KR20210145514A - 네트워크 에너지 최적화를 위한 전력 제어 방법 및 장치 - Google Patents

네트워크 에너지 최적화를 위한 전력 제어 방법 및 장치 Download PDF

Info

Publication number
KR20210145514A
KR20210145514A KR1020200062499A KR20200062499A KR20210145514A KR 20210145514 A KR20210145514 A KR 20210145514A KR 1020200062499 A KR1020200062499 A KR 1020200062499A KR 20200062499 A KR20200062499 A KR 20200062499A KR 20210145514 A KR20210145514 A KR 20210145514A
Authority
KR
South Korea
Prior art keywords
base station
asri
power control
information
active
Prior art date
Application number
KR1020200062499A
Other languages
English (en)
Inventor
이효진
주현규
심병효
김영준
Original Assignee
삼성전자주식회사
서울대학교산학협력단
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 삼성전자주식회사, 서울대학교산학협력단 filed Critical 삼성전자주식회사
Priority to KR1020200062499A priority Critical patent/KR20210145514A/ko
Priority to US17/185,836 priority patent/US11576119B2/en
Publication of KR20210145514A publication Critical patent/KR20210145514A/ko

Links

Images

Classifications

    • 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
    • H04W52/02—Power saving arrangements
    • H04W52/0209—Power saving arrangements in terminal devices
    • H04W52/0212—Power saving arrangements in terminal devices managed by the network, e.g. network or access point is master and terminal is slave
    • 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
    • H04W52/02—Power saving arrangements
    • H04W52/0203—Power saving arrangements in the radio access network or backbone network of wireless communication networks
    • H04W52/0206—Power saving arrangements in the radio access network or backbone network of wireless communication networks in access points, e.g. base stations
    • 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
    • H04W52/18—TPC being performed according to specific parameters
    • H04W52/24—TPC being performed according to specific parameters using SIR [Signal to Interference Ratio] or other wireless path parameters
    • H04W52/241—TPC being performed according to specific parameters using SIR [Signal to Interference Ratio] or other wireless path parameters taking into account channel quality metrics, e.g. SIR, SNR, CIR, Eb/lo
    • 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
    • H04W52/18—TPC being performed according to specific parameters
    • H04W52/26—TPC being performed according to specific parameters using transmission rate or quality of service QoS [Quality of Service]
    • H04W52/265—TPC being performed according to specific parameters using transmission rate or quality of service QoS [Quality of Service] taking into account the quality of service QoS
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04W—WIRELESS COMMUNICATION NETWORKS
    • H04W88/00—Devices specially adapted for wireless communication networks, e.g. terminals, base stations or access point devices
    • H04W88/08—Access point devices
    • Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
    • Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
    • Y02D—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN INFORMATION AND COMMUNICATION TECHNOLOGIES [ICT], I.E. INFORMATION AND COMMUNICATION TECHNOLOGIES AIMING AT THE REDUCTION OF THEIR OWN ENERGY USE
    • Y02D30/00—Reducing energy consumption in communication networks
    • Y02D30/70—Reducing energy consumption in communication networks in wireless communication networks

Landscapes

  • Engineering & Computer Science (AREA)
  • Computer Networks & Wireless Communication (AREA)
  • Signal Processing (AREA)
  • Quality & Reliability (AREA)
  • Mobile Radio Communication Systems (AREA)

Abstract

본 개시는 통신 네트워크의 에너지 효율 향상을 위한 인공지능 기반 기술을 이용한 기지국 전력 제어 기법에 관한 것이다. 본 개시의 일 실시 예에 따른 통신 시스템의 기지국에 의해 수행되는 방법은, 상태 정보를 획득하는 단계; 상기 상태 정보 중 적어도 일부를 기반으로 ASRI(active/sleep request indicator)를 결정하는 단계; 상기 상태 정보 및 ASRI 중 적어도 하나를 중앙 유닛으로 전송하는 단계; 상기 중앙 유닛으로부터 상기 상태 정보 및 ASRI 중 적어도 하나를 기반으로 결정된 전력 제어 정보를 수신하는 단계; 및 상기 수신한 전력 제어 정보를 기반으로 전력 제어를 수행하는 단계를 포함할 수 있다.

