WO2021172601A1 - 무선 통신 시스템에서 무선 신호를 송수신하는 방법 및 장치 - Google Patents

무선 통신 시스템에서 무선 신호를 송수신하는 방법 및 장치 Download PDF

Info

Publication number
WO2021172601A1
WO2021172601A1 PCT/KR2020/002607 KR2020002607W WO2021172601A1 WO 2021172601 A1 WO2021172601 A1 WO 2021172601A1 KR 2020002607 W KR2020002607 W KR 2020002607W WO 2021172601 A1 WO2021172601 A1 WO 2021172601A1
Authority
WO
WIPO (PCT)
Prior art keywords
parameter
channel
channel signal
machine learning
signal
Prior art date
Application number
PCT/KR2020/002607
Other languages
English (en)
French (fr)
Inventor
전기준
이상림
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 PCT/KR2020/002607 priority Critical patent/WO2021172601A1/ko
Priority to US17/800,042 priority patent/US20230082053A1/en
Publication of WO2021172601A1 publication Critical patent/WO2021172601A1/ko

Links

Images

Classifications

    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
    • H04L25/00—Baseband systems
    • H04L25/02—Details ; arrangements for supplying electrical power along data transmission lines
    • H04L25/0202—Channel estimation
    • H04L25/024—Channel estimation channel estimation algorithms
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
    • H04L25/00—Baseband systems
    • H04L25/02—Details ; arrangements for supplying electrical power along data transmission lines
    • H04L25/03—Shaping networks in transmitter or receiver, e.g. adaptive shaping networks
    • H04L25/03006—Arrangements for removing intersymbol interference
    • H04L25/03165—Arrangements for removing intersymbol interference using neural networks
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N20/00—Machine learning
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04B—TRANSMISSION
    • H04B7/00—Radio transmission systems, i.e. using radiation field
    • H04B7/02—Diversity systems; Multi-antenna system, i.e. transmission or reception using multiple antennas
    • H04B7/04—Diversity systems; Multi-antenna system, i.e. transmission or reception using multiple antennas using two or more spaced independent antennas
    • H04B7/0413—MIMO systems
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
    • H04L1/00—Arrangements for detecting or preventing errors in the information received
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
    • H04L25/00—Baseband systems
    • H04L25/02—Details ; arrangements for supplying electrical power along data transmission lines
    • H04L25/0202—Channel estimation
    • H04L25/0224—Channel estimation using sounding signals
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
    • H04L5/00—Arrangements affording multiple use of the transmission path

