WO2020096174A1 - 차세대 통신 시스템에서 릴레이 노드를 위한 하향링크 송신 타이밍 결정 방법 및 이를 위한 장치 - Google Patents

차세대 통신 시스템에서 릴레이 노드를 위한 하향링크 송신 타이밍 결정 방법 및 이를 위한 장치 Download PDF

Info

Publication number
WO2020096174A1
WO2020096174A1 PCT/KR2019/010181 KR2019010181W WO2020096174A1 WO 2020096174 A1 WO2020096174 A1 WO 2020096174A1 KR 2019010181 W KR2019010181 W KR 2019010181W WO 2020096174 A1 WO2020096174 A1 WO 2020096174A1
Authority
WO
WIPO (PCT)
Prior art keywords
timing
downlink signal
value
information
node
Prior art date
Application number
PCT/KR2019/010181
Other languages
English (en)
French (fr)
Inventor
김영태
이윤정
Original Assignee
엘지전자 주식회사
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by 엘지전자 주식회사 filed Critical 엘지전자 주식회사
Priority to US17/292,932 priority Critical patent/US11864138B2/en
Publication of WO2020096174A1 publication Critical patent/WO2020096174A1/ko
Priority to US18/511,305 priority patent/US20240089882A1/en

Links

Images

Classifications

    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04W—WIRELESS COMMUNICATION NETWORKS
    • H04W56/00—Synchronisation arrangements
    • H04W56/001—Synchronization between nodes
    • H04W56/0015—Synchronization between nodes one node acting as a reference for the others
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04W—WIRELESS COMMUNICATION NETWORKS
    • H04W56/00—Synchronisation arrangements

