WO2023013795A1 - 무선 통신 시스템에서 연합학습을 수행하는 방법 및 이를 위한 장치 - Google Patents

무선 통신 시스템에서 연합학습을 수행하는 방법 및 이를 위한 장치 Download PDF

Info

Publication number
WO2023013795A1
WO2023013795A1 PCT/KR2021/010160 KR2021010160W WO2023013795A1 WO 2023013795 A1 WO2023013795 A1 WO 2023013795A1 KR 2021010160 W KR2021010160 W KR 2021010160W WO 2023013795 A1 WO2023013795 A1 WO 2023013795A1
Authority
WO
WIPO (PCT)
Prior art keywords
ary
parity
information
base station
system part
Prior art date
Application number
PCT/KR2021/010160
Other languages
English (en)
French (fr)
Inventor
전기준
이상림
정익주
이호재
김영준
이태현
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 KR1020247005619A priority Critical patent/KR20240046185A/ko
Priority to EP21952917.9A priority patent/EP4383599A1/en
Priority to PCT/KR2021/010160 priority patent/WO2023013795A1/ko
Priority to CN202180101194.2A priority patent/CN117795877A/zh
Publication of WO2023013795A1 publication Critical patent/WO2023013795A1/ko

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N20/00—Machine learning
    • G06N20/20—Ensemble learning
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
    • H04L1/00—Arrangements for detecting or preventing errors in the information received
    • H04L1/0001—Systems modifying transmission characteristics according to link quality, e.g. power backoff
    • H04L1/0002—Systems modifying transmission characteristics according to link quality, e.g. power backoff by adapting the transmission rate
    • H04L1/0003—Systems modifying transmission characteristics according to link quality, e.g. power backoff by adapting the transmission rate by switching between different modulation schemes
    • H04L1/0004—Systems modifying transmission characteristics according to link quality, e.g. power backoff by adapting the transmission rate by switching between different modulation schemes applied to control information
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N20/00—Machine learning
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N3/00—Computing arrangements based on biological models
    • G06N3/02—Neural networks
    • G06N3/08—Learning methods
    • G06N3/098—Distributed learning, e.g. federated learning
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
    • H04L1/00—Arrangements for detecting or preventing errors in the information received
    • H04L1/0001—Systems modifying transmission characteristics according to link quality, e.g. power backoff
    • H04L1/0023—Systems modifying transmission characteristics according to link quality, e.g. power backoff characterised by the signalling
    • H04L1/0026—Transmission of channel quality indication
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
    • H04L1/00—Arrangements for detecting or preventing errors in the information received
    • H04L1/004—Arrangements for detecting or preventing errors in the information received by using forward error control
    • H04L1/0041—Arrangements at the transmitter end
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
    • H04L1/00—Arrangements for detecting or preventing errors in the information received
    • H04L1/004—Arrangements for detecting or preventing errors in the information received by using forward error control
    • H04L1/0056—Systems characterized by the type of code used
    • H04L1/0061—Error detection codes
    • H04L1/0063—Single parity check
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
    • H04L1/00—Arrangements for detecting or preventing errors in the information received
    • H04L1/08—Arrangements for detecting or preventing errors in the information received by repeating transmission, e.g. Verdan system
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04W—WIRELESS COMMUNICATION NETWORKS
    • H04W52/00—Power management, e.g. TPC [Transmission Power Control], power saving or power classes
    • H04W52/04—TPC
    • H04W52/30—TPC using constraints in the total amount of available transmission power
    • H04W52/32—TPC of broadcast or control channels
    • H04W52/325—Power control of control or pilot channels
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
    • H04L1/00—Arrangements for detecting or preventing errors in the information received
    • H04L1/004—Arrangements for detecting or preventing errors in the information received by using forward error control
    • H04L1/0045—Arrangements at the receiver end

Definitions

  • the present specification relates to a wireless communication system, and more particularly, to a method for performing associative learning and an apparatus supporting the same.
  • Wireless communication systems are widely deployed to provide various types of communication services such as voice and data, and attempts to incorporate artificial intelligence (AI) into communication systems are rapidly increasing.
  • AI artificial intelligence
  • the attempted AI grafting methods can be largely divided into C4AI (communications for AI), which develops communication technology to support AI, and AI4C (AI for communications), which utilizes AI to improve communication performance.
  • C4AI communication for AI
  • AI4C AI for communications
  • federated learning a technique of distributed learning, shares only the weight or gradient of the model with the server without sharing raw data between devices. There is a way to update a common prediction model while protecting personal information.
  • This specification proposes a method and apparatus for performing power allocation and/or resource management using limit-based extensible Q-ary linear code in AirComp-based federated learning.
  • This specification proposes a method for performing associative learning in a wireless communication system.
  • the method performed by the terminal includes the steps of coding restriction-based Q-ary information to generate a Q-ary code including i) a restriction-based system part and ii) a parity part, and based on a preset method Determining the number of transmissions (T) of the parity part among the Q-ary codes, and based on specific channel information among channel information between a plurality of terminals participating in the federated learning and a base station, the system part and T parities
  • the method may include allocating power to parts and transmitting the system part and the T parity parts to the base station based on the allocated power.
  • the transmission number T may be determined based on available resources.
  • the maximum number of transmissions of the parity part may be determined based on a Q-ary related value and a limit-based Q-ary related value.
  • the restriction-based Q-ary related value may be determined based on at least one of a channel state and/or the number of the plurality of terminals.
  • the system part may be modulated based on a modulation order different from that of the parity part.
  • the method of the present specification further comprising receiving the specific channel information from the base station, wherein the specific channel information may be information on a channel having the highest noise among channels between a plurality of terminals and the base station. there is.
  • a terminal set to perform associative learning in the wireless communication system of the present specification is functionally connected to at least one transceiver, at least one processor functionally connected to the at least one transceiver, and the at least one processor, and at least one memory storing instructions that cause the at least one processor to perform operations, wherein the operations code restriction-based Q-ary information to form i) a restriction-based system part and ii) a parity part.
  • Generating a Q-ary code that includes; determining the number of transmissions (T) of the parity part among the Q-ary codes based on a preset method; and a plurality of terminals and base stations participating in the combined learning. Allocating power to the system part and T parity parts based on specific channel information among inter-channel information, and transmitting the system part and the T parity parts to the base station based on the allocated power. can do.
  • the method performed by the base station includes receiving a system part and T parity parts from a terminal based on allocated power, the system The part and the parity part are generated by coding restriction-based Q-ary information, the number of transmissions T of the parity part is determined based on a preset method, and the system part and the T number of parity parts are The allocated power may be determined based on specific channel information among channel information between a plurality of terminals participating in federated learning and a base station.
  • the transmission number T may be determined based on available resources.
  • the maximum number of transmissions of the parity part may be determined based on a Q-ary related value and a limit-based Q-ary related value.
  • the restriction-based Q-ary related value may be determined based on at least one of a channel state and/or the number of the plurality of terminals.
  • the system part may be modulated based on a modulation order different from that of the parity part.
  • the method of the present specification further comprising transmitting the specific channel information to the terminal, wherein the specific channel information may be information on a channel having the highest noise among channels between a plurality of terminals and a base station. there is.
  • the base station configured to perform associative learning in the wireless communication system of the present specification is functionally connected to at least one transceiver, at least one processor functionally connected to the at least one transceiver, and the at least one processor, and at least one memory storing instructions for causing at least one processor to perform operations, wherein the operations include receiving a system part and T parity parts from a terminal based on allocated power, The part and the parity part are generated by coding restriction-based Q-ary information, the number of transmissions T of the parity part is determined based on a preset method, and the system part and the T number of parity parts are The allocated power may be determined based on specific channel information among channel information between a plurality of terminals participating in federated learning and a base station.
  • a processor device configured to control a terminal to perform associative learning in the wireless communication system of the present specification is functionally connected to at least one processor and the at least one processor, and the at least one processor performs operations and at least one memory storing instructions to cause the operations to code restriction-based Q-ary information to generate a Q-ary code including i) a restriction-based system part and ii) a parity part. determining the number of transmissions (T) of the parity part among the Q-ary codes based on a preset method; and determining specific channel information among channel information between a plurality of terminals participating in the federated learning and a base station. based on the power, allocating power to the system part and the T parity parts, and transmitting the system part and the T parity parts to the base station based on the allocated power.
  • a computer readable medium storing instructions for causing at least one processor of the present specification to perform operations may i) restrict the operations by coding restriction-based Q-ary information.
  • FIG. 1 is a diagram showing an example of a communication system applicable to the present specification.
  • FIG. 2 is a diagram showing an example of a wireless device applicable to the present specification.
  • FIG. 3 is a diagram illustrating a method of processing a transmission signal applicable to the present specification.
  • FIG. 4 is a diagram showing another example of a wireless device applicable to the present specification.
  • FIG. 5 is a diagram illustrating an example of a portable device applicable to the present specification.
  • FIG. 6 is a diagram illustrating physical channels applicable to the present specification and a signal transmission method using them.
  • FIG. 7 is a diagram showing the structure of a radio frame applicable to this specification.
  • FIG. 8 is a diagram showing a slot structure applicable to the present specification.
  • FIG. 9 is a diagram showing an example of a communication structure that can be provided in a 6G system applicable to the present specification.
  • FIG. 10 shows an example of a perceptron structure.
  • FIG. 11 shows an example of a multilayer perceptron structure.
  • FIG. 12 shows an example of a deep neural network.
  • FIG. 13 shows an example of a convolutional neural network.
  • FIG. 14 is a diagram illustrating an example of a filter operation in a convolutional neural network.
  • 15 shows an example of a neural network structure in which a circular loop exists.
  • 16 shows an example of an operating structure of a recurrent neural network.
  • FIG. 17 shows an example of a federated learning operation based on orthogonal division access.
  • 21 is a diagram for explaining a transmission method proposed in this specification.
  • 22 is a diagram illustrating power allocation according to the proposed method.
  • 23 is a diagram showing constellations to be observed in a transmitter and a receiver.
  • 24 is a flowchart for explaining a method of operating a terminal proposed in this specification.
  • 25 is a flowchart for explaining a method of operating a base station proposed in this specification.
  • each component or feature may be considered optional unless explicitly stated otherwise.
  • Each component or feature may be implemented in a form not combined with other components or features.
  • the embodiments of the present specification may be configured by combining some components and/or features. The order of operations described in the embodiments of this specification may be changed. Some components or features of one embodiment may be included in another embodiment, or may be replaced with corresponding components or features of another embodiment.
  • a base station has meaning as a terminal node of a network that directly communicates with a mobile station.
  • a specific operation described herein as being performed by a base station may be performed by an upper node of the base station in some cases.
  • the 'base station' is a term such as a fixed station, Node B, eNode B, gNode B, ng-eNB, advanced base station (ABS), or access point. can be replaced by
  • a terminal includes a user equipment (UE), a mobile station (MS), a subscriber station (SS), a mobile subscriber station (MSS), It may be replaced with terms such as mobile terminal or advanced mobile station (AMS).
  • UE user equipment
  • MS mobile station
  • SS subscriber station
  • MSS mobile subscriber station
  • AMS advanced mobile station
  • the transmitting end refers to a fixed and/or mobile node providing data service or voice service
  • the receiving end refers to a fixed and/or mobile node receiving data service or voice service. Therefore, in the case of uplink, the mobile station can be a transmitter and the base station can be a receiver. Similarly, in the case of downlink, the mobile station may be a receiving end and the base station may be a transmitting end.
  • Embodiments of the present specification are wireless access systems, such as an IEEE 802.xx system, a 3rd Generation Partnership Project (3GPP) system, a 3GPP Long Term Evolution (LTE) system, a 3GPP 5G (5th generation) NR (New Radio) system, and a 3GPP2 system. It may be supported by at least one disclosed standard document, and in particular, the embodiments of the present specification are supported by 3GPP TS (technical specification) 38.211, 3GPP TS 38.212, 3GPP TS 38.213, 3GPP TS 38.321 and 3GPP TS 38.331 documents It can be.
  • 3GPP TS technical specification
  • embodiments of the present specification may be applied to other wireless access systems, and are not limited to the above-described systems.
  • it may also be applicable to a system applied after the 3GPP 5G NR system, and is not limited to a specific system.
  • 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
  • LTE is 3GPP TS 36.xxx Release 8 or later
  • LTE technology after 3GPP TS 36.xxx Release 10 is referred to as LTE-A
  • xxx Release 13 may be referred to as LTE-A pro.
  • 3GPP NR may mean technology after TS 38.xxx Release 15.
  • 3GPP 6G may mean technology after TS Release 17 and/or Release 18.
  • "xxx" means a standard document detail number.
  • LTE/NR/6G may be collectively referred to as a 3GPP system.
  • a communication system 100 applied to the present specification includes a wireless device, a base station, and a network.
  • the wireless device means a device that performs communication using a radio access technology (eg, 5G NR, LTE), and may be referred to as a communication/wireless/5G device.
  • the wireless device includes a robot 100a, a vehicle 100b-1 and 100b-2, an extended reality (XR) device 100c, a hand-held device 100d, and a home appliance. appliance) 100e, Internet of Thing (IoT) device 100f, and artificial intelligence (AI) device/server 100g.
  • a radio access technology eg, 5G NR, LTE
  • XR extended reality
  • AI artificial intelligence
  • the vehicle may include a vehicle equipped with a wireless communication function, an autonomous vehicle, a vehicle capable of performing inter-vehicle communication, and the like.
  • the vehicles 100b-1 and 100b-2 may include an unmanned aerial vehicle (UAV) (eg, a drone).
  • UAV unmanned aerial vehicle
  • the XR device 100c includes augmented reality (AR)/virtual reality (VR)/mixed reality (MR) devices, and includes a head-mounted device (HMD), a head-up display (HUD) installed in a vehicle, a television, It may be implemented in the form of smart phones, computers, wearable devices, home appliances, digital signage, vehicles, robots, and the like.
  • the mobile device 100d may include a smart phone, a smart pad, a wearable device (eg, a smart watch, a smart glass), a computer (eg, a laptop computer), and the like.
  • the home appliance 100e may include a TV, a refrigerator, a washing machine, and the like.
  • the IoT device 100f may include a sensor, a smart meter, and the like.
  • the base station 120 and the network 130 may also be implemented as a wireless device, and a specific wireless device 120a may operate as a base station/network node to other wireless devices.
  • the wireless devices 100a to 100f may be connected to the network 130 through the base station 120 .
  • AI technology may be applied to the wireless devices 100a to 100f, and the wireless devices 100a to 100f may be connected to the AI server 100g through the network 130.
  • the network 130 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 120/network 130, but communicate directly without going through the base station 120/network 130 (e.g., sidelink communication). You may.
  • the vehicles 100b-1 and 100b-2 may perform direct communication (eg, vehicle to vehicle (V2V)/vehicle to everything (V2X) communication).
  • the IoT device 100f eg, sensor
  • the IoT device 100f 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 120 and the base station 120/base station 120.
  • wireless communication/connection includes various types of uplink/downlink communication 150a, sidelink communication 150b (or D2D communication), and inter-base station communication 150c (eg relay, integrated access backhaul (IAB)). This can be done through radio access technology (eg 5G NR).
  • radio access technology eg 5G NR
  • a wireless device and a base station/wireless device, and a base station can transmit/receive radio signals to each other.
  • the wireless communication/connections 150a, 150b, and 150c may transmit/receive signals through various physical channels.
  • various configuration information setting processes for transmitting / receiving radio signals various signal processing processes (eg, channel encoding / decoding, modulation / demodulation, resource mapping / demapping, etc.) At least a part of a resource allocation process may be performed.
  • FIG. 2 is a diagram illustrating an example of a wireless device applicable to the present specification.
  • a first wireless device 200a and a second wireless device 200b may transmit and receive radio signals through various wireless access technologies (eg, LTE and NR).
  • ⁇ the first wireless device 200a, the second wireless device 200b ⁇ denotes the ⁇ wireless device 100x and the base station 120 ⁇ of FIG. 1 and/or the ⁇ wireless device 100x and the wireless device 100x.
  • ⁇ can correspond.
  • the first wireless device 200a includes one or more processors 202a and one or more memories 204a, and may further include one or more transceivers 206a and/or one or more antennas 208a.
  • the processor 202a controls the memory 204a and/or the transceiver 206a and may be configured to implement the descriptions, functions, procedures, suggestions, methods and/or operational flow diagrams disclosed herein.
  • the processor 202a may process information in the memory 204a to generate first information/signal, and transmit a radio signal including the first information/signal through the transceiver 206a.
  • the processor 202a may receive a radio signal including the second information/signal through the transceiver 206a and store information obtained from signal processing of the second information/signal in the memory 204a.
  • the memory 204a may be connected to the processor 202a and may store various information related to the operation of the processor 202a.
  • memory 204a may perform some or all of the processes controlled by processor 202a, or instructions for performing the descriptions, functions, procedures, suggestions, methods, and/or flowcharts of operations disclosed herein. It may store software codes including them.
  • the processor 202a and the memory 204a may be part of a communication modem/circuit/chip designed to implement a wireless communication technology (eg, LTE, NR).
  • the transceiver 206a may be coupled to the processor 202a and may transmit and/or receive wireless signals through one or more antennas 208a.
  • the transceiver 206a may include a transmitter and/or a receiver.
  • the transceiver 206a may be used interchangeably with a radio frequency (RF) unit.
  • RF radio frequency
  • a wireless device may mean a communication modem/circuit/chip.
  • the second wireless device 200b includes one or more processors 202b, one or more memories 204b, and may further include one or more transceivers 206b and/or one or more antennas 208b.
  • the processor 202b controls the memory 204b and/or the transceiver 206b and may be configured to implement the descriptions, functions, procedures, suggestions, methods and/or operational flow diagrams disclosed herein.
  • the processor 202b may process information in the memory 204b to generate third information/signal, and transmit a radio signal including the third information/signal through the transceiver 206b.
  • the processor 202b may receive a radio signal including the fourth information/signal through the transceiver 206b and store information obtained from signal processing of the fourth information/signal in the memory 204b.
  • the memory 204b may be connected to the processor 202b and may store various information related to the operation of the processor 202b. For example, memory 204b may perform some or all of the processes controlled by processor 202b, or instructions for performing the descriptions, functions, procedures, suggestions, methods, and/or flowcharts of operations disclosed herein. It may store software codes including them.
  • the processor 202b and the memory 204b 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 206b may be coupled to the processor 202b and may transmit and/or receive wireless signals through one or more antennas 208b.
  • the transceiver 206b may include a transmitter and/or a receiver.
  • the transceiver 206b may be used interchangeably with an RF unit.
  • a wireless device may mean a communication modem/circuit/chip.
  • one or more protocol layers may be implemented by one or more processors 202a, 202b.
  • the one or more processors 202a and 202b may include one or more layers (eg, PHY (physical), MAC (media access control), RLC (radio link control), PDCP (packet data convergence protocol), RRC (radio resource) control) and functional layers such as service data adaptation protocol (SDAP).
  • One or more processors 202a, 202b may generate one or more protocol data units (PDUs) and/or one or more service data units (SDUs) according to the descriptions, functions, procedures, proposals, methods, and/or operational flow charts disclosed herein.
  • PDUs protocol data units
  • SDUs service data units
  • processors 202a, 202b may generate messages, control information, data or information according to the descriptions, functions, procedures, proposals, methods and/or operational flow diagrams disclosed herein.
  • One or more processors 202a, 202b generate PDUs, SDUs, messages, control information, data or signals (e.g., baseband signals) containing information according to the functions, procedures, proposals and/or methods disclosed herein. , may be provided to one or more transceivers 206a and 206b.
  • One or more processors 202a, 202b may receive signals (eg, baseband signals) from one or more transceivers 206a, 206b, and descriptions, functions, procedures, proposals, methods, and/or flowcharts of operations disclosed herein PDUs, SDUs, messages, control information, data or information can be obtained according to these.
  • signals eg, baseband signals
  • One or more processors 202a, 202b may be referred to as a controller, microcontroller, microprocessor or microcomputer.
  • One or more processors 202a, 202b 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 may be implemented to include modules, procedures, functions, and the like.
  • Firmware or software configured to perform the descriptions, functions, procedures, suggestions, methods, and/or operational flow diagrams disclosed herein may be included in one or more processors 202a, 202b or stored in one or more memories 204a, 204b. It can be driven by the above processors 202a and 202b.
  • the descriptions, functions, procedures, suggestions, methods and/or operational flow diagrams disclosed herein may be implemented using firmware or software in the form of codes, instructions and/or sets of instructions.
  • One or more memories 204a, 204b may be coupled to one or more processors 202a, 202b and may store various types of data, signals, messages, information, programs, codes, instructions and/or instructions.
  • One or more memories 204a, 204b may include read only memory (ROM), random access memory (RAM), erasable programmable read only memory (EPROM), flash memory, hard drive, registers, cache memory, computer readable storage media, and/or It may consist of a combination of these.
  • One or more memories 204a, 204b may be located internally and/or externally to one or more processors 202a, 202b.
  • one or more memories 204a, 204b may be connected to one or more processors 202a, 202b through various technologies such as wired or wireless connections.
  • One or more transceivers 206a, 206b may transmit user data, control information, radio signals/channels, etc. referred to in the methods and/or operational flow charts herein, etc. to one or more other devices.
  • One or more transceivers (206a, 206b) may receive user data, control information, radio signals/channels, etc. referred to in descriptions, functions, procedures, proposals, methods and/or operational flow charts, etc. disclosed herein from one or more other devices. there is.
  • one or more transceivers 206a and 206b may be connected to one or more processors 202a and 202b and transmit and receive radio signals.
  • one or more processors 202a, 202b may control one or more transceivers 206a, 206b to transmit user data, control information, or radio signals to one or more other devices.
  • one or more processors 202a, 202b may control one or more transceivers 206a, 206b to receive user data, control information, or radio signals from one or more other devices.
  • one or more transceivers 206a, 206b may be coupled with one or more antennas 208a, 208b, and one or more transceivers 206a, 206b may be connected to one or more antennas 208a, 208b, as described 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).
  • One or more transceivers (206a, 206b) in order to process the received user data, control information, radio signal / channel, etc. using one or more processors (202a, 202b), the received radio signal / channel, etc. in the RF band signal It can be converted into a baseband signal.
