WO2022154139A1 - 차등 프라이버시를 고려한 신호 송수신 방법 및 상기 방법을 이용하는 장치 - Google Patents

차등 프라이버시를 고려한 신호 송수신 방법 및 상기 방법을 이용하는 장치 Download PDF

Info

Publication number
WO2022154139A1
WO2022154139A1 PCT/KR2021/000523 KR2021000523W WO2022154139A1 WO 2022154139 A1 WO2022154139 A1 WO 2022154139A1 KR 2021000523 W KR2021000523 W KR 2021000523W WO 2022154139 A1 WO2022154139 A1 WO 2022154139A1
Authority
WO
WIPO (PCT)
Prior art keywords
noise
signal
communication device
differential privacy
communication
Prior art date
Application number
PCT/KR2021/000523
Other languages
English (en)
French (fr)
Inventor
이경호
이상림
김성진
Original Assignee
엘지전자 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 엘지전자 주식회사 filed Critical 엘지전자 주식회사
Priority to KR1020237015600A priority Critical patent/KR20230131820A/ko
Priority to PCT/KR2021/000523 priority patent/WO2022154139A1/ko
Publication of WO2022154139A1 publication Critical patent/WO2022154139A1/ko

Links

Images

Classifications

    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04W—WIRELESS COMMUNICATION NETWORKS
    • H04W12/00—Security arrangements; Authentication; Protecting privacy or anonymity
    • H04W12/02—Protecting privacy or anonymity, e.g. protecting personally identifiable information [PII]
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N20/00—Machine learning
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N3/00—Computing arrangements based on biological models
    • G06N3/02—Neural networks
    • G06N3/04—Architecture, e.g. interconnection topology
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N3/00—Computing arrangements based on biological models
    • G06N3/02—Neural networks
    • G06N3/08—Learning methods
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04W—WIRELESS COMMUNICATION NETWORKS
    • H04W12/00—Security arrangements; Authentication; Protecting privacy or anonymity
    • H04W12/03—Protecting confidentiality, e.g. by encryption
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04W—WIRELESS COMMUNICATION NETWORKS
    • H04W74/00—Wireless channel access
    • H04W74/08—Non-scheduled access, e.g. ALOHA
    • H04W74/0833—Random access procedures, e.g. with 4-step access

