WO2023113390A1 - 무선 통신 시스템에서 엔드 투 엔드 프리코딩 시스템의 사용자 그룹화를 지원하기 위한 장치 및 방법 - Google Patents

무선 통신 시스템에서 엔드 투 엔드 프리코딩 시스템의 사용자 그룹화를 지원하기 위한 장치 및 방법 Download PDF

Info

Publication number
WO2023113390A1
WO2023113390A1 PCT/KR2022/020047 KR2022020047W WO2023113390A1 WO 2023113390 A1 WO2023113390 A1 WO 2023113390A1 KR 2022020047 W KR2022020047 W KR 2022020047W WO 2023113390 A1 WO2023113390 A1 WO 2023113390A1
Authority
WO
WIPO (PCT)
Prior art keywords
base station
group
information
terminals
determined
Prior art date
Application number
PCT/KR2022/020047
Other languages
English (en)
French (fr)
Inventor
조민석
김봉회
전기준
이상림
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 KR1020247015691A priority Critical patent/KR20240118066A/ko
Publication of WO2023113390A1 publication Critical patent/WO2023113390A1/ko

Links

Images

Classifications

    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04B—TRANSMISSION
    • H04B7/00—Radio transmission systems, i.e. using radiation field
    • H04B7/02—Diversity systems; Multi-antenna system, i.e. transmission or reception using multiple antennas
    • H04B7/04—Diversity systems; Multi-antenna system, i.e. transmission or reception using multiple antennas using two or more spaced independent antennas
    • H04B7/0413—MIMO systems
    • H04B7/0452—Multi-user MIMO systems
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N3/00—Computing arrangements based on biological models
    • G06N3/02—Neural networks
    • G06N3/04—Architecture, e.g. interconnection topology
    • G06N3/045—Combinations of networks
    • G06N3/0455—Auto-encoder networks; Encoder-decoder networks
    • 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
    • H04B—TRANSMISSION
    • H04B7/00—Radio transmission systems, i.e. using radiation field
    • H04B7/02—Diversity systems; Multi-antenna system, i.e. transmission or reception using multiple antennas
    • H04B7/04—Diversity systems; Multi-antenna system, i.e. transmission or reception using multiple antennas using two or more spaced independent antennas
    • H04B7/06—Diversity systems; Multi-antenna system, i.e. transmission or reception using multiple antennas using two or more spaced independent antennas at the transmitting station
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04B—TRANSMISSION
    • H04B7/00—Radio transmission systems, i.e. using radiation field
    • H04B7/02—Diversity systems; Multi-antenna system, i.e. transmission or reception using multiple antennas
    • H04B7/04—Diversity systems; Multi-antenna system, i.e. transmission or reception using multiple antennas using two or more spaced independent antennas
    • H04B7/06—Diversity systems; Multi-antenna system, i.e. transmission or reception using multiple antennas using two or more spaced independent antennas at the transmitting station
    • H04B7/0613—Diversity systems; Multi-antenna system, i.e. transmission or reception using multiple antennas using two or more spaced independent antennas at the transmitting station using simultaneous transmission
    • H04B7/0615—Diversity systems; Multi-antenna system, i.e. transmission or reception using multiple antennas using two or more spaced independent antennas at the transmitting station using simultaneous transmission of weighted versions of same signal
    • H04B7/0619—Diversity systems; Multi-antenna system, i.e. transmission or reception using multiple antennas using two or more spaced independent antennas at the transmitting station using simultaneous transmission of weighted versions of same signal using feedback from receiving side
    • H04B7/0621—Feedback content
    • H04B7/0626—Channel coefficients, e.g. channel state information [CSI]
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
    • H04L5/00—Arrangements affording multiple use of the transmission path
    • H04L5/003—Arrangements for allocating sub-channels of the transmission path
    • H04L5/0048—Allocation of pilot signals, i.e. of signals known to the receiver
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04W—WIRELESS COMMUNICATION NETWORKS
    • H04W48/00—Access restriction; Network selection; Access point selection
    • H04W48/08—Access restriction or access information delivery, e.g. discovery data delivery
    • H04W48/10—Access restriction or access information delivery, e.g. discovery data delivery using broadcasted information
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04W—WIRELESS COMMUNICATION NETWORKS
    • H04W72/00—Local resource management
    • H04W72/20—Control channels or signalling for resource management
    • H04W72/23—Control channels or signalling for resource management in the downlink direction of a wireless link, i.e. towards a terminal
    • H04W72/231—Control channels or signalling for resource management in the downlink direction of a wireless link, i.e. towards a terminal the control data signalling from the layers above the physical layer, e.g. RRC or MAC-CE signalling