  • One or more transceivers 206a and 206b may convert user data, control information, and radio signals/channels processed by one or more processors 202a and 202b from baseband signals to RF band signals.
  • one or more transceivers 206a, 206b may include (analog) oscillators and/or filters.
  • the transmitted signal may be processed by a signal processing circuit.
  • the signal processing circuit 300 may include a scrambler 310, a modulator 320, a layer mapper 330, a precoder 340, a resource mapper 350, and a signal generator 360.
  • the operation/function of FIG. 3 may be performed by the processors 202a and 202b and/or the transceivers 206a and 206b of FIG. 2 .
  • the hardware elements of FIG. 3 may be implemented in the processors 202a and 202b and/or the transceivers 206a and 206b of FIG.
  • blocks 310 to 350 may be implemented in the processors 202a and 202b of FIG. 2 and block 360 may be implemented in the transceivers 206a and 206b of FIG. 2 , but are not limited to the above-described embodiment.
  • the codeword may be converted into a radio signal through the signal processing circuit 300 of FIG. 3 .
  • a codeword is an encoded bit sequence of an information block.
  • Information blocks may include transport blocks (eg, UL-SCH transport blocks, DL-SCH transport blocks).
  • the radio signal may be transmitted through various physical channels (eg, PUSCH, PDSCH) of FIG. 6 .
  • the codeword may be converted into a scrambled bit sequence by the scrambler 310.
  • a scramble sequence used for scrambling is generated based on an initialization value, and the initialization value may include ID information of a wireless device.
  • the scrambled bit sequence may be modulated into a modulation symbol sequence by modulator 320.
  • the modulation method may include pi/2-binary phase shift keying (pi/2-BPSK), m-phase shift keying (m-PSK), m-quadrature amplitude modulation (m-QAM), and the like.
  • the complex modulation symbol sequence may be mapped to one or more transport layers by the layer mapper 330. Modulation symbols of each transport layer may be mapped to corresponding antenna port(s) by the precoder 340 (precoding).
  • the output z of the precoder 340 can be obtained by multiplying the output y of the layer mapper 330 by the N*M precoding matrix W.
  • N is the number of antenna ports and M is the number of transport layers.
  • the precoder 340 may perform precoding after transform precoding (eg, discrete fourier transform (DFT)) on complex modulation symbols. Also, the precoder 340 may perform precoding without performing transform precoding.
  • transform precoding eg, discrete fourier transform (DFT)
  • the resource mapper 350 may map modulation symbols of each antenna port to time-frequency resources.
  • the time-frequency resource may include a plurality of symbols (eg, CP-OFDMA symbols and DFT-s-OFDMA symbols) in the time domain and a plurality of subcarriers in the frequency domain.
  • the signal generator 360 generates a radio signal from the mapped modulation symbols, and the generated radio signal can be transmitted to other devices through each antenna.
  • the signal generator 360 may include an inverse fast fourier transform (IFFT) module, a cyclic prefix (CP) inserter, a digital-to-analog converter (DAC), a frequency uplink converter, and the like.
  • IFFT inverse fast fourier transform
  • CP cyclic prefix
  • DAC digital-to-analog converter
  • the signal processing process for the received signal in the wireless device may be configured in reverse to the signal processing process 310 to 360 of FIG. 3 .
  • a wireless device eg, 200a and 200b of FIG. 2
  • the received radio signal may be converted into a baseband signal through a signal restorer.
  • the signal restorer may include a frequency downlink converter, an analog-to-digital converter (ADC), a CP remover, and a fast fourier transform (FFT) module.
  • ADC analog-to-digital converter
  • FFT fast fourier transform
  • the baseband signal may be restored to a codeword through a resource de-mapper process, a postcoding process, a demodulation process, and a de-scramble process.
  • a signal processing circuit for a received signal may include a signal restorer, a resource demapper, a postcoder, a demodulator, a descrambler, and a decoder.
  • FIG. 4 is a diagram illustrating another example of a wireless device applied to the present specification.
  • a wireless device 400 corresponds to the wireless devices 200a and 200b of FIG. 2, and includes various elements, components, units/units, and/or modules. ) can be configured.
  • the wireless device 400 may include a communication unit 410, a control unit 420, a memory unit 430, and an additional element 440.
  • the communication unit may include communication circuitry 412 and transceiver(s) 414 .
  • communication circuitry 412 may include one or more processors 202a, 202b of FIG. 2 and/or one or more memories 204a, 204b.
  • transceiver(s) 414 may include one or more transceivers 206a, 206b of FIG.
  • the control unit 420 is electrically connected to the communication unit 410, the memory unit 430, and the additional element 440 and controls overall operations of the wireless device. For example, the controller 420 may control electrical/mechanical operations of the wireless device based on programs/codes/commands/information stored in the memory 430 . In addition, the control unit 420 transmits the information stored in the memory unit 430 to the outside (eg, another communication device) through the communication unit 410 through a wireless/wired interface, or transmits the information stored in the memory unit 430 to the outside (eg, another communication device) through the communication unit 410. Information received through a wireless/wired interface from other communication devices) may be stored in the memory unit 430 .
  • the additional element 440 may be configured in various ways according to the type of wireless device.
  • the additional element 440 may include at least one of a power unit/battery, an input/output unit, a driving unit, and a computing unit.
  • the wireless device 400 may be a robot (FIG. 1, 100a), a vehicle (FIG. 1, 100b-1, 100b-2), an XR device (FIG. 1, 100c), a mobile device (FIG. 1, 100d) ), home appliances (Fig. 1, 100e), IoT devices (Fig.
  • Wireless devices can be mobile or used in a fixed location depending on the use-case/service.
  • various elements, components, units/units, and/or modules in the wireless device 400 may be entirely interconnected through a wired interface or at least partially connected wirelessly through the communication unit 410 .
  • the control unit 420 and the communication unit 410 are connected by wire, and the control unit 420 and the first units (eg, 430 and 440) are connected wirelessly through the communication unit 410.
  • each element, component, unit/unit, and/or module within wireless device 400 may further include one or more elements.
  • the control unit 420 may be composed of one or more processor sets.
  • the controller 420 may include 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 430 may include RAM, dynamic RAM (DRAM), ROM, flash memory, volatile memory, non-volatile memory, and/or combinations thereof. can be configured.
  • FIG. 5 is a diagram illustrating an example of a portable device applied to the present specification.
  • a portable device may include a smart phone, a smart pad, a wearable device (eg, smart watch, smart glasses), and a portable computer (eg, a laptop computer).
  • a mobile device may be referred to as a mobile station (MS), a user terminal (UT), a mobile subscriber station (MSS), a subscriber station (SS), an advanced mobile station (AMS), or a wireless terminal (WT).
  • MS mobile station
  • UT user terminal
  • MSS mobile subscriber station
  • SS subscriber station
  • AMS advanced mobile station
  • WT wireless terminal
  • a portable device 500 includes an antenna unit 508, a communication unit 510, a control unit 520, a memory unit 530, a power supply unit 540a, an interface unit 540b, and an input/output unit 540c. ) may be included.
  • the antenna unit 508 may be configured as part of the communication unit 510 .
  • Blocks 510 to 530/540a to 540c respectively correspond to blocks 410 to 430/440 of FIG. 4 .
  • the communication unit 510 may transmit/receive signals (eg, data, control signals, etc.) with other wireless devices and base stations.
  • the controller 520 may perform various operations by controlling components of the portable device 500 .
  • the controller 520 may include an application processor (AP).
  • the memory unit 530 may store data/parameters/programs/codes/commands necessary for driving the portable device 500 . Also, the memory unit 530 may store input/output data/information.
  • the power supply unit 540a supplies power to the portable device 500 and may include a wired/wireless charging circuit, a battery, and the like.
  • the interface unit 540b may support connection between the portable device 500 and other external devices.
  • the interface unit 540b may include various ports (eg, audio input/output ports and video input/output ports) for connection with external devices.
  • the input/output unit 540c may receive or output image information/signal, audio information/signal, data, and/or information input from a user.
  • the input/output unit 540c may include a camera, a microphone, a user input unit, a display unit 540d, a speaker, and/or a haptic module.
  • the input/output unit 540c acquires information/signals (eg, touch, text, voice, image, video) input from the user, and the acquired information/signals are stored in the memory unit 530.
  • the communication unit 510 may convert the information/signal stored in the memory into a wireless signal, and directly transmit the converted wireless signal to another wireless device or to a base station.
  • the communication unit 510 may receive a radio signal from another wireless device or a base station and then restore the received radio signal to original information/signal. After the restored information/signal is stored in the memory unit 530, it may be output in various forms (eg, text, voice, image, video, or haptic) through the input/output unit 540c.
  • a terminal may receive information from a base station through downlink (DL) and transmit information to the base station through uplink (UL).
  • Information transmitted and received between the base station and the terminal includes general data information and various control information, and there are various physical channels according to the type/use of the information transmitted and received by the base station and the terminal.
  • FIG. 6 is a diagram illustrating physical channels applied to this specification and a signal transmission method using them.
  • the terminal may receive a primary synchronization channel (P-SCH) and a secondary synchronization channel (S-SCH) from the base station to synchronize with the base station and obtain information such as a cell ID. .
  • P-SCH primary synchronization channel
  • S-SCH secondary synchronization channel
  • the terminal may acquire intra-cell broadcast information by receiving a physical broadcast channel (PBCH) signal from the base station. Meanwhile, the terminal may check the downlink channel state by receiving a downlink reference signal (DL RS) in the initial cell search step.
  • PBCH physical broadcast channel
  • DL RS downlink reference signal
  • the UE receives a physical downlink control channel (PDCCH) and a physical downlink control channel (PDSCH) according to the physical downlink control channel information in step S612, Specific system information can be obtained.
  • PDCCH physical downlink control channel
  • PDSCH physical downlink control channel
  • the terminal may perform a random access procedure such as steps S613 to S616 in order to complete access to the base station.
  • the UE transmits a preamble through a physical random access channel (PRACH) (S613), and RAR for the preamble through a physical downlink control channel and a physical downlink shared channel corresponding thereto (S613). random access response) may be received (S614).
  • the UE transmits a physical uplink shared channel (PUSCH) using scheduling information in the RAR (S615), and performs a contention resolution procedure such as receiving a physical downlink control channel signal and a physical downlink shared channel signal corresponding thereto. ) can be performed (S616).
  • the terminal After performing the procedure as described above, the terminal performs reception of a physical downlink control channel signal and/or a physical downlink shared channel signal as a general uplink/downlink signal transmission procedure (S617) and a physical uplink shared channel (physical uplink shared channel).
  • channel (PUSCH) signal and/or physical uplink control channel (PUCCH) signal may be transmitted (S618).
  • UCI uplink control information
  • HARQ-ACK/NACK hybrid automatic repeat and request acknowledgment/negative-ACK
  • SR scheduling request
  • CQI channel quality indication
  • PMI precoding matrix indication
  • RI rank indication
  • BI beam indication
  • UCI is generally transmitted periodically through PUCCH, but may be transmitted through PUSCH according to an embodiment (eg, when control information and traffic data are to be simultaneously transmitted).
  • the UE may aperiodically transmit UCI through the PUSCH according to a request/instruction of the network.
  • FIG. 7 is a diagram showing the structure of a radio frame applicable to this specification.
  • Uplink and downlink transmission based on the NR system may be based on a frame as shown in FIG. 7 .
  • one radio frame has a length of 10 ms and may be defined as two 5 ms half-frames (half-frame, HF).
  • One half-frame may be defined as five 1ms subframes (subframes, SFs).
  • One subframe is divided into one or more slots, and the number of slots in a subframe may depend on subcarrier spacing (SCS).
  • SCS subcarrier spacing
  • each slot may include 12 or 14 OFDM(A) symbols according to a cyclic prefix (CP).
  • CP cyclic prefix
  • each slot When a normal CP is used, each slot may include 14 symbols.
  • each slot may include 12 symbols.
  • the symbol may include an OFDM symbol (or CP-OFDM symbol) and an SC-FDMA symbol (or DFT-s-OFDM symbol).
  • Table 1 shows the number of symbols per slot, the number of slots per frame, and the number of slots per subframe according to SCS when a normal CP is used
  • Table 2 shows the number of slots according to SCS when an extended CSP is used. Indicates the number of symbols, the number of slots per frame, and the number of slots per subframe.
  • Tables 1 and 2 above represents the number of symbols in the slot, represents the number of slots in the frame, May represent the number of slots in a subframe.
  • OFDM(A) numerology eg, SCS, CP length, etc.
  • OFDM(A) numerology eg, SCS, CP length, etc.
  • SFs, slots, or TTIs time resources
  • TTIs time units
  • NR may support multiple numerologies (or subcarrier spacing (SCS)) to support various 5G services. For example, when the SCS is 15 kHz, it supports a wide area in traditional cellular bands, and when the SCS is 30 kHz/60 kHz, dense-urban, lower latency and a wider carrier bandwidth, and when the SCS is 60 kHz or higher, a bandwidth larger than 24.25 GHz can be supported to overcome phase noise.
  • SCS subcarrier spacing
  • the NR frequency band is defined as a frequency range of two types (FR1 and FR2).
  • FR1 and FR2 can be configured as shown in the table below.
  • FR2 may mean millimeter wave (mmW).
  • the above-described numerology may be set differently in a communication system to which this specification is applicable.
  • a Terahertz wave (THz) band may be used as a frequency band higher than the aforementioned FR2.
  • the SCS may be set larger than that of the NR system, and the number of slots may be set differently, and is not limited to the above-described embodiment.
  • the THz band will be described below.
  • FIG. 8 is a diagram showing a slot structure applicable to the present specification.
  • One slot includes a plurality of symbols in the time domain. For example, in the case of a normal CP, one slot includes 7 symbols, but in the case of an extended CP, one slot may include 6 symbols.
  • a carrier includes a plurality of subcarriers in the frequency domain.
  • a resource block (RB) may be defined as a plurality of (eg, 12) consecutive subcarriers in the frequency domain.
  • a bandwidth part is defined as a plurality of consecutive (P)RBs in the frequency domain, and may correspond to one numerology (eg, SCS, CP length, etc.).
  • a carrier may include up to N (eg, 5) BWPs. Data communication is performed through an activated BWP, and only one BWP can be activated for one terminal. Each element in the resource grid is referred to as a resource element (RE), and one complex symbol may be mapped.
  • RE resource element
  • 6G (radio communications) systems are characterized by (i) very high data rates per device, (ii) very large number of connected devices, (iii) global connectivity, (iv) very low latency, (v) battery- It aims to lower energy consumption of battery-free IoT devices, (vi) ultra-reliable connectivity, and (vii) connected intelligence with machine learning capabilities.
  • the vision of the 6G system can be four aspects such as “intelligent connectivity”, “deep connectivity”, “holographic connectivity”, and “ubiquitous connectivity”, and the 6G system can satisfy the requirements shown in Table 4 below. That is, Table 4 is a table showing the requirements of the 6G system.
  • the 6G system is enhanced mobile broadband (eMBB), ultra-reliable low latency communications (URLLC), mMTC (massive machine type communications), AI integrated communication, tactile Internet (tactile internet), high throughput, high network capacity, high energy efficiency, low backhaul and access network congestion and improved data security ( can have key factors such as enhanced data security.
  • eMBB enhanced mobile broadband
  • URLLC ultra-reliable low latency communications
  • mMTC massive machine type communications
  • AI integrated communication e.g., AI integrated communication
  • tactile Internet tactile internet
  • high throughput high network capacity
  • high energy efficiency high backhaul and access network congestion
  • improved data security can have key factors such as enhanced data security.
  • FIG. 9 is a diagram showing an example of a communication structure that can be provided in a 6G system applicable to the present specification.
  • a 6G system is expected to have 50 times higher simultaneous wireless communication connectivity than a 5G wireless communication system.
  • URLLC a key feature of 5G, is expected to become a more mainstream technology by providing end-to-end latency of less than 1 ms in 6G communications.
  • the 6G system will have much better volume spectral efficiency, unlike the frequently used area spectral efficiency.
  • 6G systems can provide very long battery life and advanced battery technology for energy harvesting, so mobile devices in 6G systems may not need to be charged separately.
  • new network characteristics in 6G may be as follows.
  • 6G is expected to be integrated with satellites to serve the global mobile population. Integration of terrestrial, satellite and public networks into one wireless communications system could be critical for 6G.
  • AI can be applied at each step of the communication procedure (or each procedure of signal processing to be described later).
  • 6G wireless networks will transfer power to charge the batteries of devices such as smartphones and sensors. Therefore, wireless information and energy transfer (WIET) will be integrated.
  • WIET wireless information and energy transfer
  • Small cell networks The idea of small cell networks has been introduced to improve received signal quality resulting in improved throughput, energy efficiency and spectral efficiency in cellular systems. As a result, small cell networks are an essential feature of 5G and Beyond 5G (5GB) and beyond communication systems. Therefore, the 6G communication system also adopts the characteristics of the small cell network.
  • Ultra-dense heterogeneous networks will be another important feature of 6G communication systems. Multi-tier networks composed of heterogeneous networks improve overall QoS and reduce costs.
  • a backhaul connection is characterized by a high-capacity backhaul network to support high-capacity traffic.
  • High-speed fiber and free space optical (FSO) systems may be possible solutions to this problem.
  • High-precision localization (or location-based service) through communication is one of the features of 6G wireless communication systems.
  • radar systems will be integrated with 6G networks.
  • Softwarization and virtualization are two important features fundamental to the design process in 5GB networks to ensure flexibility, reconfigurability and programmability. In addition, billions of devices can be shared in a shared physical infrastructure.
  • AI The most important and newly introduced technology for the 6G system is AI.
  • AI was not involved in the 4G system.
  • 5G systems will support partial or very limited AI.
  • the 6G system will be AI-enabled for full automation.
  • Advances in machine learning will create more intelligent networks for real-time communication in 6G.
  • Introducing AI in communications can simplify and enhance real-time data transmission.
  • AI can use a plethora of analytics to determine how complex target tasks are performed. In other words, AI can increase efficiency and reduce processing delays.
  • AI can also play an important role in machine-to-machine, machine-to-human and human-to-machine communications.
  • AI can be a rapid communication in the brain computer interface (BCI).
  • BCI brain computer interface
  • AI-based communication systems can be supported by metamaterials, intelligent structures, intelligent networks, intelligent devices, intelligent cognitive radios, self-sustaining wireless networks, and machine learning.
  • AI-based physical layer transmission means applying a signal processing and communication mechanism based on an AI driver rather than a traditional communication framework in fundamental signal processing and communication mechanisms. For example, deep learning-based channel coding and decoding, deep learning-based signal estimation and detection, deep learning-based multiple input multiple output (MIMO) mechanism, It may include AI-based resource scheduling and allocation.
  • MIMO multiple input multiple output
  • Machine learning may be used for channel estimation and channel tracking, and may be used for power allocation, interference cancellation, and the like in a downlink (DL) physical layer. Machine learning can also be used for antenna selection, power control, symbol detection, and the like in a MIMO system.
  • DL downlink
  • AI algorithms based on deep learning require a lot of training data to optimize training parameters.
  • a lot of training data is used offline. This is because static training on training data in a specific channel environment may cause a contradiction between dynamic characteristics and diversity of a radio channel.
  • Machine learning refers to a set of actions that train a machine to create a machine that can do tasks that humans can or cannot do.
  • Machine learning requires data and a running model.
  • data learning methods can be largely classified into three types: supervised learning, unsupervised learning, and reinforcement learning.
  • Neural network training is aimed at minimizing errors in the output.
  • Neural network learning repeatedly inputs training data to the neural network, calculates the output of the neural network for the training data and the error of the target, and backpropagates the error of the neural network from the output layer of the neural network to the input layer in a direction to reduce the error. ) to update the weight of each node in the neural network.
  • Supervised learning uses training data in which correct answers are labeled in the learning data, and unsupervised learning may not have correct answers labeled in the learning data. That is, for example, learning data in the case of supervised learning related to data classification may be data in which each learning data is labeled with a category. Labeled training data is input to the neural network, and an error may be calculated by comparing the output (category) of the neural network and the label of the training data. The calculated error is back-propagated in a reverse direction (ie, from the output layer to the input layer) in the neural network, and the connection weight of each node of each layer of the neural network may be updated according to the back-propagation.
  • a reverse direction ie, from the output layer to the input layer
  • the amount of change in the connection weight of each updated node may be determined according to a learning rate.
  • the neural network's computation of input data and backpropagation of errors can constitute a learning cycle (epoch).
  • the learning rate may be applied differently according to the number of iterations of the learning cycle of the neural network. For example, a high learning rate is used in the early stages of neural network learning to increase efficiency by allowing the neural network to quickly achieve a certain level of performance, and a low learning rate can be used in the late stage to increase accuracy.
  • the learning method may vary depending on the characteristics of the data. For example, in a case where the purpose of the receiver is to accurately predict data transmitted by the transmitter in a communication system, it is preferable to perform learning using supervised learning rather than unsupervised learning or reinforcement learning.
  • the learning model corresponds to the human brain, and the most basic linear model can be considered. ) is called
  • the neural network cord used as a learning method is largely divided into deep neural networks (DNN), convolutional deep neural networks (CNN), and recurrent boltzmann machine (RNN). and this learning model can be applied.
  • DNN deep neural networks
  • CNN convolutional deep neural networks
  • RNN recurrent boltzmann machine
  • An artificial neural network is an example of connecting several perceptrons.
  • FIG. 10 shows an example of a perceptron structure.
  • each component is multiplied by a weight (W1,W2,...,Wd), and after summing the results,
  • the entire process of applying the activation function ⁇ () is called a perceptron.
  • the huge artificial neural network structure may extend the simplified perceptron structure shown in FIG. 10 and apply input vectors to different multi-dimensional perceptrons.
  • an input value or an output value is referred to as a node.
  • the perceptron structure shown in FIG. 10 can be described as being composed of a total of three layers based on input values and output values.
  • An artificial neural network in which H number of (d + 1) dimensional perceptrons exist between the 1st layer and the 2nd layer and K number of (H + 1) dimensional perceptrons between the 2nd layer and the 3rd layer can be expressed as shown in FIG. 4 .