Definitions

  • This specification relates to wireless communication and AI.
  • Wireless communication systems are not only widely deployed to provide various types of communication services such as voice and data, but also attempts to graft AI into communication systems are rapidly increasing.
  • the AI grafting methods that are being attempted largely include communications for AI (C4AI), which advances communication technology to support AI, and AI for communications (AI4C) that utilizes AI to improve communication performance.
  • C4AI communications for AI
  • AI4C AI for communications
  • In the AI4C area there is an attempt to increase design efficiency by replacing the channel encoder/decoder with an end-to-end autoencoder.
  • the C4AI area by sharing only the weight or gradient of the model with the server without sharing the raw data of the device with Federated learning, a technique of distributed learning, personal information is saved. There is a way to update a common predictive model while protecting it. And, there is a method of distributing the load of a device, a network edge, and a cloud server by split inference.
  • the present specification proposes a signal transmission/reception method in consideration of differential privacy and an apparatus using the method.
  • bandwidth and power efficient communication is possible by proposing a communication method for data to which differential privacy is applied, and the complexity of a communication device can be reduced. That is, since data containing noise is transmitted/received, the RF performance condition of the device may be relaxed in terms of using lower power and less bandwidth compared to the existing communication method.
  • FIG. 1 is a diagram illustrating an example of a communication system applicable to the present disclosure.
  • FIG. 2 is a diagram illustrating an example of a wireless device applicable to the present disclosure.
  • FIG. 3 is a diagram illustrating another example of a wireless device applicable to the present disclosure.
  • FIG. 4 is a diagram illustrating an example of a portable device applicable to the present disclosure.
  • FIG. 5 is a diagram illustrating an example of a vehicle or an autonomous driving vehicle applicable to the present disclosure.
  • FIG. 6 is a view showing an example of a movable body applicable to the present disclosure.
  • FIG. 7 is a diagram illustrating an example of an XR device applicable to the present disclosure.
  • FIG. 8 is a view showing an example of a robot applicable to the present disclosure.
  • AI Artificial Intelligence
  • FIG. 10 is a diagram illustrating physical channels applicable to the present disclosure and a signal transmission method using the same.
  • FIG. 11 is a diagram illustrating a control plane and a user plane structure of a radio interface protocol applicable to the present disclosure.
  • FIG. 12 is a diagram illustrating a method of processing a transmission signal applicable to the present disclosure.
  • FIG. 13 is a diagram illustrating a structure of a radio frame applicable to the present disclosure.
  • FIG. 14 is a diagram illustrating a slot structure applicable to the present disclosure.
  • 15 is a diagram illustrating an example of a communication structure that can be provided in a 6G system applicable to the present disclosure.
  • 16 is a diagram illustrating an electromagnetic spectrum applicable to the present disclosure.
  • 17 is a diagram illustrating a THz communication method applicable to the present disclosure.
  • FIG. 18 is a diagram illustrating a THz wireless communication transceiver applicable to the present disclosure.
  • FIG. 19 is a diagram illustrating a method for generating a THz signal applicable to the present disclosure.
  • 20 is a diagram illustrating a wireless communication transceiver applicable to the present disclosure.
  • 21 is a diagram illustrating a structure of a transmitter applicable to the present disclosure.
  • 22 is a diagram illustrating a modulator structure applicable to the present disclosure.
  • FIG. 23 shows an example of an operation process for federated learning based on orthogonal division access.
  • FIG. 24 shows an example of an AirComp-based federated learning operation process.
  • 25 is a diagram for explaining differential privacy protection or differential privacy.
  • 26 shows an example of a threat model for low privacy.
  • FIG. 27 shows an example of a threat model for high privacy.
  • FIG. 28 shows an example of the structure of a transceiver for a communication system based on differential privacy.
  • 29 illustrates an example to which differential privacy modulation is applied.
  • 31 schematically illustrates an example in which user data is converted into ( ⁇ , ⁇ ) differential privacy data.
  • 33 illustrates a communication procedure of a threat model for low privacy.
  • 34 is a flowchart of an example of a signal transmission method of a first communication device according to some implementations of the present specification.
  • 35 is for explaining a random access procedure.
  • each component or feature may be considered optional unless explicitly stated otherwise.
  • Each component or feature may be implemented in a form that is not combined with other components or features.
  • some components and/or features may be combined to configure an embodiment of the present disclosure.
  • the order of operations described in embodiments of the present disclosure may be changed. Some configurations or features of one embodiment may be included in other embodiments, or may be replaced with corresponding configurations or features of other embodiments.
  • the base station has a meaning as a terminal node of a network that directly communicates with the mobile station.
  • a specific operation described as being performed by the base station in this document may be performed by an upper node of the base station in some cases.
  • the 'base station' is a term such as a fixed station, a Node B, an eNB (eNode B), a gNB (gNode B), an ng-eNB, an advanced base station (ABS) or an access point.
  • eNode B eNode B
  • gNode B gNode B
  • ng-eNB ng-eNB
  • ABS advanced base station
  • a terminal includes a user equipment (UE), a mobile station (MS), a subscriber station (SS), a mobile subscriber station (MSS), It may be replaced by terms such as a mobile terminal or an advanced mobile station (AMS).
  • UE user equipment
  • MS mobile station
  • SS subscriber station
  • MSS mobile subscriber station
  • AMS advanced mobile station
  • a transmitting end refers to a fixed and/or mobile node that provides a data service or a voice service
  • a receiving end refers to a fixed and/or mobile node that receives a data service or a voice service.
  • the mobile station may be the transmitting end and the base station may be the receiving end.
  • the mobile station may be the receiving end, and the base station may be the transmitting end.
  • Embodiments of the present disclosure are wireless access systems IEEE 802.xx system, 3rd Generation Partnership Project (3GPP) system, 3GPP LTE (Long Term Evolution) system, 3GPP 5G (5th generation) NR (New Radio) system, and 3GPP2 system among It may be supported by standard documents disclosed in at least one, and in particular, embodiments of the present disclosure are supported by 3GPP TS (technical specification) 38.211, 3GPP TS 38.212, 3GPP TS 38.213, 3GPP TS 38.321 and 3GPP TS 38.331 documents. can be
  • embodiments of the present disclosure may be applied to other wireless access systems, and are not limited to the above-described system. As an example, it may be applicable to a system applied after the 3GPP 5G NR system, and is not limited to a specific system.
  • CDMA code division multiple access
  • FDMA frequency division multiple access
  • TDMA time division multiple access
  • OFDMA orthogonal frequency division multiple access
  • SC-FDMA single carrier frequency division multiple access
  • LTE is 3GPP TS 36.xxx Release 8 or later
  • LTE technology after 3GPP TS 36.xxx Release 10 may be referred to as LTE-A
  • xxx Release 13 may be referred to as LTE-A pro.
  • 3GPP NR may mean technology after TS 38.xxx Release 15.
  • 3GPP 6G may mean technology after TS Release 17 and/or Release 18.
  • "xxx" means standard document detail number LTE/NR/6G may be collectively referred to as a 3GPP system.
  • a communication system 100 applied to the present disclosure includes a wireless device, a base station, and a network.
  • the wireless device refers to a device that performs communication using a wireless access technology (eg, 5G NR, LTE), and may be referred to as a communication/wireless/5G device.
  • the wireless device includes a robot 100a, a vehicle 100b-1, 100b-2, an extended reality (XR) device 100c, a hand-held device 100d, and a home appliance. appliance) 100e, an Internet of Thing (IoT) device 100f, and an artificial intelligence (AI) device/server 100g.
  • a wireless access technology eg, 5G NR, LTE
  • XR extended reality
  • AI artificial intelligence
  • the vehicle may include a vehicle equipped with a wireless communication function, an autonomous driving vehicle, a vehicle capable of performing inter-vehicle communication, and the like.
  • the vehicles 100b-1 and 100b-2 may include an unmanned aerial vehicle (UAV) (eg, a drone).
  • UAV unmanned aerial vehicle
  • the XR device 100c includes augmented reality (AR)/virtual reality (VR)/mixed reality (MR) devices, and includes a head-mounted device (HMD), a head-up display (HUD) provided in a vehicle, a television, It may be implemented in the form of a smartphone, a computer, a wearable device, a home appliance, a digital signage, a vehicle, a robot, and the like.
  • the portable device 100d may include a smart phone, a smart pad, a wearable device (eg, smart watch, smart glasses), and a computer (eg, a laptop computer).
  • the home appliance 100e may include a TV, a refrigerator, a washing machine, and the like.
  • the IoT device 100f may include a sensor, a smart meter, and the like.
  • the base station 120 and the network 130 may be implemented as a wireless device, and a specific wireless device 120a may operate as a base station/network node to other wireless devices.
  • the wireless devices 100a to 100f may be connected to the network 130 through the base station 120 .
  • AI technology may be applied to the wireless devices 100a to 100f , and the wireless devices 100a to 100f may be connected to the AI server 100g through the network 130 .
  • the network 130 may be configured using a 3G network, a 4G (eg, LTE) network, or a 5G (eg, NR) network.
  • the wireless devices 100a to 100f may communicate with each other through the base station 120/network 130, but communicate directly without going through the base station 120/network 130 (eg, sidelink communication) You may.
  • the vehicles 100b-1 and 100b-2 may perform direct communication (eg, vehicle to vehicle (V2V)/vehicle to everything (V2X) communication).
  • the IoT device 100f eg, a sensor
  • Wireless communication/connection 150a, 150b, and 150c may be performed between the wireless devices 100a to 100f/base station 120 and the base station 120/base station 120 .
  • the wireless communication/connection includes various uplink/downlink communication 150a and sidelink communication 150b (or D2D communication), and communication between base stations 150c (eg, relay, integrated access backhaul (IAB)). This may be achieved through radio access technology (eg, 5G NR).
  • radio access technology eg, 5G NR
  • the wireless communication/connection 150a, 150b, 150c may transmit/receive radio signals to each other.
  • the wireless communication/connection 150a, 150b, 150c may transmit/receive signals through various physical channels.
  • various configuration information setting processes for transmission/reception of radio signals various signal processing processes (eg, channel encoding/decoding, modulation/demodulation, resource mapping/demapping, etc.) , at least a part of a resource allocation process, etc. may be performed.
  • various signal processing processes eg, channel encoding/decoding, modulation/demodulation, resource mapping/demapping, etc.
  • at least a part of a resource allocation process, etc. may be performed.
  • FIG. 2 is a diagram illustrating an example of a wireless device applicable to the present disclosure.
  • a first wireless device 200a and a second wireless device 200b may transmit and receive wireless signals through various wireless access technologies (eg, LTE, NR).
  • ⁇ first wireless device 200a, second wireless device 200b ⁇ is ⁇ wireless device 100x, base station 120 ⁇ of FIG. 1 and/or ⁇ wireless device 100x, wireless device 100x) ⁇ can be matched.
  • the first wireless device 200a includes one or more processors 202a and one or more memories 204a, and may further include one or more transceivers 206a and/or one or more antennas 208a.
  • the processor 202a controls the memory 204a and/or the transceiver 206a and may be configured to implement the descriptions, functions, procedures, suggestions, methods, and/or operational flowcharts disclosed herein.
  • the processor 202a may process information in the memory 204a to generate first information/signal, and then transmit a wireless signal including the first information/signal through the transceiver 206a.
  • the processor 202a may receive the radio signal including the second information/signal through the transceiver 206a, and then store the information obtained from the signal processing of the second information/signal in the memory 204a.
  • the memory 204a may be connected to the processor 202a and may store various information related to the operation of the processor 202a.
  • the memory 204a may provide instructions for performing some or all of the processes controlled by the processor 202a, or for performing the descriptions, functions, procedures, suggestions, methods, and/or operational flowcharts disclosed herein. may store software code including
  • the processor 202a and the memory 204a may be part of a communication modem/circuit/chip designed to implement a wireless communication technology (eg, LTE, NR).
  • a wireless communication technology eg, LTE, NR
  • the transceiver 206a may be coupled to the processor 202a and may transmit and/or receive wireless signals via one or more antennas 208a.
  • the transceiver 206a may include a transmitter and/or a receiver.
  • the transceiver 206a may be used interchangeably with a radio frequency (RF) unit.
  • RF radio frequency
  • a wireless device may refer to a communication modem/circuit/chip.
  • the second wireless device 200b includes one or more processors 202b, one or more memories 204b, and may further include one or more transceivers 206b and/or one or more antennas 208b.
  • the processor 202b controls the memory 204b and/or the transceiver 206b, and may be configured to implement the descriptions, functions, procedures, suggestions, methods, and/or operational flowcharts disclosed herein.
  • the processor 202b may process information in the memory 204b to generate third information/signal, and then transmit a wireless signal including the third information/signal through the transceiver 206b.
  • the processor 202b may receive the radio signal including the fourth information/signal through the transceiver 206b, and then store information obtained from signal processing of the fourth information/signal in the memory 204b.
  • the memory 204b may be connected to the processor 202b and may store various information related to the operation of the processor 202b.
  • the memory 204b may provide instructions for performing some or all of the processes controlled by the processor 202b, or for performing the descriptions, functions, procedures, suggestions, methods, and/or operational flowcharts disclosed herein. may store software code including
  • the processor 202b and the memory 204b may be part of a communication modem/circuit/chip designed to implement a wireless communication technology (eg, LTE, NR).
  • a wireless communication technology eg, LTE, NR
  • the transceiver 206b may be coupled to the processor 202b and may transmit and/or receive wireless signals via one or more antennas 208b.
  • Transceiver 206b may include a transmitter and/or receiver.
  • Transceiver 206b may be used interchangeably with an RF unit.
  • a wireless device may refer to a communication modem/circuit/chip.
  • one or more protocol layers may be implemented by one or more processors 202a, 202b.
  • one or more processors 202a, 202b may include one or more layers (eg, physical (PHY), media access control (MAC), radio link control (RLC), packet data convergence protocol (PDCP), and radio resource (RRC). control) and a functional layer such as service data adaptation protocol (SDAP)).
  • layers eg, physical (PHY), media access control (MAC), radio link control (RLC), packet data convergence protocol (PDCP), and radio resource (RRC). control
  • SDAP service data adaptation protocol
  • the one or more processors 202a, 202b may be configured to process one or more Protocol Data Units (PDUs) and/or one or more Service Data Units (SDUs) according to the description, function, procedure, proposal, method, and/or operational flowcharts disclosed herein. can create One or more processors 202a, 202b may generate messages, control information, data, or information according to the description, function, procedure, proposal, method, and/or flow charts disclosed herein.
  • the one or more processors 202a, 202b generate a signal (eg, a baseband signal) including PDUs, SDUs, messages, control information, data or information according to the functions, procedures, proposals and/or methods disclosed herein.
  • One or more processors 202a, 202b may receive signals (eg, baseband signals) from one or more transceivers 206a, 206b, and the descriptions, functions, procedures, proposals, methods, and/or flowcharts of operation disclosed herein.
  • PDUs, SDUs, messages, control information, data, or information may be acquired according to the fields.
  • One or more processors 202a, 202b may be referred to as controllers, microcontrollers, microprocessors, or microcomputers.
  • One or more processors 202a, 202b may be implemented by hardware, firmware, software, or a combination thereof.
  • ASICs application specific integrated circuits
  • DSPs digital signal processors
  • DSPDs digital signal processing devices
  • PLDs programmable logic devices
  • FPGAs field programmable gate arrays
  • the descriptions, functions, procedures, proposals, methods, and/or flowcharts of operations disclosed in this document may be implemented using firmware or software, and the firmware or software may be implemented to include modules, procedures, functions, and the like.
  • the descriptions, functions, procedures, proposals, methods, and/or flowcharts of operation disclosed in this document may contain firmware or software configured to perform one or more processors 202a, 202b, or stored in one or more memories 204a, 204b. It may be driven by the above processors 202a and 202b.
  • the descriptions, functions, procedures, suggestions, methods, and/or flowcharts of operations disclosed herein may be implemented using firmware or software in the form of code, instructions, and/or sets of instructions.
  • One or more memories 204a, 204b may be coupled to one or more processors 202a, 202b and may store various types of data, signals, messages, information, programs, codes, instructions, and/or instructions.
  • One or more memories 204a, 204b may include read only memory (ROM), random access memory (RAM), erasable programmable read only memory (EPROM), flash memory, hard drives, registers, cache memory, computer readable storage media and/or It may consist of a combination of these.
  • One or more memories 204a, 204b may be located inside and/or external to one or more processors 202a, 202b. Also, one or more memories 204a, 204b may be coupled to one or more processors 202a, 202b through various technologies, such as wired or wireless connections.
  • the one or more transceivers 206a, 206b may transmit user data, control information, radio signals/channels, etc. referred to in the methods and/or operational flowcharts of this document, to one or more other devices.
  • One or more transceivers 206a, 206b may receive user data, control information, radio signals/channels, etc. referred to in the descriptions, functions, procedures, suggestions, methods, and/or flow charts, etc. disclosed herein, from one or more other devices. have.
  • one or more transceivers 206a, 206b may be coupled to one or more processors 202a, 202b, and may transmit and receive wireless signals.
  • one or more processors 202a, 202b may control one or more transceivers 206a, 206b to transmit user data, control information, or wireless signals to one or more other devices.
  • one or more processors 202a, 202b may control one or more transceivers 206a, 206b to receive user data, control information, or wireless signals from one or more other devices.
  • one or more transceivers 206a, 206b may be coupled to one or more antennas 208a, 208b, and the one or more transceivers 206a, 206b may be connected via one or more antennas 208a, 208b. , procedures, proposals, methods and/or operation flowcharts, etc.
  • one or more antennas may be a plurality of physical antennas or a plurality of logical antennas (eg, antenna ports).
  • the one or more transceivers 206a, 206b converts the received radio signal/channel, etc. from the RF band signal to process the received user data, control information, radio signal/channel, etc. using the one or more processors 202a, 202b. It can be converted into a baseband signal.
  • One or more transceivers 206a, 206b may convert user data, control information, radio signals/channels, etc. processed using one or more processors 202a, 202b from baseband signals to RF band signals.
  • one or more transceivers 206a, 206b may include (analog) oscillators and/or filters.
  • FIG. 3 is a diagram illustrating another example of a wireless device applied to the present disclosure.
  • a wireless device 300 corresponds to the wireless devices 200a and 200b of FIG. 2 , and includes various elements, components, units/units, and/or modules. ) can be composed of
  • the wireless device 300 may include a communication unit 310 , a control unit 320 , a memory unit 330 , and an additional element 340 .
  • the communication unit may include communication circuitry 312 and transceiver(s) 314 .
  • communication circuitry 312 may include one or more processors 202a, 202b and/or one or more memories 204a, 204b of FIG. 2 .
  • the transceiver(s) 314 may include one or more transceivers 206a , 206b and/or one or more antennas 208a , 208b of FIG. 2 .
  • the control unit 320 is electrically connected to the communication unit 310 , the memory unit 330 , and the additional element 340 and controls general operations of the wireless device.
  • the controller 320 may control the electrical/mechanical operation of the wireless device based on the program/code/command/information stored in the memory unit 330 .
  • control unit 320 transmits the information stored in the memory unit 330 to the outside (eg, another communication device) through the communication unit 310 through a wireless/wired interface, or externally (eg, through the communication unit 310) Information received through a wireless/wired interface from another communication device) may be stored in the memory unit 330 .
  • the additional element 340 may be variously configured according to the type of the wireless device.
  • the additional element 340 may include at least one of a power unit/battery, an input/output unit, a driving unit, and a computing unit.
  • the wireless device 300 may include a robot ( FIGS. 1 and 100a ), a vehicle ( FIGS. 1 , 100b-1 , 100b-2 ), an XR device ( FIGS. 1 and 100c ), and a mobile device ( FIGS. 1 and 100d ). ), home appliances (FIG. 1, 100e), IoT device (FIG.
  • the wireless device may be mobile or used in a fixed location depending on the use-example/service.
  • various elements, components, units/units, and/or modules in the wireless device 300 may be entirely interconnected through a wired interface, or at least some of them may be wirelessly connected through the communication unit 310 .
  • the control unit 320 and the communication unit 310 are connected by wire, and the control unit 320 and the first unit (eg, 130 , 140 ) are connected wirelessly through the communication unit 310 .
  • each element, component, unit/unit, and/or module within the wireless device 300 may further include one or more elements.
  • the controller 320 may include one or more processor sets.
  • the controller 320 may be configured as a set of a communication control processor, an application processor, an electronic control unit (ECU), a graphic processing processor, a memory control processor, and the like.
  • the memory unit 330 may include a RAM, a dynamic RAM (DRAM), a ROM, a flash memory, a volatile memory, a non-volatile memory, and/or a combination thereof. can be configured.
  • FIG. 4 is a diagram illustrating an example of a mobile device applied to the present disclosure.
  • the portable device may include a smart phone, a smart pad, a wearable device (eg, a smart watch, smart glasses), and a portable computer (eg, a laptop computer).
  • the mobile device may be referred to as a mobile station (MS), a user terminal (UT), a mobile subscriber station (MSS), a subscriber station (SS), an advanced mobile station (AMS), or a wireless terminal (WT).
  • MS mobile station
  • UT user terminal
  • MSS mobile subscriber station
  • SS subscriber station
  • AMS advanced mobile station
  • WT wireless terminal
  • the portable device 400 includes an antenna unit 408 , a communication unit 410 , a control unit 420 , a memory unit 430 , a power supply unit 440a , an interface unit 440b , and an input/output unit 440c .
  • the antenna unit 408 may be configured as a part of the communication unit 410 .
  • Blocks 410 to 430/440a to 440c respectively correspond to blocks 310 to 330/340 of FIG. 3 .
  • the communication unit 410 may transmit and receive signals (eg, data, control signals, etc.) with other wireless devices and base stations.
  • the controller 420 may control components of the portable device 400 to perform various operations.
  • the controller 420 may include an application processor (AP).
  • the memory unit 430 may store data/parameters/programs/codes/commands necessary for driving the portable device 400 . Also, the memory unit 430 may store input/output data/information.
  • the power supply unit 440a supplies power to the portable device 400 and may include a wired/wireless charging circuit, a battery, and the like.
  • the interface unit 440b may support the connection between the portable device 400 and other external devices.
  • the interface unit 440b may include various ports (eg, an audio input/output port and a video input/output port) for connection with an external device.
  • the input/output unit 440c may receive or output image information/signal, audio information/signal, data, and/or information input from a user.
  • the input/output unit 440c may include a camera, a microphone, a user input unit, a display unit 440d, a speaker, and/or a haptic module.
  • the input/output unit 440c obtains information/signals (eg, touch, text, voice, image, video) input from the user, and the obtained information/signals are stored in the memory unit 430 . can be saved.
  • the communication unit 410 may convert the information/signal stored in the memory into a wireless signal, and transmit the converted wireless signal directly to another wireless device or to a base station. Also, after receiving a radio signal from another radio device or a base station, the communication unit 410 may restore the received radio signal to original information/signal.
  • the restored information/signal may be stored in the memory unit 430 and output in various forms (eg, text, voice, image, video, haptic) through the input/output unit 440c.
  • FIG. 5 is a diagram illustrating an example of a vehicle or an autonomous driving vehicle applied to the present disclosure.
  • the vehicle or autonomous driving vehicle may be implemented as a mobile robot, a vehicle, a train, an aerial vehicle (AV), a ship, etc., but is not limited to the shape of the vehicle.
  • AV aerial vehicle
  • the vehicle or autonomous driving vehicle 500 includes an antenna unit 508 , a communication unit 510 , a control unit 520 , a driving unit 540a , a power supply unit 540b , a sensor unit 540c and autonomous driving.
  • a unit 540d may be included.
  • the antenna unit 550 may be configured as a part of the communication unit 510 .
  • Blocks 510/530/540a-540d correspond to blocks 410/430/440 of FIG. 4, respectively.
  • the communication unit 510 may transmit/receive signals (eg, data, control signals, etc.) to and from external devices such as other vehicles, base stations (eg, base stations, roadside units, etc.), and servers.
  • the controller 520 may control elements of the vehicle or autonomous vehicle 500 to perform various operations.
  • the controller 520 may include an electronic control unit (ECU).
  • the driving unit 540a may cause the vehicle or the autonomous driving vehicle 500 to run on the ground.
  • the driving unit 540a may include an engine, a motor, a power train, a wheel, a brake, a steering device, and the like.
  • the power supply unit 540b supplies power to the vehicle or the autonomous driving vehicle 500 , and may include a wired/wireless charging circuit, a battery, and the like.
  • the sensor unit 540c may obtain vehicle status, surrounding environment information, user information, and the like.
  • the sensor unit 540c includes an inertial measurement unit (IMU) sensor, a collision sensor, a wheel sensor, a speed sensor, an inclination sensor, a weight sensor, a heading sensor, a position module, and a vehicle forward movement.
  • IMU inertial measurement unit
  • a collision sensor a wheel sensor
  • a speed sensor a speed sensor
  • an inclination sensor a weight sensor
  • a heading sensor a position module
  • a vehicle forward movement / may include a reverse sensor, a battery sensor, a fuel sensor, a tire sensor, a steering sensor, a temperature sensor, a humidity sensor, an ultrasonic sensor, an illuminance sensor, a pedal position sensor, and the like.
  • the autonomous driving unit 540d includes a technology for maintaining a driving lane, a technology for automatically adjusting speed such as adaptive cruise control, a technology for automatically driving along a predetermined route, and a technology for automatically setting a route when a destination is set. technology can be implemented.
  • the communication unit 510 may receive map data, traffic information data, and the like from an external server.
  • the autonomous driving unit 540d may generate an autonomous driving route and a driving plan based on the acquired data.
  • the controller 520 may control the driving unit 540a to move the vehicle or the autonomous driving vehicle 500 along the autonomous driving path (eg, speed/direction adjustment) according to the driving plan.
  • the communication unit 510 may obtain the latest traffic information data from an external server non/periodically, and may acquire surrounding traffic information data from surrounding vehicles.
  • the sensor unit 540c may acquire vehicle state and surrounding environment information.
  • the autonomous driving unit 540d may update the autonomous driving route and driving plan based on the newly acquired data/information.
  • the communication unit 510 may transmit information about a vehicle location, an autonomous driving route, a driving plan, and the like to an external server.
  • the external server may predict traffic information data in advance using AI technology or the like based on information collected from the vehicle or autonomous vehicles, and may provide the predicted traffic information data to the vehicle or autonomous vehicles.
  • FIG. 6 is a diagram illustrating an example of a movable body applied to the present disclosure.
  • the moving object applied to the present disclosure may be implemented as at least any one of means of transport, train, aircraft, and ship.
  • the movable body applied to the present disclosure may be implemented in other forms, and is not limited to the above-described embodiment.
  • the mobile unit 600 may include a communication unit 610 , a control unit 620 , a memory unit 630 , an input/output unit 640a , and a position measurement unit 640b .
  • blocks 610 to 630/640a to 640b correspond to blocks 310 to 330/340 of FIG. 3 , respectively.
  • the communication unit 610 may transmit/receive signals (eg, data, control signals, etc.) with other mobile devices or external devices such as a base station.
  • the controller 620 may perform various operations by controlling the components of the movable body 600 .
  • the memory unit 630 may store data/parameters/programs/codes/commands supporting various functions of the mobile unit 600 .
  • the input/output unit 640a may output an AR/VR object based on information in the memory unit 630 .
  • the input/output unit 640a may include a HUD.
  • the position measuring unit 640b may acquire position information of the moving object 600 .
  • the location information may include absolute location information of the moving object 600 , location information within a driving line, acceleration information, and location information with a surrounding vehicle.
  • the position measuring unit 640b may include a GPS and various sensors.
  • the communication unit 610 of the mobile unit 600 may receive map information, traffic information, and the like from an external server and store it in the memory unit 630 .
  • the position measuring unit 640b may obtain information about the location of the moving object through GPS and various sensors and store it in the memory unit 630 .
  • the controller 620 may generate a virtual object based on map information, traffic information, and location information of a moving object, and the input/output unit 640a may display the generated virtual object on a window inside the moving object (651, 652). Also, the control unit 620 may determine whether the moving object 600 is normally operating within the driving line based on the moving object location information.
  • the control unit 620 may display a warning on the glass window of the moving object through the input/output unit 640a. Also, the control unit 620 may broadcast a warning message regarding the driving abnormality to surrounding moving objects through the communication unit 610 . Depending on the situation, the control unit 620 may transmit the location information of the moving object and information on the driving/moving object abnormality to the related organization through the communication unit 610 .
  • the XR device may be implemented as an HMD, a head-up display (HUD) provided in a vehicle, a television, a smart phone, a computer, a wearable device, a home appliance, a digital signage, a vehicle, a robot, and the like.
  • HMD head-up display
  • a television a smart phone
  • a computer a wearable device
  • a home appliance a digital signage
  • a vehicle a robot, and the like.
  • the XR device 700a may include a communication unit 710 , a control unit 720 , a memory unit 730 , an input/output unit 740a , a sensor unit 740b , and a power supply unit 740c .
  • blocks 710 to 730/740a to 740c may correspond to blocks 310 to 330/340 of FIG. 3 , respectively.
  • the communication unit 710 may transmit/receive signals (eg, media data, control signals, etc.) to and from other wireless devices, portable devices, or external devices such as a media server.
  • Media data may include images, images, sounds, and the like.
  • the controller 720 may control components of the XR device 700a to perform various operations.
  • the controller 720 may be configured to control and/or perform procedures such as video/image acquisition, (video/image) encoding, and metadata generation and processing.
  • the memory unit 730 may store data/parameters/programs/codes/commands necessary for driving the XR device 700a/creating an XR object.
  • the input/output unit 740a may obtain control information, data, and the like from the outside, and may output the generated XR object.
  • the input/output unit 740a may include a camera, a microphone, a user input unit, a display unit, a speaker, and/or a haptic module.
  • the sensor unit 740b may obtain an XR device state, surrounding environment information, user information, and the like.
  • the sensor unit 740b includes a proximity sensor, an illuminance sensor, an acceleration sensor, a magnetic sensor, a gyro sensor, an inertial sensor, a red green blue (RGB) sensor, an infrared (IR) sensor, a fingerprint recognition sensor, an ultrasonic sensor, an optical sensor, a microphone and / or radar or the like.
  • the power supply unit 740c supplies power to the XR device 700a, and may include a wired/wireless charging circuit, a battery, and the like.
  • the memory unit 730 of the XR device 700a may include information (eg, data, etc.) necessary for generating an XR object (eg, AR/VR/MR object).
  • the input/output unit 740a may obtain a command to operate the XR device 700a from the user, and the controller 720 may drive the XR device 700a according to the user's driving command. For example, when the user wants to watch a movie or news through the XR device 700a, the controller 720 transmits the content request information through the communication unit 730 to another device (eg, the mobile device 700b) or can be sent to the media server.
  • the communication unit 730 may download/stream contents such as movies and news from another device (eg, the portable device 700b) or a media server to the memory unit 730 .
  • the controller 720 controls and/or performs procedures such as video/image acquisition, (video/image) encoding, and metadata generation/processing for the content, and is acquired through the input/output unit 740a/sensor unit 740b
  • An XR object can be generated/output based on information about one surrounding space or a real object.
  • the XR device 700a is wirelessly connected to the portable device 700b through the communication unit 710 , and the operation of the XR device 700a may be controlled by the portable device 700b.
  • the portable device 700b may operate as a controller for the XR device 700a.
  • the XR device 700a may obtain 3D location information of the portable device 700b, and then generate and output an XR object corresponding to the portable device 700b.
  • the robot 800 may include a communication unit 810 , a control unit 820 , a memory unit 830 , an input/output unit 840a , a sensor unit 840b , and a driving unit 840c .
  • blocks 810 to 830/840a to 840c may correspond to blocks 310 to 330/340 of FIG. 3 , respectively.
  • the communication unit 810 may transmit/receive signals (eg, driving information, control signals, etc.) with external devices such as other wireless devices, other robots, or control servers.
  • the controller 820 may control components of the robot 800 to perform various operations.
  • the memory unit 830 may store data/parameters/programs/codes/commands supporting various functions of the robot 800 .
  • the input/output unit 840a may obtain information from the outside of the robot 800 and may output information to the outside of the robot 800 .
  • the input/output unit 840a may include a camera, a microphone, a user input unit, a display unit, a speaker, and/or a haptic module.
  • the sensor unit 840b may obtain internal information, surrounding environment information, user information, and the like of the robot 800 .
  • the sensor unit 840b may include a proximity sensor, an illumination sensor, an acceleration sensor, a magnetic sensor, a gyro sensor, an inertial sensor, an IR sensor, a fingerprint recognition sensor, an ultrasonic sensor, an optical sensor, a microphone, a radar, and the like.
  • the driving unit 840c may perform various physical operations, such as moving a robot joint. Also, the driving unit 840c may make the robot 800 travel on the ground or fly in the air.
  • the driving unit 840c may include an actuator, a motor, a wheel, a brake, a propeller, and the like.
  • AI devices include TVs, projectors, smartphones, PCs, laptops, digital broadcasting terminals, tablet PCs, wearable devices, set-top boxes (STBs), radios, washing machines, refrigerators, digital signage, robots, vehicles, etc. It may be implemented as a device or a mobile device.
  • the AI device 900 includes a communication unit 910 , a control unit 920 , a memory unit 930 , input/output units 940a/940b , a learning processor unit 940c and a sensor unit 940d. may include.
  • Blocks 910 to 930/940a to 940d may correspond to blocks 310 to 330/340 of FIG. 3 , respectively.
  • the communication unit 910 uses wired/wireless communication technology to communicate with external devices such as other AI devices (eg, FIGS. 1, 100x, 120, 140) or an AI server ( FIGS. 1 and 140 ) and wired/wireless signals (eg, sensor information, user input, learning model, control signal, etc.). To this end, the communication unit 910 may transmit information in the memory unit 930 to an external device or transmit a signal received from the external device to the memory unit 930 .
  • AI devices eg, FIGS. 1, 100x, 120, 140
  • an AI server FIGS. 1 and 140
  • wired/wireless signals eg, sensor information, user input, learning model, control signal, etc.
  • the controller 920 may determine at least one executable operation of the AI device 900 based on information determined or generated using a data analysis algorithm or a machine learning algorithm. Then, the controller 920 may control the components of the AI device 900 to perform the determined operation. For example, the control unit 920 may request, search, receive, or utilize data of the learning processor unit 940c or the memory unit 930, and may be a predicted operation among at least one executable operation or determined to be preferable. Components of the AI device 900 may be controlled to execute the operation.
  • control unit 920 collects history information including user feedback on the operation contents or operation of the AI device 900 and stores it in the memory unit 930 or the learning processor unit 940c, or the AI server ( 1 and 140), and the like may be transmitted to an external device.
  • the collected historical information may be used to update the learning model.
  • the memory unit 930 may store data supporting various functions of the AI device 900 .
  • the memory unit 930 may store data obtained from the input unit 940a , data obtained from the communication unit 910 , output data of the learning processor unit 940c , and data obtained from the sensing unit 940 .
  • the memory unit 930 may store control information and/or software codes necessary for the operation/execution of the control unit 920 .
  • the input unit 940a may acquire various types of data from the outside of the AI device 900 .
  • the input unit 920 may obtain training data for model learning, input data to which the learning model is applied, and the like.
  • the input unit 940a may include a camera, a microphone, and/or a user input unit.
  • the output unit 940b may generate an output related to sight, hearing, or touch.
  • the output unit 940b may include a display unit, a speaker, and/or a haptic module.
  • the sensing unit 940 may obtain at least one of internal information of the AI device 900 , surrounding environment information of the AI device 900 , and user information by using various sensors.
  • the sensing unit 940 may include a proximity sensor, an illuminance sensor, an acceleration sensor, a magnetic sensor, a gyro sensor, an inertial sensor, an RGB sensor, an IR sensor, a fingerprint recognition sensor, an ultrasonic sensor, an optical sensor, a microphone, and/or a radar. have.
  • the learning processor unit 940c may train a model composed of an artificial neural network by using the training data.
  • the learning processor unit 940c may perform AI processing together with the learning processor unit of the AI server ( FIGS. 1 and 140 ).
  • the learning processor unit 940c may process information received from an external device through the communication unit 910 and/or information stored in the memory unit 930 . Also, the output value of the learning processor unit 940c may be transmitted to an external device through the communication unit 910 and/or stored in the memory unit 930 .
  • a terminal may receive information from a base station through downlink (DL) and transmit information to the base station through uplink (UL).
  • the information transmitted and received between the base station and the terminal includes general data information and various control information, and various physical channels exist according to the type/use of the information they transmit and receive.
  • FIG. 10 is a diagram illustrating physical channels applied to the present disclosure and a signal transmission method using the same.
  • the terminal receives a primary synchronization channel (P-SCH) and a secondary synchronization channel (S-SCH) from the base station, synchronizes with the base station, and obtains information such as cell ID. .
  • P-SCH primary synchronization channel
  • S-SCH secondary synchronization channel
  • the terminal may receive a physical broadcast channel (PBCH) signal from the base station to obtain intra-cell broadcast information.
  • the UE may receive a downlink reference signal (DL RS) in the initial cell search step to check the downlink channel state.
  • DL RS downlink reference signal
  • the UE receives a physical downlink control channel (PDCCH) and a physical downlink control channel (PDSCH) according to physical downlink control channel information in step S1012 and receives a little more Specific system information can be obtained.
  • PDCCH physical downlink control channel
  • PDSCH physical downlink control channel
  • the terminal may perform a random access procedure, such as steps S1013 to S1016, to complete access to the base station.
  • the UE transmits a preamble through a physical random access channel (PRACH) (S1013), and RAR for the preamble through a physical downlink control channel and a corresponding physical downlink shared channel (S1013). random access response) may be received (S1014).
  • the UE transmits a physical uplink shared channel (PUSCH) using scheduling information in the RAR (S1015), and a contention resolution procedure such as reception of a physical downlink control channel signal and a corresponding physical downlink shared channel signal. ) can be performed (S1016).
  • PUSCH physical uplink shared channel
  • S1015 scheduling information in the RAR
  • a contention resolution procedure such as reception of a physical downlink control channel signal and a corresponding physical downlink shared channel signal.
  • the terminal After performing the procedure as described above, the terminal receives a physical downlink control channel signal and/or a physical downlink shared channel signal (S1017) and a physical uplink shared channel as a general uplink/downlink signal transmission procedure.
  • channel, PUSCH) signal and/or a physical uplink control channel (PUCCH) signal may be transmitted ( S1018 ).
  • UCI uplink control information
  • HARQ-ACK / NACK hybrid automatic repeat and request acknowledgment / negative-ACK
  • SR scheduling request
  • CQI channel quality indication
  • PMI precoding matrix indication
  • RI rank indication
  • BI beam indication
  • the UCI is generally transmitted periodically through the PUCCH, but may be transmitted through the PUSCH according to an embodiment (eg, when control information and traffic data are to be transmitted simultaneously).
  • the UE may aperiodically transmit the UCI through the PUSCH.
  • FIG. 11 is a diagram illustrating a control plane and a user plane structure of a radio interface protocol applied to the present disclosure.
  • entity 1 may be a user equipment (UE).
  • the term "terminal" may be at least any one of a wireless device, a portable device, a vehicle, a mobile body, an XR device, a robot, and an AI to which the present disclosure is applied in FIGS. 1 to 9 described above.
  • the terminal refers to a device to which the present disclosure can be applied and may not be limited to a specific device or device.
  • Entity 2 may be a base station.
  • the base station may be at least one of an eNB, a gNB, and an ng-eNB.
  • the base station may refer to an apparatus for transmitting a downlink signal to the terminal, and may not be limited to a specific type or apparatus. That is, the base station may be implemented in various forms or types, and may not be limited to a specific form.
  • Entity 3 may be a network device or a device performing a network function.
  • the network device may be a core network node (eg, a mobility management entity (MME), an access and mobility management function (AMF), etc.) that manages mobility.
  • the network function may mean a function implemented to perform a network function
  • entity 3 may be a device to which the function is applied. That is, the entity 3 may refer to a function or device that performs a network function, and is not limited to a specific type of device.
  • the control plane may mean a path through which control messages used by a user equipment (UE) and a network to manage a call are transmitted.
  • the user plane may mean a path through which data generated in the application layer, for example, voice data or Internet packet data, is transmitted.
  • the physical layer which is the first layer, may provide an information transfer service to a higher layer by using a physical channel.
  • the physical layer is connected to the upper medium access control layer through a transport channel.
  • data may be moved between the medium access control layer and the physical layer through the transport channel.
  • Data can be moved between the physical layers of the transmitting side and the receiving side through a physical channel.
  • the physical channel uses time and frequency as radio resources.
  • a medium access control (MAC) layer of the second layer provides a service to a radio link control (RLC) layer, which is an upper layer, through a logical channel.
  • the RLC layer of the second layer may support reliable data transmission.
  • the function of the RLC layer may be implemented as a function block inside the MAC.
  • the packet data convergence protocol (PDCP) layer of the second layer may perform a header compression function that reduces unnecessary control information in order to efficiently transmit IP packets such as IPv4 or IPv6 in a narrow-bandwidth air interface.
  • PDCP packet data convergence protocol
  • a radio resource control (RRC) layer located at the bottom of the third layer is defined only in the control plane.
  • the RRC layer may be in charge of controlling logical channels, transport channels, and physical channels in relation to configuration, re-configuration, and release of radio bearers (RBs).
  • RB may mean a service provided by the second layer for data transfer between the terminal and the network.
  • the UE and the RRC layer of the network may exchange RRC messages with each other.
  • a non-access stratum (NAS) layer above the RRC layer may perform functions such as session management and mobility management.
  • One cell constituting the base station may be set to one of various bandwidths to provide downlink or uplink transmission services to multiple terminals. Different cells may be configured to provide different bandwidths.
  • the downlink transmission channel for transmitting data from the network to the terminal includes a broadcast channel (BCH) for transmitting system information, a paging channel (PCH) for transmitting a paging message, and a downlink shared channel (SCH) for transmitting user traffic or control messages.
  • BCH broadcast channel
  • PCH paging channel
  • SCH downlink shared channel
  • RACH random access channel
  • SCH uplink shared channel
  • a logical channel that is located above the transport channel and is mapped to the transport channel includes a broadcast control channel (BCCH), a paging control channel (PCCH), a common control channel (CCCH), a multicast control channel (MCCH), and a multicast (MTCH) channel. traffic channels), etc.
  • BCCH broadcast control channel
  • PCCH paging control channel
  • CCCH common control channel
  • MCCH multicast control channel
  • MTCH multicast
  • the transmission signal may be processed by a signal processing circuit.
  • the signal processing circuit 1200 may include a scrambler 1210 , a modulator 1220 , a layer mapper 1230 , a precoder 1240 , a resource mapper 1250 , and a signal generator 1260 .
  • the operation/function of FIG. 12 may be performed by the processors 202a and 202b and/or the transceivers 206a and 206b of FIG. 2 .
  • blocks 1010 to 1060 may be implemented in the processors 202a and 202b of FIG. 2 .
  • blocks 1210 to 1250 may be implemented in the processors 202a and 202b of FIG. 2
  • block 1260 may be implemented in the transceivers 206a and 206b of FIG. 2 , and the embodiment is not limited thereto.
  • the codeword may be converted into a wireless signal through the signal processing circuit 1200 of FIG. 12 .
  • the codeword is a coded bit sequence of an information block.
  • the information block may include a transport block (eg, a UL-SCH transport block, a DL-SCH transport block).
  • the radio signal may be transmitted through various physical channels (eg, PUSCH, PDSCH) of FIG. 10 .
  • the codeword may be converted into a scrambled bit sequence by the scrambler 1210 .
  • a scramble sequence used for scrambling is generated based on an initialization value, and the initialization value may include ID information of a wireless device, and the like.
  • the scrambled bit sequence may be modulated by a modulator 1220 into a modulation symbol sequence.
  • the modulation method may include pi/2-binary phase shift keying (pi/2-BPSK), m-phase shift keying (m-PSK), m-quadrature amplitude modulation (m-QAM), and the like.
  • the complex modulation symbol sequence may be mapped to one or more transport layers by a layer mapper 1230 .
  • Modulation symbols of each transport layer may be mapped to corresponding antenna port(s) by the precoder 1240 (precoding).
  • the output z of the precoder 1240 may be obtained by multiplying the output y of the layer mapper 1230 by the precoding matrix W of N*M.
  • N is the number of antenna ports
  • M is the number of transport layers.
  • the precoder 1240 may perform precoding after performing transform precoding (eg, discrete fourier transform (DFT) transform) on the complex modulation symbols. Also, the precoder 1240 may perform precoding without performing transform precoding.
  • transform precoding eg, discrete fourier transform (DFT) transform
  • the resource mapper 1250 may map modulation symbols of each antenna port to a time-frequency resource.
  • the time-frequency resource may include a plurality of symbols (eg, a CP-OFDMA symbol, a DFT-s-OFDMA symbol) in the time domain and a plurality of subcarriers in the frequency domain.
  • the signal generator 1260 generates a radio signal from the mapped modulation symbols, and the generated radio signal may be transmitted to another device through each antenna.
  • the signal generator 1260 may include an inverse fast fourier transform (IFFT) module and a cyclic prefix (CP) inserter, a digital-to-analog converter (DAC), a frequency uplink converter, and the like. .
  • IFFT inverse fast fourier transform
  • CP cyclic prefix
  • DAC digital-to-analog converter
  • the signal processing process for the received signal in the wireless device may be configured in reverse of the signal processing process 1210 to 1260 of FIG. 12 .
  • the wireless device eg, 200a or 200b of FIG. 2
  • the received radio signal may be converted into a baseband signal through a signal restorer.
  • the signal restorer may include a frequency downlink converter, an analog-to-digital converter (ADC), a CP remover, and a fast fourier transform (FFT) module.
  • ADC analog-to-digital converter
  • FFT fast fourier transform
  • the baseband signal may be restored to a codeword through a resource de-mapper process, a postcoding process, a demodulation process, and a descrambling process.
  • the codeword may be restored to the original information block through decoding.
  • the signal processing circuit (not shown) for the received signal may include a signal reconstructor, a resource de-mapper, a post coder, a demodulator, a de-scrambler, and a decoder.