Definitions

  • This document relates to a method and apparatus for transmitting and receiving data in a wireless communication system, and more particularly, to a method for detecting and receiving data based on machine learning, and an apparatus supporting the same.
  • a wireless access system is a multiple access system capable of supporting communication with multiple users by sharing available system resources (bandwidth, transmission power, etc.).
  • Examples of the multiple access system include a code division multiple access (CDMA) system, a frequency division multiple access (FDMA) system, a time division multiple access (TDMA) system, an orthogonal frequency division multiple access (OFDMA) system, and a single carrier frequency (SC-FDMA) system. division multiple access) systems.
  • CDMA code division multiple access
  • FDMA frequency division multiple access
  • TDMA time division multiple access
  • OFDMA orthogonal frequency division multiple access
  • SC-FDMA single carrier frequency division multiple access
  • Machine learning refers to a field that defines various problems dealt with in the field of artificial intelligence and studies methodologies to solve them. do.
  • Machine learning is also defined as an algorithm that improves the performance of a certain task through constant experience.
  • An artificial neural network is a model used in machine learning, and may refer to an overall model having problem-solving ability, which is composed of artificial neurons (nodes) that form a network by combining synapses.
  • An artificial neural network may be defined by a connection pattern between neurons of different layers, a learning process that updates model parameters, and an activation function that generates an output value.
  • the artificial neural network may include an input layer, an output layer, and optionally one or more hidden layers. Each layer includes one or more neurons, and the artificial neural network may include neurons and synapses connecting neurons. In the artificial neural network, each neuron may output a function value of an activation function for input signals, weights, and biases input through synapses.
  • Model parameters refer to parameters determined through learning, and include the weight of synaptic connections and the bias of neurons.
  • the hyperparameter refers to a parameter to be set before learning in a machine learning algorithm, and includes a learning rate, the number of iterations, a mini-batch size, an initialization function, and the like.
  • the purpose of learning the artificial neural network can be seen as determining the model parameters that minimize the loss function.
  • the loss function may be used as an index for determining optimal model parameters in the learning process of the artificial neural network.
  • Machine learning can be classified into supervised learning, unsupervised learning, and reinforcement learning according to a learning method.
  • Supervised learning refers to a method of training an artificial neural network in a state where a label for training data is given. can mean Unsupervised learning may refer to a method of training an artificial neural network in a state where no labels are given for training data. Reinforcement learning can refer to a learning method in which an agent defined in an environment learns to select an action or sequence of actions that maximizes the cumulative reward in each state.
  • machine learning implemented as a deep neural network (DNN) including a plurality of hidden layers is also called deep learning (deep learning), and deep learning is a part of machine learning.
  • DNN deep neural network
  • deep learning deep learning
  • machine learning is used in a sense including deep learning.
  • This document relates to a method and apparatus for data detection and reception based on machine learning.
  • DNN deep neural network
  • This document relates to a method for receiving data in a wireless communication system and apparatuses supporting the same.
  • a method for a terminal to receive data in a wireless communication system comprising: receiving a channel signal and a reference signal (RS) from a base station; generating a sequence by performing an operation of equalizing the RS to a channel RS; Decoding the received channel signal based on the generated sequence, wherein performing the operation of equalizing the RS to the channel RS is based on a parameter determined according to a machine learning process.
  • RS reference signal
  • a terminal for receiving data in a wireless communication system comprising: a receiver; transmitter; and a processor, wherein the receiver receives a channel signal and a reference signal (RS) from a base station; The processor generates a sequence by performing an operation of equalizing the RS to the channel RS, and decoding the received channel signal based on the generated sequence, wherein the RS is equalized to the channel RS
  • RS reference signal
  • a method for a base station to receive data in a wireless communication system comprising: receiving a channel signal and a reference signal (RS) from a terminal; generating a sequence by performing an operation of equalizing the RS to a channel RS; Decoding the received channel signal based on the generated sequence, wherein performing the operation of equalizing the RS to the channel RS is based on a parameter determined according to a machine learning process.
  • a base station for receiving data in a wireless communication system comprising: a receiver; transmitter; and a processor, wherein the receiver receives a channel signal and a reference signal (RS) from a base station; The processor generates a sequence by performing an operation of equalizing the RS to the channel RS, and decoding the received channel signal based on the generated sequence, wherein the RS is equalized to the channel RS
  • RS reference signal
  • an apparatus for a terminal comprising: at least one processor; and at least one computer memory operably coupled to the at least one processor and storing instructions that, when executed, cause the at least one processor to perform operations, comprising: a channel signal and a reference signal (RS : Receive Reference Signal); generating a sequence by performing an operation of equalizing the RS to a channel RS; Decoding the received channel signal based on the generated sequence, wherein performing an operation for equalizing the RS to the channel RS is based on a parameter determined according to a machine learning process, for a terminal A device is provided.
  • RS Receive Reference Signal
  • a computer-readable storage medium storing at least one computer program including instructions that, when executed by at least one processor, cause the at least one processor to perform an operation for a terminal,
  • the operation includes: receiving a channel signal and a reference signal (RS: Reference Signal) from the base station; generating a sequence by performing an operation of equalizing the RS to a channel RS; and decoding the received channel signal based on the generated sequence, wherein performing the operation to equalize the RS to the channel RS is based on a parameter determined according to a machine learning process.
  • RS Reference Signal
  • the machine learning process for determining the parameter comprises: (1) outputting a parameter with the received channel signal and the RS as inputs;
  • (2) update the parameter by inputting the output parameter and the received channel signal as inputs, and (3) re-update the parameter by receiving the updated parameter and the received channel signal according to the process of (2) as input repeating the process a predetermined number of times may include determining the parameter.
  • the decoding of the received channel signal comprises: performing a second machine learning with the determined parameter as an input;
  • the method may include determining a second parameter according to the second machine learning process, and may be based on the determined second parameter.
  • it may further include ZF (Zero Forcing) filtering before performing the operation.
  • ZF Zero Forcing
  • the machine learning process may be based on a Deep Neural Network (DNN).
  • DNN Deep Neural Network
  • a second channel signal may be generated by performing matched filtering on the received channel signal, and the generated second channel signal may be used as an input.
  • the RS may be a demodulation reference signal (DMRS).
  • DMRS demodulation reference signal
  • offline learning is possible using a fixed neural network regardless of channel change by using a DNN-based preprocessor-assisted MIMO detector.
  • FIG. 1A illustrates a communication system as applied to this document.
  • 1B illustrates a wireless device applicable to this document.
  • 1C shows another example of a wireless device applied to this document.
  • FIG. 2 is a diagram showing an example of a frame structure in NR.
  • 3 shows an example of a resource grid in NR.
  • FIG. 4 is an exemplary diagram for explaining a channel coding method according to this document.
  • 5 and 6 are exemplary views for explaining a modulation method according to the present document.
  • FIG. 7 is an exemplary diagram for explaining a backpropagation method in a neural network.
  • FIG. 8 shows an exemplary diagram for explaining a prediction method of an artificial neural network.
  • FIG. 9 is an exemplary diagram illustrating a DNN-based preprocessor assisted MIMO detector according to this document.
  • FIG. 10 is an exemplary diagram illustrating a high-level concept of a DNN-based preprocessor assisted MIMO detector in an N r -dimensional domain according to this document.
  • FIG. 11 is an exemplary diagram illustrating the structure of a nonlinear preprocessor according to the present document.
  • FIG. 12 is an exemplary diagram illustrating the structure of a DNN-based preprocessor-assisted MIMO detector according to this document.
  • FIG. 13 is an exemplary diagram illustrating a hardware structure of a DNN-based preprocessor assisted MIMO detector according to this document.
  • downlink means communication from a base station (BS) to user equipment (UE), and uplink (UL) means communication from UE to BS do.
  • a transmitter may be a part of a BS, and a receiver may be a part of the UE.
  • the transmission in the uplink may be part of the UE, and the receiver may be part of the BS.
  • a BS may be represented as a first communication device, and a UE may be represented as a second communication device.
  • the BS is a fixed station, Node B, evolved-NodeB (eNB), Next Generation NodeB (gNB), base transceiver system (BTS), access point (AP), network or 5G network node, AI system, It may be replaced by terms such as RSU (road side unit) and robot.
  • the UE is a terminal, MS (Mobile Station), UT (User Terminal), MSS (Mobile Subscriber Station), SS (Subscriber Station), AMS (Advanced Mobile Station), WT (Wireless terminal), MTC (Machine) -Type Communication) device, Machine-to-Machine (M2M) device, Device-to-Device (D2D) device, vehicle, robot, AI module, etc.
  • CDMA Code Division Multiple Access
  • FDMA Frequency Division Multiple Access
  • TDMA Time Division Multiple Access
  • OFDMA Orthogonal Frequency Division Multiple Access
  • SC-FDMA Single Carrier FDMA
  • CDMA may be implemented with a radio technology such as Universal Terrestrial Radio Access (UTRA) or CDMA2000.
  • TDMA may be implemented with a radio technology such as Global System for Mobile communications (GSM)/General Packet Radio Service (GPRS)/Enhanced Data Rates for GSM Evolution (EDGE).
  • GSM Global System for Mobile communications
  • GPRS General Packet Radio Service
  • EDGE Enhanced Data Rates for GSM Evolution
  • OFDMA may be implemented with a radio technology such as IEEE 802.11 (Wi-Fi), IEEE 802.16 (WiMAX), IEEE 802-20, Evolved UTRA (E-UTRA), and the like.
  • UTRA is part of the Universal Mobile Telecommunications System (UMTS).
  • 3GPP (3rd Generation Partnership Project) Long Term Evolution (LTE) is a part of Evolved UMTS (E-UMTS) using E-UTRA and LTE-A (Advanced)/LTE-A pro is an evolved version of 3GPP LTE.
  • 3GPP NR New Radio or New Radio Access Technology
  • 3GPP LTE/LTE-A/LTE-A pro is an evolved version of 3GPP LTE/LTE-A/LTE-A pro.
  • LTE refers to technology after 3GPP TS 36.xxx Release 8.
  • LTE technology after 3GPP TS 36.xxx Release 10 is referred to as LTE-A
  • LTE technology after 3GPP TS 36.xxx Release 13 is referred to as LTE-A pro
  • 3GPP NR refers to technology after TS 38.xxx Release 15.
  • LTE/NR may be referred to as a 3GPP system. "xxx" means standard document detail number.
  • LTE/NR may be collectively referred to as a 3GPP system.
  • a node refers to a fixed point that can communicate with a UE to transmit/receive a radio signal.
  • Various types of BSs can be used as nodes regardless of their names.
  • BS, NB, eNB, pico-cell eNB (PeNB), home eNB (HeNB), relay (relay), repeater (repeater), etc. may be a node.
  • the node may not need to be a BS.
  • it may be a radio remote head (radio remote head, RRH), a radio remote unit (radio remote unit, RRU).
  • RRH, RRU, and the like generally have a lower power level than that of the BS.
  • At least one antenna is installed in one node.
  • the antenna may mean a physical antenna, an antenna port, a virtual antenna, or an antenna group.
  • a node is also called a point.
  • a cell refers to a certain geographic area or radio resource in which one or more nodes provide a communication service.
  • a "cell" of a geographic area can be understood as coverage in which a node can provide a service using a carrier, and a "cell” of radio resources is a bandwidth (a frequency size configured by the carrier) ( bandwidth, BW).
  • the downlink coverage which is a range in which a node can transmit a valid signal
  • the uplink coverage which is a range in which a valid signal can be received from the UE, depend on the carrier carrying the corresponding signal. It is also associated with the coverage of a "cell”. Therefore, the term "cell” may be used to mean sometimes coverage of a service by a node, sometimes a radio resource, and sometimes a range that a signal using the radio resource can reach with an effective strength.
  • communication with a specific cell may mean communicating with a BS or node that provides a communication service to the specific cell.
  • the downlink/uplink signal of a specific cell means a downlink/uplink signal from/to a BS or node that provides a communication service to the specific cell.
  • a cell providing an uplink/downlink communication service to the UE is specifically referred to as a serving cell.
  • the channel state/quality of a specific cell means the channel state/quality of a channel or a communication link formed between a UE and a BS or node providing a communication service to the specific cell.
  • a "cell" associated with a radio resource may be defined as a combination of downlink resources (DL resources) and uplink resources (UL resources), that is, a combination of a DL component carrier (CC) and UL CC.
  • a cell may be configured with a DL resource alone or a combination of a DL resource and a UL resource.
  • the linkage between the carrier frequency of the DL resource (or DL CC) and the carrier frequency of the UL resource (or UL CC) is the linkage. It may be indicated by system information transmitted through the cell.
  • the carrier frequency may be the same as or different from the center frequency of each cell or CC.
  • a cell operating on a primary frequency is referred to as a primary cell (Pcell) or PCC
  • a cell operating on a secondary frequency is a secondary cell (secondary cell).
  • cell, Scell) or SCC refers to a state in which the UE performs a radio resource control (RRC) connection establishment process with the BS to establish an RRC connection between the UE and the BS, that is, after the UE is in the RRC_CONNECTED state.
  • RRC connection may mean a path through which the RRC of the UE and the RRC of the BS can exchange RRC messages with each other.
  • the Scell may be configured to provide additional radio resources to the UE.
  • the Scell may form a set of serving cells for the UE together with the Pcell.
  • the Scell may form a set of serving cells for the UE together with the Pcell.
  • carrier aggregation is not configured or does not support carrier aggregation, there is only one serving cell configured only as a PCell.
  • the cell supports its own radio access technology. For example, transmission/reception according to LTE radio access technology (RAT) is performed on an LTE cell, and transmission/reception according to 5G RAT is performed on a 5G cell.
  • LTE radio access technology RAT
  • 5G RAT 5th Generationан ⁇
  • the carrier aggregation technique refers to a technique for aggregating and using a plurality of carriers having a system bandwidth smaller than a target bandwidth for broadband support.
  • carrier aggregation performs downlink or uplink communication using a plurality of carrier frequencies each forming a system bandwidth (also referred to as a channel bandwidth), a basic frequency band divided into a plurality of orthogonal subcarriers is divided into one It is distinguished from OFDMA technology that performs downlink or uplink communication on a carrier frequency.
  • one frequency band having a constant system bandwidth is divided into a plurality of subcarriers having a predetermined subcarrier interval, and information/data is divided into the plurality of The frequency band to which the information/data is mapped is transmitted to a carrier frequency of the frequency band through frequency upconversion.
  • frequency bands each having their own system bandwidth and carrier frequency may be used for communication at the same time, and each frequency band used for carrier aggregation may be divided into a plurality of subcarriers having a predetermined subcarrier interval. .
  • the 3GPP-based communication standard is an upper layer of the physical layer (eg, medium access control (MAC) layer, radio link control (RLC) layer, packet data convergence protocol ( protocol data convergence protocol (PDCP) layer, radio resource control (RRC) layer, service data adaptation protocol (SDAP), non-access layer (non-access stratum, NAS) layer)
  • MAC medium access control
  • RLC radio link control
  • PDCP protocol data convergence protocol
  • RRC radio resource control
  • SDAP service data adaptation protocol
  • non-access layer non-access stratum, NAS) layer
  • MAC medium access control
  • RLC radio link control
  • PDCP protocol data convergence protocol
  • RRC radio resource control
  • SDAP service data adaptation protocol
  • non-access stratum non-access stratum
  • a physical downlink shared channel (PDSCH), a physical broadcast channel (PBCH), a physical multicast channel (PMCH), a physical control format indicator channel (physical control)
  • a physical downlink control channel (PDCCH)
  • a reference signal and a synchronization signal are defined as downlink physical signals.
  • a reference signal also referred to as a pilot, means a signal of a predefined special waveform known to each other by the BS and the UE, for example, cell specific RS (RS), UE- UE-specific RS (UE-RS), positioning RS (PRS), channel state information RS (channel state information RS, CSI-RS), demodulation reference signal (DMRS) downlink defined as link reference signals.
  • RS cell specific RS
  • PRS positioning RS
  • channel state information RS channel state information RS
  • CSI-RS channel state information RS
  • DMRS demodulation reference signal
  • the 3GPP-based communication standard supports uplink physical channels corresponding to resource elements carrying information originating from a higher layer, and resource elements used by the physical layer but not carrying information originating from a higher layer. Uplink physical signals are defined.
  • a physical uplink shared channel (PUSCH), a physical uplink control channel (PUCCH), and a physical random access channel (PRACH) are uplink physical channels.
  • PUSCH physical uplink shared channel
  • PUCCH physical uplink control channel
  • PRACH physical random access channel
  • DMRS demodulation reference signal
  • SRS sounding reference signal
  • a physical downlink control channel (PDCCH) and a physical downlink shared channel (PDSCH) are physical layer downlink control information (DCI) and downlink data. It may mean a set of time-frequency resources to carry or a set of resource elements, respectively (respectively).
  • DCI physical layer downlink control information
  • DCI downlink data
  • It may mean a set of time-frequency resources to carry or a set of resource elements, respectively (respectively).
  • physical uplink control channel physical uplink control channel
  • physical uplink shared channel physical uplink shared channel, PUSCH
  • physical random access channel physical random access channel uplink control information of the physical layer
  • uplink control information uplink control information
  • UCI uplink control information
  • UCI time-frequency resources carrying uplink data and random access signals
  • the UE when the UE transmits an uplink physical channel (eg, PUCCH, PUSCH, PRACH), it may mean transmitting DCI, uplink data, or a random access signal on or through the corresponding uplink physical channel.
  • the BS receives the uplink physical channel, it may mean that it receives DCI, uplink data, or a random access signal on or through the corresponding uplink physical channel.
  • the BS transmits a downlink physical channel (eg, PDCCH, PDSCH), it is used in the same meaning as transmitting DCI or uplink data on or through the corresponding downlink physical channel.
  • Receiving the downlink physical channel by the UE may mean receiving DCI or uplink data on or through the corresponding downlink physical channel.
  • a transport block is a payload for a physical layer.
  • data given to a physical layer from an upper layer or a medium access control (MAC) layer is basically referred to as a transport block.
  • MAC medium access control
  • HARQ is a kind of error control method.
  • HARQ-ACK transmitted through downlink is used for error control on uplink data
  • HARQ-ACK transmitted through uplink is used for error control on downlink data.
  • the transmitter performing the HARQ operation waits for an acknowledgment (ACK) after transmitting data (eg, transport block, codeword).
  • the receiving end performing the HARQ operation sends a positive acknowledgment (ACK) only when data is properly received, and sends a negative acknowledgment (negative ACK, NACK) when an error occurs in the received data.
  • ACK positive acknowledgment
  • NACK negative acknowledgment
  • the transmitting end receives the ACK, it can transmit (new) data, and when it receives the NACK, it can retransmit the data.
  • a time delay occurs until ACK/NACK is received from the UE and retransmission data is transmitted.
  • Such a time delay is caused by a channel propagation delay and a time taken for data decoding/encoding. Therefore, when new data is transmitted after the current HARQ process is finished, a gap occurs in data transmission due to a time delay.
  • a plurality of independent HARQ processes are used to prevent gaps in data transmission during the time delay period. For example, if there are 7 transmission opportunities between the initial transmission and the retransmission, the communication device may operate 7 independent HARQ processes to perform data transmission without a gap. Utilizing a plurality of parallel HARQ processes, UL/DL transmission may be continuously performed while waiting for HARQ feedback for a previous UL/DL transmission.
  • channel state information refers to information that can indicate the quality of a radio channel (or link) formed between a UE and an antenna port.
  • CSI is a channel quality indicator (channel quality indicator, CQI), precoding matrix indicator (PMI), CSI-RS resource indicator (CSI-RS resource indicator, CRI), SSB resource indicator (SSB resource indicator, SSBRI) , may include at least one of a layer indicator (LI), a rank indicator (RI), and a reference signal received power (RSRP).
  • UE User Equipment
  • PDCP Packet Data Convergence Protocol
  • RRC Radio Resource Control
  • GPRS General Packet Radio Service
  • E-UTRAN Evolved Universal Terrestrial Radio Access Network
  • NAS Non-Access-Stratum
  • EPS Evolved Packet System
  • 3GPP TS 24.302 Access to the 3GPP Evolved Packet Core (EPC) via non-3GPP access networks; Stage 3
  • EPC Evolved Packet Core
  • UE User Equipment
  • PDCP Packet Data Convergence Protocol
  • RRC Radio Resource Control
  • SDAP Service Data Adaptation Protocol
  • 3GPP TS 24.502 Access to the 3GPP 5G Core Network (5GCN) via non-3GPP access networks
  • NR is an expression showing an example of 5G radio access technology (RAT).
  • RAT radio access technology
  • a new RAT system including NR uses an OFDM transmission scheme or a similar transmission scheme.
  • the new RAT system may follow OFDM parameters different from those of LTE.
  • the new RAT system may follow the existing numerology of LTE/LTE-A, but may have a larger system bandwidth (eg, 100 MHz).
  • one cell may support a plurality of numerologies. That is, UEs operating in different numerologies may coexist in one cell.
  • Numerology corresponds to one subcarrier spacing in the frequency domain.
  • N By scaling the reference subcarrier spacing by an integer N, different numerologies can be defined.
  • FIG. 1A illustrates a communication system applied to this document.
  • a communication system 1 applied to this document includes a wireless device, a base station, and a network.
  • the wireless device refers to a device that performs communication using a radio access technology (eg, 5G NR (New RAT), LTE (Long Term Evolution)), and may be referred to as a communication/wireless/5G device.
  • a radio access technology eg, 5G NR (New RAT), LTE (Long Term Evolution)
  • the wireless device includes a robot 100a, a vehicle 100b-1, 100b-2, an eXtended Reality (XR) device 100c, a hand-held device 100d, and a home appliance 100e. ), an Internet of Things (IoT) device 100f, and an AI device/server 400 .
  • the vehicle may include a vehicle equipped with a wireless communication function, an autonomous driving vehicle, a vehicle capable of performing inter-vehicle communication, and the like.
  • the vehicle may include an Unmanned Aerial Vehicle (UAV) (eg, a drone).
  • UAV Unmanned Aerial Vehicle
  • XR devices include AR (Augmented Reality)/VR (Virtual Reality)/MR (Mixed Reality) devices, and include a Head-Mounted Device (HMD), a Head-Up Display (HUD) provided in a vehicle, a television, a smartphone, It may be implemented in the form of a computer, a wearable device, a home appliance, a digital signage, a vehicle, a robot, and the like.
  • the portable device may include a smart phone, a smart pad, a wearable device (eg, a smart watch, smart glasses), a computer (eg, a laptop computer), and the like.
  • Home appliances may include a TV, a refrigerator, a washing machine, and the like.
  • the IoT device may include a sensor, a smart meter, and the like.
  • the base station and the network may be implemented as a wireless device, and a specific wireless device 200a may operate as a base station/network node to other wireless devices.
  • the wireless devices 100a to 100f may be connected to the network 300 through the base station 200 .
  • AI Artificial Intelligence
  • the network 300 may be configured using a 3G network, a 4G (eg, LTE) network, or a 5G (eg, NR) network.
  • the wireless devices 100a to 100f may communicate with each other through the base station 200/network 300, but may also communicate directly (e.g. sidelink communication) without passing through the base station/network.
  • the vehicles 100b-1 and 100b-2 may perform direct communication (e.g. Vehicle to Vehicle (V2V)/Vehicle to everything (V2X) communication).
  • the IoT device eg, sensor
  • the IoT device may directly communicate with other IoT devices (eg, sensor) or other wireless devices 100a to 100f.
  • Wireless communication/connection 150a, 150b, and 150c may be performed between the wireless devices 100a to 100f/base station 200 and the base station 200/base station 200 .
  • the wireless communication/connection includes uplink/downlink communication 150a and sidelink communication 150b (or D2D communication), and communication between base stations 150c (eg relay, Integrated Access Backhaul (IAB)).
  • IAB Integrated Access Backhaul
  • This can be done through technology (eg 5G NR)
  • Wireless communication/connection 150a, 150b, 150c allows the wireless device and the base station/radio device, and the base station and the base station to transmit/receive wireless signals to each other.
  • the wireless communication/connection 150a, 150b, and 150c may transmit/receive signals through various physical channels.
  • various signal processing processes eg, channel encoding/decoding, modulation/demodulation, resource mapping/demapping, etc.
  • resource allocation processes etc.
  • 1B illustrates a wireless device applicable to this document.
  • the first wireless device 100 and the second wireless device 200 may transmit and receive wireless signals through various wireless access technologies (eg, LTE, NR).
  • ⁇ first wireless device 100, second wireless device 200 ⁇ is ⁇ wireless device 100x, base station 200 ⁇ of FIG. 1A and/or ⁇ wireless device 100x, wireless device 100x) ⁇ can be matched.
  • the first wireless device 100 includes one or more processors 102 and one or more memories 104 , and may further include one or more transceivers 106 and/or one or more antennas 108 .
  • the processor 102 controls the memory 104 and/or the transceiver 106 and may be configured to implement the descriptions, functions, procedures, suggestions, methods, and/or flow charts disclosed herein.
  • the processor 102 may process the information in the memory 104 to generate the first information/signal, and then transmit a wireless signal including the first information/signal through the transceiver 106 .
  • the processor 102 may receive the radio signal including the second information/signal through the transceiver 106 , and then store the information obtained from the signal processing of the second information/signal in the memory 104 .
  • the memory 104 may be connected to the processor 102 and may store various information related to the operation of the processor 102 .
  • the memory 104 may provide instructions for performing some or all of the processes controlled by the processor 102 , or for performing the descriptions, functions, procedures, suggestions, methods, and/or operational flowcharts disclosed herein. may store software code including
  • the processor 102 and the memory 104 may be part of a communication modem/circuit/chip designed to implement a wireless communication technology (eg, LTE, NR).
  • a wireless communication technology eg, LTE, NR
  • the transceiver 106 may be coupled with the processor 102 , and may transmit and/or receive wireless signals via one or more antennas 108 .
  • the transceiver 106 may include a transmitter and/or a receiver.
  • the transceiver 106 may be used interchangeably with a radio frequency (RF) unit.
  • RF radio frequency
  • a wireless device may refer to a communication modem/circuit/chip.
  • the second wireless device 200 includes one or more processors 202 , one or more memories 204 , and may further include one or more transceivers 206 and/or one or more antennas 208 .
  • the processor 202 controls the memory 204 and/or the transceiver 206 and may be configured to implement the descriptions, functions, procedures, suggestions, methods, and/or operational flowcharts disclosed herein.
  • the processor 202 may process the information in the memory 204 to generate third information/signal, and then transmit a wireless signal including the third information/signal through the transceiver 206 .
  • the processor 202 may receive the radio signal including the fourth information/signal through the transceiver 206 , and then store information obtained from signal processing of the fourth information/signal in the memory 204 .
  • the memory 204 may be connected to the processor 202 and may store various information related to the operation of the processor 202 .
  • the memory 204 may provide instructions for performing some or all of the processes controlled by the processor 202 , or for performing the descriptions, functions, procedures, suggestions, methods, and/or operational flowcharts disclosed herein. may store software code including
  • the processor 202 and the memory 204 may be part of a communication modem/circuit/chip designed to implement a wireless communication technology (eg, LTE, NR).
  • a wireless communication technology eg, LTE, NR
  • the transceiver 206 may be coupled to the processor 202 and may transmit and/or receive wireless signals via one or more antennas 208 .
  • the transceiver 206 may include a transmitter and/or a receiver.
  • the transceiver 206 may be used interchangeably with an RF unit.
  • a wireless device may refer to a communication modem/circuit/chip.
  • the first wireless device 100 and/or the second wireless device 200 may have a single antenna and multiple antennas.
  • the wireless communication system may be referred to as a multiple input multiple output (MIMO) system.
  • MIMO multiple input multiple output
  • one or more protocol layers may be implemented by one or more processors 102 , 202 .
  • one or more processors 102 , 202 may implement one or more layers (eg, functional layers such as PHY, MAC, RLC, PDCP, RRC, SDAP).
  • the one or more processors 102, 202 may be configured to process one or more Protocol Data Units (PDUs) and/or one or more Service Data Units (SDUs) according to the description, function, procedure, proposal, method, and/or operational flowcharts disclosed herein.
  • PDUs Protocol Data Units
  • SDUs Service Data Units
  • One or more processors 102 , 202 may generate messages, control information, data, or information in accordance with the description, function, procedure, proposal, method, and/or flow charts disclosed herein.
  • the one or more processors 102, 202 generate signals (eg, baseband signals) including PDUs, SDUs, messages, control information, data or information in accordance with the functions, procedures, proposals and/or methods disclosed herein. , may be provided to one or more transceivers 106 and 206 .
  • One or more processors 102 , 202 may receive signals (eg, baseband signals) from one or more transceivers 106 , 206 , and may be described, functions, procedures, proposals, methods, and/or operational flowcharts disclosed herein.
  • PDU, SDU, message, control information, data or information may be obtained according to the
  • One or more processors 102 , 202 may be referred to as a controller, microcontroller, microprocessor, or microcomputer.
  • One or more processors 102, 202 may be implemented by hardware, firmware, software, or a combination thereof.
  • ASICs Application Specific Integrated Circuits
  • DSPs Digital Signal Processors
  • DSPDs Digital Signal Processing Devices
  • PLDs Programmable Logic Devices
  • FPGAs Field Programmable Gate Arrays
  • firmware or software which may be implemented to include modules, procedures, functions, and the like.
  • the descriptions, functions, procedures, proposals, methods, and/or flow charts disclosed herein provide that firmware or software configured to perform is included in one or more processors 102 , 202 , or stored in one or more memories 104 , 204 . It may be driven by the above processors 102 and 202 .
  • the descriptions, functions, procedures, suggestions, methods, and/or flowcharts of operations disclosed herein may be implemented using firmware or software in the form of code, instructions, and/or a set of instructions.
  • One or more memories 104 , 204 may be coupled with one or more processors 102 , 202 and may store various forms of data, signals, messages, information, programs, code, instructions, and/or instructions.
  • One or more memories 104 , 204 may be comprised of ROM, RAM, EPROM, flash memory, hard drives, registers, cache memory, computer readable storage media, and/or combinations thereof.
  • One or more memories 104 , 204 may be located inside and/or external to one or more processors 102 , 202 .
  • one or more memories 104 , 204 may be coupled to one or more processors 102 , 202 through various technologies, such as wired or wireless connections.
  • One or more transceivers 106 , 206 may transmit user data, control information, radio signals/channels, etc. referred to in the methods and/or operational flowcharts of this document to one or more other devices.
  • One or more transceivers 106, 206 may receive user data, control information, radio signals/channels, etc. referred to in the descriptions, functions, procedures, suggestions, methods and/or flow charts, etc. disclosed herein, from one or more other devices. have.
  • one or more transceivers 106 , 206 may be coupled to one or more processors 102 , 202 and may transmit and receive wireless signals.
  • one or more processors 102 , 202 may control one or more transceivers 106 , 206 to transmit user data, control information, or wireless signals to one or more other devices.
  • one or more processors 102 , 202 may control one or more transceivers 106 , 206 to receive user data, control information, or wireless signals from one or more other devices.
  • one or more transceivers 106, 206 may be coupled to one or more antennas 108, 208, and the one or more transceivers 106, 206 may be coupled via one or more antennas 108, 208 to the descriptions, functions, and functions disclosed herein. , procedures, proposals, methods and/or operation flowcharts, etc.
  • one or more antennas may be a plurality of physical antennas or a plurality of logical antennas (eg, antenna ports).
  • the one or more transceivers 106, 206 convert the received radio signal/channel, etc. from the RF band signal to process the received user data, control information, radio signal/channel, etc. using the one or more processors 102, 202. It can be converted into a baseband signal.
  • One or more transceivers 106 and 206 may convert user data, control information, radio signals/channels, etc. processed using one or more processors 102 and 202 from baseband signals to RF band signals.
  • one or more transceivers 106 , 206 may include (analog) oscillators and/or filters.
  • 1C shows another example of a wireless device applied to this document.
  • the wireless device may be implemented in various forms according to use-examples/services (refer to FIG. 1A ).
  • wireless devices 100 and 200 correspond to wireless devices 100 and 200 of FIG. 1B , and include various elements, components, units/units, and/or modules. ) can be composed of
  • the wireless devices 100 and 200 may include a communication unit 110 , a control unit 120 , a memory unit 130 , and an additional element 140 .
  • the communication unit may include communication circuitry 112 and transceiver(s) 114 .
  • communication circuitry 112 may include one or more processors 102,202 and/or one or more memories 104,204 of FIG. 1B.
  • transceiver(s) 114 may include one or more transceivers 106 , 206 and/or one or more antennas 108 , 208 of FIG.
  • the control unit 120 is electrically connected to the communication unit 110 , the memory unit 130 , and the additional element 140 , and controls general operations of the wireless device. For example, the controller 120 may control the electrical/mechanical operation of the wireless device based on the program/code/command/information stored in the memory unit 130 . In addition, the control unit 120 transmits the information stored in the memory unit 130 to the outside (eg, another communication device) through the communication unit 110 through a wireless/wired interface, or through the communication unit 110 to the outside (eg, Information received through a wireless/wired interface from another communication device) may be stored in the memory unit 130 .
  • the outside eg, another communication device
  • Information received through a wireless/wired interface from another communication device may be stored in the memory unit 130 .
  • the additional element 140 may be configured in various ways according to the type of the wireless device.
  • the additional element 140 may include at least one of a power unit/battery, an input/output unit (I/O unit), a driving unit, and a computing unit.
  • wireless devices include, but are not limited to, robots (FIGS. 1A, 100A), vehicles (FIGS. 1A, 100B-1, 100B-2), XR devices (FIGS. 1A, 100C), portable devices (FIGS. 1A, 100D), and home appliances. (Fig. 1a, 100e), IoT device (Fig.
  • the wireless device may be mobile or used in a fixed location depending on the use-example/service.
  • various elements, components, units/units, and/or modules in the wireless devices 100 and 200 may be entirely interconnected through a wired interface, or at least some of them may be wirelessly connected through the communication unit 110 .
  • the control unit 120 and the communication unit 110 are connected by wire, and the control unit 120 and the first unit (eg, 130 and 140 ) are connected to the communication unit 110 through the communication unit 110 . It can be connected wirelessly.
  • each element, component, unit/unit, and/or module within the wireless device 100 , 200 may further include one or more elements.
  • the controller 120 may be configured with one or more processor sets.
  • the controller 120 may be configured as a set of a communication control processor, an application processor, an electronic control unit (ECU), a graphic processing processor, a memory control processor, and the like.
  • the memory unit 130 may include random access memory (RAM), dynamic RAM (DRAM), read only memory (ROM), flash memory, volatile memory, and non-volatile memory. volatile memory) and/or a combination thereof.
  • An apparatus for transmitting data according to a machine learning process includes: a transceiver; Memory; and at least one processor connected to the transceiver and the memory.
  • the memory may store instructions that, when executed, cause the at least one processor to perform operations.
  • FIG. 2 is a diagram showing an example of a frame structure in NR.
  • the NR system can support multiple numerologies.
  • the numerology may be defined by subcarrier spacing and cyclic prefix (CP) overhead.
  • the plurality of subcarrier spacings may be derived by scaling the basic subcarrier spacing by an integer N (or ⁇ ).
  • N or ⁇
  • the numerology used can be selected independently of the frequency band of the cell.
  • various frame structures according to a number of numerologies may be supported.
  • OFDM orthogonal frequency division multiplexing
  • NR supports multiple numerologies (eg, subcarrier spacing) to support various 5G services. For example, when the subcarrier spacing is 15 kHz, it supports a wide area in traditional cellular bands, and when the subcarrier spacing is 30 kHz/60 kHz, it is dense-urban, lower latency. latency) and wider carrier bandwidth, and when subcarrier spacing is 60 kHz or higher, a bandwidth greater than 24.25 GHz is supported to overcome phase noise.
  • numerologies eg, subcarrier spacing
  • the NR frequency band is defined by two types of frequency ranges, FR1 and FR2.
  • FR1 is a sub 6GHz range
  • FR2 is a millimeter wave (mmW) in the above 6GHz range.
  • mmW millimeter wave
  • Table 2 illustrates the definition of the NR frequency band.
  • T c 1/( ⁇ f max * N f ), which is a basic time unit for NR.
  • ⁇ f max 480*10 3 Hz
  • N f 4096, which is a value related to the size of a fast Fourier transform (FFT) or an inverse fast Fourier transform (IFFT).
  • FFT fast Fourier transform
  • IFFT inverse fast Fourier transform
  • the slots are numbered n ⁇ s ⁇ ⁇ 0, ... , N slot, ⁇ subframe -1 ⁇ in increasing order within the subframe, and within the radio frame In ascending order, n ⁇ s,f ⁇ ⁇ 0, ...
  • N slot, ⁇ frame -1 ⁇ are numbered.
  • One slot consists of N ⁇ symb consecutive OFDM symbols, and N ⁇ symb depends on a cyclic prefix (CP).
  • the start of slot n ⁇ s in a subframe is temporally aligned with the start of OFDM symbol n ⁇ s * N ⁇ symb in the same subframe.
  • Table 3 shows the number of OFDM symbols per slot ( N slot symb ), the number of slots per frame ( N frame, ⁇ slot ), and the number of slots per subframe ( N subframe, ⁇ slot ) in the general CP
  • Table 4 shows In the extended CP, the number of OFDM symbols per slot, the number of slots per frame, and the number of slots per subframe are indicated.
  • ⁇ 2 (ie, a subcarrier spacing of 60 kHz).
  • one subframe may include four slots.
  • a mini-slot may contain 2, 4, or 7 symbols or may contain more or fewer symbols.
  • an antenna port In relation to a physical resource in the NR system, an antenna port, a resource grid, a resource element, a resource block, a carrier part, etc. can be considered.
  • a resource grid In relation to a physical resource in the NR system, an antenna port, a resource grid, a resource element, a resource block, a carrier part, etc. can be considered.
  • the physical resources that can be considered in the NR system will be described in detail.
  • an antenna port is defined such that a channel through which a symbol on an antenna port is conveyed can be inferred from a channel through which another symbol on the same antenna port is conveyed.
  • the two antenna ports are QC/QCL (quasi co-located) Or, it can be said that there is a quasi co-location) relationship.
  • the wide range characteristics include delay spread, Doppler spread, frequency shift, average received power, received timing, average delay, It includes one or more of spatial (spatial) reception (Rx) parameters.
  • the spatial Rx parameter refers to a spatial (reception) channel characteristic parameter such as an angle of arrival.
  • 3 shows an example of a resource grid in NR.
  • a resource grid of N size, ⁇ grid *N RB sc subcarriers and 14 2 ⁇ OFDM symbols is defined, where N size, ⁇ grid is from the BS indicated by RRC signaling of N size, ⁇ grid may be different between uplink and downlink as well as subcarrier spacing setup ⁇ .
  • Each element of the resource grid for the subcarrier spacing setting ⁇ and the antenna port p is referred to as a resource element, and is uniquely identified by an index pair ( k , l ), where k is in the frequency domain.
  • the resource element ( k , l ) for the subcarrier spacing setting ⁇ and the antenna port p corresponds to a physical resource and a complex value a (p, ⁇ ) k,l .
  • the UE may not be able to support the wide bandwidth to be supported in the NR system at once, the UE may be configured to operate in a part of the frequency bandwidth of the cell (hereinafter, the bandwidth part (BWP)). .
  • BWP bandwidth part
  • resource blocks of the NR system there are physical resource blocks defined within the bandwidth part, and common resource blocks numbered from 0 in the frequency domain in an upward direction with respect to the subcarrier spacing setting ⁇ .
  • Point A is obtained as follows.
  • - PCell offsetToPointA for the downlink represents a frequency offset between the SS / PBCH block overlaps with the lowest resource block in the lowest sub-carrier and the point A are used by the UE for initial cell selection, a 15kHz subcarrier spacing and FR2 for the FR1 is expressed in resource block units assuming a 60 kHz subcarrier spacing;
  • ARFCN absolute radio-frequency channel number
  • the center of the subcarrier 0 of the common resource block 0 for the subcarrier spacing setting ⁇ coincides with the point A serving as a reference point for the resource grid.
  • the resource element (k,l) relation for the common resource block number n ⁇ CRB and the subcarrier spacing configuration ⁇ is given by the following equation.
  • Physical resource blocks are numbered from 0 to NsizeBWP,i-1 within a bandwidth part (BWP), where i is the number of the BWP.
  • BWP bandwidth part
  • Equation 2 The relationship between the physical resource block n PRB and the common resource block n CRB in BWP i is given by Equation 2 below.
  • N start BWP,i is a common resource block in which the BWP starts relative to the common resource block 0.
  • FIG. 4 is an exemplary diagram for explaining a channel coding method according to this document.
  • a transport block Data to be subjected to channel coding is called a transport block, and in general, the transport block is divided into code blocks having a predetermined size or less according to the efficiency of channel coding.
  • the code block may be 6144 bits or less.
  • the code block is 8448 bits or less (in case of base graph 1) or 3840 bits or less (in case of base graph 2).
  • a code block may be at least 32 bits and at most 8192 bits or less.
  • a code block may be further subdivided into sub-blocks.
  • the input bit sequence 265, c r0 , c r1 , ... , c r(Kr-1) ) is interleaved, and the interleaved input bit sequence ( Not shown in the drawings, c' r0 , c' r1 , ... , c' r(Kr-1) ) may be encoded using a polar code. It is possible to rate-match the encoded bit sequence 270 , d r0 , d r1 , ... , d r(Nr-1) .
  • Rate matching the encoded bit sequence 270 includes further subdividing the encoded bit sequence into sub-blocks, interleaving for each of the sub-blocks, and for each of the interleaved sub-blocks, bit selection ( bit selection), and interleaving the coded bits once more.
  • bit selection bit selection
  • performing bit selection may include repeating some bits, puncturing some bits, or shortening some bits.
  • a channel coding method includes the steps of attaching a cyclic redundancy check (CRC) code to a transport block (S205); dividing the code into blocks (S210); encoding the divided code blocks (S215); rate matching the encoded code blocks (S220); and concatenating the rate-matched code blocks ( S225 ).
  • CRC cyclic redundancy check
  • parity bits of length L are attached to the transport blocks 255 , a 0 , ... , a A-1 .
  • the length L may be at least one of 6, 11, 16, 24. Parity bits are generated, typically using cyclic generator polynomials.
  • the output bits 260, b 0 , ..., b B-1 according to the CRC attachment process may be subjected to a scrambling operation using a radio network temporary identifier (RNTI). According to the scrambling operation, a scrambling sequence and an exclusive OR operation may be applied to the corresponding bit.
  • RNTI radio network temporary identifier
  • the output bits 260 , b 0 , ... , b B-1 according to the CRC attachment process are divided into code blocks 265 according to the code block size ( S210 ). This is called code block segmentation.
  • the code block size is determined according to the channel coding method. A code block size for efficiently performing each channel coding method may be determined theoretically or experimentally. For example, based on polar coding, each of the separated code blocks 265, c r0 , ... , c r(Kr-1) ) has coded bits 270, d r0 , ... , d r (Nr-1) ).
  • Each of the code blocks 265, c r0 , ... , c r(Kr-1) is subjected to channel coding (S215), so that the coded bits 270, d r0 , ... , d r(Nr-1) ) is generated.
  • the generated encoded bits 270 may be rate-matched through shortening and puncturing processes.
  • the encoded bits 270 may be rate-matched by performing a sub-block interleaving process, a bit selection process, and an interleaving process. That is, the coded bits 270, d r0 , ... , d r(Nr-1 ) are converted into rate-matched bits 275, f r0 , ...
  • interleaving refers to a process of changing the order of a bit sequence. By the interleaving process, it is possible to disperse the occurrence of errors. In consideration of efficient deinterleaving, an interleaving process is designed.
  • the sub-block interleaving process may be a process of dividing a code block into a plurality of sub-blocks (eg, 32 sub-blocks) and allocating bits to each sub-block according to an interleaving method.
  • the bit sequence may be increased by repeating bits, or the bit sequence may be decreased according to a method such as shortening or puncturing.
  • the interleaving process may interleave the coded bits after the bit selection process.
  • the rate matching process may include a bit selection process and an interleaving process.
  • the sub-block interleaving process is not essential.
  • a code block concatenation process ( S225 ) is performed to concatenate the code blocks 275 to generate codewords 280 , g 0 , ... , g G-1 ( S225 ). )can do.
  • One generated codeword 280 may correspond to one transport block 255 .
  • 5 and 6 are exemplary views for explaining a modulation method according to the present document.
  • one or more codewords are input and scrambled (S305 and S405).
  • the scrambling process may be performed based on an exclusive OR operation with the bit sequence in which the input bit sequence is determined.
  • the scrambled bits are modulated (S310 and S410), and the modulated symbols are mapped to a layer (S315, S415).
  • the symbols mapped to the layer are precoded to be mapped to the antenna port (S320, S420), and the precoded symbols are mapped to the resource element (S325, S425).
  • the mapped symbols are generated as OFDM signals (S330 and S430) and transmitted through an antenna.
  • FIG. 7 is an exemplary diagram for explaining a backpropagation method in a neural network.
  • back propagation may be performed.
  • o k of the input layer can simply be the input x k to the network.
  • o j is as follows.
  • the error function E satisfies the following equation.
  • FIG. 8 shows an exemplary diagram for explaining a prediction method of an artificial neural network.
  • the artificial neural network includes an input layer composed of first input data and an output layer composed of final output data, and includes a hidden layer as an intermediate layer for calculating output data from input data.
  • One or more hidden layers exist, and an artificial neural network including two or more hidden layers is called a deep neural network (DNN).
  • DNN deep neural network
  • input data do not affect each other or between nodes belonging to the same layer, and each layer exchanges data with each other as an input value or an output value only to nodes of an upper or lower adjacent layer.
  • connection lines are connected between all nodes between layers. However, there may be no connection lines between nodes belonging to each adjacent layer if necessary. However, if there is no connection line, the weight may be set to 0 for the corresponding input value.
  • the input value of the output layer When the result value of the output layer is predicted from the input layer according to the prediction direction of the artificial neural network, the input value can be predicted from the result values in the learning process.
  • the input value and the output value do not have a one-to-one correspondence, it is impossible to restore the input layer as an output layer as it is. If the calculated input data is different from the original input data, the prediction of the artificial neural network can be considered inaccurate. there will be
  • MIMO RS Reference Signal
  • DMRS demodulation reference signal
  • the NR DMRS is characterized in that it is transmitted only when necessary to enhance network energy efficiency and ensure forward compatibility.
  • the time domain density of the DMRS may vary according to the speed or mobility of the UE.
  • the density for DMRS in the time domain can be increased to track fast changes in radio channels in NR.
  • the BS transmits DMRS configuration information to the UE.
  • the DMRS configuration information may refer to a DMRS-DownlinkConfig IE.
  • the DMRS-DownlinkConfig IE may include a dmrs-Type parameter, a dmrs-AdditionalPosition parameter, a maxLength parameter, a phaseTrackingRS parameter, and the like.
  • the 'dmrs-Type' parameter is a parameter for selecting a DMRS type to be used for DL.
  • DMRS can be divided into two configuration types: (1) DMRS configuration type 1 and (2) DMRS configuration type 2.
  • DMRS configuration type 1 has a higher RS density in the frequency domain, and DMRS configuration type 2 has more DMRS antenna ports.
  • the 'dmrs-AdditionalPosition' parameter is a parameter indicating the position of an additional DMRS in the DL.
  • the 'maxLength' parameter is a parameter indicating the maximum number of OFDM symbols for the DL front-loaded DMRS.
  • the 'phaseTrackingRS' parameter is a parameter for configuring DL PTRS.
  • the first position of the front-loaded DMRS is determined according to the PDSCH mapping type (type A or type B), and an additional DMRS may be configured to support a high speed UE.
  • the front-loaded DMRS occupies one or two consecutive OFDM symbols, and is indicated by RRC signaling and DCI.
  • the BS generates a sequence used for DMRS based on the DMRS configuration (S120).
  • the BS maps the generated sequence to resource elements (S130).
  • the resource element may mean including at least one of time, frequency, antenna port, or code.
  • the BS sends the DMRS to the UE on the resource elements.
  • the UE receives the PDSCH using the received DMRS.
  • the UL DMRS-related operation is similar to the DL DMRS-related operation, and names of DL-related parameters may be replaced with names of UL-related parameters.
  • the DMRS-DownlinkConfig IE may be replaced with a DMRS-UplinkConfig IE
  • the PDSCH mapping type may be replaced with a PUSCH mapping type
  • the PDSCH may be replaced with a PUSCH.
  • the BS in the DL DMRS-related operation, the BS may be replaced with the UE and the UE may be replaced with the BS.
  • Sequence generation for UL DMRS may be defined differently depending on whether transform precoding is enabled.
  • DMRS when using cyclic prefix orthogonal frequency division multiplexing (CP-OFDM) (ie, transform precoding is not enabled), pseudo-noise (PN) sequence
  • PN pseudo-noise
  • DFT-s-OFDM Discrete Fourier Transform-spread-OFDM
  • ZC Zadoff-Chu
  • Nonlinear operation-based MIMO detector technologies include sphere decoding (SD), QRD M-best algorithm, and approximate message passing (AMP) algorithm. All of these have disadvantages in terms of implementation or performance.
  • Deep-learning is a good tool that can easily handle nonlinear characteristics with parallel processing. In general, this is very useful for classifying different inputs.
  • a variation factor called a channel exists, and it is not easy to overcome this with a naive approach.
  • Machine learning algorithms are largely classified into three types: supervised learning, unsupervised learning, and reinforcement learning.
  • Supervised learning is a method of learning in a state in which a label (an explicit correct answer) for data is given, and aims for accurate prediction (discrete value estimation or classification).
  • Unsupervised learning aims to discover hidden features of data in the form of learning only from data without labels.
  • Reinforcement learning is a method of learning based on taking an action in a given environment and receiving a reward accordingly. Therefore, reinforcement learning aims to determine a strategy in a dynamic state.
  • reinforcement learning aims to establish a strategy in a dynamic environment, but the problem we are focusing on in this paper is that the statistical characteristics of the channel do not change and also predict the data-stream well in each snapshot. This is also not suitable because the purpose is to do it. Therefore, supervised learning is most suitable.
  • DNN deep neural network
  • RNN recurrent neural network
  • CNN convolutional neural network
  • RNN is basically a method for modeling sequential data, and it is easy to estimate current data based on previous data by understanding sequence data using state or memory, and is very useful for natural language processing.
  • the data-stream dealt with in this document is not appropriate because it does not have a sequential nature.
  • CNN is defined in a spatial domain and is a method suitable for data, images, or videos that have correlation characteristics according to proximity. It consists of a part that extracts features of an image and a part that classifies the image in a way that effectively recognizes and emphasizes features with adjacent images while maintaining spatial information of the image.
  • the feature extraction region consists of a convolutional layer that finds features of an image while minimizing the number of shared parameters using filters, and a pooling layer that enhances and collects features.
  • CNN adjusts the output data size by filter size, stride, padding and pooling size. The reduction in the number of parameters to learn is a big advantage, but as mentioned above, the data is defined in the spatial domain and has a disadvantage in that it has to have correlation characteristics according to proximity.
  • DNN has a fully connected neural network structure and is composed of a combination of a number of hidden layers and activation functions, and is an easy tool to understand the correlation characteristics between input and output.
  • the correlation characteristic means the joint probability of input and output.
  • the MIMO detector in this document is also the same as the problem of solving the combined probability of input and output, so it is appropriate to apply DNN.
  • DNN deep neural network
  • the aforementioned weight adaptation method is a method of changing the DNN structure according to a channel change, and is consistent with an equalizer that creates and processes an adaptive filter according to a channel in a general communication system.
  • the weight adaptation method is a data driven approach. approach
  • many transmitted sequences are required for learning, and thus a large learning overhead is required.
  • the weight matrix and bias vectors constituting the DNN structure are relatively bulky and dense, a lot of computational complexity is required to update them.
  • FIG. 9 is an exemplary diagram illustrating a DNN-based preprocessor assisted MIMO detector according to this document.
  • observation adaptation + fixed filter is the role of the preprocessor
  • the fixed filter is the MIMO detector composed of a fixed neural network.
  • the preprocessor performing observation adaptation also uses a fixed network regardless of channel change. However, as the received signal and channel information changed by the channel are used as inputs of the corresponding preprocessor, observation adaptation occurs naturally.
  • FIG. 10 is a diagram according to the present document. - It is an exemplary diagram illustrating a high-level concept of a DNN-based preprocessor assisted MIMO detector in a dimensional domain.
  • current channel matrix is the modulated symbol and denotes additive white Gaussian noise. current channel is assumed to be obtained through estimation. The actual channel while maintaining the statistical characteristics of the noise. The received signal that has been subjected to If can be reconstructed into a received signal, a near-optimal MIMO detector can be implemented regardless of a channel change. This concept has been obtained on the basis of the following backgrounds.
  • the decision boundary In order to use the DNN structure designed for offline-learning, the decision boundary must be similar regardless of the channel change.
  • Equation (1) The left and right terms of Equation (1) have a non-linear relationship.
  • the rear MIMO detector is It is a MIMO detector optimized for The preprocessor has an unfolded DNN structure and has a structure as shown in FIG. 11 .
  • FIG. 11 is an exemplary diagram illustrating a framework of a nonlinear preprocessor according to the present document.
  • FIG. 11 The structure of FIG. 11 is expressed as an equation as follows.
  • the i-th DNN receiver is It consists of two layers, which are is defined as is defined as is defined as The activation function of the hidden layer of each receiver is the ReLU function. and the output layer transmits a signal without an activation function. This can be expressed as a formula as follows.
  • the output is a signal transformed from the observation of the received signal according to the channel change.
  • the MIMO detector at the rear stage is a MIMO detector composed of a general DNN structure, and the preprocessor output is input as an input.
  • the learning process is as follows.
  • the training sequence is the standard channel Learning is performed with received signals that have undergone i.e. the learning sequence set are input, and the label is a set of binary sequences.
  • the cost function a cross entropy function is used.
  • a set of training sequences when training in the second course and current channel at the same time clearly showing as input, and the label is standard channel Indirectly shows the standard channel by showing a noiseless signal that has undergone
  • learning is performed by inputting the MIMO detector at the rear stage obtained by learning previously.
  • Output of each unfolding DNN receiver in the preprocessor The mean square error (MSE) values of the MIMO detector sigmoid function output, and the weight-sum of the cross entropy with the binary sequence label are defined as a cost function and when training use.
  • MSE mean square error
  • a process of fine-tuning the DNN parameters of the DNN-based MIMO detector is performed in a state where the previously learned DNN-based preprocessor is given.
  • the output of the previously fixed preprocessor is used as a learning input set to perform learning. This is the process of refining the DNN configuration by more accurately reflecting the input probability distribution function to the actual MIMO detector at the rear end.
  • a well-known linear filter approach as a method of projecting into the -dimensional domain includes a zero forcing (ZF) or a matched filter (MF) method. Either of the two filters can be applied.
  • FIG. 4 is a diagram showing the framework of the preprocessor auxiliary MIMO detector.
  • each DNN receiver has one hidden layer, but it can be extended in a straightforward way even if the depth of the hidden layer increases.
  • FIG. 12 is an exemplary diagram illustrating a framework of a DNN-based preprocessor-assisted MIMO detector according to this document.
  • the -dimensional domain approach jointly trains a DNN-based preprocessor and a DNN-based MIMO detector.
  • Actual data-stream and noise respectively Wow Because it generates a received signal through the In this case, although the width of the input is increased, it rather serves to reduce the width of the hidden layer, and has the effect of improving the overall complexity.
  • As input channel information Wow It is possible to configure by putting only one of them, but in this case, there is room for the width of the hidden layer to be much larger than that given by the input size.
  • the cost function uses the weighted sum of the MSE between the intermediate data-stream and the sequence label in the preprocessor and the sigmoid function output of the downstream MIMO detector as before.
  • a hardware design method for the DNN-based preprocessor-assisted MIMO detector based on the -dimensional domain approach will be dealt with.
  • a MIMO detector based on the -dimensional domain approach can also be implemented in a similar manner.
  • DNN-based preprocessor assisted MIMO detector is a combination of a simple matrix multiplication, element-wise vector addition or subtraction, element-wise ReLU function, and element-wise sigmoid function.
  • element-wise vector addition or subtraction is a simple matrix multiplication
  • element-wise ReLU function is a simple matrix multiplication
  • element-wise sigmoid function is a simple matrix multiplication
  • decoding latency can be greatly reduced by processing them in parallel as much as possible.
  • FIG. 13 is an exemplary diagram illustrating a hardware structure of an Nt-dimensional DNN-based preprocessor assisted MIMO detector according to this document.
  • Nt is the parallel processing of machine-learned neural network operations (matrix multiplication, element-wise vector add/sub) in each layer in the Nt-dimensional approach. It means a unit, and Q*Nt shows that the sigmoid function is applied as a nonlinear activation process of the last output layer in the Nt-dimensional domain approach.
  • Equations 10 and 11 are shown as a specific hardware structure. Referring to FIG. 13 , the Nt-dimensional domain approach shows that the actual data-stream and noise are respectively Wow to generate a received signal through memory and memory is used, and the Nr-dimensional domain approach is is fixed, so the current channel only used in machine learning and actual operation. However Wow It is also possible to use machine learning and actual operation at the same time.
  • a method and apparatus for efficiently operating a MIMO detector based on machine learning can be industrially used in various wireless communication systems such as 3GPP LTE/LTE-A systems and 5G communication systems.