  • 11 shows an example of a multilayer perceptron structure.
  • the layer where the input vector is located is called the input layer
  • the layer where the final output value is located is called the output layer
  • all the layers located between the input layer and the output layer are called hidden layers.
  • three layers are disclosed, but when counting the number of layers of an actual artificial neural network, since the count excludes the input layer, it can be regarded as a total of two layers.
  • the artificial neural network is composed of two-dimensionally connected perceptrons of basic blocks.
  • the above-described input layer, hidden layer, and output layer can be jointly applied to various artificial neural network structures such as CNN and RNN, which will be described later, as well as multi-layer perceptrons.
  • CNN neural network
  • RNN multi-layer perceptrons
  • DNN deep neural network
  • the deep neural network shown in FIG. 12 is a multi-layer perceptron composed of 8 hidden layers + 8 output layers.
  • the multilayer perceptron structure is expressed as a fully-connected neural network.
  • a fully-connected neural network there is no connection relationship between nodes located on the same layer, and a connection relationship exists only between nodes located on adjacent layers.
  • DNN has a fully-connected neural network structure and is composed of a combination of multiple hidden layers and activation functions, so it can be usefully applied to identify the correlation characteristics between inputs and outputs.
  • the correlation characteristic may mean a joint probability of input and output.
  • nodes located inside one layer are arranged in a one-dimensional vertical direction.
  • the nodes are two-dimensionally arranged with w nodes horizontally and h nodes vertically (convolutional neural network structure of FIG. 6).
  • a weight is added for each connection in the connection process from one input node to the hidden layer, a total of h ⁇ w weights must be considered.
  • h ⁇ w nodes in the input layer a total of h2w2 weights are required between two adjacent layers.
  • the convolutional neural network of FIG. 13 has a problem that the number of weights increases exponentially according to the number of connections, so instead of considering all mode connections between adjacent layers, it is assumed that there is a filter with a small size, and FIG. 7 As shown in , weighted sum and activation function calculations are performed for overlapping filters.
  • One filter has weights corresponding to the number of filters, and learning of weights can be performed so that a specific feature on an image can be extracted as a factor and output.
  • a 3 ⁇ 3 filter is applied to a 3 ⁇ 3 area at the top left of the input layer, and an output value obtained by performing a weighted sum and an activation function operation on a corresponding node is stored in z22.
  • the filter While scanning the input layer, the filter performs weighted sum and activation function calculations while moving horizontally and vertically at regular intervals, and places the output value at the position of the current filter.
  • This operation method is similar to the convolution operation for images in the field of computer vision, so the deep neural network of this structure is called a convolutional neural network (CNN), and the hidden layer generated as a result of the convolution operation is called a convolutional layer.
  • a neural network having a plurality of convolutional layers is referred to as a deep convolutional neural network (DCNN).
  • the number of weights can be reduced by calculating a weighted sum by including only nodes located in a region covered by the filter from the node where the current filter is located. This allows one filter to be used to focus on features for a local area. Accordingly, CNN can be effectively applied to image data processing in which a physical distance in a 2D area is an important criterion. Meanwhile, in the CNN, a plurality of filters may be applied immediately before the convolution layer, and a plurality of output results may be generated through a convolution operation of each filter.
  • 15 shows an example of a neural network structure in which a circular loop exists.
  • a recurrent neural network assigns an element (x1(t), x2(t), ,..., xd(t)) of any line t on a data sequence to a fully connected neural network.
  • the immediately preceding time point t-1 inputs the hidden vector (z1(t-1), z2(t-1),..., zH(t-1)) together to calculate the weighted sum and activation function structure that is applied.
  • the reason why the hidden vector is transmitted to the next time point in this way is that information in the input vector at previous time points is regarded as being accumulated in the hidden vector of the current time point.
  • 16 shows an example of an operating structure of a recurrent neural network.
  • the recurrent neural network operates in a sequence of predetermined views with respect to an input data sequence.
  • the hidden vector (z1(1),z2(1),.. .,zH(1)) is input together with the input vector (x1(2),x2(2),...,xd(2)) of time 2, and the vector of the hidden layer (z1( 2),z2(2) ,...,zH(2)). This process is repeated until time point 2, time point 3, ,,, time point T.
  • a deep recurrent neural network a recurrent neural network
  • Recurrent neural networks are designed to be usefully applied to sequence data (eg, natural language processing).
  • Deep Q-Network As a neural network core used as a learning method, in addition to DNN, CNN, and RNN, Restricted Boltzmann Machine (RBM), deep belief networks (DBN), and Deep Q-Network It includes various deep learning techniques such as computer vision, voice recognition, natural language processing, and voice/signal processing.
  • RBM Restricted Boltzmann Machine
  • DNN deep belief networks
  • Deep Q-Network It includes various deep learning techniques such as computer vision, voice recognition, natural language processing, and voice/signal processing.
  • AI-based physical layer transmission means applying a signal processing and communication mechanism based on an AI driver rather than a traditional communication framework in fundamental signal processing and communication mechanisms. For example, deep learning-based channel coding and decoding, deep learning-based signal estimation and detection, deep learning-based MIMO mechanism, AI-based resource scheduling and may include allocations, etc.
  • Federated learning is one of the techniques of distributed machine learning.
  • multiple devices which are the subjects of learning, determine the weight or gradient of a server and a local model. It shares the parameters of and operates in such a way that the server collects the local model parameters of each device and updates the global parameters.
  • the local model parameters may also be referred to as local parameters.
  • a device e.g., Edge device #1#2#3 transmits a local parameter to a server (e.g., Edge server) through an allocated resource, and the server transmits a local parameter received from the device.
  • a server e.g., Edge server
  • the server derives a global parameter through averaging of all local parameters, and transmits it to the device again.
  • radio resources are required linearly as much as the number of devices participating in learning.
  • limited resources e.g, time resources or frequency resources
  • the time for updating the global parameters may be delayed.
  • AirComp transmits local parameters to a server (eg, Edge server) in an analog or digital manner by using the same resource for all devices (eg, Edge device #1#2#3).
  • a server eg, Edge server
  • the signals received by the server are naturally superposed on the air, so that the server can obtain the sum of the local parameters.
  • the analog method means simple pulse amplitude modulation (PAM) of the gradient value
  • the digital method is quadrature amplitude modulation (QAM) or phase shift modulation, which is a typical digital modulation method. (phase shift keying, PSK).
  • AirComp-based federated learning transmits local parameters through the same resource, latency is not greatly affected by the number of devices participating in learning and is efficient in terms of radio resource management.
  • FIG. 19 shows an example of AirComp-based federated learning considering an actual network structure. Referring to FIG. 19, if a device is located quite far from the server and has low channel quality, it is classified as an inactive device (not participating in federated learning), and AirComp in two major ways for participating devices. Use
  • One method is a method of transmitting according to the user with the worst reception sensitivity among all active users, and in this case, the power of the user with good reception sensitivity. The damage is great.
  • Another method, as shown in (b) of FIG. 19, is a method of forming a group with devices having similar large-scale fading, performing power control within the group, and delivering the data.
  • all devices in the group can transmit based on AirComp with the same reception sensitivity, but there is a disadvantage in that resource overhead increases by the number of groups by using orthogonal resources between different groups.
  • a restriction-based scalable Q-ary linear code is used to solve the issue of difference in reception sensitivity between each device and server, power efficiency, and resource overhead problems during AirComp.
  • a scheduling method in AirComp using a limit-based extensible Q-ary linear code, the system part (systematic part) and the parity part (parity part) use different modulation orders (modulated symbol sequences).
  • the system part may also be referred to as an information part.
  • the constraint-based extensible Q-ary linear code may refer to a code generated by Q-ary linear coding of constraint-based Q-ary information.
  • the scheduling method proposed in this specification is a method of power allocation and resource management considering that the system part and the parity part use different Q-ary. am.
  • the proposed method has the following advantages based on information restriction.
  • the system part and the parity part transmit different Q-ary sequences due to information restriction. As different Q-ary sequences are transmitted, it is possible to modulate and transmit with different modulation orders.
  • the system part can be transmitted with low-order modulation. Accordingly, in the present specification, the system part can achieve the same reception sensitivity by using relatively lower power than the parity part. Accordingly, the system part may achieve target reception sensitivity through single transmission, and the parity part may achieve target reception sensitivity through multiple transmission.
  • the parity part can be modulated with a relatively high order, and the parity part using high-order modulation in a state where the number of repetitions is fixed is uniformly distributed in every transmission. (even) transmission can improve transmission power consumption efficiency.
  • the proposed method is a restriction-based extensible Q-ary linear code, a codeword and modulation method in a restriction-based extensible Q-ary linear code, and a restriction-based Q-ary linear code.
  • the power allocation and resource management methods used are classified and examined.
  • regular characters represent scalars
  • bold lowercase characters and bold uppercase characters represent vectors and matrices
  • calligraphic characters means a set.
  • a vector means the i-th entry of indicates and stands for ceiling, flooring and modulo-q operations.
  • Is the absolute value of and represents the cardinality of Is means here, Represents the vector size in the n-dimensional coordinate plane (or Euclidean space), expressed as a formula, can be equal to is the set of all natural numbers and The set of natural numbers that is smaller than means, means all zero vectors of length n.
  • a server may be referred to as a base station, and a device may be referred to as a terminal.
  • Q-ary linear code may mean linear transformation in a Q-order finite field.
  • a finite field satisfying the above characteristics can be constructed in two ways.
  • the finite field may be configured in different ways for the case where the value of Q representing the order of the finite field is a prime number and the case where the value of Q is a power of a prime number.
  • the finite field is defined based on an integer modulo-Q operation. For example, if Q is 2, 3, the finite field Addition/multiplication can be defined as shown in Tables 5 and 6 below.
  • finite field is It can be defined by extending from the fields defined in More specifically, which is finite field is From the fields defined in having A primitive polynomial over can be defined by extending here, having A primitive polynomial over ] is defined as follows.
  • Tables 7 and 8 show the primitive polynomials for GF(2) with Degree-4 and the primitive polynomials for GF(4) with Degree-2, respectively. and indicates More specifically, Table 7 shows the primitive polynomial for GF(2) using , Table 8 is the primitive polynomial for GF(4) using am.
  • Table 9 shows a process in which the Q-ary linear code based on the finite field is transformed into an expandable Q-ary linear code with a limited degree through restriction.
  • Q represents the order of a finite field or information field.
  • the second column relates to the case where the degree of the information field is a prime number
  • the third column relates to the case where the degree of the information field is the i power of p, which is a prime number.
  • i is a natural number.
  • the second row of Table 9 shows the process of limiting the order of the information field by formula. If the degree of the finite field is prime (column 2), the finite field of degree Q is composed of finite fields of limited degree, and the degree of the information field of limited degree is T.
  • restriction-based Q-ary information may refer to information based on an information field/finite field with a limited order. Alternatively, the restriction-based Q-ary information may refer to an extensible Q-ary linear code with a limited order.
  • the third row of Table 9 expresses a process in which codewords generated based on encodings of terminals participating in federated learning are aggregated.
  • the fourth row of Table 9 shows the process of transmitting the modulated codewords on the channel as a formula, means a modulated symbol.
  • the dof (degree of freedom) of an usable orthogonal channel is 2 (I-channel/Q-channel). That is, modulation may be performed based on both a real number domain [I-channel] and an image number domain [Q-channel] on a complex domain in which modulation is performed.
  • the degree of the polynomial is greater than 2, multiple polynomial components are modulated in one channel, making it difficult to guarantee orthogonality between components during merging.
  • ambiguity occurs in which combinations of different multi-polynomial components are observed as the same symbol. That is, when the result of the combination of different multi-polynomial components is the same, it is impossible to determine the multi-polynomial components constituting the combination of components.
  • the order Q of the field is not a prime number, degree- based on a finite field consisting of If we extend the primitive polynomial finite field to construct a GF(Q) finite field, then the GF(Q) finite field is degree-2 polynomial over [degree-2 polynomial over ] as polynomial components.
  • Equation 1 when the length of the entire codeword is N, K may be the (sequence) length of the system part, and N-K may be the (sequence) length of the parity part. That is, a codeword is composed of a system part of length K and a parity part of length N-K, and the sequence value of the system part is restricted.
  • the codeword of Equation 1 may mean a codeword generated by Q-ary linear coding of limited Q-ary information (Qin-ary).
  • Equation 2 Modulated sequence of In terms of the system part and the parity part, the following Equation 2 is obtained.
  • Equation 3 when the length of the entire codeword is N, K is the (sequence) length of the system part, and N-K may be the (sequence) length of the parity part. That is, a codeword is composed of a system part of length K and a parity part of length N-K, and the sequence value of the system part is restricted.
  • the codeword of Equation 3 may mean a codeword generated by Q-ary linear coding of limited Q-ary information (Qin-ary).
  • Equation 4 Modulated sequence of Looking at the system part (systematic part) and the parity part (parity part), the following Equation 4 is obtained.
  • a constraint-based extensible Q-ary linear code may be referred to as a constraint-based Q-ary linear code.
  • a systemic part may be single transmitted, and a parity part may be retransmitted.
  • the power allocation and resource management method using the limit-based Q-ary linear code is divided into the order of selecting the number of retransmissions, selecting device candidates to participate in learning, allocating power to each device, and allocating resources.
  • the number of retransmissions T of the parity part may be determined.
  • Equation 5 may mean a set of users that can achieve reception sensitivity of a single transmission of user 1 having the best channel among all users by repeating T times.
  • Means information related to user 1's channel, channel state, or channel/channel state Means information related to the user's channel, channel state, or channel / channel state, may mean the total number of users.
  • the allocated power of each device may be determined.
  • Define and reference channel realization can be called for example, can mean At this time, power allocation of the parity part may be determined by Equation 6, and power allocation of the systemic part may be determined by Equation 7.
  • P may mean transmission power of the user of the worst channel.
  • the worst channel may mean information related to the user's channel, channel state, or channel/channel state.
  • allocation resources may be determined.
  • Each device may transmit modulated sequences of a systematic part and a parity part by sharing the same resource.
  • a sequence of parity parts may be transmitted repeatedly T times using time/frequency resources.
  • the resource overhead ( ) is equal to Equation 8.
  • a system part of length K is allocated to a resource element of length K, and a parity part of length N-K is repeatedly transmitted T times, so T*(N-K) resources can be assigned to an element.
  • the resource element may be regarded as a tone assuming orthogonal frequency division multiplexing (OFDM).
  • FIG. 20 shows an example of a resource management method. As shown in FIG. 20, it is possible to appropriately utilize time resources, frequency resources, or time and frequency resources.
  • 21 is a diagram for explaining a transmission method proposed in this specification.
  • restriction-based Q-ary information (or Qin-ary information) 2110 is input to a channel encoder 2120, and a codeword 2130 is a channel encoder. It can be output at 2120.
  • the coding may be systemic channel coding, and in this case, the Q-ary information 2110 and the system part of the codeword 2130 are equivalent.
  • the codeword 2130 may be divided into a system part and a parity part and separately modulated and/or scaled (2140a, 2140b).
  • the modulated and/or scaled system part and the parity part may be concatenated and transmitted together during initial transmission, and the modulated and/or scaled parity part may be transmitted T-1 times from subsequent transmissions.
  • the modulated symbol sequence of the whole codeword is transmitted during the first transmission, and thereafter T-1 A modulated symbol sequence of a first parity part may be transmitted.
  • Equation 9 the received signal Looking at the entry (entry) of Equation 9 is the same.
  • Equation 10 represents the system part
  • Equation 11 represents the parity part
  • the parity part is transmitted T repetitions, About, satisfies In other words, since the parity part is repeatedly transmitted, the same information can be repeatedly transmitted/received.
  • the converted signal is converted into a reference symbol constellation set of Equations 15 and 16 A soft-value is obtained using , and decoding may be performed using it.
  • the reference symbol constellation set is equal to Equation 15, and Case 2 In the case of , the reference symbol constellation set is as shown in Equation 16.
  • 22 is a diagram illustrating power allocation by the proposed method. 22 shows a case where the total number of users (U) is 6 and the number of repetitions (T) of the parity part is 2. Referring to FIG. 22, the bar at the bottom means a channel gain between each device and the server, and the bar at the top means the power allocated by each device.
  • 24 is a flowchart for explaining a method of operating a terminal proposed in this specification.
  • the terminal (100x/120 in FIG. 1, 200a/200b in FIG. 2, 400 in FIG. 4, and 500 in FIG. 5) performs restriction-based Q-ary information (or Qin-ary information) may be coded to generate a Q-ary code including i) a constraint-based system part and ii) a parity part.
  • the restriction-based Q-ary information may refer to information based on a finite field/information field having a limited order.
  • the restriction-based Q-ary information may refer to information to be coded by a Q-ary linear code.
  • the constraint-based system part may be information having Qin-ary
  • the parity part may be information having Q-ary
  • system part may be referred to as “system part information”, “information part”, or “information part information”, and “parity part” may be referred to as “parity part information”.
  • the constraint-based system part and the parity part can be expressed as Equation 1 or 3.
  • the Q-ary code can be expressed as Equation 1 or 3.
  • the Q-ary code may be the codeword 2130 of FIG. 21 .
  • the system part may be modulated based on a modulation order different from that of the parity part.
  • the system part may be modulated with a lower order compared to the parity part.
  • a system part means a restriction-based system part.
  • the operation of generating the Q-ary code by the terminal in step S2401 may be implemented by the devices of FIGS. 1 to 5 described above.
  • one or more processors 200a/200b may control one or more memories 204a/204b and/or one or more transceivers 206a/206b to generate a Q-ary code.
  • the terminal determines the parity part of the Q-ary code based on a preset method in step S2402.
  • the number of transmissions (T) can be determined.
  • the transmission number T may be determined based on available resources.
  • the maximum transmission number of parity parts may be determined based on a Q-ary related value and a limit-based Q-ary related value.
  • T is prime It can be set to be no larger than
  • the maximum number of transmissions of the parity part ( ) may be determined based on the Q-ary related value (q) and the limit-based Q-ary related value (qin). For example, T is if It can be set to be no larger than .
  • the restriction-based Q-ary related value may be determined based on at least one of a channel state and/or the number of a plurality of terminals. For example, ego can be
  • the preset method may mean a method of determining T under the above restrictions or a method of determining T considering available resources under the above restrictions.
  • the operation of determining the number of transmissions by the terminal in step S2402 may be implemented by the devices of FIGS. 1 to 5 described above.
  • one or more processors 200a/200b may control one or more memories 204a/204b and/or one or more transceivers 206a/206b to determine the number of transmissions.
  • the terminal (100x/120 in FIG. 1, 200a/200b in FIG. 2, 400 in FIG. 4, and 500 in FIG. 5) specifies channel information between a plurality of terminals participating in federated learning and the base station in step S2403. Based on the channel information, power may be allocated to the system part and T parity parts.
  • the number of terminals and / or terminals participating in associative learning may be determined by Equation 5.
  • federated learning may be based on the neural network described with reference to FIGS. 10 to 16 .
  • the allocated power of the system part may be determined by Equation 7
  • the allocated power of the parity part may be determined by Equation 6.
  • channel information may be information representing a channel state.
  • the specific channel information may be information about the worst channel among channels of a plurality of terminals.
  • the operation of allocating power to the T parity parts by the terminal in step S2403 may be implemented by the devices of FIGS. 1 to 5 described above.
  • one or more processors 200a/200b may control one or more memories 204a/204b and/or one or more transceivers 206a/206b to allocate power to T parity parts. .
  • the terminal (100x/120 in FIG. 1, 200a/200b in FIG. 2, 400 in FIG. 4, and 500 in FIG. 5) transmits the system part and T parity parts to the base station based on the allocated power in step S2404. can transmit
  • terminals and base stations may perform communication based on the radio frame structure and/or slot structure of FIGS. 6 and 7 .
  • the terminal may perform the operations of S611 to S616 or S611 to S618 of FIG. 6 before performing associative learning.
  • an operation in which the terminal transmits the system part and the T number of parity parts in step S2404 may be implemented by the devices of FIGS. 1 to 5 described above.
  • one or more processors 200a/200b may control one or more memories 204a/204b and/or one or more transceivers 206a/206b to transmit a system part and T parity parts.
  • one or more transceivers 206a/206b may transmit a system part and T number of parity parts.
  • the terminal may receive specific channel information from the base station.
  • the specific channel information may be information on a channel having the highest noise among channels between a plurality of terminals and a base station.
  • the present specification can efficiently use power/resources by performing power allocation and/or resource management using limit-based extensible Q-ary linear codes in AirComp-based federated learning.
  • the above-described signaling and operation may be implemented by a device (eg, FIGS. 1 to 5) to be described below.
  • the above-described signaling and operations may be processed by one or more processors of FIGS. 1 to 5, and the above-described signaling and operations are commands/programs for driving at least one processor of FIGS. 1 to 5 ( Example: It can also be stored in memory in the form of an instruction or executable code.
  • a processor device configured to control a terminal to perform associative learning in a wireless communication system
  • at least one processor is functionally connected to the at least one processor, and the at least one processor performs operations.
  • at least one memory storing instructions to cause the operations to code restriction-based Q-ary information to generate a Q-ary code including i) a restriction-based system part and ii) a parity part.
  • the method may include allocating power to a system part and T parity parts, and transmitting the system part and the T parity parts to the base station based on the allocated power.
  • a computer readable medium storing instructions that cause at least one processor to perform operations
  • the operations are coded with restriction-based Q-ary information to i) restrict Generating a Q-ary code including a base system part and ii) a parity part, determining the transmission number (T) of the parity part among the Q-ary codes based on a preset method, and participating in federated learning Allocating power to a system part and T parity parts based on specific channel information among channel information between a plurality of terminals and the base station, and transmitting the system part and the T parity parts to the base station based on the allocated power.
  • restriction-based Q-ary information to i) restrict Generating a Q-ary code including a base system part and ii) a parity part, determining the transmission number (T) of the parity part among the Q-ary codes based on a preset method, and participating in federated learning Allocating power to a system part and T parity parts based on specific channel information among channel information
  • 25 is a flowchart for explaining a method of operating a base station proposed in this specification.
