KR20230054669A - 최대 비트 그룹 및 이차원 패리티에 기반한 양자 비트 에러 율 추정 방법 및 장치 - Google Patents
최대 비트 그룹 및 이차원 패리티에 기반한 양자 비트 에러 율 추정 방법 및 장치 Download PDFInfo
- Publication number
- KR20230054669A KR20230054669A KR1020237005608A KR20237005608A KR20230054669A KR 20230054669 A KR20230054669 A KR 20230054669A KR 1020237005608 A KR1020237005608 A KR 1020237005608A KR 20237005608 A KR20237005608 A KR 20237005608A KR 20230054669 A KR20230054669 A KR 20230054669A
- Authority
- KR
- South Korea
- Prior art keywords
- qber
- information
- estimation
- key information
- parity
- Prior art date
Links
- 238000000034 method Methods 0.000 title claims abstract description 281
- 239000002096 quantum dot Substances 0.000 title claims abstract description 11
- 230000006854 communication Effects 0.000 claims abstract description 216
- 238000004891 communication Methods 0.000 claims abstract description 215
- 230000004044 response Effects 0.000 claims abstract description 29
- 230000015654 memory Effects 0.000 claims description 74
- 238000005516 engineering process Methods 0.000 description 72
- 239000010410 layer Substances 0.000 description 72
- 230000008569 process Effects 0.000 description 55
- 238000013528 artificial neural network Methods 0.000 description 53
- 238000013473 artificial intelligence Methods 0.000 description 44
- 230000006870 function Effects 0.000 description 32
- 230000003287 optical effect Effects 0.000 description 31
- 238000012545 processing Methods 0.000 description 26
- 230000005540 biological transmission Effects 0.000 description 20
- 238000010586 diagram Methods 0.000 description 20
- 230000000694 effects Effects 0.000 description 16
- 238000013135 deep learning Methods 0.000 description 15
- 238000005070 sampling Methods 0.000 description 15
- 238000013527 convolutional neural network Methods 0.000 description 14
- 238000005259 measurement Methods 0.000 description 13
- 239000013598 vector Substances 0.000 description 13
- 238000012549 training Methods 0.000 description 12
- 230000008901 benefit Effects 0.000 description 11
- 238000010801 machine learning Methods 0.000 description 11
- 230000010287 polarization Effects 0.000 description 10
- 230000000306 recurrent effect Effects 0.000 description 10
- 230000003190 augmentative effect Effects 0.000 description 8
- 238000009826 distribution Methods 0.000 description 8
- 230000010354 integration Effects 0.000 description 8
- 238000007726 management method Methods 0.000 description 7
- 230000007246 mechanism Effects 0.000 description 7
- 230000004913 activation Effects 0.000 description 6
- 230000008859 change Effects 0.000 description 6
- 239000000835 fiber Substances 0.000 description 6
- 238000010295 mobile communication Methods 0.000 description 6
- 230000003595 spectral effect Effects 0.000 description 6
- 238000004364 calculation method Methods 0.000 description 5
- 238000006243 chemical reaction Methods 0.000 description 5
- 238000001514 detection method Methods 0.000 description 5
- 230000001965 increasing effect Effects 0.000 description 5
- 238000001228 spectrum Methods 0.000 description 5
- 230000001133 acceleration Effects 0.000 description 4
- 238000004422 calculation algorithm Methods 0.000 description 4
- 230000001413 cellular effect Effects 0.000 description 4
- 230000001934 delay Effects 0.000 description 4
- 230000006872 improvement Effects 0.000 description 4
- 238000012544 monitoring process Methods 0.000 description 4
- 238000012805 post-processing Methods 0.000 description 4
- 230000002787 reinforcement Effects 0.000 description 4
- 239000004065 semiconductor Substances 0.000 description 4
- 238000003860 storage Methods 0.000 description 4
- 238000012546 transfer Methods 0.000 description 4
- 125000004122 cyclic group Chemical group 0.000 description 3
- 230000007423 decrease Effects 0.000 description 3
- 230000007613 environmental effect Effects 0.000 description 3
- 230000010363 phase shift Effects 0.000 description 3
- 230000002829 reductive effect Effects 0.000 description 3
- 230000002441 reversible effect Effects 0.000 description 3
- 238000004088 simulation Methods 0.000 description 3
- 241000282412 Homo Species 0.000 description 2
- 230000005856 abnormality Effects 0.000 description 2
- 230000009471 action Effects 0.000 description 2
- 230000003044 adaptive effect Effects 0.000 description 2
- 230000003321 amplification Effects 0.000 description 2
- 238000013459 approach Methods 0.000 description 2
- 210000004556 brain Anatomy 0.000 description 2
- 239000000969 carrier Substances 0.000 description 2
- 230000010267 cellular communication Effects 0.000 description 2
- 230000000295 complement effect Effects 0.000 description 2
- 238000007405 data analysis Methods 0.000 description 2
- 238000013461 design Methods 0.000 description 2
- 239000000446 fuel Substances 0.000 description 2
- 230000036541 health Effects 0.000 description 2
- 230000002452 interceptive effect Effects 0.000 description 2
- 238000013507 mapping Methods 0.000 description 2
- 239000000463 material Substances 0.000 description 2
- 238000003058 natural language processing Methods 0.000 description 2
- 238000003199 nucleic acid amplification method Methods 0.000 description 2
- 239000013307 optical fiber Substances 0.000 description 2
- 238000005457 optimization Methods 0.000 description 2
- 238000011084 recovery Methods 0.000 description 2
- 238000013468 resource allocation Methods 0.000 description 2
- 239000004984 smart glass Substances 0.000 description 2
- 238000005406 washing Methods 0.000 description 2
- 102100022734 Acyl carrier protein, mitochondrial Human genes 0.000 description 1
- 101000678845 Homo sapiens Acyl carrier protein, mitochondrial Proteins 0.000 description 1
- 230000027311 M phase Effects 0.000 description 1
- 238000010521 absorption reaction Methods 0.000 description 1
- 238000004873 anchoring Methods 0.000 description 1
- 230000003466 anti-cipated effect Effects 0.000 description 1
- 238000003491 array Methods 0.000 description 1
- QVGXLLKOCUKJST-UHFFFAOYSA-N atomic oxygen Chemical compound [O] QVGXLLKOCUKJST-UHFFFAOYSA-N 0.000 description 1
- 230000004888 barrier function Effects 0.000 description 1
- 230000006399 behavior Effects 0.000 description 1
- 230000000903 blocking effect Effects 0.000 description 1
- 230000036772 blood pressure Effects 0.000 description 1
- 230000019771 cognition Effects 0.000 description 1
- 230000001149 cognitive effect Effects 0.000 description 1
- 150000001875 compounds Chemical class 0.000 description 1
- 230000008878 coupling Effects 0.000 description 1
- 238000010168 coupling process Methods 0.000 description 1
- 238000005859 coupling reaction Methods 0.000 description 1
- 239000013078 crystal Substances 0.000 description 1
- 238000012517 data analytics Methods 0.000 description 1
- 238000013523 data management Methods 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 238000012938 design process Methods 0.000 description 1
- 230000005611 electricity Effects 0.000 description 1
- 238000005265 energy consumption Methods 0.000 description 1
- 230000002708 enhancing effect Effects 0.000 description 1
- 230000003631 expected effect Effects 0.000 description 1
- 230000004907 flux Effects 0.000 description 1
- 239000007789 gas Substances 0.000 description 1
- 230000007274 generation of a signal involved in cell-cell signaling Effects 0.000 description 1
- 238000003306 harvesting Methods 0.000 description 1
- 238000010438 heat treatment Methods 0.000 description 1
- 238000003384 imaging method Methods 0.000 description 1
- 230000003993 interaction Effects 0.000 description 1
- 238000002955 isolation Methods 0.000 description 1
- 238000002372 labelling Methods 0.000 description 1
- 239000002346 layers by function Substances 0.000 description 1
- 230000004807 localization Effects 0.000 description 1
- 230000007774 longterm Effects 0.000 description 1
- 238000012423 maintenance Methods 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 239000011159 matrix material Substances 0.000 description 1
- 230000006855 networking Effects 0.000 description 1
- 229910052755 nonmetal Inorganic materials 0.000 description 1
- 229910052760 oxygen Inorganic materials 0.000 description 1
- 239000001301 oxygen Substances 0.000 description 1
- 230000036961 partial effect Effects 0.000 description 1
- 239000012782 phase change material Substances 0.000 description 1
- 238000002135 phase contrast microscopy Methods 0.000 description 1
- 238000005293 physical law Methods 0.000 description 1
- 230000005610 quantum mechanics Effects 0.000 description 1
- 230000005855 radiation Effects 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- 230000003068 static effect Effects 0.000 description 1
- 239000013589 supplement Substances 0.000 description 1
- 238000001356 surgical procedure Methods 0.000 description 1
- 230000009466 transformation Effects 0.000 description 1
- 230000005641 tunneling Effects 0.000 description 1
- 238000012795 verification Methods 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N10/00—Quantum computing, i.e. information processing based on quantum-mechanical phenomena
- G06N10/60—Quantum algorithms, e.g. based on quantum optimisation, quantum Fourier or Hadamard transforms
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
- H04L1/00—Arrangements for detecting or preventing errors in the information received
- H04L1/20—Arrangements for detecting or preventing errors in the information received using signal quality detector
- H04L1/203—Details of error rate determination, e.g. BER, FER or WER
-
- 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
- G06N3/084—Backpropagation, e.g. using gradient descent
-
- H—ELECTRICITY
- H03—ELECTRONIC CIRCUITRY
- H03M—CODING; DECODING; CODE CONVERSION IN GENERAL
- H03M13/00—Coding, decoding or code conversion, for error detection or error correction; Coding theory basic assumptions; Coding bounds; Error probability evaluation methods; Channel models; Simulation or testing of codes
- H03M13/03—Error detection or forward error correction by redundancy in data representation, i.e. code words containing more digits than the source words
- H03M13/05—Error detection or forward error correction by redundancy in data representation, i.e. code words containing more digits than the source words using block codes, i.e. a predetermined number of check bits joined to a predetermined number of information bits
- H03M13/11—Error detection or forward error correction by redundancy in data representation, i.e. code words containing more digits than the source words using block codes, i.e. a predetermined number of check bits joined to a predetermined number of information bits using multiple parity bits
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
- H04L1/00—Arrangements for detecting or preventing errors in the information received
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
- H04L1/00—Arrangements for detecting or preventing errors in the information received
- H04L1/004—Arrangements for detecting or preventing errors in the information received by using forward error control
- H04L1/0056—Systems characterized by the type of code used
- H04L1/0061—Error detection codes
- H04L1/0063—Single parity check
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
- H04L9/00—Cryptographic mechanisms or cryptographic arrangements for secret or secure communications; Network security protocols
- H04L9/001—Cryptographic mechanisms or cryptographic arrangements for secret or secure communications; Network security protocols using chaotic signals
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
- H04L9/00—Cryptographic mechanisms or cryptographic arrangements for secret or secure communications; Network security protocols
- H04L9/08—Key distribution or management, e.g. generation, sharing or updating, of cryptographic keys or passwords
- H04L9/0816—Key establishment, i.e. cryptographic processes or cryptographic protocols whereby a shared secret becomes available to two or more parties, for subsequent use
- H04L9/0852—Quantum cryptography
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04W—WIRELESS COMMUNICATION NETWORKS
- H04W74/00—Wireless channel access
- H04W74/08—Non-scheduled access, e.g. ALOHA
- H04W74/0833—Random access procedures, e.g. with 4-step access
-
- 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
- G06N3/088—Non-supervised learning, e.g. competitive learning
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/02—Neural networks
- G06N3/08—Learning methods
- G06N3/092—Reinforcement learning
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
- H04L2209/00—Additional information or applications relating to cryptographic mechanisms or cryptographic arrangements for secret or secure communication H04L9/00
- H04L2209/80—Wireless
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- Computer Networks & Wireless Communication (AREA)
- Signal Processing (AREA)
- Computer Security & Cryptography (AREA)
- General Physics & Mathematics (AREA)
- Electromagnetism (AREA)
- Software Systems (AREA)
- Computing Systems (AREA)
- Mathematical Physics (AREA)
- Artificial Intelligence (AREA)
- Data Mining & Analysis (AREA)
- Evolutionary Computation (AREA)
- General Engineering & Computer Science (AREA)
- Quality & Reliability (AREA)
- Life Sciences & Earth Sciences (AREA)
- Biomedical Technology (AREA)
- General Health & Medical Sciences (AREA)
- Computational Linguistics (AREA)
- Biophysics (AREA)
- Health & Medical Sciences (AREA)
- Probability & Statistics with Applications (AREA)
- Molecular Biology (AREA)
- Computational Mathematics (AREA)
- Condensed Matter Physics & Semiconductors (AREA)
- Mathematical Analysis (AREA)
- Mathematical Optimization (AREA)
- Pure & Applied Mathematics (AREA)
- Mobile Radio Communication Systems (AREA)
Abstract
본 명세서는, 양자 암호 통신 시스템에서, 장치에 의해 수행되는, 키 정보에 대한 QBER(quantum bit error rate)의 추정 방법에 있어서, 다른 장치로부터 RA(random access) 프리앰블을 수신하고, 상기 RA 프리앰블에 대한 응답으로 상기 다른 장치에게 RAR(random access response)를 전송하고, 상기 다른 장치와 RRC(radio resource control) 연결 절차를 수행하고, 상기 다른 장치로부터 데이터를 수신하고 및 상기 키 정보에 기반하여 상기 데이터를 복호화하되, 상기 키 정보는 상기 QBER의 추정에 기반하여 결정되고, 및 상기 장치는 공개 채널을 통해 상기 다른 장치로부터 수신한 제1 이차원 패리티 정보에 기반하여 상기 QBER의 추정을 수행하는 것을 특징으로 하는 방법 및 장치가 제공한다.
Description
본 명세서는 양자 통신 시스템에 관련된다.
퀀텀 컴퓨터의 등장으로 인해, 기존 수학적 복잡도 기반의 암호 체계(예컨대, RSA, AES 등)에 대해 해킹이 가능하게 되었다. 해킹에 대한 방지를 위해, 양자 암호 통신이 제안되고 있다.
한편, 기존 패리티 기반 QBER 추정 방법에서는 오류율의 증가에 따라 QBER 추정 정확도가 급격히 저하되는 문제가 존재한다. 이에, 본 명세서에서는 QBER 추정 방법에서 발생하는 문제를 개선하는 방법 및 이를 이용하는 장치를 제공하고자 한다.
본 명세서의 일 실시예에 따르면, 장치에 의해 수행되는, 키 정보에 대한 QBER(quantum bit error rate)의 추정 방법에 있어서, 공개 채널을 통해 다른 장치로부터 제1 이차원 패리티 정보를 수신하고, 상기 제1 이차원 패리티 정보에 기반하여 상기 QBER의 추정을 수행하고 및 상기 QBER의 추정에 기반하여 상기 키 정보를 결정하는 것을 특징으로 하는 방법 및 장치가 제공한다.
본 명세서에 따르면, 우선, 패리티 기반 기법의 성능을 결정하는 그룹의 사이즈를 최적화 할 수 있는 방법을 제시하여 QBER 추정 정확도를 보장하면서도 누설 정보량을 최소화할 수 있다. 또한, 패리티 기반 방식이 짝수개의 오류가 그룹 내에 포함되었을 때 오류의 존재를 파악하지 못하는 문제가 개선될 수 있다.
본 명세서의 구체적인 일례를 통해 얻을 수 있는 효과는 이상에서 나열된 효과로 제한되지 않는다. 예를 들어, 관련된 기술분야의 통상의 지식을 자긴 자(a person having ordinary skill in the related art)가 본 명세서로부터 이해하거나 유도할 수 있는 다양한 기술적 효과가 존재할 수 있다. 이에 따라 본 명세서의 구체적인 효과는 본 명세서에 명시적으로 기재된 것에 제한되지 않고, 본 명세서의 기술적 특징으로부터 이해되거나 유도될 수 있는 다양한 효과를 포함할 수 있다.
도 1은 NR이 적용되는 차세대 무선 접속 네트워크(New Generation Radio Access Network: NG-RAN)의 시스템 구조를 예시한다.
도 2는 NG-RAN과 5GC 간의 기능적 분할을 예시한다.
도 3은 본 명세서의 기술적 특징이 적용될 수 있는 5G 사용 시나리오의 예를 나타낸다.
도 4는 6G 시스템에서 제공 가능한 통신 구조의 일례를 나타낸 도이다.
도 5는 퍼셉트론 구조의 일례를 개략적으로 도시한 것이다.
도 6은 다층 퍼셉트론 구조의 일례를 개략적으로 도시한 것이다.
도 7은 심층 신경망 예시를 개략적으로 도시한 것이다.
도 8은 컨볼루션 신경망의 일례를 개략적으로 도시한 것이다.
도 9는 컨볼루션 신경망에서의 필터 연산의 일례를 개략적으로 도시한 것이다.
도 10은 순환 루프가 존재하는 신경망 구조의 일례를 개략적으로 도시한 것이다.
도 11은 순환 신경망의 동작 구조의 일례를 개략적으로 도시한 것이다.
도 12는 전자기 스펙트럼의 일례를 나타낸다.
도 13은 THz 통신 응용의 일례를 나타낸 도이다.
도 14는 전자소자 기반 THz 무선통신 송수신기의 일례를 나타낸 도이다.
도 15는 광 소자 기반 THz 신호를 생성하는 방법의 일례를 나타낸 도이며, 도 16은 광 소자 기반 THz 무선통신 송수신기의 일례를 나타낸 도이다.
도 17은 광자 소스(Photonic source) 기반 송신기의 구조를 예시하며, 도 18은 광 변조기(Optical modulator)의 구조를 예시한다.
도 19는 양자 암호 통신의 일례를 개략적으로 도시한 것이다.
도 20은 랜덤 샘플링 방법(random sampling method; RSM)의 일례를 개략적으로 도시한 것이다.
도 21은 패리티 비교 방법(parity comparison method; PCM)의 일례를 개략적으로 도시한 것이다.
도 22는 랜덤 샘플링(TM)과 PCM의 실제 QBER에 따른 QBER 추정 정확도의 비교 결과를 개략적으로 도시한 것이다.
도 23은 그룹 사이즈 변화에 따른 PCM이 RX보다 정확도가 높은 최대 QBER의 예시를 개략적으로 도시한 것이다.
도 24는 본 명세서의 일 실시예에 따른, QBER의 추정 방법의 순서도다.
도 25는 본 명세서의 일 실시예에 따른 장치의 예를 개략적으로 도시한 것이다.
도 26은 본 명세서의 다른 실시예에 따른, QBER의 추정 방법의 순서도다.
도 27은 QKD 시스템에서 QBER에 따른 그룹 내 오류 분포와 최대 그룹 길이 L에 대한 일례를 개략적으로 도시한 것이다.
도 28은 선별된 키의 패리티 연산 과정의 일례를 개략적으로 도시한 것이다.
도 29는 1 차원 대비 2 차원 패리티 비교 기법의 장점의 일례를 개략적으로 도시한 것이다.
도 30은 길이 L을 가지는 n개의 그룹으로 구성된 N 비트들의 선별된 키(들)의 구성도를 개략적으로 도시한 것이다.
도 31은 2 차원 패리티 비교 방법의 일례를 개략적으로 도시한 것이다.
도 32는 2 차원 기법과 다른 QBER 추정 기법의 정확도 비교의 일례를 개략적으로 도시한 것이다.
도 33은 패리티 기반 QBER 추정 기법에서 L=15일 때 그룹 내의 오류 개수 별 발생 확률을 개략적으로 도시한 것이다.
도 34는 2 차원 기법과 다른 기법의 QBER 추정 정확도 비교에 대한 일례를 개략적으로 도시한 것이다.
도 35는 본 명세서의 일 실시예에 따른, 장치에 의한, QBER의 추정 방법의 순서도다.
도 36은 본 명세서의 다른 실시예에 따른, 장치에 의한, QBER의 추정 방법의 순서도다.
도 37은 본 명세서의 일 실시예에 따른, QBER의 추정 장치의 일례에 대한 블록도다.
도 38은 본 명세서의 다른 실시예에 따른, QBER의 추정 장치의 일례에 대한 블록도다.
도 39는 본 명세서의 일 실시예에 따른, 이차원 패리티 정보를 전송하는 방법의 순서도다.
도 40은 본 명세서의 일 실시예에 따른, 이차원 패리티 정보를 전송하는 장치의 일례에 대한 블록도다.
도 41은 본 명세서에 적용되는 통신 시스템(1)을 예시한다.
도 42은 본 명세서에 적용될 수 있는 무선 기기를 예시한다.
도 43는 본 명세서에 적용될 수 있는 무선 기기의 다른 예를 도시한다.
도 44은 전송 신호를 위한 신호 처리 회로를 예시한다.
도 45는 본 명세서에 적용되는 무선 기기의 다른 예를 나타낸다.
도 46는 본 명세서에 적용되는 휴대 기기를 예시한다.
도 47은 본 명세서에 적용되는 차량 또는 자율 주행 차량을 예시한다.
도 48은 본 명세서에 적용되는 차량을 예시한다.
도 49은 본 명세서에 적용되는 XR 기기를 예시한다.
도 50는 본 명세서에 적용되는 로봇을 예시한다.
도 51은 본 명세서에 적용되는 AI 기기를 예시한다.
도 2는 NG-RAN과 5GC 간의 기능적 분할을 예시한다.
도 3은 본 명세서의 기술적 특징이 적용될 수 있는 5G 사용 시나리오의 예를 나타낸다.
도 4는 6G 시스템에서 제공 가능한 통신 구조의 일례를 나타낸 도이다.
도 5는 퍼셉트론 구조의 일례를 개략적으로 도시한 것이다.
도 6은 다층 퍼셉트론 구조의 일례를 개략적으로 도시한 것이다.
도 7은 심층 신경망 예시를 개략적으로 도시한 것이다.
도 8은 컨볼루션 신경망의 일례를 개략적으로 도시한 것이다.
도 9는 컨볼루션 신경망에서의 필터 연산의 일례를 개략적으로 도시한 것이다.
도 10은 순환 루프가 존재하는 신경망 구조의 일례를 개략적으로 도시한 것이다.
도 11은 순환 신경망의 동작 구조의 일례를 개략적으로 도시한 것이다.
도 12는 전자기 스펙트럼의 일례를 나타낸다.
도 13은 THz 통신 응용의 일례를 나타낸 도이다.
도 14는 전자소자 기반 THz 무선통신 송수신기의 일례를 나타낸 도이다.
도 15는 광 소자 기반 THz 신호를 생성하는 방법의 일례를 나타낸 도이며, 도 16은 광 소자 기반 THz 무선통신 송수신기의 일례를 나타낸 도이다.
도 17은 광자 소스(Photonic source) 기반 송신기의 구조를 예시하며, 도 18은 광 변조기(Optical modulator)의 구조를 예시한다.
도 19는 양자 암호 통신의 일례를 개략적으로 도시한 것이다.
도 20은 랜덤 샘플링 방법(random sampling method; RSM)의 일례를 개략적으로 도시한 것이다.
도 21은 패리티 비교 방법(parity comparison method; PCM)의 일례를 개략적으로 도시한 것이다.
도 22는 랜덤 샘플링(TM)과 PCM의 실제 QBER에 따른 QBER 추정 정확도의 비교 결과를 개략적으로 도시한 것이다.
도 23은 그룹 사이즈 변화에 따른 PCM이 RX보다 정확도가 높은 최대 QBER의 예시를 개략적으로 도시한 것이다.
도 24는 본 명세서의 일 실시예에 따른, QBER의 추정 방법의 순서도다.
도 25는 본 명세서의 일 실시예에 따른 장치의 예를 개략적으로 도시한 것이다.
도 26은 본 명세서의 다른 실시예에 따른, QBER의 추정 방법의 순서도다.
도 27은 QKD 시스템에서 QBER에 따른 그룹 내 오류 분포와 최대 그룹 길이 L에 대한 일례를 개략적으로 도시한 것이다.
도 28은 선별된 키의 패리티 연산 과정의 일례를 개략적으로 도시한 것이다.
도 29는 1 차원 대비 2 차원 패리티 비교 기법의 장점의 일례를 개략적으로 도시한 것이다.
도 30은 길이 L을 가지는 n개의 그룹으로 구성된 N 비트들의 선별된 키(들)의 구성도를 개략적으로 도시한 것이다.
도 31은 2 차원 패리티 비교 방법의 일례를 개략적으로 도시한 것이다.
도 32는 2 차원 기법과 다른 QBER 추정 기법의 정확도 비교의 일례를 개략적으로 도시한 것이다.
도 33은 패리티 기반 QBER 추정 기법에서 L=15일 때 그룹 내의 오류 개수 별 발생 확률을 개략적으로 도시한 것이다.
도 34는 2 차원 기법과 다른 기법의 QBER 추정 정확도 비교에 대한 일례를 개략적으로 도시한 것이다.
도 35는 본 명세서의 일 실시예에 따른, 장치에 의한, QBER의 추정 방법의 순서도다.
도 36은 본 명세서의 다른 실시예에 따른, 장치에 의한, QBER의 추정 방법의 순서도다.
도 37은 본 명세서의 일 실시예에 따른, QBER의 추정 장치의 일례에 대한 블록도다.
도 38은 본 명세서의 다른 실시예에 따른, QBER의 추정 장치의 일례에 대한 블록도다.
도 39는 본 명세서의 일 실시예에 따른, 이차원 패리티 정보를 전송하는 방법의 순서도다.
도 40은 본 명세서의 일 실시예에 따른, 이차원 패리티 정보를 전송하는 장치의 일례에 대한 블록도다.
도 41은 본 명세서에 적용되는 통신 시스템(1)을 예시한다.
도 42은 본 명세서에 적용될 수 있는 무선 기기를 예시한다.
도 43는 본 명세서에 적용될 수 있는 무선 기기의 다른 예를 도시한다.
도 44은 전송 신호를 위한 신호 처리 회로를 예시한다.
도 45는 본 명세서에 적용되는 무선 기기의 다른 예를 나타낸다.
도 46는 본 명세서에 적용되는 휴대 기기를 예시한다.
도 47은 본 명세서에 적용되는 차량 또는 자율 주행 차량을 예시한다.
도 48은 본 명세서에 적용되는 차량을 예시한다.
도 49은 본 명세서에 적용되는 XR 기기를 예시한다.
도 50는 본 명세서에 적용되는 로봇을 예시한다.
도 51은 본 명세서에 적용되는 AI 기기를 예시한다.
본 명세서에서 "A 또는 B(A or B)"는 "오직 A", "오직 B" 또는 "A와 B 모두"를 의미할 수 있다. 달리 표현하면, 본 명세서에서 "A 또는 B(A or B)"는 "A 및/또는 B(A and/or B)"으로 해석될 수 있다. 예를 들어, 본 명세서에서 "A, B 또는 C(A, B or C)"는 "오직 A", "오직 B", "오직 C", 또는 "A, B 및 C의 임의의 모든 조합(any combination of A, B and C)"를 의미할 수 있다.
본 명세서에서 사용되는 슬래쉬(/)나 쉼표(comma)는 "및/또는(and/or)"을 의미할 수 있다. 예를 들어, "A/B"는 "A 및/또는 B"를 의미할 수 있다. 이에 따라 "A/B"는 "오직 A", "오직 B", 또는 "A와 B 모두"를 의미할 수 있다. 예를 들어, "A, B, C"는 "A, B 또는 C"를 의미할 수 있다.
본 명세서에서 "적어도 하나의 A 및 B(at least one of A and B)"는, "오직 A", "오직 B" 또는 "A와 B 모두"를 의미할 수 있다. 또한, 본 명세서에서 "적어도 하나의 A 또는 B(at least one of A or B)"나 "적어도 하나의 A 및/또는 B(at least one of A and/or B)"라는 표현은 "적어도 하나의 A 및 B(at least one of A and B)"와 동일하게 해석될 수 있다.