Description

네트워크 에너지 최적화를 위한 전력 제어 방법 및 장치{METHOD AND APPARATUS FOR POWER CONTROLLING FOR NETWORK ENERGY OPTIMIZATION}
본 개시는 통신 네트워크의 에너지 효율 향상을 위한 인공지능 기반 기술을 이용한 기지국 전력 제어 기법에 관한 것이다.
4G 통신 시스템 상용화 이후 증가 추세에 있는 무선 데이터 트래픽 수요를 충족시키기 위해, 개선된 5G 통신 시스템 또는 pre-5G 통신 시스템을 개발하기 위한 노력이 이루어지고 있다. 이러한 이유로, 5G 통신 시스템 또는 pre-5G 통신 시스템은 4G 네트워크 이후 (Beyond 4G Network) 통신 시스템 또는 LTE 시스템 이후 (Post LTE) 시스템이라 불리어지고 있다. 높은 데이터 전송률을 달성하기 위해, 5G 통신 시스템은 초고주파(mmWave) 대역 (예를 들어, 60기가(60GHz) 대역과 같은)에서의 구현이 고려되고 있다. 초고주파 대역에서의 전파의 경로손실 완화 및 전파의 전달 거리를 증가시키기 위해, 5G 통신 시스템에서는 빔포밍(beamforming), 거대 배열 다중 입출력(massive MIMO), 전차원 다중입출력(Full Dimensional MIMO: FD-MIMO), 어레이 안테나(array antenna), 아날로그 빔형성(analog beam-forming), 및 대규모 안테나 (large scale antenna) 기술들이 논의되고 있다. 또한 시스템의 네트워크 개선을 위해, 5G 통신 시스템에서는 진화된 소형 셀, 개선된 소형 셀 (advanced small cell), 클라우드 무선 액세스 네트워크 (cloud radio access network: cloud RAN), 초고밀도 네트워크 (ultra-dense network), 기기 간 통신 (Device to Device communication: D2D), 무선 백홀 (wireless backhaul), 이동 네트워크 (moving network), 협력 통신 (cooperative communication), CoMP (Coordinated Multi-Points), 및 수신 간섭제거 (interference cancellation) 등의 기술 개발이 이루어지고 있다. 이 밖에도, 5G 시스템에서는 진보된 코딩 변조(Advanced Coding Modulation: ACM) 방식인 FQAM (Hybrid FSK and QAM Modulation) 및 SWSC (Sliding Window Superposition Coding)과, 진보된 접속 기술인 FBMC(Filter Bank Multi Carrier), NOMA(non orthogonal multiple access), 및SCMA(sparse code multiple access) 등이 개발되고 있다.
한편, 인터넷은 인간이 정보를 생성하고 소비하는 인간 중심의 연결 망에서, 사물 등 분산된 구성 요소들 간에 정보를 주고 받아 처리하는 IoT(Internet of Things, 사물인터넷) 망으로 진화하고 있다. 클라우드 서버 등과의 연결을 통한 빅데이터(Big data) 처리 기술 등이 IoT 기술에 결합된 IoE (Internet of Everything) 기술도 대두되고 있다. IoT를 구현하기 위해서, 센싱 기술, 유무선 통신 및 네트워크 인프라, 서비스 인터페이스 기술, 및 보안 기술과 같은 기술 요소 들이 요구되어, 최근에는 사물간의 연결을 위한 센서 네트워크(sensor network), 사물 통신(Machine to Machine, M2M), MTC(Machine Type Communication)등의 기술이 연구되고 있다. IoT 환경에서는 연결된 사물들에서 생성된 데이터를 수집, 분석하여 인간의 삶에 새로운 가치를 창출하는 지능형 IT(Internet Technology) 서비스가 제공될 수 있다. IoT는 기존의 IT(information technology)기술과 다양한 산업 간의 융합 및 복합을 통하여 스마트홈, 스마트 빌딩, 스마트 시티, 스마트 카 혹은 커넥티드 카, 스마트 그리드, 헬스 케어, 스마트 가전, 첨단의료서비스 등의 분야에 응용될 수 있다.
이에, 5G 통신 시스템을 IoT 망에 적용하기 위한 다양한 시도들이 이루어지고 있다. 예를 들어, 센서 네트워크(sensor network), 사물 통신(Machine to Machine, M2M), MTC(Machine Type Communication)등의 기술이 5G 통신 기술이 빔 포밍, MIMO, 및 어레이 안테나 등의 기법에 의해 구현되고 있는 것이다. 앞서 설명한 빅데이터 처리 기술로써 클라우드 무선 액세스 네트워크(cloud RAN)가 적용되는 것도 5G 기술과 IoT 기술 융합의 일 예라고 할 수 있을 것이다.
이처럼 5G 통신 시스템, 그리고 다가올 6G 통신 시스템에서는 스마트폰 및 사물 인터넷(IoT) 디바이스의 수 및 데이터 요구량이 급증함에 따라 네트워크의 용량 (capacity)을 향상시키기 위한 수단으로 소형 기지국을 조밀하게 배치하는 초밀집네트워크(ultra-dense network)가 주목받고 있다. 초밀집네트워크는 매크로 기지국의 부담을 완화시키는 동시에 네트워크 용량을 향상시킬 수 있다는 장점이 있으나, 조밀해진 기지국 간 간격으로 인해 기지국의 배치에 셀 간 간섭이 심해지고, 트래픽 부하가 낮거나 거의 없는 기지국의 수가 많아 에너지 효율이 낮아지는 문제가 발생할 수 있으며, 이를 해결하기 위한 기술이 필요한 실정이다.
본 발명은 초밀집네트워크에서 에너지 효율을 높이기 위해 트래픽 부하가 낮은 기지국을 비활성화, 즉 sleep 모드로 전환하는 방법을 제안한다. 또한, 단말의 QoS를 만족하면서 네트워크의 전력 소모를 최소화하는 기지국 전력 제어 방법을 제안한다.
전술한 기술적 과제를 달성하기 위한 본 개시의 일 실시 예에 따른 통신 시스템의 기지국에 의해 수행되는 방법은, 상태 정보를 획득하는 단계; 상기 상태 정보 중 적어도 일부를 기반으로 ASRI(active/sleep request indicator)를 결정하는 단계; 상기 상태 정보 및 ASRI 중 적어도 하나를 중앙 유닛으로 전송하는 단계; 상기 중앙 유닛으로부터 상기 상태 정보 및 ASRI 중 적어도 하나를 기반으로 결정된 전력 제어 정보를 수신하는 단계; 및 상기 수신한 전력 제어 정보를 기반으로 전력 제어를 수행하는 단계를 포함할 수 있다.
일 실시 예에 따르면, 상기 상태 정보는 단말과의 채널 상태 정보 및 단말의 QoS(Quality of Service) indicator 중 적어도 어느 하나를 포함할 수 있다.
일 실시 예에 따르면, 상기 ASRI는 액티브(active), 슬립(sleep), 미결정(not decided) 중 적어도 어느 하나를 지시할 수 있다.
일 실시 예에 따르면, 상기 ASRI가 액티브(active) 또는 슬립(sleep)을 지시하는 경우, 상기 전력 제어 정보는 상기 ASRI를 기반으로 결정될 수 있다.
일 실시 예에 따르면, 상기 ASRI가 미결정(not decided)를 지시하는 경우, 상기 전력 제어 정보는 상기 상태 정보를 기반으로 결정될 수 있다.
또한, 본 개시의 일 실시 예에 따른 통신 시스템의 중앙 유닛에 의해 수행되는 방법은, 상기 기지국으로부터 상태 정보 및 ASRI(active/sleep request indicator) 중 적어도 어느 하나를 수신하는 단계; 상기 기지국으로부터 수신한 상태 정보 및 ASRI 중 적어도 어느 하나를 기반으로 상기 기지국에 대한 전력 제어 정보를 결정하는 단계; 및 상기 전력 제어 정보를 상기 기지국으로 전송하는 단계를 포함할 수 있다.
또한, 본 개시의 일 실시 예에 따른 통신 시스템의 기지국에 있어서, 송수신부; 및 상태 정보를 획득하고, 상기 상태 정보 중 적어도 일부를 기반으로 ASRI(active/sleep request indicator)를 결정하고, 상기 상태 정보 및 ASRI 중 적어도 하나를 중앙 유닛으로 전송하고, 상기 중앙 유닛으로부터 상기 상태 정보 및 ASRI 중 적어도 하나를 기반으로 결정된 전력 제어 정보를 수신하고, 상기 수신한 전력 제어 정보를 기반으로 전력 제어를 수행하도록 구성되는 제어부를 포함할 수 있다.
또한, 본 개시의 일 실시 예에 따른 통신 시스템의 중앙 유닛은, 송수신부; 및 기지국으로부터 상태 정보 및 ASRI(active/sleep request indicator) 중 적어도 어느 하나를 수신하고, 상기 기지국으로부터 수신한 상태 정보 및 ASRI 중 적어도 어느 하나를 기반으로 상기 기지국에 대한 전력 제어 정보를 결정하고, 상기 전력 제어 정보를 상기 기지국으로 전송하도록 구성되는 제어부를 포함할 수 있다.
본 발명은 기지국이 소모하는 전력이 많은 초밀집네트워크 환경에서 기지국 전력 제어를 통해 단말의 QoS를 만족하면서 네트워크의 에너지 효율을 극대화할 수 있다. 또한 본 발명에 따르면 인공신경망을 이용하여 전력 제어를 수행하는 장치의 계산 복잡도를 크게 낮출 수 있으며 기지국이 송신하는 active/sleep 모드 요청 신호를 통한 최적의 기지국 전력 제어 방법이 제공될 수 있다.
도 1은 본 개시의 일 실시 예에 따른 통신 네트워크의 구조를 나타낸 도면이다.
도 2는 본 개시의 일 실시 예에 따른 심층 강화 학습을 설명하기 위한 도면이다.
도 3은 본 개시의 일 실시 예에 따른 통신 네트워크에서의 전력 제어 방법을 설명하기 위한 도면이다.
도 4는 본 개시의 일 실시 예에 따른 기지국의 동작을 나타낸 순서도이다.
도 5는 본 개시의 일 실시 예에 따른 중앙 유닛의 동작을 나타낸 순서도이다.
도 6은 본 개시의 일 실시 예에 따른 통신 네트워크에서의 전력 제어 방법을 나타낸 흐름도이다.
도 7은 본 개시의 다른 실시 예에 따른 통신 네트워크에서의 전력 제어 방법을 나타낸 흐름도이다.
도 8은 본 개시의 일 실시 예에 따른 기지국의 구성을 나타낸 도면이다.
도 9는 본 개시의 일 실시 예에 따른 중앙 유닛의 구성을 나타낸 도면이다.
이하, 본 발명의 실시예를 첨부한 도면과 함께 상세히 설명한다. 또한 본 발명을 설명함에 있어서 관련된 공지 기능 또는 구성에 대한 구체적인 설명이 본 발명의 요지를 불필요하게 흐릴 수 있다고 판단된 경우 그 상세한 설명은 생략한다. 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.
또한, 본 발명의 실시예들을 구체적으로 설명함에 있어서, 본 발명의 주요한 요지는 유사한 기술적 배경 및 채널형태를 가지는 여타의 통신 시스템에도 본 발명의 범위를 크게 벗어나지 아니하는 범위에서 약간의 변형으로 적용 가능하며, 이는 본 발명의 기술분야에서 숙련된 기술적 지식을 가진 자의 판단으로 가능할 것이다.
본 발명의 이점 및 특징, 그리고 그것들을 달성하는 방법은 첨부되는 도면과 함께 상세하게 후술되어 있는 실시 예들을 참조하면 명확해질 것이다. 그러나 본 발명은 이하에서 개시되는 실시 예들에 한정되는 것이 아니라 서로 다른 다양한 형태로 구현될 수 있으며, 단지 본 실시 예들은 본 발명의 개시가 완전하도록 하고, 본 발명이 속하는 기술분야에서 통상의 지식을 가진 자에게 발명의 범주를 완전하게 알려주기 위해 제공되는 것이며, 본 발명은 청구항의 범주에 의해 정의될 뿐이다. 명세서 전체에 걸쳐 동일 참조 부호는 동일 구성 요소를 지칭한다.
이 때, 처리 흐름도 도면들의 각 블록과 흐름도 도면들의 조합들은 컴퓨터 프로그램 인스트럭션들에 의해 수행될 수 있음을 이해할 수 있을 것이다. 이들 컴퓨터 프로그램 인스트럭션들은 범용 컴퓨터, 특수용 컴퓨터 또는 기타 프로그램 가능한 데이터 프로세싱 장비의 프로세서에 탑재될 수 있으므로, 컴퓨터 또는 기타 프로그램 가능한 데이터 프로세싱 장비의 프로세서를 통해 수행되는 그 인스트럭션들이 흐름도 블록(들)에서 설명된 기능들을 수행하는 수단을 생성하게 된다. 이들 컴퓨터 프로그램 인스트럭션들은 특정 방식으로 기능을 구현하기 위해 컴퓨터 또는 기타 프로그램 가능한 데이터 프로세싱 장비를 지향할 수 있는 컴퓨터 이용 가능 또는 컴퓨터 판독 가능 메모리에 저장되는 것도 가능하므로, 그 컴퓨터 이용가능 또는 컴퓨터 판독 가능 메모리에 저장된 인스트럭션들은 흐름도 블록(들)에서 설명된 기능을 수행하는 인스트럭션 수단을 내포하는 제조 품목을 생산하는 것도 가능하다. 컴퓨터 프로그램 인스트럭션들은 컴퓨터 또는 기타 프로그램 가능한 데이터 프로세싱 장비 상에 탑재되는 것도 가능하므로, 컴퓨터 또는 기타 프로그램 가능한 데이터 프로세싱 장비 상에서 일련의 동작 단계들이 수행되어 컴퓨터로 실행되는 프로세스를 생성해서 컴퓨터 또는 기타 프로그램 가능한 데이터 프로세싱 장비를 수행하는 인스트럭션들은 흐름도 블록(들)에서 설명된 기능들을 실행하기 위한 단계들을 제공하는 것도 가능하다.
