WO2024106947A1 - Mimo 통신 시스템 및 통신 방법과 이를 수행하기 위한 컴퓨팅 장치 - Google Patents
Mimo 통신 시스템 및 통신 방법과 이를 수행하기 위한 컴퓨팅 장치 Download PDFInfo
- Publication number
- WO2024106947A1 WO2024106947A1 PCT/KR2023/018372 KR2023018372W WO2024106947A1 WO 2024106947 A1 WO2024106947 A1 WO 2024106947A1 KR 2023018372 W KR2023018372 W KR 2023018372W WO 2024106947 A1 WO2024106947 A1 WO 2024106947A1
- Authority
- WO
- WIPO (PCT)
- Prior art keywords
- user terminal
- grid
- distance
- machine learning
- learning model
- Prior art date
Links
- 230000006854 communication Effects 0.000 title claims abstract description 108
- 238000004891 communication Methods 0.000 title claims abstract description 99
- 238000000034 method Methods 0.000 title claims abstract description 35
- 230000003213 activating effect Effects 0.000 claims abstract description 10
- 238000010801 machine learning Methods 0.000 claims description 49
- 230000006870 function Effects 0.000 claims description 14
- 230000008569 process Effects 0.000 claims description 11
- 230000014509 gene expression Effects 0.000 claims description 5
- 238000011160 research Methods 0.000 description 18
- 238000010586 diagram Methods 0.000 description 12
- 230000008520 organization Effects 0.000 description 10
- 239000011159 matrix material Substances 0.000 description 7
- 238000005516 engineering process Methods 0.000 description 6
- 238000012827 research and development Methods 0.000 description 6
- 238000007726 management method Methods 0.000 description 5
- 238000011156 evaluation Methods 0.000 description 4
- 238000011161 development Methods 0.000 description 3
- 230000000306 recurrent effect Effects 0.000 description 3
- 238000004458 analytical method Methods 0.000 description 2
- 238000013528 artificial neural network Methods 0.000 description 2
- 230000005540 biological transmission Effects 0.000 description 2
- 230000015572 biosynthetic process Effects 0.000 description 2
- 230000006855 networking Effects 0.000 description 2
- 229910052709 silver Inorganic materials 0.000 description 2
- 239000004332 silver Substances 0.000 description 2
- 238000012549 training Methods 0.000 description 2
- 230000004913 activation Effects 0.000 description 1
- 238000013473 artificial intelligence Methods 0.000 description 1
- 238000004364 calculation method Methods 0.000 description 1
- 238000013136 deep learning model Methods 0.000 description 1
- 238000001514 detection method Methods 0.000 description 1
- 230000009365 direct transmission Effects 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 238000003384 imaging method Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 230000010363 phase shift Effects 0.000 description 1
- 238000012545 processing Methods 0.000 description 1
Images
Classifications
-
- 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
- H04B7/0413—MIMO systems
-
- 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
- H04W—WIRELESS COMMUNICATION NETWORKS
- H04W16/00—Network planning, e.g. coverage or traffic planning tools; Network deployment, e.g. resource partitioning or cells structures
- H04W16/24—Cell structures
- H04W16/28—Cell structures using beam steering
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04W—WIRELESS COMMUNICATION NETWORKS
- H04W24/00—Supervisory, monitoring or testing arrangements
- H04W24/08—Testing, supervising or monitoring using real traffic
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04W—WIRELESS COMMUNICATION NETWORKS
- H04W52/00—Power management, e.g. TPC [Transmission Power Control], power saving or power classes
- H04W52/04—TPC
- H04W52/38—TPC being performed in particular situations
- H04W52/42—TPC being performed in particular situations in systems with time, space, frequency or polarisation diversity
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04W—WIRELESS COMMUNICATION NETWORKS
- H04W64/00—Locating users or terminals or network equipment for network management purposes, e.g. mobility management
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04W—WIRELESS COMMUNICATION NETWORKS
- H04W72/00—Local resource management
- H04W72/04—Wireless resource allocation
Definitions
- Embodiments of the present invention relate to MIMO communication technology.
- 6G wireless communication networks are expected to provide low power consumption and high-throughput data services to enable intelligent networking systems.
- Current MIMO (Multiple-Input Multiple-Output) systems can guarantee high network capacity through spatial diversity, but have limitations in controlling large-scale array antennas, making them unable to meet the needs of next-generation networks such as 6G wireless communication networks. There are things I can't do.
- Embodiments of the present invention are intended to provide a MIMO communication system and communication method that can reduce loss and increase communication performance, and a computing device for performing the same.
- a communication method is a communication method of a MIMO (Multiple-Input Multiple-Output) communication system including a base station device and a grid antenna array installed in the base station device and having a plurality of antennas arranged in a grid. , transmitting a pilot signal through the grid antenna array and receiving an echo signal corresponding to the pilot signal from the user terminal to detect the user terminal; and performing beamforming by activating one or more antennas of the grid antenna array based on sensing information obtained in the process of detecting the user terminal.
- MIMO Multiple-Input Multiple-Output
- a communication system is a MIMO (Multiple-Input Multiple-Output) communication system including a base station device and a grid antenna array installed in the base station device and having a plurality of antennas arranged in a grid, wherein the grid
- the antenna array transmits a pilot signal and receives an echo signal corresponding to the pilot signal from the user terminal to detect the user terminal, and the base station device detects the user terminal based on sensing information obtained in the process.
- beamforming is performed by activating one or more antennas of the grid antenna array.
- a computing device is a computing device having one or more processors and a memory that stores one or more programs executed by the one or more processors, and the one or more programs include a grid antenna array.
- the disclosed embodiment it is possible to improve communication performance by minimizing losses occurring in the process of sensing and communicating with a plurality of user terminals.
- the first machine learning model it is possible to efficiently perform communication with the user terminal by reconfiguring the distance to the user terminal according to the movement of the user terminal.
- the second machine learning model makes it possible to effectively allocate communication resources by predicting the power required for beamforming based on the reconstructed distance from the user terminal.
- FIG. 1 is a diagram schematically showing a MIMO (Multiple-Input Multiple-Output) communication system according to an embodiment of the present invention.
- MIMO Multiple-Input Multiple-Output
- Figure 2 is a diagram showing hybrid beamforming in a MIMO communication system according to an embodiment of the present invention.
- Figure 3 is a diagram schematically showing a machine learning model according to an embodiment of the present invention.
- Figure 4 is a diagram showing the configuration of a first machine learning model according to an embodiment of the present invention.
- Figure 5 is a diagram showing the configuration of a second machine learning model according to an embodiment of the present invention.
- Figure 6 is a flowchart showing a communication method of a MIMO communication system according to an embodiment of the present invention.
- FIG. 7 is a block diagram illustrating and illustrating a computing environment including a computing device suitable for use in example embodiments.
- transmission refers not only to the direct transmission of signals or information from one component to another component. It also includes those transmitted through other components.
- “transmitting” or “transmitting” a signal or information as a component indicates the final destination of the signal or information and does not mean the direct destination. This is the same for “receiving” signals or information.
- “related” to two or more data or information means that if one data (or information) is acquired, at least part of other data (or information) can be obtained based on it.
- first and second may be used to describe various components, but the components should not be limited by the terms. The above terms may be used for the purpose of distinguishing one component from another component.
- a first component may be referred to as a second component, and similarly, the second component may also be referred to as a first component without departing from the scope of the present invention.
- FIG. 1 is a diagram schematically showing a MIMO (Multiple-Input Multiple-Output) communication system according to an embodiment of the present invention.
- MIMO Multiple-Input Multiple-Output
- the MIMO communication system 100 may include a base station device 102 and a grid antenna array (Grid Array Antenna) 104.
- the MIMO communication system 100 may be configured to transmit and receive a three-dimensional beam (holographic beam) according to holographic principles.
- the MIMO communication system 100 may perform holographic beamforming. However, it is not limited to this and general beamforming can also be performed.
- the base station device 102 is provided to communicate with multiple user terminals.
- the base station device 102 communicates with multiple user terminals and provides communication services to each user.
- the multiple user terminals may be heterogeneous terminals, such as mobile devices, desktop computers, laptop computers, tablets, etc.
- the base station device 102 can control the grid antenna array 104 to communicate with multiple user terminals.
- Grid antenna array 104 may be installed in base station device 102. In one embodiment, grid antenna array 104 may be installed on top of base station device 102. The grid antenna array 104 may be provided with a plurality of antennas 104a arranged in a grid shape. In one embodiment, the grid antenna array 104 may have antennas 104a arranged in an 8 ⁇ 8 array (i.e., 64 antennas), but is not limited thereto.
- each antenna 104a may be arranged to effect the formation of a steerable beam (holographic beam) from metamaterial scattering elements using holographic principles.
- each antenna 104a may be an antenna controlled by software.
- Each antenna 104a may have the function of controlling the amplitude of the reference signal to generate desired beamforming to provide communication services to users.
- the grid antenna array 104 may be referred to as a holographic grid array (HGA). Additionally, one antenna 104a may be referred to as a grid.
- the grid antenna array 104 can detect the user terminal by transmitting a pilot signal to the user terminal and receiving an echo signal from the user terminal.
- the grid antenna array 104 may perform communication with the detected user terminal.
- the MIMO communication system 100 can communicate with a plurality of heterogeneous user terminals (hereinafter referred to as users) using a base station device 102 equipped with a grid antenna array 104.
- the MIMO communication system 100 can perform beam forming by activating the minimum number of antennas 104a in the grid antenna array 104.
- Each antenna 104a of the grid antenna array 104 may generate a pilot signal, transmit it to the user terminal, and receive an echo signal from the user terminal to detect the user terminal. Pilot signals and echo signals may be referred to as sensing signals.