Landscapes

  • Engineering & Computer Science (AREA)
  • Signal Processing (AREA)
  • Computer Networks & Wireless Communication (AREA)
  • Power Engineering (AREA)
  • Artificial Intelligence (AREA)
  • Evolutionary Computation (AREA)
  • Theoretical Computer Science (AREA)
  • Software Systems (AREA)
  • Medical Informatics (AREA)
  • Data Mining & Analysis (AREA)
  • Physics & Mathematics (AREA)
  • Computing Systems (AREA)
  • General Engineering & Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • Mathematical Physics (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Mobile Radio Communication Systems (AREA)

Abstract

본 문서에 따르면, 무선 통신 시스템에서 단말이 데이터를 수신하는 방법은, 기지국으로부터 채널 신호 및 참조 신호 (RS: Reference Signal)를 수신하고; 상기 RS를 채널 RS로 균일화시키는 연산(operation)을 수행하여 시퀀스를 생성하고; 상기 생성된 시퀀스에 기반하여 상기 수신된 채널 신호를 디코딩하는 것을 포함하되, 상기 RS를 상기 채널 RS로 균일화시키는 연산을 수행하는 것은 기계 학습 과정에 따라 결정되는 파라미터에 기반하는 것인, 데이터 수신 방법에 관한 것이다.