또한, 각 블록은 특정된 논리적 기능(들)을 실행하기 위한 하나 이상의 실행 가능한 인스트럭션들을 포함하는 모듈, 세그먼트 또는 코드의 일부를 나타낼 수 있다. 또, 몇 가지 대체 실행 예들에서는 블록들에서 언급된 기능들이 순서를 벗어나서 발생하는 것도 가능함을 주목해야 한다. 예컨대, 잇달아 도시되어 있는 두 개의 블록들은 사실 실질적으로 동시에 수행되는 것도 가능하고 또는 그 블록들이 때때로 해당하는 기능에 따라 역순으로 수행되는 것도 가능하다.
이 때, 본 실시 예에서 사용되는 '~부'라는 용어는 소프트웨어 또는 FPGA또는 ASIC과 같은 하드웨어 구성요소를 의미하며, '~부'는 어떤 역할들을 수행한다. 그렇지만 '~부'는 소프트웨어 또는 하드웨어에 한정되는 의미는 아니다. '~부'는 어드레싱할 수 있는 저장 매체에 있도록 구성될 수도 있고 하나 또는 그 이상의 프로세서들을 재생시키도록 구성될 수도 있다. 따라서, 일 예로서 '~부'는 소프트웨어 구성요소들, 객체지향 소프트웨어 구성요소들, 클래스 구성요소들 및 태스크 구성요소들과 같은 구성요소들과, 프로세스들, 함수들, 속성들, 프로시저들, 서브루틴들, 프로그램 코드의 세그먼트들, 드라이버들, 펌웨어, 마이크로코드, 회로, 데이터, 데이터베이스, 데이터 구조들, 테이블들, 어레이들, 및 변수들을 포함한다. 구성요소들과 '~부'들 안에서 제공되는 기능은 더 작은 수의 구성요소들 및 '~부'들로 결합되거나 추가적인 구성요소들과 '~부'들로 더 분리될 수 있다. 뿐만 아니라, 구성요소들 및 '~부'들은 디바이스 또는 보안 멀티미디어카드 내의 하나 또는 그 이상의 CPU들을 재생시키도록 구현될 수도 있다.
이하 설명에서 사용되는 신호를 지칭하는 용어, 채널을 지칭하는 용어, 제어 정보를 지칭하는 용어, 네트워크 객체(network entity)들을 지칭하는 용어, 장치의 구성 요소를 지칭하는 용어, 접속 노드(node)를 식별하기 위한 용어, 메시지들을 지칭하는 용어, 망 객체들 간 인터페이스를 지칭하는 용어, 다양한 식별 정보들을 지칭하는 용어 등은 설명의 편의를 위해 예시된 것이다. 따라서, 본 개시가 후술되는 용어들에 한정되는 것은 아니며, 동등한 기술적 의미를 가지는 대상을 지칭하는 다른 용어가 사용될 수 있다.
최근 스마트폰 및 사물 인터넷(IoT) 디바이스의 수 및 데이터 요구량이 급증함에 따라 네트워크의 용량 (capacity)을 향상시키기 위한 수단으로 소형 기지국을 조밀하게 배치하는 초밀집네트워크(ultra-dense network)가 주목받고 있다. 초밀집네트워크는 매크로 기지국의 부담을 완화시키는 동시에 네트워크 용량을 향상시킬 수 있다는 장점이 있으나, 조밀해진 기지국 간 간격으로 인해 기지국의 배치에 셀 간 간섭이 심해지고, 트래픽 부하가 낮거나 거의 없는 기지국의 수가 많아 에너지 효율이 낮아지는 문제가 발생한다.
초밀집네트워크에서 에너지 효율을 높이기 위해 트래픽 부하가 낮은 기지국을 비활성화, 즉 sleep 모드로 전환하는 기법이 활용될 수 있다. 기존의 4G LTE에서는, 데이터 채널 및 동기화/제어 채널 전송을 담당하는 매크로 기지국을 중심으로 구성되어 이에 대해 sleep 모드 전환 기법을 적용하는 것에 제약이 있었다. 하지만, 5G NR 그리고 다가올 6G 이동통신에서는, 다수의 소형 기지국들이 매크로 기지국 주변에 조밀하게 분포하고, 소형 기지국의 커버리지 (coverage) 및 접속된 단말의 수가 크지 않기 때문에 트래픽 부하가 낮거나 접속된 단말이 없는 소형 기지국에 대하여 sleep 모드 전환 기법이 적용될 수 있다. 종래의 sleep 모드 기법에는 휴리스틱(heuristic) 기법 및 최적화 기반 기법 등이 있다. 휴리스틱 기법은 기지국의 전송 전력 또는 트래픽 부하가 작은 순서대로 sleep 모드 기법을 적용한다. 하지만, 잦은 모드 전환(mode transition)으로 인해 에너지 효율이 좋지 않고, 초밀집네트워크에서 계산 복잡도가 높으며 최적의 기지국 조합을 찾기 어렵다는 단점이 있다. 최적화 기반 기법은 기지국 active/sleep 모드 결정을 위해서 NP-난해 문제인 혼합 정수 계획법 (Mixed Integer Programming)을 해결해야 한다. 전역 탐색 (exhaustive search)을 통해 해를 구할 수 있으나, 문제의 계산 복잡도가 네트워크 내의 기지국 수에 따라 기하급수적으로 증가하기 때문에 결정을 위한 소요 시간이 길어지고, 이로 인해 빠르게 변화하는 통신 환경에 유연하게 대응하는 것이 현실적으로 불가능하다. 본 발명에서는 기지국과 단말 간의 하향 링크 채널 정보(downlink channel state information)와 단말의 QoS indicator와 같은 신호를 기반으로 최적의 기지국 전력 제어 기법을 제안한다. 기계학습을 사용함으로써 데이터를 기반으로 입력 신호와 에너지 효율을 극대화하는 전력제어 사이의 복잡한 관계를 효과적으로 학습할 수 있다.
도 1은 본 개시의 일 실시 예에 따른 통신 네트워크의 구조를 나타낸 도면이다.
도 1을 참조하면, 본 발명의 일 실시 예에 따른 통신 네트워크(100)은 각 기지국(120a, 120b, 120c)에 대한 전력 제어를 수행하는 중앙 유닛(central unit)(110), 그리고 중앙 유닛(110)의 제어에 따라 active/sleep 모드로 동작하며, 커버리지 내의 단말과 신호를 송수신하는 하나 또는 복수개의 기지국(120a, 120b, 120c)으로 구성될 수 있다.
중앙 유닛(110)은 복수 개의 기지국(120a, 120b, 120c)의 전력 제어를 수행하기 위한 기능 또는 장치를 구비한 임의의 장치로 정의될 수 있으며, 일 예로서 중앙 유닛(110)은 도 1에 도시된 바와 같이 기지국과는 독립적으로 존재하는 장치로 구현되어 복수 개의 기지국(120a, 120b, 120c)에 대한 전력 제어를 수행하거나, 또는 도 1에서는 도시하지 않았으나 복수 개의 소형 기지국(small base station)(120b, 120c)과 연결된 매크로 기지국(macro base station)(120a) 내에서 구현되어 각 소형 기지국(120b, 120c)에 대한 전력 제어를 수행할 수도 있다. 일 실시 예에 따르면, 소형 기지국(120b)은 매크로 기지국(120a)를 통해서 중앙 유닛(110)과 연결되거나, 또는 소형 기지국(120c)은 중앙 유닛(110)에 직접 연결될 수도 있다. 복수 개의 기지국(120a, 120b, 120c)은 복수 개의 소형 기지국과 연결된 매크로 기지국(120a) 또는 소형 기지국(120b, 120c)을 포함할 수 있다. 도 1에서는 설명의 편의를 위해 본 발명에 따른 통신 네트워크가 매크로 기지국(120a) 및 그와 연결된 소형 기지국(120b, 120c)을 모두 포함하도록 도시하였으나, 이는 본 발명의 범위를 제한하지 않는다. 이하 본 명세서에 있어서 중앙 유닛(110)이 수행하는 전력 제어는, 중앙 유닛(110)에 의해 제어되는 각 기지국(120a, 120b, 120c)에 대하여 active/sleep 모드를 결정하는 것, 또는 이와 함께 active 모드로 결정된 기지국의 전력 제어를 위해 사용될 수 있는 임의의 조건(예: 사용 안테나 수, 전송 전력 레벨, 사용 가능한 자원 블록의 수 등 전력)을 결정하는 것을 의미한다.
도 1에 도시된 통신 네트워크에서, 중앙 유닛(110)이 전력 제어를 통해 각 단말의 QoS 및 기지국의 전력 조건 등의 일정 조건을 만족하면서 네트워크의 에너지 효율을 최대화 하는 문제는 수학식을 기반으로 한 최적화 문제로 구성될 수 있다. 일 예시로, 각 단말에서 수신하는 데이터 전송률이 단말의 데이터 요구량을 만족시키는 조건에서 네트워크의 소비 전력을 최소화하기 위한 모델로 구성될 수 있다. 기지국의 전력 소비량은 각 기지국에 연결된 단말들에 대한 총 송신 전력(transmission power), active/sleep 모드일 때 각각 소비하는 유지 전력(maintenance power), 그리고 active/sleep 모드 전환 시 필요한 전환 전력(transition power)으로 구성될 수 있다. 기지국과 단말의 인덱스를 각각
Figure pat00001
,
Figure pat00002
라 할 때, 시간 단위
Figure pat00003
개(예:
Figure pat00004
초) 동안 기지국 소비 전력 최소화 문제는 다음과 같은 수학식 1과 같이 나타낼 수 있다.
[수학식 1]
Figure pat00005
Figure pat00006
여기서
Figure pat00007
은 기지국
Figure pat00008
의 sleep(0) 또는 active(1) 모드를 의미하고,
Figure pat00009
은 단말
Figure pat00010
의 데이터 전송률 요구량을 의미한다.
Figure pat00011
은 모든 기지국의 소비 전력(예: 송신 전력, 유지 전력, 전환 전력 등)의 총합이고
Figure pat00012
는 단말
Figure pat00013
의 수신 데이터 전송률을 의미하며 기지국과 단말 사이의 채널 정보와 송신 전력에 의해 결정될 수 있다. 일 예시로 기지국에 연결된 단말들에 신호를 전송할 시 각각 일정한 전력을 할당한다고 하고 수신 데이터 용량인
Figure pat00014
를 적용할 수 있다. 여기서
Figure pat00015
는 신호의 주파수 대역을 의미하며
Figure pat00016
는 신호 대 간섭 잡음 비(signal-to-interference-plus-noise ratio)를 의미한다. 기지국에 연결된 단말들에 데이터를 전송할 시 각
Figure pat00017
은 기지국과 각 단말 사이의 채널 정보에 대한 함수로 표현될 수 있다.
본 발명에서는 인공지능 기반 기술을 활용한 전력 제어 방법을 제안한다. 본 발명에서 제안하는 기술적 과제를 달성하기 위해 적용 가능한 인공지능 기반 기술은 Convolutional Neural Network (CNN), Long-Term Short Memory (LSTM), Deep Reinforcement Learning (DRL) 등을 포함한 임의의 인공지능 기반 기술일 수 있으며, 이하 본 발명에서는 심층 강화 학습(DRL: deep reinforcement learning)을 활용한 방법을 예시로서 개시하나, 이는 본 발명의 범위를 제한하지 않는다.
도 2는 본 개시의 일 실시 예에 따른 심층 강화 학습을 설명하기 위한 도면이다.
심층 강화 학습은 시행착오를 바탕으로 목표를 달성하기 위한 최선의 정책을 찾는 알고리즘이며, 현재 상태
Figure pat00018
가 주어졌을 때, 에이전트(agent)(210)는 행동
Figure pat00019
를 수행하고, 행동의 결과로 환경(environment)(220)을 거쳐 보상(reward)
Figure pat00020
및 다음 상태(next state)
Figure pat00021
을 얻을 수 있다. 이 때, 누적 보상의 기대치를 최대화하는 최상의 정책(optimal policy) (
Figure pat00022
) 은 아래 수학식 2와 같이 표현할 수 있다. 여기서
Figure pat00023
는 discount factor(
Figure pat00024
)로 현재 보상에 대한 미래 보상의 가중치를 나타낸다.
[수학식 2]
Figure pat00025
심층 강화 학습은 실시간으로 획득한 데이터(상태, 행동 및 보상)를 활용하여 에이전트 내 심층신경망을 훈련함으로써 누적 보상을 최대화하는 정책을 획득할 수 있다. 예컨대, 강화학습 알고리즘의 하나인 Q-learning의 경우, 행동 결정의 지표로써 아래 수학식 3과 같이 표현되는 상태-행동 쌍(state-action pair)들의 Q-value를 알아야 한다.
[수학식 3]
Figure pat00026
수학식 3에 따른 Q-value를 얻기 위해, 행동과 그에 따라 획득한 보상으로 반복적인 업데이트를 수행해야 하며, 이로 인해 학습의 계산 복잡도가 높고 수행해야 할 작업의 난이도가 어려울 경우, Q-learning을 통해 가능한 모든 상태-행동 쌍의 Q-value를 찾는 것은 매우 어렵다. 이 문제를 해결하기 위해 심층신경망을 접목하여 Q-value를 근사(approximation)할 수 있는 네트워크(deep Q-network: DQN)를 사용한다. DQN 내 파라미터들은 아래 수학식 4의 손실 함수(L(
