KR102649518B1

KR102649518B1 - 지능적 빔포밍 방법, 빔포밍 장치 및 지능형 컴퓨팅 디바이스

Info

Publication number: KR102649518B1
Application number: KR1020190107826A
Authority: KR
Inventors: 정성재; 심보준
Original assignee: 엘지전자 주식회사
Priority date: 2019-08-31
Filing date: 2019-08-31
Publication date: 2024-03-21
Also published as: KR20190106949A; US20210067216A1; US10938464B1

Abstract

지능적 빔포밍 장치 및 방법이 개시된다. 본 발명의 일 실시예에 따른 지능적 빔포밍 장치는, 복수의 안테나 주변의 빔포밍 환경 정보를 획득하고, 빔포밍 설정 정보를 미리 학습된 빔포밍 설정 모델에 입력하며, 빔포밍 설정 모델의 출력으로서 복수의 안테나의 최적 빔포밍 설정 정보를 획득하고, 최적 빔포밍 설정 정보에 기반하여 복수의 안테나의 빔포밍을 회전 모듈을 통해 설정함으로써, 실사용 환경에서 빔의 직진성에 대한 방향성이 틀어지면, 주변 환경에 대한 정보들을 식별하여 환경에 맞는 맞춤형 빔포밍을 제공할 수 있다. 본 발명의 지능적 빔포밍 장치, 빔포밍 방법, 지능형 컴퓨팅 디바이스 및 서버 중 하나 이상이 인공 지능(Artificial Intelligence) 모듈, 드론(Unmanned Aerial Vehicle, UAV), 로봇, 증강 현실(Augmented Reality, AR) 장치, 가상 현실(virtual reality, VR) 장치, 5G 서비스와 관련된 장치 등과 연계될 수 있다.

Description

지능적 빔포밍 방법, 빔포밍 장치 및 지능형 컴퓨팅 디바이스{INTELLIGENT BEAMFORMING METHOD, APPARATUS AND INTELLIGENT COMPUTING DEVICE}

본 발명은 지능적 빔포밍 방법, 빔포밍 장치 및 지능형 컴퓨팅 디바이스에 관한 것으로서, 보다 구체적으로는, 실사용 환경에 최적화된 빔포밍 방법, 빔포밍 장치 및 지능형 컴퓨팅 디바이스에 관한 것이다.

현재 통신(예를 들어, 5G) 기지국(BS, Base Station)들은 설치시 고정된 형태로 설치가 된다. 매번 망 설치 엔지니어들이 측정하고 확인 후 망의 위치를 보정하는 작업들이 이루어 진다.

기존 방식에서는 BS(기지국)으로 돌아오는 Report , Feedback 들이 주면 방해물체(신규로 생성된 건물 또는 가건물, 가로수등)에 대한 고려가 없으므로, SSB로 전송하거나 Repetition을 On 하거나 Off 를 수행할 수 밖에 없다. 이러한 설정들에 대해서 직접 작업자가 보정해야 한다는 불편함이 있다.

본 발명은 전술한 필요성 및/또는 문제점을 해결하는 것을 목적으로 한다.

또한, 본 발명은, 실제 사용 환경에서 최적화된 빔포밍 방법, 빔포밍 장치 및 지능형 컴퓨팅 디바이스를 구현하는 것을 목적으로 한다.

본 발명의 일 실시예에 따른 지능적 빔포밍 방법에 있어서, 복수의 안테나 주변의 빔포밍 환경 정보를 획득하는 단계; 상기 빔포밍 설정 정보를 미리 학습된 빔포밍 설정 모델에 입력하는 단계; 상기 빔포밍 설정 모델의 출력으로서 상기 복수의 안테나의 최적 빔포밍 설정 정보를 획득하는 단계; 및 상기 최적 빔포밍 설정 정보에 기반하여 상기 복수의 안테나의 빔포밍을 설정하는 단계;를 포함하는 것을 특징으로 한다.

상기 빔포밍 환경 정보는, 상기 복수의 안테나 주변의 장애물의 배치와 관련된 정보를 포함하는 것을 특징으로 할 수 있다.

상기 빔포밍 환경 정보를 획득하는 단계는, 상기 복수의 안테나에서 외부의 안테나로 참조 신호를 전송하는 단계, 상기 참조 신호에 대한 응답 신호를 수신하는 단계, 및 상기 응답 신호에 기반하여 상기 빔포밍 환경 정보를 획득하는 단계를 포함하는 것을 특징으로 할 수 있다.

상기 빔포밍 환경 정보는, 상기 응답 신호의 수신 시간과 관련된 정보를 포함하는 것을 특징으로 할 수 있다.

상기 복수의 안테나의 최적 빔포밍 설정 정보는, 상기 복수의 안테나 각각의 설정 각도와 관련된 정보를 포함하는 것을 특징으로 할 수 있다.

본 발명의 실시예에 따른 지능적 빔포밍 장치는, 복수의 안테나; 상기 복수의 안테나의 각도를 조정하기 위한 회전 모듈; 및 상기 복수의 안테나 주변의 빔포밍 환경 정보를 획득하고, 상기 빔포밍 설정 정보를 미리 학습된 빔포밍 설정 모델에 입력하며, 상기 빔포밍 설정 모델의 출력으로서 상기 복수의 안테나의 최적 빔포밍 설정 정보를 획득하고, 상기 최적 빔포밍 설정 정보에 기반하여 상기 복수의 안테나의 빔포밍을 상기 회전 모듈을 통해 설정하는 프로세서;를 포함하는 것을 특징으로 한다.

상기 프로세서는, 상기 복수의 안테나를 통해 외부의 안테나로 참조 신호를 전송하고, 상기 참조 신호에 대한 응답 신호를 상기 복수의 안테나를 통해 수신하며, 상기 응답 신호에 기반하여 상기 빔포밍 환경 정보를 획득하는 것을 특징으로 할 수 있다.

본 발명의 또 다른 실시예에 따른 비 일시적 컴퓨터 판독 가능한 기록 매체는, 컴퓨팅 디바이스의 하나 이상의 프로세서에서 실행하도록 구성된 컴퓨터 실행 가능한 컴포넌트가 저장된 비 일시적(non-transitory) 컴퓨터 판독 가능한 매체(computer-executable component)로서, 복수의 안테나 주변의 빔포밍 환경 정보를 획득하고, 상기 빔포밍 설정 정보를 미리 학습된 빔포밍 설정 모델에 입력하며, 상기 빔포밍 설정 모델의 출력으로서 상기 복수의 안테나의 최적 빔포밍 설정 정보를 획득하고, 상기 최적 빔포밍 설정 정보에 기반하여 상기 복수의 안테나의 빔포밍을 상기 회전 모듈을 통해 설정하는 것을 특징으로 한다.

본 발명의 일 실시예에 따른 지능적 빔포밍 방법, 장치 및 및 지능형 컴퓨팅 디바이스의 효과에 대해 설명하면 다음과 같다.

본 발명에 따르면, 빔포밍 해당 안테나를 엔지니어가 조절할 수가 없으므로, 실사용 환경에서 빔의 직진성에 대한 방향성이 틀어지면, 주변 환경에 대한 정보들을 식별하여 환경에 맞는 맞춤형 빔포밍을 제공할 수 있다.

또한, 본 발명에 따르면, 최초 설계 이후 변경된 실사용 환경을 반영하여 맞춤형 빔포밍을 제공할 수 있다.

또한, 본 발명에 따르면, 한곳으로 빔설정이 집중된 상태를 유지하면서 환경 정보를 기반으로 빔의 위치를 보정할 수 있다.

또한, 본 발명에 따르면, BS가 신호를 전송하기 전에 주변환경을 인지해서 보낼 수 있다.

본 발명에서 얻을 수 있는 효과는 이상에서 언급한 효과로 제한되지 않으며, 언급하지 않은 또 다른 효과들은 아래의 기재로부터 본 발명이 속하는 기술분야에서 통상의 지식을 가진 자에게 명확하게 이해될 수 있을 것이다.

본 발명에 관한 이해를 돕기 위해 상세한 설명의 일부로 포함되는, 첨부 도면은 본 발명에 대한 실시예를 제공하고, 상세한 설명과 함께 본 발명의 기술적 특징을 설명한다.
도 1은 본 명세서에서 제안하는 방법들이 적용될 수 있는 무선 통신 시스템의 블록 구성도를 예시한다.
도 2는 3GPP 시스템에 이용되는 물리 채널들 및 일반적인 신호 전송을 예시한다.
도 3은 5G 통신 시스템에서 사용자 단말과 5G 네트워크의 기본동작의 일 예를 나타낸다.
도 4는 본 발명의 일 실시예에 따른 AI 장치의 블록도이다.
도 5는 본 발명의 일 실시예에 따른 지능적 빔포밍 방법을 나타낸 흐름도이다.
도 6은 본 발명의 일 실시예에 따른 통신 시스템을 도시한다.
도 7은 본 발명의 일 실시예에 따른 장애물을 도시한다.
도 8은 본 발명의 일 실시예에 따른 응답 시간의 분포를 도시한다.
도 9는 빔포밍 장치의 각도 조절 방법을 도시한다.
도 10은 본 발명의 일 실시예에 따른 빔포밍 설정 모델을 도시한다.
도 11은 본 발명의 일 실시예에 따른 진화 학습 구조이다.
도 12는 본 발명의 일 실시예에 따른 강화 학습 방법을 도시한다.
도 13은 본 발명의 일 실시예에 따른 강화 학습 방법의 하나의 예를 도시한다.

