장애물의 경우 그 위치뿐 아니라 타입 및 높이, 너비 및 폭 정보 중 적어도 하나를 추출한다. 또한 수신기 및 송신기의 설치 위치를 자동적으로 결정하기 위해서 도로, 가로등, 설치된 막대, 루프탑(rooftop) 및 창문(window) 등의 실 환경 개체를 추출할 수도 있다.
단계 530에서 연산장치는 상기 단계 510 및 520에서 획득한 정보를 기반으로 통신 경로의 실재 환경 정보를 3차원 지도 정보에 매핑할 수 있다. 이와 같이 3차원 지도 정보에 매핑할 때, 2차원 이미지 정보에 포함된 추가 정보를 기반으로 3차원 지도 정보에 대응되는 물체에 상기 2차원 이미지 정보를 통해 획득한 추가 정보를 매핑할 수 있다. 또한 실시 예에서 연산 장치는 상기 단계 520에서 추출된 물체의 정보를 바탕으로 실 환경이 반영된 3D 지도 정보를 구성 (또는 생성)할 수 있다. 일 실시 예에 따르면 연산 장치는 상용 지도에 foliage 등의 장애물 및 pole, rooftop 등의 오브젝트 정보가 매핑될 수 있으며, 예측된 재질 및 window는 3D 건물 형태에 정합될 수 있다. 장애물 및 건물의 재질 정보는 전파 특성에 영향을 미치는 정도에 따라 카테고리화 되어 lookup table 및 mapping function을 거쳐 변수화되어 차후 레이 트레이싱 시뮬레이션에 반영될 수 있다.
단계 540에서 연산 장치는 상기 단계 530을 통해 생성된 정보를 기반으로 레이 트레이싱 시뮬레이션을 수행할 수 있다. 실시 예에서 레이 트레이싱 시뮬레이션은 특정 방향의 빔을 고려하여, 순차적으로 빔 정보를 변경하면서 그에 대응하는 레이 트레이싱 시뮬레이션을 수행하거나, 송신기에서 전송할 수 있는 전 방향의 빔을 동일한 시구간 내에 전송한 경우를 가정하고 그에 대응하는 레이 트레이싱 시뮬레이션을 수행할 수 있다. 레이 트레이싱 시뮬레이션 수행 결과 송신기에서 전송된 신호가 수신기에 수신되기 위해서 거치는 경로와 상기 경로 상에 위치한 실재 환경 정보를 반영하여 수신기에서 수신할 수 있는 신호 품질을 예측하고 이를 분석할 수 있다. 또한 실시 예에서 레이 트레이싱 시뮬레이션을 수행할 때, 3차원 지도 정보를 기반으로 송신 위치 및 수신 위치 중 적어도 하나를 결정하고, 상기 단계 530에서 매핑된 정보를 기반으로 신호 전송 환경을 판단할 수 있다.
단계 550에서 상기 레이 트레이싱 시뮬레이션을 기반으로 결과 값을 획득할 수 있으며, 상기 획득한 결과 값과 실재 환경에서 측정한 값을 기반으로 추가적인 레이 트레이싱 시뮬레이션을 수행할 수 있다. 보다 구체적으로 시뮬레이션 결과 값과 실재 환경 측정 값을 비교하여 비교된 값이 상이한 경우 상기 단계 520에서 획득한 정보를 상기 실재 환경 측정 값을 기반으로 변경하여 시뮬레이션 결과 값을 다시 생성할 수도 있다. 이와 같이 실재 환경 정보를 3차원 지도에 반영하여 레이 트레이싱 시뮬레이션을 수행함으로 써 보다 신뢰성 있는 통신 채널 분석이 가능하다. 보다 구체적으로 레이 트레이싱 시뮬레이션의 대상이 된 지역에서 직접 송신기와 수신기를 설치하고, 송신기에서 전송한 신호가 수신기에 수신되는 결과 값을 기반으로 레이 트레이싱 시뮬레이션을 수행하기 위한 기본 정보를 추가하거나 업데이트 할 수 있다.
이와 같이 레이 트레이싱 시뮬레이션 결과를 기반으로 지도 내의 특정 영역에 무선 서비스를 제공하기 위한 최적의 송신기 위치 및 수신기 위치 중 적어도 하나를 결정할 수 있다. 이와 같이 최적의 송신기 위치 및 수신기 위치 중 적어도 하나를 결정함으로써 효과적인 망 설계를 수행할 수 있다. 보다 구체적으로 특정 지역 내의 무선 단말에게 효과적으로 무선 신호를 제공하기 위해 최적의 기지국 위치를 결정할 수 있다. 이와 같이 최적의 기지국 위치를 결정함으로써 보다 적은 기지국을 배치하는 경우에도 효과적인 서비스를 제공할 수 있다.
또한 실재 환경에서 측정한 신호 수신 정보를 반영함으로써 적응적인 망 관리가 가능할 수 있다. 보다 구체적으로 송신기를 설치한 후, 주변 환경이 변경된 경우, 변경된 환경을 고려한 추가적인 레이 트레이싱 시뮬레이션을 수행하고, 이에 대한 결과 값을 추가로 반영하여 송신기 위치를 조정하는 것과 같은 망 관리를 수행할 수 있다. 또한 이와 같은 망 관리는 송신기 위치를 조정하는 것 이외에 송신기에서 전송하는 빔 관련 정보를 변경하는 것을 포함할 수 있다. 보다 구체적으로 송신기는 레이 트레이싱 시뮬레이션 결과 값을 기반으로 송신 빔 및 수신 빔을 결정할 수 있다. 이와 같은 송신 빔 및 수신 빔을 결정하기 위해서 레이 트레이싱 시뮬레이션 결과 값을 기반으로 빔 정렬을 수행할 수도 있다. 이와 같은 적응적인 망 관리는 주기적으로 수행될 수 있다.
이하에서는, 통신 경로 상에 위치하는 물체 및 물체의 특성 정보인 실재 환경 정보를 확인하는 구체적인 방법을 설명한다.
도 6a는 통신 경로에 위치한 물체 및 상기 물체가 신호에 미치는 영향을 도시한 도면이다.
도 6a를 참고하면, 송신기가 송신하는 신호는 상기 신호가 송신되는 경로인 통신 경로에 위치한 물체에 의해 영향을 받을 수 있다. 즉, 통신 경로에 위치한 물체에 의해 신호의 감쇠가 발생할 수 있다.
본 발명에서는 통신 경로에 위치해 신호에 영향을 미치는 물체를 통칭하여 물체 또는 장애물이라 칭할 수 있다. 이 때, 통신 경로에 위치한 물체는 특성에 따라 종류가 구분될 수 있다.
예를 들어, 전파가 투과되면서 신호 감쇠가 발생할 수 있는 장애물을 제1 타입 물체로 정의할 수 있다. 또는 제1 타입 물체는 전파 또는 신호가 물체를 투과하는 과정에서 회절, 산란 또는 흡수 중 적어도 하나의 원인으로 인해 신호 감쇠를 발생시키는 장애물로 정의될 수 있다. 제1 타입 물체는 예를 들어 나무가 포함될 수 있으며, 나무 이외에도 전파가 투과, 산란, 회절 또는 흡수 되면서 신호 감쇠를 발생시킬 수 있는 다른 물체들을 포함할 수 있다. 또한, 상기 제1 타입 물체는 상기 회절, 산란 또는 흡수 중 일부의 파라미터으로 정의될 수 있다. 예를 들어, 본 발명의 제1 타입 물체는 신호의 산란 또는 흡수 중 적어도 하나의 원인으로 인해 신호 감쇠를 발생시키는 물체로 정의될 수도 있다.
이 때, 제1 타입 물체는 신호 감쇠의 크기의 차이에 따라 제1 부분, 제2 부분으로 구분될 수 있다. 신호 감소의 차이가 임계 값을 초과하는 경우, 제1 타입 물체는 제1 부분과 제2 부분으로 구분될 수 있다. 나무를 예를 들어 설명하면, 나뭇잎(foliage) 부분의 신호 감쇠의 크기와 몸통 (trunk) 부분의 신호 감쇠의 크기의 차이가 임계 값을 초과할 수 있으며, foliage 부분이 제1 부분, trunk 부분이 제2 부분으로 구분될 수 있다. 다만, 이는 본 발명의 일 실시예에 불과하며 제1 타입 물체는 제1 부분과 제2 부분으로 구분되지 않거나, 더 많은 부분으로 구분될 수 있다. 예를 들어, foliage가 없는 나무는 신호 감쇠의 크기 차이가 임계 값을 초과하는 부분이 존재하지 않을 수 있으며, 제1 부분과 제2 부분이 구분되지 않을 수 있다. 또한, 제1 타입 물체 이외의 물체도 복수 개의 부분으로 구분될 수 있다.
한편, 전파의 반사에 의해 신호 감쇠를 발생시키는 장애물을 제2 타입 물체로 정의할 수 있다. 예를 들어, 제2 타입 물체는 건물, 가로등 등을 포함할 수 있다.
이외에도, 장애물의 특성에 따라 다양한 종류가 정의될 수 있다.
본 발명에서는 전파 또는 신호의 투과, 산란, 회절 또는 흡수 중 적어도 하나에 의한 신호 감쇠가 발생하는 물체의 특성 정보를 확인하고, 이를 시뮬레이션에 반영하여 채널 특성을 분석하는 시뮬레이션의 정확도를 증가시키는 방법을 제안한다. 이와 같이 시뮬레이션의 정확도가 증가됨에 따라 망 설계 시 최적의 Tx 위치를 결정할 수 있다. 이하에서는, 전파의 투과, 산란, 회절 또는 흡수 중 적어도 하나에 의한 신호 감쇠가 발생하는 물체를 통칭하여 물체라고 칭한다. 다만, 상술한 바와 같이, 물체는 투과, 산란, 회절, 흡수 중 일부의 파라미터만으로 정의될 수 있다.
예를 들어, 본 발명의 물체는 전파 또는 신호의 투과로 인해 발생하는 산란 또는 흡수 중 적어도 하나에 의해 신호 감쇠가 발생하는 물체를 의미할 수 있다. 또는, 본 발명의 물체는 전파 또는 신호의 투과, 산란 또는 흡수 중 적어도 하나에 의해 신호 감쇠가 발생하는 물체를 의미할 수 있다.
또는, 본 발명의 물체는 전파 또는 신호의 투과율, 산란율, 흡수율 중 적어도 하나가 임계 값보다 큰 물체를 의미할 수 있다. 또는, 본 발명의 물체는 산란율, 흡수율, 회절율 중 적어도 하나가 임계 값 보다 큰 물체를 의미할 수 있다. 이와 같이, 물체는 투과율, 산란율, 흡수율, 회절율 중 일부의 파라미터만으로 정의될 수 있다.
예를 들어, 본 발명의 물체는 신호의 흡수율이 임계 흡수 값보다 큰 물체를 의미할 수 있다. 또는, 물체는 신호의 회절율이 임계 회절 값보다 큰 물체를 의미할 수 있으며, 상기 두 개의 조건을 모두 포함하거나 다른 조건을 포함할 수도 있다.
도 6a의 설명으로 돌아가면, 송신기와 수신기 사이에 다양한 장애물이 위치할 수 있으며, 송신기가 전송한 신호는 물체에 의해 신호 감쇠가 발생할 수 있다. 다만, 물체의 특성 정보에 따라 물체는 신호에 각각 다른 영향을 미칠 수 있다. 예를 들어, 동일한 물체에 대해서도 물체의 모양, 크기, 밀집도와 신호가 물체의 어떤 부분을 통과하였는지에 따라 신호에 미치는 영향이 달라질 수 있다.