  • FIG. 13 is a diagram illustrating a structure of a radio frame applicable to the present disclosure.
  • Uplink and downlink transmission based on the NR system may be based on a frame as shown in FIG. 13 .
  • one radio frame has a length of 10 ms and may be defined as two 5 ms half-frames (HF).
  • One half-frame may be defined as 5 1ms subframes (subframe, SF).
  • One subframe is divided into one or more slots, and the number of slots in a subframe may depend on subcarrier spacing (SCS).
  • SCS subcarrier spacing
  • each slot may include 12 or 14 OFDM(A) symbols according to a cyclic prefix (CP).
  • CP cyclic prefix
  • each slot When a normal CP (normal CP) is used, each slot may include 14 symbols.
  • each slot may include 12 symbols.
  • the symbol may include an OFDM symbol (or a CP-OFDM symbol) and an SC-FDMA symbol (or a DFT-s-OFDM symbol).
  • Table 1 shows the number of symbols per slot, the number of slots per frame, and the number of slots per subframe according to the SCS when the normal CP is used
  • Table 2 shows the number of slots per slot according to the SCS when the extended CSP is used. Indicates the number of symbols, the number of slots per frame, and the number of slots per subframe.
  • N slot symb may indicate the number of symbols in a slot
  • N frame may indicate the number of slots in a frame
  • ⁇ slot may indicate the number of slots in a frame
  • N subframe may indicate the number of slots in a subframe
  • OFDM(A) numerology eg, SCS, CP length, etc.
  • OFDM(A) numerology eg, SCS, CP length, etc.
  • an (absolute time) interval of a time resource eg, SF, slot, or TTI
  • a TU time unit
  • NR may support multiple numerology (or subcarrier spacing (SCS)) to support various 5G services. For example, when SCS is 15kHz, it supports wide area in traditional cellular bands, and when SCS is 30kHz/60kHz, dense-urban, lower latency and a wider carrier bandwidth, and when the SCS is 60 kHz or higher, it can support a bandwidth greater than 24.25 GHz to overcome phase noise.
  • SCS subcarrier spacing
  • the NR frequency band is defined as a frequency range of two types (FR1, FR2).
  • FR1 and FR2 may be configured as shown in the table below.
  • FR2 may mean a millimeter wave (mmW).
  • the above-described pneumonology may be set differently.
  • a terahertz wave (THz) band may be used as a higher frequency band than the above-described FR2.
  • the SCS may be set to be larger than that of the NR system, and the number of slots may be set differently, and it is not limited to the above-described embodiment.
  • the THz band will be described later.
  • FIG. 14 is a diagram illustrating a slot structure applicable to the present disclosure.
  • One slot includes a plurality of symbols in the time domain. For example, in the case of a normal CP, one slot may include 7 symbols, but in the case of an extended CP, one slot may include 6 symbols.
  • a carrier includes a plurality of subcarriers in the frequency domain.
  • a resource block (RB) may be defined as a plurality of (eg, 12) consecutive subcarriers in the frequency domain.
  • a bandwidth part is defined as a plurality of consecutive (P)RBs in the frequency domain, and may correspond to one numerology (eg, SCS, CP length, etc.).
  • a carrier may include a maximum of N (eg, 5) BWPs. Data communication is performed through the activated BWP, and only one BWP may be activated for one terminal. Each element in the resource grid is referred to as a resource element (RE), and one complex symbol may be mapped.
  • N e.g. 5
  • RE resource element
  • 6G (wireless) systems have (i) very high data rates per device, (ii) very large number of connected devices, (iii) global connectivity, (iv) very low latency, (v) battery- It aims to reduce energy consumption of battery-free IoT devices, (vi) ultra-reliable connections, and (vii) connected intelligence with machine learning capabilities.
  • the vision of the 6G system may have four aspects such as “intelligent connectivity”, “deep connectivity”, “holographic connectivity”, and “ubiquitous connectivity”, and the 6G system can satisfy the requirements shown in Table 4 below. That is, Table 4 is a table showing the requirements of the 6G system.
  • the 6G system includes enhanced mobile broadband (eMBB), ultra-reliable low latency communications (URLLC), massive machine type communications (mMTC), AI integrated communication, and tactile Internet (tactile internet), high throughput (high throughput), high network capacity (high network capacity), high energy efficiency (high energy efficiency), low backhaul and access network congestion (low backhaul and access network congestion) and improved data security ( It may have key factors such as enhanced data security.
  • eMBB enhanced mobile broadband
  • URLLC ultra-reliable low latency communications
  • mMTC massive machine type communications
  • AI integrated communication e.g., eMBB
  • tactile Internet e internet
  • high throughput high network capacity
  • high energy efficiency high energy efficiency
  • low backhaul and access network congestion low backhaul and access network congestion
  • improved data security It may have key factors such as enhanced data security.
  • 15 is a diagram illustrating an example of a communication structure that can be provided in a 6G system applicable to the present disclosure.
  • the 6G system is expected to have 50 times higher simultaneous wireless communication connectivity than the 5G wireless communication system.
  • URLLC a key feature of 5G, is expected to become an even more important technology by providing an end-to-end delay of less than 1 ms in 6G communication.
  • the 6G system will have much better volumetric spectral efficiency, unlike the frequently used area spectral efficiency.
  • 6G systems can provide very long battery life and advanced battery technology for energy harvesting, so mobile devices in 6G systems may not need to be charged separately.
  • new network characteristics in 6G may be as follows.
  • 6G is expected to be integrated with satellites to provide a global mobile population.
  • the integration of terrestrial, satellite and public networks into one wireless communication system could be very important for 6G.
  • AI may be applied in each step of a communication procedure (or each procedure of signal processing to be described later).
  • the 6G wireless network will deliver power to charge the batteries of devices such as smartphones and sensors. Therefore, wireless information and energy transfer (WIET) will be integrated.
  • WIET wireless information and energy transfer
  • Small cell networks The idea of small cell networks was introduced to improve the received signal quality as a result of improved throughput, energy efficiency and spectral efficiency in cellular systems. As a result, small cell networks are essential characteristics for communication systems beyond 5G and Beyond 5G (5GB). Accordingly, the 6G communication system also adopts the characteristics of the small cell network.
  • Ultra-dense heterogeneous networks will be another important characteristic of 6G communication system.
  • a multi-tier network composed of heterogeneous networks improves overall QoS and reduces costs.
  • the backhaul connection is characterized as a high-capacity backhaul network to support high-capacity traffic.
  • High-speed fiber optics and free-space optics (FSO) systems may be possible solutions to this problem.
  • High-precision localization (or location-based service) through communication is one of the functions of the 6G wireless communication system. Therefore, the radar system will be integrated with the 6G network.
  • Softening and virtualization are two important features that underlie the design process in 5GB networks to ensure flexibility, reconfigurability and programmability. In addition, billions of devices can be shared in a shared physical infrastructure.
  • AI The most important and new technology to be introduced in 6G systems is AI.
  • AI was not involved in the 4G system.
  • 5G systems will support partial or very limited AI.
  • the 6G system will be AI-enabled for full automation.
  • Advances in machine learning will create more intelligent networks for real-time communication in 6G.
  • Incorporating AI into communications can simplify and enhance real-time data transmission.
  • AI can use numerous analytics to determine how complex target tasks are performed. In other words, AI can increase efficiency and reduce processing delays.
  • AI can also play an important role in M2M, machine-to-human and human-to-machine communication.
  • AI can be a rapid communication in the BCI (brain computer interface).
  • BCI brain computer interface
  • AI-based communication systems can be supported by metamaterials, intelligent structures, intelligent networks, intelligent devices, intelligent cognitive radios, self-sustaining wireless networks, and machine learning.
  • AI-based physical layer transmission means applying a signal processing and communication mechanism based on an AI driver rather than a traditional communication framework in a fundamental signal processing and communication mechanism.
  • a signal processing and communication mechanism based on an AI driver rather than a traditional communication framework in a fundamental signal processing and communication mechanism.
  • deep learning-based channel coding and decoding, deep learning-based signal estimation and detection, deep learning-based multiple input multiple output (MIMO) mechanism It may include AI-based resource scheduling and allocation.
  • Machine learning may be used for channel estimation and channel tracking, and may be used for power allocation, interference cancellation, etc. in a physical layer of a downlink (DL). In addition, machine learning may be used for antenna selection, power control, symbol detection, and the like in a MIMO system.
  • DL downlink
  • machine learning may be used for antenna selection, power control, symbol detection, and the like in a MIMO system.
  • Deep learning-based AI algorithms require large amounts of training data to optimize training parameters.
  • a lot of training data is used offline. This means that static training on training data in a specific channel environment may cause a contradiction between dynamic characteristics and diversity of a wireless channel.
  • signals of the physical layer of wireless communication are complex signals.
  • further research on a neural network for detecting a complex domain signal is needed.
  • Machine learning refers to a set of actions that trains a machine to create a machine that can perform tasks that humans can or cannot do.
  • Machine learning requires data and a learning model.
  • data learning methods can be roughly divided into three types: supervised learning, unsupervised learning, and reinforcement learning.
  • Neural network learning is to minimize errors in output. Neural network learning repeatedly inputs training data into the neural network, calculates the output and target errors of the neural network for the training data, and backpropagates the neural network error from the output layer of the neural network to the input layer in the direction to reduce the error. ) to update the weights of each node in the neural network.
  • Supervised learning uses training data in which the correct answer is labeled in the training data, and in unsupervised learning, the correct answer may not be labeled in the training data. That is, for example, the training data in the case of supervised learning related to data classification may be data in which categories are labeled for each of the training data.
  • the labeled training data is input to the neural network, and an error can be calculated by comparing the output (category) of the neural network with the label of the training data.
  • the calculated error is back propagated in the reverse direction (ie, from the output layer to the input layer) in the neural network, and the connection weight of each node of each layer of the neural network may be updated according to the back propagation.
  • a change amount of the connection weight of each node to be updated may be determined according to a learning rate.
  • the computation of the neural network on the input data and the backpropagation of errors can constitute a learning cycle (epoch).
  • the learning rate may be applied differently depending on the number of repetitions of the learning cycle of the neural network. For example, in the early stages of learning of a neural network, a high learning rate can be used to increase the efficiency by allowing the neural network to quickly obtain a certain level of performance, and in the late learning period, a low learning rate can be used to increase the accuracy.
  • the learning method may vary depending on the characteristics of the data. For example, in a case where the purpose of accurately predicting data transmitted from a transmitter in a communication system is accurately predicted by a receiver, it is preferable to perform learning using supervised learning rather than unsupervised learning or reinforcement learning.
  • the learning model corresponds to the human brain, and the most basic linear model can be considered. ) is called
  • the neural network cord used as a learning method is largely divided into deep neural networks (DNN), convolutional deep neural networks (CNN), and recurrent boltzmann machine (RNN) methods. and such a learning model can be applied.
  • DNN deep neural networks
  • CNN convolutional deep neural networks
  • RNN recurrent boltzmann machine
  • THz Transmissionhertz
  • THz communication may be applied in the 6G system.
  • the data rate may be increased by increasing the bandwidth. This can be accomplished by using sub-THz communication with a wide bandwidth and applying advanced large-scale MIMO technology.
  • a THz wave also known as sub-millimeter radiation, generally represents a frequency band between 0.1 THz and 10 THz with a corresponding wavelength in the range of 0.03 mm-3 mm.
  • the 100GHz-300GHz band range (Sub THz band) is considered a major part of the THz band for cellular communication.
  • Sub-THz band Addition to mmWave band increases 6G cellular communication capacity.
  • 300GHz-3THz is in the far-infrared (IR) frequency band.
  • the 300GHz-3THz band is part of the broadband, but at the edge of the wideband, just behind the RF band. Thus, this 300 GHz-3 THz band exhibits similarities to RF.
  • THz communication The main characteristics of THz communication include (i) widely available bandwidth to support very high data rates, and (ii) high path loss occurring at high frequencies (high directional antennas are indispensable).
  • the narrow beamwidth produced by the highly directional antenna reduces interference.
  • the small wavelength of the THz signal allows a much larger number of antenna elements to be integrated into devices and BSs operating in this band. This allows the use of advanced adaptive nesting techniques that can overcome range limitations.
  • Optical wireless communication (OWC) technology is envisaged for 6G communication in addition to RF-based communication for all possible device-to-access networks. These networks connect to network-to-backhaul/fronthaul network connections.
  • OWC technology has already been used since the 4G communication system, but will be used more widely to meet the needs of the 6G communication system.
  • OWC technologies such as light fidelity, visible light communication, optical camera communication, and free space optical (FSO) communication based on a light band are well known technologies. Communication based on optical radio technology can provide very high data rates, low latency and secure communication.
  • Light detection and ranging (LiDAR) can also be used for ultra-high-resolution 3D mapping in 6G communication based on a wide band.
  • FSO The transmitter and receiver characteristics of an FSO system are similar to those of a fiber optic network.
  • the data transmission of an FSO system is similar to that of a fiber optic system. Therefore, FSO can be a good technology to provide backhaul connectivity in 6G systems along with fiber optic networks. With FSO, very long-distance communication is possible even at distances of 10,000 km or more.
  • FSO supports high-capacity backhaul connections for remote and non-remote areas such as sea, space, underwater, and isolated islands.
  • FSO also supports cellular base station connectivity.
  • MIMO technology improves, so does the spectral efficiency. Therefore, large-scale MIMO technology will be important in 6G systems. Since the MIMO technology uses multiple paths, a multiplexing technique and a beam generation and operation technique suitable for the THz band must also be considered important so that a data signal can be transmitted through one or more paths.
  • Blockchain will become an important technology for managing large amounts of data in future communication systems.
  • Blockchain is a form of distributed ledger technology, and a distributed ledger is a database distributed across numerous nodes or computing devices. Each node replicates and stores an identical copy of the ledger.
  • the blockchain is managed as a peer-to-peer (P2P) network. It can exist without being managed by a centralized authority or server. Data on the blockchain is collected together and organized into blocks. Blocks are linked together and protected using encryption.
  • Blockchain in nature perfectly complements IoT at scale with improved interoperability, security, privacy, reliability and scalability. Therefore, blockchain technology provides several features such as interoperability between devices, traceability of large amounts of data, autonomous interaction of different IoT systems, and large-scale connection stability of 6G communication systems.
  • the 6G system integrates terrestrial and public networks to support vertical expansion of user communications.
  • 3D BS will be provided via low orbit satellites and UAVs. Adding a new dimension in terms of elevation and associated degrees of freedom makes 3D connections significantly different from traditional 2D networks.
  • Unmanned aerial vehicles or drones will become an important element in 6G wireless communications.
  • UAVs Unmanned aerial vehicles
  • a base station entity is installed in the UAV to provide cellular connectivity.
  • UAVs have certain features not found in fixed base station infrastructure, such as easy deployment, strong line-of-sight links, and degrees of freedom with controlled mobility.
  • the deployment of terrestrial communications infrastructure is not economically feasible and sometimes cannot provide service in volatile environments.
  • a UAV can easily handle this situation.
  • UAV will become a new paradigm in the field of wireless communication. This technology facilitates the three basic requirements of wireless networks: eMBB, URLLC and mMTC.
  • UAVs can also support multiple purposes, such as improving network connectivity, fire detection, disaster emergency services, security and surveillance, pollution monitoring, parking monitoring, incident monitoring, and more. Therefore, UAV technology is recognized as one of the most important technologies for 6G communication.
  • Tight integration of multiple frequencies and heterogeneous communication technologies is very important in 6G systems. As a result, users can seamlessly move from one network to another without having to make any manual configuration on the device. The best network is automatically selected from the available communication technologies. This will break the limitations of the cell concept in wireless communication. Currently, user movement from one cell to another causes too many handovers in high-density networks, causing handover failures, handover delays, data loss and ping-pong effects. 6G cell-free communication will overcome all of this and provide better QoS. Cell-free communication will be achieved through multi-connectivity and multi-tier hybrid technologies and different heterogeneous radios of devices.
  • WIET wireless information and energy transfer
  • WIET uses the same fields and waves as wireless communication systems.
  • the sensor and smartphone will be charged using wireless power transfer during communication.
  • WIET is a promising technology for extending the life of battery-charged wireless systems. Therefore, devices without batteries will be supported in 6G communication.
  • An autonomous wireless network is a function that can continuously detect dynamically changing environmental conditions and exchange information between different nodes.
  • sensing will be tightly integrated with communications to support autonomous systems.
  • the density of access networks in 6G will be enormous.
  • Each access network is connected by backhaul connections such as fiber optic and FSO networks.
  • backhaul connections such as fiber optic and FSO networks.
  • Beamforming is a signal processing procedure that adjusts an antenna array to transmit a radio signal in a specific direction.
  • Beamforming technology has several advantages such as high signal-to-noise ratio, interference prevention and rejection, and high network efficiency.
  • Hologram beamforming (HBF) is a new beamforming method that is significantly different from MIMO systems because it uses a software-defined antenna. HBF will be a very effective approach for efficient and flexible transmission and reception of signals in multi-antenna communication devices in 6G.
  • Big data analytics is a complex process for analyzing various large data sets or big data. This process ensures complete data management by finding information such as hidden data, unknown correlations and customer propensity. Big data is collected from a variety of sources such as videos, social networks, images and sensors. This technology is widely used to process massive amounts of data in 6G systems.
  • LIS large intelligent surface
  • the linearity is strong and there may be many shaded areas due to obstructions.
  • the LIS technology that can expand the communication area, strengthen communication stability and provide additional additional services becomes important.
  • the LIS is an artificial surface made of electromagnetic materials, and can change the propagation of incoming and outgoing radio waves.
  • LIS can be seen as an extension of massive MIMO, but has a different array structure and operation mechanism from that of massive MIMO.
  • LIS is low in that it operates as a reconfigurable reflector with passive elements, that is, only passively reflects the signal without using an active RF chain. It has the advantage of having power consumption.
  • each of the passive reflectors of the LIS must independently adjust the phase shift of the incoming signal, it can be advantageous for a wireless communication channel.
  • the reflected signal can be gathered at the target receiver to boost the received signal power.
  • terahertz (THz) wireless communication will be described.
  • 17 is a diagram illustrating a THz communication method applicable to the present disclosure.
  • THz wave is located between the RF (Radio Frequency)/millimeter (mm) and infrared bands, (i) It penetrates non-metal/non-polar materials better than visible light/infrared light, and has a shorter wavelength than RF/millimeter wave, so it has high straightness. Beam focusing may be possible.
  • the frequency band expected to be used for THz wireless communication may be a D-band (110 GHz to 170 GHz) or H-band (220 GHz to 325 GHz) band with low propagation loss due to absorption of molecules in the air.
  • Standardization discussion on THz wireless communication is being discussed around IEEE 802.15 THz working group (WG) in addition to 3GPP, and standard documents issued by TG (task group) (eg, TG3d, TG3e) of IEEE 802.15 are described in this specification. It can be specified or supplemented.
  • THz wireless communication may be applied to wireless recognition, sensing, imaging, wireless communication, THz navigation, and the like.
  • a THz wireless communication scenario may be classified into a macro network, a micro network, and a nanoscale network.
  • THz wireless communication can be applied to a vehicle-to-vehicle (V2V) connection and a backhaul/fronthaul connection.
  • V2V vehicle-to-vehicle
  • THz wireless communication in micro networks is applied to indoor small cells, fixed point-to-point or multi-point connections such as wireless connections in data centers, and near-field communication such as kiosk downloading.
  • Table 5 below is a table showing an example of a technique that can be used in the THz wave.
  • FIG. 18 is a diagram illustrating a THz wireless communication transceiver applicable to the present disclosure.
  • THz wireless communication may be classified based on a method for generating and receiving THz.
  • the THz generation method can be classified into an optical device or an electronic device-based technology.
  • the method of generating THz using an electronic device is a method using a semiconductor device such as a resonant tunneling diode (RTD), a method using a local oscillator and a multiplier, a compound semiconductor HEMT (high electron mobility transistor)-based method
  • a semiconductor device such as a resonant tunneling diode (RTD), a method using a local oscillator and a multiplier, a compound semiconductor HEMT (high electron mobility transistor)-based method
  • MMIC monolithic microwave integrated circuit
  • a doubler, tripler, or multiplier is applied to increase the frequency, and it is radiated by the antenna through the subharmonic mixer. Since the THz band forms a high frequency, a multiplier is essential.
  • the multiplier is a circuit that has an output frequency N times that of the input, matches the desired harmonic frequency, and filters out all other frequencies.
  • an array antenna or the like may be applied to the antenna of FIG. 18 to implement beamforming.
  • IF denotes an intermediate frequency
  • tripler and multipler denote a multiplier
  • PA denotes a power amplifier
  • LNA denotes a low noise amplifier.
  • PLL represents a phase-locked loop.
  • FIG. 19 is a diagram illustrating a THz signal generation method applicable to the present disclosure.
  • FIG. 20 is a diagram illustrating a wireless communication transceiver applicable to the present disclosure.
  • the optical device-based THz wireless communication technology refers to a method of generating and modulating a THz signal using an optical device.
  • the optical element-based THz signal generation technology is a technology that generates a high-speed optical signal using a laser and an optical modulator, and converts it into a THz signal using an ultra-high-speed photodetector. In this technology, it is easier to increase the frequency compared to the technology using only electronic devices, it is possible to generate a high-power signal, and it is possible to obtain a flat response characteristic in a wide frequency band.
  • an optical coupler refers to a semiconductor device that transmits electrical signals using light waves to provide coupling with electrical insulation between circuits or systems
  • UTC-PD uni-travelling carrier photo-
  • the detector is one of the photodetectors, which uses electrons as active carriers and reduces the movement time of electrons by bandgap grading.
  • UTC-PD is capable of photodetection above 150GHz.
  • an erbium-doped fiber amplifier indicates an erbium-doped optical fiber amplifier
  • a photo detector indicates a semiconductor device capable of converting an optical signal into an electrical signal
  • the OSA indicates various optical communication functions (eg, , photoelectric conversion, electro-optical conversion, etc.) represents an optical module that is modularized into one component
  • DSO represents a digital storage oscilloscope.
  • FIG. 21 is a diagram illustrating a structure of a transmitter applicable to the present disclosure.
  • FIG. 22 is a diagram illustrating a modulator structure applicable to the present disclosure.
  • a phase of a signal may be changed by passing an optical source of a laser through an optical wave guide.
  • data is loaded by changing electrical characteristics through microwave contact or the like.
  • an optical modulator output is formed as a modulated waveform.
  • the photoelectric modulator (O/E converter) is an optical rectification operation by a nonlinear crystal (nonlinear crystal), photoelectric conversion (O/E conversion) by a photoconductive antenna (photoconductive antenna), a bunch of electrons in the light beam (bunch of) THz pulses can be generated, such as by emission from relativistic electrons.
  • a terahertz pulse (THz pulse) generated in the above manner may have a length in units of femtoseconds to picoseconds.
  • An O/E converter performs down conversion by using non-linearity of a device.
  • the available bandwidth may be classified based on oxygen attenuation 10 2 dB/km in a spectrum up to 1 THz. Accordingly, a framework in which the available bandwidth is composed of several band chunks may be considered. As an example of the framework, if the length of a terahertz pulse (THz pulse) for one carrier is set to 50 ps, the bandwidth (BW) becomes about 20 GHz.
  • THz pulse terahertz pulse
  • BW bandwidth
  • Effective down conversion from the infrared band to the terahertz band depends on how the nonlinearity of the O/E converter is exploited. That is, in order to down-convert to a desired terahertz band (THz band), the O/E converter having the most ideal non-linearity to be transferred to the terahertz band (THz band) is design is required. If an O/E converter that does not fit the target frequency band is used, there is a high possibility that an error may occur with respect to the amplitude and phase of the corresponding pulse.
  • a terahertz transmission/reception system may be implemented using one photoelectric converter. Although it depends on the channel environment, in a far-carrier system, as many photoelectric converters as the number of carriers may be required. In particular, in the case of a multi-carrier system using several broadbands according to the above-described spectrum usage-related scheme, the phenomenon will become prominent.
  • a frame structure for the multi-carrier system may be considered.
  • the down-frequency-converted signal based on the photoelectric converter may be transmitted in a specific resource region (eg, a specific frame).
  • the frequency domain of the specific resource region may include a plurality of chunks. Each chunk may be composed of at least one component carrier (CC).
  • Federated learning is one of the techniques of distributed machine learning, in which several devices that are the subject of learning share parameters such as weight or gradient of the local model with the server.
  • the server collects the local model parameters of each device and updates the global parameters. In this process, since raw data of each device is not shared, communication overhead in the data transmission process can be reduced and personal information can be protected.
  • FIG. 23 shows an example of an operation process for federated learning based on orthogonal division access.
  • the federated learning based on the existing orthogonal multiple access operates as shown in FIG. 23 .
  • the device transmits local parameters to each allocated resource, and the server performs offline aggregation on the parameters received from the device.
  • the server derives global parameters through averaging of all local parameters, and transmits them back to the device.
  • the time for updating global parameters is delayed as the number of devices participating in learning increases under limited resources.
  • FIG. 24 shows an example of an AirComp-based federated learning operation process.
  • AirComp is a method in which all devices transmit local parameters using the same radio resource as shown in FIG. 24.
  • the signal received to the server naturally obtains the sum of local parameters by the superposition characteristic of analog waveforms.
  • AirComp-based federated learning transmits local parameters through the same resource, latency is not significantly affected by the number of devices participating in learning.
  • 25 is a diagram for explaining differential privacy protection or differential privacy.
  • differential privacy In order to prevent a privacy attack on a data set for machine learning, research is being conducted to apply differential privacy. Differential privacy is simple and well-established mathematically compared to other security algorithms when implemented. In addition, even if the differential privacy algorithm is composed in a complex manner, the privacy level can be easily quantified mathematically, and thus it has recently been in the spotlight.
  • an adversary is trying to perform a privacy attack to find out individual information about a data set for which machine learning is not the purpose through the data set.
  • a randomized mechanism is applied to prevent the attacker from finding out individual information probabilistically.
  • the interface for machine learning is mainly based on queries such as statistical information, mean, median, variance, order statics, synthetic data, and machine learning model (ML model). Consists of.
  • differential privacy One of the randomization mechanisms of differential privacy is ( ⁇ , ⁇ ) differential privacy, which is defined as follows.
  • x is a query for a data set that includes a specific data element that is trying to attack privacy
  • x' is data that does not include the specific data element or has a different value.
  • This is a query for a data set.
  • These two queries are defined as a differential attack.
  • ⁇ is defined as a privacy level, and when ⁇ is large, the privacy level is weakened.
  • M(x) is the result of applying the randomization mechanism to the query on the data set x.
  • E is the range the interface output can have.
  • ⁇ is the probability of violating a given ⁇ privacy level, which can be very small.
  • An attacker can determine the value of a specific data element by comparing the output values based on two queries. Differential privacy can minimize the exposure of privacy-related information to attackers by applying a randomized algorithm to the extent that it does not impair the performance of machine learning.
  • a representative method of the randomized algorithm M(x) that satisfies the above condition is to intentionally include noise in the data.
  • noise may be included in the data within a range in which machine learning learning is not impaired.
  • Both entities seeking to exploit data and attackers attempting to attack privacy can obtain noisy data.
  • statistical learning may be successful, but at the same time, personal information may not be exposed.
  • the part that is sacrificed from the viewpoint of statistical learning by differential privacy is called a utility or accuracy problem.
  • next-generation communication system in addition to video and audio data, a lot of AI-based data such as machine learning and deep learning can be exchanged between devices. Differential privacy can be applied to data to protect the privacy of such data.
  • the present specification considers a communication method that applies differential privacy to data. That is, we intend to expand the problem of showing noise data when the user accesses the database to the problem of applying differential privacy in the communication between the data requesting device and the responding device.
  • 6G is an AI-based communication network such as machine learning and deep learning, so this consideration is even more important.
  • the method proposed in the present specification is a method of supporting a differential privacy mechanism in a communication physical layer rather than an application layer as one of physical layer security technologies.
  • differential privacy data corresponding to ( ⁇ , ⁇ ) specified in differential privacy can be communicated in the physical layer and communication protocol without removing noise for data to which differential privacy is applied.
  • the differential privacy may include not only the first proposed definition but also various later privacy concepts. This is because various privacy concepts or definitions are based on randomized mechanisms such as noise addition and are implemented in the physical layer and communication protocols.
  • Differential privacy accuracy control is a method that controls a randomized mechanism to meet the condition of a lower bound of noise that satisfies differential privacy and an upper bound that does not impair the accuracy of machine learning.
  • it can be defined as applying Gaussian noise to at least x or more data for differential privacy, and constant control so as not to mix noise that is larger than x but too loud for machine learning accuracy.
  • the treat model is a model for an attacker's attack. Since differential privacy applies only a randomized mechanism to the data source, the assumption about the attacker can be simple. However, to extend this to the communication system, the risk model can be considered as follows.
  • 26 shows an example of a threat model for low privacy.
  • 27 shows an example of a threat model for high privacy.
  • the threat model can be divided into a low privacy threat model and a high privacy threat model according to the privacy boundary, which is an area accessible by an attacker.
  • the privacy boundary may mean an area that cannot be invaded by attackers and users other than a specially provided interface.
  • the low privacy threat model is a model in which a privacy boundary includes a physical layer of a transceiver and a wireless channel, and a physical layer of the transceiver cooperates to guarantee differential privacy.
  • privacy in the high privacy threat model, privacy includes a physical layer of a transmitter and a physical layer of a receiver, but does not include a radio channel.
  • an eavesdropper or attacker can work with the receiver to attack private communication data.
  • the threat model for low privacy has a larger privacy boundary than the threat model for high privacy, for example, considering the assumption that eavesdropping is not performed on a wireless channel, the degree of protection for privacy may be relatively low.
  • a threat model may be classified according to a randomization source for differential privacy. Since the randomization source must exist within the privacy boundary, the radio channel cannot be a randomization source for differential privacy in the case of a high-privacy threat model.
  • FIG. 28 shows an example of the structure of a transceiver for a communication system based on differential privacy.
  • the transmitter may include a data formatting block for formatting user data into differential privacy communication data.
  • the transmitter and receiver may include a differential privacy randomizer block.
  • the block is one of noise sources for differential privacy randomization, and may be omitted when a radio channel is used as a noise source. Alternatively, it can be used as a noise source in combination with a radio channel.
  • the transmitter or the receiver may apply the Gaussian noise. It is also possible to construct another AWGN equivalent model with radio channel noise, which is another differential privacy noise.
  • AWGN additive white Gaussian noise
  • the AGWN equivalence model is not applied and any type of differential privacy noise may be applied.
  • the transmitter may transmit by applying Laplacian noise, and the receiver or wireless channel may not be used as a differential privacy noise source.
  • the Laplace noise may be the only differential privacy noise in the differential privacy communication.
  • a noise generator may be responsible for generating differential privacy noise.
  • Software-generated pseudo-random noise may be used, or hardware-generated noise may be used.
  • pseudo-random noise is used at the transmitting end, if the receiving end generates a sequence for this noise and removes it, it can be a means to improve reception accuracy or control differential privacy.
  • the transmitter may include a differential privacy channel encoder block.
  • the receiver may include a differential privacy channel decoder block.
  • Differential privacy channel encoders and decoders are not channel decoders aiming for extremely low bit error rate (BER) for conventional noise-free communication, but rather the noise required for differential privacy ( ⁇ , ⁇ ). Aims for blendable BER.
  • BER bit error rate
  • a BER designated by differential privacy may be used instead of a high reliable BER. Therefore, it is possible to reduce the complexity by using less transmission/reception power than conventional communication or by reducing the number of iterations during decoding.
  • channel codes may also be candidates.
  • a channel code that is not close to the channel capacity is used, a data frame size can be reduced or decoding complexity can be reduced.
  • the transmitter may include a rate matching block.
  • the receiver may include a de-rate matching block.
  • the rate matching block may match the size of time and frequency resources that are physical channel resources and data of channel coding.
  • differential privacy can be controlled by adjusting a signal to noise ratio (SNR) required for differential privacy data according to a rate.
  • SNR signal to noise ratio
  • the transmitter may include a differential privacy coding block.
  • the receiver may include a differential privacy decoding block.
  • the differential privacy coding block may encode the differential privacy data into a code word using bandwidth redundancy.
  • a differential privacy data vector in which one scalar value is an n-bit representation, is multiplied by an encoding matrix, is linearly transformed, and then applied to a modulation plane.
  • the differential privacy data vector may correspond to the modulation plane through a nonlinear transformation such as a neural network.
  • the linear transformation in a situation where transmit power is limited, the differential privacy value is extended to n symbols through repetition coding, iteratively coded, transmitted, and then combined at the receiving end.
  • the transmitter may include a modulation/precoding block.
  • the receiver may include a demodulation block.
  • Differential privacy modulation may correspond integer data to a complex value of a modulation plane.
  • the modulation plane may be quantized to correspond to a finite bit representation. For example, each n-bit integer is mapped in the I-Q plane, and differential privacy may be applied at the receiving end by the AGWN equivalence model. Noise may be applied to an adjacent integer through a Gaussian mechanism and sampled at the receiving end. It is schematically shown in FIG. 29 . 29 illustrates an example to which differential privacy modulation is applied.
  • differential privacy precoding can be used to reduce transmission/reception power by using optimal precoding.
  • RF imperfections such as phase noise of a clock may be used as a differential privacy randomization source. In this case, the complexity can be reduced by relaxing the requirements for RF.
  • a differential privacy reference signal may be used for modulation and/or precoding.
  • the differential privacy reference signal may be arranged according to ( ⁇ , ⁇ ), and may be arranged coarser than the reference signal of the existing communication. Accordingly, although the accuracy of channel estimation may be relatively reduced, the physical layer resource may be further allocated to user data by using it as a differential privacy noise source.
  • the transmitter may include a differential privacy resource mapping block.
  • the receiver may include a differential privacy resource demapping (resource demapping) block.
  • Differential privacy resource mapping may be utilized as differential privacy boosting. Random allocation of differential privacy data elements can be interpreted as a random permutation. When random permutation is performed in the differential privacy mechanism, privacy amplification may occur.
  • the transmitter and the receiver may perform a differential privacy synchronization operation. Specifically, when a frequency offset and a time offset of a signal exist in communication between two devices, it may be equivalently interpreted as noise when a signal is received.
  • the offset may be utilized as a differential privacy noise source, and a low-cost device that allows an offset of a certain range for differential privacy may be considered.
  • the transmitter and the receiver may perform a differential privacy beamforming operation.
  • it can be used as a differential privacy noise source through beamforming control.
  • the SNR may be controlled in a specific range using transmit/receive beamforming.
  • the complexity of beam control may be reduced by performing coarse beamforming instead of performing beamforming considering the maximum value of SNR.
  • the phase noise of RF of the existing communication device has to be overcome, whereas in differential privacy-based communication, a linear transform or a non-linear transform of the noise is required. It can be a differential privacy randomization source. This may be another factor in relaxing RF performance requirements.
  • the above-described blocks do not necessarily exist, and some may be omitted.
  • the transmitter and/or receiver may control some or all of the blocks so that a differential privacy randomization algorithm can be applied.
  • a Gaussian mechanism may be used as a randomized algorithm.
  • an AWGN equivalent model using the structure of the transceiver of FIG. 28 ( ⁇ , ⁇ ), it is possible to support differential privacy.
  • Gaussian noise ⁇ n 2 of the equivalent model may be controlled in a tradeoff ⁇ range between differential privacy and accuracy.
  • the minimum noise power due to Gaussian noise can be expressed as f( ⁇ , ⁇ ). 30 schematically shows the Gaussian mechanism proposed in the present specification.
  • a randomized response may be used. Specifically, in the case of categorical user data represented by 0 and 1, a ratio of categories of each data may be calculated based on the number of 0s and 1s. In this case, differential privacy can be implemented through a randomized response having a transition probability as shown in Equation 3 below.
  • the transition probability may be expressed as a transition matrix according to user data. As an example, if expressed as a matrix for two categories as follows, Equation 4 may be obtained.
  • ( ⁇ , ⁇ ) differential privacy can be derived if the condition of Equation 5 is satisfied.
  • each BER may constitute p jk as in Equation 4 above.
  • 31 schematically illustrates an example in which user data is converted into ( ⁇ , ⁇ ) differential privacy data.
  • a specific system for supporting differential privacy communication may be the same as that of FIG. 28 described above.
  • differential privacy physical channel a physical channel for supporting a communication system based on differential privacy. This may be referred to as a differential privacy physical channel.
  • the physical channel may be divided into a physical differential privacy control channel and a physical differential privacy data channel.
  • a source device requesting data requests differential privacy data from a target device, and the target device transmits the requested differential privacy data while providing information necessary for receiving the data. It may be an informing channel.
  • the physical differential privacy control channel may be characterized by error-free communication of control information.
  • request information and response information may be transmitted/received through a physical differential privacy control channel.
  • the requested information includes the differential privacy ( ⁇ , ⁇ ) value that is the target privacy, the tradeoff value between differential privacy and accuracy that determines the upper limit of the noise power corresponding to privacy, information on the differential privacy noise source used in the physical layer, etc.
  • the response information includes physical resource information that informs the device of allocated resources, power, modulation and coding schemes, side information that is additional information that can increase the accuracy of differential privacy, and privacy according to the number of transmissions. It may include a privacy budget indicating the degree of weakening, and the like.
  • the physical differential privacy data channel is a physical channel for transmitting the differential privacy data requested by the target device, and may be a channel through which user information is communicated by the aforementioned differential privacy communication method.
  • the randomization source of the threat model for high privacy is located only in the target device. That is, since an eavesdropper can eavesdrop on a radio channel, the radio channel cannot be a randomization source.
  • a randomization source is applied at the transmitting end and noise is added, it is possible to guarantee minimum differential privacy between the eavesdropper and the receiving end.
  • the reception noise and the differential privacy noise of the transmitting end are combined, so that an accuracy problem may occur.
  • the receiving end can control the accuracy by receiving the minimum auxiliary information from the transmitting end through the encrypted path.
  • the source device and the target device exchange differential privacy-related setting information ( S3210 ).
  • the differential privacy-related configuration information may be transmitted/received through the aforementioned physical differential privacy control channel.
  • the differential privacy-related setting information may include capabilities, privacy models, auxiliary information, and the like for each device.
  • the source device transmits differential privacy data request information to the target device (S3220).
  • the differential privacy data request information includes a differential privacy ( ⁇ , ⁇ ) value that is a target privacy, a tradeoff value between differential privacy and accuracy that determines an upper limit value of noise power corresponding to privacy, and a differential privacy noise source used in the physical layer. may include information about
  • the target device transmits the differential privacy control information to the source device (S3230).
  • the differential privacy control information may be transmitted/received through a physical differential privacy control channel.
  • the differential privacy control information may include resource information on the differential privacy data transmitted by the target device and auxiliary information on noise.
  • the target device randomizes the data (S3240).
  • the randomization may be performed based on the aforementioned randomization mechanism.
  • the target device transmits the differential privacy data to the source device (S3250).
  • the differential privacy data may be the sum of the user data of the target device and the minimum noise satisfying ( ⁇ , ⁇ ) differential privacy.
  • the source device may receive the differential privacy data using the auxiliary information transmitted by the target device ( S3260 ).
  • the reception noise of the wireless channel can be overcome by the technology of the receiver or the control of differential privacy is achieved through noise reduction based on auxiliary information transmitted by the physical layer of the certified reception device. can be done
  • FIG 33 illustrates a communication procedure of a threat model for low privacy.
  • a randomization algorithm can be applied in the radio channel and the receiving end.
  • the source device and the target device exchange differential privacy-related setting information ( S3310 ).
  • the differential privacy-related configuration information may be transmitted/received through the aforementioned physical differential privacy control channel.
  • the differential privacy-related setting information may include capabilities, privacy models, auxiliary information, and the like for each device.
  • the source device transmits differential privacy data request information to the target device (S3320).
  • the differential privacy data request information includes a differential privacy ( ⁇ , ⁇ ) value that is a target privacy, a tradeoff value between differential privacy and accuracy that determines an upper limit value of noise power corresponding to privacy, and a differential privacy noise source used in the physical layer. may include information about
  • the target device transmits the differential privacy control information to the source device (S3330).
  • the differential privacy control information may be transmitted/received through a physical differential privacy control channel.
  • the differential privacy control information may include resource information on the differential privacy data transmitted by the target device and auxiliary information on noise.
  • the target device randomizes the data ( S3340 ).
  • the randomization may be performed based on the aforementioned randomization mechanism.
  • the target device transmits the differential privacy data to the source device (S3350).
  • the target device may transmit the data using the negotiated randomization method.
  • the source device receives the differential privacy data based on the randomized algorithm (S3360).
  • the source device receives ( ⁇ , ⁇ ) to satisfy differential privacy.
  • each device may measure channel state information and exchange the measured information.
  • information measured by measuring a level for a combination satisfying ( ⁇ , ⁇ ) differential privacy of a wireless channel may be exchanged.
  • the first communication device may be an edge device or a terminal
  • the second communication device may be an edge server or a base station.
  • the first communication device generates a signal that satisfies the epsilon-delta differential privacy allocated for the first communication device ( S3410 ).
  • the first communication device transmits the signal to the second communication device (S3420).
  • the signal may be generated based on at least one of addition of noise corresponding to the epsilon-delta differential privacy and modulation corresponding to the epsilon-delta differential privacy.
  • the noise may be one of pseudo-random noise or noise on hardware of the first communication device.
  • the modulation may be performed by performing perturbation on a complex-valued symbol corresponding to the signal and mapping to an adjacent integer.
  • 35 is for explaining a random access procedure.
  • the UE may transmit a physical random access channel (PRACH) preamble in uplink as message (Msg) 1 of the random access procedure.
  • PRACH physical random access channel
  • Random access preamble sequences having two different lengths are supported.
  • Long sequences of length 839 apply to subcarrier spacings of 1.25 kHz and 5 kHz
  • short sequences of length 139 apply to subcarrier spacings of 15, 30, 60, and 120 kHz.
  • a long sequence supports an unrestricted set and a restricted set of types A and B, whereas a short sequence supports only an unrestricted set.
  • a plurality of RACH preamble formats are defined with one or more RACH OFDM symbols, a different cyclic prefix (CP), and a guard time.
  • the PRACH preamble configuration to be used is provided to the UE as system information.
  • the UE may retransmit the power-rammed PRACH preamble within a prescribed number of times.
  • the UE calculates the PRACH transmission power for retransmission of the preamble based on the most recent estimated path loss and power ramping counter. If the UE performs beam switching, the power ramping counter does not change.
  • the methods proposed in the present specification include at least one computer-readable recording medium including an instruction based on being executed by at least one processor (computer readable medium) and A terminal comprising one or more processors and one or more processors operably coupled by the one or more processors, and one or more memories for storing instructions, wherein the one or more processors execute the instructions to perform the methods proposed herein. It can also be performed by an apparatus set to control. Also, it is obvious that, according to the methods proposed in this specification, an operation by the base station/edge server corresponding to the operation performed by the terminal/edge device may be considered.