이하, 첨부된 도면을 참조하여 본 명세서에 개시된 실시예를 상세히 설명하되, 도면 부호에 관계없이 동일하거나 유사한 구성요소는 동일한 참조 번호를 부여하고 이에 대한 중복되는 설명은 생략하기로 한다. 이하의 설명에서 사용되는 구성요소에 대한 접미사 "모듈" 및 "부"는 명세서 작성의 용이함만이 고려되어 부여되거나 혼용되는 것으로서, 그 자체로 서로 구별되는 의미 또는 역할을 갖는 것은 아니다. 또한, 본 명세서에 개시된 실시예를 설명함에 있어서 관련된 공지 기술에 대한 구체적인 설명이 본 명세서에 개시된 실시예의 요지를 흐릴 수 있다고 판단되는 경우 그 상세한 설명을 생략한다. 또한, 첨부된 도면은 본 명세서에 개시된 실시예를 쉽게 이해할 수 있도록 하기 위한 것일 뿐, 첨부된 도면에 의해 본 명세서에 개시된 기술적 사상이 제한되지 않으며, 본 발명의 사상 및 기술 범위에 포함되는 모든 변경, 균등물 내지 대체물을 포함하는 것으로 이해되어야 한다.

제1, 제2 등과 같이 서수를 포함하는 용어는 다양한 구성요소들을 설명하는데 사용될 수 있지만, 상기 구성요소들은 상기 용어들에 의해 한정되지는 않는다. 상기 용어들은 하나의 구성요소를 다른 구성요소로부터 구별하는 목적으로만 사용된다.

어떤 구성요소가 다른 구성요소에 "연결되어" 있다거나 "접속되어" 있다고 언급된 때에는, 그 다른 구성요소에 직접적으로 연결되어 있거나 또는 접속되어 있을 수도 있지만, 중간에 다른 구성요소가 존재할 수도 있다고 이해되어야 할 것이다. 반면에, 어떤 구성요소가 다른 구성요소에 "직접 연결되어" 있다거나 "직접 접속되어" 있다고 언급된 때에는, 중간에 다른 구성요소가 존재하지 않는 것으로 이해되어야 할 것이다.

단수의 표현은 문맥상 명백하게 다르게 뜻하지 않는 한, 복수의 표현을 포함한다.

본 출원에서, "포함한다" 또는 "가지다" 등의 용어는 명세서상에 기재된 특징, 숫자, 단계, 동작, 구성요소, 부품 또는 이들을 조합한 것이 존재함을 지정하려는 것이지, 하나 또는 그 이상의 다른 특징들이나 숫자, 단계, 동작, 구성요소, 부품 또는 이들을 조합한 것들의 존재 또는 부가 가능성을 미리 배제하지 않는 것으로 이해되어야 한다.

이하, AI 프로세싱된 정보를 필요로 하는 장치 및/또는 AI 프로세서가 필요로 하는 5G 통신(5th generation mobile communication)을 단락 A 내지 단락 G를 통해 설명하기로 한다.

A. UE 및 5G 네트워크 블록도 예시

도 1은 본 명세서에서 제안하는 방법들이 적용될 수 있는 무선 통신 시스템의 블록 구성도를 예시한다.

도 1을 참조하면, AI 모듈을 포함하는 장치(AI 장치)를 제1 통신 장치로 정의(도 1의 910)하고, 프로세서(911)가 AI 상세 동작을 수행할 수 있다.

AI 장치와 통신하는 다른 장치(AI 서버)를 포함하는 5G 네트워크를 제2 통신 장치로 정의(도 1의 920)하고, 프로세서(921)가 AI 상세 동작을 수행할 수 있다.

5G 네트워크가 제1 통신 장치로, AI 장치가 제2 통신 장치로 표현될 수도 있다.

예를 들어, 상기 제1 통신 장치 또는 상기 제2 통신 장치는 기지국, 네트워크 노드, 전송 단말, 수신 단말, 무선 장치, 무선 통신 장치, AI (Artificial Intelligence) 장치 등일 수 있다.

예를 들어, 단말 또는 UE (User Equipment)는 휴대폰, 스마트 폰 (smart phone), 노트북 컴퓨터 (laptop computer), 디지털 방송용 단말기, PDA (personal digital assistants), PMP (portable multimedia player), 네비게이션, 슬레이트 PC (slate PC), 태블릿 PC (tablet PC), 울트라북 (ultrabook), 웨어러블 디바이스 (wearable device, 예를 들어, 워치형 단말기 (smartwatch), 글래스형 단말기 (smart glass), HMD (head mounted display)) 등을 포함할 수 있다. 예를 들어, HMD는 머리에 착용하는 형태의 디스플레이 장치일 수 있다. 예를 들어, HMD는 VR, AR 또는 MR을 구현하기 위해 사용될 수 있다.

도 1을 참고하면, 제1 통신 장치(910)와 제2 통신 장치(920)는 프로세서 (processor, 911,921), 메모리 (memory, 914,924), 하나 이상의 Tx/Rx RF 모듈 (radio frequency module, 915,925), Tx 프로세서(912,922), Rx 프로세서(913,923), 안테나(916,926)를 포함한다. Tx/Rx 모듈은 트랜시버라고도 한다. 각각의 Tx/Rx 모듈(915)는 각각의 안테나(926)를 통해 신호를 전송한다. 프로세서는 앞서 살핀 기능, 과정 및/또는 방법을 구현한다. 프로세서(921)는 프로그램 코드 및 데이터를 저장하는 메모리(924)와 관련될 수 있다. 메모리는 컴퓨터 판독 가능 매체로서 지칭될 수 있다. 보다 구체적으로, DL (Downlink)(제1 통신 장치에서 제2 통신 장치로의 통신)에서, 전송 (TX) 프로세서(912)는 L1 계층(즉, 물리 계층)에 대한 다양한 신호 처리 기능을 구현한다. 수신 (RX) 프로세서는 L1(즉, 물리 계층)의 다양한 신호 프로세싱 기능을 구현한다.

UL (Uplink)(제2 통신 장치에서 제1 통신 장치로의 통신)은 제2 통신 장치(920)에서 수신기 기능과 관련하여 기술된 것과 유사한 방식으로 제1 통신 장치(910)에서 처리된다. 각각의 Tx/Rx 모듈(925)은 각각의 안테나(926)를 통해 신호를 수신한다. 각각의 Tx/Rx 모듈은 RF 반송파 및 정보를 RX 프로세서(923)에 제공한다. 프로세서(921)는 프로그램 코드 및 데이터를 저장하는 메모리(924)와 관련될 수 있다. 메모리는 컴퓨터 판독 가능 매체로서 지칭될 수 있다.

B. 무선 통신 시스템에서 신호 송/수신 방법

도 2는 3GPP 시스템에 이용되는 물리 채널들 및 일반적인 신호 전송을 예시한다.

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(S201). 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(S202).

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(S203 내지 S206). 이를 위해, 단말은 물리 임의 접속 채널(Physical Random Access Channel, PRACH)을 통해 특정 시퀀스를 프리앰블로 송신하고(S203 및 S205), 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( S206).

상술한 바와 같은 절차를 수행한 단말은 이후 일반적인 상/하향링크 신호 송신 절차로서 PDCCH/PDSCH 수신(S207) 및 물리 상향링크 공유 채널(Physical Uplink Shared Channel, PUSCH)/물리 상향링크 제어 채널(Physical Uplink Control Channel; PUCCH) 송신(S208)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.

도 2를 참고하여, 5G 통신 시스템에서의 초기 접속 (Initial Access, IA) 절차에 대해 추가적으로 살펴본다.

UE는 SSB에 기반하여 셀 탐색 (search), 시스템 정보 획득, 초기 접속을 위한 빔 정렬, DL 측정 등을 수행할 수 있다. SSB는 SS/PBCH (Synchronization Signal/Physical Broadcast channel) 블록과 혼용된다.

SSB는 PSS, SSS와 PBCH로 구성된다. SSB는 4개의 연속된 OFDM 심볼들에 구성되며, OFDM 심볼별로 PSS, PBCH, SSS/PBCH 또는 PBCH가 전송된다. PSS와 SSS는 각각 1개의 OFDM 심볼과 127개의 부반송파들로 구성되고, PBCH는 3개의 OFDM 심볼과 576개의 부반송파들로 구성된다.