Definitions

  • This disclosure relates to a wireless communication system. Specifically, the present disclosure relates to an apparatus and method for performing signaling for user grouping of an end-to-end precoding system in a wireless communication system (AI4C) grafted with artificial intelligence (AI).
  • AI4C wireless communication system
  • AI artificial intelligence
  • a wireless communication system is widely deployed to provide various types of communication services such as voice or data.
  • attempts to incorporate artificial intelligence (AI) into communication systems are rapidly increasing.
  • the attempted methods can be largely divided into AI for communications (AI4C), which uses AI to improve communication performance, and communications for AI (C4AI), which develops communication technology to support AI.
  • AI4C AI for communications
  • C4AI communications for AI
  • In the AI4C area there is an attempt to design by replacing the role of channel encoder/decoder, modulator/demodulator, or channel equalizer with an end-to-end autoencoder or neural network.
  • the C4AI area there is a way to update a common prediction model while protecting personal information by sharing only the weight or gradient of the model with the server without sharing device raw data with Federated Learning, a technique of distributed learning.
  • the present disclosure provides a method and apparatus for performing signaling for user grouping of an end-to-end precoding system in a wireless communication system (AI for communication, AI4C) incorporating artificial intelligence (AI). to provide.
  • AI artificial intelligence
  • the present disclosure is a user grouping method that classifies users with similar channel distributions into the same group so that the number of classes for parameter sets for deployed encoder and decoder NNs is at a supportable level, even if the channel distributions of users vary. It provides an apparatus and method for performing signaling for
  • a user equipment in a wireless communication system, receiving one or more synchronization signals from a base station (BS), from the base station Receiving system information; receiving a radio resource control (RRC) message from the base station; receiving a first reference signal from the base station; and receiving a plurality of first reference signals including the first reference signal.
  • RRC radio resource control
  • Determining one group among a set number of groups receiving information of the determined group for the terminal from the base station, receiving a second reference signal based on the information of the determined group from the base station, Transmitting a plurality of second reference signals including a second reference signal from the base station to the plurality of terminals including the terminal, and related to the second reference signal to the base station based on the information of the determined group. transmitting a second CSI, a plurality of second CSIs including the second CSI are transmitted from the plurality of terminals to the base station, and the plurality of second CSIs are related to the plurality of second reference signals A method comprising the steps is provided.
  • a user equipment in a wireless communication system, receiving one or more synchronization signals from a base station (BS), from the base station Receiving system information; receiving a radio resource control (RRC) message from the base station; receiving a first reference signal from the base station; and receiving a plurality of first reference signals including the first reference signal.
  • RRC radio resource control
  • Signals are transmitted from the base station to a plurality of terminals including the terminal, the plurality of first reference signals having the same pattern, and a group to the base station in response to a specific event related to the first reference signal occurring Transmitting a replacement request, in response to the occurrence of at least one specific event related to at least one first reference signal among the plurality of first reference signals in at least one terminal including the terminal among the plurality of terminals
  • At least one group replacement request is transmitted from the at least one terminal to the base station, the specific event is included in the at least one specific event, and the group replacement request is included in the at least one group replacement request;
  • Receiving a group replacement grant from the base station, and transmitting at least one group replacement grant including the group replacement grant from the base station to the at least one terminal, the base station to the terminal in response to the group replacement grant Transmitting information of a corresponding group, and each of the plurality of terminals being determined as one group among a preset number of groups, receiving a second reference signal from the base station based on
  • a base station in a wireless communication system, transmitting one or more synchronization signals to a plurality of user equipment (UEs), Transmitting system information to the plurality of terminals, transmitting a radio resource control (RRC) message to the plurality of terminals, transmitting a plurality of first reference signals to the plurality of terminals, , the plurality of first reference signals having the same pattern, receiving a plurality of first channel state information (CSI) related to the first reference signals from the plurality of terminals, the plurality of first CSIs Determining a group for each of the plurality of terminals as one group among a preset number of groups based on, transmitting information of the determined group to each of the plurality of terminals, each of the plurality of terminals Transmitting a plurality of second reference signals to terminals of a group based on information of the determined group, and a plurality of second reference signals related to the plurality of second reference signals based on information
  • a base station in a wireless communication system, transmitting one or more synchronization signals to a plurality of user equipment (UEs), Transmitting system information to the plurality of terminals, transmitting a radio resource control (RRC) message to the plurality of terminals, transmitting a plurality of first reference signals to the plurality of terminals, , the plurality of first reference signals having the same pattern, at least one specific event related to at least one first reference signal among the plurality of first reference signals in at least one terminal among the plurality of terminals Receiving at least one group replacement request from the at least one terminal in response to the occurrence of the at least one group replacement request, transmitting at least one group replacement grant to the at least one terminal, and the at least one group replacement from the at least one terminal Receiving group information corresponding to the at least one terminal in response to the grant, updating group information for the at least one terminal among the group information determined for the plurality of terminals, and each of the plurality of terminals
  • RRC radio resource control
  • a group of terminals of is determined as one group among a preset number of groups, transmitting a plurality of second reference signals to each of the plurality of terminals based on information of the determined group, respectively.
  • a method comprising receiving a plurality of second channel state information (CSI) related to the plurality of second reference signals based on the information of the determined group from the plurality of terminals of the terminal.
  • CSI channel state information
  • a transceiver and at least one processor are included, and the at least one processor is configured to receive one or more information from a base station (BS).
  • Receive a synchronization signal receive system information from the base station, receive a radio resource control (RRC) message from the base station, receive a first reference signal from the base station, and A plurality of first reference signals including 1 reference signal are transmitted from the base station to a plurality of terminals including the terminal, the plurality of first reference signals have the same pattern, and the first reference signal to the base station Transmits first channel state information (CSI) related to, and a plurality of first CSIs including the first CSI are transmitted from the plurality of terminals to the base station, and based on the plurality of first CSIs, each A group of the plurality of terminals is determined as one group among a preset number of groups, information on the group determined for the terminal is received from the base station, and a plurality of
  • Reference signals are transmitted from the base station to the plurality of terminals including the terminal, receive a second reference signal based on the information of the determined group from the base station, and send the base station to the base station based on the information of the determined group configured to transmit second CSI related to the second reference signal, wherein a plurality of second CSIs including the second CSI are transmitted from the plurality of terminals to the base station, and the plurality of second CSIs are transmitted from the plurality of terminals to the base station; A terminal associated with the second reference signals of is provided.
  • a base station including a transceiver and at least one processor
  • the at least one processor performs one or more synchronization tasks to a plurality of user equipment (UEs).
  • a signal (synchronization signal) is transmitted, system information is transmitted to the plurality of terminals, a radio resource control (RRC) message is transmitted to the plurality of terminals, and a plurality of terminals is transmitted to the plurality of terminals.
  • RRC radio resource control
  • first reference signals the plurality of first reference signals have the same pattern, receives a plurality of first channel state information (CSI) related to the first reference signals from the plurality of terminals, Based on the plurality of first CSI, a group for each of the plurality of terminals is determined as one group among a preset number of groups, information of the determined group is transmitted to each of the plurality of terminals, and each transmits second reference signals to the plurality of terminals of the plurality of terminals based on the information of the determined group, and based on the information of the determined group from each of the plurality of terminals, a plurality of reference signals related to the plurality of second reference signals
  • a base station configured to receive the second CSI of is provided.
  • the one or more instructions based on being executed by one or more processors, perform operations. And the above operations are: receiving one or more synchronization signals from a base station (BS), receiving system information from the base station, radio resource control (RRC) from the base station ) Receiving a message, receiving a first reference signal from the base station, and a plurality of first reference signals including the first reference signal to a plurality of terminals including a user equipment (UE), the base station , wherein the plurality of first reference signals have the same pattern, transmit first channel state information (CSI) related to the first reference signal to the base station, and transmit the first channel state information (CSI) related to the first reference signal to the base station from the plurality of terminals.
  • BS base station
  • RRC radio resource control
  • a plurality of first CSIs including a first CSI are transmitted, and a group for each of the plurality of terminals is determined as one of a preset number of groups based on the plurality of first CSIs; Receiving information of a group determined for the terminal from the base station, receiving a second reference signal based on the information of the determined group from the base station, and a plurality of second reference signals including the second reference signal Transmitting from the base station to the plurality of terminals including the terminal, transmitting to the base station a second CSI related to the second reference signal based on the information of the determined group, and including the second CSI
  • a plurality of second CSIs are transmitted from the plurality of terminals to the base station, and the plurality of second CSIs are associated with the plurality of second reference signals.
  • the one or more instructions perform operations based on being executed by one or more processors, and the operations include transmitting one or more synchronization signals to a plurality of user equipment (UEs); Transmitting system information to the plurality of terminals, transmitting a radio resource control (RRC) message to the plurality of terminals, transmitting a plurality of first reference signals to the plurality of terminals, , the plurality of first reference signals having the same pattern, receiving a plurality of first channel state information (CSI) related to the first reference signals from the plurality of terminals, the plurality of first CSIs Determining a group for each of the plurality of terminals as one group among a preset number of groups based on, transmitting information of the determined group to each of the plurality of terminals, each of the plurality of terminals Transmitting a plurality of second reference signals to terminals of a group based on information of the determined group, and a plurality of second reference signals related to the plurality of second reference signals based on information of the determined group from each
  • the present disclosure provides a method and apparatus for performing signaling for user grouping of an end-to-end precoding system in a wireless communication system (AI for communication, AI4C) incorporating artificial intelligence (AI).
  • AI for communication
  • AI4C wireless communication system
  • AI artificial intelligence
  • the present disclosure is a user grouping method that classifies users with similar channel distributions into the same group so that the number of classes for parameter sets for deployed encoder and decoder NNs is at a supportable level, even if the channel distributions of users vary. It is possible to provide an apparatus and method for performing signaling for.
  • 1 is a diagram illustrating an example of physical channels used in a 3GPP system and general signal transmission.
  • NG-RAN New Generation Radio Access Network
  • 3 is a diagram illustrating functional division between NG-RAN and 5GC.
  • FIG. 4 is a diagram illustrating an example of a 5G usage scenario.
  • FIG. 5 is a diagram showing an example of a communication structure that can be provided in a 6G system.
  • FIG. 6 is a diagram schematically illustrating an example of a perceptron structure.
  • FIG. 7 is a diagram schematically illustrating an example of a multilayer perceptron structure.
  • FIG. 8 is a diagram schematically illustrating an example of a deep neural network.
  • FIG. 9 is a diagram schematically illustrating an example of a convolutional neural network.
  • FIG. 10 is a diagram schematically illustrating an example of a filter operation in a convolutional neural network.
  • FIG. 11 is a diagram schematically illustrating an example of a neural network structure in which a cyclic loop exists.
  • FIG. 12 is a diagram schematically illustrating an example of an operating structure of a recurrent neural network.
  • 13 is a diagram showing an example of an electromagnetic spectrum.
  • FIG. 14 is a diagram illustrating an example of a THz communication application.
  • 15 is a diagram illustrating an example of an electronic element-based THz wireless communication transceiver.
  • 16 is a diagram illustrating an example of a method of generating a THz signal based on an optical element.
  • 17 is a diagram illustrating an example of an optical element-based THz wireless communication transceiver.
  • 18 is a diagram showing the structure of a transmitter based on a photoinc source.
  • 19 is a diagram showing the structure of an optical modulator.
  • 20 is a diagram showing an example of the structure of an end-to-end multi-user downlink precoding system in a system applicable to the present disclosure.
  • 21 is a diagram showing an example of a problem of maximizing the sum speed of a limited feedback FDD system in a system applicable to the present disclosure.
  • 22 is a diagram illustrating an example of a NN architecture for an end-to-end multi-user precoding system in a system applicable to the present disclosure.
  • FIG. 23 is a diagram illustrating an example of a signum function in a system applicable to the present disclosure.
  • 24 is a diagram showing an example of precoding performance for the number of users K in a system applicable to the present disclosure.
  • 25 is a diagram showing an example of sum speed achieved by the scalable decoder NN architecture in a system applicable to the present disclosure.
  • 26 is a diagram illustrating an example of user grouping of an end-to-end precoding system in a system applicable to the present disclosure.
  • 27 is a diagram illustrating an example of a signaling procedure for user grouping when a base station determines a user group of each user in a system applicable to the present disclosure.
  • 28 is a diagram illustrating an example of a periodic signaling procedure for user grouping when a base station determines a group of each user in a system applicable to the present disclosure.
  • 29 is a diagram illustrating an example of a signaling procedure for user grouping when a user determines a user group by himself in a system applicable to the present disclosure.
  • FIG. 30 is a diagram illustrating an example of a signaling procedure for an end-to-end precoding system after user grouping in a system applicable to the present disclosure.
  • FIG. 31 is a diagram illustrating examples of operating procedures of a user equipment (UE) in a system applicable to the present disclosure.
  • UE user equipment
  • FIG. 32 is a diagram illustrating examples of operating procedures of a user equipment (UE) in a system applicable to the present disclosure.
  • UE user equipment
  • FIG 33 is a diagram illustrating examples of operation processes of a base station (BS) in a system applicable to the present disclosure.
  • BS base station
  • 35 illustrates a communication system 1 applied to various embodiments of the present disclosure.
  • 38 illustrates a signal processing circuit for a transmission signal.
  • 39 illustrates another example of a wireless device applied to various embodiments of the present disclosure.
  • FIG. 40 illustrates a portable device applied to various embodiments of the present disclosure.
  • 41 illustrates a vehicle or autonomous vehicle applied to various embodiments of the present disclosure.
  • a or B may mean “only A”, “only B”, or “both A and B”. In other words, in various embodiments of the present disclosure, “A or B” may be interpreted as “A and/or B”.
  • “A, B, or C” means “only A,” “only B,” “only C,” or “any of A, B, and C. It may mean "any combination of A, B and C”.
  • a slash (/) or a comma (comma) used in various embodiments of the present disclosure may mean “and/or”.
  • A/B can mean “A and/or B”.
  • A/B may mean “only A”, “only B”, or “both A and B”.
  • A, B, C may mean "A, B or C”.
  • “at least one of A and B” may mean “only A”, “only B”, or “both A and B”.
  • the expression "at least one of A or B” or “at least one of A and/or B” can be interpreted the same as “at least one of A and B”.
  • At least one of A, B and C means “only A”, “only B”, “only C”, or “A” , B and C (any combination of A, B and C)". Also, “at least one of A, B or C” or “at least one of A, B and/or C” means It can mean “at least one of A, B and C”.
  • parentheses used in various embodiments of the present disclosure may mean “for example”. Specifically, when indicated as “control information (PDCCH)”, “PDCCH” may be suggested as an example of “control information”. In other words, "control information" of various embodiments of the present disclosure is not limited to "PDCCH”, and “PDDCH” may be suggested as an example of "control information”. Also, even when displayed as “control information (ie, PDCCH)”, “PDCCH” may be suggested as an example of “control information”.
  • CDMA may be implemented with a radio technology such as Universal Terrestrial Radio Access (UTRA) or CDMA2000.
  • TDMA may be implemented with a radio technology such as Global System for Mobile communications (GSM)/General Packet Radio Service (GPRS)/Enhanced Data Rates for GSM Evolution (EDGE).
  • GSM Global System for Mobile communications
  • GPRS General Packet Radio Service
  • EDGE Enhanced Data Rates for GSM Evolution
  • OFDMA may be implemented with radio technologies such as IEEE 802.11 (Wi-Fi), IEEE 802.16 (WiMAX), IEEE 802-20, and Evolved UTRA (E-UTRA).
  • UTRA is part of the Universal Mobile Telecommunications System (UMTS).
  • 3rd Generation Partnership Project (3GPP) Long Term Evolution (LTE) is a part of Evolved UMTS (E-UMTS) using E-UTRA
  • LTE-A (Advanced) / LTE-A pro is an evolved version of 3GPP LTE.
  • 3GPP NR New Radio or New Radio Access Technology
  • 3GPP 6G may be an evolved version of 3GPP NR.
  • LTE refers to technology after 3GPP TS 36.xxx Release 8.
  • LTE technology after 3GPP TS 36.xxx Release 10 is referred to as LTE-A
  • LTE technology after 3GPP TS 36.xxx Release 13 is referred to as LTE-A pro
  • 3GPP NR refers to 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.
  • RRC Radio Resource Control
  • RRC Radio Resource Control
  • 1 is a diagram illustrating an example of physical channels used in a 3GPP system and general signal transmission.
  • a terminal receives information from a base station through downlink (DL), and the terminal transmits information to the base station through uplink (UL).
  • Information transmitted and received between the base station and the terminal includes data and various control information, and various physical channels exist according to the type/use of the information transmitted and received by the base station and the terminal.
  • the terminal When the terminal is turned on or newly enters a cell, the terminal performs an initial cell search operation such as synchronizing with the base station (S11). To this end, the terminal may receive a primary synchronization signal (PSS) and a secondary synchronization signal (SSS) from the base station to synchronize with the base station and obtain information such as a cell ID. After that, the terminal can acquire intra-cell broadcast information by receiving a physical broadcast channel (PBCH) from the base station. Meanwhile, the terminal may check the downlink channel state by receiving a downlink reference signal (DL RS) in the initial cell search step.
  • PSS primary synchronization signal
  • SSS secondary synchronization signal
  • PBCH physical broadcast channel
  • DL RS downlink reference signal
  • the UE After completing the initial cell search, the UE acquires more detailed system information by receiving a Physical Downlink Control Channel (PDCCH) and a Physical Downlink Shared Channel (PDSCH) according to the information carried on the PDCCH. It can (S12).
  • PDCCH Physical Downlink Control Channel
  • PDSCH Physical Downlink Shared Channel
  • the terminal may perform a random access procedure (RACH) for the base station (S13 to S16).
  • RACH random access procedure
  • the UE transmits a specific sequence as a preamble through a physical random access channel (PRACH) (S13 and S15), and responds to the preamble through a PDCCH and a corresponding PDSCH (RAR (Random Access Channel) Response message) may be received
  • PRACH physical random access channel
  • RAR Random Access Channel
  • a contention resolution procedure may be additionally performed (S16).
  • the UE receives PDCCH/PDSCH (S17) and physical uplink shared channel (PUSCH)/physical uplink control channel (PUSCH) as a general uplink/downlink signal transmission procedure.
  • Control Channel; PUCCH) transmission (S18) may be performed.
  • the terminal may receive downlink control information (DCI) through the PDCCH.
  • DCI downlink control information
  • the DCI includes control information such as resource allocation information for the terminal, and different formats may be applied depending on the purpose of use.
  • control information that the terminal transmits to the base station through the uplink or the terminal receives from the base station is a downlink / uplink ACK / NACK signal, CQI (Channel Quality Indicator), PMI (Precoding Matrix Index), RI (Rank Indicator) ) and the like.
  • the UE may transmit control information such as the aforementioned CQI/PMI/RI through PUSCH and/or PUCCH.
  • the base station transmits a related signal to the terminal through a downlink channel described later, and the terminal receives the related signal from the base station through a downlink channel described later.
  • PDSCH Physical Downlink Shared Channel
  • PDSCH carries downlink data (eg, DL-shared channel transport block, DL-SCH TB), and modulation methods such as Quadrature Phase Shift Keying (QPSK), 16 Quadrature Amplitude Modulation (QAM), 64 QAM, and 256 QAM are used. Applied.
  • QPSK Quadrature Phase Shift Keying
  • QAM 16 Quadrature Amplitude Modulation
  • a codeword is generated by encoding the TB.
  • PDSCH can carry multiple codewords. Scrambling and modulation mapping are performed for each codeword, and modulation symbols generated from each codeword are mapped to one or more layers (Layer mapping). Each layer is mapped to a resource along with a demodulation reference signal (DMRS), generated as an OFDM symbol signal, and transmitted through a corresponding antenna port.
  • DMRS demodulation reference signal
  • the PDCCH carries downlink control information (DCI) and a QPSK modulation method or the like is applied.
  • DCI downlink control information
  • One PDCCH is composed of 1, 2, 4, 8, or 16 Control Channel Elements (CCEs) according to an Aggregation Level (AL).
  • CCE is composed of 6 REGs (Resource Element Groups).
  • REG is defined as one OFDM symbol and one (P)RB.
  • the UE obtains DCI transmitted through the PDCCH by performing decoding (aka, blind decoding) on a set of PDCCH candidates.
  • a set of PDCCH candidates decoded by the UE is defined as a PDCCH search space set.
  • the search space set may be a common search space or a UE-specific search space.
  • the UE may obtain DCI by monitoring PDCCH candidates in one or more search space sets configured by MIB or higher layer signaling.
  • the terminal transmits a related signal to the base station through an uplink channel described later, and the base station receives the related signal from the terminal through an uplink channel described later.
  • PUSCH Physical Uplink Shared Channel
  • PUSCH carries uplink data (e.g., UL-shared channel transport block, UL-SCH TB) and/or uplink control information (UCI), and CP-OFDM (Cyclic Prefix - Orthogonal Frequency Division Multiplexing) waveform , Discrete Fourier Transform-spread-Orthogonal Frequency Division Multiplexing (DFT-s-OFDM) waveform.
  • uplink data e.g., UL-shared channel transport block, UL-SCH TB
  • UCI uplink control information
  • CP-OFDM Cyclic Prefix - Orthogonal Frequency Division Multiplexing
  • DFT-s-OFDM Discrete Fourier Transform-spread-Orthogonal Frequency Division Multiplexing
  • the terminal when transform precoding is impossible (eg, transform precoding is disabled), the terminal transmits a PUSCH based on the CP-OFDM waveform, and when transform precoding is possible (eg, transform precoding is enabled), the terminal transmits the CP-OFDM
  • the PUSCH may be transmitted based on a waveform or a DFT-s-OFDM waveform.
  • PUSCH transmission is dynamically scheduled by the UL grant in DCI or semi-static based on higher layer (eg, RRC) signaling (and/or Layer 1 (L1) signaling (eg, PDCCH)) It can be scheduled (configured grant).
  • PUSCH transmission may be performed on a codebook basis or a non-codebook basis.
  • PUCCH carries uplink control information, HARQ-ACK and/or scheduling request (SR), and may be divided into multiple PUCCHs according to PUCCH transmission length.
  • new radio access technology new RAT, NR
  • next-generation communication As more and more communication devices require greater communication capacity, a need for improved mobile broadband communication compared to conventional radio access technology (RAT) has emerged.
  • massive machine type communications MTC
  • MTC massive machine type communications
  • communication system design considering reliability and latency-sensitive services/terminals is being discussed.
  • next-generation wireless access technologies considering enhanced mobile broadband communication, massive MTC, URLLC (Ultra-Reliable and Low Latency Communication), etc. is being discussed, and in various embodiments of the present disclosure, for convenience,
  • the technology is called new RAT or NR.
  • NG-RAN New Generation Radio Access Network
  • the NG-RAN may include a gNB and/or an eNB that provides user plane and control plane protocol termination to a UE.
  • 1 illustrates a case including only gNB.
  • gNB and eNB are connected to each other through an Xn interface.
  • the gNB and the eNB are connected to a 5G Core Network (5GC) through an NG interface.
  • 5GC 5G Core Network
  • AMF access and mobility management function
  • UPF user plane function
  • 3 is a diagram illustrating functional division between NG-RAN and 5GC.
  • the gNB provides inter-cell radio resource management (Inter Cell RRM), radio bearer management (RB control), connection mobility control, radio admission control, measurement setup and provision. (Measurement configuration & provision) and dynamic resource allocation.
  • AMF can provide functions such as NAS security and idle state mobility handling.
  • UPF may provide functions such as mobility anchoring and PDU processing.
  • Session Management Function (SMF) may provide functions such as terminal IP address allocation and PDU session control.
  • FIG. 4 is a diagram illustrating an example of a 5G usage scenario.
  • the 5G usage scenario shown in FIG. 4 is just an example, and technical features of various embodiments of the present disclosure may also be applied to other 5G usage scenarios not shown in FIG. 4 .
  • the three main requirements areas of 5G are (1) enhanced mobile broadband (eMBB) area, (2) massive machine type communication (mMTC) area, and ( 3) It includes the ultra-reliable and low latency communications (URLLC) area.
  • eMBB enhanced mobile broadband
  • mMTC massive machine type communication
  • URLLC ultra-reliable and low latency communications
  • Some use cases may require multiple areas for optimization, while other use cases may focus on just one key performance indicator (KPI).
  • KPI key performance indicator
  • eMBB focuses on overall improvements in data rate, latency, user density, capacity and coverage of mobile broadband access.
  • eMBB targets a throughput of around 10 Gbps.
  • eMBB goes far beyond basic mobile Internet access, and covers rich interactive work, media and entertainment applications in the cloud or augmented reality.
  • Data is one of the key drivers of 5G, and we may not see dedicated voice services for the first time in the 5G era.
  • voice is expected to be handled simply as an application using the data connection provided by the communication system.
  • the main causes of the increased traffic volume are the increase in content size and the increase in the number of applications requiring high data rates.
  • Streaming services audio and video
  • interactive video and mobile internet connections will become more widely used as more devices connect to the internet.
  • Cloud storage and applications are rapidly growing in mobile communication platforms, which can be applied to both work and entertainment.
  • Cloud storage is a particular use case driving the growth of uplink data rates.
  • 5G is also used for remote work in the cloud, requiring much lower end-to-end latency to maintain a good user experience when tactile interfaces are used.
  • cloud gaming and video streaming are other key factors driving the demand for mobile broadband capabilities.
  • Entertainment is essential on smartphones and tablets everywhere, including in highly mobile environments such as trains, cars and planes.
  • Another use case is augmented reality for entertainment and information retrieval.
  • augmented reality requires very low latency and instantaneous amount of data.
  • mMTC is designed to enable communication between high-volume, low-cost devices powered by batteries, and is intended to support applications such as smart metering, logistics, field and body sensors.
  • mMTC targets 10 years of batteries and/or 1 million devices per square kilometer.
  • mMTC enables seamless connectivity of embedded sensors in all fields and is one of the most anticipated 5G use cases. Potentially, IoT devices are predicted to reach 20.4 billion by 2020.
  • Industrial IoT is one area where 5G is playing a key role enabling smart cities, asset tracking, smart utilities, agriculture and security infrastructure.
  • URLLC enables devices and machines to communicate with high reliability, very low latency and high availability, making it ideal for vehicular communications, industrial controls, factory automation, remote surgery, smart grid and public safety applications.
  • URLLC targets latency on the order of 1 ms.
  • URLLC includes new services that will transform industries through ultra-reliable/low-latency links, such as remote control of critical infrastructure and autonomous vehicles. This level of reliability and latency is essential for smart grid control, industrial automation, robotics, and drone control and coordination.
  • 5G can complement fiber-to-the-home (FTTH) and cable-based broadband (or DOCSIS) as a means of delivering streams rated at hundreds of megabits per second to gigabits per second.
  • FTTH fiber-to-the-home
  • DOCSIS cable-based broadband
  • Such high speeds may be required to deliver TV at resolutions of 4K and beyond (6K, 8K and beyond) as well as virtual reality (VR) and augmented reality (AR).
  • VR and AR applications include almost immersive sports events. Certain applications may require special network settings. For example, in the case of VR games, game companies may need to integrate their core servers with the network operator's edge network servers to minimize latency.
  • Automotive is expected to be an important new driver for 5G, with many use cases for mobile communications to vehicles. For example, entertainment for passengers requires both high capacity and high mobile broadband. The reason is that future users will continue to expect high-quality connections regardless of their location and speed.
  • Another use case in the automotive sector is augmented reality dashboards.
  • Drivers can identify objects in the dark above what they are viewing through the front window via an augmented reality contrast board.
  • the augmented reality dashboard displays overlaid information to inform the driver about the distance and movement of objects.
  • wireless modules will enable communication between vehicles, exchange of information between vehicles and supporting infrastructure, and exchange of information between vehicles and other connected devices (eg devices carried by pedestrians).
  • a safety system can help reduce the risk of an accident by guiding the driver through an alternate course of action to make driving safer.
  • the next step will be remotely controlled or self-driving vehicles. This requires very reliable and very fast communication between different autonomous vehicles and/or between vehicles and infrastructure. In the future, autonomous vehicles will perform all driving activities, leaving drivers to focus only on traffic anomalies that the vehicle itself cannot identify. The technological requirements of autonomous vehicles require ultra-low latency and ultra-high reliability to increase traffic safety to levels that humans cannot achieve.
  • Smart cities and smart homes will be embedded with high-density wireless sensor networks.
  • a distributed network of intelligent sensors will identify conditions for cost- and energy-efficient maintenance of a city or home.
  • a similar setup can be done for each household.
  • Temperature sensors, window and heating controllers, burglar alarms and appliances are all connected wirelessly. Many of these sensors typically require low data rates, low power and low cost.
  • real-time HD video for example, may be required in certain types of devices for surveillance.
  • a smart grid interconnects these sensors using digital information and communication technologies to gather information and act on it. This information can include supplier and consumer behavior, enabling the smart grid to improve efficiency, reliability, affordability, sustainability of production and distribution of fuels such as electricity in an automated manner.
  • the smart grid can also be viewed as another low-latency sensor network.
  • the health sector has many applications that can benefit from mobile communications.
  • the communication system may support telemedicine, which provides clinical care at a remote location. This can help reduce barriers to distance and improve access to health services that are not consistently available in remote rural areas. It is also used to save lives in critical care and emergencies.
  • Mobile communication-based wireless sensor networks can provide remote monitoring and sensors for parameters such as heart rate and blood pressure.
  • Wireless and mobile communications are becoming increasingly important in industrial applications. Wiring is expensive to install and maintain. Thus, the possibility of replacing cables with reconfigurable wireless links is an attractive opportunity for many industries. However, achieving this requires that wireless connections operate with comparable latency, reliability and capacity to cables, and that their management be simplified. Low latency and very low error probability are the new requirements that need to be connected with 5G.
  • Logistics and freight tracking is an important use case for mobile communications enabling the tracking of inventory and packages from anywhere using location-based information systems.
  • Logistics and freight tracking use cases typically require low data rates, but may require wide range and reliable location information.
  • next-generation communication eg. 6G
  • 6G next-generation communication
  • 6G (radio communications) systems are characterized by (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 lower energy consumption of battery-free IoT devices, (vi) ultra-reliable connectivity, and (vii) connected intelligence with machine learning capabilities.
  • the vision of the 6G system can be four aspects such as intelligent connectivity, deep connectivity, holographic connectivity, and ubiquitous connectivity, and the 6G system can satisfy the requirements shown in Table 1 below. That is, Table 1 is a table showing an example of requirements for a 6G system.
  • 6G systems include Enhanced mobile broadband (eMBB), Ultra-reliable low latency communications (URLLC), massive machine-type communication (mMTC), AI integrated communication, Tactile internet, High throughput, High network capacity, High energy efficiency, Low backhaul and It can have key factors such as access network congestion and enhanced data security.
  • eMBB Enhanced mobile broadband
  • URLLC Ultra-reliable low latency communications
  • mMTC massive machine-type communication
  • AI integrated communication Tactile internet
  • High throughput High network capacity
  • High energy efficiency High energy efficiency
  • Low backhaul Low backhaul and It can have key factors such as access network congestion and enhanced data security.
  • FIG. 5 is a diagram showing an example of a communication structure that can be provided in a 6G system.
  • 6G systems are expected to have 50 times higher simultaneous radiocommunication connectivity than 5G radiocommunication systems.
  • URLLC a key feature of 5G, will become even more important in 6G communications by providing end-to-end latency of less than 1 ms.
  • the 6G system will have much better volume spectral efficiency as opposed to the frequently used area spectral efficiency.
  • 6G systems can provide very long battery life and advanced battery technology for energy harvesting, so mobile devices will not need to be charged separately in 6G systems.
  • New network characteristics in 6G may be as follows.
  • 6G is expected to be integrated with satellites to serve the global mobile population. Integration of terrestrial, satellite and public networks into one wireless communication system is critical for 6G.
  • 6G wireless networks will transfer 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 has been introduced to improve received signal quality resulting in improved throughput, energy efficiency and spectral efficiency in cellular systems. As a result, small cell networks are an essential feature of 5G and Beyond 5G (5GB) and beyond communication systems. Therefore, the 6G communication system also adopts the characteristics of the small cell network.
  • Ultra-dense heterogeneous networks will be another important feature of 6G communication systems. Multi-tier networks composed of heterogeneous networks improve overall QoS and reduce costs.
  • a backhaul connection is characterized by a high-capacity backhaul network to support high-capacity traffic.
  • High-speed fiber and free space optical (FSO) systems may be possible solutions to this problem.
  • High-precision localization (or location-based service) through communication is one of the features of 6G wireless communication systems.
  • radar systems will be integrated with 6G networks.
  • Softwarization and virtualization are two important features fundamental to 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 newly introduced technology for the 6G system 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.
  • Introducing AI in communications can simplify and enhance real-time data transmission.
  • AI can use a plethora of 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 communications.
  • AI can be a rapid communication in 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 fundamental signal processing and communication mechanisms. For example, deep learning-based channel coding and decoding, deep learning-based signal estimation and detection, deep learning-based MIMO mechanism, AI-based resource scheduling and may include allocations, etc.
  • Machine learning may be used for channel estimation and channel tracking, and may be used for power allocation, interference cancellation, and the like in a downlink (DL) physical layer. Machine learning can also be used for antenna selection, power control, symbol detection, and the like in a MIMO system.
  • DL downlink
  • AI algorithms based on deep learning require a lot of training data to optimize training parameters.
  • a lot of training data is used offline. This is because static training on training data in a specific channel environment may cause a contradiction between dynamic characteristics and diversity of a radio channel.
  • Machine learning refers to a set of actions that train a machine to create a machine that can do tasks that humans can or cannot do.
  • Machine learning requires data and a running model.
  • data learning methods can be largely classified into three types: supervised learning, unsupervised learning, and reinforcement learning.
  • Neural network training is aimed at minimizing errors in the output.
  • Neural network learning repeatedly inputs training data to the neural network, calculates the output of the neural network for the training data and the error of the target, and backpropagates the error of the neural network from the output layer of the neural network to the input layer in a direction to reduce the error. ) to update the weight of each node in the neural network.
  • Supervised learning uses training data in which correct answers are labeled in the learning data, and unsupervised learning may not have correct answers labeled in the learning data. That is, for example, learning data in the case of supervised learning related to data classification may be data in which each learning data is labeled with a category. Labeled training data is input to the neural network, and an error may be calculated by comparing the output (category) of the neural network and the label of the training data. The calculated error is back-propagated in a 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 reverse direction ie, from the output layer to the input layer
  • the amount of change in the connection weight of each updated node may be determined according to a learning rate.
  • the neural network's computation of input data and backpropagation of errors can constitute a learning cycle (epoch).
  • the learning rate may be applied differently according to the number of iterations of the learning cycle of the neural network. For example, a high learning rate is used in the early stages of neural network learning to increase efficiency by allowing the neural network to quickly achieve a certain level of performance, and a low learning rate can be used in the late stage to increase accuracy.
  • the learning method may vary depending on the characteristics of the data. For example, in a case where the purpose of the receiver is to accurately predict data transmitted by the transmitter in a communication system, 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). there is.
  • DNN deep neural networks
  • CNN convolutional deep neural networks
  • RNN recurrent Boltzmann Machine
  • An artificial neural network is an example of connecting several perceptrons.
  • FIG. 6 is a diagram schematically illustrating an example of a perceptron structure.
  • each component is multiplied by a weight (W1,W2,...,Wd), and after summing up the results,
  • the entire process of applying the activation function ⁇ ( ⁇ ) is called a perceptron.
  • the huge artificial neural network structure may extend the simplified perceptron structure shown in FIG. 6 and apply input vectors to different multi-dimensional perceptrons.
  • an input value or an output value is referred to as a node.
  • the perceptron structure shown in FIG. 6 can be described as being composed of a total of three layers based on input values and output values.
  • An artificial neural network in which H number of (d + 1) dimensional perceptrons exist between the 1st layer and the 2nd layer and K number of (H + 1) dimensional perceptrons between the 2nd layer and the 3rd layer can be expressed as shown in FIG. 7 .
  • FIG. 7 is a diagram schematically illustrating an example of a multilayer perceptron structure.
  • the layer where the input vector is located is called the input layer
  • the layer where the final output value is located is called the output layer
  • all the layers located between the input layer and the output layer are called hidden layers.
  • three layers are disclosed, but when counting the number of actual artificial neural network layers, since the count excludes the input layer, it can be viewed as a total of two layers.
  • the artificial neural network is composed of two-dimensionally connected perceptrons of basic blocks.
  • the above-described input layer, hidden layer, and output layer can be jointly applied to various artificial neural network structures such as CNN and RNN, which will be described later, as well as multi-layer perceptrons.
  • CNN neural network
  • RNN multi-layer perceptrons
  • DNN deep neural network
  • FIG. 8 is a diagram schematically illustrating an example of a deep neural network.
  • the deep neural network shown in FIG. 8 is a multi-layer perceptron composed of 8 hidden layers + 8 output layers.
  • the multilayer perceptron structure is expressed as a fully-connected neural network.
  • a fully-connected neural network there is no connection relationship between nodes located on the same layer, and a connection relationship exists only between nodes located on adjacent layers.
  • DNN has a fully-connected neural network structure and is composed of a combination of multiple hidden layers and activation functions, so it can be usefully applied to identify the correlation characteristics between inputs and outputs.
  • the correlation characteristic may mean a joint probability of input and output.
  • FIG. 9 is a diagram schematically illustrating an example of a convolutional neural network.
  • nodes located inside one layer are arranged in a one-dimensional vertical direction.
  • the nodes are two-dimensionally arranged with w nodes horizontally and h nodes vertically (the structure of the convolutional neural network in FIG. 9).
  • a weight is added for each connection in the connection process from one input node to the hidden layer, so a total of h ⁇ w weights must be considered. Since there are h ⁇ w nodes in the input layer, a total of h2w2 weights are required between two adjacent layers.
  • the convolutional neural network of FIG. 9 has a problem in that the number of weights increases exponentially according to the number of connections, so instead of considering the connection of all modes between adjacent layers, it is assumed that there is a small-sized filter, and FIG. 10 As shown in , weighted sum and activation function calculations are performed for overlapping filters.
  • FIG. 10 is a diagram schematically illustrating an example of a filter operation in a convolutional neural network.
  • One filter has weights corresponding to the number of filters, and learning of weights can be performed so that a specific feature on an image can be extracted as a factor and output.
  • a filter having a size of 3 ⁇ 3 is applied to the upper left 3 ⁇ 3 region of the input layer, and an output value obtained by performing a weighted sum and an activation function operation for a corresponding node is stored in z22.
  • the filter While scanning the input layer, the filter moves by a certain distance horizontally and vertically, performs weighted sum and activation function calculations, and places the output value at the position of the current filter.
  • This operation method is similar to the convolution operation for images in the field of computer vision, so the deep neural network of this structure is called a convolutional neural network (CNN), and the hidden layer generated as a result of the convolution operation is called a convolutional layer.
  • a neural network having a plurality of convolutional layers is referred to as a deep convolutional neural network (DCNN).
  • the number of weights can be reduced by calculating a weighted sum by including only nodes located in a region covered by the filter from the node where the current filter is located. This allows one filter to be used to focus on features for a local area. Accordingly, CNN can be effectively applied to image data processing in which a physical distance in a 2D area is an important criterion. Meanwhile, in the CNN, a plurality of filters may be applied immediately before the convolution layer, and a plurality of output results may be generated through a convolution operation of each filter.
  • FIG. 11 is a diagram schematically illustrating an example of a neural network structure in which a cyclic loop exists.
  • a recurrent neural network assigns an element (x1(t), x2(t), ,..., xd(t)) of any line t on a data sequence to a fully connected neural network.
  • the immediately preceding time point t-1 inputs the hidden vector (z1(t-1), z2(t-1),..., zH(t-1)) together to calculate the weighted sum and activation function structure that is applied.
  • the reason why the hidden vector is transmitted to the next time point in this way is that information in the input vector at previous time points is regarded as being accumulated in the hidden vector of the current time point.
  • FIG. 12 is a diagram schematically illustrating an example of an operating structure of a recurrent neural network.
  • the recurrent neural network operates in a predetermined sequence of views with respect to an input data sequence.
  • the hidden vector (z1(1),z2(1),.. .,zH(1)) is input together with the input vector of time 2 (x1(2),x2(2),...,xd(2)), and the vector of the hidden layer (z1( 2),z2(2) ,...,zH(2)). This process is repeatedly performed until time point 2, point 3, ,,, point T.
  • a deep recurrent neural network a recurrent neural network
  • Recurrent neural networks are designed to be usefully applied to sequence data (eg, natural language processing).
  • Deep Q-Network As a neural network core used as a learning method, in addition to DNN, CNN, and RNN, Restricted Boltzmann Machine (RBM), deep belief networks (DBN), and Deep Q-Network It includes various deep learning techniques such as computer vision, voice recognition, natural language processing, and voice/signal processing.
  • RBM Restricted Boltzmann Machine
  • DNN deep belief networks
  • Deep Q-Network It includes various deep learning techniques such as computer vision, voice recognition, natural language processing, and voice/signal processing.
  • 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 fundamental signal processing and communication mechanisms. For example, deep learning-based channel coding and decoding, deep learning-based signal estimation and detection, deep learning-based MIMO mechanism, AI-based resource scheduling and may include allocations, etc.
  • the data rate can be increased by increasing the bandwidth. This can be done using sub-THz communication with wide bandwidth and applying advanced massive MIMO technology.
  • THz waves also known as submillimeter radiation, typically represent a frequency band between 0.1 THz and 10 THz with corresponding wavelengths in the range of 0.03 mm-3 mm.
  • the 100 GHz-300 GHz band range (sub THz band) is considered a major part of the THz band for cellular communications.
  • 6G cellular communication capacity increases when added to the sub-THz band mmWave band.
  • 300 GHz-3 THz is in the far-infrared (IR) frequency band.
  • the 300 GHz-3 THz band is part of the broad band, but is at the border of the wide band, just behind the RF band. Thus, this 300 GHz-3 THz band exhibits similarities to RF.
  • 13 is a diagram showing an example of an electromagnetic spectrum.
  • THz communications include (i) widely available bandwidth to support very high data rates, and (ii) high path loss at high frequencies (highly 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 incorporated into devices and BSs operating in this band. This enables advanced adaptive array technology to overcome range limitations.
  • OWC technology is intended for 6G communications in addition to RF-based communications for all possible device-to-access networks. These networks access network-to-backhaul/fronthaul network connections.
  • OWC technology is already in use after the 4G communication system, but will be more widely used to meet the needs of the 6G communication system.
  • OWC technologies such as light fidelity, visible light communication, optical camera communication, and FSO communication based on a wide band are already well-known technologies. Communications based on optical wireless technology can provide very high data rates, low latency and secure communications.
  • LiDAR can also be used for ultra-high resolution 4D mapping in 6G communication based on broadband.
  • FSO The transmitter and receiver characteristics of an FSO system are similar to those of a fiber optic network.
  • data transmission in FSO systems is similar to fiber optic systems. Therefore, FSO can be a good technology to provide backhaul connectivity in 6G systems along with fiber optic networks.
  • FSO supports high-capacity backhaul connectivity for remote and non-remote locations such as ocean, space, underwater and isolated islands.
  • FSO also supports cellular BS connections.
  • MIMO technology improves, so does the spectral efficiency. Therefore, massive MIMO technology will be important in 6G systems. Since MIMO technology uses multiple paths, multiplexing technology and beam generation and operation technology suitable for the THz band must be considered as important so that data signals can be transmitted through more than one path.
  • Blockchain will be an important technology for managing large amounts of data in future communication systems.
  • Blockchain is a form of distributed ledger technology, where a distributed ledger is a database that is distributed across numerous nodes or computing devices. Each node replicates and stores an identical copy of the ledger.
  • Blockchain is managed as a peer-to-peer network. It can exist without being managed by a centralized authority or server. Data on a blockchain is collected together and organized into blocks. Blocks are linked together and protected using cryptography.
  • Blockchain is the perfect complement to the IoT at scale with inherently improved interoperability, security, privacy, reliability and scalability.
  • blockchain technology provides multiple capabilities such as interoperability between devices, traceability of large amounts of data, autonomous interaction of other IoT systems, and large-scale connection reliability in 6G communication systems.
  • the 6G system integrates terrestrial and air 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 height and related degrees of freedom makes 3D connections quite different from traditional 2D networks.
  • UAVs Unmanned Aerial Vehicles
  • BS entities are installed on UAVs to provide cellular connectivity.
  • UAVs have certain features not found in fixed BS infrastructures, such as easy deployment, strong line-of-sight links, and degrees of freedom with controlled mobility.
  • eMBB enhanced Mobile Broadband
  • URLLC Universal Mobile Broadband
  • mMTC massive Machine Type Communication
  • the tight integration of multiple frequencies and heterogeneous communication technologies is critical for 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 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, resulting in 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 uses the same fields and waves as wireless communication systems.
  • sensors and smartphones will be charged using wireless power transfer during communication.
  • WIET is a promising technology for extending the lifetime of battery charging wireless systems.
  • battery-less devices will be supported in 6G communications.
  • Autonomous radio networks are capable of continuously sensing dynamically changing environmental conditions and exchanging information between different nodes.
  • sensing will be tightly integrated with communications to support autonomous systems.
  • Beamforming is a signal processing procedure that adjusts an antenna array to transmit radio signals in a specific direction.
  • Beamforming technology has several advantages such as high call-to-noise ratio, interference avoidance and rejection, and high network efficiency.
  • Hologram beamforming (HBF) is a new beamforming method that differs significantly from MIMO systems because it uses software-defined antennas. 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 analysis 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 preferences. Big data is collected from various sources such as videos, social networks, images and sensors. This technology is widely used to process massive data in 6G systems.
  • 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 its array structure and operating mechanism are different from massive MIMO.
  • LIS also has low power consumption in that it operates as a reconfigurable reflector with passive elements, i.e. it only passively reflects signals without using an active RF chain.
  • each passive reflector of the LIS must independently adjust the phase shift of an incident signal, it may be advantageous for a wireless communication channel. By properly adjusting the phase shift through the LIS controller, the reflected signal can be collected at the target receiver to boost the received signal power.
  • THz Terahertz
  • THz waves are located between RF (Radio Frequency)/millimeter (mm) and infrared bands, and (i) transmit non-metal/non-polarizable materials better than visible light/infrared rays, and have a shorter wavelength than RF/millimeter waves and have high straightness. Beam focusing may be possible.
  • the photon energy of the THz wave is only a few meV, it is harmless to the human body.
  • a 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 having low propagation loss due to molecular absorption in the air.
  • Standardization discussions on THz wireless communication are being discussed centering on the IEEE 802.15 THz working group in addition to 3GPP, and standard documents issued by the IEEE 802.15 Task Group (TG3d, TG3e) embody the contents described in various embodiments of the present disclosure. or can be supplemented.
  • THz wireless communication can be applied to wireless cognition, sensing, imaging, wireless communication, THz navigation, and the like.
  • FIG. 14 is a diagram illustrating an example of a THz communication application.
  • THz wireless communication scenarios can be classified into macro networks, micro networks, and nanoscale networks.
  • THz wireless communication can be applied to vehicle-to-vehicle connections and backhaul/fronthaul connections.
  • THz wireless communication 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. It can be.
  • Table 2 below is a table showing an example of a technique that can be used in THz waves.
  • THz wireless communication can be classified based on the method for generating and receiving THz.
  • the THz generation method can be classified as an optical device or an electronic device based technology.
  • 15 is a diagram illustrating an example of an electronic element-based THz wireless communication transceiver.
  • Methods of generating THz using electronic devices include a method using a semiconductor device such as a Resonant Tunneling Diode (RTD), a method using a local oscillator and a multiplier, and an integrated circuit based on a compound semiconductor HEMT (High Electron Mobility Transistor).
  • a MMIC Monolithic Microwave Integrated Circuits
  • a doubler, tripler, or multiplier is applied to increase the frequency, and the radiation is emitted by the antenna after passing through the subharmonic mixer. Since the THz band forms high frequencies, a multiplier is essential.
  • the multiplier is a circuit that makes the output frequency N times greater than the input, matches the desired harmonic frequency, and filters out all other frequencies.
  • beamforming may be implemented by applying an array antenna or the like to the antenna of FIG. 15 .
  • IF denotes an intermediate frequency
  • tripler and multipler denote a multiplier
  • PA denotes a power amplifier
  • LNA denotes a low noise amplifier
  • PLL denotes a phase-locked circuit (Phase -Locked Loop).
  • 16 is a diagram illustrating an example of a method of generating a THz signal based on an optical element.
  • 17 is a diagram illustrating an example of an optical element-based THz wireless communication transceiver.
  • Optical device-based THz wireless communication technology refers to a method of generating and modulating a THz signal using an optical device.
  • An optical element-based THz signal generation technology is a technology that generates an ultra-high speed optical signal using a laser and an optical modulator and converts it into a THz signal using an ultra-high speed photodetector. Compared to a technique using only an electronic device, this technique can easily increase the frequency, generate a high-power signal, and obtain a flat response characteristic in a wide frequency band.
  • a laser diode, a broadband optical modulator, and a high-speed photodetector are required to generate a THz signal based on an optical device. In the case of FIG.
  • a THz signal corresponding to a wavelength difference between the lasers is generated by multiplexing light signals of two lasers having different wavelengths.
  • an optical coupler refers to a semiconductor device that transmits an electrical signal using light waves in order to provide electrical isolation and coupling between circuits or systems
  • UTC-PD Uni-Traveling Carrier Photo- Detector is one of the photodetectors, which uses electrons as active carriers and reduces the movement time of electrons through bandgap grading.
  • UTC-PD is capable of photodetection above 150 GHz.
  • EDFA Erbium-Doped Fiber Amplifier
  • PD Photo Detector
  • OSA various optical communication functions (photoelectric conversion, electric light conversion, etc.)
  • DSO Digital Storage oscilloscope
  • the structure of the photoelectric converter (or photoelectric converter) will be described with reference to FIGS. 18 and 19 .
  • 18 is a diagram showing the structure of a photoinc source-based transmitter.
  • 19 is a diagram showing the structure of an optical modulator.
  • a phase or the like of a signal may be changed by passing an optical source of a laser through an optical wave guide. At this time, data is loaded by changing electrical characteristics through a microwave contact or the like. Accordingly, the optical modulator output is formed as a modulated waveform.
  • a photoelectric modulator (O/E converter) is an optical rectification operation by a nonlinear crystal, an O/E conversion by a photoconductive antenna, and a bundle of electrons in light flux.
  • THz pulses can be generated according to emission from relativistic electrons, etc.
  • a THz pulse generated in the above manner may have a unit length of femto second to pico second.
  • An O/E converter uses non-linearity of a device to perform down conversion.
  • available bandwidth may be classified based on oxygen attenuation of 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 THz pulse for one carrier is set to 50 ps, the bandwidth (BW) becomes about 20 GHz.
  • Effective down conversion from the IR band to the THz band depends on how to utilize the nonlinearity of the O/E converter. That is, in order to down-convert to the desired terahertz band (THz band), the photoelectric converter (O / E converter) having the most ideal non-linearity to move to the corresponding terahertz band (THz band) 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 will 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, as many photoelectric converters as the number of carriers may be required in a multi-carrier system. In particular, in the case of a multi-carrier system using several broadbands according to a plan related to the above-mentioned spectrum use, the phenomenon will be conspicuous.
  • a frame structure for the multi-carrier system may be considered.
  • a signal down-frequency converted based on the photoelectric converter may be transmitted in a specific resource region (eg, a specific frame).
  • the frequency domain of the specific resource domain may include a plurality of chunks. Each chunk may consist of at least one component carrier (CC).
  • the present disclosure relates to a method and apparatus used in an AI-integrated wireless communication system (AI radio - AI4C).
  • AI radio - AI4C AI-integrated wireless communication system
  • the present disclosure relates to an apparatus and method for performing signaling for user grouping of an end-to-end precoding system in a wireless communication system (AI4C) incorporating artificial intelligence (AI). .
  • AI4C wireless communication system
  • AI artificial intelligence
  • Lower-case (or upper-case) italic letters represent scalars.
  • Lower-case bold-face letters and upper-case bold-face letters represent vectors and matrices, respectively.
  • Calligraphic letters mean a set. For example, and means scalar, vector, matrix and set. represents a set of complex numbers, represents m by n dimensional complex space. denotes an identity matrix with an appropriate dimension.
  • Superscript represents Hermitian transpose. and denotes trace and expectation operator, respectively. represents the Euclidean norm of the vector.
  • silver represents a zero-mean circularly symmetric complex Gaussian distribution with a covariance matrix.
  • 20 is a diagram showing an example of the structure of an end-to-end multi-user downlink precoding system in a system applicable to the present disclosure.
  • FIG. 20 relates to an end-to-end multiuser downlink precoding system.
  • Source Sohrabi, Foad, Kareem M. Attiah, and Wei Yu. "Deep learning for distributed channel feedback and multiuser precoding in FDD massive MIMO.” IEEE Transactions on Wireless Communications (2021).
  • the end-to-end multiuser precoding system can be composed of a total of K user-side encoders and a base station (BS)-side decoder.
  • BS base station
  • a downlink precoding system assuming frequency-division duplex (FDD) and finite feedback rate (rate-limited feedback) is considered, the number of transmission antennas of a base station (BS) is M, and K single-antenna users. Assume that (K ⁇ M) exists.
  • the content of the present invention is not limited to the situations assumed for convenience of explanation in this disclosure. For example, the same can be applied to uplink.
  • the signal transmitted from the BS is x, the symbol for the k-th user , a precoding vector for k-th users let's say A precoding matrix with k-th column can be defined, and symbol for k-th user can represent a vector s with k-th element, in this case, the transmission signal is is expressed as That is, linear precoding is performed in the BS. Also, about precoding and symbols in general (total power constraint), A constraint such as (no correlation between symbols of different users, each symbol normalized) can be given.
  • the encoder and decoder of FIG. 20 can be properly designed, and a neural network (NN) can be configured to find the optimal encoder and decoder.
  • NN neural network
  • the BS is downlink training pilots with a pilot length of L. send The l-th column of, that is, the l-th pilot transmission ( ) satisfies the per-transmission power constraint do. At this time, a signal of length L received and observed by user k Is expressed as in Equation 2 below.
  • the encoder of user k is It receives as input and produces B information bits as output.
  • This rule (or function) is the feedback scheme adopted by user k. am. That is, user k's feedback bits can be expressed as Meanwhile, in the decoder of FIG. 20, feedback bits collected from all K users as input and a precoding matrix produces as output.
  • This function is the downlink precoding scheme in BS am.
  • the purpose of the end-to-end multiuser precoding system as shown in FIG. 20 can be summarized as a sum rate maximization problem as shown in FIG. 21, and various communication QoSs other than sum rate can be used as an objective function.
  • 21 is a diagram showing an example of a problem of maximizing the sum speed of a limited feedback FDD system in a system applicable to the present disclosure.
  • FIG. 21 relates to the Problem of maximizing the sum rate of a limited-feedback FDD system.
  • the problem of designing an end-to-end multiuser precoding system can be seen as finding a combination that maximizes the sum rate (or optimizes other QoS) for the following three items.
  • training pilots transmitted by the BS It can also be noted that it is a variable for optimization.
  • 22 is a diagram illustrating an example of a NN architecture for an end-to-end multi-user precoding system in a system applicable to the present disclosure.
  • FIG. 22 relates to NN architecture for end-to-end multiuser precoding system.
  • Source Sohrabi, Foad, Kareem M. Attiah, and Wei Yu. "Deep learning for distributed channel feedback and multiuser precoding in FDD massive MIMO.” IEEE Transactions on Wireless Communications (2021).
  • downlink training pilots , feedback schemes , and the precoding scheme All of them are configured as NNs, and the configured NNs can be trained to obtain the optimal NN parameters. 22 shows one possible NN structure when an end-to-end multiuser downlink precoding system is represented by a NN.
  • FIG. 23 is a diagram illustrating an example of a signum function in a system applicable to the present disclosure.
  • a binary activation layer can be used as shown in FIG. 22 so that each component of has a bipolar feedback bit). That is, the sign function (signum function) shown in FIG. 23 can be used as the activation function of the last layer of the encoder NN.
  • the same encoder NN used by different users regardless of the number of users K may be a user-side encoder NN obtained by training in a single-user scenario. That is, for any K, the same structure and parameter set (weights and biases) as the encoder NN used in the single-user case can be used as the encoder NN in the K-user scenario.
  • 24 is a diagram showing an example of precoding performance for the number of users K in a system applicable to the present disclosure.
  • FIG. 24 relates to precoding performance against the number of users K. (Source: Sohrabi, Foad, Kareem M. Attiah, and Wei Yu. "Deep learning for distributed channel feedback and multiuser precoding in FDD massive MIMO.” IEEE Transactions on Wireless Communications (2021).)
  • precoding performance i.e., sum rate
  • the number of users K when using different encoder NNs obtained by training each time the number of users K changes (Different DNNs trained for each K), and as described above, regardless of K (in all K), all users are the same Comparing the performance of the case of using the encoder NN (Common DNN trained for all K), it can be seen that there is almost no difference in performance between the two cases.