- the antenna 104a that generates the pilot signal can continuously send a communication signal to the intended user terminal and receive an echo signal from the user terminal.
- the antenna 104a can continuously track the echo signal of the user terminal to determine the location of the user terminal.
- the MIMO communication system 100 can perform beam forming (e.g., holographic beam forming) by activating the minimum number of antennas 104a using sensing information (information acquired in the process of detecting a user terminal). . Then, the user terminal can receive the beam and decode the received signal to obtain communication information.
- beam forming e.g., holographic beam forming
- holographic beamforming can be accomplished in two steps: performing digital beamforming at the base station device 102 and performing analog beamforming at the grid antenna array 104.
- Figure 2 is a diagram showing hybrid beamforming in the MIMO communication system 100 according to an embodiment of the present invention.
- the base station device 102 may perform digital beamforming to process a data stream into a communication signal and a waveform into a sensing signal. Additionally, the grid antenna array 104 may receive a signal from the base station device 102 and perform analog beamforming to generate a holographic beam.
- the L data streams and L waveforms are input from the base station device 102
- the L data streams are processed by digital beamforming to generate a communication signal (Q c ), and the L waveforms are precoded (
- a sensing signal (Q s ) can be generated by precoding.
- the base station device 102 can transmit a communication signal (Q c ) and a sensing signal (Q s ) to the grid antenna array 104 as shown in Equation 1 below.
- the communication signal (Q c ) and the sensing signal (Q s ) can be transmitted as X number of feeds through the RF chain and converted to the RF domain.
- the communication signal (Q c ) and the sensing signal (Q s ) converted to RF may be transmitted to a waveguide by a feed and radiated as a holographic beam.
- the holographic beam can be expressed by Equation 2 below.
- the SNIR Signal to Noise Interference Ratio
- the SNIR Signal to Noise Interference Ratio
- C l,m means the channel assigned to the lth user terminal in the mth grid (antenna).
- the channel (C l,m ) can be expressed as Equation 3 below.
- a l Gain of antenna for lth user terminal
- the number of active grids according to which the desired channel is assigned to generate the necessary beam to the intended user terminal can be determined.
- the l-th user terminal may receive a holographic beam signal to which interference and noise are added from the MIMO communication system 100.
- the signal (R l ) received by the lth user terminal can be expressed as Equation 4.
- the complex Gaussian random variable ( ) is noise ( ) and the received signal of the lth user terminal may be combined. And, assuming that the signal is transmitted according to the power allocation matrix P, the total power transmitted from the base station device 102 is It can be displayed as .
- Equation 4 the second and third terms on the right side may represent noise and interference for the lth user terminal, respectively.
- the SNIR of the lth user terminal can be expressed as Equation 5 below.
- Farfield power beam pattern analysis can be considered to obtain sensing information from the user terminal.
- the phase of the far-field signal (i.e., hologram signal) in the ) direction can be expressed as Equation 7 below.
- the position vector of the lth user terminal is silver It can be expressed as At this time, d l is the distance from the grid origin of the grid antenna array 104 to the lth user terminal.
- the location of the user terminal can be determined by considering the distance between the l-th user terminal and the m-th grid. Therefore, the base station device 102 detects sensing information when the user terminal changes location and provides a service to the user terminal based on d l,m (distance vector between the mth grid and the lth user terminal) and the hologram signal. Communication resources can be allocated for
- Equation 8 The gain of the far-field signal in the direction can be expressed by Equation 8 below.
- the distance in the spherical coordinate system between two locations (that is, the distance between the location before the user terminal moves and the location after the user terminal moves) can be calculated as in Equation 9 below.
- the distance between two locations is the distance from the grid origin to the lth user terminal (d l ) and the direction ( , ) can be calculated from sensing information according to the detection of the user terminal.
- Equation 10 the first term on the right side may represent the KL distance loss, and the second term may represent the reconstruction loss.
- the distance vector and beam pattern gain are important performance parameters in holographic beam formation for providing services to user terminals. Accordingly, the performance of the MIMO communication system 100 can be improved by minimizing losses occurring in the sensing and communication process, increasing beam pattern gain, and minimizing the distance from the user terminal.
- the performance index of the MIMO communication system 100 can be expressed as Equation 11 below.
- G d Average beam pattern gain in the direction of the user terminal
- G d It can be expressed as
- Equation 12 The objective function for maximizing the performance index of the MIMO communication system 100 can be expressed as Equation 12.
- the objective function may be prepared to satisfy preset constraints.
- the objective function is to satisfy the minimum SNIR requirement to provide service to the user terminal, use power within the maximum value of the transmit power to activate the grids required for beamforming, and activate the minimum number of grids. It can be prepared to satisfy the requirements, etc.
- the base station device 102 may be equipped with a first machine learning model to detect the user terminal according to the movement of the user terminal performing communication and reconstruct the distance to the user terminal. Additionally, the base station device 102 may be equipped with a second machine learning model that predicts power for forming beamforming (power required to activate the minimum grid) based on the reconstructed distance from the user terminal.
- Figure 3 is a diagram schematically showing a machine learning model according to an embodiment of the present invention.
- the first machine learning model 110 is an input variable ( ,( ))
- the reconstructed distance based on ( ) can be prepared to predict.
- the second machine learning model 120 is an input variable (P, ,( )) can be arranged to predict the power (P * ) based on
- Figure 4 is a diagram showing the configuration of a first machine learning model according to an embodiment of the present invention.
- the first machine learning model may be composed of a Variational Auto Encoder (VAE), but is not limited thereto.
- VAE Variational Auto Encoder
- the encoder 121 inputs an input variable (e.g. ) can be input to calculate the mean ( ⁇ ) and variance ( ⁇ ) of the data distribution, multiply the variance ( ⁇ ) by random noise ( ⁇ ), and add it to the mean ( ⁇ ) to calculate the latent variable (z). .
- the decoder 123 receives the latent variable (z) and reconstructs the distance ( ) can be predicted.
- the latent variable (z) is a prior distribution can be sampled as a low-dimensional distribution.
- the reconstructed distance is the posterior distribution It can be obtained from.
- the first machine learning model 120 can maximize log-likelihood, which can be defined by Equation 14 below.
- Equation 15 the objective function of the first machine learning model 120 can be expressed as Equation 15 below.
- Equation 15 if we maximize the right side, we get can be maximized.
- the total loss of the first machine learning model 110 can be calculated as the sum of the KL distance loss and reconstruction loss, which can be mapped to the loss occurring in the sensing and communication process of the MIMO communication system 100. Accordingly, the loss occurring in the sensing and communication process of Equation 10 may be changed as shown in Equation 16 below.
- Algorithm 1 shows the operation procedure of the first machine learning model 110.
- the first machine learning model 110 learns a distance vector with a latent space representation z based on the location of the user terminal and allows to reconstruct the distance to the user terminal from the grid antenna array 104 (1 to 1 of Algorithm 1) line 7).
- the first machine learning model 110 calculates the minimized loss of the MIMO communication system 100 (lines 8 to 9 of Algorithm 1) and updates parameters using gradient descent during the sensing and communication process (algorithm 1, lines 11 to 13), in the sensing and communication process, the distance vector (d l ), direction ( )), and the reconstructed distance of the user terminal can be returned based on the reconstruction vector (F(z)) (line 15 of Algorithm 1).
- the second machine learning model 120 can predict and allocate the power required to activate the minimum number of grids (i.e., antennas) based on the reconstruction distance predicted through the first machine learning model 110.
- the second machine learning model 120 may be configured as a Gated Recurrent Unit (GRU).
- GRU Gated Recurrent Unit
- Figure 5 is a diagram showing the configuration of a second machine learning model 120 according to an embodiment of the present invention.
- a Gated Recurrent Unit (GRU) may be composed of a neural network and a memory block with an input, a reset gate (r t ), and an update gate (z t ).
- the reset gate (r t ) can determine how much previous state information the neural network wants to remember for processing.
- the update gate (z t ) can control which copy of the previous state we want the new state to take into account.
- the outputs of the reset gate (r t ) and the update gate (z t ) may be provided by a fully connected layer with a sigmoid activation function with values between 0 and 1.
- the Gated Recurrent Unit (GRU) can be maintained as shown in Equation 18 below to update the hidden state (h t ).
- the second machine learning model 120 may have a loss function such as Mean Absolute Error (MAE) as shown in Equation 19 to predict the power required for beamforming.
- MAE Mean Absolute Error
- Algorithm 2 shows the operation procedure of the second machine learning model 120.
- the second machine learning model 120 stores the parameters learned through mean absolute error (MAE) calculation (lines 5-6 of Algorithm 2), and the power predicted through the second machine learning model 120 (P * ) can be evaluated and the respective coordinate values for beamforming on the (X, Y, Z) surface can be calculated (lines 8 to 10 of Algorithm 2).
- MAE mean absolute error
- the disclosed embodiment it is possible to improve communication performance by minimizing losses occurring in the process of sensing and communicating with a plurality of user terminals.
- the first machine learning model it is possible to efficiently perform communication with the user terminal by reconfiguring the distance to the user terminal according to the movement of the user terminal.
- the second machine learning model makes it possible to effectively allocate communication resources by predicting the power required for beamforming based on the reconstructed distance from the user terminal.
- Figure 6 is a flowchart showing a communication method of a MIMO communication system according to an embodiment of the present invention.
- the method is divided into a plurality of steps, but at least some of the steps are performed in a different order, combined with other steps, omitted, divided into detailed steps, or not shown.
- One or more steps may be added and performed.
- the MIMO communication system 100 can detect a user terminal by transmitting a pilot signal through the grid antenna array 102 and receiving an echo signal corresponding to the pilot signal from the user terminal (S 101 ).
- the MIMO communication system 100 may perform beamforming by activating one or more antennas of the grid antenna array 102 based on sensing information obtained in the process of detecting a user terminal (S 103).