셀 탐색은 UE가 셀의 시간/주파수 동기를 획득하고, 상기 셀의 셀 ID (Identifier) (예, Physical layer Cell ID, PCI)를 검출하는 과정을 의미한다. PSS는 셀 ID 그룹 내에서 셀 ID를 검출하는데 사용되고, SSS는 셀 ID 그룹을 검출하는데 사용된다. PBCH는 SSB (시간) 인덱스 검출 및 하프-프레임 검출에 사용된다.

336개의 셀 ID 그룹이 존재하고, 셀 ID 그룹 별로 3개의 셀 ID가 존재한다. 즉, 총 1008개의 셀 ID가 존재한다. 셀의 셀 ID가 속한 셀 ID 그룹에 관한 정보는 상기 셀의 SSS를 통해 제공/획득되며, 상기 셀 ID 내 336개 셀들 중 상기 셀 ID에 관한 정보는 PSS를 통해 제공/획득된다

SSB는 SSB 주기 (periodicity)에 맞춰 주기적으로 전송된다. 초기 셀 탐색 시에 UE가 가정하는 SSB 기본 주기는 20ms로 정의된다. 셀 접속 후, SSB 주기는 네트워크 (예, BS)에 의해 {5ms, 10ms, 20ms, 40ms, 80ms, 160ms} 중 하나로 설정될 수 있다.

다음으로, 시스템 정보 (system information; SI) 획득에 대해 살펴본다.

SI는 마스터 정보 블록 (master information block, MIB)과 복수의 시스템 정보 블록 (system information block, SIB)들로 나눠진다. MIB 외의 SI는 RMSI (Remaining Minimum System Information)으로 지칭될 수 있다. MIB는 SIB1 (SystemInformationBlock1)을 나르는 PDSCH를 스케줄링하는 PDCCH의 모니터링을 위한 정보/파라미터를 포함하며 SSB의 PBCH를 통해 BS에 의해 전송된다. SIB1은 나머지 SIB들(이하, SIBx, x는 2 이상의 정수)의 가용성 (availability) 및 스케줄링(예, 전송 주기, SI-윈도우 크기)과 관련된 정보를 포함한다. SIBx는 SI 메시지에 포함되며 PDSCH를 통해 전송된다. 각각의 SI 메시지는 주기적으로 발생하는 시간 윈도우(즉, SI-윈도우) 내에서 전송된다.

도 2를 참고하여, 5G 통신 시스템에서의 임의 접속 (Random Access, RA) 과정에 대해 추가적으로 살펴본다.

임의 접속 과정은 다양한 용도로 사용된다. 예를 들어, 임의 접속 과정은 네트워크 초기 접속, 핸드오버, UE-트리거드 (triggered) UL 데이터 전송에 사용될 수 있다. UE는 임의 접속 과정을 통해 UL 동기와 UL 전송 자원을 획득할 수 있다. 임의 접속 과정은 경쟁 기반 (contention-based) 임의 접속 과정과 경쟁 프리 (contention free) 임의 접속 과정으로 구분된다. 경쟁 기반의 임의 접속 과정에 대한 구체적인 절차는 아래와 같다.

UE가 UL에서 임의 접속 과정의 Msg1로서 임의 접속 프리앰블을 PRACH를 통해 전송할 수 있다. 서로 다른 두 길이를 가지는 임의 접속 프리앰블 시퀀스들이 지원된다. 긴 시퀀스 길이 839는 1.25 및 5 kHz의 부반송파 간격 (subcarrier spacing)에 대해 적용되며, 짧은 시퀀스 길이 139는 15, 30, 60 및 120 kHz의 부반송파 간격에 대해 적용된다.

BS가 UE로부터 임의 접속 프리앰블을 수신하면, BS는 임의 접속 응답 (random access response, RAR) 메시지 (Msg2)를 상기 UE에게 전송한다. RAR을 나르는 PDSCH를 스케줄링하는 PDCCH는 임의 접속 (random access, RA) 무선 네트워크 임시 식별자 (radio network temporary identifier, RNTI) (RA-RNTI)로 CRC 마스킹되어 전송된다. RA-RNTI로 마스킹된 PDCCH를 검출한 UE는 상기 PDCCH가 나르는 DCI가 스케줄링하는 PDSCH로부터 RAR을 수신할 수 있다. UE는 자신이 전송한 프리앰블, 즉, Msg1에 대한 임의 접속 응답 정보가 상기 RAR 내에 있는지 확인한다. 자신이 전송한 Msg1에 대한 임의 접속 정보가 존재하는지 여부는 상기 UE가 전송한 프리앰블에 대한 임의 접속 프리앰블 ID가 존재하는지 여부에 의해 판단될 수 있다. Msg1에 대한 응답이 없으면, UE는 전력 램핑 (power ramping)을 수행하면서 RACH 프리앰블을 소정의 횟수 이내에서 재전송할 수 있다. UE는 가장 최근의 경로 손실 및 전력 램핑 카운터를 기반으로 프리앰블의 재전송에 대한 PRACH 전송 전력을 계산한다.

상기 UE는 임의 접속 응답 정보를 기반으로 상향링크 공유 채널 상에서 UL 전송을 임의 접속 과정의 Msg3로서 전송할 수 있다. Msg3은 RRC 연결 요청 및 UE 식별자를 포함할 수 있다. Msg3에 대한 응답으로서, 네트워크는 Msg4를 전송할 수 있으며, 이는 DL 상에서의 경쟁 해결 메시지로 취급될 수 있다. Msg4를 수신함으로써, UE는 RRC 연결된 상태에 진입할 수 있다.

C. 5G 통신 시스템의 빔 관리 (Beam Management, BM) 절차

BM 과정은 (1) SSB 또는 CSI-RS를 이용하는 DL BM 과정과, (2) SRS (sounding reference signal)을 이용하는 UL BM 과정으로 구분될 수 있다. 또한, 각 BM 과정은 Tx 빔을 결정하기 위한 Tx 빔 스위핑과 Rx 빔을 결정하기 위한 Rx 빔 스위핑을 포함할 수 있다.

SSB를 이용한 DL BM 과정에 대해 살펴본다.

SSB를 이용한 빔 보고 (beam report)에 대한 설정은 RRC_CONNECTED에서 채널 상태 정보 (channel state information, CSI)/빔 설정 시에 수행된다.

- UE는 BM을 위해 사용되는 SSB 자원들에 대한 CSI-SSB-ResourceSetList를 포함하는 CSI-ResourceConfig IE를 BS로부터 수신한다. RRC 파라미터 csi-SSB-ResourceSetList는 하나의 자원 세트에서 빔 관리 및 보고를 위해 사용되는 SSB 자원들의 리스트를 나타낸다. 여기서, SSB 자원 세트는 {SSBx1, SSBx2, SSBx3, SSBx4, ??}으로 설정될 수 있다. SSB 인덱스는 0부터 63까지 정의될 수 있다.

- UE는 상기 CSI-SSB-ResourceSetList에 기초하여 SSB 자원들 상의 신호들을 상기 BS로부터 수신한다.

- SSBRI 및 참조 신호 수신 전력 (reference signal received power, RSRP)에 대한 보고와 관련된 CSI-RS reportConfig가 설정된 경우, 상기 UE는 최선 (best) SSBRI 및 이에 대응하는 RSRP를 BS에게 보고한다. 예를 들어, 상기 CSI-RS reportConfig IE의 reportQuantity가 'ssb-Index-RSRP'로 설정된 경우, UE는 BS으로 최선 SSBRI 및 이에 대응하는 RSRP를 보고한다.

UE는 SSB와 동일한 OFDM 심볼(들)에 CSI-RS 자원이 설정되고, 'QCL-TypeD'가 적용 가능한 경우, 상기 UE는 CSI-RS와 SSB가 'QCL-TypeD' 관점에서 유사 동일 위치된 (quasi co-located, QCL) 것으로 가정할 수 있다. 여기서, QCL-TypeD는 공간 (spatial) Rx 파라미터 관점에서 안테나 포트들 간에 QCL되어 있음을 의미할 수 있다. UE가 QCL-TypeD 관계에 있는 복수의 DL 안테나 포트들의 신호들을 수신 시에는 동일한 수신 빔을 적용해도 무방하다.

다음으로, CSI-RS를 이용한 DL BM 과정에 대해 살펴본다.

CSI-RS를 이용한 UE의 Rx 빔 결정(또는 정제 (refinement)) 과정과 BS의 Tx 빔 스위핑 과정에 대해 차례대로 살펴본다. UE의 Rx 빔 결정 과정은 반복 파라미터가 'ON'으로 설정되며, BS의 Tx 빔 스위핑 과정은 반복 파라미터가 'OFF'로 설정된다.

먼저, UE의 Rx 빔 결정 과정에 대해 살펴본다.

- UE는 'repetition'에 관한 RRC 파라미터를 포함하는 NZP CSI-RS resource set IE를 RRC 시그널링을 통해 BS로부터 수신한다. 여기서, 상기 RRC 파라미터 'repetition'이 'ON'으로 세팅되어 있다.