  • the input size of the decoder NN changes whenever the number of users K changes (assuming that the length of feedback bits q k for any user k does not change, in proportion to K), (the output size is also different), so there is still a problem that the decoder NN architecture is different. If the number of users changes, a new decoder NN parameter set (weights and biases) is required, and even the architecture of the decoder NN itself changes, so there is a problem that the decoder is not scalable to the number of users K. That is, in order not to fix the number of users supported by the system, different NNs as many as the number of cases for the number of supported users are required.
  • 25 is a diagram showing an example of sum speed achieved by the scalable decoder NN architecture in a system applicable to the present disclosure.
  • FIG. 25 relates to Sum rate achieved by scalable decoder NN architecture.
  • precoding performance i.e., sum rate
  • K the number of users K of the previously proposed “Scalable Decoder Architecture for Multiuser Precoding”.
  • the CSI decoder proposed in "Scalable Decoder Architecture for Multiuser Precoding” receives the CSI feedback signal q_k received from the user-side encoder NN of the end-to-end precoding system as an input and outputs a precoding vector v_k for the corresponding user k.
  • a NN it can exist on the BS-side.
  • "Scalable Decoder Architecture for Multiuser Precoding” It is not limited to the CSI decoder of ".
  • the decoder of the end-to-end precoding system existing in BS serves to output precoding vectors or precoding matrices. For example, if the BS-side decoder supports K users and each user can have D different channel distributions, the end-to-end precoding system's decoder supports all cases. To do this, a maximum of D K parameter sets must be prepared in advance for the decoder NN. In addition, since the channel distributions of different users are not identical, generalization of NN for the number of users K is no longer possible. That is, whenever the number of users K changes, as many new parameter sets as D K are required. For each user, even if it is assumed that all possible channel distributions can be grouped together with similar distributions and classified into only D classes, the maximum As many parameter sets are required. Here, K max is the maximum number of users that the decoder can support.
  • a NN means a parameter set in a narrow sense, and different NNs mean different parameter sets.
  • a combination of encoder and decoder NNs means a combination of parameter sets for the encoder NN and decoder NN.
  • Method 1 A method of covering all cases by deploying various pre-trained parameter sets for encoder and decoder NNs
  • (Method 2) Online learning of (Method 2) is difficult to use in reality because the signaling overhead is very large.
  • (Method 1) does not have a big problem with signaling overhead, but after acquiring parameter sets of encoder and decoder NN for all cases through pre-training, the obtained parameter sets should be stored in user-side and BS-side. Therefore, the more possible cases, the more difficult it becomes.
  • the maximum number of parameter sets for the decoder NN It was confirmed that this is as much as possible, and since D, the number of classes that classify channel distributions, will not be a very small number in an actual communication environment, (Method 1) is also difficult to actually use.
  • the number of classes for parameter sets for the deployed encoder and decoder NN is at a level that can be supported.
  • Downlink pilots can be designed jointly with a feedback scheme and a precoding scheme as part of an overall end-to-end precoding system (NN). That is, the reference signal for measuring instantaneous CSI is also learnable parameters. 22 above Again, it has been shown that the weights of NN are.
  • downlink pilots which are parameters of NN Observing the results obtained through training, it can be seen that the pattern of downlink pilots varies according to the channel distribution. That is, just as the parameter sets of the encoder and decoder NN vary according to the channel distribution, the pattern of downlink pilots may also be determined by the channel distribution.
  • 26 is a diagram illustrating an example of user grouping of an end-to-end precoding system in a system applicable to the present disclosure.
  • FIG. 26 relates to User grouping in end-to-end precoding system.
  • signaling information and procedures for a user grouping scheme in which users having similar channel distributions are classified into the same group in an end-to-end precoding system are proposed.
  • the purpose of user grouping is to ensure that the number of classes for parameter sets for deployed encoder and decoder NNs is at a supportable level, even if users' channel distributions vary. That is, it is assumed that users classified in the same group use the same NN and parameter sets, and the classes of parameter sets to be used are determined in advance. Also, for convenience of explanation, it is assumed that all possible channel distributions are grouped with similar distributions and classified into only D classes.
  • the number of classes of NN pairs can be equal to D, the number of classes that distinguish channel distributions. Therefore, the number of cases for the combination of parameter sets of the encoder and decoder NN is maximum when user grouping is not applied. From what was, it can be reduced to D by applying user grouping.
  • 26 shows a user grouping method in the end-to-end precoding system proposed in this disclosure. 26, it can be seen that users of the same group use the same type of NN pair. For example, users belonging to group #1 use type A encoder and decoder NN, the second user group corresponds to NN pair type B, and users included in group #3 use type C NN pair.
  • an encoder NN and a decoder NN form a pair, and the two parts are jointly designed and optimized. Therefore, the two parts are used together as a NN pair, and in the present disclosure, a NN pair refers to a user-side encoder NN and a corresponding BS-side decoder NN.
  • the encoder NN is a downlink pilot (reference signal) It can be seen as including up to. Therefore, the NN pair is the downlink pilots of FIG. 22 , feedback schemes , and the precoding scheme I mean the NN configuration for all. That is, NN pair means all NNs of the end-to-end precoding system.
  • NNs encoder and decoder NNs
  • the signaling method for user grouping proposed in this disclosure can be divided into two cases according to the subject that performs and determines user grouping.
  • the subject performing user grouping is the BS.
  • BS In order for BS to group users, BS must receive statistical CSI reports from users.
  • the BS In the second case, it is assumed that the BS does not need to perform a special algorithm for user grouping, and each user determines his/her user group based on the statistical CSI measured by himself.
  • UGI user group indicator
  • a pattern for a reference signal (or pilot) for measuring Instantaneous CSI may be indicated.
  • the class of parameter set for Encoder NN can be indicated.
  • the class of the parameter set for the decoder NN is determined pairwise according to the type of the encoder NN, the class of the parameter set for the decoder NN can be indicated simultaneously with the parameter set for the encoder NN.
  • UGI can be seen as meaning a class of parameter set.
  • a default UGI can be predefined for initial operation.
  • group #0 may indicate a default parameter set.
  • the number of UGIs excluding group #0, which is the default parameter set, is D, and UGIs can exist from group #1 to group #D.
  • Signaling information for user grouping can be represented by UGI, and appears in both signaling procedures in the following two cases.
  • a signaling procedure for user grouping will be described in detail below by dividing the signaling procedure into two cases according to the subject that determines the user group.
  • NNs according to channel distribution are already configured as encoder or decoder NNs in user-side and BS-side.
  • the parameter sets of all classes classified according to the channel distribution are stored in the user and BS, so that the situation in which the channel distribution changes can be covered.
  • the number of classes for parameter sets for deployed encoder and decoder NNs is not unsupportably large. For example, a total of D classes may exist.
  • a signaling method for the case where the subject performing or determining user grouping is a BS is proposed.
  • BS can determine the user group of each user by performing user grouping through a specific algorithm such as k-means clustering.
  • the NN type may be determined deterministically according to the user's channel distribution.
  • a class of a parameter set is determined according to a predefined table without the need of performing a special algorithm for user grouping. That is, in this section, it is assumed that the BS has a means to inform which NN type will be selected according to the user's channel distribution. Depending on the Statistical CSI, the form of means to inform which class of parameter set to use can exist in various forms such as table and chart.
  • the user grouping algorithm e.g., K-means
  • the NN type is not deterministically determined according to the channel distribution
  • the parameters of the NN are also through online learning should be updated Therefore, additional signaling other than the signaling proposed in this section may be required to update the parameters of the NN. Details and procedures for additional signaling are outside the scope of this disclosure. That is, online learning related to user grouping is outside the scope of the present disclosure. However, even if online learning is required, the signaling method proposed in this section can still be used for user grouping itself.
  • 27 is a diagram illustrating an example of a signaling procedure for user grouping when a base station determines a user group of each user in a system applicable to the present disclosure.
  • FIG. 27 relates to a Proposed signaling procedure for user grouping when BS decides user group of each user.
  • FIG. 27 shows a signaling procedure for user grouping proposed in this section.
  • different users are represented in different colors, which can be noted compared to the case in which users are represented in the same color in FIG. 30 to appear later.
  • the users in FIG. 30 are represented in the same color because they all belong to the same user group, whereas the users in FIG. 27 are represented in different colors because they are before user grouping is performed.
  • the BS receives a statistical CSI report from each user.
  • BS groups users by referring to the received statistical CSI, and classifies users with similar channel distribution into the same group. Since the NN type (i.e., class of parameter set) according to statistical CSI exists in the BS in the form of a table, the BS can determine the NN type through the statistical CSI, and the determined user group indicator (UGI) is displayed again for each user can be sent to
  • the statistical CSI transmitted by the user to the BS may include statistical information (e.g., second-order statistics) on the number of propagation paths, the complex gain of each path, and the angle of departure corresponding to each path.
  • statistical information e.g., second-order statistics
  • it can be transmitted by replacing it with a long-term channel covariance matrix.
  • UGI not only indicates the pattern of a reference signal or the type of a NN pair, but can also indicate the configuration of a downlink radio resource. For example, users in the same group can reduce intra-group interference through precoding, but use the same radio resource configuration, and use different configurations between different groups to solve the inter-group interference problem.
  • 28 is a diagram illustrating an example of a periodic signaling procedure for user grouping when a base station determines a group of each user in a system applicable to the present disclosure.
  • FIG. 28 relates to a proposed periodic signaling procedure for user grouping when BS decides group of each user.
  • sCSI statistical CSI
  • iCSI instantaneous CSI
  • reference signals for iCSI measurement can be used. That is, the instantaneous CSI measured by the user is accumulated for one period and used as statistical CSI, or the reference signal received for iCSI measurement is used, but sCSI is measured or estimated in a new way different from iCSI measurement.
  • a procedure for each user to receive a separate reference signal (RS) for sCSI from the BS may be additionally required.
  • the BS may transmit another type of RS for sCSI to each user so that the user can obtain sCSI.
  • 29 is a diagram illustrating an example of a signaling procedure for user grouping when a user determines a user group by himself in a system applicable to the present disclosure.
  • FIG. 29 relates to a proposed signaling procedure for user grouping when user group is determined by user itself.
  • the NN type (i.e., the class of the parameter set) according to the statistical CSI is defined in advance in the form of a table, etc., so the NN type can be determined deterministically according to the user's channel distribution.
  • the class of the parameter set is determined according to the table defined in advance, and this is the same in this section.
  • the form of means to inform which class of parameter set to use can exist in various forms such as table and chart.
  • FIG. 29 shows a signaling procedure for user grouping proposed in this section.
  • different users are represented in different colors, which can be noted compared to the case in which users are represented in the same color in FIG. 30 to appear later.
  • the users in FIG. 30 are represented in the same color because they all belong to the same user group, whereas the users in FIG. 27 are represented in different colors because they are before user grouping is performed.
  • each user transmits only a user group indicator (UGI) instead of reporting information about channel distribution itself to the BS. Since each user can measure or estimate his own channel distribution, he determines his own user group based on this. That is, since the NN type (i.e., class of parameter set) according to the statistical CSI exists in the user in the form of a table, and the user can estimate his or her own channel distribution, each user can use the estimated statistical CSI for himself/herself. The NN type of can be determined, and the determined user group indicator (UGI) can be transmitted to and reported to the BS.
  • UMI user group indicator
  • Statistical information on the complex gain of each path and the angle of departure corresponding to each path, including the number of propagation paths, is statistical information (e.g., second-order statistics) that users refer to themselves to determine their own user group.
  • second-order statistics e.g., second-order statistics
  • a long-term channel covariance matrix may be substituted for reference. Referring to the statistical CSI (sCSI) and the table that tells which NN type to select according to the sCSI, the user determines his or her own user group.
  • UGI not only indicates the pattern of a reference signal or the type of a NN pair, but can also indicate the configuration of a downlink radio resource. For example, users in the same group can reduce intra-group interference through precoding, but use the same radio resource configuration, and use different configurations between different groups to solve the inter-group interference problem.
  • configuration of radio resources according to UGI is also defined in advance.
  • Each user estimates his/her own sCSI and first determines whether the user group needs to be changed. When one or more events occur among several events that can be judged to change the user's channel distribution to a certain level or more, the user sends a request for user group substitution to the BS. Upon receiving the user group substitution request, the BS transmits the grant for user group substitution back to the user if it can receive the user group indicator from the corresponding user. When the exchange of request/grant for user group substitution is completed, the user can transmit UGI to the BS after a predetermined time interval has elapsed.
  • end-to-end after user grouping is performed using the aforementioned 1) signaling method for the case where the BS determines the user group of each user and 2) signaling method for the case where each user determines the user group by itself.
  • Signaling necessary for the operation of the -end precoding system is presented as shown in FIG. 30.
  • FIG. 30 is a diagram illustrating an example of a signaling procedure for an end-to-end precoding system after user grouping in a system applicable to the present disclosure.
  • FIG. 30 relates to a signaling procedure for end-to-end precoding system after user grouping.
  • FIG. 30 all users are expressed in the same color, which can be noted compared to the previously described users in FIGS. 27 , 28 , and 29 in different colors. Users in FIG. 30 are all represented in the same color because they belong to the same user group. Users belonging to the same user group receive downlink pilots of the same pattern from the BS, measure instantaneous CSI, and transmit it to the BS again. All users in the same group use the same type of encoder NN (same class parameter set), and each user's instantaneous CSI is the output of each user's encoder NN. The instantaneous CSI transmitted from each user is input to the BS-side decoder NN input. At this time, instantaneous CSI signals from all users belonging to the same group are input to the same decoder NN, and precoding is performed according to the output of the decoder NN.
  • encoder NN standard parameter set
  • a method in which a terminal of a wireless communication system reports channel state information (CSI) to a base station including a step of first reporting statistical CSI to the base station by the terminal, and after the statistical CSI reporting step, the terminal reports the base station to the base station.
  • Reporting instantaneous CSI characterized in that the statistical CSI determines the type of neural network (NN) for measuring and estimating instantaneous CSI.
  • a user group indicator can be determined in a terminal or base station by the statistical CSI, and the UGI represents all or part of pattern information of a reference signal, class information of a parameter set, and configuration information of a radio resource.
  • FIG. 31 is a diagram illustrating examples of operating procedures of a user equipment (UE) in a system applicable to the present disclosure.
  • UE user equipment
  • a method performed by a terminal in a wireless communication system is provided.
  • the terminal before step S3101, the terminal receiving one or more synchronization signals from a base station (BS); Receiving, by a terminal, system information from the base station; The terminal may further include receiving a radio resource control (RRC) message from the base station.
  • RRC radio resource control
  • step S3101 the terminal receives a first reference signal from a base station (BS).
  • a plurality of first reference signals including the first reference signal are transmitted from the base station to a plurality of terminals including the terminal.
  • the plurality of first reference signals have the same pattern.
  • step S3102 the terminal transmits first channel state information (CSI) related to the first reference signal to the base station.
  • CSI channel state information
  • a plurality of first CSIs including the first CSI are transmitted from the plurality of terminals to the base station.
  • a group for each of the plurality of terminals is determined as one group among a preset number of groups.
  • step S3103 the terminal receives information of the group determined for the terminal from the base station.
  • step S3104 the terminal receives a second reference signal based on the determined group information from the base station.
  • a plurality of second reference signals including the second reference signal are transmitted from the base station to the plurality of terminals including the terminal.
  • step S3105 the terminal transmits a second CSI related to the second reference signal to the base station based on the determined group information.
  • a plurality of second CSIs including the second CSI are transmitted from the plurality of terminals to the base station.
  • the plurality of second CSIs are related to the plurality of second reference signals.
  • a plurality of second CSIs transmitted to the base station from a plurality of terminals determined to be the same group among the plurality of terminals may be encoded based on the same encoding neural network (NN) model.
  • the plurality of second CSIs may be included in the plurality of second CSIs.
  • the plurality of second CSIs transmitted to the base station from the plurality of terminals determined to be the same group may be decoded based on a decoding NN model corresponding to the NN model.
  • the encoding NN model and the decoding NN model may be determined pairwise based on the determined group information.
  • the encoding NN model may be configured with one of a plurality of predetermined parameter sets.
  • the information of the determined group may correspond to class information for one of the plurality of predetermined parameter sets.
  • a pattern of the plurality of second reference signals may be determined based on the determined group information.
  • a plurality of second reference signals of the same pattern among the plurality of second reference signals may be transmitted from the base station to the plurality of terminals determined as the same group.
  • the plurality of first CSIs include the number of propagation paths, a complex gain of each propagation path, an angle of departure of each propagation path, It may include at least one of long-term channel covariance matrices.
  • a terminal is provided in a wireless communication system.
  • a terminal may include a transceiver and at least one processor, and the at least one processor may be configured to perform the operating method of the terminal according to FIG. 31 .
  • an apparatus for controlling a terminal in a communication system includes at least one processor and at least one memory operatively connected to the at least one processor.
  • the one or more memories may be configured to store instructions for performing an operating method of a terminal according to FIG. 31 based on execution by the one or more processors.
  • one or more non-transitory computer readable media for storing one or more instructions.
  • the one or more commands based on being executed by one or more processors, perform operations, and the operations may include the operating method of the terminal according to FIG. 31 .
  • FIG. 32 is a diagram illustrating examples of operating procedures of a user equipment (UE) in a system applicable to the present disclosure.
  • UE user equipment
  • a method performed by a terminal in a wireless communication system is provided.
  • the terminal before step S3201, receives one or more synchronization signals from a base station (BS); Receiving, by a terminal, system information from the base station; The terminal may further include receiving a radio resource control (RRC) message from the base station.
  • BS base station
  • RRC radio resource control
  • step S3201 the terminal receives a first reference signal from a base station (BS).
  • a plurality of first reference signals including the first reference signal are transmitted from the base station to a plurality of terminals including the terminal.
  • the plurality of first reference signals have the same pattern.
  • step S3202 the terminal transmits a group replacement request to the base station in response to occurrence of a specific event related to the first reference signal.
  • a group replacement request is transmitted to the base station.
  • the specific event is included in the at least one specific event.
  • the group replacement request is included in the at least one group replacement request.
  • step S3203 the terminal receives a group replacement grant from the base station. At least one group replacement grant including the group replacement grant is transmitted from the base station to the at least one terminal.
  • step S3204 the terminal transmits group information corresponding to the terminal to the base station in response to the group replacement grant.
  • Each of the plurality of terminals is determined as one group among a preset number of groups.
  • step S3205 the terminal receives a second reference signal based on the determined group information from the base station.
  • a plurality of second reference signals including the second reference signal are transmitted from the base station to the plurality of terminals including the terminal.
  • step S3206 the terminal transmits second channel state information (CSI) related to the second reference signal to the base station based on the determined group information.
  • CSI channel state information
  • a plurality of second CSIs including the second CSI are transmitted from the plurality of terminals to the base station.
  • the plurality of second CSIs are related to the plurality of second reference signals.
  • a plurality of second CSIs transmitted to the base station from a plurality of terminals determined to be the same group among the plurality of terminals may be encoded based on the same encoding neural network (NN) model.
  • the plurality of second CSIs may be included in the plurality of second CSIs.
  • the plurality of second CSIs transmitted to the base station from the plurality of terminals determined to be the same group may be decoded based on a decoding NN model corresponding to the NN model.
  • the encoding NN model and the decoding NN model may be determined pairwise based on the determined group information.
  • the encoding NN model may be configured with one of a plurality of predetermined parameter sets.
  • the information of the determined group may correspond to class information for one of the plurality of predetermined parameter sets.
  • a pattern of the plurality of second reference signals may be determined based on the determined group information.
  • a plurality of second reference signals having the same pattern among the plurality of second reference signals may be transmitted from the base station to the plurality of terminals determined to be the same group.
  • the at least one specific event is based on the at least one first CSI estimated from the at least one terminal, the channel distribution of the at least one terminal is changed by a set degree or more case may apply.
  • the at least one first CSI includes the number of propagation paths, a complex gain of each propagation path, and an angle of departure of each propagation path. , a long-term channel covariance matrix.
  • a terminal is provided in a wireless communication system.
  • a terminal may include a transceiver and at least one processor, and the at least one processor may be configured to perform the operating method of the terminal according to FIG. 32 .
  • an apparatus for controlling a terminal in a communication system includes at least one processor and at least one memory operatively connected to the at least one processor.
  • the one or more memories may be configured to store instructions for performing an operation method of a terminal according to FIG. 32 based on execution by the one or more processors.
  • one or more non-transitory computer readable media for storing one or more instructions.
  • the one or more commands based on being executed by one or more processors, perform operations, and the operations may include a method of operating a terminal according to FIG. 32 .
  • FIG 33 is a diagram illustrating examples of operation processes of a base station (BS) in a system applicable to the present disclosure.
  • a method performed by a base station (BS) in a communication system is provided.
  • the base station transmitting one or more synchronization signals to a plurality of user equipment (UE); Transmitting system information to the plurality of terminals;
  • the method may further include transmitting a radio resource control (RRC) message to the plurality of terminals.
  • RRC radio resource control
  • step S3301 the base station transmits a plurality of first reference signals to a plurality of user equipments (UEs).
  • the plurality of first reference signals have the same pattern.
  • step S3302 the base station receives a plurality of first channel state information (CSI) related to the first reference signals from the plurality of terminals.
  • CSI channel state information
  • step S3303 the base station determines a group for each of the plurality of terminals as one group among a preset number of groups based on the plurality of first CSIs.
  • step S3304 the base station transmits information of the determined group to each of the plurality of terminals.
  • step S3305 the base station transmits a plurality of second reference signals to each of the plurality of terminals based on the determined group information.
  • step S3306 the base station receives a plurality of second CSIs related to the plurality of second reference signals based on the determined group information from each of the plurality of terminals.
  • a plurality of second CSIs received from a plurality of terminals determined to be the same group among the plurality of terminals may be encoded based on the same encoding neural network (NN) model.
  • the plurality of second CSIs may be included in the plurality of second CSIs.
  • the plurality of second CSIs received from the plurality of terminals determined as the same group may be decoded based on a decoding NN model corresponding to the NN model.
  • the encoding NN model and the decoding NN model may be determined pairwise based on the determined group information.
  • the encoding NN model may be configured with one of a plurality of predetermined parameter sets.
  • the information of the determined group may correspond to class information for one of the plurality of predetermined parameter sets.
  • a pattern of the plurality of second reference signals may be determined based on the determined group information.
  • a plurality of second reference signals having the same pattern among the plurality of second reference signals may be transmitted to the plurality of terminals determined to be the same group.
  • the plurality of first CSIs include the number of propagation paths, a complex gain of each propagation path, an angle of departure of each propagation path, It may include at least one of long-term channel covariance matrices.
  • a base station in a wireless communication system.
  • the base station may include a transceiver and at least one processor, and the at least one processor may be configured to perform the method of operating the base station according to FIG. 33 .
  • an apparatus for controlling a base station in a wireless communication system includes at least one processor and at least one memory operatively connected to the at least one processor.
  • the at least one memory may be configured to store instructions for performing the operating method of the base station according to FIG. 33 based on execution by the at least one processor.
  • one or more non-transitory computer readable media for storing one or more instructions.
  • the one or more commands based on being executed by one or more processors, perform operations, and the operations may include a method of operating a base station according to FIG. 33 .
  • BS base station
  • a method performed by a base station (BS) in a communication system is provided.
  • the base station transmitting one or more synchronization signals to a plurality of user equipment (UE); Transmitting system information to the plurality of terminals;
  • the method may further include transmitting a radio resource control (RRC) message to the plurality of terminals.
  • RRC radio resource control
  • step S3401 the base station transmits a plurality of first reference signals to a plurality of user equipment (UEs).
  • the plurality of first reference signals have the same pattern.
  • step S3402 the base station responds to the occurrence of at least one specific event related to at least one first reference signal among the plurality of first reference signals in at least one terminal among the plurality of terminals. Receives at least one group replacement request from
  • step S3403 the base station transmits at least one group replacement grant to the at least one terminal.
  • step S3404 the base station receives group information corresponding to the at least one terminal in response to the at least one group replacement grant from the at least one terminal.
  • step S3405 the base station updates group information for the at least one terminal among the group information determined for the plurality of terminals.
  • a group for each of the plurality of terminals is determined as one group among a preset number of groups.
  • step S3406 the base station transmits a plurality of second reference signals to each of the plurality of terminals based on the determined group information.
  • step S3407 the base station receives a plurality of second channel state information (CSI) related to the plurality of second reference signals based on the determined group information from each of the plurality of terminals.
  • CSI channel state information
  • the plurality of second CSIs received from a plurality of terminals determined to be the same group among the plurality of terminals may be encoded based on the same encoding neural network (NN) model.
  • NN encoding neural network
  • the plurality of second CSIs received from the plurality of terminals determined as the same group may be decoded based on a decoding NN model corresponding to the NN model.
  • the encoding NN model and the decoding NN model may be determined pairwise based on the determined group information.
  • the encoding NN model may be configured with one of a plurality of predetermined parameter sets.
  • the information of the determined group may correspond to class information for one of the plurality of predetermined parameter sets.
  • a pattern of the plurality of second reference signals may be determined based on the determined group information.
  • a plurality of second reference signals having the same pattern among the plurality of second reference signals may be transmitted to the plurality of terminals determined to be the same group.
  • the at least one specific event is based on the at least one first CSI estimated from the at least one terminal, the channel distribution of the at least one terminal is changed by a set degree or more case may apply.
  • the at least one first CSI includes the number of propagation paths, a complex gain of each propagation path, and an angle of departure of each propagation path. , a long-term channel covariance matrix.
  • a base station in a wireless communication system.
  • the base station may include a transceiver and at least one processor, and the at least one processor may be configured to perform the method of operating the base station according to FIG. 34 .
  • an apparatus for controlling a base station in a wireless communication system includes at least one processor and at least one memory operatively connected to the at least one processor.
  • the at least one memory may be configured to store instructions for performing the operating method of the base station according to FIG. 34 based on execution by the at least one processor.
  • one or more non-transitory computer readable media for storing one or more instructions.
  • the one or more instructions based on being executed by one or more processors, perform operations, and the operations may include the operating method of the base station according to FIG. 34 .
  • 35 illustrates a communication system 1 applied to various embodiments of the present disclosure.
  • a communication system 1 applied to various embodiments of 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 (New RAT), LTE (Long Term Evolution), 6G wireless communication), and communication / wireless / 5G device / 6G device can be referred to as
  • wireless devices include robots 100a, vehicles 100b-1 and 100b-2, XR (eXtended Reality) devices 100c, hand-held devices 100d, and home appliances 100e. ), an Internet of Thing (IoT) device 100f, and an AI device/server 400.
  • a wireless access technology eg, 5G NR (New RAT), LTE (Long Term Evolution), 6G wireless communication
  • wireless devices include robots 100a, vehicles 100b-1 and 100b-2, XR (eXtended Reality) devices 100c, hand-held devices 100d, and home appliances 100e.
  • IoT Internet of Th
  • the vehicle may include a vehicle equipped with a wireless communication function, an autonomous vehicle, a vehicle capable of performing inter-vehicle communication, and the like.
  • the vehicle may include an Unmanned Aerial Vehicle (UAV) (eg, a drone).
  • UAV Unmanned Aerial Vehicle
  • XR devices include Augmented Reality (AR)/Virtual Reality (VR)/Mixed Reality (MR) devices, Head-Mounted Devices (HMDs), Head-Up Displays (HUDs) installed in vehicles, televisions, smartphones, It may be implemented in the form of a computer, wearable device, home appliance, digital signage, vehicle, robot, and the like.
  • a portable device may include a smart phone, a smart pad, a wearable device (eg, a smart watch, a smart glass), a computer (eg, a laptop computer, etc.), and the like.
  • Home appliances may include a TV, a refrigerator, a washing machine, and the like.
  • IoT devices may include sensors, smart meters, and the like.
  • a base station and a network may also be implemented as a wireless device, and a specific wireless device 200a may operate as a base station/network node to other wireless devices.
  • the wireless devices 100a to 100f may be connected to the network 300 through the base station 200 .
  • AI Artificial Intelligence
  • the network 300 may be configured using a 3G network, a 4G (eg LTE) network, a 5G (eg NR) network, or a 6G network.
  • the wireless devices 100a to 100f may communicate with each other through the base station 200/network 300, but may also communicate directly (eg, sidelink communication) without going through the base station/network.
  • the vehicles 100b-1 and 100b-2 may perform direct communication (eg, vehicle to vehicle (V2V)/vehicle to everything (V2X) communication).
  • IoT devices eg, sensors
  • IoT devices may directly communicate with other IoT devices (eg, sensors) or other wireless devices 100a to 100f.
  • Wireless communication/connection 150a, 150b, and 150c may be performed between the wireless devices 100a to 100f/base station 200 and the base station 200/base station 200.
  • wireless communication/connection refers to various wireless connections such as uplink/downlink communication 150a, sidelink communication 150b (or D2D communication), and inter-base station communication 150c (e.g. relay, Integrated Access Backhaul (IAB)).
  • IAB Integrated Access Backhaul
  • Wireless communication/connection (150a, 150b, 150c) allows wireless devices and base stations/wireless devices, and base stations and base stations to transmit/receive radio signals to/from each other.
  • the wireless communication/connection 150a, 150b, and 150c may transmit/receive signals through various physical channels.
  • transmission of radio signals /
  • various signal processing processes eg, channel encoding/decoding, modulation/demodulation, resource mapping/demapping, etc.
  • resource allocation processes etc.
  • NR supports a number of numerologies (or subcarrier spacing (SCS)) to support various 5G services.
  • SCS subcarrier spacing
  • the SCS when the SCS is 15 kHz, it supports a wide area in traditional cellular bands, and when the SCS is 30 kHz/60 kHz, dense-urban, lower latency and a wider carrier bandwidth, and when the SCS is 60 kHz or higher, a bandwidth greater than 24.25 GHz is supported to overcome phase noise.
  • the NR frequency band may be defined as a frequency range of two types (FR1 and FR2).
  • the number of frequency ranges may be changed, and for example, the frequency ranges of the two types (FR1 and FR2) may be shown in Table 3 below.
  • FR1 may mean “sub 6 GHz range”
  • FR2 may mean “above 6 GHz range” and may be called millimeter wave (mmW) .
  • mmW millimeter wave
  • FR1 may include a band of 410 MHz to 7125 MHz as shown in Table 4 below. That is, FR1 may include a frequency band of 6 GHz (or 5850, 5900, 5925 MHz, etc.) or higher. For example, a frequency band of 6 GHz (or 5850, 5900, 5925 MHz, etc.) or higher included in FR1 may include an unlicensed band. The unlicensed band may be used for various purposes, and may be used, for example, for vehicle communication (eg, autonomous driving).
  • the communication system 1 may support terahertz (THz) wireless communication.
  • a 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 molecular absorption in the air.
  • the first wireless device 100 and the second wireless device 200 may transmit and receive radio signals through various radio access technologies (eg, LTE, NR).
  • ⁇ the first wireless device 100, the second wireless device 200 ⁇ is the ⁇ wireless device 100x, the base station 200 ⁇ of FIG. 35 and/or the ⁇ wireless device 100x, the wireless device 100x.
  • ⁇ can correspond.
  • the first wireless device 100 includes one or more processors 102 and one or more memories 104, and may additionally include one or more transceivers 106 and/or one or more antennas 108.
  • the processor 102 controls the memory 104 and/or the transceiver 106 and may be configured to implement the descriptions, functions, procedures, suggestions, methods and/or flowcharts of operations disclosed herein.
  • the processor 102 may process information in the memory 104 to generate first information/signal, and transmit a radio signal including the first information/signal through the transceiver 106.
  • the processor 102 may receive a radio signal including the second information/signal through the transceiver 106, and then store information obtained from signal processing of the second information/signal in the memory 104.
  • the memory 104 may be connected to the processor 102 and may store various information related to the operation of the processor 102 .
  • memory 104 may perform some or all of the processes controlled by processor 102, or instructions for performing the descriptions, functions, procedures, suggestions, methods, and/or flowcharts of operations disclosed herein. It may store software codes including them.
  • the processor 102 and memory 104 may be part of a communication modem/circuit/chip designed to implement a wireless communication technology (eg, LTE, NR).
  • the transceiver 106 may be coupled to the processor 102 and may transmit and/or receive wireless signals via one or more antennas 108 .
  • the transceiver 106 may include a transmitter and/or a receiver.
  • the transceiver 106 may be used interchangeably with a radio frequency (RF) unit.
  • RF radio frequency
  • a wireless device may mean a communication modem/circuit/chip.
  • the second wireless device 200 includes one or more processors 202, one or more memories 204, and may further include one or more transceivers 206 and/or one or more antennas 208.
  • Processor 202 controls memory 204 and/or transceiver 206 and may be configured to implement the descriptions, functions, procedures, suggestions, methods, and/or flowcharts of operations disclosed herein.
  • the processor 202 may process information in the memory 204 to generate third information/signal, and transmit a radio signal including the third information/signal through the transceiver 206.
  • the processor 202 may receive a radio signal including the fourth information/signal through the transceiver 206 and store information obtained from signal processing of the fourth information/signal in the memory 204 .
  • the memory 204 may be connected to the processor 202 and may store various information related to the operation of the processor 202 .
  • memory 204 may perform some or all of the processes controlled by processor 202, or instructions for performing the descriptions, functions, procedures, suggestions, methods, and/or flowcharts of operations disclosed herein. It may store software codes including them.
  • the processor 202 and memory 204 may be part of a communication modem/circuit/chip designed to implement a wireless communication technology (eg, LTE, NR).
  • the transceiver 206 may be coupled to the processor 202 and may transmit and/or receive wireless signals via one or more antennas 208 .
  • the transceiver 206 may include a transmitter and/or a receiver.
  • the transceiver 206 may be used interchangeably with an RF unit.
  • a wireless device may mean a communication modem/circuit/chip.
  • one or more protocol layers may be implemented by one or more processors 102, 202.
  • one or more processors 102, 202 may implement one or more layers (eg, functional layers such as PHY, MAC, RLC, PDCP, RRC, SDAP).
  • One or more processors 102, 202 may generate one or more Protocol Data Units (PDUs) and/or one or more Service Data Units (SDUs) in accordance with the descriptions, functions, procedures, proposals, methods and/or operational flow charts disclosed herein.
  • PDUs Protocol Data Units
  • SDUs Service Data Units
  • processors 102, 202 may generate messages, control information, data or information according to the descriptions, functions, procedures, proposals, methods and/or operational flow diagrams disclosed herein.
  • One or more processors 102, 202 generate PDUs, SDUs, messages, control information, data or signals (e.g., baseband signals) containing information according to the functions, procedures, proposals and/or methods disclosed herein , can be provided to one or more transceivers 106, 206.
  • One or more processors 102, 202 may receive signals (eg, baseband signals) from one or more transceivers 106, 206, and descriptions, functions, procedures, proposals, methods, and/or flowcharts of operations disclosed herein PDUs, SDUs, messages, control information, data or information can be obtained according to these.
  • signals eg, baseband signals
  • One or more processors 102, 202 may be referred to as a controller, microcontroller, microprocessor or microcomputer.
  • One or more processors 102, 202 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
  • firmware or software may be implemented using firmware or software, and the firmware or software may be implemented to include modules, procedures, functions, and the like.
  • Firmware or software configured to perform the descriptions, functions, procedures, suggestions, methods and/or operational flow diagrams disclosed herein may be included in one or more processors 102, 202 or stored in one or more memories 104, 204 and It can be driven by the above processors 102 and 202.
  • the descriptions, functions, procedures, suggestions, methods and/or operational flow charts disclosed in this document may be implemented using firmware or software in the form of codes, instructions and/or sets of instructions.
  • One or more memories 104, 204 may be coupled with one or more processors 102, 202 and may store various types of data, signals, messages, information, programs, codes, instructions and/or instructions.
  • One or more memories 104, 204 may be comprised of ROM, RAM, EPROM, flash memory, hard drives, registers, cache memory, computer readable storage media, and/or combinations thereof.
  • One or more memories 104, 204 may be located internally and/or external to one or more processors 102, 202. Additionally, one or more memories 104, 204 may be coupled to one or more processors 102, 202 through various technologies, such as wired or wireless connections.
  • One or more transceivers 106, 206 may transmit user data, control information, radio signals/channels, etc., as referred to in the methods and/or operational flow charts herein, to one or more other devices.
  • One or more transceivers 106, 206 may receive user data, control information, radio signals/channels, etc. referred to in descriptions, functions, procedures, proposals, methods and/or operational flow charts, etc. disclosed herein from one or more other devices. there is.
  • one or more transceivers 106 and 206 may be connected to one or more processors 102 and 202 and transmit and receive wireless signals.
  • one or more processors 102, 202 may control one or more transceivers 106, 206 to transmit user data, control information, or radio signals to one or more other devices. Additionally, one or more processors 102, 202 may control one or more transceivers 106, 206 to receive user data, control information, or radio signals from one or more other devices. In addition, one or more transceivers 106, 206 may be coupled with one or more antennas 108, 208, and one or more transceivers 106, 206 via one or more antennas 108, 208, as described herein, function. , procedures, proposals, methods and / or operation flowcharts, etc. can be set to transmit and receive user data, control information, radio signals / channels, etc.
  • one or more antennas may be a plurality of physical antennas or a plurality of logical antennas (eg, antenna ports).
  • One or more transceivers (106, 206) convert the received radio signals/channels from RF band signals in order to process the received user data, control information, radio signals/channels, etc. using one or more processors (102, 202). It can be converted into a baseband signal.
  • One or more transceivers 106 and 206 may convert user data, control information, and radio signals/channels processed by one or more processors 102 and 202 from baseband signals to RF band signals.
  • one or more of the transceivers 106, 206 may include (analog) oscillators and/or filters.
  • a wireless device may include at least one processor 102, 202, at least one memory 104, 204, at least one transceiver 106, 206, and one or more antennas 108, 208. there is.
  • the processors 102 and 202 and the memories 104 and 204 are separated, but in the example of FIG. 37, the processor Note that (102, 202) includes the memory (104, 204).
  • 38 illustrates a signal processing circuit for a transmission signal.
  • the signal processing circuit 1000 may include a scrambler 1010, a modulator 1020, a layer mapper 1030, a precoder 1040, a resource mapper 1050, and a signal generator 1060.
  • the operations/functions of FIG. 38 may be performed by processors 102 and 202 and/or transceivers 106 and 206 of FIG. 36 .
  • the hardware elements of FIG. 38 may be implemented in processors 102 and 202 and/or transceivers 106 and 206 of FIG. 36 .
  • blocks 1010-1060 may be implemented in processors 102 and 202 of FIG. 36 .
  • blocks 1010 to 1050 may be implemented in the processors 102 and 202 of FIG. 36
  • block 1060 may be implemented in the transceivers 106 and 206 of FIG. 36 .
  • the codeword may be converted into a radio signal through the signal processing circuit 1000 of FIG. 38 .
  • a codeword is an encoded bit sequence of an information block.
  • Information blocks may include transport blocks (eg, UL-SCH transport blocks, DL-SCH transport blocks).
  • Radio signals may be transmitted through various physical channels (eg, PUSCH, PDSCH).
  • the codeword may be converted into a scrambled bit sequence by the scrambler 1010.
  • 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.
  • the scrambled bit sequence may be modulated into a modulation symbol sequence by modulator 1020.
  • the modulation scheme 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 the layer mapper 1030.
  • Modulation symbols of each transport layer may be mapped to the corresponding antenna port(s) by the precoder 1040 (precoding).
  • the output z of the precoder 1040 can be obtained by multiplying the output y of the layer mapper 1030 by the N*M precoding matrix W.
  • N is the number of antenna ports and M is the number of transport layers.
  • the precoder 1040 may perform precoding after performing transform precoding (eg, DFT transformation) on complex modulation symbols. Also, the precoder 1040 may perform precoding without performing transform precoding.
  • the resource mapper 1050 may map modulation symbols of each antenna port to time-frequency resources.
  • the time-frequency resource may include a plurality of symbols (eg, CP-OFDMA symbols and DFT-s-OFDMA symbols) in the time domain and a plurality of subcarriers in the frequency domain.
  • the signal generator 1060 generates a radio signal from the mapped modulation symbols, and the generated radio signal can be transmitted to other devices through each antenna.
  • the signal generator 1060 may include an inverse fast Fourier transform (IFFT) module, 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 to the signal processing process 1010 to 1060 of FIG. 38 .
  • wireless devices eg, 100 and 200 of FIG. 36
  • 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 de-scramble process.
  • a signal processing circuit for a received signal may include a signal restorer, a resource demapper, a postcoder, a demodulator, a descrambler, and a decoder.
  • a wireless device may be implemented in various forms according to usage-examples/services (see FIG. 35).
  • wireless devices 100 and 200 correspond to the wireless devices 100 and 200 of FIG. 36, and include various elements, components, units/units, and/or modules. ) can be configured.
  • the wireless devices 100 and 200 may include a communication unit 110 , a control unit 120 , a memory unit 130 and an additional element 140 .
  • the communication unit may include communication circuitry 112 and transceiver(s) 114 .
  • communication circuitry 112 may include one or more processors 102, 202 of FIG. 36 and/or one or more memories 104, 204.
  • transceiver(s) 114 may include one or more transceivers 106, 206 of FIG. 36 and/or one or more antennas 108, 208.
  • the control unit 120 is electrically connected to the communication unit 110, the memory unit 130, and the additional element 140 and controls overall operations of the wireless device.
  • the control unit 120 may control electrical/mechanical operations of the wireless device based on programs/codes/commands/information stored in the memory unit 130.
  • the controller 120 transmits the information stored in the memory unit 130 to the outside (eg, another communication device) through the communication unit 110 through a wireless/wired interface, or transmits the information stored in the memory unit 130 to the outside (eg, another communication device) through the communication unit 110.
  • Information received through a wireless/wired interface from other communication devices) may be stored in the memory unit 130 .
  • the additional element 140 may be configured in various ways according to the type of wireless device.
  • the additional element 140 may include at least one of a power unit/battery, an I/O unit, a driving unit, and a computing unit.
  • the wireless device may be a robot (Fig. 35, 100a), a vehicle (Fig. 35, 100b-1, 100b-2), an XR device (Fig. 35, 100c), a mobile device (Fig. 35, 100d), a home appliance. (FIG. 35, 100e), IoT device (FIG.
  • various elements, components, units/units, and/or modules in the wireless devices 100 and 200 may all be interconnected through a wired interface, or at least some of them may be wirelessly connected through the communication unit 110.
  • the control unit 120 and the communication unit 110 are connected by wire, and the control unit 120 and the first units (eg, 130 and 140) are connected through the communication unit 110.
  • the control unit 120 and the first units eg, 130 and 140
  • each element, component, unit/unit, and/or module within the wireless device 100, 200 may further include one or more elements.
  • the control unit 120 may be composed of one or more processor sets.
  • the controller 120 may include 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 130 may include random access memory (RAM), dynamic RAM (DRAM), read only memory (ROM), flash memory, volatile memory, and non-volatile memory. volatile memory) and/or a combination thereof.
  • a portable device may include a smart phone, a smart pad, a wearable device (eg, a smart watch, a smart glass), and a portable computer (eg, a laptop computer).
  • a 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 100 includes an antenna unit 108, a communication unit 110, a control unit 120, a memory unit 130, a power supply unit 140a, an interface unit 140b, and an input/output unit 140c. ) may be included.
  • the antenna unit 108 may be configured as part of the communication unit 110 .
  • Blocks 110 to 130/140a to 140c respectively correspond to blocks 110 to 130/140 of FIG. 39 .
  • the communication unit 110 may transmit/receive signals (eg, data, control signals, etc.) with other wireless devices and base stations.
  • the controller 120 may perform various operations by controlling components of the portable device 100 .
  • the control unit 120 may include an application processor (AP).
  • the memory unit 130 may store data/parameters/programs/codes/commands necessary for driving the portable device 100 .
  • the memory unit 130 may store input/output data/information.
  • the power supply unit 140a supplies power to the portable device 100 and may include a wired/wireless charging circuit, a battery, and the like.
  • the interface unit 140b may support connection between the portable device 100 and other external devices.
  • the interface unit 140b may include various ports (eg, audio input/output ports and video input/output ports) for connection with external devices.
  • the input/output unit 140c may receive or output image information/signal, audio information/signal, data, and/or information input from a user.
  • the input/output unit 140c may include a camera, a microphone, a user input unit, a display unit 140d, a speaker, and/or a haptic module.
  • the input/output unit 140c obtains information/signals (eg, touch, text, voice, image, video) input from the user, and the acquired information/signals are stored in the memory unit 130.
  • the communication unit 110 may convert the information/signal stored in the memory into a wireless signal, and directly transmit the converted wireless signal to another wireless device or to a base station.
  • the communication unit 110 may receive a radio signal from another wireless device or a base station and then restore the received radio signal to original information/signal. After the restored information/signal is stored in the memory unit 130, it may be output in various forms (eg, text, voice, image, video, haptic) through the input/output unit 140c.
  • 41 illustrates a vehicle or autonomous vehicle applied to various embodiments of the present disclosure.
  • Vehicles or autonomous vehicles may be implemented as mobile robots, vehicles, trains, manned/unmanned aerial vehicles (AVs), ships, and the like.
  • AVs manned/unmanned aerial vehicles
  • a vehicle or autonomous vehicle 100 includes an antenna unit 108, a communication unit 110, a control unit 120, a driving unit 140a, a power supply unit 140b, a sensor unit 140c, and an autonomous driving unit.
  • a portion 140d may be included.
  • the antenna unit 108 may be configured as part of the communication unit 110 .
  • Blocks 110/130/140a to 140d respectively correspond to blocks 110/130/140 of FIG. 39 .
  • the communication unit 110 may transmit/receive signals (eg, data, control signals, etc.) with external devices such as other vehicles, base stations (e.g. base stations, roadside base stations, etc.), servers, and the like.
  • the controller 120 may perform various operations by controlling elements of the vehicle or autonomous vehicle 100 .
  • the controller 120 may include an Electronic Control Unit (ECU).
  • the driving unit 140a may drive the vehicle or autonomous vehicle 100 on the ground.
  • the driving unit 140a may include an engine, a motor, a power train, a wheel, a brake, a steering device, and the like.
  • the power supply unit 140b supplies power to the vehicle or autonomous vehicle 100, and may include a wired/wireless charging circuit, a battery, and the like.
  • the sensor unit 140c may obtain vehicle conditions, surrounding environment information, and user information.
  • the sensor unit 140c includes an inertial measurement unit (IMU) sensor, a collision sensor, a wheel sensor, a speed sensor, an inclination sensor, a weight detection sensor, a heading sensor, a position module, and a vehicle forward.
  • IMU inertial measurement unit
  • /Can include a reverse sensor, battery sensor, fuel sensor, tire sensor, steering sensor, temperature sensor, humidity sensor, ultrasonic sensor, illuminance sensor, pedal position sensor, and the like.
  • the autonomous driving unit 140d 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 and driving. technology can be implemented.
  • the communication unit 110 may receive map data, traffic information data, and the like from an external server.
  • the autonomous driving unit 140d may generate an autonomous driving route and a driving plan based on the acquired data.
  • the controller 120 may control the driving unit 140a so that the vehicle or autonomous vehicle 100 moves along the autonomous driving path according to the driving plan (eg, speed/direction adjustment).
  • the communicator 110 may non-/periodically obtain the latest traffic information data from an external server and obtain surrounding traffic information data from surrounding vehicles.
  • the sensor unit 140c may acquire vehicle state and surrounding environment information.
  • the autonomous driving unit 140d may update an autonomous driving route and a driving plan based on newly acquired data/information.
  • the communication unit 110 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 based on information collected from the vehicle or self-driving vehicles, and may provide the predicted traffic information data to the vehicle or self-driving vehicles.
  • a vehicle may be implemented as a means of transportation, a train, an air vehicle, a ship, and the like.
  • the vehicle 100 may include a communication unit 110, a control unit 120, a memory unit 130, an input/output unit 140a, and a position measuring unit 140b.
  • blocks 110 to 130/140a to 140b respectively correspond to blocks 110 to 130/140 of FIG. 39 .
  • the communication unit 110 may transmit/receive signals (eg, data, control signals, etc.) with other vehicles or external devices such as base stations.
  • the controller 120 may perform various operations by controlling components of the vehicle 100 .
  • the memory unit 130 may store data/parameters/programs/codes/commands supporting various functions of the vehicle 100 .
  • the input/output unit 140a may output an AR/VR object based on information in the memory unit 130.
  • the input/output unit 140a may include a HUD.
  • the location measurement unit 140b may obtain location information of the vehicle 100 .
  • the location information may include absolute location information of the vehicle 100, location information within a driving line, acceleration information, and location information with neighboring vehicles.
  • the location measurement unit 140b may include GPS and various sensors.
  • the communication unit 110 of the vehicle 100 may receive map information, traffic information, and the like from an external server and store them in the memory unit 130 .
  • the location measurement unit 140b may acquire vehicle location information through GPS and various sensors and store it in the memory unit 130 .
  • the controller 120 may generate a virtual object based on map information, traffic information, vehicle location information, etc., and the input/output unit 140a may display the created virtual object on a window in the vehicle (1410, 1420).
  • the controller 120 may determine whether the vehicle 100 is normally operated within the driving line based on the vehicle location information. When the vehicle 100 abnormally deviate from the driving line, the controller 120 may display a warning on a window in the vehicle through the input/output unit 140a. In addition, the controller 120 may broadcast a warning message about driving abnormality to surrounding vehicles through the communication unit 110 .
  • the controller 120 may transmit vehicle location information and information on driving/vehicle abnormalities to related agencies through the communication unit 110 .
  • the XR device may be implemented as an HMD, a head-up display (HUD) provided in a vehicle, a television, a smartphone, a computer, a wearable device, a home appliance, a digital signage, a vehicle, a robot, and the like.
  • HMD head-up display
  • the XR device may be implemented as an HMD, a head-up display (HUD) provided in a vehicle, a television, a smartphone, a computer, a wearable device, a home appliance, a digital signage, a vehicle, a robot, and the like.
  • HUD head-up display
  • the XR device 100a may include a communication unit 110, a control unit 120, a memory unit 130, an input/output unit 140a, a sensor unit 140b, and a power supply unit 140c.
  • blocks 110 to 130/140a to 140c respectively correspond to blocks 110 to 130/140 of FIG. 39 .
  • the communication unit 110 may transmit/receive signals (eg, media data, control signals, etc.) with external devices such as other wireless devices, portable devices, or media servers.
  • Media data may include video, image, sound, and the like.
  • the controller 120 may perform various operations by controlling components of the XR device 100a.
  • the controller 120 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 130 may store data/parameters/programs/codes/commands necessary for driving the XR device 100a/creating an XR object.
  • the input/output unit 140a may obtain control information, data, etc. from the outside and output the created XR object.
  • the input/output unit 140a may include a camera, a microphone, a user input unit, a display unit, a speaker, and/or a haptic module.
  • the sensor unit 140b may obtain XR device status, surrounding environment information, user information, and the like.
  • the sensor unit 140b 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. there is.
  • the power supply unit 140c supplies power to the XR device 100a and may include a wired/wireless charging circuit, a battery, and the like.
  • the memory unit 130 of the XR device 100a may include information (eg, data, etc.) necessary for generating an XR object (eg, AR/VR/MR object).
  • the input/output unit 140a may obtain a command to operate the XR device 100a from a user, and the control unit 120 may drive the XR device 100a according to the user's driving command. For example, when a user tries to watch a movie, news, etc. through the XR device 100a, the control unit 120 transmits content request information to another device (eg, the mobile device 100b) or through the communication unit 130. can be sent to the media server.
  • another device eg, the mobile device 100b
  • the communication unit 130 can be sent to the media server.
  • the communication unit 130 may download/stream content such as movies and news from another device (eg, the portable device 100b) or a media server to the memory unit 130 .
  • the control unit 120 controls and/or performs procedures such as video/image acquisition, (video/image) encoding, metadata generation/processing, etc. for content, and acquisition through the input/output unit 140a/sensor unit 140b.
  • An XR object may be created/output based on information about a surrounding space or a real object.
  • the XR device 100a is wirelessly connected to the portable device 100b through the communication unit 110, and the operation of the XR device 100a may be controlled by the portable device 100b.
  • the mobile device 100b may operate as a controller for the XR device 100a.
  • the XR device 100a may acquire 3D location information of the portable device 100b and then generate and output an XR object corresponding to the portable device 100b.
  • Robot 44 illustrates a robot applied to various embodiments of the present disclosure.
  • Robots may be classified into industrial, medical, household, military, and the like depending on the purpose or field of use.
  • the robot 100 may include a communication unit 110, a control unit 120, a memory unit 130, an input/output unit 140a, a sensor unit 140b, and a driving unit 140c.
  • blocks 110 to 130/140a to 140c respectively correspond to blocks 110 to 130/140 of FIG. 39 .
  • the communication unit 110 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 120 may perform various operations by controlling components of the robot 100 .
  • the memory unit 130 may store data/parameters/programs/codes/commands supporting various functions of the robot 100.
  • the input/output unit 140a may obtain information from the outside of the robot 100 and output the information to the outside of the robot 100 .
  • the input/output unit 140a may include a camera, a microphone, a user input unit, a display unit, a speaker, and/or a haptic module.
  • the sensor unit 140b may obtain internal information of the robot 100, surrounding environment information, user information, and the like.
  • the sensor unit 140b may include a proximity sensor, an illuminance 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 140c may perform various physical operations such as moving a robot joint. In addition, the driving unit 140c may make the robot 100 drive on the ground or fly in the air.
  • the driving unit 140c may include actuators, motors, wheels, brakes, propellers, and the like.
  • AI devices include fixed or mobile devices such as TVs, projectors, smartphones, PCs, laptops, digital broadcasting terminals, tablet PCs, wearable devices, set-top boxes (STBs), radios, washing machines, refrigerators, digital signage, robots, and vehicles. It can be implemented with possible devices and the like.
  • the AI device 100 includes a communication unit 110, a control unit 120, a memory unit 130, an input/output unit 140a/140b, a running processor unit 140c, and a sensor unit 140d.
  • a communication unit 110 can include Blocks 110 to 130/140a to 140d respectively correspond to blocks 110 to 130/140 of FIG. 39 .
  • the communication unit 110 transmits wired/wireless signals (eg, sensor information, user input, learning) to other AI devices (eg, FIG. W1, 100x, 200, 400) or external devices such as the AI server 200 using wired/wireless communication technology. models, control signals, etc.) can be transmitted and received.
  • the communication unit 110 may transmit information in the memory unit 130 to an external device or transmit a signal received from the external device to the memory unit 130 .
  • the controller 120 may determine at least one feasible operation of the AI device 100 based on information determined or generated using a data analysis algorithm or a machine learning algorithm. In addition, the controller 120 may perform the determined operation by controlling components of the AI device 100 . For example, the controller 120 may request, retrieve, receive, or utilize data from the learning processor unit 140c or the memory unit 130, and may perform a predicted operation among at least one feasible operation or an operation determined to be desirable. Components of the AI device 100 may be controlled to execute an operation. In addition, the control unit 120 collects history information including user feedback on the operation contents or operation of the AI device 100 and stores it in the memory unit 130 or the running processor unit 140c, or the AI server ( It can be transmitted to an external device such as FIG. W1, 400). The collected history information can be used to update the learning model.
  • the memory unit 130 may store data supporting various functions of the AI device 100 .
  • the memory unit 130 may store data obtained from the input unit 140a, data obtained from the communication unit 110, output data from the learning processor unit 140c, and data obtained from the sensing unit 140.
  • the memory unit 130 may store control information and/or software codes necessary for operation/execution of the control unit 120 .
  • the input unit 140a may obtain various types of data from the outside of the AI device 100.
  • the input unit 120 may obtain learning data for model learning and input data to which the learning model is to be applied.
  • the input unit 140a may include a camera, a microphone, and/or a user input unit.
  • the output unit 140b may generate an output related to sight, hearing, or touch.
  • the output unit 140b may include a display unit, a speaker, and/or a haptic module.
  • the sensing unit 140 may obtain at least one of internal information of the AI device 100, surrounding environment information of the AI device 100, and user information by using various sensors.
  • the sensing unit 140 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. there is.
  • the learning processor unit 140c may learn a model composed of an artificial neural network using learning data.
  • the running processor unit 140c may perform AI processing together with the running processor unit of the AI server (FIG. W1, 400).
  • the learning processor unit 140c may process information received from an external device through the communication unit 110 and/or information stored in the memory unit 130 .
  • the output value of the learning processor unit 140c may be transmitted to an external device through the communication unit 110 and/or stored in the memory unit 130.