- FIG. 7 is a block diagram illustrating and illustrating a computing environment 10 including computing devices suitable for use in example embodiments.
- each component may have different functions and capabilities in addition to those described below, and may include additional components in addition to those described below.
- the illustrated computing environment 10 includes a computing device 12 .
- computing device 12 may be a MIMO communication system 100. Additionally, computing device 12 may be a base station device 104.
- Computing device 12 includes at least one processor 14, a computer-readable storage medium 16, and a communication bus 18.
- Processor 14 may cause computing device 12 to operate in accordance with the example embodiments noted above.
- processor 14 may execute one or more programs stored on computer-readable storage medium 16.
- the one or more programs may include one or more computer-executable instructions, which, when executed by the processor 14, cause computing device 12 to perform operations according to example embodiments. It can be.
- Computer-readable storage medium 16 is configured to store computer-executable instructions or program code, program data, and/or other suitable form of information.
- the program 20 stored in the computer-readable storage medium 16 includes a set of instructions executable by the processor 14.
- computer-readable storage medium 16 includes memory (volatile memory, such as random access memory, non-volatile memory, or an appropriate combination thereof), one or more magnetic disk storage devices, optical disk storage devices, flash It may be memory devices, another form of storage medium that can be accessed by computing device 12 and store desired information, or a suitable combination thereof.
- Communication bus 18 interconnects various other components of computing device 12, including processor 14 and computer-readable storage medium 16.
- Computing device 12 may also include one or more input/output interfaces 22 and one or more network communication interfaces 26 that provide an interface for one or more input/output devices 24.
- the input/output interface 22 and the network communication interface 26 are connected to the communication bus 18.
- Input/output device 24 may be coupled to other components of computing device 12 through input/output interface 22.
- Exemplary input/output devices 24 include, but are not limited to, a pointing device (such as a mouse or trackpad), a keyboard, a touch input device (such as a touchpad or touch screen), a voice or sound input device, various types of sensor devices, and/or imaging devices. It may include input devices and/or output devices such as display devices, printers, speakers, and/or network cards.
- the exemplary input/output device 24 may be included within the computing device 12 as a component constituting the computing device 12, or may be connected to the computing device 12 as a separate device distinct from the computing device 12. It may be possible.
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)
- Computing Systems (AREA)
- Computational Linguistics (AREA)
- Data Mining & Analysis (AREA)
- Evolutionary Computation (AREA)
- Biomedical Technology (AREA)
- Molecular Biology (AREA)
- Biophysics (AREA)
- General Engineering & Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Mathematical Physics (AREA)
- Software Systems (AREA)
- Artificial Intelligence (AREA)
- Life Sciences & Earth Sciences (AREA)
- Health & Medical Sciences (AREA)
- Mobile Radio Communication Systems (AREA)
Abstract
MIMO 통신 시스템 및 통신 방법과 이를 수행하기 위한 컴퓨팅 장치가 개시된다. 개시되는 일 실시예에 따른 통신 방법은, 기지국 장치 및 상기 기지국 장치에 설치되고 복수 개의 안테나가 그리드 형태로 배열된 그리드 안테나 어레이를 포함하는 MIMO(Multiple-Input Multiple-Output) 통신 시스템의 통신 방법으로서, 그리드 안테나 어레이를 통해 파일럿 신호를 송신하고, 사용자 단말로부터 상기 파일럿 신호에 대응하는 에코 신호를 수신하여 상기 사용자 단말을 감지하는 단계 및 사용자 단말을 감지하는 과정에서 획득된 센싱 정보에 기초하여 그리드 안테나 어레이 중 하나 이상의 안테나를 활성화시켜 빔포밍을 수행하는 단계를 포함한다.
Description
본 발명의 실시예는 MIMO 통신 기술과 관련된다.
- 이 발명을 지원한 국가연구개발사업(1)
- 과제고유번호 : 1711194179
- 과제번호 : 00207816
- 부처명 : 과학기술정보통신부
- 과제관리(전문)기관명 : 한국연구재단
- 연구사업명 : 집단연구지원
- 연구과제명 : Meta Federated Learning 기반 Satellite-Air-Ground 통합 네트워킹 시스템 핵심 구조 개발
- 기여율 : 1/5
- 과제수행기관명 : 경희대학교 산학협력단
- 연구기간 : 2023-03-01 ~ 2024-02-29
- 이 발명을 지원한 국가연구개발사업(2)
- 과제고유번호 : 1711193491
- 과제번호 : 2019-0-01287-005
- 부처명 : 과학기술정보통신부
- 과제관리(전문)기관명 : 정보통신기획평가원
- 연구사업명 : SW컴퓨팅산업원천기술개발
- 연구과제명 : (SW 스타랩)분산 엣지를 위한 진화형 딥러닝 모델생성 플랫폼
- 기여율 : 1/5
- 과제수행기관명 : 경희대학교 산학협력단
- 연구기간 : 2023-01-01 ~ 2023-12-31
- 이 발명을 지원한 국가연구개발사업(3)
- 과제고유번호 : 1711193622
- 과제번호 : 2021-0-02068-003
- 부처명 : 과학기술정보통신부
- 과제관리(전문)기관명 : 정보통신기획평가원
- 연구사업명 : 정보통신방송혁신인재양성
- 연구과제명 : 인공지능 혁신 허브 연구 개발
- 기여율 : 1/5
- 과제수행기관명 : 고려대학교산학협력단
- 연구기간 : 2023-01-01 ~ 2023-12-31
- 이 발명을 지원한 국가연구개발사업(4)
- 과제고유번호 : 1415186550
- 과제번호 : 20209810400030
- 부처명 : 산업통상자원부
- 과제관리(전문)기관명 : 한국에너지기술평가원
- 연구사업명 : 에너지신기술표준화및인증지원사업
- 연구과제명 : 전기차 PnC 기반 충전서비스, 보안 인증체계 구축
- 기여율 : 1/5
- 과제수행기관명 : 한국전기연구원
- 연구기간 : 2023.01.01 ~ 2023.04.30
- 이 발명을 지원한 국가연구개발사업(5)
- 과제고유번호 : 1711198845
- 과제번호 : 00258649
- 부처명 : 과학기술정보통신부
- 과제관리(전문)기관명 : 정보통신기획평가원
- 연구사업명 : 정보통신방송혁신인재양성
- 연구과제명 : 거대 AI 서비스 지원 클라우드 컨티뉴엄 핵심 기술개발
- 기여율 : 1/5
- 과제수행기관명 : 경희대학교 산학협력단
- 연구기간 : 2023.07.01 ~ 2023.12.31
6G 무선 통신 네트워크는 지능형 네트워킹 시스템을 가능하게 하기 위해, 낮은 전력 소비 및 대용량 처리 데이터 서비스를 제공할 것으로 예상된다. 현재의 MIMO(Multiple-Input Multiple-Output) 시스템은 공간 다이버시티를 통해 높은 네트워크 용량을 보장할 수 있으나, 대규모의 어레이 안테나를 제어하는데 한계가 있어 6G 무선 통신 네트워크와 같은 차세대 네트워크의 요구를 충족시키지 못하는 면이 있다.
본 발명의 실시예는 손실을 줄이고 통신 성능을 높일 수 있는 MIMO 통신 시스템 및 통신 방법과 이를 수행하기 위한 컴퓨팅 장치를 제공하기 위한 것이다.
개시되는 일 실시예에 따른 통신 방법은, 기지국 장치 및 상기 기지국 장치에 설치되고 복수 개의 안테나가 그리드 형태로 배열된 그리드 안테나 어레이를 포함하는 MIMO(Multiple-Input Multiple-Output) 통신 시스템의 통신 방법으로서, 상기 그리드 안테나 어레이를 통해 파일럿 신호를 송신하고, 사용자 단말로부터 상기 파일럿 신호에 대응하는 에코 신호를 수신하여 상기 사용자 단말을 감지하는 단계; 및 상기 사용자 단말을 감지하는 과정에서 획득된 센싱 정보에 기초하여 상기 그리드 안테나 어레이 중 하나 이상의 안테나를 활성화시켜 빔포밍을 수행하는 단계를 포함한다.
개시되는 일 실시예에 따른 통신 시스템은, 기지국 장치 및 상기 기지국 장치에 설치되고 복수 개의 안테나가 그리드 형태로 배열된 그리드 안테나 어레이를 포함하는 MIMO(Multiple-Input Multiple-Output) 통신 시스템으로서, 상기 그리드 안테나 어레이는, 파일럿 신호를 송신하고, 사용자 단말로부터 상기 파일럿 신호에 대응하는 에코 신호를 수신하여 상기 사용자 단말을 감지하고, 상기 기지국 장치는, 상기 사용자 단말을 감지하는 과정에서 획득된 센싱 정보에 기초하여 상기 그리드 안테나 어레이 중 하나 이상의 안테나를 활성화시켜 빔포밍을 수행한다.
개시되는 일 실시예에 따른 컴퓨팅 장치는, 하나 이상의 프로세서들, 및 상기 하나 이상의 프로세서들에 의해 실행되는 하나 이상의 프로그램들을 저장하는 메모리를 구비한 컴퓨팅 장치이고, 상기 하나 이상의 프로그램들은, 그리드 안테나 어레이를 통해 파일럿 신호를 송신하고, 사용자 단말로부터 상기 파일럿 신호에 대응하는 에코 신호를 수신하여 상기 사용자 단말을 감지하기 위한 명령; 및 상기 사용자 단말을 감지하는 과정에서 획득된 센싱 정보에 기초하여 상기 그리드 안테나 어레이 중 하나 이상의 안테나를 활성화시켜 빔포밍을 수행하기 위한 명령을 포함한다.