Landscapes

  • Engineering & Computer Science (AREA)
  • Theoretical Computer Science (AREA)
  • Software Systems (AREA)
  • Physics & Mathematics (AREA)
  • Artificial Intelligence (AREA)
  • Computer Security & Cryptography (AREA)
  • General Physics & Mathematics (AREA)
  • Computer Networks & Wireless Communication (AREA)
  • Data Mining & Analysis (AREA)
  • Evolutionary Computation (AREA)
  • Signal Processing (AREA)
  • Mathematical Physics (AREA)
  • Computing Systems (AREA)
  • General Engineering & Computer Science (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Medical Informatics (AREA)
  • Molecular Biology (AREA)
  • General Health & Medical Sciences (AREA)
  • Computational Linguistics (AREA)
  • Biophysics (AREA)
  • Biomedical Technology (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Health & Medical Sciences (AREA)
  • Mobile Radio Communication Systems (AREA)

Abstract

본 명세서는 통신 장치에 대해 할당된 입실론-델타 차등 프라이버시를 만족하는 신호를 생성하여 생성된 신호를 다른통 신 장치에 전송하되，상기 신호는 입실론-델타 차등 프라이버시에 대응되는 잡음의 추가 혹은 변조 중 적어도 하나에 기반 하여 생성되는 방법 및 장치를 제안한다.