Landscapes

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

Abstract

본 개시의 다양한 실시 예들에 따르면, 무선 통신 시스템에서 단말(user equipment, UE)의 동작 방법에 있어서, 기지국(base station, BS)으로부터 하나 이상의 동기 신호(synchronization signal)를 수신하는 단계, 상기 기지국으로부터 시스템 정보(system information)를 수신하는 단계, 상기 기지국으로부터 RRC(radio resource control) 메시지를 수신하는 단계, 상기 기지국으로부터 제1 참조 신호를 수신하고, 상기 제1 참조 신호를 포함하는 복수의 제1 참조 신호들이 상기 단말을 포함하는 복수의 단말들에게 상기 기지국으로부터 전송되고, 상기 복수의 제1 참조 신호들은 동일한 패턴을 갖는 단계, 상기 기지국에게 상기 제1 참조 신호와 관련된 제1 CSI(channel state information)를 전송하고, 상기 복수의 단말들로부터 상기 기지국에게 상기 제1 CSI를 포함하는 복수의 제1 CSI가 전송되고, 상기 복수의 제1 CSI에 기반하여 각각의 상기 복수의 단말들에 대한 그룹이 미리 설정된 개수의 그룹들 중 하나의 그룹으로 결정되는 단계, 상기 기지국으로부터 상기 단말에 대하여 결정된 그룹의 정보를 수신하는 단계, 상기 기지국으로부터 상기 결정된 그룹의 정보에 기반하여 제2 참조 신호를 수신하고, 상기 제2 참조 신호를 포함하는 복수의 제2 참조 신호들이 상기 단말을 포함하는 상기 복수의 단말들에게 상기 기지국으로부터 전송되는 단계, 상기 기지국에게 상기 결정된 그룹의 정보에 기반하여 상기 제2 참조 신호와 관련된 제2 CSI를 전송하고, 상기 제2 CSI를 포함하는 복수의 제2 CSI가 상기 복수의 단말들로부터 상기 기지국에게 전송되고, 상기 복수의 제2 CSI는 상기 복수의 제2 참조 신호들과 관련되는 단계를 포함하는 방법이 제공된다.