구체적으로 도 6a를 참고하면, 송신기와 수신기 사이에 나무가 위치한 것을 확인할 수 있다. 즉, 본 발명에서는 물체는 일예로 나무를 포함할 수 있다. 이 때, 나뭇잎 (foliage)의 밀집도가 높은 부분을 통과한 신호 (602, 603)에는 높은 신호의 감쇠 (7dB의 감쇠)가 발생한 반면, 나뭇잎 (foliage)의 밀집도가 낮은 부분을 통과한 신호 (601, 604)에는 낮은 신호의 감쇠 (5dB의 감쇠)가 발생한 것을 확인할 수 있다. 한편, 물체를 통과하지 않은 신호 (605)에는 신호의 감쇠가 거의 발생하지 않은 것을 확인할 수 있다.
한편, 이미지 정보를 이용하여 실재 환경 정보를 판단하는 경우, 이미지 정보에 나타나지 않은 물체에 대한 정보를 시뮬레이션에 반영하지 못한다는 문제가 있다. 따라서, 이미지 정보에 나타나지 않은 물체에 대한 정보를 시뮬레이션에 반영하는 방법이 필요하다.
도 6b는 본 발명에 따른 이미지 정보에 나타나지 않은 물체가 신호에 미치는 영향을 도시한 도면이다.
도 6b를 참고하면, 이미지 정보는 도 6의 (620)과 같이 도시될 수 있다. 연산 장치는 상기 이미지 정보를 기반으로 실재 환경 정보를 획득할 수 있다. 예를 들어, 이미지 정보 (620)에는 통신 경로 상에 위치하는 장애물 (625)이 위치할 수 있으며, 연상 장치는 상기 장애물의 표면 재질, 외부 형태 등을 분석하여 실재 환경 정보를 획득할 수 있다. 실재 환경 정보에 대한 구체적인 설명은 상술한 바와 동일하다.
다만, 이미지 정보에는 신호에 영향을 미치는 물체 (635)가 포함되지 않을 수 있다.
예를 들어, 도 6의 위성 정보 (630)를 참고하면, 장애물(625) 뒤로 물체 (635)가 위치하는 것을 확인할 수 있다. 다만, 이미지 정보에는 상기 물체 (635)가 포함되지 않아 연산 장치는 물체 (635)의 특성 정보를 획득할 수 없다. 따라서, 연산 장치는 시뮬레이션을 위해 지도 정보에 실재 환경 정보를 매핑할 때, 상기 물체 (635)의 특성 정보를 매핑할 수 없으며, 지도 정보에는 물체 (635)의 특성이 반영되지 않을 수 있다. 따라서, 물체 (635)의 특성이 레이 트레이싱 시뮬레이션에 반영되지 않을 수 있으며, 시뮬레이션 결과의 정확도가 감소될 수 있다.
따라서, 이미지 정보에는 포함되지 않은 물체의 특성 정보를 지도 정보에 반영하는 방법이 필요하다. 따라서, 본 발명에서는 위성 정보에 기반하여 물체의 영역 정보를 판단하고, 상기 위성 정보와 이미지 정보 중 적어도 하나에 기반하여 상기 영역에 위치한 물체의 특성 정보를 판단하는 방법을 제안한다. 또한, 본 발명에서는 상기 물체의 영역 정보와 물체의 특성 정보를 지도 정보에 매핑하는 방법을 제안한다. 본 발명에서는 물체의 특성 정보를 지도 정보에 매핑하는 과정을 새로운 지도 정보를 생성하는 과정으로 구성할 수도 있다.
도 7a는 본 발명의 일 실시예에 따른 시뮬레이션 방법을 도시한 도면이다.
도 7a를 참고하면, 연산 장치는 단계 710에서 임의의 영역에 대한 위성 정보 및 이미지 정보를 수신할 수 있다. 상술한 바와 같이 이미지 정보에는 추가 정보가 포함될 수 있으며, 추가 정보는 이미지가 촬영된 위치 정보, 방향 정보, 화각 정보, 픽셀 정보 중 적어도 하나를 포함한 촬영 정보를 포함할 수 있다. 또한, 상기 위성 정보는 위성으로부터 획득한 정보를 의미할 수 있다.
그리고, 연산 장치는 단계 720에서 물체의 영역 정보를 확인할 수 있다. 연산 장치는 위성 정보에 기반하여 물체의 영역 정보를 확인(또는 추출)할 수 있다. 이 때, 연산 장치는 이미지 정보에 포함되지 않은 물체의 영역 정보를 확인할 수 있다. 본 발명에서 이미지 정보에 포함되지 않은 물체는 이미지 정보에는 포함되지만 특성 정보를 확인할 수 없는 물체를 포함할 수 있다.
또는, 연산 장치는 위성 정보에 포함된 물체의 모든 영역 정보를 확인할 수 있다. 따라서, 물체가 위치한 영역 정보는 상기 미리 정해진 조건의 물체가 위치한 모든 영역에 대한 정보, 이미지 정보에 포함되지 않은 물체가 위치한 영역 정보를 포함할 수 있다.
이 때, 연산 장치는 미리 정해진 조건을 만족하는 물체가 위치한 영역 정보를 확인할 수 있으며, 본 발명에서 미리 정해진 조건을 만족하는 물체란 바람직하게는 전파의 투과, 흡수, 회절 또는 산란 중 적어도 하나에 의한 신호 감쇠를 발생시키는 물체를 의미할 수 있다. 다만, 본 발명의 미리 정해진 조건이 이에 한정되는 것은 아니다. 상술한 바와 같이 미리 정해진 조건을 만족하는 물체는 투과, 흡수, 회절 또는 산란 중 일부의 파라미터만으로 정의될 수 있다. 또한, 미리 정해진 조건을 만족하는 물체는 전파의 흡수율, 투과율, 산란율, 회절율 중 적어도 하나가 임계 값을 초과하는 물체를 의미할 수 있으며, 상기의 파라미터 중 일부의 파라미터만으로 정의될 수도 있다. 예를 들어, 미리 정해진 조건을 만족하는 물체는 흡수율과 산란율, 회절율 중 적어도 하나가 임계 값을 초과하는 물체를 의미할 수도 있다.
또한, 예를 들어, 미리 정해진 조건의 물체는 신호의 흡수율이 미리 정해진 임계 흡수율 보다 큰 물체를 의미할 수 있다. 이 때, 나무의 경우, 신호를 흡수하는 성질 또는 회절하는 성질에 의한 신호 감쇠가 가장 크게 발생하는 성질을 가지며, 신호의 흡수율이 미리 정해진 임계 흡수율보다 클 수 있다. 반면, 건물의 경우에는 신호의 흡수율이 상대적으로 작으며, 신호의 흡수율이 미리 정해진 임계 흡수율보다 작을 수 있다. 따라서, 상기 예에 따른 물체는 나무를 포함할 수 있으며, 연산 장치는 나무가 위치한 영역의 정보를 확인할 수 있다.
또한, 산란율과 투과율도 동일한 방법으로 적용될 수 있으며, 두 개 이상의 파라미터가 각각의 임계 값을 초과하는 경우가 상기 미리 정해진 조건으로 설정될 수도 있다.
이와 같이 추출하고자 하는 물체의 특징에 따라 미리 정해진 조건이 설정될 수 있다. 또 다른 예로, 상기 미리 정해진 조건의 물체는 미터 (m) 당 7dB 정도의 신호의 감쇠가 발생하는 물체로 정의될 수 있다.
또는, 반사에 의한 신호 감쇠가 발생하는 물체를 미리 정해진 조건의 물체로 결정하는 등 본 발명의 미리 정해진 조건의 물체는 다양한 조건으로 정해질 수 있다.
상기 물체가 위치한 영역 정보는 상기 물체가 위치한 영역의 윤곽 (contour) 정보로 구성될 수 있다. 윤곽 정보란, 물체의 가장 자리 (edge)를 따라 물체가 분포한 영역을 표시한 정보를 의미할 수 있다. 이 때, 윤곽 정보는 좌표 정보의 합으로 나타낼 수 있다. 연산 장치는 상기 물체가 분포한 영역의 가장 자리를 따라 물체가 위치한 영역의 윤곽을 확인하고, 상기 윤곽에 해당하는 좌표의 집합으로 윤곽 정보를 구성할 수 있다. 상기 영역 정보에 대한 구체적인 내용은 이하에서 설명한다.
그리고, 연산 장치는 단계 730에서 물체의 특성 정보를 확인할 수 있다. 구체적으로, 연산 장치는 이미지 정보를 이용하여 상기 확인된 영역에 위치한 물체의 특성 정보를 확인할 수 있다. 구체적으로, 연산 장치는 상기 영역에 위치한 개별 물체의 특성 정보를 확인할 수 있 다. 다만, 상기 확인된 영역은 이미지 정보에 포함되지 않은 영역으로, 이미지 정보를 이용하여 상기 영역에 위치한 물체의 특성 정보를 확인하는 방법이 필요하며, 구체적인 내용은 후술한다.
상기 물체의 특성 정보란, 물체의 모양 정보, 밀도 정보, 크기 정보 등을 포함할 수 있다. 또한, 크기 정보에는 폭 정보, 높이 정보 등이 포함될 수 있다.
이 때, 상술한 바와 같이, 물체는 신호 감쇠 정도에 따라 두 개 이상의 부분 (part)으로 구분될 수 있다. 상술한 바와 같이, 신호 감쇠의 크기의 차이가 임계 값보다 큰 경우, 물체는 제1 부분과 제2 부분으로 구분될 수 있으며, 본 발명에서는 신호 감쇠의 크기가 큰 부분을 제1 부분으로 정의한다. 연산 장치는 딥러닝을 이용하여 물체를 제1 부분과 제2 부분으로 구분할 수 있다. 따라서, 연산 장치는 물체를 제1 부분과 제2 부분으로 구분하고, 제1 부분의 특성과 제2 부분의 특성을 각각 분석할 수 있다. 예를 들어, 연산 장치는 물체의 제1 부분과 제2 부분의 모양 정보, 밀도 정보, 크기 정보 중 적어도 하나를 결정할 수 있다. 또는, 연산 장치는 상술한 정보 중 일부를 확인하거나 추가적으로 필요한 정보를 더 확인할 수도 있다. 이 때, 추가적으로 필요한 정보는 상기 물체의 종류에 대한 정보 등을 포함할 수 있다.
예를 들어, 나무의 경우, 나무의 종류에 따라 나뭇잎 (foliage) 부분에서 신호의 흡수, 투과 정도가 상이해질 수 있다. 따라서, 연산 장치는 물체의 종류에 대한 정보를 파악하여, 통신 환경을 분석할 때, 신호에 미치는 영향을 판단할 수 있다.
그리고, 연산 장치는 단계 740에서 상기 물체의 특성 정보에 기반하여 통신 환경을 분석할 수 있다. 구체적으로 연산 장치는 상기 물체의 특성 정보를 지도 정보에 매핑하고, 이를 이용해 시뮬레이션을 수행할 수 있다.
이 때, 연산 장치는 물체가 위치하는 영역 정보, 상기 영역에서 구분된 개별적인 물체, 상기 개별적인 물체의 특성 정보 등을 지도 정보에 매핑하거나 상기 정보를 이용해 지도 정보를 생성할 수 있다.
구체적으로, 연산 장치는 미리 생성된 지도 정보를 수신할 수 있으며, 수신된 지도 정보에 상기 수신된 정보를 매핑하여 새로운 지도 정보를 생성할 수 있다. 이 때, 연산 장치는 단계 710부터 단계 740 중 어느 하나의 단계 또는 그 단계 전후에서 지도 정보를 수신할 수 있다.
상기와 같이 이미지 정보에 포함되지 않은 물체의 특성을 반영한 레이 트레이싱 시뮬레이션을 수행함으로써, 보다 정확한 시뮬레이션 결과를 제공할 수 있다. 또한, 이를 이용하여 최적의 적어도 하나의 송신기의 위치를 설정하고, 상기 송신기에 대응하는 레이 중 설정된 기준을 만족하는 레이를 결정함으로써, 효율적인 망 설계가 가능하다.