Figure pat00027
))를 최소화하는 방향으로 학습될 수 있다. 수학식의
Figure pat00028
는 주어진 상태 및 행동에 따른 보상을 의미하며,
Figure pat00029
는 각각 다음 상태, 다음 행동을 나타낸다.
[수학식 4]
Figure pat00030
본 발명에서는 시간 유닛 t에서 중앙 유닛이 각 기지국에 대한 전력 제어(active/sleep 모드)를 결정하기 위해 사용하는 상태 정보를 상태
Figure pat00031
, 그리고 이를 기반으로 중앙 유닛이 각 기지국들에 대한 전력 제어 방법(active/sleep 모드)을 결정하여 생성한 전력 제어 정보를 행동
Figure pat00032
로 정의할 수 있다.
일 실시 예에 따르면, 중앙 유닛이 각 기지국에 대한 전력 제어(active/sleep 모드)를 결정하기 위해 사용하는 상태 정보는 기지국 및 단말 간 채널 상태 정보(CSI: channel state information), 단말의 QoS 지시자(Quality of Service indicator), User perceived throughput, 기지국 Queue의 잔존 트래픽 양, 각 단말의 현재까지의 데이터 충족률 및 기지국 커버리지 내 단말에 대한 자원 블록 스케줄링(resource block scheduling) 정보, 이웃한 기지국으로부터 받은 간섭의 세기, 이웃한 기지국에게 준 간섭의 세기, 트래픽 부하 중 적어도 어느 하나를 포함할 수 있다. 예를 들어, 상태 정보
Figure pat00033
는 기지국 및 단말 간 채널 상태 정보 및 단말의 QoS 지시자를 포함할 수 있으며, 이를 수학식으로 표현하면 다음과 같다.
[수학식 5]
Figure pat00034
Figure pat00035
설명의 편의를 위해 상태 정보가 CSI 및 단말의 QoS 지시자를 포함하는 것으로 정의하였으나, 이는 본 발명을 제한하지 않으며 전술한 상태 정보에 포함되는 임의의 정보는
Figure pat00036
,
Figure pat00037
와 유사한 방법을 통해 수학적 파라미터로서 정의될 수 있으며, 상태 정보
Figure pat00038
역시 그에 상응하도록 정의될 수 있다.
일 실시 예에서, 상태 정보를 기반으로 결정된 각 기지국에 대한 전력 제어 정보, 즉 행동
Figure pat00039
는 각 기지국이 액티브(active) 모드로 결정된 경우 1, 슬립(sleep) 모드로 결정된 경우 0에 대응되도록 정의될 수 있다. 이를 수학식으로 표현하면 다음과 같다.
[수학식 6]
Figure pat00040
이 경우, 행동
Figure pat00041
를 결정하기 위해 고려되는 경우의 수, 즉 행동 공간(action space)(A)의 크기는
Figure pat00042
일 수 있다.
일 실시 예에서, 전력 제어 정보, 즉 행동
Figure pat00043
는 active/sleep 모드 결정 외에도 active 모드로 설정된 기지국이 사용할 안테나 수(A), 전송 전력 레벨의 수(T) 및 할당되는 자원 블록(resource block)(B)의 수 중 어느 하나, 또는 이들의 조합을 추가적인 변수로 고려하여 결정될 수 있으며, 각각의 경우를 수학식으로 표현하면 다음과 같다.
[수학식 7]
Figure pat00044
Figure pat00045
Figure pat00046
각각의 경우에서, active 모드로 결정된 기지국의 수를 C라고 할 때
Figure pat00047
를 결정하기 위해 고려되는 경우의 수, 즉 행동 공간(action space)(A)의 크기는
Figure pat00048
,
Figure pat00049
,
Figure pat00050
일 수 있다.
일 실시 예에서, 보상
Figure pat00051
는 행동
Figure pat00052
에 따른 동작 수행 결과 네트워크의 전력 소모량이 적을수록 큰 값을 가지고, 기지국 및 단말이 요구하는 특정 조건(예: 단말의 데이터 요구량, QoS 등)을 만족하지 못한 경우 페널티가 부과되도록 설정될 수 있다. 이에 대한 일 예시를 수학식으로 표현하면 아래와 같다.
[수학식 8]
Figure pat00053
Figure pat00054
는 네트워크가 모든 기지국을 active 모드로 할 때 사용하는 최대 전력,
Figure pat00055
은 기지국 m에서 실제로 소모한 전력을 나타낸다. 수학식 8에 따르면,
Figure pat00056
는 네트워크를 구성하는 기지국에서 실제로 소모한 전력의 합이 작을수록 보상 높은 값을 가지며, 만약 특정 제약 조건을 만족하지 못한 경우에는 -K의 페널티가 부과될 수 있다. 수학식 8은 보상을 수학적으로 정의하기 위한 일 예시이며, 특정 요구조건을 만족하면서 에너지 효율을 최대화하는 행동을 유도하기 위한 임의의 형태로 정의될 수 있다.
이상 심층 강화 학습을 기반으로 한 전력 제어 방법에 대하여 설명하였다. 그런데 앞서 설명한 방법을 기반으로 각 기지국에 대한 전력 제어(active/sleep 모드)를 판단할 경우, 기지국의 개수가 증가함에 따라 고려되어야 할 경우의 수(action space의 크기)가 지수적으로 증가하여 계산 복잡도가 증가하고, 학습의 효율이 저하될 수 있다.
따라서, 본 발명은 일 실시 예에 따라 action space의 크기를 줄이기 위한 방법으로 각 기지국은 자체적으로 다음 시간 유닛에서 active 모드로 동작할지 또는 sleep 모드로 동작할지를 결정하여 중앙 유닛에게 요청하고, 중앙 유닛은 이를 고려하여 각 기지국에 대한 전력 제어 정보를 결정하는 방법을 제안한다.
도 3은 본 개시의 일 실시 예에 따른 통신 네트워크에서의 전력 제어 방법을 설명하기 위한 도면이다.
도 3을 참조하면, 기지국(310)은 중앙 유닛(320)이 기지국(310)에 대한 전력 제어 정보를 결정하기 위한 정보를 중앙 유닛(320)으로 송신할 수 있다. 이 때, 도 3에서는 기지국(310)이 중앙 유닛(320)과 직접 연결되어 정보를 송신하는 것으로 도시하였으나, 도 1에서 설명한 바와 같이 만약 기지국(310)이 매크로 기지국을 통해 중앙 유닛(320)과 연결된 소형 기지국에 해당하는 경우에는 이러한 상태 정보는 매크로 기지국을 통해 중앙 유닛(320)으로 전송될 수도 있다. 이처럼 기지국(310)이 중앙 유닛(320)으로 송신하는 정보에는 기지국(310) 및 기지국(310)의 커버리지(coverage)에 포함된 단말들의 상태를 나타내는 상태 정보, 그리고 기지국(310)에 의해 결정되는 active/sleep 요청 지시자(ASRI: active/sleep request indicator)를 포함할 수 있다. 기지국(310)에서 중앙 유닛(320)으로 전송되는 정보는 예를 들면 백홀망(backhaul network)을 통해서 전송될 수 있다.
일 실시 예에 따르면, 상태 정보는 기지국 및 단말 간 채널 상태 정보(CSI: channel state information), 단말의 QoS 지시자(Quality of Service indicator), User perceived throughput, 기지국 Queue의 잔존 트래픽 양, 각 단말의 현재까지의 데이터 충족률 및 기지국 커버리지 내 단말에 대한 자원 블록 스케줄링(resource block scheduling) 정보, 이웃한 기지국으로부터 받은 간섭의 세기, 이웃한 기지국에게 준 간섭의 세기, 트래픽 부하 중 적어도 어느 하나를 포함할 수 있다. 상기 상태 정보에 포함되는 각각의 정보들은 필요에 따라 기지국(310)이 단말로부터 수신하거나, 기지국(310)이 자체적으로 획득하거나, 혹은 매크로 기지국 또는 중앙 유닛(320)으로부터 수신하는 등 임의의 방법을 통해 획득될 수 있다. 예를 들어, 상태 정보는 기지국 및 단말 간 채널 상태 정보 및 단말의 QoS 지시자를 포함할 수 있다.
일 실시 예에 따르면, active/sleep 요청 지시자(ASRI)는 기지국(310)에 의해 생성되며, 액티브(active), 슬립(sleep), 미결정(not decided) 중 어느 하나를 지시하는 정보일 수 있다. 일 실시 예에 따르면, ASRI는 각 기지국(310)의 자체적인 판단을 기반으로 생성되어 중앙 유닛(320)으로 전송되며, 다음 시간 유닛 또는 특정 시간 유닛에서 기지국(310)에 대해 active/sleep 모드를 요청하는 신호일 수 있다. 기지국(310)이 중앙 유닛(320)에 다음 시간 유닛 또는 특정 시간 유닛에서 기지국(310)에 대해 active 모드로 제어해줄 것을 요청하고자 하는 경우, 기지국(310)은 “active”를 지시하는 ASRI를 생성하여 중앙 유닛(320)으로 전송할 수 있다. 또는, 기지국(310)이 중앙 유닛(320)에 다음 시간 유닛 또는 특정 시간 유닛에서 기지국(310)에 대해 sleep 모드로 제어해줄 것을 요청하고자 하는 경우, 기지국(320)은 “sleep”을 지시하는 ASRI를 생성하여 중앙 유닛(320)으로 전송할 수 있다. 또는, 기지국(310)이 active/sleep 모드 동작의 필요성을 자체적으로 명확하게 판단하기 어려운 경우 기지국(310)은 “not decided”를 지시하는 ASRI를 생성하여 중앙 유닛(320)으로 전송할 수 있다.
일 실시 예에서, 기지국(310)은 상태 정보의 적어도 일부 기반으로 자체적으로 active 모드 / sleep 모드 동작의 필요성을 판단하여 ASRI를 생성할 수 있다. 상태 정보는 기지국 및 단말 간 채널 상태 정보(CSI: channel state information), 단말의 QoS 지시자(Quality of Service indicator), User perceived throughput, 기지국 Queue의 잔존 트래픽 양, 각 단말의 현재까지의 데이터 충족률 및 기지국 커버리지 내 단말에 대한 자원 블록 스케줄링(resource block scheduling) 정보, 이웃한 기지국으로부터 받은 간섭의 세기, 이웃한 기지국에게 준 간섭의 세기, 트래픽 부하 중 적어도 어느 하나를 포함할 수 있으며, 기지국(310)은 이들 중 적어도 일부 또는 전체를 기반으로 ASRI를 생성할 수 있다. 일 예시로, 기지국(310)은 신호 및 단말 스케줄링 관련 변수인 QoS indicator, User perceived throughput, 기지국 Queue의 잔존 트래픽 양, 각 단말의 현재까지의 데이터 충족률 및 소형 기지국 커버리지 내 단말에 대한 자원 블록 스케줄링(resource block scheduling) 정보 중 적어도 어느 하나를 기반으로 ASRI를 생성할 수 있다.
일 실시 예에서, ASRI는 각 기지국(310)이 선제적으로 생성하여 주기적 혹은 비주기적으로 중앙 유닛(320)으로 전송할 수 있다. 또는, ASRI는 중앙 유닛(320)의 요청에 따라 각 기지국(310)이 주기적 혹은 비주기적으로 생성하여 전송할 수 있다. 또는, ASRI는 각 기지국(310)이 선제적으로 생성하여 주기적 혹은 비주기적으로 중앙 유닛(320)으로 전송하며, 중앙 유닛(320)의 요청이 있는 경우에도 각 기지국(310)이 주기적 혹은 비주기적으로 생성하여 전송할 수 있다.
만약 기지국(310)이 매크로 기지국과 연결된 소형 기지국에 해당하는 경우, 현재 상기 기지국(310)의 커버리지 내 단말들의 데이터 요구량이 많고 충족률이 낮아 기지국(310)과 연결된 매크로 기지국만으로 단말들의 QoS를 만족하기 어렵다고 판단되는 경우에는, “active”를 지시하는 ASRI를 생성할 수 있다. 이와 달리, 기지국(310)의 커버리지 내 단말들의 데이터 요구량이 적고 충족률이 높아 기지국(310)과 연결된 매크로 기지국만으로도 기지국(310) 커버리지 내의 단말들의 QoS를 만족할 수 있는 것으로 판단되는 경우에는, “sleep”을 지시하는 ASRI를 생성할 수 있다. 또한, 기지국(310)이 active/sleep 여부를 자체적으로 명확하게 판단할 수 없는 경우, “not decided” 신호를 생성할 수 있다.
중앙 유닛(320)은 기지국(310)으로부터 수신한 상태 정보, 보상 및 ASRI 등을 기반으로 전력 제어 정보를 생성하는 전력 제어 유닛(322), 그리고 행동 공간 단순화 유닛(324)을 포함할 수 있다. 일 실시 예에서, 행동 공간 단순화 유닛(324)은 전력 제어 유닛(322)이 전력 제어 정보를 생성함에 있어서 고려해야 할 행동 공간(action space)의 크기를 줄여 계산 복잡도 감소 및 성능 향상을 제공하기 위한 Action space simplifier의 역할을 수행할 수 있다.