Description

무선 통신 시스템에서 엔드 투 엔드 프리코딩 시스템의 사용자 그룹화를 지원하기 위한 장치 및 방법
본 개시(disclosure)는 무선 통신 시스템에 관한 것이다. 구체적으로, 본 개시는 AI(artificial intelligence)를 접목한 무선 통신 시스템(AI for communication, AI4C)에서 엔드 투 엔드 프리코딩 시스템의 사용자 그룹화를 위한 시그널링을 수행하기 위한 장치 및 방법에 관한 것이다.
무선 통신 시스템은 음성이나 데이터 등과 같은 다양한 종류의 통신 서비스를 제공하기 위해 광범위하게 전개되고 있다. 뿐만 아니라, artificial intelligence (AI)를 통신 시스템에 접목하고자 하는 시도가 급증하고 있다. 시도되고 있는 방식들을 크게 통신 성능의 향상을 위한 AI를 활용하는 AI for communications (AI4C)와 AI 지원을 위해 통신 기술을 발전시키는 communications for AI (C4AI)로 구분할 수 있다. AI4C 영역에서는 channel encoder/decoder나 modulator/demodulator, 또는 channel equalizer의 역할을 end-to-end의 autoencoder나 neural network로 대체하여 설계하는 시도가 있다. C4AI 영역에서는 Distributed learning의 한 기법인 Federated learning으로 Device raw data의 공유 없이 model의 weight나 gradient 만을 서버와 공유함으로써 개인정보는 보호하면서 공통 예측 모델을 업데이트하는 방법이 있다.
상술한 문제점을 해결하기 위해, 본 개시는 AI(artificial intelligence)를 접목한 무선 통신 시스템(AI for communication, AI4C)에서 엔드 투 엔드 프리코딩 시스템의 사용자 그룹화를 위한 시그널링을 수행하기 위한 방법 및 장치를 제공한다.
본 개시는 users의 channel distributions이 다양하더라도, 배치(deploy)되는 encoder 및 decoder NN을 위한 parameter sets에 대한 classes의 수가 지원 가능한 수준이 되도록, 유사한 channel distribution을 갖는 users를 같은 group으로 분류하는 user grouping 방식을 위한 signaling을 수행하기 위한 장치 및 방법을 제공한다.
본 개시에서 이루고자 하는 기술적 과제들은 이상에서 언급한 기술적 과제들로 제한되지 않으며, 언급하지 않은 또 다른 기술적 과제들은 아래의 기재로부터 본 개시가 속하는 기술분야에서 통상의 지식을 가진 자에게 명확하게 이해될 수 있을 것이다.
본 개시의 다양한 실시 예들에 따르면, 무선 통신 시스템에서 단말(user equipment, UE)의 동작 방법에 있어서, 기지국(base station, BS)으로부터 하나 이상의 동기 신호(synchronization signal)를 수신하는 단계, 상기 기지국으로부터 시스템 정보(system information)를 수신하는 단계, 상기 기지국으로부터 RRC(radio resource control) 메시지를 수신하는 단계, 상기 기지국으로부터 제1 참조 신호를 수신하고, 상기 제1 참조 신호를 포함하는 복수의 제1 참조 신호들이 상기 단말을 포함하는 복수의 단말들에게 상기 기지국으로부터 전송되고, 상기 복수의 제1 참조 신호들은 동일한 패턴을 갖는 단계, 상기 기지국에게 상기 제1 참조 신호와 관련된 제1 CSI(channel state information)를 전송하고, 상기 복수의 단말들로부터 상기 기지국에게 상기 제1 CSI를 포함하는 복수의 제1 CSI가 전송되고, 상기 복수의 제1 CSI에 기반하여 각각의 상기 복수의 단말들에 대한 그룹이 미리 설정된 개수의 그룹들 중 하나의 그룹으로 결정되는 단계, 상기 기지국으로부터 상기 단말에 대하여 결정된 그룹의 정보를 수신하는 단계, 상기 기지국으로부터 상기 결정된 그룹의 정보에 기반하여 제2 참조 신호를 수신하고, 상기 제2 참조 신호를 포함하는 복수의 제2 참조 신호들이 상기 단말을 포함하는 상기 복수의 단말들에게 상기 기지국으로부터 전송되는 단계, 상기 기지국에게 상기 결정된 그룹의 정보에 기반하여 상기 제2 참조 신호와 관련된 제2 CSI를 전송하고, 상기 제2 CSI를 포함하는 복수의 제2 CSI가 상기 복수의 단말들로부터 상기 기지국에게 전송되고, 상기 복수의 제2 CSI는 상기 복수의 제2 참조 신호들과 관련되는 단계를 포함하는 방법이 제공된다.
본 개시의 다양한 실시 예들에 따르면, 무선 통신 시스템에서 단말(user equipment, UE)의 동작 방법에 있어서, 기지국(base station, BS)으로부터 하나 이상의 동기 신호(synchronization signal)를 수신하는 단계, 상기 기지국으로부터 시스템 정보(system information)를 수신하는 단계, 상기 기지국으로부터 RRC(radio resource control) 메시지를 수신하는 단계, 상기 기지국으로부터 제1 참조 신호를 수신하고, 상기 제1 참조 신호를 포함하는 복수의 제1 참조 신호들이 상기 단말을 포함하는 복수의 단말들에게 상기 기지국으로부터 전송되고, 상기 복수의 제1 참조 신호들은 동일한 패턴을 갖는 단계, 상기 제1 참조 신호와 관련된 특정 이벤트가 발생함에 대응하여 상기 기지국에게 그룹 교체 요청을 전송하고, 상기 복수의 단말들 중 상기 단말을 포함하는 적어도 하나의 단말에서 상기 복수의 제1 참조 신호들 중 적어도 하나의 제1 참조 신호와 관련된 적어도 하나의 특정 이벤트가 발생함에 대응하여 상기 적어도 하나의 단말로부터 상기 기지국에게 적어도 하나의 그룹 교체 요청이 전송되고, 상기 특정 이벤트는 상기 적어도 하나의 특정 이벤트에 포함되고, 상기 그룹 교체 요청은 상기 적어도 하나의 그룹 교체 요청에 포함되는 단계, 상기 기지국으로부터 그룹 교체 그랜트를 수신하고, 상기 그룹 교체 그랜트를 포함하는 적어도 하나의 그룹 교체 그랜트가 상기 기지국으로부터 상기 적어도 하나의 단말에게 전송되는 단계, 상기 그룹 교체 그랜트에 대응하여 상기 기지국에게 상기 단말에 대응하는 그룹의 정보를 전송하고, 각각의 상기 복수의 단말은 미리 설정된 개수의 그룹들 중 하나의 그룹으로 결정되는 단계, 상기 기지국으로부터 상기 결정된 그룹의 정보에 기반하여 제2 참조 신호를 수신하고, 상기 제2 참조 신호를 포함하는 복수의 제2 참조 신호들이 상기 단말을 포함하는 상기 복수의 단말들에게 상기 기지국으로부터 전송되는 단계, 상기 기지국에게 상기 결정된 그룹의 정보에 기반하여 상기 제2 참조 신호와 관련된 제2 CSI(channel state information)를 전송하고, 상기 제2 CSI를 포함하는 복수의 제2 CSI가 상기 복수의 단말들로부터 상기 기지국에게 전송되고, 상기 복수의 제2 CSI는 상기 복수의 제2 참조 신호들과 관련되는 단계를 포함하는 방법이 제공된다.
본 개시의 다양한 실시 예들에 따르면, 무선 통신 시스템에서 기지국(base station, BS)의 동작 방법에 있어서, 복수의 단말(user equipment, UE)들에게 하나 이상의 동기 신호(synchronization signal)를 전송하는 단계, 상기 복수의 단말들에게 시스템 정보(system information)를 전송하는 단계, 상기 복수의 단말들에게 RRC(radio resource control) 메시지를 전송하는 단계, 상기 복수의 단말들에게 복수의 제1 참조 신호들을 전송하고, 상기 복수의 제1 참조 신호들은 동일한 패턴을 갖는 단계, 상기 복수의 단말들로부터 상기 제1 참조 신호들과 관련된 복수의 제1 CSI(channel state information)를 수신하는 단계, 상기 복수의 제1 CSI에 기반하여 각각의 상기 복수의 단말들에 대한 그룹을 미리 설정된 개수의 그룹들 중 하나의 그룹으로 결정하는 단계, 각각의 상기 복수의 단말들에게 결정된 그룹의 정보를 전송하는 단계, 각각의 상기 복수의 단말들에게 상기 결정된 그룹의 정보에 기반하여 복수의 제2 참조 신호들을 전송하는 단계, 각각의 상기 복수의 단말들로부터 상기 결정된 그룹의 정보에 기반하여 상기 복수의 제2 참조 신호들과 관련된 복수의 제2 CSI를 수신하는 단계를 포함하는 방법이 제공된다.
본 개시의 다양한 실시 예들에 따르면, 무선 통신 시스템에서 기지국(base station, BS)의 동작 방법에 있어서, 복수의 단말(user equipment, UE)들에게 하나 이상의 동기 신호(synchronization signal)를 전송하는 단계, 상기 복수의 단말들에게 시스템 정보(system information)를 전송하는 단계, 상기 복수의 단말들에게 RRC(radio resource control) 메시지를 전송하는 단계, 상기 복수의 단말들에게 복수의 제1 참조 신호들을 전송하고, 상기 복수의 제1 참조 신호들은 동일한 패턴을 갖는 단계, 상기 복수의 단말들 중 적어도 하나의 단말에서 상기 복수의 제1 참조 신호들 중 적어도 하나의 제1 참조 신호와 관련된 적어도 하나의 특정 이벤트가 발생함에 대응하여 상기 적어도 하나의 단말로부터 적어도 하나의 그룹 교체 요청을 수신하는 단계, 상기 적어도 하나의 단말에게 적어도 하나의 그룹 교체 그랜트를 전송하는 단계, 상기 적어도 하나의 단말로부터 상기 적어도 하나의 그룹 교체 그랜트에 대응하여 상기 적어도 하나의 단말에 대응하는 그룹의 정보를 수신하는 단계, 상기 복수의 단말들에 대하여 결정된 그룹의 정보 중 상기 적어도 하나의 단말에 대한 그룹의 정보를 업데이트 하고, 각각의 상기 복수의 단말들에 대한 그룹은 미리 설정된 개수의 그룹들 중 하나의 그룹으로 결정되는 단계, 각각의 상기 복수의 단말들에게 상기 결정된 그룹의 정보에 기반하여 복수의 제2 참조 신호를 전송하는 단계, 각각의 상기 복수의 단말들로부터 상기 결정된 그룹의 정보에 기반하여 상기 복수의 제2 참조 신호와 관련된 복수의 제2 CSI(channel state information)를 수신하는 단계를 포함하는 방법이 제공된다.
본 개시의 다양한 실시 예들에 따르면, 무선 통신 시스템에서 단말(user equipment, UE)에 있어서, 송수신기 및 적어도 하나의 프로세서를 포함하고, 상기 적어도 하나의 프로세서는, 기지국(base station, BS)으로부터 하나 이상의 동기 신호(synchronization signal)를 수신하고, 상기 기지국으로부터 시스템 정보(system information)를 수신하고, 상기 기지국으로부터 RRC(radio resource control) 메시지를 수신하고, 상기 기지국으로부터 제1 참조 신호를 수신하고, 상기 제1 참조 신호를 포함하는 복수의 제1 참조 신호들이 상기 단말을 포함하는 복수의 단말들에게 상기 기지국으로부터 전송되고, 상기 복수의 제1 참조 신호들은 동일한 패턴을 갖고, 상기 기지국에게 상기 제1 참조 신호와 관련된 제1 CSI(channel state information)를 전송하고, 상기 복수의 단말들로부터 상기 기지국에게 상기 제1 CSI를 포함하는 복수의 제1 CSI가 전송되고, 상기 복수의 제1 CSI에 기반하여 각각의 상기 복수의 단말들에 대한 그룹이 미리 설정된 개수의 그룹들 중 하나의 그룹으로 결정되고, 상기 기지국으로부터 상기 단말에 대하여 결정된 그룹의 정보를 수신하고, 상기 제2 참조 신호를 포함하는 복수의 제2 참조 신호들이 상기 단말을 포함하는 상기 복수의 단말들에게 상기 기지국으로부터 전송되고, 상기 기지국으로부터 상기 결정된 그룹의 정보에 기반하여 제2 참조 신호를 수신하고, 상기 기지국에게 상기 결정된 그룹의 정보에 기반하여 상기 제2 참조 신호와 관련된 제2 CSI를 전송하도록 구성되고, 상기 제2 CSI를 포함하는 복수의 제2 CSI가 상기 복수의 단말들로부터 상기 기지국에게 전송되고, 상기 복수의 제2 CSI는 상기 복수의 제2 참조 신호들과 관련되는 단말이 제공된다.
본 개시의 다양한 실시 예들에 따르면, 기지국(base station, BS)에 있어서, 송수신기 및 적어도 하나의 프로세서를 포함하고, 상기 적어도 하나의 프로세서는, 복수의 단말(user equipment, UE)들에게 하나 이상의 동기 신호(synchronization signal)를 전송하고, 상기 복수의 단말들에게 시스템 정보(system information)를 전송하고, 상기 복수의 단말들에게 RRC(radio resource control) 메시지를 전송하고, 상기 복수의 단말들에게 복수의 제1 참조 신호들을 전송하고, 상기 복수의 제1 참조 신호들은 동일한 패턴을 갖고, 상기 복수의 단말들로부터 상기 제1 참조 신호들과 관련된 복수의 제1 CSI(channel state information)를 수신하고, 상기 복수의 제1 CSI에 기반하여 각각의 상기 복수의 단말들에 대한 그룹을 미리 설정된 개수의 그룹들 중 하나의 그룹으로 결정하고, 각각의 상기 복수의 단말들에게 결정된 그룹의 정보를 전송하고, 각각의 상기 복수의 단말들에게 상기 결정된 그룹의 정보에 기반하여 제2 참조 신호들을 전송하고, 각각의 상기 복수의 단말들로부터 상기 결정된 그룹의 정보에 기반하여 상기 복수의 제2 참조 신호들과 관련된 복수의 제2 CSI를 수신하도록 구성된 기지국이 제공된다.
본 개시의 다양한 실시 예들에 따르면, 하나 이상의 명령어를 저장하는 하나 이상의 비일시적인(non-transitory) 컴퓨터 판독 가능 매체에 있어서, 상기 하나 이상의 명령어는, 하나 이상의 프로세서에 의해 실행되는 것에 기반하여, 동작들을 수행하고, 상기 동작들은, 기지국(base station, BS) 으로부터 하나 이상의 동기 신호(synchronization signal)를 수신하는 단계, 상기 기지국으로부터 시스템 정보(system information)를 수신하는 단계, 상기 기지국으로부터 RRC(radio resource control) 메시지를 수신하는 단계, 상기 기지국으로부터 제1 참조 신호를 수신하고, 상기 제1 참조 신호를 포함하는 복수의 제1 참조 신호들이 단말(user equipment, UE)을 포함하는 복수의 단말들에게 상기 기지국으로부터 전송되고, 상기 복수의 제1 참조 신호들은 동일한 패턴을 갖는 단계, 상기 기지국에게 상기 제1 참조 신호와 관련된 제1 CSI(channel state information)를 전송하고, 상기 복수의 단말들로부터 상기 기지국에게 상기 제1 CSI를 포함하는 복수의 제1 CSI가 전송되고, 상기 복수의 제1 CSI에 기반하여 각각의 상기 복수의 단말들에 대한 그룹이 미리 설정된 개수의 그룹들 중 하나의 그룹으로 결정되는 단계, 상기 기지국으로부터 상기 단말에 대하여 결정된 그룹의 정보를 수신하는 단계, 상기 기지국으로부터 상기 결정된 그룹의 정보에 기반하여 제2 참조 신호를 수신하고, 상기 제2 참조 신호를 포함하는 복수의 제2 참조 신호들이 상기 단말을 포함하는 상기 복수의 단말들에게 상기 기지국으로부터 전송되는 단계, 상기 기지국에게 상기 결정된 그룹의 정보에 기반하여 상기 제2 참조 신호와 관련된 제2 CSI를 전송하고, 상기 제2 CSI를 포함하는 복수의 제2 CSI가 상기 복수의 단말들로부터 상기 기지국에게 전송되고, 상기 복수의 제2 CSI는 상기 복수의 제2 참조 신호들과 관련되는 단계를 포함하는, 컴퓨터 판독 가능 매체가 제공된다.
본 개시의 다양한 실시 예들에 따르면, 하나 이상의 명령어를 저장하는 하나 이상의 비일시적인(non-transitory) 컴퓨터 판독 가능 매체에 있어서,
상기 하나 이상의 명령어는, 하나 이상의 프로세서에 의해 실행되는 것에 기반하여, 동작들을 수행하고, 상기 동작들은, 복수의 단말(user equipment, UE)들에게 하나 이상의 동기 신호(synchronization signal)를 전송하는 단계, 상기 복수의 단말들에게 시스템 정보(system information)를 전송하는 단계, 상기 복수의 단말들에게 RRC(radio resource control) 메시지를 전송하는 단계, 상기 복수의 단말들에게 복수의 제1 참조 신호들을 전송하고, 상기 복수의 제1 참조 신호들은 동일한 패턴을 갖는 단계, 상기 복수의 단말들로부터 상기 제1 참조 신호들과 관련된 복수의 제1 CSI(channel state information)를 수신하는 단계, 상기 복수의 제1 CSI에 기반하여 각각의 상기 복수의 단말들에 대한 그룹을 미리 설정된 개수의 그룹들 중 하나의 그룹으로 결정하는 단계, 각각의 상기 복수의 단말들에게 결정된 그룹의 정보를 전송하는 단계, 각각의 상기 복수의 단말들에게 상기 결정된 그룹의 정보에 기반하여 복수의 제2 참조 신호들을 전송하는 단계, 각각의 상기 복수의 단말들로부터 상기 결정된 그룹의 정보에 기반하여 상기 복수의 제2 참조 신호들과 관련된 복수의 제2 CSI를 수신하는 단계를 포함하는 컴퓨터 판독 가능 매체가 제공된다.
상술한 문제점을 해결하기 위해, 본 개시는 AI(artificial intelligence)를 접목한 무선 통신 시스템(AI for communication, AI4C)에서 엔드 투 엔드 프리코딩 시스템의 사용자 그룹화를 위한 시그널링을 수행하기 위한 방법 및 장치를 제공할 수 있다.
본 개시는 users의 channel distributions이 다양하더라도, 배치(deploy)되는 encoder 및 decoder NN을 위한 parameter sets에 대한 classes의 수가 지원 가능한 수준이 되도록, 유사한 channel distribution을 갖는 users를 같은 group으로 분류하는 user grouping 방식을 위한 signaling을 수행하기 위한 장치 및 방법을 제공할 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 3GPP 시스템에 이용되는 물리 채널들 및 일반적인 신호 전송의 일례를 도시한 도면이다.
도 2는 차세대 무선 접속 네트워크(New Generation Radio Access Network: NG-RAN)의 시스템 구조를 도시한 도면이다.
도 3은 NG-RAN과 5GC 간의 기능적 분할을 도시한 도면이다.
도 4는 5G 사용 시나리오의 예를 도시한 도면이다.
도 5는 6G 시스템에서 제공 가능한 통신 구조의 일례를 도시한 도면이다.
도 6은 퍼셉트론 구조의 일례를 개략적으로 도시한 도면이다.
도 7은 다층 퍼셉트론 구조의 일례를 개략적으로 도시한 도면이다.
도 8은 심층 신경망 예시를 개략적으로 도시한 도면이다.
도 9는 컨볼루션 신경망의 일례를 개략적으로 도시한 도면이다.
도 10은 컨볼루션 신경망에서의 필터 연산의 일례를 개략적으로 도시한 도면이다.
도 11은 순환 루프가 존재하는 신경망 구조의 일례를 개략적으로 도시한 도면이다.
도 12는 순환 신경망의 동작 구조의 일례를 개략적으로 도시한 도면이다.
도 13은 전자기 스펙트럼의 일례를 도시한 도면이다.
도 14는 THz 통신 응용의 일례를 도시한 도면이다.
도 15는 전자소자 기반 THz 무선통신 송수신기의 일례를 도시한 도면이다.
도 16은 광 소자 기반 THz 신호를 생성하는 방법의 일례를 도시한 도면이다.
도 17은 광 소자 기반 THz 무선통신 송수신기의 일례를 도시한 도면이다.
도 18은 광자 소스(Photoinc source) 기반 송신기의 구조를 도시한 도면이다.
도 19는 광 변조기(Optical modulator)의 구조를 도시한 도면이다.
도 20은 본 개시에 적용 가능한 시스템에서 엔드 투 엔드 다중 사용자 다운링크 프리코딩 시스템 구조의 일례를 도시한 도면이다.
도 21은 본 개시에 적용 가능한 시스템에서 제한된 피드백 FDD 시스템의 합계 속도를 최대화하는 문제의 일례를 도시한 도면이다.
도 22는 본 개시에 적용 가능한 시스템에서 엔드 투 엔드 다중 사용자 프리코딩 시스템을 위한 NN 아키텍처의 일례를 도시한 도면이다.
도 23은 본 개시에 적용 가능한 시스템에서 시그넘(signum) 함수의 일례를 도시한 도면이다.
도 24는 본 개시에 적용 가능한 시스템에서 사용자 수 K에 대한 프리코딩 성능의 일례를 도시한 도면이다.
도 25는 본 개시에 적용 가능한 시스템에서 확장 가능한 디코더 NN 아키텍처에 의해 달성된 합계 속도의 일례를 도시한 도면이다.
도 26은 본 개시에 적용 가능한 시스템에서 엔드 투 엔드 프리코딩 시스템의 사용자 그룹화의 일례를 도시한 도면이다.
도 27은 본 개시에 적용 가능한 시스템에서 기지국이 각 사용자의 사용자 그룹을 결정할 때 사용자 그룹화를 위한 시그널링 절차의 일례를 도시한 도면이다.
도 28은 본 개시에 적용 가능한 시스템에서 기지국이 각 사용자의 그룹을 결정할 때 사용자 그룹화를 위한 주기적인 시그널링 절차의 일례를 도시한 도면이다.
도 29는 본 개시에 적용 가능한 시스템에서 사용자 스스로 사용자 그룹을 결정할 때 사용자 그룹화를 위한 시그널링 절차의 일례를 도시한 도면이다.
도 30은 본 개시에 적용 가능한 시스템에서 사용자 그룹화 후 엔드 투 엔드 프리코딩 시스템을 위한 시그널링 절차의 일례를 도시한 도면이다.
도 31은 본 개시에 적용 가능한 시스템에서 단말(user equipment, UE)의 동작 과정의 일례들 도시한 도면이다.
도 32는 본 개시에 적용 가능한 시스템에서 단말(user equipment, UE)의 동작 과정의 일례들 도시한 도면이다.
도 33은 본 개시에 적용 가능한 시스템에서 기지국(base station, BS)의 동작 과정의 일례들 도시한 도면이다.
도 34는 본 개시에 적용 가능한 시스템에서 기지국(base station, BS)의 동작 과정의 일례들 도시한 도면이다.
도 35는 본 개시의 다양한 실시 예들에 적용되는 통신 시스템(1)을 예시한다.
도 36은 본 개시의 다양한 실시 예들에 적용될 수 있는 무선 기기를 예시한다.
도 37은 본 개시의 다양한 실시 예들에 적용될 수 있는 무선 기기의 다른 예를 도시한다.
도 38은 전송 신호를 위한 신호 처리 회로를 예시한다.
도 39는 본 개시의 다양한 실시 예들에 적용되는 무선 기기의 다른 예를 나타낸다.
도 40은 본 개시의 다양한 실시 예들에 적용되는 휴대 기기를 예시한다.
도 41은 본 개시의 다양한 실시 예들에 적용되는 차량 또는 자율 주행 차량을 예시한다.
도 42는 본 개시의 다양한 실시 예들에 적용되는 차량을 예시한다.
도 43은 본 개시의 다양한 실시 예들에 적용되는 XR 기기를 예시한다.
도 44는 본 개시의 다양한 실시 예들에 적용되는 로봇을 예시한다.
도 45는 본 개시의 다양한 실시 예들에 적용되는 AI 기기를 예시한다.
본 개시의 다양한 실시 예들에서 "A 또는 B(A or B)"는 "오직 A", "오직 B" 또는 "A와 B 모두"를 의미할 수 있다. 달리 표현하면, 본 개시의 다양한 실시 예들에서 "A 또는 B(A or B)"는 "A 및/또는 B(A and/or B)"으로 해석될 수 있다. 예를 들어, 본 개시의 다양한 실시 예들에서 "A, B 또는 C(A, B or C)"는 "오직 A", "오직 B", "오직 C", 또는 "A, B 및 C의 임의의 모든 조합(any combination of A, B and C)"를 의미할 수 있다.
본 개시의 다양한 실시 예들에서 사용되는 슬래쉬(/)나 쉼표(comma)는 "및/또는(and/or)"을 의미할 수 있다. 예를 들어, "A/B"는 "A 및/또는 B"를 의미할 수 있다. 이에 따라 "A/B"는 "오직 A", "오직 B", 또는 "A와 B 모두"를 의미할 수 있다. 예를 들어, "A, B, C"는 "A, B 또는 C"를 의미할 수 있다.
본 개시의 다양한 실시 예들에서 "적어도 하나의 A 및 B(at least one of A and B)"는, "오직 A", "오직 B" 또는 "A와 B 모두"를 의미할 수 있다. 또한, 본 개시의 다양한 실시 예들에서 "적어도 하나의 A 또는 B(at least one of A or B)"나 "적어도 하나의 A 및/또는 B(at least one of A and/or B)"라는 표현은 "적어도 하나의 A 및 B(at least one of A and B)"와 동일하게 해석될 수 있다.
또한, 본 개시의 다양한 실시 예들에서 "적어도 하나의 A, B 및 C(at least one of A, B and C)"는, "오직 A", "오직 B", "오직 C", 또는 "A, B 및 C의 임의의 모든 조합(any combination of A, B and C)"를 의미할 수 있다. 또한, "적어도 하나의 A, B 또는 C(at least one of A, B or C)"나 "적어도 하나의 A, B 및/또는 C(at least one of A, B and/or C)"는 "적어도 하나의 A, B 및 C(at least one of A, B and C)"를 의미할 수 있다.
또한, 본 개시의 다양한 실시 예들에서 사용되는 괄호는 "예를 들어(for example)"를 의미할 수 있다. 구체적으로, "제어 정보(PDCCH)"로 표시된 경우, "제어 정보"의 일례로 "PDCCH"가 제안된 것일 수 있다. 달리 표현하면 본 개시의 다양한 실시 예들의 "제어 정보"는 "PDCCH"로 제한(limit)되지 않고, "PDDCH"가 "제어 정보"의 일례로 제안될 것일 수 있다. 또한, "제어 정보(즉, PDCCH)"로 표시된 경우에도, "제어 정보"의 일례로 "PDCCH"가 제안된 것일 수 있다.
본 개시의 다양한 실시 예들에서 하나의 도면 내에서 개별적으로 설명되는 기술적 특징은, 개별적으로 구현될 수도 있고, 동시에 구현될 수도 있다.
이하의 기술은 CDMA, FDMA, TDMA, OFDMA, SC-FDMA 등과 같은 다양한 무선 접속 시스템에 사용될 수 있다. CDMA는 UTRA(Universal Terrestrial Radio Access)나 CDMA2000과 같은 무선 기술로 구현될 수 있다. TDMA는 GSM(Global System for Mobile communications)/GPRS(General Packet Radio Service)/EDGE(Enhanced Data Rates for GSM Evolution)와 같은 무선 기술로 구현될 수 있다. OFDMA는 IEEE 802.11 (Wi-Fi), IEEE 802.16 (WiMAX), IEEE 802-20, E-UTRA(Evolved UTRA) 등과 같은 무선 기술로 구현될 수 있다. UTRA는 UMTS(Universal Mobile Telecommunications System)의 일부이다. 3GPP(3rd Generation Partnership Project) LTE(Long Term Evolution)은 E-UTRA를 사용하는 E-UMTS(Evolved UMTS)의 일부이고 LTE-A(Advanced)/LTE-A pro는 3GPP LTE의 진화된 버전이다. 3GPP NR(New Radio or New Radio Access Technology)는 3GPP LTE/LTE-A/LTE-A pro의 진화된 버전이다. 3GPP 6G는 3GPP NR의 진화된 버전일 수 있다.
설명을 명확하게 하기 위해, 3GPP 통신 시스템(예, LTE, NR 등)을 기반으로 설명하지만 본 발명의 기술적 사상이 이에 제한되는 것은 아니다. LTE는 3GPP TS 36.xxx Release 8 이후의 기술을 의미한다. 세부적으로, 3GPP TS 36.xxx Release 10 이후의 LTE 기술은 LTE-A로 지칭되고, 3GPP TS 36.xxx Release 13 이후의 LTE 기술은 LTE-A pro로 지칭된다. 3GPP NR은 TS 38.xxx Release 15 이후의 기술을 의미한다. 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 발명의 설명에 사용된 배경기술, 용어, 약어 등에 관해서는 본 발명 이전에 공개된 표준 문서에 기재된 사항을 참조할 수 있다. 예를 들어, 다음 문서를 참조할 수 있다.
3GPP LTE
- 36.211: Physical channels and modulation
- 36.212: Multiplexing and channel coding
- 36.213: Physical layer procedures
- 36.300: Overall description
- 36.331: Radio Resource Control (RRC)
3GPP NR
- 38.211: Physical channels and modulation
- 38.212: Multiplexing and channel coding
- 38.213: Physical layer procedures for control
- 38.214: Physical layer procedures for data
- 38.300: NR and NG-RAN Overall Description
- 38.331: Radio Resource Control (RRC) protocol specification
물리 채널 및 프레임 구조
물리 채널 및 일반적인 신호 전송
도 1은 3GPP 시스템에 이용되는 물리 채널들 및 일반적인 신호 전송의 일례를 도시한 도면이다.
무선 통신 시스템에서 단말은 기지국으로부터 하향링크(Downlink, DL)를 통해 정보를 수신하고, 단말은 기지국으로 상향링크(Uplink, UL)를 통해 정보를 전송한다. 기지국과 단말이 송수신하는 정보는 데이터 및 다양한 제어 정보를 포함하고, 이들이 송수신 하는 정보의 종류/용도에 따라 다양한 물리 채널이 존재한다.
단말은 전원이 켜지거나 새로이 셀에 진입한 경우 기지국과 동기를 맞추는 등의 초기 셀 탐색(Initial cell search) 작업을 수행한다(S11). 이를 위해, 단말은 기지국으로부터 주 동기 신호(Primary Synchronization Signal, PSS) 및 부 동기 신호(Secondary Synchronization Signal, SSS)을 수신하여 기지국과 동기를 맞추고, 셀 ID 등의 정보를 획득할 수 있다. 그 후, 단말은 기지국으로부터 물리 방송 채널(Physical Broadcast Channel, PBCH)를 수신하여 셀 내 방송 정보를 획득할 수 있다. 한편, 단말은 초기 셀 탐색 단계에서 하향링크 참조 신호(Downlink Reference Signal, DL RS)를 수신하여 하향링크 채널 상태를 확인할 수 있다.
초기 셀 탐색을 마친 단말은 물리 하향링크 제어 채널(Physical Downlink Control Channel, PDCCH) 및 상기 PDCCH에 실린 정보에 따라 물리 하향링크 공유 채널(Physical Downlink Control Channel; PDSCH)을 수신함으로써 좀더 구체적인 시스템 정보를 획득할 수 있다(S12).
한편, 기지국에 최초로 접속하거나 신호 송신을 위한 무선 자원이 없는 경우, 단말은 기지국에 대해 임의 접속 과정(Random Access Procedure, RACH)을 수행할 수 있다(S13 내지 S16). 이를 위해, 단말은 물리 임의 접속 채널(Physical Random Access Channel, PRACH)을 통해 특정 시퀀스를 프리앰블로 송신하고(S13 및 S15), PDCCH 및 대응하는 PDSCH를 통해 프리앰블에 대한 응답 메시지((RAR(Random Access Response) message)를 수신할 수 있다. 경쟁 기반 RACH의 경우, 추가적으로 충돌 해결 절차(Contention Resolution Procedure)를 수행할 수 있다(S16).
상술한 바와 같은 절차를 수행한 단말은 이후 일반적인 상/하향링크 신호 송신 절차로서 PDCCH/PDSCH 수신(S17) 및 물리 상향링크 공유 채널(Physical Uplink Shared Channel, PUSCH)/물리 상향링크 제어 채널(Physical Uplink Control Channel; PUCCH) 송신(S18)을 수행할 수 있다. 특히 단말은 PDCCH를 통하여 하향링크 제어 정보(Downlink Control Information, DCI)를 수신할 수 있다. 여기서, DCI는 단말에 대한 자원 할당 정보와 같은 제어 정보를 포함하며, 사용 목적에 따라 포맷이 서로 다르게 적용될 수 있다.
한편, 단말이 상향링크를 통해 기지국에 송신하는 또는 단말이 기지국으로부터 수신하는 제어 정보는 하향링크/상향링크 ACK/NACK 신호, CQI(Channel Quality Indicator), PMI(Precoding Matrix 인덱스), RI(Rank Indicator) 등을 포함할 수 있다. 단말은 상술한 CQI/PMI/RI 등의 제어 정보를 PUSCH 및/또는 PUCCH를 통해 송신할 수 있다.
상향링크 및 하향링크 채널의 구조
하향링크 채널 구조
기지국은 후술하는 하향링크 채널을 통해 관련 신호를 단말에게 전송하고, 단말은 후술하는 하향링크 채널을 통해 관련 신호를 기지국으로부터 수신한다.
(1) 물리 하향링크 공유 채널(PDSCH)
PDSCH는 하향링크 데이터(예, DL-shared channel transport block, DL-SCH TB)를 운반하고, QPSK(Quadrature Phase Shift Keying), 16 QAM(Quadrature Amplitude Modulation), 64 QAM, 256 QAM 등의 변조 방법이 적용된다. TB를 인코딩하여 코드워드(codeword)가 생성된다. PDSCH는 다수의 코드워드들을 나를 수 있다. 코드워드(codeword) 별로 스크램블링(scrambling) 및 변조 매핑(modulation mapping)이 수행되고, 각 코드워드로부터 생성된 변조 심볼들은 하나 이상의 레이어로 매핑된다(Layer mapping). 각 레이어는 DMRS(Demodulation Reference Signal)과 함께 자원에 매핑되어 OFDM 심볼 신호로 생성되고, 해당 안테나 포트를 통해 전송된다.
(2) 물리 하향링크 제어 채널(PDCCH)
PDCCH는 하향링크 제어 정보(DCI)를 운반하고 QPSK 변조 방법 등이 적용된다. 하나의 PDCCH는 AL(Aggregation Level)에 따라 1, 2, 4, 8, 16 개 등의 CCE(Control Channel Element)로 구성된다. 하나의 CCE는 6개의 REG(Resource Element Group)로 구성된다. 하나의 REG는 하나의 OFDM 심볼과 하나의 (P)RB로 정의된다.
단말은 PDCCH 후보들의 세트에 대한 디코딩(일명, 블라인드 디코딩)을 수행하여 PDCCH를 통해 전송되는 DCI를 획득한다. 단말이 디코딩하는 PDCCH 후보들의 세트는 PDCCH 검색 공간(Search Space) 세트라 정의한다. 검색 공간 세트는 공통 검색 공간 (common search space) 또는 단말-특정 검색 공간 (UE-specific search space)일 수 있다. 단말은 MIB 또는 상위 계층 시그널링에 의해 설정된 하나 이상의 검색 공간 세트 내 PDCCH 후보를 모니터링하여 DCI를 획득할 수 있다.
상향링크 채널 구조
단말은 후술하는 상향링크 채널을 통해 관련 신호를 기지국으로 전송하고, 기지국은 후술하는 상향링크 채널을 통해 관련 신호를 단말로부터 수신한다.
(1) 물리 상향링크 공유 채널(PUSCH)
PUSCH는 상향링크 데이터(예, UL-shared channel transport block, UL-SCH TB) 및/또는 상향링크 제어 정보(UCI)를 운반하고, CP-OFDM (Cyclic Prefix - Orthogonal Frequency Division Multiplexing) 파형(waveform), DFT-s-OFDM (Discrete Fourier Transform - spread - Orthogonal Frequency Division Multiplexing) 파형 등에 기초하여 전송된다. PUSCH가 DFT-s-OFDM 파형에 기초하여 전송되는 경우, 단말은 변환 프리코딩(transform precoding)을 적용하여 PUSCH를 전송한다. 일 예로, 변환 프리코딩이 불가능한 경우(예, transform precoding is disabled) 단말은 CP-OFDM 파형에 기초하여 PUSCH를 전송하고, 변환 프리코딩이 가능한 경우(예, transform precoding is enabled) 단말은 CP-OFDM 파형 또는 DFT-s-OFDM 파형에 기초하여 PUSCH를 전송할 수 있다. PUSCH 전송은 DCI 내 UL 그랜트에 의해 동적으로 스케줄링 되거나, 상위 계층(예, RRC) 시그널링 (및/또는 Layer 1(L1) 시그널링(예, PDCCH))에 기초하여 반-정적(semi-static)으로 스케줄링 될 수 있다(configured grant). PUSCH 전송은 코드북 기반 또는 비-코드북 기반으로 수행될 수 있다.
(2) 물리 상향링크 제어 채널(PUCCH)
PUCCH는 상향링크 제어 정보, HARQ-ACK 및/또는 스케줄링 요청(SR)을 운반하고, PUCCH 전송 길이에 따라 다수의 PUCCH들로 구분될 수 있다.
이하, 새로운 무선 접속 기술(new radio access technology: new RAT, NR)에 대해 설명한다.
더욱 많은 통신 기기들이 더욱 큰 통신 용량을 요구하게 됨에 따라 기존의 무선 접속 기술(radio access technology; RAT)에 비해 향상된 모바일 브로드밴드(mobile broadband) 통신에 대한 필요성이 대두되고 있다. 또한 다수의 기기 및 사물들을 연결하여 언제 어디서나 다양한 서비스를 제공하는 매시브 MTC (massive Machine Type Communications) 역시 차세대 통신에서 고려될 주요 이슈 중 하나이다. 뿐만 아니라 신뢰도(reliability) 및 지연(latency)에 민감한 서비스/단말을 고려한 통신 시스템 디자인이 논의되고 있다. 이와 같이 확장된 모바일 브로드밴드 커뮤니케이션(enhanced mobile broadband communication), massive MTC, URLLC (Ultra-Reliable and Low Latency Communication) 등을 고려한 차세대 무선 접속 기술의 도입이 논의되고 있으며, 본 개시의 다양한 실시 예들에서는 편의상 해당 기술(technology)을 new RAT 또는 NR이라고 부른다.
도 2는 차세대 무선 접속 네트워크(New Generation Radio Access Network: NG-RAN)의 시스템 구조를 도시한 도면이다.
도 2를 참조하면, NG-RAN은, 단말에게 사용자 평면 및 제어 평면 프로토콜 종단(termination)을 제공하는 gNB 및/또는 eNB를 포함할 수 있다. 도 1에서는 gNB만을 포함하는 경우를 예시한다. gNB 및 eNB는 상호 간에 Xn 인터페이스로 연결되어 있다. gNB 및 eNB는 5세대 코어 네트워크(5G Core Network: 5GC)와 NG 인터페이스를 통해 연결되어 있다. 보다 구체적으로, AMF(access and mobility management function)과는 NG-C 인터페이스를 통해 연결되고, UPF(user plane function)과는 NG-U 인터페이스를 통해 연결된다.
도 3은 NG-RAN과 5GC 간의 기능적 분할을 도시한 도면이다.
도 3을 참조하면, gNB는 인터 셀 간의 무선 자원 관리(Inter Cell RRM), 무선 베어러 관리(RB control), 연결 이동성 제어(Connection Mobility Control), 무선 허용 제어(Radio Admission Control), 측정 설정 및 제공(Measurement configuration & Provision), 동적 자원 할당(dynamic resource allocation) 등의 기능을 제공할 수 있다. AMF는 NAS 보안, 아이들 상태 이동성 처리 등의 기능을 제공할 수 있다. UPF는 이동성 앵커링(Mobility Anchoring), PDU 처리 등의 기능을 제공할 수 있다. SMF(Session Management Function)는 단말 IP 주소 할당, PDU 세션 제어 등의 기능을 제공할 수 있다.
도 4는 5G 사용 시나리오의 예를 도시한 도면이다.
도 4에 도시된 5G 사용 시나리오는 단지 예시적인 것이며, 본 개시의 다양한 실시 예들의 기술적 특징은 도 4에 도시되지 않은 다른 5G 사용 시나리오에도 적용될 수 있다.
도 4를 참조하면, 5G의 세 가지 주요 요구 사항 영역은 (1) 개선된 모바일 광대역(eMBB; enhanced mobile broadband) 영역, (2) 다량의 머신 타입 통신(mMTC; massive machine type communication) 영역 및 (3) 초-신뢰 및 저 지연 통신(URLLC; ultra-reliable and low latency communications) 영역을 포함한다. 일부 사용 예는 최적화를 위해 다수의 영역을 요구할 수 있고, 다른 사용 예는 단지 하나의 핵심 성능 지표(KPI; key performance indicator)에만 포커싱 할 수 있다. 5G는 이러한 다양한 사용 예들을 유연하고 신뢰할 수 있는 방법으로 지원하는 것이다.
eMBB는 데이터 속도, 지연, 사용자 밀도, 모바일 광대역 접속의 용량 및 커버리지의 전반적인 향상에 중점을 둔다. eMBB는 10Gbps 정도의 처리량을 목표로 한다. eMBB는 기본적인 모바일 인터넷 접속을 훨씬 능가하게 하며, 풍부한 양방향 작업, 클라우드 또는 증강 현실에서 미디어 및 엔터테인먼트 애플리케이션을 커버한다. 데이터는 5G의 핵심 동력 중 하나이며, 5G 시대에서 처음으로 전용 음성 서비스를 볼 수 없을 수 있다. 5G에서, 음성은 단순히 통신 시스템에 의해 제공되는 데이터 연결을 사용하여 응용 프로그램으로서 처리될 것으로 기대된다. 증가된 트래픽 양의 주요 원인은 콘텐츠 크기의 증가 및 높은 데이터 전송률을 요구하는 애플리케이션 수의 증가이다. 스트리밍 서비스(오디오 및 비디오), 대화형 비디오 및 모바일 인터넷 연결은 더 많은 장치가 인터넷에 연결될수록 더 널리 사용될 것이다. 이러한 많은 애플리케이션은 사용자에게 실시간 정보 및 알림을 푸쉬하기 위해 항상 켜져 있는 연결성을 필요로 한다. 클라우드 스토리지 및 애플리케이션은 모바일 통신 플랫폼에서 급속히 증가하고 있으며, 이것은 업무 및 엔터테인먼트 모두에 적용될 수 있다. 클라우드 스토리지는 상향링크 데이터 전송률의 성장을 견인하는 특별한 사용 예이다. 5G는 또한 클라우드 상의 원격 업무에도 사용되며, 촉각 인터페이스가 사용될 때 우수한 사용자 경험을 유지하도록 훨씬 더 낮은 단-대-단(end-to-end) 지연을 요구한다. 엔터테인먼트에서 예를 들면, 클라우드 게임 및 비디오 스트리밍은 모바일 광대역 능력에 대한 요구를 증가시키는 또 다른 핵심 요소이다. 엔터테인먼트는 기차, 차 및 비행기와 같은 높은 이동성 환경을 포함하여 어떤 곳에서든지 스마트폰 및 태블릿에서 필수적이다. 또 다른 사용 예는 엔터테인먼트를 위한 증강 현실 및 정보 검색이다. 여기서, 증강 현실은 매우 낮은 지연과 순간적인 데이터 양을 필요로 한다.
mMTC는 배터리에 의해 구동되는 다량의 저비용 장치 간의 통신을 가능하게 하기 위하여 설계되며, 스마트 계량, 물류, 현장 및 신체 센서와 같은 애플리케이션을 지원하기 위한 것이다. mMTC는 10년 정도의 배터리 및/또는 1km2 당 백만 개 정도의 장치를 목표로 한다. mMTC는 모든 분야에서 임베디드 센서를 원활하게 연결할 수 있게 하며, 가장 많이 예상되는 5G 사용 예 중 하나이다. 잠재적으로 2020년까지 IoT 장치들은 204억 개에 이를 것으로 예측된다. 산업 IoT는 5G가 스마트 도시, 자산 추적(asset tracking), 스마트 유틸리티, 농업 및 보안 인프라를 가능하게 하는 주요 역할을 수행하는 영역 중 하나이다.
URLLC는 장치 및 기계가 매우 신뢰성 있고 매우 낮은 지연 및 높은 가용성으로 통신할 수 있도록 함으로써 차량 통신, 산업 제어, 공장 자동화, 원격 수술, 스마트 그리드 및 공공 안전 애플리케이션에 이상적이다. URLLC는 1ms의 정도의 지연을 목표로 한다. URLLC는 주요 인프라의 원격 제어 및 자율 주행 차량과 같은 초 신뢰/지연이 적은 링크를 통해 산업을 변화시킬 새로운 서비스를 포함한다. 신뢰성과 지연의 수준은 스마트 그리드 제어, 산업 자동화, 로봇 공학, 드론 제어 및 조정에 필수적이다.
다음으로, 도 4의 삼각형 안에 포함된 다수의 사용 예에 대해 보다 구체적으로 살펴본다.
5G는 초당 수백 메가 비트에서 초당 기가 비트로 평가되는 스트림을 제공하는 수단으로 FTTH(fiber-to-the-home) 및 케이블 기반 광대역(또는 DOCSIS)을 보완할 수 있다. 이러한 빠른 속도는 가상 현실(VR; virtual reality)과 증강 현실(AR; augmented reality) 뿐 아니라 4K 이상(6K, 8K 및 그 이상)의 해상도로 TV를 전달하는 데에 요구될 수 있다. VR 및 AR 애플리케이션은 거의 몰입형(immersive) 스포츠 경기를 포함한다. 특정 애플리케이션은 특별한 네트워크 설정이 요구될 수 있다. 예를 들어, VR 게임의 경우, 게임 회사가 지연을 최소화하기 위해 코어 서버를 네트워크 오퍼레이터의 에지 네트워크 서버와 통합해야 할 수 있다.
자동차(Automotive)는 차량에 대한 이동 통신을 위한 많은 사용 예와 함께 5G에 있어 중요한 새로운 동력이 될 것으로 예상된다. 예를 들어, 승객을 위한 엔터테인먼트는 높은 용량과 높은 모바일 광대역을 동시에 요구한다. 그 이유는 미래의 사용자는 그들의 위치 및 속도와 관계 없이 고품질의 연결을 계속해서 기대하기 때문이다. 자동차 분야의 다른 사용 예는 증강 현실 대시보드이다. 운전자는 증강 현실 대비보드를 통해 앞면 창을 통해 보고 있는 것 위에 어둠 속에서 물체를 식별할 수 있다. 증강 현실 대시보드는 물체의 거리와 움직임에 대해 운전자에게 알려줄 정보를 겹쳐서 디스플레이 한다. 미래에, 무선 모듈은 차량 간의 통신, 차량과 지원하는 인프라구조 사이에서 정보 교환 및 자동차와 다른 연결된 장치(예를 들어, 보행자에 의해 수반되는 장치) 사이에서 정보 교환을 가능하게 한다. 안전 시스템은 운전자가 보다 안전한 운전을 할 수 있도록 행동의 대체 코스를 안내하여 사고의 위험을 낮출 수 있게 한다. 다음 단계는 원격 조종 차량 또는 자율 주행 차량이 될 것이다. 이는 서로 다른 자율 주행 차량 사이 및/또는 자동차와 인프라 사이에서 매우 신뢰성이 있고 매우 빠른 통신을 요구한다. 미래에, 자율 주행 차량이 모든 운전 활동을 수행하고, 운전자는 차량 자체가 식별할 수 없는 교통 이상에만 집중하도록 할 것이다. 자율 주행 차량의 기술적 요구 사항은 트래픽 안전을 사람이 달성할 수 없을 정도의 수준까지 증가하도록 초 저 지연과 초고속 신뢰성을 요구한다.
스마트 사회로서 언급되는 스마트 도시와 스마트 홈은 고밀도 무선 센서 네트워크로 임베디드 될 것이다. 지능형 센서의 분산 네트워크는 도시 또는 집의 비용 및 에너지 효율적인 유지에 대한 조건을 식별할 것이다. 유사한 설정이 각 가정을 위해 수행될 수 있다. 온도 센서, 창 및 난방 컨트롤러, 도난 경보기 및 가전 제품은 모두 무선으로 연결된다. 이러한 센서 중 많은 것들이 전형적으로 낮은 데이터 전송 속도, 저전력 및 저비용을 요구한다. 하지만, 예를 들어, 실시간 HD 비디오는 감시를 위해 특정 타입의 장치에서 요구될 수 있다.
열 또는 가스를 포함한 에너지의 소비 및 분배는 고도로 분산화되고 있어, 분산 센서 네트워크의 자동화된 제어가 요구된다. 스마트 그리드는 정보를 수집하고 이에 따라 행동하도록 디지털 정보 및 통신 기술을 사용하여 이런 센서를 상호 연결한다. 이 정보는 공급 업체와 소비자의 행동을 포함할 수 있으므로, 스마트 그리드가 효율성, 신뢰성, 경제성, 생산의 지속 가능성 및 자동화된 방식으로 전기와 같은 연료의 분배를 개선하도록 할 수 있다. 스마트 그리드는 지연이 적은 다른 센서 네트워크로 볼 수도 있다.
건강 부문은 이동 통신의 혜택을 누릴 수 있는 많은 애플리케이션을 보유하고 있다. 통신 시스템은 멀리 떨어진 곳에서 임상 진료를 제공하는 원격 진료를 지원할 수 있다. 이는 거리에 대한 장벽을 줄이는 데에 도움을 주고, 거리가 먼 농촌에서 지속적으로 이용하지 못하는 의료 서비스로의 접근을 개선시킬 수 있다. 이는 또한 중요한 진료 및 응급 상황에서 생명을 구하기 위해 사용된다. 이동 통신 기반의 무선 센서 네트워크는 심박수 및 혈압과 같은 파라미터에 대한 원격 모니터링 및 센서를 제공할 수 있다.
무선 및 모바일 통신은 산업 응용 분야에서 점차 중요해지고 있다. 배선은 설치 및 유지 비용이 높다. 따라서, 케이블을 재구성할 수 있는 무선 링크로의 교체 가능성은 많은 산업 분야에서 매력적인 기회이다. 그러나, 이를 달성하는 것은 무선 연결이 케이블과 비슷한 지연, 신뢰성 및 용량으로 동작하는 것과, 그 관리가 단순화될 것을 요구한다. 낮은 지연과 매우 낮은 오류 확률은 5G로 연결될 필요가 있는 새로운 요구 사항이다.
물류 및 화물 추적은 위치 기반 정보 시스템을 사용하여 어디에서든지 인벤토리(inventory) 및 패키지의 추적을 가능하게 하는 이동 통신에 대한 중요한 사용 예이다. 물류 및 화물 추적의 사용 예는 전형적으로 낮은 데이터 속도를 요구하지만 넓은 범위와 신뢰성 있는 위치 정보가 필요할 수 있다.
이하, 본 개시의 다양한 실시 예들의 실시예에 적용될 수 있는 차세대 통신(예컨대, 6G)의 예시들에 대해 설명하도록 한다.
6G 시스템 일반
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 connectivity와 같은 4가지 측면일 수 있으며, 6G 시스템은 아래 표 1과 같은 요구 사항을 만족시킬 수 있다. 즉, 표 1은 6G 시스템의 요구 사항의 일례를 나타낸 표이다.
Per device peak data rate 1Tbps
E2E latency 1ms
Maximum spectral efficiency 100bps/Hz
Mobility support Up to 1000km/hr
Satellite integration Fully
AI Fully
Autonomous vehicle Fully
XR Fully
Haptic Communication Fully
6G 시스템은 Enhanced mobile broadband (eMBB), Ultra-reliable low latency communications (URLLC), massive machine-type communication (mMTC), AI integrated communication, Tactile internet, High throughput, High network capacity, High energy efficiency, Low backhaul and access network congestion, Enhanced data security와 같은 핵심 요소(key factor)들을 가질 수 있다.
도 5는 6G 시스템에서 제공 가능한 통신 구조의 일례를 도시한 도면이다.
6G 시스템은 5G 무선통신 시스템보다 50배 더 높은 동시 무선통신 연결성을 가질 것으로 예상된다. 5G의 key feature인 URLLC는 6G 통신에서 1ms보다 적은 단-대-단(end-to-end) 지연을 제공함으로써 보다 더 주요한 기술이 될 것이다. 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 것이다. 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 중요하다.
- 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 3D 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.
6G 시스템의 핵심 구현 기술
인공 지능(Artificial Intelligence)
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 스케쥴링과 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.
최근에는 AI를 무선 통신 시스템과 통합하려고 하는 시도들이 나타나고 있으나, 이는 application layer, network layer 특히, 딥러닝을 wireless resource management and allocation 분야에 집중되어 왔다. 그러나, 이러한 연구는 점점 MAC layer 와 Physical layer로 발전하고 있으며, 특히 물리계층에서 딥러닝을 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 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 딥러닝은 주로 실제 신호(real signal)를 대상으로 한다. 그러나, 무선 통신의 물리 계층의 신호들은 복소 신호(complex signal)이다. 무선 통신 신호의 특성을 매칭시키기 위해 복소 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 만들어내기 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(learing 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(DNN, deep neural networks), 합성곱 신경망(CNN, convolutional deep neural networks), 순환 신경망(RNN, Recurrent Boltzmann Machine) 방식이 있다.
인공 신경망(artificial neural network)은 여러 개의 퍼셉트론을 연결한 예시이다.
도 6는 퍼셉트론 구조의 일례를 개략적으로 도시한 도면이다.
도 6를 참조하면, 입력 벡터 x=(x1,x2,...,xd) 가 입력되면 각 성분에 가중치(W1,W2,...,Wd)를 곱하고, 그 결과를 모두 합산한 후, 활성함수 σ(·) 를 적용하는 전체 과정을 퍼셉트론(perceptron)이라 한다. 거대한 인공 신경망 구조는 도 6에 도시한 단순화된 퍼셉트론 구조를 확장하여 입력벡터를 서로 다른 다 차원의 퍼셉트론에 적용할 수도 있다. 설명의 편의를 위해 입력값 또는 출력값을 노드(node)라 칭한다.
한편, 도 6에 도시된 퍼셉트론 구조는 입력값, 출력값을 기준으로 총 3개의 층(layer)로 구성되는 것으로 설명할 수 있다. 1st layer와 2nd layer 사이에는 (d+1) 차원의 퍼셉트론 H개, 2nd layer와 3rd layer 사이에는 (H+1)차원 퍼셉트론이 K 개 존재하는 인공신경망을 도 7과 같이 표현할 수 있다.
도 7은 다층 퍼셉트론 구조의 일례를 개략적으로 도시한 도면이다.
입력벡터가 위치하는 층을 입력층(input layer), 최종 출력값이 위치하는 층을 출력층(output layer), 입력층과 출력층 사이에 위치하는 모든 층을 은닉층(hidden layer)라 한다. 도 7의 예시는 3개의 층이 개시되나, 실제 인공신경망 층의 개수를 카운트할 때는 입력층을 제외하고 카운트하므로 총 2개의 층으로 볼 수 있다. 인공신경망은 기본 블록의 퍼셉트론을 2차원적으로 연결되어 구성된다.
전술한 입력층, 은닉층, 출력층은 다층 퍼셉트론 뿐 아니라 후술할 CNN, RNN 등 다양한 인공신경망 구조에서 공동적으로 적용될 수 있다. 은닉층의 개수가 많아질수록 인공신경망이 깊어진 것이며, 충분히 깊어진 인공신경망을 러닝모델로 사용하는 머신러닝 패러다임을 딥러닝(Deep Learning)이라 한다. 또한 딥러닝을 위해 사용하는 인공신경망을 심층 신경망(DNN: Deep neural network)라 한다.
도 8은 심층 신경망 예시를 개략적으로 도시한 도면이다.
도 8에 도시된 심층 신경망은 은닉층+출력층이 8개로 구성된 다층 퍼셉트론이다. 상기 다층 퍼셉트론 구조를 완전 연결 신경망(fully-connected neural network)이라 표현한다. 완전 연결 신경망은 서로 같은 층에 위치하는 노드 간에는 연결 관계가 존재하지 않으며, 인접한 층에 위치한 노드들 간에만 연결 관계가 존재한다. DNN은 완전 연결 신경망 구조를 가지고 다수의 은닉층과 활성함수들의 조합으로 구성되어 입력과 출력 사이의 상관관계 특성을 파악하는데 유용하게 적용될 수 있다. 여기서 상관관계 특성은 입출력의 결합확률(joint probability)을 의미할 수 있다.
한편, 복수의 퍼셉트론을 서로 어떻게 연결하느냐에 따라 전술한 DNN과 다른 다양한 인공 신경망 구조를 형성할 수 있다.
도 9은 컨볼루션 신경망의 일례를 개략적으로 도시한 도면이다.
DNN은 하나의 층 내부에 위치한 노드들이 1차원적의 세로 방향으로 배치되어 있다. 그러나, 도 9은 노드들이 2차원적으로 가로 w개, 세로 h개의 노드가 배치할 경우를 가정할 수 있다(도 9의 컨볼루션 신경망 구조). 이 경우, 하나의 입력노드에서 은닉층으로 이어지는 연결과정에서 연결 하나당 가중치가 부가되므로 총 hХw 개의 가중치를 고려해야한다. 입력층에 hХw 개의 노드가 존재하므로 인접한 두 층 사이에는 총 h2w2 개의 가중치가 필요하다.
도 9의 컨볼루션 신경망은 연결개수에 따라 가중치의 개수가 기하급수적으로 증가하는 문제가 있어 인접한 층 간의 모든 모드의 연결을 고려하는 대신, 크기가 작은 필터(filter)가 존재하는 것으로 가정하여 도 10에서와 같이 필터가 겹치는 부분에 대해서는 가중합 및 활성함수 연산을 수행하도록 한다.
도 10는 컨볼루션 신경망에서의 필터 연산의 일례를 개략적으로 도시한 도면이다.
하나의 필터는 그 크기만큼의 개수에 해당하는 가중치를 가지며, 이미지 상의 어느 특정한 특징을 요인으로 추출하여 출력할 수 있도록 가중치의 학습이 이루어질 수 있다. 도 10에서는 3Х3 크기의 필터가 입력층의 가장 좌측 상단 3Х3 영역에 적용되고, 해당 노드에 대한 가중합 및 활성함수 연산을 수행한 결과 출력값을 z22에 저장한다.
상기 필터는 입력층을 스캔하면서 가로, 세로 일정 간격만큼 이동하면서 가중합 및 활성함수 연산을 수행하고 그 출력값을 현재 필터의 위치에 위치시킨다. 이러한 연산 방식은 컴퓨터 비전(computer vision) 분야에서 이미지에 대한 컨볼루션(convolution) 연산과 유사하여 이러한 구조의 심층 신경망을 컨볼루션 신경망(CNN: convolutional neural network)라 하고, 컨볼루션 연산 결과 생성되는 은닉층을 컨볼루션 층(convolutional layer)라 한다. 또한, 복수의 컨볼루션 층이 존재하는 신경망을 심층 컨볼루션 신경망(DCNN: Deep convolutional)이라 한다.
컨볼루션 층에서는 현재 필터가 위치한 노드에서, 상기 필터가 커버하는 영역에 위치한 노드만을 포괄하여 가중합을 계산함으로써, 가중치의 개수를 줄여줄 수 있다. 이로 인해, 하나의 필터가 로컬(local) 영역에 대한 특징에 집중하도록 이용될 수 있다. 이에 따라 CNN은 2차원 영역 상의 물리적 거리가 중요한 판단 기준이 되는 이미지 데이터 처리에 효과적으로 적용될 수 있다. 한편, CNN은 컨볼루션 층의 직전에 복수의 필터가 적용될 수 있으며, 각 필터의 컨볼루션 연산을 통해 복수의 출력 결과를 생성할 수도 있다.
한편, 데이터 속성에 따라 시퀀스(sequence) 특성이 중요한 데이터들이 있을 수 있다. 이러한 시퀀스 데이터들의 길이 가변성, 선후 관계를 고려하여 데이터 시퀀스 상의 원소를 매 시점(timestep) 마다 하나씩 입력하고, 특정 시점에 출력된 은닉층의 출력 벡터(은닉 벡터)를, 시퀀스 상의 바로 다음 원소와 함께 입력하는 방식을 인공 신경망에 적용한 구조를 순환 신경망 구조라 한다.
도 11은 순환 루프가 존재하는 신경망 구조의 일례를 개략적으로 도시한 도면이다.
도 11을 참조하면, 순환 신경망(RNN: recurrent neural netwok)은 데이터 시퀀스 상의 어느 시선 t의 원소 (x1(t), x2(t), ,..., xd(t))를 완전 연결 신경망에 입력하는 과정에서, 바로 이전 시점 t-1은 은닉 벡터 (z1(t-1), z2(t-1),..., zH(t-1))을 함께 입력하여 가중합 및 활성함수를 적용하는 구조이다. 이와 같이 은닉 벡터를 다음 시점으로 전달하는 이유는 앞선 시점들에서의 입력 벡터속 정보들이 현재 시점의 은닉 벡터에 누적된 것으로 간주하기 때문이다.
도 12은 순환 신경망의 동작 구조의 일례를 개략적으로 도시한 도면이다.
도 12을 참조하면, 순환 신경망은 입력되는 데이터 시퀀스에 대하여 소정의 시점 순서대로 동작한다.
시점　1에서의 입력 벡터 (x1(t), x2(t), ,..., xd(t))가 순환 신경망에 입력되었을 때의 은닉 벡터　(z1(1),z2(1),...,zH(1))가 시점　2의 입력 벡터　 (x1(2),x2(2),...,xd(2))와 함께 입력되어 가중합 및 활성 함수를 통해 은닉층의 벡터　 (z1(2),z2(2) ,...,zH(2))를 결정한다. 이러한 과정은 시점　2, 시점　3, ,,, 시점 T 까지 반복적으로 수행된다.
한편, 순환 신경망 내에서 복수의 은닉층이 배치될 경우, 이를 심층 순환 신경망(DRNN: Deep recurrent neural network)라 한다. 순환 신경망은 시퀀스 데이터(예를 들어, 자연어 처리(natural language processing)에 유용하게 적용되도록 설계되어 있다.
학습(learning) 방식으로 사용하는 신경망 코어로서 DNN, CNN, RNN 외에 제한 볼츠만 머신(RBM, Restricted Boltzmann Machine), 심층 신뢰 신경망(DBN, deep belief networks), 심층 Q-네트워크(Deep Q-Network)와 같은 다양한 딥 러닝 기법들을 포함하며, 컴퓨터비젼, 음성인식, 자연어처리, 음성/신호처리 등의 분야에 적용될 수 있다.
최근에는 AI를 무선 통신 시스템과 통합하려고 하는 시도들이 나타나고 있으나, 이는 application layer, network layer 특히, 딥러닝을 wireless resource management and allocation 분야에 집중되어 왔다. 그러나, 이러한 연구는 점점 MAC layer 와 Physical layer로 발전하고 있으며, 특히 물리계층에서 딥러닝을 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 mechanism, AI 기반의 자원 스케줄링(scheduling) 및 할당(allocation) 등을 포함할 수 있다.
THz(Terahertz) 통신
데이터 전송률은 대역폭을 늘려 높일 수 있다. 이것은 넓은 대역폭으로 sub-THz 통신을 사용하고, 진보된 대규모 MIMO 기술을 적용하여 수행될 수 있다. 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 대역 에 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.
도 13는 전자기 스펙트럼의 일례를 도시한 도면이다.
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.
광 무선 기술 (Optical wireless technology)