개시되는 실시예에 의하면, 복수 개의 사용자 단말과 센싱 및 통신하는 과정에서 발생하는 손실을 최소화하여 통신 성능을 향상시킬 수 있게 된다. 또한, 제1 기계 학습 모델을 통해 사용자 단말의 이동에 따른 사용자 단말과의 거리를 재구성하여 사용자 단말과의 통신을 효율적으로 수행할 수 있게 된다. 또한, 제2 기계 학습 모델을 통해 사용자 단말과의 재구성된 거리에 기초하여 빔포밍 시 필요한 전력을 예측함에 따라 통신 자원을 효과적으로 할당할 수 있게 된다.
도 1은 본 발명의 일 실시예에 따른 MIMO(Multiple-Input Multiple-Output) 통신 시스템을 개략적으로 나타낸 도면
도 2는 본 발명의 일 실시예에 따른 MIMO 통신 시스템에서 하이브리드 빔포밍을 나타낸 도면
도 3은 본 발명의 일 실시예에 따른 기계 학습 모델을 개략적으로 나타낸 도면
도 4는 본 발명의 일 실시예에 따른 제1 기계 학습 모델의 구성을 나타낸 도면
도 5는 본 발명의 일 실시예에 따른 제2 기계 학습 모델의 구성을 나타낸 도면
도 6은 본 발명의 일 실시예에 따른 MIMO 통신 시스템의 통신 방법을 나타낸 흐름도
도 7은 예시적인 실시예들에서 사용되기에 적합한 컴퓨팅 장치를 포함하는 컴퓨팅 환경을 예시하여 설명하기 위한 블록도
이하, 도면을 참조하여 본 발명의 구체적인 실시형태를 설명하기로 한다. 이하의 상세한 설명은 본 명세서에서 기술된 방법, 장치 및/또는 시스템에 대한 포괄적인 이해를 돕기 위해 제공된다. 그러나 이는 예시에 불과하며 본 발명은 이에 제한되지 않는다.
본 발명의 실시예들을 설명함에 있어서, 본 발명과 관련된 공지기술에 대한 구체적인 설명이 본 발명의 요지를 불필요하게 흐릴 수 있다고 판단되는 경우에는 그 상세한 설명을 생략하기로 한다. 그리고, 후술되는 용어들은 본 발명에서의 기능을 고려하여 정의된 용어들로서 이는 사용자, 운용자의 의도 또는 관례 등에 따라 달라질 수 있다. 그러므로 그 정의는 본 명세서 전반에 걸친 내용을 토대로 내려져야 할 것이다. 상세한 설명에서 사용되는 용어는 단지 본 발명의 실시예들을 기술하기 위한 것이며, 결코 제한적이어서는 안 된다. 명확하게 달리 사용되지 않는 한, 단수 형태의 표현은 복수 형태의 의미를 포함한다. 본 설명에서, "포함" 또는 "구비"와 같은 표현은 어떤 특성들, 숫자들, 단계들, 동작들, 요소들, 이들의 일부 또는 조합을 가리키기 위한 것이며, 기술된 것 이외에 하나 또는 그 이상의 다른 특성, 숫자, 단계, 동작, 요소, 이들의 일부 또는 조합의 존재 또는 가능성을 배제하도록 해석되어서는 안 된다.
이하의 설명에 있어서, 신호 또는 정보의 "전송", "통신", "송신", "수신" 기타 이와 유사한 의미의 용어는 일 구성요소에서 다른 구성요소로 신호 또는 정보가 직접 전달되는 것뿐만이 아니라 다른 구성요소를 거쳐 전달되는 것도 포함한다. 특히 신호 또는 정보를 일 구성요소로 "전송" 또는 "송신"한다는 것은 그 신호 또는 정보의 최종 목적지를 지시하는 것이고 직접적인 목적지를 의미하는 것이 아니다. 이는 신호 또는 정보의 "수신"에 있어서도 동일하다. 또한 본 명세서에 있어서, 2 이상의 데이터 또는 정보가 "관련"된다는 것은 하나의 데이터(또는 정보)를 획득하면, 그에 기초하여 다른 데이터(또는 정보)의 적어도 일부를 획득할 수 있음을 의미한다.
또한, 제1, 제2 등의 용어는 다양한 구성 요소들을 설명하는데 사용될 수 있지만, 상기 구성 요소들은 상기 용어들에 의해 한정되어서는 안 된다. 상기 용어들은 하나의 구성 요소를 다른 구성 요소로부터 구별하는 목적으로 사용될 수 있다. 예를 들어, 본 발명의 권리 범위를 벗어나지 않으면서 제1 구성 요소는 제2 구성 요소로 명명될 수 있고, 유사하게 제2 구성 요소도 제1 구성 요소로 명명될 수 있다.
도 1은 본 발명의 일 실시예에 따른 MIMO(Multiple-Input Multiple-Output) 통신 시스템을 개략적으로 나타낸 도면이다.
도 1을 참조하면, MIMO 통신 시스템(100)은 기지국 장치(102) 및 그리드 안테나 어레이(Grid Array Antenna)(104)를 포함할 수 있다. MIMO 통신 시스템(100)은 홀로그램 원리에 따라 3차원 빔(홀로그래픽 빔)을 송수신하도록 마련될 수 있다. 이때, MIMO 통신 시스템(100)은 홀로그래픽 빔포밍을 수행할 수 있다. 그러나, 이에 한정되는 것은 아니며 일반적인 빔포밍을 수행할 수도 있다.
기지국 장치(102)는 다수의 사용자 단말과 통신을 수행하도록 마련된다. 기지국 장치(102)는 다수의 사용자 단말과 통신을 수행하여 각 사용자들에게 통신 서비스를 제공하게 된다. 다수의 사용자 단말은 예를 들어, 모바일 장치, 데스크탑 컴퓨터, 랩탑 컴퓨터, 태블릿 등과 같이 이기종 단말들 일 수 있다. 기지국 장치(102)는 그리드 안테나 어레이(104)를 제어하여 다수의 사용자 단말과 통신을 수행할 수 있다.
그리드 안테나 어레이(104)는 기지국 장치(102)에 설치될 수 있다. 일 실시예에서, 그리드 안테나 어레이(104)는 기지국 장치(102)의 상단에 설치될 수 있다. 그리드 안테나 어레이(104)는 복수 개의 안테나(104a)가 그리드 형태로 배열되어 마련될 수 있다. 일 실시예에서, 그리드 안테나 어레이(104)는 안테나(104a)가 8×8(즉, 64개의 안테나)로 배열될 수 있으나, 이에 한정되는 것은 아니다.
일 실시예에서, 각 안테나(104a)는 홀로그래픽 원리를 이용해서 메타 물질 산란 요소로부터 조정 가능한 빔(홀로그래픽 빔)의 형성을 일으키도록 마련될 수 있다. 이를 위해, 각 안테나(104a)는 소프트웨어에 의해 제어되는 안테나일 수 있다. 각 안테나(104a)는 사용자에게 통신 서비스를 제공하기 위해 원하는 빔 포밍을 생성하도록 기준 신호의 진폭을 제어하는 기능을 가질 수 있다. 개시되는 실시예에서, 그리드 안테나 어레이(104)는 홀로그래픽 그리드 어레이(Holographic Grid Array: HGA)로 지칭될 수 있다. 또한, 하나의 안테나(104a)는 그리드로서 지칭될 수 있다.
그리드 안테나 어레이(104)는 사용자 단말로 파일럿 신호(Pilot Signal)을 송신하고, 사용자 단말로부터 에코 신호(Echo Signal)을 수신하여 사용자 단말을 감지할 수 있다. 그리드 안테나 어레이(104)는 감지된 사용자 단말과 통신을 수행할 수 있다.
MIMO 통신 시스템(100)은 그리드 안테나 어레이(104)를 구비한 기지국 장치(102)를 이용하여 이기종의 복수 개의 사용자 단말(이하, 사용자라고 지칭할 수 있음)과 통신을 수행할 수 있다. MIMO 통신 시스템(100)은 그리드 안테나 어레이(104)에서 최소한의 안테나(104a)를 활성화 하여 빔 포밍을 수행할 수 있다. 그리드 안테나 어레이(104)의 각 안테나(104a)는 파일럿 신호를 생성하여 사용자 단말로 송신하고 사용자 단말로부터 에코 신호를 수신하여 사용자 단말을 감지하는 역할을 수행할 수 있다. 파일럿 신호 및 에코 신호는 센싱 신호로 지칭될 수 있다.
이때, 파일럿 신호를 생성하는 안테나(104a)는 의도된 사용자 단말로 지속적으로 통신 신호를 보내고 해당 사용자 단말로부터 에코 신호를 수신할 수 있다. 상기 안테나(104a)는 사용자 단말의 위치를 파악하기 위해 사용자 단말의 에코 신호를 지속적으로 추적할 수 있다.
MIMO 통신 시스템(100)은 센싱 정보(사용자 단말을 감지하는 과정에서 획득된 정보)를 이용하여 최소 개수의 안테나(104a)를 활성화시켜 빔 포밍(예를 들어, 홀로그램 빔 포밍)을 수행할 수 있다. 그러면, 해당 사용자 단말은 빔을 수신하고 수신된 신호를 디코딩하여 통신 정보를 획득할 수 있다.
하이브리드 빔포밍(Hybrid Beamforming)
MIMO 통신 시스템(100)에서 홀로그래픽 빔포밍은 기지국 장치(102)에서 디지털 빔포밍을 수행하고, 그리드 안테나 어레이(104)에서 아날로그 빔포밍을 수행하는 두 단계로 이루어질 수 있다. 도 2는 본 발명의 일 실시예에 따른 MIMO 통신 시스템(100)에서 하이브리드 빔포밍을 나타낸 도면이다.