  • the base station (100x/120 in FIG. 1, 200a/200b in FIG. 2, 400 in FIG. 4, and 500 in FIG. 5) selects a system part and T parity parts based on the allocated power in step S2501. can be received from the terminal.
  • restriction-based Q-ary information may refer to information based on a finite field/information field having a limited order.
  • restriction-based Q-ary information may refer to information to be coded by a Q-ary linear code.
  • the constraint-based system part may be information having Qin-ary
  • the parity part may be information having Q-ary
  • the constraint-based system part and the parity part can be expressed as Equation 1 or 3.
  • the Q-ary code can be expressed as Equation 1 or 3.
  • the Q-ary code may be the codeword 2130 of FIG. 21 .
  • the system part may be modulated based on a modulation order different from that of the parity part.
  • the system part may be modulated with a lower order compared to the parity part.
  • the transmission number T of the parity part may be determined based on a preset scheme.
  • the transmission number T may be determined based on available resources.
  • the maximum transmission number of parity parts may be determined based on a Q-ary related value and a limit-based Q-ary related value.
  • T is prime It can be set to be no larger than .
  • the maximum number of transmissions of the parity part ( ) may be determined based on the Q-ary related value (q) and the limit-based Q-ary related value (qin). For example, T is if It can be set to be no larger than .
  • the restriction-based Q-ary related value may be determined based on at least one of a channel state and/or the number of a plurality of terminals. For example, ego can be
  • the preset method may mean a method of determining T under the above restrictions or a method of determining T considering available resources under the above restrictions.
  • Allocation power of the system part and the T parity parts may be determined based on specific channel information among channel information between a plurality of terminals participating in federated learning and a base station.
  • the number of terminals and / or terminals participating in associative learning may be determined by Equation 5.
  • federated learning may be based on the neural network described with reference to FIGS. 10 to 16 .
  • the allocated power of the system part may be determined by Equation 7
  • the allocated power of the parity part may be determined by Equation 6.
  • channel information may be information representing a channel state.
  • the specific channel information may be information about the worst channel among channels of a plurality of terminals.
  • terminals and base stations may perform communication based on the radio frame structure and/or slot structure of FIGS. 6 and 7 .
  • the base station may perform operations of S611 to S616 or S611 to S618 of FIG. 6 before performing federated learning.
  • the base station may transmit specific channel information to the terminal.
  • the specific channel information may be information on a channel having the highest noise among channels between a plurality of terminals and a base station.
  • an operation in which the base station receives the system part and the T parity parts in step S2501 may be implemented by the above-described devices of FIGS. 1 to 5 .
  • one or more processors 200a/200b may control one or more memories 204a/204b and/or one or more transceivers 206a/206b to receive a system part and T parity parts.
  • one or more transceivers 206a/206b may receive a system part and T parity parts.
  • the present specification can efficiently use power/resources by performing power allocation and/or resource management using limit-based extensible Q-ary linear codes in AirComp-based federated learning.
  • the above-described signaling and operation may be implemented by a device (eg, FIGS. 1 to 5) to be described below.
  • the above-described signaling and operations may be processed by one or more processors of FIGS. 1 to 5, and the above-described signaling and operations are commands/programs for driving at least one processor of FIGS. 1 to 5 ( Example: It can also be stored in memory in the form of an instruction or executable code.
  • a processor device configured to control a terminal to perform associative learning in a wireless communication system
  • at least one processor is functionally connected to the at least one processor, and the at least one processor performs operations. and at least one memory storing instructions to do so, wherein the operations include receiving a system part and T parity parts from a terminal based on allocated power, wherein the system part and the parity part are restricted It is generated by coding the base Q-ary information, the number of transmissions (T) of the parity part is determined based on a preset method, and the system part and the T parity parts are channels between a plurality of terminals participating in federated learning and the base station.
  • the allocated power may be determined based on specific channel information among information.
  • the operations include a system part and T parity parts from a terminal based on allocated power.
  • the system part and the parity part are generated by coding restriction-based Q-ary information
  • the transmission number T of the parity part is determined based on a preset method
  • the system part and the The allocation power of the T parity parts may be determined based on specific channel information among channel information between a plurality of terminals participating in federated learning and a base station.
  • the wireless communication technology implemented in the wireless devices 200a and 200b of the present specification may include Narrowband Internet of Things for low power communication as well as LTE, NR, and 6G.
  • NB-IoT technology may be an example of LPWAN (Low Power Wide Area Network) technology, and may be implemented in standards such as LTE Cat NB1 and / or LTE Cat NB2. no.
  • the wireless communication technology implemented in the wireless device (XXX, YYY) of the present specification may perform communication based on LTE-M technology.
  • LTE-M technology may be an example of LPWAN technology, and may be called various names such as eMTC (enhanced machine type communication).
  • LTE-M technologies are 1) LTE CAT 0, 2) LTE Cat M1, 3) LTE Cat M2, 4) LTE non-BL (non-Bandwidth Limited), 5) LTE-MTC, 6) LTE Machine Type Communication, and/or 7) It may be implemented in at least one of various standards such as LTE M, and is not limited to the above-mentioned names.
  • the wireless communication technology implemented in the wireless device (XXX, YYY) of the present specification is at least one of ZigBee, Bluetooth, and Low Power Wide Area Network (LPWAN) considering low power communication It may include any one, and is not limited to the above-mentioned names.
  • ZigBee technology can generate personal area networks (PANs) related to small/low-power digital communication based on various standards such as IEEE 802.15.4, and can be called various names.
  • PANs personal area networks
  • An embodiment according to the present specification may be implemented by various means, for example, hardware, firmware, software, or a combination thereof.
  • one embodiment of the present invention provides one or more application specific integrated circuits (ASICs), digital signal processors (DSPs), digital signal processing devices (DSPDs), programmable logic devices (PLDs), FPGAs ( field programmable gate arrays), processors, controllers, microcontrollers, microprocessors, etc.
  • ASICs application specific integrated circuits
  • DSPs digital signal processors
  • DSPDs digital signal processing devices
  • PLDs programmable logic devices
  • FPGAs field programmable gate arrays
  • processors controllers, microcontrollers, microprocessors, etc.
  • an embodiment of the present specification may be implemented in the form of a module, procedure, or function that performs the functions or operations described above.
  • the software code can be stored in memory and run by a processor.
  • the memory may be located inside or outside the processor and exchange data with the processor by various means known in the art.

Landscapes

  • Engineering & Computer Science (AREA)
  • Computer Networks & Wireless Communication (AREA)
  • Signal Processing (AREA)
  • Theoretical Computer Science (AREA)
  • Software Systems (AREA)
  • Physics & Mathematics (AREA)
  • Quality & Reliability (AREA)
  • Mathematical Physics (AREA)
  • General Engineering & Computer Science (AREA)
  • Artificial Intelligence (AREA)
  • General Physics & Mathematics (AREA)
  • Data Mining & Analysis (AREA)
  • Evolutionary Computation (AREA)
  • Computing Systems (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Medical Informatics (AREA)
  • Molecular Biology (AREA)
  • General Health & Medical Sciences (AREA)
  • Biomedical Technology (AREA)
  • Computational Linguistics (AREA)
  • Biophysics (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Health & Medical Sciences (AREA)
  • Mobile Radio Communication Systems (AREA)

Abstract

무선 통신 시스템에서 연합학습을 수행하는 방법 및 이를 위한 장치를 제안한다. 단말에 의해 수행되는 방법은, 제한(restriction) 기반 Q-ary 정보를 코딩하여 i) 제한 기반 시스템 파트와 ii) 패리티 파트를 포함하는 Q-ary 코드를 생성하는 단계와, 기설정된 방식에 기반하여 상기 Q-ary 코드 중 상기 패리티 파트의 전송 횟수(T)를 결정하는 단계와, 상기 연합학습에 참여하는 복수의 단말과 기지국 간 채널 정보 중 특정 채널 정보에 기반하여, 상기 시스템 파트와 T개의 패리티 파트에 전력을 할당하는 단계와, 할당 전력에 기반하여 상기 시스템 파트와 상기 T개의 패리티 파트를 상기 기지국으로 전송하는 단계를 포함할 수 있다.

Description

무선 통신 시스템에서 연합학습을 수행하는 방법 및 이를 위한 장치
본 명세서는 무선 통신 시스템에 관한 것으로서, 상세하게는 연합학습을 수행하는 방법 및 이를 지원하는 장치에 관한 것이다.
무선 통신 시스템은 음성이나 데이터 등과 같은 다양한 종류의 통신 서비스를 제공하기 위해 광범위하게 전개될 뿐 아니라, 인공 지능(artificial intelligence, AI)을 통신 시스템에 접목하고자 하는 시도가 급증하고 있다.
시도되고 있는 AI 접목 방식들을 크게, AI 지원을 위해 통신 기술을 발전시키는 C4AI(communications for AI)와 통신 성능의 향상을 위한 AI를 활용하는 AI4C(AI for communications)로 구분할 수 있다.
AI4C 영역에서는 채널 인코더/디코더를 종단간(end-to-end)의 오토인코더(autoencoder)로 대체하여 설계 효율을 올리고자 하는 시도가 있다.
C4AI 영역에서는 분산 학습(Distributed learning)의 한 기법인 연합학습(Federated learning)으로 장치간 로데이터(raw data)의 공유 없이 모델(model)의 가중치(weight)나 기울기(gradient)만을 서버와 공유함으로써 개인정보는 보호하면서 공통 예측 모델을 업데이트하는 방법이 있다. 그리고, 분산 추론(split inference)으로 장치, 네트워크 엣지(Network Edge) 그리고 클라우드 서버(Cloud Server)의 로드를 분산 시키려는 시키는 방법 등이 있다.
본 명세서는 AirComp 기반 연합학습에서 제한 기반 확장 가능한 Q-ary 선형 코드를 이용하여 전력 할당 및/또는 자원 관리를 수행하는 방법 및 이를 위한 장치를 제안한다.
본 발명에서 이루고자 하는 기술적 과제들은 이상에서 언급한 기술적 과제들로 제한되지 않으며, 언급하지 않은 또 다른 기술적 과제들은 아래의 기재로부터 본 발명이 속하는 기술분야에서 통상의 지식을 가진 자에게 명확하게 이해될 수 있을 것이다.
본 명세서는 무선 통신 시스템에서 연합학습을 수행하는 방법을 제안한다. 단말에 의해 수행되는 방법은, 제한(restriction) 기반 Q-ary 정보를 코딩하여 i) 제한 기반 시스템 파트와 ii) 패리티 파트를 포함하는 Q-ary 코드를 생성하는 단계와, 기설정된 방식에 기반하여 상기 Q-ary 코드 중 상기 패리티 파트의 전송 횟수(T)를 결정하는 단계와, 상기 연합학습에 참여하는 복수의 단말과 기지국 간 채널 정보 중 특정 채널 정보에 기반하여, 상기 시스템 파트와 T개의 패리티 파트에 전력을 할당하는 단계와, 할당 전력에 기반하여 상기 시스템 파트와 상기 T개의 패리티 파트를 상기 기지국으로 전송하는 단계를 포함할 수 있다.
또한, 본 명세서의 상기 방법에 있어서, 상기 전송 횟수(T)는 이용 가능한 자원에 기반하여 결정될 수 있다.
또한, 본 명세서의 상기 방법에 있어서, 상기 패리티 파트의 최대 전송 횟수는 Q-ary 관련 값 및 제한 기반 Q-ary 관련 값에 기반하여 결정될 수 있다.
또한, 본 명세서의 상기 방법에 있어서, 상기 제한 기반 Q-ary 관련 값은 채널 상태 및/또는 상기 복수의 단말의 수 중 적어도 하나에 기반하여 결정될 수 있다.
또한, 본 명세서의 상기 방법에 있어서, 상기 시스템 파트는 상기 패리티 파트와 다른 변조 차수(modulation order)에 기반하여 변조될 수 있다.
또한, 본 명세서의 상기 방법에 있어서, 상기 특정 채널 정보를 상기 기지국으로부터 수신하는 단계를 더 포함하되, 상기 특정 채널 정보는 복수의 단말과 기지국 간 채널들 중 노이즈가 가장 높은 채널에 대한 정보일 수 있다.
또한, 본 명세서의 무선 통신 시스템에서 연합학습을 수행하도록 설정된 단말은, 적어도 하나의 송수신기와, 적어도 하나의 송수신기와 기능적으로 연결된 적어도 하나의 프로세서와, 상기 적어도 하나의 프로세서와 기능적으로 연결되고, 상기 적어도 하나의 프로세서가 동작들을 수행하도록 하는 명령어들을 저장하는 적어도 하나의 메모리를 포함하고, 상기 동작들은, 제한(restriction) 기반 Q-ary 정보를 코딩하여 i) 제한 기반 시스템 파트와 ii) 패리티 파트를 포함하는 Q-ary 코드를 생성하는 단계와, 기설정된 방식에 기반하여 상기 Q-ary 코드 중 상기 패리티 파트의 전송 횟수(T)를 결정하는 단계와, 상기 연합학습에 참여하는 복수의 단말과 기지국 간 채널 정보 중 특정 채널 정보에 기반하여, 상기 시스템 파트와 T개의 패리티 파트에 전력을 할당하는 단계와, 할당 전력에 기반하여 상기 시스템 파트와 상기 T개의 패리티 파트를 상기 기지국으로 전송하는 단계를 포함할 수 있다.
또한, 본 명세서의 무선 통신 시스템에서 연합학습을 수행하는 방법에 있어서, 기지국에 의해 수행되는 방법은, 할당 전력에 기반하여 시스템 파트와 T개의 패리티 파트를 단말로부터 수신하는 단계를 포함하되, 상기 시스템 파트와 패리티 파트는 제한(restriction) 기반 Q-ary 정보를 코딩하여 생성되고, 상기 패리티 파트는 기설정된 방식에 기반하여 전송 횟수(T)가 결정되며, 상기 시스템 파트와 상기 T개의 패리티 파트는 상기 연합학습에 참여하는 복수의 단말과 기지국 간 채널 정보 중 특정 채널 정보에 기반하여 상기 할당 전력이 결정될 수 있다.
또한, 본 명세서의 상기 방법에 있어서, 상기 전송 횟수(T)는 이용 가능한 자원에 기반하여 결정될 수 있다.
또한, 본 명세서의 상기 방법에 있어서, 상기 패리티 파트의 최대 전송 횟수는 Q-ary 관련 값 및 제한 기반 Q-ary 관련 값에 기반하여 결정될 수 있다.
또한, 본 명세서의 상기 방법에 있어서, 상기 제한 기반 Q-ary 관련 값은 채널 상태 및/또는 상기 복수의 단말의 수 중 적어도 하나에 기반하여 결정될 수 있다.
또한, 본 명세서의 상기 방법에 있어서, 상기 시스템 파트는 상기 패리티 파트와 다른 변조 차수(modulation order)에 기반하여 변조될 수 있다.
또한, 본 명세서의 상기 방법에 있어서, 상기 특정 채널 정보를 상기 단말로 전송하는 단계를 더 포함하되, 상기 특정 채널 정보는 복수의 단말과 기지국 간 채널들 중 노이즈가 가장 높은 채널에 대한 정보일 수 있다.
또한, 본 명세서의 무선 통신 시스템에서 연합학습을 수행하도록 설정된 기지국은, 적어도 하나의 송수신기와, 적어도 하나의 송수신기와 기능적으로 연결된 적어도 하나의 프로세서와, 상기 적어도 하나의 프로세서와 기능적으로 연결되고, 상기 적어도 하나의 프로세서가 동작들을 수행하도록 하는 명령어들을 저장하는 적어도 하나의 메모리를 포함하고, 상기 동작들은, 할당 전력에 기반하여 시스템 파트와 T개의 패리티 파트를 단말로부터 수신하는 단계를 포함하되, 상기 시스템 파트와 패리티 파트는 제한(restriction) 기반 Q-ary 정보를 코딩하여 생성되고, 상기 패리티 파트는 기설정된 방식에 기반하여 전송 횟수(T)가 결정되며, 상기 시스템 파트와 상기 T개의 패리티 파트는 상기 연합학습에 참여하는 복수의 단말과 기지국 간 채널 정보 중 특정 채널 정보에 기반하여 상기 할당 전력이 결정될 수 있다.
또한, 본 명세서의 무선 통신 시스템에서 연합학습을 수행하기 위해 단말을 제어하도록 설정된 프로세서 장치는, 적어도 하나의 프로세서와, 상기 적어도 하나의 프로세서와 기능적으로 연결되고, 상기 적어도 하나의 프로세서가 동작들을 수행하도록 하는 명령어들을 저장하는 적어도 하나의 메모리를 포함하고, 상기 동작들은, 제한(restriction) 기반 Q-ary 정보를 코딩하여 i) 제한 기반 시스템 파트와 ii) 패리티 파트를 포함하는 Q-ary 코드를 생성하는 단계와, 기설정된 방식에 기반하여 상기 Q-ary 코드 중 상기 패리티 파트의 전송 횟수(T)를 결정하는 단계와, 상기 연합학습에 참여하는 복수의 단말과 기지국 간 채널 정보 중 특정 채널 정보에 기반하여, 상기 시스템 파트와 T개의 패리티 파트에 전력을 할당하는 단계와, 할당 전력에 기반하여 상기 시스템 파트와 상기 T개의 패리티 파트를 상기 기지국으로 전송하는 단계를 포함할 수 있다.
또한, 본 명세서의 적어도 하나의 프로세서가 동작들을 수행하도록 하는 명령어들을 저장하는 컴퓨터 판독 가능 매체(computer readable medium, CRM)는 상기 동작들은, 제한(restriction) 기반 Q-ary 정보를 코딩하여 i) 제한 기반 시스템 파트와 ii) 패리티 파트를 포함하는 Q-ary 코드를 생성하는 단계와, 기설정된 방식에 기반하여 상기 Q-ary 코드 중 상기 패리티 파트의 전송 횟수(T)를 결정하는 단계와, 연합학습에 참여하는 복수의 단말과 기지국 간 채널 정보 중 특정 채널 정보에 기반하여, 상기 시스템 파트와 T개의 패리티 파트에 전력을 할당하는 단계와, 할당 전력에 기반하여 상기 시스템 파트와 상기 T개의 패리티 파트를 상기 기지국으로 전송하는 단계를 포함할 수 있다.
본 명세서에 따르면, AirComp 기반 연합학습에서 제한 기반 확장 가능한 Q-ary 선형 코드를 이용하여 전력 할당 및/또는 자원 관리를 수행함으로써, 전력과 자원을 효율적으로 이용할 수 있는 효과가 있다.
발명에서 얻을 수 있는 효과는 이상에서 언급한 효과로 제한되지 않으며, 언급하지 않은 또 다른 효과들은 아래의 기재로부터 본 발명이 속하는 기술분야에서 통상의 지식을 가진 자에게 명확하게 이해될 수 있을 것이다.
이하에 첨부되는 도면들은 본 명세서에 관한 이해를 돕기 위한 것으로, 상세한 설명과 함께 본 명세서에 대한 실시 예들을 제공할 수 있다. 다만, 본 명세서의 기술적 특징이 특정 도면에 한정되는 것은 아니며, 각 도면에서 개시하는 특징들은 서로 조합되어 새로운 실시 예로 구성될 수 있다. 각 도면에서의 참조 번호(reference numerals)들은 구조적 구성요소(structural elements)를 의미할 수 있다.
도 1은 본 명세서에 적용 가능한 통신 시스템 예시를 나타낸 도면이다.
도 2는 본 명세서에 적용 가능한 무선 기기의 예시를 나타낸 도면이다.
도 3은 본 명세서에 적용 가능한 전송 신호를 처리하는 방법을 나타낸 도면이다.
도 4는 본 명세서에 적용 가능한 무선 기기의 다른 예시를 나타낸 도면이다.
도 5는 본 명세서에 적용 가능한 휴대 기기의 예시를 나타낸 도면이다.
도 6은 본 명세서에 적용 가능한 물리 채널들 및 이들을 이용한 신호 전송 방법을 나타낸 도면이다.
도 7은 본 명세서에 적용 가능한 무선 프레임의 구조를 나타낸 도면이다.
도 8은 본 명세서에 적용 가능한 슬롯 구조를 나타낸 도면이다.
도 9는 본 명세서에 적용 가능한 6G 시스템에서 제공 가능한 통신 구조의 일례를 나타낸 도면이다.
도 10은 퍼셉트론 구조의 일 예를 나타낸다.
도 11은 다층 퍼셉트론 구조의 일 예를 나타낸다.
도 12는 심층 신경망의 일 예를 나타낸다.
도 13은 컨볼루션 신경망의 일 예를 나타낸다.
도 14는 컨볼루션 신경망에서의 필터 연산의 일 예를 나타낸 도이다.
도 15는 순환 루프가 존재하는 신경망 구조의 일 예를 나타낸다.
도 16은 순환 신경망의 동작 구조의 일 예를 나타낸다.
도 17은 직교 분할 접속 기반의 연합학습 동작의 일 예를 나타낸다.
도 18은 AirComp 기반의 연합학습 동작의 일 예를 나타낸다.
도 19는 실제 네트워크 구조를 고려한 AirComp 기반 연합학습의 일 예를 나타낸다.
도 20은 자원 관리(resource management) 방법의 일 예를 나타낸다.
도 21은 본 명세서에서 제안하는 송신 방법을 설명하기 위한 도이다.
도 22는 제안 방법에 의한 전력 할당을 도시한 도면이다.
도 23은 송신기와 수신기에서 관찰될 성상도를 나타내는 도면이다.
도 24는 본 명세서에서 제안하는 단말의 동작 방법을 설명하기 위한 흐름도이다.
도 25는 본 명세서에서 제안하는 기지국의 동작 방법을 설명하기 위한 흐름도이다.
이하의 실시 예들은 본 명세서의 구성요소들과 특징들을 소정 형태로 결합한 것들이다. 각 구성요소 또는 특징은 별도의 명시적 언급이 없는 한 선택적인 것으로 고려될 수 있다. 각 구성요소 또는 특징은 다른 구성요소나 특징과 결합되지 않은 형태로 실시될 수 있다. 또한, 일부 구성요소들 및/또는 특징들을 결합하여 본 명세서의 실시 예를 구성할 수도 있다. 본 명세서의 실시 예들에서 설명되는 동작들의 순서는 변경될 수 있다. 어느 실시 예의 일부 구성이나 특징은 다른 실시 예에 포함될 수 있고, 또는 다른 실시 예의 대응하는 구성 또는 특징과 교체될 수 있다.