Description

무선 통신 시스템에서 무선 신호를 송수신하는 방법 및 장치
본 문서는 무선 통신 시스템에서 데이터를 송수신하는 방법 및 장치에 관한 것으로, 보다 상세하게는 기계 학습에 기초한 데이터 검출 및 수신을 하기 위한 방법 및 이를 지원하는 장치에 관한 것이다.
무선 접속 시스템이 음성이나 데이터 등과 같은 다양한 종류의 통신 서비스를 제공하기 위해 광범위하게 전개되고 있다. 일반적으로 무선 접속 시스템은 가용한 시스템 자원(대역폭, 전송 파워 등)을 공유하여 다중 사용자와의 통신을 지원할 수 있는 다중 접속(multiple access) 시스템이다. 다중 접속 시스템의 예들로는 CDMA(code division multiple access) 시스템, FDMA(frequency division multiple access) 시스템, TDMA(time division multiple access) 시스템, OFDMA(orthogonal frequency division multiple access) 시스템, SC-FDMA(single carrier frequency division multiple access) 시스템 등이 있다.
또한, 본 문서는 다음의 기술 구성들과 관련될 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.
본 문서는 기계 학습에 기초하여, 데이터 검출 및 수신을 하기 위한 방법 및 장치에 대한 것이다.
보다 상세하게는, DNN(deep neural network, 심층신경망) 기반 프리프로세서 보조 MIMO 검출기에 기초하여 데이터 검출을 효율적으로 하기 위한 방법 및 장치에 대한 것이다.
본 문서에서 이루고자 하는 기술적 목적들은 이상에서 언급한 사항들로 제한되지 않으며, 언급하지 않은 또 다른 기술적 과제들은 이하 설명할 본 문서의 실시 예들로부터 본 문서가 속하는 기술분야에서 통상의 지식을 가진 자에 의해 고려될 수 있다.
본 문서는 무선 통신 시스템에서 데이터를 수신하기 위한 방법 및 이를 지원하는 장치들에 대한 것이다.
본 문서의 일 양태로서, 무선 통신 시스템에서 단말이 데이터를 수신하는 방법에 있어서, 기지국으로부터 채널 신호 및 참조 신호 (RS: Reference Signal)를 수신하고; 상기 RS를 채널 RS로 균일화시키는 연산(operation)을 수행하여 시퀀스를 생성하고; 상기 생성된 시퀀스에 기반하여 상기 수신된 채널 신호를 디코딩하는 것을 포함하되, 상기 RS를 상기 채널 RS로 균일화시키는 연산을 수행하는 것은 기계 학습 과정에 따라 결정되는 파라미터에 기반하는 것인, 데이터 수신 방법이 제공된다.
본 문서의 다른 양태로서, 무선 통신 시스템에서 데이터를 수신하는 단말에 있어서, 수신기; 송신기; 및 프로세서를 포함하고, 상기 수신기는 기지국으로부터 채널 신호 및 참조 신호 (RS: Reference Signal)를 수신하고; 상기 프로세서는 상기 RS를 채널 RS로 균일화시키는 연산(operation)을 수행하여 시퀀스를 생성하고, 상기 생성된 시퀀스에 기반하여 상기 수신된 채널 신호를 디코딩하는 것을 포함하되, 상기 RS를 상기 채널 RS로 균일화시키는 연산을 수행하는 것은 기계 학습 과정에 따라 결정되는 파라미터에 기반하는 것인, 데이터를 수신하는 단말이 제공된다.
본 문서의 다른 양태로서, 무선 통신 시스템에서 기지국이 데이터를 수신하는 방법에 있어서, 단말로부터 채널 신호 및 참조 신호 (RS: Reference Signal)를 수신하고; 상기 RS를 채널 RS로 균일화시키는 연산(operation)을 수행하여 시퀀스를 생성하고; 상기 생성된 시퀀스에 기반하여 상기 수신된 채널 신호를 디코딩하는 것을 포함하되, 상기 RS를 상기 채널 RS로 균일화시키는 연산을 수행하는 것은 기계 학습 과정에 따라 결정되는 파라미터에 기반하는 것인, 데이터 수신 방법이 제공된다.
본 문서의 다른 양태로서, 무선 통신 시스템에서 데이터를 수신하는 기지국에 있어서, 수신기; 송신기; 및 프로세서를 포함하고, 상기 수신기는 기지국으로부터 채널 신호 및 참조 신호 (RS: Reference Signal)를 수신하고; 상기 프로세서는 상기 RS를 채널 RS로 균일화시키는 연산(operation)을 수행하여 시퀀스를 생성하고, 상기 생성된 시퀀스에 기반하여 상기 수신된 채널 신호를 디코딩하는 것을 포함하되, 상기 RS를 상기 채널 RS로 균일화시키는 연산을 수행하는 것은 기계 학습 과정에 따라 결정되는 파라미터에 기반하는 것인, 데이터를 수신하는 기지국이 제공된다.
본 문서의 다른 양태로서, 단말을 위한 장치에 있어서, 적어도 하나의 프로세서; 및 상기 적어도 하나의 프로세서에 동작 가능하게 연결될 수 있고, 실행될 때 상기 적어도 하나의 프로세서로 하여금 동작들을 수행하게 하는 명령들을 저장하는 적어도 하나의 컴퓨터 메모리를 포함하고, 기지국으로부터 채널 신호 및 참조 신호 (RS: Reference Signal)를 수신하고; 상기 RS를 채널 RS로 균일화시키는 연산(operation)을 수행하여 시퀀스를 생성하고; 상기 생성된 시퀀스에 기반하여 상기 수신된 채널 신호를 디코딩하는 것을 포함하되, 상기 RS를 상기 채널 RS로 균일화시키는 연산을 수행하는 것은 기계 학습 과정에 따라 결정되는 파라미터에 기반하는 것인, 단말을 위한 장치가 제공된다.
본 문서의 다른 양태로서, 적어도 하나의 프로세서에 의해 실행될 때, 상기 적어도 하나의 프로세서가 단말에 대한 동작을 수행하게 하는 명령을 포함하는 적어도 하나의 컴퓨터 프로그램을 저장하는 컴퓨터 판독 가능 저장 매체에 있어서, 상기 동작은: 기지국으로부터 채널 신호 및 참조 신호 (RS: Reference Signal)를 수신하고; 상기 RS를 채널 RS로 균일화시키는 연산(operation)을 수행하여 시퀀스를 생성하고; 상기 생성된 시퀀스에 기반하여 상기 수신된 채널 신호를 디코딩하는 것을 포함하되, 상기 RS를 상기 채널 RS로 균일화시키는 연산을 수행하는 것은 기계 학습 과정에 따라 결정되는 파라미터에 기반하는 것인, 컴퓨터 판독 가능 저장 매체가 제공된다.
바람직하게, 상기 파라미터를 결정하는 기계 학습 과정은, (1) 상기 수신된 채널 신호 및 상기 RS를 입력으로 하여 파라미터를 출력하고,
(2) 상기 출력된 파라미터 및 상기 수신된 채널 신호를 입력으로 하여 파라미터를 갱신하고, (3) 상기 (2)의 과정에 따라 갱신된 파라미터 및 상기 수신된 채널 신호를 입력으로 하여 파라미터를 재갱신하는 과정을 소정 횟수 반복하여 상기 파라미터를 결정하는 것을 포함하는 것일 수 있다.
바람직하게, 상기 수신된 채널 신호를 디코딩 하는 것은, 상기 결정된 파라미터를 입력으로 하여 제 2 기계 학습을 수행하고; 상기 제 2 기계 학습 과정에 따라 제 2 파라미터를 결정하는 것을 포함하되, 상기 결정된 제 2 파라미터에 기반하는 것일 수 있다.
바람직하게, 상기 연산을 수행하기 이전에 ZF(Zero Forcing) 필터링하는 것을 더 포함하는 것일 수 있다.
바람직하게, 상기 기계 학습 과정은 DNN (Deep Neural Network)에 기반할 수 있다.
바람직하게, 상기 기계 학습 과정에 있어서, 상기 수신된 채널 신호를 정합(matched) 필터링을 하여 제 2 채널 신호를 생성하고, 상기 생성된 제2 채널 신호를 입력으로 할 수 있다.
바람직하게, 상기 RS는 복조 참조 신호(DMRS: Demodulation Reference Signal)일 수 있다.
상술한 본 문서의 양태들은 본 문서의 바람직한 실시예들 중 일부에 불과하며, 기술적 특징들이 반영된 다양한 실시예들이 당해 기술분야의 통상적인 지식을 가진 자에 의해 이하 상술할 본 문서의 상세한 설명을 기반으로 도출되고 이해될 수 있다.
본 문서에 따르면 채널 변화에 무관하게 최적의 성능을 갖는 학습 기반 MIMO 검출기를 포함하는 수신부의 구성이 가능하다.
본 문서에 따르면, DNN 기반 프리프로세서 보조 MIMO 검출기를 이용하여, 채널 변화에 무관하게 고정 신경망을 사용하여 오프라인 학습이 가능하다.
본 문서에 따르면, 안테나 수와 사용자 수가 증가하는 경우에도 최적의 성능을 갖는 구현 가능한 MIMO 검출기 설계가 가능하다.
본 문서에서 얻은 수 있는 효과는 이상에서 언급한 효과들로 제한되지 않으며, 언급하지 않은 또 다른 효과들은 아래의 기재로부터 본 문서가 속하는 기술분야에서 통상의 지식을 가진 자에게 명확하게 이해될 수 있을 것이다.
본 문서에 관한 이해를 돕기 위해 상세한 설명의 일부로 포함되는, 첨부 도면은 본 문서에 대한 실시예를 제공하고, 상세한 설명과 함께 본 문서의 기술적 사상을 설명한다.
도 1A는 본 문서에 적용되는 통신 시스템을 예시한다.
도 1B는 본 문서에 적용될 수 있는 무선 기기를 예시한다.
도 1C는 본 문서에 적용되는 무선 기기의 다른 예를 나타낸다.
도 2은 NR에서의 프레임 구조의 일례를 나타낸 도이다.
도 3은 NR에서의 자원 그리드(resource grid)의 일 예를 나타낸다.
도 4는 본 문서에 따른 채널 코딩 방법을 설명하기 위한 예시도이다.
도 5 및 도 6는 본 문서에 따른 변조(modulation) 방법을 설명하기 위한 예시도이다.
도 7은 신경망에 있어서 역전파 방법을 설명하기 위한 예시도이다.
도 8은 인공 신경망의 예측 방법을 설명하기 위한 예시도를 나타낸다.
도 9는 본 문서에 따른 DNN 기반 프리프로세서 보조 MIMO 검출기를 도시한 예시도이다.
도 10은 본 문서에 따른 N r-차원 도메인의 DNN 기반 프리프로세서 보조 MIMO 검출기의 하이-레벨(high-level) 개념(concept)을 도시한 예시도이다.
도 11은 본 문서에 따른 비선형 프리프로세서의 구조를 도시한 예시도이다.
도 12는 본 문서에 따른 DNN 기반 프리프로세서 보조 MIMO 검출기의 구조를 도시한 예시도이다.
도 13은 본 문서에 따른 DNN 기반 프리프로세서 보조 MIMO 검출기 하드웨어 구조를 도시한 예시도이다.
이하, 본 문서에 따른 바람직한 실시 형태를 첨부된 도면을 참조하여 상세하게 설명한다. 첨부된 도면과 함께 이하에 개시될 상세한 설명은 본 문서의 예시적인 실시 형태를 설명하고자 하는 것이며, 본 문서가 실시될 수 있는 유일한 실시 형태를 나타내고자 하는 것이 아니다. 이하의 상세한 설명은 본 문서의 완전한 이해를 제공하기 위해서 구체적 세부사항을 포함한다. 그러나, 당업자는 본 문서가 이러한 구체적 세부사항 없이도 실시될 수 있음을 안다. 예를 들어, 이하의 상세한 설명은 이동통신 시스템이 3GPP LTE, LTE-A 시스템인 경우를 가정하여 구체적으로 설명하나, 3GPP LTE, LTE-A의 특유한 사항을 제외하고는 다른 임의의 이동통신 시스템에도 적용 가능하다. 몇몇 경우, 본 문서의 개념이 모호해지는 것을 피하기 위하여 공지의 구조 및 장치는 생략되거나, 각 구조 및 장치의 핵심기능을 중심으로 한 블럭도 형식으로 도시될 수 있다. 또한, 본 문서 전체에서 동일한 구성요소에 대해서는 동일한 도면 부호를 사용하여 설명한다.
아울러, 이하에서, 하향링크(downlink, DL)는 기지국(base station, BS)에서 사용자 기기(user equipment, UE)로의 통신을 의미하며, 상향링크(uplink, UL)는 UE에서 BS로의 통신을 의미한다. 하향링크에서 전송기(transmitter)는 BS의 일부이고, 수신기(receiver)는 UE의 일부일 수 있다. 상향링크에서 전송이기는 UE의 일부이고, 수신기는 BS의 일부일 수 있다. 본 문서에서 BS는 제 1 통신 장치로, UE는 제 2 통신 장치로 표현될 수도 있다. BS는 고정국(fixed station), Node B, eNB(evolved-NodeB), gNB(Next Generation NodeB), BTS(base transceiver system), 접속 포인트(access point, AP), 네트워크 혹은 5G 네트워크 노드, AI 시스템, RSU(road side unit), 로봇 등의 용어에 의해 대체될 수 있다. 또한, UE는 단말(terminal), MS(Mobile Station), UT(User Terminal), MSS(Mobile Subscriber Station), SS(Subscriber Station), AMS(Advanced Mobile Station), WT(Wireless terminal), MTC(Machine-Type Communication) 장치, M2M(Machine-to-Machine) 장치, D2D(Device-to-Device) 장치, 차량(vehicle), 로봇(robot), AI 모듈 등의 용어로 대체될 수 있다.
이하의 기술은 CDMA(Code Division Multiple Access), FDMA(Frequency Division Multiple Access), TDMA(Time Division Multiple Access), OFDMA(Orthogonal Frequency Division Multiple Access), SC-FDMA(Single Carrier FDMA) 등과 같은 다양한 무선 접속 시스템에 사용될 수 있다. CDMA는 UTRA(Universal Terrestrial Radio Access)나 CDMA2000과 같은 무선 기술로 구현될 수 있다. TDMA는 GSM(Global System for Mobile communications)/GPRS(General Packet Radio Service)/EDGE(Enhanced Data Rates for GSM Evolution)와 같은 무선 기술로 구현될 수 있다. OFDMA는 IEEE 802.11 (Wi-Fi), IEEE 802.16 (WiMAX), IEEE 802-20, E-UTRA(Evolved UTRA) 등과 같은 무선 기술로 구현될 수 있다. UTRA는 UMTS(Universal Mobile Telecommunications System)의 일부이다. 3GPP(3rd Generation Partnership Project) LTE(Long Term Evolution)은 E-UTRA를 사용하는 E-UMTS(Evolved UMTS)의 일부이고 LTE-A(Advanced)/LTE-A pro는 3GPP LTE의 진화된 버전이다. 3GPP NR(New Radio or New Radio Access Technology)는 3GPP LTE/LTE-A/LTE-A pro의 진화된 버전이다.
설명을 명확하게 하기 위해, 3GPP 통신 시스템(예, LTE-A, NR)을 기반으로 설명하지만 본 발명의 기술적 사상이 이에 제한되는 것은 아니다. LTE는 3GPP TS 36.xxx Release 8 이후의 기술을 의미한다. 세부적으로, 3GPP TS 36.xxx Release 10 이후의 LTE 기술은 LTE-A로 지칭되고, 3GPP TS 36.xxx Release 13 이후의 LTE 기술은 LTE-A pro로 지칭된다. 3GPP NR은 TS 38.xxx Release 15 이후의 기술을 의미한다. LTE/NR은 3GPP 시스템으로 지칭될 수 있다. "xxx"는 표준 문서 세부 번호를 의미한다. LTE/NR은 3GPP 시스템으로 통칭될 수 있다.
본 문서에서, 노드(node)라 함은 UE와 통신하여 무선 신호를 전송/수신할 수 있는 고정된 포인트(point)을 말한다. 다양한 형태의 BS들이 그 명칭에 관계없이 노드로서 이용될 수 있다. 예를 들어, BS, NB, eNB, 피코-셀 eNB(PeNB), 홈 eNB(HeNB), 릴레이(relay), 리피터(repeater) 등이 노드가 될 수 있다. 또한, 노드는 BS가 아니어도 될 수 있다. 예를 들어, 무선 리모트 헤드(radio remote head, RRH), 무선 리모트 유닛(radio remote unit, RRU)가 될 수 있다. RRH, RRU 등은 일반적으로 BS의 전력 레벨(power level) 더욱 낮은 전력 레벨을 갖는다. 일 노드에는 최소 하나의 안테나가 설치된다. 상기 안테나는 물리 안테나를 의미할 수도 있으며, 안테나 포트, 가상 안테나, 또는 안테나 그룹을 의미할 수도 있다. 노드는 포인트(point)라고 불리기도 한다.
본 문서에서 셀(cell)이라 함은 하나 이상의 노드가 통신 서비스를 제공하는 일정 지리적 영역 혹은 무선 자원을 말한다. 지리적 영역의 "셀"은 노드가 반송파를 이용하여 서비스를 제공할 수 있는 커버리지(coverage)라고 이해될 수 있으며, 무선 자원의 "셀"은 상기 반송파에 의해 설정(configure)되는 주파수 크기인 대역폭(bandwidth, BW)와 연관된다. 노드가 유효한 신호를 전송할 수 있는 범위인 하향링크 커버리지와 UE로부터 유효한 신호를 수신할 수 있는 범위인 상향링크 커버리지는 해당 신호를 나르는 반송파에 의해 의존하므로 노드의 커버리지는 상기 노드가 사용하는 무선 자원의 "셀"의 커버리지와 연관되기도 한다. 따라서 "셀"이라는 용어는 때로는 노드에 의한 서비스의 커버리지를, 때로는 무선 자원을, 때로는 상기 무선 자원을 이용한 신호가 유효한 세기로 도달할 수 있는 범위를 의미하는 데 사용될 수 있다.
본 문서에서 특정 셀과 통신한다고 함은 상기 특정 셀에 통신 서비스를 제공하는 BS 혹은 노드와 통신하는 것을 의미할 수 있다. 또한, 특정 셀의 하향링크/상향링크 신호는 상기 특정 셀에 통신 서비스를 제공하는 BS 혹은 노드로부터의/로의 하향링크/상향링크 신호를 의미한다. UE에게 상향링크/하향링크 통신 서비스를 제공하는 셀을 특히 서빙 셀(serving cell)이라고 한다. 또한, 특정 셀의 채널 상태/품질은 상기 특정 셀에 통신 서비스를 제공하는 BS 혹은 노드와 UE 사이에 형성된 채널 혹은 통신 링크의 채널 상태/품질을 의미한다.
한편, 무선 자원과 연관된 "셀"은 하향링크 자원(DL resources)와 상향링크 자원(UL resources)의 조합, 즉, DL 컴포넌트 반송파(component carrier, CC) 와 UL CC의 조합으로 정의될 수 있다. 셀은 DL 자원 단독, 또는 DL 자원과 UL 자원의 조합으로 설정될(configured) 수도 있다. 반송파 집성(carrier aggregation)이 지원되는 경우, DL 자원(또는, DL CC)의 반송파 주파수(carrier frequency)와 UL 자원(또는, UL CC)의 반송파 주파수(carrier frequency) 사이의 링키지(linkage)는 해당 셀을 통해 전송되는 시스템 정보(system information)에 의해 지시될 수 있다. 여기서, 반송파 주파수는 각 셀 혹은 CC의 중심 주파수(center frequency)와 같을 수도 혹은 다를 수도 있다. 이하에서는 1차 주파수(primary frequency) 상에서 동작하는 셀을 1차 셀(primary cell, Pcell) 혹은 PCC로 지칭하고, 2차 주파수(Secondary frequency)(또는 SCC) 상에서 동작하는 셀을 2차 셀(secondary cell, Scell) 혹은 SCC로 칭한다. Scell이라 함은 UE가 BS와 RRC(Radio Resource Control) 연결 수립(connection establishment) 과정을 수행하여 상기 UE와 상기 BS 간에 RRC 연결이 수립된 상태, 즉, 상기 UE가 RRC_CONNECTED 상태가 된 후에 설정될 수 있다. 여기서 RRC 연결은 UE의 RRC와 BS의 RRC가 서로 RRC 메시지를 주고 받을 수 있는 통로를 의미할 수 있다. Scell은 UE에게 추가적인 무선 자원을 제공하기 위해 설정될 수 있다. UE의 성능(capabilities)에 따라, Scell이 Pcell과 함께, 상기 UE를 위한 서빙 셀의 모음(set)을 형성할 수 있다. RRC_CONNECTED 상태에 있지만 반송파 집성이 설정되지 않았거나 반송파 집성을 지원하지 않는 UE의 경우, Pcell로만 설정된 서빙 셀이 단 하나 존재한다.
셀은 고유의 무선 접속 기술을 지원한다. 예를 들어, LTE 셀 상에서는 LTE 무선 접속 기술(radio access technology, RAT)에 따른 전송/수신이 수행되며, 5G 셀 상에서는 5G RAT에 따른 전송/수신이 수행된다.
반송파 집성 기술은 광대역 지원을 위해 목표 대역폭(bandwidth)보다 작은 시스템 대역폭을 가지는 복수의 반송파들을 집성하여 사용하는 기술을 말한다. 반송파 집성은 각각이 시스템 대역폭(채널 대역폭이라고도 함)을 형성하는 복수의 반송파 주파수들을 사용하여 하향링크 혹은 상향링크 통신을 수행한다는 점에서, 복수의 직교하는 부반송파들로 분할된 기본 주파수 대역을 하나의 반송파 주파수에 실어 하향링크 혹은 상향링크 통신을 수행하는 OFDMA 기술과 구분된다. 예를 들어, OFDMA 혹은 직교 주파수 분할 다중화(orthogonal frequency division multiplexing, OFDM)의 경우에는 일정 시스템 대역폭을 갖는 하나의 주파수 대역이 일정 부반송파 간격을 갖는 복수의 부반송파들로 분할되고, 정보/데이터가 상기 복수의 부반송파들 내에서 매핑되며, 상기 정보/데이터가 맵핑된 상기 주파수 대역은 주파수 상향 변환(upconversion)을 거쳐 상기 주파수 대역의 반송파 주파수로 전송된다. 무선 반송파 집성의 경우에는 각각이 자신의 시스템 대역폭 및 반송파 주파수를 갖는 주파수 대역들이 동시에 통신에 사용될 수 있으며, 반송파 집성에 사용되는 각 주파수 대역은 일정 부반송파 간격을 갖는 복수의 부반송파들로 분할될 수 있다.
3GPP 기반 통신 표준은 물리 계층(physical layer)의 상위 계층(upper layer)(예, 매제 접속 제어(medium access control, MAC) 계층, 무선 링크 제어(radio link control, RLC) 계층, 패킷 데이터 수렴 프로토콜(protocol data convergence protocol, PDCP) 계층, 무선 자원 제어(radio resource control, RRC) 계층, 서비스 데이터 적응 프로토콜(service data adaptation protocol, SDAP), 비-접속 층(non-access stratum, NAS) 계층)로부터 기원한 정보를 나르는 자원 요소(resource element)들에 대응하는 하향링크 물리 채널들과, 물리 계층에 의해 사용되나 상위 계층으로부터 기원하는 정보를 나르지 않는 자원 요소들에 대응하는 하향링크 물리 신호들을 정의한다. 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)이 하향링크 물리 채널들로서 정의되어 있으며, 참조 신호와 동기 신호가 하향링크 물리 신호들로서 정의되어 있다. 파일럿(pilot)이라고도 지칭되는 참조 신호(reference signal, RS)는 BS와 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), 채널 상태 정보 RS(channel state information RS, CSI-RS), 복조 참조 신호(demodulation reference signal, DMRS)가 하향링크 참조 신호들로서 정의된다. 한편, 3GPP 기반 통신 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 문서에서 물리 하향링크 제어 채널(physical downlink control channel, PDCCH)와 물리 하향링크 공유 채널(physical downlink shared channel, PDSCH)는 물리 계층의 하향링크 제어 정보(downlink control information, DCI)와 하향링크 데이터를 나르는 시간-주파수 자원의 집합 혹은 자원요소의 집합을 각각(respectively) 의미할 수 있다. 또한, 물리 상향링크 제어 채널(physical uplink control channel), 물리 상향링크 공유 채널(physical uplink shared channel, PUSCH) 및 물리 임의 접속 채널(physical random access channel)는 물리 계층의 상향링크 제어 정보(uplink control information, UCI), 상향링크 데이터 및 임의 접속 신호를 나르는 시간-주파수 자원의 집합 혹은 자원요소의 집합을 각각 의미한다. 이하에서 UE가 상향링크 물리 채널(예, PUCCH, PUSCH, PRACH)를 전송한다는 것은 해당 상향링크 물리 채널 상에서 혹은 통해서 DCI, 상향링크 데이터, 또는 임의 접속 신호를 전송한다는 것을 의미할 수 있다. BS가 상향링크 물리 채널을 수신한다는 것은 해당 상향링크 물리 채널 상에서 혹은 통해서 DCI, 상향링크 데이터, 또는 임의 접속 신호를 수신한다는 것을 의미할 수 있다. BS가 하향링크 물리 채널(예, PDCCH, PDSCH)를 전송한다는 것은 해당 하향링크 물리 채널 상에서 혹은 통해서 DCI 혹은 상향링크 데이터를 전송한다는 것과 동일한 의미로 사용된다. UE가 하향링크 물리 채널을 수신한다는 것은 해당 하향링크 물리 채널 상에서 혹은 통해서 DCI 혹은 상향링크 데이터를 수신한다는 것을 의미할 수 있다.
본 문서에서 수송 블록(transport block)은 물리 계층을 위한 페이로드이다. 예를 들어, 상위 계층 혹은 매체 접속 제어(medium access control, MAC) 계층으로부터 물리 계층에 주어진 데이터가 기본적으로 수송 블록으로 지칭된다.
본 문서에서 HARQ는 오류 제어 방법의 일종이다. 하향링크를 통해 전송되는 HARQ-ACK은 상향링크 데이터에 대한 오류 제어를 위해 사용되며, 상향링크를 통해 전송되는 HARQ-ACK은 하향링크 데이터에 대한 오류 제어를 위해 사용된다. HARQ 동작을 수행하는 전송단은 데이터(예, 수송 블록, 코드워드)를 전송한 후 긍정 확인(ACK)를 기다린다. HARQ 동작을 수행하는 수신단은 데이터를 제대로 받은 경우만 긍정 확인(ACK)을 보내며, 수신 데이터에 오류가 생긴 경우 부정 확인(negative ACK, NACK)을 보낸다. 전송단이 ACK을 수신한 경우에는 (새로운) 데이터를 전송할 수 있고, NACK을 수신한 경우에는 데이터를 재전송할 수 있다. BS가 스케줄링 정보와 상기 스케줄링 정보에 따른 데이터를 전송한 뒤, UE로부터 ACK/NACK을 수신하고 재전송 데이터가 전송될 때까지 시간 딜레이(delay)가 발생한다. 이러한 시간 딜레이는 채널 전파 지연(channel propagation delay), 데이터 디코딩(decoding)/인코딩(encoding)에 걸리는 시간으로 인해 발생한다. 따라서, 현재 진행 중인 HARQ 프로세스가 끝난 후에 새로운 데이터를 보내는 경우, 시간 딜레이로 인해 데이터 전송에 공백이 발생한다. 따라서, 시간 딜레이 구간 동안에 데이터 전송에 공백이 생기는 것을 방지하기 위하여 복수의 독립적인 HARQ 프로세스가 사용된다. 예를 들어, 초기 전송과 재전송 사이에 7번의 전송 기회(occasion)가 있는 경우, 통신 장치는 7개의 독립적인 HARQ 프로세스를 운영하여 공백 없이 데이터 전송을 수행할 수 있다. 복수의 병렬 HARQ 프로세스들을 활용하면, 이전 UL/DL 전송에 대한 HARQ 피드백을 기다리는 동안 UL/DL 전송이 연속적으로 수행될 수 있다.