도 2를 참조하면, 기지국 장치(102)는 데이터 스트림을 통신 신호로 처리하고 파형(waveform)을 센싱 신호로 처리하기 위해 디지털 빔포밍을 수행할 수 있다. 또한, 그리드 안테나 어레이(104)는 기지국 장치(102)로부터 신호를 수신하고 아날로그 빔포밍을 수행하여 홀로그래픽 빔을 생성할 수 있다.
구체적으로, 기지국 장치(102)에서 L개의 데이터 스트림과 L개의 파형이 입력되면, 디지털 빔포밍에 의해 L개의 데이터 스트림을 처리하여 통신 신호(Qc)를 생성하고, L개의 파형을 프리코딩(precoding) 하여 센싱 신호(Qs)를 생성할 수 있다. 기지국 장치(102)는 통신 신호(Qc) 및 센싱 신호(Qs)를 다음의 수학식 1과 같이 그리드 안테나 어레이(104)로 전달할 수 있다.
(수학식 1)
α : L명의 사용자 그룹(사용자 단말의 그룹)을 나타내는 행렬
β : L명의 사용자로부터 감지된 파형으로서 정보를 나타내는 행렬
통신 신호(Qc) 및 센싱 신호(Qs)는 RF 체인을 통해 X 개수의 피드(Feed)로 전달되고, RF 도메인으로 변환될 수 있다. RF로 변환된 통신 신호(Qc) 및 센싱 신호(Qs)는 피드에 의해 도파관(waveguide)으로 전달되고 홀로그래픽 빔으로 방사될 수 있다. 여기서, 홀로그래픽 빔은 하기 수학식 2로 나타낼 수 있다.
(수학식 2)
통신 모델(Communication Model)
MIMO 통신 시스템(100)에서 통신 작업(사용자 단말과 통신을 수행하는 작업)의 평가를 위한 성능 지표로는 사용자 단말의 SNIR(Signal to Noise Interference Ratio: 신호 대 잡음 간섭비)를 고려할 수 있다.
MIMO 통신 시스템(100)에서 채널 세트를 
라고 하면, Cl,m은 m번째 그리드(안테나)에서 l번째 사용자 단말에 할당된 채널을 의미한다. 그리고 채널(Cl,m)은 하기 수학식 3으로 나타낼 수 있다.
(수학식 3)
Al : l번째 사용자 단말을 위한 안테나의 이득
W : 안테나의 사이즈
e : 신호의 자유 공간 전파 벡터(propagation vector)
dl : 안테나와 l번째 사용자 단말 간의 거리
dl,m : m번째 그리드와 l번째 사용자 단말 간의 거리 벡터
채널(Cl,m)에 의하면, 의도된 사용자 단말로 필요한 빔을 생성하기 위해 원하는 채널을 할당하는데 따른 활성 그리드의 수를 결정할 수 있다. 그리고, l번째 사용자 단말은 MIMO 통신 시스템(100)으로부터 간섭과 잡음이 더해진 홀로그래픽 빔 신호를 수신할 수 있다. l번째 사용자 단말이 수신하는 신호(Rl)는 수학식 4와 같이 나타낼 수 있다.
(수학식 4)
qc,l : 통신 신호(Qc)의 l번째 칼럼(column)
P : 전력 할당 행렬(
)
여기서, 복소 가우시안 랜덤 변수(
)는 노이즈(
)와 l번째 사용자 단말의 수신 신호를 결합한 것일 수 있다. 그리고, 신호가 전력 할당 행렬 P에 따라 전송된다고 가정하면 기지국 장치(102)에서 전송되는 총 전력은 
로 표시될 수 있다.
또한, 수학식 4에서 오른쪽 변의 두 번째와 세 번째 항은 각각 l번째 사용자 단말에 대한 노이즈 및 간섭을 나타낼 수 있다. 그 결과, 수학식 4의 l번째 사용자 단말의 수신 신호(Rl)로부터 l번째 사용자 단말의 SNIR을 다음의 수학식 5와 같이 나타낼 수 있다.
(수학식 5)
여기서, Qcs = (Qc, Qs)라고 정의하면, ql은 Qcs의 l번째 칼럼(column)으로 간주될 수 있다. 또한, 
및 
은 l번째 사용자 단말의 SNIR을 재구성하기 위한 공분산 행렬로 간주될 수 있다. 따라서, l번째 사용자 단말에 대한 SNIR은 하기 수학식 6과 같이 재구성할 수 있다.
(수학식 6)
센싱 모델(Sensing Model)
사용자 단말로부터 센싱 정보를 얻기 위해 파필드(farfield) 전력 빔 패턴 분석을 고려할 수 있다. 여기서, 
가 천정각이고, 
가 방위각이라고 할 때 (
,
) 방향의 파필드 신호(즉, 홀로그램 신호)의 위상은 다음의 수학식 7과 같이 나타낼 수 있다.
(수학식 7)
g : m번째 그리드의 위치 벡터
여기서, 
로 표현될 수 있다. 또한, l번째 사용자 단말의 위치 벡터인 
은 
으로 나타낼 수 있다. 이때, dl은 그리드 안테나 어레이(104)의 그리드 원점으로부터 l번째 사용자 단말까지의 거리이다.
결과적으로, 파필드 신호 분석에 의하면, l번째 사용자 단말과 m번째 그리드 사이의 거리를 고려하여 사용자 단말의 위치를 결정할 수 있다. 따라서, 기지국 장치(102)는 사용자 단말이 위치를 변경할 때 센싱 정보를 감지하여 dl,m(m번째 그리드와 l번째 사용자 단말 간의 거리 벡터)와 홀로그램 신호를 기초로 사용자 단말에게 서비스를 제공하기 위한 통신 자원을 할당할 수 있다.
여기서, (
,
) 방향의 파필드 신호의 이득은 하기 수학식 8로 나타낼 수 있다.
(수학식 8)
l번째 사용자 단말이 
에서 
방향으로 이동하여 사용자 단말의 위치 벡터가 
가 되었다고 하면, 두 위치 사이의 구형 좌표계에서의 거리(즉, 사용자 단말이 이동하기 전의 위치와 이동한 후 위치 간의 거리)는 다음의 수학식 9와 같이 산출할 수 있다.
(수학식 9)
이렇게, 두 위치 사이의 거리는 그리드 원점으로부터 l번째 사용자 단말까지의 거리(dl)와 방향(
,
)을 고려하여 사용자 단말의 감지에 따른 센싱 정보로부터 산출할 수 있다.
한편, 그리드 안테나 어레이(104)와 사용자 단말 간의 센싱 및 통신 과정에서는 손실이 발생하게 된다. 이러한 손실은 하기 수학식 10으로 나타낼 수 있다.
(수학식 10)
z : 다변량 잠재 변수(multivariate latent varialble)의 벡터
수학식 10에서 오른쪽 변의 첫 번째 항은 KL 거리 손실을 나타내고, 두 번째 항은 재구성 손실(reconstruction loss)을 나타낼 수 있다.
여기서, 거리 벡터와 빔 패턴 이득은 사용자 단말에 서비스 제공을 위한 홀로그래픽 빔 형성에 중요한 성능 파라미터가 된다. 따라서, 센싱 및 통신 과정에서 발생하는 손실을 최소화 하고, 빔 패턴 이득을 높이며, 사용자 단말과의 거리를 최소화함으로써, MIMO 통신 시스템(100)의 성능을 향상시킬 수 있다.
MIMO 통신 시스템(100)의 성능 지수는 하기 수학식 11로 나타낼 수 있다.
(수학식 11)
Gd : 사용자 단말의 방향에서의 평균 빔 패턴 이득
D : 그리드 안테나 어레이와 사용자 단말 사이의 거리 벡터
I : 센싱 및 통신 과정에서 발생하는 손실
여기서, Gd는 
으로 나타낼 수 있다.
MIMO 통신 시스템(100)의 성능 지수를 최대화하기 위한 목적 함수는 수학식 12와 같이 나타낼 수 있다.
(수학식 12)
P : 빔포밍을 위해 필요한 그리드 수를 활성화 하기 위한 최소 전력
(
): 천정각 및 방위각
F(z) : 사용자 단말의 이동에 따른 재구성 벡터
상기 목적 함수는 기 설정된 제약 조건을 만족하도록 마련될 수 있다. 예를 들어, 목적 함수는 사용자 단말에 서비스를 제공하기 위한 최소 SNIR 요구 사항을 만족하고, 빔포밍에 필요한 그리드를 활성화하기 위한 전송 전력의 최대값 이내에서 전력을 사용하며, 최소 수의 그리드를 활성화하기 위한 요구 사항 등을 만족하도록 마련될 수 있다.
한편, 기지국 장치(102)는 통신을 수행하는 사용자 단말의 이동에 따라 사용자 단말을 감지하여 사용자 단말과의 거리를 재구성하기 위해 제1 기계 학습 모델을 구비할 수 있다. 또한, 기지국 장치(102)는 사용자 단말과의 재구성된 거리에 기초하여 빔 포밍을 형성하기 위한 전력(최소 그리드를 활성화하는데 필요한 전력)을 예측하는 제2 기계 학습 모델을 구비할 수 있다.
도 3은 본 발명의 일 실시예에 따른 기계 학습 모델을 개략적으로 나타낸 도면이다. 도 3을 참조하면, 제1 기계 학습 모델(110)은 입력 변수(
,(
))에 기초하여 재구성된 거리(
)를 예측하도록 마련될 수 있다. 또한, 제2 기계 학습 모델(120)은 입력 변수(P,
,(
))에 기초하여 전력(P*)을 예측하도록 마련될 수 있다.
도 4는 본 발명의 일 실시예에 따른 제1 기계 학습 모델의 구성을 나타낸 도면이다. 일 실시예에서, 제1 기계 학습 모델은 VAE(Variational Auto Encoder)로 구성될 수 있으나, 이에 한정되는 것은 아니다.