또한, 본 명세서에서 "적어도 하나의 A, B 및 C(at least one of A, B and C)"는, "오직 A", "오직 B", "오직 C", 또는 "A, B 및 C의 임의의 모든 조합(any combination of A, B and C)"를 의미할 수 있다. 또한, "적어도 하나의 A, B 또는 C(at least one of A, B or C)"나 "적어도 하나의 A, B 및/또는 C(at least one of A, B and/or C)"는 "적어도 하나의 A, B 및 C(at least one of A, B and C)"를 의미할 수 있다.
또한, 본 명세서에서 사용되는 괄호는 "예를 들어(for example)"를 의미할 수 있다. 구체적으로, "제어 정보(PDCCH)"로 표시된 경우, "제어 정보"의 일례로 "PDCCH"가 제안된 것일 수 있다. 달리 표현하면 본 명세서의 "제어 정보"는 "PDCCH"로 제한(limit)되지 않고, "PDDCH"가 "제어 정보"의 일례로 제안될 것일 수 있다. 또한, "제어 정보(즉, PDCCH)"로 표시된 경우에도, "제어 정보"의 일례로 "PDCCH"가 제안된 것일 수 있다.
본 명세서에서 하나의 도면 내에서 개별적으로 설명되는 기술적 특징은, 개별적으로 구현될 수도 있고, 동시에 구현될 수도 있다.
이하, 새로운 무선 접속 기술(new radio access technology: new RAT, NR)에 대해 설명한다.
더욱 많은 통신 기기들이 더욱 큰 통신 용량을 요구하게 됨에 따라 기존의 무선 접속 기술(radio access technology; RAT)에 비해 향상된 모바일 브로드밴드(mobile broadband) 통신에 대한 필요성이 대두되고 있다. 또한 다수의 기기 및 사물들을 연결하여 언제 어디서나 다양한 서비스를 제공하는 매시브 MTC (massive Machine Type Communications) 역시 차세대 통신에서 고려될 주요 이슈 중 하나이다. 뿐만 아니라 신뢰도(reliability) 및 지연(latency)에 민감한 서비스/단말을 고려한 통신 시스템 디자인이 논의되고 있다. 이와 같이 확장된 모바일 브로드밴드 커뮤니케이션(enhanced mobile broadband communication), massive MTC, URLLC (Ultra-Reliable and Low Latency Communication) 등을 고려한 차세대 무선 접속 기술의 도입이 논의되고 있으며, 본 명세서에서는 편의상 해당 기술(technology)을 new RAT 또는 NR이라고 부른다.
도 1은 NR이 적용되는 차세대 무선 접속 네트워크(New Generation Radio Access Network: NG-RAN)의 시스템 구조를 예시한다.
도 1을 참조하면, NG-RAN은, 단말에게 사용자 평면 및 제어 평면 프로토콜 종단(termination)을 제공하는 gNB 및/또는 eNB를 포함할 수 있다. 도 1에서는 gNB만을 포함하는 경우를 예시한다. gNB 및 eNB는 상호 간에 Xn 인터페이스로 연결되어 있다. gNB 및 eNB는 5세대 코어 네트워크(5G Core Network: 5GC)와 NG 인터페이스를 통해 연결되어 있다. 보다 구체적으로, AMF(access and mobility management function)과는 NG-C 인터페이스를 통해 연결되고, UPF(user plane function)과는 NG-U 인터페이스를 통해 연결된다.
도 2는 NG-RAN과 5GC 간의 기능적 분할을 예시한다.
도 2를 참조하면, gNB는 인터 셀 간의 무선 자원 관리(Inter Cell RRM), 무선 베어러 관리(RB control), 연결 이동성 제어(Connection Mobility Control), 무선 허용 제어(Radio Admission Control), 측정 설정 및 제공(Measurement configuration & Provision), 동적 자원 할당(dynamic resource allocation) 등의 기능을 제공할 수 있다. AMF는 NAS 보안, 아이들 상태 이동성 처리 등의 기능을 제공할 수 있다. UPF는 이동성 앵커링(Mobility Anchoring), PDU 처리 등의 기능을 제공할 수 있다. SMF(Session Management Function)는 단말 IP 주소 할당, PDU 세션 제어 등의 기능을 제공할 수 있다.
도 3은 본 명세서의 기술적 특징이 적용될 수 있는 5G 사용 시나리오의 예를 나타낸다. 도 3에 도시된 5G 사용 시나리오는 단지 예시적인 것이며, 본 명세서의 기술적 특징은 도 3에 도시되지 않은 다른 5G 사용 시나리오에도 적용될 수 있다.
도 3을 참조하면, 5G의 세 가지 주요 요구 사항 영역은 (1) 개선된 모바일 광대역(eMBB; enhanced mobile broadband) 영역, (2) 다량의 머신 타입 통신(mMTC; massive machine type communication) 영역 및 (3) 초-신뢰 및 저 지연 통신(URLLC; ultra-reliable and low latency communications) 영역을 포함한다. 일부 사용 예는 최적화를 위해 다수의 영역을 요구할 수 있고, 다른 사용 예는 단지 하나의 핵심 성능 지표(KPI; key performance indicator)에만 포커싱 할 수 있다. 5G는 이러한 다양한 사용 예들을 유연하고 신뢰할 수 있는 방법으로 지원하는 것이다.
eMBB는 데이터 속도, 지연, 사용자 밀도, 모바일 광대역 접속의 용량 및 커버리지의 전반적인 향상에 중점을 둔다. eMBB는 10Gbps 정도의 처리량을 목표로 한다. eMBB는 기본적인 모바일 인터넷 접속을 훨씬 능가하게 하며, 풍부한 양방향 작업, 클라우드 또는 증강 현실에서 미디어 및 엔터테인먼트 애플리케이션을 커버한다. 데이터는 5G의 핵심 동력 중 하나이며, 5G 시대에서 처음으로 전용 음성 서비스를 볼 수 없을 수 있다. 5G에서, 음성은 단순히 통신 시스템에 의해 제공되는 데이터 연결을 사용하여 응용 프로그램으로서 처리될 것으로 기대된다. 증가된 트래픽 양의 주요 원인은 콘텐츠 크기의 증가 및 높은 데이터 전송률을 요구하는 애플리케이션 수의 증가이다. 스트리밍 서비스(오디오 및 비디오), 대화형 비디오 및 모바일 인터넷 연결은 더 많은 장치가 인터넷에 연결될수록 더 널리 사용될 것이다. 이러한 많은 애플리케이션은 사용자에게 실시간 정보 및 알림을 푸쉬하기 위해 항상 켜져 있는 연결성을 필요로 한다. 클라우드 스토리지 및 애플리케이션은 모바일 통신 플랫폼에서 급속히 증가하고 있으며, 이것은 업무 및 엔터테인먼트 모두에 적용될 수 있다. 클라우드 스토리지는 상향링크 데이터 전송률의 성장을 견인하는 특별한 사용 예이다. 5G는 또한 클라우드 상의 원격 업무에도 사용되며, 촉각 인터페이스가 사용될 때 우수한 사용자 경험을 유지하도록 훨씬 더 낮은 단-대-단(end-to-end) 지연을 요구한다. 엔터테인먼트에서 예를 들면, 클라우드 게임 및 비디오 스트리밍은 모바일 광대역 능력에 대한 요구를 증가시키는 또 다른 핵심 요소이다. 엔터테인먼트는 기차, 차 및 비행기와 같은 높은 이동성 환경을 포함하여 어떤 곳에서든지 스마트폰 및 태블릿에서 필수적이다. 또 다른 사용 예는 엔터테인먼트를 위한 증강 현실 및 정보 검색이다. 여기서, 증강 현실은 매우 낮은 지연과 순간적인 데이터 양을 필요로 한다.
mMTC는 배터리에 의해 구동되는 다량의 저비용 장치 간의 통신을 가능하게 하기 위하여 설계되며, 스마트 계량, 물류, 현장 및 신체 센서와 같은 애플리케이션을 지원하기 위한 것이다. mMTC는 10년 정도의 배터리 및/또는 1km2 당 백만 개 정도의 장치를 목표로 한다. mMTC는 모든 분야에서 임베디드 센서를 원활하게 연결할 수 있게 하며, 가장 많이 예상되는 5G 사용 예 중 하나이다. 잠재적으로 2020년까지 IoT 장치들은 204억 개에 이를 것으로 예측된다. 산업 IoT는 5G가 스마트 도시, 자산 추적(asset tracking), 스마트 유틸리티, 농업 및 보안 인프라를 가능하게 하는 주요 역할을 수행하는 영역 중 하나이다.
URLLC는 장치 및 기계가 매우 신뢰성 있고 매우 낮은 지연 및 높은 가용성으로 통신할 수 있도록 함으로써 차량 통신, 산업 제어, 공장 자동화, 원격 수술, 스마트 그리드 및 공공 안전 애플리케이션에 이상적이다. URLLC는 1ms의 정도의 지연을 목표로 한다. URLLC는 주요 인프라의 원격 제어 및 자율 주행 차량과 같은 초 신뢰/지연이 적은 링크를 통해 산업을 변화시킬 새로운 서비스를 포함한다. 신뢰성과 지연의 수준은 스마트 그리드 제어, 산업 자동화, 로봇 공학, 드론 제어 및 조정에 필수적이다.
다음으로, 도 3의 삼각형 안에 포함된 다수의 사용 예에 대해 보다 구체적으로 살펴본다.
5G는 초당 수백 메가 비트에서 초당 기가 비트로 평가되는 스트림을 제공하는 수단으로 FTTH(fiber-to-the-home) 및 케이블 기반 광대역(또는 DOCSIS)을 보완할 수 있다. 이러한 빠른 속도는 가상 현실(VR; virtual reality)과 증강 현실(AR; augmented reality) 뿐 아니라 4K 이상(6K, 8K 및 그 이상)의 해상도로 TV를 전달하는 데에 요구될 수 있다. VR 및 AR 애플리케이션은 거의 몰입형(immersive) 스포츠 경기를 포함한다. 특정 애플리케이션은 특별한 네트워크 설정이 요구될 수 있다. 예를 들어, VR 게임의 경우, 게임 회사가 지연을 최소화하기 위해 코어 서버를 네트워크 오퍼레이터의 에지 네트워크 서버와 통합해야 할 수 있다.
자동차(Automotive)는 차량에 대한 이동 통신을 위한 많은 사용 예와 함께 5G에 있어 중요한 새로운 동력이 될 것으로 예상된다. 예를 들어, 승객을 위한 엔터테인먼트는 높은 용량과 높은 모바일 광대역을 동시에 요구한다. 그 이유는 미래의 사용자는 그들의 위치 및 속도와 관계 없이 고품질의 연결을 계속해서 기대하기 때문이다. 자동차 분야의 다른 사용 예는 증강 현실 대시보드이다. 운전자는 증강 현실 대비보드를 통해 앞면 창을 통해 보고 있는 것 위에 어둠 속에서 물체를 식별할 수 있다. 증강 현실 대시보드는 물체의 거리와 움직임에 대해 운전자에게 알려줄 정보를 겹쳐서 디스플레이 한다. 미래에, 무선 모듈은 차량 간의 통신, 차량과 지원하는 인프라구조 사이에서 정보 교환 및 자동차와 다른 연결된 장치(예를 들어, 보행자에 의해 수반되는 장치) 사이에서 정보 교환을 가능하게 한다. 안전 시스템은 운전자가 보다 안전한 운전을 할 수 있도록 행동의 대체 코스를 안내하여 사고의 위험을 낮출 수 있게 한다. 다음 단계는 원격 조종 차량 또는 자율 주행 차량이 될 것이다. 이는 서로 다른 자율 주행 차량 사이 및/또는 자동차와 인프라 사이에서 매우 신뢰성이 있고 매우 빠른 통신을 요구한다. 미래에, 자율 주행 차량이 모든 운전 활동을 수행하고, 운전자는 차량 자체가 식별할 수 없는 교통 이상에만 집중하도록 할 것이다. 자율 주행 차량의 기술적 요구 사항은 트래픽 안전을 사람이 달성할 수 없을 정도의 수준까지 증가하도록 초 저 지연과 초고속 신뢰성을 요구한다.
스마트 사회로서 언급되는 스마트 도시와 스마트 홈은 고밀도 무선 센서 네트워크로 임베디드 될 것이다. 지능형 센서의 분산 네트워크는 도시 또는 집의 비용 및 에너지 효율적인 유지에 대한 조건을 식별할 것이다. 유사한 설정이 각 가정을 위해 수행될 수 있다. 온도 센서, 창 및 난방 컨트롤러, 도난 경보기 및 가전 제품은 모두 무선으로 연결된다. 이러한 센서 중 많은 것들이 전형적으로 낮은 데이터 전송 속도, 저전력 및 저비용을 요구한다. 하지만, 예를 들어, 실시간 HD 비디오는 감시를 위해 특정 타입의 장치에서 요구될 수 있다.
열 또는 가스를 포함한 에너지의 소비 및 분배는 고도로 분산화되고 있어, 분산 센서 네트워크의 자동화된 제어가 요구된다. 스마트 그리드는 정보를 수집하고 이에 따라 행동하도록 디지털 정보 및 통신 기술을 사용하여 이런 센서를 상호 연결한다. 이 정보는 공급 업체와 소비자의 행동을 포함할 수 있으므로, 스마트 그리드가 효율성, 신뢰성, 경제성, 생산의 지속 가능성 및 자동화된 방식으로 전기와 같은 연료의 분배를 개선하도록 할 수 있다. 스마트 그리드는 지연이 적은 다른 센서 네트워크로 볼 수도 있다.
건강 부문은 이동 통신의 혜택을 누릴 수 있는 많은 애플리케이션을 보유하고 있다. 통신 시스템은 멀리 떨어진 곳에서 임상 진료를 제공하는 원격 진료를 지원할 수 있다. 이는 거리에 대한 장벽을 줄이는 데에 도움을 주고, 거리가 먼 농촌에서 지속적으로 이용하지 못하는 의료 서비스로의 접근을 개선시킬 수 있다. 이는 또한 중요한 진료 및 응급 상황에서 생명을 구하기 위해 사용된다. 이동 통신 기반의 무선 센서 네트워크는 심박수 및 혈압과 같은 파라미터에 대한 원격 모니터링 및 센서를 제공할 수 있다.
무선 및 모바일 통신은 산업 응용 분야에서 점차 중요해지고 있다. 배선은 설치 및 유지 비용이 높다. 따라서, 케이블을 재구성할 수 있는 무선 링크로의 교체 가능성은 많은 산업 분야에서 매력적인 기회이다. 그러나, 이를 달성하는 것은 무선 연결이 케이블과 비슷한 지연, 신뢰성 및 용량으로 동작하는 것과, 그 관리가 단순화될 것을 요구한다. 낮은 지연과 매우 낮은 오류 확률은 5G로 연결될 필요가 있는 새로운 요구 사항이다.
물류 및 화물 추적은 위치 기반 정보 시스템을 사용하여 어디에서든지 인벤토리(inventory) 및 패키지의 추적을 가능하게 하는 이동 통신에 대한 중요한 사용 예이다. 물류 및 화물 추적의 사용 예는 전형적으로 낮은 데이터 속도를 요구하지만 넓은 범위와 신뢰성 있는 위치 정보가 필요할 수 있다.
이하, 본 명세서의 실시예에 적용될 수 있는 차세대 통신(예컨대, 6G)의 예시들에 대해 설명하도록 한다.
<6G 시스템 일반>
6G (무선통신) 시스템은 (i) 디바이스 당 매우 높은 데이터 속도, (ii) 매우 많은 수의 연결된 디바이스들, (iii) 글로벌 연결성(global connectivity), (iv) 매우 낮은 지연, (v) 배터리-프리(battery-free) IoT 디바이스들의 에너지 소비를 낮추고, (vi) 초고신뢰성 연결, (vii) 머신 러닝 능력을 가지는 연결된 지능 등에 목적이 있다. 6G 시스템의 비젼은 intelligent connectivity, deep connectivity, holographic connectivity, ubiquitous connectivity와 같은 4가지 측면일 수 있으며, 6G 시스템은 아래 표 1과 같은 요구 사항을 만족시킬 수 있다. 즉, 표 1은 6G 시스템의 요구 사항의 일례를 나타낸 표이다.
Per device peak data rate | 1 Tbps |
E2E latency | 1 ms |
Maximum spectral efficiency | 100bps/Hz |
Mobility support | Up to 1000km/hr |
Satellite integration | Fully |
AI | Fully |
Autonomous vehicle | Fully |
XR | Fully |
Haptic Communication | Fully |
6G 시스템은 Enhanced mobile broadband (eMBB), Ultra-reliable low latency communications (URLLC), massive machine-type communication (mMTC), AI integrated communication, Tactile internet, High throughput, High network capacity, High energy efficiency, Low backhaul and access network congestion, Enhanced data security와 같은 핵심 요소(key factor)들을 가질 수 있다.도 4는 6G 시스템에서 제공 가능한 통신 구조의 일례를 나타낸 도이다.
6G 시스템은 5G 무선통신 시스템보다 50배 더 높은 동시 무선통신 연결성을 가질 것으로 예상된다. 5G의 key feature인 URLLC는 6G 통신에서 1ms보다 적은 단-대-단(end-to-end) 지연을 제공함으로써 보다 더 주요한 기술이 될 것이다. 6G 시스템은 자주 사용되는 영역 스펙트럼 효율과 달리 체적 스펙트럼 효율이 훨씬 우수할 것이다. 6G 시스템은 매우 긴 배터리 수명과 에너지 수확을 위한 고급 배터리 기술을 제공할 수 있어, 6G 시스템에서 모바일 디바이스들은 별도로 충전될 필요가 없을 것이다. 6G에서 새로운 네트워크 특성들은 다음과 같을 수 있다.
- 위성 통합 네트워크(Satellites integrated network): 글로벌 모바일 집단을 제공하기 위해 6G는 위성과 통합될 것으로 예상된다. 지상파, 위성 및 공중 네트워크를 하나의 무선통신 시스템으로 통합은 6G에 매우 중요하다.
- 연결된 인텔리전스(Connected intelligence): 이전 세대의 무선 통신 시스템과 달리 6G는 혁신적이며, "연결된 사물”에서 "연결된 지능"으로 무선 진화가 업데이트될 것이다. AI는 통신 절차의 각 단계(또는 후술할 신호 처리의 각 절차)에서 적용될 수 있다.
- 무선 정보 및 에너지 전달의 완벽한 통합(Seamless integration wireless information and energy transfer): 6G 무선 네트워크는 스마트폰들과 센서들과 같이 디바이스들의 배터리를 충전하기 위해 전력을 전달할 것이다. 그러므로, 무선 정보 및 에너지 전송 (WIET)은 통합될 것이다.
- 유비쿼터스 슈퍼 3D 연결(Ubiquitous super 3D connectivity): 드론 및 매우 낮은 지구 궤도 위성의 네트워크 및 핵심 네트워크 기능에 접속은 6G 유비쿼터스에서 슈퍼 3D 연결을 만들 것이다.
위와 같은 6G의 새로운 네트워크 특성들에서 몇 가지 일반적인 요구 사항은 다음과 같을 수 있다.
- 스몰 셀 네트워크(small cell networks): 스몰 셀 네트워크의 아이디어는 셀룰러 시스템에서 처리량, 에너지 효율 및 스펙트럼 효율 향상의 결과로 수신 신호 품질을 향상시키기 위해 도입되었다. 결과적으로, 스몰 셀 네트워크는 5G 및 비욘드 5G (5GB) 이상의 통신 시스템에 필수적인 특성이다. 따라서, 6G 통신 시스템 역시 스몰 셀 네트워크의 특성을 채택한다.
- 초 고밀도 이기종 네트워크(Ultra-dense heterogeneous network): 초 고밀도 이기종 네트워크들은 6G 통신 시스템의 또 다른 중요한 특성이 될 것이다. 이기종 네트워크로 구성된 멀티-티어 네트워크는 전체 QoS를 개선하고 비용을 줄인다.
- 대용량 백홀(High-capacity backhaul): 백홀 연결은 대용량 트래픽을 지원하기 위해 대용량 백홀 네트워크로 특징 지어진다. 고속 광섬유 및 자유 공간 광학 (FSO) 시스템이 이 문제에 대한 가능한 솔루션일 수 있다.
- 모바일 기술과 통합된 레이더 기술: 통신을 통한 고정밀 지역화(또는 위치 기반 서비스)는 6G 무선통신 시스템의 기능 중 하나이다. 따라서, 레이더 시스템은 6G 네트워크와 통합될 것이다.
- 소프트화 및 가상화(Softwarization and virtualization): 소프트화 및 가상화는 유연성, 재구성성 및 프로그래밍 가능성을 보장하기 위해 5GB 네트워크에서 설계 프로세스의 기초가 되는 두 가지 중요한 기능이다. 또한, 공유 물리적 인프라에서 수십억 개의 장치가 공유될 수 있다.
<6G 시스템의 핵심 구현 기술>
인공 지능(Artificial Intelligence)
6G 시스템에 가장 중요하며, 새로 도입될 기술은 AI이다. 4G 시스템에는 AI가 관여하지 않았다. 5G 시스템은 부분 또는 매우 제한된 AI를 지원할 것이다. 그러나, 6G 시스템은 완전히 자동화를 위해 AI가 지원될 것이다. 머신 러닝의 발전은 6G에서 실시간 통신을 위해 보다 지능적인 네트워크를 만들 것이다. 통신에 AI를 도입하면 실시간 데이터 전송이 간소화되고 향상될 수 있다. AI는 수많은 분석을 사용하여 복잡한 대상 작업이 수행되는 방식을 결정할 수 있다. 즉, AI는 효율성을 높이고 처리 지연을 줄일 수 있다.
핸드 오버, 네트워크 선택, 자원 스케쥴링과 같은 시간 소모적인 작업은 AI를 사용함으로써 즉시 수행될 수 있다. AI는 M2M, 기계-대-인간 및 인간-대-기계 통신에서도 중요한 역할을 할 수 있다. 또한, AI는 BCI(Brain Computer Interface)에서 신속한 통신이 될 수 있다. AI 기반 통신 시스템은 메타 물질, 지능형 구조, 지능형 네트워크, 지능형 장치, 지능형 인지 라디오(radio), 자체 유지 무선 네트워크 및 머신 러닝에 의해 지원될 수 있다.
최근에는 AI를 무선 통신 시스템과 통합하려고 하는 시도들이 나타나고 있으나, 이는 application layer, network layer 특히, 딥러닝을 wireless resource management and allocation 분야에 집중되어 왔다. 그러나, 이러한 연구는 점점 MAC layer 와 Physical layer로 발전하고 있으며, 특히 물리계층에서 딥러닝을 무선 전송(wireless transmission)과 결합하고자 하는 시도들이 나타나고 있다. AI 기반의 물리계층 전송은, 근본적인 신호 처리 및 통신 메커니즘에 있어서, 전통적인 통신 프레임워크가 아니라 AI 드라이버에 기초한 신호 처리 및 통신 메커니즘을 적용하는 것을 의미한다. 예를 들어, 딥러닝 기반의 채널 코딩 및 디코딩(channel coding and decoding), 딥러닝 기반의 신호 추정(estimation) 및 검출(detection), 딥러닝 기반의 MIMO mechanism, AI 기반의 자원 스케줄링(scheduling) 및 할당(allocation) 등을 포함할 수 있다.
머신 러닝은 채널 추정 및 채널 트래킹을 위해 사용될 수 있으며, DL(downlink)의 물리 계층(physical layer)에서 전력 할당(power allocation), 간섭 제거 (interference cancellation) 등에 사용될 수 있다. 또한, 머신 러닝은 MIMO 시스템에서 안테나 선택, 전력 제어(power control), 심볼 검출(symbol detection) 등에도 사용될 수 있다.
그러나 물리계층에서의 전송을 위한 DNN의 적용은 아래와 같은 문제점이 있을 수 있다.
딥러닝 기반의 AI 알고리즘은 훈련 파라미터를 최적화하기 위해 수많은 훈련 데이터가 필요하다. 그러나 특정 채널 환경에서의 데이터를 훈련 데이터로 획득하는데 있어서의 한계로 인해, 오프라인 상에서 많은 훈련 데이터를 사용한다. 이는 특정 채널 환경에서 훈련 데이터에 대한 정적 훈련(static training)은, 무선 채널의 동적 특성 및 다이버시티(diversity) 사이에 모순(contradiction)이 생길 수 있다.
또한, 현재 딥러닝은 주로 실제 신호(real signal)를 대상으로 한다. 그러나, 무선 통신의 물리 계층의 신호들은 복소 신호(complex signal)이다. 무선 통신 신호의 특성을 매칭시키기 위해 복소 도메인 신호의 검출하는 신경망(neural network)에 대한 연구가 더 필요하다.
이하, 머신 러닝에 대해 보다 구체적으로 살펴본다.
머신 러닝은 사람이 할 수 있거나 혹은 하기 어려운 작업을 대신해낼 수 있는 기계를 만들어내기 위해 기계를 학습시키는 일련의 동작을 의미한다. 머신 러닝을 위해서는 데이터와 러닝 모델이 필요하다. 머신 러닝에서 데이터의 학습 방법은 크게 3이지 즉, 지도 학습(supervised learning), 비지도 학습(unsupervised learning) 그리고 강화 학습(reinforcement learning)으로 구분될 수 있다.
신경망 학습은 출력의 오류를 최소화하기 위한 것이다. 신경망 학습은 반복적으로 학습 데이터를 신경망에 입력시키고 학습 데이터에 대한 신경망의 출력과 타겟의 에러를 계산하고, 에러를 줄이기 위한 방향으로 신경망의 에러를 신경망의 출력 레이어에서부터 입력 레이어 방향으로 역전파(backpropagation) 하여 신경망의 각 노드의 가중치를 업데이트하는 과정이다.
지도 학습은 학습 데이터에 정답이 라벨링된 학습 데이터를 사용하며 비지도 학습은 학습 데이터에 정답이 라벨링되어 있지 않을 수 있다. 즉, 예를 들어 데이터 분류에 관한 지도 학습의 경우의 학습 데이터는 학습 데이터 각각에 카테고리가 라벨링된 데이터 일 수 있다. 라벨링된 학습 데이터가 신경망에 입력되고 신경망의 출력(카테고리)과 학습 데이터의 라벨을 비교하여 오차(error)가 계산될 수 있다. 계산된 오차는 신경망에서 역방향(즉, 출력 레이어에서 입력 레이어 방향)으로 역전파 되며, 역전파에 따라 신경망의 각 레이어의 각 노드들의 연결 가중치가 업데이트 될 수 있다. 업데이트 되는 각 노드의 연결 가중치는 학습률(learing rate)에 따라 변화량이 결정될 수 있다. 입력 데이터에 대한 신경망의 계산과 에러의 역전파는 학습 사이클(epoch)을 구성할 수 있다. 학습률은 신경망의 학습 사이클의 반복 횟수에 따라 상이하게 적용될 수 있다. 예를 들어, 신경망의 학습 초기에는 높은 학습률을 사용하여 신경망이 빠르게 일정 수준의 성능을 확보하도록 하여 효율성을 높이고, 학습 후기에는 낮은 학습률을 사용하여 정확도를 높일 수 있다
데이터의 특징에 따라 학습 방법은 달라질 수 있다. 예를 들어, 통신 시스템 상에서 송신단에서 전송한 데이터를 수신단에서 정확하게 예측하는 것을 목적으로 하는 경우, 비지도 학습 또는 강화 학습 보다는 지도 학습을 이용하여 학습을 수행하는 것이 바람직하다.