본 문서에서 채널 상태 정보(channel state information, CSI)는 UE와 안테나 포트 사이에 형성되는 무선 채널(혹은 링크라고도 함)의 품질을 나타낼 수 있는 정보를 통칭한다. CSI는 채널 품질 지시자(channel quality indicator, CQI), 프리코딩 행렬 지시자 (precoding matrix indicator, PMI), CSI-RS 자원 지시자(CSI-RS resource indicator, CRI), SSB 자원 지시자(SSB resource indicator, SSBRI), 레이어 지시자(layer indicator. LI), 랭크 지시자(rank indicator, RI) 또는 참조 신호 수신 품질(reference signal received power, RSRP) 중 적어도 하나를 포함할 수 있다.
본 문서에서 사용된 배경기술, 용어, 약어 등에 관해서는 본 발명 이전에 공개된 표준 문서에 기재된 사항을 참조할 수 있다. 예를 들어, 다음 문서를 참조할 수 있다.
3GPP LTE
- 3GPP TS 36.211: Physical channels and modulation
- 3GPP TS 36.212: Multiplexing and channel coding
- 3GPP TS 36.213: Physical layer procedures
- 3GPP TS 36.214: Physical layer; Measurements
- 3GPP TS 36.300: Overall description
- 3GPP TS 36.304: User Equipment (UE) procedures in idle mode
- 3GPP TS 36.314: Layer 2 - Measurements
- 3GPP TS 36.321: Medium Access Control (MAC) protocol
- 3GPP TS 36.322: Radio Link Control (RLC) protocol
- 3GPP TS 36.323: Packet Data Convergence Protocol (PDCP)
- 3GPP TS 36.331: Radio Resource Control (RRC) protocol
- 3GPP TS 23.303: Proximity-based services (Prose); Stage 2
- 3GPP TS 23.285: Architecture enhancements for V2X services
- 3GPP TS 23.401: General Packet Radio Service (GPRS) enhancements for Evolved Universal Terrestrial Radio Access Network (E-UTRAN) access
- 3GPP TS 23.402: Architecture enhancements for non-3GPP accesses
- 3GPP TS 23.286: Application layer support for V2X services; Functional architecture and information flows
- 3GPP TS 24.301: Non-Access-Stratum (NAS) protocol for Evolved Packet System (EPS); Stage 3
- 3GPP TS 24.302: Access to the 3GPP Evolved Packet Core (EPC) via non-3GPP access networks; Stage 3
- 3GPP TS 24.334: Proximity-services (ProSe) User Equipment (UE) to ProSe function protocol aspects; Stage 3
- 3GPP TS 24.386: User Equipment (UE) to V2X control function; protocol aspects; Stage 3
3GPP NR
- 3GPP TS 38.211: Physical channels and modulation
- 3GPP TS 38.212: Multiplexing and channel coding
- 3GPP TS 38.213: Physical layer procedures for control
- 3GPP TS 38.214: Physical layer procedures for data
- 3GPP TS 38.215: Physical layer measurements
- 3GPP TS 38.300: NR and NG-RAN Overall Description
- 3GPP TS 38.304: User Equipment (UE) procedures in idle mode and in RRC inactive state
- 3GPP TS 38.321: Medium Access Control (MAC) protocol
- 3GPP TS 38.322: Radio Link Control (RLC) protocol
- 3GPP TS 38.323: Packet Data Convergence Protocol (PDCP)
- 3GPP TS 38.331: Radio Resource Control (RRC) protocol
- 3GPP TS 37.324: Service Data Adaptation Protocol (SDAP)
- 3GPP TS 37.340: Multi-connectivity; Overall description
- 3GPP TS 23.287: Application layer support for V2X services; Functional architecture and information flows
- 3GPP TS 23.501: System Architecture for the 5G System
- 3GPP TS 23.502: Procedures for the 5G System
- 3GPP TS 23.503: Policy and Charging Control Framework for the 5G System; Stage 2
- 3GPP TS 24.501: Non-Access-Stratum (NAS) protocol for 5G System (5GS); Stage 3
- 3GPP TS 24.502: Access to the 3GPP 5G Core Network (5GCN) via non-3GPP access networks
- 3GPP TS 24.526: User Equipment (UE) policies for 5G System (5GS); Stage 3
NR (NR Radio access)
더욱 많은 통신 기기들이 더욱 큰 통신 용량을 요구하게 됨에 따라 기존의 무선 접속 기술(radio access technology, RAT) 에 비해 향상된 모바일 브로드밴드(mobile broadband) 통신에 대한 필요성이 대두되고 있다. 또한 다수의 기기 및 사물들을 연결하여 언제 어디서나 다양한 서비스를 제공하는 대규모 기계 타입 통신(massive Machine Type Communications, mMTC) 역시 차세대 통신에서 고려될 주요 이슈 중 하나이다. 뿐만 아니라 신뢰도(reliability) 및 레이턴시(latency)에 민감한 서비스/UE를 고려한 통신 시스템 디자인이 논의되고 있다. 이와 같이 eMBB(Enhanced mobile Broadband Communication), mMTC, URLLC(Ultra-Reliable and Low Latency Communication) 등을 고려한 차세대 RAT의 도입이 논의되고 있으며, 본 문서에서는 편의상 해당 기술을 NR 이라고 부른다. NR은 5G 무선 접속 기술(radio access technology, RAT)의 일례를 나타낸 표현이다.
NR을 포함하는 새로운 RAT 시스템은 OFDM 전송 방식 또는 이와 유사한 전송 방식을 사용한다. 새로운 RAT 시스템은 LTE의 OFDM 파라미터들과는 다른 OFDM 파라미터들을 따를 수 있다. 또는 새로운 RAT 시스템은 기존의 LTE/LTE-A의 뉴머롤로지(numerology)를 그대로 따르나 더 큰 시스템 대역폭(예, 100MHz)를 지닐 수 있다. 또는 하나의 셀이 복수 개의 뉴머롤로지들을 지원할 수도 있다. 즉, 서로 다른 뉴머롤로지로 동작하는 하는 UE들이 하나의 셀 안에서 공존할 수 있다.
뉴머롤로지는 주파수 도메인에서 하나의 부반송파 간격(subcarrier spacing)에 대응한다. 참조 부반송파 간격(reference subcarrier spacing)을 정수 N으로 스케일링함으로써, 상이한 뉴머롤로지가 정의될 수 있다.
도 1a는 본 문서에 적용되는 통신 시스템을 예시한다.
도 1a를 참조하면, 본 문서에 적용되는 통신 시스템(1)은 무선 기기, 기지국 및 네트워크를 포함한다. 여기서, 무선 기기는 무선 접속 기술(예, 5G NR(New RAT), LTE(Long Term Evolution))을 이용하여 통신을 수행하는 기기를 의미하며, 통신/무선/5G 기기로 지칭될 수 있다. 이로 제한되는 것은 아니지만, 무선 기기는 로봇(100a), 차량(100b-1, 100b-2), XR(eXtended Reality) 기기(100c), 휴대 기기(Hand-held device)(100d), 가전(100e), IoT(Internet of Thing) 기기(100f), AI기기/서버(400)를 포함할 수 있다. 예를 들어, 차량은 무선 통신 기능이 구비된 차량, 자율 주행 차량, 차량간 통신을 수행할 수 있는 차량 등을 포함할 수 있다. 여기서, 차량은 UAV(Unmanned Aerial Vehicle)(예, 드론)를 포함할 수 있다. XR 기기는 AR(Augmented Reality)/VR(Virtual Reality)/MR(Mixed Reality) 기기를 포함하며, HMD(Head-Mounted Device), 차량에 구비된 HUD(Head-Up Display), 텔레비전, 스마트폰, 컴퓨터, 웨어러블 디바이스, 가전 기기, 디지털 사이니지(signage), 차량, 로봇 등의 형태로 구현될 수 있다. 휴대 기기는 스마트폰, 스마트패드, 웨어러블 기기(예, 스마트워치, 스마트글래스), 컴퓨터(예, 노트북 등) 등을 포함할 수 있다. 가전은 TV, 냉장고, 세탁기 등을 포함할 수 있다. IoT 기기는 센서, 스마트미터 등을 포함할 수 있다. 예를 들어, 기지국, 네트워크는 무선 기기로도 구현될 수 있으며, 특정 무선 기기(200a)는 다른 무선 기기에게 기지국/네트워크 노드로 동작할 수도 있다.
무선 기기(100a~100f)는 기지국(200)을 통해 네트워크(300)와 연결될 수 있다. 무선 기기(100a~100f)에는 AI(Artificial Intelligence) 기술이 적용될 수 있으며, 무선 기기(100a~100f)는 네트워크(300)를 통해 AI 서버(400)와 연결될 수 있다. 네트워크(300)는 3G 네트워크, 4G(예, LTE) 네트워크 또는 5G(예, NR) 네트워크 등을 이용하여 구성될 수 있다. 무선 기기(100a~100f)는 기지국(200)/네트워크(300)를 통해 서로 통신할 수도 있지만, 기지국/네트워크를 통하지 않고 직접 통신(e.g. 사이드링크 통신(sidelink communication))할 수도 있다. 예를 들어, 차량들(100b-1, 100b-2)은 직접 통신(e.g. V2V(Vehicle to Vehicle)/V2X(Vehicle to everything) communication)을 할 수 있다. 또한, IoT 기기(예, 센서)는 다른 IoT 기기(예, 센서) 또는 다른 무선 기기(100a~100f)와 직접 통신을 할 수 있다.
무선 기기(100a~100f)/기지국(200), 기지국(200)/기지국(200) 간에는 무선 통신/연결(150a, 150b, 150c)이 이뤄질 수 있다. 여기서, 무선 통신/연결은 상향/하향링크 통신(150a)과 사이드링크 통신(150b)(또는, D2D 통신), 기지국 간 통신(150c)(e.g. relay, IAB(Integrated Access Backhaul)과 같은 다양한 무선 접속 기술(예, 5G NR)을 통해 이뤄질 수 있다. 무선 통신/연결(150a, 150b, 150c)을 통해 무선 기기와 기지국/무선 기기, 기지국과 기지국은 서로 무선 신호를 송신/수신할 수 있다. 예를 들어, 무선 통신/연결(150a, 150b, 150c)은 다양한 물리 채널을 통해 신호를 송신/수신할 수 있다. 이를 위해, 본 문서의 다양한 제안들에 기반하여, 무선 신호의 송신/수신을 위한 다양한 구성 정보 설정 과정, 다양한 신호 처리 과정(예, 채널 인코딩/디코딩, 변조/복조, 자원 매핑/디매핑 등), 자원 할당 과정 등 중 적어도 일부가 수행될 수 있다.
도 1b는 본 문서에 적용될 수 있는 무선 기기를 예시한다.
도 1b를 참조하면, 제1 무선 기기(100)와 제2 무선 기기(200)는 다양한 무선 접속 기술(예, LTE, NR)을 통해 무선 신호를 송수신할 수 있다. 여기서, {제1 무선 기기(100), 제2 무선 기기(200)}은 도 1a의 {무선 기기(100x), 기지국(200)} 및/또는 {무선 기기(100x), 무선 기기(100x)}에 대응할 수 있다.
제1 무선 기기(100)는 하나 이상의 프로세서(102) 및 하나 이상의 메모리(104)를 포함하며, 추가적으로 하나 이상의 송수신기(106) 및/또는 하나 이상의 안테나(108)을 더 포함할 수 있다. 프로세서(102)는 메모리(104) 및/또는 송수신기(106)를 제어하며, 본 문서에 개시된 설명, 기능, 절차, 제안, 방법 및/또는 동작 순서도들을 구현하도록 구성될 수 있다. 예를 들어, 프로세서(102)는 메모리(104) 내의 정보를 처리하여 제1 정보/신호를 생성한 뒤, 송수신기(106)을 통해 제1 정보/신호를 포함하는 무선 신호를 전송할 수 있다. 또한, 프로세서(102)는 송수신기(106)를 통해 제2 정보/신호를 포함하는 무선 신호를 수신한 뒤, 제2 정보/신호의 신호 처리로부터 얻은 정보를 메모리(104)에 저장할 수 있다. 메모리(104)는 프로세서(102)와 연결될 수 있고, 프로세서(102)의 동작과 관련한 다양한 정보를 저장할 수 있다. 예를 들어, 메모리(104)는 프로세서(102)에 의해 제어되는 프로세스들 중 일부 또는 전부를 수행하거나, 본 문서에 개시된 설명, 기능, 절차, 제안, 방법 및/또는 동작 순서도들을 수행하기 위한 명령들을 포함하는 소프트웨어 코드를 저장할 수 있다. 여기서, 프로세서(102)와 메모리(104)는 무선 통신 기술(예, LTE, NR)을 구현하도록 설계된 통신 모뎀/회로/칩의 일부일 수 있다. 송수신기(106)는 프로세서(102)와 연결될 수 있고, 하나 이상의 안테나(108)를 통해 무선 신호를 송신 및/또는 수신할 수 있다. 송수신기(106)는 송신기 및/또는 수신기를 포함할 수 있다. 송수신기(106)는 RF(Radio Frequency) 유닛과 혼용될 수 있다. 본 문서에서 무선 기기는 통신 모뎀/회로/칩을 의미할 수도 있다.
제2 무선 기기(200)는 하나 이상의 프로세서(202), 하나 이상의 메모리(204)를 포함하며, 추가적으로 하나 이상의 송수신기(206) 및/또는 하나 이상의 안테나(208)를 더 포함할 수 있다. 프로세서(202)는 메모리(204) 및/또는 송수신기(206)를 제어하며, 본 문서에 개시된 설명, 기능, 절차, 제안, 방법 및/또는 동작 순서도들을 구현하도록 구성될 수 있다. 예를 들어, 프로세서(202)는 메모리(204) 내의 정보를 처리하여 제3 정보/신호를 생성한 뒤, 송수신기(206)를 통해 제3 정보/신호를 포함하는 무선 신호를 전송할 수 있다. 또한, 프로세서(202)는 송수신기(206)를 통해 제4 정보/신호를 포함하는 무선 신호를 수신한 뒤, 제4 정보/신호의 신호 처리로부터 얻은 정보를 메모리(204)에 저장할 수 있다. 메모리(204)는 프로세서(202)와 연결될 수 있고, 프로세서(202)의 동작과 관련한 다양한 정보를 저장할 수 있다. 예를 들어, 메모리(204)는 프로세서(202)에 의해 제어되는 프로세스들 중 일부 또는 전부를 수행하거나, 본 문서에 개시된 설명, 기능, 절차, 제안, 방법 및/또는 동작 순서도들을 수행하기 위한 명령들을 포함하는 소프트웨어 코드를 저장할 수 있다. 여기서, 프로세서(202)와 메모리(204)는 무선 통신 기술(예, LTE, NR)을 구현하도록 설계된 통신 모뎀/회로/칩의 일부일 수 있다. 송수신기(206)는 프로세서(202)와 연결될 수 있고, 하나 이상의 안테나(208)를 통해 무선 신호를 송신 및/또는 수신할 수 있다. 송수신기(206)는 송신기 및/또는 수신기를 포함할 수 있다 송수신기(206)는 RF 유닛과 혼용될 수 있다. 본 문서에서 무선 기기는 통신 모뎀/회로/칩을 의미할 수도 있다.
제 1 무선 기기(100) 및/또는 제 2 무선 기기(200)는 단일 안테나 및 다중 안테나를 가질 수 있다. 제1 무선 기기(100) 및 제2 무선 기기(200) 중 적어도 어느 하나가 다중 안테나를 갖는 경우, 무선 통신 시스템은 다중 입력 다중 출력(MIMO) 시스템으로 지칭될 수 있다.
이하, 무선 기기(100, 200)의 하드웨어 요소에 대해 보다 구체적으로 설명한다. 이로 제한되는 것은 아니지만, 하나 이상의 프로토콜 계층이 하나 이상의 프로세서(102, 202)에 의해 구현될 수 있다. 예를 들어, 하나 이상의 프로세서(102, 202)는 하나 이상의 계층(예, PHY, MAC, RLC, PDCP, RRC, SDAP와 같은 기능적 계층)을 구현할 수 있다. 하나 이상의 프로세서(102, 202)는 본 문서에 개시된 설명, 기능, 절차, 제안, 방법 및/또는 동작 순서도들에 따라 하나 이상의 PDU(Protocol Data Unit) 및/또는 하나 이상의 SDU(Service Data Unit)를 생성할 수 있다. 하나 이상의 프로세서(102, 202)는 본 문서에 개시된 설명, 기능, 절차, 제안, 방법 및/또는 동작 순서도들에 따라 메시지, 제어 정보, 데이터 또는 정보를 생성할 수 있다. 하나 이상의 프로세서(102, 202)는 본 문서에 개시된 기능, 절차, 제안 및/또는 방법에 따라 PDU, SDU, 메시지, 제어 정보, 데이터 또는 정보를 포함하는 신호(예, 베이스밴드 신호)를 생성하여, 하나 이상의 송수신기(106, 206)에게 제공할 수 있다. 하나 이상의 프로세서(102, 202)는 하나 이상의 송수신기(106, 206)로부터 신호(예, 베이스밴드 신호)를 수신할 수 있고, 본 문서에 개시된 설명, 기능, 절차, 제안, 방법 및/또는 동작 순서도들에 따라 PDU, SDU, 메시지, 제어 정보, 데이터 또는 정보를 획득할 수 있다.
하나 이상의 프로세서(102, 202)는 컨트롤러, 마이크로 컨트롤러, 마이크로 프로세서 또는 마이크로 컴퓨터로 지칭될 수 있다. 하나 이상의 프로세서(102, 202)는 하드웨어, 펌웨어, 소프트웨어, 또는 이들의 조합에 의해 구현될 수 있다. 일 예로, 하나 이상의 ASIC(Application Specific Integrated Circuit), 하나 이상의 DSP(Digital Signal Processor), 하나 이상의 DSPD(Digital Signal Processing Device), 하나 이상의 PLD(Programmable Logic Device) 또는 하나 이상의 FPGA(Field Programmable Gate Arrays)가 하나 이상의 프로세서(102, 202)에 포함될 수 있다. 본 문서에 개시된 설명, 기능, 절차, 제안, 방법 및/또는 동작 순서도들은 펌웨어 또는 소프트웨어를 사용하여 구현될 수 있고, 펌웨어 또는 소프트웨어는 모듈, 절차, 기능 등을 포함하도록 구현될 수 있다. 본 문서에 개시된 설명, 기능, 절차, 제안, 방법 및/또는 동작 순서도들은 수행하도록 설정된 펌웨어 또는 소프트웨어는 하나 이상의 프로세서(102, 202)에 포함되거나, 하나 이상의 메모리(104, 204)에 저장되어 하나 이상의 프로세서(102, 202)에 의해 구동될 수 있다. 본 문서에 개시된 설명, 기능, 절차, 제안, 방법 및/또는 동작 순서도들은 코드, 명령어 및/또는 명령어의 집합 형태로 펌웨어 또는 소프트웨어를 사용하여 구현될 수 있다.
하나 이상의 메모리(104, 204)는 하나 이상의 프로세서(102, 202)와 연결될 수 있고, 다양한 형태의 데이터, 신호, 메시지, 정보, 프로그램, 코드, 지시 및/또는 명령을 저장할 수 있다. 하나 이상의 메모리(104, 204)는 ROM, RAM, EPROM, 플래시 메모리, 하드 드라이브, 레지스터, 캐쉬 메모리, 컴퓨터 판독 저장 매체 및/또는 이들의 조합으로 구성될 수 있다. 하나 이상의 메모리(104, 204)는 하나 이상의 프로세서(102, 202)의 내부 및/또는 외부에 위치할 수 있다. 또한, 하나 이상의 메모리(104, 204)는 유선 또는 무선 연결과 같은 다양한 기술을 통해 하나 이상의 프로세서(102, 202)와 연결될 수 있다.
하나 이상의 송수신기(106, 206)는 하나 이상의 다른 장치에게 본 문서의 방법들 및/또는 동작 순서도 등에서 언급되는 사용자 데이터, 제어 정보, 무선 신호/채널 등을 전송할 수 있다. 하나 이상의 송수신기(106, 206)는 하나 이상의 다른 장치로부터 본 문서에 개시된 설명, 기능, 절차, 제안, 방법 및/또는 동작 순서도 등에서 언급되는 사용자 데이터, 제어 정보, 무선 신호/채널 등을 수신할 수 있다. 예를 들어, 하나 이상의 송수신기(106, 206)는 하나 이상의 프로세서(102, 202)와 연결될 수 있고, 무선 신호를 송수신할 수 있다. 예를 들어, 하나 이상의 프로세서(102, 202)는 하나 이상의 송수신기(106, 206)가 하나 이상의 다른 장치에게 사용자 데이터, 제어 정보 또는 무선 신호를 전송하도록 제어할 수 있다. 또한, 하나 이상의 프로세서(102, 202)는 하나 이상의 송수신기(106, 206)가 하나 이상의 다른 장치로부터 사용자 데이터, 제어 정보 또는 무선 신호를 수신하도록 제어할 수 있다. 또한, 하나 이상의 송수신기(106, 206)는 하나 이상의 안테나(108, 208)와 연결될 수 있고, 하나 이상의 송수신기(106, 206)는 하나 이상의 안테나(108, 208)를 통해 본 문서에 개시된 설명, 기능, 절차, 제안, 방법 및/또는 동작 순서도 등에서 언급되는 사용자 데이터, 제어 정보, 무선 신호/채널 등을 송수신하도록 설정될 수 있다. 본 문서에서, 하나 이상의 안테나는 복수의 물리 안테나이거나, 복수의 논리 안테나(예, 안테나 포트)일 수 있다. 하나 이상의 송수신기(106, 206)는 수신된 사용자 데이터, 제어 정보, 무선 신호/채널 등을 하나 이상의 프로세서(102, 202)를 이용하여 처리하기 위해, 수신된 무선 신호/채널 등을 RF 밴드 신호에서 베이스밴드 신호로 변환(Convert)할 수 있다. 하나 이상의 송수신기(106, 206)는 하나 이상의 프로세서(102, 202)를 이용하여 처리된 사용자 데이터, 제어 정보, 무선 신호/채널 등을 베이스밴드 신호에서 RF 밴드 신호로 변환할 수 있다. 이를 위하여, 하나 이상의 송수신기(106, 206)는 (아날로그) 오실레이터 및/또는 필터를 포함할 수 있다.
도 1c는 본 문서에 적용되는 무선 기기의 다른 예를 나타낸다.
무선 기기는 사용-예/서비스에 따라 다양한 형태로 구현될 수 있다(도 1a 참조).
도 1c를 참조하면, 무선 기기(100, 200)는 도 1b의 무선 기기(100,200)에 대응하며, 다양한 요소(element), 성분(component), 유닛/부(unit), 및/또는 모듈(module)로 구성될 수 있다. 예를 들어, 무선 기기(100, 200)는 통신부(110), 제어부(120), 메모리부(130) 및 추가 요소(140)를 포함할 수 있다. 통신부는 통신 회로(112) 및 송수신기(들)(114)을 포함할 수 있다. 예를 들어, 통신 회로(112)는 도 1b의 하나 이상의 프로세서(102,202) 및/또는 하나 이상의 메모리(104,204) 를 포함할 수 있다. 예를 들어, 송수신기(들)(114)는 도 1b의 하나 이상의 송수신기(106,206) 및/또는 하나 이상의 안테나(108,208)을 포함할 수 있다. 제어부(120)는 통신부(110), 메모리부(130) 및 추가 요소(140)와 전기적으로 연결되며 무선 기기의 제반 동작을 제어한다. 예를 들어, 제어부(120)는 메모리부(130)에 저장된 프로그램/코드/명령/정보에 기반하여 무선 기기의 전기적/기계적 동작을 제어할 수 있다. 또한, 제어부(120)는 메모리부(130)에 저장된 정보를 통신부(110)을 통해 외부(예, 다른 통신 기기)로 무선/유선 인터페이스를 통해 전송하거나, 통신부(110)를 통해 외부(예, 다른 통신 기기)로부터 무선/유선 인터페이스를 통해 수신된 정보를 메모리부(130)에 저장할 수 있다.
추가 요소(140)는 무선 기기의 종류에 따라 다양하게 구성될 수 있다. 예를 들어, 추가 요소(140)는 파워 유닛/배터리, 입출력부(I/O unit), 구동부 및 컴퓨팅부 중 적어도 하나를 포함할 수 있다. 이로 제한되는 것은 아니지만, 무선 기기는 로봇(도 1a, 100a), 차량(도 1a, 100b-1, 100b-2), XR 기기(도 1a, 100c), 휴대 기기(도 1a, 100d), 가전(도 1a, 100e), IoT 기기(도 1a, 100f), 디지털 방송용 단말, 홀로그램 장치, 공공 안전 장치, MTC 장치, 의료 장치, 핀테크 장치(또는 금융 장치), 보안 장치, 기후/환경 장치, AI 서버/기기(도 1a, 400), 기지국(도 1a, 200), 네트워크 노드 등의 형태로 구현될 수 있다. 무선 기기는 사용-예/서비스에 따라 이동 가능하거나 고정된 장소에서 사용될 수 있다.