Description

차등 프라이버시를 고려한 신호 송수신 방법 및 상기 방법을 이용하는 장치
본 명세서는 무선 통신 및 AI에 관한 것이다.
무선 통신 시스템은 음성이나 데이터 등과 같은 다양한 종류의 통신 서비스를 제공하기 위해 광범위하게 전개될 뿐 아니라, AI를 통신 시스템에 접목하고자 하는 시도가 급증하고 있다. 시도되고 있는 AI 접목 방식들을 크게 AI 지원을 위해 통신 기술을 발전시키는 AI를 위한 통신(communications for AI: C4AI)과 통신 성능의 향상을 위한 AI를 활용하는 통신을 위한 AI(AI for communications: AI4C)로 구분할 수 있다. AI4C 영역에서는 채널 인코더/디코더를 단 대 단(end-to-end)의 오토인코더(autoencoder)로 대체하여 설계 효율을 올리고자 하는 시도가 있다. C4AI 영역에서는 분산 학습(Distributed learning)의 한 기법인 연합 학습(Federated learning)으로 장치의 원 자료(raw data)의 공유 없이 모델의 가중치(weight)나 기울기(gradient)만을 서버와 공유함으로써 개인정보는 보호하면서 공통 예측 모델을 업데이트하는 방법이 있다. 그리고, 분산 추론(split inference)으로 장치, 네트워크 엣지(Network Edge) 및 클라우드 서버(Cloud Server)의 부하(load)를 분산시키는 방법 등이 있다.
본 명세서는 차등 프라이버시를 고려한 신호 송수신 방법 및 상기 방법을 이용하는 장치를 제안한다.
본 명세서에 따르면, 차등 프라이버시를 적용한 데이터에 대한 통신 방법을 제안함으로써 대역폭 및 전력 효율적인 통신이 가능하고, 통신 장치의 복잡도를 낮출 수 있다. 즉, 잡음이 포함된 데이터를 송수신하므로 기존 통신 방법에 비해 낮은 전력, 적은 대역폭을 사용하는 점에서 장치의 RF 성능 조건이 완화될 수 있다.
본 명세서의 구체적인 일례를 통해 얻을 수 있는 효과는 이상에서 나열된 효과로 제한되지 않는다. 예를 들어, 관련된 기술분야의 통상의 지식을 자긴 자(a person having ordinary skill in the related art)가 본 명세서로부터 이해하거나 유도할 수 있는 다양한 기술적 효과가 존재할 수 있다. 이에 따라 본 명세서의 구체적인 효과는 본 명세서에 명시적으로 기재된 것에 제한되지 않고, 본 명세서의 기술적 특징으로부터 이해되거나 유도될 수 있는 다양한 효과를 포함할 수 있다.
이하에 첨부되는 도면들은 본 개시에 관한 이해를 돕기 위한 것으로, 상세한 설명과 함께 본 개시에 대한 실시 예들을 제공할 수 있다. 다만, 본 개시의 기술적 특징이 특정 도면에 한정되는 것은 아니며, 각 도면에서 개시하는 특징들은 서로 조합되어 새로운 실시 예로 구성될 수 있다. 각 도면에서의 참조 번호(reference numerals)들은 구조적 구성요소(structural elements)를 의미할 수 있다.
도 1은 본 개시에 적용 가능한 통신 시스템 예시를 나타낸 도면이다.
도 2는 본 개시에 적용 가능한 무선 기기의 예시를 나타낸 도면이다.
도 3은 본 개시에 적용 가능한 무선 기기의 다른 예시를 나타낸 도면이다.
도 4는 본 개시에 적용 가능한 휴대 기기의 예시를 나타낸 도면이다.
도 5는 본 개시에 적용 가능한 차량 또는 자율 주행 차량의 예시를 나타낸 도면이다.
도 6은 본 개시에 적용 가능한 이동체의 예시를 나타낸 도면이다.
도 7은 본 개시에 적용 가능한 XR 기기의 예시를 나타낸 도면이다.
도 8은 본 개시에 적용 가능한 로봇의 예시를 나타낸 도면이다.
도 9는 본 개시에 적용 가능한 AI(Artificial Intelligence)의 예시를 나타낸 도면이다.
도 10은 본 개시에 적용 가능한 물리 채널들 및 이들을 이용한 신호 전송 방법을 나타낸 도면이다.
도 11은 본 개시에 적용 가능한 무선 인터페이스 프로토콜(Radio Interface Protocol)의 제어평면(Control Plane) 및 사용자 평면(User Plane) 구조를 나타낸 도면이다.
도 12는 본 개시에 적용 가능한 전송 신호를 처리하는 방법을 나타낸 도면이다.
도 13은 본 개시에 적용 가능한 무선 프레임의 구조를 나타낸 도면이다.
도 14는 본 개시에 적용 가능한 슬롯 구조를 나타낸 도면이다.
도 15는 본 개시에 적용 가능한 6G 시스템에서 제공 가능한 통신 구조의 일례를 나타낸 도면이다.
도 16은 본 개시에 적용 가능한 전자기 스펙트럼을 나타낸 도면이다.
도 17은 본 개시에 적용 가능한 THz 통신 방법을 나타낸 도면이다.
도 18은 본 개시에 적용 가능한 THz 무선 통신 송수신기를 나타낸 도면이다.
도 19는 본 개시에 적용 가능한 THz 신호 생성 방법을 나타낸 도면이다.
도 20은 본 개시에 적용 가능한 무선 통신 송수신기를 나타낸 도면이다.
도 21은 본 개시에 적용 가능한 송신기 구조를 나타낸 도면이다.
도 22는 본 개시에 적용 가능한 변조기 구조를 나타낸 도면이다.
도 23은 직교 분할 접속 기반의 연합학습 동작 과정의 일례를 도시한 것이다.
도 24는 AirComp 기반의 연합학습 동작 과정의 일례를 도시한 것이다.
도 25는 차등 개인정보보호 또는 차등 프라이버시(differential privacy)를 설명하기 위한 도면이다.
도 26은 낮은 프라이버시에 대한 위협 모델의 일례를 도시한 것이다.
도 27은 높은 프라이버시에 대한 위협 모델의 일례를 도시한 것이다.
도 28은 차등 프라이버시에 기반한 통신 시스템을 위한 송수신기의 구조의 일례를 도시한 것이다.
도 29는 차등 프라이버시 변조가 적용되는 일례를 도시한 것이다.
도 30은 본 명세서에서 제안하는 가우시안 메커니즘을 개략적으로 도시한 것이다.
도 31은 사용자 데이터가 (ε, δ) 차등 프라이버시 데이터로 변환되는 일례를 개략적으로 도시한 것이다.
도 32는 높은 프라이버시(high privacy)에 대한 위협 모델의 통신 절차를 도시한 것이다.
도 33은 낮은 프라이버시(low privacy)에 대한 위협 모델의 통신 절차를 도시한 것이다.
도 34는 본 명세서의 일부 구현에 따른 제1 통신 장치의 신호 전송 방법의 일례에 대한 순서도이다.
도 35는 랜덤 접속 절차를 설명하기 위한 것이다.
이하의 실시 예들은 본 개시의 구성요소들과 특징들을 소정 형태로 결합한 것들이다. 각 구성요소 또는 특징은 별도의 명시적 언급이 없는 한 선택적인 것으로 고려될 수 있다. 각 구성요소 또는 특징은 다른 구성요소나 특징과 결합되지 않은 형태로 실시될 수 있다. 또한, 일부 구성요소들 및/또는 특징들을 결합하여 본 개시의 실시 예를 구성할 수도 있다. 본 개시의 실시 예들에서 설명되는 동작들의 순서는 변경될 수 있다. 어느 실시 예의 일부 구성이나 특징은 다른 실시 예에 포함될 수 있고, 또는 다른 실시 예의 대응하는 구성 또는 특징과 교체될 수 있다.
도면에 대한 설명에서, 본 개시의 요지를 흐릴 수 있는 절차 또는 단계 등은 기술하지 않았으며, 당업자의 수준에서 이해할 수 있을 정도의 절차 또는 단계는 또한 기술하지 아니하였다.
명세서 전체에서, 어떤 부분이 어떤 구성요소를 "포함(comprising 또는 including)"한다고 할 때, 이는 특별히 반대되는 기재가 없는 한 다른 구성요소를 제외하는 것이 아니라 다른 구성요소를 더 포함할 수 있는 것을 의미한다. 또한, 명세서에 기재된 "...부", "...기", "모듈" 등의 용어는 적어도 하나의 기능이나 동작을 처리하는 단위를 의미하며, 이는 하드웨어나 소프트웨어 또는 하드웨어 및 소프트웨어의 결합으로 구현될 수 있다. 또한, "일(a 또는 an)", "하나(one)", "그(the)" 및 유사 관련어는 본 개시를 기술하는 문맥에 있어서(특히, 이하의 청구항의 문맥에서) 본 명세서에 달리 지시되거나 문맥에 의해 분명하게 반박되지 않는 한, 단수 및 복수 모두를 포함하는 의미로 사용될 수 있다.
본 명세서에서 본 개시의 실시예들은 기지국과 이동국 간의 데이터 송수신 관계를 중심으로 설명되었다. 여기서, 기지국은 이동국과 직접적으로 통신을 수행하는 네트워크의 종단 노드(terminal node)로서의 의미가 있다. 본 문서에서 기지국에 의해 수행되는 것으로 설명된 특정 동작은 경우에 따라서는 기지국의 상위 노드(upper node)에 의해 수행될 수도 있다.
즉, 기지국을 포함하는 다수의 네트워크 노드들(network nodes)로 이루어지는 네트워크에서 이동국과의 통신을 위해 수행되는 다양한 동작들은 기지국 또는 기지국 이외의 다른 네트워크 노드들에 의해 수행될 수 있다. 이때, '기지국'은 고정국(fixed station), Node B, eNB(eNode B), gNB(gNode B), ng-eNB, 발전된 기지국(advanced base station, ABS) 또는 억세스 포인트(access point) 등의 용어에 의해 대체될 수 있다.
또한, 본 개시의 실시 예들에서 단말(terminal)은 사용자 기기(user equipment, UE), 이동국(mobile station, MS), 가입자국(subscriber station, SS), 이동 가입자 단말(mobile subscriber station, MSS), 이동 단말(mobile terminal) 또는 발전된 이동 단말(advanced mobile station, AMS) 등의 용어로 대체될 수 있다.
또한, 송신단은 데이터 서비스 또는 음성 서비스를 제공하는 고정 및/또는 이동 노드를 말하고, 수신단은 데이터 서비스 또는 음성 서비스를 수신하는 고정 및/또는 이동 노드를 의미한다. 따라서, 상향링크의 경우, 이동국이 송신단이 되고, 기지국이 수신단이 될 수 있다. 마찬가지로, 하향링크의 경우, 이동국이 수신단이 되고, 기지국이 송신단이 될 수 있다.
본 개시의 실시 예들은 무선 접속 시스템들인 IEEE 802.xx 시스템, 3GPP(3rd Generation Partnership Project) 시스템, 3GPP LTE(Long Term Evolution) 시스템, 3GPP 5G(5th generation) NR(New Radio) 시스템 및 3GPP2 시스템 중 적어도 하나에 개시된 표준 문서들에 의해 뒷받침될 수 있으며, 특히, 본 개시의 실시 예들은 3GPP TS(technical specification) 38.211, 3GPP TS 38.212, 3GPP TS 38.213, 3GPP TS 38.321 및 3GPP TS 38.331 문서들에 의해 뒷받침 될 수 있다.
또한, 본 개시의 실시 예들은 다른 무선 접속 시스템에도 적용될 수 있으며, 상술한 시스템으로 한정되는 것은 아니다. 일 예로, 3GPP 5G NR 시스템 이후에 적용되는 시스템에 대해서도 적용 가능할 수 있으며, 특정 시스템에 한정되지 않는다.
즉, 본 개시의 실시 예들 중 설명하지 않은 자명한 단계들 또는 부분들은 상기 문서들을 참조하여 설명될 수 있다. 또한, 본 문서에서 개시하고 있는 모든 용어들은 상기 표준 문서에 의해 설명될 수 있다.
이하, 본 개시에 따른 바람직한 실시 형태를 첨부된 도면을 참조하여 상세하게 설명한다. 첨부된 도면과 함께 이하에 개시될 상세한 설명은 본 개시의 예시적인 실시 형태를 설명하고자 하는 것이며, 본 개시의 기술 구성이 실시될 수 있는 유일한 실시형태를 나타내고자 하는 것이 아니다.
또한, 본 개시의 실시 예들에서 사용되는 특정 용어들은 본 개시의 이해를 돕기 위해서 제공된 것이며, 이러한 특정 용어의 사용은 본 개시의 기술적 사상을 벗어나지 않는 범위에서 다른 형태로 변경될 수 있다.
이하의 기술은 CDMA(code division multiple access), FDMA(frequency division multiple access), TDMA(time division multiple access), OFDMA(orthogonal frequency division multiple access), SC-FDMA(single carrier frequency division multiple access) 등과 같은 다양한 무선 접속 시스템에 적용될 수 있다.
하기에서는 이하 설명을 명확하게 하기 위해, 3GPP 통신 시스템(e.g.(예, LTE, NR 등)을 기반으로 설명하지만 본 발명의 기술적 사상이 이에 제한되는 것은 아니다. LTE는 3GPP TS 36.xxx Release 8 이후의 기술을 의미할 수 있다. 세부적으로, 3GPP TS 36.xxx Release 10 이후의 LTE 기술은 LTE-A로 지칭되고, 3GPP TS 36.xxx Release 13 이후의 LTE 기술은 LTE-A pro로 지칭될 수 있다. 3GPP NR은 TS 38.xxx Release 15 이후의 기술을 의미할 수 있다. 3GPP 6G는 TS Release 17 및/또는 Release 18 이후의 기술을 의미할 수 있다. "xxx"는 표준 문서 세부 번호를 의미한다. LTE/NR/6G는 3GPP 시스템으로 통칭될 수 있다.
본 개시에 사용된 배경기술, 용어, 약어 등에 관해서는 본 발명 이전에 공개된 표준 문서에 기재된 사항을 참조할 수 있다. 일 예로, 36.xxx 및 38.xxx 표준 문서를 참조할 수 있다.
이하에서는 본 개시에 적용 가능한 통신 시스템에 대해 설명한다.
이로 제한되는 것은 아니지만, 본 문서에 개시된 본 개시의 다양한 설명, 기능, 절차, 제안, 방법 및/또는 동작 순서도들은 기기들 간에 무선 통신/연결(예, 5G)을 필요로 하는 다양한 분야에 적용될 수 있다.
이하, 도면을 참조하여 보다 구체적으로 예시한다. 이하의 도면/설명에서 동일한 도면 부호는 다르게 기술하지 않는 한, 동일하거나 대응되는 하드웨어 블록, 소프트웨어 블록 또는 기능 블록을 예시할 수 있다.
도 1은 본 개시에 적용되는 통신 시스템 예시를 도시한 도면이다. 도 1을 참조하면, 본 개시에 적용되는 통신 시스템(100)은 무선 기기, 기지국 및 네트워크를 포함한다. 여기서, 무선 기기는 무선 접속 기술(예, 5G NR, LTE)을 이용하여 통신을 수행하는 기기를 의미하며, 통신/무선/5G 기기로 지칭될 수 있다. 이로 제한되는 것은 아니지만, 무선 기기는 로봇(100a), 차량(100b-1, 100b-2), XR(extended reality) 기기(100c), 휴대 기기(hand-held device)(100d), 가전(home appliance)(100e), IoT(Internet of Thing) 기기(100f), AI(artificial intelligence) 기기/서버(100g)를 포함할 수 있다. 예를 들어, 차량은 무선 통신 기능이 구비된 차량, 자율 주행 차량, 차량간 통신을 수행할 수 있는 차량 등을 포함할 수 있다. 여기서, 차량(100b-1, 100b-2)은 UAV(unmanned aerial vehicle)(예, 드론)를 포함할 수 있다. XR 기기(100c)는 AR(augmented reality)/VR(virtual reality)/MR(mixed reality) 기기를 포함하며, HMD(head-mounted device), 차량에 구비된 HUD(head-up display), 텔레비전, 스마트폰, 컴퓨터, 웨어러블 디바이스, 가전 기기, 디지털 사이니지(signage), 차량, 로봇 등의 형태로 구현될 수 있다. 휴대 기기(100d)는 스마트폰, 스마트패드, 웨어러블 기기(예, 스마트워치, 스마트글래스), 컴퓨터(예, 노트북 등) 등을 포함할 수 있다. 가전(100e)은 TV, 냉장고, 세탁기 등을 포함할 수 있다. IoT 기기(100f)는 센서, 스마트 미터 등을 포함할 수 있다. 예를 들어, 기지국(120), 네트워크(130)는 무선 기기로도 구현될 수 있으며, 특정 무선 기기(120a)는 다른 무선 기기에게 기지국/네트워크 노드로 동작할 수도 있다.
무선 기기(100a~100f)는 기지국(120)을 통해 네트워크(130)와 연결될 수 있다. 무선 기기(100a~100f)에는 AI 기술이 적용될 수 있으며, 무선 기기(100a~100f)는 네트워크(130)를 통해 AI 서버(100g)와 연결될 수 있다. 네트워크(130)는 3G 네트워크, 4G(예, LTE) 네트워크 또는 5G(예, NR) 네트워크 등을 이용하여 구성될 수 있다. 무선 기기(100a~100f)는 기지국(120)/네트워크(130)를 통해 서로 통신할 수도 있지만, 기지국(120)/네트워크(130)를 통하지 않고 직접 통신(예, 사이드링크 통신(sidelink communication))할 수도 있다. 예를 들어, 차량들(100b-1, 100b-2)은 직접 통신(예, V2V(vehicle to vehicle)/V2X(vehicle to everything) communication)을 할 수 있다. 또한, IoT 기기(100f)(예, 센서)는 다른 IoT 기기(예, 센서) 또는 다른 무선 기기(100a~100f)와 직접 통신을 할 수 있다.
무선 기기(100a~100f)/기지국(120), 기지국(120)/기지국(120) 간에는 무선 통신/연결(150a, 150b, 150c)이 이뤄질 수 있다. 여기서, 무선 통신/연결은 상향/하향링크 통신(150a)과 사이드링크 통신(150b)(또는, D2D 통신), 기지국간 통신(150c)(예, relay, IAB(integrated access backhaul))과 같은 다양한 무선 접속 기술(예, 5G NR)을 통해 이뤄질 수 있다. 무선 통신/연결(150a, 150b, 150c)을 통해 무선 기기와 기지국/무선 기기, 기지국과 기지국은 서로 무선 신호를 송신/수신할 수 있다. 예를 들어, 무선 통신/연결(150a, 150b, 150c)은 다양한 물리 채널을 통해 신호를 송신/수신할 수 있다. 이를 위해, 본 개시의 다양한 제안들에 기반하여, 무선 신호의 송신/수신을 위한 다양한 구성정보 설정 과정, 다양한 신호 처리 과정(예, 채널 인코딩/디코딩, 변조/복조, 자원 매핑/디매핑 등), 자원 할당 과정 등 중 적어도 일부가 수행될 수 있다.
도 2는 본 개시에 적용될 수 있는 무선 기기의 예시를 도시한 도면이다.
도 2를 참조하면, 제1 무선 기기(200a)와 제2 무선 기기(200b)는 다양한 무선 접속 기술(예, LTE, NR)을 통해 무선 신호를 송수신할 수 있다. 여기서, {제1 무선 기기(200a), 제2 무선 기기(200b)}은 도 1의 {무선 기기(100x), 기지국(120)} 및/또는 {무선 기기(100x), 무선 기기(100x)}에 대응할 수 있다.
제1 무선 기기(200a)는 하나 이상의 프로세서(202a) 및 하나 이상의 메모리(204a)를 포함하며, 추가적으로 하나 이상의 송수신기(206a) 및/또는 하나 이상의 안테나(208a)을 더 포함할 수 있다. 프로세서(202a)는 메모리(204a) 및/또는 송수신기(206a)를 제어하며, 본 문서에 개시된 설명, 기능, 절차, 제안, 방법 및/또는 동작 순서도들을 구현하도록 구성될 수 있다. 예를 들어, 프로세서(202a)는 메모리(204a) 내의 정보를 처리하여 제1 정보/신호를 생성한 뒤, 송수신기(206a)을 통해 제1 정보/신호를 포함하는 무선 신호를 전송할 수 있다. 또한, 프로세서(202a)는 송수신기(206a)를 통해 제2 정보/신호를 포함하는 무선 신호를 수신한 뒤, 제2 정보/신호의 신호 처리로부터 얻은 정보를 메모리(204a)에 저장할 수 있다. 메모리(204a)는 프로세서(202a)와 연결될 수 있고, 프로세서(202a)의 동작과 관련한 다양한 정보를 저장할 수 있다. 예를 들어, 메모리(204a)는 프로세서(202a)에 의해 제어되는 프로세스들 중 일부 또는 전부를 수행하거나, 본 문서에 개시된 설명, 기능, 절차, 제안, 방법 및/또는 동작 순서도들을 수행하기 위한 명령들을 포함하는 소프트웨어 코드를 저장할 수 있다. 여기서, 프로세서(202a)와 메모리(204a)는 무선 통신 기술(예, LTE, NR)을 구현하도록 설계된 통신 모뎀/회로/칩의 일부일 수 있다. 송수신기(206a)는 프로세서(202a)와 연결될 수 있고, 하나 이상의 안테나(208a)를 통해 무선 신호를 송신 및/또는 수신할 수 있다. 송수신기(206a)는 송신기 및/또는 수신기를 포함할 수 있다. 송수신기(206a)는 RF(radio frequency) 유닛과 혼용될 수 있다. 본 개시에서 무선 기기는 통신 모뎀/회로/칩을 의미할 수도 있다.
제2 무선 기기(200b)는 하나 이상의 프로세서(202b), 하나 이상의 메모리(204b)를 포함하며, 추가적으로 하나 이상의 송수신기(206b) 및/또는 하나 이상의 안테나(208b)를 더 포함할 수 있다. 프로세서(202b)는 메모리(204b) 및/또는 송수신기(206b)를 제어하며, 본 문서에 개시된 설명, 기능, 절차, 제안, 방법 및/또는 동작 순서도들을 구현하도록 구성될 수 있다. 예를 들어, 프로세서(202b)는 메모리(204b) 내의 정보를 처리하여 제3 정보/신호를 생성한 뒤, 송수신기(206b)를 통해 제3 정보/신호를 포함하는 무선 신호를 전송할 수 있다. 또한, 프로세서(202b)는 송수신기(206b)를 통해 제4 정보/신호를 포함하는 무선 신호를 수신한 뒤, 제4 정보/신호의 신호 처리로부터 얻은 정보를 메모리(204b)에 저장할 수 있다. 메모리(204b)는 프로세서(202b)와 연결될 수 있고, 프로세서(202b)의 동작과 관련한 다양한 정보를 저장할 수 있다. 예를 들어, 메모리(204b)는 프로세서(202b)에 의해 제어되는 프로세스들 중 일부 또는 전부를 수행하거나, 본 문서에 개시된 설명, 기능, 절차, 제안, 방법 및/또는 동작 순서도들을 수행하기 위한 명령들을 포함하는 소프트웨어 코드를 저장할 수 있다. 여기서, 프로세서(202b)와 메모리(204b)는 무선 통신 기술(예, LTE, NR)을 구현하도록 설계된 통신 모뎀/회로/칩의 일부일 수 있다. 송수신기(206b)는 프로세서(202b)와 연결될 수 있고, 하나 이상의 안테나(208b)를 통해 무선 신호를 송신 및/또는 수신할 수 있다. 송수신기(206b)는 송신기 및/또는 수신기를 포함할 수 있다 송수신기(206b)는 RF 유닛과 혼용될 수 있다. 본 개시에서 무선 기기는 통신 모뎀/회로/칩을 의미할 수도 있다.
이하, 무선 기기(200a, 200b)의 하드웨어 요소에 대해 보다 구체적으로 설명한다. 이로 제한되는 것은 아니지만, 하나 이상의 프로토콜 계층이 하나 이상의 프로세서(202a, 202b)에 의해 구현될 수 있다. 예를 들어, 하나 이상의 프로세서(202a, 202b)는 하나 이상의 계층(예, PHY(physical), MAC(media access control), RLC(radio link control), PDCP(packet data convergence protocol), RRC(radio resource control), SDAP(service data adaptation protocol)와 같은 기능적 계층)을 구현할 수 있다. 하나 이상의 프로세서(202a, 202b)는 본 문서에 개시된 설명, 기능, 절차, 제안, 방법 및/또는 동작 순서도들에 따라 하나 이상의 PDU(Protocol Data Unit) 및/또는 하나 이상의 SDU(service data unit)를 생성할 수 있다. 하나 이상의 프로세서(202a, 202b)는 본 문서에 개시된 설명, 기능, 절차, 제안, 방법 및/또는 동작 순서도들에 따라 메시지, 제어정보, 데이터 또는 정보를 생성할 수 있다. 하나 이상의 프로세서(202a, 202b)는 본 문서에 개시된 기능, 절차, 제안 및/또는 방법에 따라 PDU, SDU, 메시지, 제어정보, 데이터 또는 정보를 포함하는 신호(예, 베이스밴드 신호)를 생성하여, 하나 이상의 송수신기(206a, 206b)에게 제공할 수 있다. 하나 이상의 프로세서(202a, 202b)는 하나 이상의 송수신기(206a, 206b)로부터 신호(예, 베이스밴드 신호)를 수신할 수 있고, 본 문서에 개시된 설명, 기능, 절차, 제안, 방법 및/또는 동작 순서도들에 따라 PDU, SDU, 메시지, 제어정보, 데이터 또는 정보를 획득할 수 있다.
하나 이상의 프로세서(202a, 202b)는 컨트롤러, 마이크로 컨트롤러, 마이크로 프로세서 또는 마이크로 컴퓨터로 지칭될 수 있다. 하나 이상의 프로세서(202a, 202b)는 하드웨어, 펌웨어, 소프트웨어, 또는 이들의 조합에 의해 구현될 수 있다. 일 예로, 하나 이상의 ASIC(application specific integrated circuit), 하나 이상의 DSP(digital signal processor), 하나 이상의 DSPD(digital signal processing device), 하나 이상의 PLD(programmable logic device) 또는 하나 이상의 FPGA(field programmable gate arrays)가 하나 이상의 프로세서(202a, 202b)에 포함될 수 있다. 본 문서에 개시된 설명, 기능, 절차, 제안, 방법 및/또는 동작 순서도들은 펌웨어 또는 소프트웨어를 사용하여 구현될 수 있고, 펌웨어 또는 소프트웨어는 모듈, 절차, 기능 등을 포함하도록 구현될 수 있다. 본 문서에 개시된 설명, 기능, 절차, 제안, 방법 및/또는 동작 순서도들은 수행하도록 설정된 펌웨어 또는 소프트웨어는 하나 이상의 프로세서(202a, 202b)에 포함되거나, 하나 이상의 메모리(204a, 204b)에 저장되어 하나 이상의 프로세서(202a, 202b)에 의해 구동될 수 있다. 본 문서에 개시된 설명, 기능, 절차, 제안, 방법 및/또는 동작 순서도들은 코드, 명령어 및/또는 명령어의 집합 형태로 펌웨어 또는 소프트웨어를 사용하여 구현될 수 있다.
하나 이상의 메모리(204a, 204b)는 하나 이상의 프로세서(202a, 202b)와 연결될 수 있고, 다양한 형태의 데이터, 신호, 메시지, 정보, 프로그램, 코드, 지시 및/또는 명령을 저장할 수 있다. 하나 이상의 메모리(204a, 204b)는 ROM(read only memory), RAM(random access memory), EPROM(erasable programmable read only memory), 플래시 메모리, 하드 드라이브, 레지스터, 캐쉬 메모리, 컴퓨터 판독 저장 매체 및/또는 이들의 조합으로 구성될 수 있다. 하나 이상의 메모리(204a, 204b)는 하나 이상의 프로세서(202a, 202b)의 내부 및/또는 외부에 위치할 수 있다. 또한, 하나 이상의 메모리(204a, 204b)는 유선 또는 무선 연결과 같은 다양한 기술을 통해 하나 이상의 프로세서(202a, 202b)와 연결될 수 있다.
하나 이상의 송수신기(206a, 206b)는 하나 이상의 다른 장치에게 본 문서의 방법들 및/또는 동작 순서도 등에서 언급되는 사용자 데이터, 제어 정보, 무선 신호/채널 등을 전송할 수 있다. 하나 이상의 송수신기(206a, 206b)는 하나 이상의 다른 장치로부터 본 문서에 개시된 설명, 기능, 절차, 제안, 방법 및/또는 동작 순서도 등에서 언급되는 사용자 데이터, 제어 정보, 무선 신호/채널 등을 수신할 수 있다. 예를 들어, 하나 이상의 송수신기(206a, 206b)는 하나 이상의 프로세서(202a, 202b)와 연결될 수 있고, 무선 신호를 송수신할 수 있다. 예를 들어, 하나 이상의 프로세서(202a, 202b)는 하나 이상의 송수신기(206a, 206b)가 하나 이상의 다른 장치에게 사용자 데이터, 제어 정보 또는 무선 신호를 전송하도록 제어할 수 있다. 또한, 하나 이상의 프로세서(202a, 202b)는 하나 이상의 송수신기(206a, 206b)가 하나 이상의 다른 장치로부터 사용자 데이터, 제어 정보 또는 무선 신호를 수신하도록 제어할 수 있다. 또한, 하나 이상의 송수신기(206a, 206b)는 하나 이상의 안테나(208a, 208b)와 연결될 수 있고, 하나 이상의 송수신기(206a, 206b)는 하나 이상의 안테나(208a, 208b)를 통해 본 문서에 개시된 설명, 기능, 절차, 제안, 방법 및/또는 동작 순서도 등에서 언급되는 사용자 데이터, 제어 정보, 무선 신호/채널 등을 송수신하도록 설정될 수 있다. 본 문서에서, 하나 이상의 안테나는 복수의 물리 안테나이거나, 복수의 논리 안테나(예, 안테나 포트)일 수 있다. 하나 이상의 송수신기(206a, 206b)는 수신된 사용자 데이터, 제어 정보, 무선 신호/채널 등을 하나 이상의 프로세서(202a, 202b)를 이용하여 처리하기 위해, 수신된 무선 신호/채널 등을 RF 밴드 신호에서 베이스밴드 신호로 변환(Convert)할 수 있다. 하나 이상의 송수신기(206a, 206b)는 하나 이상의 프로세서(202a, 202b)를 이용하여 처리된 사용자 데이터, 제어 정보, 무선 신호/채널 등을 베이스밴드 신호에서 RF 밴드 신호로 변환할 수 있다. 이를 위하여, 하나 이상의 송수신기(206a, 206b)는 (아날로그) 오실레이터 및/또는 필터를 포함할 수 있다.
이하에서는 본 개시에 적용 가능한 무선 기기 구조에 대해 설명한다.
도 3은 본 개시에 적용되는 무선 기기의 다른 예시를 도시한 도면이다.
도 3을 참조하면, 무선 기기(300)는 도 2의 무선 기기(200a, 200b)에 대응하며, 다양한 요소(element), 성분(component), 유닛/부(unit), 및/또는 모듈(module)로 구성될 수 있다. 예를 들어, 무선 기기(300)는 통신부(310), 제어부(320), 메모리부(330) 및 추가 요소(340)를 포함할 수 있다. 통신부는 통신 회로(312) 및 송수신기(들)(314)을 포함할 수 있다. 예를 들어, 통신 회로(312)는 도 2의 하나 이상의 프로세서(202a, 202b) 및/또는 하나 이상의 메모리(204a, 204b)를 포함할 수 있다. 예를 들어, 송수신기(들)(314)는 도 2의 하나 이상의 송수신기(206a, 206b) 및/또는 하나 이상의 안테나(208a, 208b)을 포함할 수 있다. 제어부(320)는 통신부(310), 메모리부(330) 및 추가 요소(340)와 전기적으로 연결되며 무선 기기의 제반 동작을 제어한다. 예를 들어, 제어부(320)는 메모리부(330)에 저장된 프로그램/코드/명령/정보에 기반하여 무선 기기의 전기적/기계적 동작을 제어할 수 있다. 또한, 제어부(320)는 메모리부(330)에 저장된 정보를 통신부(310)을 통해 외부(예, 다른 통신 기기)로 무선/유선 인터페이스를 통해 전송하거나, 통신부(310)를 통해 외부(예, 다른 통신 기기)로부터 무선/유선 인터페이스를 통해 수신된 정보를 메모리부(330)에 저장할 수 있다.
추가 요소(340)는 무선 기기의 종류에 따라 다양하게 구성될 수 있다. 예를 들어, 추가 요소(340)는 파워 유닛/배터리, 입출력부(input/output unit), 구동부 및 컴퓨팅부 중 적어도 하나를 포함할 수 있다. 이로 제한되는 것은 아니지만, 무선 기기(300)는 로봇(도 1, 100a), 차량(도 1, 100b-1, 100b-2), XR 기기(도 1, 100c), 휴대 기기(도 1, 100d), 가전(도 1, 100e), IoT 기기(도 1, 100f), 디지털 방송용 단말, 홀로그램 장치, 공공 안전 장치, MTC 장치, 의료 장치, 핀테크 장치(또는 금융 장치), 보안 장치, 기후/환경 장치, AI 서버/기기(도 1, 140), 기지국(도 1, 120), 네트워크 노드 등의 형태로 구현될 수 있다. 무선 기기는 사용-예/서비스에 따라 이동 가능하거나 고정된 장소에서 사용될 수 있다.
도 3에서 무선 기기(300) 내의 다양한 요소, 성분, 유닛/부, 및/또는 모듈은 전체가 유선 인터페이스를 통해 상호 연결되거나, 적어도 일부가 통신부(310)를 통해 무선으로 연결될 수 있다. 예를 들어, 무선 기기(300) 내에서 제어부(320)와 통신부(310)는 유선으로 연결되며, 제어부(320)와 제1 유닛(예, 130, 140)은 통신부(310)를 통해 무선으로 연결될 수 있다. 또한, 무선 기기(300) 내의 각 요소, 성분, 유닛/부, 및/또는 모듈은 하나 이상의 요소를 더 포함할 수 있다. 예를 들어, 제어부(320)는 하나 이상의 프로세서 집합으로 구성될 수 있다. 예를 들어, 제어부(320)는 통신 제어 프로세서, 어플리케이션 프로세서(application processor), ECU(electronic control unit), 그래픽 처리 프로세서, 메모리 제어 프로세서 등의 집합으로 구성될 수 있다. 다른 예로, 메모리부(330)는 RAM, DRAM(dynamic RAM), ROM, 플래시 메모리(flash memory), 휘발성 메모리(volatile memory), 비-휘발성 메모리(non-volatile memory) 및/또는 이들의 조합으로 구성될 수 있다.
이하에서는 본 개시에 적용 가능한 휴대 기기에 대해 설명한다.
도 4는 본 개시에 적용되는 휴대 기기의 예시를 도시한 도면이다.
도 4는 본 개시에 적용되는 휴대 기기를 예시한다. 휴대 기기는 스마트폰, 스마트패드, 웨어러블 기기(예, 스마트 워치, 스마트 글래스), 휴대용 컴퓨터(예, 노트북 등)을 포함할 수 있다. 휴대 기기는 MS(mobile station), UT(user terminal), MSS(mobile subscriber station), SS(subscriber station), AMS(advanced mobile station) 또는 WT(wireless terminal)로 지칭될 수 있다.
도 4를 참조하면, 휴대 기기(400)는 안테나부(408), 통신부(410), 제어부(420), 메모리부(430), 전원공급부(440a), 인터페이스부(440b) 및 입출력부(440c)를 포함할 수 있다. 안테나부(408)는 통신부(410)의 일부로 구성될 수 있다. 블록 410~430/440a~440c는 각각 도 3의 블록 310~330/340에 대응한다.
통신부(410)는 다른 무선 기기, 기지국들과 신호(예, 데이터, 제어 신호 등)를 송수신할 수 있다. 제어부(420)는 휴대 기기(400)의 구성 요소들을 제어하여 다양한 동작을 수행할 수 있다. 제어부(420)는 AP(application processor)를 포함할 수 있다. 메모리부(430)는 휴대 기기(400)의 구동에 필요한 데이터/파라미터/프로그램/코드/명령을 저장할 수 있다. 또한, 메모리부(430)는 입/출력되는 데이터/정보 등을 저장할 수 있다. 전원공급부(440a)는 휴대 기기(400)에게 전원을 공급하며, 유/무선 충전 회로, 배터리 등을 포함할 수 있다. 인터페이스부(440b)는 휴대 기기(400)와 다른 외부 기기의 연결을 지원할 수 있다. 인터페이스부(440b)는 외부 기기와의 연결을 위한 다양한 포트(예, 오디오 입/출력 포트, 비디오 입/출력 포트)를 포함할 수 있다. 입출력부(440c)는 영상 정보/신호, 오디오 정보/신호, 데이터, 및/또는 사용자로부터 입력되는 정보를 입력 받거나 출력할 수 있다. 입출력부(440c)는 카메라, 마이크로폰, 사용자 입력부, 디스플레이부(440d), 스피커 및/또는 햅틱 모듈 등을 포함할 수 있다.
일 예로, 데이터 통신의 경우, 입출력부(440c)는 사용자로부터 입력된 정보/신호(예, 터치, 문자, 음성, 이미지, 비디오)를 획득하며, 획득된 정보/신호는 메모리부(430)에 저장될 수 있다. 통신부(410)는 메모리에 저장된 정보/신호를 무선 신호로 변환하고, 변환된 무선 신호를 다른 무선 기기에게 직접 전송하거나 기지국에게 전송할 수 있다. 또한, 통신부(410)는 다른 무선 기기 또는 기지국으로부터 무선 신호를 수신한 뒤, 수신된 무선 신호를 원래의 정보/신호로 복원할 수 있다. 복원된 정보/신호는 메모리부(430)에 저장된 뒤, 입출력부(440c)를 통해 다양한 형태(예, 문자, 음성, 이미지, 비디오, 햅틱)로 출력될 수 있다.
이하에서는 본 개시에 적용 가능한 무선 기기 종류에 대해 설명한다.
도 5는 본 개시에 적용되는 차량 또는 자율 주행 차량의 예시를 도시한 도면이다.
도 5는 본 개시에 적용되는 차량 또는 자율 주행 차량을 예시한다. 차량 또는 자율 주행 차량은 이동형 로봇, 차량, 기차, 유/무인 비행체(aerial vehicle, AV), 선박 등으로 구현될 수 있으며, 차량의 형태로 한정되는 것은 아니다.
도 5를 참조하면, 차량 또는 자율 주행 차량(500)은 안테나부(508), 통신부(510), 제어부(520), 구동부(540a), 전원공급부(540b), 센서부(540c) 및 자율 주행부(540d)를 포함할 수 있다. 안테나부(550)는 통신부(510)의 일부로 구성될 수 있다. 블록 510/530/540a~540d는 각각 도 4의 블록 410/430/440에 대응한다.
통신부(510)는 다른 차량, 기지국(예, 기지국, 노변 기지국(road side unit) 등), 서버 등의 외부 기기들과 신호(예, 데이터, 제어 신호 등)를 송수신할 수 있다. 제어부(520)는 차량 또는 자율 주행 차량(500)의 요소들을 제어하여 다양한 동작을 수행할 수 있다. 제어부(520)는 ECU(electronic control unit)를 포함할 수 있다. 구동부(540a)는 차량 또는 자율 주행 차량(500)을 지상에서 주행하게 할 수 있다. 구동부(540a)는 엔진, 모터, 파워 트레인, 바퀴, 브레이크, 조향 장치 등을 포함할 수 있다. 전원공급부(540b)는 차량 또는 자율 주행 차량(500)에게 전원을 공급하며, 유/무선 충전 회로, 배터리 등을 포함할 수 있다. 센서부(540c)는 차량 상태, 주변 환경 정보, 사용자 정보 등을 얻을 수 있다. 센서부(540c)는 IMU(inertial measurement unit) 센서, 충돌 센서, 휠 센서(wheel sensor), 속도 센서, 경사 센서, 중량 감지 센서, 헤딩 센서(heading sensor), 포지션 모듈(position module), 차량 전진/후진 센서, 배터리 센서, 연료 센서, 타이어 센서, 스티어링 센서, 온도 센서, 습도 센서, 초음파 센서, 조도 센서, 페달 포지션 센서 등을 포함할 수 있다. 자율 주행부(540d)는 주행중인 차선을 유지하는 기술, 어댑티브 크루즈 컨트롤과 같이 속도를 자동으로 조절하는 기술, 정해진 경로를 따라 자동으로 주행하는 기술, 목적지가 설정되면 자동으로 경로를 설정하여 주행하는 기술 등을 구현할 수 있다.
일 예로, 통신부(510)는 외부 서버로부터 지도 데이터, 교통 정보 데이터 등을 수신할 수 있다. 자율 주행부(540d)는 획득된 데이터를 기반으로 자율 주행 경로와 드라이빙 플랜을 생성할 수 있다. 제어부(520)는 드라이빙 플랜에 따라 차량 또는 자율 주행 차량(500)이 자율 주행 경로를 따라 이동하도록 구동부(540a)를 제어할 수 있다(예, 속도/방향 조절). 자율 주행 도중에 통신부(510)는 외부 서버로부터 최신 교통 정보 데이터를 비/주기적으로 획득하며, 주변 차량으로부터 주변 교통 정보 데이터를 획득할 수 있다. 또한, 자율 주행 도중에 센서부(540c)는 차량 상태, 주변 환경 정보를 획득할 수 있다. 자율 주행부(540d)는 새로 획득된 데이터/정보에 기반하여 자율 주행 경로와 드라이빙 플랜을 갱신할 수 있다. 통신부(510)는 차량 위치, 자율 주행 경로, 드라이빙 플랜 등에 관한 정보를 외부 서버로 전달할 수 있다. 외부 서버는 차량 또는 자율 주행 차량들로부터 수집된 정보에 기반하여, AI 기술 등을 이용하여 교통 정보 데이터를 미리 예측할 수 있고, 예측된 교통 정보 데이터를 차량 또는 자율 주행 차량들에게 제공할 수 있다.
도 6은 본 개시에 적용되는 이동체의 예시를 도시한 도면이다.
도 6을 참조하면, 본 개시에 적용되는 이동체는 운송수단, 기차, 비행체 및 선박 중 적어도 어느 하나로 구현될 수 있다. 또한, 본 개시에 적용되는 이동체는 다른 형태로 구현될 수 있으며, 상술한 실시 예로 한정되지 않는다.
이때, 도 6을 참조하면, 이동체(600)은 통신부(610), 제어부(620), 메모리부(630), 입출력부(640a) 및 위치 측정부(640b)를 포함할 수 있다. 여기서, 블록 610~630/640a~640b는 각각 도 3의 블록 310~330/340에 대응한다.
통신부(610)는 다른 이동체, 또는 기지국 등의 외부 기기들과 신호(예, 데이터, 제어 신호 등)를 송수신할 수 있다. 제어부(620)는 이동체(600)의 구성 요소들을 제어하여 다양한 동작을 수행할 수 있다. 메모리부(630)는 이동체(600)의 다양한 기능을 지원하는 데이터/파라미터/프로그램/코드/명령을 저장할 수 있다. 입출력부(640a)는 메모리부(630) 내의 정보에 기반하여 AR/VR 오브젝트를 출력할 수 있다. 입출력부(640a)는 HUD를 포함할 수 있다. 위치 측정부(640b)는 이동체(600)의 위치 정보를 획득할 수 있다. 위치 정보는 이동체(600)의 절대 위치 정보, 주행선 내에서의 위치 정보, 가속도 정보, 주변 차량과의 위치 정보 등을 포함할 수 있다. 위치 측정부(640b)는 GPS 및 다양한 센서들을 포함할 수 있다.
일 예로, 이동체(600)의 통신부(610)는 외부 서버로부터 지도 정보, 교통 정보 등을 수신하여 메모리부(630)에 저장할 수 있다. 위치 측정부(640b)는 GPS 및 다양한 센서를 통하여 이동체 위치 정보를 획득하여 메모리부(630)에 저장할 수 있다. 제어부(620)는 지도 정보, 교통 정보 및 이동체 위치 정보 등에 기반하여 가상 오브젝트를 생성하고, 입출력부(640a)는 생성된 가상 오브젝트를 이동체 내 유리창에 표시할 수 있다(651, 652). 또한, 제어부(620)는 이동체 위치 정보에 기반하여 이동체(600)가 주행선 내에서 정상적으로 운행되고 있는지 판단할 수 있다. 이동체(600)가 주행선을 비정상적으로 벗어나는 경우, 제어부(620)는 입출력부(640a)를 통해 이동체 내 유리창에 경고를 표시할 수 있다. 또한, 제어부(620)는 통신부(610)를 통해 주변 이동체들에게 주행 이상에 관한 경고 메세지를 방송할 수 있다. 상황에 따라, 제어부(620)는 통신부(610)를 통해 관계 기관에게 이동체의 위치 정보와, 주행/이동체 이상에 관한 정보를 전송할 수 있다.
도 7은 본 개시에 적용되는 XR 기기의 예시를 도시한 도면이다. XR 기기는 HMD, 차량에 구비된 HUD(head-up display), 텔레비전, 스마트폰, 컴퓨터, 웨어러블 디바이스, 가전 기기, 디지털 사이니지(signage), 차량, 로봇 등으로 구현될 수 있다.
도 7을 참조하면, XR 기기(700a)는 통신부(710), 제어부(720), 메모리부(730), 입출력부(740a), 센서부(740b) 및 전원 공급부(740c)를 포함할 수 있다. 여기서, 블록 710~730/740a~740c은 각각 도 3의 블록 310~330/340에 대응할 수 있다.
통신부(710)는 다른 무선 기기, 휴대 기기, 또는 미디어 서버 등의 외부 기기들과 신호(예, 미디어 데이터, 제어 신호 등)를 송수신할 수 있다. 미디어 데이터는 영상, 이미지, 소리 등을 포함할 수 있다. 제어부(720)는 XR 기기(700a)의 구성 요소들을 제어하여 다양한 동작을 수행할 수 있다. 예를 들어, 제어부(720)는 비디오/이미지 획득, (비디오/이미지) 인코딩, 메타데이터 생성 및 처리 등의 절차를 제어 및/또는 수행하도록 구성될 수 있다. 메모리부(730)는 XR 기기(700a)의 구동/XR 오브젝트의 생성에 필요한 데이터/파라미터/프로그램/코드/명령을 저장할 수 있다.
입출력부(740a)는 외부로부터 제어 정보, 데이터 등을 획득하며, 생성된 XR 오브젝트를 출력할 수 있다. 입출력부(740a)는 카메라, 마이크로폰, 사용자 입력부, 디스플레이부, 스피커 및/또는 햅틱 모듈 등을 포함할 수 있다. 센서부(740b)는 XR 기기 상태, 주변 환경 정보, 사용자 정보 등을 얻을 수 있다. 센서부(740b)는 근접 센서, 조도 센서, 가속도 센서, 자기 센서, 자이로 센서, 관성 센서, RGB(red green blue) 센서, IR(infrared) 센서, 지문 인식 센서, 초음파 센서, 광 센서, 마이크로폰 및/또는 레이더 등을 포함할 수 있다. 전원공급부(740c)는 XR 기기(700a)에게 전원을 공급하며, 유/무선 충전 회로, 배터리 등을 포함할 수 있다.
일 예로, XR 기기(700a)의 메모리부(730)는 XR 오브젝트(예, AR/VR/MR 오브젝트)의 생성에 필요한 정보(예, 데이터 등)를 포함할 수 있다. 입출력부(740a)는 사용자로부터 XR 기기(700a)를 조작하는 명령을 획득할 수 있으며, 제어부(720)는 사용자의 구동 명령에 따라 XR 기기(700a)를 구동시킬 수 있다. 예를 들어, 사용자가 XR 기기(700a)를 통해 영화, 뉴스 등을 시청하려고 하는 경우, 제어부(720)는 통신부(730)를 통해 컨텐츠 요청 정보를 다른 기기(예, 휴대 기기(700b)) 또는 미디어 서버에 전송할 수 있다. 통신부(730)는 다른 기기(예, 휴대 기기(700b)) 또는 미디어 서버로부터 영화, 뉴스 등의 컨텐츠를 메모리부(730)로 다운로드/스트리밍 받을 수 있다. 제어부(720)는 컨텐츠에 대해 비디오/이미지 획득, (비디오/이미지) 인코딩, 메타데이터 생성/처리 등의 절차를 제어 및/또는 수행하며, 입출력부(740a)/센서부(740b)를 통해 획득한 주변 공간 또는 현실 오브젝트에 대한 정보에 기반하여 XR 오브젝트를 생성/출력할 수 있다.
또한, XR 기기(700a)는 통신부(710)를 통해 휴대 기기(700b)와 무선으로 연결되며, XR 기기(700a)의 동작은 휴대 기기(700b)에 의해 제어될 수 있다. 예를 들어, 휴대 기기(700b)는 XR 기기(700a)에 대한 콘트롤러로 동작할 수 있다. 이를 위해, XR 기기(700a)는 휴대 기기(700b)의 3차원 위치 정보를 획득한 뒤, 휴대 기기(700b)에 대응하는 XR 개체를 생성하여 출력할 수 있다.
도 8은 본 개시에 적용되는 로봇의 예시를 도시한 도면이다. 일 예로, 로봇은 사용 목적이나 분야에 따라 산업용, 의료용, 가정용, 군사용 등으로 분류될 수 있다. 이때, 도 8을 참조하면, 로봇(800)은 통신부(810), 제어부(820), 메모리부(830), 입출력부(840a), 센서부(840b) 및 구동부(840c)를 포함할 수 있다. 여기서, 블록 810~830/840a~840c은 각각 도 3의 블록 310~330/340에 대응할 수 있다.