Definitions

  • the present invention relates to a wireless communication system, and more particularly, to a method and apparatus for determining a downlink transmission timing for a relay node in a next-generation communication system.
  • next generation 5G system which is an improved wireless broadband communication than the existing LTE system
  • NewRAT communication scenarios are classified into Enhanced Mobile BroadBand (eMBB) / Ultra-reliability and low-latency communication (URLLC) / Massive Machine-Type Communications (mMTC).
  • eMBB Enhanced Mobile BroadBand
  • URLLC Ultra-reliability and low-latency communication
  • mMTC Massive Machine-Type Communications
  • eMBB is a next-generation mobile communication scenario having characteristics such as High Spectrum Efficiency, High User Experienced Data Rate, High Peak Data Rate, and URLLC is a next-generation mobile communication scenario having characteristics such as Ultra Reliable, Ultra Low Latency, Ultra High Availability, etc.
  • mMTC is a next-generation mobile communication scenario with low cost, low energy, short packet, and massive connectivity characteristics. (e.g., IoT).
  • a method for a child node to transmit a downlink signal in a next generation wireless communication system includes: receiving information about a timing advanced value from a parent node; Determining a reception timing of a first downlink signal transmitted from the parent node; Calculating a transmission timing of a second downlink signal prior to a timing correction value based on the timing advanced value and a preset offset value from the reception timing of the first downlink signal; And transmitting the second downlink signal to another child node according to the transmission timing of the second downlink signal.
  • a relay node in a next-generation wireless communication system which is an aspect of the present invention, includes a wireless communication module; At least one processor; And at least one memory operatively connected to the at least one processor and storing instructions that, when executed, cause the at least one processor to perform a specific operation, wherein the specific operation is a parent node.
  • Receives information about a timing advanced value from determines a reception timing of a first downlink signal transmitted from the parent node, and performs the first downlink by a timing correction value based on the timing advanced value and a preset offset value And calculating a transmission timing of a second downlink signal prior to the reception timing of the signal, and transmitting the second downlink signal to another child node according to the transmission timing of the second downlink signal. It is characterized by.
  • the transmission timing of the first downlink signal and the transmission timing of the second downlink signal are the same.
  • the preset offset value is included in a random access response message received from the parent node or is provided by higher layer signaling.
  • the timing advanced value is characterized in that it is a timing advanced value most recently updated from the reception of the preset offset value.
  • the timing correction value is characterized in that it is a sum of half of the timing advanced value and the preset offset value.
  • a relay node in a next-generation communication system, can more efficiently determine downlink transmission timing.
  • FIG. 1 is a diagram illustrating a control plane and a user plane structure of a radio interface protocol between a terminal and an E-UTRAN based on a 3GPP radio access network standard.
  • FIG. 2 is a diagram for explaining physical channels used in a 3GPP system and a general signal transmission method using them.
  • 3 is a diagram illustrating a structure of a radio frame used in an LTE system.
  • 4 to 6 are diagrams for explaining the structure of a radio frame and slot used in the NR system.
  • TXRU 7 abstractly illustrates a hybrid beamforming structure from the perspective of a transceiver unit (TXRU) and a physical antenna.
  • FIG. 8 shows a beam sweeping operation for a synchronization signal and system information in a downlink transmission process.
  • FIG 9 illustrates a cell of a new radio access technology (NR) system.
  • NR new radio access technology
  • FIG. 10 is a diagram for explaining a method of determining a downlink transmission timing of an IAB node.
  • FIG. 11 is a flowchart of a method for performing downlink transmission according to an embodiment of the present invention.
  • FIG. 12 is a block diagram illustrating an example of components of an apparatus for implementing embodiments of the present invention.
  • FIGS. 13 to 15 are diagrams illustrating examples of an AI (Artificial Intelligence) system and apparatus for implementing embodiments of the present invention.
  • AI Artificial Intelligence
  • the present specification describes an embodiment of the present invention using an LTE system, an LTE-A system, and an NR system, as an example, the embodiment of the present invention can be applied to any communication system corresponding to the above definition.
  • the name of the base station may be used as a comprehensive term including a remote radio head (RRH), an eNB, a transmission point (TP), a reception point (RP), a relay, and the like.
  • RRH remote radio head
  • TP transmission point
  • RP reception point
  • relay a relay
  • Machine learning refers to the field of studying the methodology to define and solve various problems in the field of artificial intelligence. do.
  • Machine learning is defined as an algorithm that improves the performance of a job through constant experience.
  • An artificial neural network is a model used in machine learning, and may mean an overall model having a problem-solving ability, composed of artificial neurons (nodes) forming a network through a combination of synapses.
  • the artificial neural network may be defined by a connection pattern between neurons in different layers, a learning process for updating model parameters, and an activation function that generates output values.
  • the artificial neural network may include an input layer, an output layer, and optionally one or more hidden layers. Each layer contains one or more neurons, and an artificial neural network can include neurons and synapses connecting neurons. In an artificial neural network, each neuron may output a function value of an input function input through a synapse, a weight, and an active function for bias.
  • the model parameter means a parameter determined through learning, and includes weights of synaptic connections and bias of neurons.
  • the hyperparameter means a parameter that must be set before learning in a machine learning algorithm, and includes learning rate, number of iterations, mini-batch size, initialization function, and the like.
  • the purpose of learning an artificial neural network can be seen as determining model parameters that minimize the loss function.
  • the loss function can be used as an index to determine an optimal model parameter in the learning process of an artificial neural network.
  • Machine learning can be classified into supervised learning, unsupervised learning, and reinforcement learning according to the learning method.
  • Supervised learning refers to a method of training an artificial neural network while a label for training data is given, and a label is a correct answer (or a result value) that the artificial neural network must infer when the training data is input to the artificial neural network.
  • Unsupervised learning may refer to a method of training an artificial neural network without a label for learning data.
  • Reinforcement learning may refer to a learning method in which an agent defined in a certain environment is trained to select an action or a sequence of actions to maximize cumulative reward in each state.
  • Machine learning which is implemented as a deep neural network (DNN) that includes a plurality of hidden layers among artificial neural networks, is also referred to as deep learning (deep learning), and deep learning is a part of machine learning.
  • DNN deep neural network
  • machine learning is used to mean deep learning.
  • a robot can mean a machine that automatically handles or acts on a task given by its own capabilities.
  • a robot having a function of recognizing the environment and determining an operation by itself can be referred to as an intelligent robot.
  • Robots can be classified into industrial, medical, household, and military according to the purpose or field of use.
  • the robot may be provided with a driving unit including an actuator or a motor to perform various physical operations such as moving a robot joint.
  • a driving unit including an actuator or a motor to perform various physical operations such as moving a robot joint.
  • the movable robot includes a wheel, a brake, a propeller, and the like in the driving unit, so that it can travel on the ground or fly in the air through the driving unit.
  • Autonomous driving refers to a technology that drives itself, and autonomous driving refers to a vehicle driving without user interaction or with minimal user interaction.
  • a technology that maintains a driving lane a technology that automatically adjusts speed such as adaptive cruise control, a technology that automatically drives along a predetermined route, and a technology that automatically sets a route when a destination is set, etc. All of these can be included.
  • the vehicle includes a vehicle having only an internal combustion engine, a hybrid vehicle having both an internal combustion engine and an electric motor, and an electric vehicle having only an electric motor, and may include a train, a motorcycle, etc. as well as a vehicle.
  • the autonomous vehicle can be viewed as a robot having an autonomous vehicle driving function.
  • Augmented reality refers to virtual reality (VR), augmented reality (AR), and mixed reality (MR).
  • VR technology provides objects or backgrounds in the real world only as CG images
  • AR technology provides CG images made virtually on real objects
  • MR technology provides computers by mixing and combining virtual objects in the real world It is a graphics technology.
  • MR technology is similar to AR technology in that it shows both real and virtual objects.
  • a virtual object is used as a complementary form to a real object, whereas in MR technology, there is a difference in that a virtual object and a real object are used with equal characteristics.
  • HMD Head-Mount Display
  • HUD Head-Up Display
  • mobile phone tablet PC, laptop, desktop, TV, digital signage, etc. It can be called.
  • the three main requirements areas of 5G are (1) Enhanced Mobile Broadband (eMBB) area, (2) Massive Machine Type Communication (mMTC) area, and (3) Super-reliability and It includes the area of ultra-reliable and low latency communications (URLLC).
  • eMBB Enhanced Mobile Broadband
  • mMTC Massive Machine Type Communication
  • URLLC ultra-reliable and low latency communications
  • KPI key performance indicator
  • eMBB goes far beyond basic mobile Internet access and covers media and entertainment applications in rich interactive work, cloud or augmented reality.
  • Data is one of the key drivers of 5G, and it may not be possible to see dedicated voice services for the first time in the 5G era.
  • voice will be processed as an application program simply using the data connection provided by the communication system.
  • the main causes for increased traffic volume are increased content size and increased number of applications requiring high data rates.
  • Streaming services audio and video
  • interactive video and mobile internet connections will become more widely used as more devices connect to the internet. Many of these applications require always-on connectivity to push real-time information and notifications to users.
  • Cloud storage and applications are rapidly increasing in mobile communication platforms, which can be applied to both work and entertainment.
  • cloud storage is a special use case that drives the growth of uplink data rates.
  • 5G is also used for remote work in the cloud, requiring much lower end-to-end delay to maintain a good user experience when a tactile interface is used.
  • Entertainment For example, cloud gaming and video streaming are another key factor in increasing demand for mobile broadband capabilities. Entertainment is essential for smartphones and tablets anywhere, including high mobility environments such as trains, cars and airplanes.
  • Another use case is augmented reality and information retrieval for entertainment.
  • augmented reality requires a very low delay and an instantaneous amount of data.
  • URLLC includes new services that will transform the industry through ultra-reliable / low-latency links, such as remote control of key infrastructure and self-driving vehicles. Reliability and level of delay are essential for smart grid control, industrial automation, robotics, drone control and coordination.
  • 5G can complement fiber-to-the-home (FTTH) and cable-based broadband (or DOCSIS) as a means to provide streams rated at hundreds of megabits per second to gigabit per second. This fast speed is required to deliver TV in 4K (6K, 8K and higher) resolutions as well as virtual and augmented reality.
  • Virtual Reality (VR) and Augmented Reality (AR) applications include almost immersive sports events. Certain application programs may require special network settings. For VR games, for example, game companies may need to integrate the core server with the network operator's edge network server to minimize latency.
  • Automotive is expected to be an important new driver for 5G, along with many use cases for mobile communications to vehicles. For example, entertainment for passengers requires simultaneous high capacity and high mobility mobile broadband. This is because future users continue to expect high-quality connections regardless of their location and speed.
  • Another example of application in the automotive field is the augmented reality dashboard. It identifies objects in the dark over what the driver sees through the front window and superimposes information that tells the driver about the distance and movement of the object.
  • wireless modules will enable communication between vehicles, exchange of information between the vehicle and the supporting infrastructure, and exchange of information between the vehicle and other connected devices (eg, devices carried by pedestrians).
  • the safety system helps the driver to reduce the risk of accidents by guiding alternative courses of action to make driving safer.
  • the next step will be remote control or a self-driven vehicle.
  • This requires very reliable and very fast communication between different self-driving vehicles and between the vehicle and the infrastructure.
  • self-driving vehicles will perform all driving activities, and drivers will focus only on traffic beyond which the vehicle itself cannot identify.
  • the technical requirements of self-driving vehicles require ultra-low delays and ultra-high-speed reliability to increase traffic safety to levels beyond human reach.
  • Smart cities and smart homes will be embedded in high-density wireless sensor networks.
  • the distributed network of intelligent sensors will identify the conditions for cost and energy-efficient maintenance of a city or home. Similar settings can be performed for each assumption.
  • Temperature sensors, window and heating controllers, burglar alarms and consumer electronics are all connected wirelessly. Many of these sensors are typically low data rates, low power and low cost. However, for example, real-time HD video may be required for certain types of devices for surveillance.
  • the smart grid interconnects these sensors using digital information and communication technologies to collect information and act accordingly. This information can include supplier and consumer behavior, so smart grids can improve efficiency, reliability, economics, production sustainability and the distribution of fuels like electricity in an automated way.
  • the smart grid can be viewed as another sensor network with low latency.
  • the health sector has a number of applications that can benefit from mobile communications.
  • the communication system can support telemedicine that provides clinical care from a distance. This can help reduce barriers to distance and improve access to medical services that are not continuously available in remote rural areas. It is also used to save lives in critical care and emergency situations.
  • a wireless sensor network based on mobile communication can provide remote monitoring and sensors for parameters such as heart rate and blood pressure.
  • Wireless and mobile communications are becoming increasingly important in industrial applications. Wiring is expensive to install and maintain. Thus, the possibility of replacing cables with wireless links that can be reconfigured is an attractive opportunity in many industries. However, achieving this requires that the wireless connection behave with cable-like delay, reliability and capacity, and that management be simplified. Low latency and very low error probability are new requirements that need to be connected to 5G.
  • Logistics and freight tracking are important use cases for mobile communications that enable the tracking of inventory and packages from anywhere using location-based information systems.
  • Logistics and cargo tracking use cases typically require low data rates, but require wide range and reliable location information.
  • the 3GPP-based communication standard includes downlink physical channels corresponding to resource elements carrying information originating from an upper layer and downlink corresponding to resource elements used by the physical layer but not carrying information originating from an upper layer.
  • Physical signals are defined.
  • a physical downlink shared channel (PDSCH), a physical broadcast channel (PBCH), a physical multicast channel (physical multicast channel, PMCH), a physical control format indicator channel (physical control) Format indicator channel (PCFICH), physical downlink control channel (PDCCH) and physical hybrid ARQ indicator channel (PHICH) are defined as downlink physical channels, and reference signals and synchronization signals Is defined as downlink physical signals.
  • a reference signal also referred to as a pilot, refers to a signal of a predetermined special waveform known to each other by the gNB and the UE.
  • RS reference signal
  • UE cell specific RS
  • UE- A specific RS UE-specific RS
  • UE-RS positioning RS
  • channel state information RS channel state information RS
  • CSI-RS channel state information RS
  • the 3GPP LTE / LTE-A standard corresponds to uplink physical channels corresponding to resource elements carrying information originating from an upper layer and resource elements used by the physical layer but not carrying information originating from an upper layer. Defines uplink physical signals.
  • a physical uplink shared channel PUSCH
  • a physical uplink control channel PUCCH
  • a physical random access channel PRACH
  • DMRS demodulation reference signal
  • SRS sounding reference signal
  • PDCCH Physical Downlink Control CHannel
  • PCFICH Physical Control Format Indicator CHannel
  • PHICH Physical Hybrid automatic retransmit request Indicator CHannel
  • PDSCH Physical Downlink Shared CHannel
  • DCI Downlink Control Information
  • CFI Control Format Indicator
  • downlink ACK / NACK ACKnowlegement / Negative ACK
  • PUCCH Physical Uplink Control CHannel
  • PUSCH Physical Uplink Shared CHannel
  • PRACH Physical Random Access CHannel
  • PDCCH / PCFICH / PHICH / PDSCH / PUCCH / PUSCH / PRACH or the time-frequency resource or resource element (RE) allocated to or belong to PDCCH / PCFICH / PHICH / PDSCH / PUCCH / PUSCH / PRACH RE or Referred to as PDCCH / PCFICH / PHICH / PDSCH / PUCCH / PUSCH / PRACH resource
  • the expression that the user equipment transmits PUCCH / PUSCH / PRACH is hereinafter referred to as uplink control information / uplink on or through PUSCH / PUCCH / PRACH, respectively.
  • the gNB transmits the PDCCH / PCFICH / PHICH / PDSCH is the downlink data / control information on or through PDCCH / PCFICH / PHICH / PDSCH, respectively. It is used in the same sense as sending it.
  • CRS / DMRS / CSI-RS / SRS / UE-RS is assigned or configured (configured) OFDM symbol / subcarrier / RE to CRS / DMRS / CSI-RS / SRS / UE-RS symbol / carrier It is called / subcarrier / RE.
  • an OFDM symbol to which tracking RS (TRS) is assigned or configured is called a TRS symbol
  • a subcarrier to which TRS is assigned or configured is called a TRS subcarrier, and to which a TRS is assigned.
  • the configured RE is called a TRS RE.
  • a subframe configured for TRS transmission is called a TRS subframe.
  • a subframe in which a broadcast signal is transmitted is called a broadcast subframe or a PBCH subframe
  • a subframe in which a synchronization signal (eg, PSS and / or SSS) is transmitted is a synchronization signal subframe or a PSS / SSS subframe. It is called.
  • the OFDM symbols / subcarriers / REs to which PSS / SSS is assigned or configured are called PSS / SSS symbols / subcarriers / RE, respectively.
  • CRS port, UE-RS port, CSI-RS port, and TRS port are antenna ports configured to transmit CRS and antenna ports configured to transmit UE-RS, respectively.
  • Antenna ports configured to transmit CRSs may be distinguished by CRS ports according to positions of REs occupied by CRSs, and antenna ports configured to transmit UE-RSs are configured to UEs.
  • UE-RS may be distinguished by location of REs occupied, and antenna ports configured to transmit CSI-RSs are occupied by CSI-RS according to CSI-RS ports. It can be distinguished from each other by the location of REs.
  • CRS / UE-RS / CSI-RS / TRS port is also used as a term for a pattern of REs occupied by CRS / UE-RS / CSI-RS / TRS within a certain resource region.
  • the control plane means a path through which control messages used by a user equipment (UE) and a network to manage a call are transmitted.
  • the user plane refers to a path through which data generated at the application layer, for example, voice data or Internet packet data, is transmitted.
  • the physical layer which is the first layer, provides an information transfer service to an upper layer using a physical channel.
  • the physical layer is connected to the upper medium access control layer through a transmission channel. Data is moved between the medium access control layer and the physical layer through the transmission channel. Data is moved between the physical layer of the transmitting side and the receiving side through a physical channel.
  • the physical channel uses time and frequency as radio resources. Specifically, the physical channel is modulated by OFDMA (Orthogonal Frequency Division Multiple Access) in the downlink, and modulated by Single Carrier Frequency Division Multiple Access (SC-FDMA) in the uplink.
  • OFDMA Orthogonal Frequency Division Multiple Access
  • SC-FDMA Single Carrier Frequency Division Multiple Access
  • the medium access control (MAC) layer of the second layer provides a service to a radio link control (RLC) layer, which is an upper layer, through a logical channel.
  • RLC radio link control
  • the RLC layer of the second layer supports reliable data transmission.
  • the function of the RLC layer may be implemented as a function block inside the MAC.
  • the packet data convergence protocol (PDCP) layer of the second layer performs a header compression function that reduces unnecessary control information in order to efficiently transmit IP packets such as IPv4 or IPv6 in a narrow bandwidth wireless interface.
  • PDCP packet data convergence protocol
  • the radio resource control (RRC) layer located at the bottom of the third layer is defined only in the control plane.
  • the RRC layer is responsible for controlling logical channels, transmission channels, and physical channels in connection with configuration, re-configuration, and release of radio bearers.
  • the radio bearer means a service provided by the second layer for data transmission between the terminal and the network.
  • the RRC layer of the terminal and the network exchanges RRC messages with each other. If there is an RRC connection (RRC Connected) between the terminal and the RRC layer of the network, the terminal is in the RRC connected state (Connected Mode), otherwise it is in the RRC idle state (Idle Mode).
  • the NAS (Non-Access Stratum) layer above the RRC layer performs functions such as session management and mobility management.
  • the downlink transmission channel for transmitting data from the network to the terminal includes a broadcast channel (BCH) for transmitting system information, a paging channel (PCH) for transmitting paging messages, and a downlink shared channel (SCH) for transmitting user traffic or control messages.
  • BCH broadcast channel
  • PCH paging channel
  • SCH downlink shared channel
  • Traffic or control messages of a downlink multicast or broadcast service may be transmitted through a downlink SCH or may be transmitted through a separate downlink multicast channel (MCH).
  • the uplink transmission channel for transmitting data from the terminal to the network includes a random access channel (RACH) for transmitting an initial control message and an uplink shared channel (SCH) for transmitting user traffic or a control message.
  • Logical channels that are located above the transmission channel and are mapped to the transmission channel include Broadcast Control Channel (BCCH), Paging Control Channel (PCCH), Common Control Channel (CCCH), Multicast Control Channel (MCCH), and Multicast (MTCH). Traffic Channel).
  • BCCH Broadcast
  • FIG. 2 is a diagram for explaining physical channels used in a 3GPP system and a general signal transmission method using them.
  • the terminal performs an initial cell search operation such as synchronizing with the base station when the power is turned on or newly enters the cell (S201).
  • the terminal can receive a primary synchronization channel (P-SCH) and a secondary synchronization channel (Secondary Synchronization Channel; S-SCH) from the base station to synchronize with the base station and obtain information such as cell ID. have.
  • P-SCH primary synchronization channel
  • S-SCH Secondary Synchronization Channel
  • the terminal may acquire a physical broadcast channel from the base station to obtain intra-cell broadcast information.
  • the UE may check a downlink channel state by receiving a downlink reference signal (DL RS) in an initial cell search step.
  • DL RS downlink reference signal
  • the UE After completing the initial cell search, the UE obtains more specific system information by receiving a physical downlink control channel (PDCCH) and a physical downlink control channel (PDSCH) according to information carried on the PDCCH. It can be done (S202).
  • PDCCH physical downlink control channel
  • PDSCH physical downlink control channel
  • the terminal may perform a random access procedure (RACH) to the base station (steps S203 to S206).
  • RACH random access procedure
  • the UE may transmit a specific sequence as a preamble through a physical random access channel (PRACH) (S203 and S205), and receive a response message for the preamble through the PDCCH and the corresponding PDSCH ( S204 and S206).
  • PRACH physical random access channel
  • a contention resolution procedure may be additionally performed.
  • the UE that has performed the above-described procedure is a PDCCH / PDSCH reception (S207) and a physical uplink shared channel (PUSCH) / physical uplink control channel (Physical Uplink) as a general uplink / downlink signal transmission procedure.
  • Control Channel (PUCCH) transmission (S208) may be performed.
  • the terminal receives downlink control information (DCI) through the PDCCH.
  • DCI downlink control information
  • the DCI includes control information such as resource allocation information for the terminal, and formats are different depending on the purpose of use.
  • control information that the UE transmits to the base station through the uplink or that the UE receives from the base station includes a downlink / uplink ACK / NACK signal, a channel quality indicator (CQI), a precoding matrix index (PMI), and a rank indicator (RI). ) And the like.
  • the UE may transmit control information such as CQI / PMI / RI described above through PUSCH and / or PUCCH.
  • 3 is a diagram illustrating a structure of a radio frame used in an LTE system.
  • a radio frame has a length of 10 ms (327200 ⁇ Ts) and is composed of 10 equally sized subframes.
  • Each subframe has a length of 1 ms and is composed of two slots.
  • Each slot has a length of 0.5 ms (15360 x Ts).
  • Ts represents a sampling time
  • the slot includes a plurality of OFDM symbols in the time domain and a plurality of resource blocks (RBs) in the frequency domain.
  • one resource block includes 12 subcarriers ⁇ 7 (6) OFDM symbols.
  • the transmission time interval (TTI), which is a unit time for transmitting data, may be determined in units of one or more subframes.
  • the above-described structure of the radio frame is only an example, and the number of subframes included in the radio frame, the number of slots included in the subframe, and the number of OFDM symbols included in the slot may be variously changed.
  • FIG. 4 illustrates the structure of a radio frame used in NR.
  • uplink and downlink transmission are composed of frames.
  • the radio frame has a length of 10 ms, and is defined as two 5 ms half-frames (HFs).
  • the half-frame is defined by five 1ms subframes (Subframe, SF).
  • the subframe is divided into one or more slots, and the number of slots in the subframe depends on SCS (Subcarrier Spacing).
  • Each slot includes 12 or 14 OFDM (A) symbols according to a cyclic prefix (CP). Normally, when CP is used, each slot contains 14 symbols.
  • each slot includes 12 symbols.
  • the symbol may include an OFDM symbol (or CP-OFDM symbol) and an SC-FDMA symbol (or DFT-s-OFDM symbol).
  • OFDM (A) numerology eg, SCS, CP length, etc.
  • a numerology eg, SCS, CP length, etc.
  • a (absolute time) section of a time resource eg, SF, slot, or TTI
  • a time unit TU
  • a slot contains multiple symbols in the time domain. For example, in the case of a normal CP, one slot includes 7 symbols, but in the case of an extended CP, one slot includes 6 symbols.
  • the carrier includes a plurality of subcarriers in the frequency domain.
  • Resource block (RB) is defined as a plurality of (eg, 12) consecutive subcarriers in the frequency domain.
  • BWP Bandwidth Part
  • P contiguous RBs in the frequency domain, and may correspond to one numerology (eg, SCS, CP length, etc.).
  • the carrier may include up to N (eg, 5) BWPs. Data communication is performed through the activated BWP, and only one BWP can be activated for one terminal.
  • Each element in the resource grid is referred to as a resource element (RE), and one complex symbol may be mapped.
  • RE resource element
  • a frame is characterized by a self-contained structure in which a DL control channel, DL or UL data, UL control channel, etc. can all be included in one slot.
  • a DL control channel hereinafter, DL control region
  • the last M symbols in the slot can be used to transmit the UL control channel (hereinafter, UL control region).
  • N and M are each an integer of 0 or more.
  • the resource region (hereinafter, the data region) between the DL control region and the UL control region may be used for DL data transmission or may be used for UL data transmission.
  • the following configuration may be considered. Each section was listed in chronological order.
  • the PDCCH may be transmitted in the DL control region, and the PDSCH may be transmitted in the DL data region.
  • PUCCH may be transmitted in the UL control region, and PUSCH may be transmitted in the UL data region.
  • DCI downlink control information
  • DL data scheduling information for example, DL data scheduling information, UL data scheduling information, and the like
  • uplink control information for example, ACK / NACK (Positive Acknowledgement / Negative Acknowledgement) information for DL data, CSI (Channel State Information) information, SR (Scheduling Request) may be transmitted.
  • the GP provides a time gap in the process of the base station and the terminal switching from the transmission mode to the reception mode or the process from the reception mode to the transmission mode.
  • some symbols at a time point of switching from DL to UL may be set as GP.
  • the NR system considers using a high ultra-high frequency band, that is, a millimeter frequency band of 6 GHz or more, to transmit data while maintaining a high transmission rate to a large number of users using a wide frequency band.
  • a high ultra-high frequency band that is, a millimeter frequency band of 6 GHz or more
  • this is called NR, and in the present invention, it will be referred to as NR system in the future.
  • the millimeter frequency band has a frequency characteristic in which signal attenuation according to distance is very rapidly due to using a frequency band that is too high.
  • the NR system using a band of at least 6 GHz or more narrow beams that solve the problem of reduction in coverage due to the rapid propagation attenuation by collecting and transmitting signal transmission in a specific direction rather than all directions to compensate for the rapid propagation attenuation characteristic Narrow beam) transmission technique is used.
  • the base station collects a plurality of narrow beams and provides a broadband service.
  • the wavelength is shortened, so that it is possible to install a plurality of antenna elements in the same area.
  • a total of 100 antenna elements can be installed in a 2-dimension arrangement at 0.5 lambda (wavelength) intervals on a 5 by 5 cm panel in a 30 GHz band having a wavelength of about 1 cm.
  • mmW millimeter wave
  • a beamforming method in which energy is increased only in a specific direction is mainly considered by transmitting the same signal using an appropriate phase difference to a large number of antennas in a base station or a UE.
  • Such beamforming methods include digital beamforming, which creates a phase difference on a digital baseband signal, analog beamforming, which creates a phase difference using a time delay (ie, cyclic shift) on a modulated analog signal, digital beamforming, and analog beam. And hybrid beamforming using both forming. If a transceiver unit (TXRU) is provided to enable transmission power and phase adjustment for each antenna element, independent beamforming for each frequency resource is possible.
  • TXRU transceiver unit
  • the millimeter frequency band needs to be used by a large number of antennas to compensate for the rapid propagation attenuation characteristics, and digital beamforming corresponds to the number of antennas, so RF components (eg, digital analog converter (DAC), mixer, power) Since an amplifier (power amplifier, linear amplifier, etc.) is required, there is a problem in that the price of a communication device increases to implement digital beamforming in the millimeter frequency band. Therefore, when a large number of antennas are required, such as a millimeter frequency band, use of an analog beamforming or hybrid beamforming method is considered.
  • DAC digital analog converter
  • hybrid beamforming method is considered.
  • the analog beamforming method maps a plurality of antenna elements to one TXRU and adjusts the direction of the beam with an analog phase shifter.
  • This analog beamforming method has a disadvantage in that it can make only one beam direction in the entire band and thus cannot perform frequency selective beamforming (BF).
  • Hybrid BF is a type of digital BF and analog BF, and has a number of B TXRUs less than Q antenna elements. In the case of the hybrid BF, although there are differences depending on the connection scheme of the B TXRU and the Q antenna elements, the direction of beams that can be simultaneously transmitted is limited to B or less.
  • digital beamforming processes signals for transmitted or received digital baseband signals, so multiple beams can be used to simultaneously transmit or receive signals in multiple directions, while analog beamforming can transmit or Since beamforming is performed while the received analog signal is modulated, signals cannot be simultaneously transmitted or received in multiple directions beyond a range covered by one beam.
  • a base station performs communication with multiple users at the same time using broadband transmission or multiple antenna characteristics.
  • the base station uses analog or hybrid beamforming and forms an analog beam in one beam direction, due to the characteristics of analog beamforming. Only users included in the same analog beam direction are forced to communicate.
  • the RACH resource allocation and resource utilization method of the base station according to the present invention is proposed by reflecting the constraints caused by analog beamforming or hybrid beamforming characteristics.
  • TXRU 7 abstractly illustrates a hybrid beamforming structure from the perspective of a transceiver unit (TXRU) and a physical antenna.
  • analog beamforming refers to an operation in which a transceiver (or RF unit) performs precoding (or combining).
  • the baseband unit and the transceiver (or RF unit) perform precoding (or combining), respectively, which results in the number of RF chains and the D / A (or A / D) converter. It has the advantage of being able to achieve performance close to digital beamforming while reducing the number of.
  • the hybrid beamforming structure may be represented by N TXRUs and M physical antennas.
  • the digital beamforming for the L data layers to be transmitted by the transmitting end can be represented by an N-by-L matrix, and then the converted N digital signals are converted into analog signals through TXRU and then converted into an M-by-N matrix.
  • the expressed analog beamforming is applied.
  • the number of digital beams is L and the number of analog beams is N.
  • a base station is designed to change the analog beamforming on a symbol-by-symbol basis, and directions for supporting more efficient beamforming to UEs located in a specific area are being considered.
  • N TXRUs and M RF antennas are defined as one antenna panel, a method of introducing a plurality of antenna panels to which hybrid beamforming independent of each other is applicable is considered in the NR system.
  • the base station When the base station utilizes a plurality of analog beams as described above, since the analog beams advantageous for signal reception may be different for each UE, the base station is applied in a specific slot or subframe (subframe, SF) at least for synchronization signals, system information, and paging.
  • a beam sweeping operation in which all UEs have a reception opportunity by changing a plurality of analog beams to be symbol-by-symbol is considered.
  • FIG. 8 is a diagram illustrating a beam sweeping operation for a synchronization signal and system information in a downlink transmission process.
  • a physical resource or physical channel in which system information of the New RAT system is broadcast is referred to as a physical broadcast channel (xPBCH).
  • xPBCH physical broadcast channel
  • analog beams belonging to different antenna panels within one symbol may be simultaneously transmitted, and in order to measure a channel for each analog beam, as shown in FIG. 8, to a specific antenna panel
  • a method for introducing a beam RS (BRS), a reference signal (RS) transmitted for a corresponding single analog beam has been discussed.
  • the BRS may be defined for a plurality of antenna ports, and each antenna port of the BRS may correspond to a single analog beam.
  • the synchronization signal (Synchronization signal) or xPBCH can be transmitted for all analog beams (Analog beam) included in the analog beam group (Analog beam group) so that any UE can receive well.
  • FIG 9 illustrates a cell of a new radio access technology (NR) system.
  • NR new radio access technology
  • a method in which a plurality of TRPs constitute one cell is being discussed, unlike a base station forming one cell in a wireless communication system such as LTE.
  • the cell is configured, even if the TRP serving the UE is changed, seamless communication is possible, and thus the mobility management of the UE is easy.
  • PSS / SSS is transmitted omni-direction
  • gNB applying mmWave rotates the beam direction omni-direction to signal PSS / SSS / PBCH, etc.
  • a method of beamforming and transmitting is considered. In this way, transmitting / receiving a signal while turning the beam direction is called beam sweeping or beam scanning.
  • beam sweeping is a transmitter-side action
  • beam scanning is a receiver-side action.
  • signals such as PSS / SSS / PBCH are transmitted for the N beam directions, respectively.
  • the gNB transmits synchronization signals such as PSS / SSS / PBCH for each direction while sweeping directions that it may have or wants to support. Or, if the gNB can form N beams, several beams may be grouped to form one beam group, and PSS / SSS / PBCH may be transmitted / received for each beam group. At this time, one beam group includes one or more beams.
  • a signal such as PSS / SSS / PBCH transmitted in the same direction may be defined as one SS block, and a plurality of SS blocks may exist in one cell. When a plurality of SS blocks exist, an SS block index may be used to distinguish each SS block.