러닝 모델은 인간의 뇌에 해당하는 것으로서, 가장 기본적인 선형 모델을 생각할 수 있으나, 인공 신경망(artificial neural networks)와 같은 복잡성이 높은 신경망 구조를 러닝 모델로 사용하는 머신 러닝의 패러다임을 딥러닝(deep learning)이라 한다.
학습(learning) 방식으로 사용하는 신경망 코어(neural network cord)는 크게 심층 신경망(DNN, deep neural networks), 합성곱 신경망(CNN, convolutional deep neural networks), 순환 신경망(RNN, Recurrent Boltzmann Machine) 방식이 있다.
인공 신경망(artificial neural network)은 여러 개의 퍼셉트론을 연결한 예시이다.
도 5는 퍼셉트론 구조의 일례를 개략적으로 도시한 것이다.
도 5를 참조하면, 입력 벡터 x=(x1,x2,...,xd) 가 입력되면 각 성분에 가중치(W1,W2,...,Wd)를 곱하고, 그 결과를 모두 합산한 후, 활성함수 σ(·) 를 적용하는 전체 과정을 퍼셉트론(perceptron)이라 한다. 거대한 인공 신경망 구조는 도 5에 도시한 단순화된 퍼셉트론 구조를 확장하여 입력벡터를 서로 다른 다 차원의 퍼셉트론에 적용할 수도 있다. 설명의 편의를 위해 입력값 또는 출력값을 노드(node)라 칭한다.
한편, 도 5에 도시된 퍼셉트론 구조는 입력값, 출력값을 기준으로 총 3개의 층(layer)로 구성되는 것으로 설명할 수 있다. 1st layer와 2nd layer 사이에는 (d+1) 차원의 퍼셉트론 H개, 2nd layer와 3rd layer 사이에는 (H+1)차원 퍼셉트론이 K 개 존재하는 인공신경망을 도 6과 같이 표현할 수 있다.
도 6은 다층 퍼셉트론 구조의 일례를 개략적으로 도시한 것이다.
입력벡터가 위치하는 층을 입력층(input layer), 최종 출력값이 위치하는 층을 출력층(output layer), 입력층과 출력층 사이에 위치하는 모든 층을 은닉층(hidden layer)라 한다. 도 6의 예시는 3개의 층이 개시되나, 실제 인공신경망 층의 개수를 카운트할 때는 입력층을 제외하고 카운트하므로 총 2개의 층으로 볼 수 있다. 인공신경망은 기본 블록의 퍼셉트론을 2 차원적으로 연결되어 구성된다.
전술한 입력층, 은닉층, 출력층은 다층 퍼셉트론 뿐 아니라 후술할 CNN, RNN 등 다양한 인공신경망 구조에서 공동적으로 적용될 수 있다. 은닉층의 개수가 많아질수록 인공신경망이 깊어진 것이며, 충분히 깊어진 인공신경망을 러닝모델로 사용하는 머신러닝 패러다임을 딥러닝(Deep Learning)이라 한다. 또한 딥러닝을 위해 사용하는 인공신경망을 심층 신경망(DNN: Deep neural network)라 한다.
도 7은 심층 신경망 예시를 개략적으로 도시한 것이다.
도 7에 도시된 심층 신경망은 은닉층+출력층이 8개로 구성된 다층 퍼셉트론이다. 상기 다층 퍼셉트론 구조를 완전 연결 신경망(fully-connected neural network)이라 표현한다. 완전 연결 신경망은 서로 같은 층에 위치하는 노드 간에는 연결 관계가 존재하지 않으며, 인접한 층에 위치한 노드들 간에만 연결 관계가 존재한다. DNN은 완전 연결 신경망 구조를 가지고 다수의 은닉층과 활성함수들의 조합으로 구성되어 입력과 출력 사이의 상관관계 특성을 파악하는데 유용하게 적용될 수 있다. 여기서 상관관계 특성은 입출력의 결합확률(joint probability)을 의미할 수 있다.
한편, 복수의 퍼셉트론을 서로 어떻게 연결하느냐에 따라 전술한 DNN과 다른 다양한 인공 신경망 구조를 형성할 수 있다.
도 8은 컨볼루션 신경망의 일례를 개략적으로 도시한 것이다.
DNN은 하나의 층 내부에 위치한 노드들이 1 차원적의 세로 방향으로 배치되어 있다. 그러나, 도 8은 노드들이 2 차원적으로 가로 w개, 세로 h개의 노드가 배치할 경우를 가정할 수 있다(도 8의 컨볼루션 신경망 구조). 이 경우, 하나의 입력노드에서 은닉층으로 이어지는 연결과정에서 연결 하나당 가중치가 부가되므로 총 hХw 개의 가중치를 고려해야한다. 입력층에 hХw 개의 노드가 존재하므로 인접한 두 층 사이에는 총 h2w2 개의 가중치가 필요하다.
도 8의 컨볼루션 신경망은 연결개수에 따라 가중치의 개수가 기하급수적으로 증가하는 문제가 있어 인접한 층 간의 모든 모드의 연결을 고려하는 대신, 크기가 작은 필터(filter)가 존재하는 것으로 가정하여 도 9에서와 같이 필터가 겹치는 부분에 대해서는 가중합 및 활성함수 연산을 수행하도록 한다.
도 9는 컨볼루션 신경망에서의 필터 연산의 일례를 개략적으로 도시한 것이다.
하나의 필터는 그 크기만큼의 개수에 해당하는 가중치를 가지며, 이미지 상의 어느 특정한 특징을 요인으로 추출하여 출력할 수 있도록 가중치의 학습이 이루어질 수 있다. 도 9에서는 3Х3 크기의 필터가 입력층의 가장 좌측 상단 3Х3 영역에 적용되고, 해당 노드에 대한 가중합 및 활성함수 연산을 수행한 결과 출력값을 z22에 저장한다.
상기 필터는 입력층을 스캔하면서 가로, 세로 일정 간격만큼 이동하면서 가중합 및 활성함수 연산을 수행하고 그 출력값을 현재 필터의 위치에 위치시킨다. 이러한 연산 방식은 컴퓨터 비전(computer vision) 분야에서 이미지에 대한 컨볼루션(convolution) 연산과 유사하여 이러한 구조의 심층 신경망을 컨볼루션 신경망(CNN: convolutional neural network)라 하고, 컨볼루션 연산 결과 생성되는 은닉층을 컨볼루션 층(convolutional layer)라 한다. 또한, 복수의 컨볼루션 층이 존재하는 신경망을 심층 컨볼루션 신경망(DCNN: Deep convolutional)이라 한다.
컨볼루션 층에서는 현재 필터가 위치한 노드에서, 상기 필터가 커버하는 영역에 위치한 노드만을 포괄하여 가중합을 계산함으로써, 가중치의 개수를 줄여줄 수 있다. 이로 인해, 하나의 필터가 로컬(local) 영역에 대한 특징에 집중하도록 이용될 수 있다. 이에 따라 CNN은 2 차원 영역 상의 물리적 거리가 중요한 판단 기준이 되는 이미지 데이터 처리에 효과적으로 적용될 수 있다. 한편, CNN은 컨볼루션 층의 직전에 복수의 필터가 적용될 수 있으며, 각 필터의 컨볼루션 연산을 통해 복수의 출력 결과를 생성할 수도 있다.
한편, 데이터 속성에 따라 시퀀스(sequence) 특성이 중요한 데이터들이 있을 수 있다. 이러한 시퀀스 데이터들의 길이 가변성, 선후 관계를 고려하여 데이터 시퀀스 상의 원소를 매 시점(timestep) 마다 하나씩 입력하고, 특정 시점에 출력된 은닉층의 출력 벡터(은닉 벡터)를, 시퀀스 상의 바로 다음 원소와 함께 입력하는 방식을 인공 신경망에 적용한 구조를 순환 신경망 구조라 한다.
도 10은 순환 루프가 존재하는 신경망 구조의 일례를 개략적으로 도시한 것이다.
도 10을 참조하면, 순환 신경망(RNN: recurrent neural netwok)은 데이터 시퀀스 상의 어느 시선 t의 원소 (x1(t), x2(t), ,..., xd(t))를 완전 연결 신경망에 입력하는 과정에서, 바로 이전 시점 t-1은 은닉 벡터 (z1(t-1), z2(t-1),..., zH(t-1))을 함께 입력하여 가중합 및 활성함수를 적용하는 구조이다. 이와 같이 은닉 벡터를 다음 시점으로 전달하는 이유는 앞선 시점들에서의 입력 벡터속 정보들이 현재 시점의 은닉 벡터에 누적된 것으로 간주하기 때문이다.
도 11은 순환 신경망의 동작 구조의 일례를 개략적으로 도시한 것이다.
도 11을 참조하면, 순환 신경망은 입력되는 데이터 시퀀스에 대하여 소정의 시점 순서대로 동작한다.
시점 1에서의 입력 벡터 (x1(t), x2(t), ,..., xd(t))가 순환 신경망에 입력되었을 때의 은닉 벡터 (z1(1),z2(1),...,zH(1))가 시점 2의 입력 벡터 (x1(2),x2(2),...,xd(2))와 함께 입력되어 가중합 및 활성 함수를 통해 은닉층의 벡터 (z1(2),z2(2) ,...,zH(2))를 결정한다. 이러한 과정은 시점 2, 시점 3, ,,, 시점 T 까지 반복적으로 수행된다.
한편, 순환 신경망 내에서 복수의 은닉층이 배치될 경우, 이를 심층 순환 신경망(DRNN: Deep recurrent neural network)라 한다. 순환 신경망은 시퀀스 데이터(예를 들어, 자연어 처리(natural language processing)에 유용하게 적용되도록 설계되어 있다.
학습(learning) 방식으로 사용하는 신경망 코어로서 DNN, CNN, RNN 외에 제한 볼츠만 머신(RBM, Restricted Boltzmann Machine), 심층 신뢰 신경망(DBN, deep belief networks), 심층 Q-네트워크(Deep Q-Network)와 같은 다양한 딥 러닝 기법들을 포함하며, 컴퓨터비젼, 음성인식, 자연어처리, 음성/신호처리 등의 분야에 적용될 수 있다.
최근에는 AI를 무선 통신 시스템과 통합하려고 하는 시도들이 나타나고 있으나, 이는 application layer, network layer 특히, 딥러닝을 wireless resource management and allocation 분야에 집중되어 왔다. 그러나, 이러한 연구는 점점 MAC layer 와 Physical layer로 발전하고 있으며, 특히 물리계층에서 딥러닝을 무선 전송(wireless transmission)과 결합하고자 하는 시도들이 나타나고 있다. AI 기반의 물리계층 전송은, 근본적인 신호 처리 및 통신 메커니즘에 있어서, 전통적인 통신 프레임워크가 아니라 AI 드라이버에 기초한 신호 처리 및 통신 메커니즘을 적용하는 것을 의미한다. 예를 들어, 딥러닝 기반의 채널 코딩 및 디코딩(channel coding and decoding), 딥러닝 기반의 신호 추정(estimation) 및 검출(detection), 딥러닝 기반의 MIMO mechanism, AI 기반의 자원 스케줄링(scheduling) 및 할당(allocation) 등을 포함할 수 있다.
THz(Terahertz) 통신
데이터 전송률은 대역폭을 늘려 높일 수 있다. 이것은 넓은 대역폭으로 sub-THz 통신을 사용하고, 진보된 대규모 MIMO 기술을 적용하여 수행될 수 있다. 밀리미터 이하의 방사선으로도 알려진 THz파는 일반적으로 0.03mm-3mm 범위의 해당 파장을 가진 0.1THz와 10THz 사이의 주파수 대역을 나타낸다. 100GHz-300GHz 대역 범위(Sub THz 대역)는 셀룰러 통신을 위한 THz 대역의 주요 부분으로 간주된다. Sub-THz 대역 mmWave 대역 에 추가하면 6G 셀룰러 통신 용량은 늘어난다.. 정의된 THz 대역 중 300GHz-3THz는 원적외선 (IR) 주파수 대역에 있다. 300GHz-3THz 대역은 광 대역의 일부이지만 광 대역의 경계에 있으며, RF 대역 바로 뒤에 있다. 따라서, 이 300 GHz-3 THz 대역은 RF와 유사성을 나타낸다.
도 12는 전자기 스펙트럼의 일례를 나타낸다.
THz 통신의 주요 특성은 (i) 매우 높은 데이터 전송률을 지원하기 위해 광범위하게 사용 가능한 대역폭, (ii) 고주파에서 발생하는 높은 경로 손실 (고 지향성 안테나는 필수 불가결)을 포함한다. 높은 지향성 안테나에서 생성된 좁은 빔 폭은 간섭을 줄인다. THz 신호의 작은 파장은 훨씬 더 많은 수의 안테나 소자가 이 대역에서 동작하는 장치 및 BS에 통합될 수 있게 한다. 이를 통해 범위 제한을 극복할 수 있는 고급 적응형 배열 기술을 사용할 수 있다.
광 무선 기술 (Optical wireless technology)
OWC 기술은 가능한 모든 장치-대-액세스 네트워크를 위한 RF 기반 통신 외에도 6G 통신을 위해 계획되었다. 이러한 네트워크는 네트워크-대-백홀/프론트홀 네트워크 연결에 접속한다. OWC 기술은 4G 통신 시스템 이후 이미 사용되고 있으나 6G 통신 시스템의 요구를 충족시키기 위해 더 널리 사용될 것이다. 광 충실도(light fidelity), 가시광 통신, 광 카메라 통신 및 광 대역에 기초한 FSO 통신과 같은 OWC 기술은 이미 잘 알려진 기술이다. 광 무선 기술 기반의 통신은 매우 높은 데이터 속도, 낮은 지연 시간 및 안전한 통신을 제공할 수 있다. LiDAR 또한 광 대역을 기반으로 6G 통신에서 초 고해상도 3D 매핑을 위해 이용될 수 있다.
FSO 백홀 네트워크
FSO 시스템의 송신기 및 수신기 특성은 광섬유 네트워크의 특성과 유사하다. 따라서, FSO 시스템의 데이터 전송은 광섬유 시스템과 비슷하다. 따라서, FSO는 광섬유 네트워크와 함께 6G 시스템에서 백홀 연결을 제공하는 좋은 기술이 될 수 있다. FSO를 사용하면, 10,000km 이상의 거리에서도 매우 장거리 통신이 가능하다. FSO는 바다, 우주, 수중, 고립된 섬과 같은 원격 및 비원격 지역을 위한 대용량 백홀 연결을 지원한다. FSO는 셀룰러 BS 연결도 지원한다.
대규모 MIMO 기술
스펙트럼 효율을 향상시키는 핵심 기술 중 하나는 MIMO 기술을 적용하는 것이다. MIMO 기술이 향상되면 스펙트럼 효율도 향상된다. 따라서, 6G 시스템에서 대규모 MIMO 기술이 중요할 것이다. MIMO 기술은 다중 경로를 이용하기 때문에 데이터 신호가 하나 이상의 경로로 전송될 수 있도록 다중화 기술 및 THz 대역에 적합한 빔 생성 및 운영 기술도 중요하게 고려되어야 한다.
블록 체인
블록 체인은 미래의 통신 시스템에서 대량의 데이터를 관리하는 중요한 기술이 될 것이다. 블록 체인은 분산 원장 기술의 한 형태로서, 분산 원장은 수많은 노드 또는 컴퓨팅 장치에 분산되어 있는 데이터베이스이다. 각 노드는 동일한 원장 사본을 복제하고 저장한다. 블록 체인은 P2P 네트워크로 관리된다. 중앙 집중식 기관이나 서버에서 관리하지 않고 존재할 수 있다. 블록 체인의 데이터는 함께 수집되어 블록으로 구성된다. 블록은 서로 연결되고 암호화를 사용하여 보호된다. 블록 체인은 본질적으로 향상된 상호 운용성(interoperability), 보안, 개인 정보 보호, 안정성 및 확장성을 통해 대규모 IoT를 완벽하게 보완한다. 따라서, 블록 체인 기술은 장치 간 상호 운용성, 대용량 데이터 추적성, 다른 IoT 시스템의 자율적 상호 작용 및 6G 통신 시스템의 대규모 연결 안정성과 같은 여러 기능을 제공한다.
3D 네트워킹
6G 시스템은 지상 및 공중 네트워크를 통합하여 수직 확장의 사용자 통신을 지원한다. 3D BS는 저궤도 위성 및 UAV를 통해 제공될 것이다. 고도 및 관련 자유도 측면에서 새로운 차원을 추가하면 3D 연결이 기존 2D 네트워크와 상당히 다르다.
양자 커뮤니케이션
6G 네트워크의 맥락에서 네트워크의 감독되지 않은 강화 학습이 유망하다. 지도 학습 방식은 6G에서 생성된 방대한 양의 데이터에 레이블을 지정할 수 없다. 비지도 학습에는 라벨링이 필요하지 않다. 따라서, 이 기술은 복잡한 네트워크의 표현을 자율적으로 구축하는 데 사용할 수 있다. 강화 학습과 비지도 학습을 결합하면 진정한 자율적인 방식으로 네트워크를 운영할 수 있다.
무인 항공기
UAV(Unmanned Aerial Vehicle) 또는 드론은 6G 무선 통신에서 중요한 요소가 될 것이다. 대부분의 경우, UAV 기술을 사용하여 고속 데이터 무선 연결이 제공된다. BS 엔티티는 셀룰러 연결을 제공하기 위해 UAV에 설치된다. UAV는 쉬운 배치, 강력한 가시선 링크 및 이동성이 제어되는 자유도와 같은 고정 BS 인프라에서 볼 수 없는 특정 기능을 가지고 있다. 천재 지변 등의 긴급 상황 동안, 지상 통신 인프라의 배치는 경제적으로 실현 가능하지 않으며, 때로는 휘발성 환경에서 서비스를 제공할 수 없다. UAV는 이러한 상황을 쉽게 처리할 수 있다. UAV는 무선 통신 분야의 새로운 패러다임이 될 것이다. 이 기술은 eMBB, URLLC 및 mMTC 인 무선 네트워크의 세 가지 기본 요구 사항을 용이하게 한다. UAV는 또한, 네트워크 연결성 향상, 화재 감지, 재난 응급 서비스, 보안 및 감시, 오염 모니터링, 주차 모니터링, 사고 모니터링 등과 같은 여러 가지 목적을 지원할 수 있다. 따라서, UAV 기술은 6G 통신에 가장 중요한 기술 중 하나로 인식되고 있다.
셀-프리 통신(Cell-free Communication)
여러 주파수와 이기종 통신 기술의 긴밀한 통합은 6G 시스템에서 매우 중요하다. 결과적으로, 사용자는 디바이스에서 어떤 수동 구성을 만들 필요 없이 네트워크에서 다른 네트워크로 원활하게 이동할 수 있다. 사용 가능한 통신 기술에서 최상의 네트워크가 자동으로 선택된다. 이것은 무선 통신에서 셀 개념의 한계를 깨뜨릴 것이다. 현재, 하나의 셀에서 다른 셀로의 사용자 이동은 고밀도 네트워크에서 너무 많은 핸드 오버를 야기하고, 핸드 오버 실패, 핸드 오버 지연, 데이터 손실 및 핑퐁 효과를 야기한다. 6G 셀-프리 통신은 이 모든 것을 극복하고 더 나은 QoS를 제공할 것이다. 셀-프리 통신은 멀티 커넥티비티 및 멀티-티어 하이브리드 기술과 장치의 서로 다른 이기종 라디오를 통해 달성될 것이다.
무선 정보 및 에너지 전송 통합
WIET은 무선 통신 시스템과 같이 동일한 필드와 웨이브(wave)를 사용한다. 특히, 센서와 스마트폰은 통신 중 무선 전력 전송을 사용하여 충전될 것이다. WIET은 배터리 충전 무선 시스템의 수명을 연장하기 위한 유망한 기술이다. 따라서, 배터리가 없는 장치는 6G 통신에서 지원될 것이다.
센싱과 커뮤니케이션의 통합
자율 무선 네트워크는 동적으로 변화하는 환경 상태를 지속적으로 감지하고 서로 다른 노드간에 정보를 교환할 수 있는 기능이다. 6G에서, 감지는 자율 시스템을 지원하기 위해 통신과 긴밀하게 통합될 것이다.
액세스 백홀 네트워크의 통합
6G에서 액세스 네트워크의 밀도는 엄청날 것이다. 각 액세스 네트워크는 광섬유와 FSO 네트워크와 같은 백홀 연결로 연결된다. 매우 많은 수의 액세스 네트워크들에 대처하기 위해, 액세스 및 백홀 네트워크 사이에 긴밀한 통합이 있을 것이다.
홀로그램 빔 포밍
빔 포밍은 특정 방향으로 무선 신호를 전송하기 위해 안테나 배열을 조정하는 신호 처리 절차이다. 스마트 안테나 또는 진보된 안테나 시스템의 하위 집합이다. 빔 포밍 기술은 높은 호 대잡음비, 간섭 방지 및 거부, 높은 네트워크 효율과 같은 몇 가지 장점이 있다. 홀로그램 빔 포밍 (HBF)은 소프트웨어-정의된 안테나를 사용하기 때문에 MIMO 시스템과 상당히 다른 새로운 빔 포밍 방법이다. HBF는 6G에서 다중 안테나 통신 장치에서 신호의 효율적이고 유연한 전송 및 수신을 위해 매우 효과적인 접근 방식이 될 것이다.
빅 데이터 분석
빅 데이터 분석은 다양한 대규모 데이터 세트 또는 빅 데이터를 분석하기 위한 복잡한 프로세스이다. 이 프로세스는 숨겨진 데이터, 알 수 없는 상관 관계 및 고객 성향과 같은 정보를 찾아 완벽한 데이터 관리를 보장한다. 빅 데이터는 비디오, 소셜 네트워크, 이미지 및 센서와 같은 다양한 소스에서 수집된다. 이 기술은 6G 시스템에서 방대한 데이터를 처리하는 데 널리 사용된다.
Large Intelligent Surface(LIS)
THz 대역 신호의 경우 직진성이 강하여 방해물로 인한 음영 지역이 많이 생길 수 있는데, 이러한 음영 지역 근처에 LIS 설치함으로써 통신 권역을 확대하고 통신 안정성 강화 및 추가적인 부가 서비스가 가능한 LIS 기술이 중요하게 된다. LIS는 전자기 물질(electromagnetic materials)로 만들어진 인공 표면(artificial surface)이고, 들어오는 무선파와 나가는 무선파의 전파(propagation)를 변경시킬 수 있다. LIS는 massive MIMO의 확장으로 보여질 수 있으나, massive MIMO와 서로 다른 array 구조 및 동작 메커니즘이 다르다. 또한, LIS는 수동 엘리먼트(passive elements)를 가진 재구성 가능한 리플렉터(reflector)로서 동작하는 점 즉, 활성(active) RF chain을 사용하지 않고 신호를 수동적으로만 반사(reflect)하는 점에서 낮은 전력 소비를 가지는 장점이 있다. 또한, LIS의 수동적인 리플렉터 각각은 입사되는 신호의 위상 편이를 독립적으로 조절해야 하기 때문에, 무선 통신 채널에 유리할 수 있다. LIS 컨트롤러를 통해 위상 편이를 적절히 조절함으로써, 반사된 신호는 수신된 신호 전력을 부스트(boost)하기 위해 타겟 수신기에서 모여질 수 있다.
<테라헤르츠(THz) 무선통신 일반>
THz 무선통신은 대략 0.1~10THz(1THz=1012Hz)의 진동수를 가지는 THz파를 이용하여 무선통신을 이용하는 것으로, 100GHz 이상의 매우 높은 캐리어 주파수를 사용하는 테라헤르츠(THz) 대역 무선통신을 의미할 수 있다. THz파는 RF(Radio Frequency)/밀리미터(mm)와 적외선 대역 사이에 위치하며, (i) 가시광/적외선에 비해 비금속/비분극성 물질을 잘 투과하며 RF/밀리미터파에 비해 파장이 짧아 높은 직진성을 가지며 빔 집속이 가능할 수 있다. 또한, THz파의 광자 에너지는 수 meV에 불과하기 때문에 인체에 무해한 특성이 있다. THz 무선통신에 이용될 것으로 기대되는 주파수 대역은 공기 중 분자 흡수에 의한 전파 손실이 작은 D-밴드(110GHz~170GHz) 혹은 H-밴드(220GHz~325GHz) 대역일 수 있다. THz 무선통신에 대한 표준화 논의는 3GPP 이외에도 IEEE 802.15 THz working group을 중심으로 논의되고 있으며, IEEE 802.15의 Task Group (TG3d, TG3e)에서 발행되는 표준문서는 본 명세서에서 설명되는 내용을 구체화하거나 보충할 수 있다. THz 무선통신은 무선 인식(wireless cognition), 센싱(sensing), 이미징(imaging), 무선 통신(wireless), THz 네비게이션(navigation) 등에 응용될 수 있다.
도 13은 THz 통신 응용의 일례를 나타낸 도이다.
도 13에 도시된 바와 같이, THz 무선통신 시나리오는 매크로 네트워크(macro network), 마이크로 네트워크(micro network), 나노스케일 네트워크(nanoscale network)로 분류될 수 있다. 매크로 네트워크에서 THz 무선통신은 vehicle-to-vehicle 연결 및 backhaul/fronthaul 연결에 응용될 수 있다. 마이크로 네트워크에서 THz 무선통신은 인도어 스몰 셀(small cell), 데이터 센터에서 무선 연결과 같은 고정된 point-to-point 또는 multi-point 연결, 키오스크 다운로딩과 같은 근거리 통신(near-field communication)에 응용될 수 있다.
아래 표 2는 THz 파에서 이용될 수 있는 기술의 일례를 나타낸 표이다.
Transceivers Device | Available immature: UTC-PD, RTD and SBD |
Modulation and coding | Low order modulation techniques (OOK, QPSK), LDPC, Reed Soloman, Hamming, Polar, Turbo |
Antenna | Omni and Directional, phased array with low number of antenna elements |
Bandwidth | 69GHz (or 23 GHz) at 300GHz |
Channel models | Partially |
Data rate | 100Gbps |
Outdoor deployment | No |
Free space loss | High |
Coverage | Low |
Radio Measurements | 300GHz indoor |
Device size | Few micrometers |
THz 무선통신은 THz 발생 및 수신을 위한 방법을 기준으로 분류할 수 있다. THz 발생 방법은 광 소자 또는 전자소자 기반 기술로 분류할 수 있다. 도 14는 전자소자 기반 THz 무선통신 송수신기의 일례를 나타낸 도이다.
전자 소자를 이용하여 THz를 발생시키는 방법은 공명 터널링 다이오드(RTD: Resonant Tunneling Diode)와 같은 반도체 소자를 이용하는 방법, 국부 발진기와 체배기를 이용하는 방법, 화합물 반도체 HEMT(High Electron Mobility Transistor) 기반의 집적회로를 이용한 MMIC (Monolithic Microwave Integrated Circuits) 방법, Si-CMOS 기반의 집적회로를 이용하는 방법 등이 있다. 도 14의 경우, 주파수를 높이기 위해 체배기(doubler, tripler, multiplier)가 적용되었고, 서브하모닉 믹서를 지나 안테나에 의해 방사된다. THz 대역은 높은 주파수를 형성하므로, 체배기가 필수적이다. 여기서, 체배기는 입력 대비 N배의 출력 주파수를 갖게 하는 회로이며, 원하는 하모닉 주파수에 정합시키고, 나머지 모든 주파수는 걸러낸다. 그리고, 도 14의 안테나에 배열 안테나 등이 적용되어 빔포밍이 구현될 수도 있다. 도 14에서, IF는 중간 주파수(intermediate frequency)를 나타내며, tripler, multipler는 체배기를 나타내며, PA 전력 증폭기(Power Amplifier)를 나타내며, LNA는 저잡음 증폭기(low noise amplifier), PLL은 위상동기회로(Phase-Locked Loop)를 나타낸다.