도 7b는 본 발명의 일 실시예에 따라 이미지 정보에 포함되지 않은 물체의 특성 정보를 확인하는 방법을 도시한 도면이다.
도 7b를 참고하면, 연산 장치는 단계 731에서 이미지 정보에 포함된 물체의 특성 정보를 확인할 수 있다. 이 때, 물체의 특성 정보란 상술한 바와 동일하며, 이하에서는 생략한다.
그리고, 연산 장치는 단계 731에서 이미지 정보에 포함되지 않은 영역에 위치한 물체를 개별 물체로 구분할 수 있다. 상기 이미지 정보에 포함되지 않은 영역이란 단계 720에서 확인한 물체의 영역 정보에 대응되는 영역을 의미할 수 있다.
상기 영역에는 복수의 물체가 포함될 수 있다. 따라서, 연산 장치는 확인된 영역에 위치한 복수의 물체를 각각 개별적인 물체로 구분할 수 있다. 구체적인 방법은 후술한다.
그리고 연산 장치는 단계 735에서 상기 구분된 개별 물체의 특성 정보를 확인할 수 있다. 구체적으로, 연산 장치는 단계 731에서 확인한 이미지 정보에 포함된 물체 (제1 물체)의 특성 정보를 이용해 이미지 정보에 포함되지 않은 물체 또는 이미지 정보에 포함되었으나 특성 정보를 확인할 수 없는 물체 (제2 물체)의 특성 정보를 확인할 수 있다. 구체적인 내용은 후술한다.
한편, 상기 731 단계 및 733 단계의 순서는 변경될 수 있다.
도 8은 본 발명의 일 실시예에 따라 통신 경로에 위치한 물체의 영역 정보를 확인하는 구체적인 방법을 도시한 도면이다.
도 8을 참고하면, 연산 장치는 위성 정보 (810)를 수신할 수 있다. 위성 정보는 위성으로부터 수신된 정보를 의미하며, 연산 장치는 위성 정보를 이용하여 이미지 정보에 포함되지 않은 물체에 대한 정보를 확인할 수 있다. 상술한 바와 같이, 이미지 정보에 포함되지 않은 물체는 이미지 정보에는 포함되나 특성 정보를 확인할 수 없는 물체를 포함할 수 있다.
예를 들어, 이미지 정보에 나타나지 않는 지역에 물체 (815)가 존재할 수 있으며, 연산 장치는 위성 정보를 통해 상기 물체 (815)의 위치를 확인할 수 있다.
그리고, 연산 장치는 딥러닝 (820) 방법을 이용해 물체를 추출할 수 있다. 연산 장치는 딥러닝 기반의 컴퓨터 비전 기술을 기반으로 위성 정보에 포함된 정보를 분류하고, 이 중 미리 정해진 조건을 만족하는 물체를 추출할 수 있다. 딥러닝이란 많은 데이터를 입력하고, 비슷한 것끼리 분류하도록 하는 기술이다. 따라서, 연산 장치는 딥러닝 학습 데이터를 통해 이미지 정보를 라벨링 (labeling)하여 이미지 정보에 포함된 사물들을 분류하고, 이 중 특성 정보를 확인하고자 하는 물체를 추출할 수 있다. 상술한 바와 같이, 연상 장치는 이미지 정보에서 다양한 종류의 장애물을 분류할 수 있으며, 이 중 미리 정해진 조건을 만족하는 물체를 확인할 수 있다.
또한, 위성 정보를 통해 추출되지 못한 물체가 존재하는 경우, 수동적인 방법을 통해 추출되지 못한 물체를 업데이트할 수 있다. 이 때, 사용자가 위성 정보에 포함되어 있으나 추출되지 못한 물체를 수동적으로 업데이트할 수 있다.
그리고, 연산 장치는 상기 추출 결과에 따라 물체의 영역 정보 (830)를 결정할 수 있다. 따라서, 연산 장치는 상기 영역 정보를 이용해 이미지 정보에 포함되지 않은 물체가 위치한 영역을 판단할 수 있으며, 상기 영역 정보를 시뮬레이션하는데 사용할 수 있다.
이 때, 영역 정보는 복수 개의 물체의 윤곽 (contour) 정보로 구성될 수 있다. 상기 윤곽 정보는 위성 정보에 포함된 물체들의 경계 (boundary)의 좌표로 구성될 수 있으며, 연상 장치는 상기 좌표의 집합을 지도 정보에 매칭하여 물체가 위치하는 영역을 구분할 수 있다.
따라서, 연산 장치는 이미지 정보에 포함되지 않은 물체에 대한 영역 정보를 시뮬레이션에 적용할 수 있다.
도 9는 본 발명의 일 실시예에 따라 확인된 물체의 영역 정보의 일 예를 도시한 도면이다.
도 9를 참고하면, 영역 정보는 윤곽 정보 (910)로 구성될 수 있다. 즉, 동일한 영역에 복수 개의 물체가 위치하는 경우, 영역 정보는 상기 물체들의 경계 (boundary)로 구성될 수 있으며, 이를 윤곽 정보라 칭할 수 있다.
또한, 상술한 바와 같이, 상기 윤곽 정보는 물체들의 경계 (boundary)의 좌표로 구성될 수도 있다. 구체적으로, 연산 장치는 딥러닝을 통해 위성 정보에 포함된 물체의 윤곽을 확인하고, 영상 처리 (OpenCV)의 내장 함수를 통해 상기 윤곽의 좌표 (혹은 픽셀의 집합)을 획득할 수 있다. 따라서, 연산 장치는 이미지 정보에 포함되지 않은 물체에 대한 영역 정보를 판단하고, 이를 시뮬레이션에 사용할 수 있다.
다만, 물체가 위치한 영역에 대한 정보만으로 연산 장치는 시뮬레이션 과정에서 신호 감쇠의 정도를 정확하게 예측할 수 없다. 따라서, 상기 영역 정보에 위치한 개별적인 물체의 특성을 파악하는 방법이 필요하다. 다만, 상기 영역은 이미지 정보에 포함되지 않은 영역이며, 본 발명에서는 이미지 정보에 포함된 물체의 특성 정보를 확인하고, 이를 이용해 이미지 정보에 포함되지 않은 영역에 위치한 개별적인 물체의 특성을 파악하는 방법을 제안한다. 이를 위해, 이미지 정보에 포함된 물체의 특성 정보를 확인하는 방법을 설명한다.
도 10a는 본 발명의 일 실시예에 따라 이미지 정보에서 물체를 추출하는 방법을 도시한 도면이다.
도 10a를 참고하면, 연산 장치는 이미지 정보 (1011, 1013, 1015)를 수신할 수 있다.
상술한 바와 같이 이미지 정보에는 이미지가 촬영된 위치 정보, 방향 정보, 화각 정보, 픽셀 정보 등의 촬영 정보가 포함될 수 있다. 따라서, 연산 장치는 각 위치에서 촬영된 이미지 정보를 확인할 수 있다.
또한, 연산 장치는 이미지 정보에 포함된 물체의 위치 정보를 결정할 수 있다. 구체적인 내용은 후술한다.
그리고, 연산 장치는 상기 이미지 정보를 이용하여 물체를 추출할 수 있다. 연산 장치는 딥러닝을 이용해 이미지 정보에 포함된 다양한 종류의 물체를 분류하고, 원하는 타입의 물체를 추출할 수 있다.
구체적으로 도 10a의 (1020)은 딥러닝을 이용해 물체를 분류하는 과정을 나타낸다. 딥러닝을 통해 동일한 무늬로 분류된 물체는 동일한 타입으로 구분될 수 있다. (1020)을 참고하면, 차량 (1022), 나무 (1021), 건물 (1023) 등이 각각 서로 다른 타입의 물체로 분류될 수 있다. 또한, 나무들끼리는 모두 동일한 타입의 물체로 분류될 수 있다. 다만, 본 도면에 도시된 방법은 딥러닝을 통해 물체를 분류하는 방법의 일 예에 불과하며, 연산 장치는 다양한 방법으로 딥러닝을 수행할 수 있다. 예를 들어, 다른 무늬로 분류된 물체도 설정에 따라 동일한 타입의 물체로 구분될 수 있다. 따라서, 건물과 차량은 동일한 타입의 물체로 구분될 수도 있으며, 사람과 차량이 이동성을 갖는 물체로서 동일한 타입으로 분류될 수도 있다.
상술한 바와 같이, 연산 장치는 딥러닝을 통해 원하는 타입의 물체를 추출할 수 있다. 본 발명에서는 (1030)과 같이 전파가 투과되면서 신호 감쇠가 발생할 수 있는 제1 타입 물체 (1031)를 추출하는 경우를 예를 들어 설명한다. 제1 타입 물체에 대한 구체적인 내용은 상술한 바와 동일하며, 예를 들어 나무가 포함될 수 있다.
따라서, 연산 장치는 딥러닝을 통해 원하는 타입의 물체를 확인하고, 확인된 물체를 이미지 상에 표시 할 수 있다. 이를 위해 연산 장치는 물체의 위치 정보를 확인할 수 있다.
물체의 위치를 결정하는 방법은 (1040)에 도시된 바와 같다. 연산 장치는 물체 각각의 위도 정보, 경도 정보, 각도 정보, 픽셀 정보 중 적어도 하나를 이용하여 물체의 위치를 결정할 수 있다.
또한, 연산 장치는 각기 다른 장소에서 촬영된 이미지 정보를 이용할 수 있다. 또는, 연산 장치는 수신된 위성 정보를 이용할 수도 있다.
예를 들어, 연산 장치는 다른 장소에서 촬영된 이미지 정보를 이용하여 다른 위치에서 하나의 물체에 대한 방향 정보와 각도 정보를 계산할 수 있다. 이와 같이, 적어도 세 개의 위치에서 하나의 물체에 대한 방향 정보와 각도 정보를 이용하면, 상기 물체에 대한 위치 정보를 계산할 수 있다. 이 때, 물체의 위치 정보는 물체가 위치한 장소의 위도 정보와 경도 정보를 포함할 수 있다.
또는, 연산 장치는 위성 정보와 이미지 정보에서 추출한 물체의 촬영 정보를 이용하여 물체의 위치를 결정할 수 있다.
연산 장치는 상기의 과정을 반복 수행하여 각 물체의 위치 정보를 확인할 수 있다. 그리고, 연산 장치는 각 물체의 위치 정보를 데이터 베이스 (database: DB)에 저장할 수 있다.
그리고, 연산 장치는 상기 추출한 물체의 특성 정보를 판단할 수 있다. 구체적인 내용은 이하에서 설명한다.
도 10b는 본 발명의 일 실시예에 따른 물체의 특성 정보를 도시한 도면이다.
도 10b에서는 이미지 정보에 포함된 물체의 특성을 파악하기 위한 방법을 설명한다.
상기 물체의 특성 정보에는 모양 정보, 크기 정보, 밀도 정보 등이 포함될 수 있다.
모양 정보를 확인하는 구체적인 방법은 이하에서 설명한다. 연산 장치는 컴퓨터 비전 (computer vision)을 이용해 물체의 가장 자리(edge)를 따라 모양을 확인하고, 미리 정의된 형상 또는 미리 정해진 모양과 유사도를 분석하여 모양을 분류할 수 있다. 이 때, 미리 정의된 형상은 예를 들어, 삼각형, 역삼각형, 원형, 사각형 등 다양하게 정의될 수 있으며, 연산 장치는 물체가 어떠한 형상과 가장 유사한지 여부를 확인할 수 있다. 다만, 미리 정의된 형상은 이에 한정되지 않는다. 즉, 미리 정의된 형상에는 다른 형상이 추가되거나, 혹은 상술한 형상 중 일부가 삭제될 수 있다. 또한, 상기 유사도 판단 결과, 유사도가 임계 값을 초과하지 못하는 경우, 연산 장치는 제1 부분의 모양을 새로운 형상으로 추가하는 방법도 가능하다.