통신부(810)는 다른 무선 기기, 다른 로봇, 또는 제어 서버 등의 외부 기기들과 신호(예, 구동 정보, 제어 신호 등)를 송수신할 수 있다. 제어부(820)는 로봇(800)의 구성 요소들을 제어하여 다양한 동작을 수행할 수 있다. 메모리부(830)는 로봇(800)의 다양한 기능을 지원하는 데이터/파라미터/프로그램/코드/명령을 저장할 수 있다. 입출력부(840a)는 로봇(800)의 외부로부터 정보를 획득하며, 로봇(800)의 외부로 정보를 출력할 수 있다. 입출력부(840a)는 카메라, 마이크로폰, 사용자 입력부, 디스플레이부, 스피커 및/또는 햅틱 모듈 등을 포함할 수 있다.
센서부(840b)는 로봇(800)의 내부 정보, 주변 환경 정보, 사용자 정보 등을 얻을 수 있다. 센서부(840b)는 근접 센서, 조도 센서, 가속도 센서, 자기 센서, 자이로 센서, 관성 센서, IR 센서, 지문 인식 센서, 초음파 센서, 광 센서, 마이크로폰, 레이더 등을 포함할 수 있다.
구동부(840c)는 로봇 관절을 움직이는 등의 다양한 물리적 동작을 수행할 수 있다. 또한, 구동부(840c)는 로봇(800)을 지상에서 주행하거나 공중에서 비행하게 할 수 있다. 구동부(840c)는 액츄에이터, 모터, 바퀴, 브레이크, 프로펠러 등을 포함할 수 있다.
도 9는 본 개시에 적용되는 AI 기기의 예시를 도시한 도면이다. 일 예로, AI 기기는 TV, 프로젝터, 스마트폰, PC, 노트북, 디지털방송용 단말기, 태블릿 PC, 웨어러블 장치, 셋톱박스(STB), 라디오, 세탁기, 냉장고, 디지털 사이니지, 로봇, 차량 등과 같은, 고정형 기기 또는 이동 가능한 기기 등으로 구현될 수 있다.
도 9를 참조하면, AI 기기(900)는 통신부(910), 제어부(920), 메모리부(930), 입/출력부(940a/940b), 러닝 프로세서부(940c) 및 센서부(940d)를 포함할 수 있다. 블록 910~930/940a~940d는 각각 도 3의 블록 310~330/340에 대응할 수 있다.
통신부(910)는 유무선 통신 기술을 이용하여 다른 AI 기기(예, 도 1, 100x, 120, 140)나 AI 서버(도 1, 140) 등의 외부 기기들과 유무선 신호(예, 센서 정보, 사용자 입력, 학습 모델, 제어 신호 등)를 송수신할 수 있다. 이를 위해, 통신부(910)는 메모리부(930) 내의 정보를 외부 기기로 전송하거나, 외부 기기로부터 수신된 신호를 메모리부(930)로 전달할 수 있다.
제어부(920)는 데이터 분석 알고리즘 또는 머신 러닝 알고리즘을 사용하여 결정되거나 생성된 정보에 기초하여, AI 기기(900)의 적어도 하나의 실행 가능한 동작을 결정할 수 있다. 그리고, 제어부(920)는 AI 기기(900)의 구성 요소들을 제어하여 결정된 동작을 수행할 수 있다. 예를 들어, 제어부(920)는 러닝 프로세서부(940c) 또는 메모리부(930)의 데이터를 요청, 검색, 수신 또는 활용할 수 있고, 적어도 하나의 실행 가능한 동작 중 예측되는 동작이나, 바람직한 것으로 판단되는 동작을 실행하도록 AI 기기(900)의 구성 요소들을 제어할 수 있다. 또한, 제어부(920)는 AI 장치(900)의 동작 내용이나 동작에 대한 사용자의 피드백 등을 포함하는 이력 정보를 수집하여 메모리부(930) 또는 러닝 프로세서부(940c)에 저장하거나, AI 서버(도 1, 140) 등의 외부 장치에 전송할 수 있다. 수집된 이력 정보는 학습 모델을 갱신하는데 이용될 수 있다.
메모리부(930)는 AI 기기(900)의 다양한 기능을 지원하는 데이터를 저장할 수 있다. 예를 들어, 메모리부(930)는 입력부(940a)로부터 얻은 데이터, 통신부(910)로부터 얻은 데이터, 러닝 프로세서부(940c)의 출력 데이터, 및 센싱부(940)로부터 얻은 데이터를 저장할 수 있다. 또한, 메모리부(930)는 제어부(920)의 동작/실행에 필요한 제어 정보 및/또는 소프트웨어 코드를 저장할 수 있다.
입력부(940a)는 AI 기기(900)의 외부로부터 다양한 종류의 데이터를 획득할 수 있다. 예를 들어, 입력부(920)는 모델 학습을 위한 학습 데이터, 및 학습 모델이 적용될 입력 데이터 등을 획득할 수 있다. 입력부(940a)는 카메라, 마이크로폰 및/또는 사용자 입력부 등을 포함할 수 있다. 출력부(940b)는 시각, 청각 또는 촉각 등과 관련된 출력을 발생시킬 수 있다. 출력부(940b)는 디스플레이부, 스피커 및/또는 햅틱 모듈 등을 포함할 수 있다. 센싱부(940)는 다양한 센서들을 이용하여 AI 기기(900)의 내부 정보, AI 기기(900)의 주변 환경 정보 및 사용자 정보 중 적어도 하나를 얻을 수 있다. 센싱부(940)는 근접 센서, 조도 센서, 가속도 센서, 자기 센서, 자이로 센서, 관성 센서, RGB 센서, IR 센서, 지문 인식 센서, 초음파 센서, 광 센서, 마이크로폰 및/또는 레이더 등을 포함할 수 있다.
러닝 프로세서부(940c)는 학습 데이터를 이용하여 인공 신경망으로 구성된 모델을 학습시킬 수 있다. 러닝 프로세서부(940c)는 AI 서버(도 1, 140)의 러닝 프로세서부와 함께 AI 프로세싱을 수행할 수 있다. 러닝 프로세서부(940c)는 통신부(910)를 통해 외부 기기로부터 수신된 정보, 및/또는 메모리부(930)에 저장된 정보를 처리할 수 있다. 또한, 러닝 프로세서부(940c)의 출력 값은 통신부(910)를 통해 외부 기기로 전송되거나/되고, 메모리부(930)에 저장될 수 있다.
이하에서는 물리 채널들 및 일반적인 신호 전송에 대해 설명한다.
무선 접속 시스템에서 단말은 하향링크(downlink, DL)를 통해 기지국으로부터 정보를 수신하고, 상향링크(uplink, UL)를 통해 기지국으로 정보를 전송할 수 있다. 기지국과 단말이 송수신하는 정보는 일반 데이터 정보 및 다양한 제어 정보를 포함하고, 이들이 송수신 하는 정보의 종류/용도에 따라 다양한 물리 채널이 존재한다.
도 10은 본 개시에 적용되는 물리 채널들 및 이들을 이용한 신호 전송 방법을 도시한 도면이다.
전원이 꺼진 상태에서 다시 전원이 켜지거나, 새로이 셀에 진입한 단말은 S1011 단계에서 기지국과 동기를 맞추는 등의 초기 셀 탐색(initial cell search) 작업을 수행한다. 이를 위해 단말은 기지국으로부터 주 동기 채널(primary synchronization channel, P-SCH) 및 부 동기 채널(secondary synchronization channel, S-SCH)을 수신하여 기지국과 동기를 맞추고, 셀 ID 등의 정보를 획득할 수 있다.
그 후, 단말은 기지국으로부터 물리 방송 채널(physical broadcast channel, PBCH) 신호를 수신하여 셀 내 방송 정보를 획득할 수 있다. 한편, 단말은 초기 셀 탐색 단계에서 하향링크 참조 신호 (DL RS: Downlink Reference Signal)를 수신하여 하향링크 채널 상태를 확인할 수 있다. 초기 셀 탐색을 마친 단말은 S1012 단계에서 물리 하향링크 제어 채널(physical downlink control channel, PDCCH) 및 물리 하향링크 제어 채널 정보에 따른 물리 하향링크 공유 채널(physical downlink control channel, PDSCH)을 수신하여 조금 더 구체적인 시스템 정보를 획득할 수 있다.
이후, 단말은 기지국에 접속을 완료하기 위해 이후 단계 S1013 내지 단계 S1016과 같은 임의 접속 과정(random access procedure)을 수행할 수 있다. 이를 위해 단말은 물리 임의 접속 채널(physical random access channel, PRACH)을 통해 프리앰블 (preamble)을 전송하고(S1013), 물리 하향링크 제어 채널 및 이에 대응하는 물리 하향링크 공유 채널을 통해 프리앰블에 대한 RAR(random access response)를 수신할 수 있다(S1014). 단말은 RAR 내의 스케줄링 정보를 이용하여 PUSCH(physical uplink shared channel)을 전송하고(S1015), 물리 하향링크 제어채널 신호 및 이에 대응하는 물리 하향링크 공유 채널 신호의 수신과 같은 충돌 해결 절차(contention resolution procedure)를 수행할 수 있다(S1016).
상술한 바와 같은 절차를 수행한 단말은 이후 일반적인 상/하향링크 신호 전송 절차로서 물리 하향링크 제어 채널 신호 및/또는 물리 하향링크 공유 채널 신호의 수신(S1017) 및 물리 상향링크 공유 채널(physical uplink shared channel, PUSCH) 신호 및/또는 물리 상향링크 제어 채널(physical uplink control channel, PUCCH) 신호의 전송(S1018)을 수행할 수 있다.
단말이 기지국으로 전송하는 제어정보를 통칭하여 상향링크 제어정보(uplink control information, UCI)라고 지칭한다. UCI는 HARQ-ACK/NACK(hybrid automatic repeat and request acknowledgement/negative-ACK), SR(scheduling request), CQI(channel quality indication), PMI(precoding matrix indication), RI(rank indication), BI(beam indication) 정보 등을 포함한다. 이때, UCI는 일반적으로 PUCCH를 통해 주기적으로 전송되지만, 실시 예에 따라(예, 제어정보와 트래픽 데이터가 동시에 전송되어야 할 경우) PUSCH를 통해 전송될 수 있다. 또한, 네트워크의 요청/지시에 의해 단말은 PUSCH를 통해 UCI를 비주기적으로 전송할 수 있다.
도 11은 본 개시에 적용되는 무선 인터페이스 프로토콜(radio interface protocol)의 제어평면(control plane) 및 사용자 평면(user plane) 구조를 도시한 도면이다.
도 11을 참조하면, 엔티티 1(Entity 1)은 단말(user equipment, UE)일 수 있다. 이때, 단말이라 함은 상술한 도 1 내지 도 9에서 본 개시가 적용되는 무선 기기, 휴대 기기, 차량, 이동체, XR 기기, 로봇 및 AI 중 적어도 어느 하나일 수 있다. 또한, 단말은 본 개시가 적용될 수 있는 장치를 지칭하는 것으로 특정 장치나 기기로 한정되지 않을 수 있다.
엔티티 2(Entity 2)는 기지국일 수 있다. 이때, 기지국은 eNB, gNB 및 ng-eNB 중 적어도 어느 하나일 수 있다. 또한, 기지국은 단말로 하향링크 신호를 전송하는 장치를 지칭할 수 있으며, 특정 타입이나 장치로 한정되지 않을 수 있다. 즉, 기지국은 다양한 형태나 타입으로 구현될 수 있으며, 특정 형태로 한정되지 않을 수 있다.
엔티티 3(Entity 3)은 네트워크 장치 또는 네트워크 펑션을 수행하는 기기일 수 있다. 이때, 네트워크 장치는 이동성을 관리하는 코어망 노드(core network node)(e.g. MME(mobility management entity), AMF(access and mobility management function) 등)일 수 있다. 또한, 네트워크 펑션은 네트워크 기능을 수행하기 위해 구현되는 펑션(function)을 의미할 수 있으며, 엔티티 3은 펑션이 적용된 기기일 수 있다. 즉, 엔티티 3은 네트워크 기능을 수행하는 펑션이나 기기를 지칭할 수 있으며, 특정 형태의 기기로 한정되지 않는다.
제어평면은 단말(user equipment, UE)과 네트워크가 호를 관리하기 위해서 이용하는 제어 메시지들이 전송되는 통로를 의미할 수 있다. 또한, 사용자평면은 애플리케이션 계층에서 생성된 데이터, 예를 들어, 음성 데이터 또는 인터넷 패킷 데이터 등이 전송되는 통로를 의미할 수 있다. 이때, 제1 계층인 물리계층은 물리채널(physical channel)을 이용하여 상위 계층에게 정보 전송 서비스(information transfer service)를 제공할 수 있다. 물리계층은 상위에 있는 매체접속제어(medium access control) 계층과는 전송채널을 통해 연결되어 있다. 이때, 전송채널을 통해 매체접속제어 계층과 물리계층 사이에 데이터가 이동할 수 있다. 송신 측과 수신 측의 물리계층 사이는 물리채널을 통해 데이터가 이동할 수 있다. 이때, 물리채널은 시간과 주파수를 무선 자원으로 활용한다.
제2 계층의 매체접속제어(medium access control, MAC) 계층은 논리채널(logical channel)을 통해 상위계층인 무선링크제어(radio link control, RLC) 계층에 서비스를 제공한다. 제2 계층의 RLC 계층은 신뢰성 있는 데이터 전송을 지원할 수 있다. RLC 계층의 기능은 MAC 내부의 기능 블록으로 구현될 수도 있다. 제2 계층의 PDCP(packet data convergence protocol) 계층은 대역폭이 좁은 무선 인터페이스에서 IPv4 나 IPv6 와 같은 IP 패킷을 효율적으로 전송하기 위해 불필요한 제어정보를 줄여주는 헤더 압축(header compression) 기능을 수행할 수 있다. 제3 계층의 최하부에 위치한 무선 자원제어(radio resource control, RRC) 계층은 제어평면에서만 정의된다. RRC 계층은 무선 베어러(radio bearer, RB)들의 설정(configuration), 재설정(re-configuration) 및 해제(release)와 관련되어 논리채널, 전송채널 및 물리채널들의 제어를 담당할 수 있다. RB는 단말과 네트워크 간의 데이터 전달을 위해 제2 계층에 의해 제공되는 서비스를 의미할 수 있다. 이를 위해, 단말과 네트워크의 RRC 계층은 서로 RRC 메시지를 교환할 수 있다. RRC 계층의 상위에 있는 NAS(non-access stratum) 계층은 세션 관리(session management)와 이동성 관리(mobility management) 등의 기능을 수행할 수 있다. 기지국을 구성하는 하나의 셀은 다양한 대역폭 중 하나로 설정되어 여러 단말에게 하향 또는 상향 전송 서비스를 제공할 수 있다. 서로 다른 셀은 서로 다른 대역폭을 제공하도록 설정될 수 있다. 네트워크에서 단말로 데이터를 전송하는 하향 전송채널은 시스템 정보를 전송하는 BCH(broadcast channel), 페이징 메시지를 전송하는 PCH(paging channel), 사용자 트래픽이나 제어 메시지를 전송하는 하향 SCH(shared channel) 등이 있다. 하향 멀티캐스트 또는 방송 서비스의 트래픽 또는 제어 메시지의 경우, 하향 SCH를 통해 전송될 수도 있고, 또는 별도의 하향 MCH(Multicast Channel)을 통해 전송될 수도 있다. 한편, 단말에서 네트워크로 데이터를 전송하는 상향 전송채널로는 초기 제어 메시지를 전송하는 RACH(random access channel), 사용자 트래픽이나 제어 메시지를 전송하는 상향 SCH(shared channel)가 있다. 전송채널의 상위에 있으며, 전송채널에 매핑되는 논리채널(logical channel)로는 BCCH(broadcast control channel), PCCH(paging control channel), CCCH(common control channel), MCCH(multicast control channel) 및 MTCH(multicast traffic channel) 등이 있다.
도 12는 본 개시에 적용되는 전송 신호를 처리하는 방법을 도시한 도면이다. 일 예로, 전송 신호는 신호 처리 회로에 의해 처리될 수 있다. 이때, 신호 처리 회로(1200)는 스크램블러(1210), 변조기(1220), 레이어 매퍼(1230), 프리코더(1240), 자원 매퍼(1250), 신호 생성기(1260)를 포함할 수 있다. 이때, 일 예로, 도 12의 동작/기능은 도 2의 프로세서(202a, 202b) 및/또는 송수신기(206a, 206b)에서 수행될 수 있다. 또한, 일 예로, 도 12의 하드웨어 요소는 도 2의 프로세서(202a, 202b) 및/또는 송수신기(206a, 206b)에서 구현될 수 있다. 일 예로, 블록 1010~1060은 도 2의 프로세서(202a, 202b)에서 구현될 수 있다. 또한, 블록 1210~1250은 도 2의 프로세서(202a, 202b)에서 구현되고, 블록 1260은 도 2의 송수신기(206a, 206b)에서 구현될 수 있으며, 상술한 실시 예로 한정되지 않는다.
코드워드는 도 12의 신호 처리 회로(1200)를 거쳐 무선 신호로 변환될 수 있다. 여기서, 코드워드는 정보블록의 부호화된 비트 시퀀스이다. 정보블록은 전송블록(예, UL-SCH 전송블록, DL-SCH 전송블록)을 포함할 수 있다. 무선 신호는 도 10의 다양한 물리 채널(예, PUSCH, PDSCH)을 통해 전송될 수 있다. 구체적으로, 코드워드는 스크램블러(1210)에 의해 스크램블된 비트 시퀀스로 변환될 수 있다. 스크램블에 사용되는 스크램블 시퀀스는 초기화 값에 기반하여 생성되며, 초기화 값은 무선 기기의 ID 정보 등이 포함될 수 있다. 스크램블된 비트 시퀀스는 변조기(1220)에 의해 변조 심볼 시퀀스로 변조될 수 있다. 변조 방식은 pi/2-BPSK(pi/2-binary phase shift keying), m-PSK(m-phase shift keying), m-QAM(m-quadrature amplitude modulation) 등을 포함할 수 있다.
복소 변조 심볼 시퀀스는 레이어 매퍼(1230)에 의해 하나 이상의 전송 레이어로 매핑될 수 있다. 각 전송 레이어의 변조 심볼들은 프리코더(1240)에 의해 해당 안테나 포트(들)로 매핑될 수 있다(프리코딩). 프리코더(1240)의 출력 z는 레이어 매퍼(1230)의 출력 y를 N*M의 프리코딩 행렬 W와 곱해 얻을 수 있다. 여기서, N은 안테나 포트의 개수, M은 전송 레이어의 개수이다. 여기서, 프리코더(1240)는 복소 변조 심볼들에 대한 트랜스폼(transform) 프리코딩(예, DFT(discrete fourier transform) 변환)을 수행한 이후에 프리코딩을 수행할 수 있다. 또한, 프리코더(1240)는 트랜스폼 프리코딩을 수행하지 않고 프리코딩을 수행할 수 있다.
자원 매퍼(1250)는 각 안테나 포트의 변조 심볼들을 시간-주파수 자원에 매핑할 수 있다. 시간-주파수 자원은 시간 도메인에서 복수의 심볼(예, CP-OFDMA 심볼, DFT-s-OFDMA 심볼)을 포함하고, 주파수 도메인에서 복수의 부반송파를 포함할 수 있다. 신호 생성기(1260)는 매핑된 변조 심볼들로부터 무선 신호를 생성하며, 생성된 무선 신호는 각 안테나를 통해 다른 기기로 전송될 수 있다. 이를 위해, 신호 생성기(1260)는 IFFT(inverse fast fourier transform) 모듈 및 CP(cyclic prefix) 삽입기, DAC(digital-to-analog converter), 주파수 상향 변환기(frequency uplink converter) 등을 포함할 수 있다.
무선 기기에서 수신 신호를 위한 신호 처리 과정은 도 12의 신호 처리 과정(1210~1260)의 역으로 구성될 수 있다. 일 예로, 무선 기기(예, 도 2의 200a, 200b)는 안테나 포트/송수신기를 통해 외부로부터 무선 신호를 수신할 수 있다. 수신된 무선 신호는 신호 복원기를 통해 베이스밴드 신호로 변환될 수 있다. 이를 위해, 신호 복원기는 주파수 하향 변환기(frequency downlink converter), ADC(analog-to-digital converter), CP 제거기, FFT(fast fourier transform) 모듈을 포함할 수 있다. 이후, 베이스밴드 신호는 자원 디-매퍼 과정, 포스트코딩(postcoding) 과정, 복조 과정 및 디-스크램블 과정을 거쳐 코드워드로 복원될 수 있다. 코드워드는 복호(decoding)를 거쳐 원래의 정보블록으로 복원될 수 있다. 따라서, 수신 신호를 위한 신호 처리 회로(미도시)는 신호 복원기, 자원 디-매퍼, 포스트코더, 복조기, 디-스크램블러 및 복호기를 포함할 수 있다.
도 13은 본 개시에 적용 가능한 무선 프레임의 구조를 도시한 도면이다.
NR 시스템에 기초한 상향링크 및 하향링크 전송은 도 13과 같은 프레임에 기초할 수 있다. 이때, 하나의 무선 프레임은 10ms의 길이를 가지며, 2개의 5ms 하프-프레임(half-frame, HF)으로 정의될 수 있다. 하나의 하프-프레임은 5개의 1ms 서브프레임(subframe, SF)으로 정의될 수 있다. 하나의 서브프레임은 하나 이상의 슬롯으로 분할되며, 서브프레임 내 슬롯 개수는 SCS(subcarrier spacing)에 의존할 수 있다. 이때, 각 슬롯은 CP(cyclic prefix)에 따라 12개 또는 14개의 OFDM(A) 심볼들을 포함할 수 있다. 일반 CP(normal CP)가 사용되는 경우, 각 슬롯은 14개의 심볼들을 포함할 수 있다. 확장 CP(extended CP)가 사용되는 경우, 각 슬롯은 12개의 심볼들을 포함할 수 있다. 여기서, 심볼은 OFDM 심볼(또는, CP-OFDM 심볼), SC-FDMA 심볼(또는, DFT-s-OFDM 심볼)을 포함할 수 있다.
표 1은 일반 CP가 사용되는 경우, SCS에 따른 슬롯 별 심볼의 개수, 프레임 별 슬롯의 개수 및 서브프레임 별 슬롯의 개수를 나타내고, 표 2는 확장된 CSP가 사용되는 경우, SCS에 따른 슬롯 별 심볼의 개수, 프레임 별 슬롯의 개수 및 서브프레임 별 슬롯의 개수를 나타낸다.
Figure PCTKR2021000523-appb-T000001
Figure PCTKR2021000523-appb-T000002
상기 표 1 및 표 2에서, Nslot symb 는 슬롯 내 심볼의 개수를 나타내고, Nframe,μ slot는 프레임 내 슬롯의 개수를 나타내고, Nsubframe,μ slot는 서브프레임 내 슬롯의 개수를 나타낼 수 있다.
또한, 본 개시가 적용 가능한 시스템에서, 하나의 단말에게 병합되는 복수의 셀들간에 OFDM(A) 뉴모놀로지(numerology)(예, SCS, CP 길이 등)가 상이하게 설정될 수 있다. 이에 따라, 동일한 개수의 심볼로 구성된 시간 자원(예, SF, 슬롯 또는 TTI)(편의상, TU(time unit)로 통칭)의 (절대 시간) 구간이 병합된 셀들 간에 상이하게 설정될 수 있다.
NR은 다양한 5G 서비스들을 지원하기 위한 다수의 numerology(또는 SCS(subcarrier spacing))를 지원할 수 있다. 예를 들어, SCS가 15kHz인 경우, 전통적인 셀룰러 밴드들에서의 넓은 영역(wide area)를 지원하며, SCS가 30kHz/60kHz인 경우, 밀집한-도시(dense-urban), 더 낮은 지연(lower latency) 및 더 넓은 캐리어 대역폭(wider carrier bandwidth)를 지원하며, SCS가 60kHz 또는 그보다 높은 경우, 위상 잡음(phase noise)를 극복하기 위해 24.25GHz보다 큰 대역폭을 지원할 수 있다.
NR 주파수 밴드(frequency band)는 2가지 type(FR1, FR2)의 주파수 범위(frequency range)로 정의된다. FR1, FR2는 아래 표와 같이 구성될 수 있다. 또한, FR2는 밀리미터 웨이브(millimeter wave, mmW)를 의미할 수 있다.
Figure PCTKR2021000523-appb-T000003
또한, 일 예로, 본 개시가 적용 가능한 통신 시스템에서 상술한 뉴모놀로지(numerology)가 다르게 설정될 수 있다. 일 예로, 상술한 FR2보다 높은 주파수 대역으로 테라헤르츠 웨이브(Terahertz wave, THz) 대역이 사용될 수 있다. THz 대역에서 SCS는 NR 시스템보다 더 크게 설정될 수 있으며, 슬롯 수도 상이하게 설정될 수 있으며, 상술한 실시 예로 한정되지 않는다. THz 대역에 대해서는 하기에서 후술한다.
도 14는 본 개시에 적용 가능한 슬롯 구조를 도시한 도면이다.
하나의 슬롯은 시간 도메인에서 복수의 심볼을 포함한다. 예를 들어, 보통 CP의 경우 하나의 슬롯이 7개의 심볼을 포함하나, 확장 CP의 경우 하나의 슬롯이 6개의 심볼을 포함할 수 있다. 반송파(carrier)는 주파수 도메인에서 복수의 부반송파(subcarrier)를 포함한다. RB(Resource Block)는 주파수 도메인에서 복수(예, 12)의 연속한 부반송파로 정의될 수 있다.
또한, BWP(Bandwidth Part)는 주파수 도메인에서 복수의 연속한 (P)RB로 정의되며, 하나의 뉴모놀로지(numerology)(예, SCS, CP 길이 등)에 대응될 수 있다.
반송파는 최대 N개(예, 5개)의 BWP를 포함할 수 있다. 데이터 통신은 활성화된 BWP를 통해서 수행되며, 하나의 단말한테는 하나의 BWP만 활성화될 수 있다. 자원 그리드에서 각각의 요소는 자원요소(Resource Element, RE)로 지칭되며, 하나의 복소 심볼이 매핑될 수 있다.
이하에서는 6G 통신 시스템에 대해 설명한다.
6G (무선통신) 시스템은 (i) 디바이스 당 매우 높은 데이터 속도, (ii) 매우 많은 수의 연결된 디바이스들, (iii) 글로벌 연결성(global connectivity), (iv) 매우 낮은 지연, (v) 배터리-프리(battery-free) IoT 디바이스들의 에너지 소비를 낮추고, (vi) 초고신뢰성 연결, (vii) 머신 러닝 능력을 가지는 연결된 지능 등에 목적이 있다. 6G 시스템의 비젼은 “intelligent connectivity”, “deep connectivity”, “holographic connectivity”, “ubiquitous connectivity”와 같은 4가지 측면일 수 있으며, 6G 시스템은 하기 표 4와 같은 요구 사항을 만족시킬 수 있다. 즉, 표 4는 6G 시스템의 요구 사항을 나타낸 표이다.
Figure PCTKR2021000523-appb-T000004
이때, 6G 시스템은 향상된 모바일 브로드밴드(enhanced mobile broadband, eMBB), 초-저지연 통신(ultra-reliable low latency communications, URLLC), mMTC (massive machine type communications), AI 통합 통신(AI integrated communication), 촉각 인터넷(tactile internet), 높은 스루풋(high throughput), 높은 네트워크 능력(high network capacity), 높은 에너지 효율(high energy efficiency), 낮은 백홀 및 접근 네트워크 혼잡(low backhaul and access network congestion) 및 향상된 데이터 보안(enhanced data security)과 같은 핵심 요소(key factor)들을 가질 수 있다.
도 15는 본 개시에 적용 가능한 6G 시스템에서 제공 가능한 통신 구조의 일례를 도시한 도면이다.
도 15를 참조하면, 6G 시스템은 5G 무선통신 시스템보다 50배 더 높은 동시 무선통신 연결성을 가질 것으로 예상된다. 5G의 핵심 요소(key feature)인 URLLC는 6G 통신에서 1ms보다 적은 단-대-단(end-to-end) 지연을 제공함으로써 보다 더 주요한 기술이 될 것으로 예상된다. 이때, 6G 시스템은 자주 사용되는 영역 스펙트럼 효율과 달리 체적 스펙트럼 효율이 훨씬 우수할 것이다. 6G 시스템은 매우 긴 배터리 수명과 에너지 수확을 위한 고급 배터리 기술을 제공할 수 있어, 6G 시스템에서 모바일 디바이스들은 별도로 충전될 필요가 없을 수 있다. 또한, 6G에서 새로운 네트워크 특성들은 다음과 같을 수 있다.
- 위성 통합 네트워크(Satellites integrated network): 글로벌 모바일 집단을 제공하기 위해 6G는 위성과 통합될 것으로 예상된다. 지상파, 위성 및 공중 네트워크를 하나의 무선통신 시스템으로 통합은 6G에 매우 중요할 수 있다.
- 연결된 인텔리전스(connected intelligence): 이전 세대의 무선 통신 시스템과 달리 6G는 혁신적이며, “연결된 사물”에서 "연결된 지능"으로 무선 진화가 업데이트될 것이다. AI는 통신 절차의 각 단계(또는 후술할 신호 처리의 각 절차)에서 적용될 수 있다.
- 무선 정보 및 에너지 전달의 완벽한 통합(seamless integration wireless information and energy transfer): 6G 무선 네트워크는 스마트폰들과 센서들과 같이 디바이스들의 배터리를 충전하기 위해 전력을 전달할 것이다. 그러므로, 무선 정보 및 에너지 전송 (WIET)은 통합될 것이다.
- 유비쿼터스 슈퍼 3D 연결(ubiquitous super 3-dimemtion connectivity): 드론 및 매우 낮은 지구 궤도 위성의 네트워크 및 핵심 네트워크 기능에 접속은 6G 유비쿼터스에서 슈퍼 3D 연결을 만들 것이다.
위와 같은 6G의 새로운 네트워크 특성들에서 몇 가지 일반적인 요구 사항은 다음과 같을 수 있다.
- 스몰 셀 네트워크(small cell networks): 스몰 셀 네트워크의 아이디어는 셀룰러 시스템에서 처리량, 에너지 효율 및 스펙트럼 효율 향상의 결과로 수신 신호 품질을 향상시키기 위해 도입되었다. 결과적으로, 스몰 셀 네트워크는 5G 및 비욘드 5G (5GB) 이상의 통신 시스템에 필수적인 특성이다. 따라서, 6G 통신 시스템 역시 스몰 셀 네트워크의 특성을 채택한다.
- 초 고밀도 이기종 네트워크(ultra-dense heterogeneous network): 초 고밀도 이기종 네트워크들은 6G 통신 시스템의 또 다른 중요한 특성이 될 것이다. 이기종 네트워크로 구성된 멀티-티어 네트워크는 전체 QoS를 개선하고 비용을 줄인다.
- 대용량 백홀(high-capacity backhaul): 백홀 연결은 대용량 트래픽을 지원하기 위해 대용량 백홀 네트워크로 특징 지어진다. 고속 광섬유 및 자유 공간 광학 (FSO) 시스템이 이 문제에 대한 가능한 솔루션일 수 있다.
- 모바일 기술과 통합된 레이더 기술: 통신을 통한 고정밀 지역화(또는 위치 기반 서비스)는 6G 무선통신 시스템의 기능 중 하나이다. 따라서, 레이더 시스템은 6G 네트워크와 통합될 것이다.
- 소프트화 및 가상화(softwarization and virtualization): 소프트화 및 가상화는 유연성, 재구성성 및 프로그래밍 가능성을 보장하기 위해 5GB 네트워크에서 설계 프로세스의 기초가 되는 두 가지 중요한 기능이다. 또한, 공유 물리적 인프라에서 수십억 개의 장치가 공유될 수 있다.
이하에서는 6G 시스템의 핵심 구현 기술에 대해 설명한다.
- 인공 지능(artificial Intelligence, AI)
6G 시스템에 가장 중요하며, 새로 도입될 기술은 AI이다. 4G 시스템에는 AI가 관여하지 않았다. 5G 시스템은 부분 또는 매우 제한된 AI를 지원할 것이다. 그러나, 6G 시스템은 완전히 자동화를 위해 AI가 지원될 것이다. 머신 러닝의 발전은 6G에서 실시간 통신을 위해 보다 지능적인 네트워크를 만들 것이다. 통신에 AI를 도입하면 실시간 데이터 전송이 간소화되고 향상될 수 있다. AI는 수많은 분석을 사용하여 복잡한 대상 작업이 수행되는 방식을 결정할 수 있다. 즉, AI는 효율성을 높이고 처리 지연을 줄일 수 있다.
핸드 오버, 네트워크 선택, 자원 스케줄링과 같은 시간 소모적인 작업은 AI를 사용함으로써 즉시 수행될 수 있다. AI는 M2M, 기계-대-인간 및 인간-대-기계 통신에서도 중요한 역할을 할 수 있다. 또한, AI는 BCI(brain computer interface)에서 신속한 통신이 될 수 있다. AI 기반 통신 시스템은 메타 물질, 지능형 구조, 지능형 네트워크, 지능형 장치, 지능형 인지 라디오(radio), 자체 유지 무선 네트워크 및 머신 러닝에 의해 지원될 수 있다.
최근 AI를 무선 통신 시스템과 통합하려고 하는 시도들이 나타나고 있으나, 이는 어플리케이션 계층(application layer), 네트워크 계층(network layer) 특히, 딥 러닝은 무선 자원 관리 및 할당(wireless resource management and allocation) 분야에 집중되어 왔다. 그러나, 이러한 연구는 점점 MAC 계층 및 물리 계층으로 발전하고 있으며, 특히 물리계층에서 딥 러닝을 무선 전송(wireless transmission)과 결합하고자 하는 시도들이 나타나고 있다. AI 기반의 물리계층 전송은, 근본적인 신호 처리 및 통신 메커니즘에 있어서, 전통적인 통신 프레임워크가 아니라 AI 드라이버에 기초한 신호 처리 및 통신 메커니즘을 적용하는 것을 의미한다. 예를 들어, 딥러닝 기반의 채널 코딩 및 디코딩(channel coding and decoding), 딥러닝 기반의 신호 추정(estimation) 및 검출(detection), 딥러닝 기반의 MIMO(multiple input multiple output) 매커니즘(mechanism), AI 기반의 자원 스케줄링(scheduling) 및 할당(allocation) 등을 포함할 수 있다.
머신 러닝은 채널 추정 및 채널 트래킹을 위해 사용될 수 있으며, DL(downlink)의 물리 계층(physical layer)에서 전력 할당(power allocation), 간섭 제거(interference cancellation) 등에 사용될 수 있다. 또한, 머신 러닝은 MIMO 시스템에서 안테나 선택, 전력 제어(power control), 심볼 검출(symbol detection) 등에도 사용될 수 있다.
그러나 물리계층에서의 전송을 위한 DNN의 적용은 아래와 같은 문제점이 있을 수 있다.
딥러닝 기반의 AI 알고리즘은 훈련 파라미터를 최적화하기 위해 수많은 훈련 데이터가 필요하다. 그러나 특정 채널 환경에서의 데이터를 훈련 데이터로 획득하는데 있어서의 한계로 인해, 오프라인 상에서 많은 훈련 데이터를 사용한다. 이는 특정 채널 환경에서 훈련 데이터에 대한 정적 훈련(static training)은, 무선 채널의 동적 특성 및 다이버시티(diversity) 사이에 모순(contradiction)이 생길 수 있다.
또한, 현재 딥 러닝은 주로 실제 신호(real signal)을 대상으로 한다. 그러나, 무선 통신의 물리 계층의 신호들은 복소 신호(complex signal)이다. 무선 통신 신호의 특성을 매칭시키기 위해 복소(complex) 도메인 신호의 검출하는 신경망(neural network)에 대한 연구가 더 필요하다.
이하, 머신 러닝에 대해 보다 구체적으로 살펴본다.
머신 러닝은 사람이 할 수 있거나 혹은 하기 어려운 작업을 대신해낼 수 있는 기계를 만들어 내기 위해 기계를 학습시키는 일련의 동작을 의미한다. 머신 러닝을 위해서는 데이터와 러닝 모델이 필요하다. 머신 러닝에서 데이터의 학습 방법은 크게 3가지 즉, 지도 학습(supervised learning), 비지도 학습(unsupervised learning) 그리고 강화 학습(reinforcement learning)으로 구분될 수 있다.
신경망 학습은 출력의 오류를 최소화하기 위한 것이다. 신경망 학습은 반복적으로 학습 데이터를 신경망에 입력시키고 학습 데이터에 대한 신경망의 출력과 타겟의 에러를 계산하고, 에러를 줄이기 위한 방향으로 신경망의 에러를 신경망의 출력 레이어에서부터 입력 레이어 방향으로 역전파(backpropagation) 하여 신경망의 각 노드의 가중치를 업데이트하는 과정이다.
지도 학습은 학습 데이터에 정답이 라벨링된 학습 데이터를 사용하며 비지도 학습은 학습 데이터에 정답이 라벨링되어 있지 않을 수 있다. 즉, 예를 들어 데이터 분류에 관한 지도 학습의 경우의 학습 데이터는 학습 데이터 각각에 카테고리가 라벨링된 데이터 일 수 있다. 라벨링된 학습 데이터가 신경망에 입력되고 신경망의 출력(카테고리)과 학습 데이터의 라벨을 비교하여 오차(error)가 계산될 수 있다. 계산된 오차는 신경망에서 역방향(즉, 출력 레이어에서 입력 레이어 방향)으로 역전파 되며, 역전파에 따라 신경망의 각 레이어의 각 노드들의 연결 가중치가 업데이트 될 수 있다. 업데이트 되는 각 노드의 연결 가중치는 학습률(learning rate)에 따라 변화량이 결정될 수 있다. 입력 데이터에 대한 신경망의 계산과 에러의 역전파는 학습 사이클(epoch)을 구성할 수 있다. 학습률은 신경망의 학습 사이클의 반복 횟수에 따라 상이하게 적용될 수 있다. 예를 들어, 신경망의 학습 초기에는 높은 학습률을 사용하여 신경망이 빠르게 일정 수준의 성능을 확보하도록 하여 효율성을 높이고, 학습 후기에는 낮은 학습률을 사용하여 정확도를 높일 수 있다
데이터의 특징에 따라 학습 방법은 달라질 수 있다. 예를 들어, 통신 시스템 상에서 송신단에서 전송한 데이터를 수신단에서 정확하게 예측하는 것을 목적으로 하는 경우, 비지도 학습 또는 강화 학습 보다는 지도 학습을 이용하여 학습을 수행하는 것이 바람직하다.
러닝 모델은 인간의 뇌에 해당하는 것으로서, 가장 기본적인 선형 모델을 생각할 수 있으나, 인공 신경망(artificial neural networks)와 같은 복잡성이 높은 신경망 구조를 러닝 모델로 사용하는 머신 러닝의 패러다임을 딥러닝(deep learning)이라 한다.
학습(learning) 방식으로 사용하는 신경망 코어(neural network cord)는 크게 심층 신경망(deep neural networks, DNN), 합성곱 신경망(convolutional deep neural networks, CNN), 순환 신경망(recurrent boltzmann machine, RNN) 방식이 있으며, 이러한 러닝 모델이 적용될 수 있다.
이하에서는 THz(Terahertz) 통신에 대해 설명한다.
6G 시스템에서 THz 통신이 적용될 수 있다. 일 예로, 데이터 전송률은 대역폭을 늘려 높일 수 있다. 이것은 넓은 대역폭으로 sub-THz 통신을 사용하고, 진보된 대규모 MIMO 기술을 적용하여 수행될 수 있다.
도 16은 본 개시에 적용 가능한 전자기 스펙트럼을 도시한 도면이다. 일 예로, 도 16을 참조하면, 밀리미터 이하의 방사선으로도 알려진 THz파는 일반적으로 0.03mm-3mm 범위의 해당 파장을 가진 0.1THz와 10THz 사이의 주파수 대역을 나타낸다. 100GHz-300GHz 대역 범위(Sub THz 대역)는 셀룰러 통신을 위한 THz 대역의 주요 부분으로 간주된다. Sub-THz 대역 mmWave 대역에 추가하면 6G 셀룰러 통신 용량은 늘어난다. 정의된 THz 대역 중 300GHz-3THz는 원적외선 (IR) 주파수 대역에 있다. 300GHz-3THz 대역은 광 대역의 일부이지만 광 대역의 경계에 있으며, RF 대역 바로 뒤에 있다. 따라서, 이 300 GHz-3 THz 대역은 RF와 유사성을 나타낸다.
THz 통신의 주요 특성은 (i) 매우 높은 데이터 전송률을 지원하기 위해 광범위하게 사용 가능한 대역폭, (ii) 고주파에서 발생하는 높은 경로 손실 (고 지향성 안테나는 필수 불가결)을 포함한다. 높은 지향성 안테나에서 생성된 좁은 빔 폭은 간섭을 줄인다. THz 신호의 작은 파장은 훨씬 더 많은 수의 안테나 소자가 이 대역에서 동작하는 장치 및 BS에 통합될 수 있게 한다. 이를 통해 범위 제한을 극복할 수 있는 고급 적응형 배열 기술을 사용할 수 있다.
이하에서는 광 무선 기술(optical wireless technology)에 대해 설명한다.
OWC(optical wireless communication) 기술은 가능한 모든 장치-대-액세스 네트워크를 위한 RF 기반 통신 외에도 6G 통신을 위해 계획되었다. 이러한 네트워크는 네트워크-대-백홀/프론트홀 네트워크 연결에 접속한다. OWC 기술은 4G 통신 시스템 이후 이미 사용되고 있으나 6G 통신 시스템의 요구를 충족시키기 위해 더 널리 사용될 것이다. 광 충실도(light fidelity), 가시광 통신, 광 카메라 통신 및 광 대역에 기초한 FSO(free space optical) 통신과 같은 OWC 기술은 이미 잘 알려진 기술이다. 광 무선 기술 기반의 통신은 매우 높은 데이터 속도, 낮은 지연 시간 및 안전한 통신을 제공할 수 있다. LiDAR(light detection and ranging) 또한 광 대역을 기반으로 6G 통신에서 초 고해상도 3D 매핑을 위해 이용될 수 있다.
이하에서는 FSO 백홀 네트워크에 대해 설명한다.
FSO 시스템의 송신기 및 수신기 특성은 광섬유 네트워크의 특성과 유사하다. 따라서, FSO 시스템의 데이터 전송은 광섬유 시스템과 비슷하다. 따라서, FSO는 광섬유 네트워크와 함께 6G 시스템에서 백홀 연결을 제공하는 좋은 기술이 될 수 있다. FSO를 사용하면, 10,000km 이상의 거리에서도 매우 장거리 통신이 가능하다. FSO는 바다, 우주, 수중, 고립된 섬과 같은 원격 및 비원격 지역을 위한 대용량 백홀 연결을 지원한다. FSO는 셀룰러 기지국 연결도 지원한다.
이하에서는 대규모 MIMO 기술에 대해 설명한다.
스펙트럼 효율을 향상시키는 핵심 기술 중 하나는 MIMO 기술을 적용하는 것이다. MIMO 기술이 향상되면 스펙트럼 효율도 향상된다. 따라서, 6G 시스템에서 대규모 MIMO 기술이 중요할 것이다. MIMO 기술은 다중 경로를 이용하기 때문에 데이터 신호가 하나 이상의 경로로 전송될 수 있도록 다중화 기술 및 THz 대역에 적합한 빔 생성 및 운영 기술도 중요하게 고려되어야 한다.
이하에서는 블록 체인에 대해 설명한다.
블록 체인은 미래의 통신 시스템에서 대량의 데이터를 관리하는 중요한 기술이 될 것이다. 블록 체인은 분산 원장 기술의 한 형태로서, 분산 원장은 수많은 노드 또는 컴퓨팅 장치에 분산되어 있는 데이터베이스이다. 각 노드는 동일한 원장 사본을 복제하고 저장한다. 블록 체인은 P2P(peer to peer) 네트워크로 관리된다. 중앙 집중식 기관이나 서버에서 관리하지 않고 존재할 수 있다. 블록 체인의 데이터는 함께 수집되어 블록으로 구성된다. 블록은 서로 연결되고 암호화를 사용하여 보호된다. 블록 체인은 본질적으로 향상된 상호 운용성(interoperability), 보안, 개인 정보 보호, 안정성 및 확장성을 통해 대규모 IoT를 완벽하게 보완한다. 따라서, 블록 체인 기술은 장치 간 상호 운용성, 대용량 데이터 추적성, 다른 IoT 시스템의 자율적 상호 작용 및 6G 통신 시스템의 대규모 연결 안정성과 같은 여러 기능을 제공한다.
이하에서는 3D 네트워킹에 대해 설명한다.
6G 시스템은 지상 및 공중 네트워크를 통합하여 수직 확장의 사용자 통신을 지원한다. 3D BS는 저궤도 위성 및 UAV를 통해 제공될 것이다. 고도 및 관련 자유도 측면에서 새로운 차원을 추가하면 3D 연결이 기존 2D 네트워크와 상당히 다르다.
이하에서는 양자 커뮤니케이션에 대해 설명한다.
6G 네트워크의 맥락에서 네트워크의 감독되지 않은 강화 학습이 유망하다. 지도 학습 방식은 6G에서 생성된 방대한 양의 데이터에 레이블을 지정할 수 없다. 비지도 학습에는 라벨링이 필요하지 않다. 따라서, 이 기술은 복잡한 네트워크의 표현을 자율적으로 구축하는 데 사용할 수 있다. 강화 학습과 비지도 학습을 결합하면 진정한 자율적인 방식으로 네트워크를 운영할 수 있다.
이하에서는 무인 항공기에 대해 설명한다.
UAV(unmanned aerial vehicle) 또는 드론은 6G 무선 통신에서 중요한 요소가 될 것이다. 대부분의 경우, UAV 기술을 사용하여 고속 데이터 무선 연결이 제공된다. 기지국 엔티티는 셀룰러 연결을 제공하기 위해 UAV에 설치된다. UAV는 쉬운 배치, 강력한 가시선 링크 및 이동성이 제어되는 자유도와 같은 고정 기지국 인프라에서 볼 수 없는 특정 기능을 가지고 있다. 천재 지변 등의 긴급 상황 동안, 지상 통신 인프라의 배치는 경제적으로 실현 가능하지 않으며, 때로는 휘발성 환경에서 서비스를 제공할 수 없다. UAV는 이러한 상황을 쉽게 처리할 수 있다. UAV는 무선 통신 분야의 새로운 패러다임이 될 것이다. 이 기술은 eMBB, URLLC 및 mMTC 인 무선 네트워크의 세 가지 기본 요구 사항을 용이하게 한다. UAV는 또한, 네트워크 연결성 향상, 화재 감지, 재난 응급 서비스, 보안 및 감시, 오염 모니터링, 주차 모니터링, 사고 모니터링 등과 같은 여러 가지 목적을 지원할 수 있다. 따라서, UAV 기술은 6G 통신에 가장 중요한 기술 중 하나로 인식되고 있다.
이하에서는 셀-프리 통신(cell-free Communication)에 대해 설명한다.
여러 주파수와 이기종 통신 기술의 긴밀한 통합은 6G 시스템에서 매우 중요하다. 결과적으로, 사용자는 디바이스에서 어떤 수동 구성을 만들 필요 없이 네트워크에서 다른 네트워크로 원활하게 이동할 수 있다. 사용 가능한 통신 기술에서 최상의 네트워크가 자동으로 선택된다. 이것은 무선 통신에서 셀 개념의 한계를 깨뜨릴 것이다. 현재, 하나의 셀에서 다른 셀로의 사용자 이동은 고밀도 네트워크에서 너무 많은 핸드 오버를 야기하고, 핸드 오버 실패, 핸드 오버 지연, 데이터 손실 및 핑퐁 효과를 야기한다. 6G 셀-프리 통신은 이 모든 것을 극복하고 더 나은 QoS를 제공할 것이다. 셀-프리 통신은 멀티 커넥티비티 및 멀티-티어 하이브리드 기술과 장치의 서로 다른 이기종 라디오를 통해 달성될 것이다.
이하에서는 무선 정보 및 에너지 전송 통합(wireless information and energy transfer, WIET)에 대해 설명한다.
WIET은 무선 통신 시스템과 같이 동일한 필드와 웨이브(wave)를 사용한다. 특히, 센서와 스마트폰은 통신 중 무선 전력 전송을 사용하여 충전될 것이다. WIET은 배터리 충전 무선 시스템의 수명을 연장하기 위한 유망한 기술이다. 따라서, 배터리가 없는 장치는 6G 통신에서 지원될 것이다.
이하에서는 센싱과 커뮤니케이션의 통합에 대해 설명한다.
자율 무선 네트워크는 동적으로 변화하는 환경 상태를 지속적으로 감지하고 서로 다른 노드간에 정보를 교환할 수 있는 기능이다. 6G에서, 감지는 자율 시스템을 지원하기 위해 통신과 긴밀하게 통합될 것이다.
이하에서는 액세스 백홀 네트워크의 통합에 대해 설명한다.