도 15는 광 소자 기반 THz 신호를 생성하는 방법의 일례를 나타낸 도이며, 도 16은 광 소자 기반 THz 무선통신 송수신기의 일례를 나타낸 도이다.
광 소자 기반 THz 무선통신 기술은 광소자를 이용하여 THz 신호를 발생 및 변조하는 방법을 말한다. 광 소자 기반 THz 신호 생성 기술은 레이저와 광변조기 등을 이용하여 초고속 광신호를 생성하고, 이를 초고속 광검출기를 이용하여 THz 신호로 변환하는 기술이다. 이 기술은 전자 소자만을 이용하는 기술에 비해 주파수를 증가시키기가 용이하고, 높은 전력의 신호 생성이 가능하며, 넓은 주파수 대역에서 평탄한 응답 특성을 얻을 수 있다. 광소자 기반 THz 신호 생성을 위해서는 도 15에 도시된 바와 같이, 레이저 다이오드, 광대역 광변조기, 초고속 광검출기가 필요하다. 도 15의 경우, 파장이 다른 두 레이저의 빛 신호를 합파하여 레이저 간의 파장 차이에 해당하는 THz 신호를 생성하는 것이다. 도 15에서, 광 커플러(Optical Coupler)는 회로 또는 시스템 간의 전기적 절연과의 결합을 제공하기 위해 광파를 사용하여 전기신호를 전송하도록 하는 반도체 디바이스를 의미하며, UTC-PD(Uni-Travelling Carrier Photo-Detector)은 광 검출기의 하나로서, 능동 캐리어(active carrier)로 전자를 사용하며 밴드갭 그레이딩(Bandgap Grading)으로 전자의 이동 시간을 감소시킨 소자이다. UTC-PD는 150GHz 이상에서 광검출이 가능하다. 도 16에서, EDFA(Erbium-Doped Fiber Amplifier)는 어븀이 첨가된 광섬유 증폭기를 나타내며, PD(Photo Detector)는 광신호를 전기신호로 변환할 수 있는 반도체 디바이스를 나타내며, OSA는 각종 광통신 기능(광전 변환, 전광 변환 등)을 하나의 부품으로 모듈화시킨 광모듈(Optical Sub Aassembly)을 나타내며, DSO는 디지털 스토리지 오실로스코프(digital storage oscilloscope)를 나타낸다.
도 17 및 도 18을 참조하여 광전 변환기(또는 광전 컨버터)의 구조를 설명한다. 도 17은 광자 소스(Photoinc source) 기반 송신기의 구조를 예시하며, 도 18은 광 변조기(Optical modulator)의 구조를 예시한다.
일반적으로 레이저(Laser)의 광학 소스(Optical source)를 광파 가이드(Optical wave guide)를 통과시켜 신호의 위상(phase)등을 변화시킬 수 있다. 이때, 마이크로파 컨택트(Microwave contact) 등을 통해 전기적 특성을 변화시킴으로써 데이터를 싣게 된다. 따라서, 광학 변조기 출력(Optical modulator output)은 변조된(modulated) 형태의 파형으로 형성된다. 광전 변조기(O/E converter)는 비선형 크리스탈(nonlinear crystal)에 의한 광학 정류(optical rectification) 동작, 광전도 안테나(photoconductive antenna)에 의한 광전 변환(O/E conversion), 광속의 전자 다발(bunch of relativistic electrons)로부터의 방출(emission) 등에 따라 THz 펄스를 생성할 수 있다. 상기와 같은 방식으로 발생한 테라헤르츠 펄스(THz pulse)는 펨토 세컨드(femto second)부터 피코 세컨드(pico second)의 단위의 길이를 가질 수 있다. 광전 변환기(O/E converter)는 소자의 비선형성(non-linearity)을 이용하여, 하향 변환(Down conversion)을 수행한다.
테라헤르츠 스펙트럼의 용도(THz spectrum usage)를 고려할 때, 테라헤르츠 시스템을 위해서 고정된(fixed) 또는 모바일 서비스(mobile service) 용도로써 여러 개의 연속적인 기가헤르츠(contiguous GHz)의 대역들(bands)을 사용할 가능성이 높다. 아웃도어(outdoor) 시나리오 기준에 의하면, 1THz까지의 스펙트럼에서 산소 감쇠(Oxygen attenuation) 10^2 dB/km를 기준으로 가용 대역폭(Bandwidth)이 분류될 수 있다. 이에 따라 상기 가용 대역폭이 여러 개의 밴드 청크(band chunk)들로 구성되는 프레임워크(framework)가 고려될 수 있다. 상기 프레임워크의 일 예시로 하나의 캐리어(carrier)에 대해 테라헤르츠 펄스(THz pulse)의 길이를 50ps로 설정한다면, 대역폭(BW)은 약 20GHz가 된다.
적외선 대역(IR band)에서 테라헤르츠 대역(THz band)으로의 효과적인 하향 변환(Down conversion)은 광전 컨버터(O/E converter)의 비선형성(nonlinearity)을 어떻게 활용하는가에 달려 있다. 즉, 원하는 테라헤르츠 대역(THz band)으로 하향 변환(down conversion)하기 위해서는 해당 테라헤르츠 대역(THz band)에 옮기기에 가장 이상적인 비선형성(non-linearity)을 갖는 광전 변환기(O/E converter)의 설계가 요구된다. 만일 타겟으로 하는 주파수 대역에 맞지 않는 광전 변환기(O/E converter)를 사용하는 경우, 해당 펄스(pulse)의 크기(amplitude), 위상(phase)에 대하여 오류(error)가 발생할 가능성이 높다.
단일 캐리어(single carrier) 시스템에서는 광전 변환기 1개를 이용하여 테라헤르츠 송수신 시스템이 구현될 수 있다. 채널 환경에 따라 달라지지만 멀리 캐리어(Multi carrier) 시스템에서는 캐리어 수만큼 광전 변환기가 요구될 수 있다. 특히 전술한 스펙트럼 용도와 관련된 계획에 따라 여러 개의 광대역들을 이용하는 멀티 캐리어 시스템인 경우, 그 현상이 두드러지게 될 것이다. 이와 관련하여 상기 멀티 캐리어 시스템을 위한 프레임 구조가 고려될 수 있다. 광전 변환기를 기반으로 하향 주파수 변환된 신호는 특정 자원 영역(예: 특정 프레임)에서 전송될 수 있다. 상기 특정 자원 영역의 주파수 영역은 복수의 청크(chunk)들을 포함할 수 있다. 각 청크(chunk)는 적어도 하나의 컴포넌트 캐리어(CC)로 구성될 수 있다.
<양자 암호 통신>
Quantum Key Distribution(QKD) 기술은 아래 도면에 대한 설명과 같이 전송 데이터의 암호화와 복호화에 필요한 비밀 대칭 키 정보를 생성하는 기술이다. 이를 위해서 양자 암호 통신 기술에서는 우선 양자 키 정보를 양자 채널을 통해 송신부에서 수신부로 전송하여 키 정보를 공유한다. 그러나 이 과정에서 도청자의 존재, 구성 소자 및 양자 채널의 불완전성 등으로 송수신부 간의 공유 키 정보는 완벽하게 일치할 수 없다. 따라서 이를 보정하기 위한 후처리 과정이 수행되며, 퍼블릭 채널을 통해 후처리 과정에서 필요한 추가 정보를 주고 받은 후, 이 정보를 바탕으로 송수신부의 키 정보를 일치 시켜 최종 비밀 대칭 키로 사용한다.
도 19는 양자 암호 통신의 일례를 개략적으로 도시한 것이다.
도 19에 따르면, QKD(quantum key distribution) 송신부(1910)는 QKD 수신부(1920)와 퍼블릭 채널(public channel) 및 양자 채널(quantum channel)로써 연결되어 통신을 수행할 수 있다.
이때, QKD 송신부(1910)는 암호화기(1930)에게 비밀 키를 공급할 수 있으며, QKD 수신부(1920)도 복호화기(1940)에게 비밀 키를 공급할 수 있다. 여기서, 암호화기(1930)에는 플레인 텍스트(plain text)가 입/출력될 수 있으며, 암호화기(1930)는 복호화기(1940)와 (기존 통신망을 통해) 비밀 대칭 키로 암호화된 데이터를 전송할 수 있다. 아울러, 복호화기(1940)에도 플레인 텍스트가 입/출력될 수 있다.
양자 암호 통신에 대해서 보다 구체적으로 설명하면 아래와 같다.
양자 암호 통신 시스템에서는 파장이나 진폭 등으로 통신하는 종래의 통신 방법과 달리 빛의 최소 단위인 단일 광자 (photon)를 이용하여 신호를 실어 나른다. 종래의 암호체계가 대부분 수학적 알고리즘의 복잡성에 의해 안정성을 보장 받는데 비해, 양자 암호 통신은 양자의 독특한 성질에 안정성을 기반하고 있기 때문에 양자역학의 물리법칙이 깨지지 않는 한 그 안정성을 보장 받는다.
예컨대, BB84 프로토콜에서는 광자의 편광, 위상 등의 상태에 정보를 실어 나르며, 양자의 특성을 이용하여 이론상 절대적으로 안전하게 비밀키 (sift key)를 나누어 가질 수 있다.
이하, 송신측 앨리스 (Alice)와 수신측 밥 (Bob) 사이에서 편광상태에 정보를 실어 비밀키를 생성하는 BB84 프로토콜의 예를 보여주며 이에 대한 BB84 프로토콜의 전체적인 흐름은 다음과 같다.
(1) 앨리스는 무작위로 비트를 생성한다.
(2) 비트 정보를 어떤 편광에 실을 것인지 결정하기 위해 무작위로 전송 편광자를 선택한다.
(3) (1)에서 무작위로 생성한 비트 및 (2)에서 무작위로 선택한 편광자에 대응되는 편광신호를 생성하고 양자채널로 전송한다.
(4) 밥은 앨리스가 전송한 편광신호를 측정하기 위해 무작위로 측정 편광자를 선택한다.
(5) 선택한 편광자로 앨리스가 전송한 편광신호를 측정하여 보관한다.
(6) 앨리스와 밥은 고전채널을 통해 어떤 편광자를 사용했는지 공유한다.
(7) 같은 편광자를 사용한 비트만 보관하고 서로 다른 편광자를 사용한 비트는 제거하여 비밀 키를 얻는다.
앨리스가 생성한 비트 | 0 | 1 | 1 | 0 | 1 | 0 | 0 | 1 |
앨리스가 선택한 전송 편광자 | + | + | x | + | x | x | x | + |
앨리스가 전송한 편광신호 | ↑ | → | ↘ | ↑ | ↘ | ↗ | ↗ | → |
밥이 선택한 측정 편광자 | + | x | x | x | + | x | + | x |
밥이 측정한 편광신호 | ↑ | ↗ | ↘ | ↗ | → | ↗ | → | → |
전송 편광자와 측정 편광자가 일치하는지 여부 검증 | 고전 채널을 통한 데이터 교환 | |||||||
최종적으로 생성되는 비밀키 | 0 | 1 | 0 | 1 |
이러한 BB84 프로토콜은 이론상으로는 절대적인 보안을 보장하지만 실제 하드웨어 구현 시 결함이 존재하게 되는데, 대표적으로 광섬유의 복굴절 (birefringence)에 의한 편광 왜곡을 들 수 있다. 복굴절이란 빛이 등방성이 아닌 매질을 통과할 때 매질의 광 축(optical axis)에 수직한 편광성분과 수평한 편광성분이 서로 다른 시간지연을 겪는 현상을 말한다. 이러한 서로 다른 시간지연은 두 성분간에 위상 차이가 발생하게 하고 두 성분간의 위상 차이는 곧 편광의 틀어짐을 의미한다.한편, 양자 암호 통신 기술의 후처리 과정은 양자 키 정보의 오류 율 추정 단계, 양자 키 오류 복원 단계, 비밀성 증폭 단계의 3 단계로 구성된다. 본 명세서에서는 이중 첫 단계인 양자 키 정보의 오류 율 추정 단계를 다루며, 여기에서는 QBER 추정을 통해 도청자의 존재 유무를 판단하며, 추정된 QBER 값이 도청자의 존재를 판단하는 기준이 되는 값 이하이면 공유된 키 정보를 통한 양자 암호 통신 과정을 계속 진행하고 그렇지 않을 경우, 키 정보를 폐기하고 키 공유 과정을 중단한다. 이처럼 QBER 추정 과정은 양자 암호 통신 기법에서 공유한 키 정보의 도청 유무를 판단하는 과정이므로 그 기준인 QBER의 신뢰성이 보장 되어야 한다. 하지만 더 높은 정확도를 얻기 위해서는 더 많은 키와 관련된 정보를 public 채널을 통해 공유해야 하므로 누설되는 정보의 양이 많아지는 문제가 발생한다. 따라서 QBER 추정 단계에서는 정확도와 누설 정보량 사이의 트래이드-오프(trade-off)가 존재하므로 최대한 누설 정보량을 줄이면서도 높은 QBER 추정 정확도를 확보하는 방법이 필요하다.
도 20은 랜덤 샘플링 방법(random sampling method; RSM)의 일례를 개략적으로 도시한 것이다.
QBER estimation 기법의 일례로, RS(Random sampling) 기법이 있다. RS 기법은 도 20과 같이 송신부(Alice side)와 수신부(Bob side)가 양자 채널을 통해 공유한 키 정보 중 베이시스(basis)가 일치하는 위치의 키 정보만으로 생성된 선별된(sifted) 키(들) 중 일정 비율(10~20%)을 랜덤하게 선택한 후, 선택된 송수신 선별된(sifted) 키 정보를 비교하여 QBER을 추정한다.
RS 기법의 세부 과정은 다음과 같이 진행된다.
(1) 송신부(Alice side)의 선별된(sifted) 키 정보 중 10~20%를 랜덤하게 선택한다.
(2) 송신부에서 선택한 키 정보와 위치 정보를 공개 채널(public channel)을 통해 수신부(Bob side)로 보낸다.
(3) 수신부에서는 송신부로부터 받은 위치 정보의 수신 키 정보를 송신부의 키 정보와 비교하여 QBER을 구하며, 그 식은 다음과 같다.
QBER=e_sift^est=(송수신부의 RS에서 선택된 동일 위치의 키 정보 중 일치하지 않는 정보의 개수)/(RS에서 선택된 전체 키 정보의 수)
(4)QBER 측정에 사용된 선별된(sifted) 키 정보는 공개 채널로 제 3자에게 노출된 정보이므로 키 정보의 안전성 확보를 위해 모두 폐기되고 나머지 선별된(sifted) 키 정보를 가지고 남은 후처리 과정을 진행한다.
이처럼 RS 방식은 실제 양자 채널을 통해 공유된 키 정보 중 일부를 공개하고 버리는 구조이므로 키 정보의 낭비가 크다. 또한, 더 정확한 QBER 추정을 위해서는 더 많은 키 정보의 희생이 불가피하다.
따라서 QKD 시스템에서 QBER 추정(estimation) 기법으로 RS 기법을 사용할 경우, 일반적으로 전체 선별된(sifted) 키 중 10~20%는 이 과정에서 버려지므로 키 rate가 낮아지는 원인이 된다. 또한 선별된(sifted) 키의 길이가 길지 않을 경우 정확한 QBER 추정이 쉽지 않다는 문제점을 가진다. 하지만 키의 길이가 긴 경우에는 실제 시스템이 가지는 오류 율의 변화와 관계없이 거의 정확한 QBER 추정이 가능하다는 장점을 가진다.
도 21은 패리티 비교 방법(parity comparison method; PCM)의 일례를 개략적으로 도시한 것이다.
일반적으로 도청자가 존재하지 않는 QKD 시스템의 오류 율은 3~7%이내로 낮다는 것을 고려할 때, RS 기법은 낮은 QBER 환경에서 주로 사용되는 QKD 시스템에서 지나치게 많은 자원을 사용하여 QBER을 추정하는 방법일 수 있다. 이러한 관점에서 최소한의 자원 사용만으로 QBER을 추정하는 기법인 패리티(parity) 비교(comparison) 기법이 등장하였다. 패리티 비교 기법은 도 21과 같이 선별된(sifted) 키 중 L개의 키 정보를 묶어 하나의 그룹을 생성하고, 각 그룹의 modulo 2 sum에 의해 구해지는 송수신부의 1비트의 패리티 값을 비교한 후, 이 값을 바탕으로 QBER을 추정한다.
PCM의 세부 QBER 추정 과정은 다음과 같다.
(1) 송신부의 선별된(sifted) 키를 L개씩 묶어서 n개의 패리티 값을 구하며, 하나의 패리티 비트 값은 다음 식을 통해 구한다.
(2) 수신부에서도 송신부와 동일한 과정을 통해 n개의 패리티 비트 값을 구한다.
(3) 송신부의 n개의 패리티 정보를 공개 채널을 통해 수신부로 전송한 후, 공유된 송수신부의 패리티 정보 중 같은 위치의 패리티 값을 비교하여, 패리티 에러 확률(probability) e_parity^est를 구한다.
e_parity^est=(송수수신부의 패리티 정보 중 일치하지 않는 것의 개수)/n
(4) 통계적으로 구한 패리티 에러 확률 e_parity^est과 그룹의 길이 L로부터 QBER을 도출한다
QBER=e_sift=(1-(1-2e_parity^est)^(1/L))/2 with statistical e_parity^est and preset L
위의 과정에 대한 증명은 아래와 같이 정리될 수 있다.
하나의 그룹(L개의 선별된(sifted) 키로 구성)이 다른 패리티 값을 가질 확률은 패리티 내에 홀수 개의 오류가 발생했을 때의 확률과 같다. 띠라서 패리티 에러 확률 e_parity^est는 다음과 같이 정의할 수 있다.
e_parity^est=(1-(1-2e_sift)^L)/2를 e_sift에 대하여 다시 정리하면 e_sift=(1-(1-2*e_parity^est)^(1/L))/2와 같다.
한편, PCM 기법은 송수신부의 선별된(sifted) 키가 아닌 일정 개수의 선별된(sifted) 키들의 집합으로부터 얻어진 패리티 정보를 바탕으로 QBER을 추정하므로 RS 기법에 비해 공개 채널을 통해 누설되는 정보의 양이 작으며, 선별된(sifted) 키 정보를 공개 채널로 공개하는 대신, 그룹의 패리티 정보만을 공개하므로 키 정보의 손실을 전체 키 정보의 10~20%에서 그룹의 개수에 해당하는 정도로 크게 줄일 수 있다는 장점을 가진다.
하지만 PCM 기법은 그룹의 길이 L의 설정 값에 따라 QBER 추정 정확도의 편차가 크게 발생한다. QKD 시스템이 포함하고 있는 오류 율이 낮을수록 그룹의 길이 L이 길어도 낮은 비율의 오류를 포함하므로 패리티 비교를 통해서도 충분한 오류 검출이 가능하지만, 오류 율이 높을 경우, L이 길어지면 그룹 내에 많은 오류를 포함할 가능성이 높아지므로 패리티 비교만으로는 충분한 정확도를 갖춘 오류 율 추정이 어렵다. 특히 PCM에서는 그룹 내에 짝수개의 오류가 발생한 경우에는 오류 존재 유무를 파악하지 못하기 때문에 QKD 시스템이 포함하고 있는 오류 율이 클수록 정확도가 저하된다.
도 22는 랜덤 샘플링(TM)과 PCM의 실제 QBER에 따른 QBER 추정 정확도의 비교 결과를 개략적으로 도시한 것이다.
도 22는 양자 암호 시스템에서 양자 채널을 통해 공유된 선별된(sifted) 키의 길이가 5000 비트(들), 랜덤 샘플링(sampling)의 비율이 전체 선별된(sifted) 키의 10%, PCM의 그룹 길이(length) L=15 일 때, 두 가지 기법의 QBER 추정 정확도를 선별된(sifted) 키의 오류 율에 따라 나타낸 것이다.
추정 정확도는 각 기법에서 추정한 오류 율 e_sift^est과 실제 오류 율 e_sift의 차이인 Δ=|e_sift^est-e_sift|를 통해 구한다. PCM 기법의 경우 6%이하의 오류 율에서는 랜덤 샘플링 보다 좋은 정확도를 가지며, 그 이상에서는 정확도가 나빠진다. 6% 이상의 오류가 발생한 경우에서는 멀티-에러(multi-error)의 존재 가능성이 커지면서 PCM의 패리티 비교과정에서 검출되지 않는 오류가 점점 많아 지면서 발생한다. 하지만 누설 정보량 측면에서 PCM 기법은 333비트의 패리티 정보만을 누설된 정보(leaked information)로 사용하므로 500비트의 키 정보를 누설된 정보(leaked information)으로 사용하는 RS에 비해 장점을 가짐을 알 수 있다.
도 23은 그룹 사이즈 변화에 따른 PCM이 RX보다 정확도가 높은 최대 QBER의 예시를 개략적으로 도시한 것이다.
도 23은 선별된(sifted) 키의 길이 1M비트, 랜덤 샘플링의 비율이 전체 선별된(sifted) 키의 10%인 경우에서 그룹 사이즈 L의 증가에 따른 PCM이 랜덤 샘플링에 비해 좋은 QBER 추정 정확도(accuracy)를 가지는 최대 에러 레이트를 나타낸다. 그룹의 사이즈가 커질수록 그룹 내에 더 많은 오류가 포함될 가능성이 커지므로 PCM의 QBER 추정 정확도가 점점 더 저하됨을 알 수 있다.
이하 본 명세서에 대해 보다 구체적으로 설명한다.
본 명세서는 양자 암호 통신(quantum secure communication) 시스템에서 양자 키를 교환한 후에 이루어지는 후처리 과정(양자 키의 양자(quantum) 비트 에러 레이트(=QBER) 추정, 오류 복원, 비밀성 증폭 과정으로 구성) 중 QBER 추정 기법의 정확도 개선 방법에 관한 것이다. 보다 구체적으로는, QKD 시스템에서 양자 채널을 통해 공유된 양자 암호 키 정보의 해킹 여부 파악을 위해 키 정보의 불일치 비율을 추정하는 QBER 추정 과정에서, 공개 채널을 통해 누설되는 정보량을 최소화하면서도 다른 QBER 추정 기법에 비해 QBER 추정 정확도를 개선할 수 있는, 패리티 기반(based) QBER 추정 기법 및 장치에 관한 것을 다룬다.
본 명세서에서는 상기의 양자 암호 통신 기법에서 양자 채널을 통해 공유된 양자 키 정보의 오류 율을 선별된(sifted) 키 정보의 직접적인 손실 없이 추정하는 패리티 기반 QBER 추정 방법에서 발생하는 두 가지 문제에 대한 개선 방법을 다룬다.
우선 첫째로 1차원 패리티 기반 QBER 추정 기법은 그룹 내에 홀수 개의 오류가 포함된 경우에만 패리티 비교를 통해 오류가 존재한다는 것을 추정할 수 있다. 하지만 1차원 패리티 기반 QBER 추정 기법은 그룹 내에 짝수 개의 오류가 포함된 경우에는 송수신부의 패리티 비트가 동일한 값을 가지므로 오류 존재를 파악할 수 없다. 따라서 선별된(sifted) 키가 가지는 오류 율이 증가 할수록 오류로 추정해내지 못하는 짝수 개의 오류 발생 확률 또한 증가하므로, 1차원 패리티 기반 QBER 추정 기법은 정확도가 점점 나빠지는 문제가 발생한다. 이를 해결하기 위하여 본 명세서에서는 짝수 개의 오류가 발생한 상황을 2 차원 패리티 정보를 이용하여 최대한 추정해낼 수 있는 방법을 제안한다.
다음으로, 패리티 기반 QBER 추정은 패리티 연산을 위한 그룹 사이즈와 선별된(sifted) 키에 포함된 오류 율에 따라 오류 추정 정확도의 편차가 크며 일반적으로 선별된(sifted) 키에 포함된 오류 율이 증가할수록 그룹 사이즈를 작게 해야 좋은 성능을 보장할 수 있다. 하지만, 패리티 기반 QBER 추정은 그룹 사이즈가 작을수록 많은 패리티 정보가 공개 채널로 공개되므로 누설 정보량이 많아지는 문제가 발생한다. 따라서 본 명세서에서는, 선별된(sifted) 키에 포함된 오류 율에 따라 QBER 추정 정확도를 보장할 수 있는 최대 길이를 모델링하여 누설 정보량을 최소화하는 방법을 제시한다.
이하, 본 명세서의 예시에 대한 보다 원활한 이해를 위해, 도면을 통해 본 명세서의 개시에 대해 설명하도록 한다. 이하의 도면은 본 명세서의 구체적인 일례를 설명하기 위해 작성되었다. 도면에 기재된 구체적인 장치의 명칭이나 구체적인 신호/메시지/필드의 명칭은 예시적으로 제시된 것이므로, 본 명세서의 기술적 특징이 이하의 도면에 사용된 구체적인 명칭에 제한되지 않는다.
도 24는 본 명세서의 일 실시예에 따른, QBER의 추정 방법의 순서도다.
도 24에 따르면, 장치는 공개 채널을 통해 다른 장치로부터 제1 2 차원 패리티 정보를 수신할 수 있다(S2410).
장치는 상기 제1 2 차원 패리티 정보에 기반하여 상기 QBER의 추정을 수행할 수 있다(S2420).
장치는 상기 QBER의 추정에 기반하여 상기 키 정보를 결정할 수 있다(S2430).
일례로, 상기 장치는 양자 채널을 통해 상기 다른 장치로부터 선별된(선별된(sifted)) 키 정보를 수신할 수 있다. 이에 대한 보다 구체적인 내용은 앞서 설명한 바 및/또는 후술할 바와 같기에, 설명의 편의를 위해 중복되는 내용의 반복 설명은 생략하도록 한다.
여기서 일례로, 상기 선별된 키 정보는 복수의 비트들을 포함하고 있고, 상기 복수의 비트들은 복수의 제1 비트 그룹으로 그룹화될 수 있다. 이에 대한 보다 구체적인 내용은 앞서 설명한 바 및/또는 후술할 바와 같기에, 설명의 편의를 위해 중복되는 내용의 반복 설명은 생략하도록 한다.
여기서 일례로, 상기 장치는 상기 선별된 키 정보로부터 제2 2 차원 패리티 정보를 획득하고, 상기 장치는 상기 제1 2 차원 패리티 정보 및 상기 제2 2 차원 패리티 정보에 기반하여 상기 QBER의 추정을 수행할 수 있다. 이에 대한 보다 구체적인 내용은 앞서 설명한 바 및/또는 후술할 바와 같기에, 설명의 편의를 위해 중복되는 내용의 반복 설명은 생략하도록 한다.
여기서 일례로, 상기 복수의 제1 비트 그룹은 2 차원 형태로 정렬되고, 상기 장치는 상기 2 차원 형태의 행에 대한 패리티 정보 및 상기 2 차원 형태의 열에 대한 패리티 정보에 기반하여 상기 제2 2 차원 패리티 정보를 획득할 수 있다. 이에 대한 보다 구체적인 내용은 앞서 설명한 바 및/또는 후술할 바와 같기에, 설명의 편의를 위해 중복되는 내용의 반복 설명은 생략하도록 한다.
일례로, 상기 복수의 제1 비트 그룹 각각에 대한 길이의 정보는 상기 장치와 상기 다른 장치 간에 공유될 수 있다. 이에 대한 보다 구체적인 내용은 앞서 설명한 바 및/또는 후술할 바와 같기에, 설명의 편의를 위해 중복되는 내용의 반복 설명은 생략하도록 한다.