또한, 물체가 제1 부분 (1051)과 제2 부분 (1052)으로 구분되는 경우, 연산 장치는 제1 부분과 제2 부분의 모양을 각각 확인하거나, 어느 하나의 부분에 대해서만 모양을 확인할 수도 있다. 이 때, 물체의 제1 부분이란, 상술한 바와 같이 신호 감쇠의 크기가 큰 부분을 의미할 수 있다.
예를 들어, 물체가 나무인 경우, 신호 감쇠의 크기가 큰 제1 부분 (1051)은 나뭇잎 (foliage) 부분에 대응될 수 있으며, 연산 장치는 foliage 부분의 모양을 분류할 수 있다. 이 때, 미리 정의된 형상은 예를 들어, 삼각형, 원형, 사각형, 역삼각형 등을 포함할 수 있으며, 연산 장치는 foliage 부분의 모양을 확인할 수 있다.
한편, 연산 장치는 제2 부분 (1052)인 기둥 (trunk)의 모양을 확인하지 않을 수 있다. 대부분 나무의 경우 trunk 부분의 모양이 유사하여, 모양의 차이로 인해 신호 감쇠의 영향이 달라지는 경우가 거의 없기 때문이다. 또는, 나무의 경우, trunk의 모양이 대부분 유사하므로, 연산 장치는 미리 정해진 모양을 사용할 수도 있다.
또한, 물체의 크기 정보를 결정하는 방법은 하기와 같다.
연산 장치는 이미지 정보에 포함된 다른 물체를 이용해 물체의 크기 정보를 확인할 수 있다. 상기 크기 정보는 높이 정보 (1053, 1054)와 폭 정보 (1055)가 포함될 수 있다. 연산 장치는 다른 물체의 높이 정보 또는 폭 정보를 이용해 물체의 크기 정보를 결정할 수 있으며, 본 발명에서는 다른 물체의 크기 정보를 참고 정보라 칭한다.
예를 들어, 참고 정보는 물체 주변에 위치한 건물의 높이 정보, 이동 수단(예를 들어, 차(car))의 폭 정보 등이 포함될 수 있다.
연산 장치에는 건물의 높이 정보, 이동 수단의 폭 정보 등이 저장되어 있을 수 있다. 따라서, 연산 장치는 참고 정보와 물체의 크기 비율을 이용해 물체의 크기 정보를 결정할 수 있다. 또는, 연산 장치는 참고 정보를 이용해 이미지 정보의 픽셀 당 길이를 계산할 수 있으며, 상기 계산 결과에 기반하여 제1 부분, 제2 부분의 높이 정보, 폭 정보를 확인할 수 있다.
예를 들어, 하나의 이동 수단의 폭이 3m이고 이미지 정보에서 차지하는 픽셀 영역이 600px인 경우, 1px 당 폭의 길이는 0.5cm로 확인할 수 있다. 따라서, 연산 장치는 물체의 폭이 차지하는 픽셀의 수에 0.5를 곱하여 물체의 폭 정보를 계산할 수 있다.
마찬가지로, 예를 들어, 하나의 건물의 높이가 10m이고 이미지 정보에서 차지하는 픽셀 영역이 1000px인 경우, 1px 당 높이의 길이는 1cm로 확인할 수 있다. 그리고, 물체의 높이가 차지하는 픽셀 영역에 800px인 경우, 연산 장치는 물체의 높이가 차지하는 픽셀의 수에 1를 곱하여 물체의 높이 정보를 8m로 계산할 수 있다.
또한, 연산 장치는 물체가 제1 부분과 제2 부분으로 구분되는 경우, 제1 부분과 제2 부분 각각에 대해 크기 정보 및 폭 정보를 결정할 수 있다.
또한, 물체의 밀도 정보를 결정하는 방법은 하기와 같다.
연산 장치는 컴퓨터 비전을 이용하여 밀도 정보를 결정할 수 있다. 연산 장치는, 예를 들어, 연산 장치는 밀도 정보를 고밀도 상태(density), 중간 밀도 상태 (mid), 저밀도 상태 (sparse)와 같은 세 단계로 구분할 수 있다. 연산 장치는 밀도 정보를 결정하기 위해 물체의 종류 정보를 판단할 수 있다. 연산 장치는 딥러닝 방법을 통한 학습데이터를 활용하여 각 물체의 종류를 확인할 수 있다. 그리고, 연산 장치는 물체의 종류 정보에 기반하여 밀도 정보를 결정할 수 있다.
예를 들어, 물체가 나무인 경우, 연산 장치는 딥러닝을 통해 나무의 종류를 확인할 수 있다. 예를 들어, 나무는 침엽수, 활엽수, 기타로 구분될 수 있다. 또한, 연산 장치는 상기 나무의 종류에 따라 침엽수는 sparse, 기타는 mid, 활엽수는 density로 결정할 수 있다.
또한, 물체의 종류 정보는 물체의 특성 정보로서 시뮬레이션에 사용될 수도 있다. 예를 들어, 물체의 종류에 따른 산란 정도, 흡수 정도, 투과 정도를 수치화할 수 있으며, 이를 지도 정보에 반영하여 시뮬레이션에 사용할 수 있다. 이 때, 연산 장치는 물체의 종류에 따른 산란 정도, 흡수 정도, 투과 정도 중 적어도 하나의 정보를 수치화하고 이를 지도 정보에 반영할 수 있다.
또한, 물체가 제1 부분과 제2 부분으로 구분되는 경우, 연산 장치는 제1 부분과 제2 부분의 밀도 정보를 각각 결정하거나, 어느 하나의 부분에 대한 밀도 정보만을 결정할 수도 있다.
예를 들어, 물체가 나무인 경우, 연산 장치는 제1 부분인 foliage 부분의 밀도 정보를 결정할 수 있다.
한편, 제2 부분인 기둥 (trunk)의 밀도 정보는 신호에 미치는 영향이 적으므로, 제2 부분에 대해서는 밀도 정보를 결정하지 않을 수 있다.
다만, 본 발명의 실시예가 이에 한정되는 것은 아니다. 즉, 밀도 정보는 상황에 따라 세 개 이상의 상태로 분류될 수 있다. 또한, 밀도 정보는 모양 정보에 기반하여 물체의 중심부와 주변부의 밀도가 다르게 결정될 수도 있다.
그리고 연산 장치는 이미지 정보에 포함된 물체에 대해 상기 과정을 반복하여 각각의 물체의 특성 정보를 결정하고 이를 데이터 베이스에 저장할 수 있다.
또한, 연산 장치는 상기 획득한 물체의 특성 정보를 지도 정보에 매핑하여 시뮬레이션에서 사용하도록 할 수 있으며, 상기 시뮬레이션 결과에 따른 최적의 Tx 위치를 결정할 수 있다.
다만, 본 발명에서 연산 장치는 물체의 특성 정보를 결정하는 과정에서 모양 정보, 크기 정보, 밀도 정보 중 적어도 하나만을 결정할 수 있다. 예를 들어, 밀도 정보를 계산하지 않는 경우, 연산 장치는 모양 정보와 크기 정보만을 지도 정보에 매핑하고, 이를 시뮬레이션에 사용할 수 있다.
한편, 이하에서는 상술한 방법을 통해 획득한 물체의 특성 정보를 이용해 이미지 정보에 포함되지 않은 물체의 특성 정보를 확인하고, 이를 이용하여 통신 환경을 분석하는 방법을 제안한다.
구체적으로, 본 발명에서 연산 장치는 물체의 영역 정보 (또는 윤곽 정보)에 위치한 물체들을 개별적인 물체로 분리할 수 있으며, 상기 개별 물체의 특성 정보를 확인할 수 있다. 개별 물체를 분리하는 구체적인 방법은 도 11에서 후술한다.
이 때, 개별 물체의 특성 정보를 결정하기 위해서는 상술한 이미지 정보에 포함된 물체의 특성 정보를 이용할 수 있다. 예를 들어, 연산 장치는 개별 물체의 특성 정보를 주변에 위치한 물체들의 특성 정보의 평균 값으로 결정할 수 있다. 즉, 연산 장치는 이미지 정보를 통해 획득한 물체의 특성 정보의 평균 값을 이미지 정보에 포함되지 않은 물체에 적용할 수 있다. 구체적으로, 연산 장치는 이미지 정보에 포함되지 않은 물체의 영역에서 미리 정해진 범위 내에 위치한 물체들 중 이미지 정보를 통해 확인된 물체의 특성 정보를 이용하여 개별 물체의 특성 정보를 결정할 수 있다.
예를 들어, 연산 장치는 주변 나무의 폭 정보와 높이 정보의 평균 값을 이미지 정보에 포함되지 않은 개별 나무의 폭 정보 및 높이 정보로 설정할 수 있다.
또는, 본 발명에서는 미리 정해진 최소 단위 영역 (예를 들어, 500m x 500m) 내에서 이미지 정보에 포함된 물체의 특성 정보를 이용해 이미지 정보에 포함되지 않은 물체의 특성 정보를 결정할 수 있다. 이 때, 최소 단위의 영역은 최소 단위의 행정 구역 등 미리 정해져 있을 수 있다.
또는, 본 발명에서는 상기의 미리 정해진 최소 단위 영역에서 동일한 종류 정보를 갖는 물체들의 특성 정보를 이용할 수 있다. 즉, 연산 장치는 이미지 정보에 포함되지 않은 물체의 종류 정보를 확인하고, 동일한 종류 정보를 갖는 물체의 특성 정보를 이용해 해당 물체의 특성 정보를 결정할 수 있다. 예를 들어, 상기 물체가 나무인 경우, 이미지 정보에 포함되지 않은 나무가 침엽수라면, 연상 장치는 침엽수의 특성 정보만을 이용할 수도 있다.
이에 대한 구체적인 내용은 이하에서 설명한다.
도 10c는 본 발명의 일 실시예에 따라 개별 물체의 특성 정보를 결정하는 방법을 도시한 도면이다.
도 10c를 참고하면, 연산 장치는 이미지 정보에 포함된 물체 (1060)의 특성 정보 (폭 정보 (1061) 및 높이 정보 (1062, 1063))를 결정할 수 있다. 이 때 높이 정보는 제1 부분의 높이 정보 (1062) 및 제2 부분의 높이 정보 (1063)로 구분될 수 있다. 구체적인 내용은 상술한 바와 동일하며, 이하에서는 생략한다.
본 발명에서 이미지 정보에 포함되어 특성 정보를 확인할 수 있는 물체를 제1 물체라 칭할 수 있다. 이 때, 이미지 정보에 포함되어 있지만 특성 정보를 확인할 수 없는 물체는 제1 물체에 포함되지 않을 수 있다.
또한, 본 발명에서 이미지 정보에 포함되지 않은 물체를 제2 물체 (1064)라 칭할 수 있다. 이 때, 이미지 정보에 포함되어 있지만 특성 정보를 확인할 수 없는 물체는 제2 물체로 구분될 수 있다.
연산 장치는 제1 물체 (1060)의 특성 정보를 이용하여 제2 물체 (1064)의 특성 정보를 추정할 수 있다. 예를 들어, 연산 장치는 미리 정해진 영역에 위치한 제1 물체의 특성 정보의 평균 값을 이용하여 제2 물체의 특성 정보를 결정할 수 있다. 이 때, 미리 정해진 영역은 예를 들어, 제2 물체가 위치한 영역에서 미리 정해진 범위 이내로 결정될 수 있다. 또는, 미리 정해진 영역은 미리 정해진 최소 단위 영역 (예를 들어, 500m x 500m)으로 결정될 수 있다.