6G에서 액세스 네트워크의 밀도는 엄청날 것이다. 각 액세스 네트워크는 광섬유와 FSO 네트워크와 같은 백홀 연결로 연결된다. 매우 많은 수의 액세스 네트워크들에 대처하기 위해, 액세스 및 백홀 네트워크 사이에 긴밀한 통합이 있을 것이다.
이하에서는 홀로그램 빔포밍에 대해 설명한다.
빔포밍은 특정 방향으로 무선 신호를 전송하기 위해 안테나 배열을 조정하는 신호 처리 절차이다. 스마트 안테나 또는 진보된 안테나 시스템의 하위 집합이다. 빔포밍 기술은 높은 신호 대 잡음비, 간섭 방지 및 거부, 높은 네트워크 효율과 같은 몇 가지 장점이 있다. 홀로그램 빔포밍(hologram beamforming, HBF)은 소프트웨어-정의된 안테나를 사용하기 때문에 MIMO 시스템과 상당히 다른 새로운 빔포밍 방법이다. HBF는 6G에서 다중 안테나 통신 장치에서 신호의 효율적이고 유연한 전송 및 수신을 위해 매우 효과적인 접근 방식이 될 것이다.
이하에서는 빅 데이터 분석에 대해 설명한다.
빅 데이터 분석은 다양한 대규모 데이터 세트 또는 빅 데이터를 분석하기 위한 복잡한 프로세스이다. 이 프로세스는 숨겨진 데이터, 알 수 없는 상관 관계 및 고객 성향과 같은 정보를 찾아 완벽한 데이터 관리를 보장한다. 빅 데이터는 비디오, 소셜 네트워크, 이미지 및 센서와 같은 다양한 소스에서 수집된다. 이 기술은 6G 시스템에서 방대한 데이터를 처리하는 데 널리 사용된다.
이하에서는 LIS(large intelligent surface)에 대해 설명한다.
THz 대역 신호의 경우 직진성이 강하여 방해물로 인한 음영 지역이 많이 생길 수 있는데, 이러한 음영 지역 근처에 LIS 설치함으로써 통신 권역을 확대하고 통신 안정성 강화 및 추가적인 부가 서비스가 가능한 LIS 기술이 중요하게 된다. LIS는 전자기 물질(electromagnetic materials)로 만들어진 인공 표면(artificial surface)이고, 들어오는 무선파와 나가는 무선파의 전파(propagation)을 변경시킬 수 있다. LIS는 매시브 MIMO의 확장으로 보여질 수 있으나, 매시브 MIMO와 서로 다른 어레이(array) 구조 및 동작 메커니즘이 다르다. 또한, LIS는 수동 엘리먼트(passive elements)를 가진 재구성 가능한 리플렉터(reflector)로서 동작하는 점 즉, 활성(active) RF 체인(chain)을 사용하지 않고 신호를 수동적으로만 반사(reflect)하는 점에서 낮은 전력 소비를 가지는 장점이 있다. 또한, LIS의 수동적인 리플렉터 각각은 입사되는 신호의 위상 편이를 독립적으로 조절해야 하기 때문에, 무선 통신 채널에 유리할 수 있다. LIS 컨트롤러를 통해 위상 편이를 적절히 조절함으로써, 반사된 신호는 수신된 신호 전력을 부스트(boost)하기 위해 타겟 수신기에서 모여질 수 있다.
이하에서는 테라헤르츠(THz) 무선 통신에 대해 설명한다.
도 17은 본 개시에 적용 가능한 THz 통신 방법을 도시한 도면이다.
도 17을 참조하면, THz 무선통신은 대략 0.1~10THz(1THz=1012Hz)의 진동수를 가지는 THz파를 이용하여 무선통신을 이용하는 것으로, 100GHz 이상의 매우 높은 캐리어 주파수를 사용하는 테라헤르츠(THz) 대역 무선통신을 의미할 수 있다. THz파는 RF(Radio Frequency)/밀리미터(mm)와 적외선 대역 사이에 위치하며, (i) 가시광/적외선에 비해 비금속/비분극성 물질을 잘 투과하며 RF/밀리미터파에 비해 파장이 짧아 높은 직진성을 가지며 빔 집속이 가능할 수 있다.
또한, THz파의 광자 에너지는 수 meV에 불과하기 때문에 인체에 무해한 특성이 있다. THz 무선통신에 이용될 것으로 기대되는 주파수 대역은 공기 중 분자 흡수에 의한 전파 손실이 작은 D-밴드(110GHz~170GHz) 혹은 H-밴드(220GHz~325GHz) 대역일 수 있다. THz 무선통신에 대한 표준화 논의는 3GPP 이외에도 IEEE 802.15 THz WG(working group)을 중심으로 논의되고 있으며, IEEE 802.15의 TG(task group)(예, TG3d, TG3e)에서 발행되는 표준문서는 본 명세서에서 설명되는 내용을 구체화하거나 보충할 수 있다. THz 무선통신은 무선 인식(wireless cognition), 센싱(sensing), 이미징(imaging), 무선 통신(wireless), THz 네비게이션(navigation) 등에 응용될 수 있다.
구체적으로, 도 17을 참조하면, THz 무선통신 시나리오는 매크로 네트워크(macro network), 마이크로 네트워크(micro network), 나노스케일 네트워크(nanoscale network)로 분류될 수 있다. 매크로 네트워크에서 THz 무선통신은 V2V(vehicle-to-vehicle) 연결 및 백홀/프런트홀(backhaul/fronthaul) 연결에 응용될 수 있다. 마이크로 네트워크에서 THz 무선통신은 인도어 스몰 셀(small cell), 데이터 센터에서 무선 연결과 같은 고정된 point-to-point 또는 multi-point 연결, 키오스크 다운로딩과 같은 근거리 통신(near-field communication)에 응용될 수 있다. 하기 표 5는 THz 파에서 이용될 수 있는 기술의 일례를 나타낸 표이다.
Figure PCTKR2021000523-appb-T000005
도 18은 본 개시에 적용 가능한 THz 무선 통신 송수신기를 도시한 도면이다.
도 18을 참조하면, THz 무선통신은 THz 발생 및 수신을 위한 방법을 기준으로 분류할 수 있다. THz 발생 방법은 광 소자 또는 전자소자 기반 기술로 분류할 수 있다.
이때, 전자 소자를 이용하여 THz를 발생시키는 방법은 공명 터널링 다이오드(resonant tunneling diode, RTD)와 같은 반도체 소자를 이용하는 방법, 국부 발진기와 체배기를 이용하는 방법, 화합물 반도체 HEMT(high electron mobility transistor) 기반의 집적회로를 이용한 MMIC(monolithic microwave integrated circuits) 방법, Si-CMOS 기반의 집적회로를 이용하는 방법 등이 있다. 도 18의 경우, 주파수를 높이기 위해 체배기(doubler, tripler, multiplier)가 적용되었고, 서브하모닉 믹서를 지나 안테나에 의해 방사된다. THz 대역은 높은 주파수를 형성하므로, 체배기가 필수적이다. 여기서, 체배기는 입력 대비 N배의 출력 주파수를 갖게 하는 회로이며, 원하는 하모닉 주파수에 정합시키고, 나머지 모든 주파수는 걸러낸다. 그리고, 도 18의 안테나에 배열 안테나 등이 적용되어 빔포밍이 구현될 수도 있다. 도 18에서, IF는 중간 주파수(intermediate frequency)를 나타내며, 트리플러(tripler), 멀리플러(multipler)는 체배기를 나타내며, PA는 전력 증폭기(power amplifier)를 나타내며, LNA는 저잡음 증폭기(low noise amplifier), PLL은 위상동기회로(phase-locked loop)를 나타낸다.
도 19는 본 개시에 적용 가능한 THz 신호 생성 방법을 도시한 도면이다. 또한, 도 20은 본 개시에 적용 가능한 무선 통신 송수신기를 도시한 도면이다.
도 19 및 도 20을 참조하면, 광 소자 기반 THz 무선통신 기술은 광소자를 이용하여 THz 신호를 발생 및 변조하는 방법을 말한다. 광 소자 기반 THz 신호 생성 기술은 레이저와 광변조기 등을 이용하여 초고속 광신호를 생성하고, 이를 초고속 광검출기를 이용하여 THz 신호로 변환하는 기술이다. 이 기술은 전자 소자만을 이용하는 기술에 비해 주파수를 증가시키기가 용이하고, 높은 전력의 신호 생성이 가능하며, 넓은 주파수 대역에서 평탄한 응답 특성을 얻을 수 있다. 광소자 기반 THz 신호 생성을 위해서는 도 19에 도시된 바와 같이, 레이저 다이오드, 광대역 광변조기, 초고속 광검출기가 필요하다. 도 19의 경우, 파장이 다른 두 레이저의 빛 신호를 합파하여 레이저 간의 파장 차이에 해당하는 THz 신호를 생성하는 것이다. 도 19에서, 광 커플러(optical coupler)는 회로 또는 시스템 간의 전기적 절연과의 결합을 제공하기 위해 광파를 사용하여 전기신호를 전송하도록 하는 반도체 디바이스를 의미하며, UTC-PD(uni-travelling carrier photo-detector)은 광 검출기의 하나로서, 능동 캐리어(active carrier)로 전자를 사용하며 밴드갭 그레이딩(bandgap grading)으로 전자의 이동 시간을 감소시킨 소자이다. UTC-PD는 150GHz 이상에서 광검출이 가능하다. 도 20에서, EDFA(erbium-doped fiber amplifier)는 어븀이 첨가된 광섬유 증폭기를 나타내며, PD(photo detector)는 광신호를 전기신호로 변환할 수 있는 반도체 디바이스를 나타내며, OSA는 각종 광통신 기능(예, 광전 변환, 전광 변환 등)을 하나의 부품으로 모듈화시킨 광모듈(optical sub assembly)를 나타내며, DSO는 디지털 스토리지 오실로스코프(digital storage oscilloscope)를 나타낸다.
도 21은 본 개시에 적용 가능한 송신기 구조를 도시한 도면이다. 또한, 도 22는 본 개시에 적용 가능한 변조기 구조를 도시한 도면이다.
도 21 및 도 22를 참조하면, 일반적으로 레이저(laser)의 광학 소스(optical source)를 광파 가이드(optical wave guide)를 통과시켜 신호의 위상(phase)등을 변화시킬 수 있다. 이때, 마이크로파 컨택트(microwave contact) 등을 통해 전기적 특성을 변화시킴으로써 데이터를 싣게 된다. 따라서, 광학 변조기 출력(optical modulator output)은 변조된(modulated) 형태의 파형으로 형성된다. 광전 변조기(O/E converter)는 비선형 크리스탈(nonlinear crystal)에 의한 광학 정류(optical rectification) 동작, 광전도 안테나(photoconductive antenna)에 의한 광전 변환(O/E conversion), 광속의 전자 다발(bunch of relativistic electrons)로부터의 방출(emission) 등에 따라 THz 펄스를 생성할 수 있다. 상기와 같은 방식으로 발생한 테라헤르츠 펄스(THz pulse)는 펨토 세컨드(femto second)부터 피코 세컨드(pico second)의 단위의 길이를 가질 수 있다. 광전 변환기(O/E converter)는 소자의 비선형성(non-linearity)을 이용하여, 하향 변환(Down conversion)을 수행한다.
테라헤르츠 스펙트럼의 용도(THz spectrum usage)를 고려할 때, 테라헤르츠 시스템을 위해서 고정된(fixed) 또는 모바일 서비스(mobile service) 용도로써 여러 개의 연속적인 기가헤르츠(contiguous GHz)의 대역들(bands)을 사용할 가능성이 높다. 아웃도어(outdoor) 시나리오 기준에 의하면, 1THz까지의 스펙트럼에서 산소 감쇠(Oxygen attenuation) 102 dB/km를 기준으로 가용 대역폭(Bandwidth)이 분류될 수 있다. 이에 따라 상기 가용 대역폭이 여러 개의 밴드 청크(band chunk)들로 구성되는 프레임워크(framework)가 고려될 수 있다. 상기 프레임워크의 일 예시로 하나의 캐리어(carrier)에 대해 테라헤르츠 펄스(THz pulse)의 길이를 50ps로 설정한다면, 대역폭(BW)은 약 20GHz가 된다.
적외선 대역(infrared band)에서 테라헤르츠 대역(THz band)으로의 효과적인 하향 변환(Down conversion)은 광전 컨버터(O/E converter)의 비선형성(nonlinearity)을 어떻게 활용하는가에 달려 있다. 즉, 원하는 테라헤르츠 대역(THz band)으로 하향 변환(down conversion)하기 위해서는 해당 테라헤르츠 대역(THz band)에 옮기기에 가장 이상적인 비선형성(non-linearity)을 갖는 광전 변환기(O/E converter)의 설계가 요구된다. 만일 타겟으로 하는 주파수 대역에 맞지 않는 광전 변환기(O/E converter)를 사용하는 경우, 해당 펄스(pulse)의 크기(amplitude), 위상(phase)에 대하여 오류(error)가 발생할 가능성이 높다.
단일 캐리어(single carrier) 시스템에서, 광전 변환기 1개를 이용하여 테라헤르츠 송수신 시스템이 구현될 수 있다. 채널 환경에 따라 달라지지만 멀리 캐리어(Multi carrier) 시스템에서, 캐리어 수만큼 광전 변환기가 요구될 수 있다. 특히 전술한 스펙트럼 용도와 관련된 계획에 따라 여러 개의 광대역들을 이용하는 멀티 캐리어 시스템인 경우, 그 현상이 두드러지게 될 것이다. 이와 관련하여 상기 멀티 캐리어 시스템을 위한 프레임 구조가 고려될 수 있다. 광전 변환기를 기반으로 하향 주파수 변환된 신호는 특정 자원 영역(예: 특정 프레임)에서 전송될 수 있다. 상기 특정 자원 영역의 주파수 영역은 복수의 청크(chunk)들을 포함할 수 있다. 각 청크(chunk)는 적어도 하나의 컴포넌트 캐리어(CC)로 구성될 수 있다.
이하에서는 본 개시의 제안에 대해 설명한다.
이하의 도면은 본 명세서의 구체적인 일례를 설명하기 위해 작성되었다. 도면에 기재된 구체적인 장치의 명칭이나 구체적인 신호/메시지/필드의 명칭은 예시적으로 제시된 것이므로, 본 명세서의 기술적 특징이 이하의 도면에 사용된 구체적인 명칭에 제한되지 않는다.
연합학습(Federated learning)은 분산 머신러닝의 기법 중 하나로, 학습의 주체인 여러 장치(device)들이 서버와 로컬 모델(local model)의 가중치(weight)나 기울기(gradient) 등의 파라미터를 공유하며, 서버는 각 장치의 로컬 모델 파라미터를 취합하여 글로벌 파라미터(global parameter)를 업데이트한다. 이 과정에서 각 장치의 미가공 데이터(raw data)는 공유하지 않기 때문에 데이터 전송 과정에서의 통신 오버헤드(communication overhead)를 줄일 수 있으며, 개인정보를 보호할 수 있다.
도 23은 직교 분할 접속 기반의 연합학습 동작 과정의 일례를 도시한 것이다.
기존의 직교 다중 접속을 기반으로 하는 연합학습은 도 23과 같이 동작한다. 장치는 각자 할당된 자원에 로컬 파라미터를 전송하고, 서버는 장치로부터 수신한 파라미터에 대하여 오프라인 집성(offline aggregation)을 수행한다. 일반적으로 서버는 모든 로컬 파라미터에 대한 애버리징(averaging)을 통해 글로벌 파라미터를 도출하며, 이를 다시 장치에게 전송한다. 하지만 장치마다 서로 다른 자원을 사용하여 학습을 수행하는 점에서 한정된 자원 하에서는 학습에 참여하는 장치의 수가 증가할수록 글로벌 파라미터를 업데이트하기 위한 시간이 지연된다.
이러한 문제를 해결하기 위해 최근 AirComp(Over-the-Air Computation) 기반의 연합학습에 대한 연구가 진행되고 있다.
도 24는 AirComp 기반의 연합학습 동작 과정의 일례를 도시한 것이다.
AirComp는 도 24와 같이 모든 장치가 동일한 무선 자원을 활용하여 로컬 파라미터를 전송하는 방식으로, 서버로 수신된 신호는 아날로그 파형(analog waveform)의 중첩(superposition) 특성에 의해 자연스럽게 로컬 파라미터의 합을 얻을 수 있다. AirComp 기반 연합학습은 동일한 자원을 통해 로컬 파라미터를 전송하기 때문에 학습에 참여하는 장치의 수에 레이턴시(latency)가 크게 영향을 받지 않는다.
이하에서는 차분 프라이버시 또는 차등 프라이버시(differential privacy)에 대해 설명한다.
도 25는 차등 개인정보보호 또는 차등 프라이버시(differential privacy)를 설명하기 위한 도면이다.
머신 러닝을 위한 데이터 집합(data set)에 프라이버시 공격(privacy attack)을 막기 위해 차등 프라이버시를 적용하려는 연구가 진행되고 있다. 차등 프라이버시는 구현 시 다른 보안 알고리즘에 비해 간단하고 수학적 체계가 잘 수립되어 있다. 또한 차등 프라이버시 알고리즘을 복합적으로 구성하더라도 프라이버시 레벨(privacy level)을 수학적으로 쉽게 정량화할 수 있어 최근 각광 받고 있다.
도 25를 참고하면, 공격자(adversary)는 데이터 집합을 통해 머신 러닝이 목적이 아닌 데이터 집합에 대한 개개 정보를 알아내려는 프라이버시 공격을 하려고 한다. 이를 막기 위해 데이터 집합을 프라이버시 경계(privacy boundary)로 둘러 싸고 머신 러닝을 위한 유일하게 잘 정의된 인터페이스만으로 접근하게 한다. 이 인터페이스를 통하여 공격자가 데이터 집합에 대한 접근을 할 때 마다 랜덤화된 메커니즘(randomized mechanism)을 적용하여 공격자가 개개의 정보를 알아내는 것을 확률적으로 방어한다. 머신 러닝을 위한 인터페이스는 주로 통계 정보인 평균(mean), 중앙값(median), 분산(variance), 순서 통계(order statics)와 재현 데이터(synthetic data), 머신 러닝 모델(ML model) 등의 질의로 구성되어 있다.
차등 프라이버시의 랜덤화 메커니즘(randomize mechanism) 중 하나는 (ε, δ) 차등 프라이버시로서 다음과 같이 정의된다.
Figure PCTKR2021000523-appb-M000001
여기서 x는 프라이버시 공격을 하려고 하는 특정 데이터 요소(data element)가 포함된 데이터 집합(data set)에 대한 질의이고, x'는 그 특정 데이터 요소(data element)가 포함되지 않았거나 다른 값을 가지는 데이터 집합(data set)에 대한 질의이다. 이 2개의 질의를 차등 공격(differential attack)으로 정의한다. ε은 프라이버시 레벨(privacy level)로 정의되며, ε이 클 경우 프라이버시 레벨이 약해진다. M(x)는 데이터 집합 x에 대한 질의에 랜덤화된 메커니즘을 적용한 결과이다. E는 인터페이스 출력이 가질 수 있는 범위이다. δ는 주어진 ε 프라이버시 레벨을 위반할 확률로서 아주 작은 값일 수 있다. 공격자는 두 개의 질의를 기반으로 출력 값을 대조하면 특정 데이터 요소의 값을 알 수 있다. 차등 프라이버시는 머신 러닝의 성능을 해치지 않는 범위에서 랜덤화된 알고리즘을 적용하여 공격자에게 프라이버시와 관련된 정보의 노출을 최소화할 수 있다.
전술한 조건을 만족하는 랜덤화된 알고리즘 M(x)의 대표적인 방법은 잡음을 데이터에 의도적으로 포함시키는 것이다. 이 때, 잡음은 머신 러닝의 학습이 손상되지 않는 범위 내에서 상기 데이터에 포함될 수 있다. 데이터를 이용하고자 하는 개체와 프라이버시를 공격하려는 공격자 모두는 잡음이 섞인 데이터를 획득할 수 있다. 여기서, 잡음을 데이터에 포함시킴으로써, 통계적 학습에는 성공할 수 있지만 동시에 개인 정보는 노출되지 않을 수 있다. 여기서, 차등 프라이버시에 의해 통계적 학습 관점에서 희생이 되는 부분을 유틸리티(utility) 또는 정확도 문제라고 부른다.
차세대 통신 시스템에서는 영상, 음성 데이터 이외에도 머신 러닝, 딥 러닝 등 AI 기반의 많은 데이터가 장치들 간 교환될 수 있다. 이러한 데이터의 프라이버시를 보호하기 위해 데이터에 차등 프라이버시를 적용할 수 있다.
차등 프라이버시가 이용되면 데이터는 잡음이 인가되거나 랜덤화 처리가 되므로, 잡음이 포함된 데이터가 무선 통신 시스템 상에서 송수신될 수 있다. 여기서, 기존 무선 통신 시스템의 신호 송수신 방법은 잡음을 제거하기 위한 전력 제어, 무선 전파 대역 및 장치의 복잡도를 높이는 채널 코딩 및 송수신 방법 등의 절차들이 존재한다. 일례로, 가우시안 메커니즘(Gaussian mechanism)을 이용하여 차등 프라이버시를 신호 잡음 비율(signal to noise ratio: SNR) x dB을 적용한 데이터를 완벽하게 송수신하기 위해 x dB를 고려하지 않은 높은 전력, 큰 주파수 대역 및 복잡한 채널 코딩을 적용할 수 있다.
다시 말하면, 본 명세서에서는 차등 프라이버시를 데이터에 적용하는 통신 방법을 고려한다. 즉, 사용자가 데이터 베이스에 접근할 때 잡음 데이터를 보여주는 문제를 데이터를 요청하는 디바이스와 응답하는 디바이스간의 통신에서 차등 프라이버시를 적용하는 문제로 확장하고자 한다. 특히, 6G는 머신 러닝, 딥 러닝 등 AI 기반의 통신 네트워크이므로 이러한 고려가 더욱 중요하다.
본 명세서의 제안 방법은 물리 계층 보안(security) 기술의 하나로서 어플리케이션 계층이 아닌 통신 물리 계층에서 차등 프라이버시 메커니즘을 지원하는 방법이다.
구체적으로, 본 명세서의 제안 방법에 따르면, 차등 프라이버시를 적용한 데이터에 대해 잡음을 제거하여 송수신하지 않고, 차등 프라이버시에서 지정된 (ε, δ)에 대응하는 데이터를 물리 계층 및 통신 프로토콜에서 통신할 수 있다. 여기서, 차등 프라이버시는 최초로 제안된 정의뿐만 아니라 이후의 다양한 프라이버시 개념들을 포함할 수 있다. 이는 다양한 프라이버시 개념 또는 정의들이 잡음의 추가(noise addition) 등 랜덤화된 메커니즘에 기반하고 물리 계층 및 통신 프로토콜에서 수행되기 때문이다.
차등 프라이버시 정확도 제어(differential privacy accuracy control)는 차등 프라이버시를 만족하는 잡음의 하한 값(lower bound)과 머신 러닝의 정확도를 손상하지 않는 상한 값(upper bound) 조건에 부합하도록 랜덤화된 메커니즘을 제어하는 것을 의미한다. 예를 들어, 차등 프라이버시를 위해 가우시안 잡음(Gaussian noise)을 적어도 x 이상 데이터에 인가하고 머신 러닝의 정확도를 위해 x보다 크지만 너무 큰 잡음을 섞지 않도록 일정하게 제어하는 것으로 정의할 수 있다.
위협 모델(treat model)은 공격자의 공격에 대한 모델이다. 차등 프라이버시는 데이터 소스(data source)에 대해 랜덤화된 메커니즘만을 적용하기 때문에 공격자에 대한 가정이 간단할 수 있다. 그러나, 이를 통신 시스템에 확장하려면 위험 모델을 다음과 같이 고려할 수 있다.
도 26은 낮은 프라이버시에 대한 위협 모델의 일례를 도시한 것이다. 도 27은 높은 프라이버시에 대한 위협 모델의 일례를 도시한 것이다.
도 26 및 도 27을 참고하면, 공격자가 접근 가능한 영역인 프라이버시 경계(privacy boundary)에 따라 위협 모델을 낮은 프라이버시(low privacy)에 대한 위협 모델, 높은 프라이버시(high privacy)에 대한 위협 모델로 구분할 수 있다. 여기서, 프라이버시 경계는 특별히 제공된 인터페이스 이외에 공격자 및 사용자가 침입할 수 없는 영역을 의미할 수 있다.
도 26을 참고하면, 낮은 프라이버시에 대한 위협 모델은 프라이버시 경계가 송수신기의 물리 계층과 무선 채널을 포함하고, 송수신기의 물리 계층이 협업하여 차등 프라이버시를 보장하는 모델이다.
도 27을 참고하면, 높은 프라이버시에 대한 위협 모델은 프라이버시가 송신기의 물리 계층 및 수신기의 물리 계층을 포함하고, 무선 채널은 포함하지 않는다.
무선 채널에서 도청자 또는 공격자가 수신자와 협업하여 프라이버시 통신 데이터를 공격할 수 있다. 이 때, 낮은 프라이버시에 대한 위협 모델은 프라이버시 경계가 높은 프라이버시에 대한 위협 모델보다 더 큰 범위로 설정되므로, 예를 들어, 무선 채널에서 도청이 수행되지 않는다는 가정을 고려할 때, 프라이버시에 대한 보호의 정도가 상대적으로 낮을 수 있다.
한편, 차등 프라이버시를 고려한 통신 시스템에서 차등 프라이버시에 대한 랜덤화 소스(randomization source)에 따라 위협 모델을 구분할 수 있다. 랜덤화 소스는 프라이버시 경계 내에 존재해야 하므로, 높은 프라이버시에 대한 위협 모델의 경우 무선 채널은 차등 프라이버시에 대한 랜덤화 소스가 될 수 없다.
도 28은 차등 프라이버시에 기반한 통신 시스템을 위한 송수신기의 구조의 일례를 도시한 것이다.
도 28을 참고하면, 송신기는 사용자 데이터(user data)를 차등 프라이버시 통신 데이터(differential privacy communication data)로 포맷팅(formatting)을 수행하는 데이터 포맷팅 블록을 포함할 수 있다.
또한, 송신기 및 수신기는 차등 프라이버시 랜덤화(differential privacy randomizer) 블록을 포함할 수 있다. 상기 블록은 차등 프라이버시 랜덤화를 위한 잡음 소스(noise source) 중 하나로, 무선 채널을 잡음 소스로 이용할 경우 생략될 수 있다. 또는, 무선 채널과 조합하여 잡음 소스로 사용할 수 있다.
일례로, 가산 백색 가우시안 잡음(additive white Gaussian noise: AWGN)의 등가 모델의 차등 프라이버시 잡음의 일부로서 가우시안 잡음을 송신단 또는 수신단에서 인가할 수 있다. 또한, 다른 차등 프라이버시 잡음인 무선 채널 잡음과 함께 또다른 AWGN 등가 모델을 구성할 수도 있다.
차등 프라이버시에 기반한 통신 상에서 유일한 랜덤화 소스(randomization source)가 되는 경우 AGWN 등가 모델이 적용되지 않고 어떠한 형태의 차등 프라이버시 잡음을 적용할 수 있다. 예를 들어, 라플라스 잡음(Laplacian noise)을 인가하여 송신단에서 전송하고, 수신단이나 무선 채널은 차등 프라이버시 잡음 소스(differential privacy noise source)로 쓰지 않을 수도 있다. 이 때, 라플라스 잡음은 차등 프라이버시 통신 상에서 유일한 차등 프라이버시 잡음이 될 수 있다.
잡음 생성기(noise generator)는 차등 프라이버시 잡음의 생성을 담당할 수 있다. 소프트웨어로 생성된 의사-랜덤 잡음(pseudo-random noise)을 사용할 수도 있으며 하드웨어에서 생성된 잡음을 사용할 수도 있다. 송신단에서 의사-랜덤 잡음을 사용할 경우 수신단에서 이 잡음에 대한 시퀀스를 생성하여 제거하면 수신 정확도를 높이거나 차등 프라이버시를 제어하는 수단이 될 수 있다.
또한, 송신기는 차등 프라이버시 채널 인코더 블록을 포함할 수 있다. 이에 대응하여, 수신기는 차등 프라이버시 채널 디코더 블록을 포함할 수 있다.
차등 프라이버시 채널 인코더 및 디코더는 기존의 잡음이 없는(noise-free) 통신을 위한 극히 낮은 BER(bit error rate)을 목적으로 하는 채널 디코더가 아닌, 차등 프라이버시 (ε, δ)가 요구하는 잡음이 적절히 섞일 수 있는 BER을 목적으로 한다. 무선 자원의 대역폭을 이용하여 채널 용량에 근접하는 LDPC 코드, 폴라 코드(polar code), 터보 코드(turbo code)를 이용할 경우 고신뢰의(high reliable) BER 대신 차등 프라이버시에 의해 지정된 BER을 이용할 수 있다. 따라서, 송수신 전력을 기존 통신보다 더 적게 사용하거나 디코딩 시 반복(iteration) 횟수를 줄여 복잡도를 감소시킬 수 있다.
나아가, 다른 채널 코드(channel code)도 후보가 될 수 있다. 채널 용량에 근접하지 않는 채널 코드를 사용할 경우 데이터 프레임 크기(data frame size)를 줄이거나 디코딩 복잡도를 낮출 수 있다.
또한, 송신기는 레이트 매칭(rate matching) 블록을 포함할 수 있다. 이에 대응하여, 수신기는 디-레이트 매칭(de-rate matching) 블록을 포함할 수 있다. 레이트 매칭 블록은 물리 채널 자원인 시간, 주파수 자원과 채널 코딩의 데이터와 크기를 맞출 수 있다. 채널 코딩과 더불어 레이트(rate)에 따라 차등 프라이버시 데이터에 필요한 SNR(signal to noise ratio)을 조정하여 차등 프라이버시를 제어할 수 있다.
또한, 송신기는 차등 프라이버시 코딩 블록을 포함할 수 있다. 이에 대응하여 수신기는 차등 프라이버시 디코딩 블록을 포함할 수 있다. 차등 프라이버시 코딩 블록은 차등 프라이버시 데이터를 대역폭 리던던시(bandwidth redundancy)를 이용하여 코드워드(code word)로 인코딩할 수 있다. 일례로, 하나의 스칼라 값이 n-비트(bit) 표시(representation)인 차등 프라이버시 데이터 벡터(differential privacy data vector)는 인코딩 행렬(encoding matrix)로 곱해져서 선형 변환된 뒤 변조 평면(modulation plane)에 대응될 수도 있다. 또는, 차등 프라이버시 데이터 벡터는 뉴럴 네트워크(neural network)와 같은 비선형 변환을 거쳐 변조 평면에 대응될 수도 있다. 선형 변환의 하나의 실시 예로, 송신 전력이 제한된 상황에서 반복 코딩(repetition coding)을 통해 차등 프라이버시 값을 n개의 심볼로 확장하여 반복 코딩하여 송신한 후 수신단에서 이를 합칠 수 있다.
또한, 송신기는 변조(modulation)/프리코딩(precoding) 블록을 포함할 수 있다. 이에 대응하여 수신기는 복조(demodulation) 블록을 포함할 수 있다. 차등 프라이버시 변조는 정수 데이터(integer data)를 변조 평면의 복소수 값으로 대응시킬 수 있다. 이를 위해, 변조 평면은 유한한 비트 표현(finite bit representation)에 대응할 수 있도록 양자화될 수 있다. 일례로, I-Q 평면에서 각각 n-비트 정수를 대응시키고 AGWN 등가 모델에 의해 수신단에서 차등 프라이버시가 적용될 수 있다. 가우시안 메커니즘(Gaussian mechanism)을 통해 인접 정수로 잡음이 인가되어 수신단에서 샘플링(sampling)될 수 있다. 이를 도식화하면 도 29와 같다. 도 29는 차등 프라이버시 변조가 적용되는 일례를 도시한 것이다.
이 경우, 이산 가우시안 잡음(discrete Gaussian noise) N~NZ(0, σ2)의 M(x)=S+N 인가로 인해 다음과 같은 (ε, δ) 차등 프라이버시를 만족할 수 있다. 여기서, S, N은 유한한 비트 표현을 가진 값으로 정수로 해석해도 일반화가 가능하다.
Figure PCTKR2021000523-appb-M000002
또한, 차등 프라이버시 프리코딩 최적의 프리코딩을 사용하여 송수신 전력을 낮출 수 있다. 송신단 및 수신단에서 클록(clock)의 위상 잡음(phase noise) 등의 RF의 불완전성(imperfection)을 차등 프라이버시 랜덤화 소스로 이용할 수 있다. 이 경우 RF에 대한 요구 사항을 완화하여 복잡도를 낮출 수 있다.
한편, 차등 프라이버시 참조 신호가 변조 및/또는 프리코딩에 사용될 수 있다. 차등 프라이버시 참조 신호는 (ε, δ)에 따라 배치될 수 있고, 기존 통신의 참조 신호보다 거칠게(coarse) 배치될 수 있다. 따라서, 채널 추정의 정확도는 상대적으로 감소할 수 있으나, 차등 프라이버시 잡음 소스로 활용하여 물리 계층 자원을 사용자 데이터에 더욱 할당할 수 있다.
또한, 송신기는 차등 프라이버시 자원 맵핑(resource mapping) 블록을 포함할 수 있다. 이에 대응하여 수신기는 차등 프라이버시 자원 디맵핑(resource demapping) 블록을 포함할 수 있다. 차등 프라이버시 자원 맵핑은 차등 프라이버시 부스팅(boosting)으로 활용될 수 있다. 차등 프라이버시 데이터 요소를 랜덤하게 할당하면 이를 랜덤 순열(random permutation)로 해석할 수 있다. 차등 프라이버시 메커니즘에서 랜덤 순열을 수행할 경우 프라이버시 증폭(privacy amplification)이 발생할 수 있다.
또한, 송신기 및 수신기는 차등 프라이버시 동기화(synchronization) 동작을 수행할 수 있다. 구체적으로, 두 장치 간 통신에서 신호의 주파수 오프셋 및 시간 오프셋이 존재하면, 신호 수신 시 이를 잡음(noise)으로 등가 해석할 수 있다. 일례로, 상기 오프셋을 차등 프라이버시 잡음 소스로 활용할 수 있으며, 차등 프라이버시를 위해 일정 범위의 오프셋을 허용하는 저-비용 장치를 고려할 수도 있다.
또한, 송신기 및 수신기는 차등 프라이버시 빔포빙(beamforming) 동작을 수행할 수 있다. 밀리미터파 또는 테라헤르츠 대역의 통신을 하는 경우 빔포밍 제어를 통해 차등 프라이버시 잡음 소스로 활용할 수 있다. 일례로, 특정 SNR 범위에서 차등 프라이버시 잡음 제어를 수행하기 위해, 송수신 빔포밍을 이용하여 SNR을 특정 범위에서 제어할 수 있다. 이러한 경우, SNR의 최대값을 고려한 빔포밍을 수행하지 않고 거친 빔포밍(coarse beamforming)을 수행하여 빔 제어의 복잡도를 감소시킬 수 있다.
한편, 밀리미터파 또는 테라헤르츠 대역에서 기존 통신 디바이스의 RF의 위상 잡음은 극복해야 할 존재임에 반해, 차등 프라이버시 기반의 통신에서는 상기 잡음의 선형 변환(linear transform) 또는 비선형 변환(non-linear transform)을 통해 차등 프라이버시 랜덤화 소스가 될 수 있다. 이는 RF 성능 조건을 완화의 또다른 요소일 수 있다.
전술한 블록들은 반드시 모두 존재해야 하는 것은 아니며, 일부가 생략될 수 있다. 송신기 및/또는 수신기는 차등 프라이버시 랜덤화 알고리즘이 적용될 수 있도록 상기 블록들 중 일부 또는 전부를 제어할 수 있다.
이하에서는 랜덤화된 알고리즘 M(x)에 대해 설명한다.
먼저, 랜덤화된 알고리즘으로 가우시안 메커니즘이 사용될 수 있다. 도 28의 송수신기의 구조를 이용하여 AWGN 등가 모델을 구성하여 (ε, δ) 차등 프라이버시를 지원할 수 있다. 상기 등가 모델의 가우시안 잡음 σn 2은 차등 프라이버시와 정확도 간의 트레이드오프(tradeoff) γ 범위에서 제어될 수 있다. 가우시안 잡음에 의한 최소 잡음 전력은 f(ε, δ)로 표현할 수 있다. 도 30은 본 명세서에서 제안하는 가우시안 메커니즘을 개략적으로 도시한 것이다.
다음으로, 랜덤화된 응답(randomized response)이 사용될 수 있다. 구체적으로, 0과 1로 표현되는 범주형 사용자 데이터(categorical user data)의 경우 각각의 데이터의 카테고리(category)의 비율을 0과 1의 개수에 기반하여 계산할 수 있다. 이 때, 다음 식 3과 같은 천이 확률을 갖는 랜덤화된 응답을 통해 차등 프라이버시를 구현할 수 있다.
Figure PCTKR2021000523-appb-M000003
상기 천이 확률은 사용자 데이터에 따라 천이 행렬로 표현될 수 있다. 일례로, 다음과 같이 2개의 카테고리에 대해 행렬로 표현하면 식 4와 같을 수 있다.
Figure PCTKR2021000523-appb-M000004
여기서, 다음 식 5의 조건을 만족하면 (ε, δ) 차등 프라이버시를 도출할 수 있다.
Figure PCTKR2021000523-appb-M000005
한편, 상기 랜덤화된 응답은 차등 프라이버시 통신에서 도 31과 같은 등가 모델의 물리 채널의 BER 제어에 의해 제어될 수 있다. 여기서, 각 BER은 상기 식 4와 같이 pjk를 구성할 수 있다. 도 31은 사용자 데이터가 (ε, δ) 차등 프라이버시 데이터로 변환되는 일례를 개략적으로 도시한 것이다. 한편, 차등 프라이버시 통신을 지원하기 위한 구체적인 시스템은 전술한 도 28과 같을 수 있다.
이하에서는, 차등 프라이버시에 기반한 통신 시스템을 지원하기 위한 물리 채널을 제안한다. 이를 차등 프라이버시 물리 채널이라고 명명할 수 있다.
차등 프라이버시 물리 채널은 물리 차등 프라이버시 제어 채널(physical differential privacy control channel) 및 물리 차등 프라이버시 데이터 채널(physical differential privacy data channel)로 나뉠 수 있다.
물리 차등 프라이버시 제어 채널은 데이터를 요청하는 소스 장치(source device)가 목표 장치(target device)에게 차등 프라이버시 데이터를 요청하고, 목표 장치는 요청받은 차등 프라이버시 데이터를 전송하면서 상기 데이터의 수신에 필요한 정보를 알려주는 채널일 수 있다. 또한, 물리 차등 프라이버시 제어 채널은 제어 정보의 오류 없는 통신(error-free communication)을 특징으로 할 수 있다.
전술한 바와 같이, 물리 차등 프라이버시 제어 채널을 통해 요청 정보 및 응답 정보가 송수신될 수 있다. 여기서, 요청 정보에는 목표 프라이버시인 차등 프라이버시 (ε, δ) 값, 프라이버시에 대응하는 잡음 전력의 상한 값을 결정하는 차등 프라이버시 및 정확도 간의 트레이드오프 값, 물리 계층에서 이용하는 차등 프라이버시 잡음 소스에 대한 정보 등을 포함할 수 있다. 또한, 응답 정보에는 장치에게 할당된 자원, 전력, 변조 및 코딩 방식 등을 알려주는 물리 자원 정보, 차등 프라이버시에 대한 정확도를 높일 수 있는 부가 정보인 보조 정보(side information), 전송 횟수에 따라 프라이버시가 약화된 정도를 나타내는 프라이버시 버짓(privacy budget) 등을 포함할 수 있다.
한편, 물리 차등 프라이버시 데이터 채널은 목표 장치가 요청받은 차등 프라이버시 데이터를 전송하기 위한 물리 채널로서, 전술한 차등 프라이버시 통신 방법에 의한 사용자 정보의 통신이 수행되는 채널일 수 있다.
이하에서는, 본 명세서에서 제안하는 차등 프라이버시 통신 절차를 설명한다.
도 32는 높은 프라이버시(high privacy)에 대한 위협 모델의 통신 절차를 도시한 것이다. 높은 프라이버시에 대한 위협 모델의 랜덤화 소스(randomization source)는 목표 장치에만 위치한다. 즉, 무선 채널에서 도청자(eavesdropper)가 도청할 수 있으므로 무선 채널은 랜덤화 소스가 될 수 없다. 송신단에서 랜덤화 소스가 적용되어 잡음이 추가되면 도청자와 수신단에 대해 최소 차등 프라이버시를 보장할 수 있다. 다만, 수신단은 수신 잡음과 송신단의 차등 프라이버시 잡음이 합쳐져서 정확도 문제가 발생할 수 있다. 이 경우, 수신단은 송신단으로부터 최소한의 보조 정보를 암호화된 통로를 통해 수신하여 정확도를 제어할 수 있다.
도 32를 참고하면, 소스 장치와 목표 장치는 차등 프라이버시 관련 설정 정보를 교환한다(S3210). 여기서, 상기 차등 프라이버시 관련 설정 정보는 전술한 물리 차등 프라이버시 제어 채널을 통해 송수신될 수 있다. 또한 여기서, 상기 차등 프라이버시 관련 설정 정보는 각 장치에 대한 능력, 프라이버시 모델, 보조 정보 등을 포함할 수 있다.
이후, 소스 장치는 목표 장치에게 차등 프라이버시 데이터 요청 정보를 전송한다(S3220). 여기서, 상기 차등 프라이버시 데이터 요청 정보는 목표 프라이버시인 차등 프라이버시 (ε, δ) 값, 프라이버시에 대응하는 잡음 전력의 상한 값을 결정하는 차등 프라이버시 및 정확도 간의 트레이드오프 값, 물리 계층에서 이용하는 차등 프라이버시 잡음 소스에 대한 정보 등을 포함할 수 있다.
이후, 목표 장치는 소스 장치에게 차등 프라이버시 제어 정보를 전송한다(S3230). 여기서, 상기 차등 프라이버시 제어 정보는 물리 차등 프라이버시 제어 채널을 통해 송수신될 수 있다. 또한 여기서, 상기 차등 프라이버시 제어 정보는 상기 목표 장치가 전송하는 차등 프라이버시 데이터에 대한 자원 정보 및 잡음에 대한 보조 정보를 포함할 수 있다.
이후, 목표 장치는 데이터에 대해 랜덤화를 수행한다(S3240). 여기서, 상기 랜덤화는 전술한 랜덤화 메커니즘에 기반하여 수행될 수 있다.
이후, 목표 장치는 소스 장치에게 차등 프라이버시 데이터를 전송한다(S3250). 여기서, 상기 차등 프라이버시 데이터는 상기 목표 장치의 사용자 데이터와 (ε, δ) 차등 프라이버시를 만족하는 최소 잡음의 합일 수 있다.
이후, 소스 장치는 목표 장치가 전송한 보조 정보를 이용하여 상기 차등 프라이버시 데이터를 수신할 수 있다(S3260). 또한, (ε, δ) 차등 프라이버시 이외에 무선 채널의 수신 잡음은 수신기의 기술로 극복하거나 또는 인증된 수신 장치의 물리 계층이 전송하는 보조 정보에 기반한 잡음 제거(noise reduction)를 통해 차등 프라이버시의 제어를 수행할 수 있다.
도 33은 낮은 프라이버시(low privacy)에 대한 위협 모델의 통신 절차를 도시한 것이다. 이 경우, 무선 채널에서 도청자를 가정하지 않으므로, 무선 채널 및 수신단에서 랜덤화 알고리즘을 적용할 수 있다.
도 33을 참고하면, 소스 장치와 목표 장치는 차등 프라이버시 관련 설정 정보를 교환한다(S3310). 여기서, 상기 차등 프라이버시 관련 설정 정보는 전술한 물리 차등 프라이버시 제어 채널을 통해 송수신될 수 있다. 또한 여기서, 상기 차등 프라이버시 관련 설정 정보는 각 장치에 대한 능력, 프라이버시 모델, 보조 정보 등을 포함할 수 있다.
이후, 소스 장치는 목표 장치에게 차등 프라이버시 데이터 요청 정보를 전송한다(S3320). 여기서, 상기 차등 프라이버시 데이터 요청 정보는 목표 프라이버시인 차등 프라이버시 (ε, δ) 값, 프라이버시에 대응하는 잡음 전력의 상한 값을 결정하는 차등 프라이버시 및 정확도 간의 트레이드오프 값, 물리 계층에서 이용하는 차등 프라이버시 잡음 소스에 대한 정보 등을 포함할 수 있다.
이후, 목표 장치는 소스 장치에게 차등 프라이버시 제어 정보를 전송한다(S3330). 여기서, 상기 차등 프라이버시 제어 정보는 물리 차등 프라이버시 제어 채널을 통해 송수신될 수 있다. 또한 여기서, 상기 차등 프라이버시 제어 정보는 상기 목표 장치가 전송하는 차등 프라이버시 데이터에 대한 자원 정보 및 잡음에 대한 보조 정보를 포함할 수 있다.
이후, 목표 장치는 데이터에 대해 랜덤화를 수행한다(S3340). 여기서, 상기 랜덤화는 전술한 랜덤화 메커니즘에 기반하여 수행될 수 있다.
이후, 목표 장치는 소스 장치에게 차등 프라이버시 데이터를 전송한다(S3350). 여기서, 상기 목표 장치의 안테나 포트에서 차등 프라이버시 데이터를 무선 채널을 통해 전송할 때 상기 목표 장치는 협의된 랜덤화 방법으로 데이터를 송신할 수 있다.
이후, 상기 소스 장치는 랜덤화된 알고리즘에 기반하여 차등 프라이버시 데이터를 수신한다(S3360). 여기서, 상기 소스 장치는 (ε, δ) 차등 프라이버시를 만족할 수 있도록 수신한다.
한편, 송신단과 수신단 간 (ε, δ) 차등 프라이버시를 만족하는 통신을 위해 각 장치들은 채널 상태 정보를 측정하고 측정된 정보를 교환할 수 있다. 이 때, 무선 채널이 (ε, δ) 차등 프라이버시를 만족하는 조합에 대한 레벨을 측정하여 측정된 정보를 서로 교환할 수 있다.
도 34는 본 명세서의 일부 구현에 따른 제1 통신 장치의 신호 전송 방법의 일례에 대한 순서도이다. 여기서, 상기 제1 통신 장치는 엣지 장치 또는 단말이고, 상기 제2 통신 장치는 엣지 서버 또는 기지국일 수 있다.
도 34를 참고하면, 제1 통신 장치는 상기 제1 통신 장치에 대해 할당된 입실론-델타 차등 프라이버시를 만족하는 신호를 생성한다(S3410).
이후, 상기 제1 통신 장치는 상기 신호를 제2 통신 장치로 전송한다(S3420).
여기서, 상기 신호는 상기 입실론-델타 차등 프라이버시에 대응되는 잡음의 추가, 상기 입실론-델타 차등 프라이버시에 대응되는 변조(modulation) 중 적어도 하나에 기반하여 생성될 수 있다. 또한 여기서, 상기 잡음은 의사 랜덤 잡음 또는 상기 제1 통신 장치의 하드웨어 상 잡음 중 하나일 수 있다. 또한 여기서, 상기 변조는 상기 신호에 대응하는 복소값의 심볼에 대해 섭동(perturbation)을 수행하여 인접한 정수로 맵핑하는 것일 수 있다.
한편, 단말의 랜덤 접속 절차는 다음 표와 같이 요약할 수 있다.
Figure PCTKR2021000523-appb-T000006
도 35은 랜덤 접속 절차를 설명하기 위한 것이다.
도 35에 따르면, 먼저, 단말은 랜덤 접속 절차의 message(Msg) 1로서 상향링크로 PRACH(physical random access channel) 프리앰블을 전송할 수 있다.
2 개의 서로 다른 길이를 갖는 랜덤 접속 프리앰블 시퀀스가 지원된다. 길이 839의 긴 시퀀스는 1.25kHz 및 5kHz의 부반송파 간격에 적용되고, 길이 139의 짧은 시퀀스는 15, 30, 60, 및 120kHz의 부반송파 간격에 적용된다. 긴 시퀀스는 한정되지 않은 집합(inrestricted set) 및 타입 A 및 타입 B의 한정된 집합을 지원하고, 반면 짧은 시퀀스는 오직 한정되지 않은 집합만을 지원한다.
복수의 RACH 프리앰블 포맷들은 하나 이상의 RACH OFDM 심볼들, 상이한 CP(cyclic prefix), 및 보호 시간(guard time)으로 정의된다. 사용할 PRACH 프리앰블 설정은 시스템 정보로 단말에게 제공된다.
Msg1에 대한 응답이 없는 경우, 단말은 규정된 횟수 내에서 파워 램핑된 PRACH 프리앰블을 재전송할 수 있다. 단말은 가장 최근의 추정 경로 손실 및 파워 램핑 카운터에 기반하여 프리앰블의 재전송에 대한 PRACH 전송 전력을 계산한다. 만약 단말이 빔 스위칭을 수행하면, 파워 램핑 카운터는 변하지 않는다.
본 명세서에 기재된 청구항들은 다양한 방식으로 조합될 수 있다. 예를 들어, 본 명세서의 방법 청구항의 기술적 특징이 조합되어 장치로 구현될 수 있고, 본 명세서의 장치 청구항의 기술적 특징이 조합되어 방법으로 구현될 수 있다. 또한, 본 명세서의 방법 청구항의 기술적 특징과 장치 청구항의 기술적 특징이 조합되어 장치로 구현될 수 있고, 본 명세서의 방법 청구항의 기술적 특징과 장치 청구항의 기술적 특징이 조합되어 방법으로 구현될 수 있다.
본 명세서에서 제안하는 방법들은 단말/엣지 장치 이외에도, 적어도 하나의 프로세서(processor)에 의해 실행됨을 기초로 하는 명령어(instruction)를 포함하는 적어도 하나의 컴퓨터로 읽을 수 있는 기록 매체(computer readable medium) 및 하나 이상의 프로세서 및 상기 하나 이상의 프로세서에 의해 실행 가능하게 연결되고, 및 명령들을 저장하는 하나 이상의 메모리를 포함하되, 상기 하나 이상의 프로세서는 상기 명령어들을 실행하여 본 명세서에서 제안하는 방법들을 수행하는, 단말을 제어하도록 설정된 장치(apparatus)에 의해서도 수행될 수 있다. 또한, 본 명세서에서 제안하는 방법들에 따르면, 단말/엣지 장치가 수행하는 동작에 대응되는 기지국/엣지 서버에 의한 동작이 고려될 수 있음은 자명하다.