- UE는 상기 RRC 파라미터 'repetition'이 'ON'으로 설정된 CSI-RS 자원 세트 내의 자원(들) 상에서의 신호들을 BS의 동일 Tx 빔(또는 DL 공간 도메인 전송 필터)을 통해 서로 다른 OFDM 심볼에서 반복 수신한다.

- UE는 자신의 Rx 빔을 결정한다.

- UE는 CSI 보고를 생략한다. 즉, UE는 상가 RRC 파라미터 'repetition'이 'ON'으로 설정된 경우, CSI 보고를 생략할 수 있다.

다음으로, BS의 Tx 빔 결정 과정에 대해 살펴본다.

- UE는 'repetition'에 관한 RRC 파라미터를 포함하는 NZP CSI-RS resource set IE를 RRC 시그널링을 통해 BS로부터 수신한다. 여기서, 상기 RRC 파라미터 'repetition'이 'OFF'로 세팅되어 있으며, BS의 Tx 빔 스위핑 과정과 관련된다.

- UE는 상기 RRC 파라미터 'repetition'이 'OFF'로 설정된 CSI-RS 자원 세트 내의 자원들 상에서의 신호들을 BS의 서로 다른 Tx 빔(DL 공간 도메인 전송 필터)을 통해 수신한다.

- UE는 최상의 (best) 빔을 선택(또는 결정)한다.

- UE는 선택된 빔에 대한 ID (예, CRI) 및 관련 품질 정보 (예, RSRP)를 BS으로 보고한다. 즉, UE는 CSI-RS가 BM을 위해 전송되는 경우 CRI와 이에 대한 RSRP를 BS으로 보고한다.

다음으로, SRS를 이용한 UL BM 과정에 대해 살펴본다.

- UE는 'beam management'로 설정된 (RRC 파라미터) 용도 파라미터를 포함하는 RRC 시그널링 (예, SRS-Config IE)를 BS로부터 수신한다. SRS-Config IE는 SRS 전송 설정을 위해 사용된다. SRS-Config IE는 SRS-Resources의 리스트와 SRS-ResourceSet들의 리스트를 포함한다. 각 SRS 자원 세트는 SRS-resource들의 세트를 의미한다.

- UE는 상기 SRS-Config IE에 포함된 SRS-SpatialRelation Info에 기초하여 전송할 SRS 자원에 대한 Tx 빔포밍을 결정한다. 여기서, SRS-SpatialRelation Info는 SRS 자원별로 설정되고, SRS 자원별로 SSB, CSI-RS 또는 SRS에서 사용되는 빔포밍과 동일한 빔포밍을 적용할지를 나타낸다.

- 만약 SRS 자원에 SRS-SpatialRelationInfo가 설정되면 SSB, CSI-RS 또는 SRS에서 사용되는 빔포밍과 동일한 빔포밍을 적용하여 전송한다. 하지만, SRS 자원에 SRS-SpatialRelationInfo가 설정되지 않으면, 상기 UE는 임의로 Tx 빔포밍을 결정하여 결정된 Tx 빔포밍을 통해 SRS를 전송한다.

다음으로, 빔 실패 복구 (beam failure recovery, BFR) 과정에 대해 살펴본다.

빔포밍된 시스템에서, RLF (Radio Link Failure)는 UE의 회전 (rotation), 이동 (movement) 또는 빔포밍 블로키지 (blockage)로 인해 자주 발생할 수 있다. 따라서, 잦은 RLF가 발생하는 것을 방지하기 위해 BFR이 NR에서 지원된다. BFR은 무선 링크 실패 복구 과정과 유사하고, UE가 새로운 후보 빔(들)을 아는 경우에 지원될 수 있다. 빔 실패 검출을 위해, BS는 UE에게 빔 실패 검출 참조 신호들을 설정하고, 상기 UE는 상기 UE의 물리 계층으로부터의 빔 실패 지시 (indication)들의 횟수가 BS의 RRC 시그널링에 의해 설정된 기간 (period) 내에 RRC 시그널링에 의해 설정된 임계치 (threshold)에 이르면 (reach), 빔 실패를 선언 (declare)한다. 빔 실패가 검출된 후, 상기 UE는 PCell 상의 임의 접속 과정을 개시 (initiate)함으로써 빔 실패 복구를 트리거하고; 적절한 (suitable) 빔을 선택하여 빔 실패 복구를 수행한다(BS가 어떤(certain) 빔들에 대해 전용 임의 접속 자원들을 제공한 경우, 이들이 상기 UE에 의해 우선화된다). 상기 임의 접속 절차의 완료 (completion) 시, 빔 실패 복구가 완료된 것으로 간주된다.

D. URLLC (Ultra-Reliable and Low Latency Communication)

NR에서 정의하는 URLLC 전송은 (1) 상대적으로 낮은 트래픽 크기, (2) 상대적으로 낮은 도착 레이트(low arrival rate), (3) 극도의 낮은 레이턴시 요구사항 (requirement)(예, 0.5, 1ms), (4) 상대적으로 짧은 전송 지속기간 (duration) (예, 2 OFDM symbols), (5) 긴급한 서비스/메시지 등에 대한 전송을 의미할 수 있다. UL의 경우, 보다 엄격 (stringent)한 레이턴시 요구 사항 (latency requirement)을 만족시키기 위해 특정 타입의 트래픽(예컨대, URLLC)에 대한 전송이 앞서서 스케줄링된 다른 전송(예컨대, eMBB)과 다중화 (multiplexing)되어야 할 필요가 있다. 이와 관련하여 한 가지 방안으로, 앞서 스케줄링 받은 UE에게 특정 자원에 대해서 프리엠션 (preemption)될 것이라는 정보를 주고, 해당 자원을 URLLC UE가 UL 전송에 사용하도록 한다.

NR의 경우, eMBB와 URLLC 사이의 동적 자원 공유 (sharing)가 지원된다. eMBB와 URLLC 서비스들은 비-중첩 (non-overlapping) 시간/주파수 자원들 상에서 스케줄될 수 있으며, URLLC 전송은 진행 중인 (ongoing) eMBB 트래픽에 대해 스케줄된 자원들에서 발생할 수 있다. eMBB UE는 해당 UE의 PDSCH 전송이 부분적으로 펑처링 (puncturing)되었는지 여부를 알 수 없을 수 있고, 손상된 코딩된 비트 (corrupted coded bit)들로 인해 UE는 PDSCH를 디코딩하지 못할 수 있다. 이 점을 고려하여, NR에서는 프리엠션 지시 (preemption indication)를 제공한다. 상기 프리엠션 지시 (preemption indication)는 중단된 전송 지시 (interrupted transmission indication)로 지칭될 수도 있다.

프리엠션 지시와 관련하여, UE는 BS로부터의 RRC 시그널링을 통해 DownlinkPreemption IE를 수신한다. UE가 DownlinkPreemption IE를 제공받으면, DCI 포맷 2_1을 운반 (convey)하는 PDCCH의 모니터링을 위해 상기 UE는 DownlinkPreemption IE 내 파라미터 int-RNTI에 의해 제공된 INT-RNTI를 가지고 설정된다. 상기 UE는 추가적으로 servingCellID에 의해 제공되는 서빙 셀 인덱스들의 세트를 포함하는 INT-ConfigurationPerServing Cell에 의해 서빙 셀들의 세트와 positionInDCI에 의해 DCI 포맷 2_1 내 필드들을 위한 위치들의 해당 세트를 가지고 설정되고, dci-PayloadSize에 의해 DCI 포맷 2_1을 위한 정보 페이로드 크기를 가지고 설정되며, timeFrequencySect에 의한 시간-주파수 자원들의 지시 입도 (granularity)를 가지고 설정된다.

상기 UE는 상기 DownlinkPreemption IE에 기초하여 DCI 포맷 2_1을 상기 BS로부터 수신한다.

UE가 서빙 셀들의 설정된 세트 내 서빙 셀에 대한 DCI 포맷 2_1을 검출하면, 상기 UE는 상기 DCI 포맷 2_1이 속한 모니터링 기간의 바로 앞 (last) 모니터링 기간의 PRB들의 세트 및 심볼들의 세트 중 상기 DCI 포맷 2_1에 의해 지시되는 PRB들 및 심볼들 내에는 상기 UE로의 아무런 전송도 없다고 가정할 수 있다. 예를 들어, UE는 프리엠션에 의해 지시된 시간-주파수 자원 내 신호는 자신에게 스케줄링된 DL 전송이 아니라고 보고 나머지 자원 영역에서 수신된 신호들을 기반으로 데이터를 디코딩한다.