상기 제1 물체의 특성 정보의 평균 값은 폭 정보의 평균 값, 높이 정보의 평균 값을 포함할 수 있으며, 높이 정보의 평균 값은 제1 부분 높이의 평균 값과 제2 부분 높이의 평균 값으로 구분될 수 있다. 다만, 본 발명의 실시예가 이에 한정되는 것은 아니며, 높이 정보는 두 개의 부분으로 구분되지 않고 하나의 값으로 결정될 수도 있다.
따라서, 연산 장치는 제2 물체의 폭 정보 (1065)를 제1 물체의 폭 정보 (1061)의 평균 값을 이용해 결정할 수 있으며, 제2 물체의 높이 정보 (1066, 1067)를 제1 물체의 높이 정보 (1062, 1063)의 평균 값을 이용해 결정할 수 있다. 상술한 바와 같이, 연산 장치는 제2 물체의 높이 정보를 결정하기 위해 제1 부분의 높이 정보와 제2 부분의 높이 정보를 각각 결정하거나 제1 부분의 높이 정보와 제2 부분의 높이 정보를 합쳐서 하나의 높이 정보를 결정할 수도 있다.
한편, 본 발명에서는 미리 정해진 영역에 위치한 제1 물체의 평균 값을 이용하는 방법을 예를 들어 설명하지만, 본 발명의 실시예가 이에 한정되는 것은 아니다. 예를 들어, 연산 장치는 동일한 타입의 물체 내에서도 종류 정보에 따라 서브 타입을 분류할 수 있다. 즉, 연산 장치는 제1 물체와 제2 물체의 서브 타입을 분류하고, 동일한 서브 타입의 제1 물체와 제2 물체에 대해, 제1 물체 특성 정보의 평균 값을 제2 물체의 특성 정보를 결정하는 데에 이용할 수 있다. 예를 들어, 물체가 나무인 경우, 나뭇잎의 종류 (foliage)를 구분하고, 상기 나뭇잎의 종류 별로 평균 값을 이용하는 방법도 가능하다. 또한, 본 발명에서는 평균 값 이외의 다른 연산 방법을 이용하는 것도 가능하다.
도 10d는 본 발명의 일 실시예에 따른 물체의 특성 정보의 일 예를 도시한 도면이다.
본 발명에 따르면, 물체는 다수의 타입으로 구분될 수 있으며, 동일한 타입의 물체도 물체를 구성하는 부분의 종류에 따라 다르게 구분될 수 있으며, 이를 물체의 서브 타입 정보라 칭할 수 있다.
도 10d를 참고하면, 물체의 특성 정보에는 상기 물체를 구성하는 각 부분의 종류 정보인 서브 타입 정보가 포함될 수 있다.
상기 물체가 나무인 경우를 예를 들어 설명하면, 상기 서브 타입 정보는 상기 나무를 구성하는 나뭇잎의 종류에 대한 정보를 포함할 수 있다.
이와 같은, 서브 타입 정보에 따라 신호의 감쇠 정도가 달라질 수 있으며, 연산 장치는 상기 서브 타입 정보를 이용하여 시뮬레이션을 수행함으로써 시뮬레이션의 정확도를 향상시킬 수 있다.
구체적으로, 연산 장치는 위성 정보 외에 적외 영상 정보 (1070) 를 수신할 수 있으며, 적외 영상 정보를 이용하여 물체를 구분하고, 물체의 서브 타입 정보를 확인할 수 있다. 적외 영상 정보 (1070)를 참고하면, 연산 장치는 적외 영상 정보 (1071)에 기반하여 물체를 추출할 수 있다. 또한, 연산 장치는 적외 영상 정보 (1072)에 기반하여 물체의 서브 타입을 구분할 수 있으며, 연산 장치는 이를 이용하여 동일한 영역에 위치한 물체에 서로 다른 특성 정보를 적용할 수 있다. 위와 같이 나무를 예를 들면, 나뭇잎의 종류에 따라 서브 타입이 구분될 수 있으며, 동일한 영역에 위치한 경우에도 서브 타입에 따라 다른 특성 정보를 적용하는 것이 가능하다.
또한, (1080)을 참고하면, 물체의 서브 타입에 따라 반사율이 달라지는 것을 확인할 수 있으며, 연산 장치는 물체의 서브 타입에 따라 서로 다른 반사율을 적용하도록 설정할 수 있다. 즉, 연산 장치는 물체의 서브 타입에 따라 서로 다른 특성 정보를 설정할 수 있다. 따라서, 연산 장치는 영역에 위치한 물체를 개별 물체로 분리하고, 각 서브 타입에 따라 서로 다른 특성 정보를 적용함으로써 시뮬레이션의 정확도를 높일 수 있다.
한편, 개별 물체의 특성 정보를 결정하기 위해서는 물체의 영역 정보 (또는 윤곽 정보)에서 개별 물체를 분리하는 방법이 필요하며, 구체적인 내용은 이하에서 설명한다.
도 11a는 본 발명의 일 실시예에 따라 개별 물체를 분리하는 방법을 도시한 도면이다.
도 11a를 참고하면, 연산 장치는 다양한 방법을 이용하여 개별 물체를 분리할 수 있다. 연산 장치는 위성 정보에 포함된 좌표 정보, 픽셀 정보 또는 위치 정보 중 적어도 하나에 기반하여 개별 물체를 분리할 수 있다. 상기 좌표 정보에는 중심점의 좌표 정보 등이 포함될 수 있다. 또한, 픽셀 정보에는 픽셀의 수, 픽셀의 조밀도 등이 포함될 수 있다. 예를 들어, 연산 장치는 삼각 분할 (delaunay triangulation, 1110, 1120, 1130, 1140) 방법 또는 슈퍼 픽셀 (superpixel, 1150) 방법을 이용할 수 있다.
구체적으로, 삼각 분할 방법을 사용하는 경우, 연산 장치는 위성 정보를 통해 물체가 위치한 영역 (1110)을 확인할 수 있으며, 상기 영역에서 물체의 중심점을 확인할 수 있다.
그리고, 연산 장치는 (1120), (1130), (1140)에서 상기 중심점을 연결하여 삼각형들로 면을 분할하는 삼각 분할 방법을 통해 상기 영역에서의 개별 물체를 분리할 수 있다.
또는, 연산 장치는 (1150)과 같은 슈퍼 픽셀 방법을 이용하여 개별 물체를 분리할 수 있다. 구체적으로, 연산 장치는 슈퍼 픽셀의 수, 슈퍼 픽셀의 조밀도 (compactness)를 수신할 수 있다. 그리고, 연산 장치는 알고리즘을 통해 이미지 정보의 색상 깊이를 이용해 이미지 정보를 픽셀로 나눌 수 있다. 그리고, 연산 장치는 나뉜 슈퍼 픽셀을 통해 중점을 계산하여 개별 물체의 위치로 추정할 수 있다. 이와 같은 방법을 이용해 연산 장치는 개별 물체를 분리할 수 있다.
그리고, 연산 장치는 이미지 정보에서 확인된 물체의 특성 정보를 이용하여 위성 정보에서 확인할 수 있는 물체의 특성 정보를 예측할 수 있다.
도 11b는 본 발명의 일 실시예에 따라 분리된 개별 물체를 도시한 도면이다.
도 11b를 참고하면, 연산 장치는 위성 정보를 통해 이미지 정보에 포함되지 않은 물체의 영역 정보 또는 윤곽 정보 (1160)를 확인할 수 있다. 이에 대한 구체적인 내용은 상술한 바와 동일하다.
그리고, 연산 장치는 상술한 방법을 통해 상기 영역에 위치한 개별 물체 (1170)를 분리할 수 있다. 이와 같이, 상기 영역에 위치한 개별 물체를 분리하고 물체의 특성 정보를 예측하고 이를 지도 정보에 매핑하거나 시뮬레이션에 적용함으로써 시뮬레이션의 정확도를 향상시킬 수 있다.
도 12는 본 발명의 일 실시예에 따른 망 운용 방법을 설명하기 위한 도면이다.
본 발명에서 설명한 바와 같이, 위성 정보 및 이미지 정보를 이용하여 망을 운용하는 경우 보다 정확한 시뮬레이션을 수행할 수 있다.
구체적으로, 도 12를 참고하면, 물체의 특성 정보는 상황에 따라 변경될 수 있다. 물체가 나무인 경우를 예를 들면, 물체의 특성은 계절의 변화에 따라 변경될 수 있다.
구체적으로, (1210)와 (1220)을 비교하면, (1220)에서의 신호의 감쇠가 큰 것을 확인할 수 있다. 다만, (1210)과 같은 경우에도 수신된 이미지 정보에 따라 특성 정보를 확인할 수 없는 물체가 존재할 수 있다. 따라서, 연산 장치는 위성 정보를 이용하여 특성 정보를 확인할 수 없는 물체의 특성 정보를 추측하고, 이를 시뮬레이션에 반영하여 보다 정확한 시뮬레이션 결과를 도출할 수 있다.
또한, 물체의 특성 정보가 변경되는 경우, 상기의 방법을 통해 변경되는 물체의 특성 정보를 확인하고, 상기 특성 정보에 따른 신호의 감쇠 정도를 파악하여 망 운용 시 빔의 세기를 조절할 수 있다.
도 13은 본 발명의 일 실시예에 따른 연산 장치를 도시한 도면이다.
도 13를 참고하면, 연산 장치는 송수신부 (1310), 제어부 (1320), 제어부 (1330)을 포함할 수 있다.
보다 구체적으로 외부 장치와 데이터를 송수신할 수 있으며, 이를 위한 인터페이스부를 포함할 수 있다.
제어부(1320)은 연산 장치의 동작을 제어할 수 있으며, 상기 실시 예에서 설명한 연산 장치와 관련된 동작을 수행할 수 있도록 연산 장치 전반을 제어할 수 있다. 제어부(1320)는 적어도 하나의 프로세서를 포함할 수 있다. 또한 프로세서는 본 명세서의 실시 예에 설명된 방법을 실행하는 인스트럭션이 포함된 프로그램에 의해 제어될 수 있다. 또한 상기 프로그램은 저장 매체에 저장될 수 있으며, 상기 저장 매체는 컴퓨터 프로그램 코드들을 저장하는 컴퓨터 판독가능 저장 매체를 포함할 수 있다. 또한, 상기 저장 매체는 휘발성 또는 비 휘발성 메모리를 포함할 수 있다. 상기 메모리는 데이터를 저장할 수 있는 매체일 수 있으며, 상기 인스트럭션을 저장할 수 있는 경우 그 형태에 제약이 없다.
저장부(1530)는 연산 장치과 관련된 정보 및 상기 송수신부(1302)를 통해 송수신되는 정보 중 적어도 하나를 저장할 수 있다. 또한, 물체의 특성 정보, 위치 정보와 같이 본 명세서의 실시 예에서 시뮬레이션에 필요한 정보 전반을 저장할 수 있다. 또한 시뮬레이션 결과 및 비교 결과 중 적어도 하나를 기반으로 저장부(1330)에 저장된 정보가 추가, 삭제 및 업데이트 될 수 있다.
한편, 본 명세서와 도면에는 본 발명의 바람직한 실시 예에 대하여 개시하였으며, 비록 특정 용어들이 사용되었으나, 이는 단지 본 발명의 기술 내용을 쉽게 설명하고 발명의 이해를 돕기 위한 일반적인 의미에서 사용된 것이지, 본 발명의 범위를 한정하고자 하는 것은 아니다. 여기에 개시된 실시 예 외에도 본 발명의 기술적 사상에 바탕을 둔 다른 변형 예들이 실시 가능하다는 것은 본 발명이 속하는 기술 분야에서 통상의 지식을 가진 자에게 자명한 것이다.