전력 제어 유닛(322)은 하나 또는 복수 개의 기지국으로부터 수신한 상태 정보, 보상, ASRI 그리고 행동 공간 단순화 유닛(324)으로부터 수신한 정보 중 적어도 하나를 기반으로 전력 제어 정보를 생성할 수 있다. 전력 제어 정보는 각 기지국(310)에 대하여 active/sleep 모드를 지시하는 정보이거나, 또는 active 모드로 지시되는 기지국에 대하여 사용할 안테나 수(A), 전송 전력 레벨의 수(T) 및 할당되는 자원 블록(resource block)(B)의 수 중 어느 하나 이상을 지시하는 정보일 수 있다. 전력 제어 유닛(322)은 앞서 도 2를 참조하여 설명한 방법에 따라 상태 정보, 보상, ASRI 그리고 행동 공간 단순화 유닛(324)으로부터 수신한 정보 중 적어도 하나를 기반으로 가장 큰 Q-value가 기대되는 행동을 결정함으로써 각 기지국에 대한 전력 제어 정보를 생성할 수 있다.
한편 중앙 유닛(320)은 전력 제어 정보를 생성함에 있어서 기지국(310)으로부터 수신한 ASRI를 기반으로 행동 공간을 줄일 수 있다. 일 예시로, 기지국(310)으로부터 수신한 ASRI가 “not decided”를 지시하는 기지국으로 구성된 행동 공간을 구성할 수 있다. 이 경우 기지국이 자체적으로 판단하여 전송한 ASRI가 “active”를 지시하는 기지국에 대하여는 “active”를 지시하고, 기지국이 자체적으로 판단하여 전송한 ASRI가 'sleep”을 지시하는 기지국에 대하여는 “sleep”을 지시하며, 이 경우 중앙 유닛(320)은 상기 기지국들에 대하여는 굳이 상태 정보를 기반으로 하여 active/sleep 모드 결정을 위한 계산을 수행하는 것이 필요치 않으므로 전력 제어 정보 생성 시 고려해야 할 행동 공간(action space)에서 배제하고 “not decided”를 지시하는 ASRI를 전송한 기지국으로만 행동 공간을 구성할 수 있다. 즉, 중앙 유닛(320)은 ASRI가 “active” 또는 “sleep”을 지시하는 기지국에 대하여는 상기 ASRI를 기반으로 active, sleep로서 전력 제어 정보를 결정하고, ASRI가 “not decided”를 지시하는 기지국에 대하여는 앞서 설명한 방법에 따라 상태 정보를 기반으로 전력 제어 정보를 결정할 수 있다.
추가적으로 행동 공간 단순화 유닛(324) 내부에 행동 배제(action elimination)를 위한 심층신경망을 도입하여, CSI, QoS 및 ASRI 신호를 입력으로 받아 ASRI 신호가 “not decided”인 소형 기지국 중에서도 추가적으로 경우의 수에서 배제 가능한 기지국을 식별하고 행동 공간을 줄일 수 있다. 전력 제어 유닛(322)은 행동 공간 단순화 유닛(324)에 의해 출력되는 action reducing notifier를 입력 값으로 이용하여, 전력 제어 정보 생성을 위한 기계학습의 효율을 극대화 할 수 있다. 즉, 중앙 유닛(320) 내 전력 제어 유닛(322)는 각 기지국-단말 간 CSI, 단말들의 QoS indicator 및 Action reducing notifier 등을 입력으로 하여 가장 큰 Q-value가 기대되는 행동, 즉 기지국 active/sleep 모드를 행동으로 결정하게 되는데, Deep Q-Network가 예측해야 할 Q-value의 경우의 수가 ASRI 및 Action space simplifier를 이용하여 상당히 감소하였기 때문에 계산 복잡도를 줄일 수 있다. 구체적으로, Q-network가 state 및 특정 action을 입력으로 받아 해당 상태-행동 쌍 (state-action pair)의 Q-value를 예측할 때, 기존의 Q-Network만 사용했을 경우와 비교하여, 행동 공간 단순화 유닛(324)를 이용하여 고려해야 할 active/sleep 모드 결정의 경우의 수를 비약적으로 줄일 수 있다. 이는 단말의 QoS 요구사항을 만족시키지 못할 active/sleep 모드 결정 및 그에 대한 보상이 DQN의 학습 데이터로 사용되는 것을 막아줌으로써, 에이전트 내부의 인공 신경망 학습 속도를 향상시키는 의미는 갖는다.
중앙 유닛(320)은 결정된 각 기지국의 active/sleep 모드 정보를 포함하는 전력 제어 정보, 또는 생성된 전력 제어 정보 중 각 기지국에 대응되는 정보를 각 기지국으로 전송할 수 있다. 전력 제어 정보를 수신한 각 기지국은 수신한 전력 제어 정보에 따른 보상을 각 단말 및 기지국에서 중앙 유닛(320)으로 전송할 수 있다. 일 예시로, 각 기지국이 전송하는 보상은 요구 조건 만족 및 실제 전력 소모량을 기반으로 결정될 수 있으며, 수학식 8과 같이 전력 소모량이 적을수록 큰 값을 가지고, 기지국 및 단말이 요구하는 특정 조건(예: 단말의 데이터 요구량, QoS 등)을 만족하지 못한 경우 페널티가 부과되도록 설정될 수 있다.
일 실시 예에 따르면, 각 기지국은 자체적으로 결정한 ASRI 신호와 다른 모드 결정 결과가 수신 된 경우, 또는 데이터를 전송할 단말이 존재함에도 sleep 모드 결과가 전송 된 경우와 같이 단말의 QoS를 만족시킬 수 없는 active/sleep 모드 결과가 전송 된 경우에 중앙 유닛으로 (-) 보상값을 전송할 수 있다. 또한, 중앙 유닛(320)과 사전 합의된 보상 변수(예를 들면, 기지국의 소모 전력 혹은 ACK/NACK indicator)를 중앙 유닛(320)으로 전송할 수 있다. 이후 중앙 유닛(320)은 수신한 보상변수 값을 이용하여 앞서 수학식 4를 통해 개시된 DQN의 손실 함수
Figure pat00057
계산 후, 인공신경망의 parameter를 업데이트할 수 있다.
도 4는 본 개시의 일 실시 예에 따른 기지국의 동작을 나타낸 순서도이다.
단계 410에서, 기지국은 ASRI 결정에 이용하기 위한, 또는 중앙 유닛으로 전송하기 위한 상태 정보를 획득할 수 있다. 상태 정보는 기지국 및 단말 간 채널 상태 정보(CSI: channel state information), 단말의 QoS 지시자(Quality of Service indicator), User perceived throughput, 기지국 Queue의 잔존 트래픽 양, 각 단말의 현재까지의 데이터 충족률 및 기지국 커버리지 내 단말에 대한 자원 블록 스케줄링(resource block scheduling) 정보, 이웃한 기지국으로부터 받은 간섭의 세기, 이웃한 기지국에게 준 간섭의 세기, 트래픽 부하 중 적어도 어느 하나를 포함할 수 있다. 상기 상태 정보에 포함되는 각각의 정보들은 필요에 따라 기지국(310)이 단말로부터 수신하거나, 기지국(310)이 자체적으로 획득하거나, 혹은 매크로 기지국 또는 중앙 유닛(320)으로부터 수신하는 등 임의의 방법을 통해 획득될 수 있다. 일 예시로, 단말로부터 채널 상태 정보 및 단말의 QoS indicator를 수신하고, 매크로 기지국 또는 중앙 유닛으로부터 단말 데이터 충족률, 기지국 커버리지 내 단말에 대한 자원 블록 스케줄링 정보를 수신하며, 기지국 자체적으로 기지국 Queue의 잔존 트래픽 양 등의 정보를 획득할 수 있다. 이는 상태 정보 획득을 위한 일 예시일 뿐 본 발명을 한정하지 않는다.
단계 420에서, 기지국은 상기 상태 정보 중 적어도 일부를 기반으로 자체적으로 active 모드 / sleep 모드 동작의 필요성을 판단하여 ASRI를 생성할 수 있다. 상태 정보는 기지국 및 단말 간 채널 상태 정보(CSI: channel state information), 단말의 QoS 지시자(Quality of Service indicator), User perceived throughput, 기지국 Queue의 잔존 트래픽 양, 각 단말의 현재까지의 데이터 충족률 및 기지국 커버리지 내 단말에 대한 자원 블록 스케줄링(resource block scheduling) 정보, 이웃한 기지국으로부터 받은 간섭의 세기, 이웃한 기지국에게 준 간섭의 세기, 트래픽 부하 중 적어도 어느 하나를 포함할 수 있으며, 기지국은 이들 중 적어도 일부 또는 전체를 기반으로 ASRI를 생성할 수 있다. 일 예시로, 기지국은 신호 및 단말 스케줄링 관련 변수인 QoS indicator, User perceived throughput, 기지국 Queue의 잔존 트래픽 양, 각 단말의 현재까지의 데이터 충족률 및 소형 기지국 커버리지 내 단말에 대한 자원 블록 스케줄링(resource block scheduling) 정보 중 적어도 어느 하나를 기반으로 ASRI를 생성할 수 있다.
단계 430에서, 기지국은 앞서 획득한 상태 정보 및 ASRI를 중앙 유닛으로 송신할 수 있다. 일 실시 예에서, 기지국은 백홀망(backhaul network)을 통해서 상태 정보 및 ASRI를 중앙 유닛으로 전송할 수 있다.
단계 440에서, 기지국은 상기 상태 정보 및 ASRI를 기반으로 중앙 유닛에 의해 결정된 전력 제어 정보(또는 전력 제어 정보 중 해당 기지국에 대응되는 정보)를 중앙 유닛으로부터 수신할 수 있다. 전력 제어 정보는 각 기지국(310)에 대하여 active/sleep 모드를 지시하는 정보이거나, 또는 active 모드로 지시되는 기지국에 대하여 사용할 안테나 수(A), 전송 전력 레벨의 수(T) 및 할당되는 자원 블록(resource block)(B)의 수 중 어느 하나 이상을 지시하는 정보일 수 있다.
단계 450에서, 기지국은 중앙 유닛으로부터 수신한 전력 제어 정보를 기반으로 전력 제어를 수행할 수 있다.
도시하지는 않았으나, 기지국은 중앙 유닛으로부터 수신한 전력 제어 정보를 기반으로 한 전력 제어 수행 결과에 따라, 요구 조건 만족 및 실제 전력 소모량을 기반으로 생성된 보상을 중앙 유닛으로 전송할 수 있다. 보상은 수학식 8과 같이 전력 소모량이 적을수록 큰 값을 가지고, 기지국 및 단말이 요구하는 특정 조건(예: 단말의 데이터 요구량, QoS 등)을 만족하지 못한 경우 페널티가 부과되도록 설정될 수 있다.
도 5는 본 개시의 일 실시 예에 따른 중앙 유닛의 동작을 나타낸 순서도이다.
단계 510에서, 중앙 유닛은 기지국으로부터 상태 정보 및 ASRI를 수신할 수 있다.
단계 520에서, 중앙 유닛은 기지국으로부터 수신한 상태 정보 및 ASRI를 기반으로, 전력 제어 정보를 생성할 수 있다. 일 실시 예에서, 중앙 유닛은 상태 정보, ASRI 그리고 행동 공간 단순화 유닛(324)에 의해 생성된 action reducing notifier 중 적어도 하나를 기반으로 전력 제어 정보를 생성할 수 있다. 전력 제어 정보는 각 기지국에 대하여 active/sleep 모드를 지시하는 정보이거나, 또는 active 모드로 지시되는 기지국에 대하여 사용할 안테나 수(A), 전송 전력 레벨의 수(T) 및 할당되는 자원 블록(resource block)(B)의 수 중 어느 하나 이상을 지시하는 정보일 수 있다. 중앙 유닛은 상태 정보, ASRI 그리고 행동 공간 단순화 유닛에 의해 생성된 action reducing notifier 중 적어도 하나를 기반으로 가장 큰 Q-value가 기대되는 행동을 결정함으로써 각 기지국에 대한 전력 제어 정보를 생성할 수 있다. 일 예시로, 중앙 유닛은 기지국으로부터 수신한 ASRI가 “active” 또는 “sleep”을 지시하는 경우, 해당 기지국에 대응되는 전력 제어 정보는 상기 ASRI를 기반으로 active 또는 sleep으로 결정될 수 있다. 또한, 기지국으로부터 수신한 ASRI 가 “not decided”인 경우, 상기 기지국은 상태 정보를 기반으로 한 전력 제어 정보 결정을 위해 고려되는 행동 공간에 포함되어, 기지국으로부터 수신한 상태 정보를 기반으로 결정될 수 있다. 한편 도시하지는 않았으나, 중앙 유닛은 이전 타임 유닛에서 수행된 각 기지국의 전력 제어 결과에 따른 보상을 더 기반으로 하여 전력 제어 정보를 생성할 수 있다.
단계 530에서, 중앙 유닛은 생성된 전력 제어 정보 또는 전력 제어 정보 중 각 기지국에 대응되는 정보를 각 기지국에 전송할 수 있다.
도 6은 본 개시의 일 실시 예에 따른 통신 네트워크에서의 전력 제어 방법을 나타낸 흐름도이다.