E. mMTC (massive MTC)

mMTC (massive Machine Type Communication)은 많은 수의 UE와 동시에 통신하는 초연결 서비스를 지원하기 위한 5G의 시나리오 중 하나이다. 이 환경에서, UE는 굉장히 낮은 전송 속도와 이동성을 가지고 간헐적으로 통신하게 된다. 따라서, mMTC는 UE를 얼마나 낮은 비용으로 오랫동안 구동할 수 있는지를 주요 목표로 하고 있다. mMTC 기술과 관련하여 3GPP에서는 MTC와 NB (NarrowBand)-IoT를 다루고 있다.

mMTC 기술은 PDCCH, PUCCH, PDSCH (physical downlink shared channel), PUSCH 등의 반복 전송, 주파수 호핑 (hopping), 리튜닝 (retuning), 가드 구간 (guard period) 등의 특징을 가진다.

즉, 특정 정보를 포함하는 PUSCH(또는 PUCCH(특히, long PUCCH) 또는 PRACH) 및 특정 정보에 대한 응답을 포함하는 PDSCH(또는 PDCCH)가 반복 전송된다. 반복 전송은 주파수 호핑 (frequency hopping)을 통해 수행되며, 반복 전송을 위해, 제1 주파수 자원에서 제2 주파수 자원으로 가드 구간 (guard period)에서 (RF) 리튜닝 (retuning)이 수행되고, 특정 정보 및 특정 정보에 대한 응답은 협대역 (narrowband) (ex. 6 RB (resource block) or 1 RB)을 통해 송/수신될 수 있다.

F. 5G 통신을 이용한 AI 기본 동작

도 3은 5G 통신 시스템에서 사용자 단말과 5G 네트워크의 기본동작의 일 예를 나타낸다.

UE는 특정 정보 전송을 5G 네트워크로 전송한다(S1). 그리고, 상기 5G 네트워크는 상기 특정 정보에 대한 5G 프로세싱을 수행한다(S2). 여기서, 5G 프로세싱은 AI 프로세싱을 포함할 수 있다. 그리고, 상기 5G 네트워크는 AI 프로세싱 결과를 포함하는 응답을 상기 UE로 전송한다(S3).

G. 5G 통신 시스템에서 사용자 단말과 5G 네트워크 간의 응용 동작

이하, 도 1 및 도 2와 앞서 살핀 무선 통신 기술(BM 절차, URLLC, mMTC 등)을 참고하여 5G 통신을 이용한 AI 동작에 대해 보다 구체적으로 살펴본다.

먼저, 후술할 본 발명에서 제안하는 방법과 5G 통신의 eMBB 기술이 적용되는 응용 동작의 기본 절차에 대해 설명한다.

도 3의 S1 단계 및 S3 단계와 같이, UE가 5G 네트워크와 신호, 정보 등을 송/수신하기 위해, UE는 도 3의 S1 단계 이전에 5G 네트워크와 초기 접속(initial access) 절차 및 임의 접속(random access) 절차를 수행한다.

보다 구체적으로, UE는 DL 동기 및 시스템 정보를 획득하기 위해 SSB에 기초하여 5G 네트워크와 초기 접속 절차를 수행한다. 상기 초기 접속 절차 과정에서 빔 관리(beam management, BM) 과정, 빔 실패 복구(beam failure recovery) 과정이 추가될 수 있으며, UE가 5G 네트워크로부터 신호를 수신하는 과정에서 QCL(quasi-co location) 관계가 추가될 수 있다.

또한, UE는 UL 동기 획득 및/또는 UL 전송을 위해 5G 네트워크와 임의 접속 절차를 수행한다. 그리고, 상기 5G 네트워크는 상기 UE로 특정 정보의 전송을 스케쥴링하기 위한 UL grant를 전송할 수 있다. 따라서, 상기 UE는 상기 UL grant에 기초하여 상기 5G 네트워크로 특정 정보를 전송한다. 그리고, 상기 5G 네트워크는 상기 UE로 상기 특정 정보에 대한 5G 프로세싱 결과의 전송을 스케쥴링하기 위한 DL grant를 전송한다. 따라서, 상기 5G 네트워크는 상기 DL grant에 기초하여 상기 UE로 AI 프로세싱 결과를 포함하는 응답을 전송할 수 있다.

다음으로, 후술할 본 발명에서 제안하는 방법과 5G 통신의 URLLC 기술이 적용되는 응용 동작의 기본 절차에 대해 설명한다.

앞서 설명한 바와 같이, UE가 5G 네트워크와 초기 접속 절차 및/또는 임의 접속 절차를 수행한 후, UE는 5G 네트워크로부터 DownlinkPreemption IE를 수신할 수 있다. 그리고, UE는 DownlinkPreemption IE에 기초하여 프리엠션 지시(pre-emption indication)를 포함하는 DCI 포맷 2_1을 5G 네트워크로부터 수신한다. 그리고, UE는 프리엠션 지시(pre-emption indication)에 의해 지시된 자원(PRB 및/또는 OFDM 심볼)에서 eMBB data의 수신을 수행(또는 기대 또는 가정)하지 않는다. 이후, UE는 특정 정보를 전송할 필요가 있는 경우 5G 네트워크로부터 UL grant를 수신할 수 있다.

다음으로, 후술할 본 발명에서 제안하는 방법과 5G 통신의 mMTC 기술이 적용되는 응용 동작의 기본 절차에 대해 설명한다.

도 3의 단계들 중 mMTC 기술의 적용으로 달라지는 부분 위주로 설명하기로 한다.

도 3의 S1 단계에서, UE는 특정 정보를 5G 네트워크로 전송하기 위해 5G 네트워크로부터 UL grant를 수신한다. 여기서, 상기 UL grant는 상기 특정 정보의 전송에 대한 반복 횟수에 대한 정보를 포함하고, 상기 특정 정보는 상기 반복 횟수에 대한 정보에 기초하여 반복하여 전송될 수 있다. 즉, 상기 UE는 상기 UL grant에 기초하여 특정 정보를 5G 네트워크로 전송한다. 그리고, 특정 정보의 반복 전송은 주파수 호핑을 통해 수행되고, 첫 번째 특정 정보의 전송은 제1 주파수 자원에서, 두 번째 특정 정보의 전송은 제2 주파수 자원에서 전송될 수 있다. 상기 특정 정보는 6RB(Resource Block) 또는 1RB(Resource Block)의 협대역(narrowband)을 통해 전송될 수 있다.

앞서 살핀 5G 통신 기술은 후술할 본 발명에서 제안하는 방법들과 결합되어 적용될 수 있으며, 또는 본 발명에서 제안하는 방법들의 기술적 특징을 구체화하거나 명확하게 하는데 보충될 수 있다.

도 4는 본 발명의 일 실시예에 따른 AI 장치의 블록도이다.

상기 AI 장치(20)는 AI 프로세싱을 수행할 수 있는 AI 모듈을 포함하는 전자 기기 또는 상기 AI 모듈을 포함하는 서버 등을 포함할 수 있다. 또한, 상기 AI 장치(20)는 도 4에 도시된 디바이스(10)의 적어도 일부의 구성으로 포함되어 AI 프로세싱 중 적어도 일부를 함께 수행하도록 구비될 수도 있다.

상기 AI 프로세싱은, 도 4에 도시된 디바이스(10)의 제어와 관련된 모든 동작들을 포함할 수 있다. 예를 들어, 자율주행 차량은 센싱 데이터 또는 운전자 데이터를 AI 프로세싱 하여 처리/판단, 제어 신호 생성 동작을 수행할 수 있다. 또한, 예를 들어, 자율주행 차량은 상기 차량 내에 구비된 다른 전자 기기와의 인터랙션을 통해 획득되는 데이터를 AI 프로세싱 하여 자율주행 제어를 수행할 수 있다.

상기 AI 장치(20)는 AI 프로세서(21), 메모리(25) 및/또는 통신부(27)를 포함할 수 있다.

상기 AI 장치(20)는 신경망을 학습할 수 있는 컴퓨팅 장치로서, 서버, 데스크탑 PC, 노트북 PC, 태블릿 PC 등과 같은 다양한 전자 장치로 구현될 수 있다.

AI 프로세서(21)는 메모리(25)에 저장된 프로그램을 이용하여 신경망을 학습할 수 있다. 특히, AI 프로세서(21)는 디바이스 관련 데이터를 인식하기 위한 신경망을 학습할 수 있다. 여기서, 디바이스 관련 데이터를 인식하기 위한 신경망은 인간의 뇌 구조를 컴퓨터 상에서 모의하도록 설계될 수 있으며, 인간의 신경망의 뉴런(neuron)을 모의하는, 가중치를 갖는 복수의 네트워크 노드들을 포함할 수 있다. 복수의 네트워크 모드들은 뉴런이 시냅스(synapse)를 통해 신호를 주고 받는 뉴런의 시냅틱 활동을 모의하도록 각각 연결 관계에 따라 데이터를 주고 받을 수 있다. 여기서 신경망은 신경망 모델에서 발전한 딥러닝 모델을 포함할 수 있다. 딥 러닝 모델에서 복수의 네트워크 노드들은 서로 다른 레이어에 위치하면서 컨볼루션(convolution) 연결 관계에 따라 데이터를 주고 받을 수 있다. 신경망 모델의 예는 심층 신경망(DNN, deep neural networks), 합성곱 신경망(CNN, convolutional deep neural networks), 순환 신경망(RNN, Recurrent Boltzmann Machine), 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.