도면에 대한 설명에서, 본 명세서의 요지를 흐릴 수 있는 절차 또는 단계 등은 기술하지 않았으며, 당업자의 수준에서 이해할 수 있을 정도의 절차 또는 단계는 또한 기술하지 아니하였다.
명세서 전체에서, 어떤 부분이 어떤 구성요소를 "포함(comprising 또는 including)"한다고 할 때, 이는 특별히 반대되는 기재가 없는 한 다른 구성요소를 제외하는 것이 아니라 다른 구성요소를 더 포함할 수 있는 것을 의미한다. 또한, 명세서에 기재된 "...부", "...기", "모듈" 등의 용어는 적어도 하나의 기능이나 동작을 처리하는 단위를 의미하며, 이는 하드웨어나 소프트웨어 또는 하드웨어 및 소프트웨어의 결합으로 구현될 수 있다. 또한, "일(a 또는 an)", "하나(one)", "그(the)" 및 유사 관련어는 본 명세서를 기술하는 문맥에 있어서(특히, 이하의 청구항의 문맥에서) 본 명세서에 달리 지시되거나 문맥에 의해 분명하게 반박되지 않는 한, 단수 및 복수 모두를 포함하는 의미로 사용될 수 있다.
본 명세서의 실시예들은 기지국과 이동국 간의 데이터 송수신 관계를 중심으로 설명되었다. 여기서, 기지국은 이동국과 직접적으로 통신을 수행하는 네트워크의 종단 노드(terminal node)로서의 의미가 있다. 본 명세서에서 기지국에 의해 수행되는 것으로 설명된 특정 동작은 경우에 따라서는 기지국의 상위 노드(upper node)에 의해 수행될 수도 있다.
즉, 기지국을 포함하는 다수의 네트워크 노드들(network nodes)로 이루어지는 네트워크에서 이동국과의 통신을 위해 수행되는 다양한 동작들은 기지국 또는 기지국 이외의 다른 네트워크 노드들에 의해 수행될 수 있다. 이때, '기지국'은 고정국(fixed station), Node B, eNB(eNode B), gNB(gNode B), ng-eNB, 발전된 기지국(advanced base station, ABS) 또는 억세스 포인트(access point) 등의 용어에 의해 대체될 수 있다.
또한, 본 명세서의 실시 예들에서 단말(terminal)은 사용자 기기(user equipment, UE), 이동국(mobile station, MS), 가입자국(subscriber station, SS), 이동 가입자 단말(mobile subscriber station, MSS), 이동 단말(mobile terminal) 또는 발전된 이동 단말(advanced mobile station, AMS) 등의 용어로 대체될 수 있다.
또한, 송신단은 데이터 서비스 또는 음성 서비스를 제공하는 고정 및/또는 이동 노드를 말하고, 수신단은 데이터 서비스 또는 음성 서비스를 수신하는 고정 및/또는 이동 노드를 의미한다. 따라서, 상향링크의 경우, 이동국이 송신단이 되고, 기지국이 수신단이 될 수 있다. 마찬가지로, 하향링크의 경우, 이동국이 수신단이 되고, 기지국이 송신단이 될 수 있다.
본 명세서의 실시 예들은 무선 접속 시스템들인 IEEE 802.xx 시스템, 3GPP(3rd Generation Partnership Project) 시스템, 3GPP LTE(Long Term Evolution) 시스템, 3GPP 5G(5th generation) NR(New Radio) 시스템 및 3GPP2 시스템 중 적어도 하나에 개시된 표준 문서들에 의해 뒷받침될 수 있으며, 특히, 본 명세서의 실시 예들은 3GPP TS(technical specification) 38.211, 3GPP TS 38.212, 3GPP TS 38.213, 3GPP TS 38.321 및 3GPP TS 38.331 문서들에 의해 뒷받침 될 수 있다.
또한, 본 명세서의 실시 예들은 다른 무선 접속 시스템에도 적용될 수 있으며, 상술한 시스템으로 한정되는 것은 아니다. 일 예로, 3GPP 5G NR 시스템 이후에 적용되는 시스템에 대해서도 적용 가능할 수 있으며, 특정 시스템에 한정되지 않는다.
즉, 본 명세서의 실시 예들 중 설명하지 않은 자명한 단계들 또는 부분들은 상기 문서들을 참조하여 설명될 수 있다. 또한, 본 명세서에서 개시하고 있는 모든 용어들은 상기 표준 문서에 의해 설명될 수 있다.
이하, 본 명세서에 따른 바람직한 실시 형태를 첨부된 도면을 참조하여 상세하게 설명한다. 첨부된 도면과 함께 이하에 개시될 상세한 설명은 본 명세서의 예시적인 실시 형태를 설명하고자 하는 것이며, 본 명세서의 기술 구성이 실시될 수 있는 유일한 실시형태를 나타내고자 하는 것이 아니다.
또한, 본 명세서의 실시 예들에서 사용되는 특정 용어들은 본 명세서의 이해를 돕기 위해서 제공된 것이며, 이러한 특정 용어의 사용은 본 명세서의 기술적 사상을 벗어나지 않는 범위에서 다른 형태로 변경될 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 frequency division multiple access) 등과 같은 다양한 무선 접속 시스템에 적용될 수 있다.
하기에서는 이하 설명을 명확하게 하기 위해, 3GPP 통신 시스템(e.g.(예, LTE, NR 등)을 기반으로 설명하지만 본 발명의 기술적 사상이 이에 제한되는 것은 아니다. LTE는 3GPP TS 36.xxx Release 8 이후의 기술을 의미할 수 있다. 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 지칭될 수 있다. 3GPP NR은 TS 38.xxx Release 15 이후의 기술을 의미할 수 있다. 3GPP 6G는 TS Release 17 및/또는 Release 18 이후의 기술을 의미할 수 있다. "xxx"는 표준 문서 세부 번호를 의미한다. LTE/NR/6G는 3GPP 시스템으로 통칭될 수 있다.
본 명세서에 사용된 배경기술, 용어, 약어 등에 관해서는 본 발명 이전에 공개된 표준 문서에 기재된 사항을 참조할 수 있다. 일 예로, 36.xxx 및 38.xxx 표준 문서를 참조할 수 있다.
본 명세서에 적용 가능한 통신 시스템
이로 제한되는 것은 아니지만, 본 명세서에 개시된 다양한 설명, 기능, 절차, 제안, 방법 및/또는 동작 순서도들은 기기들 간에 무선 통신/연결(예, 5G)을 필요로 하는 다양한 분야에 적용될 수 있다.
이하, 도면을 참조하여 보다 구체적으로 예시한다. 이하의 도면/설명에서 동일한 도면 부호는 다르게 기술하지 않는 한, 동일하거나 대응되는 하드웨어 블록, 소프트웨어 블록 또는 기능 블록을 예시할 수 있다.
도 1은 본 명세서에 적용되는 통신 시스템 예시를 도시한 도면이다. 도 1을 참조하면, 본 명세서에 적용되는 통신 시스템(100)은 무선 기기, 기지국 및 네트워크를 포함한다. 여기서, 무선 기기는 무선 접속 기술(예, 5G NR, LTE)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(home appliance)(100e), IoT(Internet of Thing) 기기(100f), AI(artificial intelligence) 기기/서버(100g)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, 차량(100b-1, 100b-2)은 UAV(unmanned aerial vehicle)(예, 드론)를 포함할 수 있다. XR 기기(100c)는 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 기기(100d)는 스마트폰, 스마트패드, 웨어러블 기기(예, 스마트워치, 스마트글래스), 컴퓨터(예, 노트북 등) 등을 포함할 수 있다. 가전(100e)은 TV, 냉장고, 세탁기 등을 포함할 수 있다. IoT 기기(100f)는 센서, 스마트 미터 등을 포함할 수 있다. 예를 들어, 기지국(120), 네트워크(130)는 무선 기기로도 구현될 수 있으며, 특정 무선 기기(120a)는 다른 무선 기기에게 기지국/네트워크 노드로 동작할 수도 있다.
무선 기기(100a~100f)는 기지국(120)을 통해 네트워크(130)와 연결될 수 있다. 무선 기기(100a~100f)에는 AI 기술이 적용될 수 있으며, 무선 기기(100a~100f)는 네트워크(130)를 통해 AI 서버(100g)와 연결될 수 있다. 네트워크(130)는 3G 네트워크, 4G(예, LTE) 네트워크 또는 5G(예, NR) 네트워크 등을 이용하여 구성될 수 있다. 무선 기기(100a~100f)는 기지국(120)/네트워크(130)를 통해 서로 통신할 수도 있지만, 기지국(120)/네트워크(130)를 통하지 않고 직접 통신(예, 사이드링크 통신(sidelink communication))할 수도 있다. 예를 들어, 차량들(100b-1, 100b-2)은 직접 통신(예, V2V(vehicle to vehicle)/V2X(vehicle to everything) communication)을 할 수 있다. 또한, IoT 기기(100f)(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(120), 기지국(120)/기지국(120) 간에는 무선 통신/연결(150a, 150b, 150c)이 이뤄질 수 있다. 여기서, 무선 통신/연결은 상향/하향링크 통신(150a)과 사이드링크 통신(150b)(또는, D2D 통신), 기지국간 통신(150c)(예, relay, IAB(integrated access backhaul))과 같은 다양한 무선 접속 기술(예, 5G NR)을 통해 이뤄질 수 있다. 무선 통신/연결(150a, 150b, 150c)을 통해 무선 기기와 기지국/무선 기기, 기지국과 기지국은 서로 무선 신호를 송신/수신할 수 있다. 예를 들어, 무선 통신/연결(150a, 150b, 150c)은 다양한 물리 채널을 통해 신호를 송신/수신할 수 있다. 이를 위해, 본 명세서의 다양한 제안들에 기반하여, 무선 신호의 송신/수신을 위한 다양한 구성정보 설정 과정, 다양한 신호 처리 과정(예, 채널 인코딩/디코딩, 변조/복조, 자원 매핑/디매핑 등), 자원 할당 과정 등 중 적어도 일부가 수행될 수 있다.
본 명세서에 적용 가능한 통신 시스템
도 2는 본 명세서에 적용될 수 있는 무선 기기의 예시를 도시한 도면이다.
도 2를 참조하면, 제1 무선 기기(200a)와 제2 무선 기기(200b)는 다양한 무선 접속 기술(예, LTE, NR)을 통해 무선 신호를 송수신할 수 있다. 여기서, {제1 무선 기기(200a), 제2 무선 기기(200b)}은 도 1의 {무선 기기(100x), 기지국(120)} 및/또는 {무선 기기(100x), 무선 기기(100x)}에 대응할 수 있다.
제1 무선 기기(200a)는 하나 이상의 프로세서(202a) 및 하나 이상의 메모리(204a)를 포함하며, 추가적으로 하나 이상의 송수신기(206a) 및/또는 하나 이상의 안테나(208a)을 더 포함할 수 있다. 프로세서(202a)는 메모리(204a) 및/또는 송수신기(206a)를 제어하며, 본 명세서에 개시된 설명, 기능, 절차, 제안, 방법 및/또는 동작 순서도들을 구현하도록 구성될 수 있다. 예를 들어, 프로세서(202a)는 메모리(204a) 내의 정보를 처리하여 제1 정보/신호를 생성한 뒤, 송수신기(206a)을 통해 제1 정보/신호를 포함하는 무선 신호를 전송할 수 있다. 또한, 프로세서(202a)는 송수신기(206a)를 통해 제2 정보/신호를 포함하는 무선 신호를 수신한 뒤, 제2 정보/신호의 신호 처리로부터 얻은 정보를 메모리(204a)에 저장할 수 있다. 메모리(204a)는 프로세서(202a)와 연결될 수 있고, 프로세서(202a)의 동작과 관련한 다양한 정보를 저장할 수 있다. 예를 들어, 메모리(204a)는 프로세서(202a)에 의해 제어되는 프로세스들 중 일부 또는 전부를 수행하거나, 본 명세서에 개시된 설명, 기능, 절차, 제안, 방법 및/또는 동작 순서도들을 수행하기 위한 명령들을 포함하는 소프트웨어 코드를 저장할 수 있다. 여기서, 프로세서(202a)와 메모리(204a)는 무선 통신 기술(예, LTE, NR)을 구현하도록 설계된 통신 모뎀/회로/칩의 일부일 수 있다. 송수신기(206a)는 프로세서(202a)와 연결될 수 있고, 하나 이상의 안테나(208a)를 통해 무선 신호를 송신 및/또는 수신할 수 있다. 송수신기(206a)는 송신기 및/또는 수신기를 포함할 수 있다. 송수신기(206a)는 RF(radio frequency) 유닛과 혼용될 수 있다. 본 명세서에서 무선 기기는 통신 모뎀/회로/칩을 의미할 수도 있다.
제2 무선 기기(200b)는 하나 이상의 프로세서(202b), 하나 이상의 메모리(204b)를 포함하며, 추가적으로 하나 이상의 송수신기(206b) 및/또는 하나 이상의 안테나(208b)를 더 포함할 수 있다. 프로세서(202b)는 메모리(204b) 및/또는 송수신기(206b)를 제어하며, 본 명세서에 개시된 설명, 기능, 절차, 제안, 방법 및/또는 동작 순서도들을 구현하도록 구성될 수 있다. 예를 들어, 프로세서(202b)는 메모리(204b) 내의 정보를 처리하여 제3 정보/신호를 생성한 뒤, 송수신기(206b)를 통해 제3 정보/신호를 포함하는 무선 신호를 전송할 수 있다. 또한, 프로세서(202b)는 송수신기(206b)를 통해 제4 정보/신호를 포함하는 무선 신호를 수신한 뒤, 제4 정보/신호의 신호 처리로부터 얻은 정보를 메모리(204b)에 저장할 수 있다. 메모리(204b)는 프로세서(202b)와 연결될 수 있고, 프로세서(202b)의 동작과 관련한 다양한 정보를 저장할 수 있다. 예를 들어, 메모리(204b)는 프로세서(202b)에 의해 제어되는 프로세스들 중 일부 또는 전부를 수행하거나, 본 명세서에 개시된 설명, 기능, 절차, 제안, 방법 및/또는 동작 순서도들을 수행하기 위한 명령들을 포함하는 소프트웨어 코드를 저장할 수 있다. 여기서, 프로세서(202b)와 메모리(204b)는 무선 통신 기술(예, LTE, NR)을 구현하도록 설계된 통신 모뎀/회로/칩의 일부일 수 있다. 송수신기(206b)는 프로세서(202b)와 연결될 수 있고, 하나 이상의 안테나(208b)를 통해 무선 신호를 송신 및/또는 수신할 수 있다. 송수신기(206b)는 송신기 및/또는 수신기를 포함할 수 있다 송수신기(206b)는 RF 유닛과 혼용될 수 있다. 본 명세서에서 무선 기기는 통신 모뎀/회로/칩을 의미할 수도 있다.
이하, 무선 기기(200a, 200b)의 하드웨어 요소에 대해 보다 구체적으로 설명한다. 이로 제한되는 것은 아니지만, 하나 이상의 프로토콜 계층이 하나 이상의 프로세서(202a, 202b)에 의해 구현될 수 있다. 예를 들어, 하나 이상의 프로세서(202a, 202b)는 하나 이상의 계층(예, PHY(physical), MAC(media access control), RLC(radio link control), PDCP(packet data convergence protocol), RRC(radio resource control), SDAP(service data adaptation protocol)와 같은 기능적 계층)을 구현할 수 있다. 하나 이상의 프로세서(202a, 202b)는 본 명세서에 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(202a, 202b)는 본 명세서에 개시된 설명, 기능, 절차, 제안, 방법 및/또는 동작 순서도들에 따라 메시지, 제어정보, 데이터 또는 정보를 생성할 수 있다. 하나 이상의 프로세서(202a, 202b)는 본 명세서에 개시된 기능, 절차, 제안 및/또는 방법에 따라 PDU, SDU, 메시지, 제어정보, 데이터 또는 정보를 포함하는 신호(예, 베이스밴드 신호)를 생성하여, 하나 이상의 송수신기(206a, 206b)에게 제공할 수 있다. 하나 이상의 프로세서(202a, 202b)는 하나 이상의 송수신기(206a, 206b)로부터 신호(예, 베이스밴드 신호)를 수신할 수 있고, 본 명세서에 개시된 설명, 기능, 절차, 제안, 방법 및/또는 동작 순서도들에 따라 PDU, SDU, 메시지, 제어정보, 데이터 또는 정보를 획득할 수 있다.
하나 이상의 프로세서(202a, 202b)는 컨트롤러, 마이크로 컨트롤러, 마이크로 프로세서 또는 마이크로 컴퓨터로 지칭될 수 있다. 하나 이상의 프로세서(202a, 202b)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(202a, 202b)에 포함될 수 있다. 본 명세서에 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 명세서에 개시된 설명, 기능, 절차, 제안, 방법 및/또는 동작 순서도들은 수행하도록 설정된 펌웨어 또는 소프트웨어는 하나 이상의 프로세서(202a, 202b)에 포함되거나, 하나 이상의 메모리(204a, 204b)에 저장되어 하나 이상의 프로세서(202a, 202b)에 의해 구동될 수 있다. 본 명세서에 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(204a, 204b)는 하나 이상의 프로세서(202a, 202b)와 연결될 수 있고, 다양한 형태의 데이터, 신호, 메시지, 정보, 프로그램, 코드, 지시 및/또는 명령을 저장할 수 있다. 하나 이상의 메모리(204a, 204b)는 ROM(read only memory), RAM(random access memory), EPROM(erasable programmable read only memory), 플래시 메모리, 하드 드라이브, 레지스터, 캐쉬 메모리, 컴퓨터 판독 저장 매체 및/또는 이들의 조합으로 구성될 수 있다. 하나 이상의 메모리(204a, 204b)는 하나 이상의 프로세서(202a, 202b)의 내부 및/또는 외부에 위치할 수 있다. 또한, 하나 이상의 메모리(204a, 204b)는 유선 또는 무선 연결과 같은 다양한 기술을 통해 하나 이상의 프로세서(202a, 202b)와 연결될 수 있다.
하나 이상의 송수신기(206a, 206b)는 하나 이상의 다른 장치에게 본 명세서의 방법들 및/또는 동작 순서도 등에서 언급되는 사용자 데이터, 제어 정보, 무선 신호/채널 등을 전송할 수 있다. 하나 이상의 송수신기(206a, 206b)는 하나 이상의 다른 장치로부터 본 명세서에 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(206a, 206b)는 하나 이상의 프로세서(202a, 202b)와 연결될 수 있고, 무선 신호를 송수신할 수 있다. 예를 들어, 하나 이상의 프로세서(202a, 202b)는 하나 이상의 송수신기(206a, 206b)가 하나 이상의 다른 장치에게 사용자 데이터, 제어 정보 또는 무선 신호를 전송하도록 제어할 수 있다. 또한, 하나 이상의 프로세서(202a, 202b)는 하나 이상의 송수신기(206a, 206b)가 하나 이상의 다른 장치로부터 사용자 데이터, 제어 정보 또는 무선 신호를 수신하도록 제어할 수 있다. 또한, 하나 이상의 송수신기(206a, 206b)는 하나 이상의 안테나(208a, 208b)와 연결될 수 있고, 하나 이상의 송수신기(206a, 206b)는 하나 이상의 안테나(208a, 208b)를 통해 본 명세서에 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 명세서에서, 하나 이상의 안테나는 복수의 물리 안테나이거나, 복수의 논리 안테나(예, 안테나 포트)일 수 있다. 하나 이상의 송수신기(206a, 206b)는 수신된 사용자 데이터, 제어 정보, 무선 신호/채널 등을 하나 이상의 프로세서(202a, 202b)를 이용하여 처리하기 위해, 수신된 무선 신호/채널 등을 RF 밴드 신호에서 베이스밴드 신호로 변환(Convert)할 수 있다. 하나 이상의 송수신기(206a, 206b)는 하나 이상의 프로세서(202a, 202b)를 이용하여 처리된 사용자 데이터, 제어 정보, 무선 신호/채널 등을 베이스밴드 신호에서 RF 밴드 신호로 변환할 수 있다. 이를 위하여, 하나 이상의 송수신기(206a, 206b)는 (아날로그) 오실레이터 및/또는 필터를 포함할 수 있다.
도 3은 본 명세서에 적용되는 전송 신호를 처리하는 방법을 도시한 도면이다. 일 예로, 전송 신호는 신호 처리 회로에 의해 처리될 수 있다. 이때, 신호 처리 회로(300)는 스크램블러(310), 변조기(320), 레이어 매퍼(330), 프리코더(340), 자원 매퍼(350), 신호 생성기(360)를 포함할 수 있다. 이때, 일 예로, 도 3의 동작/기능은 도 2의 프로세서(202a, 202b) 및/또는 송수신기(206a, 206b)에서 수행될 수 있다. 또한, 일 예로, 도 3의 하드웨어 요소는 도 2의 프로세서(202a, 202b) 및/또는 송수신기(206a, 206b)에서 구현될 수 있다. 일 예로, 블록 310~350은 도 2의 프로세서(202a, 202b)에서 구현되고, 블록 360은 도 2의 송수신기(206a, 206b)에서 구현될 수 있으며, 상술한 실시 예로 한정되지 않는다.
코드워드는 도 3의 신호 처리 회로(300)를 거쳐 무선 신호로 변환될 수 있다. 여기서, 코드워드는 정보블록의 부호화된 비트 시퀀스이다. 정보블록은 전송블록(예, UL-SCH 전송블록, DL-SCH 전송블록)을 포함할 수 있다. 무선 신호는 도 6의 다양한 물리 채널(예, PUSCH, PDSCH)을 통해 전송될 수 있다. 구체적으로, 코드워드는 스크램블러(310)에 의해 스크램블된 비트 시퀀스로 변환될 수 있다. 스크램블에 사용되는 스크램블 시퀀스는 초기화 값에 기반하여 생성되며, 초기화 값은 무선 기기의 ID 정보 등이 포함될 수 있다. 스크램블된 비트 시퀀스는 변조기(320)에 의해 변조 심볼 시퀀스로 변조될 수 있다. 변조 방식은 pi/2-BPSK(pi/2-binary phase shift keying), m-PSK(m-phase shift keying), m-QAM(m-quadrature amplitude modulation) 등을 포함할 수 있다.