도 1c에서 무선 기기(100, 200) 내의 다양한 요소, 성분, 유닛/부, 및/또는 모듈은 전체가 유선 인터페이스를 통해 상호 연결되거나, 적어도 일부가 통신부(110)를 통해 무선으로 연결될 수 있다. 예를 들어, 무선 기기(100, 200) 내에서 제어부(120)와 통신부(110)는 유선으로 연결되며, 제어부(120)와 제1 유닛(예, 130, 140)은 통신부(110)를 통해 무선으로 연결될 수 있다. 또한, 무선 기기(100, 200) 내의 각 요소, 성분, 유닛/부, 및/또는 모듈은 하나 이상의 요소를 더 포함할 수 있다. 예를 들어, 제어부(120)는 하나 이상의 프로세서 집합으로 구성될 수 있다. 예를 들어, 제어부(120)는 통신 제어 프로세서, 어플리케이션 프로세서(Application processor), ECU(Electronic Control Unit), 그래픽 처리 프로세서, 메모리 제어 프로세서 등의 집합으로 구성될 수 있다. 다른 예로, 메모리부(130)는 RAM(Random Access Memory), DRAM(Dynamic RAM), ROM(Read Only Memory), 플래시 메모리(flash memory), 휘발성 메모리(volatile memory), 비-휘발성 메모리(non-volatile memory) 및/또는 이들의 조합으로 구성될 수 있다.
본 문서에 따른 기계 학습 과정에 따라 데이터를 송신하는 장치는, 송수신기; 메모리; 및 상기 송수신기 및 상기 메모리와 연결되는 적어도 하나의 프로세서를 포함할 수 있다.
상기 메모리는, 실행될 때, 상기 적어도 하나의 프로세서가 동작들을 수행하는 명령들(instructions)을 저장할 수 있다.
도 2는 NR에서의 프레임 구조의 일례를 나타낸 도이다.
NR 시스템은 다수의 뉴머롤로지들을 지원할 수 있다. 여기에서, 뉴머롤로지는 부반송파 간격(subcarrier spacing)과 순환 프리픽스(cyclic prefix, CP) 오버헤드에 의해 정의될 수 있다. 이 때, 다수의 부반송파 간격은 기본 부반송파 간격을 정수 N(또는, μ)으로 스케일링(scaling) 함으로써 유도될 수 있다. 또한, 매우 높은 반송파 주파수에서 매우 낮은 부반송파 간격을 이용하지 않는다고 가정할지라도, 이용되는 뉴머롤로지는 셀의 주파수 대역과 독립적으로 선택될 수 있다. 또한, NR 시스템에서는 다수의 뉴머롤로지에 따른 다양한 프레임 구조들이 지원될 수 있다.
이하, NR 시스템에서 고려될 수 있는 직교 주파수 분할 다중화(orthogonal frequency division multiplexing, OFDM) 뉴머롤로지 및 프레임 구조를 살펴본다. NR 시스템에서 지원되는 다수의 OFDM 뉴머롤로지들은 표 1과 같이 정의될 수 있다. 대역폭 파트에 대한 μ 및 순환 프리픽스는 BS에 의해 제공되는 RRC 파라미터들로부터 얻어진다.
[표 1]
Figure PCTKR2020002607-appb-img-000001
NR은 다양한 5G 서비스들을 지원하기 위한 다수의 뉴머롤러지(예, 부반송파 간격(subcarrier spacing))를 지원한다. 예를 들어, 부반송파 간격이 15kHz인 경우, 전통적인 셀룰러 밴드들에서의 넓은 영역(wide area)를 지원하며, 부반송파 간격이 30kHz/60kHz인 경우, 밀집한-도시(dense-urban), 더 낮은 레이턴시(lower latency) 및 더 넓은 반송파 대역폭(wider carrier bandwidth)를 지원하며, 부반송파 간격이 60kHz 또는 그보다 높은 경우, 위상 잡음(phase noise)를 극복하기 위해 24.25GHz보다 큰 대역폭을 지원한다.
NR 주파수 대역(frequency band)은 FR1과 FR2라는 2가지 타입의 주파수 범위(frequency range)로 정의된다. FR1은 sub 6GHz 범위이며, FR2는 above 6GHz 범위로 밀리미터 웨이브(millimeter wave, mmW)를 의미할 수 있다.
아래 표 2는 NR 주파수 대역의 정의를 예시한다.
[표 2]
*
Figure PCTKR2020002607-appb-img-000002
NR 시스템에서의 프레임 구조(frame structure)와 관련하여, 시간 도메인의 다양한 필드들의 크기는 NR용 기본 시간 유닛(basic time unit)인 T c = 1/(△ f max* N f)의 배수로 표현된다. 여기서, △ f max = 480*10 3 Hz이고, 고속 푸리에 변환(fast Fourier transform, FFT) 혹은 역 고속 푸리에 변환(inverse fast Fourier transform, IFFT) 크기와 관련이 있는 값인 N f = 4096이다. T c는 LTE용 기반 시간 유닛이자 샘플링 시간인 T s = 1/((15kHz)*2048)와 다음의 관계를 갖는다: T s/ T c = 64. 하향링크 및 상향링크(uplink) 전송들은 T f = (△ f max* N f/100)* T c = 10ms 지속기간(duration)의 (무선) 프레임들로 조직화(organize)된다. 여기서, 각 무선 프레임은 각각이 T sf = (△ f max* N f/1000)* T c = 1ms 지속기간을 가지는 10 개의 서브프레임(subframe)들로 구성된다. 상향링크에 대한 한 세트의 프레임들 및 하향링크에 대한 한 세트의 프레임들이 존재할 수 있다. 뉴머롤로지 μ에 대하여, 슬롯(slot)들은 서브프레임 내에서는 오름차순(increasing order)으로 n μ s ∈ {0, ... , N slot,μ subframe-1}로 번호가 매겨지고, 무선 프레임 내에서는 오름차순으로 n μ s,f ∈ {0, ... , N slot,μ frame-1}으로 번호가 매겨진다. 하나의 슬롯은 N μ symb개의 연속하는(consecutive) OFDM 심볼들로 구성되고, N μ symb는 순환 프리픽스(cyclic prefix, CP)에 의존한다. 서브프레임에서 슬롯 n μ s의 시작은 동일 서브프레임 내에서 OFDM 심볼 n μ s* N μ symb의 시작과 시간적으로 정렬된다. 표 3은 일반 CP에서 슬롯 별 OFDM 심볼의 개수( N slot symb), 프레임 별 슬롯의 개수( N frame,μ slot), 서브프레임 별 슬롯의 개수( N subframe,μ slot)를 나타내며, 표 4는 확장 CP에서 슬롯 별 OFDM 심볼의 개수, 프레임 별 슬롯의 개수, 서브프레임별 슬롯의 개수를 나타낸다.
[표 3]
Figure PCTKR2020002607-appb-img-000003
[표 4]
Figure PCTKR2020002607-appb-img-000004
도 2는, μ=2인 경우(즉, 부반송파 간격이 60kHz)의 일례로서, 표 3을 참고하면 1개 서브프레임은 4개의 슬롯(slot)들을 포함할 수 있다. 도 2에 도시된 1개 서브프레임 = {1,2,4}개 슬롯들은 예시이며, 1개 서브프레임에 포함될 수 있는 슬롯(들)의 개수는 표 3 또는 표 4와 같이 정의된다.
또한, 미니-슬롯은 2, 4 또는 7개 심볼들을 포함할 수 있거나 그 보다 더 많은 또는 더 적은 심볼들을 포함할 수 있다.
NR 시스템에서의 물리 자원(physical resource)과 관련하여, 안테나 포트(antenna port), 자원 그리드(resource grid), 자원 요소(resource element), 자원 블럭(resource block), 반송파 파트(carrier part) 등이 고려될 수 있다. 이하, NR 시스템에서 고려될 수 있는 상기 물리 자원들에 대해 구체적으로 살펴본다.
먼저, 안테나 포트와 관련하여, 안테나 포트는 안테나 포트 상의 심볼이 운반(convey)되는 채널이 동일한 안테나 포트 상의 다른 심볼이 운반되는 채널로부터 추론될 수 있도록 정의된다. 하나의 안테나 포트 상의 심볼이 운반되는 채널의 광범위 특성(large-scale property)이 다른 안테나 포트 상의 심볼이 운반되는 채널로부터 유추될 수 있는 경우, 상기 2개 안테나 포트들은 QC/QCL(quasi co-located 혹은 quasi co-location) 관계에 있다고 할 수 있다. 여기서, 상기 광범위 특성은 딜레이 확산(delay spread), 도플러 확산(Doppler spread), 주파수 쉬프트(frequency shift), 평균 수신 파워(average received power), 수신 타이밍(received Timing), 평균 딜레이(average delay), 공간(spatial) 수신(reception, Rx) 파라미터 중 하나 이상을 포함한다. 공간 Rx 파라미터는 도착 앵글(angle of arrival)과 같은 공간적인 (수신) 채널 특성 파라미터를 의미한다.
도 3은 NR에서의 자원 그리드(resource grid)의 일 예를 나타낸다.
도 3을 참고하면, 각 부반송파 간격 설정 및 반송파에 대해, N size,μ grid*N RB sc개 부반송파들 및 14 ·2 μ OFDM 심볼들의 자원 그리드가 정의되며, 여기서 N size,μ grid는 BS로부터의 RRC 시그널링에 의해 지시된다. N size,μ grid는 부반송파 간격 설정 μ뿐만 아니라 상향링크와 하향링크 간에도 달라질 수 있다. 부반송파 간격 설정 μ, 안테나 포트 p 및 전송 방향(상향링크 또는 하향링크)에 대해 하나의 자원 그리드가 있다. 부반송파 간격 설정 μ 및 안테나 포트 p에 대한 자원 그리드의 각 요소는 자원 요소(resource element)로 지칭되며, 인덱스 쌍 ( k, l)에 의해 고유하게(uniquely) 식별되며, 여기서 k는 주파수 도메인에서의 인덱스이고 l은 참조 포인트에 상대적인 주파수 도메인 내 심볼 위치를 지칭한다. 부반송파 간격 설정 μ 및 안테나 포트 p에 대한 자원 요소 ( k, l)은 물리 자원 및 복소 값(complex value) a (p,μ) k,l에 해당한다. 자원 블럭(resource block, RB)는 주파수 도메인에서 N RB sc=12개의 연속적인(consecutive) 부반송파들로 정의된다.
NR 시스템에서 지원될 넓은 대역폭을 UE가 한 번에 지원할 수 없을 수 있다는 점을 고려하여, UE가 셀의 주파수 대역폭 중 일부(이하, 대역폭 파트(bandwidth part, BWP))에서 동작하도록 설정될 수 있다.
NR 시스템의 자원 블럭들에는 대역폭 파트 내에서 정의되는 물리 자원 블럭들과, 부반송파 간격 설정 μ에 대해 주파수 도메인에서 0부터 상향방향으로(upward)로 번호 매겨지는 공통 자원 블럭들이 있다.
포인트(point) A는 다음과 같이 획득된다.
- PCell 하향링크를 위한 offsetToPointA는 초기 셀 선택을 위해 UE에 의해 사용된 SS/PBCH 블럭과 겹치는 가장 낮은 자원 블럭의 가장 낮은 부반송파와 포인트 A 간의 주파수 오프셋을 나타내며, FR1에 대해 15kHz 부반송파 간격 및 FR2에 대해 60kHz 부반송파 간격을 가정한 자원 블럭 단위(unit)들로 표현되고;
- 다른 경우들에 대해서는 absoluteFrequencyPointA가 ARFCN(absolute radio-frequency channel number)에서와 같이 표현된 포인트 A의 주파수-위치를 나타낸다.
부반송파 간격 설정 μ에 대한 공통 자원 블럭 0의 부반송파 0의 중심은 자원 그리드를 위한 참조 포인트로서 역할하는 포인트 A와 일치한다(coincide). 주파수 도메인에서 공통 자원 블럭 번호 n μ CRB와 부반송파 간격 설정 μ에 대한 자원 요소 (k,l) 관계는 아래 수학식과 같이 주어진다.
[수학식 1]
Figure PCTKR2020002607-appb-img-000005
여기서 k는 k=0이 포인트 A 중심으로 하는 부반송파에 해당하도록 포인트 A에 상대적으로 정의된다. 물리 자원 블럭들은 대역폭 파트(bandwidth part, BWP) 내에서 0부터 0부터 NsizeBWP,i-1까지 번호가 매겨지며, 여기서 i는 BWP의 번호이다. BWP i에서 물리 자원 블럭 n PRB 와 공통 자원 블럭 n CRB 간의 관계는 아래 수학식 2에 의해 주어진다.
[수학식 2]
Figure PCTKR2020002607-appb-img-000006
여기서 N start BWP,i는 BWP가 공통 자원 블럭 0에 상대적으로 시작하는 공통 자원 블럭이다.
도 4는 본 문서에 따른 채널 코딩 방법을 설명하기 위한 예시도이다.
채널 코딩의 대상이 되는 데이터를 전송 블럭(transport block)이라 하고, 통상적으로 채널 코딩의 효율에 따라, 전송 블럭은 일정한 크기 이하의 코드 블럭으로 나뉘어진다. 예컨대, 3GPP TS 36.212의 터보 코딩에서, 코드 블럭은 6144 비트들 이하가 될 수 있다. 3GPP TS 38.212의 LDPC 코딩에서는 코드 블럭은 8448 비트들 이하(베이스 그래프 1의 경우) 또는 3840 비트들 이하(베이스 그래프 2의 경우)가 된다. 예컨대, Polar 코딩에서는 코드 블럭은 적어도 32 비트들 이상이고, 많아야 8192 비트들 이하 일 수 있다. 코드 블럭은 서브 블럭들로 더 세분화될 수 있다. 예컨대, 본 문서에 따른 Polar 코딩을 수행하는 방법에 있어서, 입력 비트 시퀀스(265, c r0, c r1, ... , c r(Kr-1) )를 인터리빙하고, 상기 인터리빙된 입력 비트 시퀀스(도면 미도시, c' r0, c' r1, ... , c' r(Kr-1) )를 폴라 코드를 이용하여 인코딩할 수 있다. 인코딩된 비트 시퀀스(270, d r0, d r1, ... , d r(Nr-1) )를 레이트매칭할 수 있다. 인코딩된 비트 시퀀스(270)를 레이트 매칭하는 것은, 인코딩된 비트 시퀀스를 서브 블럭들로 더 세분화하는 것, 상기 서브 블럭들 각각에 대하여 인터리빙하는 것, 인터리빙된 서브 블럭들 각각에 대하여, 비트 선택(bit selection)을 수행하는 것, 코딩된 비트들(coded bits)을 한번 더 인터리빙하는 것을 포함할 수 있다. 상기 인터리빙된 서브 블럭들 각각에 대하여, 비트 선택(bit selection) 수행하는 것은, 일부 비트들을 반복하거나, 일부 비트들을 펑처링하거나, 일부 비트들을 쇼트닝하는 것을 포함할 수 있다.
본 문서에 따른 채널 코딩 방법은 전송 블럭에 CRC (cyclic redundancy check) 코드를 부착하는 단계(S205); 코드 블럭들로 분할하는 단계(S210); 상기 분할된 코드블럭들을 인코딩하는 단계(S215); 인코딩된 코드블럭들을 레이트 매칭하는 단계(S220); 및 레이트 매칭된 코드블럭들을 연접(concatenation)하는 단계(S225)를 포함할 수 있다.
S205 단계에서는, 전송 블럭(255, a 0, ... , a A-1)에 길이 L인 패리티 비트들이 부착된다. 길이 L은 6, 11, 16, 24 중 적어도 하나가 될 수 있다. 통상적으로 순환 생성 다항식(cyclic generator polynomials)을 이용하여, 패리티 비트들이 생성된다. 또한, CRC 부착 과정에 따른 출력 비트들(260, b 0, ... , b B-1)은 라디오 네트워크 임시 식별자(radio network temporary identifier, RNTI)를 이용하여 스크램블링 연산이 적용될 수 있다. 상기 스크램블링 연산에 따라서, 대응되는 비트에 대하여 스크램블링 시퀀스와 배타적 논리합(exclusive or) 연산이 적용될 수 있다.
CRC 부착 과정에 따른 출력 비트들(260, b 0, ... , b B-1)는 코드 블럭 크기에 따라, 코드 블럭들(265)로 분리(S210)된다. 이를 코드 블럭 조각화(code block segmentation)라고 부른다. 코드 블럭 크기는 채널 코딩 방법에 따라 결정된다. 각 채널 코딩 방법을 효율적으로 수행하기 위한 코드 블럭 크기는 이론적 또는 실험적으로 결정될 수 있다. 예컨대, 폴라 코딩에 기초하여, 상기 분리된 코드 블럭들 각각(265, c r0, ... , c r(Kr-1))은 부호화된 비트들(270, d r0, ... , d r(Nr-1))로 인코딩될 수 있다.
코드 블럭들 각각(265, c r0, ... , c r(Kr-1))은 채널 코딩이 수행(S215)되어, 부호화된 비트들(coded bits, 270, d r0, ... , d r(Nr-1))이 생성된다. 생성된 부호화된 비트들(270)은 쇼트닝 및 펑처링 과정을 거쳐서 레이트 매칭될 수 있다. 또는, 부호화된 비트들(270)은 서브 블럭 인터리빙 과정, 비트 선택(bit selection) 과정, 인터리빙 과정을 수행하여 레이트 매칭될 수 있다. 즉, 부호화된 비트들(270, d r0, ... , d r(Nr-1))은 레이트 매칭된 비트들(275, f r0, ... , f r(gr-1))로 변환(S220)된다. 통상적으로 인터리빙이란 비트 시퀀스의 순서를 변경하는 과정을 의미한다. 인터리빙 과정에 의하여, 오류 발생을 분산시킬 수 있다. 효율적인 디인터리빙을 고려하여, 인터리빙 과정이 설계된다.
서브 블럭 인터리빙 과정이란 코드 블럭을 복수의 서브 블럭(예컨대, 32개의 서브 블럭들)으로 분할하여, 각 서브 블럭에 인터리빙 방법에 따라 비트들을 할당하는 과정일 수 있다.
비트 선택 과정은 레이트 매칭하고자하는 비트의 개수에 맞추어, 비트들을 반복하여 비트열(bit sequence)을 증가시키거나, 쇼트닝 또는 펑처링 등의 방법에 따라 비트열(bit sequence)을 감소시킬 수 있다. 인터리빙 과정은, 비트 선택 과정 이후에 부호화된 비트들을 인터리빙할 수 있다.
본 문서에 따른 다른 방법으로, 레이트 매칭 과정은 비트 선택 과정과 인터리빙 과정을 포함할 수 있다. 서브 블럭 인터리빙 과정은 필수적인 과정이 아니다.
부호화된 비트들이 인터리빙된 후, 코드 블럭 연접 과정(S225)을 수행하여, 코드 블럭들(275)을 연접하여, 코드워드(280, g 0, ... , g G-1)를 생성(S225)할 수 있다. 생성된 하나의 코드워드(280)는 하나의 전송 블럭(255)과 대응될 수 있다.
도 5 및 도 6는 본 문서에 따른 변조(modulation) 방법을 설명하기 위한 예시도이다.
도 5 및 도 6을 참조하면, 하나 이상의 코드워드들이 입력되고, 스크램블링(S305, S405)된다. 예컨대, 스크램블링 과정은, 입력된 비트 시퀀스가 정하여진 비트 시퀀스와 배타적 논리합(exclusive or) 연산에 기초하여, 수행될 수 있다. 스크램블링된 비트들은 변조(S310, S410)되고, 변조된 심볼들은 레이어에 매핑(S315, S415)된다. 레이어에 매핑된 심볼들은 안테나 포트에 매핑하기 위하여 프리코딩(S320, S420)되고, 프리코딩된 심볼들이 자원 엘리먼트(resource element)에 매핑(S325, S425)된다. 매핑된 심볼들은 OFDM 신호로 생성(S330, S430)되어 안테나를 통하여 전송된다.
도 7은 신경망에 있어서 역전파 방법을 설명하기 위한 예시도이다.
신경망(neural network)의 가중치(weight)를 갱신(update)하기 위하여, 역전파(back propagation)가 수행될 수 있다.
역전파의 모델은 오류 함수(error function)를 E = L(y, t)로 놓고, 출력 o k에 가중치를 적용하여 신경망의 입력(input, net j)를 획득할 수 있다.
신경이 입력층 이후 최초의 층에 있다면, 입력층의 o k는 단순히 네트워크로의 입력 x k일 수 있다.
도 8을 참고하면, o j는 다음 수식과 같다.
[수학식 3]
Figure PCTKR2020002607-appb-img-000007
도 8을 참고하면, 오류 함수 E는 다음 수식을 만족한다.
[수학식 4]
Figure PCTKR2020002607-appb-img-000008
도 8은 인공 신경망의 예측 방법을 설명하기 위한 예시도를 나타낸다.
인공 신경망은 최초의 입력 데이터로 이루어진 입력층과 최후의 출력 데이터로 이루어진 출력층을 포함하고, 입력 데이터로부터 출력 데이터를 산출하는 중간 층으로서 은닉층을 포함한다. 은닉층은 하나 이상 존재하며, 2 이상의 은닉층을 포함하는 인공 신경망을 심층 신경망(deep neural network, DNN)이라 한다. 각 층에 존재하는 노드에서 실제 연산이 이루어지고, 각 노드는 연결선으로 연결된 다른 노드의 출력값을 토대로 연산할 수 있다.
도 8에서 보이는 바와 같이 원칙적으로 입력데이터 상호 간 또는 동일 층에 속하는 노드들 간에는 서로 영향을 주지 아니하며, 각 층은 상위 또는 하위의 인접한 층의 노드에만 입력값 또는 출력값으로서 서로 데이터를 주고받는 것이다.
도 8에서는 층간의 모든 노드 사이에 연결선이 연결되어 있으나, 필요에 따라 인접한 각 층에 속하는 노드 사이에 연결선이 없을 수도 있다. 다만, 연결선이 없는 경우는 해당 입력값에 대하여 가중치를 0으로 설정하여 처리할 수도 있다.
인공 신경망의 예측 방향에 따라 입력층으로부터 출력층의 결과값을 예측한 경우, 학습과정에서 결과값들로부터 입력값을 예측할 수 있게 된다. 통상 인공 신경망에 있어서 입력값과 출력값이 일대일 대응 관계에 있지 아니하므로, 출력층으로서 입력층을 그대로 복구하는 것은 불가능하나, 예측 알고리즘을 고려하여 역전파(back-propagation, backpropa) 알고리즘에 의해 결과값으로부터 산출된 입력데이터가 최초의 입력데이터와 상이하다면, 인공 신경망의 예측이 부정확하다고 볼 수 있으므로, 제약조건 하에서 산출된 입력 데이터가 최초의 입력 데이터와 유사해지도록 예측 계수를 변경하여 학습을 훈련할 수 있게 된다.
1. MIMO RS(Reference Signal)
1-1. DMRS(demodulation reference signal)
NR의 DMRS는 네트워크 에너지 효율성(network energy efficiency)를 강화하고, 상위 호환성(forward compatibility)를 보장하기 위해 필요할 때에만 전송되는 것이 특징이다. DMRS의 시간 도메인 밀도(time domain density)는 UE의 속도(speed) 또는 이동성(mobility)에 따라 다양할 수 있다. NR에서 무선 채널의 빠른 변화를 추적하기 위해 시간 도메인에서 DMRS에 대한 밀도가 증가될 수 있다.
(1) DL DMRS 관련 동작
PDSCH 전송/수신을 위한 DMRS 관련 동작에 대해 살펴본다.
BS는 UE로 DMRS 설정(configuration) 정보를 전송한다. 상기 DMRS 설정 정보는 DMRS-DownlinkConfig IE를 지칭할 수 있다. 상기 DMRS-DownlinkConfig IE는 dmrs-Type 파라미터, dmrs-AdditionalPosition 파라미터, maxLength 파라미터, phaseTrackingRS 파라미터 등을 포함할 수 있다. 'dmrs-Type' 파라미터는 DL를 위해 사용될 DMRS 타입의 선택을 위한 파라미터이다. NR에서, DMRS는 (1) DMRS 설정 타입 1과 (2) DMRS 설정 타입 2의 2가지 설정 타입으로 구분될 수 있다. DMRS 설정 타입 1은 주파수 도메인에서 보다 높은 RS 밀도를 가지고, DMRS 설정 타입 2는 더 많은 DMRS 안테나 포트들을 가진다. 'dmrs-AdditionalPosition' 파라미터는 DL에서 추가적인(additional) DMRS의 위치를 나타내는 파라미터이다. 'maxLength' 파라미터는 DL front-loaded DMRS에 대한 OFDM 심볼의 최대 개수를 나타내는 파라미터이다. 'phaseTrackingRS' 파라미터는 DL PTRS를 설정하는 파라미터이다.
DMRS는 PDSCH 매핑 타입(타입 A 또는 타입 B)에 따라 front-loaded DMRS의 첫 번째 위치가 결정되며, 높은 속도(high speed)의 UE를 지원하기 위해 추가적인 DMRS가 설정될 수 있다. 상기 front-loaded DMRS는 1개 또는 2개 연속적(consecutive) OFDM 심볼들을 점유하며, RRC 시그널링 및 DCI에 의해 지시된다.
상기 BS는 상기 DMRS 설정을 기반으로 DMRS에 사용되는 시퀀스를 생성한다(S120). 상기 BS는 상기 생성된 시퀀스를 자원 요소(resource element)들에 매핑한다(S130). 여기서, 자원 요소는 시간, 주파수, 안테나 포트 또는 코드 중 적어도 하나를 포함하는 의미일 수 있다.
상기 BS는 상기 자원 요소들 상에서 상기 DMRS를 UE로 전송한다. 상기 UE는 상기 수신된 DMRS를 이용하여 PDSCH를 수신하게 된다.
(2) UL DMRS 관련 동작
PUSCH 수신을 위한 DMRS 관련 동작에 대해 살펴본다.
UL DMRS 관련 동작은 DL DMRS 관련 동작과 유사하며, DL과 관련된 파라미터들의 명칭이 UL과 관련된 파라미터들의 명칭으로 대체될 수 있다. 예를 들어, DMRS-DownlinkConfig IE는 DMRS-UplinkConfig IE로, PDSCH 매핑 타입은 PUSCH 맵핑 타입으로, PDSCH는 PUSCH로 대체될 수 있다. 그리고, DL DMRS 관련 동작에서 BS는 UE로, UE는 BS으로 대체될 수 있다.
UL DMRS에 대한 시퀀스 생성은 트랜스폼 프리코딩(transform precoding)이 가능화(enable)되었는지에 따라 다르게 정의될 수 있다. 예를 들어, DMRS는 CP-OFDM(cyclic prefix orthogonal frequency division multiplexing)을 사용하는 경우(즉, 트랜스폼 프리코딩이 가능화(enable)되지 않은 경우), 의사-잡음(pseudo-noise, PN) 시퀀스를 사용하며, DFT-s-OFDM(Discrete Fourier Transform-spread-OFDM)을 사용하는 경우(즉, 트랜스폼 프리코딩이 가능화된 경우), 30 이상의 길이를 가지는 Zadoff-Chu(ZC) 시퀀스를 사용한다.
2. 최신 기술의(state-of-the-art) MIMO 검출기(detector)의 한계
본 문서의 내용을 설명하기 앞서 최신 기술의 MIMO 검출기에 대해서 간단히 살펴보도록 한다. 실제 실현 가능한(practical) 환경에서 널리 사용되는 선형연산(linear operation) 기반 MIMO 검출기로는 제로폴싱(zero forcing, ZF)과 최소평균제곱오차(minimum mean squared error, MMSE) 검출기가 있다. 그러나 이 두 검출기의 성능은 최적이 아니며(suboptimal) 안테나 수와 사용자 수가 증가하면 성능 열화가 커지는 큰 단점이 있으며, 또한 역행렬(matrix inversion) 연산의 복잡도가 커지는 단점이 있다. 비선형연산(Nonlinear operation) 기반 MIMO 검출기의 기술로는 스피어 디코딩(sphere decoding, SD), QRD M-베스트(best) 알고리즘(algorithm), 그리고 대략적인 메시지 패싱(approximate message passing, AMP) 알고리즘이 존재 하나 이들 모두 실행(implementation) 측면에서나 혹은 퍼포먼스(performance) 측면에서 단점이 존재한다. SD의 경우, 안테나 수의 증가, 모듈레이션-레벨(modulation-level) 증가에서 따라서 발생하는 복잡성(complexity)이 기하급수적으로(exponential) 증가하는 단점이 있으며, 따라서 이행가능(implementable)하지 않다. QRD M-베스트 알고리즘의 경우는 서치-스페이스(search-space)의 살아남는 브랜치(branch) 개수를 M개로 한정함으로써 SD의 복잡성과 퍼포먼스 사이의 트레이드-오프(trade-off)를 적절히 고려한 방식으로 볼 수 있다. 그러나 비슷한(comparable) 성능을 얻기 위해서는 이 역시 M의 개수가 안테나 수에 리니어(linear)하게 증가해야 하는 단점이 있다. 또한 서치 깊이(search depth)가 모듈레이션 오더(modulation order) Q에 따라서