구체적으로, 도 6은 기지국(620)이 중앙 유닛(630)과 직접 연결된 경우의 전력 제어 방법을 나타낸 흐름도이다. 이 경우 기지국(620)은 매크로 기지국일 수도 있고, 중앙 유닛과 직접 연결되는 소형 기지국일수도 있다. 도 6을 참조하면, 기지국(620)은 단말(610) 또는 중앙 유닛(630)으로부터 상태 정보를 획득할 수 있다(601). 도 6에서는 기지국이 단말 및 중앙 유닛 모두로부터 상태 정보를 획득하는 것으로 도시하였으나, 기지국의 설정, 또는 획득하고자 하는 정보의 종류에 따라 단말(610) 또는 중앙 유닛(630) 중 어느 하나로부터 상태 정보를 획득할 수도 있다. 또한, 도시하지 않았으나 상태 정보에는 단말(610) 또는 중앙 유닛(630)으로부터 획득하는 정보뿐만 아니라 기지국(620)이 자체적으로 획득하는 정보도 포함될 수 있다. 기지국(620)은 획득한 상태 정보를 기반으로 중앙 유닛(630)에게 기지국(620)이 active 모드로 동작할 것을 요청할지, 또는 sleep 모드로 동작할 것을 요청할지를 결정하여 ASRI를 결정할 수 있다(602). 만약 기지국(620)이 active 모드 동작을 요청할지 sleep 모드 동작을 요청할지 자체적으로 결정하기 어려운 경우, ASRI가 “not decided”를 지시하도록 결정할 수 있다. ASRI 결정 후, 기지국(620)은 중앙 유닛(630)에게 획득한 상태 정보 및 결정한 ASRI를 전송할 수 있다(603). 중앙 유닛(630)은 하나 또는 복수 개의 기지국으로부터 수신한 상태 정보 및 ASRI를 기반으로 전력 제어 정보를 결정할 수 있다(604). 중앙 유닛(630)은 결정한 전력 제어 정보 또는 전력 제어 정보 중 기지국(620)에 대응되는 정보를 기지국(620)에게 전송하고(605), 이를 수신한 기지국(620)은 수신한 전력 제어 정보를 기반으로 전력 제어를 수행할 수 있다(607). 또한, 도시하지 않았으나 기지국(620)은 수신한 전력 제어 정보를 기반으로 전력 제어를 수행한 결과에 따라 중앙 유닛(630)에게 전송할 보상을 결정하여 중앙 유닛(630)에게 전송할 수 있다. 중앙 유닛(630)은, 상태 정보, ASRI 뿐만 아니라 보상을 더 기반으로 하여 전력 제어 정보를 결정할 수 있다.
도 7은 본 개시의 다른 실시 예에 따른 통신 네트워크에서의 전력 제어 방법을 나타낸 흐름도이다.
구체적으로, 도 7은 전력 제어 대상이 되는 기지국이 매크로 기지국을 통해 중앙 유닛과 연결되며 매크로 기지국에 의해 제어되는 소형 기지국(720)에 해당하는 경우의 전력 제어 방법을 나타낸 흐름도이다. 도 7을 참조하면, 소형 기지국(720)은 단말(710)로부터 상태 정보를 획득할 수 있다(701). 또한, 소형 기지국(720)은 매크로 기지국(730)으로부터 상태 정보를 획득할 수 있다(702). 일 실시 예에서, 매크로 기지국(730)으로부터 획득되는 상태 정보 중 적어도 일부는, 상기 소형 기지국(720)이 단말(710)로부터 획득한 상태 정보의 적어도 일부를 기반으로 결정된 정보일 수 있다. 소형 기지국(720)은 획득한 상태 정보를 기반으로 중앙 유닛(740)에게 소형 기지국(720)이 active 모드로 동작할 것을 요청할지, 또는 sleep 모드로 동작할 것을 요청할지를 결정하여 ASRI를 결정할 수 있다(703). 만약 소형 기지국(720)이 active 모드 동작을 요청할지 sleep 모드 동작을 요청할지 자체적으로 결정하기 어려운 경우, ASRI가 “not decided”를 지시하도록 결정할 수 있다. ASRI 결정 후, 소형 기지국(720)은 매크로 기지국(730)에게 획득한 상태 정보 및 결정한 ASRI를 전송할 수 있다(704). 매크로 기지국(730)은 소형 기지국(720)으로부터 획득한 상태 정보 및 ASRI를 중앙 유닛(740)에게 전송할 수 있다(705).
중앙 유닛(740)은 하나 또는 복수 개의 기지국으로부터 수신한 상태 정보 및 ASRI를 기반으로 전력 제어 정보를 결정할 수 있다(706). 중앙 유닛(740)은 결정한 전력 제어 정보 또는 전력 제어 정보 중 매크로 기지국(730)에 의해 제어되는 소형 기지국(720)에 대응되는 정보를 매크로 기지국(730)에게 전송하고(707), 매크로 기지국(730)은 이를 다시 소형 기지국(720)으로 전송할 수 있다(708). 이를 수신한 소형 기지국(720)은 수신한 전력 제어 정보를 기반으로 전력 제어를 수행할 수 있다(709).
도 8은 본 개시의 일 실시 예에 따른 기지국의 구성을 나타낸 도면이다.
도 8을 참조하면, 기지국은 송수신부(810), 메모리(820) 및 프로세서(830)를 포함할 수 있다. 전술한 실시 예에 따라, 기지국의 송수신부(810), 메모리(820) 및 프로세서(830)가 동작할 수 있다. 다만, 기지국의 구성 요소가 전술한 예에 한정되는 것은 아니다. 예를 들어, 기지국은 전술한 구성 요소들 보다 더 많은 구성 요소를 포함하거나 더 적은 구성 요소를 포함할 수도 있다. 뿐만 아니라, 송수신부(810), 메모리(820), 및 프로세서(830)가 하나의 칩(chip) 형태로 구현될 수도 있다.
송수신부(810)는 단말, 다른 기지국 및 중앙 유닛 등 통신 네트워크 내 다른 구성 요소와 신호를 송수신할 수 있다. 여기에서, 신호는 제어 정보 및 데이터를 포함할 수 있다. 이를 위해, 송수신부(810)는 전송되는 신호의 주파수를 상승 변환 및 증폭하는 RF 송신기와, 수신되는 신호를 저 잡음 증폭하고 주파수를 하강 변환하는 RF 수신기 등으로 구성될 수 있다. 다만, 이는 송수신부(810)의 일 실시 예일뿐이며, 송수신부(810)의 구성 요소가 RF 송신기 및 RF 수신기에 한정되는 것은 아니다.
또한, 송수신부(810)는 무선 채널을 통해 신호를 수신하여 프로세서(830)로 출력하고, 프로세서(830)로부터 출력되는 신호를 무선 채널을 통해 전송할 수 있다.
메모리(820)는 기지국의 동작에 필요한 프로그램 및 데이터를 저장할 수 있다. 또한, 메모리(820)는 기지국이 송수신하는 신호에 포함된 제어 정보 또는 데이터를 저장할 수 있다. 메모리(820)는 롬(ROM), 램(RAM), 하드디스크, CD-ROM 및 DVD 등과 같은 저장 매체 또는 저장 매체들의 조합으로 구성될 수 있다. 또한, 메모리(820)는 복수 개일 수 있다.
또한 프로세서(830)는 전술한 실시 예에 따라 기지국이 동작할 수 있도록 일련의 과정을 제어할 수 있다. 예를 들어, 프로세서(830)는 전술한 실시 예에 따라 상태 정보를 획득하고, ASRI를 결정하고, 수신한 전력 제어 정보에 따라 전력을 제어하도록 기지국의 동작을 제어할 수 있다. 프로세서(830)는 복수 개일 수 있으며, 프로세서(830)는 메모리(820)에 저장된 프로그램을 실행함으로써 기지국의 구성 요소 제어 동작을 수행할 수 있다.
도 9는 본 개시의 일 실시 예에 따른 중앙 유닛의 구성을 나타낸 도면이다.
도 9를 참조하면, 중앙 유닛은 송수신부(910), 메모리(920) 및 프로세서(930)를 포함할 수 있다. 전술한 실시 예에 따라, 중앙 유닛의 송수신부(910), 메모리(920) 및 프로세서(930)가 동작할 수 있다. 다만, 중앙 유닛의 구성 요소가 전술한 예에 한정되는 것은 아니다. 예를 들어, 중앙 유닛은 전술한 구성 요소들 보다 더 많은 구성 요소를 포함하거나 더 적은 구성 요소를 포함할 수도 있다. 뿐만 아니라, 송수신부(910), 메모리(920), 및 프로세서(930)가 하나의 칩(chip) 형태로 구현될 수도 있다.
송수신부(910)는 단말, 기지국 등 통신 네트워크 내 다른 구성 요소와 신호를 송수신할 수 있다. 여기에서, 신호는 제어 정보 및 데이터를 포함할 수 있다. 이를 위해, 송수신부(910)는 전송되는 신호의 주파수를 상승 변환 및 증폭하는 RF 송신기와, 수신되는 신호를 저 잡음 증폭하고 주파수를 하강 변환하는 RF 수신기 등으로 구성될 수 있다. 다만, 이는 송수신부(910)의 일 실시 예일뿐이며, 송수신부(910)의 구성 요소가 RF 송신기 및 RF 수신기에 한정되는 것은 아니다.
또한, 송수신부(910)는 무선 채널을 통해 신호를 수신하여 프로세서(930)로 출력하고, 프로세서(930)로부터 출력되는 신호를 무선 채널을 통해 전송할 수 있다.
메모리(920)는 중앙 유닛의 동작에 필요한 프로그램 및 데이터를 저장할 수 있다. 또한, 메모리(920)는 중앙 유닛이 송수신하는 신호에 포함된 제어 정보 또는 데이터를 저장할 수 있다. 메모리(920)는 롬(ROM), 램(RAM), 하드디스크, CD-ROM 및 DVD 등과 같은 저장 매체 또는 저장 매체들의 조합으로 구성될 수 있다. 또한, 메모리(920)는 복수 개일 수 있다.
또한 프로세서(930)는 전술한 실시 예에 따라 중앙 유닛이 동작할 수 있도록 일련의 과정을 제어할 수 있다. 예를 들어, 프로세서(930)는 전술한 실시 예에 따라 상태 정보를 획득하고, ASRI를 결정하고, 수신한 전력 제어 정보에 따라 전력을 제어하도록 중앙 유닛의 동작을 제어할 수 있다. 프로세서(930)는 복수 개일 수 있으며, 프로세서(930)는 메모리(920)에 저장된 프로그램을 실행함으로써 중앙 유닛의 구성 요소 제어 동작을 수행할 수 있다. 또한, 프로세서(930)는 앞서 설명한 전력 32제어 유닛(322) 및 행동 공간 단순화 유닛(324)를 포함하여 구성될 수 있다.
본 개시의 청구항 또는 명세서에 기재된 실시예들에 따른 방법들은 하드웨어, 소프트웨어, 또는 하드웨어와 소프트웨어의 조합의 형태로 구현될(implemented) 수 있다.
소프트웨어로 구현하는 경우, 하나 이상의 프로그램(소프트웨어 모듈)을 저장하는 컴퓨터 판독 가능 저장 매체 또는 컴퓨터 프로그램 제품이 제공될 수 있다. 컴퓨터 판독 가능 저장 매체 또는 컴퓨터 프로그램 제품에 저장되는 하나 이상의 프로그램은, 전자 장치(device) 내의 하나 이상의 프로세서에 의해 실행 가능하도록 구성된다(configured for execution). 하나 이상의 프로그램은, 전자 장치로 하여금 본 개시의 청구항 또는 명세서에 기재된 실시예들에 따른 방법들을 실행하게 하는 명령어(instructions)를 포함한다.
이러한 프로그램(소프트웨어 모듈, 소프트웨어)은 랜덤 액세스 메모리 (random access memory), 플래시(flash) 메모리를 포함하는 불휘발성(non-volatile) 메모리, 롬(ROM: Read Only Memory), 전기적 삭제가능 프로그램가능 롬(EEPROM: Electrically Erasable Programmable Read Only Memory), 자기 디스크 저장 장치(magnetic disc storage device), 컴팩트 디스크 롬(CD-ROM: Compact Disc-ROM), 디지털 다목적 디스크(DVDs: Digital Versatile Discs) 또는 다른 형태의 광학 저장 장치, 마그네틱 카세트(magnetic cassette)에 저장될 수 있다. 또는, 이들의 일부 또는 전부의 조합으로 구성된 메모리에 저장될 수 있다. 또한, 각각의 구성 메모리는 복수 개 포함될 수도 있다.
또한, 프로그램은 인터넷(Internet), 인트라넷(Intranet), LAN(Local Area Network), WLAN(Wide LAN), 또는 SAN(Storage Area Network)과 같은 통신 네트워크, 또는 이들의 조합으로 구성된 통신 네트워크를 통하여 접근(access)할 수 있는 부착 가능한(attachable) 저장 장치(storage device)에 저장될 수 있다. 이러한 저장 장치는 외부 포트를 통하여 본 개시의 실시예를 수행하는 장치에 접속할 수 있다. 또한, 통신 네트워크 상의 별도의 저장 장치가 본 개시의 실시예를 수행하는 장치에 접속할 수도 있다.
상술한 본 개시의 구체적인 실시예들에서, 본 개시에 포함되는 구성 요소는 제시된 구체적인 실시예에 따라 단수 또는 복수로 표현되었다. 그러나, 단수 또는 복수의 표현은 설명의 편의를 위해 제시한 상황에 적합하게 선택된 것으로서, 본 개시가 단수 또는 복수의 구성 요소에 제한되는 것은 아니며, 복수로 표현된 구성 요소라 하더라도 단수로 구성되거나, 단수로 표현된 구성 요소라 하더라도 복수로 구성될 수 있다.
한편, 본 명세서와 도면에 개시된 본 개시의 실시예들은 본 개시의 기술 내용을 쉽게 설명하고 본 개시의 이해를 돕기 위해 특정 예를 제시한 것일 뿐이며, 본 개시의 범위를 한정하고자 하는 것은 아니다. 즉 본 개시의 기술적 사상에 바탕을 둔 다른 변형 예들이 실시 가능하다는 것은 본 개시의 속하는 기술 분야에서 통상의 지식을 가진 자에게 자명한 것이다. 또한 상기 각각의 실시예는 필요에 따라 서로 조합되어 운용할 수 있다. 예를 들면, 본 개시의 일 실시예와 다른 일 실시예의 일부분들이 서로 조합되어 기지국과 단말이 운용될 수 있다. 또한, 본 개시의 실시예들은 다른 통신 시스템에서도 적용 가능하며, 실시예의 기술적 사상에 바탕을 둔 다른 변형예들 또한 실시 가능할 것이다. 예를 들면, 실시예들은 LTE 시스템, 5G 또는 NR 시스템 등에도 적용될 수 있다.