Claims (15)

  1. 무선 통신 시스템에서 통신 환경 분석 방법에 있어서,
    임의의 영역에 대한 위성 정보 및 이미지 정보를 수신하는 단계;
    상기 위성 정보에 기반하여 상기 이미지 정보에 포함되지 않은 물체의 영역 정보를 확인하는 단계;
    상기 물체의 특성 정보를 결정하는 단계; 및
    상기 특성 정보를 기반으로 상기 임의의 영역에 대한 통신 환경을 분석하는 단계를 포함하며,
    상기 물체는 신호의 산란 또는 흡수 중 적어도 하나로 인해 신호 감쇠를 발생시키는 물체인 것을 특징으로 하는 방법.
  2. 제1항에 있어서,
    상기 분석 결과에 기반하여 송신기의 위치를 결정하는 단계를 더 포함하는 것을 특징으로 하는 방법.
  3. 제1항에 있어서,
    상기 물체는,
    신호의 산란율 또는 흡수율 중 적어도 하나가 임계 값을 초과하는 것을 특징으로 하며,
    상기 특성 정보는,
    모양 정보, 밀도 정보, 크기 정보 중 적어도 하나를 포함하는 것을 특징으로 하며,
    상기 특성 정보를 결정하는 단계는,
    상기 영역 정보에 대응되는 개별 물체를 구분하는 단계;
    상기 개별 물체의 특성 정보를 결정하는 단계;
    상기 개별 물체의 특성 정보와 지도 정보를 매핑하는 단계를 더 포함하는 것을 특징으로 하는 방법.
  4. 제3항에 있어서,
    상기 통신 환경을 분석하는 단계는,
    상기 지도 정보에서 송신기와 수신기의 위치를 확인하는 단계;
    상기 특성 정보가 매핑된 지도 정보에 기반하여 상기 통신 환경을 분석하는 단계를 포함하는 것을 특징으로 하는 방법.
  5. 제1항에 있어서,
    상기 물체는 신호 감쇠의 정도에 따라 제1 부분과 제2 부분으로 구분되며,
    상기 물체의 특성 정보는,
    상기 제1 부분의 모양 정보, 크기 정보, 밀도 정보와, 상기 제2 부분의 크기 정보를 포함하며,
    상기 특성 정보를 결정하는 단계는,
    상기 이미지 정보에 포함된 물체의 특성 정보를 결정하는 단계; 및
    상기 이미지 정보에 포함된 물체의 특성 정보에 기반하여 상기 이미지 정보에 포함되지 않은 물체의 특성 정보를 추정하는 단계를 포함하는 것을 특징으로 하는 방법.
  6. 무선 통신 시스템에서 통신 환경 분석하는 연산 장치에 있어서,
    송수신부; 및
    임의의 영역에 대한 위성 정보 및 이미지 정보를 수신하고, 상기 위성 정보에 기반하여 상기 이미지 정보에 포함되지 않은 물체의 영역 정보를 확인하고, 상기 물체의 특성 정보를 결정하고, 상기 특성 정보를 기반으로 상기 임의의 영역에 대한 통신 환경을 분석하는 제어부를 포함하며,
    상기 물체는 신호의 산란 또는 흡수 중 적어도 하나로 인해 신호 감쇠를 발생시키는 물체인 것을 특징으로 하는 연산 장치.
  7. 제6항에 있어서,
    상기 제어부는,
    상기 분석 결과에 기반하여 송신기의 위치를 결정하는 단계를 더 포함하는 것을 특징으로 하는 연산 장치.
  8. 제6항에 있어서,
    상기 물체는,
    신호의 산란율 또는 흡수율 중 적어도 하나가 임계 값을 초과하는 것을 특징으로 하며,
    상기 특성 정보는,
    모양 정보, 밀도 정보, 크기 정보 중 적어도 하나를 포함하고,
    상기 제어부는,
    상기 영역 정보에 대응되는 개별 물체를 구분하고, 상기 개별 물체의 특성 정보를 결정하고, 상기 개별 물체의 특성 정보와 지도 정보를 매핑하는 것을 특징으로 하는 연산 장치.
  9. 제8항에 있어서,
    상기 제어부는,
    상기 지도 정보에서 송신기와 수신기의 위치를 확인하고, 상기 특성 정보가 매핑된 지도 정보에 기반하여 상기 통신 환경을 분석하는 것을 특징으로 하는 연산 장치.
  10. 제6항에 있어서,
    상기 물체는 신호 감쇠의 정도에 따라 제1 부분과 제2 부분으로 구분되며,
    상기 물체의 특성 정보는,
    상기 제1 부분의 모양 정보, 크기 정보, 밀도 정보와, 상기 제2 부분의 크기 정보를 포함하며,
    상기 제어부는,
    상기 이미지 정보에 포함된 물체의 특성 정보를 결정하고, 상기 이미지 정보에 포함된 물체의 특성 정보에 기반하여 상기 이미지 정보에 포함되지 않은 물체의 특성 정보를 추정하는 것을 특징으로 하는 연산 장치.
  11. 상기 제1항 내지 제8항 중 어느 하나의 방법을 실행하기 위한 인스트럭션을 포함하는 프로그램을 저장하는 비휘발성 저장 매체.
  12. 무선 통신 시스템에서 망 설계 방법에 있어서,
    임의의 영역에 대한 위성 정보 및 이미지 정보를 수신하는 단계;
    상기 위성 정보에 기반하여 상기 이미지 정보에 포함되지 않은 물체의 영역 정보를 확인하는 단계;
    상기 물체의 실재 환경 정보를 결정하는 단계; 및
    상기 실재 환경 정보를 기반으로 레이 트레이싱(ray tracing) 시뮬레이션을 수행하는 단계를 포함하는 것을 특징으로 하는 방법.
  13. 제12항에 있어서,
    상기 레이 트레이싱 시뮬레이션 결과를 기반으로 적어도 하나의 송신기를 선택하고, 상기 선택된 송신기에 대응하는 레이 중 기 설정된 기준을 만족하는 레이를 결정하는 단계를 더 포함하는 것을 특징으로 하는 방법.
  14. 무선 통신 시스템에서 망 설계를 위한 연산 장치에 있어서,
    송수신부; 및
    임의의 영역에 대한 위성 정보 및 이미지 정보를 수신하고, 상기 위성 정보에 기반하여 상기 이미지 정보에 포함되지 않은 물체의 영역 정보를 확인하고, 상기 물체의 실재 환경 정보를 결정하고, 상기 실재 환경 정보를 기반으로 레이 트레이싱(ray tracing) 시뮬레이션을 수행하는 제어부를 포함하는 것을 특징으로 하는 연산 장치.
  15. 제14항에 있어서,
    상기 제어부는,
    상기 레이 트레이싱 시뮬레이션 결과를 기반으로 적어도 하나의 송신기를 선택하고, 상기 선택된 송신기에 대응하는 레이 중 기 설정된 기준을 만족하는 레이를 결정하는 것을 특징으로 하는 연산 장치.
PCT/KR2018/011388 2017-09-29 2018-09-27 무선 통신 시스템에서 통신 환경을 분석하는 방법 및 장치 WO2019066470A1 (ko)