Figure PCTKR2020002607-appb-img-000009
만큼 증가하는 단점이 있다.
3. 딥-러닝(Deep-learning)을 MIMO 검출기에 적용 시 과제(challenge point)
딥-러닝(Deep-learning, DL) 은 비선형 특성을 병렬 처리로 간단히 다룰 수 있는 좋은 도구(tool)이다. 일반적으로 서로 다른 입력(input)들을 classify하기에 매우 유용하다. 다만, 무선 통신 환경에서는 채널(channel)이라는 변동 요인(variation factor)가 존재하며 나이브(naive)한 접근(approach)으로 이를 극복하기 쉽지 않다. 일례로, 주어진 채널에 대해서 딥-러닝 기반의 MIMO 검출기를 구현하는 것은 단순 적용으로 가능하지만 채널이 변화하는 상황에서는 채널에 따라서 결정 경계(decision boundary)가 매우 상이하므로 전송된 시퀀스(sequence)를 구분하지 못한다. 단순하게 간단한(straightforward) 방법으로 순시 채널 변화에 맞춰서 DNN(Deep Neural Network) 구조(structure)를 구성하는 웨이트 매트릭스(weight matrix)들과 바이어스 벡터(bias vector)들을 학습(training)을 통해 업데이트를 하면 해당 채널에서 최적에 가까운(near-optimal) 성능을 갖는 DNN을 설계할 수 있지만 이는 실제 시스템에서 적용하기 쉽지 않다. 학습 단계(phase)에서 발생하는 제어(control) 오버헤드(overhead)와 학습 비용(training cost: 학습에 소요되는 지연시간 및 복잡도)이 매우 크기 때문이다. 따라서 오프라인-학습(offline-learning)기반의 채널 변동을 극복하는 딥-러닝 기반 MIMO 검출기가 필요하며 본 문서에서는 관련 내용에 대해서 기술한다.
4. 머신 러닝(Machine-learning) 방법들 중 지도(supervised) 딥-러닝(deep-learning)을 MIMO 검출기에 적용한 이유
머신 러닝 알고리즘은 지도 학습(supervised learning)과 비지도 학습(unsupervised learning), 그리고 강화 학습(reinforcement learning)으로 크게 3가지로 분류된다. 지도 학습은 데이터에 대한 레이블(label, 명시적인 정답)이 주어진 상태에서 학습시키는 방법으로 정확한 예측(이산값 추정 혹은 분류)을 목적으로 한다. 비지도 학습은 레이블이 주어지지 않고 데이터만으로 학습하는 형태로 데이터의 숨은 특징(hidden feature)을 발견하는 것을 목적으로 한다. 강화 학습은 주어진 환경(state)에서 어떤 행동(action)을 취하고 이에 따른 보상(reward)을 기반으로 학습을 하는 방식이다. 따라서 강화학습은 동적인 상태에서의 전략(strategy)를 정하는 것을 목적으로 한다.
커뮤니케이션의 속성 상 송신단에서 전송한 데이터를 수신단에서 정확한 예측을 필요로하며 따라서 비지도 학습은 MIMO 검출기를 푸는 문제와는 맞지 않는다. 또한 강화 학습은 동적 환경에서의 전략을 정하는 것을 목적으로 하나, 현재 본 문서에서 포커싱하는 문제는 채널의 통계적 특성은 변하지 않으며 또한 각 스냅샷(snapshot)에서 데이터-스트림(data-stream)을 잘 예측하는 것이 목적이므로 이 또한 적합하지 않다. 따라서 지도 학습이 가장 적합하다.
학습(learning) 방식으로 사용하는 신경망 코어(neural network core)로는 크게 심층 신경망(deep neural network, DNN), 순환 신경망(recurrent neural network, RNN), 콘볼루션 신경망(convolutional neural network, CNN) 방식이 있다.
RNN은 기본적으로 순차적인(sequential) 데이터를 모델링하기 위한 방식으로 상태(state) 또는 기억을 활용하여 시퀀스 데이터를 이해하여 이전 데이터들을 바탕으로 현재 데이터를 추정하는데 용이하며 자연어 처리에 매우 유용하다. 하지만, 본 문서에서 다루는 데이터-스트림은 순차적인 특성을 가지지 않기 때문에 적절하지 않다.
CNN은 공간 도메인(domain)에 정의되며 인접성에 따른 상관관계 특성을 가지는 데이터, 이미지, 혹은 영상에 적합한 방식이다. 이미지의 공간 정보를 유지하면서 인접 이미지와의 특징을 효과적으로 인식하고 강조하는 방식으로 이미지의 특징을 추출하는 부분과 이미지를 분류하는 부분으로 구성된다. 특징 추출 영역은 필터를 사용하여 공유 파라미터 수를 최소화하면서 이미지의 특징을 찾는 콘볼루션 레이어와 특징을 강화하고 모으는 풀링(pooling) 레이어로 구성된다. CNN은 필터의 크기, 스트라이드(Stride), 패딩(padding)과 풀링 크기로 출력 데이터 크기를 조절한다. 학습할 파라미터 수가 줄어드는 것이 큰 장점이지만 앞서 언급한 바와 같이 데이터가 공간 도메인에서 정의되며 인접성에 따라 상관관계 특성을 가져야 하는 단점이 있다.
DNN은 일반적으로 완전히 연결된(fully connected) 신경망 구조를 가지고 다수의 히든 레이어(hidden layer)들과 활성화(activation) 함수들의 조합으로 구성되며 입력과 출력 사이의 상관관계 특성을 파악하는데 용이한 툴이다. 여기서 상관관계 특성이라 하면 입출력의 결합 확률(joint probability)를 의미한다. 본 문서에서의 MIMO 검출기 역시 입출력의 결합 확률을 푸는 문제와 동일하며 따라서 DNN을 적용하는 것이 적절하다.
본 문서에서는 제안하는 deep neural network (DNN) 기반 프리프로세서(preprocessor) MIMO 검출기에 관해서 기술한다. 이에 앞서 다음과 같은 표기법(notation)을 정의하고자 한다.
표기법들(Notations): 정형 문자(Regular character)는 스칼라(scalar)를 나타내고 굵은 소문자(Bold lowercase)와 대문자(uppercase character)는 벡터와 매트릭스를 나타내며 캘리그래픽(Calligraphic) 문자는 집합을 의미한다. 일례로,
Figure PCTKR2020002607-appb-img-000010
,
Figure PCTKR2020002607-appb-img-000011
,
Figure PCTKR2020002607-appb-img-000012
그리고
Figure PCTKR2020002607-appb-img-000013
는 스칼라, 벡터, 매트릭스, 그리고 집합을 의미한다.
Figure PCTKR2020002607-appb-img-000014
와
Figure PCTKR2020002607-appb-img-000015
는 벡터
Figure PCTKR2020002607-appb-img-000016
의 카디널리티(cardinality)와
Figure PCTKR2020002607-appb-img-000017
-놈(norm)을 나타내며
Figure PCTKR2020002607-appb-img-000018
는 m*n 매트릭스
Figure PCTKR2020002607-appb-img-000019
를 길이 mn을 갖는 벡터로 변환하는 것을 의미한다.
Figure PCTKR2020002607-appb-img-000020
는 요소 별(element-wise) ReLU(정류 선형 단위, Rectified Linear Unit) 함수(function)를 나타내며,
Figure PCTKR2020002607-appb-img-000021
는 요소 별 시그모이드(element-wise sigmoid) 함수를 의미하며
Figure PCTKR2020002607-appb-img-000022
는 요소 별 하드 결정(element-wise hard decision) 함수를 의미한다.
5-1. DNN 기반 프리프로세서(preprocessor) 보조(aided) MIMO 검출기의 주요 개념
본 장에서는 제안하는 DNN 기반 프리프로세서 보조 MIMO 검출기의 개념에 대해서 기술하고자 한다. 앞서 언급한 웨이트 적응(weight adaptation) 방식은 채널 변화에 따라서 DNN 구조(structure)를 변화시키는 방식으로 일반적인 통신시스템에서 채널에 따라서 적응 필터(adaptive filter)를 만들어서 처리하는 이퀄라이저(equalizer)와 일맥상통한다. 다만, 일반적인 선형(linear) 연산(operation) 기반의 적응 필터 방식은 채널 관측(observation)을(추정 채널을) 활용하여 간단하게 적응 필터를 설계가 가능한 반면, 웨이트 적응 방식은 데이터 중심 접근법(data driven approach)으로 학습을 위해서 많은 전송된 시퀀스들이 필요하여 이에 따라 큰 학습 오버헤드가 요구된다. 또한 DNN 구조(structure)를 구성하는 웨이트 매트릭스와 바이어스 벡터(bias vector)들은 상대적으로 부피가 크고(bulky) 빽빽하기(dense) 때문에 이를 업데이트하는 데는 많은 계산 복잡도가 요구된다.
도 9는 본 문서에 따른 DNN 기반 프리프로세서 보조 MIMO 검출기를 도시한 예시도이다.
제안하는 DNN 기반 프리프로세서 보조 MIMO 검출기는 도 9와 같으며 위와 같은 일반적인 방식과는 반대의 특성을 갖는다. 간단히 표현하면, 관측 적응(observation adaptation) + 고정 필터(fixed filter) 방식으로 관측 적응은 프리프로세서의 역할이며 고정 필터는 픽스 신경망(fixed neural network)으로 구성된 MIMO 검출기의 역할이다. 여기서 관측 적응을 수행하는 프리프로세서 역시 채널 변화와 무관하게 고정 네트워크를 사용한다. 그러나 채널에 의해 변화된 수신 신호와 채널 정보가 해당 프리프로세서의 입력(input)으로 이용되면서 자연스럽게 관측 적응이 일어나는 방식이다.
제안하는 DNN 기반 프리프로세서 보조 MIMO 검출기는 수신된 신호를 다루는 도메인에 (
Figure PCTKR2020002607-appb-img-000023
혹은
Figure PCTKR2020002607-appb-img-000024
도메인) 따라서 두가지의 접근법들이 존재한다.
5-2.
Figure PCTKR2020002607-appb-img-000025
-차원(dimension) 도메인의 참조 채널 접근법
Figure PCTKR2020002607-appb-img-000026
-차원 도메인 접근법은 채널 변화에 상관없이 표준 채널
Figure PCTKR2020002607-appb-img-000027
를 겪는 것처럼 수신 신호를 잘 변형하여 동일한 결정 경계로 검출을 수행하는 것이다. 도 10은 이를 간단히 묘사한 그림이다.
도 10은 본 문서에 따른
Figure PCTKR2020002607-appb-img-000028
-차원 도메인의 DNN 기반 프리프로세서 보조 MIMO 검출기의 하이-레벨(high-level) 개념(concept)을 도시한 예시도이다.
해당 개념은 하기 수식으로 대표될 수 있다.
[수학식 5]
Figure PCTKR2020002607-appb-img-000029
여기서
Figure PCTKR2020002607-appb-img-000030
현재 채널 매트릭스,
Figure PCTKR2020002607-appb-img-000031
는 변조된(modulated) 심볼 그리고
Figure PCTKR2020002607-appb-img-000032
는 부가적인 화이트 가우시안 노이즈(additive white Gaussian noise)를 의미한다. 현재 채널
Figure PCTKR2020002607-appb-img-000033
는 추정을 통해서 획득하였다고 가정한다. 노이즈의 통계적 특성은 유지하면서 실제 채널
Figure PCTKR2020002607-appb-img-000034
를 겪은 수신 신호를 마치 표준 채널
Figure PCTKR2020002607-appb-img-000035
를 수신 신호로 재구성(reconstruction)할 수 있다면 채널 변화에 상관없이 최적에 가까운(near-optimal) MIMO 검출기를 구현할 수 있다. 본 개념은 하기의 배경들을 근거로 얻어진 것이다.
주어진 표준 채널
Figure PCTKR2020002607-appb-img-000036
에 대해서 최적에 가까운 성능을 갖는 DNN 기반 MIMO 검출기는 쉽게 구할 수 있다.
오프라인-학습으로 설계된 DNN 구조를 이용하려면 결정 경계(decision boundary)가 채널 변화에 상관없이 비슷해야 한다.
복잡도 이슈를 고려하여 매트릭스 역연산(inverse operation)은 가능하면 피하고자 한다.
수식 (1)의 좌우항은 비선형 관계를 가진다.
여기서 DNN 기반 비선형 프리프로세서의 관측 적응은 노이즈의 통계적 특성을 최대한 유지하면서 채널을
Figure PCTKR2020002607-appb-img-000037
에서
Figure PCTKR2020002607-appb-img-000038
로 투사(projection)하는 역할을 수행한다. 후단의 MIMO 검출기는
Figure PCTKR2020002607-appb-img-000039
에 맞춰서 최적화된 MIMO 검출기이다. 프리프로세서는 언폴딩(unfolding)한 DNN 구조를 가지며 도 11과 같은 구조를 갖는다.
도 11은 본 문서에 따른 비선형 프리프로세서의 프레임워크(framework)를 도시한 예시도이다.
도 11의 구조를 수식으로 표현하면 다음과 같다.
[수학식 6]
Figure PCTKR2020002607-appb-img-000040
[수학식 7]
Figure PCTKR2020002607-appb-img-000041
여기서 i번째 DNN 리시버는
Figure PCTKR2020002607-appb-img-000042
개의 레이어(layer)들로 구성되며 이는 파라미터
Figure PCTKR2020002607-appb-img-000043
로 정의되며
Figure PCTKR2020002607-appb-img-000044
로 정의된다. 각 리시버의 히든 레이어의 활성화 함수(activation function)는 ReLU 함수
Figure PCTKR2020002607-appb-img-000045
이며 출력(output) 레이어는 활성화 함수 없이 신호를 전달한다. 이를 수식으로 나타내면 다음과 같다.
[수학식 8]
Figure PCTKR2020002607-appb-img-000046
Figure PCTKR2020002607-appb-img-000047
여기서 출력 이 채널 변화에 따라서 수신 신호 관측을 변형한 신호이다. 후단의 MIMO 검출기는 일반적인 DNN 구조로 구성된 MIMO 검출기로 앞서 프리프로세서 출력을 입력으로 하며 식으로 표현하면 다음과 같다.
[수학식 9]
Figure PCTKR2020002607-appb-img-000048
해당 접근법은 3단계로 나눠서 학습을 진행한다. 학습 과정을 보면 다음과 같다.
1) 주어진
Figure PCTKR2020002607-appb-img-000049
에 대하여 DNN 기반 MIMO 검출기의 DNN 파라미터 학습
2) 비선형(nonlinear) 프리프로세서의 DNN 기반 프리프로세서의 DNN 파라미터 학습
3) DNN 기반 MIMO 검출기의 DNN 파라미터의 재학습
첫 번째 과정에서 학습시 학습 시퀀스는 표준 채널
Figure PCTKR2020002607-appb-img-000050
를 겪은 수신 신호들을 가지고 학습을 수행한다. 즉 학습 시퀀스 set
Figure PCTKR2020002607-appb-img-000051
들을 입력으로하며 레이블(label)은 바이너리(binary) 시퀀스 세트
Figure PCTKR2020002607-appb-img-000052
을 이용한다. 비용(cost) 함수로는 크로스 엔트로피(cross entropy) 함수를 이용한다.
두 번째 과정에서 학습 시 학습 시퀀스 세트
Figure PCTKR2020002607-appb-img-000053
와 현재(current) 채널
Figure PCTKR2020002607-appb-img-000054
를 명확하게 동시에 보여주어 입력으로 하며 레이블은
Figure PCTKR2020002607-appb-img-000055
Figure PCTKR2020002607-appb-img-000056
로 표준 채널
Figure PCTKR2020002607-appb-img-000057
를 겪은 노이즈리스(noiseless) 신호를 보여줘서 표준 채널을 간접적으로 보여준다. 또한, 앞서 학습하여 획득한 후단의 MIMO 검출기를 입력으로하여 학습을 수행한다. 프리프로세서의 각 언폴딩(unfolding) DNN 리시버의 출력
Figure PCTKR2020002607-appb-img-000058
,
Figure PCTKR2020002607-appb-img-000059
의 평균 제곱 오차(MSE: mean square error)값들, 후단 MIMO 검출기 시그모이드(sigmoid) 함수 출력, 및 바이너리 시퀀스 레이블과의 크로스 엔트로피의 웨이트-합(weight-sum)을 비용 함수로 정의하고 학습 시 사용한다.
세 번째 과정에서는 앞서 학습한 DNN 기반 프리프로세서가 주어진 상태에서 DNN 기반 MIMO 검출기의 DNN 파라미터를 미세조정(fine-tuning)해주는 과정을 거치게 된다. 이때 앞서 고정된 프리프로세서의 출력을 학습 입력 세트로 하여 학습을 시켜준다. 이는 실제 후단의 MIMO 검출기로의 입력 확률분포함수를 보다 더 정밀하게 반영하여 DNN 구성을 정교화하는 과정이다.
5-3.
Figure PCTKR2020002607-appb-img-000060
-차원(dimension) 도메인에서의 참조 채널 접근법
Figure PCTKR2020002607-appb-img-000061
-차원 도메인에서 다루는 접근법 역시 매 순시 채널 변화에 상관없이 동일한 결정 경계로 검출을 수행하는 것이 목적이다. 일반적으로
Figure PCTKR2020002607-appb-img-000062
-차원 도메인의 수신 신호를
Figure PCTKR2020002607-appb-img-000063
-차원 도메인으로 projection하는 방법으로 널리 알려진 선형 필터 접근법으로는 제로 폴싱(ZF: zero forcing) 혹은 정합 필터(MF: matched filter) 방식이 있다. 두 필터 중 어떠한 것을 적용하여도 가능하다.
케이스 1: 정합 필터 이용
정합 필터를 이용하여
Figure PCTKR2020002607-appb-img-000064
-차원 도메인으로 투사시킨 수신 신호을 앞서서와 마찬가지로 DNN 기반 프리프로세서를 이용하여 수신 신호 관측을 변화시키고 이를 후단의 DNN 기반 MIMO 검출기를 사용하여 검출을 수행한다. 그림 4는 프리프로세서 보조 MIMO 검출기의 구조(framework)를 도시한 그림이다. 여기서 각 DNN 리시버는 하나의 히든 레이어를 갖는 것을 가정하고 기술하였지만 히든 레이어의 뎁스(depth)가 늘어나도 간단한(straightforward) 방식으로 확장 가능하다.
도 12는 본 문서에 따른 DNN 기반 프리프로세서 보조 MIMO 검출기의 구조(framework)를 도시한 예시도이다.
도 12를 수식으로 나타내면 다음과 같다.
[수학식 10]
Figure PCTKR2020002607-appb-img-000065
[수학식 11]
Figure PCTKR2020002607-appb-img-000066
여기서
Figure PCTKR2020002607-appb-img-000067
는 아래와 같다.
[수학식 12]
Figure PCTKR2020002607-appb-img-000068
Figure PCTKR2020002607-appb-img-000069
앞선
Figure PCTKR2020002607-appb-img-000070
-차원 도메인 접근법과 다르게
Figure PCTKR2020002607-appb-img-000071
-차원 도메인 접근법은 DNN 기반 프리프로세서와 DNN 기반 MIMO 검출기를 조인트(joint)하게 학습시킨다. 실제 데이터-스트림과 노이즈가 각각
Figure PCTKR2020002607-appb-img-000072
와
Figure PCTKR2020002607-appb-img-000073
를 겪고 수신 신호를 생성하기 때문에 정확하게 두 채널 정보를 입력으로 넣어준다. 이경우 입력의 폭(width)이 증가하였지만 이는 오히려 히든 레이어의 폭을 줄여주는 역할을 하여 전반적인(overall) 복잡도 관점에서 오히려 개선해 주는 효과가 있다. 다만, 입력 채널 정보로
Figure PCTKR2020002607-appb-img-000074
와
Figure PCTKR2020002607-appb-img-000075
중 하나만 넣어서도 구성은 가능하지만 이럴 경우 히든 레이어의 폭이 오히려 입력 사이즈가 주는 것보다 훨씬 더 많이 커질 여지가 있다. 비용 함수는 앞서서와 마찬가지로 프리프로세서에서의 중간(intermediate) 데이터-스트림과 시퀀스 레이블간의 MSE와 후단 MIMO 검출기의 시그모이드 함수 출력의 가중합(weighted sum)을 이용한다.
케이스 2: ZF(zero forcing) 필터 이용
ZF 필터를 이용하여
Figure PCTKR2020002607-appb-img-000076
-차원 도메인으로 투사(projection)시키는 경우 앞선 과정과 대부분 동일하다. 상이한 점이 있다면 프리프로세서와 MIMO 검출기의 입력 그리고 프리프로세서 내부 중간 입력들만 다음과 같이 조정된다.
[수학식 13]
Figure PCTKR2020002607-appb-img-000077
[수학식 14]
Figure PCTKR2020002607-appb-img-000078
매트릭스 역연산에 발생하는 부담(burden)이 있지만 상대적으로 입력의 폭을 줄일 수 있는 장점이 있다. 이 경우,
Figure PCTKR2020002607-appb-img-000079
대신
Figure PCTKR2020002607-appb-img-000080
을 이용함으로써 입력의 폭이 줄어드는 효과가 있다.
5-4. DNN 기반 MIMO 검출기의 하드웨어 아키텍쳐(architecture)
이하 앞서 다룬
Figure PCTKR2020002607-appb-img-000081
-차원 도메인 접근법을 기초로한 DNN 기반 프리프로세서 보조 MIMO 검출기에 대해서 하드웨어 설계 방법에 대해서 다루도록 한다.
Figure PCTKR2020002607-appb-img-000082
-차원 도메인 접근법 기반의 MIMO 검출기도 대동소이한 방식으로 구현될 수 있다.
앞서 설명한 DNN 기반 프리프로세서 보조 MIMO 검출기를 보면 간단한 매트릭스간의 곱과 요소별(element-wise) 벡터의 덧셈 혹은 뺄셈, 요소별 ReLU 함수, 및 요소별 시그모이드 함수의 조합임을 알 수 있다. 여기서 대부분의 연산은 매트릭스 연산이 차지하며 이를 최대한 병렬로(parallel) 처리함으로써 디코딩 레이턴시(latency)를 크게 줄일 수 있다.
도 13은 본 문서에 따른 Nt-차원의 DNN 기반 프리프로세서 보조 MIMO 검출기 하드웨어 구조를 도시한 예시도이다.
도 13에서 Nt 는 Nt-차원 접근법에서의 각 레이어(layer)에서 기계 학습된 신경망 동작(매트릭스 곱셈(matrix multiplication), 요소-별 벡터 추가/교체(element-wise vector add/sub))의 병렬처리 단위를 의미하며, Q*Nt는 Nt-차원 도메인 접근법에서의 마지막 출력 레이어(output layer)의 비선형 활성화(activation) 과정으로 시그모이드 함수가 적용됨을 도시하고 있다. 또한 수학식 10 및 11을 구체적인 하드웨어 구조로 도시한 것이기도 하다. 도 13을 참고하면, Nt-차원 도메인 접근법은 실제 데이터-스트림과 노이즈가 각각
Figure PCTKR2020002607-appb-img-000083
와
Figure PCTKR2020002607-appb-img-000084
를 겪고 수신 신호를 생성하기에
Figure PCTKR2020002607-appb-img-000085
메모리와
Figure PCTKR2020002607-appb-img-000086
메모리가 사용되고, Nr-차원 도메인 접근법은
Figure PCTKR2020002607-appb-img-000087
가 고정이기 때문에 현재 채널
Figure PCTKR2020002607-appb-img-000088
만을 기계 학습 및 실제 동작 시에 사용한다. 하지만
Figure PCTKR2020002607-appb-img-000089
와
Figure PCTKR2020002607-appb-img-000090
를 동시 사용하여 기계 학습 및 실제 동작하는 것도 가능하다.
여기서 매트릭스와 벡터의 곱연산은 매트릭스의 각 컬럼(column) 요소들과 벡터의 각 요소의 요소별 곱의 누적합 연산을 통해서 연산되며 따라서 매트릭스의 컬럼 사이즈만큼 병렬 처리(processing)로 수행할 수 있다. 이는 수식으로 정리하면 다음과 같다.
[수학식 15]
Figure PCTKR2020002607-appb-img-000091
단말 또는 기지국에서 수행하는 방법은 앞서 본 문서에서 제안한 방법들 및 그 조합이 참조로 포함된다.
본 문서를 통해서 DNN 기반 프리프로세서 보조의 MIMO 검출기를 설계함으로써 채널 변화에 무관하게 데이터 검출을 효율적으로 수행할 수 있다.
이상에서 설명된 제안들 및 실시예 들은 본 문서의 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 문서의 실시예를 구성하는 것도 가능하다. 본 문서의 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 문서는 본 문서의 필수적 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 문서의 범위는 첨부된 청구항의 합리적 해석에 의해 결정되어야 하고, 본 문서의 등가적 범위 내에서의 모든 변경은 본 문서의 범위에 포함된다.
기계 학습에 기초하여 MIMO 검출기를 효율적으로 동작시키는 방법 및 장치는 3GPP LTE/LTE-A 시스템, 5G 통신 시스템 등과 같은 다양한 무선통신 시스템에서 산업상으로 이용이 가능하다.