여기서 일례로, 상기 복수의 제1 비트 그룹 각각에 대한 길이는 직전 QBER의 추정에 기반하여 결정될 수 있다. 이에 대한 보다 구체적인 내용은 앞서 설명한 바 및/또는 후술할 바와 같기에, 설명의 편의를 위해 중복되는 내용의 반복 설명은 생략하도록 한다.
여기서 일례로, 상기 장치는 상기 QBER의 추정에 기반하여 차기 선별된 키 정보에 포함될 복수의 제2 비트 그룹 각각에 대한 길이를 결정할 수 있다. 이에 대한 보다 구체적인 내용은 앞서 설명한 바 및/또는 후술할 바와 같기에, 설명의 편의를 위해 중복되는 내용의 반복 설명은 생략하도록 한다.
여기서 일례로, 상기 복수의 제2 비트 그룹 각각에 대한 길이의 정보는 상기 장치와 상기 다른 장치 간에 공유될 수 있다. 이에 대한 보다 구체적인 내용은 앞서 설명한 바 및/또는 후술할 바와 같기에, 설명의 편의를 위해 중복되는 내용의 반복 설명은 생략하도록 한다.
한편, 앞서 설명했던 다른 장치는, 예컨대, QKD 송신부(즉, 앨리스 사이드) 및 부호화기(및/또는 복호화기)가 포함된 장치일 수도 있다. 또한, 상기 장치는, QKD 수신부(즉, 밥 사이드) 및 복호화기(및/또는 부호화기)가 포함된 장치일 수도 있다.
장치 및 다른 장치에 대한 예시를 도면을 통해 설명하면 아래와 같을 수 있다.
도 25는 본 명세서의 일 실시예에 따른 장치의 예를 개략적으로 도시한 것이다.
도 25에 따르면, QKD(quantum key distribution) 송신부(2510)는 QKD 수신부(2520)와 퍼블릭 채널(public channel) 및 양자 채널(quantum channel)로써 연결되어 통신을 수행할 수 있다.
이때, QKD 송신부(2510)는 암호화기(2530)에게 비밀 키를 공급할 수 있으며, QKD 수신부(2520)도 복호화기(2540)에게 비밀 키를 공급할 수 있다. 여기서, 암호화기(2530)에는 플레인 텍스트(plain text)가 입/출력될 수 있으며, 암호화기(2530)는 복호화기(2540)와 (기존 통신망을 통해) 비밀 대칭 키로 암호화된 데이터를 전송할 수 있다. 아울러, 복호화기(2540)에도 플레인 텍스트가 입/출력될 수 있다.
여기서, 암호화기 및 복호화기는 앞서 설명한 바와 같이 통신망을 통해 데이터를 송/수신할 수 있으며, 여기서의 통신망은 예컨대, 3GPP 계열에서의 통신망(예컨대, LTE/LTE-A/NR 기반 통신망), IEEE 계열에서의 통신망 등을 의미할 수도 있다.
한편, 암호화기(2530) 및 QKD 송신부(2510)는 하나의 장치(2550)에 포함될 수 있으며, 복호화기(2540) 및 QKD 수신부(2520) 또한 하나의 장치(2560)에 포함될 수 있다.
참고로, 도면에서는 설명의 편의를 위해, 하나의 장치(2550)에 암호화기(2530) 및 QKD 송신부(2510)만을 포함하는 구성을 도시화 했으나, 위 하나의 장치(2550)에는 QKD 송신부(2510) 및 암호화기(2530)뿐만 아니라 별도의 복호화기가 또한 포함될 수 있다. 마찬가지로, 하나의 장치(2560)에 복호화기(2540) 및 QKD 수신부(2520)뿐만 아니라 별도의 부호화기가 또한 포함될 수도 있다.
이하, 앞서 설명한 내용에 기반하여, 통신 방법의 일 실시예에 대해 도면을 통해 개략적으로 설명해보도록 한다.
도 26은 본 명세서의 다른 실시예에 따른, QBER의 추정 방법의 순서도다.
도 26에 따르면, 장치는 다른 장치로부터 RA(random access) 프리앰블을 수신할 수 있다(S2610).
장치는 상기 RA 프리앰블에 대한 응답으로 상기 다른 장치에게 RAR(random access response)를 전송할 수 있다(S2620). 이에 대한 구체적인 설명은 앞서 설명한 바 및/또는 후술할 바와 같기에, 설명의 편의를 위해 중복되는 내용의 반복설명은 생략하도록 한다.
장치는 상기 다른 장치와 RRC(radio resource control) 연결 절차를 수행할 수 있다(S2630). 이에 대한 구체적인 설명은 앞서 설명한 바 및/또는 후술할 바와 같기에, 설명의 편의를 위해 중복되는 내용의 반복설명은 생략하도록 한다.
장치는 상기 다른 장치로부터 데이터를 수신할 수 있다(S2640). 이에 대한 구체적인 설명은 앞서 설명한 바 및/또는 후술할 바와 같기에, 설명의 편의를 위해 중복되는 내용의 반복설명은 생략하도록 한다.
장치는 키 정보에 기반하여 데이터를 복호화할 수 있다(S2650). 여기서, 키 정보는 상기 QBER의 추정에 기반하여 결정될 수 있다. 아울러, 장치는 공개 채널을 통해 다른 장치로부터 수신한 제1 2 차원 패리티 정보에 기반하여 QBER의 추정을 수행할 수 잇다. 이에 대한 구체적인 설명은 앞서 설명한 바 및/또는 후술할 바와 같기에, 설명의 편의를 위해 중복되는 내용의 반복설명은 생략하도록 한다.
이하, 앞서 설명을 생략했던 본 명세서의 실시예들에 대해 보다 구체적으로 설명하도록 한다.
본 명세서에서는 QBER 추정 기법의 구성에 관한 내용을 다루며, 키 정보의 직접적인 유출을 막기 위해 패리티 정보 기반의 QBER 추정 방법을 사용한 구성을 제공하도록 한다. 이때, 패리티 연산에 이용되는 일정 길이의 양자 키 정보로 구성되는 그룹 내에 짝수개의 오류가 포함될 경우에 오류 추정을 하지 못하여 시스템이 낮은 QBER을 가진 경우에만 추정 기법으로 적용할 수 있었던 문제를 2 차원 패리티 비교로 확장하는 방법을 적용하여 더 높은 QBER에서도 좋은 정확도를 가질 수 있도록 개선하는 방법을 제시한다.
또한 패리티 기반의 QBER 추정 기법에서 그룹의 길이가 짧을수록 정확한 QBER 추정이 가능하지만 누설 정보량이 많아지고, 그룹의 길이가 길면 누설 정보량은 작아지지만 QBER 추정 정확도가 떨어지는 문제가 발생하므로 본 명세서에서는 양자 암호통신 시스템의 불완전성으로 발생하는 오류 율에 따라 추정 정확도를 보장할 수 있는 가장 긴 길이의 그룹 길이를 테이블화하여 그룹 정보의 누설량을 최소화하는 방법을 제시한다.
이하, 본 명세서에서는 다른 패리티 기반의 QBER 추정 기법의 2 차원 확장을 통한 정확도 개선 및 선별된(sifted) 키가 포함한 오류 율을 기준으로 패리티 정보로부터 추정되는 키 정보의 오류 율의 정확성을 보장할 수 있는 최대 길이를 설정하는 방법을 제시하여, 높은 정확도를 유지하면서도 누설되는 패리티 정보의 양을 최소화 할 수 있음을 보인다.
1. 패리티 기반 QBER 추정 과정에서 선별된(sifted) 키 정보의 오류 율에 따른 최대(maximal) 그룹의 길이 설정 기법
패리티 기반의 QBER 추정 기법에서는 양자 채널을 통한 키 정보 교환 후 얻어진 선별된(sifted) 키가 포함하고 있는 오류 율에 따라 패리티 값을 구하는데, 이 때 정확한 QBER 추정을 위해서는 그룹의 길이를 가능한 짧게 하는 것이 좋다.
이는 그룹의 길이가 길수록 그룹을 구성하는데 포함되는 선별된(sifted) 키 정보의 개수가 많아지므로 그룹 내에 멀티-에러가 존재할 가능성도 커지게 되고, 이로 인해 패리티 정보만으로 그룹 내의 선별된(sifted) 키 중 몇 개의 오류가 발생했는지 정확히 추정하기 어려워지기 때문이다.
하지만 그룹의 길이가 짧은 경우에는 QKD 기법의 QBER 추정 과정에서 공개 채널을 통해 누설되는 패리티 정보의 양이 증가하므로 이를 통해 제 3의 도청자가 전체 키 정보를 알아낼 수 있는 가능성도 증가한다. 이처럼 패리티 기반의 QBER 추정 기법은 정확도와 누설 정보량 사이에 트래이드-오프가 존재한다. 따라서 본 명세서에서는 하나의 패리티 비트를 구하는데 이용되는 그룹의 사이즈를 QBER 추정 정확도를 보장할 수 있는 최대한의 길이로 증가시킨 후 패리티 비트를 구하는 방법을 통해 정확도와 누설 정보량을 최적화 할 수 있는 효율적인 방법을 제시한다.
앞서 설명한 바와 같이, 일례로, 상기 복수의 제1 비트 그룹 각각에 대한 길이의 정보는 상기 장치와 상기 다른 장치 간에 공유될 수 있다.
여기서 일례로, 상기 복수의 제1 비트 그룹 각각에 대한 길이는 직전 QBER의 추정에 기반하여 결정될 수 있다. 여기서 일례로, 상기 장치는 상기 QBER의 추정에 기반하여 차기 선별된 키 정보에 포함될 복수의 제2 비트 그룹 각각에 대한 길이를 결정할 수 있다. 여기서 일례로, 상기 복수의 제2 비트 그룹 각각에 대한 길이의 정보는 상기 장치와 상기 다른 장치 간에 공유될 수 있다.
보다 구체적으로, 본 명세서에서 제시한 패리티 기반 QBER 추정 기법에서 패리티 비트의 값을 구하는데 사용하는 그룹 사이즈는 다음과 같은 과정을 통하여 구할 수 있다.
(1) QKD 시스템이 도청이 되고 있지 않은 상황에서 양자 채널을 통해 전송된 선별된(sifted) 키의 오류 율은 시스템의 불안정성으로 인해 발생하며, 일반적으로 3~7% 이내의 낮은 값으로 알려져 있다. 따라서 이니셜(initial) 선별된(sifted) 키의 오류 율 e_sift^initial은 3~7% 정도 범위에서 적용한다. (일반적인 QKD 시스템에서는 키 전송 전에 안정적인 상황에서 시스템의 불안전성으로 발생하는 오류의 발생 정도를 미리 테스트하여 그 값을 초기 e_sift^initial로 사용한다.)
(2) QKD 시스템의 송수신부에서 초기 패리티 비트의 값을 구하는데 적용되는 최대(maximal) 그룹 길이 L은 다음 식을 통해 구하며, 그 식의 증명 과정은 아래와 같다.
L=round[-1/ln(1-2*e_sift^initial)]
round(x)는 x의 소수부가 0.5가상이면 소수 첫째 자리에서 반올림하여 x의 정수부+1, 그 이하이면 버린 형태의 정수 값인 x의 정수부를 결과로 도출한다.
위 과정은 아래와 같이 증명될 수 있다.
다른 패리티 기반 QBER 추정 기법에서는 선별된(sifted) 키 비트의 오류 율 e_sift을 다음과 같이 패리티 비트의 오류 율 e_parity^est로부터 구한다. (아래 식은 앞서 설명한 바와 같다.)
e_sift=(1-(1-2e_parity^est)^(1/L))/2
따라서 그룹 길이 L에 따른 e_sift의 추정 정확도를 고정된 e_parity^est에 대해서 미분해서 구하면 e_sift'으로 나타낼 수 있으며, e_sift'이 작을수록 추정 정확도가 높다고 할 수 있다.
e_sift' = ((1-(1-2*e_parity^est)^(1/L))/2)' = (1-2e_parity^est)^(1/L-1)/L = (1-2e_parity^est)^(1/L)/(e_parity^est)'
추정 정확도를 e_parity^est 관점에서 표현하면, 위의 식에서 알 수 있듯이(e_parity^est)'이 큰 값을 가지는 것과 같으며, (e_parity^est)'는 다음과 같이 나타낼 수 있다.
(e_parity^est)' = ((1-(1-2*e_sift)^L)/2)' = L*(1-2*e_sift)^(L-1)
추정 정확도를 최대한 높이기 위해서는 (e_parity^est)'이 극대 값을 가지도록 하면 되므로, 이계도함수 (e_parity^est)''=0이 되게 하는 L값을 찾으면, 그 값이 고정된 e_parity^est에 대한 추정 정확도를 보장할 수 있는 최대 그룹 길이 L의 값으로 추정될 수 있다.
(e_parity^est)'' = (L(1-2*e_sift^est)^(L-1))'' = (1-2*e_sift^est)^(L-1)+L*(1-2e_sift^est)^(L-1)*ln(1-2*e_sift^est) = (1-2*e_sift^est)^(L-1)*[1+L* ln(1-2*e_sift^est)] = 0
(1-2e_sift^est)^(L-1)≥0이므로, [1+L*ln(1-2*e_sift^est)] = 0을 만족하는 아래 L 값이 특정 QBER e_sift^est에서 QKD 시스템의추정 정확도를 보장할 수 있음을 알 수 있다
L = round[-1/ln(1-2*e_sift^est)]
위 식을 바탕으로 QKD 시스템에서 선별된(sifted) 키의 오류 율에 따른 QBER 추정 정확도를 보장할 수 있는 최대 그룹의 길이 L은 다음 표와 같다.
QBER(e_sift^est) | L (bits) |
2% | 24 |
4% | 12 |
6% | 7 |
8% | 5 |
10% | 4 |
12% | 3 |
위의 결과에서 알 수 있듯이 선별된(sifted) 키에서 포함하고 있는 오류 율이 높아질수록 정확성을 보장할 수 있는 그룹의 길이는 점점 짧아지며 각 QBER에서 L의 길이 이하로 그룹의 길이를 정할 경우 QBER 추정의 정확도를 보장할 수 있다. 표 4에서 나타낸 결과의 타당성을 파악하기 위하여 선별된(sifted) 키가 포함하고 있는 오류 율에 따른 그룹 내 오류의 종류별 분포율을 살펴보면 도 27과 같다. 도 27은 QKD 시스템에서 QBER에 따른 그룹 내 오류 분포와 최대 그룹 길이 L에 대한 일례를 개략적으로 도시한 것이다.
모든 결과에서 공통적으로 그룹의 길이가 길어질수록 그룹 내에서 멀티 에러의 발생 가능성이 증가하며, 길이가 짧을수록 멀티 에러의 발생 가능성이 줄어든다. 패리티 에러 레이트로부터 선별된(sifted) 키 에러 레이트를 도출하는 패리티 비교 방식은 송수신부의 패리티 비교 과정에서 홀수개의 오류가 있는 것으로 판정되는 패리티 그룹이 실제 싱글 에러를 가지고 있을 가능성이 높을수록 QBER 추정값이 정확해질 수 있으므로, 표 4의 결과는 QBER 추정 과정에서 송수신부 패리티 비교과정에서 발생한 오류가 싱글 에러일 가능성을 최대한 보장할 수 있는 최대 길이를 나타낸다고 할 수 있다.
도 27에서 시뮬레이션을 통해 확인한 결과에서 또한 L의 길이가 결정되는 지점에서부터 트리플(triple) 에러가 발생하기 시작하는 것을 볼 수 있으므로 본 명세서에서 추정한 그룹의 길이 L은 패리티 에러가 싱글 에러임을 보장할 수 있는 최대 그룹 길이를 나타냄을 알 수 있다.
도 28은 선별된 키의 패리티 연산 과정의 일례를 개략적으로 도시한 것이다.
(3) 송수신부에서 N/L 개(양자 채널을 통해 공유한 선별된(sifted) 키의 길이: N) 그룹의 패리티를 도 28과 같이 구하고, 공개 채널을 통해 패리티 값을 공유한다.
(4) 송수신부에서 패리티 에러 레이트 e_parity^est를 구한다.
(5) e_parity^est로부터 QBER e_sift^est을 다음 식을 통해 추정한다. 이때, 수신부에서 현재의 L로부터 QBER을 추정한 결과 e_sift^est가 직전의 QBER 추정 결과에 비해 큰 변화가 생길 경우, 양자 키 정보의 도청 가능성이 크므로 송수신부간에 공유된 양자 키 정보를 폐기하고, 송신부에 양자 키 정보의 재전송을 요청하여 모든 과정을 처음부터 다시 시작한다. 그러나 차이가 크지 않다면 다음 과정을 계속해서 진행한다.
e_sift^est=(1-(1-2*e_parity^est)^(1/L))/2
(6) 추정된 e_sift^est로부터 현재 QKD 시스템의 그룹 길이를 구한다.
L=round[-1/ln(1-2*e_sift^est)]
(7) 양자 암호 시스템에서는 안전성을 극대화하기 위해 주기적으로 양자 채널을 통해 공유된 선별된(sifted) 키를 교체한다. 따라서 교체된 새로운 선별된(sifted) 키의 QBER 추정 과정에서는 현재 선별된(sifted) 키로부터 추정된 L로부터 (2)과정의 L을 대체하고 나머지 QBER 추정 과정을 동일하게 진행한다. 이는 가장 최근에 측정한 L값이 초기 L값에 비해 현재의 QKD 시스템의 변화된 환경 조건을 더 정확하게 반영하기 때문이다.
2.
QKD 시스템에서 2 차원 패리티 기반 QBER 추정 방법:
앞서 설명했던 송수신부 패리티 비교 방식은 랜덤 샘플링 방식과 비교했을 때, 직접적인 선별된(sifted) 키 정보의 노출이 없고, 누설되는 정보량도 더 적다는 장점을 가진다. 하지만 선별된(sifted) 키가 포함하고 있는 오류 율이 낮을 때에만 랜덤 샘플링방식을 대체할 수 있을만한 높은 QBER 추정 정확도를 가진다.
양자 암호 통신 기법이 유선 채널뿐만 아니라 위성 통신 그리고 이동체를 기반으로 한 무선 채널에서도 사용될 수 있는 기법임을 감안할 때, 양자 채널 환경 변화 등으로 QBER이 더 높은 상황에서도 추정의 정확도를 보장할 수 있어야 한다. 따라서 본 명세서에서는 앞서 설명했던 패리티 기반 QBER 추정 기법이 가지는 한계점인 짝수개의 오류가 포함된 패리티 그룹을 전혀 검출하지 못하여 QBER이 높아질수록 점점 QBER 추정 정확도가 급격하게 떨어지는 문제를 개선할 수 있는 2 차원 패리티 비교 방식을 제안한다.
일례로, 상기 장치는 양자 채널을 통해 상기 다른 장치로부터 선별된(선별된(sifted)) 키 정보를 수신할 수 있다.
여기서 일례로, 상기 선별된 키 정보는 복수의 비트들을 포함하고 있고, 상기 복수의 비트들은 복수의 제1 비트 그룹으로 그룹화될 수 있다. 여기서 일례로, 상기 장치는 상기 선별된 키 정보로부터 제2 2 차원 패리티 정보를 획득하고, 상기 장치는 상기 제1 2 차원 패리티 정보 및 상기 제2 2 차원 패리티 정보에 기반하여 상기 QBER의 추정을 수행할 수 있다. 여기서 일례로, 상기 복수의 제1 비트 그룹은 2 차원 형태로 정렬되고, 상기 장치는 상기 2 차원 형태의 행에 대한 패리티 정보 및 상기 2 차원 형태의 열에 대한 패리티 정보에 기반하여 상기 제2 2 차원 패리티 정보를 획득할 수 있다. 이하, 본 내용에 대해 보다 구체적으로 설명한다.
도 29는 1 차원 대비 2 차원 패리티 비교 기법의 장점의 일례를 개략적으로 도시한 것이다.
상기 2 차원 패리티 비교를 통한 에러 추정 기법의 이점은 도 29를 통해 설명할 수 있다. 우선 단 방향 1 차원 패리티 오류 추정 방식(도 29의 좌측)에서는 가로 방향 2열과 3열 그리고 8열과 같이 짝수개의 오류가 존재하는 패리티 그룹에서는 오류가 존재함을 파악할 수 없고, 오직 홀수 개의 오류가 존재하는 1열과 4열에만 오류가 존재함을 파악할 수 있다.
하지만 이를 2 차원 패리티 비교로 확장할 경우, 1행과 4행의 홀수 오류뿐만 아니라 열 방향에서는 짝수개의 오류라서 검출되지 않았던 오류의 형태 중 일부가 홀 수개의 오류로 인식되어 검출이 가능해진다. 이러한 멀티-에러의 검출 가능성이 개선된 장점을 바탕으로 제안 기법은 더 좋은 QBER 추정 정확도를 가질 수 있다.
상기 명세서의 QBER 추정 과정은 다음과 같은 순서로 진행된다.
도 30은 길이 L을 가지는 n개의 그룹으로 구성된 N 비트들의 선별된 키(들)의 구성도를 개략적으로 도시한 것이다.
(1) 도 30과 같은 그룹 사이즈 L의 길이를 첫 번째 기법과 같은 방법을 통해 구한다.
도 31은 2 차원 패리티 비교 방법의 일례를 개략적으로 도시한 것이다.
(2) 도 31의 좌측과 같이 송수신부의 선별된(sifted) 키를 X축 방향으로 L개씩 나누어 패리티 값을 비교한 후, 공개 채널을 통해 공유한다.
(3) 송수신부의 그룹별 패리티 b_(p(i,0))^A, b_(p(i,0))^B의 비교를 통해 패리티 에러 레이트 e_parity^row를 구한다.
e_parity^row = (n_e^row)/(N/L), n_e^row는 {b_(p(i,0))^B|b_(p(i,0))^B ≠ b_(p(i,0))^A, i∈{1,...,N/L}}인 패리티의 개수
(4) 도 31의 우측과 같이 송수신부의 선별된(sifted) 키를 Y축 방향으로 L개씩 나누어 패리티 값을 비교한 후, 공개 채널을 통해 패리티 값을 공유한다.
(5) 송수신부의 그룹별 패리티 비교를 통해 패리티 에러 레이트 e_parity^column를 구한다.
e_parity^column = (n_e^column)/(N/L), n_e^column는 {b_(p(0,i))^B|b_(p(0,i))^B ≠ b_(p(0,i))^A, i∈{1,...,N/L}}인 패리티의 개수
(6) e_parity^est = (n_e^column+n_e^row)/(2N/L)로부터 QBER e_sift^est = (1-(1-2*e_parity^est)^(1/L))/2을 구한다.
위와 같은 본 명세서의 실시예에 따르면, 아래와 같은 기대 효과가 있을 수 있다.
본 명세서에서는 패리티 기반의 QBER 추정 기법이 가지고 있는 두 가지 문제점에 대한 개선 방법을 다룬다. 우선, 패리티 기반 기법의 성능을 결정하는 그룹의 사이즈를 최적화 할 수 있는 방법을 제시하여 QBER 추정 정확도를 보장하면서도 누설 정보량을 최소화하였다. 다음으로, 패리티 기반 방식이 짝수개의 오류가 그룹 내에 포함되었을 때 오류의 존재를 파악하지 못하는 문제의 개선을 위해 2 차원 패리티 비교 기법을 적용하여 QBER 추정의 정확도를 높였다.
1.
패리티 비교를 위한 최대 그룹 사이즈 최적화 기법의 효과
도 27의 결과에서 알 수 있듯이 패리티 기반의 QBER 추정 기법은 그룹의 길이에 따라 정확도가 결정된다.
패리티 비교에 사용되는 그룹의 길이가 짧으면 QBER 추정은 정확하지만 많은 패리티 정보가 사용되므로 누설 정보량이 증가하고, 길이가 길면 누설 정보량은 작아지나 그룹 내에 멀티 에러 존재 가능성이 높아지므로 정확도가 감소하는 트래이드-오프가 존재한다.
따라서 본 기법에서는 선별된(sifted) 키가 포함하고 있는 오류 율에 따라 QBER 추정 과정에서 정확도 감소를 보이지 않는 최대 그룹의 길이를 추정하여 사용하는 방법을 적용하여 지나치게 짧은 그룹의 길이를 사용하여 누설 정보량을 증가시키거나, 정확도가 낮은 긴 길이의 그룹을 이용하여 QBER을 추정하는 차단하여 패리티 기반 QBER 추정 기법의 효율성을 개선하였다.
2.
2 차원 패리티 기반 QBER 추정 기법의 효과
2 차원 패리티 비교를 통한 기법의 효과를 앞서 설명한 두 가지 기법인 랜덤 샘플링과 패리티 비교 기법과의 비교를 통해서 검증하며 패리티 그룹 사이즈와 누설 정보량을 일치 시킨 후의 효과를 비교하였다.
A. 패리티 그룹의 길이를 동일하게 했을 때의 성능 비교
도 32는 2 차원 기법과 다른 QBER 추정 기법의 정확도 비교의 일례를 개략적으로 도시한 것이다.
선별된(sifted) 키의 길이 N: 5000비트, 랜덤 샘플링 레이트: 10%, 패리티 비교 기법의 그룹 사이즈: 15비트(들)로 고정시킨 후 시뮬레이션 진행하여 결과를 비교하였다. 도 32는 QBER에 따른 세 가지 기법의 측정 오차 Δ=|e_sift^est-e_sift|를 나타낸다. 측정 오차를 구하는 식에서 e_sift는 실제 전체 선별된(sifted) 키에서 발생하는 실제 오류의 비율을 의미하며, e_sift^est는 각 기법에서 추정한 오류 율을 의미한다.
도 33은 패리티 기반 QBER 추정 기법에서 L=15일 때 그룹 내의 오류 개수 별 발생 확률을 개략적으로 도시한 것이다.
우선, 패리티 기반의 QBER 추정에서 사용하는 그룹의 길이가 동일할 때 3가지 기법의 정확도를 비교해보면, QBER 10% 이상의 큰 오류 율에서는 랜덤 샘플링(RS) 기법이 가장 정확한 성능을 보이며, 이는 도 33에서와 같이 선별된(sifted) 키의 오류 율이 높을수록 선별된(sifted) 키 그룹에서 다중 오류의 발생 가능성이 점점 커지므로 패리티로부터 QBER을 추정하는 것이 점점 부정확해지는 것으로부터 발생한다.
하지만 일반적인 QKD 시스템의 QBER이 3~7%이내임을 고려할 때, 패리티 기반 기법도 이 범위에서 좋은 QBER 추정 정확도를 보이므로 적용하기에 적합하다. 1 차원 패리티 비교 방식은 도 33의 결과와 같이 QBER이 증가하면서 트리플 에러의 존재 비율과 double 에러의 존재를 검출 못하는 그룹의 비율 증가로 인해 점점 정확도가 나빠지다가 5%의 QBER에서부터 RS보다 정확도가 떨어진다. 하지만 2 차원 패리티 비교를 통한 본 기법에서는 짝수개의 멀티 에러가 포함된 그룹을 더 추정해 낼 수 있으므로 10%의 오류 율을 가진 범위에서도 가장 정확한 QBER 추정이 가능하다. 즉, 상기 명세서에서는 1 차원 패리티 비교를 2 차원으로 확장하는 기법을 통해 더 높은 오류 율에서도 다른 기법에 비해 높은 QBER 추정의 정확도를 유지할 수 있음을 보였다.
반면, 누설 정보량 측면에서는 RS 기법이 10%인 500비트의 선별된(sifted) 키 정보와 각 비트의 위치 정보 500비트까지 총 1000비트의 정보가 QBER 추정 과정에서 노출시키는 반면, PCM 기법에서는 333비트의 패리티 정보만을 누설시키므로 RS 기법에 비해 누설 정보량 측면에서는 가장 효율적이다.