OWC 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 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 또한 광 대역을 기반으로 6G 통신에서 초 고해상도 4D 매핑을 위해 이용될 수 있다.
FSO 백홀 네트워크
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 BS 연결도 지원한다.
대규모 MIMO 기술
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.
블록 체인
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 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.
3D 네트워킹
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.
양자 커뮤니케이션
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.
무인 항공기
UAV(Unmanned Aerial Vehicle) 또는 드론은 6G 무선 통신에서 중요한 요소가 될 것이다. 대부분의 경우, UAV 기술을 사용하여 고속 데이터 무선 연결이 제공된다. BS 엔티티는 셀룰러 연결을 제공하기 위해 UAV에 설치된다. UAV는 쉬운 배치, 강력한 가시선 링크 및 이동성이 제어되는 자유도와 같은 고정 BS 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.
셀-프리 통신(Cell-free Communication)
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.
무선 정보 및 에너지 전송 통합
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.
센싱과 커뮤니케이션의 통합
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.
액세스 백홀 네트워크의 통합
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.
홀로그램 빔 포밍
빔 포밍은 특정 방향으로 무선 신호를 전송하기 위해 안테나 배열을 조정하는 신호 처리 절차이다. 스마트 안테나 또는 진보된 안테나 시스템의 하위 집합이다. 빔 포밍 기술은 높은 호 대잡음비, 간섭 방지 및 거부, 높은 네트워크 효율과 같은 몇 가지 장점이 있다. 홀로그램 빔 포밍 (HBF)은 소프트웨어-정의된 안테나를 사용하기 때문에 MIMO 시스템과 상당히 다른 새로운 빔 포밍 방법이다. HBF는 6G에서 다중 안테나 통신 장치에서 신호의 효율적이고 유연한 전송 및 수신을 위해 매우 효과적인 접근 방식이 될 것이다.
빅 데이터 분석
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.
Large Intelligent Surface(LIS)
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)를 변경시킬 수 있다. LIS는 massive MIMO의 확장으로 보여질 수 있으나, massive MIMO와 서로 다른 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 chain을 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.
테라헤르츠(THz) 무선통신 일반
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 working group을 중심으로 논의되고 있으며, IEEE 802.15의 Task Group (TG3d, TG3e)에서 발행되는 표준문서는 본 개시의 다양한 실시 예들에서 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.
도 14는 THz 통신 응용의 일례를 도시한 도면이다.
도 14에 도시된 바와 같이, THz 무선통신 시나리오는 매크로 네트워크(macro network), 마이크로 네트워크(micro network), 나노스케일 네트워크(nanoscale network)로 분류될 수 있다. 매크로 네트워크에서 THz 무선통신은 vehicle-to-vehicle 연결 및 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.
아래 표 2는 THz 파에서 이용될 수 있는 기술의 일례를 나타낸 표이다.
Transceivers Device Available immature: UTC-PD, RTD and SBD
Modulation and Coding Low order modulation techniques (OOK, QPSK), LDPC, Reed Soloman, Hamming, Polar, Turbo
Antenna Omni and Directional, phased array with low number of antenna elements
Bandwidth 69GHz (or 23 GHz) at 300GHz
Channel models Partially
Data rate 100Gbps
Outdoor deployment No
Free space loss High
Coverage Low
Radio Measurements 300GHz indoor
Device size Few micrometers
THz 무선통신은 THz 발생 및 수신을 위한 방법을 기준으로 분류할 수 있다. THz 발생 방법은 광 소자 또는 전자소자 기반 기술로 분류할 수 있다.
도 15는 전자소자 기반 THz 무선통신 송수신기의 일례를 도시한 도면이다.
전자 소자를 이용하여 THz를 발생시키는 방법은 공명 터널링 다이오드(RTD: Resonant Tunneling Diode)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 15의 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 15의 안테나에 배열 안테나 등이 적용되어 빔포밍이 구현될 수도 있다. 도 15에서, IF는 중간 주파수(intermediate frequency)를 나타내며, tripler, multipler는 체배기를 나타내며, PA 전력 증폭기(Power Amplifier)를 나타내며, LNA는 저잡음 증폭기(low noise amplifier), PLL은 위상동기회로(Phase-Locked Loop)를 나타낸다.
도 16는 광 소자 기반 THz 신호를 생성하는 방법의 일례를 도시한 도면이다.
도 17은 광 소자 기반 THz 무선통신 송수신기의 일례를 도시한 도면이다.
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 16에 도시된 바와 같이, 레이저 다이오드, 광대역 광변조기, 초고속 광검출기가 필요하다. 도 16의 경우, 파장이 다른 두 레이저의 빛 신호를 합파하여 레이저 간의 파장 차이에 해당하는 THz 신호를 생성하는 것이다. 도 16에서, 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 17에서, 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(광전 변환, 전광 변환 등)을 하나의 부품으로 모듈화시킨 광모듈(Optical Sub Aassembly)을 나타내며, DSO는 디지털 스토리지 오실로스코프(digital storage oscilloscope)를 나타낸다.
도 18 및 도 19을 참조하여 광전 변환기(또는 광전 컨버터)의 구조를 설명한다.
도 18은 광자 소스(Photoinc source) 기반 송신기의 구조를 도시한 도면이다,
도 19는 광 변조기(Optical modulator)의 구조를 도시한 도면이다.
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) 10^2 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(IR 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) 시스템에서는 광전 변환기 1개를 이용하여 테라헤르츠 송수신 시스템이 구현될 수 있다. 채널 환경에 따라 달라지지만 멀리 캐리어(Multi carrier) 시스템에서는 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.
본 개시의 다양한 실시 예들에 대한 구체적인 설명
이하 본 개시의 다양한 실시 예들에 대해 보다 구체적으로 설명한다.
본 개시는 AI를 접목한 무선 통신 시스템(AI radio - AI4C)에서 사용되는 방법 및 장치에 관한 것이다.
구체적으로, 구체적으로, 본 개시는 AI(artificial intelligence)를 접목한 무선 통신 시스템(AI for communication, AI4C)에서 엔드 투 엔드 프리코딩 시스템의 사용자 그룹화를 위한 시그널링을 수행하기 위한 장치 및 방법에 관한 것이다.
본 개시에서 사용되는 기호/약어/용어는 다음과 같다.
- CSI: Channel State Information
- NN: (artificial) Neural Network
- DNN: Deep Neural Network
- AWGN: additive white Gaussian noise
- FDD: Frequency Division Duplex
- BS: Base Station (기지국)
- QoS: Quality of Service
- PMI: Precoding Matrix Indicator
- CQI: Channel Quality Indicator
- CDI: Channel Direction Information
- i.i.d.: independent and identically distributed
- SINR: signal-to-interference-plus-noise ratio
Notations: Lower-case (또는 upper-case) italic letter는 scalar를 나타낸다. Lower-case bold-face letter와 upper-case bold-face letter는 각각 vector와 matrix를 나타낸다. Calligraphic letter는 집합을 의미한다. 일례로,
Figure PCTKR2022020047-appb-img-000001
그리고
Figure PCTKR2022020047-appb-img-000002
는 scalar, vector, matrix 그리고 집합을 의미한다.
Figure PCTKR2022020047-appb-img-000003
는 복소수 집합을 나타내고,
Figure PCTKR2022020047-appb-img-000004
은 m by n dimensional complex space를 나타낸다.
Figure PCTKR2022020047-appb-img-000005
는 적절한 차원을 갖는 identity matrix를 의미한다. Superscript
Figure PCTKR2022020047-appb-img-000006
는 Hermitian transpose를 나타낸다.
Figure PCTKR2022020047-appb-img-000007
와
Figure PCTKR2022020047-appb-img-000008
는 각각 trace와 expectation operator를 나타낸다.
Figure PCTKR2022020047-appb-img-000009
은 vector의 Euclidean norm을 나타낸다.
Figure PCTKR2022020047-appb-img-000010
은
Figure PCTKR2022020047-appb-img-000011
을 covariance matrix로 갖는 zero-mean circularly symmetric complex Gaussian distribution을 나타낸다.
본 개시의 다양한 실시 예들에 대한 배경기술
도 20은 본 개시에 적용 가능한 시스템에서 엔드 투 엔드 다중 사용자 다운링크 프리코딩 시스템 구조의 일례를 도시한 도면이다.
구체적으로, 도 20은 End-to-end multiuser downlink precoding system에 관한 것이다. (출처: Sohrabi, Foad, Kareem M. Attiah, and Wei Yu. "Deep learning for distributed channel feedback and multiuser precoding in FDD massive MIMO." IEEE Transactions on Wireless Communications (2021).)
End-to-end multiuser precoding system은 도 20과 같이 총 K개의 user-side encoders와 base station (BS)-side decoder으로 구성할 수 있다.
본 개시에서는 frequency-division duplex (FDD)와 finite feedback rate (rate-limited feedback)을 가정한 downlink precoding system을 고려하며, base station (BS)의 송신 안테나의 개수는 M이며, K개의 single-antenna users가 존재하는 상황 (K<M) 을 가정한다. 발명의 내용은 본 개시에서 설명의 편의를 위해 가정한 상황들에만 국한되지 않는다. 예를 들어, uplink에도 동일하게 적용 가능하다.
BS에서 송신하는 신호를 x, k-th user에 대한 symbol을
Figure PCTKR2022020047-appb-img-000012
, k-th user를 위한 precoding vector를
Figure PCTKR2022020047-appb-img-000013
라 하자.
Figure PCTKR2022020047-appb-img-000014
를 k-th column으로 하는 precoding matrix
Figure PCTKR2022020047-appb-img-000015
을 정의할 수 있고, k-th user에 대한 symbol
Figure PCTKR2022020047-appb-img-000016
를 k-th element로 하는 vector s를 나타낼 수 있으며, 이 때, 송신 신호는
Figure PCTKR2022020047-appb-img-000017
로 표현된다. 즉, BS에서 linear precoding이 이루어진다. 또한, 일반적으로 precoding과 symbol에 대하여
Figure PCTKR2022020047-appb-img-000018
(total power constraint),
Figure PCTKR2022020047-appb-img-000019
(no correlation between symbols of different users, each symbol normalized) 와 같은 constraint가 주어질 수 있다.
BS와 k-th user 사이의 downlink channel gains을
Figure PCTKR2022020047-appb-img-000020
라 하자. 이때 narrowband block-fading을 가정할 수 있다. k-th user 에서 수신한 신호는
Figure PCTKR2022020047-appb-img-000021
와 같으며,
Figure PCTKR2022020047-appb-img-000022
는 k-th user에서의 additive white Gaussian noise (AWGN)이다. 따라서, k-th user의 achievable rate는 다음의 수학식 1과 같이 계산될 수 있다.
Figure PCTKR2022020047-appb-img-000023
이론적인 값인 achievable rate를 실제 통신상황에서 달성하기 위하여 본 개시에서 고려 및 제시하는 방법과 함께 추가적인 기법을 적절히 사용할 수 있으며, 통신 성능의 지표로서 achievable rate 이외의 다양한 quality of service (QoS)를 고려할 수 있다.
Sum rate
Figure PCTKR2022020047-appb-img-000024
를 maximization (또는 다른 통신 QoS를 최적화)하기 위해 도 20의 encoder와 decoder를 적절히 설계할 수 있으며, 최적의 encoder와 decoder를 찾기 위해 neural network(NN)로 구성할 수 있다.
Data transmission phase에 앞선 downlink training phase에서 BS는 pilot length가 L인 downlink training pilots
Figure PCTKR2022020047-appb-img-000025
을 전송한다.
Figure PCTKR2022020047-appb-img-000026
의 l-th column, 즉 l-th pilot transmission (
Figure PCTKR2022020047-appb-img-000027
)은 per-transmission power constraint를 만족
Figure PCTKR2022020047-appb-img-000028
한다. 이 때 user k에서 수신 및 관찰되는 길이 L의 신호
Figure PCTKR2022020047-appb-img-000029
는 다음의 수학식 2와 같이 표현된다.
Figure PCTKR2022020047-appb-img-000030
여기서,
Figure PCTKR2022020047-appb-img-000031
는 user k에서의 AWGN이다.
도 20에서 user k의 encoder는
Figure PCTKR2022020047-appb-img-000032
를 input으로 받아 B개의 information bits를 output으로 낸다. 이 규칙(또는 함수)가 user k에서 채택된 feedback scheme
Figure PCTKR2022020047-appb-img-000033
이다. 즉, user k의 feedback bits를
Figure PCTKR2022020047-appb-img-000034
로 표현할 수 있다. 한편, 도 20의 decoder에서는 모든 K users로부터 수집된 feedback bits
Figure PCTKR2022020047-appb-img-000035
를 input으로 받아 precoding matrix
Figure PCTKR2022020047-appb-img-000036
를 output으로 생성해 낸다. 이 함수가 BS에서의 downlink precoding scheme
Figure PCTKR2022020047-appb-img-000037
이다.
결국, 도 20과 같은 end-to-end multiuser precoding system의 목적은 도 21과 같이 sum rate maximization 문제로 요약될 수 있으며, objective function으로 sum rate 이외의 다른 다양한 통신 QoS들이 사용될 수 있다.
도 21은 본 개시에 적용 가능한 시스템에서 제한된 피드백 FDD 시스템의 합계 속도를 최대화하는 문제의 일례를 도시한 도면이다.
구체적으로, 도 21은 Problem of maximizing the sum rate of a limited-feedback FDD system에 관한 것이다. (출처: Sohrabi, Foad, Kareem M. Attiah, and Wei Yu. "Deep learning for distributed channel feedback and multiuser precoding in FDD massive MIMO." IEEE Transactions on Wireless Communications (2021).)
도 21에 도시된 바와 같이, end-to-end multiuser precoding system을 설계하는 문제는 아래 세 가지 항목에 대하여 sum rate를 최대화(또는 다른 QoS를 최적화)하는 조합을 찾는 것으로 볼 수 있다.
(1)
Figure PCTKR2022020047-appb-img-000038
: downlink training pilots
(2)
Figure PCTKR2022020047-appb-img-000039
: feedback schemes at users
(3)
Figure PCTKR2022020047-appb-img-000040
: precoding scheme at BS
각 user에서 사용하는 feedback scheme과 BS에서 채택한 precoding scheme 뿐만 아니라, BS에서 전송하는 training pilots
Figure PCTKR2022020047-appb-img-000041
역시 최적화에 대한 변수인 것에 주목할 수 있다.
도 22는 본 개시에 적용 가능한 시스템에서 엔드 투 엔드 다중 사용자 프리코딩 시스템을 위한 NN 아키텍처의 일례를 도시한 도면이다.
구체적으로, 도 22는 NN architecture for end-to-end multiuser precoding system에 관한 것이다. (출처: Sohrabi, Foad, Kareem M. Attiah, and Wei Yu. "Deep learning for distributed channel feedback and multiuser precoding in FDD massive MIMO." IEEE Transactions on Wireless Communications (2021).)
최적화된 end-to-end FDD downlink precoding system을 찾는 방법으로, deep learning을 활용할 수 있다. 즉, downlink training pilots
Figure PCTKR2022020047-appb-img-000042
, feedback schemes
Figure PCTKR2022020047-appb-img-000043
, 그리고 precoding scheme
Figure PCTKR2022020047-appb-img-000044
모두를 NN으로 구성하고, 구성된 NN을 training하여 최적의 NN parameters를 구할 수 있다. 도 22은 end-to-end multiuser downlink precoding system을 NN으로 나타내는 경우, 가능한 하나의 NN 구조를 보여준다.
도 23은 본 개시에 적용 가능한 시스템에서 시그넘(signum) 함수의 일례를 도시한 도면이다.
User-side encoder NN의 마지막 layer에서 이진 출력이 나오도록, (즉,
Figure PCTKR2022020047-appb-img-000045
의 각 component가 bipolar feedback bit를 갖게 하도록) 상술한 도 22에서처럼 binary activation layer를 사용할 수 있다. 즉, encoder NN의 마지막 layer의 activation function으로서 도 23와 같은 sign function (signum function)을 사용할 수 있다.
기존 문헌(Sohrabi, Foad, Kareem M. Attiah, and Wei Yu. "Deep learning for distributed channel feedback and multiuser precoding in FDD massive MIMO." IEEE Transactions on Wireless Communications (2021).)은, 서로 다른 user에 대한 channel 분포가 independent and identically distributed (i.i.d.)인 경우에는 user 수 K에 상관없이 동일한 NN (structure 뿐만 아니라 parameter set)을 각 user의 encoder로서 사용할 수 있음을 보여주었다. 즉, 서로 다른 user가 공통된 NN weights 및 biases를 사용하고, 모든 user-side encoders에서 사용되는 NN parameters는 user 수 K에 상관없이 동일하다. 이 때, user 수 K에 상관없이 서로 다른 users에서 사용되는 동일한 encoder NN은 single-user scenario에서 training하여 얻어진 user-side encoder NN일 수 있다. 즉, 임의의 K에 대하여, single-user case에서 사용되는 encoder NN와 동일한 structure 및 parameter set(weights 및 biases)을 K-user scenario에서도 encoder NN로서 그대로 사용할 수 있다.
도 24는 본 개시에 적용 가능한 시스템에서 사용자 수 K에 대한 프리코딩 성능의 일례를 도시한 도면이다.
구체적으로, 도 24는 Precoding performance against the number of users K 에 관한 것이다. (출처: Sohrabi, Foad, Kareem M. Attiah, and Wei Yu. "Deep learning for distributed channel feedback and multiuser precoding in FDD massive MIMO." IEEE Transactions on Wireless Communications (2021).)
도 24는 user 수 K에 따른 precoding performance (i.e., sum rate)을 보여준다. 도 24에서, user 수 K가 변할 때마다 새롭게 training하여 얻어진 서로 다른 encoder NNs을 사용하는 경우(Different DNNs trained for each K)와, 상기에서 설명한 것처럼 K에 상관없이 (모든 K에서) 모든 users가 동일한 encoder NN을 사용하는 경우(Common DNN trained for all K)의 성능을 비교해보면, 두 경우의 성능 차이가 거의 없는 것을 확인할 수 있다.
그러나, BS-side decoder NN의 경우 user 수 K가 달라질 때마다 (임의의 user k에 대한 feedback bits qk의 길이는 변하지 않음을 가정하면, K에 비례하여) decoder NN의 input size가 달라지게 되므로 (output size도 마찬가지로 달라짐), 이에 따라서 decoder NN architecture가 달라진다는 문제가 여전히 존재한다. User 수가 달라지면, 새로운 decoder NN parameter set (weights and biases)가 필요한 것은 물론이고, decoder NN의 architecture 자체마저도 달라지므로, decoder가 user 수 K에 전혀 scalable하지 못하다는 문제점이 있었다. 즉, system에서 지원하는 user 수를 고정하지 않기 위해서는, 지원하는 user 수에 대한 경우의 수만큼의 서로 다른 NN가 필요하다.
이러한 문제점을 해결하기 위해 "Scalable Decoder Architecture for Multiuser Precoding" 가 제안된 바 있으며, 해당 기술은 decoder NN의 architecture 설계에 있어서, human expert의 domain knowledge를 적절히 고려하여 precoding performance를 향상시키는 효과를 보인다.
도 25는 본 개시에 적용 가능한 시스템에서 확장 가능한 디코더 NN 아키텍처에 의해 달성된 합계 속도의 일례를 도시한 도면이다.
구체적으로, 도 25는 Sum rate achieved by scalable decoder NN architecture 에 관한 것이다.
도 25는 기존에 제안되었던 "Scalable Decoder Architecture for Multiuser Precoding" 의 user 수 K에 따른 precoding performance (i.e., sum rate)을 보여준다. 전체 user 수가 달라지더라도, 여전히 동일한 하나의 NN(지원하는 모든 user 수에 대해 training이 완료된 NN)를 사용할 수 있으며, 단일한 NN을 사용하였음에도 불구하고, 기존의 end-to-end precoding system 기법 대비 최대 14%가 넘는 성능이득이 있음을 확인할 수 있다.
반면, deep learning을 적용하지 않은 conventional channel feedback schemes은 channel에 대한 estimation, compression, feedback, 그리고 precoding에 이르는 각 단계를 독립적으로 따로 optimize하였기 때문에, 이러한 단계들을 jointly optimize한 end-to-end precoding system에 비해 좋지 못한 성능을 보여준다. 특히 downlink pilots (또는 reference signal)을 적게 사용하고, feedback rate가 낮은 상황에서 그러한 성능 차이가 극심하다.
따라서, end-to-end precoding system (특히 "Scalable Decoder Architecture for Multiuser Precoding" 를 사용하는 system)으로 conventional channel feedback schemes을 대체할 수 있다.
"Scalable Decoder Architecture for Multiuser Precoding" 에서 제안된 CSI decoder는 end-to-end precoding system의 user-side encoder NN으로부터 수신한 CSI feedback 신호 q_k를 입력으로 받아 해당하는 user k에 대한 precoding vector v_k를 출력하는 NN으로, BS-side에 존재할 수 있다. End-to-end precoding system에서의 BS-side decoder NN의 역할은 user-side encoder NN으로부터 모든 users에 대한 CSI feedback 신호들(q1,...,qK ))을 입력으로 받아 모든 users에 대한 precoding vector들(v1,...,vK ) 또는 이에 대응하는 precoding matrix V=[v1 ... vK]를 출력하는 것으로, BS-side decoder NN가 "Scalable Decoder Architecture for Multiuser Precoding" 의 CSI decoder에 국한되지는 않는다.
"Scalable Decoder Architecture for Multiuser Precoding" 를 비롯하여, 현재까지 user수 K에 대해 end-to-end precoding system의 NN을 일반화하려는 시도들은 모두, 서로 다른 사용자들의 channel distributions이 i.i.d.하다는 가정을 전제로 갖는다. 여기서, NN의 일반화란 user 수 K가 달라지더라도 동일한 NN 구조와 parameter set을 사용할 수 있는 것을 말한다. 그런데, 실제 통신 환경에서는 여러 사용자들의 channel distributions이 identical하지 못한 경우가 많다. 즉, end-to-end precoding system을 위한 기존 기술들의 경우, 사용자들의 channel distributions이 상이한 경우에는 동일한 NN을 사용하기 힘들다는 한계가 존재한다.
서로 다른 users(사용자들)이 각자 자기자신만의 channel distribution을 상이하게 갖고 있는 경우를 고려해보자. 상이한 channel distributions을 갖는 여러 users를 지원하기 위해서는, channel distribution에 따라 NN의 parameter set이 달라지기 때문에, 그만큼 많은 수의 encoder-decoder NN 조합이 존재해야만 한다.
BS에 존재하는 end-to-end precoding system의 decoder는 precoding vectors 또는 precoding matrix를 출력하는 역할을 한다. 예를 들어, BS-side의 decoder가 K명의 users를 지원하는 경우에, 각 user가 D가지의 상이한 channel distributions을 가질 수 있다면, end-to-end precoding system의 decoder가 모든 경우의 수를 지원하기 위해서는 최대 DK만큼의 parameter sets이 decoder NN을 위해 사전에 준비되어 있어야 한다. 뿐만 아니라, 서로 다른 users의 channel distributions이 identical하지 못하므로, 더이상 user 수 K에 대한 NN의 일반화는 불가하다. 즉, user수 K가 변할 때마다 DK만큼의 새로운 parameter sets이 필요하다. 각 user에 대해, 가능한 모든 channel distributions을 비슷한 distributions끼리 묶어, 총 D가지의 classes만으로 구분할 수 있다고 가정하더라도, 최대
Figure PCTKR2022020047-appb-img-000046
만큼의 parameter sets이 필요하다. 여기서, Kmax는 decoder가 지원할 수 있는 최대의 user 수이다.
따라서, encoder 및 decoder NN 조합에 대해 많은 경우의 수가 존재한다. 일반적으로, NN의 parameter set이 다르면, 다른 model이라 말하며, 본 개시에서 NN이란 좁은 의미에서 parameter set을 의미하며, 서로 다른 NNs이란 상이한 parameter sets을 의미한다. 마찬가지로, encoder 및 decoder NN 조합이란 encoder NN과 decoder NN에 대한 parameter sets의 조합을 의미한다.
Encoder 및 decoder NN의 가능한 모든 조합을 지원(support)하기 위해서는 아래와 같은 두 가지 방식을 고려할 수 있다.
(방식 1) Encoder 및 decoder NN을 위해 pre-trained된 다양한 parameter sets을 deploy하여 모든 경우의 수를 cover하는 방식
(방식 2) Online learning
(방식 2)의 online learning은 signaling overhead가 매우 크기 때문에 현실적으로 사용되기 힘들다. (방식 1)은 signaling overhead에 대한 문제는 크지 않지만, 모든 경우의 수에 대한 encoder 및 decoder NN의 parameter sets을 pre-training을 통해 얻은 후, 얻어진 parameter sets을 user-side와 BS-side에 저장해 놓아야 하기 때문에, 가능한 경우의 수가 많을수록 어려워진다. 앞서, decoder NN을 위한 parameter sets의 경우의 수가 최대
Figure PCTKR2022020047-appb-img-000047
만큼임을 확인하였고, 실제 통신 환경에서는 channel distributions을 구분하는 classes의 수인 D가 매우 작은 수는 아닐 것이므로, (방식 1) 또한 실제로 사용되기는 힘들다.
따라서, 본 개시에서는 users의 channel distributions이 다양하더라도, 배치(deploy)되는 encoder 및 decoder NN을 위한 parameter sets에 대한 classes의 수가 지원 가능한 수준이 되도록, 유사한 channel distribution을 갖는 users를 같은 group으로 분류하는 user grouping 방식을 위한 signaling 정보 및 절차를 제안한다.
User grouping 및 signaling 방식을 제안하기에 앞서, 강조할 만한 현상(observation)을 아래와 같이 언급한다. Downlink pilots은 전체 NN(end-to-end precoding system)의 일부로서 feedback scheme 그리고 precoding scheme과 합동으로(jointly) 설계될 수 있다. 즉, instantaneous CSI를 측정하기 위한 reference signal 역시도 learnable parameters이다. 앞선 도 22의
Figure PCTKR2022020047-appb-img-000048
역시도 NN의 weights임을 밝힌 바 있다. 그런데, NN의 parameters인 downlink pilots
Figure PCTKR2022020047-appb-img-000049
가 training을 통해 얻어진 결과를 관찰(observation)해 보면, channel distribution에 따라 downlink pilots의 pattern이 달라짐을 알 수 있다. 즉, encoder 및 decoder NN의 parameter sets이 channel distribution에 따라 달라지는 것과 마찬가지로, downlink pilots의 pattern 역시도 channel distribution에 의해 결정될 수 있다.
본 개시의 다양한 실시 예들의 구성
도 26은 본 개시에 적용 가능한 시스템에서 엔드 투 엔드 프리코딩 시스템의 사용자 그룹화의 일례를 도시한 도면이다.
구체적으로, 도 26는 User grouping in end-to-end precoding system 에 관한 것이다.
본 개시의 다양한 실시 예들에 따르면, end-to-end precoding system에서 유사한 channel distribution을 갖는 users를 같은 group으로 분류하는 user grouping 방식을 위한 signaling 정보 및 절차를 제안한다. User grouping의 목적은 users의 channel distributions이 다양하더라도, 배치(deploy)되는 encoder 및 decoder NN을 위한 parameter sets에 대한 classes의 수가 지원 가능한 수준이 되도록 함에 있다. 즉, 같은 group으로 분류된 users은 동일한 NN 및 parameter sets을 사용하고, 사용될 parameter sets의 classes는 사전에 정해짐을 가정한다. 또한, 설명의 편의를 위해, 가능한 모든 channel distributions을 유사한 distributions끼리 묶어, 총 D가지의 classes만으로 구분하였다고 가정한다.
User 수 K에 따른 NN pair의 일반화가 가능함을 가정하면, NN pairs의 class 수는 channel distributions을 구분하는 class 수인 D와 동일해질 수 있다. 따라서, encoder 및 decoder NN의 parameter sets 조합에 대한 경우의 수는, user grouping을 적용하지 않았을 때 최대
Figure PCTKR2022020047-appb-img-000050
이었던 것에서, user grouping을 적용하면 D로 줄어들 수 있다.
도 26은 본 개시에서 제안하는 end-to-end precoding system에서의 user grouping 방식을 나타낸다. 도 26에서 같은 group의 users는 같은 type의 NN pair를 사용함을 알 수 있다. 일례로, group #1에 속한 users는 type A의 encoder 및 decoder NN을 사용하고, 2번째 user group의 경우 NN pair type B에 해당하고, group #3에 포함된 users은 type C의 NN pair를 사용할 수 있다. 일반적으로 end-to-end precoding system에서 encoder NN와 decoder NN은 pair를 이루며 두 부분이 함께 설계 및 최적화(jointly design & optimize)되어 있다. 따라서, 두 부분은 NN pair로서 함께 사용되고, 본 개시에서 NN pair란 user-side encoder NN와 이에 해당하는 BS-side decoder NN을 함께 일컫는 말이다. 또한, 도 20처럼 encoder NN은 downlink pilot (reference signal)
Figure PCTKR2022020047-appb-img-000051
까지를 포함하는 것으로 볼 수 있다. 따라서, NN pair란 도 22의 downlink pilots
Figure PCTKR2022020047-appb-img-000052
, feedback schemes
Figure PCTKR2022020047-appb-img-000053
, 그리고 precoding scheme
Figure PCTKR2022020047-appb-img-000054
모두에 대한 NN 구성을 의미한다. 즉, NN pair는 end-to-end precoding system의 전체 NN을 뜻한다.
유사한 channel distribution을 갖는 users를 같은 group으로 분류하기 위해서, 각 user와 BS 사이에 signaling이 필요하다. User grouping의 목적은 같은 group에 속한 users이 공통된 NN pair(encoder 및 decoder NN)의 지원을 받게 하기 위함이다. 본 개시에서 NN 또는 NN pair의 type이란 해당하는 NN을 위한 parameter set의 class를 의미한다. 따라서, 총 D가지의 NN types이 존재한다.
본 개시에서 제안하는 user grouping을 위한 signaling 방식은, user grouping을 수행 및 판단하는 주체에 따라 크게 두 가지 경우로 나누어 설명할 수 있다. 첫 번째 경우는 user grouping을 수행하는 주체가 BS인 경우이다. BS가 users를 grouping하기 위해서는, BS는 users로부터 statistical CSI를 보고받아야 한다. 반면, 두 번째 경우에서는 BS가 user grouping을 위한 특별한 algorithm을 수행할 필요가 없고, 각 user가 스스로 측정한 statistical CSI를 기반으로 본인의 user group을 판단하는 상황을 가정한다.
User grouping을 위한 두 가지 경우의 signaling 방식을 이하 상세히 설명한다.
User grouping을 위한 두 가지 signaling 절차를 설명하기에 앞서, 사전에 user group이 정의됨을 가정한다. User group indicator (UGI)라 칭할 수 있는 사전에 정의된 (predefined) group index가 존재하고, UGI는 아래 항목들 전체를 동시에 나타내거나, 일부만을 나타낼 수도 있다.
(1) Pattern of reference signal
Instantaneous CSI를 측정하기 위한 reference signal(또는 pilot)에 대한 pattern을 지시할 수 있다.
(2) Type of NN for user-side encoder NN
Encoder NN을 위한 parameter set의 class를 지시할 수 있다.
(3) Type of NN for BS-side encoder NN
Decoder NN을 위한 parameter set의 class는 encoder NN의 type에 따라 짝지어져(pairwise) 결정되므로, encoder NN을 위한 parameter set과 함께 decoder NN을 위한 parameter set의 class를 동시에 지시할 수 있다.
앞서 설명한 바와 같이, instantaneous CSI를 측정하기 위한 reference signal 역시도 learnable parameters이므로, 결국 UGI는 parameter set의 class를 의미하는 것으로 볼 수 있다. Initial operation을 위해 default UGI가 사전에 정의될(predefined) 수 있다. 예를 들어, group #0는 default parameter set을 지시할 수 있다. Default parameter set인 group #0을 제외한 UGI의 수는 D이고, UGI는 group #1부터 group #D까지 존재할 수 있다.
User grouping을 위한 signaling information은 UGI로 대표될 수 있으며, 후술될 두 가지 경우의 signaling procedures 모두에서 등장한다. User grouping을 위한 signaling procedure를 user group을 결정하는 주체에 따라 두 가지 경우로 나누어 이하 상세히 설명한다.
본 개시의 다양한 실시 예들은 channel distribution에 따른 multiple NNs이 user-side 및 BS-side에 encoder 또는 decoder NN으로서 이미 구성되어 있음을 가정한다. 즉 channel distribution에 따라 분류된 모든 classes의 parameter sets이 user와 BS에 저장되어 있어서 channel distribution이 변하는 상황을 cover할 수 있음을 가정한다. 단, 유사한 channel distribution을 갖는 users를 같은 group으로 분류하여 NNs을 운용할 것이므로, 배치(deploy)되는 encoder 및 decoder NN을 위한 parameter sets에 대한 classes의 수는 지원 불가능한 수준으로 많지는 않다. 일례로, 총 D가지의 classes가 존재할 수 있다.
1) BS가 각 user의 user group을 결정하는 경우에 대한 signaling 방식
본 실시 예에서는 user grouping을 수행 또는 판단하는 주체가 BS인 경우에 대한 signaling 방식을 제안한다. BS는 k-means clustering과 같은 특정 algorithm을 통해 user grouping을 수행하여 각 user의 user group을 결정할 수 있으며, 또는, BS에 statistical CSI에 따른 NN type (i.e., parameter set의 class)이 table 등의 형식으로 사전에 정의되어 있어 user의 channel distribution에 따라 NN type이 deterministic하게 정해질 수도 있다.
본 개시에서는 user grouping을 위해 특별한 algorithm이 수행될 필요 없이, 사전에 정의된 table에 따라 parameter set의 class가 결정되는 상황을 가정한다. 즉, 본 절에서는 user의 channel distribution에 따라 어떤 NN type이 선택될지를 알려줄 수 있는 수단이 BS에 존재함을 가정한다. Statistical CSI에 따라 어떤 class의 parameter set을 사용할지 알려주는 수단의 형식은 table, chart 등 다양한 형태로 존재할 수 있다.
본 개시에서 가정한 상황 밖이지만, BS에서 user grouping algorithm (e.g., K-means)을 수행하는 경우에 대해 설명하자면, channel distribution에 따라 NN type이 deterministic하게 정해지지 않으므로, NN의 parameters 역시도 online learning을 통해 update되어야 한다. 따라서, 본 절에서 제안하는 signaling 이외의 추가적인 signaling이 NN의 parameters를 update하기 위해 필요할 수 있다. 추가적인 signaling에 대한 내용 및 절차는 본 개시에서는 논외로 한다. 즉, user grouping과 관련한 online learning은 본 개시의 범위 밖이다. 그러나 online learning이 필요한 경우에도, 여전히 user grouping 자체를 위해서는 본 절에서 제안하는 signaling 방식이 사용될 수 있다.
도 27은 본 개시에 적용 가능한 시스템에서 기지국이 각 사용자의 사용자 그룹을 결정할 때 사용자 그룹화를 위한 시그널링 절차의 일례를 도시한 도면이다.
구체적으로, 도 27는 Proposed signaling procedure for user grouping when BS decides user group of each user 에 관한 것이다.
도 27은 본 절에서 제안하는 user grouping을 위한 signaling 절차를 나타낸다. 도 27에서 서로 다른 users는 상이한 색으로 표현되어 있으며, 이는 추후에 등장할 도 30에서는 users가 같은 색으로 표현된 것과 비교하여 주목할 수 있다. 참고로, 도 30에서의 users는 모두 같은 user group에 속하기 때문에 같은 색으로 표현되어 있으며, 반면 도 27에서의 users는 아직 user grouping이 수행되기 이전이기 때문에 상이한 색으로 표현되어 있다.
도 27에서 BS는 각 user로부터 statistical CSI를 보고받는다. BS는 수신한 statistical CSI를 참조하여 users를 grouping하며, channel distribution이 유사한 users끼리 같은 group으로 분류한다. BS에는 statistical CSI에 따른 NN type (i.e., parameter set의 class)이 table 등의 형태로 존재하기 때문에, BS는 statistical CSI를 통해 NN type을 결정할 수 있고, 결정된 user group indicator (UGI)를 다시 각 user에게 전송할 수 있다.
User가 BS에게 전송하는 statistical CSI로는, propagation paths의 수를 비롯하여, 각 path의 complex gain과 각 path에 대응하는 angle of departure 등에 대한 통계적 정보(e.g., second-order statistics)를 포함할 수 있다. 다만, user가 앞서 언급한 정보들을 측정하거나 추정하기 힘들 경우에는 long-term channel covariance matrix 등으로 대체하여 전송할 수 있다.
UGI는 reference signal의 pattern이나 NN pair의 type을 지시할 뿐만 아니라, downlink radio resource의 configuration 또한 함께 나타낼 수 있다. 예를 들어, 같은 group 내의 users은 precoding을 통해 intra-group interference를 줄이되 동일한 radio resource configuration을 사용하고, 상이한 group 간에는 다른 configuration을 사용하여, inter-group interference 문제를 해결할 수 있다.
한편, statistical CSI 및 UGI는 주기적으로 송수신될 수 있다. User의 channel distribution이 언제 어떻게 바뀔지 user 스스로도 알기 힘든 경우에는 미리 설정된 주기마다 도 27의 signaling이 반복될 수 있다.
도 28은 본 개시에서 제안하는 user grouping을 위한 signaling 절차를 주기성 측면에서 더 강조하여 나타낸다.
도 28은 본 개시에 적용 가능한 시스템에서 기지국이 각 사용자의 그룹을 결정할 때 사용자 그룹화를 위한 주기적인 시그널링 절차의 일례를 도시한 도면이다.
구체적으로, 도 28는 Proposed periodic signaling procedure for user grouping when BS decides group of each user 에 관한 것이다.
User가 BS에 보고할 statistical CSI (sCSI)를 얻기 위해서, 기존의 instantaneous CSI (iCSI) 및 iCSI 측정을 위한 reference signal을 이용할 수 있다. 즉, user가, 측정하는 instantaneous CSI를 한 주기 동안 누적하여 statistical CSI로서 활용하거나, iCSI 측정을 위해 수신하는 reference signal을 이용하지만 iCSI 측정과는 다른 새로운 방식으로 sCSI를 측정 또는 추정하는 방식이 있을 수 있다. 그러나 iCSI를 위한 reference signal만으로는 sCSI의 측정 또는 추정이 어려울 경우에는, sCSI의 송수신에 앞서, sCSI를 위한 별도의 reference signal(RS)을 BS로부터 각 user가 수신하는 절차가 추가적으로 필요할 수 있다. 다시 말해, BS는 user가 sCSI를 얻을 수 있도록 sCSI를 위한 또 다른 종류의 RS를 각 user를 향해 송신할 수 있다.
2) 각 user가 스스로 user group을 결정하는 경우에 대한 signaling 방식
본 실시 예에서는 각 user의 user group을 판단하는 주체가 user 자기 자신인 경우에 대한 signaling을 제안한다.
도 29는 본 개시에 적용 가능한 시스템에서 사용자 스스로 사용자 그룹을 결정할 때 사용자 그룹화를 위한 시그널링 절차의 일례를 도시한 도면이다.
구체적으로, 도 29는 Proposed signaling procedure for user grouping when user group is determined by user itself 에 관한 것이다.
각 user-side에, statistical CSI에 따른 NN type (i.e., parameter set의 class)이 table 등의 형식으로 사전에 정의되어 있어 user의 channel distribution에 따라 NN type이 deterministic하게 정해질 수 있다. 이전 절에서 사전에 정의된 table에 따라 parameter set의 class가 결정되는 상황을 가정하였으며, 이는 본 절에서도 마찬가지이다. 본 절에서는 user의 channel distribution에 따라 어떤 NN type이 선택될지를 알려줄 수 있는 수단이 user-side에 존재함을 가정한다. Statistical CSI에 따라 어떤 class의 parameter set을 사용할지 알려주는 수단의 형식은 table, chart 등 다양한 형태로 존재할 수 있다.
도 29는 본 절에서 제안하는 user grouping을 위한 signaling 절차를 나타낸다. 도 29에서 서로 다른 users는 상이한 색으로 표현되어 있으며, 이는 추후에 등장할 도 30에서는 users가 같은 색으로 표현된 것과 비교하여 주목할 수 있다. 참고로, 도 30에서의 users는 모두 같은 user group에 속하기 때문에 같은 색으로 표현되어 있으며, 반면 도 27에서의 users는 아직 user grouping이 수행되기 이전이기 때문에 상이한 색으로 표현되어 있다.
도 29에서 각 user는 BS에게 channel distribution 자체에 대한 정보를 보고하는 대신 user group indicator (UGI) 만을 전송함을 알 수 있다. 각 user는 본인의 channel distribution을 측정 또는 추정할 수 있으므로, 이를 기반으로 스스로 user group을 결정한다. 즉, user에는 statistical CSI에 따른 NN type (i.e., parameter set의 class)이 table 등의 형태로 존재하며, user 스스로 본인의 channel distribution을 추정할 수 있기 때문에, 각 user는 추정한 statistical CSI를 통해 스스로의 NN type을 결정할 수 있고, 결정된 user group indicator (UGI)를 BS에게 전송하여 보고할 수 있다.
User가 자기 자신의 user group 결정을 위해 스스로 참조하는 statistical CSI로는, propagation paths의 수를 비롯하여, 각 path의 complex gain과 각 path에 대응하는 angle of departure 등에 대한 통계적 정보(e.g., second-order statistics)를 포함할 수 있다. 다만, user가 앞서 언급한 정보들을 측정하거나 추정하기 힘들 경우에는 long-term channel covariance matrix 등으로 대체하여 참조할 수 있다. 상기의 statistical CSI(sCSI) 및 sCSI에 따라 어떤 NN type을 선택할지 알려주는 table을 참조하여 user는 본인의 user group을 스스로 결정한다.
UGI는 reference signal의 pattern이나 NN pair의 type을 지시할 뿐만 아니라, downlink radio resource의 configuration 또한 함께 나타낼 수 있다. 예를 들어, 같은 group 내의 users은 precoding을 통해 intra-group interference를 줄이되 동일한 radio resource configuration을 사용하고, 상이한 group 간에는 다른 configuration을 사용하여, inter-group interference 문제를 해결할 수 있다. UGI에 따른 radio resource의 configuration 역시도 사전에 정의되어 있음은 물론이다.
각 user는 스스로의 sCSI를 추정하여, 본인의 user group을 변경해야 하는 상황인지를 우선 판단한다. User의 channel distribution이 일정 수준 이상으로 변한다고 판단할 수 있는 여러 events 중 하나 이상의 event가 발생하는 경우에, user는 BS에게 user group substitution을 위한 request를 전송한다. User group substitution request를 수신한 BS는, 해당 user로부터 user group indicator를 수신할 수 있는 경우, 다시 user에게 user group substitution에 대한 grant를 전송한다. User group substitution에 대한 request/grant의 교환이 완료되면 사전에 정해진 시간 간격이 지난 이후에 user는 BS에게 UGI를 전송할 수 있다.
3) User grouping이 완료된 이후의 signaling
본 실시 예에서는 앞서 설명한 1) BS가 각 user의 user group을 결정하는 경우에 대한 signaling 방식과 2) 각 user가 스스로 user group을 결정하는 경우에 대한 signaling 방식으로 user grouping이 이루어진 이후에 end-to-end precoding system의 운용에 필요한 signaling에 대해 도 30와 같이 제시한다.
도 30은 본 개시에 적용 가능한 시스템에서 사용자 그룹화 후 엔드 투 엔드 프리코딩 시스템을 위한 시그널링 절차의 일례를 도시한 도면이다.
구체적으로, 도 30은 Signaling procedure for end-to-end precoding system after user grouping 에 관한 것이다.
도 30에서는 모든 users이 동일한 색으로 표현되어 있으며, 이는 앞서 설명한 도 27, 도 28, 그리고, 도 29에서는 users가 상이한 색으로 표현된 것과 비교하여 주목할 수 있다. 도 30에서의 users는 모두 같은 user group에 속하기 때문에 같은 색으로 표현되어 있다. 같은 user group에 속하는 user들은 BS로부터 같은 pattern의 downlink pilots을 수신하여 instantaneous CSI를 측정하고, 이를 다시 BS에게 전송한다. 같은 group 내의 모든 users는 동일한 type의 encoder NN (같은 class의 parameter set)을 사용하며, 각 user의 instantaneous CSI는 각 user의 encoder NN의 output이다. 각 user로부터 전송된 instantaneous CSI는 BS-side의 decoder NN의 input으로 입력된다. 이때 같은 group에 속한 모든 users로부터의 instantaneous CSI 신호들은 동일한 decoder NN에 입력되며, decoder NN의 output에 따라 precoding이 수행된다.
본 개시의 다양한 실시 예들의 효과
본 개시의 다양한 실시 예들에 대한 기대 효과는 다음과 같다.
End-to-end precoding system의 encoder 및 decoder NN을 위한 parameter sets의 classes에 대한 경우의 수를 지원 가능한 수준으로 줄여서, 실질적으로 system을 운용할 수 있는 표준 동작 정의를 제공할 수 있다.
본 개시의 다양한 실시 예들에 대한 특징적 구성은 다음과 같다.
(1) 무선 통신 시스템의 단말이 기지국에게 channel state information(CSI)를 보고하는 방법에 있어서, 단말이 기지국에게 statistical CSI를 먼저 보고하는 단계를 포함하고, 상기 statistical CSI 보고 단계 이후에 단말이 기지국에게 instantaneous CSI를 보고하되, 상기 statistical CSI는 instantaneous CSI를 측정 및 추정하기 위한 neural network(NN)의 종류를 결정짓는 것을 특징으로 하는 방법.
(2) 상기 statistical CSI에 의해 단말 또는 기지국에서 user group indicator (UGI)가 결정될 수 있으며, UGI는 reference signal의 pattern 정보, parameter set의 class 정보, 그리고 radio resource의 configuration 정보의 전부 또는 일부를 나타내되, UGI가 단말 또는 기지국에서 기지국 또는 단말로 전송되는 것을 특징으로 하는 방법.
(3) 상기 statistical CSI는 상기 UGI인 것을 특징으로 하는 방법.
[단말 claim 관련 설명(Periodic user grouping)]
이하 상술한 실시 예들을 단말의 동작 측면에서 도 31을 참조하여 구체적으로 설명한다. 이하 설명되는 방법들은 설명의 편의를 위하여 구분된 것일 뿐, 상호 배척되지 않는 한 어느 한 방법의 일부 구성이 다른 방법의 일부 구성과 치환되거나, 상호 간에 결합되어 적용될 수 있음은 물론이다.
도 31은 본 개시에 적용 가능한 시스템에서 단말(user equipment, UE)의 동작 과정의 일례들 도시한 도면이다.
본 개시의 다양한 실시 예들에 따르면, 무선 통신 시스템에서 단말에 의하여 수행되는 방법이 제공된다.
도 31의 실시 예는, S3101 단계 전에, 단말이 기지국(base station, BS)으로부터 하나 이상의 동기 신호(synchronization signal)를 수신하는 단계; 단말이 상기 기지국으로부터 시스템 정보(system information)를 수신하는 단계; 단말이 상기 기지국으로부터 RRC(radio resource control) 메시지를 수신하는 단계를 더 포함할 수 있다.
S3101 단계에서, 단말은 기지국(base station, BS)으로부터 제1 참조 신호를 수신한다. 상기 제1 참조 신호를 포함하는 복수의 제1 참조 신호들은 상기 단말을 포함하는 복수의 단말들에게 상기 기지국으로부터 전송된다. 상기 복수의 제1 참조 신호들은 동일한 패턴을 갖는다.
S3102 단계에서, 단말은 상기 기지국에게 상기 제1 참조 신호와 관련된 제1 CSI(channel state information)를 전송한다. 상기 복수의 단말들로부터 상기 기지국에게 상기 제1 CSI를 포함하는 복수의 제1 CSI가 전송된다. 상기 복수의 제1 CSI에 기반하여 각각의 상기 복수의 단말들에 대한 그룹이 미리 설정된 개수의 그룹들 중 하나의 그룹으로 결정된다.
S3103 단계에서, 단말은 상기 기지국으로부터 상기 단말에 대하여 결정된 그룹의 정보를 수신한다.
S3104 단계에서, 단말은 상기 기지국으로부터 상기 결정된 그룹의 정보에 기반하여 제2 참조 신호를 수신한다. 상기 제2 참조 신호를 포함하는 복수의 제2 참조 신호들이 상기 단말을 포함하는 상기 복수의 단말들에게 상기 기지국으로부터 전송된다.
S3105 단계에서, 단말은 상기 기지국에게 상기 결정된 그룹의 정보에 기반하여 상기 제2 참조 신호와 관련된 제2 CSI를 전송한다. 상기 제2 CSI를 포함하는 복수의 제2 CSI가 상기 복수의 단말들로부터 상기 기지국에게 전송된다. 상기 복수의 제2 CSI는 상기 복수의 제2 참조 신호들과 관련된다.