  • PSS / SSS / PBCH when PSS / SSS / PBCH is transmitted in 10 beam directions in one system, PSS / SSS / PBCH in the same direction may constitute one SS block, and in the system, 10 SS blocks It can be understood to exist.
  • the beam index may be interpreted as an SS block index.
  • a relay base station is being discussed for the purpose of supplementing coverage holes but reducing wired connections between base stations.
  • This is called IAB (integrated access and backhaul)
  • the Donor gNB (DgNB) transmits a signal to the UE through a relay base station
  • a wireless backhaul link wireless backhaul link
  • DgNB wireless backhaul link
  • an access link for communication between the UE or the relay base station and the UE.
  • the first scenario is an in-band scenario in which the wireless backhaul link and the access link use the same frequency band
  • the second scenario is out-band (out-) in which the wireless backhaul link and the access link use different frequency bands. band) scenario.
  • the interference between the wireless backhaul link and the access link must be dealt with compared to the second scenario, and thus, it may be considered that it is inferior in ease of implementation.
  • nodes transmit SSB or CSI-RS in a backhaul link in order to perform a discovery procedure.
  • Each IAB node measures or discovers these SSBs or CSI-RSs and feeds them back to the parent node or donor node, and allows the network or intermediate nodes to determine route selection based on the feedback values. do.
  • the parent node may transmit a discovery or measured feedback value to the intermediate node, and when the network targets the nodes responsible for the route selection, the parent node The node may transmit a discovery or measured feedback value to the donor node.
  • RN1 when RN1 and RN2 exist, RN1 is connected to RN2 through a backhaul link to relay data transmitted and received to RN2, RN1 is referred to as a parent node of RN2, and RN2 is referred to as RN1. Referred to as a child node.
  • the discovery signal described in the present invention is a signal transmitted by an IAB node, and means a signal transmitted to enable other IAB nodes or UEs to discover or discover themselves.
  • the discovery signal may take the form of an SSB, a CSI-RS, or a signal introduced in another existing NR.
  • the contents of the present invention mainly describe the contents of the IAB node discovering other IAB nodes, but can also be applied when the UE discovers the IAB nodes.
  • the present invention assumes that in the IAB scenario, the IAB nodes control the parent node to set their downlink transmission timing.
  • the parent node may use a TA (timing advance) that is assumed when the child node transmits UL to the parent nodes, and this value is a value for uplink transmission. .
  • TA timing advance
  • the present invention proposes a method for solving this problem.
  • the downlink transmission timing is determined. This is for the purpose of reducing interference between UEs between IAB nodes through IAB nodes performing downlink transmission at the same timing for network synchronization.
  • IAB nodes can use the TA value received from the parent node to calculate the PD from the parent node to itself.
  • the TA value is twice the PD value, which is used when calculating the uplink transmission timing to the parent node.
  • the uplink transmission is performed to transmit the uplink from the self to the parent node. It serves to compensate both the PD and the PD when receiving the downlink.
  • the IAB node can perform downlink transmission at the same timing as the parent node.
  • the TA value may be set to a value slightly different from the double value of the actual PD.
  • FIG. 10 is a diagram for explaining a method of determining a downlink transmission timing of an IAB node.
  • a child node pulls its parent's uplink transmission timing by pulling from a parent node's downlink signal reception timing by a value obtained by adding a TA offset value for each band to a TA value received from the parent node. Decide.
  • the parent node can normally calculate the TA offset value set for each band as the switching time, and calculate twice the PD value between itself and the child node as the TA value, but the switching time and the TA offset value are different. Think, and calculate the TA value to a value other than twice the PD, and inform the child node. At this time, the difference value is added to 2 * PD as much as the switching time-TA offset value, and appears in the TA.
  • the parent node must additionally inform the child node of the correction item in addition to the TA value in order to control downlink transmission timing.
  • the following two methods can be considered for downlink transmission timing.
  • the parent node sets the X value to the child node.
  • the child node when it calculates the downlink transmission timing, it may mean that it is pulled by X in the downlink reception timing. That is, the parent node is a method for allowing the child node to set the downlink transmission timing by notifying X at a time regardless of the TA setting. Since it is not related to the TA, there is an advantage that the downlink transmission timing does not change even when the TA is changed, but the range of the X value increases as much.
  • the X value may be indicated in RAR or RRC signaling.
  • the child node applies the downlink transmission timing by pulling X from the downlink reception timing of the parent node.
  • the child node when it calculates the downlink transmission timing, it may mean that it is pulled by TA / 2 + X in the downlink reception timing. That is, the parent node is a method of setting the downlink transmission timing by adding the value to TA / 2 by only telling the correction item to X between the above-described TA offset and switching time based on the TA setting.
  • This value basically has the advantage that the range of the X value is small as only the correction item is set to X in TA / 2.
  • the downlink transmission timing is dependent on the TA value, whenever the TA value is updated, the downlink transmission timing is also updated, so that the value may be continuously changed.
  • the X value can be indicated by RAR, or by RRC signaling or MAC Control Element (CE).
  • the child node applies the downlink transmission timing by pulling (TA / 2 + X) from the downlink reception timing of the parent node.
  • the child node calculates the downlink transmission timing described in 1 (b), in the case of a method of pulling TA / 2 + X from the downlink reception timing, whenever the TA is updated, the downlink transmission timing is continuously
  • the disadvantage is that it changes. This means that when downlink transmission is performed to a UE supported by a child node or a child node below it, the timing value is continuously changed, and this can be prevented by the following method.
  • the child node When the child node receives the downlink transmission timing value from the parent node, it is assumed that it is not affected by the TA value updated under the following conditions.
  • the current TA value is applied only when instructed to change the downlink transmission timing by informing RAR or RRC signaling (or MAC CE) of the X value indicating the downlink transmission timing change. At this time, the current TA value means the most recently updated TA value.
  • FIG. 11 is a flowchart of a method for performing downlink transmission according to an embodiment of the present invention.
  • the child node receives information about the timing advanced value from the parent node in step 1101. Thereafter, in step 1103, the child node determines the reception timing of the first downlink signal transmitted from the parent node.
  • the child node precedes the reception timing of the first downlink signal by a timing correction value based on the timing advanced value and a preset offset value, and calculates the transmission timing of the second downlink signal.
  • the timing correction value means a sum of half of the timing advanced value and the preset offset value. This is to set the transmission timing of the first downlink signal and the transmission timing of the second downlink signal to be the same.
  • the child node transmits the second downlink signal to another child node according to the transmission timing of the second downlink signal.
  • the preset offset value in step 1105 is included in a random access response message received from the parent node or is provided by higher layer signaling.
  • the timing advanced value is characterized in that it is a timing advanced value most recently updated from the reception of the preset offset value.
  • FIG. 12 illustrates an embodiment of a wireless communication device according to an embodiment of the present invention.
  • the wireless communication device illustrated in FIG. 12 may represent a terminal and / or a base station according to an embodiment of the present invention.
  • the wireless communication device of FIG. 11 is not necessarily limited to the terminal and / or base station according to the present embodiment, and may be replaced with various devices such as a vehicle communication system or device, a wearable device, a laptop, and a smart phone. Can be.
  • the device is a base station, a network node, a transmitting terminal, a receiving terminal, a wireless device, a wireless communication device, a vehicle, a vehicle equipped with an autonomous driving function, a drone (Unmanned Aerial Vehicle, UAV), AI (Artificial Intelligence) Modules, robots, Augmented Reality (AR) devices, Virtual Reality (VR) devices, MTC devices, IoT devices, medical devices, fintech devices (or financial devices), security devices, climate / environment devices, or any other 4th industrial revolution It may be a field or a device related to 5G service.
  • a drone may be a vehicle that does not ride and is flying by radio control signals.
  • the MTC device and the IoT device are devices that do not require direct human intervention or manipulation, and may be smart meters, bending machines, thermometers, smart bulbs, door locks, and various sensors.
  • a medical device is a device used for the purpose of diagnosing, treating, reducing, treating or preventing a disease, a device used for examining, replacing or modifying a structure or function, medical equipment, surgical device, ( In vitro) diagnostic devices, hearing aids, surgical devices, and the like.
  • a security device is a device installed to prevent a risk that may occur and to maintain safety, and may be a camera, CCTV, black box, or the like.
  • a fintech device is a device that can provide financial services such as mobile payment, and may be a payment device, point of sales (POS), or the like.
  • POS point of sales
  • a climate / environmental device may mean a device that monitors and predicts the climate / environment.
  • the transmitting terminal and the receiving terminal are mobile phones, smart phones (smart phones), laptop computers (laptop computers), digital broadcasting terminals, personal digital assistants (PDAs), portable multimedia players (PMPs), navigation, slate PCs , Tablet PC (tablet PC), ultrabook (ultrabook), wearable device (wearable device, for example, a watch-type terminal (smartwatch), glass-type terminal (smart glass), HMD (head mounted display)), foldable ( foldable) devices.
  • the HMD is a display device in a form worn on the head, and may be used to implement VR or AR.
  • a terminal and / or a base station includes at least one processor 10, a transceiver 35, such as a digital signal processor (DSP) or a microprocessor, Power management module 5, antenna 40, battery 55, display 15, keypad 20, memory 30, subscriber identification module (SIM) card 25, speaker 45 and microphone ( 50).
  • the terminal and / or the base station may include a single antenna or multiple antennas.
  • the transceiver 35 may also be referred to as a radio frequency module (RF module).
  • the processor 10 may be configured to implement the functions, procedures and / or methods described in the present invention. In at least some of the embodiments described in the present invention, the processor 10 may implement one or more protocols, such as layers of a radio interface protocol (eg, functional layers).
  • layers of a radio interface protocol eg, functional layers
  • the memory 30 is connected to the processor 10 and stores information related to the operation of the processor 10.
  • the memory 30 may be located inside or outside the processor 10, and may be connected to the processor through various technologies such as wired or wireless communication.
  • the user can input various types of information (for example, instruction information such as a telephone number) by pressing a button of the keypad 20 or by various techniques such as voice activation using the microphone 50.
  • the processor 10 performs appropriate functions such as receiving and / or processing user information and dialing a telephone number.
  • data may be retrieved from the SIM card 25 or the memory 30 to perform the appropriate functions.
  • the processor 10 may receive and process GPS information from a GPS chip to obtain location information of terminals and / or base stations such as vehicle navigation and map services, or perform functions related to location information.
  • the processor 10 may display various types of information and data on the display 15 for the user's reference and convenience.
  • the transceiver 35 is connected to the processor 10 to transmit and / or receive a radio signal such as a radio frequency (RF) signal.
  • the processor 10 may control the transceiver 35 to initiate communication and transmit wireless signals including various types of information or data such as voice communication data.
  • the transceiver 35 may include a receiver that receives a radio signal and a transmitter that transmits it.
  • the antenna 40 facilitates transmission and reception of radio signals.
  • the transceiver 35 may forward and convert the signal to a baseband frequency for processing by the processor 10.
  • the processed signal can be processed according to various techniques, such as being converted into audible or readable information, and the signal can be output through the speaker 45.
  • sensors may also be connected to the processor 10.
  • the sensor may include one or more sensing devices configured to detect various types of information including speed, acceleration, light, vibration, and the like.
  • sensor information obtained from a sensor, such as proximity, location, and image, various functions such as collision avoidance and autonomous driving can be performed.
  • various components such as a camera and a USB port may be additionally included in the terminal and / or the base station.
  • a camera may be further connected to the processor 10, and such a camera may be used for various services such as autonomous driving and vehicle safety services.
  • FIG. 12 is not limited thereto, as long as it is only an embodiment of devices constituting a terminal and / or a base station.
  • some components such as keypad 20, Global Positioning System (GPS) chip, sensor, speaker 45 and / or microphone 50, may be excluded for terminal and / or base station implementation in some embodiments. It might be.
  • GPS Global Positioning System
  • FIG. 13 shows an AI device 100 capable of implementing embodiments of the present invention.
  • the AI device 100 is a TV, projector, mobile phone, smartphone, desktop computer, laptop, digital broadcasting terminal, PDA (personal digital assistants), PMP (portable multimedia player), navigation, tablet PC, wearable device, set-top box (STB) ), DMB receivers, radios, washing machines, refrigerators, desktop computers, digital signage, robots, vehicles, and the like.
  • PDA personal digital assistants
  • PMP portable multimedia player
  • STB set-top box
  • DMB receivers radios
  • washing machines refrigerators
  • desktop computers digital signage
  • robots, vehicles and the like.
  • the terminal 100 includes a communication unit 110, an input unit 120, a running processor 130, a sensing unit 140, an output unit 150, a memory 170, a processor 180, etc. It can contain.
  • the communication unit 110 may transmit and receive data to and from external devices such as other AI devices 100a to 100e or the AI server 200 using wired / wireless communication technology.
  • the communication unit 110 may transmit and receive sensor information, a user input, a learning model, a control signal, etc. with external devices.
  • the communication technology used by the communication unit 110 includes Global System for Mobile Communication (GSM), Code Division Multi Access (CDMA), Long Term Evolution (LTE), 5G, Wireless LAN (WLAN), Wireless-Fidelity (Wi-Fi). ), Bluetooth TM, Radio Frequency Identification (RFID), Infrared Data Association (IrDA), ZigBee, Near Field Communication (NFC), and the like.
  • GSM Global System for Mobile Communication
  • CDMA Code Division Multi Access
  • LTE Long Term Evolution
  • 5G Fifth Generation
  • WLAN Wireless LAN
  • Wi-Fi Wireless-Fidelity
  • Bluetooth TM Bluetooth TM
  • Radio Frequency Identification RFID
  • IrDA Infrared Data Association
  • ZigBee ZigBee
  • NFC Near Field Communication
  • the input unit 120 may acquire various types of data.
  • the input unit 120 may include a camera for inputting a video signal, a microphone for receiving an audio signal, a user input for receiving information from a user, and the like.
  • the camera or microphone is treated as a sensor, and the signal obtained from the camera or microphone may be referred to as sensing data or sensor information.
  • the input unit 120 may acquire training data for model training and input data to be used when obtaining an output using the training model.
  • the input unit 120 may acquire raw input data, and in this case, the processor 180 or the learning processor 130 may extract input features as pre-processing of the input data.
  • the learning processor 130 may train a model composed of artificial neural networks using the training data.
  • the learned artificial neural network may be referred to as a learning model.
  • the learning model can be used to infer a result value for new input data rather than learning data, and the inferred value can be used as a basis for judgment to perform an action.
  • the learning processor 130 may perform AI processing together with the learning processor 240 of the AI server 200.
  • the learning processor 130 may include a memory integrated or implemented in the AI device 100.
  • the learning processor 130 may be implemented using a memory 170, an external memory directly coupled to the AI device 100, or a memory maintained in the external device.
  • the sensing unit 140 may acquire at least one of AI device 100 internal information, AI device 100 environment information, and user information using various sensors.
  • the sensors included in the sensing unit 140 include a proximity sensor, an illuminance sensor, an acceleration sensor, a magnetic sensor, a gyro sensor, an inertial sensor, an RGB sensor, an IR sensor, a fingerprint recognition sensor, an ultrasonic sensor, an optical sensor, a microphone, and a lidar. , Radar and more.
  • the output unit 150 may generate output related to vision, hearing, or touch.
  • the output unit 150 may include a display unit for outputting visual information, a speaker for outputting auditory information, a haptic module for outputting tactile information, and the like.
  • the memory 170 may store data supporting various functions of the AI device 100.
  • the memory 170 may store input data obtained from the input unit 120, learning data, a learning model, and learning history.
  • the processor 180 may determine at least one executable action of the AI device 100 based on information determined or generated using a data analysis algorithm or a machine learning algorithm. Also, the processor 180 may control components of the AI device 100 to perform a determined operation.
  • the processor 180 may request, search, receive, or utilize data of the learning processor 130 or the memory 170, and may perform a predicted operation or an operation determined to be desirable among the at least one executable operation. It is possible to control the components of the AI device 100 to execute.
  • the processor 180 may generate a control signal for controlling the external device, and transmit the generated control signal to the external device when it is necessary to link the external device to perform the determined operation.
  • the processor 180 may acquire intention information for a user input, and determine a user's requirement based on the obtained intention information.
  • the processor 180 uses at least one of a speech to text (STT) engine for converting voice input into a string or a natural language processing (NLP) engine for acquiring intention information of a natural language, and a user Intention information corresponding to an input may be obtained.
  • STT speech to text
  • NLP natural language processing
  • At this time, at least one of the STT engine or the NLP engine may be configured as an artificial neural network at least partially learned according to a machine learning algorithm. And, at least one or more of the STT engine or the NLP engine is learned by the learning processor 130, learned by the learning processor 240 of the AI server 200, or learned by distributed processing thereof May be
  • the processor 180 collects history information including the operation content of the AI device 100 or the user's feedback on the operation, and stores the information in the memory 170 or the running processor 130, or the AI server 200 or the like. Can be sent to external devices. The collected history information can be used to update the learning model.
  • the processor 180 may control at least some of the components of the AI device 100 to drive an application program stored in the memory 170. Furthermore, the processor 180 may operate by combining two or more of the components included in the AI device 100 to drive the application program.
  • FIG. 14 shows an AI server 200 capable of implementing embodiments of the present invention.
  • the AI server 200 may refer to an apparatus for learning an artificial neural network using a machine learning algorithm or using a trained artificial neural network.
  • the AI server 200 may be composed of a plurality of servers to perform distributed processing, or may be defined as a 5G network.
  • the AI server 200 is included as a configuration of a part of the AI device 100, and may perform at least a part of AI processing together.
  • the AI server 200 may include a communication unit 210, a memory 230, a running processor 240 and a processor 260.
  • the communication unit 210 may transmit and receive data with an external device such as the AI device 100.
  • the memory 230 may include a model storage unit 231.
  • the model storage unit 231 may store a model (or artificial neural network, 231a) being trained or trained through the learning processor 240.
  • the learning processor 240 may train the artificial neural network 231a using learning data.
  • the learning model may be used while being mounted on the AI server 200 of the artificial neural network, or may be mounted and used on an external device such as the AI device 100.
  • the learning model can be implemented in hardware, software, or a combination of hardware and software. When part or all of the learning model is implemented in software, one or more instructions constituting the learning model may be stored in the memory 230.
  • the processor 260 may infer the result value for the new input data using the learning model, and generate a response or control command based on the inferred result value.
  • FIG 15 shows an AI system 1 according to which embodiments of the present invention can be implemented.
  • the AI system 1 includes at least one of an AI server 200, a robot 100a, an autonomous vehicle 100b, an XR device 100c, a smartphone 100d, or a home appliance 100e. It is connected to the cloud network 10.
  • the robot 100a to which AI technology is applied, the autonomous vehicle 100b, the XR device 100c, the smartphone 100d, or the home appliance 100e may be referred to as AI devices 100a to 100e.
  • the cloud network 10 may form a part of the cloud computing infrastructure or may mean a network existing in the cloud computing infrastructure.
  • the cloud network 10 may be configured using a 3G network, a 4G or a Long Term Evolution (LTE) network, or a 5G network.
  • LTE Long Term Evolution
  • each device (100a to 100e, 200) constituting the AI system 1 may be connected to each other through the cloud network (10).
  • the devices 100a to 100e and 200 may communicate with each other through a base station, but may also communicate with each other directly without going through the base station.
  • the AI server 200 may include a server performing AI processing and a server performing operations on big data.
  • the AI server 200 includes at least one or more of the robots 100a, the autonomous vehicle 100b, the XR device 100c, the smartphone 100d, or the home appliance 100e, which are AI devices constituting the AI system 1. It is connected through the cloud network 10 and can assist at least some of the AI processing of the connected AI devices 100a to 100e.
  • the AI server 200 may train the artificial neural network according to the machine learning algorithm on behalf of the AI devices 100a to 100e, and may directly store the learning model or transmit it to the AI devices 100a to 100e.
  • the AI server 200 receives input data from the AI devices 100a to 100e, infers a result value to the received input data using a learning model, and issues a response or control command based on the inferred result value. It can be generated and transmitted to AI devices 100a to 100e.
  • the AI devices 100a to 100e may infer a result value with respect to input data using a direct learning model, and generate a response or control command based on the inferred result value.
  • the AI devices 100a to 100e to which the above-described technology is applied will be described.
  • the AI devices 100a to 100e illustrated in FIG. 22 may be viewed as specific embodiments of the AI device 100 illustrated in FIG. 20.
  • AI technology is applied to the robot 100a, and may be implemented as a guide robot, a transport robot, a cleaning robot, a wearable robot, an entertainment robot, a pet robot, and an unmanned flying robot.
  • the robot 100a may include a robot control module for controlling an operation, and the robot control module may mean a software module or a chip implemented with hardware.
  • the robot 100a acquires state information of the robot 100a using sensor information obtained from various types of sensors, detects (recognizes) surrounding environment and objects, generates map data, or moves and travels. You can decide on a plan, determine a response to user interaction, or determine an action.
  • the robot 100a may use sensor information obtained from at least one sensor among a lidar, a radar, and a camera in order to determine a movement path and a driving plan.
  • the robot 100a may perform the above operations using a learning model composed of at least one artificial neural network.
  • the robot 100a may recognize a surrounding environment and an object using a learning model, and determine an operation using the recognized surrounding environment information or object information.
  • the learning model may be directly learned from the robot 100a, or may be learned from an external device such as the AI server 200.
  • the robot 100a may perform an operation by generating a result using a direct learning model, but transmits sensor information to an external device such as the AI server 200 and receives the result generated accordingly. You may.
  • the robot 100a determines a moving path and a driving plan using at least one of map data, object information detected from sensor information, or object information obtained from an external device, and controls the driving unit to determine the determined moving path and driving plan. Accordingly, the robot 100a can be driven.
  • the map data may include object identification information for various objects arranged in a space in which the robot 100a moves.
  • the map data may include object identification information for fixed objects such as walls and doors and movable objects such as flower pots and desks.
  • the object identification information may include a name, type, distance, and location.
  • the robot 100a may perform an operation or travel by controlling a driving unit based on a user's control / interaction. At this time, the robot 100a may acquire intention information of an interaction according to a user's motion or voice utterance, and determine a response based on the obtained intention information to perform an operation.
  • the autonomous driving vehicle 100b is applied with AI technology and can be implemented as a mobile robot, a vehicle, or an unmanned aerial vehicle.
  • the autonomous driving vehicle 100b may include an autonomous driving control module for controlling an autonomous driving function, and the autonomous driving control module may refer to a software module or a chip implemented with hardware.
  • the autonomous driving control module may be included therein as a configuration of the autonomous driving vehicle 100b, but may be configured and connected to the outside of the autonomous driving vehicle 100b with separate hardware.
  • the autonomous vehicle 100b acquires state information of the autonomous vehicle 100b using sensor information obtained from various types of sensors, detects (recognizes) surrounding objects and objects, generates map data,
  • the route and driving plan may be determined, or an operation may be determined.
  • the autonomous vehicle 100b may use sensor information obtained from at least one sensor among a lidar, a radar, and a camera, like the robot 100a, in order to determine a movement path and a driving plan.
  • the autonomous driving vehicle 100b may receive sensor information from external devices or recognize an environment or an object for an area where a field of view is obscured or a predetermined distance or more, or receive information recognized directly from external devices. .
  • the autonomous vehicle 100b may perform the above-described operations using a learning model composed of at least one artificial neural network.
  • the autonomous driving vehicle 100b may recognize a surrounding environment and an object using a learning model, and may determine a driving line using the recognized surrounding environment information or object information.
  • the learning model may be learned directly from the autonomous vehicle 100b or may be learned from an external device such as the AI server 200.
  • the autonomous vehicle 100b may perform an operation by generating a result using a direct learning model, but transmits sensor information to an external device such as the AI server 200 and receives the generated result accordingly. You can also do
  • the autonomous vehicle 100b determines a moving path and a driving plan using at least one of map data, object information detected from sensor information, or object information obtained from an external device, and controls the driving unit to determine the moving path and driving According to the plan, the autonomous vehicle 100b may be driven.
  • the map data may include object identification information for various objects arranged in a space (for example, a road) in which the autonomous vehicle 100b travels.
  • the map data may include object identification information for fixed objects such as street lights, rocks, buildings, and movable objects such as vehicles and pedestrians.
  • the object identification information may include a name, type, distance, and location.
  • the autonomous vehicle 100b may perform an operation or run by controlling a driving unit based on a user's control / interaction.
  • the autonomous driving vehicle 100b may acquire intention information of an interaction according to a user's motion or voice utterance, and may perform an operation by determining a response based on the obtained intention information.
  • AI technology is applied to the XR device 100c, HMD (Head-Mount Display), HUD (Head-Up Display) provided in a vehicle, television, mobile phone, smart phone, computer, wearable device, home appliance, digital signage , It can be implemented as a vehicle, a fixed robot or a mobile robot.
  • HMD Head-Mount Display
  • HUD Head-Up Display
  • the XR device 100c generates location data and attribute data for 3D points by analyzing 3D point cloud data or image data obtained through various sensors or from an external device, thereby providing information about surrounding space or real objects.
  • the XR object to be acquired and output can be rendered and output.
  • the XR device 100c may output an XR object including additional information about the recognized object in correspondence with the recognized object.
  • the XR device 100c may perform the above operations using a learning model composed of at least one artificial neural network.
  • the XR device 100c may recognize a real object from 3D point cloud data or image data using a learning model, and provide information corresponding to the recognized real object.
  • the learning model may be directly trained in the XR device 100c or may be learned in an external device such as the AI server 200.
  • the XR device 100c may perform an operation by generating a result using a direct learning model, but transmits sensor information to an external device such as the AI server 200 and receives the generated result accordingly. You can also do
  • the robot 100a is applied with AI technology and autonomous driving technology, and may be implemented as a guide robot, a transport robot, a cleaning robot, a wearable robot, an entertainment robot, a pet robot, and an unmanned flying robot.
  • the robot 100a to which AI technology and autonomous driving technology are applied may mean the robot itself having an autonomous driving function or the robot 100a that interacts with the autonomous driving vehicle 100b.
  • the robot 100a having an autonomous driving function may move itself according to a given moving line without user control, or collectively refer to moving devices by determining the moving line itself.
  • the robot 100a having an autonomous driving function and the autonomous driving vehicle 100b may use a common sensing method to determine one or more of a moving path or a driving plan.
  • the robot 100a and the autonomous vehicle 100b having an autonomous driving function may determine one or more of a moving route or a driving plan using information sensed through a lidar, a radar, and a camera.
  • the robot 100a interacting with the autonomous vehicle 100b exists separately from the autonomous vehicle 100b, and is connected to an autonomous vehicle function inside or outside the autonomous vehicle 100b, or the autonomous vehicle 100b ) Can perform the operation associated with the user on board.
  • the robot 100a that interacts with the autonomous vehicle 100b acquires sensor information on behalf of the autonomous vehicle 100b and provides it to the autonomous vehicle 100b, obtains sensor information, and obtains environment information or By generating object information and providing it to the autonomous vehicle 100b, it is possible to control or assist the autonomous vehicle driving function of the autonomous vehicle 100b.
  • the robot 100a interacting with the autonomous vehicle 100b may monitor a user on the autonomous vehicle 100b or control a function of the autonomous vehicle 100b through interaction with the user. .
  • the robot 100a may activate the autonomous driving function of the autonomous vehicle 100b or assist control of a driving unit of the autonomous vehicle 100b.
  • the function of the autonomous driving vehicle 100b controlled by the robot 100a may include not only an autonomous driving function, but also a function provided by a navigation system or an audio system provided inside the autonomous driving vehicle 100b.
  • the robot 100a interacting with the autonomous vehicle 100b may provide information or assist a function to the autonomous vehicle 100b from outside the autonomous vehicle 100b.
  • the robot 100a may provide traffic information including signal information to the autonomous vehicle 100b, such as a smart traffic light, or interact with the autonomous vehicle 100b, such as an automatic electric charger for an electric vehicle.
  • An electric charger can also be automatically connected to the charging port.
  • the robot 100a is applied with AI technology and XR technology, and can be implemented as a guide robot, a transport robot, a cleaning robot, a wearable robot, an entertainment robot, a pet robot, an unmanned flying robot, and a drone.
  • the robot 100a to which XR technology is applied may mean a robot that is a target of control / interaction within an XR image.
  • the robot 100a is separated from the XR device 100c and can be interlocked with each other.
  • the robot 100a which is the object of control / interaction within the XR image, acquires sensor information from sensors including a camera
  • the robot 100a or the XR device 100c generates an XR image based on the sensor information.
  • the XR device 100c may output the generated XR image.
  • the robot 100a may operate based on a control signal input through the XR device 100c or a user's interaction.
  • the user can check the XR image corresponding to the viewpoint of the robot 100a remotely linked through an external device such as the XR device 100c, and adjust the autonomous driving path of the robot 100a through interaction or , You can control the operation or driving, or check the information of the surrounding objects.
  • the autonomous vehicle 100b may be implemented with a mobile robot, a vehicle, or an unmanned aerial vehicle by applying AI technology and XR technology.
  • the autonomous driving vehicle 100b to which XR technology is applied may mean an autonomous driving vehicle having a means for providing an XR image or an autonomous driving vehicle that is a target of control / interaction within an XR image.
  • the autonomous vehicle 100b which is the object of control / interaction within the XR image, is distinguished from the XR device 100c and can be interlocked with each other.
  • the autonomous vehicle 100b having a means for providing an XR image may acquire sensor information from sensors including a camera and output an XR image generated based on the acquired sensor information.
  • the autonomous vehicle 100b may provide an XR object corresponding to a real object or an object on the screen to the occupant by outputting an XR image with a HUD.
  • the XR object when the XR object is output to the HUD, at least a portion of the XR object may be output so as to overlap with the actual object that the occupant's gaze is facing.
  • the XR object when the XR object is output to a display provided inside the autonomous vehicle 100b, at least a part of the XR object may be output to overlap the object in the screen.
  • the autonomous vehicle 100b may output XR objects corresponding to objects such as lanes, other vehicles, traffic lights, traffic signs, motorcycles, pedestrians, buildings, and the like.
  • the autonomous vehicle 100b which is the object of control / interaction within an XR image, acquires sensor information from sensors including a camera
  • the autonomous vehicle 100b or the XR device 100c is based on the sensor information.
  • the XR image is generated, and the XR device 100c may output the generated XR image.
  • the autonomous vehicle 100b may operate based on a user's interaction or a control signal input through an external device such as the XR device 100c.
  • a specific operation described as being performed by a base station may be performed by an upper node in some cases. That is, it is apparent that various operations performed for communication with a terminal in a network consisting of a plurality of network nodes including a base station can be performed by a base station or other network nodes other than the base station.
  • the base station may be replaced by terms such as a fixed station, Node B, eNode B (eNB), or access point.
  • Embodiments according to the present invention may be implemented by various means, for example, hardware, firmware, software, or a combination thereof.
  • one embodiment of the present invention includes one or more application specific integrated circuits (ASICs), digital signal processors (DSPs), digital signal processing devices (DSPDs), programmable logic devices (PLDs), FPGAs ( field programmable gate arrays), processors, controllers, microcontrollers, microprocessors, and the like.
  • ASICs application specific integrated circuits
  • DSPs digital signal processors
  • DSPDs digital signal processing devices
  • PLDs programmable logic devices
  • FPGAs field programmable gate arrays
  • processors controllers, microcontrollers, microprocessors, and the like.
  • an embodiment of the present invention may be implemented in the form of a module, procedure, function, etc. that performs the functions or operations described above.
  • the software code can be stored in a memory unit and driven by a processor.
  • the memory unit is located inside or outside the processor, and can exchange data with the processor by various known means.