Priority Applications (3)

Application Number Priority Date Filing Date Title
US16/645,716 US11539450B2 (en) 2017-09-29 2018-09-27 Method and apparatus for analyzing communication environment in wireless communication system
CN201880063616.XA CN111164913B (zh) 2017-09-29 2018-09-27 用于分析无线通信系统中的通信环境的方法和装置
EP18862257.5A EP3672118B1 (en) 2017-09-29 2018-09-27 Method and apparatus for analyzing communication environment in wireless communication system

Applications Claiming Priority (2)

Application Number Priority Date Filing Date Title
KR1020170128178A KR102355301B1 (ko) 2017-09-29 2017-09-29 무선 통신 시스템에서 통신 환경을 분석하는 방법 및 장치
KR10-2017-0128178 2017-09-29

Publications (1)

Publication Number Publication Date
WO2019066470A1 true WO2019066470A1 (ko) 2019-04-04

Family

ID=65902618

Family Applications (1)

Application Number Title Priority Date Filing Date
PCT/KR2018/011388 WO2019066470A1 (ko) 2017-09-29 2018-09-27 무선 통신 시스템에서 통신 환경을 분석하는 방법 및 장치

Country Status (5)

Country Link
US (1) US11539450B2 (ko)
EP (1) EP3672118B1 (ko)
KR (1) KR102355301B1 (ko)
CN (1) CN111164913B (ko)
WO (1) WO2019066470A1 (ko)

Cited By (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN110545545A (zh) * 2019-09-18 2019-12-06 四川豪威尔信息科技有限公司 一种5g网络室内深度覆盖系统及方法
WO2021074868A1 (en) * 2019-10-18 2021-04-22 Telefonaktiebolaget Lm Ericsson (Publ) System of morphology recognition for optimizing rf propagation model
WO2021101333A1 (en) * 2019-11-22 2021-05-27 Samsung Electronics Co., Ltd. Method and system for intelligent 3d aerial wireless transmission
WO2021230586A1 (en) * 2020-05-11 2021-11-18 Samsung Electronics Co., Ltd. Method and system for beamforming for at least one transmitting antenna in a radio-communication networking environment
US20230146275A1 (en) * 2021-11-11 2023-05-11 At&T Intellectual Property I, L.P. Computer Vision-Based Dynamic Radio Frequency Planning and Optimization