마지막으로 2 차원 패리티 비교를 통한 본 기법에서는 PCM에 비해 비교 차원의 증가로 2배의 패리티 정보를 누설 정보로 사용하므로 666비트의 정보가 누설된다. 하지만 PCM은 RSM에 비해 누설되는 정보량이 감소되므로 제거되는 키의 정보량도 동일 비율로 줄일 수 있다. 따라서 높은 키 레이트의 QKD 시스템구성에 유리하다.
B. 누설된 정보(leaked information)의 양을 동일하게 했을 때의 성능 비교
도 34는 2 차원 기법과 다른 기법의 QBER 추정 정확도 비교에 대한 일례를 개략적으로 도시한 것이다.
세 가지 비교 기법의 누설 정보량을 일치시킨 후의 QBER 추정 정확도를 비교하면 다음 도 34과 같은 결과를 얻을 수 있다. 선별된(sifted) 키의 길이 N: 5000비트, 랜덤 샘플링 레이트: 20%, 1 차원 패리티 비교 기법의 그룹 사이즈: 5비트(들), 2 차원 패리티 비교 기법의 그룹 사이즈: 10비트(들)로 설정한 후 시뮬레이션 진행하여 성능을 비교하였다.
세 기법은 모두 1000비트의 동일한 누설 정보량을 가지도록 파라미터를 조절하였으며, 도 34의 결과에서 알 수 있듯이 낮은 QBER에서는 패리티 기반의 방식이 더 QBER 추정 정확도가 높으나 앞서 기술한 바와 같이 선별된(sifted) 키 정보가 포함한 오류 율이 증가할수록 패리티 기반의 오류 추정 방식의 정확도는 떨어진다. 따라서 PCM 기법은 6%의 QBER 이상에서는 RS기법보다 정확도가 떨어진다.
하지만 본 기법에서는 PCM 기법에 비해 패리티 비교에 사용되는 그룹의 길이는 2배 길지만 다중 오류가 포함된 그룹의 추정 이 가능한 경우가 추가적으로 발생하므로 이로 인해 PCM에 비해 개선된 7%의 오류 율에서도 가장 좋은 정확도를 가짐을 알 수 있다.
본 명세서의 구체적인 일례를 통해 얻을 수 있는 효과는 이상에서 나열된 효과로 제한되지 않는다. 예를 들어, 관련된 기술분야의 통상의 지식을 자긴 자(a person having ordinary skill in the related art)가 본 명세서로부터 이해하거나 유도할 수 있는 다양한 기술적 효과가 존재할 수 있다. 이에 따라 본 명세서의 구체적인 효과는 본 명세서에 명시적으로 기재된 것에 제한되지 않고, 본 명세서의 기술적 특징으로부터 이해되거나 유도될 수 있는 다양한 효과를 포함할 수 있다.
지금까지 QBER 추정 방법에 대한 다양한 예시를 설명했다. 이하, 여러 가지 다양한 주체 관점에서의, QBER 추정 방법 등에 대해 설명하도록 한다.
이하, 본 명세서의 예시에 대한 보다 원활한 이해를 위해, 도면을 통해 본 명세서의 개시에 대해 설명하도록 한다. 이하의 도면은 본 명세서의 구체적인 일례를 설명하기 위해 작성되었다. 도면에 기재된 구체적인 장치의 명칭이나 구체적인 신호/메시지/필드의 명칭은 예시적으로 제시된 것이므로, 본 명세서의 기술적 특징이 이하의 도면에 사용된 구체적인 명칭에 제한되지 않는다.
도 35는 본 명세서의 일 실시예에 따른, 장치에 의한, QBER의 추정 방법의 순서도다.
장치는 공개 채널을 통해 다른 장치로부터 제1 이차원 패리티 정보를 수신할 수 있다(S3510). 이에 대한 구체적인 설명은 앞서 설명한 바 및/또는 후술할 바와 같기에, 설명의 편의를 위해 중복되는 내용의 반복설명은 생략하도록 한다.
장치는 상기 제1 이차원 패리티 정보에 기반하여 상기 QBER의 추정을 수행할 수 있다(S3520). 이에 대한 구체적인 설명은 앞서 설명한 바 및/또는 후술할 바와 같기에, 설명의 편의를 위해 중복되는 내용의 반복설명은 생략하도록 한다.
장치는 상기 QBER의 추정에 기반하여 상기 키 정보를 결정할 수 있다(S3530). 이에 대한 구체적인 설명은 앞서 설명한 바 및/또는 후술할 바와 같기에, 설명의 편의를 위해 중복되는 내용의 반복설명은 생략하도록 한다.
도 36은 본 명세서의 다른 실시예에 따른, 장치에 의한, QBER의 추정 방법의 순서도다.
장치는 다른 장치로부터 RA(random access) 프리앰블을 수신할 수 있다(S3610). 이에 대한 구체적인 설명은 앞서 설명한 바 및/또는 후술할 바와 같기에, 설명의 편의를 위해 중복되는 내용의 반복설명은 생략하도록 한다.
장치는 상기 RA 프리앰블에 대한 응답으로 상기 다른 장치에게 RAR(random access response)를 전송할 수 있다(S3620). 이에 대한 구체적인 설명은 앞서 설명한 바 및/또는 후술할 바와 같기에, 설명의 편의를 위해 중복되는 내용의 반복설명은 생략하도록 한다.
장치는 상기 다른 장치와 RRC(radio resource control) 연결 절차를 수행할 수 있다(S3630). 이에 대한 구체적인 설명은 앞서 설명한 바 및/또는 후술할 바와 같기에, 설명의 편의를 위해 중복되는 내용의 반복설명은 생략하도록 한다.
장치는 상기 다른 장치로부터 데이터를 수신할 수 있다(S3640). 이에 대한 구체적인 설명은 앞서 설명한 바 및/또는 후술할 바와 같기에, 설명의 편의를 위해 중복되는 내용의 반복설명은 생략하도록 한다.
장치는 상기 키 정보에 기반하여 상기 데이터를 복호화할 수 있다(S3650). 이에 대한 구체적인 설명은 앞서 설명한 바 및/또는 후술할 바와 같기에, 설명의 편의를 위해 중복되는 내용의 반복설명은 생략하도록 한다.
여기서, 상기 키 정보는 상기 QBER의 추정에 기반하여 결정되고, 및 상기 장치는 공개 채널을 통해 상기 다른 장치로부터 수신한 제1 이차원 패리티 정보에 기반하여 상기 QBER의 추정을 수행할 수 있다. 이에 대한 구체적인 설명은 앞서 설명한 바 및/또는 후술할 바와 같기에, 설명의 편의를 위해 중복되는 내용의 반복설명은 생략하도록 한다.
도 37은 본 명세서의 일 실시예에 따른, QBER의 추정 장치의 일례에 대한 블록도다.
도 37에 따르면, 프로세서(3700)는 정보 수신부(3710), 추정 수행부(3720) 및 키 정보 결정부(3730)를 포함할 수 있다. 여기서 프로세서(3700)는 앞서 설명한 및/또는 후술할 프로세서에 해당할 수 있다.
정보 수신부(3710)는 공개 채널을 통해 다른 장치로부터 제1 이차원 패리티 정보를 수신하도록 수신기를 제어하게 설정될 수 있다. 이에 대한 구체적인 설명은 앞서 설명한 바 및/또는 후술할 바와 같기에, 설명의 편의를 위해 중복되는 내용의 반복설명은 생략하도록 한다.
추정 수행부(3720)는 상기 제1 이차원 패리티 정보에 기반하여 상기 QBER의 추정을 수행하도록 설정될 수 있다. 이에 대한 구체적인 설명은 앞서 설명한 바 및/또는 후술할 바와 같기에, 설명의 편의를 위해 중복되는 내용의 반복설명은 생략하도록 한다.
키 정보 결정부(3730)는 상기 QBER의 추정에 기반하여 상기 키 정보를 결정하도록 설정될 수 있다. 이에 대한 구체적인 설명은 앞서 설명한 바 및/또는 후술할 바와 같기에, 설명의 편의를 위해 중복되는 내용의 반복설명은 생략하도록 한다.
도 38은 본 명세서의 다른 실시예에 따른, QBER의 추정 장치의 일례에 대한 블록도다.
도 38에 따르면, 프로세서(3800)는 프리앰블 수신부(3810), RAR 전송부(3820), RRC 연결 수행부(3830), 데이터 수신부(3840) 및 복호화부(3850)를 포함할 수 있다. 여기서 프로세서(3800)는 앞서 설명한 및/또는 후술할 프로세서에 해당할 수 있다.
프리앰블 수신부(3810)는 다른 장치로부터 RA(random access) 프리앰블을 수신하도록 수신기를 제어하게 설정될 수 있다. 이에 대한 구체적인 설명은 앞서 설명한 바 및/또는 후술할 바와 같기에, 설명의 편의를 위해 중복되는 내용의 반복설명은 생략하도록 한다.
RAR 전송부(3820)는 상기 RA 프리앰블에 대한 응답으로 상기 다른 장치에게 RAR(random access response)를 전송하도록 송신기를 제어하게 구성될 수 있다. 이에 대한 구체적인 설명은 앞서 설명한 바 및/또는 후술할 바와 같기에, 설명의 편의를 위해 중복되는 내용의 반복설명은 생략하도록 한다.
RRC 연결 수행부(3830)는 상기 다른 장치와 RRC(radio resource control) 연결 절차를 수행하도록 설정될 수 있다. 이에 대한 구체적인 설명은 앞서 설명한 바 및/또는 후술할 바와 같기에, 설명의 편의를 위해 중복되는 내용의 반복설명은 생략하도록 한다.
데이터 수신부(3840)는 상기 다른 장치로부터 데이터를 수신하도록 수신기를 제어하게 설정될 수 있다. 이에 대한 구체적인 설명은 앞서 설명한 바 및/또는 후술할 바와 같기에, 설명의 편의를 위해 중복되는 내용의 반복설명은 생략하도록 한다.
복호화부(3850)는 상기 키 정보에 기반하여 상기 데이터를 복호화하도록 설정될 수 있다. 이에 대한 구체적인 설명은 앞서 설명한 바 및/또는 후술할 바와 같기에, 설명의 편의를 위해 중복되는 내용의 반복설명은 생략하도록 한다.
여기서, 상기 키 정보는 상기 QBER의 추정에 기반하여 결정되고, 및 상기 장치는 공개 채널을 통해 상기 다른 장치로부터 수신한 제1 이차원 패리티 정보에 기반하여 상기 QBER의 추정을 수행할 수 있다. 이에 대한 구체적인 설명은 앞서 설명한 바 및/또는 후술할 바와 같기에, 설명의 편의를 위해 중복되는 내용의 반복설명은 생략하도록 한다.
별도로 도시하지는 않았지만, 본 명세서의 일 실시예에 따르면, 장치는, 적어도 하나의 메모리 및 상기 적어도 하나의 메모리와 동작 가능하게 결합된 적어도 하나의 프로세서를 포함하되, 상기 프로세서는, 다른 장치로부터 RA(random access) 프리앰블을 수신하도록 트랜시버를 제어하게 구성되고, 상기 RA 프리앰블에 대한 응답으로 상기 다른 장치에게 RAR(random access response)를 전송하도록 상기 트랜시버를 제어하게 구성되고, 상기 다른 장치와 RRC(radio resource control) 연결 절차를 수행하도록 구성되고, 상기 다른 장치로부터 데이터를 수신하도록 상기 트랜시버를 제어하게 구성되고, 및 키 정보에 기반하여 상기 데이터를 복호화하도록 구성되되, 상기 키 정보는 QBER(quantum bit error rate)의 추정에 기반하여 결정되고, 및 상기 장치는 공개 채널을 통해 상기 다른 장치로부터 수신한 제1 이차원 패리티 정보에 기반하여 상기 QBER의 추정을 수행하는 것을 특징으로 하는 장치일 수 있다.
본 명세서의 일 실시예에 따르면, 적어도 하나의 프로세서(processor)에 의해 실행되는 것에 기반하는 명령어(instruction)를 포함하는 적어도 하나의 컴퓨터로 읽을 수 있는 기록매체(computer readable medium)에 있어서, 다른 장치로부터 RA(random access) 프리앰블을 수신하도록 트랜시버를 제어하게 구성되고, 상기 RA 프리앰블에 대한 응답으로 상기 다른 장치에게 RAR(random access response)를 전송하도록 상기 트랜시버를 제어하게 구성되고, 상기 다른 장치와 RRC(radio resource control) 연결 절차를 수행하도록 구성되고, 상기 다른 장치로부터 데이터를 수신하도록 상기 트랜시버를 제어하게 구성되고 및 키 정보에 기반하여 상기 데이터를 복호화하도록 구성되되, 상기 키 정보는 QBER(quantum bit error rate)의 추정에 기반하여 결정되고, 및 상기 장치는 공개 채널을 통해 상기 다른 장치로부터 수신한 제1 이차원 패리티 정보에 기반하여 상기 QBER의 추정을 수행하는 것을 특징으로 하는 기록매체일 수 있다.
도 39는 본 명세서의 일 실시예에 따른, 이차원 패리티 정보를 전송하는 방법의 순서도다.
장치는 다른 장치에게 RA(random access) 프리앰블을 전송할 수 있다(S3910). 이에 대한 구체적인 설명은 앞서 설명한 바 및/또는 후술할 바와 같기에, 설명의 편의를 위해 중복되는 내용의 반복설명은 생략하도록 한다.
장치는 상기 RA 프리앰블에 대한 응답으로 상기 다른 장치로부터 RAR(random access response)를 수신할 수 있다(S3920). 이에 대한 구체적인 설명은 앞서 설명한 바 및/또는 후술할 바와 같기에, 설명의 편의를 위해 중복되는 내용의 반복설명은 생략하도록 한다.
장치는 상기 다른 장치와 RRC(radio resource control) 연결 절차를 수행할 수 있다(S3930). 이에 대한 구체적인 설명은 앞서 설명한 바 및/또는 후술할 바와 같기에, 설명의 편의를 위해 중복되는 내용의 반복설명은 생략하도록 한다.
장치는 상기 다른 장치에게 데이터를 전송할 수 있다(S3940). 이에 대한 구체적인 설명은 앞서 설명한 바 및/또는 후술할 바와 같기에, 설명의 편의를 위해 중복되는 내용의 반복설명은 생략하도록 한다.
여기서, 장치는 키 정보에 기반하여 상기 데이터를 부호화할 수 있다. 이에 대한 구체적인 설명은 앞서 설명한 바 및/또는 후술할 바와 같기에, 설명의 편의를 위해 중복되는 내용의 반복설명은 생략하도록 한다.
여기서, 상기 키 정보는 QBER의 추정에 기반하여 결정되고, 및 공개 채널을 통해 상기 다른 장치에게 전송된 제1 이차원 패리티 정보에 기반하여 상기 QBER의 추정이 수행될 수 있다. 이에 대한 구체적인 설명은 앞서 설명한 바 및/또는 후술할 바와 같기에, 설명의 편의를 위해 중복되는 내용의 반복설명은 생략하도록 한다.
도 40은 본 명세서의 일 실시예에 따른, 이차원 패리티 정보를 전송하는 장치의 일례에 대한 블록도다.
프로세서(4000)는 프리앰블 전송부(4010), RAR 수신부(4020), RRC 연결 수행부(4030) 및 데이터 전송부(4040)를 포함할 수 있다.
프리앰블 전송부(4010)는 다른 장치에게 RA(random access) 프리앰블을 전송하도록 송신기를 제어하게 구성될 수 있다. 이에 대한 구체적인 설명은 앞서 설명한 바 및/또는 후술할 바와 같기에, 설명의 편의를 위해 중복되는 내용의 반복설명은 생략하도록 한다.
RAR 수신부(4020)는 상기 RA 프리앰블에 대한 응답으로 상기 다른 장치로부터 RAR(random access response)를 수신하도록 수신기를 제어하게 구성될 수 있다. 이에 대한 구체적인 설명은 앞서 설명한 바 및/또는 후술할 바와 같기에, 설명의 편의를 위해 중복되는 내용의 반복설명은 생략하도록 한다.
RRC 연결 수행부(4030)는 상기 다른 장치와 RRC(radio resource control) 연결 절차를 수행하도록 구성될 수 있다. 이에 대한 구체적인 설명은 앞서 설명한 바 및/또는 후술할 바와 같기에, 설명의 편의를 위해 중복되는 내용의 반복설명은 생략하도록 한다.
데이터 전송부(4040)는 상기 다른 장치에게 데이터를 전송하도록 송신기를 제어하게 구성될 수 있다. 이에 대한 구체적인 설명은 앞서 설명한 바 및/또는 후술할 바와 같기에, 설명의 편의를 위해 중복되는 내용의 반복설명은 생략하도록 한다.
여기서, 장치는 키 정보에 기반하여 상기 데이터를 부호화할 수 있다. 이에 대한 구체적인 설명은 앞서 설명한 바 및/또는 후술할 바와 같기에, 설명의 편의를 위해 중복되는 내용의 반복설명은 생략하도록 한다.
여기서, 상기 키 정보는 QBER의 추정에 기반하여 결정되고, 및 공개 채널을 통해 상기 다른 장치에게 전송된 제1 이차원 패리티 정보에 기반하여 상기 QBER의 추정이 수행될 수 있다. 이에 대한 구체적인 설명은 앞서 설명한 바 및/또는 후술할 바와 같기에, 설명의 편의를 위해 중복되는 내용의 반복설명은 생략하도록 한다.
도 41은 본 명세서에 적용되는 통신 시스템(1)을 예시한다.
도 41를 참조하면, 본 명세서에 적용되는 통신 시스템(1)은 무선 기기, 기지국 및 네트워크를 포함한다. 여기서, 무선 기기는 무선 접속 기술(예, 5G NR(New RAT), LTE(Long Term Evolution))을 이용하여 통신을 수행하는 기기를 의미하며, 통신/무선/5G 기기로 지칭될 수 있다. 이로 제한되는 것은 아니지만, 무선 기기는 로봇(100a), 차량(100b-1, 100b-2), XR(eXtended Reality) 기기(100c), 휴대 기기(Hand-held device)(100d), 가전(100e), IoT(Internet of Thing) 기기(100f), AI기기/서버(400)를 포함할 수 있다. 예를 들어, 차량은 무선 통신 기능이 구비된 차량, 자율 주행 차량, 차량간 통신을 수행할 수 있는 차량 등을 포함할 수 있다. 여기서, 차량은 UAV(Unmanned Aerial Vehicle)(예, 드론)를 포함할 수 있다. XR 기기는 AR(Augmented Reality)/VR(Virtual Reality)/MR(Mixed Reality) 기기를 포함하며, HMD(Head-Mounted Device), 차량에 구비된 HUD(Head-Up Display), 텔레비전, 스마트폰, 컴퓨터, 웨어러블 디바이스, 가전 기기, 디지털 사이니지(signage), 차량, 로봇 등의 형태로 구현될 수 있다. 휴대 기기는 스마트폰, 스마트패드, 웨어러블 기기(예, 스마트워치, 스마트글래스), 컴퓨터(예, 노트북 등) 등을 포함할 수 있다. 가전은 TV, 냉장고, 세탁기 등을 포함할 수 있다. IoT 기기는 센서, 스마트미터 등을 포함할 수 있다. 예를 들어, 기지국, 네트워크는 무선 기기로도 구현될 수 있으며, 특정 무선 기기(200a)는 다른 무선 기기에게 기지국/네트워크 노드로 동작할 수도 있다.
여기서, 본 명세서의 무선 기기에서 구현되는 무선 통신 기술은 LTE, NR 및 6G뿐만 아니라 저전력 통신을 위한 Narrowband Internet of Things를 포함할 수 있다. 이때, 예를 들어 NB-IoT 기술은 LPWAN(Low Power Wide Area Network) 기술의 일례일 수 있고, LTE Cat NB1 및/또는 LTE Cat NB2 등의 규격으로 구현될 수 있으며, 상술한 명칭에 한정되는 것은 아니다. 추가적으로 또는 대체적으로, 본 명세서의 무선 기기에서 구현되는 무선 통신 기술은 LTE-M 기술을 기반으로 통신을 수행할 수 있다. 이때, 일 예로, LTE-M 기술은 LPWAN 기술의 일례일 수 있고, eMTC(enhanced Machine Type Communication) 등의 다양한 명칭으로 불릴 수 있다. 예를 들어, LTE-M 기술은 1) LTE CAT 0, 2) LTE Cat M1, 3) LTE Cat M2, 4) LTE non-BL(non-Bandwidth Limited), 5) LTE-MTC, 6) LTE Machine Type Communication, 및/또는 7) LTE M 등의 다양한 규격 중 적어도 어느 하나로 구현될 수 있으며 상술한 명칭에 한정되는 것은 아니다. 추가적으로 또는 대체적으로, 본 명세서의 무선 기기에서 구현되는 무선 통신 기술은 저전력 통신을 고려한 지그비(ZigBee), 블루투스(Bluetooth) 및 저전력 광역 통신망(Low Power Wide Area Network, LPWAN) 중 적어도 어느 하나를 포함할 수 있으며, 상술한 명칭에 한정되는 것은 아니다. 일 예로 ZigBee 기술은 IEEE 802.15.4 등의 다양한 규격을 기반으로 소형/저-파워 디지털 통신에 관련된 PAN(personal area networks)을 생성할 수 있으며, 다양한 명칭으로 불릴 수 있다.
무선 기기(100a~100f)는 기지국(200)을 통해 네트워크(300)와 연결될 수 있다. 무선 기기(100a~100f)에는 AI(Artificial Intelligence) 기술이 적용될 수 있으며, 무선 기기(100a~100f)는 네트워크(300)를 통해 AI 서버(400)와 연결될 수 있다. 네트워크(300)는 3G 네트워크, 4G(예, LTE) 네트워크 또는 5G(예, NR) 네트워크 등을 이용하여 구성될 수 있다. 무선 기기(100a~100f)는 기지국(200)/네트워크(300)를 통해 서로 통신할 수도 있지만, 기지국/네트워크를 통하지 않고 직접 통신(e.g. 사이드링크 통신(sidelink communication))할 수도 있다. 예를 들어, 차량들(100b-1, 100b-2)은 직접 통신(e.g. V2V(Vehicle to Vehicle)/V2X(Vehicle to everything) communication)을 할 수 있다. 또한, IoT 기기(예, 센서)는 다른 IoT 기기(예, 센서) 또는 다른 무선 기기(100a~100f)와 직접 통신을 할 수 있다.
무선 기기(100a~100f)/기지국(200), 기지국(200)/기지국(200) 간에는 무선 통신/연결(150a, 150b, 150c)이 이뤄질 수 있다. 여기서, 무선 통신/연결은 상향/하향링크 통신(150a)과 사이드링크 통신(150b)(또는, D2D 통신), 기지국간 통신(150c)(e.g. relay, IAB(Integrated Access Backhaul)과 같은 다양한 무선 접속 기술(예, 5G NR)을 통해 이뤄질 수 있다. 무선 통신/연결(150a, 150b, 150c)을 통해 무선 기기와 기지국/무선 기기, 기지국과 기지국은 서로 무선 신호를 송신/수신할 수 있다. 예를 들어, 무선 통신/연결(150a, 150b, 150c)은 다양한 물리 채널을 통해 신호를 송신/수신할 수 있다. 이를 위해, 본 명세서의 다양한 제안들에 기반하여, 무선 신호의 송신/수신을 위한 다양한 구성정보 설정 과정, 다양한 신호 처리 과정(예, 채널 인코딩/디코딩, 변조/복조, 자원 매핑/디매핑 등), 자원 할당 과정 등 중 적어도 일부가 수행될 수 있다.
한편, NR은 다양한 5G 서비스들을 지원하기 위한 다수의 뉴머롤로지(numerology)(또는 subcarrier spacing(SCS))를 지원한다. 예를 들어, SCS가 15kHz인 경우, 전통적인 셀룰러 밴드들에서의 넓은 영역(wide area)을 지원하며, SCS가 30kHz/60kHz인 경우, 밀집한-도시(dense-urban), 더 낮은 지연(lower latency) 및 더 넓은 캐리어 대역폭(wider carrier bandwidth)을 지원하며, SCS가 60kHz 또는 그보다 높은 경우, 위상 잡음(phase noise)을 극복하기 위해 24.25GHz보다 큰 대역폭을 지원한다.
NR 주파수 밴드(frequency band)는 두 가지 타입(type)(FR1, FR2)의 주파수 범위(frequency range)로 정의될 수 있다. 주파수 범위의 수치는 변경될 수 있으며, 예를 들어, 두 가지 type(FR1, FR2)의 주파수 범위는 하기 표 5와 같을 수 있다. 설명의 편의를 위해 NR 시스템에서 사용되는 주파수 범위 중 FR1은 "sub 6GHz range"를 의미할 수 있고, FR2는 "above 6GHz range"를 의미할 수 있고 밀리미터 웨이브(millimeter wave, mmW)로 불릴 수 있다.
Frequency Range designation | Corresponding frequency range | Subcarrier Spacing |
FR1 | 450MHz - 6000MHz | 15, 30, 60kHz |
FR2 | 24250MHz - 52600MHz | 60, 120, 240kHz |
상술한 바와 같이, NR 시스템의 주파수 범위의 수치는 변경될 수 있다. 예를 들어, FR1은 하기 표 6과 같이 410MHz 내지 7125MHz의 대역을 포함할 수 있다. 즉, FR1은 6GHz (또는 5850, 5900, 5925 MHz 등) 이상의 주파수 대역을 포함할 수 있다. 예를 들어, FR1 내에서 포함되는 6GHz (또는 5850, 5900, 5925 MHz 등) 이상의 주파수 대역은 비면허 대역(unlicensed band)을 포함할 수 있다. 비면허 대역은 다양한 용도로 사용될 수 있고, 예를 들어 차량을 위한 통신(예를 들어, 자율주행)을 위해 사용될 수 있다.
Frequency Range designation | Corresponding frequency range | Subcarrier Spacing |
FR1 | 410MHz - 7125MHz | 15, 30, 60kHz |
FR2 | 24250MHz - 52600MHz | 60, 120, 240kHz |
이하에서는, 본 명세서가 적용되는 무선 기기의 예에 대해 설명한다.도 42는 본 명세서에 적용될 수 있는 무선 기기를 예시한다.
도 42을 참조하면, 제1 무선 기기(100)와 제2 무선 기기(200)는 다양한 무선 접속 기술(예, LTE, NR)을 통해 무선 신호를 송수신할 수 있다. 여기서, {제1 무선 기기(100), 제2 무선 기기(200)}은 도 41의 {무선 기기(100x), 기지국(200)} 및/또는 {무선 기기(100x), 무선 기기(100x)}에 대응할 수 있다.
제1 무선 기기(100)는 하나 이상의 프로세서(102) 및 하나 이상의 메모리(104)를 포함하며, 추가적으로 하나 이상의 송수신기(106) 및/또는 하나 이상의 안테나(108)를 더 포함할 수 있다. 프로세서(102)는 메모리(104) 및/또는 송수신기(106)를 제어하며, 본 문서에 개시되 설명, 기능, 절차, 제안, 방법 및/또는 동작 순서도들을 구현하도록 구성될 수 있다. 예를 들어, 프로세서(102)는 메모리(104) 내의 정보를 처리하여 제1 정보/신호를 생성한 뒤, 송수신기(106)를 통해 제1 정보/신호를 포함하는 무선 신호를 전송할 수 있다. 또한, 프로세서(102)는 송수신기(106)를 통해 제2 정보/신호를 포함하는 무선 신호를 수신한 뒤, 제2 정보/신호의 신호 처리로부터 얻은 정보를 메모리(104)에 저장할 수 있다. 메모리(104)는 프로세서(102)와 연결될 수 있고, 프로세서(102)의 동작과 관련한 다양한 정보를 저장할 수 있다. 예를 들어, 메모리(104)는 프로세서(102)에 의해 제어되는 프로세스들 중 일부 또는 전부를 수행하거나, 본 문서에 개시된 설명, 기능, 절차, 제안, 방법 및/또는 동작 순서도들을 수행하기 위한 명령들을 포함하는 소프트웨어 코드를 저장할 수 있다. 여기서, 프로세서(102)와 메모리(104)는 무선 통신 기술(예, LTE, NR)을 구현하도록 설계된 통신 모뎀/회로/칩의 일부일 수 있다. 송수신기(106)는 프로세서(102)와 연결될 수 있고, 하나 이상의 안테나(108)를 통해 무선 신호를 송신 및/또는 수신할 수 있다. 송수신기(106)는 송신기 및/또는 수신기를 포함할 수 있다. 송수신기(106)는 RF(Radio Frequency) 유닛과 혼용될 수 있다. 본 명세서에서 무선 기기는 통신 모뎀/회로/칩을 의미할 수도 있다.