도 4를 참조하면, 인코더(121)는 입력 변수(예를 들어, 
)를 입력 받아 데이터 분포의 평균(μ) 및 분산(σ)을 산출하고, 분산(σ)에 랜덤한 노이즈(υ)를 곱한 후 평균(μ)과 더하여 잠재 변수(z)를 산출할 수 있다. 디코더(123)는 잠재 변수(z)를 입력 받아 재구성된 거리(
)를 예측할 수 있다. 여기서, 잠재 변수(z)는 사전 분포 
에서 저차원 분포로 샘플링 될 수 있다. 재구성된 거리는 사후 분포 
로부터 획득될 수 있다.
제1 기계 학습 모델(120)에서 입력 변수로부터 잠재 변수를 추출하고, 추출한 잠재 변수로부터 재구성된 거리를 예측하는 것은 다음의 수학식 13으로 나타낼 수 있다.
(수학식 13)
⊙ : 요소 별 곱셈(element-wise mulitiplication)
δ : 기 설정된 마스크
제1 기계 학습 모델(120)은 다음 수학식 14로 정의할 수 있는 로그 우도(log-likelihood)를 최대화 할 수 있다.
(수학식 14)
여기서, 수학식 14를 최적화하기가 어렵기 때문에 변분 추론(variatonal interference)를 이용하여 대략적인 사후 조건 분포(posterior conditional distribution)를 
으로 간주하고, 
를 우도 조건 분포(likelihood conditional distribution)로 간주하여 제1 기계 학습 모델(120)을 수학식 15와 같은 하한을 구하는 것으로 최적화 할 수 있다. 즉, 제1 기계 학습 모델(120)의 목적 함수는 하기 수학식 15로 나타낼 수 있다.
(수학식 15)
z : 잠재 변수
E[]: 괄호 [] 내부 데이터의 평균 값을 구하는 함수
수학식 15에서, 우변을 최대화 하면 
을 최대화 할 수 있게 된다.
여기서, 잠재 변수(z)를 z = μ+ψυ로 재매개변수화 하고 가우시안 분포를 따른다고 가정하면, 수학식 15에서 KL 거리 손실 
은 
으로 다시 쓸 수 있게 된다. ψ는 입력 변수의 표준 편차(즉 인코더에서 출력하는 표준 편차)를 나타낼 수 있다. 노이즈 υ= N(0, 1)로 나타낼 수 있다. 즉, 노이즈는 0에서 1 사이의 랜덤한 값일 수 있다.
따라서, 제1 기계 학습 모델(110)의 전체 손실은 KL 거리 손실과 재구성 손실의 합으로 계산될 수 있으며, 이는 MIMO 통신 시스템(100)의 센싱 및 통신 과정에서 발생하는 손실과 매핑될 수 있다. 이에, 수학식 10의 센싱 및 통신 과정에서 발생하는 손실은 하기의 수학식 16과 같이 변경될 수 있다.
(수학식 16)
μ: VAE의 인코더에서 출력하는 평균
j : VAE의 인코더로 입력되는 j번째 샘플(j번째 입력 값)
δ : 기 설정된 마스크
⊙ : 요소 별 곱셈(element-wise mulitiplication)
따라서, l번째 사용자 단말의 위치에 따른 MIMO 통신 시스템(100)의 손실은 하기 수학식 17을 통해 최소화 할 수 있다.
(수학식 17)
알고리즘 1에서 제1 기계 학습 모델(110)의 동작 절차를 나타내었다.
제1 기계 학습 모델(110)은 사용자 단말의 위치를 기반으로 잠재 공간 표현 z로 거리 벡터를 학습하고 그리드 안테나 어레이(104)로부터 사용자 단말과의 거리를 재구성할 수 있도록 한다(알고리즘 1의 1 ~ 7줄). 제1 기계 학습 모델(110)은 MIMO 통신 시스템(100)의 최소화된 손실을 계산하고(알고리즘 1의 8 ~9줄), 센싱 및 통신 과정 동안 기울기 하강법을 사용하여 매개변수를 업데이트 하며(알고리즘 1의 11 ~ 13줄), 센싱 및 통신 과정에서 거리 벡터(dl), 방향 (
)), 및 재구성 벡터(F(z))를 기반으로 사용자 단말의 재구성된 거리를 반환할 수 있다(알고리즘 1의 15줄).
한편, 제2 기계 학습 모델(120)은 제1 기계 학습 모델(110)를 통해 예측한 재구성 거리를 기반으로 최소 개수의 그리드(즉, 안테나)를 활성화하는데 필요한 전력을 예측하여 할당 할 수 있다. 일 실시예에서, 제2 기계 학습 모델(120)은 GRU(Gated Recurrent Unit)으로 구성될 수 있다. 도 5는 본 발명의 일 실시예에 따른 제2 기계 학습 모델(120)의 구성을 나타낸 도면이다. GRU(Gated Recurrent Unit)는 입력, 리셋 게이트(rt), 및 업데이트 게이트(zt)가 있는 신경망 및 메모리 블록으로 구성될 수 있다.
리셋 게이트(rt)는 신경망이 처리를 위해 기억하려는 이전 상태 정보의 양을 결정할 수 있다. 업데이트 게이트(zt)는 새 상태가 고려하길 원하는 이전 상태의 복사본을 제어할 수 있다. 리셋 게이트(rt)와 업데이트 게이트(zt)의 출력은 0과 1 사이의 값을 갖는 시그모이드 활성화 함수를 갖는 완전 연결층(fully connected layer)에 의해 제공될 수 있다. GRU(Gated Recurrent Unit)는 히든 상태(ht)를 업데이트 하기 위해 하기 수학식 18과 같이 유지될 수 있다.
(수학식 18)
제2 기계 학습 모델(120)은 빔포밍에 필요한 전력을 예측하기 위해 수학식 19와 같은 평균 절대 오차(Mean Absolute Error: MAE)와 같은 손실 함수를 가질 수 있다.
(수학식 19)
여기서, 
는 GRU 모델로 입력되는 입력 데이터 셋을 의미할 수 있다. 알고리즘 2는 제2 기계 학습 모델(120)의 동작 절차를 나타낸 것이다.
제2 기계 학습 모델(120)은 평균 절대 오차(MAE) 계산을 통해 학습된 파라미터를 저장하고(알고리즘 2의 5~6줄), 제2 기계 학습 모델(120)을 통해 예측된 전력(P*)을 평가하고 (X, Y, Z) 표면에서 빔포밍을 위한 각 좌표 값을 계산할 수 있다(알고리즘 2의 8 ~ 10줄).
개시되는 실시예에 의하면, 복수 개의 사용자 단말과 센싱 및 통신하는 과정에서 발생하는 손실을 최소화하여 통신 성능을 향상시킬 수 있게 된다. 또한, 제1 기계 학습 모델을 통해 사용자 단말의 이동에 따른 사용자 단말과의 거리를 재구성하여 사용자 단말과의 통신을 효율적으로 수행할 수 있게 된다. 또한, 제2 기계 학습 모델을 통해 사용자 단말과의 재구성된 거리에 기초하여 빔포밍 시 필요한 전력을 예측함에 따라 통신 자원을 효과적으로 할당할 수 있게 된다.
도 6은 본 발명의 일 실시예에 따른 MIMO 통신 시스템의 통신 방법을 나타낸 흐름도이다. 도시된 흐름도에서는 상기 방법을 복수 개의 단계로 나누어 기재하였으나, 적어도 일부의 단계들은 순서를 바꾸어 수행되거나, 다른 단계와 결합되어 함께 수행되거나, 생략되거나, 세부 단계들로 나뉘어 수행되거나, 또는 도시되지 않은 하나 이상의 단계가 부가되어 수행될 수 있다.
도 6을 참조하면, MIMO 통신 시스템(100)은 그리드 안테나 어레이(102)를 통해 파일럿 신호를 송신하고, 사용자 단말로부터 파일럿 신호에 대응하는 에코 신호를 수신하여 사용자 단말을 감지할 수 있다(S 101).
다음으로, MIMO 통신 시스템(100)은 사용자 단말을 감지하는 과정에서 획득된 센싱 정보에 기초하여 그리드 안테나 어레이(102) 중 하나 이상의 안테나를 활성화시켜 빔포밍을 수행할 수 있다(S 103).
도 7은 예시적인 실시예들에서 사용되기에 적합한 컴퓨팅 장치를 포함하는 컴퓨팅 환경(10)을 예시하여 설명하기 위한 블록도이다. 도시된 실시예에서, 각 컴포넌트들은 이하에 기술된 것 이외에 상이한 기능 및 능력을 가질 수 있고, 이하에 기술된 것 이외에도 추가적인 컴포넌트를 포함할 수 있다.
도시된 컴퓨팅 환경(10)은 컴퓨팅 장치(12)를 포함한다. 일 실시예에서, 컴퓨팅 장치(12)는 MIMO 통신 시스템(100)일 수 있다. 또한, 컴퓨팅 장치(12)는 기지국 장치(104)일 수 있다.
컴퓨팅 장치(12)는 적어도 하나의 프로세서(14), 컴퓨터 판독 가능 저장 매체(16) 및 통신 버스(18)를 포함한다. 프로세서(14)는 컴퓨팅 장치(12)로 하여금 앞서 언급된 예시적인 실시예에 따라 동작하도록 할 수 있다. 예컨대, 프로세서(14)는 컴퓨터 판독 가능 저장 매체(16)에 저장된 하나 이상의 프로그램들을 실행할 수 있다. 상기 하나 이상의 프로그램들은 하나 이상의 컴퓨터 실행 가능 명령어를 포함할 수 있으며, 상기 컴퓨터 실행 가능 명령어는 프로세서(14)에 의해 실행되는 경우 컴퓨팅 장치(12)로 하여금 예시적인 실시예에 따른 동작들을 수행하도록 구성될 수 있다.