Claims (20)

  1. 통신 시스템의 기지국에 의해 수행되는 방법에 있어서,
    상태 정보를 획득하는 단계;
    상기 상태 정보 중 적어도 일부를 기반으로 ASRI(active/sleep request indicator)를 결정하는 단계;
    상기 상태 정보 및 ASRI 중 적어도 하나를 중앙 유닛으로 전송하는 단계;
    상기 중앙 유닛으로부터 상기 상태 정보 및 ASRI 중 적어도 하나를 기반으로 결정된 전력 제어 정보를 수신하는 단계; 및
    상기 수신한 전력 제어 정보를 기반으로 전력 제어를 수행하는 단계를 포함하는 방법.
  2. 제1항에 있어서,
    상기 상태 정보는 단말과의 채널 상태 정보 및 단말의 QoS(Quality of Service) indicator 중 적어도 어느 하나를 포함하는 것을 특징으로 하는 방법.
  3. 제1항에 있어서,
    상기 ASRI는 액티브(active), 슬립(sleep), 미결정(not decided) 중 적어도 어느 하나를 지시하는 것을 특징으로 하는 방법.
  4. 제3항에 있어서,
    상기 ASRI가 액티브(active) 또는 슬립(sleep)을 지시하는 경우, 상기 전력 제어 정보는 상기 ASRI를 기반으로 결정되는 것을 특징으로 하는 방법.
  5. 제3항에 있어서,
    상기 ASRI가 미결정(not decided)를 지시하는 경우, 상기 전력 제어 정보는 상기 상태 정보를 기반으로 결정되는 것을 특징으로 하는 방법.
  6. 통신 시스템의 중앙 유닛에 의해 수행되는 방법에 있어서,
    상기 기지국으로부터 상태 정보 및 ASRI(active/sleep request indicator) 중 적어도 어느 하나를 수신하는 단계;
    상기 기지국으로부터 수신한 상태 정보 및 ASRI 중 적어도 어느 하나를 기반으로 상기 기지국에 대한 전력 제어 정보를 결정하는 단계; 및
    상기 전력 제어 정보를 상기 기지국으로 전송하는 단계를 포함하는 방법.
  7. 제6항에 있어서,
    상기 상태 정보는 단말과의 채널 상태 정보 및 단말의 QoS(Quality of Service) indicator 중 적어도 어느 하나를 포함하는 것을 특징으로 하는 방법.
  8. 제6항에 있어서,
    상기 ASRI는 액티브(active), 슬립(sleep), 미결정(not decided) 중 적어도 어느 하나를 지시하는 것을 특징으로 하는 방법.
  9. 제8항에 있어서,
    상기 ASRI가 액티브(active) 또는 슬립(sleep)을 지시하는 경우, 상기 전력 제어 정보는 상기 ASRI를 기반으로 결정되는 것을 특징으로 하는 방법.
  10. 제8항에 있어서,
    상기 ASRI가 미결정(not decided)를 지시하는 경우, 상기 전력 제어 정보는 상기 상태 정보를 기반으로 결정되는 것을 특징으로 하는 방법.
  11. 통신 시스템의 기지국에 있어서,
    송수신부; 및
    상태 정보를 획득하고, 상기 상태 정보 중 적어도 일부를 기반으로 ASRI(active/sleep request indicator)를 결정하고, 상기 상태 정보 및 ASRI 중 적어도 하나를 중앙 유닛으로 전송하고, 상기 중앙 유닛으로부터 상기 상태 정보 및 ASRI 중 적어도 하나를 기반으로 결정된 전력 제어 정보를 수신하고, 상기 수신한 전력 제어 정보를 기반으로 전력 제어를 수행하도록 구성되는 제어부를 포함하는 기지국.
  12. 제11항에 있어서,
    상기 상태 정보는 단말과의 채널 상태 정보 및 단말의 QoS(Quality of Service) indicator 중 적어도 어느 하나를 포함하는 것을 특징으로 하는 기지국.
  13. 제11항에 있어서,
    상기 ASRI는 액티브(active), 슬립(sleep), 미결정(not decided) 중 적어도 어느 하나를 지시하는 것을 특징으로 하는 기지국.
  14. 제13항에 있어서,
    상기 ASRI가 액티브(active) 또는 슬립(sleep)을 지시하는 경우, 상기 전력 제어 정보는 상기 ASRI를 기반으로 결정되는 것을 특징으로 하는 기지국.
  15. 제13항에 있어서,
    상기 ASRI가 미결정(not decided)를 지시하는 경우, 상기 전력 제어 정보는 상기 상태 정보를 기반으로 결정되는 것을 특징으로 하는 기지국.
  16. 통신 시스템의 중앙 유닛에 있어서,
    송수신부; 및
    기지국으로부터 상태 정보 및 ASRI(active/sleep request indicator) 중 적어도 어느 하나를 수신하고, 상기 기지국으로부터 수신한 상태 정보 및 ASRI 중 적어도 어느 하나를 기반으로 상기 기지국에 대한 전력 제어 정보를 결정하고, 상기 전력 제어 정보를 상기 기지국으로 전송하도록 구성되는 제어부를 포함하는 중앙 유닛.
  17. 제16항에 있어서,
    상기 상태 정보는 단말과의 채널 상태 정보 및 단말의 QoS(Quality of Service) indicator 중 적어도 어느 하나를 포함하는 것을 특징으로 하는 중앙 유닛.
  18. 제16항에 있어서,
    상기 ASRI는 액티브(active), 슬립(sleep), 미결정(not decided) 중 적어도 어느 하나를 지시하는 것을 특징으로 하는 중앙 유닛.
  19. 제18항에 있어서,
    상기 ASRI가 액티브(active) 또는 슬립(sleep)을 지시하는 경우, 상기 전력 제어 정보는 상기 ASRI를 기반으로 결정되는 것을 특징으로 하는 중앙 유닛.
  20. 제18항에 있어서,
    상기 ASRI가 미결정(not decided)를 지시하는 경우, 상기 전력 제어 정보는 상기 상태 정보를 기반으로 결정되는 것을 특징으로 하는 중앙 유닛.
KR1020200062499A 2020-05-25 2020-05-25 네트워크 에너지 최적화를 위한 전력 제어 방법 및 장치 KR20210145514A (ko)