한편, 전술한 바와 같은 기능을 수행하는 프로세서는 범용 프로세서(예를 들어, CPU)일 수 있으나, 인공지능 학습을 위한 AI 전용 프로세서(예를 들어, GPU)일 수 있다.

메모리(25)는 AI 장치(20)의 동작에 필요한 각종 프로그램 및 데이터를 저장할 수 있다. 메모리(25)는 비 휘발성 메모리, 휘발성 메모리, 플래시 메모리(flash-memory), 하드디스크 드라이브(HDD) 또는 솔리드 스테이트 드라이브(SDD) 등으로 구현할 수 있다. 메모리(25)는 AI 프로세서(21)에 의해 액세스되며, AI 프로세서(21)에 의한 데이터의 독취/기록/수정/삭제/갱신 등이 수행될 수 있다. 또한, 메모리(25)는 본 발명의 일 실시예에 따른 데이터 분류/인식을 위한 학습 알고리즘을 통해 생성된 신경망 모델(예를 들어, 딥 러닝 모델(26))을 저장할 수 있다.

한편, AI 프로세서(21)는 데이터 분류/인식을 위한 신경망을 학습하는 데이터 학습부(22)를 포함할 수 있다. 데이터 학습부(22)는 데이터 분류/인식을 판단하기 위하여 어떤 학습 데이터를 이용할지, 학습 데이터를 이용하여 데이터를 어떻게 분류하고 인식할지에 관한 기준을 학습할 수 있다. 데이터 학습부(22)는 학습에 이용될 학습 데이터를 획득하고, 획득된 학습데이터를 딥러닝 모델에 적용함으로써, 딥러닝 모델을 학습할 수 있다.

데이터 학습부(22)는 적어도 하나의 하드웨어 칩 형태로 제작되어 AI 장치(20)에 탑재될 수 있다. 예를 들어, 데이터 학습부(22)는 인공지능(AI)을 위한 전용 하드웨어 칩 형태로 제작될 수도 있고, 범용 프로세서(CPU) 또는 그래픽 전용 프로세서(GPU)의 일부로 제작되어 AI 장치(20)에 탑재될 수도 있다. 또한, 데이터 학습부(22)는 소프트웨어 모듈로 구현될 수 있다. 소프트웨어 모듈(또는 인스트럭션(instruction)을 포함하는 프로그램 모듈)로 구현되는 경우, 소프트웨어 모듈은 컴퓨터로 읽을 수 있는 판독 가능한 비일시적 판독 가능 기록 매체(non-transitory computer readable media)에 저장될 수 있다. 이 경우, 적어도 하나의 소프트웨어 모듈은 OS(Operating System)에 의해 제공되거나, 애플리케이션에 의해 제공될 수 있다.

데이터 학습부(22)는 학습 데이터 획득부(23) 및 모델 학습부(24)를 포함할 수 있다.

학습 데이터 획득부(23)는 데이터를 분류하고 인식하기 위한 신경망 모델에 필요한 학습 데이터를 획득할 수 있다. 예를 들어, 학습 데이터 획득부(23)는 학습 데이터로서, 신경망 모델에 입력하기 위한 차량 데이터 및/또는 샘플 데이터를 획득할 수 있다.

모델 학습부(24)는 상기 획득된 학습 데이터를 이용하여, 신경망 모델이 소정의 데이터를 어떻게 분류할지에 관한 판단 기준을 가지도록 학습할 수 있다. 이 때 모델 학습부(24)는 학습 데이터 중 적어도 일부를 판단 기준으로 이용하는 지도 학습(supervised learning)을 통하여, 신경망 모델을 학습시킬 수 있다. 또는 모델 학습부(24)는 지도 없이 학습 데이터를 이용하여 스스로 학습함으로써, 판단 기준을 발견하는 비지도 학습(unsupervised learning)을 통해 신경망 모델을 학습시킬 수 있다. 또한, 모델 학습부(24)는 학습에 따른 상황 판단의 결과가 올바른지에 대한 피드백을 이용하여 강화 학습(reinforcement learning)을 통하여, 신경망 모델을 학습시킬 수 있다. 또한, 모델 학습부(24)는 오류 역전파법(error back-propagation) 또는 경사 하강법(gradient decent)을 포함하는 학습 알고리즘을 이용하여 신경망 모델을 학습시킬 수 있다.

신경망 모델이 학습되면, 모델 학습부(24)는 학습된 신경망 모델을 메모리에 저장할 수 있다. 모델 학습부(24)는 학습된 신경망 모델을 AI 장치(20)와 유선 또는 무선 네트워크로 연결된 서버의 메모리에 저장할 수도 있다.

데이터 학습부(22)는 인식 모델의 분석 결과를 향상시키거나, 인식 모델의 생성에 필요한 리소스 또는 시간을 절약하기 위해 학습 데이터 전처리부(미도시) 및 학습 데이터 선택부(미도시)를 더 포함할 수도 있다.

학습 데이터 전처리부는 획득된 데이터가 상황 판단을 위한 학습에 이용될 수 있도록, 획득된 데이터를 전처리할 수 있다. 예를 들어, 학습 데이터 전처리부는, 모델 학습부(24)가 이미지 인식을 위한 학습을 위하여 획득된 학습 데이터를 이용할 수 있도록, 획득된 데이터를 기 설정된 포맷으로 가공할 수 있다.

또한, 학습 데이터 선택부는, 학습 데이터 획득부(23)에서 획득된 학습 데이터 또는 전처리부에서 전처리된 학습 데이터 중 학습에 필요한 데이터를 선택할 수 있다. 선택된 학습 데이터는 모델 학습부(24)에 제공될 수 있다. 예를 들어, 학습 데이터 선택부는, 차량의 카메라를 통해 획득한 영상 중 특정 영역을 검출함으로써, 특정 영역에 포함된 객체에 대한 데이터만을 학습 데이터로 선택할 수 있다.

또한, 데이터 학습부(22)는 신경망 모델의 분석 결과를 향상시키기 위하여 모델 평가부(미도시)를 더 포함할 수도 있다.

모델 평가부는, 신경망 모델에 평가 데이터를 입력하고, 평가 데이터로부터 출력되는 분석 결과가 소정 기준을 만족하지 못하는 경우, 모델 학습부(22)로 하여금 다시 학습하도록 할 수 있다. 이 경우, 평가 데이터는 인식 모델을 평가하기 위한 기 정의된 데이터일 수 있다. 일 예로, 모델 평가부는 평가 데이터에 대한 학습된 인식 모델의 분석 결과 중, 분석 결과가 정확하지 않은 평가 데이터의 개수 또는 비율이 미리 설정되 임계치를 초과하는 경우, 소정 기준을 만족하지 못한 것으로 평가할 수 있다.

통신부(27)는 AI 프로세서(21)에 의한 AI 프로세싱 결과를 외부 전자 기기로 전송할 수 있다.

여기서 외부 전자 기기는 자율 주행 차량으로 정의될 수 있다. 또한, 상기 AI 장치(20)는 상기 자율 주행 모듈 차량과 통신하는 다른 차량 또는 5G 네트워크로 정의될 수 있다. 한편, 상기 AI 장치(20)는 차량 내에 구비된 자율주행 모듈에 기능적으로 임베딩되어 구현될 수도 있다. 또한, 상기 5G 네트워크는 자율 주행 관련 제어를 수행하는 서버 또는 모듈을 포함할 수 있다.

한편, 도 4에 도시된 AI 장치(20)는 AI 프로세서(21)와 메모리(25), 통신부(27) 등으로 기능적으로 구분하여 설명하였지만, 전술한 구성요소들이 하나의 모듈로 통합되어 AI 모듈로 호칭될 수도 있음을 밝혀둔다.

도 5는 본 발명의 일 실시예에 따른 빔포밍 장치의 지능적 빔포밍 방법을 나타낸 흐름도이다.

도 5에 도시된 바와 같이, 본 발명의 일 실시예에 따르면, 빔포밍 장치는 복수의 안테나 주변의 빔포밍 환경 정보를 획득할 수 있다(S110).

예를 들어, 빔포밍 장치는 도 4를 참조하여 설명한 AI 장치(20)가 될 수 있다.

이어서, 빔포밍 장치는 빔포밍 설정 정보를 미리 학습된 빔포밍 설정 모델에 입력할 수 있다(S130).

여기서, 빔포밍 설정 모델은 미리 학습되면서도, 현재의 빔포밍 설정 정보 및 추후 설명될 응답 신호의 수신 시간에 기반하여 학습될 수 있다.

다음으로, 빔포밍 장치는 빔포밍 설정 모델의 출력으로서 복수의 안테나의 최적 빔포밍 설정 정보를 획득할 수 있다(S150).

이어서, 빔포밍 장치는 최적 빔포밍 설정 정보에 기반하여 복수의 안테나의 빔포밍을 설정할 수 있다(S170).