복소 변조 심볼 시퀀스는 레이어 매퍼(330)에 의해 하나 이상의 전송 레이어로 매핑될 수 있다. 각 전송 레이어의 변조 심볼들은 프리코더(340)에 의해 해당 안테나 포트(들)로 매핑될 수 있다(프리코딩). 프리코더(340)의 출력 z는 레이어 매퍼(330)의 출력 y를 N*M의 프리코딩 행렬 W와 곱해 얻을 수 있다. 여기서, N은 안테나 포트의 개수, M은 전송 레이어의 개수이다. 여기서, 프리코더(340)는 복소 변조 심볼들에 대한 트랜스폼(transform) 프리코딩(예, DFT(discrete fourier transform) 변환)을 수행한 이후에 프리코딩을 수행할 수 있다. 또한, 프리코더(340)는 트랜스폼 프리코딩을 수행하지 않고 프리코딩을 수행할 수 있다.
자원 매퍼(350)는 각 안테나 포트의 변조 심볼들을 시간-주파수 자원에 매핑할 수 있다. 시간-주파수 자원은 시간 도메인에서 복수의 심볼(예, CP-OFDMA 심볼, DFT-s-OFDMA 심볼)을 포함하고, 주파수 도메인에서 복수의 부반송파를 포함할 수 있다. 신호 생성기(360)는 매핑된 변조 심볼들로부터 무선 신호를 생성하며, 생성된 무선 신호는 각 안테나를 통해 다른 기기로 전송될 수 있다. 이를 위해, 신호 생성기(360)는 IFFT(inverse fast fourier transform) 모듈 및 CP(cyclic prefix) 삽입기, DAC(digital-to-analog converter), 주파수 상향 변환기(frequency uplink converter) 등을 포함할 수 있다.
무선 기기에서 수신 신호를 위한 신호 처리 과정은 도 3의 신호 처리 과정(310~360)의 역으로 구성될 수 있다. 일 예로, 무선 기기(예, 도 2의 200a, 200b)는 안테나 포트/송수신기를 통해 외부로부터 무선 신호를 수신할 수 있다. 수신된 무선 신호는 신호 복원기를 통해 베이스밴드 신호로 변환될 수 있다. 이를 위해, 신호 복원기는 주파수 하향 변환기(frequency downlink converter), ADC(analog-to-digital converter), CP 제거기, FFT(fast fourier transform) 모듈을 포함할 수 있다. 이후, 베이스밴드 신호는 자원 디-매퍼 과정, 포스트코딩(postcoding) 과정, 복조 과정 및 디-스크램블 과정을 거쳐 코드워드로 복원될 수 있다. 코드워드는 복호(decoding)를 거쳐 원래의 정보블록으로 복원될 수 있다. 따라서, 수신 신호를 위한 신호 처리 회로(미도시)는 신호 복원기, 자원 디-매퍼, 포스트코더, 복조기, 디-스크램블러 및 복호기를 포함할 수 있다.
본 명세서에 적용 가능한 무선 기기 구조
도 4는 본 명세서에 적용되는 무선 기기의 다른 예시를 도시한 도면이다.
도 4를 참조하면, 무선 기기(400)는 도 2의 무선 기기(200a, 200b)에 대응하며, 다양한 요소(element), 성분(component), 유닛/부(unit), 및/또는 모듈(module)로 구성될 수 있다. 예를 들어, 무선 기기(400)는 통신부(410), 제어부(420), 메모리부(430) 및 추가 요소(440)를 포함할 수 있다. 통신부는 통신 회로(412) 및 송수신기(들)(414)을 포함할 수 있다. 예를 들어, 통신 회로(412)는 도 2의 하나 이상의 프로세서(202a, 202b) 및/또는 하나 이상의 메모리(204a, 204b)를 포함할 수 있다. 예를 들어, 송수신기(들)(414)는 도 2의 하나 이상의 송수신기(206a, 206b) 및/또는 하나 이상의 안테나(208a, 208b)을 포함할 수 있다. 제어부(420)는 통신부(410), 메모리부(430) 및 추가 요소(440)와 전기적으로 연결되며 무선 기기의 제반 동작을 제어한다. 예를 들어, 제어부(420)는 메모리부(430)에 저장된 프로그램/코드/명령/정보에 기반하여 무선 기기의 전기적/기계적 동작을 제어할 수 있다. 또한, 제어부(420)는 메모리부(430)에 저장된 정보를 통신부(410)을 통해 외부(예, 다른 통신 기기)로 무선/유선 인터페이스를 통해 전송하거나, 통신부(410)를 통해 외부(예, 다른 통신 기기)로부터 무선/유선 인터페이스를 통해 수신된 정보를 메모리부(430)에 저장할 수 있다.
추가 요소(440)는 무선 기기의 종류에 따라 다양하게 구성될 수 있다. 예를 들어, 추가 요소(440)는 파워 유닛/배터리, 입출력부(input/output unit), 구동부 및 컴퓨팅부 중 적어도 하나를 포함할 수 있다. 이로 제한되는 것은 아니지만, 무선 기기(400)는 로봇(도 1, 100a), 차량(도 1, 100b-1, 100b-2), XR 기기(도 1, 100c), 휴대 기기(도 1, 100d), 가전(도 1, 100e), IoT 기기(도 1, 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 1, 140), 기지국(도 1, 120), 네트워크 노드 등의 형태로 구현될 수 있다. 무선 기기는 사용-예/서비스에 따라 이동 가능하거나 고정된 장소에서 사용될 수 있다.
도 4에서 무선 기기(400) 내의 다양한 요소, 성분, 유닛/부, 및/또는 모듈은 전체가 유선 인터페이스를 통해 상호 연결되거나, 적어도 일부가 통신부(410)를 통해 무선으로 연결될 수 있다. 예를 들어, 무선 기기(400) 내에서 제어부(420)와 통신부(410)는 유선으로 연결되며, 제어부(420)와 제1 유닛(예, 430, 440)은 통신부(410)를 통해 무선으로 연결될 수 있다. 또한, 무선 기기(400) 내의 각 요소, 성분, 유닛/부, 및/또는 모듈은 하나 이상의 요소를 더 포함할 수 있다. 예를 들어, 제어부(420)는 하나 이상의 프로세서 집합으로 구성될 수 있다. 예를 들어, 제어부(420)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(430)는 RAM, DRAM(dynamic RAM), ROM, 플래시 메모리(flash memory), 휘발성 메모리(volatile memory), 비-휘발성 메모리(non-volatile memory) 및/또는 이들의 조합으로 구성될 수 있다.
본 명세서가 적용 가능한 휴대 기기
도 5는 본 명세서에 적용되는 휴대 기기의 예시를 도시한 도면이다.
도 5는 본 명세서에 적용되는 휴대 기기를 예시한다. 휴대 기기는 스마트폰, 스마트패드, 웨어러블 기기(예, 스마트 워치, 스마트 글래스), 휴대용 컴퓨터(예, 노트북 등)을 포함할 수 있다. 휴대 기기는 MS(mobile station), UT(user terminal), MSS(mobile subscriber station), SS(subscriber station), AMS(advanced mobile station) 또는 WT(wireless terminal)로 지칭될 수 있다.
도 5를 참조하면, 휴대 기기(500)는 안테나부(508), 통신부(510), 제어부(520), 메모리부(530), 전원공급부(540a), 인터페이스부(540b) 및 입출력부(540c)를 포함할 수 있다. 안테나부(508)는 통신부(510)의 일부로 구성될 수 있다. 블록 510~530/540a~540c는 각각 도 4의 블록 410~430/440에 대응한다.
통신부(510)는 다른 무선 기기, 기지국들과 신호(예, 데이터, 제어 신호 등)를 송수신할 수 있다. 제어부(520)는 휴대 기기(500)의 구성 요소들을 제어하여 다양한 동작을 수행할 수 있다. 제어부(520)는 AP(application processor)를 포함할 수 있다. 메모리부(530)는 휴대 기기(500)의 구동에 필요한 데이터/파라미터/프로그램/코드/명령을 저장할 수 있다. 또한, 메모리부(530)는 입/출력되는 데이터/정보 등을 저장할 수 있다. 전원공급부(540a)는 휴대 기기(500)에게 전원을 공급하며, 유/무선 충전 회로, 배터리 등을 포함할 수 있다. 인터페이스부(540b)는 휴대 기기(500)와 다른 외부 기기의 연결을 지원할 수 있다. 인터페이스부(540b)는 외부 기기와의 연결을 위한 다양한 포트(예, 오디오 입/출력 포트, 비디오 입/출력 포트)를 포함할 수 있다. 입출력부(540c)는 영상 정보/신호, 오디오 정보/신호, 데이터, 및/또는 사용자로부터 입력되는 정보를 입력 받거나 출력할 수 있다. 입출력부(540c)는 카메라, 마이크로폰, 사용자 입력부, 디스플레이부(540d), 스피커 및/또는 햅틱 모듈 등을 포함할 수 있다.
일 예로, 데이터 통신의 경우, 입출력부(540c)는 사용자로부터 입력된 정보/신호(예, 터치, 문자, 음성, 이미지, 비디오)를 획득하며, 획득된 정보/신호는 메모리부(530)에 저장될 수 있다. 통신부(510)는 메모리에 저장된 정보/신호를 무선 신호로 변환하고, 변환된 무선 신호를 다른 무선 기기에게 직접 전송하거나 기지국에게 전송할 수 있다. 또한, 통신부(510)는 다른 무선 기기 또는 기지국으로부터 무선 신호를 수신한 뒤, 수신된 무선 신호를 원래의 정보/신호로 복원할 수 있다. 복원된 정보/신호는 메모리부(530)에 저장된 뒤, 입출력부(540c)를 통해 다양한 형태(예, 문자, 음성, 이미지, 비디오, 햅틱)로 출력될 수 있다.
물리 채널들 및 일반적인 신호 전송
무선 접속 시스템에서 단말은 하향링크(downlink, DL)를 통해 기지국으로부터 정보를 수신하고, 상향링크(uplink, UL)를 통해 기지국으로 정보를 전송할 수 있다. 기지국과 단말이 송수신하는 정보는 일반 데이터 정보 및 다양한 제어 정보를 포함하고, 이들이 송수신 하는 정보의 종류/용도에 따라 다양한 물리 채널이 존재한다.
도 6은 본 명세서에 적용되는 물리 채널들 및 이들을 이용한 신호 전송 방법을 도시한 도면이다.
전원이 꺼진 상태에서 다시 전원이 켜지거나, 새로이 셀에 진입한 단말은 S611 단계에서 기지국과 동기를 맞추는 등의 초기 셀 탐색(initial cell search) 작업을 수행한다. 이를 위해 단말은 기지국으로부터 주 동기 채널(primary synchronization channel, P-SCH) 및 부 동기 채널(secondary synchronization channel, S-SCH)을 수신하여 기지국과 동기를 맞추고, 셀 ID 등의 정보를 획득할 수 있다.
그 후, 단말은 기지국으로부터 물리 방송 채널(physical broadcast channel, PBCH) 신호를 수신하여 셀 내 방송 정보를 획득할 수 있다. 한편, 단말은 초기 셀 탐색 단계에서 하향링크 참조 신호 (DL RS: Downlink Reference Signal)를 수신하여 하향링크 채널 상태를 확인할 수 있다. 초기 셀 탐색을 마친 단말은 S612 단계에서 물리 하향링크 제어 채널(physical downlink control channel, PDCCH) 및 물리 하향링크 제어 채널 정보에 따른 물리 하향링크 공유 채널(physical downlink control channel, PDSCH)을 수신하여 조금 더 구체적인 시스템 정보를 획득할 수 있다.
이후, 단말은 기지국에 접속을 완료하기 위해 이후 단계 S613 내지 단계 S616과 같은 임의 접속 과정(random access procedure)을 수행할 수 있다. 이를 위해 단말은 물리 임의 접속 채널(physical random access channel, PRACH)을 통해 프리앰블 (preamble)을 전송하고(S613), 물리 하향링크 제어 채널 및 이에 대응하는 물리 하향링크 공유 채널을 통해 프리앰블에 대한 RAR(random access response)를 수신할 수 있다(S614). 단말은 RAR 내의 스케줄링 정보를 이용하여 PUSCH(physical uplink shared channel)을 전송하고(S615), 물리 하향링크 제어채널 신호 및 이에 대응하는 물리 하향링크 공유 채널 신호의 수신과 같은 충돌 해결 절차(contention resolution procedure)를 수행할 수 있다(S616).
상술한 바와 같은 절차를 수행한 단말은 이후 일반적인 상/하향링크 신호 전송 절차로서 물리 하향링크 제어 채널 신호 및/또는 물리 하향링크 공유 채널 신호의 수신(S617) 및 물리 상향링크 공유 채널(physical uplink shared channel, PUSCH) 신호 및/또는 물리 상향링크 제어 채널(physical uplink control channel, PUCCH) 신호의 전송(S618)을 수행할 수 있다.
단말이 기지국으로 전송하는 제어정보를 통칭하여 상향링크 제어정보(uplink control information, UCI)라고 지칭한다. UCI는 HARQ-ACK/NACK(hybrid automatic repeat and request acknowledgement/negative-ACK), SR(scheduling request), CQI(channel quality indication), PMI(precoding matrix indication), RI(rank indication), BI(beam indication) 정보 등을 포함한다. 이때, UCI는 일반적으로 PUCCH를 통해 주기적으로 전송되지만, 실시 예에 따라(예, 제어정보와 트래픽 데이터가 동시에 전송되어야 할 경우) PUSCH를 통해 전송될 수 있다. 또한, 네트워크의 요청/지시에 의해 단말은 PUSCH를 통해 UCI를 비주기적으로 전송할 수 있다.
도 7은 본 명세서에 적용 가능한 무선 프레임의 구조를 도시한 도면이다.
NR 시스템에 기초한 상향링크 및 하향링크 전송은 도 7과 같은 프레임에 기초할 수 있다. 이때, 하나의 무선 프레임은 10ms의 길이를 가지며, 2개의 5ms 하프-프레임(half-frame, HF)으로 정의될 수 있다. 하나의 하프-프레임은 5개의 1ms 서브프레임(subframe, SF)으로 정의될 수 있다. 하나의 서브프레임은 하나 이상의 슬롯으로 분할되며, 서브프레임 내 슬롯 개수는 SCS(subcarrier spacing)에 의존할 수 있다. 이때, 각 슬롯은 CP(cyclic prefix)에 따라 12개 또는 14개의 OFDM(A) 심볼들을 포함할 수 있다. 일반 CP(normal CP)가 사용되는 경우, 각 슬롯은 14개의 심볼들을 포함할 수 있다. 확장 CP(extended CP)가 사용되는 경우, 각 슬롯은 12개의 심볼들을 포함할 수 있다. 여기서, 심볼은 OFDM 심볼(또는, CP-OFDM 심볼), SC-FDMA 심볼(또는, DFT-s-OFDM 심볼)을 포함할 수 있다.
표 1은 일반 CP가 사용되는 경우, SCS에 따른 슬롯 별 심볼의 개수, 프레임 별 슬롯의 개수 및 서브프레임 별 슬롯의 개수를 나타내고, 표 2는 확장된 CSP가 사용되는 경우, SCS에 따른 슬롯 별 심볼의 개수, 프레임 별 슬롯의 개수 및 서브프레임 별 슬롯의 개수를 나타낸다.
Figure PCTKR2021010160-appb-img-000001
Figure PCTKR2021010160-appb-img-000002
상기 표 1 및 표 2에서,
Figure PCTKR2021010160-appb-img-000003
는 슬롯 내 심볼의 개수를 나타내고,
Figure PCTKR2021010160-appb-img-000004
는 프레임 내 슬롯의 개수를 나타내고,
Figure PCTKR2021010160-appb-img-000005
는 서브프레임 내 슬롯의 개수를 나타낼 수 있다.
또한, 본 명세서가 적용 가능한 시스템에서, 하나의 단말에게 병합되는 복수의 셀들간에 OFDM(A) 뉴모놀로지(numerology)(예, SCS, CP 길이 등)가 상이하게 설정될 수 있다. 이에 따라, 동일한 개수의 심볼로 구성된 시간 자원(예, SF, 슬롯 또는 TTI)(편의상, TU(time unit)로 통칭)의 (절대 시간) 구간이 병합된 셀들 간에 상이하게 설정될 수 있다.
NR은 다양한 5G 서비스들을 지원하기 위한 다수의 numerology(또는 SCS(subcarrier spacing))를 지원할 수 있다. 예를 들어, SCS가 15kHz인 경우, 전통적인 셀룰러 밴드들에서의 넓은 영역(wide area)를 지원하며, SCS가 30kHz/60kHz인 경우, 밀집한-도시(dense-urban), 더 낮은 지연(lower latency) 및 더 넓은 캐리어 대역폭(wider carrier bandwidth)를 지원하며, SCS가 60kHz 또는 그보다 높은 경우, 위상 잡음(phase noise)를 극복하기 위해 24.25GHz보다 큰 대역폭을 지원할 수 있다.
NR 주파수 밴드(frequency band)는 2가지 type(FR1, FR2)의 주파수 범위(frequency range)로 정의된다. FR1, FR2는 아래 표와 같이 구성될 수 있다. 또한, FR2는 밀리미터 웨이브(millimeter wave, mmW)를 의미할 수 있다.
Figure PCTKR2021010160-appb-img-000006
또한, 일 예로, 본 명세서가 적용 가능한 통신 시스템에서 상술한 뉴모놀로지(numerology)가 다르게 설정될 수 있다. 일 예로, 상술한 FR2보다 높은 주파수 대역으로 테라헤르츠 웨이브(Terahertz wave, THz) 대역이 사용될 수 있다. THz 대역에서 SCS는 NR 시스템보다 더 크게 설정될 수 있으며, 슬롯 수도 상이하게 설정될 수 있으며, 상술한 실시 예로 한정되지 않는다. THz 대역에 대해서는 하기에서 후술한다.
도 8은 본 명세서에 적용 가능한 슬롯 구조를 도시한 도면이다.
하나의 슬롯은 시간 도메인에서 복수의 심볼을 포함한다. 예를 들어, 보통 CP의 경우 하나의 슬롯이 7개의 심볼을 포함하나, 확장 CP의 경우 하나의 슬롯이 6개의 심볼을 포함할 수 있다. 반송파(carrier)는 주파수 도메인에서 복수의 부반송파(subcarrier)를 포함한다. RB(Resource Block)는 주파수 도메인에서 복수(예, 12)의 연속한 부반송파로 정의될 수 있다.
또한, BWP(Bandwidth Part)는 주파수 도메인에서 복수의 연속한 (P)RB로 정의되며, 하나의 뉴모놀로지(numerology)(예, SCS, CP 길이 등)에 대응될 수 있다.
반송파는 최대 N개(예, 5개)의 BWP를 포함할 수 있다. 데이터 통신은 활성화된 BWP를 통해서 수행되며, 하나의 단말한테는 하나의 BWP만 활성화될 수 있다. 자원 그리드에서 각각의 요소는 자원요소(Resource Element, RE)로 지칭되며, 하나의 복소 심볼이 매핑될 수 있다.
6G 통신 시스템
6G (무선통신) 시스템은 (i) 디바이스 당 매우 높은 데이터 속도, (ii) 매우 많은 수의 연결된 디바이스들, (iii) 글로벌 연결성(global connectivity), (iv) 매우 낮은 지연, (v) 배터리-프리(battery-free) IoT 디바이스들의 에너지 소비를 낮추고, (vi) 초고신뢰성 연결, (vii) 머신 러닝 능력을 가지는 연결된 지능 등에 목적이 있다. 6G 시스템의 비젼은 "intelligent connectivity", "deep connectivity", "holographic connectivity", "ubiquitous connectivity"와 같은 4가지 측면일 수 있으며, 6G 시스템은 하기 표 4와 같은 요구 사항을 만족시킬 수 있다. 즉, 표 4는 6G 시스템의 요구 사항을 나타낸 표이다.
Figure PCTKR2021010160-appb-img-000007
이때, 6G 시스템은 향상된 모바일 브로드밴드(enhanced mobile broadband, eMBB), 초-저지연 통신(ultra-reliable low latency communications, URLLC), mMTC (massive machine type communications), AI 통합 통신(AI integrated communication), 촉각 인터넷(tactile internet), 높은 스루풋(high throughput), 높은 네트워크 능력(high network capacity), 높은 에너지 효율(high energy efficiency), 낮은 백홀 및 접근 네트워크 혼잡(low backhaul and access network congestion) 및 향상된 데이터 보안(enhanced data security)과 같은 핵심 요소(key factor)들을 가질 수 있다.
도 9는 본 명세서에 적용 가능한 6G 시스템에서 제공 가능한 통신 구조의 일례를 도시한 도면이다.
도 9를 참조하면, 6G 시스템은 5G 무선통신 시스템보다 50배 더 높은 동시 무선통신 연결성을 가질 것으로 예상된다. 5G의 핵심 요소(key feature)인 URLLC는 6G 통신에서 1ms보다 적은 단-대-단(end-to-end) 지연을 제공함으로써 보다 더 주요한 기술이 될 것으로 예상된다. 이때, 6G 시스템은 자주 사용되는 영역 스펙트럼 효율과 달리 체적 스펙트럼 효율이 훨씬 우수할 것이다. 6G 시스템은 매우 긴 배터리 수명과 에너지 수확을 위한 고급 배터리 기술을 제공할 수 있어, 6G 시스템에서 모바일 디바이스들은 별도로 충전될 필요가 없을 수 있다. 또한, 6G에서 새로운 네트워크 특성들은 다음과 같을 수 있다.