Priority Applications (2)

Application Number Priority Date Filing Date Title
KR1020200062499A KR20210145514A (ko) 2020-05-25 2020-05-25 네트워크 에너지 최적화를 위한 전력 제어 방법 및 장치
US17/185,836 US11576119B2 (en) 2020-05-25 2021-02-25 Method and apparatus for power control for network energy optimization

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
KR1020200062499A KR20210145514A (ko) 2020-05-25 2020-05-25 네트워크 에너지 최적화를 위한 전력 제어 방법 및 장치

Publications (1)

Publication Number Publication Date
KR20210145514A true KR20210145514A (ko) 2021-12-02

Family

ID=78607645

Family Applications (1)

Application Number Title Priority Date Filing Date
KR1020200062499A KR20210145514A (ko) 2020-05-25 2020-05-25 네트워크 에너지 최적화를 위한 전력 제어 방법 및 장치

Country Status (2)

Country Link
US (1) US11576119B2 (ko)
KR (1) KR20210145514A (ko)

Families Citing this family (9)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN112533274B (zh) * 2020-10-29 2021-08-20 北京科技大学 一种室内太赫兹bwp和功率调度方法及装置
CN114126021B (zh) * 2021-11-26 2024-04-09 福州大学 一种基于深度强化学习的绿色认知无线电的功率分配方法
US20230188233A1 (en) * 2021-12-14 2023-06-15 Intel Corporation System energy efficiency in a wireless network
US20220116041A1 (en) * 2021-12-22 2022-04-14 Mahesh K. Kumashikar Power Management using Voltage Islands on Programmable Logic Devices
US20230232239A1 (en) * 2022-01-14 2023-07-20 Qualcomm Incorporated Methods for Reconfigurable Intelligent Surface (RIS) Aided Cooperative Directional Security
CN114205899B (zh) * 2022-01-18 2023-04-07 电子科技大学 一种基于深度强化学习的异构网高能效功率控制方法
WO2023141865A1 (en) * 2022-01-27 2023-08-03 Zte Corporation Systems and methods using reflection-based communication elements
CN114828023B (zh) * 2022-04-12 2023-09-05 中国联合网络通信集团有限公司 提高通信***能效的方法及装置
CN114710826A (zh) * 2022-04-12 2022-07-05 江苏亨鑫科技有限公司 一种基站节能方法及***

Family Cites Families (11)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR101015736B1 (ko) * 2003-11-19 2011-02-22 삼성전자주식회사 직교 주파수 분할 다중 방식의 이동통신 시스템에서선택적 전력 제어 장치 및 방법
US8019373B2 (en) * 2006-06-16 2011-09-13 Samsung Electronics Co., Ltd System and method for controlling power in a communication system
KR101356481B1 (ko) * 2006-10-13 2014-01-29 엘지전자 주식회사 무선 네트워크에서 전력 제어 방법
US8155688B2 (en) * 2008-11-10 2012-04-10 Lg Electronics Inc. Method and apparatus for adjusting power control mode in wireless communication system
KR101088180B1 (ko) * 2009-02-16 2011-12-02 한국과학기술원 ＩＥＥＥ 802.16ｅ 시스템에서의 스케줄된 절전 방법
KR20110020151A (ko) * 2009-08-21 2011-03-02 엘지전자 주식회사 채널 품질 지시자 전송 방법
KR101638799B1 (ko) * 2009-11-05 2016-07-13 삼성전자주식회사 무선통신 시스템에서 기지국과 단말 간 슬립 사이클 설정을 협상하기 위한 장치 및 방법
KR102065489B1 (ko) * 2013-08-20 2020-01-13 삼성전자주식회사 이동통신 시스템에서 핸드오버 수행 방법 및 장치
KR101563865B1 (ko) 2014-08-18 2015-10-28 한서대학교 산학협력단 에너지 소비 감소를 위한 이종 셀룰러 네트워크 설계방법
KR102301840B1 (ko) * 2015-02-25 2021-09-14 삼성전자 주식회사 이동 통신 시스템에서 단말의 전송 전력을 제어하는 방법 및 장치
KR102030128B1 (ko) 2018-02-28 2019-11-08 한국과학기술원 기계학습을 이용한 무선 백홀망 자원할당방법 및 자원할당 장치

Also Published As

Publication number Publication date
US11576119B2 (en) 2023-02-07
US20210368437A1 (en) 2021-11-25

Similar Documents

Publication Publication Date Title
KR20210145514A (ko) 네트워크 에너지 최적화를 위한 전력 제어 방법 및 장치
US20210345134A1 (en) Handling of machine learning to improve performance of a wireless communications network
WO2020139181A1 (en) A wireless device, a network node and methods therein for updating a first instance of a machine learning model
US20220278728A1 (en) Method and system for channel quality status prediction in wireless network using machine learning
KR20230156362A (ko) 무선 통신 시스템에서 채널 추정 및 이동성 향상을 위한 방법 및 장치
CN116940951A (zh) 通信***中用于支持机器学习或人工智能技术的方法和装置
CN114287145A (zh) 在多载波动态频谱共享下的基于强化学***衡
CN117715219A (zh) 基于深度强化学习的空时域资源分配方法
Adeogun et al. Distributed channel allocation for mobile 6G subnetworks via multi-agent deep Q-learning
Nouruzi et al. Toward a smart resource allocation policy via artificial intelligence in 6G networks: Centralized or decentralized?
KR100999959B1 (ko) 다중 셀 환경에서 셀 간 간섭을 고려한 자원 할당 제어 방법 및 무선 통신 시스템
KR20200119065A (ko) 품질 예측 학습 모델 기반의 동적 무선 네트워크 가변 접속을 제공하는 무선 단말 장치의 동작 방법
Akhtar et al. Exploiting NOMA for Radio Resource Efficient Traffic Steering Use-case in O-RAN
KR20210097546A (ko) 차세대 통신 네트워크에서 단말의 통신 모드 및 전송 전력 결정 방법 및 이를 위한 장치
Chen et al. Low complexity closed‐loop strategy for mmWave communication in industrial intelligent systems
US20240121773A1 (en) User equipment and base station operating based on communication model, and operating method thereof
KR20200119111A (ko) 동적 무선 네트워크 가변 접속을 제공하는 무선 단말 장치
KR20200119157A (ko) 무선 네트워크 가변 접속을 제공하기 위한 품질 예측 정보 제공 장치
US20240040420A1 (en) Apparatus and method for reporting csi in wireless communication system
US20230199519A1 (en) Radio resource model management in a wireless network
EP4373017A1 (en) Method and device for transmitting or receiving channel state information in wireless communication system
KR20230026874A (ko) 무선 통신 시스템에서 단말을 추적하기 위한 장치 및 방법
WO2024067248A1 (zh) 一种获取训练数据集的方法和装置
Fayaz et al. Multi-Agent DRL for Mitigating Power Collisions in SGF-NOMA Systems
KR20210141395A (ko) 무선 통신 시스템에서 ai 기반 비활성화 타이머 결정 방법 및 장치

Legal Events

Date Code Title Description
A201 Request for examination