컴퓨터 판독 가능 저장 매체(16)는 컴퓨터 실행 가능 명령어 내지 프로그램 코드, 프로그램 데이터 및/또는 다른 적합한 형태의 정보를 저장하도록 구성된다. 컴퓨터 판독 가능 저장 매체(16)에 저장된 프로그램(20)은 프로세서(14)에 의해 실행 가능한 명령어의 집합을 포함한다. 일 실시예에서, 컴퓨터 판독 가능 저장 매체(16)는 메모리(랜덤 액세스 메모리와 같은 휘발성 메모리, 비휘발성 메모리, 또는 이들의 적절한 조합), 하나 이상의 자기 디스크 저장 디바이스들, 광학 디스크 저장 디바이스들, 플래시 메모리 디바이스들, 그 밖에 컴퓨팅 장치(12)에 의해 액세스되고 원하는 정보를 저장할 수 있는 다른 형태의 저장 매체, 또는 이들의 적합한 조합일 수 있다.
통신 버스(18)는 프로세서(14), 컴퓨터 판독 가능 저장 매체(16)를 포함하여 컴퓨팅 장치(12)의 다른 다양한 컴포넌트들을 상호 연결한다.
컴퓨팅 장치(12)는 또한 하나 이상의 입출력 장치(24)를 위한 인터페이스를 제공하는 하나 이상의 입출력 인터페이스(22) 및 하나 이상의 네트워크 통신 인터페이스(26)를 포함할 수 있다. 입출력 인터페이스(22) 및 네트워크 통신 인터페이스(26)는 통신 버스(18)에 연결된다. 입출력 장치(24)는 입출력 인터페이스(22)를 통해 컴퓨팅 장치(12)의 다른 컴포넌트들에 연결될 수 있다. 예시적인 입출력 장치(24)는 포인팅 장치(마우스 또는 트랙패드 등), 키보드, 터치 입력 장치(터치패드 또는 터치스크린 등), 음성 또는 소리 입력 장치, 다양한 종류의 센서 장치 및/또는 촬영 장치와 같은 입력 장치, 및/또는 디스플레이 장치, 프린터, 스피커 및/또는 네트워크 카드와 같은 출력 장치를 포함할 수 있다. 예시적인 입출력 장치(24)는 컴퓨팅 장치(12)를 구성하는 일 컴포넌트로서 컴퓨팅 장치(12)의 내부에 포함될 수도 있고, 컴퓨팅 장치(12)와는 구별되는 별개의 장치로 컴퓨팅 장치(12)와 연결될 수도 있다.
이상에서 본 발명의 대표적인 실시예들을 상세하게 설명하였으나, 본 발명이 속하는 기술분야에서 통상의 지식을 가진 자는 상술한 실시예에 대하여 본 발명의 범주에서 벗어나지 않는 한도 내에서 다양한 변형이 가능함을 이해할 것이다. 그러므로 본 발명의 권리범위는 설명된 실시예에 국한되어 정해져서는 안 되며, 후술하는 특허청구범위뿐만 아니라 이 특허청구범위와 균등한 것들에 의해 정해져야 한다.
Claims (19)
- 기지국 장치 및 상기 기지국 장치에 설치되고 복수 개의 안테나가 그리드 형태로 배열된 그리드 안테나 어레이를 포함하는 MIMO(Multiple-Input Multiple-Output) 통신 시스템의 통신 방법으로서,상기 그리드 안테나 어레이를 통해 파일럿 신호를 송신하고, 사용자 단말로부터 상기 파일럿 신호에 대응하는 에코 신호를 수신하여 상기 사용자 단말을 감지하는 단계; 및상기 사용자 단말을 감지하는 과정에서 획득된 센싱 정보에 기초하여 상기 그리드 안테나 어레이 중 하나 이상의 안테나를 활성화시켜 빔포밍을 수행하는 단계를 포함하는, 통신 방법.
- 청구항 1에 있어서,상기 빔포밍을 수행하는 단계는,상기 기지국 장치에서 제1 기계 학습 모델을 이용하여 상기 사용자 단말의 이동에 따른 상기 사용자 단말과의 재구성된 거리를 예측하는 단계를 포함하는, 통신 방법.
- 청구항 2에 있어서,상기 재구성된 거리를 예측하는 단계는,상기 그리드 안테나 어레이와 상기 사용자 단말 간의 거리 및 상기 사용자 단말의 방위각과 천정각을 상기 제1 기계 학습 모델로 입력하여 상기 사용자 단말의 이동된 위치에서 상기 그리드 안테나 어레이와 상기 사용자 단말 간의 재구성된 거리를 예측하도록 하는, 통신 방법.
- 청구항 3에 있어서,상기 제1 기계 학습 모델은, 인코더 및 디코더를 포함하는 VAE(Variational Auto Encoder)로 이루어지고,상기 제1 기계 학습 모델의 목적 함수는 하기 수학식에 의해 표현되는, 통신 방법.(수학식)
: 이동 전 사용자 단말의 천정각
: 이동 전 사용자 단말의 방위각
: 이동 후 사용자 단말의 천정각
: 이동 후 사용자 단말의 방위각
z : 잠재 변수: 그리드 어레이 안테나와 사용자 단말 간의 거리
: (
)방향에서 그리드 어레이 안테나와 사용자 단말 간의 거리를 입력으로 하였을 때 로그 우도(log likelihood)
: 확률 분포 p와 확률 분포 q 사이의 KL(Kullback-Leivler) 거리
: (
)방향에서
이 주어졌을 때 잠재 변수(z)에 관한 확률 분포
: (
)방향에서 잠재 변수(z)가 주어졌을 때
에 관한 확률 분포
E[]: 괄호 [] 내부 데이터의 평균 값을 구하는 함수 - 청구항 4에 있어서,상기 MIMO 통신 시스템의 상기 사용자 단말의 이동에 따른 센싱 및 통신 과정에서 손실()은 하기 수학식으로 표현되는, 통신 방법.
(수학식)
: VAE의 인코더에서 출력하는 표준 편차
μ: VAE의 인코더에서 출력하는 평균j : VAE의 인코더로 입력되는 j번째 샘플δ : 기 설정된 마스크⊙ : 요소 별 곱셈(element-wise mulitiplication): (
)방향에서 그리드 어레이 안테나와 사용자 단말 간의 거리
: (
)방향에서 그리드 어레이 안테나와 사용자 단말 간의 재구성된 거리
- 청구항 3에 있어서,상기 통신 방법은,상기 기지국 장치에서 제2 기계 학습 모델을 이용하여 상기 제1 기계 학습 모델에서 예측된 상기 재구성된 거리에 기반하여 상기 빔포밍을 수행하기 위한 전력을 예측하는 단계를 더 포함하는, 통신 방법.
- 청구항 6에 있어서,상기 전력을 예측하는 단계는,상기 사용자 단말의 이동 전 전력 및 예측된 상기 재구성된 거리를 상기 제2 기계 학습 모델로 입력하여 상기 사용자 단말의 이동 된 위치에서 상기 빔포밍을 수행하기 위한 전력을 예측하도록 하는, 통신 방법.
- 기지국 장치 및 상기 기지국 장치에 설치되고 복수 개의 안테나가 그리드 형태로 배열된 그리드 안테나 어레이를 포함하는 MIMO(Multiple-Input Multiple-Output) 통신 시스템으로서,상기 그리드 안테나 어레이는, 파일럿 신호를 송신하고, 사용자 단말로부터 상기 파일럿 신호에 대응하는 에코 신호를 수신하여 상기 사용자 단말을 감지하고,상기 기지국 장치는, 상기 사용자 단말을 감지하는 과정에서 획득된 센싱 정보에 기초하여 상기 그리드 안테나 어레이 중 하나 이상의 안테나를 활성화시켜 빔포밍을 수행하는, MIMO 통신 시스템.
- 청구항 8에 있어서,상기 기지국 장치는,제1 기계 학습 모델을 이용하여 상기 사용자 단말의 이동에 따른 상기 사용자 단말과의 재구성된 거리를 예측하는, MIMO 통신 시스템.
- 청구항 9에 있어서,상기 기지국 장치는,상기 그리드 안테나 어레이와 상기 사용자 단말 간의 거리 및 상기 사용자 단말의 방위각과 천정각을 상기 제1 기계 학습 모델로 입력하여 상기 사용자 단말의 이동된 위치에서 상기 그리드 안테나 어레이와 상기 사용자 단말 간의 재구성된 거리를 예측하도록 하는, MIMO 통신 시스템.
- 청구항 10에 있어서,상기 제1 기계 학습 모델은, 인코더 및 디코더를 포함하는 VAE(Variational Auto Encoder)로 이루어지고,상기 제1 기계 학습 모델의 목적 함수는 하기 수학식에 의해 표현되는, MIMO 통신 시스템.(수학식)
: 이동 전 사용자 단말의 천정각
: 이동 전 사용자 단말의 방위각
: 이동 후 사용자 단말의 천정각
: 이동 후 사용자 단말의 방위각
z : 잠재 변수: 그리드 어레이 안테나와 사용자 단말 간의 거리
: (
)방향에서 그리드 어레이 안테나와 사용자 단말 간의 거리를 입력으로 하였을 때 로그 우도(log likelihood)
: 확률 분포 p와 확률 분포 q 사이의 KL(Kullback-Leivler) 거리
: (
)방향에서
이 주어졌을 때 잠재 변수(z)에 관한 확률 분포
: (
)방향에서 잠재 변수(z)가 주어졌을 때
에 관한 확률 분포
E[]: 괄호 [] 내부 데이터의 평균 값을 구하는 함수 - 청구항 11에 있어서,상기 MIMO 통신 시스템의 상기 사용자 단말의 이동에 따른 센싱 및 통신 과정에서 손실()은 하기 수학식으로 표현되는, 통신 방법.