예를 들면, 빔포밍 장치는 복수의 안테나의 각도 설정 정보를 포함하는 최적 빔포밍 설정 정보에 기반하여 복수의 안테나의 각도를 설정할 수 있다.

도 6은 본 발명의 일 실시예에 따른 통신 시스템을 도시한다.

도 6에 도시된 바와 같이, 제1 통신 장치(601)는 학습 모듈과 연결되고, 학습 모듈은 복수의 빔포밍 장치(611, 612)와 연결되며, 각 빔포밍 장치는 복수의 안테나(611, 612)와 연결될 수 있다.

각 안테나는 미리 설정된 빔포밍 설정 정보에 기반하여 설정될 수 있다.

제2 통신 장치(602)는 학습 모듈과 연결되고, 학습 모듈은 복수의 빔포밍 장치(641, 642)와 연결되며, 각 빔포밍 장치는 복수의 안테나(631, 632)와 연결될 수 있다.

여기서, 각 빔포밍 장치는 각 안테나 앞에 장애물이 존재하는 경우, 신호를 전송하지 않도록 처리할 수 있다.

또한, 제1 빔포밍 장치는 제2 빔포밍 장치로 보낸 ACK에 대한 응답 신호가 없는 경우, 해당 전송 위치 경로에 장애물이 생겼다고 학습한 후 신호를 보내지 않는다.

일정 시간이 지난 후 제1 빔포밍 장치는 제2 빔포밍 장치로 다시 ACK를 보내고 해당 장애물이 일시적으로 생성되었다 사라진건지 확인할 수 있으며, 장애물이 사라져서 응답 신호가 수신될 경우 신호를 다시 전송할 수 있다.

제1 빔포밍 장치는 ACK를 보낸 시간부터 응답 신호를 수신한 시간 사이의 초기 시간을 측정하고, 각 방향성에 따라서 응답 신호가 돌아오는 시간을 측정할 수 있다.

여기서, 제1 빔포밍 장치는 도달 시간에 따라 시간이 임계치 이하로 떨어지는 부분에 대해서는 빔의 양을 줄이고, 해당 빔포밍 위치를 좌/우/상/하 1도씩 조절하고, 조절 후에 응답 시간이 임계치 안으로 줄어들 경우, 해당 위치로 빔의 양을 다시 늘릴 수 있다.

도 7은 본 발명의 일 실시예에 따른 장애물을 도시한다.

도 7에 도시된 바와 같이, 빔포밍 장치(701) 주변의 장애물들이 빔포밍 장치(702) 주변의 장애물(712)들보다 적게 존재한다.

예를 들면, 빔포밍 장치는 이러한 장애물들의 위치 관계를 획득할 수 있다.

도 8은 본 발명의 일 실시예에 따른 응답 시간의 분포를 도시한다.

도 8에 도시된 바와 같이, 본 발명의 일 실시예에 따르면, 빔포밍 장치는 ACK 신호에 대한 응답 시간을 획득할 수 있다.

빔포밍 장치는 빔포밍 설정 모델을 학습하기 위하여 데이터를 수집하기 위한 누적 시간을 설정할 수 있다.

빔포밍 장치는 해당 학습 시간에 맞는 ACK 전송에 대한 응답 신호의 평균 수신 시간을 확인할 수 있으며, 이때, 평균 시간을 표준 정규 분포 처리할 수 있다.

빔포밍 장치는 정규 분포 영역에서 95.4% 이내로 인식이 되지 않는 빔포밍 방향에 대해서는 좌로 5도, 우로 5도로 이동하여 빔포밍 시켜서 ACK 평균 응답 시간 확인 후 응답시간에 따라서 학습된 결과에 맞게 빔포밍 위치를 보정할 수 있다.

도 9는 빔포밍 장치의 각도 조절 방법을 도시한다.

도 9에 도시된 바와 같이, 본 발명의 일 실시예에 따르면, 빔포밍 장치는 회전 모듈을 이용하여 각 안테나(901)의 각도를 조절할 수 있다.

예를 들면, 빔포밍 장치는 보낸 ACK 신호에 대한 응답 신호의 수신 시간이 임계치 이상이면, 장애물이 있는 것으로 판단하고, 각 안테나의 빔의 양을 줄이며, 각 안테나의 각도를 좌/우/상/하 방향으로 1도씩 변경할 수 있다.

이후에, 각도를 변경한 후, 빔포밍 장치는 위와 동일한 동작을 반복 수행할 수 있다.

도 10은 본 발명의 일 실시예에 따른 빔포밍 설정 모델을 도시한다.

도 10에 도시된 바와 같이, 빔포밍 설정 모델(1000)은 그 입력값(1010)으로서 외부에 대한 이미지 픽셀 정보를 입력받을 수 있다. 여기서, 각 이미지 픽셀은 장애물이 있는 픽셀과, 장애물이 없는 픽셀로 구성될 수 있다.

여기서, 빔포밍 장치는 안테나의 각도를 조절하고, 각 안테나에 의해 수신된 응답 신호의 위상 차이를 획득하며, 위상 차이 및/또는 빔포밍 설정 모델에 기반하여 최적의 빔포밍 설정 정보를 출력값(1020)으로서 획득할 수 있다.

도 11은 본 발명의 일 실시예에 따른 진화 학습 구조이다.

도 11에 도시된 바와 같이, 본 발명의 일 실시예에 따르면, 빔포밍 설정 모델을 학습하기 위한 STATE St(1101)는 BS가 행동을 하게되는 주변 환경 (네트워크 환경 정보)정보를 의미할 수 있다.

여기서, Agent(1102)가 신호를 보내는 Action Ai = 2가될 수 있다. 또한, 빔포밍 장치는 각 영역으로 신호를 보낼 수 있는 픽셀인 경우 리워드 ri=1을 제공할 수 있다.

빔포밍 장치는 리워드를 피드백으로 인식하고, agent는 자신의 BS(기지국)의 빔포밍 설정 상태를 다시 업데이트할 수 있다. 여기서, 빔폼이 장치는 agent의 지시에 기반하여 안테나의 빔포밍 설정 상태(각도)를 조정할 수 있다.

빔포밍 장치는 상기한 과정을 통해 최적의 출력값을 획득할 수 있다.

도 12는 본 발명의 일 실시예에 따른 강화 학습 방법을 도시한다.

도 12에 도시된 바와 같이, agent(1212)는 신호를 전송하는 기지국(BS)가 될 수 있다. 즉, 기지국은 도 6을 참조하여 설명한 제1 통신 장치가 될 수 있다.

STATE St(1211)는 BS가 행동을 하게되는 주변 환경 (네트워크 환경 정보)정보를 의미할 수 있다.

여기서, Environment(1215)는 BS가 행동을 하는, 즉 신호를 보낼 수 있는 주변 환경(예를 들면, 장애물들)이 될 수 있다.

여기서, Action(1214)은 BS가 State를 보고 어떤 신호를 보내야 될지를 예측하는 행동을 의미할 수 있다.

여기서, 리워드는 BS가 신호를 잘 보낼 수 있는 좋은 행동을 했다라고 했을 때 Environment로 부터 Reward를 받을 수 있다.

빔포밍 장치는 리워드를 피드백 삼아 agent에게 agent의 BS의 상태를 업데이트하도록 할 수 있다.

상기에서, 빔포밍 장치는 제2 통신 장치로부터 수신되는 응답 신호의 크기가 클수록 더 큰 리워드(보상)을 제공할 수 있다.

도 13은 본 발명의 일 실시예에 따른 강화 학습 방법의 하나의 예를 도시한다.

도 13에 도시된 바와 같이, 빔포밍 설정 모델은 출력값으로서 BS가 신호를 전송할 수 없는 픽셀(1301)을 출력할 수 있다. 즉, UE(1322)가 기지국(1321)(빔포밍 장치)로 응답 신호를 보내지 않거나, 응답 신호가 임계치 이상인 시간에서 전송될 경우, 빔포밍 설정 모델은 출력값으로서 BS가 신호를 전송할 수 없는 픽셀(1301)을 출력할 수 있다.

여기서, 빔포밍 장치(1321)는 Negative Reward (Reward r_i= -1 ) 를 agent에게 제공할 수 있다.

빔포밍 장치는 해당 리워드를 피드백으로 인식하여, agent에게 agent의 BS의 상태를 다시 업데이트하도록 할 수 있다.

실시예 1: 지능적 빔포밍 방법에 있어서, 복수의 안테나 주변의 빔포밍 환경 정보를 획득하는 단계; 상기 빔포밍 설정 정보를 미리 학습된 빔포밍 설정 모델에 입력하는 단계; 상기 빔포밍 설정 모델의 출력으로서 상기 복수의 안테나의 최적 빔포밍 설정 정보를 획득하는 단계; 및 상기 최적 빔포밍 설정 정보에 기반하여 상기 복수의 안테나의 빔포밍을 설정하는 단계;를 포함하는 것을 특징으로 한다.