Landscapes

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

Abstract

본 출원에서는 차세대 무선 통신 시스템에서 차일드 노드가 하향링크 신호를 송신하는 방법이 개시된다. 구체적으로, 상기 방법은, 페어런트 노드로부터 타이밍 어드밴스드 값에 대한 정보를 수신하는 단계; 상기 페어런트 노드로부터 송신되는 제 1 하향링크 신호의 수신 타이밍을 결정하는 단계; 상기 타이밍 어드밴스드 값과 미리 설정된 오프셋 값에 기반하는 타이밍 보정값만큼 상기 제 1 하향링크 신호의 수신 타이밍으로부터 선행하여, 제 2 하향링크 신호의 송신 타이밍을 산출하는 단계; 및 상기 제 2 하향링크 신호의 송신 타이밍에 따라서, 다른 차일드 노드로 상기 제 2 하항링크 신호를 송신하는 단계를 포함하는 것을 특징으로 한다.

Description

차세대 통신 시스템에서 릴레이 노드를 위한 하향링크 송신 타이밍 결정 방법 및 이를 위한 장치
본 발명은 무선 통신 시스템에 관한 것으로서, 보다 상세하게는 차세대 통신 시스템에서 릴레이 노드를 위한 하향링크 송신 타이밍 결정 방법 및 이를 위한 장치에 관한 것이다.
시대의 흐름에 따라 더욱 많은 통신 기기들이 더욱 큰 통신 트래픽을 요구하게 되면서, 기존 LTE 시스템보다 향상된 무선 광대역 통신인 차세대 5G 시스템이 요구되고 있다. NewRAT이라고 명칭되는, 이러한 차세대 5G 시스템에서는 Enhanced Mobile BroadBand (eMBB)/ Ultra-reliability and low-latency communication (URLLC)/Massive Machine-Type Communications (mMTC) 등으로 통신 시나리오가 구분된다.
여기서, eMBB는 High Spectrum Efficiency, High User Experienced Data Rate, High Peak Data Rate 등의 특성을 갖는 차세대 이동통신 시나리오이고, URLLC는 Ultra Reliable, Ultra Low Latency, Ultra High Availability 등의 특성을 갖는 차세대 이동통신 시나리오이며 (e.g., V2X, Emergency Service, Remote Control), mMTC는 Low Cost, Low Energy, Short Packet, Massive Connectivity 특성을 갖는 차세대 이동통신 시나리오이다. (e.g., IoT).
상술한 바와 같은 논의를 바탕으로 이하에서는 차세대 통신 시스템에서 릴레이 노드를 위한 하향링크 송신 타이밍 결정 방법 및 이를 위한 장치를 제안하고자 한다.
본 발명의 일 양상인 차세대 무선 통신 시스템에서 차일드 노드가 하향링크 신호를 송신하는 방법은, 페어런트 노드로부터 타이밍 어드밴스드 값에 대한 정보를 수신하는 단계; 상기 페어런트 노드로부터 송신되는 제 1 하향링크 신호의 수신 타이밍을 결정하는 단계; 상기 타이밍 어드밴스드 값과 미리 설정된 오프셋 값에 기반하는 타이밍 보정값만큼 상기 제 1 하향링크 신호의 수신 타이밍으로부터 선행하여, 제 2 하향링크 신호의 송신 타이밍을 산출하는 단계; 및 상기 제 2 하향링크 신호의 송신 타이밍에 따라서, 다른 차일드 노드로 상기 제 2 하항링크 신호를 송신하는 단계를 포함하는 것을 한다.
한편, 본 발명의 일 양상인 차세대 무선 통신 시스템에서의 릴레이 노드는, 무선 통신 모듈; 적어도 하나의 프로세서; 및 상기 적어도 하나의 프로세서에 동작 가능하도록 연결되고, 실행될 경우 상기 적어도 하나의 프로세서가 특정 동작을 수행하도록 하는 명령들(instructions)을 저장하는 적어도 하나의 메모리를 포함하고, 상기 특정 동작은, 페어런트 노드로부터 타이밍 어드밴스드 값에 대한 정보를 수신하고, 상기 페어런트 노드로부터 송신되는 제 1 하향링크 신호의 수신 타이밍을 결정하며, 상기 타이밍 어드밴스드 값과 미리 설정된 오프셋 값에 기반하는 타이밍 보정값만큼 상기 제 1 하향링크 신호의 수신 타이밍으로부터 선행하여, 제 2 하향링크 신호의 송신 타이밍을 산출하고, 상기 제 2 하향링크 신호의 송신 타이밍에 따라서, 다른 차일드 노드로 상기 제 2 하항링크 신호를 송신하는 동작을 포함하는 것을 특징으로 한다.
바람직하게는, 상기 제 1 하향링크 신호의 송신 타이밍과 상기 제 2 하향링크 신호의 송신 타이밍은 동일한 것을 특징으로 한다.
바람직하게는, 상기 미리 설정된 오프셋 값은 상기 페이런트 노드로부터 수신하는 랜덤 액세스 응답 메시지에 포함되거나, 상위 계층 시그널링으로 제공되는 것을 특징으로 한다. 나아가, 상기 타이밍 어드밴스드 값은 상기 미리 설정된 오프셋 값의 수신으로부터 가장 최근에 갱신된 타이밍 어드밴스드 값인 것을 특징으로 한다.
구체적으로, 상기 타이밍 보정값은, 상기 타이밍 어드밴스드 값의 절반과 상기 미리 설정된 오프셋 값의 합인 것을 특징으로 한다.
본 발명의 실시예에 따르면 차세대 통신 시스템에서 릴레이 노드는 보다 효율적으로 하향링크 송신 타이밍을 결정할 수 있다.
본 발명에서 얻을 수 있는 효과는 이상에서 언급한 효과들로 제한되지 않으며, 언급하지 않은 또 다른 효과들은 아래의 기재로부터 본 발명이 속하는 기술분야에서 통상의 지식을 가진 자에게 명확하게 이해될 수 있을 것이다.
도 1은 3GPP 무선 접속망 규격을 기반으로 한 단말과 E-UTRAN 사이의 무선 인터페이스 프로토콜(Radio Interface Protocol)의 제어평면(Control Plane) 및 사용자평면(User Plane) 구조를 나타내는 도면.
도 2는 3GPP 시스템에 이용되는 물리 채널들 및 이들을 이용한 일반적인 신호 송신 방법을 설명하기 위한 도면.
도 3은 LTE 시스템에서 사용되는 무선 프레임의 구조를 예시하는 도면.
도 4 내지 도 6은 NR 시스템에서 사용되는 무선 프레임 및 슬롯의 구조를 설명하기 위한 도면이다.
도 7은 송수신기 유닛(transceiver unit, TXRU) 및 물리적 안테나 관점에서 하이브리드 빔포밍 구조를 추상적으로 도시한 것이다.
도 8은 하향링크 전송 과정에서 동기 신호와 시스템 정보에 대한 빔 스위핑(Beam Sweeping) 동작을 나타낸다.
도 9는 새로운 무선 접속 기술(new radio access technology, NR) 시스템의 셀을 예시한 것이다.
도 10은 IAB 노드의 하향링크 송신 타이밍 결정 방법을 설명하기 위한 도면이다.
도 11은 본 발명의 실시에에 따라 하향링크 송신을 수행하는 방법의 순서도이다.
도 12는 본 발명의 실시 예들을 구현하기 위한 장치의 구성요소의 예시를 나타내는 블록도이다.
도 13 내지 도 15는 본 발명의 실시 예들을 구현하기 위한 AI (Artificial Intelligence) 시스템 및 장치의 예시를 나타내는 도면이다.
이하에서 첨부된 도면을 참조하여 설명된 본 발명의 실시예들에 의해 본 발명의 구성, 작용 및 다른 특징들이 용이하게 이해될 수 있을 것이다. 이하에서 설명되는 실시예들은 본 발명의 기술적 특징들이 3GPP 시스템에 적용된 예들이다.
본 명세서는 LTE 시스템, LTE-A 시스템 및 NR 시스템을 사용하여 본 발명의 실시예를 설명하지만, 이는 예시로서 본 발명의 실시예는 상기 정의에 해당되는 어떤 통신 시스템에도 적용될 수 있다.
또한, 본 명세서는 기지국의 명칭은 RRH(remote radio head), eNB, TP(transmission point), RP(reception point), 중계기(relay) 등을 포함하는 포괄적인 용어로 사용될 수 있다.
<인공 지능(AI: Artificial Intelligence)>
인공 지능은 인공적인 지능 또는 이를 만들 수 있는 방법론을 연구하는 분야를 의미하며, 머신 러닝(기계 학습, Machine Learning)은 인공 지능 분야에서 다루는 다양한 문제를 정의하고 그것을 해결하는 방법론을 연구하는 분야를 의미한다. 머신 러닝은 어떠한 작업에 대하여 꾸준한 경험을 통해 그 작업에 대한 성능을 높이는 알고리즘으로 정의하기도 한다.
인공 신경망(ANN: Artificial Neural Network)은 머신 러닝에서 사용되는 모델로써, 시냅스의 결합으로 네트워크를 형성한 인공 뉴런(노드)들로 구성되는, 문제 해결 능력을 가지는 모델 전반을 의미할 수 있다. 인공 신경망은 다른 레이어의 뉴런들 사이의 연결 패턴, 모델 파라미터를 갱신하는 학습 과정, 출력값을 생성하는 활성화 함수(Activation Function)에 의해 정의될 수 있다.
인공 신경망은 입력층(Input Layer), 출력층(Output Layer), 그리고 선택적으로 하나 이상의 은닉층(Hidden Layer)를 포함할 수 있다. 각 층은 하나 이상의 뉴런을 포함하고, 인공 신경망은 뉴런과 뉴런을 연결하는 시냅스를 포함할 수 있다. 인공 신경망에서 각 뉴런은 시냅스를 통해 입력되는 입력 신호들, 가중치, 편향에 대한 활성 함수의 함숫값을 출력할 수 있다.
모델 파라미터는 학습을 통해 결정되는 파라미터를 의미하며, 시냅스 연결의 가중치와 뉴런의 편향 등이 포함된다. 그리고, 하이퍼파라미터는 머신 러닝 알고리즘에서 학습 전에 설정되어야 하는 파라미터를 의미하며, 학습률(Learning Rate), 반복 횟수, 미니 배치 크기, 초기화 함수 등이 포함된다.
인공 신경망의 학습의 목적은 손실 함수를 최소화하는 모델 파라미터를 결정하는 것으로 볼 수 있다. 손실 함수는 인공 신경망의 학습 과정에서 최적의 모델 파라미터를 결정하기 위한 지표로 이용될 수 있다.
머신 러닝은 학습 방식에 따라 지도 학습(Supervised Learning), 비지도 학습(Unsupervised Learning), 강화 학습(Reinforcement Learning)으로 분류할 수 있다.
지도 학습은 학습 데이터에 대한 레이블(label)이 주어진 상태에서 인공 신경망을 학습시키는 방법을 의미하며, 레이블이란 학습 데이터가 인공 신경망에 입력되는 경우 인공 신경망이 추론해 내야 하는 정답(또는 결과 값)을 의미할 수 있다. 비지도 학습은 학습 데이터에 대한 레이블이 주어지지 않는 상태에서 인공 신경망을 학습시키는 방법을 의미할 수 있다. 강화 학습은 어떤 환경 안에서 정의된 에이전트가 각 상태에서 누적 보상을 최대화하는 행동 혹은 행동 순서를 선택하도록 학습시키는 학습 방법을 의미할 수 있다.
인공 신경망 중에서 복수의 은닉층을 포함하는 심층 신경망(DNN: Deep Neural Network)으로 구현되는 머신 러닝을 딥 러닝(심층 학습, Deep Learning)이라 부르기도 하며, 딥 러닝은 머신 러닝의 일부이다. 이하에서, 머신 러닝은 딥 러닝을 포함하는 의미로 사용된다.
<로봇(Robot)>
로봇은 스스로 보유한 능력에 의해 주어진 일을 자동으로 처리하거나 작동하는 기계를 의미할 수 있다. 특히, 환경을 인식하고 스스로 판단하여 동작을 수행하는 기능을 갖는 로봇을 지능형 로봇이라 칭할 수 있다.
로봇은 사용 목적이나 분야에 따라 산업용, 의료용, 가정용, 군사용 등으로 분류할 수 있다.
로봇은 액츄에이터 또는 모터를 포함하는 구동부를 구비하여 로봇 관절을 움직이는 등의 다양한 물리적 동작을 수행할 수 있다. 또한, 이동 가능한 로봇은 구동부에 휠, 브레이크, 프로펠러 등이 포함되어, 구동부를 통해 지상에서 주행하거나 공중에서 비행할 수 있다.
<자율 주행(Self-Driving, Autonomous-Driving)>
자율 주행은 스스로 주행하는 기술을 의미하며, 자율 주행 차량은 사용자의 조작 없이 또는 사용자의 최소한의 조작으로 주행하는 차량(Vehicle)을 의미한다.
예컨대, 자율 주행에는 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 등이 모두 포함될 수 있다.
차량은 내연 기관만을 구비하는 차량, 내연 기관과 전기 모터를 함께 구비하는 하이브리드 차량, 그리고 전기 모터만을 구비하는 전기 차량을 모두 포괄하며, 자동차뿐만 아니라 기차, 오토바이 등을 포함할 수 있다.
이때, 자율 주행 차량은 자율 주행 기능을 가진 로봇으로 볼 수 있다.
<확장 현실(XR: eXtended Reality)>
확장 현실은 가상 현실(VR: Virtual Reality), 증강 현실(AR: Augmented Reality), 혼합 현실(MR: Mixed Reality)을 총칭한다. VR 기술은 현실 세계의 객체나 배경 등을 CG 영상으로만 제공하고, AR 기술은 실제 사물 영상 위에 가상으로 만들어진 CG 영상을 함께 제공하며, MR 기술은 현실 세계에 가상 객체들을 섞고 결합시켜서 제공하는 컴퓨터 그래픽 기술이다.
MR 기술은 현실 객체와 가상 객체를 함께 보여준다는 점에서 AR 기술과 유사하다. 그러나, AR 기술에서는 가상 객체가 현실 객체를 보완하는 형태로 사용되는 반면, MR 기술에서는 가상 객체와 현실 객체가 동등한 성격으로 사용된다는 점에서 차이점이 있다.
XR 기술은 HMD(Head-Mount Display), HUD(Head-Up Display), 휴대폰, 태블릿 PC, 랩탑, 데스크탑, TV, 디지털 사이니지 등에 적용될 수 있고, XR 기술이 적용된 장치를 XR 장치(XR Device)라 칭할 수 있다.
이제, NR 시스템을 포함한 5G 통신에 대해서 살펴보도록 한다.
5G의 세 가지 주요 요구 사항 영역은 (1) 개선된 모바일 광대역 (Enhanced Mobile Broadband, eMBB) 영역, (2) 다량의 머신 타입 통신 (massive Machine Type Communication, mMTC) 영역 및 (3) 초-신뢰 및 저 지연 통신 (Ultra-reliable and Low Latency Communications, URLLC) 영역을 포함한다.
일부 사용 예(Use Case)는 최적화를 위해 다수의 영역들이 요구될 수 있고, 다른 사용 예는 단지 하나의 핵심 성능 지표 (Key Performance Indicator, KPI)에만 포커싱될 수 있다. 5G는 이러한 다양한 사용 예들을 유연하고 신뢰할 수 있는 방법으로 지원하는 것이다.
eMBB는 기본적인 모바일 인터넷 액세스를 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 것이 기대된다. 증가된 트래픽 양(volume)을 위한 주요 원인들은 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 응용 프로그램들은 사용자에게 실시간 정보 및 알림을 푸쉬하기 위해 항상 켜져 있는 연결성이 필요하다. 클라우드 스토리지 및 애플리케이션은 모바일 통신 플랫폼에서 급속히 증가하고 있으며, 이것은 업무 및 엔터테인먼트 모두에 적용될 수 있다. 그리고, 클라우드 스토리지는 상향링크 데이터 전송률의 성장을 견인하는 특별한 사용 예이다. 5G는 또한 클라우드의 원격 업무에도 사용되며, 촉각 인터페이스가 사용될 때 우수한 사용자 경험을 유지하도록 훨씬 더 낮은 단-대-단(end-to-end) 지연을 요구한다. 엔터테인먼트 예를 들어, 클라우드 게임 및 비디오 스트리밍은 모바일 광대역 능력에 대한 요구를 증가시키는 또 다른 핵심 요소이다. 엔터테인먼트는 기차, 차 및 비행기와 같은 높은 이동성 환경을 포함하는 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.
또한, 가장 많이 예상되는 5G 사용 예 중 하나는 모든 분야에서 임베디드 센서를 원활하게 연결할 수 있는 기능 즉, mMTC에 관한 것이다. 2020년까지 잠재적인 IoT 장치들은 204 억 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 주요 인프라의 원격 제어 및 자체-구동 차량(self-driving vehicle)과 같은 초 신뢰 / 이용 가능한 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, NR 시스템을 포함한 5G 통신 시스템에서의 다수의 사용 예들에 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 현실과 증강 현실뿐 아니라 4K 이상(6K, 8K 및 그 이상)의 해상도로 TV를 전달하는데 요구된다. VR(Virtual Reality) 및 AR(Augmented Reality) 애플리케이션들은 거의 몰입형(immersive) 스포츠 경기를 포함한다. 특정 응용 프로그램은 특별한 네트워크 설정이 요구될 수 있다. 예를 들어, VR 게임의 경우, 게임 회사들이 지연을 최소화하기 위해 코어 서버를 네트워크 오퍼레이터의 에지 네트워크 서버와 통합해야 할 수 있다.
자동차(Automotive)는 차량에 대한 이동 통신을 위한 많은 사용 예들과 함께 5G에 있어 중요한 새로운 동력이 될 것으로 예상된다. 예를 들어, 승객을 위한 엔터테인먼트는 동시의 높은 용량과 높은 이동성 모바일 광대역을 요구한다. 그 이유는 미래의 사용자는 그들의 위치 및 속도와 관계 없이 고품질의 연결을 계속해서 기대하기 때문이다. 자동차 분야의 다른 활용 예는 증강 현실 대시보드이다. 이는 운전자가 앞면 창을 통해 보고 있는 것 위에 어둠 속에서 물체를 식별하고, 물체의 거리와 움직임에 대해 운전자에게 말해주는 정보를 겹쳐서 디스플레이 한다. 미래에, 무선 모듈은 차량들 간의 통신, 차량과 지원하는 인프라구조 사이에서 정보 교환 및 자동차와 다른 연결된 디바이스들(예를 들어, 보행자에 의해 수반되는 디바이스들) 사이에서 정보 교환을 가능하게 한다. 안전 시스템은 운전자가 보다 안전한 운전을 할 수 있도록 행동의 대체 코스들을 안내하여 사고의 위험을 낮출 수 있게 한다. 다음 단계는 원격 조종되거나 자체 운전 차량(self-driven vehicle)이 될 것이다. 이는 서로 다른 자체 운전 차량들 사이 및 자동차와 인프라 사이에서 매우 신뢰성이 있고, 매우 빠른 통신을 요구한다. 미래에, 자체 운전 차량이 모든 운전 활동을 수행하고, 운전자는 차량 자체가 식별할 수 없는 교통 이상에만 집중하도록 할 것이다. 자체 운전 차량의 기술적 요구 사항은 트래픽 안전을 사람이 달성할 수 없을 정도의 수준까지 증가하도록 초 저 지연과 초고속 신뢰성을 요구한다.
스마트 사회(smart society)로서 언급되는 스마트 도시와 스마트 홈은 고밀도 무선 센서 네트워크로 임베디드될 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 제품들은 모두 무선으로 연결된다. 이러한 센서들 중 많은 것들이 전형적으로 낮은 데이터 전송 속도, 저전력 및 저비용이다. 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 센서들을 상호 연결한다. 이 정보는 공급 업체와 소비자의 행동을 포함할 수 있으므로, 스마트 그리드가 효율성, 신뢰성, 경제성, 생산의 지속 가능성 및 자동화된 방식으로 전기와 같은 연료들의 분배를 개선하도록 할 수 있다. 스마트 그리드는 지연이 적은 다른 센서 네트워크로 볼 수도 있다.
건강 부문은 이동 통신의 혜택을 누릴 수 있는 많은 응용 프로그램을 보유하고 있다. 통신 시스템은 멀리 떨어진 곳에서 임상 진료를 제공하는 원격 진료를 지원할 수 있다. 이는 거리에 대한 장벽을 줄이는데 도움을 주고, 거리가 먼 농촌에서 지속적으로 이용하지 못하는 의료 서비스들로의 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 파라미터들에 대한 원격 모니터링 및 센서들을 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 링크들로의 교체 가능성은 많은 산업 분야에서 매력적인 기회이다. 그러나, 이를 달성하는 것은 무선 연결이 케이블과 비슷한 지연, 신뢰성 및 용량으로 동작하는 것과, 그 관리가 단순화될 것이 요구된다. 낮은 지연과 매우 낮은 오류 확률은 5G로 연결될 필요가 있는 새로운 요구 사항이다.
물류(logistics) 및 화물 추적(freight tracking)은 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 필요하다.
3GPP 기반 통신 표준은 상위 계층으로부터 기원한 정보를 나르는 자원 요소들에 대응하는 하향링크 물리 채널들과, 물리 계층에 의해 사용되나 상위 계층으로부터 기원하는 정보를 나르지 않는 자원 요소들에 대응하는 하향링크 물리 신호들을 정의된다. 예를 들어, 물리 하향링크 공유 채널(physical downlink shared channel, PDSCH), 물리 브로드캐스트 채널(physical broadcast channel, PBCH), 물리 멀티캐스트 채널(physical multicast channel, PMCH), 물리 제어 포맷 지시자 채널(physical control format indicator channel, PCFICH), 물리 하향링크 제어 채널(physical downlink control channel, PDCCH) 및 물리 하이브리드 ARQ 지시자 채널(physical hybrid ARQ indicator channel, PHICH)들이 하향링크 물리 채널들로서 정의되어 있으며, 참조 신호와 동기 신호가 하향링크 물리 신호들로서 정의되어 있다. 파일럿(pilot)이라고도 지칭되는 참조 신호(reference signal, RS)는 gNB와 UE가 서로 알고 있는 기정의된 특별한 파형의 신호를 의미하는데, 예를 들어, 셀 특정적 RS(cell specific RS), UE-특정적 RS(UE-specific RS, UE-RS), 포지셔닝 RS(positioning RS, PRS) 및 채널 상태 정보 RS(channel state information RS, CSI-RS)가 하향링크 참조 신호로서 정의된다. 3GPP LTE/LTE-A 표준은 상위 계층으로부터 기원한 정보를 나르는 자원 요소들에 대응하는 상향링크 물리 채널들과, 물리 계층에 의해 사용되나 상위 계층으로부터 기원하는 정보를 나르지 않는 자원 요소들에 대응하는 상향링크 물리 신호들을 정의하고 있다. 예를 들어, 물리 상향링크 공유 채널(physical uplink shared channel, PUSCH), 물리 상향링크 제어 채널(physical uplink control channel, PUCCH), 물리 임의 접속 채널(physical random access channel, PRACH)가 상향링크 물리 채널로서 정의되며, 상향링크 제어/데이터 신호를 위한 복조 참조 신호(demodulation reference signal, DMRS)와 상향링크 채널 측정에 사용되는 사운딩 참조 신호(sounding reference signal, SRS)가 정의된다.
본 발명에서 PDCCH(Physical Downlink Control CHannel)/PCFICH(Physical Control Format Indicator CHannel)/PHICH((Physical Hybrid automatic retransmit request Indicator CHannel)/PDSCH(Physical Downlink Shared CHannel)은 각각 DCI(Downlink Control Information)/CFI(Control Format Indicator)/하향링크 ACK/NACK(ACKnowlegement/Negative ACK)/하향링크 데이터를 나르는 시간-주파수 자원의 집합 혹은 자원요소의 집합을 의미한다. 또한, PUCCH(Physical Uplink Control CHannel)/PUSCH(Physical Uplink Shared CHannel)/PRACH(Physical Random Access CHannel)는 각각 UCI(Uplink Control Information)/상향링크 데이터/랜덤 엑세스 신호를 나르는 시간-주파수 자원의 집합 혹은 자원요소의 집합을 의미한다. 본 발명에서는, 특히, PDCCH/PCFICH/PHICH/PDSCH/PUCCH/PUSCH/PRACH에 할당되거나 이에 속한 시간-주파수 자원 혹은 자원요소(Resource Element, RE)를 각각 PDCCH/PCFICH/PHICH/PDSCH/PUCCH/PUSCH/PRACH RE 또는 PDCCH/PCFICH/PHICH/PDSCH/PUCCH/PUSCH/PRACH 자원이라고 칭한다. 이하에서 사용자기기가 PUCCH/PUSCH/PRACH를 전송한다는 표현은, 각각, PUSCH/PUCCH/PRACH 상에서 혹은 통해서 상향링크 제어정보/상향링크 데이터/랜덤 엑세스 신호를 전송한다는 것과 동일한 의미로 사용된다. 또한, gNB가 PDCCH/PCFICH/PHICH/PDSCH를 전송한다는 표현은, 각각, PDCCH/PCFICH/PHICH/PDSCH 상에서 혹은 통해서 하향링크 데이터/제어정보를 전송한다는 것과 동일한 의미로 사용된다.