- 위성 통합 네트워크(Satellites integrated network): 글로벌 모바일 집단을 제공하기 위해 6G는 위성과 통합될 것으로 예상된다. 지상파, 위성 및 공중 네트워크를 하나의 무선통신 시스템으로 통합은 6G에 매우 중요할 수 있다.
- 연결된 인텔리전스(connected intelligence): 이전 세대의 무선 통신 시스템과 달리 6G는 혁신적이며, “연결된 사물”에서 "연결된 지능"으로 무선 진화가 업데이트될 것이다. AI는 통신 절차의 각 단계(또는 후술할 신호 처리의 각 절차)에서 적용될 수 있다.
- 무선 정보 및 에너지 전달의 완벽한 통합(seamless integration wireless information and energy transfer): 6G 무선 네트워크는 스마트폰들과 센서들과 같이 디바이스들의 배터리를 충전하기 위해 전력을 전달할 것이다. 그러므로, 무선 정보 및 에너지 전송 (WIET)은 통합될 것이다.
- 유비쿼터스 슈퍼 3D 연결(ubiquitous super 3-dimemtion connectivity): 드론 및 매우 낮은 지구 궤도 위성의 네트워크 및 핵심 네트워크 기능에 접속은 6G 유비쿼터스에서 슈퍼 3D 연결을 만들 것이다.
위와 같은 6G의 새로운 네트워크 특성들에서 몇 가지 일반적인 요구 사항은 다음과 같을 수 있다.
- 스몰 셀 네트워크(small cell networks): 스몰 셀 네트워크의 아이디어는 셀룰러 시스템에서 처리량, 에너지 효율 및 스펙트럼 효율 향상의 결과로 수신 신호 품질을 향상시키기 위해 도입되었다. 결과적으로, 스몰 셀 네트워크는 5G 및 비욘드 5G (5GB) 이상의 통신 시스템에 필수적인 특성이다. 따라서, 6G 통신 시스템 역시 스몰 셀 네트워크의 특성을 채택한다.
- 초 고밀도 이기종 네트워크(ultra-dense heterogeneous network): 초 고밀도 이기종 네트워크들은 6G 통신 시스템의 또 다른 중요한 특성이 될 것이다. 이기종 네트워크로 구성된 멀티-티어 네트워크는 전체 QoS를 개선하고 비용을 줄인다.
- 대용량 백홀(high-capacity backhaul): 백홀 연결은 대용량 트래픽을 지원하기 위해 대용량 백홀 네트워크로 특징 지어진다. 고속 광섬유 및 자유 공간 광학 (FSO) 시스템이 이 문제에 대한 가능한 솔루션일 수 있다.
- 모바일 기술과 통합된 레이더 기술: 통신을 통한 고정밀 지역화(또는 위치 기반 서비스)는 6G 무선통신 시스템의 기능 중 하나이다. 따라서, 레이더 시스템은 6G 네트워크와 통합될 것이다.
- 소프트화 및 가상화(softwarization and virtualization): 소프트화 및 가상화는 유연성, 재구성성 및 프로그래밍 가능성을 보장하기 위해 5GB 네트워크에서 설계 프로세스의 기초가 되는 두 가지 중요한 기능이다. 또한, 공유 물리적 인프라에서 수십억 개의 장치가 공유될 수 있다.
6G 시스템의 핵심 구현 기술
- 인공 지능(artificial Intelligence, AI)
6G 시스템에 가장 중요하며, 새로 도입될 기술은 AI이다. 4G 시스템에는 AI가 관여하지 않았다. 5G 시스템은 부분 또는 매우 제한된 AI를 지원할 것이다. 그러나, 6G 시스템은 완전히 자동화를 위해 AI가 지원될 것이다. 머신 러닝의 발전은 6G에서 실시간 통신을 위해 보다 지능적인 네트워크를 만들 것이다. 통신에 AI를 도입하면 실시간 데이터 전송이 간소화되고 향상될 수 있다. AI는 수많은 분석을 사용하여 복잡한 대상 작업이 수행되는 방식을 결정할 수 있다. 즉, AI는 효율성을 높이고 처리 지연을 줄일 수 있다.
핸드 오버, 네트워크 선택, 자원 스케줄링과 같은 시간 소모적인 작업은 AI를 사용함으로써 즉시 수행될 수 있다. AI는 M2M, 기계-대-인간 및 인간-대-기계 통신에서도 중요한 역할을 할 수 있다. 또한, AI는 BCI(brain computer interface)에서 신속한 통신이 될 수 있다. AI 기반 통신 시스템은 메타 물질, 지능형 구조, 지능형 네트워크, 지능형 장치, 지능형 인지 라디오(radio), 자체 유지 무선 네트워크 및 머신 러닝에 의해 지원될 수 있다.
최근 AI를 무선 통신 시스템과 통합하려고 하는 시도들이 나타나고 있으나, 이는 어플리케이션 계층(application layer), 네트워크 계층(network layer) 특히, 딥 러닝은 무선 자원 관리 및 할당(wireless resource management and allocation) 분야에 집중되어 왔다. 그러나, 이러한 연구는 점점 MAC 계층 및 물리 계층으로 발전하고 있으며, 특히 물리계층에서 딥 러닝을 무선 전송(wireless transmission)과 결합하고자 하는 시도들이 나타나고 있다. AI 기반의 물리계층 전송은, 근본적인 신호 처리 및 통신 메커니즘에 있어서, 전통적인 통신 프레임워크가 아니라 AI 드라이버에 기초한 신호 처리 및 통신 메커니즘을 적용하는 것을 의미한다. 예를 들어, 딥러닝 기반의 채널 코딩 및 디코딩(channel coding and decoding), 딥러닝 기반의 신호 추정(estimation) 및 검출(detection), 딥러닝 기반의 MIMO(multiple input multiple output) 매커니즘(mechanism), AI 기반의 자원 스케줄링(scheduling) 및 할당(allocation) 등을 포함할 수 있다.
머신 러닝은 채널 추정 및 채널 트래킹을 위해 사용될 수 있으며, DL(downlink)의 물리 계층(physical layer)에서 전력 할당(power allocation), 간섭 제거(interference cancellation) 등에 사용될 수 있다. 또한, 머신 러닝은 MIMO 시스템에서 안테나 선택, 전력 제어(power control), 심볼 검출(symbol detection) 등에도 사용될 수 있다.
그러나 물리계층에서의 전송을 위한 DNN의 적용은 아래와 같은 문제점이 있을 수 있다.
딥러닝 기반의 AI 알고리즘은 훈련 파라미터를 최적화하기 위해 수많은 훈련 데이터가 필요하다. 그러나 특정 채널 환경에서의 데이터를 훈련 데이터로 획득하는데 있어서의 한계로 인해, 오프라인 상에서 많은 훈련 데이터를 사용한다. 이는 특정 채널 환경에서 훈련 데이터에 대한 정적 훈련(static training)은, 무선 채널의 동적 특성 및 다이버시티(diversity) 사이에 모순(contradiction)이 생길 수 있다.
또한, 현재 딥 러닝은 주로 실제 신호(real signal)을 대상으로 한다. 그러나, 무선 통신의 물리 계층의 신호들은 복소 신호(complex signal)이다. 무선 통신 신호의 특성을 매칭시키기 위해 복소(complex) 도메인 신호의 검출하는 신경망(neural network)에 대한 연구가 더 필요하다.
이하, 머신 러닝에 대해 보다 구체적으로 살펴본다.
머신 러닝은 사람이 할 수 있거나 혹은 하기 어려운 작업을 대신해낼 수 있는 기계를 만들어 내기 위해 기계를 학습시키는 일련의 동작을 의미한다. 머신 러닝을 위해서는 데이터와 러닝 모델이 필요하다. 머신 러닝에서 데이터의 학습 방법은 크게 3가지 즉, 지도 학습(supervised learning), 비지도 학습(unsupervised learning) 그리고 강화 학습(reinforcement learning)으로 구분될 수 있다.
신경망 학습은 출력의 오류를 최소화하기 위한 것이다. 신경망 학습은 반복적으로 학습 데이터를 신경망에 입력시키고 학습 데이터에 대한 신경망의 출력과 타겟의 에러를 계산하고, 에러를 줄이기 위한 방향으로 신경망의 에러를 신경망의 출력 레이어에서부터 입력 레이어 방향으로 역전파(backpropagation) 하여 신경망의 각 노드의 가중치를 업데이트하는 과정이다.
지도 학습은 학습 데이터에 정답이 라벨링된 학습 데이터를 사용하며 비지도 학습은 학습 데이터에 정답이 라벨링되어 있지 않을 수 있다. 즉, 예를 들어 데이터 분류에 관한 지도 학습의 경우의 학습 데이터는 학습 데이터 각각에 카테고리가 라벨링된 데이터 일 수 있다. 라벨링된 학습 데이터가 신경망에 입력되고 신경망의 출력(카테고리)과 학습 데이터의 라벨을 비교하여 오차(error)가 계산될 수 있다. 계산된 오차는 신경망에서 역방향(즉, 출력 레이어에서 입력 레이어 방향)으로 역전파 되며, 역전파에 따라 신경망의 각 레이어의 각 노드들의 연결 가중치가 업데이트 될 수 있다. 업데이트 되는 각 노드의 연결 가중치는 학습률(learning rate)에 따라 변화량이 결정될 수 있다. 입력 데이터에 대한 신경망의 계산과 에러의 역전파는 학습 사이클(epoch)을 구성할 수 있다. 학습률은 신경망의 학습 사이클의 반복 횟수에 따라 상이하게 적용될 수 있다. 예를 들어, 신경망의 학습 초기에는 높은 학습률을 사용하여 신경망이 빠르게 일정 수준의 성능을 확보하도록 하여 효율성을 높이고, 학습 후기에는 낮은 학습률을 사용하여 정확도를 높일 수 있다
데이터의 특징에 따라 학습 방법은 달라질 수 있다. 예를 들어, 통신 시스템 상에서 송신단에서 전송한 데이터를 수신단에서 정확하게 예측하는 것을 목적으로 하는 경우, 비지도 학습 또는 강화 학습 보다는 지도 학습을 이용하여 학습을 수행하는 것이 바람직하다.
러닝 모델은 인간의 뇌에 해당하는 것으로서, 가장 기본적인 선형 모델을 생각할 수 있으나, 인공 신경망(artificial neural networks)와 같은 복잡성이 높은 신경망 구조를 러닝 모델로 사용하는 머신 러닝의 패러다임을 딥러닝(deep learning)이라 한다.
학습(learning) 방식으로 사용하는 신경망 코어(neural network cord)는 크게 심층 신경망(deep neural networks, DNN), 합성곱 신경망(convolutional deep neural networks, CNN), 순환 신경망(recurrent boltzmann machine, RNN) 방식이 있으며, 이러한 러닝 모델이 적용될 수 있다.
인공 신경망(artificial neural network)은 여러 개의 퍼셉트론을 연결한 예시이다.
도 10은 퍼셉트론 구조의 일 예를 나타낸다.
도 10을 참조하면, 입력 벡터 x=(x1,x2,...,xd) 가 입력되면 각 성분에 가중치(W1,W2,...,Wd)를 곱하고, 그 결과를 모두 합산한 후, 활성함수 σ() 를 적용하는 전체 과정을 퍼셉트론(perceptron)이라 한다. 거대한 인공 신경망 구조는 도 10에 도시한 단순화된 퍼셉트론 구조를 확장하여 입력벡터를 서로 다른 다 차원의 퍼셉트론에 적용할 수도 있다. 설명의 편의를 위해 입력값 또는 출력값을 노드(node)라 칭한다.
한편, 도 10에 도시된 퍼셉트론 구조는 입력값, 출력값을 기준으로 총 3개의 층(layer)로 구성되는 것으로 설명할 수 있다. 1st layer와 2nd layer 사이에는 (d+1) 차원의 퍼셉트론 H개, 2nd layer와 3rd layer 사이에는 (H+1)차원 퍼셉트론이 K 개 존재하는 인공신경망을 도 4와 같이 표현할 수 있다. 도 11는 다층 퍼셉트론 구조의 일 예를 나타낸다.
입력벡터가 위치하는 층을 입력층(input layer), 최종 출력값이 위치하는 층을 출력층(output layer), 입력층과 출력층 사이에 위치하는 모든 층을 은닉층(hidden layer)라 한다. 도 4의 예시는 3개의 층이 개시되나, 실제 인공신경망 층의 개수를 카운트할 때는 입력층을 제외하고 카운트하므로 총 2개의 층으로 볼 수 있다. 인공신경망은 기본 블록의 퍼셉트론을 2차원적으로 연결되어 구성된다.
전술한 입력층, 은닉층, 출력층은 다층 퍼셉트론 뿐 아니라 후술할 CNN, RNN 등 다양한 인공신경망 구조에서 공동적으로 적용될 수 있다. 은닉층의 개수가 많아질수록 인공신경망이 깊어진 것이며, 충분히 깊어진 인공신경망을 러닝모델로 사용하는 머신러닝 패러다임을 딥러닝(Deep Learning)이라 한다. 또한 딥러닝을 위해 사용하는 인공신경망을 심층 신경망(DNN: Deep neural network)라 한다.
도 12에 도시된 심층 신경망은 은닉층+출력층이 8개로 구성된 다층 퍼셉트론이다. 상기 다층 퍼셉트론 구조를 완전 연결 신경망(fully-connected neural network)이라 표현한다. 완전 연결 신경망은 서로 같은 층에 위치하는 노드 간에는 연결 관계가 존재하지 않으며, 인접한 층에 위치한 노드들 간에만 연결 관계가 존재한다. DNN은 완전 연결 신경망 구조를 가지고 다수의 은닉층과 활성함수들의 조합으로 구성되어 입력과 출력 사이의 상관관계 특성을 파악하는데 유용하게 적용될 수 있다. 여기서 상관관계 특성은 입출력의 결합확률(joint probability)을 의미할 수 있다.
한편, 복수의 퍼셉트론을 서로 어떻게 연결하느냐에 따라 전술한 DNN과 다른 다양한 인공 신경망 구조를 형성할 수 있다.
DNN은 하나의 층 내부에 위치한 노드들이 1차원적의 세로 방향으로 배치되어 있다. 그러나, 도 13은 노드들이 2차원적으로 가로 w개, 세로 h개의 노드가 배치할 경우를 가정할 수 있다(도 6의 컨볼루션 신경망 구조). 이 경우, 하나의 입력노드에서 은닉층으로 이어지는 연결과정에서 연결 하나당 가중치가 부가되므로 총 h×w 개의 가중치를 고려해야한다. 입력층에 h×w 개의 노드가 존재하므로 인접한 두 층 사이에는 총 h2w2 개의 가중치가 필요하다.
도 13의 컨볼루션 신경망은 연결개수에 따라 가중치의 개수가 기하급수적으로 증가하는 문제가 있어 인접한 층 간의 모든 모드의 연결을 고려하는 대신, 크기가 작은 필터(filter)가 존재하는 것으로 가정하여 도 7에서와 같이 필터가 겹치는 부분에 대해서는 가중합 및 활성함수 연산을 수행하도록 한다.
하나의 필터는 그 크기만큼의 개수에 해당하는 가중치를 가지며, 이미지 상의 어느 특정한 특징을 요인으로 추출하여 출력할 수 있도록 가중치의 학습이 이루어질 수 있다. 도 14에서는 3×3 크기의 필터가 입력층의 가장 좌측 상단 3×3 영역에 적용되고, 해당 노드에 대한 가중합 및 활성함수 연산을 수행한 결과 출력값을 z22에 저장한다.
상기 필터는 입력층을 스캔하면서 가로,세로 일정 간격 만큼 이동하면서 가중합 및 활성함수 연산을 수행하고 그 출력값을 현재 필터의 위치에 위치시킨다. 이러한 연산 방식은 컴퓨터 비전(computer vision) 분야에서 이미지에 대한 컨볼루션(convolution) 연산과 유사하여 이러한 구조의 심층 신경망을 컨볼루션 신경망(CNN: convolutional neural network)라 하고, 컨볼루션 연산 결과 생성되는 은닉층을 컨볼루션 층(convolutional layer)라 한다. 또한, 복수의 컨볼루션 층이 존재하는 신경망을 심층 컨볼루션 신경망(DCNN: Deep convolutional)이라 한다.
컨볼루션 층에서는 현재 필터가 위치한 노드에서, 상기 필터가 커버하는 영역에 위치한 노드만을 포괄하여 가중합을 계산함으로써, 가중치의 개수를 줄여줄 수 있다. 이로 인해, 하나의 필터가 로컬(local) 영역에 대한 특징에 집중하도록 이용될 수 있다. 이에 따라 CNN은 2차원 영역 상의 물리적 거리가 중요한 판단 기준이 되는 이미지 데이터 처리에 효과적으로 적용될 수 있다. 한편, CNN은 컨볼루션 층의 직전에 복수의 필터가 적용될 수 있으며, 각 필터의 컨볼루션 연산을 통해 복수의 출력 결과를 생성할 수도 있다.
한편, 데이터 속성에 따라 시퀀스(sequence) 특성이 중요한 데이터들이 있을 수 있다. 이러한 시퀀스 데이터들의 길이 가변성, 선후 관계를 고려하여 데이터 시퀀스 상의 원소를 매 시점(timestep) 마다 하나씩 입력하고, 특정 시점에 출력된 은닉층의 출력 벡터(은닉 벡터)를, 시퀀스 상의 바로 다음 원소와 함께 입력하는 방식을 인공 신경망에 적용한 구조를 순환 신경망 구조라 한다.
도 15는 순환 루프가 존재하는 신경망 구조의 일 예를 나타낸다.
도 15를 참조하면, 순환 신경망(RNN: recurrent neural netwok)은 데이터 시퀀스 상의 어느 시선 t의 원소 (x1(t), x2(t), ,..., xd(t))를 완전 연결 신경망에 입력하는 과정에서, 바로 이전 시점 t-1은 은닉 벡터 (z1(t-1), z2(t-1),..., zH(t-1))을 함께 입력하여 가중합 및 활성함수를 적용하는 구조이다. 이와 같이 은닉 벡터를 다음 시점으로 전달하는 이유는 앞선 시점들에서의 입력 벡터속 정보들이 현재 시점의 은닉 벡터에 누적된 것으로 간주하기 때문이다.
도 16은 순환 신경망의 동작 구조의 일 예를 나타낸다.
도 16을 참조하면, 순환 신경망은 입력되는 데이터 시퀀스에 대하여 소정의 시점 순서대로 동작한다.
시점 1에서의 입력 벡터 (x1(t), x2(t), ,..., xd(t))가 순환 신경망에 입력되었을 때의 은닉 벡터 (z1(1),z2(1),...,zH(1))가 시점 2의 입력 벡터 (x1(2),x2(2),...,xd(2))와 함께 입력되어 가중합 및 활성 함수를 통해 은닉층의 벡터 (z1(2),z2(2) ,...,zH(2))를 결정한다. 이러한 과정은 시점 2, 시점 3, ,,, 시점 T 까지 반복적으로 수행된다.
한편, 순환 신경망 내에서 복수의 은닉층이 배치될 경우, 이를 심층 순환 신경망(DRNN: Deep recurrent neural network)라 한다. 순환 신경망은 시퀀스 데이터(예를 들어, 자연어 처리(natural language processing)에 유용하게 적용되도록 설계되어 있다.
학습(learning) 방식으로 사용하는 신경망 코어로서 DNN, CNN, RNN 외에 제한 볼츠만 머신(RBM, Restricted Boltzmann Machine), 심층 신뢰 신경망(DBN, deep belief networks), 심층 Q-네트워크(Deep Q-Network)와 같은 다양한 딥 러닝 기법들을 포함하며, 컴퓨터비젼, 음성인식, 자연어처리, 음성/신호처리 등의 분야에 적용될 수 있다.
최근에는 AI를 무선 통신 시스템과 통합하려고 하는 시도들이 나타나고 있으나, 이는 application layer, network layer 특히, 딥러닝을 wireless resource management and allocation 분야에 집중되어 왔다. 그러나, 이러한 연구는 점점 MAC layer 와 Physical layer로 발전하고 있으며, 특히 물리계층에서 딥러닝을 무선 전송(wireless transmission)과 결합하고자 하는 시도들이 나타나고 있다. AI 기반의 물리계층 전송은, 근본적인 신호 처리 및 통신 메커니즘에 있어서, 전통적인 통신 프레임워크가 아니라 AI 드라이버에 기초한 신호 처리 및 통신 메커니즘을 적용하는 것을 의미한다. 예를 들어, 딥러닝 기반의 채널 코딩 및 디코딩(channel coding and decoding), 딥러닝 기반의 신호 추정(estimation) 및 검출(detection), 딥러닝 기반의 MIMO mechanism, AI 기반의 자원 스케줄링(scheduling) 및 할당(allocation) 등을 포함할 수 있다.
연합학습(Federated learning)은 분산 머신러닝의 기법 중 하나로, 연합학습은 학습의 주체인 여러 장치(device)들이 서버(server)와 로컬 모델(local model)의 가중치(weight)나 기울기(gradient) 등의 파라미터(parameter)를 공유하며, 서버가 각 장치의 로컬 모델 파라미터(local model parameter)를 취합하여 글로벌 파라미터(global parameter)를 업데이트하는 방식으로 동작한다. 여기서, 로컬 모델 파라미터는 로컬 파라미터라 칭할 수도 있다.
이 과정에서 각 장치의 로데이터(raw data)는 공유되지 않기 때문에 데이터 전송 과정에서의 통신 오버헤드(communication overhead)가 개선될 수 있으며, 개인정보가 보호될 수 있다.
도 17은 직교 분할 접속 기반의 연합학습 동작의 일 예를 나타낸다. 도17을 참조하면, 장치(예: Edge device #1#2#3)는 서버(예: Edge server)로 각자 할당된 자원을 통해 로컬 파라미터를 전송하고, 서버는 장치로부터 수신한 로컬 파라미터에 대하여 오프라인 어그리게이션(offline aggregation)을 수행한다. 일반적으로 서버는 모든 로컬 파라미터에 대한 평균(averaging)을 통해 글로벌 파라미터를 도출하며, 이를 다시 장치에게 전송한다.