Families Citing this family (10)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR102553327B1 (ko) 2018-04-13 2023-07-10 삼성전자주식회사 영상 처리 방법, 상기 방법을 기록한 컴퓨터 판독 가능 저장 매체 및 영상 처리 장치.
US11792656B2 (en) * 2018-10-15 2023-10-17 Telefonaktiebolaget Lm Ericsson (Publ) Determining cell suitability for multiple-input multiple-output deployment
US11228501B2 (en) * 2019-06-11 2022-01-18 At&T Intellectual Property I, L.P. Apparatus and method for object classification based on imagery
US11323890B2 (en) 2019-07-10 2022-05-03 At&T Intellectual Property I, L.P. Integrated mobility network planning
KR102124166B1 (ko) * 2019-11-26 2020-06-17 광운대학교 산학협력단 인공위성 이미지 기반 채널 추정 및 적응형 변복조 시스템
DE102020117377A1 (de) * 2020-07-01 2022-01-05 Bayerische Motoren Werke Aktiengesellschaft Verfahren und Vorrichtung für einen Empfänger zur Ortung einer Authentifizierungseinheit eines Kraftfahrzeugs
CN112953613B (zh) * 2021-01-28 2023-02-03 西北工业大学 一种基于智能反射面反向散射的车辆与卫星协作通信方法
US11503476B1 (en) * 2021-07-08 2022-11-15 IOSEA Inc. Autonomous deployment of stationary transceiver devices
US12108260B2 (en) 2022-04-27 2024-10-01 At&T Intellectual Property I, L.P. Integrated network deployment tool
EP4391622A1 (en) * 2022-07-06 2024-06-26 Rakuten Group, Inc. Information processing device, information processing method, and program

Family Cites Families (16)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US5574466A (en) * 1995-03-31 1996-11-12 Motorola, Inc. Method for wireless communication system planning
WO1998004059A1 (en) * 1996-07-23 1998-01-29 Motorola Inc. Method and system for calculating a transmitted signal characteristic in an environmental model having attenuator figures
US5898680A (en) * 1996-11-05 1999-04-27 Worldspace, Inc. System for providing location-specific data to a user
FI107366B (fi) 1998-10-29 2001-07-13 Nokia Networks Oy Menetelmä ja laitteisto verkkosuunnittelun toteuttamiseksi
US7751829B2 (en) * 2003-09-22 2010-07-06 Fujitsu Limited Method and apparatus for location determination using mini-beacons
US7634265B2 (en) 2004-03-17 2009-12-15 Nec Corporation Radio wave propagation characteristic estimation system, and its method and program
US8520979B2 (en) * 2008-08-19 2013-08-27 Digimarc Corporation Methods and systems for content processing
US20100103868A1 (en) * 2008-10-27 2010-04-29 At&T Mobility Ii Llc Method for modeling wireless network coverage under line-of-sight conditions
US20140028801A1 (en) * 2012-07-30 2014-01-30 Canon Kabushiki Kaisha Multispectral Binary Coded Projection
US20160379388A1 (en) * 2014-07-16 2016-12-29 Digitalglobe, Inc. System and method for combining geographical and economic data extracted from satellite imagery for use in predictive modeling
US10080143B2 (en) * 2015-07-17 2018-09-18 Clearsky Technologies, Inc. Method of placing an antenna of a radio access network (RAN) asset in a wireless communication network
US9973939B2 (en) * 2015-09-25 2018-05-15 Vivint, Inc. UAV network design
CN105303184A (zh) * 2015-11-25 2016-02-03 中国矿业大学(北京) 一种卫星遥感影像中地物精确识别方法
JP2019513315A (ja) * 2016-02-29 2019-05-23 ウルグス ソシエダード アノニマ 惑星規模解析のためのシステム
WO2018093204A1 (en) 2016-11-17 2018-05-24 Samsung Electronics Co., Ltd. Method and apparatus for analyzing communication environment based on property information of an object
KR102531023B1 (ko) 2016-11-17 2023-05-15 삼성전자 주식회사 무선 통신 시스템에서 물체의 특성 정보에 기반하여 통신 환경을 분석하는 방법 및 장치

Non-Patent Citations (6)

* Cited by examiner, † Cited by third party
Title
HUAWEI ET AL.: "Consideration on Channel Model for LTE Aerial", R1 - 1709291, 3GPP TSG RAN WG1 MEETING #89, 18 May 2017 (2017-05-18), Hangzhou, China, XP051285198 *
KEYSIGHT TECHNOLOGIES: "Angular and Temporal Statistics for mmWave Frequencies Based on Ray Tracing in Bristol", R4-1706881, 3GPP TSG-RAN WG4 NR AD HOC #2, 19 June 2017 (2017-06-19), Hangzhou, China, XP051308680 *
KEYSIGHT TECHNOLOGIES: "Comparison of mmWave Channel Models and Measurements with TS 38.901", R4-1706876, 3GPP TSG-RAN WG4 NR AD HOC #2, 19 June 2017 (2017-06-19), Hangzhou, China, XP051308676 *
SAMSUNG: "Analysis of a Map-based Hybrid Channel Model", R1-1716064, 3GPP TSG RAN WG1 MEETING NR#3, 12 September 2017 (2017-09-12), Nagoya, Japan, XP051329726 *
See also references of EP3672118A4 *
ZTE ET AL.: "Beamforming Procedure Considering High Frequency Channel Characteristics", RL-1700126, 3GPP TSG RAN WG1 NR AD-HOC MEETING, 10 January 2017 (2017-01-10), Spokane. USA, XP051202634 *

Cited By (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN110545545A (zh) * 2019-09-18 2019-12-06 四川豪威尔信息科技有限公司 一种5g网络室内深度覆盖系统及方法
WO2021074868A1 (en) * 2019-10-18 2021-04-22 Telefonaktiebolaget Lm Ericsson (Publ) System of morphology recognition for optimizing rf propagation model
US12107639B2 (en) 2019-10-18 2024-10-01 Telefonaktiebolaget Lm Ericsson (Publ) System of morphology recognition for optimizing RF propagation model
WO2021101333A1 (en) * 2019-11-22 2021-05-27 Samsung Electronics Co., Ltd. Method and system for intelligent 3d aerial wireless transmission
US11784691B2 (en) 2019-11-22 2023-10-10 Samsung Electronics Co., Ltd. Method and system for intelligent 3D aerial wireless transmission
WO2021230586A1 (en) * 2020-05-11 2021-11-18 Samsung Electronics Co., Ltd. Method and system for beamforming for at least one transmitting antenna in a radio-communication networking environment
US20230146275A1 (en) * 2021-11-11 2023-05-11 At&T Intellectual Property I, L.P. Computer Vision-Based Dynamic Radio Frequency Planning and Optimization

Also Published As

Publication number Publication date
CN111164913A (zh) 2020-05-15
US11539450B2 (en) 2022-12-27
EP3672118A4 (en) 2020-10-28
KR20190038117A (ko) 2019-04-08
EP3672118A1 (en) 2020-06-24
US20200304219A1 (en) 2020-09-24
EP3672118B1 (en) 2022-08-10
CN111164913B (zh) 2022-08-23
KR102355301B1 (ko) 2022-01-25

Similar Documents

Publication Publication Date Title
WO2019066470A1 (ko) 무선 통신 시스템에서 통신 환경을 분석하는 방법 및 장치
AU2017360650B2 (en) Method and apparatus for analyzing communication environment based on property information of an object
WO2018093204A1 (en) Method and apparatus for analyzing communication environment based on property information of an object
KR102661600B1 (ko) 실재 환경관련 정보를 고려한 통신 채널 분석과 무선 망 설계 방법 및 장치
WO2020111748A1 (en) Methods and apparatus for coverage prediction and network optimization in 5g new radio networks
WO2018093202A1 (en) Method and apparatus for analysing communication channel in consideration of material and contours of objects
Hayashi et al. A study on the variety and size of input data for radio propagation prediction using a deep neural network
US11044613B2 (en) Method of processing image, computer-readable storage medium recording method, and apparatus for processing image
KR102607024B1 (ko) 무선 통신 시스템에서 망 설계를 위한 방법 및 장치
WO2021230586A1 (en) Method and system for beamforming for at least one transmitting antenna in a radio-communication networking environment
EP3659276A1 (en) Method and apparatus for analyzing communication environments and designing networks in consideration of trees
WO2023013928A1 (en) Radio frequency exposure estimation with radar for mobile devices
WO2022080776A1 (en) Method and apparatus for performing beam alignment in wireless communication system
WO2018131946A1 (ko) 이동 통신 시스템에서 드라이브 테스트를 수행하는 방법 및 장치
WO2018147501A1 (ko) 무선 통신 시스템에서 수신 포인트 및 송신 포인트를 선택하기 위한 방법 및 장치
Demir et al. Digital twins for maintaining QoS in programmable vehicular networks
WO2019124753A1 (ko) 구조물의 전파 인입부를 고려한 통신 환경 분석 및 망 설계를 위한 방법 및 장치
WO2019124879A1 (ko) 이동 가능 물체를 고려한 통신 환경 분석 및 망 설계를 위한 방법 및 장치
WO2021101333A1 (en) Method and system for intelligent 3d aerial wireless transmission
WO2021010760A1 (en) Method and system for intelligently controlling beamforming for wireless transmission
WO2021230448A1 (en) System and method for secure beamforming in wireless communication networks
WO2018092991A1 (ko) 실재 환경관련 정보를 고려한 통신 채널 분석과 무선 망 설계 방법 및 장치
CN114286375A (zh) 一种移动通信网络干扰定位方法
Yapar et al. On the Effective Usage of Priors in RSS-based Localization
WO2023163354A1 (ko) 차량용 전자 장치 및 그 동작 방법

Legal Events

Date Code Title Description
121 Ep: the epo has been informed by wipo that ep was designated in this application

Ref document number: 18862257

Country of ref document: EP

Kind code of ref document: A1

ENP Entry into the national phase

Ref document number: 2018862257

Country of ref document: EP

Effective date: 20200317

NENP Non-entry into the national phase

Ref country code: DE