이하에서는 CRS/DMRS/CSI-RS/SRS/UE-RS가 할당된 혹은 설정(Configuration)된(configured) OFDM 심볼/부반송파/RE를 CRS/DMRS/CSI-RS/SRS/UE-RS 심볼/반송파/부반송파/RE라고 칭한다. 예를 들어, 트랙킹 RS(tracking RS, TRS)가 할당된 혹은 설정(Configuration)된 OFDM 심볼은 TRS 심볼이라고 칭하며, TRS가 할당된 혹은 설정(Configuration)된 부반송파는 TRS 부반송파라 칭하며, TRS가 할당된 혹은 설정(Configuration)된 RE 는 TRS RE라고 칭한다. 또한, TRS 전송을 위해 설정(Configuration)된(configured) 서브프레임을 TRS 서브프레임이라 칭한다. 또한 브로드캐스트 신호가 전송되는 서브프레임을 브로드캐스트 서브프레임 혹은 PBCH 서브프레임이라 칭하며, 동기 신호(예를 들어, PSS 및/또는 SSS)가 전송되는 서브프레임을 동기 신호 서브프레임 혹은 PSS/SSS 서브프레임이라고 칭한다. PSS/SSS가 할당된 혹은 설정(Configuration)된(configured) OFDM 심볼/부반송파/RE를 각각 PSS/SSS 심볼/부반송파/RE라 칭한다.
본 발명에서 CRS 포트, UE-RS 포트, CSI-RS 포트, TRS 포트라 함은 각각 CRS를 전송하도록 설정(Configuration)된(configured) 안테나 포트, UE-RS를 전송하도록 설정(Configuration)된 안테나 포트, CSI-RS를 전송하도록 설정(Configuration)된 안테나 포트, TRS를 전송하도록 설정(Configuration)된 안테나 포트를 의미한다. CRS들을 전송하도록 설정(Configuration)된 안테나 포트들은 CRS 포트들에 따라 CRS가 점유하는 RE들의 위치에 의해 상호 구분될 수 있으며, UE-RS들을 전송하도록 설정(Configuration)된(configured) 안테나 포트들은 UE-RS 포트들에 따라 UE-RS가 점유하는 RE들의 위치에 의해 상호 구분될 수 있으며, CSI-RS들을 전송하도록 설정(Configuration)된 안테나 포트들은 CSI-RS 포트들에 따라 CSI-RS가 점유하는 RE들의 위치에 의해 상호 구분될 수 있다. 따라서 CRS/UE-RS/CSI-RS/TRS 포트라는 용어가 일정 자원 영역 내에서 CRS/UE-RS/CSI-RS/TRS가 점유하는 RE들의 패턴을 의미하는 용어로서 사용되기도 한다.
도 1은 3GPP 무선 접속망 규격을 기반으로 한 단말과 E-UTRAN 사이의 무선 인터페이스 프로토콜(Radio Interface Protocol)의 제어평면(Control Plane) 및 사용자평면(User Plane) 구조를 나타내는 도면이다. 제어평면은 단말(User Equipment; UE)과 네트워크가 호를 관리하기 위해서 이용하는 제어 메시지들이 송신되는 통로를 의미한다. 사용자평면은 애플리케이션 계층에서 생성된 데이터, 예를 들어, 음성 데이터 또는 인터넷 패킷 데이터 등이 송신되는 통로를 의미한다.
제1계층인 물리계층은 물리채널(Physical Channel)을 이용하여 상위 계층에게 정보 송신 서비스(Information Transfer Service)를 제공한다. 물리계층은 상위에 있는 매체접속제어(Medium Access Control) 계층과는 송신채널(Trans포트 Channel)을 통해 연결되어 있다. 상기 송신채널을 통해 매체접속제어 계층과 물리계층 사이에 데이터가 이동한다. 송신측과 수신측의 물리계층 사이는 물리채널을 통해 데이터가 이동한다. 상기 물리채널은 시간과 주파수를 무선 자원으로 활용한다. 구체적으로, 물리채널은 하향링크에서 OFDMA(Orthogonal Frequency Division Multiple Access) 방식으로 변조되고, 상향링크에서 SC-FDMA(Single Carrier Frequency Division Multiple Access) 방식으로 변조된다.
제2계층의 매체접속제어(Medium Access Control; MAC) 계층은 논리채널(Logical Channel)을 통해 상위계층인 무선링크제어(Radio Link Control; RLC) 계층에 서비스를 제공한다. 제2계층의 RLC 계층은 신뢰성 있는 데이터 송신을 지원한다. RLC 계층의 기능은 MAC 내부의 기능 블록으로 구현될 수도 있다. 제2계층의 PDCP(Packet Data Convergence Protocol) 계층은 대역폭이 좁은 무선 인터페이스에서 IPv4나 IPv6와 같은 IP 패킷을 효율적으로 송신하기 위해 불필요한 제어정보를 줄여주는 헤더 압축(Header Compression) 기능을 수행한다.
제3계층의 최하부에 위치한 무선 자원제어(Radio Resource Control; RRC) 계층은 제어평면에서만 정의된다. RRC 계층은 무선베어러(Radio Bearer)들의 설정(Configuration), 재설정(Re-configuration) 및 해제(Release)와 관련되어 논리채널, 송신채널 및 물리채널들의 제어를 담당한다. 무선 베어러는 단말과 네트워크 간의 데이터 전달을 위해 제2계층에 의해 제공되는 서비스를 의미한다. 이를 위해, 단말과 네트워크의 RRC 계층은 서로 RRC 메시지를 교환한다. 단말과 네트워크의 RRC 계층 사이에 RRC 연결(RRC Connected)이 있을 경우, 단말은 RRC 연결 상태(Connected Mode)에 있게 되고, 그렇지 못할 경우 RRC 휴지 상태(Idle Mode)에 있게 된다. RRC 계층의 상위에 있는 NAS(Non-Access Stratum) 계층은 세션 관리(Session Management)와 이동성 관리(Mobility Management) 등의 기능을 수행한다.
네트워크에서 단말로 데이터를 송신하는 하향 송신채널은 시스템 정보를 송신하는 BCH(Broadcast Channel), 페이징 메시지를 송신하는 PCH(Paging Channel), 사용자 트래픽이나 제어 메시지를 송신하는 하향 SCH(Shared Channel) 등이 있다. 하향 멀티캐스트 또는 방송 서비스의 트래픽 또는 제어 메시지의 경우 하향 SCH를 통해 송신될 수도 있고, 또는 별도의 하향 MCH(Multicast Channel)을 통해 송신될 수도 있다. 한편, 단말에서 네트워크로 데이터를 송신하는 상향 송신채널로는 초기 제어 메시지를 송신하는 RACH(Random Access Channel), 사용자 트래픽이나 제어 메시지를 송신하는 상향 SCH(Shared Channel)가 있다. 송신채널의 상위에 있으며, 송신채널에 매핑되는 논리채널(Logical Channel)로는 BCCH(Broadcast Control Channel), PCCH(Paging Control Channel), CCCH(Common Control Channel), MCCH(Multicast Control Channel), MTCH(Multicast Traffic Channel) 등이 있다.
도 2는 3GPP 시스템에 이용되는 물리 채널들 및 이들을 이용한 일반적인 신호 송신 방법을 설명하기 위한 도면이다.
단말은 전원이 켜지거나 새로이 셀에 진입한 경우 기지국과 동기를 맞추는 등의 초기 셀 탐색(Initial cell search) 작업을 수행한다(S201). 이를 위해, 단말은 기지국으로부터 주 동기 채널(Primary Synchronization Channel; P-SCH) 및 부 동기 채널(Secondary Synchronization Channel; S-SCH)을 수신하여 기지국과 동기를 맞추고, 셀 ID 등의 정보를 획득할 수 있다. 그 후, 단말은 기지국으로부터 물리 방송 채널(Physical Broadcast Channel)를 수신하여 셀 내 방송 정보를 획득할 수 있다. 한편, 단말은 초기 셀 탐색 단계에서 하향링크 참조 신호(Downlink Reference Signal; DL RS)를 수신하여 하향링크 채널 상태를 확인할 수 있다.
초기 셀 탐색을 마친 단말은 물리 하향링크 제어 채널(Physical Downlink Control Channel; PDCCH) 및 상기 PDCCH에 실린 정보에 따라 물리 하향링크 공유 채널(Physical Downlink Control Channel; PDSCH)을 수신함으로써 좀더 구체적인 시스템 정보를 획득할 수 있다(S202).
한편, 기지국에 최초로 접속하거나 신호 송신을 위한 무선 자원이 없는 경우 단말은 기지국에 대해 임의 접속 과정(Random Access Procedure; RACH)을 수행할 수 있다(단계 S203 내지 단계 S206). 이를 위해, 단말은 물리 임의 접속 채널(Physical Random Access Channel; PRACH)을 통해 특정 시퀀스를 프리앰블로 송신하고(S203 및 S205), PDCCH 및 대응하는 PDSCH를 통해 프리앰블에 대한 응답 메시지를 수신할 수 있다(S204 및 S206). 경쟁 기반 RACH의 경우, 추가적으로 충돌 해결 절차(Contention Resolution Procedure)를 수행할 수 있다.
상술한 바와 같은 절차를 수행한 단말은 이후 일반적인 상/하향링크 신호 송신 절차로서 PDCCH/PDSCH 수신(S207) 및 물리 상향링크 공유 채널(Physical Uplink Shared Channel; PUSCH)/물리 상향링크 제어 채널(Physical Uplink Control Channel; PUCCH) 송신(S208)을 수행할 수 있다. 특히 단말은 PDCCH를 통하여 하향링크 제어 정보(Downlink Control Information; DCI)를 수신한다. 여기서 DCI는 단말에 대한 자원 할당 정보와 같은 제어 정보를 포함하며, 그 사용 목적에 따라 포맷이 서로 다르다.
한편, 단말이 상향링크를 통해 기지국에 송신하는 또는 단말이 기지국으로부터 수신하는 제어 정보는 하향링크/상향링크 ACK/NACK 신호, CQI(Channel Quality Indicator), PMI(Precoding Matrix 인덱스), RI(Rank Indicator) 등을 포함한다. 3GPP LTE 시스템의 경우, 단말은 상술한 CQI/PMI/RI 등의 제어 정보를 PUSCH 및/또는 PUCCH를 통해 송신할 수 있다.
도 3은 LTE 시스템에서 사용되는 무선 프레임의 구조를 예시하는 도면이다.
도 3을 참조하면, 무선 프레임(radio frame)은 10ms(327200×Ts)의 길이를 가지며 10개의 균등한 크기의 서브프레임(subframe)으로 구성되어 있다. 각각의 서브프레임은 1ms의 길이를 가지며 2개의 슬롯(slot)으로 구성되어 있다. 각각의 슬롯은 0.5ms(15360×Ts)의 길이를 가진다. 여기에서, Ts 는 샘플링 시간을 나타내고, Ts=1/(15kHz×2048)=3.2552×10 -8(약 33ns)로 표시된다. 슬롯은 시간 영역에서 복수의 OFDM 심볼을 포함하고, 주파수 영역에서 복수의 자원블록(Resource Block; RB)을 포함한다. LTE 시스템에서 하나의 자원블록은 12개의 부반송파×7(6)개의 OFDM 심볼을 포함한다. 데이터가 송신되는 단위시간인 TTI(Transmission Time Interval)는 하나 이상의 서브프레임 단위로 정해질 수 있다. 상술한 무선 프레임의 구조는 예시에 불과하고, 무선 프레임에 포함되는 서브프레임의 수 또는 서브프레임에 포함되는 슬롯의 수, 슬롯에 포함되는 OFDM 심볼의 수는 다양하게 변경될 수 있다.
도 4는 NR에서 사용되는 무선 프레임의 구조를 예시한다.
NR에서 상향링크 및 하향링크 전송은 프레임으로 구성된다. 무선 프레임은 10ms의 길이를 가지며, 2개의 5ms 하프-프레임(Half-Frame, HF)으로 정의된다. 하프-프레임은 5개의 1ms 서브프레임(Subframe, SF)으로 정의된다. 서브프레임은 하나 이상의 슬롯으로 분할되며, 서브프레임 내 슬롯 개수는 SCS(Subcarrier Spacing)에 의존한다. 각 슬롯은 CP(cyclic prefix)에 따라 12개 또는 14개의 OFDM(A) 심볼을 포함한다. 보통 CP가 사용되는 경우, 각 슬롯은 14개의 심볼을 포함한다. 확장 CP가 사용되는 경우, 각 슬롯은 12개의 심볼을 포함한다. 여기서, 심볼은 OFDM 심볼 (혹은, CP-OFDM 심볼), SC-FDMA 심볼 (혹은, DFT-s-OFDM 심볼)을 포함할 수 있다.
NR 시스템에서는 하나의 단말에게 병합되는 복수의 셀들간에 OFDM(A) 뉴모놀로지(numerology)(예, SCS, CP 길이 등)가 상이하게 설정될 수 있다. 이에 따라, 동일한 개수의 심볼로 구성된 시간 자원(예, SF, 슬롯 또는 TTI)(편의상, TU(Time Unit)로 통칭)의 (절대 시간) 구간이 병합된 셀들간에 상이하게 설정될 수 있다.
도 5는 NR 프레임의 슬롯 구조를 예시한다. 슬롯은 시간 도메인에서 복수의 심볼을 포함한다. 예를 들어, 보통 CP의 경우 하나의 슬롯이 7개의 심볼을 포함하나, 확장 CP의 경우 하나의 슬롯이 6개의 심볼을 포함한다. 반송파는 주파수 도메인에서 복수의 부반송파를 포함한다. RB(Resource Block)는 주파수 도메인에서 복수(예, 12)의 연속한 부반송파로 정의된다. BWP(Bandwidth Part)는 주파수 도메인에서 복수의 연속한 (P)RB로 정의되며, 하나의 뉴모놀로지(numerology)(예, SCS, CP 길이 등)에 대응될 수 있다. 반송파는 최대 N개(예, 5개)의 BWP를 포함할 수 있다. 데이터 통신은 활성화된 BWP를 통해서 수행되며, 하나의 단말한테는 하나의 BWP만 활성화 될 수 있다. 자원 그리드에서 각각의 요소는 자원요소(Resource Element, RE)로 지칭되며, 하나의 복소 심볼이 매핑될 수 있다.
도 6은 자기-완비(self-contained) 슬롯의 구조를 예시한다. NR 시스템에서 프레임은 하나의 슬롯 내에 DL 제어 채널, DL 또는 UL 데이터, UL 제어 채널 등이 모두 포함될 수 있는 자기-완비 구조를 특징으로 한다. 예를 들어, 슬롯 내의 처음 N개의 심볼은 DL 제어 채널을 전송하는데 사용되고(이하, DL 제어 영역), 슬롯 내의 마지막 M개의 심볼은 UL 제어 채널을 전송하는데 사용될 수 있다(이하, UL 제어 영역). N과 M은 각각 0 이상의 정수이다. DL 제어 영역과 UL 제어 영역의 사이에 있는 자원 영역(이하, 데이터 영역)은 DL 데이터 전송을 위해 사용되거나, UL 데이터 전송을 위해 사용될 수 있다. 일 예로, 다음의 구성을 고려할 수 있다. 각 구간은 시간 순서대로 나열되었다.
1. DL only 구성
2. UL only 구성
3. Mixed UL-DL 구성
- DL 영역 + GP(Guard Period) + UL 제어 영역
- DL 제어 영역 + GP + UL 영역
* DL 영역: (i) DL 데이터 영역, (ii) DL 제어 영역 + DL 데이터 영역
* UL 영역: (i) UL 데이터 영역, (ii) UL 데이터 영역 + UL 제어 영역
DL 제어 영역에서는 PDCCH가 전송될 수 있고, DL 데이터 영역에서는 PDSCH가 전송될 수 있다. UL 제어 영역에서는 PUCCH가 전송될 수 있고, UL 데이터 영역에서는 PUSCH가 전송될 수 있다. PDCCH에서는 DCI(Downlink Control Information), 예를 들어 DL 데이터 스케줄링 정보, UL 데이터 스케줄링 정보 등이 전송될 수 있다. PUCCH에서는 UCI(Uplink Control Information), 예를 들어 DL 데이터에 대한 ACK/NACK(Positive Acknowledgement/Negative Acknowledgement) 정보, CSI(Channel State Information) 정보, SR(스케줄링 Request) 등이 전송될 수 있다. GP는 기지국과 단말이 송신 모드에서 수신 모드로 전환하는 과정 또는 수신 모드에서 송신 모드로 전환하는 과정에서 시간 갭을 제공한다. 서브프레임 내에서 DL에서 UL로 전환되는 시점의 일부 심볼이 GP로 설정될 수 있다.
한편, NR 시스템은 넓은 주파수 대역을 이용하여 다수의 사용자에게 높은 전송율을 유지하면서 데이터 전송을 하기 위해 높은 초고주파 대역, 즉, 6GHz 이상의 밀리미터 주파수 대역을 이용하는 방안을 고려하고 있다. 3GPP에서는 이를 NR이라는 이름으로 사용하고 있으며, 본 발명에서는 앞으로 NR 시스템으로 칭한다. 하지만 밀리미터 주파수 대역은 너무 높은 주파수 대역을 이용하는 것으로 인해 거리에 따른 신호 감쇄가 매우 급격하게 나타나는 주파수 특성을 갖는다. 따라서, 적어도 6GHz 이상의 대역을 사용하는 NR 시스템은 급격한 전파 감쇄 특성을 보상하기 위해 신호 전송을 전방향이 아닌 특정 방향으로 에너지를 모아서 전송함으로써 급격한 전파 감쇄로 인한 커버리지의 감소 문제를 해결하는 좁은 빔(narrow beam) 전송 기법을 사용한다. 그러나 하나의 좁은 빔만을 이용하여 서비스하는 경우, 하나의 기지국이 서비스를 할 범위가 좁아지므로 기지국은 다수의 좁은 빔을 모아서 광대역으로 서비스를 하게 된다.
밀리미터 주파수 대역, 즉, 밀리미터 파장(millimeter wave, mmW) 대역에서는 파장이 짧아져서 동일 면적에 다수 개의 안테나 요소(element)의 설치가 가능해진다. 예를 들어, 1cm의 정도의 파장을 갖는 30GHz 대역에서 5 by 5cm의 패널(panel)에 0.5 람다(lamda) (파장) 간격으로 2-차원(dimension) 배열 형태로 총 100개의 안테나 요소 설치가 가능하다. 그러므로 mmW에서는 다수 개의 안테나 요소를 사용하여 빔포밍 이득을 높여 커버리지를 증가시키거나, 처리량(throughput)을 높이는 것이 고려된다.
밀리미터 주파수 대역에서 좁은 빔을 형성하기 위한 방법으로, 기지국이나 UE에서 많은 수의 안테나에 적절한 위상차를 이용하여 동일한 신호를 전송함으로써 특정한 방향에서만 에너지가 높아지게 하는 빔포밍 방식이 주로 고려하고 있다. 이와 같은 빔포밍 방식에는 디지털 기저대역(baseband) 신호에 위상차를 만드는 디지털 빔포밍, 변조된 아날로그 신호에 시간 지연(즉, 순환 천이)을 이용하여 위상차를 만드는 아날로그 빔포밍, 디지털 빔포밍과 아날로그 빔포밍을 모두 이용하는 하이브리드 빔포밍 등이 있다. 안테나 요소별로 전송 파워 및 위상 조절이 가능하도록 트랜시버 유닛(transceiver unit, TXRU)을 가지면 주파수 자원별로 독립적인 빔포밍이 가능하다. 그러나 100여 개의 안테나 요소 모두에 TXRU를 설치하기에는 가격 측면에서 실효성이 떨어지는 문제를 있다. 즉, 밀리미터 주파수 대역은 급격한 전파 감쇄 특성을 보상하기 위해 많은 수의 안테나가 사용해야 하고, 디지털 빔포밍은 안테나 수에 해당하는 만큼 RF 컴포넌트(예, 디지털 아날로그 컨버터(DAC), 믹서(mixer), 전력 증폭기(power amplifier), 선형 증폭기(linear amplifier) 등)를 필요로 하므로, 밀리미터 주파수 대역에서 디지털 빔포밍을 구현하려면 통신 기기의 가격이 증가하는 문제점이 있다. 그러므로 밀리미터 주파수 대역과 같이 안테나의 수가 많이 필요한 경우에는 아날로그 빔포밍 혹은 하이브리드 빔포밍 방식의 사용이 고려된다. 아날로그 빔포밍 방식은 하나의 TXRU에 다수 개의 안테나 요소를 매핑하고 아날로그 위상 천이기(analog phase shifter)로 빔(beam)의 방향을 조절한다. 이러한 아날로그 빔포밍 방식은 전체 대역에 있어서 하나의 빔 방향만을 만들 수 있어 주파수 선택적 빔포밍(beamforming, BF)을 해줄 수 없는 단점이 있다. 하이브리드 BF는 디지털 BF와 아날로그 BF의 중간 형태로 Q개의 안테나 요소보다 적은 개수인 B개의 TXRU를 갖는 방식이다. 하이브리드 BF의 경우, B개의 TXRU와 Q개의 안테나 요소의 연결 방식에 따라서 차이는 있지만, 동시에 전송할 수 있는 빔의 방향은 B개 이하로 제한되게 된다.
앞서 언급한 바와 같이 디지털 빔포밍은 전송할 혹은 수신된 디지털 기저대역 신호에 대해 신호 처리를 하므로 다중의 빔을 이용하여 동시에 여러 방향으로 신호를 전송 혹은 수신할 수 있는 반면에, 아날로그 빔포밍은 전송할 혹은 수신된 아날로그 신호를 변조된 상태에서 빔포밍을 수행하므로 하나의 빔이 커버하는 범위를 넘어가는 다수의 방향으로 신호를 동시에 전송 혹은 수신할 수 없다. 통상 기지국은 광대역 전송 혹은 다중 안테나 특성을 이용하여 동시에 다수의 사용자와 통신을 수행하게 되는데, 기지국이 아날로그 혹은 하이브리드 빔포밍을 사용하고 하나의 빔 방향으로 아날로그 빔을 형성하는 경우에는 아날로그 빔포밍의 특성상 동일한 아날로그 빔 방향 안에 포함되는 사용자들과만 통신할 수 밖에 없다. 후술될 본 발명에 따른 RACH 자원 할당 및 기지국의 자원 활용 방안은 아날로그 빔포밍 혹은 하이브리드 빔포밍 특성으로 인해서 생기는 제약 사향을 반영하여 제안된다.
도 7은 송수신기 유닛(transceiver unit, TXRU) 및 물리적 안테나 관점에서 하이브리드 빔포밍 구조를 추상적으로 도시한 것이다.
다수의 안테나가 사용되는 경우, 디지털 빔포밍과 아날로그 빔포밍을 결합한 하이브리드 빔포밍 기법이 대두되고 있다. 이때, 아날로그 빔포밍 (또는 RF 빔포밍)은 트랜시버 (혹은 RF 유닛)이 프리코딩 (또는 컴바이닝)을 수행하는 동작을 의미한다. 하드브리드 빔포밍에서 기저대역(baseband) 유닛과 트랜시버 (혹은 RF 유닛)은 각각 프리코딩 (또는 컴바이닝)을 수행하며, 이로 인해 RF 체인(chain) 수와 D/A (또는 A/D) 컨버터의 개수를 줄이면서도 디지털 빔포밍에 근접하는 성능을 낼 수 있다는 장점이 있다. 편의상 하이브리드 빔포밍 구조는 N개 TXRU와 M개의 물리적 안테나로 표현될 수 있다. 전송 단에서 전송할 L개 데이터 레이어에 대한 디지털 빔포밍은 N-by-L 행렬로 표현될 수 있고, 이후 변환된 N개 디지털 신호는 TXRU를 거쳐 아날로그 신호로 변환된 다음 M-by-N 행렬로 표현되는 아날로그 빔포밍이 적용된다.
도 7에서 디지털 빔의 개수는 L이며, 아날로그 빔의 개수는 N이다. 더 나아가 NR 시스템에서는 아날로그 빔포밍을 심볼 단위로 변경할 수 있도록 기지국을 설계하여, 특정한 지역에 위치한 UE에게 보다 효율적인 빔포밍을 지원하는 방향이 고려되고 있다. 더 나아가서 N개의 TXRU와 M개의 RF 안테나를 하나의 안테나 패널(panel)로서 정의될 때, NR 시스템에서는 서로 독립적인 하이브리드 빔포밍이 적용 가능한 복수의 안테나 패널을 도입하는 방안까지 고려되고 있다. 이와 같이 기지국이 복수의 아날로그 빔을 활용하는 경우, UE별로 신호 수신에 유리한 아날로그 빔이 다를 수 있으므로, 적어도 동기 신호, 시스템 정보, 페이징 등에 대해서는 특정 슬롯 혹은 서브프레임(subframe, SF)에서 기지국이 적용할 복수 아날로그 빔들을 심볼별로 바꾸어 모든 UE들이 수신 기회를 가질 수 있도록 하는 빔 스위핑 동작이 고려되고 있다.
도 8은 하향링크 전송 과정에서 동기 신호와 시스템 정보에 대한 빔 스위핑(Beam sweeping) 동작을 도식화 한 것이다.
도 8에서 New RAT 시스템의 시스템 정보가 방송(Broadcasting)되는 물리적 자원 또는 물리 채널을 xPBCH (physical broadcast channel)로 명명한다. 이때, 한 심볼 내에서 서로 다른 안테나 패널에 속하는 아날로그 빔(Analog beam)들이 동시에 전송될 수 있으며, 아날로그 빔(Analog beam) 별 채널을 측정하기 위해, 도 8에 나타나 있는 바와 같이, 특정 안테나 패널에 대응되는 단일 아날로그 빔(Analog beam)을 위해 전송되는 참조 신호(Reference signal; RS)인 Beam RS (BRS)를 도입하는 방안이 논의되고 있다. 상기 BRS는 복수의 안테나 포트에 대해 정의될 수 있으며, BRS의 각 안테나 포트는 단일 아날로그 빔(Analog beam)에 대응될 수 있다. 이때, BRS와는 달리, 동기 신호(Synchronization signal) 또는 xPBCH는 임의의 UE가 잘 수신할 수 있도록 아날로그 빔 그룹(Analog beam group)에 포함된 모든 아날로그 빔(Analog beam)을 위해 전송될 수 있다.