제2 무선 기기(200)는 하나 이상의 프로세서(202), 하나 이상의 메모리(204)를 포함하며, 추가적으로 하나 이상의 송수신기(206) 및/또는 하나 이상의 안테나(208)를 더 포함할 수 있다. 프로세서(202)는 메모리(204) 및/또는 송수신기(206)를 제어하며, 본 문서에 개시된 설명, 기능, 절차, 제안, 방법 및/또는 동작 순서도들을 구현하도록 구성될 수 있다. 예를 들어, 프로세서(202)는 메모리(204) 내의 정보를 처리하여 제3 정보/신호를 생성한 뒤, 송수신기(206)를 통해 제3 정보/신호를 포함하는 무선 신호를 전송할 수 있다. 또한, 프로세서(202)는 송수신기(206)를 통해 제4 정보/신호를 포함하는 무선 신호를 수신한 뒤, 제4 정보/신호의 신호 처리로부터 얻은 정보를 메모리(204)에 저장할 수 있다. 메모리(204)는 프로세서(202)와 연결될 수 있고, 프로세서(202)의 동작과 관련한 다양한 정보를 저장할 수 있다. 예를 들어, 메모리(204)는 프로세서(202)에 의해 제어되는 프로세스들 중 일부 또는 전부를 수행하거나, 본 문서에 개시된 설명, 기능, 절차, 제안, 방법 및/또는 동작 순서도들을 수행하기 위한 명령들을 포함하는 소프트웨어 코드를 저장할 수 있다. 여기서, 프로세서(202)와 메모리(204)는 무선 통신 기술(예, LTE, NR)을 구현하도록 설계된 통신 모뎀/회로/칩의 일부일 수 있다. 송수신기(206)는 프로세서(202)와 연결될 수 있고, 하나 이상의 안테나(208)를 통해 무선 신호를 송신 및/또는 수신할 수 있다. 송수신기(206)는 송신기 및/또는 수신기를 포함할 수 있다 송수신기(206)는 RF 유닛과 혼용될 수 있다. 본 명세서에서 무선 기기는 통신 모뎀/회로/칩을 의미할 수도 있다.
이하, 무선 기기(100, 200)의 하드웨어 요소에 대해 보다 구체적으로 설명한다. 이로 제한되는 것은 아니지만, 하나 이상의 프로토콜 계층이 하나 이상의 프로세서(102, 202)에 의해 구현될 수 있다. 예를 들어, 하나 이상의 프로세서(102, 202)는 하나 이상의 계층(예, PHY, MAC, RLC, PDCP, RRC, SDAP와 같은 기능적 계층)을 구현할 수 있다. 하나 이상의 프로세서(102, 202)는 본 문서에 개시된 설명, 기능, 절차, 제안, 방법 및/또는 동작 순서도들에 따라 하나 이상의 PDU(Protocol Data Unit) 및/또는 하나 이상의 SDU(Service Data Unit)를 생성할 수 있다. 하나 이상의 프로세서(102, 202)는 본 문서에 개시된 설명, 기능, 절차, 제안, 방법 및/또는 동작 순서도들에 따라 메시지, 제어정보, 데이터 또는 정보를 생성할 수 있다. 하나 이상의 프로세서(102, 202)는 본 문서에 개시된 기능, 절차, 제안 및/또는 방법에 따라 PDU, SDU, 메시지, 제어정보, 데이터 또는 정보를 포함하는 신호(예, 베이스밴드 신호)를 생성하여, 하나 이상의 송수신기(106, 206)에게 제공할 수 있다. 하나 이상의 프로세서(102, 202)는 하나 이상의 송수신기(106, 206)로부터 신호(예, 베이스밴드 신호)를 수신할 수 있고, 본 문서에 개시된 설명, 기능, 절차, 제안, 방법 및/또는 동작 순서도들에 따라 PDU, SDU, 메시지, 제어정보, 데이터 또는 정보를 획득할 수 있다.
하나 이상의 프로세서(102, 202)는 컨트롤러, 마이크로 컨트롤러, 마이크로 프로세서 또는 마이크로 컴퓨터로 지칭될 수 있다. 하나 이상의 프로세서(102, 202)는 하드웨어, 펌웨어, 소프트웨어, 또는 이들의 조합에 의해 구현될 수 있다. 일 예로, 하나 이상의 ASIC(Application Specific Integrated Circuit), 하나 이상의 DSP(Digital Signal Processor), 하나 이상의 DSPD(Digital Signal Processing Device), 하나 이상의 PLD(Programmable Logic Device) 또는 하나 이상의 FPGA(Field Programmable Gate Arrays)가 하나 이상의 프로세서(102, 202)에 포함될 수 있다. 본 문서에 개시된 설명, 기능, 절차, 제안, 방법 및/또는 동작 순서도들은 펌웨어 또는 소프트웨어를 사용하여 구현될 수 있고, 펌웨어 또는 소프트웨어는 모듈, 절차, 기능 등을 포함하도록 구현될 수 있다. 본 문서에 개시된 설명, 기능, 절차, 제안, 방법 및/또는 동작 순서도들은 수행하도록 설정된 펌웨어 또는 소프트웨어는 하나 이상의 프로세서(102, 202)에 포함되거나, 하나 이상의 메모리(104, 204)에 저장되어 하나 이상의 프로세서(102, 202)에 의해 구동될 수 있다. 본 문서에 개시된 설명, 기능, 절차, 제안, 방법 및/또는 동작 순서도들은 코드, 명령어 및/또는 명령어의 집합 형태로 펌웨어 또는 소프트웨어를 사용하여 구현될 수 있다.
하나 이상의 메모리(104, 204)는 하나 이상의 프로세서(102, 202)와 연결될 수 있고, 다양한 형태의 데이터, 신호, 메시지, 정보, 프로그램, 코드, 지시 및/또는 명령을 저장할 수 있다. 하나 이상의 메모리(104, 204)는 ROM, RAM, EPROM, 플래시 메모리, 하드 드라이브, 레지스터, 캐쉬 메모리, 컴퓨터 판독 저장 매체 및/또는 이들의 조합으로 구성될 수 있다. 하나 이상의 메모리(104, 204)는 하나 이상의 프로세서(102, 202)의 내부 및/또는 외부에 위치할 수 있다. 또한, 하나 이상의 메모리(104, 204)는 유선 또는 무선 연결과 같은 다양한 기술을 통해 하나 이상의 프로세서(102, 202)와 연결될 수 있다.
하나 이상의 송수신기(106, 206)는 하나 이상의 다른 장치에게 본 문서의 방법들 및/또는 동작 순서도 등에서 언급되는 사용자 데이터, 제어 정보, 무선 신호/채널 등을 전송할 수 있다. 하나 이상의 송수신기(106, 206)는 하나 이상의 다른 장치로부터 본 문서에 개시된 설명, 기능, 절차, 제안, 방법 및/또는 동작 순서도 등에서 언급되는 사용자 데이터, 제어 정보, 무선 신호/채널 등을 수신할 수 있다. 예를 들어, 하나 이상의 송수신기(106, 206)는 하나 이상의 프로세서(102, 202)와 연결될 수 있고, 무선 신호를 송수신할 수 있다. 예를 들어, 하나 이상의 프로세서(102, 202)는 하나 이상의 송수신기(106, 206)가 하나 이상의 다른 장치에게 사용자 데이터, 제어 정보 또는 무선 신호를 전송하도록 제어할 수 있다. 또한, 하나 이상의 프로세서(102, 202)는 하나 이상의 송수신기(106, 206)가 하나 이상의 다른 장치로부터 사용자 데이터, 제어 정보 또는 무선 신호를 수신하도록 제어할 수 있다. 또한, 하나 이상의 송수신기(106, 206)는 하나 이상의 안테나(108, 208)와 연결될 수 있고, 하나 이상의 송수신기(106, 206)는 하나 이상의 안테나(108, 208)를 통해 본 문서에 개시된 설명, 기능, 절차, 제안, 방법 및/또는 동작 순서도 등에서 언급되는 사용자 데이터, 제어 정보, 무선 신호/채널 등을 송수신하도록 설정될 수 있다. 본 문서에서, 하나 이상의 안테나는 복수의 물리 안테나이거나, 복수의 논리 안테나(예, 안테나 포트)일 수 있다. 하나 이상의 송수신기(106, 206)는 수신된 사용자 데이터, 제어 정보, 무선 신호/채널 등을 하나 이상의 프로세서(102, 202)를 이용하여 처리하기 위해, 수신된 무선 신호/채널 등을 RF 밴드 신호에서 베이스밴드 신호로 변환(Convert)할 수 있다. 하나 이상의 송수신기(106, 206)는 하나 이상의 프로세서(102, 202)를 이용하여 처리된 사용자 데이터, 제어 정보, 무선 신호/채널 등을 베이스밴드 신호에서 RF 밴드 신호로 변환할 수 있다. 이를 위하여, 하나 이상의 송수신기(106, 206)는 (아날로그) 오실레이터 및/또는 필터를 포함할 수 있다.
도 43은 본 명세서에 적용될 수 있는 무선 기기의 다른 예를 도시한다.
도 43에 따르면, 무선 장치는 적어도 하나의 프로세서(102, 202), 적어도 하나의 메모리(104, 204), 적어도 하나의 트랜시버(106, 206), 하나 이상의 안테나(108, 208)를 포함할 수 있다.
앞서 도 42에서 설명한 무선 장치의 예시와, 도 43에서의 무선 장치의 예시의 차이로써, 도 42는 프로세서(102, 202)와 메모리(104, 204)가 분리되어 있으나, 도 43의 예시에서는 프로세서(102, 202)에 메모리(104, 204)가 포함되어 있다는 점이다.
여기서, 프로세서(102, 202), 메모리(104, 204), 트랜시버(106, 206), 하나 이상의 안테나(108, 208)에 대한 구체적인 설명은 앞서 설명한 바와 같기에, 불필요한 기재의 반복을 피하기 위해, 반복되는 설명의 기재는 생략하도록 한다.
이하에서는, 본 명세서가 적용되는 신호 처리 회로의 예를 설명한다.
도 44는 전송 신호를 위한 신호 처리 회로를 예시한다.
도 44를 참조하면, 신호 처리 회로(1000)는 스크램블러(1010), 변조기(1020), 레이어 매퍼(1030), 프리코더(1040), 자원 매퍼(1050), 신호 생성기(1060)를 포함할 수 있다. 이로 제한되는 것은 아니지만, 도 44의 동작/기능은 도 42의 프로세서(102, 202) 및/또는 송수신기(106, 206)에서 수행될 수 있다. 도 44의 하드웨어 요소는 도 42의 프로세서(102, 202) 및/또는 송수신기(106, 206)에서 구현될 수 있다. 예를 들어, 블록 1010~1060은 도 42의 프로세서(102, 202)에서 구현될 수 있다. 또한, 블록 1010~1050은 도 42의 프로세서(102, 202)에서 구현되고, 블록 1060은 도 42의 송수신기(106, 206)에서 구현될 수 있다.
코드워드는 도 44의 신호 처리 회로(1000)를 거쳐 무선 신호로 변환될 수 있다. 여기서, 코드워드는 정보블록의 부호화된 비트 시퀀스이다. 정보블록은 전송블록(예, UL-SCH 전송블록, DL-SCH 전송블록)을 포함할 수 있다. 무선 신호는 다양한 물리 채널(예, PUSCH, PDSCH)을 통해 전송될 수 있다.
구체적으로, 코드워드는 스크램블러(1010)에 의해 스크램블된 비트 시퀀스로 변환될 수 있다. 스크램블에 사용되는 스크램블 시퀀스는 초기화 값에 기반하여 생성되며, 초기화 값은 무선 기기의 ID 정보 등이 포함될 수 있다. 스크램블된 비트 시퀀스는 변조기(1020)에 의해 변조 심볼 시퀀스로 변조될 수 있다. 변조 방식은 pi/2-BPSK(pi/2-Binary Phase Shift Keying), m-PSK(m-Phase Shift Keying), m-QAM(m-Quadrature Amplitude Modulation) 등을 포함할 수 있다. 복소 변조 심볼 시퀀스는 레이어 매퍼(1030)에 의해 하나 이상의 전송 레이어로 매핑될 수 있다. 각 전송 레이어의 변조 심볼들은 프리코더(1040)에 의해 해당 안테나 포트(들)로 매핑될 수 있다(프리코딩). 프리코더(1040)의 출력 z는 레이어 매퍼(1030)의 출력 y를 N*M의 프리코딩 행렬 W와 곱해 얻을 수 있다. 여기서, N은 안테나 포트의 개수, M은 전송 레이어의 개수이다. 여기서, 프리코더(1040)는 복소 변조 심볼들에 대한 트랜스폼(transform) 프리코딩(예, DFT 변환)을 수행한 이후에 프리코딩을 수행할 수 있다. 또한, 프리코더(1040)는 트랜스폼 프리코딩을 수행하지 않고 프리코딩을 수행할 수 있다.
자원 매퍼(1050)는 각 안테나 포트의 변조 심볼들을 시간-주파수 자원에 매핑할 수 있다. 시간-주파수 자원은 시간 도메인에서 복수의 심볼(예, CP-OFDMA 심볼, DFT-s-OFDMA 심볼)을 포함하고, 주파수 도메인에서 복수의 부반송파를 포함할 수 있다. 신호 생성기(1060)는 매핑된 변조 심볼들로부터 무선 신호를 생성하며, 생성된 무선 신호는 각 안테나를 통해 다른 기기로 전송될 수 있다. 이를 위해, 신호 생성기(1060)는 IFFT(Inverse Fast Fourier Transform) 모듈 및 CP(Cyclic Prefix) 삽입기, DAC(Digital-to-Analog Converter), 주파수 상향 변환기(frequency uplink converter) 등을 포함할 수 있다.
무선 기기에서 수신 신호를 위한 신호 처리 과정은 도 44의 신호 처리 과정(1010~1060)의 역으로 구성될 수 있다. 예를 들어, 무선 기기(예, 도 42의 100, 200)는 안테나 포트/송수신기를 통해 외부로부터 무선 신호를 수신할 수 있다. 수신된 무선 신호는 신호 복원기를 통해 베이스밴드 신호로 변환될 수 있다. 이를 위해, 신호 복원기는 주파수 하향 변환기(frequency downlink converter), ADC(analog-to-digital converter), CP 제거기, FFT(Fast Fourier Transform) 모듈을 포함할 수 있다. 이후, 베이스밴드 신호는 자원 디-매퍼 과정, 포스트코딩(postcoding) 과정, 복조 과정 및 디-스크램블 과정을 거쳐 코드워드로 복원될 수 있다. 코드워드는 복호(decoding)를 거쳐 원래의 정보블록으로 복원될 수 있다. 따라서, 수신 신호를 위한 신호 처리 회로(미도시)는 신호 복원기, 자원 디-매퍼, 포스트코더, 복조기, 디-스크램블러 및 복호기를 포함할 수 있다.
이하에서는, 본 명세서가 적용되는 무선 기기 활용 예에 대해 설명한다.
도 45는 본 명세서에 적용되는 무선 기기의 다른 예를 나타낸다. 무선 기기는 사용-예/서비스에 따라 다양한 형태로 구현될 수 있다(도 41 참조).
도 45을 참조하면, 무선 기기(100, 200)는 도 42의 무선 기기(100,200)에 대응하며, 다양한 요소(element), 성분(component), 유닛/부(unit), 및/또는 모듈(module)로 구성될 수 있다. 예를 들어, 무선 기기(100, 200)는 통신부(110), 제어부(120), 메모리부(130) 및 추가 요소(140)를 포함할 수 있다. 통신부는 통신 회로(112) 및 송수신기(들)(114)를 포함할 수 있다. 예를 들어, 통신 회로(112)는 도 42의 하나 이상의 프로세서(102,202) 및/또는 하나 이상의 메모리(104,204) 를 포함할 수 있다. 예를 들어, 송수신기(들)(114)는 도 42의 하나 이상의 송수신기(106,206) 및/또는 하나 이상의 안테나(108,208)를 포함할 수 있다. 제어부(120)는 통신부(110), 메모리부(130) 및 추가 요소(140)와 전기적으로 연결되며 무선 기기의 제반 동작을 제어한다. 예를 들어, 제어부(120)는 메모리부(130)에 저장된 프로그램/코드/명령/정보에 기반하여 무선 기기의 전기적/기계적 동작을 제어할 수 있다. 또한, 제어부(120)는 메모리부(130)에 저장된 정보를 통신부(110)를 통해 외부(예, 다른 통신 기기)로 무선/유선 인터페이스를 통해 전송하거나, 통신부(110)를 통해 외부(예, 다른 통신 기기)로부터 무선/유선 인터페이스를 통해 수신된 정보를 메모리부(130)에 저장할 수 있다.
추가 요소(140)는 무선 기기의 종류에 따라 다양하게 구성될 수 있다. 예를 들어, 추가 요소(140)는 파워 유닛/배터리, 입출력부(I/O unit), 구동부 및 컴퓨팅부 중 적어도 하나를 포함할 수 있다. 이로 제한되는 것은 아니지만, 무선 기기는 로봇(도 41, 100a), 차량(도 41, 100b-1, 100b-2), XR 기기(도 41, 100c), 휴대 기기(도 41, 100d), 가전(도 41, 100e), IoT 기기(도 41, 100f), 디지털 방송용 단말, 홀로그램 장치, 공공 안전 장치, MTC 장치, 의료 장치, 핀테크 장치(또는 금융 장치), 보안 장치, 기후/환경 장치, AI 서버/기기(도 41, 400), 기지국(도 41, 200), 네트워크 노드 등의 형태로 구현될 수 있다. 무선 기기는 사용-예/서비스에 따라 이동 가능하거나 고정된 장소에서 사용될 수 있다.
도 45에서 무선 기기(100, 200) 내의 다양한 요소, 성분, 유닛/부, 및/또는 모듈은 전체가 유선 인터페이스를 통해 상호 연결되거나, 적어도 일부가 통신부(110)를 통해 무선으로 연결될 수 있다. 예를 들어, 무선 기기(100, 200) 내에서 제어부(120)와 통신부(110)는 유선으로 연결되며, 제어부(120)와 제1 유닛(예, 130, 140)은 통신부(110)를 통해 무선으로 연결될 수 있다. 또한, 무선 기기(100, 200) 내의 각 요소, 성분, 유닛/부, 및/또는 모듈은 하나 이상의 요소를 더 포함할 수 있다. 예를 들어, 제어부(120)는 하나 이상의 프로세서 집합으로 구성될 수 있다. 예를 들어, 제어부(120)는 통신 제어 프로세서, 어플리케이션 프로세서(Application processor), ECU(Electronic Control Unit), 그래픽 처리 프로세서, 메모리 제어 프로세서 등의 집합으로 구성될 수 있다. 다른 예로, 메모리부(130)는 RAM(Random Access Memory), DRAM(Dynamic RAM), ROM(Read Only Memory), 플래시 메모리(flash memory), 휘발성 메모리(volatile memory), 비-휘발성 메모리(non-volatile memory) 및/또는 이들의 조합으로 구성될 수 있다.
이하, 도 45의 구현 예에 대해 도면을 참조하여 보다 자세히 설명한다.
도 46은 본 명세서에 적용되는 휴대 기기를 예시한다. 휴대 기기는 스마트폰, 스마트패드, 웨어러블 기기(예, 스마트워치, 스마트글래스), 휴대용 컴퓨터(예, 노트북 등)를 포함할 수 있다. 휴대 기기는 MS(Mobile Station), UT(user terminal), MSS(Mobile Subscriber Station), SS(Subscriber Station), AMS(Advanced Mobile Station) 또는 WT(Wireless terminal)로 지칭될 수 있다.
도 46를 참조하면, 휴대 기기(100)는 안테나부(108), 통신부(110), 제어부(120), 메모리부(130), 전원공급부(140a), 인터페이스부(140b) 및 입출력부(140c)를 포함할 수 있다. 안테나부(108)는 통신부(110)의 일부로 구성될 수 있다. 블록 110~130/140a~140c는 각각 도 45의 블록 110~130/140에 대응한다.
통신부(110)는 다른 무선 기기, 기지국들과 신호(예, 데이터, 제어 신호 등)를 송수신할 수 있다. 제어부(120)는 휴대 기기(100)의 구성 요소들을 제어하여 다양한 동작을 수행할 수 있다. 제어부(120)는 AP(Application Processor)를 포함할 수 있다. 메모리부(130)는 휴대 기기(100)의 구동에 필요한 데이터/파라미터/프로그램/코드/명령을 저장할 수 있다. 또한, 메모리부(130)는 입/출력되는 데이터/정보 등을 저장할 수 있다. 전원공급부(140a)는 휴대 기기(100)에게 전원을 공급하며, 유/무선 충전 회로, 배터리 등을 포함할 수 있다. 인터페이스부(140b)는 휴대 기기(100)와 다른 외부 기기의 연결을 지원할 수 있다. 인터페이스부(140b)는 외부 기기와의 연결을 위한 다양한 포트(예, 오디오 입/출력 포트, 비디오 입/출력 포트)를 포함할 수 있다. 입출력부(140c)는 영상 정보/신호, 오디오 정보/신호, 데이터, 및/또는 사용자로부터 입력되는 정보를 입력 받거나 출력할 수 있다. 입출력부(140c)는 카메라, 마이크로폰, 사용자 입력부, 디스플레이부(140d), 스피커 및/또는 햅틱 모듈 등을 포함할 수 있다.
일 예로, 데이터 통신의 경우, 입출력부(140c)는 사용자로부터 입력된 정보/신호(예, 터치, 문자, 음성, 이미지, 비디오)를 획득하며, 획득된 정보/신호는 메모리부(130)에 저장될 수 있다. 통신부(110)는 메모리에 저장된 정보/신호를 무선 신호로 변환하고, 변환된 무선 신호를 다른 무선 기기에게 직접 전송하거나 기지국에게 전송할 수 있다. 또한, 통신부(110)는 다른 무선 기기 또는 기지국으로부터 무선 신호를 수신한 뒤, 수신된 무선 신호를 원래의 정보/신호로 복원할 수 있다. 복원된 정보/신호는 메모리부(130)에 저장된 뒤, 입출력부(140c)를 통해 다양한 형태(예, 문자, 음성, 이미지, 비디오, 헵틱)로 출력될 수 있다.
도 47은 본 명세서에 적용되는 차량 또는 자율 주행 차량을 예시한다.
차량 또는 자율 주행 차량은 이동형 로봇, 차량, 기차, 유/무인 비행체(Aerial Vehicle, AV), 선박 등으로 구현될 수 있다.
도 47를 참조하면, 차량 또는 자율 주행 차량(100)은 안테나부(108), 통신부(110), 제어부(120), 구동부(140a), 전원공급부(140b), 센서부(140c) 및 자율 주행부(140d)를 포함할 수 있다. 안테나부(108)는 통신부(110)의 일부로 구성될 수 있다. 블록 110/130/140a~140d는 각각 도 45의 블록 110/130/140에 대응한다.
통신부(110)는 다른 차량, 기지국(e.g. 기지국, 노변 기지국(Road Side unit) 등), 서버 등의 외부 기기들과 신호(예, 데이터, 제어 신호 등)를 송수신할 수 있다. 제어부(120)는 차량 또는 자율 주행 차량(100)의 요소들을 제어하여 다양한 동작을 수행할 수 있다. 제어부(120)는 ECU(Electronic Control Unit)를 포함할 수 있다. 구동부(140a)는 차량 또는 자율 주행 차량(100)을 지상에서 주행하게 할 수 있다. 구동부(140a)는 엔진, 모터, 파워 트레인, 바퀴, 브레이크, 조향 장치 등을 포함할 수 있다. 전원공급부(140b)는 차량 또는 자율 주행 차량(100)에게 전원을 공급하며, 유/무선 충전 회로, 배터리 등을 포함할 수 있다. 센서부(140c)는 차량 상태, 주변 환경 정보, 사용자 정보 등을 얻을 수 있다. 센서부(140c)는 IMU(inertial measurement unit) 센서, 충돌 센서, 휠 센서(wheel sensor), 속도 센서, 경사 센서, 중량 감지 센서, 헤딩 센서(heading sensor), 포지션 모듈(position module), 차량 전진/후진 센서, 배터리 센서, 연료 센서, 타이어 센서, 스티어링 센서, 온도 센서, 습도 센서, 초음파 센서, 조도 센서, 페달 포지션 센서 등을 포함할 수 있다. 자율 주행부(140d)는 주행중인 차선을 유지하는 기술, 어댑티브 크루즈 컨트롤과 같이 속도를 자동으로 조절하는 기술, 정해진 경로를 따라 자동으로 주행하는 기술, 목적지가 설정되면 자동으로 경로를 설정하여 주행하는 기술 등을 구현할 수 있다.
일 예로, 통신부(110)는 외부 서버로부터 지도 데이터, 교통 정보 데이터 등을 수신할 수 있다. 자율 주행부(140d)는 획득된 데이터를 기반으로 자율 주행 경로와 드라이빙 플랜을 생성할 수 있다. 제어부(120)는 드라이빙 플랜에 따라 차량 또는 자율 주행 차량(100)이 자율 주행 경로를 따라 이동하도록 구동부(140a)를 제어할 수 있다(예, 속도/방향 조절). 자율 주행 도중에 통신부(110)는 외부 서버로부터 최신 교통 정보 데이터를 비/주기적으로 획득하며, 주변 차량으로부터 주변 교통 정보 데이터를 획득할 수 있다. 또한, 자율 주행 도중에 센서부(140c)는 차량 상태, 주변 환경 정보를 획득할 수 있다. 자율 주행부(140d)는 새로 획득된 데이터/정보에 기반하여 자율 주행 경로와 드라이빙 플랜을 갱신할 수 있다. 통신부(110)는 차량 위치, 자율 주행 경로, 드라이빙 플랜 등에 관한 정보를 외부 서버로 전달할 수 있다. 외부 서버는 차량 또는 자율 주행 차량들로부터 수집된 정보에 기반하여, AI 기술 등을 이용하여 교통 정보 데이터를 미리 예측할 수 있고, 예측된 교통 정보 데이터를 차량 또는 자율 주행 차량들에게 제공할 수 있다.
도 48은 본 명세서에 적용되는 차량을 예시한다. 차량은 운송수단, 기차, 비행체, 선박 등으로도 구현될 수 있다.
도 48을 참조하면, 차량(100)은 통신부(110), 제어부(120), 메모리부(130), 입출력부(140a) 및 위치 측정부(140b)를 포함할 수 있다. 여기서, 블록 110~130/140a~140b는 각각 도 X3의 블록 110~130/140에 대응한다.