본 개시의 다양한 실시 예들에 따르면, 상기 복수의 단말들 중 동일한 그룹으로 결정된 다수의 단말들로부터 상기 기지국에게 전송된 다수의 제2 CSI는 동일한 인코딩 NN(neural network) 모델에 기반하여 인코딩 될 수 있다. 상기 다수의 제2 CSI는 상기 복수의 제2 CSI에 포함될 수 있다.
본 개시의 다양한 실시 예들에 따르면, 상기 동일한 그룹으로 결정된 상기 다수의 단말들로부터 상기 기지국에게 전송된 상기 다수의 제2 CSI는 상기 NN 모델에 대응하는 디코딩 NN 모델에 기반하여 디코딩 될 수 있다.
본 개시의 다양한 실시 예들에 따르면, 상기 인코딩 NN 모델과 상기 디코딩 NN 모델은 상기 결정된 그룹의 정보에 기반하여 짝지어져(pairwise) 결정될 수 있다.
본 개시의 다양한 실시 예들에 따르면, 상기 인코딩 NN 모델은 미리 결정된 복수의 파라미터 세트 중 하나로 구성될 수 있다.
본 개시의 다양한 실시 예들에 따르면, 상기 결정된 그룹의 정보는 상기 미리 결정된 복수의 파라미터 세트 중 하나에 대한 클래스 정보에 대응될 수 있다.
본 개시의 다양한 실시 예들에 따르면, 상기 결정된 그룹의 정보에 기반하여 상기 복수의 제2 참조 신호들의 패턴이 결정될 수 있다.
본 개시의 다양한 실시 예들에 따르면, 상기 동일한 그룹으로 결정된 상기 다수의 단말들에게 상기 기지국으로부터 상기 복수의 제2 참조 신호들 중 동일한 패턴의 다수의 제2 참조 신호들이 전송될 수 있다.
본 개시의 다양한 실시 예들에 따르면, 상기 복수의 제1 CSI는 전파 경로(propagation path)의 수, 각각의 전파 경로의 콤플렉스 이득(complex gain), 각각의 전파 경로의 출발 각도(angle of departure), 롱텀 채널 공분산 행렬(long-term channel covariance matrix) 중 적어도 하나를 포함할 수 있다.
본 개시의 다양한 실시 예들에 따르면 무선 통신 시스템에서 단말이 제공된다. 단말은 송수신기 및 적어도 하나의 프로세서를 포함하고, 상기 적어도 하나의 프로세서는, 도 31에 따른 단말의 동작 방법을 수행하도록 구성될 수 있다.
본 개시의 다양한 실시 예들에 따르면, 통신 시스템에서 단말을 제어하는 장치가 제공된다. 상기 장치는 적어도 하나의 프로세서 및 상기 적어도 하나의 프로세서들에 동작 가능하게 접속된 적어도 하나의 메모리를 포함한다. 상기 적어도 하나의 메모리들은, 상기 적어도 하나의 프로세서에 의해 실행되는 것에 기반하여, 도 31에 따른 단말의 동작 방법을 수행하는 지시(instruction)들을 저장하도록 구성될 수 있다.
본 개시의 다양한 실시 예들에 따르면, 하나 이상의 명령어를 저장하는 하나 이상의 비일시적인(non-transitory) 컴퓨터 판독 가능 매체(computer readable medium, CRM)가 제공된다. 상기 하나 이상의 명령어는, 하나 이상의 프로세서에 의해 실행되는 것에 기반하여, 동작들을 수행하고, 상기 동작들은, 도 31에 따른 단말의 동작 방법을 포함할 수 있다.
[단말 claim 관련 설명(Aperiodic user grouping)]
이하 상술한 실시 예들을 단말의 동작 측면에서 도 32를 참조하여 구체적으로 설명한다. 이하 설명되는 방법들은 설명의 편의를 위하여 구분된 것일 뿐, 상호 배척되지 않는 한 어느 한 방법의 일부 구성이 다른 방법의 일부 구성과 치환되거나, 상호 간에 결합되어 적용될 수 있음은 물론이다.
도 32는 본 개시에 적용 가능한 시스템에서 단말(user equipment, UE)의 동작 과정의 일례들 도시한 도면이다.
본 개시의 다양한 실시 예들에 따르면, 무선 통신 시스템에서 단말에 의하여 수행되는 방법이 제공된다.
도 32의 실시 예는, S3201 단계 전에, 단말이 기지국(base station, BS)으로부터 하나 이상의 동기 신호(synchronization signal)를 수신하는 단계; 단말이 상기 기지국으로부터 시스템 정보(system information)를 수신하는 단계; 단말이 상기 기지국으로부터 RRC(radio resource control) 메시지를 수신하는 단계를 더 포함할 수 있다.
S3201 단계에서, 단말은 기지국(base station, BS)으로부터 제1 참조 신호를 수신한다. 상기 제1 참조 신호를 포함하는 복수의 제1 참조 신호들은 상기 단말을 포함하는 복수의 단말들에게 상기 기지국으로부터 전송된다. 상기 복수의 제1 참조 신호들은 동일한 패턴을 갖는다.
S3202 단계에서, 단말은 상기 제1 참조 신호와 관련된 특정 이벤트가 발생함에 대응하여 상기 기지국에게 그룹 교체 요청을 전송한다. 상기 복수의 단말들 중 상기 단말을 포함하는 적어도 하나의 단말에서 상기 복수의 제1 참조 신호들 중 적어도 하나의 제1 참조 신호와 관련된 적어도 하나의 특정 이벤트가 발생함에 대응하여 상기 적어도 하나의 단말로부터 상기 기지국에게 적어도 하나의 그룹 교체 요청이 전송된다. 상기 특정 이벤트는 상기 적어도 하나의 특정 이벤트에 포함된다. 상기 그룹 교체 요청은 상기 적어도 하나의 그룹 교체 요청에 포함된다.
S3203 단계에서, 단말은 상기 기지국으로부터 그룹 교체 그랜트를 수신한다. 상기 그룹 교체 그랜트를 포함하는 적어도 하나의 그룹 교체 그랜트가 상기 기지국으로부터 상기 적어도 하나의 단말에게 전송된다.
S3204 단계에서, 단말은 상기 그룹 교체 그랜트에 대응하여 상기 기지국에게 상기 단말에 대응하는 그룹의 정보를 전송한다. 각각의 상기 복수의 단말은 미리 설정된 개수의 그룹들 중 하나의 그룹으로 결정된다.
S3205 단계에서, 단말은 상기 기지국으로부터 상기 결정된 그룹의 정보에 기반하여 제2 참조 신호를 수신한다. 상기 제2 참조 신호를 포함하는 복수의 제2 참조 신호들이 상기 단말을 포함하는 상기 복수의 단말들에게 상기 기지국으로부터 전송된다.
S3206 단계에서, 단말은 상기 기지국에게 상기 결정된 그룹의 정보에 기반하여 상기 제2 참조 신호와 관련된 제2 CSI(channel state information)를 전송한다. 상기 제2 CSI를 포함하는 복수의 제2 CSI가 상기 복수의 단말들로부터 상기 기지국에게 전송된다. 상기 복수의 제2 CSI는 상기 복수의 제2 참조 신호들과 관련된다.
본 개시의 다양한 실시 예들에 따르면, 상기 복수의 단말들 중 동일한 그룹으로 결정된 다수의 단말들로부터 상기 기지국에게 전송된 다수의 제2 CSI는 동일한 인코딩 NN(neural network) 모델에 기반하여 인코딩 될 수 있다. 상기 다수의 제2 CSI는 상기 복수의 제2 CSI에 포함될 수 있다.
본 개시의 다양한 실시 예들에 따르면, 상기 동일한 그룹으로 결정된 상기 다수의 단말들로부터 상기 기지국에게 전송된 상기 다수의 제2 CSI는 상기 NN 모델에 대응하는 디코딩 NN 모델에 기반하여 디코딩 될 수 있다.
본 개시의 다양한 실시 예들에 따르면, 상기 인코딩 NN 모델과 상기 디코딩 NN 모델은 상기 결정된 그룹의 정보에 기반하여 짝지어져(pairwise) 결정될 수 있다.
본 개시의 다양한 실시 예들에 따르면, 상기 인코딩 NN 모델은 미리 결정된 복수의 파라미터 세트 중 하나로 구성될 수 있다.
본 개시의 다양한 실시 예들에 따르면, 상기 결정된 그룹의 정보는 상기 미리 결정된 복수의 파라미터 세트 중 하나에 대한 클래스 정보에 대응될 수 있다.
본 개시의 다양한 실시 예들에 따르면, 상기 결정된 그룹의 정보에 기반하여 상기 복수의 제2 참조 신호들의 패턴이 결정될 수 있다.
본 개시의 다양한 실시 예들에 따르면, 상기 동일한 그룹으로 결정된 상기 다수의 단말들에게 상기 복수의 제2 참조 신호들 중 동일한 패턴의 다수의 제2 참조 신호들이 상기 기지국으로부터 전송될 수 있다.
본 개시의 다양한 실시 예들에 따르면, 상기 적어도 하나의 특정 이벤트는 상기 적어도 하나의 단말에서 추정된 적어도 하나의 제1 CSI에 기반하여 상기 적어도 하나의 단말의 채널 분포(channel distribution)이 설정된 정도 이상 변하는 경우에 해당할 수 있다.
본 개시의 다양한 실시 예들에 따르면, 상기 적어도 하나의 제1 CSI는 전파 경로(propagation path)의 수, 각각의 전파 경로의 콤플렉스 이득(complex gain), 각각의 전파 경로의 출발 각도(angle of departure), 롱텀 채널 공분산 행렬(long-term channel covariance matrix) 중 적어도 하나를 포함할 수 있다.
본 개시의 다양한 실시 예들에 따르면 무선 통신 시스템에서 단말이 제공된다. 단말은 송수신기 및 적어도 하나의 프로세서를 포함하고, 상기 적어도 하나의 프로세서는, 도 32에 따른 단말의 동작 방법을 수행하도록 구성될 수 있다.
본 개시의 다양한 실시 예들에 따르면, 통신 시스템에서 단말을 제어하는 장치가 제공된다. 상기 장치는 적어도 하나의 프로세서 및 상기 적어도 하나의 프로세서들에 동작 가능하게 접속된 적어도 하나의 메모리를 포함한다. 상기 적어도 하나의 메모리들은, 상기 적어도 하나의 프로세서에 의해 실행되는 것에 기반하여, 도 32에 따른 단말의 동작 방법을 수행하는 지시(instruction)들을 저장하도록 구성될 수 있다.
본 개시의 다양한 실시 예들에 따르면, 하나 이상의 명령어를 저장하는 하나 이상의 비일시적인(non-transitory) 컴퓨터 판독 가능 매체(computer readable medium, CRM)가 제공된다. 상기 하나 이상의 명령어는, 하나 이상의 프로세서에 의해 실행되는 것에 기반하여, 동작들을 수행하고, 상기 동작들은, 도 32에 따른 단말의 동작 방법을 포함할 수 있다.
[기지국 claim 관련 설명(Periodic user grouping)]
이하 상술한 실시 예들을 기지국의 동작 측면에서 도 33을 참조하여 구체적으로 설명한다. 이하 설명되는 방법들은 설명의 편의를 위하여 구분된 것일 뿐, 상호 배척되지 않는 한 어느 한 방법의 일부 구성이 다른 방법의 일부 구성과 치환되거나, 상호 간에 결합되어 적용될 수 있음은 물론이다.
도 33은 본 개시에 적용 가능한 시스템에서 기지국(base station, BS)의 동작 과정의 일례들 도시한 도면이다.
본 개시의 다양한 실시 예들에 따르면, 통신 시스템에서 기지국(base station, BS)에 의하여 수행되는 방법이 제공된다.
도 33의 실시 예는, S3301 단계 전에, 기지국이 복수의 단말(user equipment, UE)들에게 하나 이상의 동기 신호(synchronization signal)를 전송하는 단계; 상기 복수의 단말들에게 시스템 정보(system information)를 전송하는 단계; 상기 복수의 단말들에게 RRC(radio resource control) 메시지를 전송하는 단계를 더 포함할 수 있다.
S3301 단계에서, 기지국은 복수의 단말(user equipment, UE)들에게 복수의 제1 참조 신호들을 전송한다. 상기 복수의 제1 참조 신호들은 동일한 패턴을 갖는다.
S3302 단계에서, 기지국은 상기 복수의 단말들로부터 상기 제1 참조 신호들과 관련된 복수의 제1 CSI(channel state information)를 수신한다.
S3303 단계에서, 기지국은 상기 복수의 제1 CSI에 기반하여 각각의 상기 복수의 단말들에 대한 그룹을 미리 설정된 개수의 그룹들 중 하나의 그룹으로 결정한다.
S3304 단계에서, 기지국은 각각의 상기 복수의 단말들에게 결정된 그룹의 정보를 전송한다.
S3305 단계에서, 기지국은 각각의 상기 복수의 단말들에게 상기 결정된 그룹의 정보에 기반하여 복수의 제2 참조 신호들을 전송한다.
S3306 단계에서, 기지국은 각각의 상기 복수의 단말들로부터 상기 결정된 그룹의 정보에 기반하여 상기 복수의 제2 참조 신호들과 관련된 복수의 제2 CSI를 수신한다.
본 개시의 다양한 실시 예들에 따르면, 상기 복수의 단말들 중 동일한 그룹으로 결정된 다수의 단말들로부터 수신된 다수의 제2 CSI는 동일한 인코딩 NN(neural network) 모델에 기반하여 인코딩 될 수 있다. 상기 다수의 제2 CSI는 상기 복수의 제2 CSI에 포함될 수 있다.
본 개시의 다양한 실시 예들에 따르면, 상기 동일한 그룹으로 결정된 상기 다수의 단말들로부터 수신된 상기 다수의 제2 CSI는 상기 NN 모델에 대응하는 디코딩 NN 모델에 기반하여 디코딩 될 수 있다.
본 개시의 다양한 실시 예들에 따르면, 상기 인코딩 NN 모델과 상기 디코딩 NN 모델은 상기 결정된 그룹의 정보에 기반하여 짝지어져(pairwise) 결정될 수 있다.
본 개시의 다양한 실시 예들에 따르면, 상기 인코딩 NN 모델은 미리 결정된 복수의 파라미터 세트 중 하나로 구성될 수 있다.
본 개시의 다양한 실시 예들에 따르면, 상기 결정된 그룹의 정보는 상기 미리 결정된 복수의 파라미터 세트 중 하나에 대한 클래스 정보에 대응될 수 있다.
본 개시의 다양한 실시 예들에 따르면, 상기 결정된 그룹의 정보에 기반하여 상기 복수의 제2 참조 신호들의 패턴이 결정될 수 있다.
본 개시의 다양한 실시 예들에 따르면, 상기 동일한 그룹으로 결정된 상기 다수의 단말들에게 상기 복수의 제2 참조 신호들 중 동일한 패턴의 다수의 제2 참조 신호들이 전송될 수 있다.
본 개시의 다양한 실시 예들에 따르면, 상기 복수의 제1 CSI는 전파 경로(propagation path)의 수, 각각의 전파 경로의 콤플렉스 이득(complex gain), 각각의 전파 경로의 출발 각도(angle of departure), 롱텀 채널 공분산 행렬(long-term channel covariance matrix) 중 적어도 하나를 포함할 수 있다.
본 개시의 다양한 실시 예들에 따르면 무선 통신 시스템에서 기지국(base station, BS)이 제공된다. 기지국은 송수신기 및 적어도 하나의 프로세서를 포함하고, 상기 적어도 하나의 프로세서는, 도 33에 따른 기지국의 동작 방법을 수행하도록 구성될 수 있다.
본 개시의 다양한 실시 예들에 따르면, 무선 통신 시스템에서 기지국을 제어하는 장치가 제공된다. 상기 장치는 적어도 하나의 프로세서 및 상기 적어도 하나의 프로세서들에 동작 가능하게 접속된 적어도 하나의 메모리를 포함한다. 상기 적어도 하나의 메모리들은, 상기 적어도 하나의 프로세서에 의해 실행되는 것에 기반하여, 도 33에 따른 기지국의 동작 방법을 수행하는 지시(instruction)들을 저장하도록 구성될 수 있다.
본 개시의 다양한 실시 예들에 따르면, 하나 이상의 명령어를 저장하는 하나 이상의 비일시적인(non-transitory) 컴퓨터 판독 가능 매체(computer readable medium, CRM)가 제공된다. 상기 하나 이상의 명령어는, 하나 이상의 프로세서에 의해 실행되는 것에 기반하여, 동작들을 수행하고, 상기 동작들은, 도 33에 따른 기지국의 동작 방법을 포함할 수 있다.
[기지국 claim 관련 설명(Aperiodic user grouping)]
이하 상술한 실시 예들을 기지국의 동작 측면에서 도 34를 참조하여 구체적으로 설명한다. 이하 설명되는 방법들은 설명의 편의를 위하여 구분된 것일 뿐, 상호 배척되지 않는 한 어느 한 방법의 일부 구성이 다른 방법의 일부 구성과 치환되거나, 상호 간에 결합되어 적용될 수 있음은 물론이다.
도 34는 본 개시에 적용 가능한 시스템에서 기지국(base station, BS)의 동작 과정의 일례들 도시한 도면이다.
본 개시의 다양한 실시 예들에 따르면, 통신 시스템에서 기지국(base station, BS)에 의하여 수행되는 방법이 제공된다.
도 34의 실시 예는, S3401 단계 전에, 기지국이 복수의 단말(user equipment, UE)들에게 하나 이상의 동기 신호(synchronization signal)를 전송하는 단계; 상기 복수의 단말들에게 시스템 정보(system information)를 전송하는 단계; 상기 복수의 단말들에게 RRC(radio resource control) 메시지를 전송하는 단계를 더 포함할 수 있다.
S3401 단계에서, 기지국은 복수의 단말(user equipment, UE)들에게 복수의 제1 참조 신호들을 전송한다. 상기 복수의 제1 참조 신호들은 동일한 패턴을 갖는다.
S3402 단계에서, 기지국은 상기 복수의 단말들 중 적어도 하나의 단말에서 상기 복수의 제1 참조 신호들 중 적어도 하나의 제1 참조 신호와 관련된 적어도 하나의 특정 이벤트가 발생함에 대응하여 상기 적어도 하나의 단말로부터 적어도 하나의 그룹 교체 요청을 수신한다.
S3403 단계에서, 기지국은 상기 적어도 하나의 단말에게 적어도 하나의 그룹 교체 그랜트를 전송한다.
S3404 단계에서, 기지국은 상기 적어도 하나의 단말로부터 상기 적어도 하나의 그룹 교체 그랜트에 대응하여 상기 적어도 하나의 단말에 대응하는 그룹의 정보를 수신한다.
S3405 단계에서, 기지국은 상기 복수의 단말들에 대하여 결정된 그룹의 정보 중 상기 적어도 하나의 단말에 대한 그룹의 정보를 업데이트 한다. 각각의 상기 복수의 단말들에 대한 그룹은 미리 설정된 개수의 그룹들 중 하나의 그룹으로 결정된다.
S3406 단계에서, 기지국은 각각의 상기 복수의 단말들에게 상기 결정된 그룹의 정보에 기반하여 복수의 제2 참조 신호를 전송한다.
S3407 단계에서, 기지국은 각각의 상기 복수의 단말들로부터 상기 결정된 그룹의 정보에 기반하여 상기 복수의 제2 참조 신호와 관련된 복수의 제2 CSI(channel state information)를 수신한다.
본 개시의 다양한 실시 예들에 따르면, 상기 복수의 단말들 중 동일한 그룹으로 결정된 다수의 단말들로부터 수신된 상기 복수의 제2 CSI는 동일한 인코딩 NN(neural network) 모델에 기반하여 인코딩 될 수 있다.
본 개시의 다양한 실시 예들에 따르면, 상기 동일한 그룹으로 결정된 상기 다수의 단말들로부터 수신된 상기 복수의 제2 CSI는 상기 NN 모델에 대응하는 디코딩 NN 모델에 기반하여 디코딩 될 수 있다.
본 개시의 다양한 실시 예들에 따르면, 상기 인코딩 NN 모델과 상기 디코딩 NN 모델은 상기 결정된 그룹의 정보에 기반하여 짝지어져(pairwise) 결정될 수 있다.
본 개시의 다양한 실시 예들에 따르면, 상기 인코딩 NN 모델은 미리 결정된 복수의 파라미터 세트 중 하나로 구성될 수 있다.
본 개시의 다양한 실시 예들에 따르면, 상기 결정된 그룹의 정보는 상기 미리 결정된 복수의 파라미터 세트 중 하나에 대한 클래스 정보에 대응될 수 있다.
본 개시의 다양한 실시 예들에 따르면, 상기 결정된 그룹의 정보에 기반하여 상기 복수의 제2 참조 신호들의 패턴이 결정될 수 있다.
본 개시의 다양한 실시 예들에 따르면, 상기 동일한 그룹으로 결정된 상기 다수의 단말들에게 상기 복수의 제2 참조 신호들 중 동일한 패턴의 다수의 제2 참조 신호들이 전송될 수 있다.
본 개시의 다양한 실시 예들에 따르면, 상기 적어도 하나의 특정 이벤트는 상기 적어도 하나의 단말에서 추정된 적어도 하나의 제1 CSI에 기반하여 상기 적어도 하나의 단말의 채널 분포(channel distribution)이 설정된 정도 이상 변하는 경우에 해당할 수 있다.
본 개시의 다양한 실시 예들에 따르면, 상기 적어도 하나의 제1 CSI는 전파 경로(propagation path)의 수, 각각의 전파 경로의 콤플렉스 이득(complex gain), 각각의 전파 경로의 출발 각도(angle of departure), 롱텀 채널 공분산 행렬(long-term channel covariance matrix) 중 적어도 하나를 포함할 수 있다.
본 개시의 다양한 실시 예들에 따르면 무선 통신 시스템에서 기지국(base station, BS)이 제공된다. 기지국은 송수신기 및 적어도 하나의 프로세서를 포함하고, 상기 적어도 하나의 프로세서는, 도 34에 따른 기지국의 동작 방법을 수행하도록 구성될 수 있다.
본 개시의 다양한 실시 예들에 따르면, 무선 통신 시스템에서 기지국을 제어하는 장치가 제공된다. 상기 장치는 적어도 하나의 프로세서 및 상기 적어도 하나의 프로세서들에 동작 가능하게 접속된 적어도 하나의 메모리를 포함한다. 상기 적어도 하나의 메모리들은, 상기 적어도 하나의 프로세서에 의해 실행되는 것에 기반하여, 도 34에 따른 기지국의 동작 방법을 수행하는 지시(instruction)들을 저장하도록 구성될 수 있다.
본 개시의 다양한 실시 예들에 따르면, 하나 이상의 명령어를 저장하는 하나 이상의 비일시적인(non-transitory) 컴퓨터 판독 가능 매체(computer readable medium, CRM)가 제공된다. 상기 하나 이상의 명령어는, 하나 이상의 프로세서에 의해 실행되는 것에 기반하여, 동작들을 수행하고, 상기 동작들은, 도 34에 따른 기지국의 동작 방법을 포함할 수 있다.
본 개시에 적용 가능한 통신 시스템
도 35는 본 개시의 다양한 실시 예들에 적용되는 통신 시스템(1)을 예시한다.
도 35를 참조하면, 본 개시의 다양한 실시 예들에 적용되는 통신 시스템(1)은 무선 기기, 기지국 및 네트워크를 포함한다. 여기서, 무선 기기는 무선 접속 기술(예, 5G NR(New RAT), LTE(Long Term Evolution), 6G 무선 통신)을 이용하여 통신을 수행하는 기기를 의미하며, 통신/무선/5G 기기/6G 기기로 지칭될 수 있다. 이로 제한되는 것은 아니지만, 무선 기기는 로봇(100a), 차량(100b-1, 100b-2), XR(eXtended Reality) 기기(100c), 휴대 기기(Hand-held device)(100d), 가전(100e), IoT(Internet of Thing) 기기(100f), AI기기/서버(400)를 포함할 수 있다. 예를 들어, 차량은 무선 통신 기능이 구비된 차량, 자율 주행 차량, 차량간 통신을 수행할 수 있는 차량 등을 포함할 수 있다. 여기서, 차량은 UAV(Unmanned Aerial Vehicle)(예, 드론)를 포함할 수 있다. XR 기기는 AR(Augmented Reality)/VR(Virtual Reality)/MR(Mixed Reality) 기기를 포함하며, HMD(Head-Mounted Device), 차량에 구비된 HUD(Head-Up Display), 텔레비전, 스마트폰, 컴퓨터, 웨어러블 디바이스, 가전 기기, 디지털 사이니지(signage), 차량, 로봇 등의 형태로 구현될 수 있다. 휴대 기기는 스마트폰, 스마트패드, 웨어러블 기기(예, 스마트워치, 스마트글래스), 컴퓨터(예, 노트북 등) 등을 포함할 수 있다. 가전은 TV, 냉장고, 세탁기 등을 포함할 수 있다. IoT 기기는 센서, 스마트미터 등을 포함할 수 있다. 예를 들어, 기지국, 네트워크는 무선 기기로도 구현될 수 있으며, 특정 무선 기기(200a)는 다른 무선 기기에게 기지국/네트워크 노드로 동작할 수도 있다.
무선 기기(100a~100f)는 기지국(200)을 통해 네트워크(300)와 연결될 수 있다. 무선 기기(100a~100f)에는 AI(Artificial Intelligence) 기술이 적용될 수 있으며, 무선 기기(100a~100f)는 네트워크(300)를 통해 AI 서버(400)와 연결될 수 있다. 네트워크(300)는 3G 네트워크, 4G(예, LTE) 네트워크, 5G(예, NR) 네트워크 또는 6G 네트워크 등을 이용하여 구성될 수 있다. 무선 기기(100a~100f)는 기지국(200)/네트워크(300)를 통해 서로 통신할 수도 있지만, 기지국/네트워크를 통하지 않고 직접 통신(e.g. 사이드링크 통신(sidelink communication))할 수도 있다. 예를 들어, 차량들(100b-1, 100b-2)은 직접 통신(e.g. V2V(Vehicle to Vehicle)/V2X(Vehicle to everything) communication)을 할 수 있다. 또한, IoT 기기(예, 센서)는 다른 IoT 기기(예, 센서) 또는 다른 무선 기기(100a~100f)와 직접 통신을 할 수 있다.
무선 기기(100a~100f)/기지국(200), 기지국(200)/기지국(200) 간에는 무선 통신/연결(150a, 150b, 150c)이 이뤄질 수 있다. 여기서, 무선 통신/연결은 상향/하향링크 통신(150a)과 사이드링크 통신(150b)(또는, D2D 통신), 기지국간 통신(150c)(e.g. relay, IAB(Integrated Access Backhaul)과 같은 다양한 무선 접속 기술(예, 5G NR)을 통해 이뤄질 수 있다. 무선 통신/연결(150a, 150b, 150c)을 통해 무선 기기와 기지국/무선 기기, 기지국과 기지국은 서로 무선 신호를 송신/수신할 수 있다. 예를 들어, 무선 통신/연결(150a, 150b, 150c)은 다양한 물리 채널을 통해 신호를 송신/수신할 수 있다. 이를 위해, 본 개시의 다양한 실시 예들의 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.
한편, NR은 다양한 5G 서비스들을 지원하기 위한 다수의 뉴머롤로지(numerology)(또는 subcarrier spacing(SCS))를 지원한다. 예를 들어, SCS가 15kHz인 경우, 전통적인 셀룰러 밴드들에서의 넓은 영역(wide area)을 지원하며, SCS가 30kHz/60kHz인 경우, 밀집한-도시(dense-urban), 더 낮은 지연(lower latency) 및 더 넓은 캐리어 대역폭(wider carrier bandwidth)을 지원하며, SCS가 60kHz 또는 그보다 높은 경우, 위상 잡음(phase noise)을 극복하기 위해 24.25GHz보다 큰 대역폭을 지원한다.
NR 주파수 밴드(frequency band)는 두 가지 타입(type)(FR1, FR2)의 주파수 범위(frequency range)로 정의될 수 있다. 주파수 범위의 수치는 변경될 수 있으며, 예를 들어, 두 가지 type(FR1, FR2)의 주파수 범위는 하기 표 3와 같을 수 있다. 설명의 편의를 위해 NR 시스템에서 사용되는 주파수 범위 중 FR1은 "sub 6GHz range"를 의미할 수 있고, FR2는 "above 6GHz range"를 의미할 수 있고 밀리미터 웨이브(millimeter wave, mmW)로 불릴 수 있다.
Frequency Range designation Corresponding frequency range Subcarrier Spacing
FR1 450MHz-6000MHz 15, 30, 60kHz
FR2 24250MHz-52600MHz 60, 120, 240kHz
상술한 바와 같이, NR 시스템의 주파수 범위의 수치는 변경될 수 있다. 예를 들어, FR1은 하기 표 4과 같이 410MHz 내지 7125MHz의 대역을 포함할 수 있다. 즉, FR1은 6GHz (또는 5850, 5900, 5925 MHz 등) 이상의 주파수 대역을 포함할 수 있다. 예를 들어, FR1 내에서 포함되는 6GHz (또는 5850, 5900, 5925 MHz 등) 이상의 주파수 대역은 비면허 대역(unlicensed band)을 포함할 수 있다. 비면허 대역은 다양한 용도로 사용될 수 있고, 예를 들어 차량을 위한 통신(예를 들어, 자율주행)을 위해 사용될 수 있다.
Frequency Range designation Corresponding frequency range Subcarrier Spacing
FR1 41MHz-7125MHz 15, 30, 60kHz
FR2 24250MHz-52600MHz 60, 120, 240kHz
본 개시의 다양한 실시 예들에 따라서, 통신 시스템(1)은 테라헤르츠(THz) 무선 통신을 지원할 수 있다. 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. 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.
본 개시에 적용 가능한 무선 기기
이하에서는, 본 개시의 다양한 실시 예들이 적용되는 무선 기기의 예에 대해 설명한다.
도 36은 본 개시의 다양한 실시 예들에 적용될 수 있는 무선 기기를 예시한다.
도 36을 참조하면, 제1 무선 기기(100)와 제2 무선 기기(200)는 다양한 무선 접속 기술(예, LTE, NR)을 통해 무선 신호를 송수신할 수 있다. 여기서, {제1 무선 기기(100), 제2 무선 기기(200)}은 도 35의 {무선 기기(100x), 기지국(200)} 및/또는 {무선 기기(100x), 무선 기기(100x)}에 대응할 수 있다.
제1 무선 기기(100)는 하나 이상의 프로세서(102) 및 하나 이상의 메모리(104)를 포함하며, 추가적으로 하나 이상의 송수신기(106) 및/또는 하나 이상의 안테나(108)를 더 포함할 수 있다. 프로세서(102)는 메모리(104) 및/또는 송수신기(106)를 제어하며, 본 문서에 개시되 설명, 기능, 절차, 제안, 방법 및/또는 동작 순서도들을 구현하도록 구성될 수 있다. 예를 들어, 프로세서(102)는 메모리(104) 내의 정보를 처리하여 제1 정보/신호를 생성한 뒤, 송수신기(106)를 통해 제1 정보/신호를 포함하는 무선 신호를 전송할 수 있다. 또한, 프로세서(102)는 송수신기(106)를 통해 제2 정보/신호를 포함하는 무선 신호를 수신한 뒤, 제2 정보/신호의 신호 처리로부터 얻은 정보를 메모리(104)에 저장할 수 있다. 메모리(104)는 프로세서(102)와 연결될 수 있고, 프로세서(102)의 동작과 관련한 다양한 정보를 저장할 수 있다. 예를 들어, 메모리(104)는 프로세서(102)에 의해 제어되는 프로세스들 중 일부 또는 전부를 수행하거나, 본 문서에 개시된 설명, 기능, 절차, 제안, 방법 및/또는 동작 순서도들을 수행하기 위한 명령들을 포함하는 소프트웨어 코드를 저장할 수 있다. 여기서, 프로세서(102)와 메모리(104)는 무선 통신 기술(예, LTE, NR)을 구현하도록 설계된 통신 모뎀/회로/칩의 일부일 수 있다. 송수신기(106)는 프로세서(102)와 연결될 수 있고, 하나 이상의 안테나(108)를 통해 무선 신호를 송신 및/또는 수신할 수 있다. 송수신기(106)는 송신기 및/또는 수신기를 포함할 수 있다. 송수신기(106)는 RF(Radio Frequency) 유닛과 혼용될 수 있다. 본 개시의 다양한 실시 예들에서 무선 기기는 통신 모뎀/회로/칩을 의미할 수도 있다.
제2 무선 기기(200)는 하나 이상의 프로세서(202), 하나 이상의 메모리(204)를 포함하며, 추가적으로 하나 이상의 송수신기(206) 및/또는 하나 이상의 안테나(208)를 더 포함할 수 있다. 프로세서(202)는 메모리(204) 및/또는 송수신기(206)를 제어하며, 본 문서에 개시된 설명, 기능, 절차, 제안, 방법 및/또는 동작 순서도들을 구현하도록 구성될 수 있다. 예를 들어, 프로세서(202)는 메모리(204) 내의 정보를 처리하여 제3 정보/신호를 생성한 뒤, 송수신기(206)를 통해 제3 정보/신호를 포함하는 무선 신호를 전송할 수 있다. 또한, 프로세서(202)는 송수신기(206)를 통해 제4 정보/신호를 포함하는 무선 신호를 수신한 뒤, 제4 정보/신호의 신호 처리로부터 얻은 정보를 메모리(204)에 저장할 수 있다. 메모리(204)는 프로세서(202)와 연결될 수 있고, 프로세서(202)의 동작과 관련한 다양한 정보를 저장할 수 있다. 예를 들어, 메모리(204)는 프로세서(202)에 의해 제어되는 프로세스들 중 일부 또는 전부를 수행하거나, 본 문서에 개시된 설명, 기능, 절차, 제안, 방법 및/또는 동작 순서도들을 수행하기 위한 명령들을 포함하는 소프트웨어 코드를 저장할 수 있다. 여기서, 프로세서(202)와 메모리(204)는 무선 통신 기술(예, LTE, NR)을 구현하도록 설계된 통신 모뎀/회로/칩의 일부일 수 있다. 송수신기(206)는 프로세서(202)와 연결될 수 있고, 하나 이상의 안테나(208)를 통해 무선 신호를 송신 및/또는 수신할 수 있다. 송수신기(206)는 송신기 및/또는 수신기를 포함할 수 있다 송수신기(206)는 RF 유닛과 혼용될 수 있다. 본 개시의 다양한 실시 예들에서 무선 기기는 통신 모뎀/회로/칩을 의미할 수도 있다.
이하, 무선 기기(100, 200)의 하드웨어 요소에 대해 보다 구체적으로 설명한다. 이로 제한되는 것은 아니지만, 하나 이상의 프로토콜 계층이 하나 이상의 프로세서(102, 202)에 의해 구현될 수 있다. 예를 들어, 하나 이상의 프로세서(102, 202)는 하나 이상의 계층(예, PHY, MAC, RLC, PDCP, RRC, SDAP와 같은 기능적 계층)을 구현할 수 있다. 하나 이상의 프로세서(102, 202)는 본 문서에 개시된 설명, 기능, 절차, 제안, 방법 및/또는 동작 순서도들에 따라 하나 이상의 PDU(Protocol Data Unit) 및/또는 하나 이상의 SDU(Service Data Unit)를 생성할 수 있다. 하나 이상의 프로세서(102, 202)는 본 문서에 개시된 설명, 기능, 절차, 제안, 방법 및/또는 동작 순서도들에 따라 메시지, 제어정보, 데이터 또는 정보를 생성할 수 있다. 하나 이상의 프로세서(102, 202)는 본 문서에 개시된 기능, 절차, 제안 및/또는 방법에 따라 PDU, SDU, 메시지, 제어정보, 데이터 또는 정보를 포함하는 신호(예, 베이스밴드 신호)를 생성하여, 하나 이상의 송수신기(106, 206)에게 제공할 수 있다. 하나 이상의 프로세서(102, 202)는 하나 이상의 송수신기(106, 206)로부터 신호(예, 베이스밴드 신호)를 수신할 수 있고, 본 문서에 개시된 설명, 기능, 절차, 제안, 방법 및/또는 동작 순서도들에 따라 PDU, SDU, 메시지, 제어정보, 데이터 또는 정보를 획득할 수 있다.
하나 이상의 프로세서(102, 202)는 컨트롤러, 마이크로 컨트롤러, 마이크로 프로세서 또는 마이크로 컴퓨터로 지칭될 수 있다. 하나 이상의 프로세서(102, 202)는 하드웨어, 펌웨어, 소프트웨어, 또는 이들의 조합에 의해 구현될 수 있다. 일 예로, 하나 이상의 ASIC(Application Specific Integrated Circuit), 하나 이상의 DSP(Digital Signal Processor), 하나 이상의 DSPD(Digital Signal Processing Device), 하나 이상의 PLD(Programmable Logic Device) 또는 하나 이상의 FPGA(Field Programmable Gate Arrays)가 하나 이상의 프로세서(102, 202)에 포함될 수 있다. 본 문서에 개시된 설명, 기능, 절차, 제안, 방법 및/또는 동작 순서도들은 펌웨어 또는 소프트웨어를 사용하여 구현될 수 있고, 펌웨어 또는 소프트웨어는 모듈, 절차, 기능 등을 포함하도록 구현될 수 있다. 본 문서에 개시된 설명, 기능, 절차, 제안, 방법 및/또는 동작 순서도들은 수행하도록 설정된 펌웨어 또는 소프트웨어는 하나 이상의 프로세서(102, 202)에 포함되거나, 하나 이상의 메모리(104, 204)에 저장되어 하나 이상의 프로세서(102, 202)에 의해 구동될 수 있다. 본 문서에 개시된 설명, 기능, 절차, 제안, 방법 및/또는 동작 순서도들은 코드, 명령어 및/또는 명령어의 집합 형태로 펌웨어 또는 소프트웨어를 사용하여 구현될 수 있다.
하나 이상의 메모리(104, 204)는 하나 이상의 프로세서(102, 202)와 연결될 수 있고, 다양한 형태의 데이터, 신호, 메시지, 정보, 프로그램, 코드, 지시 및/또는 명령을 저장할 수 있다. 하나 이상의 메모리(104, 204)는 ROM, RAM, EPROM, 플래시 메모리, 하드 드라이브, 레지스터, 캐쉬 메모리, 컴퓨터 판독 저장 매체 및/또는 이들의 조합으로 구성될 수 있다. 하나 이상의 메모리(104, 204)는 하나 이상의 프로세서(102, 202)의 내부 및/또는 외부에 위치할 수 있다. 또한, 하나 이상의 메모리(104, 204)는 유선 또는 무선 연결과 같은 다양한 기술을 통해 하나 이상의 프로세서(102, 202)와 연결될 수 있다.
하나 이상의 송수신기(106, 206)는 하나 이상의 다른 장치에게 본 문서의 방법들 및/또는 동작 순서도 등에서 언급되는 사용자 데이터, 제어 정보, 무선 신호/채널 등을 전송할 수 있다. 하나 이상의 송수신기(106, 206)는 하나 이상의 다른 장치로부터 본 문서에 개시된 설명, 기능, 절차, 제안, 방법 및/또는 동작 순서도 등에서 언급되는 사용자 데이터, 제어 정보, 무선 신호/채널 등을 수신할 수 있다. 예를 들어, 하나 이상의 송수신기(106, 206)는 하나 이상의 프로세서(102, 202)와 연결될 수 있고, 무선 신호를 송수신할 수 있다. 예를 들어, 하나 이상의 프로세서(102, 202)는 하나 이상의 송수신기(106, 206)가 하나 이상의 다른 장치에게 사용자 데이터, 제어 정보 또는 무선 신호를 전송하도록 제어할 수 있다. 또한, 하나 이상의 프로세서(102, 202)는 하나 이상의 송수신기(106, 206)가 하나 이상의 다른 장치로부터 사용자 데이터, 제어 정보 또는 무선 신호를 수신하도록 제어할 수 있다. 또한, 하나 이상의 송수신기(106, 206)는 하나 이상의 안테나(108, 208)와 연결될 수 있고, 하나 이상의 송수신기(106, 206)는 하나 이상의 안테나(108, 208)를 통해 본 문서에 개시된 설명, 기능, 절차, 제안, 방법 및/또는 동작 순서도 등에서 언급되는 사용자 데이터, 제어 정보, 무선 신호/채널 등을 송수신하도록 설정될 수 있다. 본 문서에서, 하나 이상의 안테나는 복수의 물리 안테나이거나, 복수의 논리 안테나(예, 안테나 포트)일 수 있다. 하나 이상의 송수신기(106, 206)는 수신된 사용자 데이터, 제어 정보, 무선 신호/채널 등을 하나 이상의 프로세서(102, 202)를 이용하여 처리하기 위해, 수신된 무선 신호/채널 등을 RF 밴드 신호에서 베이스밴드 신호로 변환(Convert)할 수 있다. 하나 이상의 송수신기(106, 206)는 하나 이상의 프로세서(102, 202)를 이용하여 처리된 사용자 데이터, 제어 정보, 무선 신호/채널 등을 베이스밴드 신호에서 RF 밴드 신호로 변환할 수 있다. 이를 위하여, 하나 이상의 송수신기(106, 206)는 (아날로그) 오실레이터 및/또는 필터를 포함할 수 있다.
도 37은 본 개시의 다양한 실시 예들에 적용될 수 있는 무선 기기의 다른 예를 도시한다.
도 37에 따르면, 무선 장치는 적어도 하나의 프로세서(102, 202), 적어도 하나의 메모리(104, 204), 적어도 하나의 트랜시버(106, 206), 하나 이상의 안테나(108, 208)를 포함할 수 있다.
앞서 도 36에서 설명한 무선 장치의 예시와, 도 37에서의 무선 장치의 예시의 차이로써, 도 36는 프로세서(102, 202)와 메모리(104, 204)가 분리되어 있으나, 도 37의 예시에서는 프로세서(102, 202)에 메모리(104, 204)가 포함되어 있다는 점이다.
여기서, 프로세서(102, 202), 메모리(104, 204), 트랜시버(106, 206), 하나 이상의 안테나(108, 208)에 대한 구체적인 설명은 앞서 설명한 바와 같기에, 불필요한 기재의 반복을 피하기 위해, 반복되는 설명의 기재는 생략하도록 한다.
이하에서는, 본 개시의 다양한 실시 예들이 적용되는 신호 처리 회로의 예를 설명한다.
도 38는 전송 신호를 위한 신호 처리 회로를 예시한다.
도 38를 참조하면, 신호 처리 회로(1000)는 스크램블러(1010), 변조기(1020), 레이어 매퍼(1030), 프리코더(1040), 자원 매퍼(1050), 신호 생성기(1060)를 포함할 수 있다. 이로 제한되는 것은 아니지만, 도 38의 동작/기능은 도 36의 프로세서(102, 202) 및/또는 송수신기(106, 206)에서 수행될 수 있다. 도 38의 하드웨어 요소는 도 36의 프로세서(102, 202) 및/또는 송수신기(106, 206)에서 구현될 수 있다. 예를 들어, 블록 1010~1060은 도 36의 프로세서(102, 202)에서 구현될 수 있다. 또한, 블록 1010~1050은 도 36의 프로세서(102, 202)에서 구현되고, 블록 1060은 도 36의 송수신기(106, 206)에서 구현될 수 있다.
코드워드는 도 38의 신호 처리 회로(1000)를 거쳐 무선 신호로 변환될 수 있다. 여기서, 코드워드는 정보블록의 부호화된 비트 시퀀스이다. 정보블록은 전송블록(예, UL-SCH 전송블록, DL-SCH 전송블록)을 포함할 수 있다. 무선 신호는 다양한 물리 채널(예, PUSCH, PDSCH)을 통해 전송될 수 있다.
구체적으로, 코드워드는 스크램블러(1010)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(1020)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(1030)에 의해 하나 이상의 전송 레이어로 매핑될 수 있다. 각 전송 레이어의 변조 심볼들은 프리코더(1040)에 의해 해당 안테나 포트(들)로 매핑될 수 있다(프리코딩). 프리코더(1040)의 출력 z는 레이어 매퍼(1030)의 출력 y를 N*M의 프리코딩 행렬 W와 곱해 얻을 수 있다. 여기서, N은 안테나 포트의 개수, M은 전송 레이어의 개수이다. 여기서, 프리코더(1040)는 복소 변조 심볼들에 대한 트랜스폼(transform) 프리코딩(예, DFT 변환)을 수행한 이후에 프리코딩을 수행할 수 있다. 또한, 프리코더(1040)는 트랜스폼 프리코딩을 수행하지 않고 프리코딩을 수행할 수 있다.
자원 매퍼(1050)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(1060)는 매핑된 변조 심볼들로부터 무선 신호를 생성하며, 생성된 무선 신호는 각 안테나를 통해 다른 기기로 전송될 수 있다. 이를 위해, 신호 생성기(1060)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 38의 신호 처리 과정(1010~1060)의 역으로 구성될 수 있다. 예를 들어, 무선 기기(예, 도 36의 100, 200)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.
이하에서는, 본 개시의 다양한 실시 예들이 적용되는 무선 기기 활용 예에 대해 설명한다.
도 39은 본 개시의 다양한 실시 예들에 적용되는 무선 기기의 다른 예를 나타낸다. 무선 기기는 사용-예/서비스에 따라 다양한 형태로 구현될 수 있다(도 35 참조).
도 39을 참조하면, 무선 기기(100, 200)는 도 36의 무선 기기(100,200)에 대응하며, 다양한 요소(element), 성분(component), 유닛/부(unit), 및/또는 모듈(module)로 구성될 수 있다. 예를 들어, 무선 기기(100, 200)는 통신부(110), 제어부(120), 메모리부(130) 및 추가 요소(140)를 포함할 수 있다. 통신부는 통신 회로(112) 및 송수신기(들)(114)를 포함할 수 있다. 예를 들어, 통신 회로(112)는 도 36의 하나 이상의 프로세서(102,202) 및/또는 하나 이상의 메모리(104,204) 를 포함할 수 있다. 예를 들어, 송수신기(들)(114)는 도 36의 하나 이상의 송수신기(106,206) 및/또는 하나 이상의 안테나(108,208)를 포함할 수 있다. 제어부(120)는 통신부(110), 메모리부(130) 및 추가 요소(140)와 전기적으로 연결되며 무선 기기의 제반 동작을 제어한다. 예를 들어, 제어부(120)는 메모리부(130)에 저장된 프로그램/코드/명령/정보에 기반하여 무선 기기의 전기적/기계적 동작을 제어할 수 있다. 또한, 제어부(120)는 메모리부(130)에 저장된 정보를 통신부(110)를 통해 외부(예, 다른 통신 기기)로 무선/유선 인터페이스를 통해 전송하거나, 통신부(110)를 통해 외부(예, 다른 통신 기기)로부터 무선/유선 인터페이스를 통해 수신된 정보를 메모리부(130)에 저장할 수 있다.
추가 요소(140)는 무선 기기의 종류에 따라 다양하게 구성될 수 있다. 예를 들어, 추가 요소(140)는 파워 유닛/배터리, 입출력부(I/O unit), 구동부 및 컴퓨팅부 중 적어도 하나를 포함할 수 있다. 이로 제한되는 것은 아니지만, 무선 기기는 로봇(도 35, 100a), 차량(도 35, 100b-1, 100b-2), XR 기기(도 35, 100c), 휴대 기기(도 35, 100d), 가전(도 35, 100e), IoT 기기(도 35, 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 35, 400), 기지국(도 35, 200), 네트워크 노드 등의 형태로 구현될 수 있다. 무선 기기는 사용-예/서비스에 따라 이동 가능하거나 고정된 장소에서 사용될 수 있다.
도 39에서 무선 기기(100, 200) 내의 다양한 요소, 성분, 유닛/부, 및/또는 모듈은 전체가 유선 인터페이스를 통해 상호 연결되거나, 적어도 일부가 통신부(110)를 통해 무선으로 연결될 수 있다. 예를 들어, 무선 기기(100, 200) 내에서 제어부(120)와 통신부(110)는 유선으로 연결되며, 제어부(120)와 제1 유닛(예, 130, 140)은 통신부(110)를 통해 무선으로 연결될 수 있다. 또한, 무선 기기(100, 200) 내의 각 요소, 성분, 유닛/부, 및/또는 모듈은 하나 이상의 요소를 더 포함할 수 있다. 예를 들어, 제어부(120)는 하나 이상의 프로세서 집합으로 구성될 수 있다. 예를 들어, 제어부(120)는 통신 제어 프로세서, 어플리케이션 프로세서(Application processor), ECU(Electronic Control Unit), 그래픽 처리 프로세서, 메모리 제어 프로세서 등의 집합으로 구성될 수 있다. 다른 예로, 메모리부(130)는 RAM(Random Access Memory), DRAM(Dynamic RAM), ROM(Read Only Memory), 플래시 메모리(flash memory), 휘발성 메모리(volatile memory), 비-휘발성 메모리(non-volatile memory) 및/또는 이들의 조합으로 구성될 수 있다.
이하, 도 39의 구현 예에 대해 도면을 참조하여 보다 자세히 설명한다.
도 40는 본 개시의 다양한 실시 예들에 적용되는 휴대 기기를 예시한다. 휴대 기기는 스마트폰, 스마트패드, 웨어러블 기기(예, 스마트워치, 스마트글래스), 휴대용 컴퓨터(예, 노트북 등)를 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 40를 참조하면, 휴대 기기(100)는 안테나부(108), 통신부(110), 제어부(120), 메모리부(130), 전원공급부(140a), 인터페이스부(140b) 및 입출력부(140c)를 포함할 수 있다. 안테나부(108)는 통신부(110)의 일부로 구성될 수 있다. 블록 110~130/140a~140c는 각각 도 39의 블록 110~130/140에 대응한다.
통신부(110)는 다른 무선 기기, 기지국들과 신호(예, 데이터, 제어 신호 등)를 송수신할 수 있다. 제어부(120)는 휴대 기기(100)의 구성 요소들을 제어하여 다양한 동작을 수행할 수 있다. 제어부(120)는 AP(Application Processor)를 포함할 수 있다. 메모리부(130)는 휴대 기기(100)의 구동에 필요한 데이터/파라미터/프로그램/코드/명령을 저장할 수 있다. 또한, 메모리부(130)는 입/출력되는 데이터/정보 등을 저장할 수 있다. 전원공급부(140a)는 휴대 기기(100)에게 전원을 공급하며, 유/무선 충전 회로, 배터리 등을 포함할 수 있다. 인터페이스부(140b)는 휴대 기기(100)와 다른 외부 기기의 연결을 지원할 수 있다. 인터페이스부(140b)는 외부 기기와의 연결을 위한 다양한 포트(예, 오디오 입/출력 포트, 비디오 입/출력 포트)를 포함할 수 있다. 입출력부(140c)는 영상 정보/신호, 오디오 정보/신호, 데이터, 및/또는 사용자로부터 입력되는 정보를 입력 받거나 출력할 수 있다. 입출력부(140c)는 카메라, 마이크로폰, 사용자 입력부, 디스플레이부(140d), 스피커 및/또는 햅틱 모듈 등을 포함할 수 있다.
일 예로, 데이터 통신의 경우, 입출력부(140c)는 사용자로부터 입력된 정보/신호(예, 터치, 문자, 음성, 이미지, 비디오)를 획득하며, 획득된 정보/신호는 메모리부(130)에 저장될 수 있다. 통신부(110)는 메모리에 저장된 정보/신호를 무선 신호로 변환하고, 변환된 무선 신호를 다른 무선 기기에게 직접 전송하거나 기지국에게 전송할 수 있다. 또한, 통신부(110)는 다른 무선 기기 또는 기지국으로부터 무선 신호를 수신한 뒤, 수신된 무선 신호를 원래의 정보/신호로 복원할 수 있다. 복원된 정보/신호는 메모리부(130)에 저장된 뒤, 입출력부(140c)를 통해 다양한 형태(예, 문자, 음성, 이미지, 비디오, 헵틱)로 출력될 수 있다.
도 41는 본 개시의 다양한 실시 예들에 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 있다.
도 41를 참조하면, 차량 또는 자율 주행 차량(100)은 안테나부(108), 통신부(110), 제어부(120), 구동부(140a), 전원공급부(140b), 센서부(140c) 및 자율 주행부(140d)를 포함할 수 있다. 안테나부(108)는 통신부(110)의 일부로 구성될 수 있다. 블록 110/130/140a~140d는 각각 도 39의 블록 110/130/140에 대응한다.
통신부(110)는 다른 차량, 기지국(e.g. 기지국, 노변 기지국(Road Side unit) 등), 서버 등의 외부 기기들과 신호(예, 데이터, 제어 신호 등)를 송수신할 수 있다. 제어부(120)는 차량 또는 자율 주행 차량(100)의 요소들을 제어하여 다양한 동작을 수행할 수 있다. 제어부(120)는 ECU(Electronic Control Unit)를 포함할 수 있다. 구동부(140a)는 차량 또는 자율 주행 차량(100)을 지상에서 주행하게 할 수 있다. 구동부(140a)는 엔진, 모터, 파워 트레인, 바퀴, 브레이크, 조향 장치 등을 포함할 수 있다. 전원공급부(140b)는 차량 또는 자율 주행 차량(100)에게 전원을 공급하며, 유/무선 충전 회로, 배터리 등을 포함할 수 있다. 센서부(140c)는 차량 상태, 주변 환경 정보, 사용자 정보 등을 얻을 수 있다. 센서부(140c)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(140d)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(110)는 외부 서버로부터 지도 데이터, 교통 정보 데이터 등을 수신할 수 있다. 자율 주행부(140d)는 획득된 데이터를 기반으로 자율 주행 경로와 드라이빙 플랜을 생성할 수 있다. 제어부(120)는 드라이빙 플랜에 따라 차량 또는 자율 주행 차량(100)이 자율 주행 경로를 따라 이동하도록 구동부(140a)를 제어할 수 있다(예, 속도/방향 조절). 자율 주행 도중에 통신부(110)는 외부 서버로부터 최신 교통 정보 데이터를 비/주기적으로 획득하며, 주변 차량으로부터 주변 교통 정보 데이터를 획득할 수 있다. 또한, 자율 주행 도중에 센서부(140c)는 차량 상태, 주변 환경 정보를 획득할 수 있다. 자율 주행부(140d)는 새로 획득된 데이터/정보에 기반하여 자율 주행 경로와 드라이빙 플랜을 갱신할 수 있다. 통신부(110)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 42은 본 개시의 다양한 실시 예들에 적용되는 차량을 예시한다. 차량은 운송수단, 기차, 비행체, 선박 등으로도 구현될 수 있다.
도 42을 참조하면, 차량(100)은 통신부(110), 제어부(120), 메모리부(130), 입출력부(140a) 및 위치 측정부(140b)를 포함할 수 있다. 여기서, 블록 110~130/140a~140b는 각각 도 39의 블록 110~130/140에 대응한다.
통신부(110)는 다른 차량, 또는 기지국 등의 외부 기기들과 신호(예, 데이터, 제어 신호 등)를 송수신할 수 있다. 제어부(120)는 차량(100)의 구성 요소들을 제어하여 다양한 동작을 수행할 수 있다. 메모리부(130)는 차량(100)의 다양한 기능을 지원하는 데이터/파라미터/프로그램/코드/명령을 저장할 수 있다. 입출력부(140a)는 메모리부(130) 내의 정보에 기반하여 AR/VR 오브젝트를 출력할 수 있다. 입출력부(140a)는 HUD를 포함할 수 있다. 위치 측정부(140b)는 차량(100)의 위치 정보를 획득할 수 있다. 위치 정보는 차량(100)의 절대 위치 정보, 주행선 내에서의 위치 정보, 가속도 정보, 주변 차량과의 위치 정보 등을 포함할 수 있다. 위치 측정부(140b)는 GPS 및 다양한 센서들을 포함할 수 있다.
일 예로, 차량(100)의 통신부(110)는 외부 서버로부터 지도 정보, 교통 정보 등을 수신하여 메모리부(130)에 저장할 수 있다. 위치 측정부(140b)는 GPS 및 다양한 센서를 통하여 차량 위치 정보를 획득하여 메모리부(130)에 저장할 수 있다. 제어부(120)는 지도 정보, 교통 정보 및 차량 위치 정보 등에 기반하여 가상 오브젝트를 생성하고, 입출력부(140a)는 생성된 가상 오브젝트를 차량 내 유리창에 표시할 수 있다(1410, 1420). 또한, 제어부(120)는 차량 위치 정보에 기반하여 차량(100)이 주행선 내에서 정상적으로 운행되고 있는지 판단할 수 있다. 차량(100)이 주행선을 비정상적으로 벗어나는 경우, 제어부(120)는 입출력부(140a)를 통해 차량 내 유리창에 경고를 표시할 수 있다. 또한, 제어부(120)는 통신부(110)를 통해 주변 차량들에게 주행 이상에 관한 경고 메세지를 방송할 수 있다. 상황에 따라, 제어부(120)는 통신부(110)를 통해 관계 기관에게 차량의 위치 정보와, 주행/차량 이상에 관한 정보를 전송할 수 있다.
도 43은 본 개시의 다양한 실시 예들에 적용되는 XR 기기를 예시한다. 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 43을 참조하면, XR 기기(100a)는 통신부(110), 제어부(120), 메모리부(130), 입출력부(140a), 센서부(140b) 및 전원공급부(140c)를 포함할 수 있다. 여기서, 블록 110~130/140a~140c은 각각 도 39의 블록 110~130/140에 대응한다.
통신부(110)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(120)는 XR 기기(100a)의 구성 요소들을 제어하여 다양한 동작을 수행할 수 있다. 예를 들어, 제어부(120)는 비디오/이미지 획득, (비디오/이미지) 인코딩, 메타데이터 생성 및 처리 등의 절차를 제어 및/또는 수행하도록 구성될 수 있다. 메모리부(130)는 XR 기기(100a)의 구동/XR 오브젝트의 생성에 필요한 데이터/파라미터/프로그램/코드/명령을 저장할 수 있다. 입출력부(140a)는 외부로부터 제어 정보, 데이터 등을 획득하며, 생성된 XR 오브젝트를 출력할 수 있다. 입출력부(140a)는 카메라, 마이크로폰, 사용자 입력부, 디스플레이부, 스피커 및/또는 햅틱 모듈 등을 포함할 수 있다. 센서부(140b)는 XR 기기 상태, 주변 환경 정보, 사용자 정보 등을 얻을 수 있다. 센서부(140b)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. 전원공급부(140c)는 XR 기기(100a)에게 전원을 공급하며, 유/무선 충전 회로, 배터리 등을 포함할 수 있다.
일 예로, XR 기기(100a)의 메모리부(130)는 XR 오브젝트(예, AR/VR/MR 오브젝트)의 생성에 필요한 정보(예, 데이터 등)를 포함할 수 있다. 입출력부(140a)는 사용자로부터 XR 기기(100a)를 조작하는 명령을 회득할 수 있으며, 제어부(120)는 사용자의 구동 명령에 따라 XR 기기(100a)를 구동시킬 수 있다. 예를 들어, 사용자가 XR 기기(100a)를 통해 영화, 뉴스 등을 시청하려고 하는 경우, 제어부(120)는 통신부(130)를 통해 컨텐츠 요청 정보를 다른 기기(예, 휴대 기기(100b)) 또는 미디어 서버에 전송할 수 있다. 통신부(130)는 다른 기기(예, 휴대 기기(100b)) 또는 미디어 서버로부터 영화, 뉴스 등의 컨텐츠를 메모리부(130)로 다운로드/스트리밍 받을 수 있다. 제어부(120)는 컨텐츠에 대해 비디오/이미지 획득, (비디오/이미지) 인코딩, 메타데이터 생성/처리 등의 절차를 제어 및/또는 수행하며, 입출력부(140a)/센서부(140b)를 통해 획득한 주변 공간 또는 현실 오브젝트에 대한 정보에 기반하여 XR 오브젝트를 생성/출력할 수 있다.
또한, XR 기기(100a)는 통신부(110)를 통해 휴대 기기(100b)와 무선으로 연결되며, XR 기기(100a)의 동작은 휴대 기기(100b)에 의해 제어될 수 있다. 예를 들어, 휴대 기기(100b)는 XR 기기(100a)에 대한 콘트롤러로 동작할 수 있다. 이를 위해, XR 기기(100a)는 휴대 기기(100b)의 3차원 위치 정보를 획득한 뒤, 휴대 기기(100b)에 대응하는 XR 개체를 생성하여 출력할 수 있다.
도 44은 본 개시의 다양한 실시 예들에 적용되는 로봇을 예시한다. 로봇은 사용 목적이나 분야에 따라 산업용, 의료용, 가정용, 군사용 등으로 분류될 수 있다.
도 44을 참조하면, 로봇(100)은 통신부(110), 제어부(120), 메모리부(130), 입출력부(140a), 센서부(140b) 및 구동부(140c)를 포함할 수 있다. 여기서, 블록 110~130/140a~140c은 각각 도 39의 블록 110~130/140에 대응한다.
통신부(110)는 다른 무선 기기, 다른 로봇, 또는 제어 서버 등의 외부 기기들과 신호(예, 구동 정보, 제어 신호 등)를 송수신할 수 있다. 제어부(120)는 로봇(100)의 구성 요소들을 제어하여 다양한 동작을 수행할 수 있다. 메모리부(130)는 로봇(100)의 다양한 기능을 지원하는 데이터/파라미터/프로그램/코드/명령을 저장할 수 있다. 입출력부(140a)는 로봇(100)의 외부로부터 정보를 획득하며, 로봇(100)의 외부로 정보를 출력할 수 있다. 입출력부(140a)는 카메라, 마이크로폰, 사용자 입력부, 디스플레이부, 스피커 및/또는 햅틱 모듈 등을 포함할 수 있다. 센서부(140b)는 로봇(100)의 내부 정보, 주변 환경 정보, 사용자 정보 등을 얻을 수 있다. 센서부(140b)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(140c)는 로봇 관절을 움직이는 등의 다양한 물리적 동작을 수행할 수 있다. 또한, 구동부(140c)는 로봇(100)을 지상에서 주행하거나 공중에서 비행하게 할 수 있다. 구동부(140c)는 액츄에이터, 모터, 바퀴, 브레이크, 프로펠러 등을 포함할 수 있다.
도 45는 본 개시의 다양한 실시 예들에 적용되는 AI 기기를 예시한다.
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 45를 참조하면, AI 기기(100)는 통신부(110), 제어부(120), 메모리부(130), 입/출력부(140a/140b), 러닝 프로세서부(140c) 및 센서부(140d)를 포함할 수 있다. 블록 110~130/140a~140d는 각각 도 39의 블록 110~130/140에 대응한다.
통신부(110)는 유무선 통신 기술을 이용하여 다른 AI 기기(예, 도 W1, 100x, 200, 400)나 AI 서버(200) 등의 외부 기기들과 유무선 신호(예, 센서 정보, 사용자 입력, 학습 모델, 제어 신호 등)를 송수신할 수 있다. 이를 위해, 통신부(110)는 메모리부(130) 내의 정보를 외부 기기로 전송하거나, 외부 기기로부터 수신된 신호를 메모리부(130)로 전달할 수 있다.
제어부(120)는 데이터 분석 알고리즘 또는 머신 러닝 알고리즘을 사용하여 결정되거나 생성된 정보에 기초하여, AI 기기(100)의 적어도 하나의 실행 가능한 동작을 결정할 수 있다. 그리고, 제어부(120)는 AI 기기(100)의 구성 요소들을 제어하여 결정된 동작을 수행할 수 있다. 예를 들어, 제어부(120)는 러닝 프로세서부(140c) 또는 메모리부(130)의 데이터를 요청, 검색, 수신 또는 활용할 수 있고, 적어도 하나의 실행 가능한 동작 중 예측되는 동작이나, 바람직한 것으로 판단되는 동작을 실행하도록 AI 기기(100)의 구성 요소들을 제어할 수 있다. 또한, 제어부(120)는 AI 장치(100)의 동작 내용이나 동작에 대한 사용자의 피드백 등을 포함하는 이력 정보를 수집하여 메모리부(130) 또는 러닝 프로세서부(140c)에 저장하거나, AI 서버(도 W1, 400) 등의 외부 장치에 전송할 수 있다. 수집된 이력 정보는 학습 모델을 갱신하는데 이용될 수 있다.
메모리부(130)는 AI 기기(100)의 다양한 기능을 지원하는 데이터를 저장할 수 있다. 예를 들어, 메모리부(130)는 입력부(140a)로부터 얻은 데이터, 통신부(110)로부터 얻은 데이터, 러닝 프로세서부(140c)의 출력 데이터, 및 센싱부(140)로부터 얻은 데이터를 저장할 수 있다. 또한, 메모리부(130)는 제어부(120)의 동작/실행에 필요한 제어 정보 및/또는 소프트웨어 코드를 저장할 수 있다.
입력부(140a)는 AI 기기(100)의 외부로부터 다양한 종류의 데이터를 획득할 수 있다. 예를 들어, 입력부(120)는 모델 학습을 위한 학습 데이터, 및 학습 모델이 적용될 입력 데이터 등을 획득할 수 있다. 입력부(140a)는 카메라, 마이크로폰 및/또는 사용자 입력부 등을 포함할 수 있다. 출력부(140b)는 시각, 청각 또는 촉각 등과 관련된 출력을 발생시킬 수 있다. 출력부(140b)는 디스플레이부, 스피커 및/또는 햅틱 모듈 등을 포함할 수 있다. 센싱부(140)는 다양한 센서들을 이용하여 AI 기기(100)의 내부 정보, AI 기기(100)의 주변 환경 정보 및 사용자 정보 중 적어도 하나를 얻을 수 있다. 센싱부(140)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(140c)는 학습 데이터를 이용하여 인공 신경망으로 구성된 모델을 학습시킬 수 있다. 러닝 프로세서부(140c)는 AI 서버(도 W1, 400)의 러닝 프로세서부와 함께 AI 프로세싱을 수행할 수 있다. 러닝 프로세서부(140c)는 통신부(110)를 통해 외부 기기로부터 수신된 정보, 및/또는 메모리부(130)에 저장된 정보를 처리할 수 있다. 또한, 러닝 프로세서부(140c)의 출력 값은 통신부(110)를 통해 외부 기기로 전송되거나/되고, 메모리부(130)에 저장될 수 있다.
본 개시의 다양한 실시 예들에 기재된 청구항들은 다양한 방식으로 조합될 수 있다. 예를 들어, 본 개시의 다양한 실시 예들의 방법 청구항의 기술적 특징이 조합되어 장치로 구현될 수 있고, 본 개시의 다양한 실시 예들의 장치 청구항의 기술적 특징이 조합되어 방법으로 구현될 수 있다. 또한, 본 개시의 다양한 실시 예들의 방법 청구항의 기술적 특징과 장치 청구항의 기술적 특징이 조합되어 장치로 구현될 수 있고, 본 개시의 다양한 실시 예들의 방법 청구항의 기술적 특징과 장치 청구항의 기술적 특징이 조합되어 방법으로 구현될 수 있다.