도 9는 새로운 무선 접속 기술(new radio access technology, NR) 시스템의 셀을 예시한 것이다.
도 9를 참조하면, NR 시스템에서는 기존 LTE 등의 무선 통신 시스템에 하나의 기지국이 하나의 셀을 형성하던 것과는 달리 복수의 TRP가 하나의 셀을 구성하는 방안이 논의되고 있다 복수의 TRP가 하나의 셀을 구성하면, UE를 서비스하는 TRP가 변경되더라고 끊김 없는 통신이 가능하여 UE의 이동성 관리가 용이하다는 장점이 있다.
LTE/LTE-A 시스템에서 PSS/SSS는 전-방위적(omni-direction)으로 전송되는 것에 반해서, mmWave를 적용하는 gNB가 빔 방향을 전-방위적으로 돌려가면서 PSS/SSS/PBCH 등의 신호를 빔포밍하여 전송하는 방법이 고려되고 있다. 이와 같이 빔 방향을 돌려가면서 신호를 전송/수신하는 것을 빔 스위핑(beam sweeping) 혹은 빔 스캐닝이라 한다. 본 발명에서 “빔 스위핑’은 전송기 측 행동이고, “빔 스캐닝”은 수신기 측 행동을 나타낸다. 예를 들어 gNB가 최대 N개의 빔 방향을 가질 수 있다고 가정하면, N개의 빔 방향에 대해서 각각 PSS/SSS/PBCH 등의 신호를 전송한다. 즉 gNB는 자신이 가질 수 있는 혹은 지원하고자 하는 방향들을 스위핑하면서 각각의 방향에 대해서 PSS/SSS/PBCH 등의 동기 신호들을 전송한다. 혹은 gNB가 N개의 빔을 형성할 수 있는 경우, 몇 개씩의 빔들이 묶여 하나의 빔 그룹으로 구성할 수 있으며, 빔 그룹별로 PSS/SSS/PBCH를 전송/수신될 수 있다. 이 때, 하나의 빔 그룹은 하나 이상의 빔을 포함한다. 동일 방향으로 전송되는 PSS/SSS/PBCH 등의 신호가 하나의 SS 블록으로 정의될 수 있으며, 한 셀 내에 복수의 SS 블록들이 존재할 수 있다. 복수의 SS 블록들이 존재하는 경우, 각 SS 블록의 구분을 위해서 SS 블록 인덱스가 사용될 수 있다. 예를 들여, 한 시스템에서 10개의 빔 방향으로 PSS/SSS/PBCH가 전송되는 경우, 동일 방향으로의 PSS/SSS/PBCH이 하나의 SS 블록을 구성할 수 있으며, 해당 시스템에서는 10개의 SS 블록들이 존재하는 것으로 이해될 수 있다. 본 발명에서 빔 인덱스는 SS 블록 인덱스로 해석될 수 있다.
현재, 3GPP Release 16, 즉 NR 시스템의 표준화에서는 커버리지 홀 (coverage hole)을 보완하되 기지국간 유선 연결을 줄이기 위한 목적으로 릴레이 기지국에 관하여 논의 중이다. 이를 IAB (integrated access and backhaul)라 하며, Donor gNB (DgNB)는 릴레이 기지국을 통해 UE에게 신호를 송신하며, DgNB와 릴레이 기지국간 또는 릴레이 기지국간 통신을 위한 무선 백홀 링크 (wireless 백홀 링크)와 DgNB와 UE간 또는 릴레이 기지국과 UE간 통신을 위한 액세스 링크 (access link)로 구성되어 있다.
IAB를 통한 신호 송신 시나리오는 크게 2가지로 구분된다. 첫 번째 시나리오는 무선 백홀 링크와 액세스 링크가 같은 주파수 대역을 사용하는 인-밴드 (in-band) 시나리오이고, 두 번째 시나리오는 무선 백홀 링크와 액세스 링크가 다른 주파수 대역을 사용하는 아웃 밴드 (out-band) 시나리오이다. 첫 번째 시나리오는 두 번째 시나리오에 비해 무선 백홀 링크와 액세스 링크 사이에 간섭도 다루어야 하기 때문에 좀 더 구현의 용이성에서는 떨어진다고 볼 수 있다.
현재 NR 시스템 표준화에서는 디스커버 (discover) 절차 수행을 위해서 백홀 링크에서 노드들이 SSB 또는 CSI-RS를 전송함을 가정하고 있다. 각 IAB 노드들은 이러한 SSB 또는 CSI-RS를 측정 또는 디스커버하여 페어런트 노드 또는 도너 노드 (Donor node)에게 피드백하게 되고, 피드백된 값들을 기준으로 루트 선택 (route selection)을 네트워크 또는 중간 노드들이 결정하게 된다. 또한, 루트 선택을 중간 노드들이 담당하는 경우, 페어런트 노드는 디스커버 또는 측정된 피드백값을 릴레잉하여 중간 노드까지 전송할 수 있고, 네트워크가 루트 선택을 자신이 담당하는 노드들을 대상으로 하는 경우에는 페어런트 노드는 디스커버 또는 측정된 피드백값을 릴레잉하여 도너 노드까지 전송할 수 있다.
이러한 디스커버 동작시, IAB 노드들은 동시 송수신을 할 수 없는 하프 듀플렉스 (half duplex) 방식의 동작을 가정하고 있기 때문에, 디스커버를 위한 SSB 또는 CSI-RS를 전송 시에는 다른 노드들이 전송하는 SSB 또는 CSI-RS를 측정 또는 디스커버할 수 없는 문제를 가지게 된다. 이를 해결하기 위해서는 노드 간에 SSB 또는 CSI-RS의 전송을 TDM할 필요가 있고, 이를 위해 서로 SSB 또는 CSI-RS의 전송에 대한 전송 패턴 또는 전송 중간에 멈추고 다른 노드의 디스커버리 신호를 디스커버 또는 측정할 뮤팅 패턴이 필요할 수 있다.
이하에서는, 설명의 편의를 위해 RN1과 RN2가 존재할 때, RN1이 RN2와 백홀 링크로 연결되어 RN2에게 송수신되는 데이터를 릴레잉하는 상황에서, RN1을 RN2의 페어런트 노드로 지칭하고, RN2를 RN1의 차일드 노드로 지칭한다.
본 발명에서 설명하는 디스커버리 신호는 IAB 노드가 전송하는 신호로서, 다른 IAB 노드 또는 UE들이 자신을 발견 또는 디스커버할 수 있도록 하기 위해 전송하는 신호를 의미한다. 이러한 디스커버리 신호는 SSB의 형태를 지니거나 CSI-RS의 형태, 또는 다른 기존 NR에 도입되어 있는 신호의 형태를 지닐 수 있다. 본 발명의 내용은 IAB 노드가 다른 IAB 노드들을 디스커버하는 내용에 대해 주로 기술하나, UE가 IAB 노드들을 디스커버하는 경우에도 적용될 수 있다.
본 발명은 IAB 시나리오에서 IAB 노드들이 자신의 하향링크 송신 타이밍을 설정하기 위해 패어런트 노드가 제어함을 가정한다. 패어런트 노드는 자신의 차일드 노드의 하향링크 송신 타이밍 제어할 시 차일드 노드가 패어런트 노드들로 UL를 전송할 때 가정하는 TA (timing advance)를 이용할 수 있으며, 이 값은 상향링크 송신을 위한 값이다. 다만, 이러한 TA값을 업데이트하는 경우, 하향링크 송신 타이밍도 함께 업데이트되는 문제가 있다. 본 발명은 이러한 문제를 해소하기 위한 방법을 제안한다.
현재, NR 표준화에서는 각 IAB 노드들에 대한 하향링크 송신 타이밍에 관하여, 해당 IAB 노드의 패어런트 노드로부터의 하향링크 수신 타이밍으로부터, 패어런트 노드와 IAB 노드 자신까지의 PD (propagation delay)만큼 당겨서, 하향링크 송신 타이밍을 결정하고 있다. 이는 네트워크 동기화 (network synchronization)을 위해서 IAB 노드들이 모두 같은 타이밍으로 하향링크 송신을 수행하고, 이를 통하여 IAB 노드간 UE간에 간섭을 줄이고자 하는 목적이 있다.
IAB 노드들은 패어런트 노드로부터 자신까지의 PD를 계산하기 위해서, 패어런트 노드로부터 받은 TA 값을 이용할 수 있다. 보통 TA값은 PD 값의 2배로써, 패어런트 노드로 상향링크 송신 타이밍을 계산할 때 사용되며, 하향링크 수신 타이밍으로부터 TA만큼 당겨서 상향링크 송신을 수행하여 자신부터 패어런트 노드까지의 상향링크 송신 시의 PD와 하향링크 수신 시의 PD를 모두 보상하는 역할을 한다.
가장 간단하게는, 하향링크 수신 타이밍으로부터 TA/2만큼 당겨서 하향링크 송신 타이밍을 산정하면, IAB 노드는 패어런트 노드와 같은 타이밍에 하향링크 송신을 수행할 수 있다. 그러나, TA값은 기지국의 편의상 실제 PD의 2배값과 다소 상이한 값을 설정할 수 있다.
도 10은 IAB 노드의 하향링크 송신 타이밍 결정 방법을 설명하기 위한 도면이다.
도 10을 참조하면, 일반적으로 차일드 노드는, 패어런트 노드에게 받은 TA값에 밴드마다 설정된 TA 오프셋값을 더한 값만큼, 패어런트 노드의 하향링크 신호의 수신 타이밍에서 당겨서 자신의 상향링크 송신 타이밍을 결정한다.
이 때, 패어런트 노드는 보통 밴드마다 설정되어 있는 TA 오프셋값을 스위칭 시간으로 가정하여, 자신과 차일드 노드 사이의 PD값의 2배를 TA값으로 계산할 수 있으나, 스위칭 시간과 TA 오프셋값을 다르게 생각하고, TA값을 PD의 2배가 아닌 값으로 계산하여, 차일드 노드에게 알려줄 수 있다. 이 때, 차이가 나는 값은 스위칭 시간 - TA 오프셋 값만큼이 2*PD에 더해져서 TA에 나타나게 된다.
따라서, 패어런트 노드는 차일드 노드에게 하향링크 송신 타이밍을 제어하기 위해, TA값에 추가적으로 보정 항목을 추가적으로 알려 주어야 한다. 하향링크 송신 타이밍을 위해 다음과 같은 2가지 방법을 생각해 볼 수 있다.
1. 하향링크 송신 타이밍 보정을 위해 패어런트 노드는 X 값을 차일드 노드에게 설정한다.
(a) 우선 하향링크 송신 타이밍을 차일드 노드가 산정할 때, 하향링크 수신 타이밍에서 X만큼 당기는 것을 의미할 수 있다. 즉, 패어런트 노드는 TA 설정과 관계 없이 X를 한 번에 알려 주어 차일드 노드가 하향링크 송신 타이밍을 설정하도록 하는 방법이다. TA에 관계 없으므로 TA가 변화해도 하향링크 송신 타이밍을 바뀌지 않는다는 장점이 있으나, 그 만큼 X값의 범위가 커진다. X 값은 RAR에서 알려 주거나, 또는 RRC 시그널링으로 알려줄 수 있다.
이에 의하는 경우, 차일드 노드는 패어런트 노드의 하향링크 수신 타이밍에서 X만큼 당겨서 하향링크 송신 타이밍을 적용한다.
(b) 또는, 하향링크 송신 타이밍을 차일드 노드가 산정할 때, 하향링크 수신 타이밍에서 TA/2 + X만큼 당기는 것을 의미할 수 있다. 즉, 패어런트 노드는 TA 설정을 기반으로 앞서 설명한 TA 오프셋과 스위칭 시간 간에 보정 항목만을 X로 알려주고, 차일드 노드는 TA/2에 이 값을 더해서 하향링크 송신 타이밍을 설정하도록 하는 방법이다. 이 값은 기본적으로 TA/2에서 보정 항목만을 X로 설정하는 만큼 X값의 범위가 작아진다는 장점이 있다. 그러나, TA값에 종속적인 하향링크 송신 타이밍이므로 TA값이 업데이트될 때마다, 하향링크 송신 타이밍도 함께 업데이트되어, 지속적으로 값이 변할 수 있다. X값은 RAR에서 알려주거나, 또는 RRC 시그널링 혹은 MAC CE (Control element)로 알려줄 수 있다.
이에 의하는 경우, 차일드 노드는 패어런트 노드의 하향링크 수신 타이밍에서 (TA/2 + X)만큼 당겨서 하향링크 송신 타이밍을 적용한다.
한편, 1(b)에서 설명한 하향링크 송신 타이밍을 차일드 노드가 산정할 때, 하향링크 수신 타이밍에서 TA/2 + X만큼 당기는 방법의 경우, TA가 업데이트될 때마다, 하향링크 송신 타이밍이 지속적으로 변한다는 단점이 있다. 이는 차일드 노드가 지원하는 UE 또는 그 아래 차일드 노드에게 하향링크 전송을 수행할 때, 지속적으로 타이밍 값이 변한다는 것이며 다음의 방법으로 이를 막을 수 있다.
차일드 노드는 패어런트 노드로부터 하향링크 송신 타이밍 값을 설정 받을 시, 다음의 조건으로 업데이트되는 TA값에 의해 영향 받지 않는다고 가정한다.
(i) 항상 영향 받지 않는다. 즉, 경쟁 기반 (Contention based) RACH 전송시 받은 RAR (Random Access Response)에 의한 초기 (initial) TA값만을 하향링크 송신 타이밍에 적용한다고 가정할 수 있다. 또한, 하향링크 송신 타이밍을 업데이트 시, 이전 하향링크 송신 타이밍값에 의한 보정값만을 알려 주어, 그 이외에는 TA값이 변해도 하향링크 송신 타이밍에 적용하지 않는다고 가정할 수 있다.
(ii) RAR 또는 RRC로 TA값을 변경시, 이러한 TA값이 하향링크 송신 타이밍에 적용되거나 그렇지 않음을 함께 알려 준다.
(iii) 하향링크 송신 타이밍 변경을 의미하는 X 값을 RAR 또는 RRC 시그널링 (혹은 MAC CE)로 알려주어 하향링크 송신 타이밍을 변경하도록 명령 받을 때만, 현재 TA값을 적용한다. 이 때, 현재 TA값이란 가장 최근에 업데이트된 TA값을 의미한다.
(iv) RAR 또는 RRC 시그널링으로 하향링크 송신 타이밍 변경시, 이전 하향링크 송신 타이밍 설정시, 사용한 TA값을 기반으로 하향링크 송신 타이밍에 적용한다.
(v) RAR 또는 RRC 시그널링으로, 하향링크 송신 타이밍 변경시 업데이트된 TA값을 사용할지 여부를 알려줄 수 있다. 업데이트된 TA값을 사용하지 않는다면, 이전 하향링크 송신 타이밍 설정시 사용한 TA값을 기반으로 하향링크 송신 타이밍에 적용한다고 가정할 수 있다.
도 11은 본 발명의 실시에에 따라 하향링크 송신을 수행하는 방법의 순서도이다.
도 11을 참조하면, 차일드 노드는 단계 1101에서 페어런트 노드로부터 타이밍 어드밴스드 값에 대한 정보를 수신한다. 이후, 차일드 노드는 단계 1103에서 상기 페어런트 노드로부터 송신되는 제 1 하향링크 신호의 수신 타이밍을 결정한다.
계속하여, 단계 1105에서 차일드 노드는 상기 타이밍 어드밴스드 값과 미리 설정된 오프셋 값에 기반하는 타이밍 보정값만큼 상기 제 1 하향링크 신호의 수신 타이밍으로부터 선행하여, 제 2 하향링크 신호의 송신 타이밍을 산출한다. 또한, 상기 타이밍 보정값은, 상기 타이밍 어드밴스드 값의 절반과 상기 미리 설정된 오프셋 값의 합을 의미한다. 이는 상기 제 1 하향링크 신호의 송신 타이밍과 상기 제 2 하향링크 신호의 송신 타이밍은 동일하게 설정하기 위함이다.
마지막으로, 단계 1107에서 차일드 노드는 상기 제 2 하향링크 신호의 송신 타이밍에 따라서, 다른 차일드 노드로 상기 제 2 하항링크 신호를 송신한다.
바람직하게는, 단계 1105에서의 상기 미리 설정된 오프셋 값은 상기 페이런트 노드로부터 수신하는 랜덤 액세스 응답 메시지에 포함되거나, 상위 계층 시그널링으로 제공되는 것을 특징으로 한다. 이 경우, 상기 타이밍 어드밴스드 값은 상기 미리 설정된 오프셋 값의 수신으로부터 가장 최근에 갱신된 타이밍 어드밴스드 값인 것을 특징으로 한다.
도 12는 본 발명의 실시 예에 따른 무선 통신 장치의 일 실시 예를 도시한다.
도 12에서 설명하는 무선 통신 장치는 본 발명의 실시 예에 따른 단말 및/또는 기지국을 나타낼 수 있다. 그러나, 도 11의 무선 통신 장치는, 본 실시 예에 따른 단말 및/또는 기지국에 반드시 한정되는 것은 아니며, 차량 통신 시스템 또는 장치, 웨어러블(wearable) 장치, 랩톱, 스마트 폰 등과 같은 다양한 장치로 대체될 수 있다. 좀 더 구체적으로, 상기 장치는 기지국, 네트워크 노드, 전송 단말, 수신 단말, 무선 장치, 무선 통신 장치, 차량, 자율주행 기능을 탑재한 차량, 드론(Unmanned Aerial Vehicle, UAV), AI(Artificial Intelligence) 모듈, 로봇, AR(Augmented Reality) 장치, VR(Virtual Reality) 장치, MTC 장치, IoT 장치, 의료 장치, 핀테크 장치(또는 금융 장치), 보안 장치, 기후/환경 장치 또는 그 이외 4차 산업 혁명 분야 또는 5G 서비스와 관련된 장치 등일 수 있다. 예를 들어, 드론은 사람이 타지 않고 무선 컨트롤 신호에 의해 비행하는 비행체일 수 있다. 예를 들어, MTC 장치 및 IoT 장치는 사람의 직접적인 개입이나 또는 조작이 필요하지 않는 장치로서, 스마트 미터, 벤딩 머신, 온도계, 스마트 전구, 도어락, 각종 센서 등일 수 있다. 예를 들어, 의료 장치는 질병을 진단, 치료, 경감, 처치 또는 예방할 목적으로 사용되는 장치, 구조 또는 기능을 검사, 대체 또는 변형할 목적으로 사용되는 장치로서, 진료용 장비, 수술용 장치, (체외) 진단용 장치, 보청기, 시술용 장치 등일 수 있다. 예를 들어, 보안 장치는 발생할 우려가 있는 위험을 방지하고, 안전을 유지하기 위하여 설치한 장치로서, 카메라, CCTV, 블랙박스 등일 수 있다. 예를 들어, 핀테크 장치는 모바일 결제 등 금융 서비스를 제공할 수 있는 장치로서, 결제 장치, POS(Point of Sales) 등일 수 있다. 예를 들어, 기후/환경 장치는 기후/환경을 모니터링, 예측하는 장치를 의미할 수 있다.
또한, 전송 단말 및 수신 단말은 휴대폰, 스마트 폰(smart phone), 노트북 컴퓨터(laptop computer), 디지털 방송용 단말기, PDA(personal digital assistants), PMP(portable multimedia player), 네비게이션, 슬레이트 PC(slate PC), 태블릿 PC(tablet PC), 울트라북(ultrabook), 웨어러블 디바이스(wearable device, 예를 들어, 워치형 단말기 (smartwatch), 글래스형 단말기 (smart glass), HMD(head mounted display)), 폴더블(foldable) 디바이스 등을 포함할 수 있다. 예를 들어, HMD는 머리에 착용하는 형태의 디스플레이 장치로서, VR 또는 AR을 구현하기 위해 사용될 수 있다.
도 12를 참조하면, 본 발명의 실시 예에 따른 단말 및/또는 기지국은 디지털 신호 프로세서(Digital Signal Processor; DSP) 또는 마이크로 프로세서와 같은 적어도 하나의 프로세서(10), 트랜시버(Transceiver)(35), 전력 관리 모듈(5), 안테나(40), 배터리(55), 디스플레이(15), 키패드(20), 메모리(30), 가입자 식별 모듈(SIM)카드 (25), 스피커(45) 및 마이크로폰(50)등을 포함할 수 있다. 또한, 상기 단말 및/또는 기지국은 단일 안테나 또는 다중 안테나를 포함할 수 있다. 한편, 상기 트랜시버(Transceiver)(35)는 RF 모듈(Radio Frequency Module)로도 명칭될 수 있다.
프로세서(10)는 본 발명에서 설명된 기능, 절차 및/또는 방법을 구현하도록 구성될 수 있다. 본 발명에서 설명한 실시 예들 중 적어도 일부에 있어서, 프로세서(10)는 무선 인터페이스 프로토콜의 계층들 (예를 들어, 기능 계층들(functional layers))과 같은 하나 이상의 프로토콜들을 구현할 수 있다.
메모리(30)는 프로세서(10)에 연결되어 프로세서(10)의 동작과 관련된 정보를 저장한다. 메모리(30)는 프로세서(10)의 내부 또는 외부에 위치 할 수 있으며, 유선 또는 무선 통신과 같은 다양한 기술을 통해 프로세서에 연결될 수 있다.
사용자는 키패드(20)의 버튼을 누름으로써 또는 마이크로폰(50)을 이용한 음성 활성화와 같은 다양한 기술에 의한 다양한 유형의 정보 (예를 들어, 전화 번호와 같은 지시 정보)를 입력 할 수 있다. 프로세서(10) 는 사용자의 정보를 수신 및/또는 처리하고 전화 번호를 다이얼하는 것과 같은 적절한 기능을 수행한다.
또한, 상기 적절한 기능들을 수행하기 위해 SIM 카드(25) 또는 메모리 (30)로부터 데이터(예를 들어, 조작 데이터)를 검색할 수도 있다. 또한, 프로세서 (10)는 GPS 칩으로부터 GPS 정보를 수신 및 처리하여 차량 네비게이션, 지도 서비스 등과 같은 단말 및/또는 기지국의 위치 정보를 획득하거나 위치 정보와 관련된 기능을 수행 할 수 있다. 또한, 프로세서(10)는 사용자의 참조 및 편의를 위해 이러한 다양한 유형의 정보 및 데이터를 디스플레이(15) 상에 표시할 수 있다.
트랜시버(Transceiver)(35)는 프로세서(10)에 연결되어 RF (Radio Frequency) 신호와 같은 무선 신호를 송신 및/또는 수신한다. 이 때, 프로세서(10)는 통신을 개시하고 음성 통신 데이터와 같은 다양한 유형의 정보 또는 데이터를 포함하는 무선 신호를 송신하도록 트랜시버(Transceiver)(35)를 제어 할 수 있다. 트랜시버(Transceiver) (35)는 무선 신호를 수신하는 수신기 및 송신하는 송신기를 포함할 수 있다. 안테나(40)는 무선 신호의 송신 및 수신을 용이하게 한다. 일부 실시 예에서, 무선 신호를 수신되면, 트랜시버(Transceiver)(35)는 프로세서(10)에 의한 처리를 위해 기저 대역 주파수로 신호를 포워딩하고 변환할 수 있다. 처리된 신호는 가청 또는 판독 가능한 정보로 변환되는 등, 다양한 기술에 따라 처리 될 수 있으며, 이러한 신호는 스피커 (45)를 통해 출력될 수 있다.
일부 실시 예에서, 센서 또한 프로세서(10)에 연결될 수 있다. 센서는 속도, 가속도, 광, 진동 등을 포함하는 다양한 유형의 정보를 검출하도록 구성된 하나 이상의 감지 장치를 포함 할 수 있다. 근접, 위치, 이미지 등과 같이 센서로부터 얻어진 센서 정보를 프로세서(10)가 수신하여 처리함으로써, 충돌 회피, 자율 주행 등의 각종 기능을 수행 할 수 있다.
한편, 카메라, USB 포트 등과 같은 다양한 구성 요소가 단말 및/또는 기지국에 추가로 포함될 수 있다. 예를 들어, 카메라가 프로세서(10)에 추가로 연결될 수 있으며, 이러한 카메라는 자율 주행, 차량 안전 서비스 등과 같은 다양한 서비스에 사용될 수 있다.
이와 같이, 도 12은 단말 및/또는 기지국을 구성하는 장치들의 일 실시 예에 불과하면, 이에 한정되는 것은 아니다. 예를 들어, 키패드(20), GPS (Global Positioning System) 칩, 센서, 스피커(45) 및/또는 마이크로폰(50)과 같은 일부 구성 요소는 일부 실시 예들에서 단말 및/또는 기지국 구현을 위해 제외될 수도 있다.
도 13은 본 발명의 실시 예들을 구현할 수 있는 AI 장치(100)를 나타낸다.
AI 장치(100)는 TV, 프로젝터, 휴대폰, 스마트폰, 데스크탑 컴퓨터, 노트북, 디지털방송용 단말기, PDA(personal digital assistants), PMP(portable multimedia player), 네비게이션, 태블릿 PC, 웨어러블 장치, 셋톱박스(STB), DMB 수신기, 라디오, 세탁기, 냉장고, 데스크탑 컴퓨터, 디지털 사이니지, 로봇, 차량 등과 같은, 고정형 기기 또는 이동 가능한 기기 등으로 구현될 수 있다.
도 13을 참조하면, 단말기(100)는 통신부(110), 입력부(120), 러닝 프로세서(130), 센싱부(140), 출력부(150), 메모리(170) 및 프로세서(180) 등을 포함할 수 있다.
통신부(110)는 유무선 통신 기술을 이용하여 다른 AI 장치(100a 내지 100e)나 AI 서버(200) 등의 외부 장치들과 데이터를 송수신할 수 있다. 예컨대, 통신부(110)는 외부 장치들과 센서 정보, 사용자 입력, 학습 모델, 제어 신호 등을 송수신할 수 있다.
이때, 통신부(110)가 이용하는 통신 기술에는 GSM(Global System for Mobile communication), CDMA(Code Division Multi Access), LTE(Long Term Evolution), 5G, WLAN(Wireless LAN), Wi-Fi(Wireless-Fidelity), 블루투스(Bluetooth™), RFID(Radio Frequency Identification), 적외선 통신(Infrared Data Association; IrDA), ZigBee, NFC(Near Field Communication) 등이 있다.
입력부(120)는 다양한 종류의 데이터를 획득할 수 있다.
이때, 입력부(120)는 영상 신호 입력을 위한 카메라, 오디오 신호를 수신하기 위한 마이크로폰, 사용자로부터 정보를 입력 받기 위한 사용자 입력부 등을 포함할 수 있다. 여기서, 카메라나 마이크로폰을 센서로 취급하여, 카메라나 마이크로폰으로부터 획득한 신호를 센싱 데이터 또는 센서 정보라고 할 수도 있다.
입력부(120)는 모델 학습을 위한 학습 데이터 및 학습 모델을 이용하여 출력을 획득할 때 사용될 입력 데이터 등을 획득할 수 있다. 입력부(120)는 가공되지 않은 입력 데이터를 획득할 수도 있으며, 이 경우 프로세서(180) 또는 러닝 프로세서(130)는 입력 데이터에 대하여 전처리로써 입력 특징점(input feature)을 추출할 수 있다.
러닝 프로세서(130)는 학습 데이터를 이용하여 인공 신경망으로 구성된 모델을 학습시킬 수 있다. 여기서, 학습된 인공 신경망을 학습 모델이라 칭할 수 있다. 학습 모델은 학습 데이터가 아닌 새로운 입력 데이터에 대하여 결과 값을 추론해 내는데 사용될 수 있고, 추론된 값은 어떠한 동작을 수행하기 위한 판단의 기초로 이용될 수 있다.
이때, 러닝 프로세서(130)는 AI 서버(200)의 러닝 프로세서(240)과 함께 AI 프로세싱을 수행할 수 있다.
이때, 러닝 프로세서(130)는 AI 장치(100)에 통합되거나 구현된 메모리를 포함할 수 있다. 또는, 러닝 프로세서(130)는 메모리(170), AI 장치(100)에 직접 결합된 외부 메모리 또는 외부 장치에서 유지되는 메모리를 사용하여 구현될 수도 있다.