Claims (15)

  1. 무선 통신 시스템에서 단말이 데이터를 수신하는 방법에 있어서,
    기지국으로부터 채널 신호 및 참조 신호 (RS: Reference Signal)를 수신하고;
    상기 RS를 채널 RS로 균일화시키는 연산(operation)을 수행하여 시퀀스를 생성하고;
    상기 생성된 시퀀스에 기반하여 상기 수신된 채널 신호를 디코딩하는 것을 포함하되,
    상기 RS를 상기 채널 RS로 균일화시키는 연산을 수행하는 것은 기계 학습 과정에 따라 결정되는 파라미터에 기반하는 것인, 데이터 수신 방법.
  2. 제 1 항에 있어서,
    상기 파라미터를 결정하는 기계 학습 과정은,
    (1) 상기 수신된 채널 신호 및 상기 RS를 입력으로 하여 파라미터를 출력하고,
    (2) 상기 출력된 파라미터 및 상기 수신된 채널 신호를 입력으로 하여 파라미터를 갱신하고,
    (3) 상기 (2)의 과정에 따라 갱신된 파라미터 및 상기 수신된 채널 신호를 입력으로 하여 파라미터를 재갱신하는 과정을 소정 횟수 반복하여 상기 파라미터를 결정하는 것을 포함하는, 데이터 수신 방법.
  3. 제 1 항에 있어서,
    상기 수신된 채널 신호를 디코딩 하는 것은,
    상기 결정된 파라미터를 입력으로 하여 제 2 기계 학습을 수행하고;
    상기 제 2 기계 학습 과정에 따라 제 2 파라미터를 결정하는 것을 포함하되,
    상기 결정된 제 2 파라미터에 기반하는 것인, 데이터 수신 방법.
  4. 제 1 항에 있어서,
    상기 연산을 수행하기 이전에 ZF(Zero Forcing) 필터링하는 것을 더 포함하는, 데이터 수신 방법.
  5. 제 1 항에 있어서,
    상기 기계 학습 과정은 DNN (Deep Neural Network)에 기반하는, 데이터 수신 방법.
  6. 제 2 항에 있어서,
    상기 기계 학습 과정에 있어서,
    상기 수신된 채널 신호를 정합(matched) 필터링을 하여 제 2 채널 신호를 생성하고,
    상기 생성된 제 2 채널 신호를 입력으로 하는, 데이터 수신 방법.
  7. 제 1항에 있어서,
    상기 RS는 복조 참조 신호(DMRS: Demodulation Reference Signal)인, 데이터 수신 방법.
  8. 무선 통신 시스템에서 데이터를 수신하는 단말에 있어서,
    수신기;
    송신기; 및
    프로세서를 포함하고,
    상기 수신기는 기지국으로부터 채널 신호 및 참조 신호 (RS: Reference Signal)를 수신하고;
    상기 프로세서는 상기 RS를 채널 RS로 균일화시키는 연산(operation)을 수행하여 시퀀스를 생성하고, 상기 생성된 시퀀스에 기반하여 상기 수신된 채널 신호를 디코딩하는 것을 포함하되,
    상기 RS를 상기 채널 RS로 균일화시키는 연산을 수행하는 것은 기계 학습 과정에 따라 결정되는 파라미터에 기반하는 것인, 데이터를 수신하는 단말.
  9. 제 8 항에 있어서,
    상기 파라미터를 결정하는 기계 학습 과정은,
    (1) 상기 수신된 채널 신호 및 상기 RS를 입력으로 하여 파라미터를 출력하고,
    (2) 상기 출력된 파라미터 및 상기 수신된 채널 신호를 입력으로 하여 파라미터를 갱신하고,
    (3) 상기 (2)의 과정에 따라 갱신된 파라미터 및 상기 수신된 채널 신호를 입력으로 하여 파라미터를 재갱신하는 과정을 소정 횟수 반복하여 상기 파라미터를 결정하는 것을 포함하는, 데이터를 수신하는 단말.
  10. 제 8 항에 있어서,
    상기 수신된 채널 신호를 디코딩 하는 것은 상기 결정된 파라미터를 입력으로 하여 제 2 기계 학습을 수행하고;
    상기 제 2 기계 학습 과정에 따라 제 2 파라미터를 결정하는 것을 포함하되,
    상기 결정된 제 2 파라미터에 기반하는 것인, 데이터를 수신하는 단말.
  11. 제 9 항에 있어서,
    상기 기계 학습 과정에 있어서,
    상기 수신된 채널 신호를 정합(matched) 필터링을 하여 제 2 채널 신호를 생성하고,
    상기 생성된 제 2 채널 신호를 입력으로 하는, 데이터 수신 방법.
  12. 무선 통신 시스템에서 기지국이 데이터를 수신하는 방법에 있어서,
    단말로부터 채널 신호 및 참조 신호 (RS: Reference Signal)를 수신하고;
    상기 RS를 채널 RS로 균일화시키는 연산(operation)을 수행하여 시퀀스를 생성하고;
    상기 생성된 시퀀스에 기반하여 상기 수신된 채널 신호를 디코딩하는 것을 포함하되,
    상기 RS를 상기 채널 RS로 균일화시키는 연산을 수행하는 것은 기계 학습 과정에 따라 결정되는 파라미터에 기반하는 것인, 데이터 수신 방법.
  13. 무선 통신 시스템에서 데이터를 수신하는 기지국에 있어서,
    수신기;
    송신기; 및
    프로세서를 포함하고,
    상기 수신기는 기지국으로부터 채널 신호 및 참조 신호 (RS: Reference Signal)를 수신하고;
    상기 프로세서는 상기 RS를 채널 RS로 균일화시키는 연산(operation)을 수행하여 시퀀스를 생성하고, 상기 생성된 시퀀스에 기반하여 상기 수신된 채널 신호를 디코딩하는 것을 포함하되,
    상기 RS를 상기 채널 RS로 균일화시키는 연산을 수행하는 것은 기계 학습 과정에 따라 결정되는 파라미터에 기반하는 것인, 데이터를 수신하는 기지국.
  14. 단말을 위한 장치에 있어서,
    적어도 하나의 프로세서; 및
    상기 적어도 하나의 프로세서에 동작 가능하게 연결될 수 있고, 실행될 때 상기 적어도 하나의 프로세서로 하여금 동작들을 수행하게 하는 명령들을 저장하는 적어도 하나의 컴퓨터 메모리를 포함하고,
    기지국으로부터 채널 신호 및 참조 신호 (RS: Reference Signal)를 수신하고;
    상기 RS를 채널 RS로 균일화시키는 연산(operation)을 수행하여 시퀀스를 생성하고;
    상기 생성된 시퀀스에 기반하여 상기 수신된 채널 신호를 디코딩하는 것을 포함하되,
    상기 RS를 상기 채널 RS로 균일화시키는 연산을 수행하는 것은 기계 학습 과정에 따라 결정되는 파라미터에 기반하는 것인, 단말을 위한 장치.
  15. 적어도 하나의 프로세서에 의해 실행될 때, 상기 적어도 하나의 프로세서가 단말에 대한 동작을 수행하게 하는 명령을 포함하는 적어도 하나의 컴퓨터 프로그램을 저장하는 컴퓨터 판독 가능 저장 매체에 있어서, 상기 동작은:
    기지국으로부터 채널 신호 및 참조 신호 (RS: Reference Signal)를 수신하고;
    상기 RS를 채널 RS로 균일화시키는 연산(operation)을 수행하여 시퀀스를 생성하고;
    상기 생성된 시퀀스에 기반하여 상기 수신된 채널 신호를 디코딩하는 것을 포함하되,
    상기 RS를 상기 채널 RS로 균일화시키는 연산을 수행하는 것은 기계 학습 과정에 따라 결정되는 파라미터에 기반하는 것인, 컴퓨터 판독 가능 저장 매체.
PCT/KR2020/002607 2020-02-24 2020-02-24 무선 통신 시스템에서 무선 신호를 송수신하는 방법 및 장치 WO2021172601A1 (ko)

Priority Applications (2)

Application Number Priority Date Filing Date Title
PCT/KR2020/002607 WO2021172601A1 (ko) 2020-02-24 2020-02-24 무선 통신 시스템에서 무선 신호를 송수신하는 방법 및 장치
US17/800,042 US20230082053A1 (en) 2020-02-24 2020-02-24 Method and apparatus for transceiving and receiving wireless signal in wireless communication system

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
PCT/KR2020/002607 WO2021172601A1 (ko) 2020-02-24 2020-02-24 무선 통신 시스템에서 무선 신호를 송수신하는 방법 및 장치

Publications (1)

Publication Number Publication Date
WO2021172601A1 true WO2021172601A1 (ko) 2021-09-02

Family

ID=77491608

Family Applications (1)

Application Number Title Priority Date Filing Date
PCT/KR2020/002607 WO2021172601A1 (ko) 2020-02-24 2020-02-24 무선 통신 시스템에서 무선 신호를 송수신하는 방법 및 장치

Country Status (2)

Country Link
US (1) US20230082053A1 (ko)
WO (1) WO2021172601A1 (ko)

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN113965281A (zh) * 2021-10-08 2022-01-21 上海科技大学 一种基于端到端学习的空中计算***设计方法
GB2623199A (en) * 2021-04-08 2024-04-10 Marengo Therapeutics Inc Multifunctional molecules binding to TCR and uses thereof

Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR20120080605A (ko) * 2010-09-29 2012-07-17 지티이 코포레이션 채널 상태 정보 참조신호 시퀀스의 생성 및 맵핑 장치, 및 방법
WO2017135693A1 (ko) * 2016-02-02 2017-08-10 엘지전자 주식회사 Nb-iot를 지원하는 무선 통신 시스템에서 dmrs를 전송하기 위한 방법 및 이를 위한 장치
WO2018174690A2 (ko) * 2017-03-24 2018-09-27 엘지전자 주식회사 무선 통신 시스템에서 v2x 단말에 의해 수행되는 v2x 통신 수행 방법 및 상기 방법을 이용하는 단말
WO2018203592A1 (ko) * 2017-05-04 2018-11-08 엘지전자(주) 무선 통신 시스템에서 참조 신호를 송수신하기 위한 방법 및 이를 위한 장치

Patent Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR20120080605A (ko) * 2010-09-29 2012-07-17 지티이 코포레이션 채널 상태 정보 참조신호 시퀀스의 생성 및 맵핑 장치, 및 방법
WO2017135693A1 (ko) * 2016-02-02 2017-08-10 엘지전자 주식회사 Nb-iot를 지원하는 무선 통신 시스템에서 dmrs를 전송하기 위한 방법 및 이를 위한 장치
WO2018174690A2 (ko) * 2017-03-24 2018-09-27 엘지전자 주식회사 무선 통신 시스템에서 v2x 단말에 의해 수행되는 v2x 통신 수행 방법 및 상기 방법을 이용하는 단말
WO2018203592A1 (ko) * 2017-05-04 2018-11-08 엘지전자(주) 무선 통신 시스템에서 참조 신호를 송수신하기 위한 방법 및 이를 위한 장치

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
ERICSSON: "DMRS design for two-port PSSCH transmission", 3GPP DRAFT; R1-1804635 ERICSSON - DMRS FOR TXD, 3RD GENERATION PARTNERSHIP PROJECT (3GPP), MOBILE COMPETENCE CENTRE ; 650, ROUTE DES LUCIOLES ; F-06921 SOPHIA-ANTIPOLIS CEDEX ; FRANCE, vol. RAN WG1, no. Sanya, China; 20180416 - 20180420, 6 April 2018 (2018-04-06), Mobile Competence Centre ; 650, route des Lucioles ; F-06921 Sophia-Antipolis Cedex ; France, XP051413324 *

Cited By (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
GB2623199A (en) * 2021-04-08 2024-04-10 Marengo Therapeutics Inc Multifunctional molecules binding to TCR and uses thereof
CN113965281A (zh) * 2021-10-08 2022-01-21 上海科技大学 一种基于端到端学习的空中计算***设计方法
CN113965281B (zh) * 2021-10-08 2023-09-22 上海科技大学 一种基于端到端学习的空中计算***设计方法

Also Published As

Publication number Publication date
US20230082053A1 (en) 2023-03-16

Similar Documents

Publication Publication Date Title
WO2019245199A1 (ko) 측정을 수행하는 방법 및 무선 통신 기기
WO2018030811A1 (en) Method and apparatus for beam measurement and management in wireless systems
WO2020067740A1 (en) Method and apparatus for channel state information estimation
WO2016144100A1 (ko) 무선 통신 시스템에서 신호를 송수신하는 방법 및 이를 수행하는 장치
WO2019156512A1 (en) Method and apparatus for wideband csi reporting in an advanced wireless communication system
WO2019216733A1 (ko) 무선 통신 시스템에서 상향링크 채널을 송수신하는 방법 및 이를 위한 장치
WO2020067623A1 (ko) 무선 통신 시스템에서 단말과 기지국 간 하향링크 신호를 송수신하는 방법 및 이를 지원하는 장치
WO2021193989A1 (ko) 무선 통신 시스템에서 무선 신호를 송수신하는 방법 및 장치
WO2020032731A1 (ko) 무선 통신 시스템에서 단말이 채널을 추정하는 방법 및 이를 위한 장치
WO2021167119A1 (ko) 무선 통신 시스템에서 무선 신호를 송수신하는 방법 및 장치
WO2022025601A1 (en) Multiplexing information with different priority values
WO2020032631A2 (ko) 무선 통신 시스템에서 채널 추정을 수행하기 위한 방법 및 이를 위한 장치
WO2021172601A1 (ko) 무선 통신 시스템에서 무선 신호를 송수신하는 방법 및 장치
WO2022086160A1 (ko) Mmwave v2x 통신 시스템에서 빔 관리를 위한 사이드링크 csi 보고의 효율적인 전송 방법
WO2021112602A1 (en) Method and apparatus for multiple access
WO2019216642A1 (ko) 무선 통신 시스템에서 채널 상태 정보를 송수신하는 방법 및 이를 위한 장치
WO2023003054A1 (ko) 양자 통신 시스템에서 양자 보안 직접 통신을 수행하기 위한 방법 및 이를 위한 장치
WO2022025321A1 (ko) 통신 장치의 신호 랜덤화 방법 및 장치
WO2021167135A1 (ko) 무선 통신 시스템에서 무선 신호를 송수신하는 방법 및 장치
WO2016199988A1 (ko) 무선 통신 시스템에서 멀티 유저 다중 스트림을 지원하는 방법 및 장치
WO2023090475A1 (ko) 극 부호의 고속 복호 방법 및 장치
WO2022031063A1 (en) Method and apparatus for radio resource management and spectrum coordination in a wireless communication system
Güven et al. CNN-aided channel and carrier frequency offset estimation for HAPS-LEO links
WO2021117940A1 (ko) 무선 통신 시스템에서 동기 신호의 전송 방법 및 그 장치
WO2022270650A1 (ko) 무선 통신 시스템에서 연합 학습을 수행하기 위한 방법 및 이를 위한 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: 20922194

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: 20922194

Country of ref document: EP

Kind code of ref document: A1