Claims (16)

  1. 머신 러닝(machine learning) 기반 무선 통신 시스템에서 제1 통신 장치에 의해 수행되는 신호 전송 방법에 있어서,
    제2 통신 장치로 랜덤 접속 프리앰블을 전송하고,
    상기 랜덤 접속 프리앰블에 대한 응답으로 랜덤 접속 응답을 상기 제2 통신 장치로부터 수신하고,
    상기 제1 통신 장치에 대해 할당된 입실론-델타 차등 프라이버시를 만족하는 신호를 생성하고, 및
    상기 신호를 상기 제2 통신 장치로 전송하되,
    상기 신호는 상기 입실론-델타 차등 프라이버시에 대응되는 잡음의 추가, 상기 입실론-델타 차등 프라이버시에 대응되는 변조(modulation) 중 적어도 하나에 기반하여 생성되고,
    상기 잡음은 의사 랜덤 잡음 또는 상기 제1 통신 장치의 하드웨어 상 잡음 중 하나이고,
    상기 변조는 상기 신호에 대응하는 복소값의 심볼에 대해 섭동(perturbation)을 수행하여 인접한 정수로 맵핑하는 것을 특징으로 하는 방법.
  2. 제1항에 있어서,
    상기 잡음은 상기 제1 통신 장치의 잡음 생성기에 기반하여 생성되는 것을 특징으로 하는 방법.
  3. 제1항에 있어서,
    상기 잡음은 가우시안 잡음(Gaussian noise)인 것을 특징으로 하는 방법.
  4. 제1항에 있어서,
    상기 잡음은 무선 채널 잡음을 포함하는 것을 특징으로 하는 방법.
  5. 제1항에 있어서,
    상기 신호에 포함되는 사용자 데이터(user data)에 대한 비트(bit) 각각은 서로 다른 비트 오류율(bit error rate)을 갖는 채널 잡음이 추가되는 것을 특징으로 하는 방법.
  6. 제1항에 있어서,
    상기 제1 통신 장치는 엣지 장치 또는 단말이고, 상기 제2 통신 장치는 엣지 서버 또는 기지국인 것을 특징으로 하는 방법.
  7. 머신 러닝을 수행하는 제1 통신 장치는,
    명령어들을 저장하는 하나 이상의 메모리;
    하나 이상의 송수신기; 및
    상기 하나 이상의 메모리와 상기 하나 이상의 송수신기를 연결하는 하나 이상의 프로세서를 포함하되, 상기 하나 이상의 프로세서는 상기 명령어들을 실행하여,
    제2 통신 장치로 랜덤 접속 프리앰블을 전송하고,
    상기 랜덤 접속 프리앰블에 대한 응답으로 랜덤 접속 응답을 상기 제2 통신 장치로부터 수신하고,
    상기 제1 통신 장치에 대해 할당된 입실론-델타 차등 프라이버시를 만족하는 신호를 생성하고, 및
    상기 신호를 상기 제2 통신 장치로 전송하되,
    상기 신호는 상기 입실론-델타 차등 프라이버시에 대응되는 잡음의 추가, 상기 입실론-델타 차등 프라이버시에 대응되는 변조(modulation) 중 적어도 하나에 기반하여 생성되고,
    상기 잡음은 의사 랜덤 잡음 또는 상기 제1 통신 장치의 하드웨어 상 잡음 중 하나이고,
    상기 변조는 상기 신호에 대응하는 복소값의 심볼에 대해 섭동(perturbation)을 수행하여 인접한 정수로 맵핑하는 것을 특징으로 하는 통신 장치.
  8. 머신 러닝(machine learning) 기반 무선 통신 시스템에서 제2 통신 장치에 의해 수행되는 신호 수신 방법에 있어서,
    랜덤 접속 프리앰블을 제1 통신 장치로부터 수신하고,
    상기 랜덤 접속 프리앰블에 대한 응답으로 랜덤 접속 응답을 상기 제1 통신 장치로 전송하고, 및
    상기 제1 통신 장치로부터 신호를 수신하되,
    상기 신호는 상기 제1 통신 장치에 대해 할당된 입실론-델타 차등 프라이버시를 만족하는 신호이고,
    상기 신호는 상기 입실론-델타 차등 프라이버시에 대응되는 잡음의 추가, 상기 입실론-델타 차등 프라이버시에 대응되는 변조(modulation) 중 적어도 하나에 기반하여 생성된 신호이고,
    상기 잡음은 의사 랜덤 잡음 또는 상기 제1 통신 장치의 하드웨어 상 잡음 중 하나이고,
    상기 변조는 상기 신호에 대응하는 복소값의 심볼에 대해 섭동(perturbation)을 수행하여 인접한 정수로 맵핑하는 것을 특징으로 하는 방법.
  9. 제8항에 있어서,
    상기 잡음은 상기 제1 통신 장치의 잡음 생성기에 기반하여 생성되는 것을 특징으로 하는 방법.
  10. 제8항에 있어서,
    상기 잡음은 가우시안 잡음(Gaussian noise)인 것을 특징으로 하는 방법.
  11. 제8항에 있어서,
    상기 잡음은 무선 채널 잡음을 포함하는 것을 특징으로 하는 방법.
  12. 제8항에 있어서,
    상기 신호에 포함되는 사용자 데이터(user data)에 대한 비트(bit) 각각은 서로 다른 비트 오류율(bit error rate)을 갖는 채널 잡음이 추가되는 것을 특징으로 하는 방법.
  13. 제8항에 있어서,
    상기 제1 통신 장치는 엣지 장치 또는 단말이고, 상기 제2 통신 장치는 엣지 서버 또는 기지국인 것을 특징으로 하는 방법.
  14. 머신 러닝을 수행하는 제2 통신 장치는,
    명령어들을 저장하는 하나 이상의 메모리;
    하나 이상의 송수신기; 및
    상기 하나 이상의 메모리와 상기 하나 이상의 송수신기를 연결하는 하나 이상의 프로세서를 포함하되, 상기 하나 이상의 프로세서는 상기 명령어들을 실행하여,
    랜덤 접속 프리앰블을 제1 통신 장치로부터 수신하고,
    상기 랜덤 접속 프리앰블에 대한 응답으로 랜덤 접속 응답을 상기 제1 통신 장치로 전송하고, 및
    상기 제1 통신 장치로부터 신호를 수신하되,
    상기 신호는 상기 제1 통신 장치에 대해 할당된 입실론-델타 차등 프라이버시를 만족하는 신호이고,
    상기 신호는 상기 입실론-델타 차등 프라이버시에 대응되는 잡음의 추가, 상기 입실론-델타 차등 프라이버시에 대응되는 변조(modulation) 중 적어도 하나에 기반하여 생성된 신호이고,
    상기 잡음은 의사 랜덤 잡음 또는 상기 제1 통신 장치의 하드웨어 상 잡음 중 하나이고,
    상기 변조는 상기 신호에 대응하는 복소값의 심볼에 대해 섭동(perturbation)을 수행하여 인접한 정수로 맵핑하는 것을 특징으로 하는 단말.
  15. 적어도 하나의 프로세서(processor)에 의해 실행됨을 기초로 하는 명령어(instruction)를 포함하는 적어도 하나의 컴퓨터로 읽을 수 있는 기록 매체(computer readable medium)에 있어서,
    기지국으로 랜덤 접속 프리앰블을 전송하고,
    상기 랜덤 접속 프리앰블에 대한 응답으로 랜덤 접속 응답을 상기 기지국으로부터 수신하고,
    상기 프로세서에 대해 할당된 입실론-델타 차등 프라이버시를 만족하는 신호를 생성하고, 및
    상기 신호를 상기 기지국으로 전송하되,
    상기 신호는 상기 입실론-델타 차등 프라이버시에 대응되는 잡음의 추가, 상기 입실론-델타 차등 프라이버시에 대응되는 변조(modulation) 중 적어도 하나에 기반하여 생성되고,
    상기 잡음은 의사 랜덤 잡음 또는 상기 프로세서의 하드웨어 상 잡음 중 하나이고,
    상기 변조는 상기 신호에 대응하는 복소값의 심볼에 대해 섭동(perturbation)을 수행하여 인접한 정수로 맵핑하는 것을 특징으로 하는 장치.
  16. 머신 러닝을 수행하는 제1 통신 장치 제어하도록 설정된 장치(apparatus)에 있어서, 상기 장치는,
    하나 이상의 프로세서; 및
    상기 하나 이상의 프로세서에 의해 실행 가능하게 연결되고, 및 명령들을 저장하는 하나 이상의 메모리를 포함하되, 상기 하나 이상의 프로세서는 상기 명령어들을 실행하여,
    제2 통신 장치로 랜덤 접속 프리앰블을 전송하고,
    상기 랜덤 접속 프리앰블에 대한 응답으로 랜덤 접속 응답을 상기 제2 통신 장치로부터 수신하고,
    상기 제1 통신 장치에 대해 할당된 입실론-델타 차등 프라이버시를 만족하는 신호를 생성하고, 및
    상기 신호를 상기 제2 통신 장치로 전송하되,
    상기 신호는 상기 입실론-델타 차등 프라이버시에 대응되는 잡음의 추가, 상기 입실론-델타 차등 프라이버시에 대응되는 변조(modulation) 중 적어도 하나에 기반하여 생성되고,
    상기 잡음은 의사 랜덤 잡음 또는 상기 제1 통신 장치의 하드웨어 상 잡음 중 하나이고,
    상기 변조는 상기 신호에 대응하는 복소값의 심볼에 대해 섭동(perturbation)을 수행하여 인접한 정수로 맵핑하는 것을 특징으로 하는 장치.
PCT/KR2021/000523 2021-01-14 2021-01-14 차등 프라이버시를 고려한 신호 송수신 방법 및 상기 방법을 이용하는 장치 WO2022154139A1 (ko)

Priority Applications (2)

Application Number Priority Date Filing Date Title
KR1020237015600A KR20230131820A (ko) 2021-01-14 2021-01-14 차등 프라이버시를 고려한 신호 송수신 방법 및 상기 방법을 이용하는 장치
PCT/KR2021/000523 WO2022154139A1 (ko) 2021-01-14 2021-01-14 차등 프라이버시를 고려한 신호 송수신 방법 및 상기 방법을 이용하는 장치

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
PCT/KR2021/000523 WO2022154139A1 (ko) 2021-01-14 2021-01-14 차등 프라이버시를 고려한 신호 송수신 방법 및 상기 방법을 이용하는 장치

Publications (1)

Publication Number Publication Date
WO2022154139A1 true WO2022154139A1 (ko) 2022-07-21

Family

ID=82447377

Family Applications (1)

Application Number Title Priority Date Filing Date
PCT/KR2021/000523 WO2022154139A1 (ko) 2021-01-14 2021-01-14 차등 프라이버시를 고려한 신호 송수신 방법 및 상기 방법을 이용하는 장치

Country Status (2)

Country Link
KR (1) KR20230131820A (ko)
WO (1) WO2022154139A1 (ko)

Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20140196151A1 (en) * 2013-01-10 2014-07-10 Microsoft Corporation Preserving geometric properties of datasets while protecting privacy
US20180048653A1 (en) * 2015-11-02 2018-02-15 LeapYear Technologies, Inc. Differentially Private Processing and Database Storage
KR20190012726A (ko) * 2017-07-28 2019-02-11 삼성전자주식회사 단말 및 기지국 간의 rach 절차 수행 방법 및 이를 위한 기지국 및 단말
KR20190048587A (ko) * 2017-10-31 2019-05-09 한국전자통신연구원 사물인터넷 장치의 원격 보안 방법 및 이를 위한 장치
US20200320221A1 (en) * 2019-04-04 2020-10-08 Yucel Altug Systems and Methods for Optimal Privacy-Preserving Information Revelation

Patent Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20140196151A1 (en) * 2013-01-10 2014-07-10 Microsoft Corporation Preserving geometric properties of datasets while protecting privacy
US20180048653A1 (en) * 2015-11-02 2018-02-15 LeapYear Technologies, Inc. Differentially Private Processing and Database Storage
KR20190012726A (ko) * 2017-07-28 2019-02-11 삼성전자주식회사 단말 및 기지국 간의 rach 절차 수행 방법 및 이를 위한 기지국 및 단말
KR20190048587A (ko) * 2017-10-31 2019-05-09 한국전자통신연구원 사물인터넷 장치의 원격 보안 방법 및 이를 위한 장치
US20200320221A1 (en) * 2019-04-04 2020-10-08 Yucel Altug Systems and Methods for Optimal Privacy-Preserving Information Revelation

Also Published As

Publication number Publication date
KR20230131820A (ko) 2023-09-14

Similar Documents

Publication Publication Date Title
WO2021112360A1 (ko) 무선 통신 시스템에서 채널을 추정하기 위한 방법 및 장치
WO2022075493A1 (ko) 자율 주행 시스템에서 v2x 통신 장치의 강화 학습 수행 방법
WO2022054981A1 (ko) 압축 연합 학습 수행 방법 및 장치
WO2022059808A1 (ko) 자율 주행 시스템에서 v2x 통신 장치의 강화 학습 수행 방법
WO2022054985A1 (ko) 무선 통신 시스템에서 단말 및 기지국의 신호 송수신 방법 및 장치
WO2022025321A1 (ko) 통신 장치의 신호 랜덤화 방법 및 장치
WO2022019352A1 (ko) 무선 통신 시스템에서 단말 및 기지국의 신호 송수신 방법 및 장치
WO2022014732A1 (ko) 무선 통신 시스템에서 연합 학습을 수행하기 위한 방법 및 장치
WO2021251523A1 (ko) 무선 통신 시스템에서 단말 및 기지국의 신호 송수신 방법 및 장치
WO2022045399A1 (ko) 선택적 가중치 전송에 기반한 연합 학습 방법 및 그 단말
WO2022014751A1 (ko) 무선 통신 시스템에서 주파수 도메인 채널 추정을 위한 uw 생성 방법 및 장치
WO2022045402A1 (ko) 무선 통신 시스템에서 단말 및 기지국의 신호 송수신 방법 및 장치
WO2022050528A1 (ko) 무선 통신 시스템에서 셀 재선택을 수행하기 위한 방법 및 장치
WO2022054980A1 (ko) 무선 통신 시스템에서 사용 가능한 뉴럴 네트워크 인코더 구조 및 인코딩 방법
WO2022092353A1 (ko) 무선 통신 시스템에서 채널 인코딩 및 디코딩을 수행하기 위한 방법 및 장치
WO2022039287A1 (ko) 무선 통신 시스템에서 단말 및 기지국의 신호 송수신 방법 및 장치
WO2021261611A1 (ko) 무선 통신 시스템에서 연합 학습을 수행하기 위한 방법 및 장치
WO2022097774A1 (ko) 무선 통신 시스템에서 단말 및 기지국의 피드백 수행 방법 및 장치
WO2022080530A1 (ko) 무선 통신 시스템에서 다중 안테나를 이용하여 신호를 송신 및 수신하기 위한 방법 및 장치
WO2022119021A1 (ko) Ai mimo에 대한 러닝 클래스 기반 시스템 적응 방법 및 장치
WO2022014735A1 (ko) 무선 통신 시스템에서 단말 및 기지국의 신호 송수신 방법 및 장치
WO2021256585A1 (ko) 무선 통신 시스템에서 신호 송수신 방법 및 장치
WO2022004927A1 (ko) 오토 인코더를 이용하는 무선 통신 시스템에서 신호를 송수신하기 위한 방법 및 이를 위한 장치
WO2022050434A1 (ko) 무선 통신 시스템에서 핸드오버를 수행하기 위한 방법 및 장치
WO2022004914A1 (ko) 무선 통신 시스템에서 단말 및 기지국의 신호 송수신 방법 및 장치

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: 21919770

Country of ref document: EP

Kind code of ref document: A1

NENP Non-entry into the national phase

Ref country code: DE

122 Ep: pct application non-entry in european phase

Ref document number: 21919770

Country of ref document: EP

Kind code of ref document: A1