센싱부(140)는 다양한 센서들을 이용하여 AI 장치(100) 내부 정보, AI 장치(100)의 주변 환경 정보 및 사용자 정보 중 적어도 하나를 획득할 수 있다.
이때, 센싱부(140)에 포함되는 센서에는 근접 센서, 조도 센서, 가속도 센서, 자기 센서, 자이로 센서, 관성 센서, RGB 센서, IR 센서, 지문 인식 센서, 초음파 센서, 광 센서, 마이크로폰, 라이다, 레이더 등이 있다.
출력부(150)는 시각, 청각 또는 촉각 등과 관련된 출력을 발생시킬 수 있다.
이때, 출력부(150)에는 시각 정보를 출력하는 디스플레이부, 청각 정보를 출력하는 스피커, 촉각 정보를 출력하는 햅틱 모듈 등이 포함될 수 있다.
메모리(170)는 AI 장치(100)의 다양한 기능을 지원하는 데이터를 저장할 수 있다. 예컨대, 메모리(170)는 입력부(120)에서 획득한 입력 데이터, 학습 데이터, 학습 모델, 학습 히스토리 등을 저장할 수 있다.
프로세서(180)는 데이터 분석 알고리즘 또는 머신 러닝 알고리즘을 사용하여 결정되거나 생성된 정보에 기초하여, AI 장치(100)의 적어도 하나의 실행 가능한 동작을 결정할 수 있다. 그리고, 프로세서(180)는 AI 장치(100)의 구성 요소들을 제어하여 결정된 동작을 수행할 수 있다.
이를 위해, 프로세서(180)는 러닝 프로세서(130) 또는 메모리(170)의 데이터를 요청, 검색, 수신 또는 활용할 수 있고, 상기 적어도 하나의 실행 가능한 동작 중 예측되는 동작이나, 바람직한 것으로 판단되는 동작을 실행하도록 AI 장치(100)의 구성 요소들을 제어할 수 있다.
이때, 프로세서(180)는 결정된 동작을 수행하기 위하여 외부 장치의 연계가 필요한 경우, 해당 외부 장치를 제어하기 위한 제어 신호를 생성하고, 생성한 제어 신호를 해당 외부 장치에 전송할 수 있다.
프로세서(180)는 사용자 입력에 대하여 의도 정보를 획득하고, 획득한 의도 정보에 기초하여 사용자의 요구 사항을 결정할 수 있다.
이때, 프로세서(180)는 음성 입력을 문자열로 변환하기 위한 STT(Speech To Text) 엔진 또는 자연어의 의도 정보를 획득하기 위한 자연어 처리(NLP: Natural Language Processing) 엔진 중에서 적어도 하나 이상을 이용하여, 사용자 입력에 상응하는 의도 정보를 획득할 수 있다.
이때, STT 엔진 또는 NLP 엔진 중에서 적어도 하나 이상은 적어도 일부가 머신 러닝 알고리즘에 따라 학습된 인공 신경망으로 구성될 수 있다. 그리고, STT 엔진 또는 NLP 엔진 중에서 적어도 하나 이상은 러닝 프로세서(130)에 의해 학습된 것이나, AI 서버(200)의 러닝 프로세서(240)에 의해 학습된 것이거나, 또는 이들의 분산 처리에 의해 학습된 것일 수 있다.
프로세서(180)는 AI 장치(100)의 동작 내용이나 동작에 대한 사용자의 피드백 등을 포함하는 이력 정보를 수집하여 메모리(170) 또는 러닝 프로세서(130)에 저장하거나, AI 서버(200) 등의 외부 장치에 전송할 수 있다. 수집된 이력 정보는 학습 모델을 갱신하는데 이용될 수 있다.
프로세서(180)는 메모리(170)에 저장된 응용 프로그램을 구동하기 위하여, AI 장치(100)의 구성 요소들 중 적어도 일부를 제어할 수 있다. 나아가, 프로세서(180)는 상기 응용 프로그램의 구동을 위하여, AI 장치(100)에 포함된 구성 요소들 중 둘 이상을 서로 조합하여 동작시킬 수 있다.
도 14는 본 발명의 실시 예들을 구현할 수 있는 AI 서버(200)를 나타낸다.
도 14를 참조하면, AI 서버(200)는 머신 러닝 알고리즘을 이용하여 인공 신경망을 학습시키거나 학습된 인공 신경망을 이용하는 장치를 의미할 수 있다. 여기서, AI 서버(200)는 복수의 서버들로 구성되어 분산 처리를 수행할 수도 있고, 5G 네트워크로 정의될 수 있다. 이때, AI 서버(200)는 AI 장치(100)의 일부의 구성으로 포함되어, AI 프로세싱 중 적어도 일부를 함께 수행할 수도 있다.
AI 서버(200)는 통신부(210), 메모리(230), 러닝 프로세서(240) 및 프로세서(260) 등을 포함할 수 있다.
통신부(210)는 AI 장치(100) 등의 외부 장치와 데이터를 송수신할 수 있다.
메모리(230)는 모델 저장부(231)를 포함할 수 있다. 모델 저장부(231)는 러닝 프로세서(240)을 통하여 학습 중인 또는 학습된 모델(또는 인공 신경망, 231a)을 저장할 수 있다.
러닝 프로세서(240)는 학습 데이터를 이용하여 인공 신경망(231a)을 학습시킬 수 있다. 학습 모델은 인공 신경망의 AI 서버(200)에 탑재된 상태에서 이용되거나, AI 장치(100) 등의 외부 장치에 탑재되어 이용될 수도 있다.
학습 모델은 하드웨어, 소프트웨어 또는 하드웨어와 소프트웨어의 조합으로 구현될 수 있다. 학습 모델의 일부 또는 전부가 소프트웨어로 구현되는 경우 학습 모델을 구성하는 하나 이상의 명령어(instruction)는 메모리(230)에 저장될 수 있다.
프로세서(260)는 학습 모델을 이용하여 새로운 입력 데이터에 대하여 결과 값을 추론하고, 추론한 결과 값에 기초한 응답이나 제어 명령을 생성할 수 있다.
도 15는 본 발명의 실시 예들을 구현할 수 있는 따른 AI 시스템(1)을 나타낸다.
도 15를 참조하면, AI 시스템(1)은 AI 서버(200), 로봇(100a), 자율 주행 차량(100b), XR 장치(100c), 스마트폰(100d) 또는 가전(100e) 중에서 적어도 하나 이상이 클라우드 네트워크(10)와 연결된다. 여기서, AI 기술이 적용된 로봇(100a), 자율 주행 차량(100b), XR 장치(100c), 스마트폰(100d) 또는 가전(100e) 등을 AI 장치(100a 내지 100e)라 칭할 수 있다.
클라우드 네트워크(10)는 클라우드 컴퓨팅 인프라의 일부를 구성하거나 클라우드 컴퓨팅 인프라 안에 존재하는 네트워크를 의미할 수 있다. 여기서, 클라우드 네트워크(10)는 3G 네트워크, 4G 또는 LTE(Long Term Evolution) 네트워크 또는 5G 네트워크 등을 이용하여 구성될 수 있다.
즉, AI 시스템(1)을 구성하는 각 장치들(100a 내지 100e, 200)은 클라우드 네트워크(10)를 통해 서로 연결될 수 있다. 특히, 각 장치들(100a 내지 100e, 200)은 기지국을 통해서 서로 통신할 수도 있지만, 기지국을 통하지 않고 직접 서로 통신할 수도 있다.
AI 서버(200)는 AI 프로세싱을 수행하는 서버와 빅 데이터에 대한 연산을 수행하는 서버를 포함할 수 있다.
AI 서버(200)는 AI 시스템(1)을 구성하는 AI 장치들인 로봇(100a), 자율 주행 차량(100b), XR 장치(100c), 스마트폰(100d) 또는 가전(100e) 중에서 적어도 하나 이상과 클라우드 네트워크(10)을 통하여 연결되고, 연결된 AI 장치들(100a 내지 100e)의 AI 프로세싱을 적어도 일부를 도울 수 있다.
이때, AI 서버(200)는 AI 장치(100a 내지 100e)를 대신하여 머신 러닝 알고리즘에 따라 인공 신경망을 학습시킬 수 있고, 학습 모델을 직접 저장하거나 AI 장치(100a 내지 100e)에 전송할 수 있다.
이때, AI 서버(200)는 AI 장치(100a 내지 100e)로부터 입력 데이터를 수신하고, 학습 모델을 이용하여 수신한 입력 데이터에 대하여 결과 값을 추론하고, 추론한 결과 값에 기초한 응답이나 제어 명령을 생성하여 AI 장치(100a 내지 100e)로 전송할 수 있다.
또는, AI 장치(100a 내지 100e)는 직접 학습 모델을 이용하여 입력 데이터에 대하여 결과 값을 추론하고, 추론한 결과 값에 기초한 응답이나 제어 명령을 생성할 수도 있다.
이하에서는, 상술한 기술이 적용되는 AI 장치(100a 내지 100e)의 다양한 실시 예들을 설명한다. 여기서, 도 22에 도시된 AI 장치(100a 내지 100e)는 도 20에 도시된 AI 장치(100)의 구체적인 실시 예로 볼 수 있다.
<AI+로봇>
로봇(100a)은 AI 기술이 적용되어, 안내 로봇, 운반 로봇, 청소 로봇, 웨어러블 로봇, 엔터테인먼트 로봇, 펫 로봇, 무인 비행 로봇 등으로 구현될 수 있다.
로봇(100a)은 동작을 제어하기 위한 로봇 제어 모듈을 포함할 수 있고, 로봇 제어 모듈은 소프트웨어 모듈 또는 이를 하드웨어로 구현한 칩을 의미할 수 있다.
로봇(100a)은 다양한 종류의 센서들로부터 획득한 센서 정보를 이용하여 로봇(100a)의 상태 정보를 획득하거나, 주변 환경 및 객체를 검출(인식)하거나, 맵 데이터를 생성하거나, 이동 경로 및 주행 계획을 결정하거나, 사용자 상호작용에 대한 응답을 결정하거나, 동작을 결정할 수 있다.
여기서, 로봇(100a)은 이동 경로 및 주행 계획을 결정하기 위하여, 라이다, 레이더, 카메라 중에서 적어도 하나 이상의 센서에서 획득한 센서 정보를 이용할 수 있다.
로봇(100a)은 적어도 하나 이상의 인공 신경망으로 구성된 학습 모델을 이용하여 상기한 동작들을 수행할 수 있다. 예컨대, 로봇(100a)은 학습 모델을 이용하여 주변 환경 및 객체를 인식할 수 있고, 인식된 주변 환경 정보 또는 객체 정보를 이용하여 동작을 결정할 수 있다. 여기서, 학습 모델은 로봇(100a)에서 직접 학습되거나, AI 서버(200) 등의 외부 장치에서 학습된 것일 수 있다.
이때, 로봇(100a)은 직접 학습 모델을 이용하여 결과를 생성하여 동작을 수행할 수도 있지만, AI 서버(200) 등의 외부 장치에 센서 정보를 전송하고 그에 따라 생성된 결과를 수신하여 동작을 수행할 수도 있다.
로봇(100a)은 맵 데이터, 센서 정보로부터 검출한 객체 정보 또는 외부 장치로부터 획득한 객체 정보 중에서 적어도 하나 이상을 이용하여 이동 경로와 주행 계획을 결정하고, 구동부를 제어하여 결정된 이동 경로와 주행 계획에 따라 로봇(100a)을 주행시킬 수 있다.
맵 데이터에는 로봇(100a)이 이동하는 공간에 배치된 다양한 객체들에 대한 객체 식별 정보가 포함될 수 있다. 예컨대, 맵 데이터에는 벽, 문 등의 고정 객체들과 화분, 책상 등의 이동 가능한 객체들에 대한 객체 식별 정보가 포함될 수 있다. 그리고, 객체 식별 정보에는 명칭, 종류, 거리, 위치 등이 포함될 수 있다.
또한, 로봇(100a)은 사용자의 제어/상호작용에 기초하여 구동부를 제어함으로써, 동작을 수행하거나 주행할 수 있다. 이때, 로봇(100a)은 사용자의 동작이나 음성 발화에 따른 상호작용의 의도 정보를 획득하고, 획득한 의도 정보에 기초하여 응답을 결정하여 동작을 수행할 수 있다.
<AI+자율주행>
자율 주행 차량(100b)은 AI 기술이 적용되어, 이동형 로봇, 차량, 무인 비행체 등으로 구현될 수 있다.
자율 주행 차량(100b)은 자율 주행 기능을 제어하기 위한 자율 주행 제어 모듈을 포함할 수 있고, 자율 주행 제어 모듈은 소프트웨어 모듈 또는 이를 하드웨어로 구현한 칩을 의미할 수 있다. 자율 주행 제어 모듈은 자율 주행 차량(100b)의 구성으로써 내부에 포함될 수도 있지만, 자율 주행 차량(100b)의 외부에 별도의 하드웨어로 구성되어 연결될 수도 있다.
자율 주행 차량(100b)은 다양한 종류의 센서들로부터 획득한 센서 정보를 이용하여 자율 주행 차량(100b)의 상태 정보를 획득하거나, 주변 환경 및 객체를 검출(인식)하거나, 맵 데이터를 생성하거나, 이동 경로 및 주행 계획을 결정하거나, 동작을 결정할 수 있다.
여기서, 자율 주행 차량(100b)은 이동 경로 및 주행 계획을 결정하기 위하여, 로봇(100a)과 마찬가지로, 라이다, 레이더, 카메라 중에서 적어도 하나 이상의 센서에서 획득한 센서 정보를 이용할 수 있다.
특히, 자율 주행 차량(100b)은 시야가 가려지는 영역이나 일정 거리 이상의 영역에 대한 환경이나 객체는 외부 장치들로부터 센서 정보를 수신하여 인식하거나, 외부 장치들로부터 직접 인식된 정보를 수신할 수 있다.
자율 주행 차량(100b)은 적어도 하나 이상의 인공 신경망으로 구성된 학습 모델을 이용하여 상기한 동작들을 수행할 수 있다. 예컨대, 자율 주행 차량(100b)은 학습 모델을 이용하여 주변 환경 및 객체를 인식할 수 있고, 인식된 주변 환경 정보 또는 객체 정보를 이용하여 주행 동선을 결정할 수 있다. 여기서, 학습 모델은 자율 주행 차량(100b)에서 직접 학습되거나, AI 서버(200) 등의 외부 장치에서 학습된 것일 수 있다.
이때, 자율 주행 차량(100b)은 직접 학습 모델을 이용하여 결과를 생성하여 동작을 수행할 수도 있지만, AI 서버(200) 등의 외부 장치에 센서 정보를 전송하고 그에 따라 생성된 결과를 수신하여 동작을 수행할 수도 있다.
자율 주행 차량(100b)은 맵 데이터, 센서 정보로부터 검출한 객체 정보 또는 외부 장치로부터 획득한 객체 정보 중에서 적어도 하나 이상을 이용하여 이동 경로와 주행 계획을 결정하고, 구동부를 제어하여 결정된 이동 경로와 주행 계획에 따라 자율 주행 차량(100b)을 주행시킬 수 있다.
맵 데이터에는 자율 주행 차량(100b)이 주행하는 공간(예컨대, 도로)에 배치된 다양한 객체들에 대한 객체 식별 정보가 포함될 수 있다. 예컨대, 맵 데이터에는 가로등, 바위, 건물 등의 고정 객체들과 차량, 보행자 등의 이동 가능한 객체들에 대한 객체 식별 정보가 포함될 수 있다. 그리고, 객체 식별 정보에는 명칭, 종류, 거리, 위치 등이 포함될 수 있다.
또한, 자율 주행 차량(100b)은 사용자의 제어/상호작용에 기초하여 구동부를 제어함으로써, 동작을 수행하거나 주행할 수 있다. 이때, 자율 주행 차량(100b)은 사용자의 동작이나 음성 발화에 따른 상호작용의 의도 정보를 획득하고, 획득한 의도 정보에 기초하여 응답을 결정하여 동작을 수행할 수 있다.
<AI+XR>
XR 장치(100c)는 AI 기술이 적용되어, HMD(Head-Mount Display), 차량에 구비된 HUD(Head-Up Display), 텔레비전, 휴대폰, 스마트 폰, 컴퓨터, 웨어러블 디바이스, 가전 기기, 디지털 사이니지, 차량, 고정형 로봇이나 이동형 로봇 등으로 구현될 수 있다.
XR 장치(100c)는 다양한 센서들을 통해 또는 외부 장치로부터 획득한 3차원 포인트 클라우드 데이터 또는 이미지 데이터를 분석하여 3차원 포인트들에 대한 위치 데이터 및 속성 데이터를 생성함으로써 주변 공간 또는 현실 객체에 대한 정보를 획득하고, 출력할 XR 객체를 렌더링하여 출력할 수 있다. 예컨대, XR 장치(100c)는 인식된 물체에 대한 추가 정보를 포함하는 XR 객체를 해당 인식된 물체에 대응시켜 출력할 수 있다.
XR 장치(100c)는 적어도 하나 이상의 인공 신경망으로 구성된 학습 모델을 이용하여 상기한 동작들을 수행할 수 있다. 예컨대, XR 장치(100c)는 학습 모델을 이용하여 3차원 포인트 클라우드 데이터 또는 이미지 데이터에서 현실 객체를 인식할 수 있고, 인식한 현실 객체에 상응하는 정보를 제공할 수 있다. 여기서, 학습 모델은 XR 장치(100c)에서 직접 학습되거나, AI 서버(200) 등의 외부 장치에서 학습된 것일 수 있다.
이때, XR 장치(100c)는 직접 학습 모델을 이용하여 결과를 생성하여 동작을 수행할 수도 있지만, AI 서버(200) 등의 외부 장치에 센서 정보를 전송하고 그에 따라 생성된 결과를 수신하여 동작을 수행할 수도 있다.
<AI+로봇+자율주행>
로봇(100a)은 AI 기술 및 자율 주행 기술이 적용되어, 안내 로봇, 운반 로봇, 청소 로봇, 웨어러블 로봇, 엔터테인먼트 로봇, 펫 로봇, 무인 비행 로봇 등으로 구현될 수 있다.
AI 기술과 자율 주행 기술이 적용된 로봇(100a)은 자율 주행 기능을 가진 로봇 자체나, 자율 주행 차량(100b)과 상호작용하는 로봇(100a) 등을 의미할 수 있다.
자율 주행 기능을 가진 로봇(100a)은 사용자의 제어 없이도 주어진 동선에 따라 스스로 움직이거나, 동선을 스스로 결정하여 움직이는 장치들을 통칭할 수 있다.
자율 주행 기능을 가진 로봇(100a) 및 자율 주행 차량(100b)은 이동 경로 또는 주행 계획 중 하나 이상을 결정하기 위해 공통적인 센싱 방법을 사용할 수 있다. 예를 들어, 자율 주행 기능을 가진 로봇(100a) 및 자율 주행 차량(100b)은 라이다, 레이더, 카메라를 통해 센싱된 정보를 이용하여, 이동 경로 또는 주행 계획 중 하나 이상을 결정할 수 있다.
자율 주행 차량(100b)과 상호작용하는 로봇(100a)은 자율 주행 차량(100b)과 별개로 존재하면서, 자율 주행 차량(100b)의 내부 또는 외부에서 자율 주행 기능에 연계되거나, 자율 주행 차량(100b)에 탑승한 사용자와 연계된 동작을 수행할 수 있다.
이때, 자율 주행 차량(100b)과 상호작용하는 로봇(100a)은 자율 주행 차량(100b)을 대신하여 센서 정보를 획득하여 자율 주행 차량(100b)에 제공하거나, 센서 정보를 획득하고 주변 환경 정보 또는 객체 정보를 생성하여 자율 주행 차량(100b)에 제공함으로써, 자율 주행 차량(100b)의 자율 주행 기능을 제어하거나 보조할 수 있다.
또는, 자율 주행 차량(100b)과 상호작용하는 로봇(100a)은 자율 주행 차량(100b)에 탑승한 사용자를 모니터링하거나 사용자와의 상호작용을 통해 자율 주행 차량(100b)의 기능을 제어할 수 있다. 예컨대, 로봇(100a)은 운전자가 졸음 상태인 경우로 판단되는 경우, 자율 주행 차량(100b)의 자율 주행 기능을 활성화하거나 자율 주행 차량(100b)의 구동부의 제어를 보조할 수 있다. 여기서, 로봇(100a)이 제어하는 자율 주행 차량(100b)의 기능에는 단순히 자율 주행 기능뿐만 아니라, 자율 주행 차량(100b)의 내부에 구비된 네비게이션 시스템이나 오디오 시스템에서 제공하는 기능도 포함될 수 있다.
또는, 자율 주행 차량(100b)과 상호작용하는 로봇(100a)은 자율 주행 차량(100b)의 외부에서 자율 주행 차량(100b)에 정보를 제공하거나 기능을 보조할 수 있다. 예컨대, 로봇(100a)은 스마트 신호등과 같이 자율 주행 차량(100b)에 신호 정보 등을 포함하는 교통 정보를 제공할 수도 있고, 전기 차량의 자동 전기 충전기와 같이 자율 주행 차량(100b)과 상호작용하여 충전구에 전기 충전기를 자동으로 연결할 수도 있다.
<AI+로봇+XR>
로봇(100a)은 AI 기술 및 XR 기술이 적용되어, 안내 로봇, 운반 로봇, 청소 로봇, 웨어러블 로봇, 엔터테인먼트 로봇, 펫 로봇, 무인 비행 로봇, 드론 등으로 구현될 수 있다.
XR 기술이 적용된 로봇(100a)은 XR 영상 내에서의 제어/상호작용의 대상이 되는 로봇을 의미할 수 있다. 이 경우, 로봇(100a)은 XR 장치(100c)와 구분되며 서로 연동될 수 있다.
XR 영상 내에서의 제어/상호작용의 대상이 되는 로봇(100a)은 카메라를 포함하는 센서들로부터 센서 정보를 획득하면, 로봇(100a) 또는 XR 장치(100c)는 센서 정보에 기초한 XR 영상을 생성하고, XR 장치(100c)는 생성된 XR 영상을 출력할 수 있다. 그리고, 이러한 로봇(100a)은 XR 장치(100c)를 통해 입력되는 제어 신호 또는 사용자의 상호작용에 기초하여 동작할 수 있다.
예컨대, 사용자는 XR 장치(100c) 등의 외부 장치를 통해 원격으로 연동된 로봇(100a)의 시점에 상응하는 XR 영상을 확인할 수 있고, 상호작용을 통하여 로봇(100a)의 자율 주행 경로를 조정하거나, 동작 또는 주행을 제어하거나, 주변 객체의 정보를 확인할 수 있다.
<AI+자율주행+XR>
자율 주행 차량(100b)은 AI 기술 및 XR 기술이 적용되어, 이동형 로봇, 차량, 무인 비행체 등으로 구현될 수 있다.
XR 기술이 적용된 자율 주행 차량(100b)은 XR 영상을 제공하는 수단을 구비한 자율 주행 차량이나, XR 영상 내에서의 제어/상호작용의 대상이 되는 자율 주행 차량 등을 의미할 수 있다. 특히, XR 영상 내에서의 제어/상호작용의 대상이 되는 자율 주행 차량(100b)은 XR 장치(100c)와 구분되며 서로 연동될 수 있다.
XR 영상을 제공하는 수단을 구비한 자율 주행 차량(100b)은 카메라를 포함하는 센서들로부터 센서 정보를 획득하고, 획득한 센서 정보에 기초하여 생성된 XR 영상을 출력할 수 있다. 예컨대, 자율 주행 차량(100b)은 HUD를 구비하여 XR 영상을 출력함으로써, 탑승자에게 현실 객체 또는 화면 속의 객체에 대응되는 XR 객체를 제공할 수 있다.
이때, XR 객체가 HUD에 출력되는 경우에는 XR 객체의 적어도 일부가 탑승자의 시선이 향하는 실제 객체에 오버랩되도록 출력될 수 있다. 반면, XR 객체가 자율 주행 차량(100b)의 내부에 구비되는 디스플레이에 출력되는 경우에는 XR 객체의 적어도 일부가 화면 속의 객체에 오버랩되도록 출력될 수 있다. 예컨대, 자율 주행 차량(100b)은 차로, 타 차량, 신호등, 교통 표지판, 이륜차, 보행자, 건물 등과 같은 객체와 대응되는 XR 객체들을 출력할 수 있다.
XR 영상 내에서의 제어/상호작용의 대상이 되는 자율 주행 차량(100b)은 카메라를 포함하는 센서들로부터 센서 정보를 획득하면, 자율 주행 차량(100b) 또는 XR 장치(100c)는 센서 정보에 기초한 XR 영상을 생성하고, XR 장치(100c)는 생성된 XR 영상을 출력할 수 있다. 그리고, 이러한 자율 주행 차량(100b)은 XR 장치(100c) 등의 외부 장치를 통해 입력되는 제어 신호 또는 사용자의 상호작용에 기초하여 동작할 수 있다.
이상에서 설명된 실시예들은 본 발명의 구성요소들과 특징들이 소정 형태로 결합된 것들이다. 각 구성요소 또는 특징은 별도의 명시적 언급이 없는 한 선택적인 것으로 고려되어야 한다. 각 구성요소 또는 특징은 다른 구성요소나 특징과 결합되지 않은 형태로 실시될 수 있다. 또한, 일부 구성요소들 및/또는 특징들을 결합하여 본 발명의 실시예를 구성하는 것도 가능하다. 본 발명의 실시예들에서 설명되는 동작들의 순서는 변경될 수 있다. 어느 실시예의 일부 구성이나 특징은 다른 실시예에 포함될 수 있고, 또는 다른 실시예의 대응하는 구성 또는 특징과 교체될 수 있다. 특허청구범위에서 명시적인 인용 관계가 있지 않은 청구항들을 결합하여 실시예를 구성하거나 출원 후의 보정에 의해 새로운 청구항으로 포함시킬 수 있음은 자명하다.
본 문서에서 기지국에 의해 수행된다고 설명된 특정 동작은 경우에 따라서는 그 상위 노드(upper node)에 의해 수행될 수 있다. 즉, 기지국을 포함하는 복수의 네트워크 노드들(network nodes)로 이루어지는 네트워크에서 단말과의 통신을 위해 수행되는 다양한 동작들은 기지국 또는 기지국 이외의 다른 네트워크 노드들에 의해 수행될 수 있음은 자명하다. 기지국은 고정국(fixed station), Node B, eNode B(eNB), 억세스 포인트(access point) 등의 용어에 의해 대체될 수 있다.
본 발명에 따른 실시예는 다양한 수단, 예를 들어, 하드웨어, 펌웨어(firmware), 소프트웨어 또는 그것들의 결합 등에 의해 구현될 수 있다. 하드웨어에 의한 구현의 경우, 본 발명의 일 실시예는 하나 또는 그 이상의 ASICs(application specific integrated circuits), DSPs(digital signal processors), DSPDs(digital signal processing devices), PLDs(programmable logic devices), FPGAs(field programmable gate arrays), 프로세서, 콘트롤러, 마이크로 콘트롤러, 마이크로 프로세서 등에 의해 구현될 수 있다.
펌웨어나 소프트웨어에 의한 구현의 경우, 본 발명의 일 실시예는 이상에서 설명된 기능 또는 동작들을 수행하는 모듈, 절차, 함수 등의 형태로 구현될 수 있다. 소프트웨어 코드는 메모리 유닛에 저장되어 프로세서에 의해 구동될 수 있다. 상기 메모리 유닛은 상기 프로세서 내부 또는 외부에 위치하여, 이미 공지된 다양한 수단에 의해 상기 프로세서와 데이터를 주고 받을 수 있다.
본 발명은 본 발명의 특징을 벗어나지 않는 범위에서 다른 특정한 형태로 구체화될 수 있음은 당업자에게 자명하다. 따라서, 상기의 상세한 설명은 모든 면에서 제한적으로 해석되어서는 아니되고 예시적인 것으로 고려되어야 한다. 본 발명의 범위는 첨부된 청구항의 합리적 해석에 의해 결정되어야 하고, 본 발명의 등가적 범위 내에서의 모든 변경은 본 발명의 범위에 포함된다.