통신부(110)는 다른 차량, 또는 기지국 등의 외부 기기들과 신호(예, 데이터, 제어 신호 등)를 송수신할 수 있다. 제어부(120)는 차량(100)의 구성 요소들을 제어하여 다양한 동작을 수행할 수 있다. 메모리부(130)는 차량(100)의 다양한 기능을 지원하는 데이터/파라미터/프로그램/코드/명령을 저장할 수 있다. 입출력부(140a)는 메모리부(130) 내의 정보에 기반하여 AR/VR 오브젝트를 출력할 수 있다. 입출력부(140a)는 HUD를 포함할 수 있다. 위치 측정부(140b)는 차량(100)의 위치 정보를 획득할 수 있다. 위치 정보는 차량(100)의 절대 위치 정보, 주행선 내에서의 위치 정보, 가속도 정보, 주변 차량과의 위치 정보 등을 포함할 수 있다. 위치 측정부(140b)는 GPS 및 다양한 센서들을 포함할 수 있다.
일 예로, 차량(100)의 통신부(110)는 외부 서버로부터 지도 정보, 교통 정보 등을 수신하여 메모리부(130)에 저장할 수 있다. 위치 측정부(140b)는 GPS 및 다양한 센서를 통하여 차량 위치 정보를 획득하여 메모리부(130)에 저장할 수 있다. 제어부(120)는 지도 정보, 교통 정보 및 차량 위치 정보 등에 기반하여 가상 오브젝트를 생성하고, 입출력부(140a)는 생성된 가상 오브젝트를 차량 내 유리창에 표시할 수 있다(1410, 1420). 또한, 제어부(120)는 차량 위치 정보에 기반하여 차량(100)이 주행선 내에서 정상적으로 운행되고 있는지 판단할 수 있다. 차량(100)이 주행선을 비정상적으로 벗어나는 경우, 제어부(120)는 입출력부(140a)를 통해 차량 내 유리창에 경고를 표시할 수 있다. 또한, 제어부(120)는 통신부(110)를 통해 주변 차량들에게 주행 이상에 관한 경고 메세지를 방송할 수 있다. 상황에 따라, 제어부(120)는 통신부(110)를 통해 관계 기관에게 차량의 위치 정보와, 주행/차량 이상에 관한 정보를 전송할 수 있다.
도 49는 본 명세서에 적용되는 XR 기기를 예시한다. XR 기기는 HMD, 차량에 구비된 HUD(Head-Up Display), 텔레비전, 스마트폰, 컴퓨터, 웨어러블 디바이스, 가전 기기, 디지털 사이니지(signage), 차량, 로봇 등으로 구현될 수 있다.
도 49을 참조하면, XR 기기(100a)는 통신부(110), 제어부(120), 메모리부(130), 입출력부(140a), 센서부(140b) 및 전원공급부(140c)를 포함할 수 있다. 여기서, 블록 110~130/140a~140c은 각각 도 X3의 블록 110~130/140에 대응한다.
통신부(110)는 다른 무선 기기, 휴대 기기, 또는 미디어 서버 등의 외부 기기들과 신호(예, 미디어 데이터, 제어 신호 등)를 송수신할 수 있다. 미디어 데이터는 영상, 이미지, 소리 등을 포함할 수 있다. 제어부(120)는 XR 기기(100a)의 구성 요소들을 제어하여 다양한 동작을 수행할 수 있다. 예를 들어, 제어부(120)는 비디오/이미지 획득, (비디오/이미지) 인코딩, 메타데이터 생성 및 처리 등의 절차를 제어 및/또는 수행하도록 구성될 수 있다. 메모리부(130)는 XR 기기(100a)의 구동/XR 오브젝트의 생성에 필요한 데이터/파라미터/프로그램/코드/명령을 저장할 수 있다. 입출력부(140a)는 외부로부터 제어 정보, 데이터 등을 획득하며, 생성된 XR 오브젝트를 출력할 수 있다. 입출력부(140a)는 카메라, 마이크로폰, 사용자 입력부, 디스플레이부, 스피커 및/또는 햅틱 모듈 등을 포함할 수 있다. 센서부(140b)는 XR 기기 상태, 주변 환경 정보, 사용자 정보 등을 얻을 수 있다. 센서부(140b)는 근접 센서, 조도 센서, 가속도 센서, 자기 센서, 자이로 센서, 관성 센서, RGB 센서, IR 센서, 지문 인식 센서, 초음파 센서, 광 센서, 마이크로폰 및/또는 레이더 등을 포함할 수 있다. 전원공급부(140c)는 XR 기기(100a)에게 전원을 공급하며, 유/무선 충전 회로, 배터리 등을 포함할 수 있다.
일 예로, XR 기기(100a)의 메모리부(130)는 XR 오브젝트(예, AR/VR/MR 오브젝트)의 생성에 필요한 정보(예, 데이터 등)를 포함할 수 있다. 입출력부(140a)는 사용자로부터 XR 기기(100a)를 조작하는 명령을 회득할 수 있으며, 제어부(120)는 사용자의 구동 명령에 따라 XR 기기(100a)를 구동시킬 수 있다. 예를 들어, 사용자가 XR 기기(100a)를 통해 영화, 뉴스 등을 시청하려고 하는 경우, 제어부(120)는 통신부(130)를 통해 컨텐츠 요청 정보를 다른 기기(예, 휴대 기기(100b)) 또는 미디어 서버에 전송할 수 있다. 통신부(130)는 다른 기기(예, 휴대 기기(100b)) 또는 미디어 서버로부터 영화, 뉴스 등의 컨텐츠를 메모리부(130)로 다운로드/스트리밍 받을 수 있다. 제어부(120)는 컨텐츠에 대해 비디오/이미지 획득, (비디오/이미지) 인코딩, 메타데이터 생성/처리 등의 절차를 제어 및/또는 수행하며, 입출력부(140a)/센서부(140b)를 통해 획득한 주변 공간 또는 현실 오브젝트에 대한 정보에 기반하여 XR 오브젝트를 생성/출력할 수 있다.
또한, XR 기기(100a)는 통신부(110)를 통해 휴대 기기(100b)와 무선으로 연결되며, XR 기기(100a)의 동작은 휴대 기기(100b)에 의해 제어될 수 있다. 예를 들어, 휴대 기기(100b)는 XR 기기(100a)에 대한 콘트롤러로 동작할 수 있다. 이를 위해, XR 기기(100a)는 휴대 기기(100b)의 3차원 위치 정보를 획득한 뒤, 휴대 기기(100b)에 대응하는 XR 개체를 생성하여 출력할 수 있다.
도 50은 본 명세서에 적용되는 로봇을 예시한다. 로봇은 사용 목적이나 분야에 따라 산업용, 의료용, 가정용, 군사용 등으로 분류될 수 있다.
도 50을 참조하면, 로봇(100)은 통신부(110), 제어부(120), 메모리부(130), 입출력부(140a), 센서부(140b) 및 구동부(140c)를 포함할 수 있다. 여기서, 블록 110~130/140a~140c은 각각 도 X3의 블록 110~130/140에 대응한다.
통신부(110)는 다른 무선 기기, 다른 로봇, 또는 제어 서버 등의 외부 기기들과 신호(예, 구동 정보, 제어 신호 등)를 송수신할 수 있다. 제어부(120)는 로봇(100)의 구성 요소들을 제어하여 다양한 동작을 수행할 수 있다. 메모리부(130)는 로봇(100)의 다양한 기능을 지원하는 데이터/파라미터/프로그램/코드/명령을 저장할 수 있다. 입출력부(140a)는 로봇(100)의 외부로부터 정보를 획득하며, 로봇(100)의 외부로 정보를 출력할 수 있다. 입출력부(140a)는 카메라, 마이크로폰, 사용자 입력부, 디스플레이부, 스피커 및/또는 햅틱 모듈 등을 포함할 수 있다. 센서부(140b)는 로봇(100)의 내부 정보, 주변 환경 정보, 사용자 정보 등을 얻을 수 있다. 센서부(140b)는 근접 센서, 조도 센서, 가속도 센서, 자기 센서, 자이로 센서, 관성 센서, IR 센서, 지문 인식 센서, 초음파 센서, 광 센서, 마이크로폰, 레이더 등을 포함할 수 있다. 구동부(140c)는 로봇 관절을 움직이는 등의 다양한 물리적 동작을 수행할 수 있다. 또한, 구동부(140c)는 로봇(100)을 지상에서 주행하거나 공중에서 비행하게 할 수 있다. 구동부(140c)는 액츄에이터, 모터, 바퀴, 브레이크, 프로펠러 등을 포함할 수 있다.
도 51은 본 명세서에 적용되는 AI 기기를 예시한다.
AI 기기는 TV, 프로젝터, 스마트폰, PC, 노트북, 디지털방송용 단말기, 태블릿 PC, 웨어러블 장치, 셋톱박스(STB), 라디오, 세탁기, 냉장고, 디지털 사이니지, 로봇, 차량 등과 같은, 고정형 기기 또는 이동 가능한 기기 등으로 구현될 수 있다.
도 51를 참조하면, AI 기기(100)는 통신부(110), 제어부(120), 메모리부(130), 입/출력부(140a/140b), 러닝 프로세서부(140c) 및 센서부(140d)를 포함할 수 있다. 블록 110~130/140a~140d는 각각 도 X3의 블록 110~130/140에 대응한다.
통신부(110)는 유무선 통신 기술을 이용하여 다른 AI 기기(예, 도 W1, 100x, 200, 400)나 AI 서버(200) 등의 외부 기기들과 유무선 신호(예, 센서 정보, 사용자 입력, 학습 모델, 제어 신호 등)를 송수신할 수 있다. 이를 위해, 통신부(110)는 메모리부(130) 내의 정보를 외부 기기로 전송하거나, 외부 기기로부터 수신된 신호를 메모리부(130)로 전달할 수 있다.
제어부(120)는 데이터 분석 알고리즘 또는 머신 러닝 알고리즘을 사용하여 결정되거나 생성된 정보에 기초하여, AI 기기(100)의 적어도 하나의 실행 가능한 동작을 결정할 수 있다. 그리고, 제어부(120)는 AI 기기(100)의 구성 요소들을 제어하여 결정된 동작을 수행할 수 있다. 예를 들어, 제어부(120)는 러닝 프로세서부(140c) 또는 메모리부(130)의 데이터를 요청, 검색, 수신 또는 활용할 수 있고, 적어도 하나의 실행 가능한 동작 중 예측되는 동작이나, 바람직한 것으로 판단되는 동작을 실행하도록 AI 기기(100)의 구성 요소들을 제어할 수 있다. 또한, 제어부(120)는 AI 장치(100)의 동작 내용이나 동작에 대한 사용자의 피드백 등을 포함하는 이력 정보를 수집하여 메모리부(130) 또는 러닝 프로세서부(140c)에 저장하거나, AI 서버(도 W1, 400) 등의 외부 장치에 전송할 수 있다. 수집된 이력 정보는 학습 모델을 갱신하는데 이용될 수 있다.
메모리부(130)는 AI 기기(100)의 다양한 기능을 지원하는 데이터를 저장할 수 있다. 예를 들어, 메모리부(130)는 입력부(140a)로부터 얻은 데이터, 통신부(110)로부터 얻은 데이터, 러닝 프로세서부(140c)의 출력 데이터, 및 센싱부(140)로부터 얻은 데이터를 저장할 수 있다. 또한, 메모리부(130)는 제어부(120)의 동작/실행에 필요한 제어 정보 및/또는 소프트웨어 코드를 저장할 수 있다.
입력부(140a)는 AI 기기(100)의 외부로부터 다양한 종류의 데이터를 획득할 수 있다. 예를 들어, 입력부(120)는 모델 학습을 위한 학습 데이터, 및 학습 모델이 적용될 입력 데이터 등을 획득할 수 있다. 입력부(140a)는 카메라, 마이크로폰 및/또는 사용자 입력부 등을 포함할 수 있다. 출력부(140b)는 시각, 청각 또는 촉각 등과 관련된 출력을 발생시킬 수 있다. 출력부(140b)는 디스플레이부, 스피커 및/또는 햅틱 모듈 등을 포함할 수 있다. 센싱부(140)는 다양한 센서들을 이용하여 AI 기기(100)의 내부 정보, AI 기기(100)의 주변 환경 정보 및 사용자 정보 중 적어도 하나를 얻을 수 있다. 센싱부(140)는 근접 센서, 조도 센서, 가속도 센서, 자기 센서, 자이로 센서, 관성 센서, RGB 센서, IR 센서, 지문 인식 센서, 초음파 센서, 광 센서, 마이크로폰 및/또는 레이더 등을 포함할 수 있다.
러닝 프로세서부(140c)는 학습 데이터를 이용하여 인공 신경망으로 구성된 모델을 학습시킬 수 있다. 러닝 프로세서부(140c)는 AI 서버(도 W1, 400)의 러닝 프로세서부와 함께 AI 프로세싱을 수행할 수 있다. 러닝 프로세서부(140c)는 통신부(110)를 통해 외부 기기로부터 수신된 정보, 및/또는 메모리부(130)에 저장된 정보를 처리할 수 있다. 또한, 러닝 프로세서부(140c)의 출력 값은 통신부(110)를 통해 외부 기기로 전송되거나/되고, 메모리부(130)에 저장될 수 있다.
본 명세서에 기재된 청구항들은 다양한 방식으로 조합될 수 있다. 예를 들어, 본 명세서의 방법 청구항의 기술적 특징이 조합되어 장치로 구현될 수 있고, 본 명세서의 장치 청구항의 기술적 특징이 조합되어 방법으로 구현될 수 있다. 또한, 본 명세서의 방법 청구항의 기술적 특징과 장치 청구항의 기술적 특징이 조합되어 장치로 구현될 수 있고, 본 명세서의 방법 청구항의 기술적 특징과 장치 청구항의 기술적 특징이 조합되어 방법으로 구현될 수 있다.
Claims (15)
- 양자 암호 통신 시스템에서, 장치에 의해 수행되는, 키 정보에 대한 QBER(quantum bit error rate)의 추정 방법에 있어서,
다른 장치로부터 RA(random access) 프리앰블을 수신하고;
상기 RA 프리앰블에 대한 응답으로 상기 다른 장치에게 RAR(random access response)를 전송하고;
상기 다른 장치와 RRC(radio resource control) 연결 절차를 수행하고;
상기 다른 장치로부터 데이터를 수신하고; 및
상기 키 정보에 기반하여 상기 데이터를 복호화하되,
상기 키 정보는 상기 QBER의 추정에 기반하여 결정되고, 및
상기 장치는 공개 채널을 통해 상기 다른 장치로부터 수신한 제1 이차원 패리티 정보에 기반하여 상기 QBER의 추정을 수행하는 것을 특징으로 하는 방법. - 제1항에 있어서, 상기 장치는 양자 채널을 통해 상기 다른 장치로부터 선별된(sifted) 키 정보를 수신하는 것을 특징으로 하는 방법.
- 제2항에 있어서, 상기 선별된 키 정보는 복수의 비트들을 포함하고 있고,
상기 복수의 비트들은 복수의 제1 비트 그룹으로 그룹화 되는 것을 특징으로 하는 방법. - 제3항에 있어서, 상기 장치는 상기 선별된 키 정보로부터 제2 이차원 패리티 정보를 획득하고,
상기 장치는 상기 제1 이차원 패리티 정보 및 상기 제2 이차원 패리티 정보에 기반하여 상기 QBER의 추정을 수행하는 것을 특징으로 하는 방법. - 제4항에 있어서, 상기 복수의 제1 비트 그룹은 2차원 형태로 정렬되고,
상기 장치는 상기 2차원 형태의 행에 대한 패리티 정보 및 상기 2차원 형태의 열에 대한 패리티 정보에 기반하여 상기 제2 이차원 패리티 정보를 획득하는 것을 특징으로 하는 방법. - 제3항에 있어서, 상기 복수의 제1 비트 그룹 각각에 대한 길이의 정보는 상기 장치와 상기 다른 장치 간에 공유되는 것을 특징으로 하는 방법.
- 제6항에 있어서, 상기 복수의 제1 비트 그룹 각각에 대한 길이는 직전 QBER의 추정에 기반하여 결정되는 것을 특징으로 하는 방법.
- 제6항에 있어서, 상기 장치는 상기 QBER의 추정에 기반하여 차기 선별된 키 정보에 포함될 복수의 제2 비트 그룹 각각에 대한 길이를 결정하는 것을 특징으로 하는 방법.
- 제8항에 있어서, 상기 복수의 제2 비트 그룹 각각에 대한 길이의 정보는 상기 장치와 상기 다른 장치 간에 공유되는 것을 특징으로 하는 방법.
- 양자 암호 통신 시스템에서, 장치에 의해 수행되는, 키 정보에 대한 QBER(quantum bit error rate)의 추정을 수행하는 방법에 있어서,
공개 채널을 통해 다른 장치로부터 제1 이차원 패리티 정보를 수신하고;
상기 제1 이차원 패리티 정보에 기반하여 상기 QBER의 추정을 수행하고; 및
상기 QBER의 추정에 기반하여 상기 키 정보의 사용 여부를 결정하는 것을 특징으로 하는 방법. - 장치는,
트랜시버;
적어도 하나의 메모리; 및
상기 적어도 하나의 메모리 및 상기 트랜시버와 동작 가능하게 결합된 적어도 하나의 프로세서를 포함하되, 상기 프로세서는,
다른 장치로부터 RA(random access) 프리앰블을 수신하도록 상기 트랜시버를 제어하게 구성되고;
상기 RA 프리앰블에 대한 응답으로 상기 다른 장치에게 RAR(random access response)를 전송하도록 상기 트랜시버를 제어하게 구성되고;
상기 다른 장치와 RRC(radio resource control) 연결 절차를 수행하도록 구성되고;
상기 다른 장치로부터 데이터를 수신하도록 상기 트랜시버를 제어하게 구성되고; 및
키 정보에 기반하여 상기 데이터를 복호화하도록 구성되되,
상기 키 정보는 QBER(quantum bit error rate)의 추정에 기반하여 결정되고, 및
상기 장치는 공개 채널을 통해 상기 다른 장치로부터 수신한 제1 이차원 패리티 정보에 기반하여 상기 QBER의 추정을 수행하는 것을 특징으로 하는 장치. - 장치는,
적어도 하나의 메모리; 및
상기 적어도 하나의 메모리와 동작 가능하게 결합된 적어도 하나의 프로세서를 포함하되, 상기 프로세서는,
다른 장치로부터 RA(random access) 프리앰블을 수신하도록 트랜시버를 제어하게 구성되고;
상기 RA 프리앰블에 대한 응답으로 상기 다른 장치에게 RAR(random access response)를 전송하도록 상기 트랜시버를 제어하게 구성되고;
상기 다른 장치와 RRC(radio resource control) 연결 절차를 수행하도록 구성되고;
상기 다른 장치로부터 데이터를 수신하도록 상기 트랜시버를 제어하게 구성되고; 및
키 정보에 기반하여 상기 데이터를 복호화하도록 구성되되,
상기 키 정보는 QBER(quantum bit error rate)의 추정에 기반하여 결정되고, 및
상기 장치는 공개 채널을 통해 상기 다른 장치로부터 수신한 제1 이차원 패리티 정보에 기반하여 상기 QBER의 추정을 수행하는 것을 특징으로 하는 장치. - 적어도 하나의 프로세서(processor)에 의해 실행되는 것에 기반하는 명령어(instruction)를 포함하는 적어도 하나의 컴퓨터로 읽을 수 있는 기록매체(computer readable medium)에 있어서,
다른 장치로부터 RA(random access) 프리앰블을 수신하도록 트랜시버를 제어하게 구성되고;
상기 RA 프리앰블에 대한 응답으로 상기 다른 장치에게 RAR(random access response)를 전송하도록 상기 트랜시버를 제어하게 구성되고;
상기 다른 장치와 RRC(radio resource control) 연결 절차를 수행하도록 구성되고;
상기 다른 장치로부터 데이터를 수신하도록 상기 트랜시버를 제어하게 구성되고; 및
키 정보에 기반하여 상기 데이터를 복호화하도록 구성되되,
상기 키 정보는 QBER(quantum bit error rate)의 추정에 기반하여 결정되고, 및
상기 장치는 공개 채널을 통해 상기 다른 장치로부터 수신한 제1 이차원 패리티 정보에 기반하여 상기 QBER의 추정을 수행하는 것을 특징으로 하는 기록매체. - 양자 암호 통신 시스템에서, 장치에 의해 수행되는, 이차원 패리티 정보를 전송하는 방법에 있어서,
다른 장치에게 RA(random access) 프리앰블을 전송하고;
상기 RA 프리앰블에 대한 응답으로 상기 다른 장치로부터 RAR(random access response)를 수신하고;
상기 다른 장치와 RRC(radio resource control) 연결 절차를 수행하고; 및
상기 다른 장치에게 데이터를 전송하되,
상기 장치는 키 정보에 기반하여 상기 데이터를 부호화하고,
상기 키 정보는 QBER의 추정에 기반하여 결정되고, 및
공개 채널을 통해 상기 다른 장치에게 전송된 제1 이차원 패리티 정보에 기반하여 상기 QBER의 추정이 수행되는 것을 특징으로 하는 방법. - 장치는,
트랜시버;
적어도 하나의 메모리; 및
상기 적어도 하나의 메모리 및 상기 트랜시버와 동작 가능하게 결합된 적어도 하나의 프로세서를 포함하되, 상기 프로세서는,
다른 장치에게 RA(random access) 프리앰블을 전송하도록 상기 트랜시버를 제어하게 구성되고;
상기 RA 프리앰블에 대한 응답으로 상기 다른 장치로부터 RAR(random access response)를 수신하도록 상기 트랜시버를 제어하게 구성되고;
상기 다른 장치와 RRC(radio resource control) 연결 절차를 수행하도록 구성되고; 및
상기 다른 장치에게 데이터를 전송하도록 상기 트랜시버를 제어하게 구성되되,
상기 장치는 키 정보에 기반하여 상기 데이터를 부호화하고,
상기 키 정보는 QBER의 추정에 기반하여 결정되고, 및
공개 채널을 통해 상기 다른 장치에게 전송된 제1 이차원 패리티 정보에 기반하여 상기 QBER의 추정이 수행되는 것을 특징으로 하는 방법.
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
PCT/KR2020/011256 WO2022045378A1 (ko) | 2020-08-24 | 2020-08-24 | 최대 비트 그룹 및 이차원 패리티에 기반한 양자 비트 에러 율 추정 방법 및 장치 |
Publications (1)
Publication Number | Publication Date |
---|---|
KR20230054669A true KR20230054669A (ko) | 2023-04-25 |
Family
ID=80353503
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
KR1020237005608A KR20230054669A (ko) | 2020-08-24 | 2020-08-24 | 최대 비트 그룹 및 이차원 패리티에 기반한 양자 비트 에러 율 추정 방법 및 장치 |
Country Status (3)
Country | Link |
---|---|
US (1) | US20230299950A1 (ko) |
KR (1) | KR20230054669A (ko) |
WO (1) | WO2022045378A1 (ko) |
Families Citing this family (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114867013B (zh) * | 2022-04-21 | 2024-03-29 | 中国电信股份有限公司 | 密钥生成方法、装置、电子设备及存储介质 |
WO2024122693A1 (ko) * | 2022-12-09 | 2024-06-13 | 엘지전자 주식회사 | 양자 통신 시스템에서 인증 정보의 위치 선택에 사전 공유 대칭키를 사용하는 인증 방법 및 이를 위한 장치 |
Family Cites Families (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
EP1969760B1 (en) * | 2005-12-20 | 2017-08-23 | InterDigital Technology Corporation | Method and system for generating a secret key from joint randomness |
KR101559076B1 (ko) * | 2014-01-24 | 2015-10-08 | 고려대학교 산학협력단 | 양자 채널을 통한 터보 코드 방식의 효율적인 정보 재건 기법 |
EP3416332B1 (en) * | 2017-06-13 | 2020-04-08 | Kabushiki Kaisha Toshiba | Quantum communication device, quantum communication system and quantum communication method |
AU2018374138B2 (en) * | 2017-11-28 | 2021-12-02 | Guangdong Oppo Mobile Telecommunications Corp., Ltd. | Bandwidth part operation for random access in RRC connected mode |
KR102121027B1 (ko) * | 2018-08-23 | 2020-06-09 | 광주과학기술원 | 측정무관 양자암호 키분배 장치 및 방법 |
-
2020
- 2020-08-24 WO PCT/KR2020/011256 patent/WO2022045378A1/ko active Application Filing
- 2020-08-24 US US18/023,281 patent/US20230299950A1/en active Pending
- 2020-08-24 KR KR1020237005608A patent/KR20230054669A/ko unknown
Also Published As
Publication number | Publication date |
---|---|
US20230299950A1 (en) | 2023-09-21 |
WO2022045378A1 (ko) | 2022-03-03 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
KR20230062553A (ko) | 압축 연합 학습 수행 방법 및 장치 | |
KR20230007455A (ko) | 패스트 빔 스티어링 시스템 기반 주파수 그래디언트 메타서페이스 장치 및 이에 대한 방법 | |
KR20230054669A (ko) | 최대 비트 그룹 및 이차원 패리티에 기반한 양자 비트 에러 율 추정 방법 및 장치 | |
EP4273763A1 (en) | Data partition-based modulation method and apparatus for federated learning | |
US20230276230A1 (en) | Signal randomization method and device of communication apparatus | |
US20230291476A1 (en) | Phase control device for continuous beam scanning in effective scan range and method therefor | |
KR20230058400A (ko) | 선택적 가중치 전송에 기반한 연합 학습 방법 및 그 단말 | |
KR20230005297A (ko) | Owc를 위한 주파수 그래디언트 메타서페이스 기반 패스트 빔 스티어링 전송 방법 및 장치 | |
US20240039641A1 (en) | Method and device for correcting polarization distortion in plug and play quantum key distribution system | |
KR20230031196A (ko) | 다중 경로 및 파장 분할에 기반한 플러그 앤드 플레이 퀀텀 키 분배 방법 및 상기 방법을 이용하는 장치 | |
US20230396422A1 (en) | Method and apparatus for correcting polarization distortion of faraday rotating mirror in plug-and-play quantum key distribution system | |
US20240106507A1 (en) | Method and device for adapting learning class-based system to ai mimo | |
US20230353247A1 (en) | Frequency comb power control apparatus for 4d beamforming, and method therefor | |
KR20230066389A (ko) | 디지털 aircomp 시그널링 | |
KR20230056622A (ko) | 무선 통신 시스템에서 단말 및 기지국의 신호 송수신 방법 및 장치 | |
KR20230093242A (ko) | Qkd 시스템에서 신드롬 비교 기반 qber 추정 방법 및 장치 | |
KR20230036057A (ko) | 무선 통신 시스템에서 단말 및 기지국의 채널 코딩 수행 방법 및 장치 | |
KR20230129221A (ko) | Qkd 시스템에서의 멀티 차원 신드롬 기반 ir 방법 및 장치 | |
US20230283384A1 (en) | Method and device for multi-wavelength plug-and-play quantum key distribution without time delay due to wavelength conversion | |
KR20230113725A (ko) | 플러그 앤 플레이 qkd 시스템에서 도청자를 탐지하는 방법 및 장치 | |
US20230300895A1 (en) | Hybrid transmission method and device using side information of local gradients | |
KR20240090129A (ko) | 통신 시스템에서 비트 플립 오류 수정을 포함하는 얽힘 분포 프로토콜을 위한 장치 및 방법 | |
KR20240090130A (ko) | 통신 시스템에서 페이즈 플립 오류 수정을 포함하는 얽힘 분포 프로토콜을 위한 장치 및 방법 | |
EP4239962A1 (en) | Method and apparatus for alleviating transmission power limitation by overlapping transmission | |
EP4276705A1 (en) | Federated learning method and apparatus based on multi-antenna server and single antenna user configuration |