Claims (20)

  1. 무선 통신 시스템에서 단말(user equipment, UE)의 동작 방법에 있어서,
    기지국(base station, BS)으로부터 하나 이상의 동기 신호(synchronization signal)를 수신하는 단계;
    상기 기지국으로부터 시스템 정보(system information)를 수신하는 단계;
    상기 기지국으로부터 RRC(radio resource control) 메시지를 수신하는 단계;
    상기 기지국으로부터 제1 참조 신호를 수신하는 단계;
    상기 기지국에게 상기 제1 참조 신호와 관련된 제1 CSI(channel state information)를 전송하는 단계;
    상기 기지국으로부터 상기 제1 CSI에 기반하여 상기 단말에 대하여 결정된 그룹의 정보를 수신하는 단계;
    상기 기지국으로부터 상기 결정된 그룹의 정보에 기반하여 제2 참조 신호를 수신하는 단계;
    상기 기지국에게 상기 결정된 그룹의 정보에 기반하여 상기 제2 참조 신호와 관련된 제2 CSI를 전송하는 단계를 포함하는,
    방법.
  2. 제1 항에 있어서,
    상기 제2 참조 신호를 포함하는 복수의 제2 참조 신호들이 상기 단말을 포함하는 상기 복수의 단말들에게 상기 기지국으로부터 전송되고,
    상기 제2 CSI를 포함하는 복수의 제2 CSI가 상기 복수의 단말들로부터 상기 기지국에게 전송되고, 상기 복수의 제2 CSI는 상기 복수의 제2 참조 신호들과 관련되고,
    상기 복수의 단말들 중 동일한 그룹으로 결정된 다수의 단말들로부터 상기 기지국에게 전송된 다수의 제2 CSI는 동일한 인코딩 NN(neural network) 모델에 기반하여 인코딩 되고, 상기 다수의 제2 CSI는 상기 복수의 제2 CSI에 포함되고,
    상기 동일한 그룹으로 결정된 상기 다수의 단말들로부터 상기 기지국에게 전송된 상기 다수의 제2 CSI는 상기 NN 모델에 대응하는 디코딩 NN 모델에 기반하여 디코딩 되고,
    상기 인코딩 NN 모델과 상기 디코딩 NN 모델은 상기 결정된 그룹의 정보에 기반하여 짝지어져(pairwise) 결정되고,
    상기 인코딩 NN 모델은 미리 결정된 복수의 파라미터 세트 중 하나로 구성되고,
    상기 결정된 그룹의 정보는 상기 미리 결정된 복수의 파라미터 세트 중 하나에 대한 클래스 정보에 대응되는,
    방법.
  3. 제2 항 에 있어서,
    상기 결정된 그룹의 정보에 기반하여 상기 복수의 제2 참조 신호들의 패턴이 결정되고,
    상기 동일한 그룹으로 결정된 상기 다수의 단말들에게 상기 기지국으로부터 상기 복수의 제2 참조 신호들 중 동일한 패턴의 다수의 제2 참조 신호들이 전송되는,
    방법.
  4. 제1 항에 있어서,
    상기 제1 참조 신호를 포함하는 복수의 제1 참조 신호들이 상기 단말을 포함하는 복수의 단말들에게 상기 기지국으로부터 전송되고, 상기 복수의 제1 참조 신호들은 동일한 패턴을 갖고,
    상기 복수의 단말들로부터 상기 기지국에게 상기 제1 CSI를 포함하는 복수의 제1 CSI가 전송되고, 상기 복수의 제1 CSI에 기반하여 각각의 상기 복수의 단말들에 대한 그룹이 미리 설정된 개수의 그룹들 중 하나의 그룹으로 결정되고,
    상기 복수의 제1 CSI는 전파 경로(propagation path)의 수, 각각의 전파 경로의 콤플렉스 이득(complex gain), 각각의 전파 경로의 출발 각도(angle of departure), 롱텀 채널 공분산 행렬(long-term channel covariance matrix) 중 적어도 하나를 포함하는,
    방법.
  5. 무선 통신 시스템에서 단말(user equipment, UE)의 동작 방법에 있어서,
    기지국(base station, BS)으로부터 하나 이상의 동기 신호(synchronization signal)를 수신하는 단계;
    상기 기지국으로부터 시스템 정보(system information)를 수신하는 단계;
    상기 기지국으로부터 RRC(radio resource control) 메시지를 수신하는 단계;
    상기 기지국으로부터 제1 참조 신호를 수신하는 단계;
    상기 제1 참조 신호와 관련된 특정 이벤트가 발생함에 대응하여 상기 기지국에게 그룹 교체 요청을 전송하는 단계;
    상기 기지국으로부터 그룹 교체 그랜트를 수신하는 단계;
    상기 그룹 교체 그랜트에 대응하여 상기 기지국에게 상기 단말에 대응하는 그룹의 정보를 전송하는 단계;
    상기 기지국으로부터 상기 그룹의 정보에 기반하여 미리 설정된 개수의 그룹들 중 결정된 그룹의 정보에 기반하여 제2 참조 신호를 수신하는 단계;
    상기 기지국에게 상기 결정된 그룹의 정보에 기반하여 상기 제2 참조 신호와 관련된 제2 CSI(channel state information)를 전송하는 단계를 포함하는,
    방법.
  6. 제5 항에 있어서,
    상기 제2 참조 신호를 포함하는 복수의 제2 참조 신호들이 상기 단말을 포함하는 상기 복수의 단말들에게 상기 기지국으로부터 전송되고, 상기 제2 CSI를 포함하는 복수의 제2 CSI가 상기 복수의 단말들로부터 상기 기지국에게 전송되고, 상기 복수의 제2 CSI는 상기 복수의 제2 참조 신호들과 관련되고,
    상기 복수의 단말들 중 동일한 그룹으로 결정된 다수의 단말들로부터 상기 기지국에게 전송된 다수의 제2 CSI는 동일한 인코딩 NN(neural network) 모델에 기반하여 인코딩 되고, 상기 다수의 제2 CSI는 상기 복수의 제2 CSI에 포함되고,
    상기 동일한 그룹으로 결정된 상기 다수의 단말들로부터 상기 기지국에게 전송된 상기 다수의 제2 CSI는 상기 NN 모델에 대응하는 디코딩 NN 모델에 기반하여 디코딩되고,
    상기 인코딩 NN 모델과 상기 디코딩 NN 모델은 상기 결정된 그룹의 정보에 기반하여 짝지어져(pairwise) 결정되고,
    상기 인코딩 NN 모델은 미리 결정된 복수의 파라미터 세트 중 하나로 구성되고,
    상기 결정된 그룹의 정보는 상기 미리 결정된 복수의 파라미터 세트 중 하나에 대한 클래스 정보에 대응되는,
    방법.
  7. 제6 항에 있어서,
    상기 결정된 그룹의 정보에 기반하여 상기 복수의 제2 참조 신호들의 패턴이 결정되고,
    상기 동일한 그룹으로 결정된 상기 다수의 단말들에게 상기 복수의 제2 참조 신호들 중 동일한 패턴의 다수의 제2 참조 신호들이 상기 기지국으로부터 전송되는,
    방법.
  8. 제5 항에 있어서,
    상기 제1 참조 신호를 포함하는 복수의 제1 참조 신호들이는 상기 단말을 포함하는 복수의 단말들에게 상기 기지국으로부터 전송되고, 상기 복수의 제1 참조 신호들은 동일한 패턴을 갖고,
    상기 복수의 단말들 중 상기 단말을 포함하는 적어도 하나의 단말에서 상기 복수의 제1 참조 신호들 중 적어도 하나의 제1 참조 신호와 관련된 적어도 하나의 특정 이벤트가 발생함에 대응하여 상기 적어도 하나의 단말로부터 상기 기지국에게 적어도 하나의 그룹 교체 요청이 전송되고,
    상기 특정 이벤트는 상기 적어도 하나의 특정 이벤트에 포함되고, 상기 그룹 교체 요청은 상기 적어도 하나의 그룹 교체 요청에 포함되고, 상기 그룹 교체 그랜트를 포함하는 적어도 하나의 그룹 교체 그랜트가 상기 기지국으로부터 상기 적어도 하나의 단말에게 전송되고, 각각의 상기 복수의 단말은 상기 미리 설정된 개수의 그룹들 중 하나의 그룹으로 결정되고,
    상기 적어도 하나의 특정 이벤트는 상기 적어도 하나의 단말에서 추정된 적어도 하나의 제1 CSI에 기반하여 상기 적어도 하나의 단말의 채널 분포(channel distribution)이 설정된 정도 이상 변하는 경우에 해당하고,
    상기 적어도 하나의 제1 CSI는 전파 경로(propagation path)의 수, 각각의 전파 경로의 콤플렉스 이득(complex gain), 각각의 전파 경로의 출발 각도(angle of departure), 롱텀 채널 공분산 행렬(long-term channel covariance matrix) 중 적어도 하나를 포함하는,
    방법.
  9. 무선 통신 시스템에서 기지국(base station, BS)의 동작 방법에 있어서,
    복수의 단말(user equipment, UE)들에게 하나 이상의 동기 신호(synchronization signal)를 전송하는 단계;
    상기 복수의 단말들에게 시스템 정보(system information)를 전송하는 단계;
    상기 복수의 단말들에게 RRC(radio resource control) 메시지를 전송하는 단계;
    상기 복수의 단말들에게 복수의 제1 참조 신호들을 전송하고,
    상기 복수의 제1 참조 신호들은 동일한 패턴을 갖는 단계;
    상기 복수의 단말들로부터 상기 제1 참조 신호들과 관련된 복수의 제1 CSI(channel state information)를 수신하는 단계;
    상기 복수의 제1 CSI에 기반하여 각각의 상기 복수의 단말들에 대한 그룹을 미리 설정된 개수의 그룹들 중 하나의 그룹으로 결정하는 단계;
    각각의 상기 복수의 단말들에게 결정된 그룹의 정보를 전송하는 단계;
    각각의 상기 복수의 단말들에게 상기 결정된 그룹의 정보에 기반하여 복수의 제2 참조 신호들을 전송하는 단계;
    각각의 상기 복수의 단말들로부터 상기 결정된 그룹의 정보에 기반하여 상기 복수의 제2 참조 신호들과 관련된 복수의 제2 CSI를 수신하는 단계를 포함하는,
    방법.
  10. 제9 항에 있어서,
    상기 복수의 단말들 중 동일한 그룹으로 결정된 다수의 단말들로부터 수신된 다수의 제2 CSI는 동일한 인코딩 NN(neural network) 모델에 기반하여 인코딩 되고,
    상기 다수의 제2 CSI는 상기 복수의 제2 CSI에 포함되고,
    상기 동일한 그룹으로 결정된 상기 다수의 단말들로부터 수신된 상기 다수의 제2 CSI는 상기 NN 모델에 대응하는 디코딩 NN 모델에 기반하여 디코딩 되고,
    상기 인코딩 NN 모델과 상기 디코딩 NN 모델은 상기 결정된 그룹의 정보에 기반하여 짝지어져(pairwise) 결정되고,
    상기 인코딩 NN 모델은 미리 결정된 복수의 파라미터 세트 중 하나로 구성되고,
    상기 결정된 그룹의 정보는 상기 미리 결정된 복수의 파라미터 세트 중 하나에 대한 클래스 정보에 대응되는,
    방법.
  11. 제10 항 에 있어서,
    상기 결정된 그룹의 정보에 기반하여 상기 복수의 제2 참조 신호들의 패턴이 결정되고,
    상기 동일한 그룹으로 결정된 상기 다수의 단말들에게 상기 복수의 제2 참조 신호들 중 동일한 패턴의 다수의 제2 참조 신호들이 전송되는,
    방법.
  12. 제9 항에 있어서,
    상기 복수의 제1 CSI는 전파 경로(propagation path)의 수, 각각의 전파 경로의 콤플렉스 이득(complex gain), 각각의 전파 경로의 출발 각도(angle of departure), 롱텀 채널 공분산 행렬(long-term channel covariance matrix) 중 적어도 하나를 포함하는,
    방법.
  13. 무선 통신 시스템에서 기지국(base station, BS)의 동작 방법에 있어서,
    복수의 단말(user equipment, UE)들에게 하나 이상의 동기 신호(synchronization signal)를 전송하는 단계;
    상기 복수의 단말들에게 시스템 정보(system information)를 전송하는 단계;
    상기 복수의 단말들에게 RRC(radio resource control) 메시지를 전송하는 단계;
    상기 복수의 단말들에게 복수의 제1 참조 신호들을 전송하고,
    상기 복수의 제1 참조 신호들은 동일한 패턴을 갖는 단계;
    상기 복수의 단말들 중 적어도 하나의 단말에서 상기 복수의 제1 참조 신호들 중 적어도 하나의 제1 참조 신호와 관련된 적어도 하나의 특정 이벤트가 발생함에 대응하여 상기 적어도 하나의 단말로부터 적어도 하나의 그룹 교체 요청을 수신하는 단계;
    상기 적어도 하나의 단말에게 적어도 하나의 그룹 교체 그랜트를 전송하는 단계;
    상기 적어도 하나의 단말로부터 상기 적어도 하나의 그룹 교체 그랜트에 대응하여 상기 적어도 하나의 단말에 대응하는 그룹의 정보를 수신하는 단계;
    상기 복수의 단말들에 대하여 결정된 그룹의 정보 중 상기 적어도 하나의 단말에 대한 그룹의 정보를 업데이트 하고,
    각각의 상기 복수의 단말들에 대한 그룹은 미리 설정된 개수의 그룹들 중 하나의 그룹으로 결정되는 단계;
    각각의 상기 복수의 단말들에게 상기 결정된 그룹의 정보에 기반하여 복수의 제2 참조 신호를 전송하는 단계;
    각각의 상기 복수의 단말들로부터 상기 결정된 그룹의 정보에 기반하여 상기 복수의 제2 참조 신호와 관련된 복수의 제2 CSI(channel state information)를 수신하는 단계를 포함하는,
    방법.
  14. 제13 항에 있어서,
    상기 복수의 단말들 중 동일한 그룹으로 결정된 다수의 단말들로부터 수신된 상기 복수의 제2 CSI는 동일한 인코딩 NN(neural network) 모델에 기반하여 인코딩 되고,
    상기 동일한 그룹으로 결정된 상기 다수의 단말들로부터 수신된 상기 복수의 제2 CSI는 상기 NN 모델에 대응하는 디코딩 NN 모델에 기반하여 디코딩되고,
    상기 인코딩 NN 모델과 상기 디코딩 NN 모델은 상기 결정된 그룹의 정보에 기반하여 짝지어져(pairwise) 결정되고,
    상기 인코딩 NN 모델은 미리 결정된 복수의 파라미터 세트 중 하나로 구성되고,
    상기 결정된 그룹의 정보는 상기 미리 결정된 복수의 파라미터 세트 중 하나에 대한 클래스 정보에 대응되는,
    방법.
  15. 제14 항에 있어서,
    상기 결정된 그룹의 정보에 기반하여 상기 복수의 제2 참조 신호들의 패턴이 결정되고,
    상기 동일한 그룹으로 결정된 상기 다수의 단말들에게 상기 복수의 제2 참조 신호들 중 동일한 패턴의 다수의 제2 참조 신호들이 전송되는,
    방법.
  16. 제13 항에 있어서,
    상기 적어도 하나의 특정 이벤트는 상기 적어도 하나의 단말에서 추정된 적어도 하나의 제1 CSI에 기반하여 상기 적어도 하나의 단말의 채널 분포(channel distribution)이 설정된 정도 이상 변하는 경우에 해당하고,
    상기 적어도 하나의 제1 CSI는 전파 경로(propagation path)의 수, 각각의 전파 경로의 콤플렉스 이득(complex gain), 각각의 전파 경로의 출발 각도(angle of departure), 롱텀 채널 공분산 행렬(long-term channel covariance matrix) 중 적어도 하나를 포함하는,
    방법.
  17. 무선 통신 시스템에서 단말(user equipment, UE)에 있어서,
    송수신기; 및
    적어도 하나의 프로세서를 포함하고,
    상기 적어도 하나의 프로세서는,
    기지국(base station, BS)으로부터 하나 이상의 동기 신호(synchronization signal)를 수신하고,
    상기 기지국으로부터 시스템 정보(system information)를 수신하고,
    상기 기지국으로부터 RRC(radio resource control) 메시지를 수신하고,
    상기 기지국으로부터 제1 참조 신호를 수신하고,
    상기 기지국에게 상기 제1 참조 신호와 관련된 제1 CSI(channel state information)를 전송하고,
    상기 기지국으로부터 상기 제1 CSI에 기반하여 상기 단말에 대하여 결정된 그룹의 정보를 수신하고,
    상기 기지국으로부터 상기 결정된 그룹의 정보에 기반하여 제2 참조 신호를 수신하고,
    상기 기지국에게 상기 결정된 그룹의 정보에 기반하여 상기 제2 참조 신호와 관련된 제2 CSI를 전송하도록 구성된,
    단말.
  18. 무선 통신 시스템에서 기지국(base station, BS)에 있어서,
    송수신기; 및
    적어도 하나의 프로세서를 포함하고,
    상기 적어도 하나의 프로세서는,
    복수의 단말(user equipment, UE)들에게 하나 이상의 동기 신호(synchronization signal)를 전송하고,
    상기 복수의 단말들에게 시스템 정보(system information)를 전송하고,
    상기 복수의 단말들에게 RRC(radio resource control) 메시지를 전송하고,
    상기 복수의 단말들에게 복수의 제1 참조 신호들을 전송하고,
    상기 복수의 제1 참조 신호들은 동일한 패턴을 갖고,
    상기 복수의 단말들로부터 상기 제1 참조 신호들과 관련된 복수의 제1 CSI(channel state information)를 수신하고,
    상기 복수의 제1 CSI에 기반하여 각각의 상기 복수의 단말들에 대한 그룹을 미리 설정된 개수의 그룹들 중 하나의 그룹으로 결정하고,
    각각의 상기 복수의 단말들에게 결정된 그룹의 정보를 전송하고,
    각각의 상기 복수의 단말들에게 상기 결정된 그룹의 정보에 기반하여 제2 참조 신호들을 전송하고,
    각각의 상기 복수의 단말들로부터 상기 결정된 그룹의 정보에 기반하여 상기 복수의 제2 참조 신호들과 관련된 복수의 제2 CSI를 수신하도록 구성된,
    기지국.
  19. 하나 이상의 명령어를 저장하는 하나 이상의 비일시적인(non-transitory) 컴퓨터 판독 가능 매체에 있어서,
    상기 하나 이상의 명령어는, 하나 이상의 프로세서에 의해 실행되는 것에 기반하여, 동작들을 수행하고,
    상기 동작들은,
    기지국(base station, BS)으로부터 하나 이상의 동기 신호(synchronization signal)를 수신하는 단계;
    상기 기지국으로부터 시스템 정보(system information)를 수신하는 단계;
    상기 기지국으로부터 RRC(radio resource control) 메시지를 수신하는 단계;
    상기 기지국으로부터 제1 참조 신호를 수신하는 단계;
    상기 기지국에게 상기 제1 참조 신호와 관련된 제1 CSI(channel state information)를 전송하는 단계;
    상기 기지국으로부터 상기 제1 CSI에 기반하여 상기 단말에 대하여 결정된 그룹의 정보를 수신하는 단계;
    상기 기지국으로부터 상기 결정된 그룹의 정보에 기반하여 제2 참조 신호를 수신하는 단계;
    상기 기지국에게 상기 결정된 그룹의 정보에 기반하여 상기 제2 참조 신호와 관련된 제2 CSI를 전송하는 단계를 포함하는,
    컴퓨터 판독 가능 매체.
  20. 하나 이상의 명령어를 저장하는 하나 이상의 비일시적인(non-transitory) 컴퓨터 판독 가능 매체에 있어서,
    상기 하나 이상의 명령어는, 하나 이상의 프로세서에 의해 실행되는 것에 기반하여, 동작들을 수행하고,
    상기 동작들은,
    복수의 단말(user equipment, UE)들에게 하나 이상의 동기 신호(synchronization signal)를 전송하는 단계;
    상기 복수의 단말들에게 시스템 정보(system information)를 전송하는 단계;
    상기 복수의 단말들에게 RRC(radio resource control) 메시지를 전송하는 단계;
    상기 복수의 단말들에게 복수의 제1 참조 신호들을 전송하고, 상기 복수의 제1 참조 신호들은 동일한 패턴을 갖는 단계;
    상기 복수의 단말들로부터 상기 제1 참조 신호들과 관련된 복수의 제1 CSI(channel state information)를 수신하는 단계;
    상기 복수의 제1 CSI에 기반하여 각각의 상기 복수의 단말들에 대한 그룹을 미리 설정된 개수의 그룹들 중 하나의 그룹으로 결정하는 단계;
    각각의 상기 복수의 단말들에게 결정된 그룹의 정보를 전송하는 단계;
    각각의 상기 복수의 단말들에게 상기 결정된 그룹의 정보에 기반하여 복수의 제2 참조 신호들을 전송하는 단계;
    각각의 상기 복수의 단말들로부터 상기 결정된 그룹의 정보에 기반하여 상기 복수의 제2 참조 신호들과 관련된 복수의 제2 CSI를 수신하는 단계를 포함하는,
    컴퓨터 판독 가능 매체.
PCT/KR2022/020047 2021-12-13 2022-12-09 무선 통신 시스템에서 엔드 투 엔드 프리코딩 시스템의 사용자 그룹화를 지원하기 위한 장치 및 방법 WO2023113390A1 (ko)

Priority Applications (1)

Application Number Priority Date Filing Date Title
KR1020247015691A KR20240118066A (ko) 2021-12-13 2022-12-09 무선 통신 시스템에서 엔드 투 엔드 프리코딩 시스템의 사용자 그룹화를 지원하기 위한 장치 및 방법

Applications Claiming Priority (2)

Application Number Priority Date Filing Date Title
KR20210177850 2021-12-13
KR10-2021-0177850 2021-12-13

Publications (1)

Publication Number Publication Date
WO2023113390A1 true WO2023113390A1 (ko) 2023-06-22

Family

ID=86772897

Family Applications (1)

Application Number Title Priority Date Filing Date
PCT/KR2022/020047 WO2023113390A1 (ko) 2021-12-13 2022-12-09 무선 통신 시스템에서 엔드 투 엔드 프리코딩 시스템의 사용자 그룹화를 지원하기 위한 장치 및 방법

Country Status (2)

Country Link
KR (1) KR20240118066A (ko)
WO (1) WO2023113390A1 (ko)

Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20180309553A1 (en) * 2017-04-24 2018-10-25 Huawei Technologies Co., Ltd. System and method for ma signature assignment based on ue group separation
US20200366326A1 (en) * 2019-05-15 2020-11-19 Huawei Technologies Co., Ltd. Systems and methods for signaling for ai use by mobile stations in wireless networks
US20210158151A1 (en) * 2019-11-27 2021-05-27 Google Llc Machine-Learning Architectures for Broadcast and Multicast Communications
WO2021224863A1 (en) * 2020-05-06 2021-11-11 Telefonaktiebolaget Lm Ericsson (Publ) Port independent nzp csi-rs muting
US20210385793A1 (en) * 2020-06-09 2021-12-09 Qualcomm Incorporated Grouping user equipment based on downlink power

Patent Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20180309553A1 (en) * 2017-04-24 2018-10-25 Huawei Technologies Co., Ltd. System and method for ma signature assignment based on ue group separation
US20200366326A1 (en) * 2019-05-15 2020-11-19 Huawei Technologies Co., Ltd. Systems and methods for signaling for ai use by mobile stations in wireless networks
US20210158151A1 (en) * 2019-11-27 2021-05-27 Google Llc Machine-Learning Architectures for Broadcast and Multicast Communications
WO2021224863A1 (en) * 2020-05-06 2021-11-11 Telefonaktiebolaget Lm Ericsson (Publ) Port independent nzp csi-rs muting
US20210385793A1 (en) * 2020-06-09 2021-12-09 Qualcomm Incorporated Grouping user equipment based on downlink power

Also Published As

Publication number Publication date
KR20240118066A (ko) 2024-08-02

Similar Documents

Publication Publication Date Title
WO2020040572A1 (ko) 무선 통신 시스템에서 상향링크 전송을 수행하는 방법 및 이를 위한 장치
WO2022050432A1 (ko) 통신 시스템에서 연합 학습을 수행하기 위한 방법 및 장치
WO2021256584A1 (ko) 무선 통신 시스템에서 데이터를 송수신하는 방법 및 이를 위한 장치
WO2022050468A1 (ko) 무선 통신 시스템에서 연합학습을 수행하는 방법 및 이를 위한 장치
WO2022039295A1 (ko) 무선 통신 시스템에서 하향링크를 전처리하는 방법 및 이를 위한 장치
WO2022014735A1 (ko) 무선 통신 시스템에서 단말 및 기지국의 신호 송수신 방법 및 장치
WO2022145548A1 (ko) 연합 러닝에 대한 데이터 분할 기반 모듈레이션 방법 및 장치
WO2022065553A1 (ko) 무선 통신 시스템에서 빔 탐색을 위한 신호의 송수신 방법 및 그 장치
WO2022080530A1 (ko) 무선 통신 시스템에서 다중 안테나를 이용하여 신호를 송신 및 수신하기 위한 방법 및 장치
WO2022025315A1 (ko) 유효 스캔 레인지에서 연속 빔 스캐닝에 대한 페이즈 컨트롤 장치 및 이에 대한 방법
WO2022045399A1 (ko) 선택적 가중치 전송에 기반한 연합 학습 방법 및 그 단말
WO2022014732A1 (ko) 무선 통신 시스템에서 연합 학습을 수행하기 위한 방법 및 장치
WO2022004914A1 (ko) 무선 통신 시스템에서 단말 및 기지국의 신호 송수신 방법 및 장치
WO2022119021A1 (ko) Ai mimo에 대한 러닝 클래스 기반 시스템 적응 방법 및 장치
WO2022014728A1 (ko) 무선 통신 시스템에서 단말 및 기지국의 채널 코딩 수행 방법 및 장치
WO2022097774A1 (ko) 무선 통신 시스템에서 단말 및 기지국의 피드백 수행 방법 및 장치
WO2022059814A1 (ko) 4d 빔포밍에 대한 주파수 콤브 전력 제어 장치 및 이에 대한 방법
WO2022039302A1 (ko) 무선 통신 시스템에서 심층 신경망의 연산을 제어하는 방법 및 이를 위한 장치
WO2023113390A1 (ko) 무선 통신 시스템에서 엔드 투 엔드 프리코딩 시스템의 사용자 그룹화를 지원하기 위한 장치 및 방법
WO2022050434A1 (ko) 무선 통신 시스템에서 핸드오버를 수행하기 위한 방법 및 장치
WO2024143573A1 (ko) 무선 통신 시스템에서 누적 가능한 csi 피드백을 위한 병렬 신경망 아키텍처를 지원하기 위한 장치 및 방법
WO2024172180A1 (ko) 통신 시스템에서 배경 지식과 관련된 확률 정보를 전송하기 위한 장치 및 방법
WO2024101461A1 (ko) D-mimo 시스템에서 전송 타이밍을 조정하고 ap와 ue 간 연관을 수행하기 위한 장치 및 방법
WO2023128604A1 (ko) 양자 통신 시스템에서 비대칭 파울리 채널에 대한 오류 정정을 수행하기 위한 장치 및 방법
WO2023068714A1 (ko) 통신 시스템에서 non-iid 데이터 환경의 연합 학습 기반 aircomp를 위한 디바이스 그룹핑을 채널 정보에 기반하여 수행하기 위한 장치 및 방법

Legal Events

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

Ref document number: 22907857

Country of ref document: EP

Kind code of ref document: A1

NENP Non-entry into the national phase

Ref country code: DE