Claims (10)

  1. 차세대 무선 통신 시스템에서 차일드 노드가 하향링크 신호를 송신하는 방법에 있어서,
    페어런트 노드로부터 타이밍 어드밴스드 값에 대한 정보를 수신하는 단계;
    상기 페어런트 노드로부터 송신되는 제 1 하향링크 신호의 수신 타이밍을 결정하는 단계;
    상기 타이밍 어드밴스드 값과 미리 설정된 오프셋 값에 기반하는 타이밍 보정값만큼 상기 제 1 하향링크 신호의 수신 타이밍으로부터 선행하여, 제 2 하향링크 신호의 송신 타이밍을 산출하는 단계; 및
    상기 제 2 하향링크 신호의 송신 타이밍에 따라서, 다른 차일드 노드로 상기 제 2 하항링크 신호를 송신하는 단계를 포함하는 것을 특징으로 하는,
    하향링크 신호 송신 방법.
  2. 제 1 항에 있어서,
    상기 제 1 하향링크 신호의 송신 타이밍과 상기 제 2 하향링크 신호의 송신 타이밍은 동일한 것을 특징으로 하는,
    하향링크 신호 송신 방법.
  3. 제 1 항에 있어서,
    상기 타이밍 보정값은,
    상기 타이밍 어드밴스드 값의 절반과 상기 미리 설정된 오프셋 값의 합인 것을 특징으로 하는,
    하향링크 신호 송신 방법.
  4. 제 1 항에 있어서,
    상기 미리 설정된 오프셋 값은,
    상기 페이런트 노드로부터 수신하는 랜덤 액세스 응답 메시지에 포함되거나, 상위 계층 시그널링으로 제공되는 것을 특징으로 하는,
    하향링크 신호 송신 방법.
  5. 제 1 항에 있어서,
    상기 타이밍 어드밴스드 값은,
    상기 미리 설정된 오프셋 값의 수신으로부터 가장 최근에 갱신된 타이밍 어드밴스드 값인 것을 특징으로 하는,
    하향링크 신호 송신 방법.
  6. 차세대 무선 통신 시스템에서의 릴레이 노드로서,
    무선 통신 모듈;
    적어도 하나의 프로세서; 및
    상기 적어도 하나의 프로세서에 동작 가능하도록 연결되고, 실행될 경우 상기 적어도 하나의 프로세서가 특정 동작을 수행하도록 하는 명령들(instructions)을 저장하는 적어도 하나의 메모리를 포함하고,
    상기 특정 동작은,
    페어런트 노드로부터 타이밍 어드밴스드 값에 대한 정보를 수신하고, 상기 페어런트 노드로부터 송신되는 제 1 하향링크 신호의 수신 타이밍을 결정하며, 상기 타이밍 어드밴스드 값과 미리 설정된 오프셋 값에 기반하는 타이밍 보정값만큼 상기 제 1 하향링크 신호의 수신 타이밍으로부터 선행하여, 제 2 하향링크 신호의 송신 타이밍을 산출하고, 상기 제 2 하향링크 신호의 송신 타이밍에 따라서, 다른 차일드 노드로 상기 제 2 하항링크 신호를 송신하는 동작을 포함하는 것을 특징으로 하는,
    릴레이 노드.
  7. 제 6 항에 있어서,
    상기 제 1 하향링크 신호의 송신 타이밍과 상기 제 2 하향링크 신호의 송신 타이밍은 동일한 것을 특징으로 하는,
    릴레이 노드.
  8. 제 6 항에 있어서,
    상기 타이밍 보정값은,
    상기 타이밍 어드밴스드 값의 절반과 상기 미리 설정된 오프셋 값의 합인 것을 특징으로 하는,
    릴레이 노드.
  9. 제 6 항에 있어서,
    상기 미리 설정된 오프셋 값은,
    상기 페이런트 노드로부터 수신하는 랜덤 액세스 응답 메시지에 포함되거나, 상위 계층 시그널링으로 제공되는 것을 특징으로 하는,
    릴레이 노드.
  10. 제 6 항에 있어서,
    상기 타이밍 어드밴스드 값은,
    상기 미리 설정된 오프셋 값의 수신으로부터 가장 최근에 갱신된 타이밍 어드밴스드 값인 것을 특징으로 하는,
    릴레이 노드.
PCT/KR2019/010181 2018-11-11 2019-08-12 차세대 통신 시스템에서 릴레이 노드를 위한 하향링크 송신 타이밍 결정 방법 및 이를 위한 장치 WO2020096174A1 (ko)

Priority Applications (2)

Application Number Priority Date Filing Date Title
US17/292,932 US11864138B2 (en) 2018-11-11 2019-08-12 Method and device for determining downlink transmission timing for relay node in next generation communication system
US18/511,305 US20240089882A1 (en) 2018-11-11 2023-11-16 Method and device for determining downlink transmission timing for relay node in next generation communication system

Applications Claiming Priority (2)

Application Number Priority Date Filing Date Title
US201862758691P 2018-11-11 2018-11-11
US62/758,691 2018-11-11

Related Child Applications (2)

Application Number Title Priority Date Filing Date
US17/292,932 A-371-Of-International US11864138B2 (en) 2018-11-11 2019-08-12 Method and device for determining downlink transmission timing for relay node in next generation communication system
US18/511,305 Continuation US20240089882A1 (en) 2018-11-11 2023-11-16 Method and device for determining downlink transmission timing for relay node in next generation communication system

Publications (1)

Publication Number Publication Date
WO2020096174A1 true WO2020096174A1 (ko) 2020-05-14

Family

ID=70611405

Family Applications (1)

Application Number Title Priority Date Filing Date
PCT/KR2019/010181 WO2020096174A1 (ko) 2018-11-11 2019-08-12 차세대 통신 시스템에서 릴레이 노드를 위한 하향링크 송신 타이밍 결정 방법 및 이를 위한 장치

Country Status (2)

Country Link
US (2) US11864138B2 (ko)
WO (1) WO2020096174A1 (ko)

Families Citing this family (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN113647157A (zh) * 2019-03-26 2021-11-12 瑞典爱立信有限公司 具有负传播延迟指示的集成接入回程（iab）节点

Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN102083195A (zh) * 2010-06-18 2011-06-01 大唐移动通信设备有限公司 一种中继***中调整子帧定时的方法及装置
KR20120072308A (ko) * 2010-12-23 2012-07-03 엘지에릭슨 주식회사 릴레이 시스템의 타이밍 제어 장치 및 방법

Family Cites Families (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2017179939A2 (ko) * 2016-04-15 2017-10-19 엘지전자 주식회사 무선랜 시스템에서의 신호 송수신 방법 및 이를 위한 장치
US10623067B2 (en) * 2018-05-11 2020-04-14 At&T Intellectual Property I, L.P. Enhanced timing advance scheme to support MU-MIMO in integrated access and backhaul
US11082941B2 (en) * 2018-08-09 2021-08-03 Qualcomm Incorporated Timing offset techniques in wireless communications
US11012964B2 (en) * 2018-11-02 2021-05-18 Nokia Technologies Oy Timing advance control for IAB

Patent Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN102083195A (zh) * 2010-06-18 2011-06-01 大唐移动通信设备有限公司 一种中继***中调整子帧定时的方法及装置
KR20120072308A (ko) * 2010-12-23 2012-07-03 엘지에릭슨 주식회사 릴레이 시스템의 타이밍 제어 장치 및 방법

Non-Patent Citations (3)

* Cited by examiner, † Cited by third party
Title
CEWIT: "On lAB timing alignment", 3GPP DRAFT; R1-1811554, 12 October 2018 (2018-10-12), Chengdu, China, pages 1 - 7, XP051518954 *
ERICSSON: "Timing of IAB-node transmissions", 3GPP DRAFT; R1-1811449, 12 October 2018 (2018-10-12), Chengdu, China, pages 1 - 4, XP051518852 *
HUAWEI ET AL.: "Further consideration on timing alignment for IAB nodes", 3GPP DRAFT; R1-1810133, 12 October 2018 (2018-10-12), Chengdu, China, pages 1 - 10, XP051517548 *

Also Published As

Publication number Publication date
US20220007319A1 (en) 2022-01-06
US11864138B2 (en) 2024-01-02
US20240089882A1 (en) 2024-03-14

Similar Documents

Publication Publication Date Title
WO2020149650A1 (en) Method and apparatus for mobility management in wireless communication system
WO2020027473A1 (ko) 무선 통신 시스템에서, 하향링크 데이터 채널을 송수신하는 방법 및 이를 위한 장치
WO2020027471A1 (ko) 참조 신호를 송수신하는 방법 및 이를 위한 장치
WO2021029672A1 (ko) 무선통신시스템에서 사이드링크 drx에 관련된 ue의 동작 방법 및 장치
WO2020091443A1 (en) Deactivation of configured grant and initiation of connection request upon detection of sidelink failure
WO2021091244A1 (ko) 무선통신시스템에서 sci 관련 ue의 동작 방법
WO2020105833A1 (ko) 차세대 통신 시스템에서 릴레이 노드를 위한 자원 할당 방법 및 이를 위한 장치
WO2021066451A1 (ko) 무선통신시스템에서 2nd stage SCI 관련 UE의 동작 방법
WO2020032507A1 (ko) 비면허 대역에서 무선 링크 모니터링을 위한 참조 신호를 송수신하는 방법 및 이를 위한 장치
WO2021085908A1 (ko) 무선통신시스템에서 as configuration 관련 사이드링크 ue의 동작 방법
WO2020022748A1 (ko) 채널 상태 정보를 보고하는 방법 및 이를 위한 장치
WO2021096203A1 (ko) 무선통신시스템에서 동작하는 차량용 분산 안테나 시스템 및 그 동작 방법
WO2020022660A1 (ko) 하향링크 제어 채널을 송수신하는 방법 및 이를 위한 장치
WO2020032532A1 (en) Method and apparatus for monitoring paging on unlicensed bands in wireless communication system
WO2020032503A1 (ko) 무선 통신 시스템에서 채널 품질을 보고하는 방법 및 이를 위한 장치
WO2022025615A1 (ko) 무선통신시스템에서 사이드링크 디스커버리에 관련된 동작 방법
WO2021154061A1 (ko) 무선통신시스템에서 사이드링크 csi 보고에 관련된 ue의 동작 방법
WO2021206462A1 (ko) 무선통신시스템에서 사이드링크 릴레이에 관련된 릴레이 ue의 동작 방법
WO2021085909A1 (ko) 무선통신시스템에서 pc5 유니캐스트 링크 해제에 관련된 ue의 동작 방법
WO2020022694A1 (ko) 하향링크 제어 채널을 송수신하는 방법 및 이를 위한 장치
WO2020197125A1 (en) Method and apparatus for performing measurement in wireless communication system
WO2020022709A1 (ko) 비면허 대역에서 하향링크 데이터 채널을 송수신하는 방법 및 이를 위한 장치
WO2022019643A1 (ko) 무선통신시스템에서 릴레이 ue의 동작 방법
WO2022025667A1 (ko) 무선통신시스템에서 bwp에 관련된 릴레이 ue의 동작 방법
WO2021040378A1 (ko) 무선통신시스템에서 rlf 발생 후 사이드링크 신호를 송수신하는 ue의 동작 방법 및 장치

Legal Events

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

Ref document number: 19881546

Country of ref document: EP

Kind code of ref document: A1

NENP Non-entry into the national phase

Ref country code: DE

122 Ep: pct application non-entry in european phase

Ref document number: 19881546

Country of ref document: EP

Kind code of ref document: A1