실시예 2: 실시예 1에 있어서, 상기 빔포밍 환경 정보는, 상기 복수의 안테나 주변의 장애물의 배치와 관련된 정보를 포함하는 것을 특징으로 할 수 있다.

실시예 3: 실시예 2에 있어서, 상기 빔포밍 환경 정보를 획득하는 단계는, 상기 복수의 안테나에서 외부의 안테나로 참조 신호를 전송하는 단계, 상기 참조 신호에 대한 응답 신호를 수신하는 단계, 및 상기 응답 신호에 기반하여 상기 빔포밍 환경 정보를 획득하는 단계를 포함하는 것을 특징으로 할 수 있다.

실시예 4: 실시예 3에 있어서, 상기 빔포밍 환경 정보는, 상기 응답 신호의 수신 시간과 관련된 정보를 포함하는 것을 특징으로 할 수 있다.

실시예 5: 실시예 1에 있어서, 상기 복수의 안테나의 최적 빔포밍 설정 정보는, 상기 복수의 안테나 각각의 설정 각도와 관련된 정보를 포함하는 것을 특징으로 할 수 있다.

실시예 6: 지능적 빔포밍 장치는, 복수의 안테나; 상기 복수의 안테나의 각도를 조정하기 위한 회전 모듈; 및 상기 복수의 안테나 주변의 빔포밍 환경 정보를 획득하고, 상기 빔포밍 설정 정보를 미리 학습된 빔포밍 설정 모델에 입력하며, 상기 빔포밍 설정 모델의 출력으로서 상기 복수의 안테나의 최적 빔포밍 설정 정보를 획득하고, 상기 최적 빔포밍 설정 정보에 기반하여 상기 복수의 안테나의 빔포밍을 상기 회전 모듈을 통해 설정하는 프로세서;를 포함하는 것을 특징으로 한다.

실시예 7: 실시예 6에 있어서, 상기 빔포밍 환경 정보는, 상기 복수의 안테나 주변의 장애물의 배치와 관련된 정보를 포함하는 것을 특징으로 할 수 있다.

실시예 8: 실시예 7에 있어서, 상기 프로세서는, 상기 복수의 안테나를 통해 외부의 안테나로 참조 신호를 전송하고, 상기 참조 신호에 대한 응답 신호를 상기 복수의 안테나를 통해 수신하며, 상기 응답 신호에 기반하여 상기 빔포밍 환경 정보를 획득하는 것을 특징으로 할 수 있다.

실시예 9: 실시예 8에 있어서, 상기 빔포밍 환경 정보는, 상기 응답 신호의 수신 시간과 관련된 정보를 포함하는 것을 특징으로 할 수 있다.

실시예 10: 실시예 9에 있어서, 상기 복수의 안테나의 최적 빔포밍 설정 정보는, 상기 복수의 안테나 각각의 설정 각도와 관련된 정보를 포함하는 것을 특징으로 할 수 있다.

실시예 11: 비 일시적 컴퓨터 판독 가능한 기록 매체는, 컴퓨팅 디바이스의 하나 이상의 프로세서에서 실행하도록 구성된 컴퓨터 실행 가능한 컴포넌트가 저장된 비 일시적(non-transitory) 컴퓨터 판독 가능한 매체(computer-executable component)로서, 복수의 안테나 주변의 빔포밍 환경 정보를 획득하고, 상기 빔포밍 설정 정보를 미리 학습된 빔포밍 설정 모델에 입력하며, 상기 빔포밍 설정 모델의 출력으로서 상기 복수의 안테나의 최적 빔포밍 설정 정보를 획득하고, 상기 최적 빔포밍 설정 정보에 기반하여 상기 복수의 안테나의 빔포밍을 상기 회전 모듈을 통해 설정하는 것을 특징으로 한다.

전술한 본 발명은, 프로그램이 기록된 매체에 컴퓨터가 읽을 수 있는 코드로서 구현하는 것이 가능하다. 컴퓨터가 읽을 수 있는 매체는, 컴퓨터 시스템에 의하여 읽혀질 수 있는 데이터가 저장되는 모든 종류의 기록장치를 포함한다. 컴퓨터가 읽을 수 있는 매체의 예로는, HDD(Hard Disk Drive), SSD(Solid State Disk), SDD(Silicon Disk Drive), ROM, RAM, CD-ROM, 자기 테이프, 플로피 디스크, 광 데이터 저장 장치 등이 있으며, 또한 캐리어 웨이브(예를 들어, 인터넷을 통한 전송)의 형태로 구현되는 것도 포함한다. 따라서, 상기의 상세한 설명은 모든 면에서 제한적으로 해석되어서는 아니되고 예시적인 것으로 고려되어야 한다. 본 발명의 범위는 첨부된 청구항의 합리적 해석에 의해 결정되어야 하고, 본 발명의 등가적 범위 내에서의 모든 변경은 본 발명의 범위에 포함된다.

Claims

지능적 빔포밍 방법에 있어서,
복수의 안테나 주변의 빔포밍 환경 정보를 획득하는 단계;
빔포밍 설정 정보를 미리 학습된 빔포밍 설정 모델에 입력하는 단계;
상기 빔포밍 설정 모델의 출력으로서 상기 복수의 안테나의 최적 빔포밍 설정 정보를 획득하는 단계; 및
상기 최적 빔포밍 설정 정보에 기반하여 상기 복수의 안테나의 빔포밍을 설정하는 단계;를 포함하는 것을 특징으로 하는,
방법.
제1항에 있어서,
상기 빔포밍 환경 정보는,
상기 복수의 안테나 주변의 장애물의 배치와 관련된 정보를 포함하는 것을 특징으로 하는,
방법.
제2항에 있어서,
상기 빔포밍 환경 정보를 획득하는 단계는,
상기 복수의 안테나에서 외부의 안테나로 참조 신호를 전송하는 단계,
상기 참조 신호에 대한 응답 신호를 수신하는 단계, 및
상기 응답 신호에 기반하여 상기 빔포밍 환경 정보를 획득하는 단계를 포함하는 것을 특징으로 하는,
방법.
제3항에 있어서,
상기 빔포밍 환경 정보는,
상기 응답 신호의 수신 시간과 관련된 정보를 포함하는 것을 특징으로 하는,
방법.
제1항에 있어서,
상기 복수의 안테나의 최적 빔포밍 설정 정보는,
상기 복수의 안테나 각각의 설정 각도와 관련된 정보를 포함하는 것을 특징으로 하는,
방법.
복수의 안테나;
상기 복수의 안테나의 각도를 조정하기 위한 회전 모듈; 및
상기 복수의 안테나 주변의 빔포밍 환경 정보를 획득하고,
빔포밍 설정 정보를 미리 학습된 빔포밍 설정 모델에 입력하며,
상기 빔포밍 설정 모델의 출력으로서 상기 복수의 안테나의 최적 빔포밍 설정 정보를 획득하고,
상기 최적 빔포밍 설정 정보에 기반하여 상기 복수의 안테나의 빔포밍을 상기 회전 모듈을 통해 설정하는 프로세서;를 포함하는 것을 특징으로 하는,
빔포밍 장치.
제6항에 있어서,
상기 빔포밍 환경 정보는,
상기 복수의 안테나 주변의 장애물의 배치와 관련된 정보를 포함하는 것을 특징으로 하는,
빔포밍 장치.
제7항에 있어서,
상기 프로세서는,
상기 복수의 안테나를 통해 외부의 안테나로 참조 신호를 전송하고,
상기 참조 신호에 대한 응답 신호를 상기 복수의 안테나를 통해 수신하며,
상기 응답 신호에 기반하여 상기 빔포밍 환경 정보를 획득하는 것을 특징으로 하는,
빔포밍 장치.
제8항에 있어서,
상기 빔포밍 환경 정보는,
상기 응답 신호의 수신 시간과 관련된 정보를 포함하는 것을 특징으로 하는,
빔포밍 장치.
제6항에 있어서,
상기 복수의 안테나의 최적 빔포밍 설정 정보는,
상기 복수의 안테나 각각의 설정 각도와 관련된 정보를 포함하는 것을 특징으로 하는,
빔포밍 장치.
컴퓨팅 디바이스의 하나 이상의 프로세서에서 실행하도록 구성된 컴퓨터 실행 가능한 컴포넌트가 저장된 비 일시적(non-transitory) 컴퓨터 판독 가능한 매체(computer-executable component)로서, 상기 컴퓨터 실행 가능한 컴포넌트는,
복수의 안테나 주변의 빔포밍 환경 정보를 획득하고,
빔포밍 설정 정보를 미리 학습된 빔포밍 설정 모델에 입력하며,
상기 빔포밍 설정 모델의 출력으로서 상기 복수의 안테나의 최적 빔포밍 설정 정보를 획득하고,
상기 최적 빔포밍 설정 정보에 기반하여 상기 복수의 안테나의 빔포밍을 회전 모듈을 통해 설정하는 것을 특징으로 하는,
비 일시적 컴퓨터 판독 가능한 기록 매체.