(수학식)
: VAE의 인코더에서 출력하는 표준 편차
μ: VAE의 인코더에서 출력하는 평균j : VAE의 인코더로 입력되는 j번째 샘플δ : 기 설정된 마스크⊙ : 요소 별 곱셈(element-wise mulitiplication): (
)방향에서 그리드 어레이 안테나와 사용자 단말 간의 거리
: (
)방향에서 그리드 어레이 안테나와 사용자 단말 간의 재구성된 거리
- 청구항 10에 있어서,상기 기지국 장치는,제2 기계 학습 모델을 이용하여 상기 제1 기계 학습 모델에서 예측된 상기 재구성된 거리에 기반하여 상기 빔포밍을 수행하기 위한 전력을 예측하는, MIMO 통신 시스템.
- 청구항 13에 있어서,상기 기지국 장치는,상기 사용자 단말의 이동 전 전력 및 예측된 상기 재구성된 거리를 상기 제2 기계 학습 모델로 입력하여 상기 사용자 단말의 이동 된 위치에서 상기 빔포밍을 수행하기 위한 전력을 예측하도록 하는, MIMO 통신 시스템.
- 하나 이상의 프로세서들, 및상기 하나 이상의 프로세서들에 의해 실행되는 하나 이상의 프로그램들을 저장하는 메모리를 구비한 컴퓨팅 장치이고,상기 하나 이상의 프로그램들은,그리드 안테나 어레이를 통해 파일럿 신호를 송신하고, 사용자 단말로부터 상기 파일럿 신호에 대응하는 에코 신호를 수신하여 상기 사용자 단말을 감지하기 위한 명령; 및상기 사용자 단말을 감지하는 과정에서 획득된 센싱 정보에 기초하여 상기 그리드 안테나 어레이 중 하나 이상의 안테나를 활성화시켜 빔포밍을 수행하기 위한 명령을 포함하는, 컴퓨팅 장치.
- 청구항 15에 있어서,상기 빔포밍을 수행하기 위한 명령은,제1 기계 학습 모델을 이용하여 상기 사용자 단말의 이동에 따른 상기 사용자 단말과의 재구성된 거리를 예측하기 위한 명령을 포함하는, 컴퓨팅 장치.
- 청구항 16에 있어서,상기 재구성된 거리를 예측하기 위한 명령은,상기 그리드 안테나 어레이와 상기 사용자 단말 간의 거리 및 상기 사용자 단말의 방위각과 천정각을 상기 제1 기계 학습 모델로 입력하여 상기 사용자 단말의 이동된 위치에서 상기 그리드 안테나 어레이와 상기 사용자 단말 간의 재구성된 거리를 예측하도록 하는, 컴퓨팅 장치.
- 청구항 17에 있어서,상기 빔포밍을 수행하기 위한 명령은,제2 기계 학습 모델을 이용하여 상기 제1 기계 학습 모델에서 예측된 상기 재구성된 거리에 기반하여 상기 빔포밍을 수행하기 위한 전력을 예측하기 위한 명령을 더 포함하는, 컴퓨팅 장치.
- 청구항 18에 있어서,상기 전력을 예측하기 위한 명령은,상기 사용자 단말의 이동 전 전력 및 예측된 상기 재구성된 거리를 상기 제2 기계 학습 모델로 입력하여 상기 사용자 단말의 이동 된 위치에서 상기 빔포밍을 수행하기 위한 전력을 예측하도록 하는, 컴퓨팅 장치.
Applications Claiming Priority (4)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| KR20220152731 | 2022-11-15 | ||
| KR10-2022-0152731 | 2022-11-15 | ||
| KR1020230029489A KR102701393B1 (ko) | 2022-11-15 | 2023-03-06 | Mimo 통신 시스템 및 통신 방법과 이를 수행하기 위한 컴퓨팅 장치 |
| KR10-2023-0029489 | 2023-03-06 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| WO2024106947A1 true WO2024106947A1 (ko) | 2024-05-23 |
Family
ID=91084949
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| PCT/KR2023/018372 WO2024106947A1 (ko) | 2022-11-15 | 2023-11-15 | Mimo 통신 시스템 및 통신 방법과 이를 수행하기 위한 컴퓨팅 장치 |
Country Status (1)
| Country | Link |
|---|---|
| WO (1) | WO2024106947A1 (ko) |
Citations (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US20190219686A1 (en) * | 2018-01-12 | 2019-07-18 | Tiejun Shan | Method for Vehicle Location Estimation using Orthogonal Frequency-Division Multiplexing |
| JP2019135817A (ja) * | 2018-02-05 | 2019-08-15 | ソフトバンク株式会社 | 情報処理装置及びプログラム |
| KR20210079882A (ko) * | 2019-12-20 | 2021-06-30 | 연세대학교 산학협력단 | Lte 신호에서 추정된 채널 진폭 정보를 이용한 인공 신경망 기반 거리 추정 방법 |
| KR20220078434A (ko) * | 2020-12-03 | 2022-06-10 | 삼성전자주식회사 | 빔포밍을 수행하는 통신 장치 및 이의 동작 방법 |
| KR20220103124A (ko) * | 2019-12-03 | 2022-07-21 | 엘지전자 주식회사 | 무선 통신 시스템에서 인공 지능 기반의 빔 관리 방법 및 이에 대한 장치 |
-
2023
- 2023-11-15 WO PCT/KR2023/018372 patent/WO2024106947A1/ko unknown
Patent Citations (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US20190219686A1 (en) * | 2018-01-12 | 2019-07-18 | Tiejun Shan | Method for Vehicle Location Estimation using Orthogonal Frequency-Division Multiplexing |
| JP2019135817A (ja) * | 2018-02-05 | 2019-08-15 | ソフトバンク株式会社 | 情報処理装置及びプログラム |
| KR20220103124A (ko) * | 2019-12-03 | 2022-07-21 | 엘지전자 주식회사 | 무선 통신 시스템에서 인공 지능 기반의 빔 관리 방법 및 이에 대한 장치 |
| KR20210079882A (ko) * | 2019-12-20 | 2021-06-30 | 연세대학교 산학협력단 | Lte 신호에서 추정된 채널 진폭 정보를 이용한 인공 신경망 기반 거리 추정 방법 |
| KR20220078434A (ko) * | 2020-12-03 | 2022-06-10 | 삼성전자주식회사 | 빔포밍을 수행하는 통신 장치 및 이의 동작 방법 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| WO2010021471A2 (en) | Communication system including base stations and terminal for multi-cell cooperative communication | |
| WO2015020464A1 (en) | Method and apparatus for transmitting and receiving feedback information in mobile communication system based on 2 dimensional massive mimo | |
| WO2012093904A2 (ko) | 셀룰러 네트워크에서의 간섭 정렬 방법 및 장치 | |
| WO2011005048A2 (en) | Mobile station, base station, and operation method of mobile station | |
| EP3915200A1 (en) | Design and adaptation of hierarchical codebooks | |
| WO2015111767A1 (ko) | 통계적 채널정보 기반의 혼합 빔포밍 방법, 및 이를 수행하는 장치들 | |
| WO2021141432A1 (en) | Method and apparatus of parameter tracking for csi estimation | |
| WO2014003256A1 (ko) | 다중 셀 환경에서 간섭 정렬 기법을 이용한 통신 시스템 | |
| WO2020111483A1 (ko) | 인공신경망 기반의 수신 빔 선택 방법 및 장치 | |
| WO2023008980A1 (en) | Method of load forecasting via attentive knowledge transfer, and an apparatus for the same | |
| WO2023013928A1 (en) | Radio frequency exposure estimation with radar for mobile devices | |
| WO2024106947A1 (ko) | Mimo 통신 시스템 및 통신 방법과 이를 수행하기 위한 컴퓨팅 장치 | |
| WO2022080896A1 (en) | Method and device for enhancing power of signal in wireless communication system using irs | |
| WO2023059106A1 (en) | Method and system for multi-batch reinforcement learning via multi-imitation learning | |
| WO2023014019A1 (en) | Methods and apparatus for configuration management analytics and automation in cellular networks | |
| WO2018155795A1 (ko) | 듀얼 편광 안테나를 포함하는 uca 안테나를 사용하는 통신 장치 | |
| WO2023038432A1 (en) | Method of load forecasting via knowledge distillation, and an apparatus for the same | |
| WO2019027142A1 (ko) | 동적 네트워크에서 네트워크 형성 방법 및 장치 | |
| WO2022220623A1 (ko) | 무선 통신 시스템에서 시간 정렬 오차(timing alignment error, tae)에 기반하여 통신을 수행하기 위한 장치 및 방법 | |
| WO2021101333A1 (en) | Method and system for intelligent 3d aerial wireless transmission | |
| WO2021230721A1 (ko) | 통신 시스템에서 빔 운용 장치 및 방법 | |
| WO2022124860A1 (ko) | 기지국 안테나의 기울기 각도 최적화 방법 및 장치 | |
| WO2024106948A1 (ko) | 저궤도 위성 기반의 통신 방법 및 이를 수행하기 위한 컴퓨팅 장치 | |
| WO2023090615A1 (ko) | 무선 통신 시스템에서 다중 사용자 프리코딩을 수행하기 위한 장치 및 방법 | |
| WO2023027321A1 (ko) | 무선 통신 시스템에서 신호 송수신 방법 및 장치 |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| 121 | Ep: the epo has been informed by wipo that ep was designated in this application |
Ref document number: 23892013 Country of ref document: EP Kind code of ref document: A1 |