하지만, 이러한 방식은 무선 자원 사용 측면에서 발생하는 오버헤드가 매우 크다. 즉, 학습에 참여하는 장치의 숫자만큼 선형적으로(linear) 무선자원이 요구된다. 또한, 한정된 자원(예: 시간 자원 또는 주파수 자원) 하에서는 학습에 참여하는 장치의 수가 증가할수록 글로벌 파라미터를 업데이트하기 위한 시간이 지연될 수 있다.
이러한 문제를 해결하기 위해 최근 AirComp (Over-the-Air Computation) 기반의 연합학습에 대한 연구가 진행되고 있다.
도 18은 AirComp 기반의 연합학습 동작의 일 예를 나타낸다. AirComp는 도 18과 같이 모든 장치(예: Edge device #1#2#3)가 동일한 자원을 활용하여 로컬 파라미터를 아날로그(analog) 또는 디지털(digital) 방식으로 서버(예: Edge server)에 전송하는 것으로, 서버로 수신된 신호는 air 상에서 자연스럽게 중첩(superposition)되어 서버는 로컬 파라미터의 합을 얻을 수 있다. 여기서, 아날로그 방식은 가중치 값(gradient value)을 단순 펄스 진폭 변조(pulse amplitude modulation, PAM) 하는 것을 의미하고 디지털 방식은 통상적인 디지털 변조 방식인 직교 진폭 변조(quadrature amplitude modulation, QAM) 또는 위상 편이 변조(phase shift keying, PSK)를 의미할 수 있다.
AirComp 기반 연합학습은 동일한 자원을 통해 로컬 파라미터를 전송하기 때문에 학습에 참여하는 장치의 수에 레이턴시(latency)가 크게 영향을 받지 않으며 무선 자원 관리 측면에서 효율적이다.
이러한 AirComp 방식에서는 일반적으로 로컬 가중치(local weight) 들(또는 로컬 파라미터들)을 어그리게이션(aggregation) 시 등가 합산(equal weighted summation)을 전제로 한다. 다시 말해, 이는 각 장치와 서버의 수신 파워 감도를 모두 동일하게 맞춘다는 의미이다. 하지만, 실제 네트워크 구조(network topology)에서 각 장치와 서버 간 거리 및/또는 채널 품질(quality) 등이 상이한 것을 고려하면 현실성이 떨어진다.
도 19는 실제 네트워크 구조를 고려한 AirComp 기반 연합학습의 일 예를 나타낸다. 도 19를 참조하면, 장치가 서버에서 상당히 멀리 위치하고 채널 품질(channel quality)이 떨어지는 경우 비활성 장치(inactive device)로 (연합학습에 참여하지 않는) 분류되며 참여하는 장치들의 경우 크게 2가지 방식으로 AirComp를 이용한다.
하나의 방식은, 도 19의 (a)와 같이, 모든 활성 사용자(active user) 중 worst 수신감도를 가지는 사용자(user)에 맞춰서 전송하는 방식이며 이럴 경우 좋은 수신 감도를 가지는 사용자(user)의 파워 손해가 크게 된다.
다른 하나의 방식은, 도 19의 (b)와 같이, 비슷한 large-scale fading을 갖는 장치들로 그룹(group)을 형성하여 그룹 내에서 전력 제어(power control)를 수행하여 전달하는 방식이다. 이러한 경우 그룹 내 장치들은 모두 동일 수신 감도로 AirComp에 기반하여 전달할 수 있으나, 서로 다른 그룹 간 직교(orthogonal)의 자원(resource)을 사용하여 자원 오버헤드가 그룹 수만큼 늘어나는 단점이 존재한다.
본 명세서는 제한 기반 확장 가능한 Q-ary 선형 코드(restriction-based scalable Q-ary linear code)를 이용하여 AirComp 시 위와 같은 각 장치와 서버간 수신감도 차이 이슈, 전력 효율 그리고 자원 오버헤드 문제를 해결하는 스케줄링 방법을 제안한다. 다시 말해, 본 명세서에서는 제한 기반 확장 가능한 Q-ary 선형 코드를 이용하는 AirComp 시 시스템 파트(systematic part)와 패리티 파트(parity part)가 서로 다른 변조 차수(modulation order)를 사용하여 변조 심볼 시퀀스(modulated symbol sequence)를 전달할 수 있는 특성을 이용한 스케줄링(scheduling) 방법을 제안한다. 여기서, 시스템 파트는 정보 파트(information part)로 칭할 수도 있다. 또한, 제한 기반 확장 가능한 Q-ary 선형 코드는 제한 기반의 Q-ary 정보를 Q-ary 선형 코딩하여 생성된 코드를 의미할 수 있다.
즉, 본 명세서에서 제안하는 스케줄링 방법은 시스템 파트(systematic part)와 패리티 파트(parity part)가 서로 다른 Q-ary를 사용하는 것을 고려하여 전력 할당(power allocation) 및 자원 관리(resource management)하는 방법이다.
상기 제안 방법은 정보 제한(information restriction)에 기반하여 다음과 같은 이점이 있다.
(1) 본 명세서의 제안 방법에서, 정보 제한(information restriction)에 의해서 시스템 파트와 패리티 파트는 서로 다른 Q-ary의 시퀀스를 전달하게 된다. 서로 다른 Q-ary의 시퀀스를 전달함에 따라, 서로 다른 변조 차수로 변조하여 전송하는 것이 가능하다.
(2) 본 명세서의 제안 방법에서, 시스템 파트는 낮은 차수 변조(Low-order modulation)로 전송될 수 있다. 이에 따라, 본 명세서는 시스템 파트가 패리티 파트 보다 상대적으로 낮은 전력을 활용하여 동일 수신감도를 달성할 수 있다. 따라서, 시스템 파트는 단일 전송(single transmission)을 통해 타겟(target) 수신 감도를 달성하고 패리티 파트는 복수의 전송(multiple transmission)을 활용하여 타겟 수신 감도를 달성할 수 있다.
(3) 본 명세서의 제안 방법에서, 패리티 파트는 상대적으로 높은 차수로 변조될수 있으며, 반복(Repetition) 횟수가 정해진 상태에서 높은 차수 변조(high-order modulation)를 사용하는 패리티 파트는 매 전송 시 고르게(even) 전송하여 송신 파워 소모 효율이 개선될 수 있다.
이하, 본 명세서에서는, 제안 방법을, 제한 기반의 확장 가능한 Q-ary 선형 코드, 그리고, 제한 기반의 확장 가능한 Q-ary 선형 코드에서의 코드워드와 변조 방법 그리고, 제한 기반 Q-ary 선형 코드를 이용한 전력 할당 및 자원 관리 방법으로 구분하여 살펴본다.
이하, 본 명세서에서 설명되는 실시 예들은 설명의 편의를 위해 구분된 것일 뿐, 어느 실시 예의 일부 방법 및/또는 일부 구성 등이 다른 실시 예의 방법 및/또는 구성 등과 치환되거나, 상호 간 결합되어 적용될 수 있음은 물론이다.
이하, 본 명세서에서, 일반 문자(Regular character)는 스칼라(scalar)를 나타내고 굵은 소문자(bold lowercase character)와 대문자(bold uppercase character)는 벡터(vector)와 메트릭스(matrix)를 나타내며 붓글씨 문자(Calligraphic character)는 집합을 의미한다. 일례로,
Figure PCTKR2021010160-appb-img-000008
그리고
Figure PCTKR2021010160-appb-img-000009
는 스칼라, 벡터, 메트릭스 그리고 집합을 의미한다.
Figure PCTKR2021010160-appb-img-000010
는 벡터
Figure PCTKR2021010160-appb-img-000011
의 i번째 엔트리(entry)를 의미하며
Figure PCTKR2021010160-appb-img-000012
을 나타낸다.
Figure PCTKR2021010160-appb-img-000013
그리고
Figure PCTKR2021010160-appb-img-000014
는 실링(ceiling), 플로어링(flooring) 그리고 modulo-q 연산을 의미한다.
Figure PCTKR2021010160-appb-img-000015
와
Figure PCTKR2021010160-appb-img-000016
는
Figure PCTKR2021010160-appb-img-000017
의 절대 값(absolute value)과
Figure PCTKR2021010160-appb-img-000018
의 카디널리티(cardinality)를 나타내며
Figure PCTKR2021010160-appb-img-000019
는
Figure PCTKR2021010160-appb-img-000020
을 의미한다. 여기서,
Figure PCTKR2021010160-appb-img-000021
은 n 차원 좌표평면(또는 유클리드 공간)에서의 벡터 크기를 나타내며, 수식으로 표현하면,
Figure PCTKR2021010160-appb-img-000022
와 같을 수 있다.
Figure PCTKR2021010160-appb-img-000023
은 모든 자연수 집합과
Figure PCTKR2021010160-appb-img-000024
보다 작은 자연수 집합을 의미한다.
Figure PCTKR2021010160-appb-img-000025
를 의미하고,
Figure PCTKR2021010160-appb-img-000026
는 길이 n을 갖는 all zero vector를 의미한다.
또한, 이하, 본 명세서에서 서버는 기지국으로 칭할 수 있으며, 장치는 단말로 칭할 수도 있다.
먼저, 제한 기반의 확장 가능한 Q-ary 선형 코드를 살펴본다.
제한 기반의 확장 가능한 Q-ary 선형 코드
Q-ary 선형 코드(또는 코딩)는 Q 차수(order)의 유한 필드(finite field)에서의 선형 변환을 의미할 수 있다.
먼저, 유한 필드에 대한 정의부터 살펴본다.
아래 4가지 특성을 만족하는 임의의 유한 원소들로 구성된 집합
Figure PCTKR2021010160-appb-img-000027
는 유한 필드로 정의될 수 있다.
(1) 집합
Figure PCTKR2021010160-appb-img-000028
에서 덧셈(addition)과 곱셈(multiplication)이 정의되어 있다.
(2) 덧셈/곱셈에 대해서 교환 법칙/결합 법칙/분배 법칙이 성립한다.
(3) 덧셈의 항등원 0이 존재하며, 집합
Figure PCTKR2021010160-appb-img-000029
의 모든 원소 f에 대하여 덧셈에 대한 역원들이 존재한다.
(4) 곱셈의 항등원 1이 존재하며, 집합
Figure PCTKR2021010160-appb-img-000030
의 모든 원소 f에 대하여 곱셈에 대한 역원들이 존재한다.
상기 특성을 만족하는 유한 필드는 2가지 방법으로 구성될 수 있다.
구체적으로, 유한 필드의 차수(order)를 나타내는 Q의 값이 소수(prime number)인 경우와 상기 Q의 값이 소수의 거듭 제곱 수인 경우에 대하여 각각 다른 방법으로 유한 필드가 구성될 수 있다.
(1) Q=prime number인 경우
유한 필드의 차수(order)를 나타내는 Q의 값이 소수(prime number)인 경우, 유한 필드는 정수 모듈로-Q(integer modulo-Q) 연산에 기반하여 정의된다. 예를 들어, Q가 2, 3인 경우 유한 필드
Figure PCTKR2021010160-appb-img-000031
는 아래의 표 5 및 표 6과 같이 덧셈/곱셈이 정의될 수 있다.
Figure PCTKR2021010160-appb-img-000032
Figure PCTKR2021010160-appb-img-000033
(2)
Figure PCTKR2021010160-appb-img-000034
이고 q=prime number인 경우
Figure PCTKR2021010160-appb-img-000035
인 경우, 정수 모듈로-Q 연산에 기반하여 유한 필드가 정의되지 않는다. 이러한 경우, 유한 필드는
Figure PCTKR2021010160-appb-img-000036
에서 정의된 필드로부터 확장(extension)하여 정의될 수 있다. 보다 구체적으로,
Figure PCTKR2021010160-appb-img-000037
인 유한 필드는
Figure PCTKR2021010160-appb-img-000038
에서 정의된 필드로부터,
Figure PCTKR2021010160-appb-img-000039
을 갖는,
Figure PCTKR2021010160-appb-img-000040
에 대한 원시 다항식[primitive polynomial over
Figure PCTKR2021010160-appb-img-000041
을 확장하여 정의될 수 있다. 여기서,
Figure PCTKR2021010160-appb-img-000042
을 갖는,
Figure PCTKR2021010160-appb-img-000043
에 대한 원시 다항식[primitive polynomial over
Figure PCTKR2021010160-appb-img-000044
]은 아래와 같이 정의된다.
Figure PCTKR2021010160-appb-img-000045
을 갖는 나누어 지지 않는 다항식(irreducible polynomial)(더 낮은 차수의 다항식의 곱으로 표현되지 않는 다항식)이 "
Figure PCTKR2021010160-appb-img-000046
를 나누어 떨어지게 하며 이 때, 가장 작은
Figure PCTKR2021010160-appb-img-000047
는
Figure PCTKR2021010160-appb-img-000048
이다."라는 조건을 만족하면,
Figure PCTKR2021010160-appb-img-000049
를 갖는,
Figure PCTKR2021010160-appb-img-000050
에 대한 원시 다항식에 기초하여 구성된
Figure PCTKR2021010160-appb-img-000051
필드는
Figure PCTKR2021010160-appb-img-000052
와 같이 표현될 수 있다.
예를 들어,
Figure PCTKR2021010160-appb-img-000053
인 경우,
Figure PCTKR2021010160-appb-img-000054
필드는 Degree-4를 갖는 GF(2)에 대한 원시 다항식(primitive polynomial over GF(2)) 또는 Degree-2를 갖는 GF(4)에 대한 원시 다항식(primitive polynomial over CF(4))을 확장하여 구성될 수 있으며, 각각
Figure PCTKR2021010160-appb-img-000055
와
Figure PCTKR2021010160-appb-img-000056
와 같이 표현될 수 있다. 아래의 표 7 및 표 8은 각각 Degree-4를 갖는 GF(2)에 대한 원시 다항식 및 Degree-2를 갖는 GF(4)에 대한 원시 다항식은 각각
Figure PCTKR2021010160-appb-img-000057
와
Figure PCTKR2021010160-appb-img-000058
를 나타낸다. 보다 구체적으로, 표 7은 GF(2)에 대한 원시 다항식
Figure PCTKR2021010160-appb-img-000059
을 사용한
Figure PCTKR2021010160-appb-img-000060
이며, 표 8은 GF(4)에 대한 원시 다항식
Figure PCTKR2021010160-appb-img-000061
을 사용한
Figure PCTKR2021010160-appb-img-000062
이다.
Figure PCTKR2021010160-appb-img-000063
Figure PCTKR2021010160-appb-img-000064
표 9는 상기 유한 필드에 기반한 Q-ary 선형 코드(linear code)가 제한(retriction)을 통해서 차수가 제한된 확장 가능한 Q-ary 선형 코드로 변형되는 과정을 나타낸다.
Figure PCTKR2021010160-appb-img-000065
여기서, Q는 유한 필드 또는 정보 필드(information field)의 차수를 나타낸다. 상기 표 9에서, 두 번째 열은 정보 필드의 차수가 소수(prime number)인 경우에 관한 것이고, 세 번째 열은 정보 필드의 차수가 소수인 p의 i 제곱수인 경우에 관한 것이다. 여기서, i는 자연수이다. 상기 표 9의 두 번째 행은 정보 필드의 차수가 제한되는 과정을 수식으로 나타낸 것이다. 유한 필드의 차수가 소수인 경우(2열), 차수 Q의 유한 필드는 차수가 제한된 유한 필드로 구성되며, 차수가 제한된 정보 필드의 차수는 T가 된다. 예를 들어, 본 명세서에서 제한 기반 Q-ary 정보는 차수가 제한된 정보 필드/유한 필드에 기반한 정보를 의미할 수 있다. 또는, 제한 기반 Q-ary 정보는 차수가 제한된 확장 가능한 Q-ary 선형 코드를 의미할 수 있다.
상술한 바와 같이,
Figure PCTKR2021010160-appb-img-000066
인 경우의 유한 필드는
Figure PCTKR2021010160-appb-img-000067
을 갖는,
Figure PCTKR2021010160-appb-img-000068
에 대한 원시 다항식[primitive polynomial over
Figure PCTKR2021010160-appb-img-000069
을 이용하여 확장될 수 있다. 따라서, 유한 필드의 차수가 소수인 p의 i 제곱수인 경우(3열), 상기 표 9에서, n = i이고, m = i이므로, 차수가 제한되지 않은 유한 필드는 차수가 제한된 Degree-2를 갖는 GF(q)에 대한 원시 다항식[primitive polynomial over GF(q)]을 이용하여 확장하여 정의될 수 있다. 즉, GF(Q) 필드는 Degree-2를 갖는 GF(q) 필드로 제한될 수 있다.
표 9의 세 번째 행은 연합 학습에 참여하는 단말들의 인코딩에 기초하여 생성된 코드워드들이 병합(aggregation)되는 과정을 수식으로 나타낸다.
표 9의 네 번째 행은 변조된 코드워드들이 채널 상으로 전송되는 과정을 수식으로 나타낸 것이며,
Figure PCTKR2021010160-appb-img-000070
는 변조 심볼(modulated symbol)을 의미한다. 여기서, 변조 심볼 전송 시, 사용 가능한 직교 채널(orthogonal channel)의 dof(degree of freedom)는 2이다(I-channel/Q-channel). 즉, 변조는 변조가 수행되는 복소 도메인(complex domain) 상의 실수(real number) 도메인[I-channel] 및 허수(image number) 도메인[Q-channel] 모두에 기초하여 수행될 수 있다.
Q=prime number인 경우, 심볼들의 덧셈(addition)은 modulo-Q에 갇히게 된다. 즉, 심볼들의 덧셈 결과는 0 부터 Q-1까지의 정수 값(integer value) 내에 있게 된다. 실제 무선 채널 환경에서 병합된 modulo-Q(aggregation modulo-Q) 연산이 발생하지 않지만, 정보를 잃는 것은 없기 때문에 문제가 발생하지는 않는다. Q=prime number인 경우, 병합 구성요소(Aggregation component)의 degree는 1이고, 사용 가능한 직교 채널 dof(orthogonal channel dof)가 2이기 때문에 변조 시 I-channel만 사용하는 방식이나 I/Q-channels을 사용하는 방식이 모두 사용될 수 있다.
Figure PCTKR2021010160-appb-img-000071
를 만족하고, p는 소수인 경우
Figure PCTKR2021010160-appb-img-000072
Figure PCTKR2021010160-appb-img-000073
], 다항식(polynomial) 기반 필드 구성 수행하면서 심볼들의 덧셈(addition)이 다항식 구성요소(polynomial component)간의 modulo-q 연산에 갇혀 있게 된다. 다항식 구성요소의 개수는 다항식의 degree와 등가(equivalent)이다.
다항식의 degree가 2보다 큰 경우, 다중 다항식 구성요소(multiple polynomial component)들이 하나의 채널에서 변조(modulation)되어 병합 시 구성 요소간 직교성(orthogonality) 보장이 어렵게 된다.
즉, 서로 다른 다중 다항식 구성요소의 조합이 동일한 심볼로 관찰되는 모호성이 발생하게 된다. 즉, 서로 다른 다중 다항식 구성요소의 조합의 결과가 같은 경우, 구성요소의 조합을 구성하는 다중 다항식 구성요소의 판별이 불가능하다. 따라서, 필드의 차수 Q가 소수(prime number)가 아닌 경우,
Figure PCTKR2021010160-appb-img-000074
로 구성된 유한 필드를 기반으로 degree-
Figure PCTKR2021010160-appb-img-000075
원시 다항식 유한 필드를 확장하여 GF(Q) 유한 필드를 구성하면, GF(Q) 유한 필드는
Figure PCTKR2021010160-appb-img-000076
에 대한 degree-2 다항식[degree-2 polynomial over
Figure PCTKR2021010160-appb-img-000077
]들을 다항식 구성요소들로 가지게 된다.
따라서,
Figure PCTKR2021010160-appb-img-000078
에 대한 degree-2 다항식을 확장하여 구성한 GF(Q) 유한 필드 필드를 구성하는 구성요소(component) 별로 I/Q channel을 활용하여 변조 심볼(modulated symbol)이 수신단으로 전달되면, 수신단에서의 모호성이 발생하지 않게 된다.
다음, 제한 기반 확장 가능한 Q-ary 선형 코드에서의 코드워드와 변조 방법을 Q=prime number인 경우와
Figure PCTKR2021010160-appb-img-000079
Figure PCTKR2021010160-appb-img-000080
인 경우로 구분하여 살펴본다.
제한 기반의 확장 가능한 Q-ary 선형 코드에서의 코드워드와 변조 방법
Case 1 (Q=prime number)
Case 1의 경우, 각 사용자(user)
Figure PCTKR2021010160-appb-img-000081
의 코드워드(codeword)
Figure PCTKR2021010160-appb-img-000082
를 시스템 파트(systematic part)와 패리티 파트(parity part)로 보면 다음 수학식 1과 같다.
Figure PCTKR2021010160-appb-img-000083
수학식 1에 의하면, 전체 코드워드의 길이가 N인 경우, K는 시스템 파트의 (시퀀스) 길이이고, N-K는 패리티 파트의 (시퀀스) 길이일 수 있다. 즉, 코드워드는 K 길이의 시스템 파트와 N-K 길이의 패리티 파트로 구성되며, 시스템 파트의 시퀀스 값은 제한(restrction)된다. 예를 들어, 수학식 1의 코드워드는 제한된 Q-ary 정보(Qin-ary)가 Q-ary 선형 코딩되어 생성된 코드워드를 의미할 수 있다.
여기서,
Figure PCTKR2021010160-appb-img-000084
은 Q가 prime number이기 때문에 사용자 수 U로 나눠 떨어지지 않아 도입된 것으로,
Figure PCTKR2021010160-appb-img-000085
이 U의 배수이면 모든 값이 가능할 수 있다.
Figure PCTKR2021010160-appb-img-000086
의 변조 시퀀스(modulated sequence)
Figure PCTKR2021010160-appb-img-000087
를 시스템 파트와 패리티 파트로 보면 다음 수학식 2와 같다.
Figure PCTKR2021010160-appb-img-000088
여기서
Figure PCTKR2021010160-appb-img-000089
Figure PCTKR2021010160-appb-img-000090
Case 2의 경우, 각 사용자(user)
Figure PCTKR2021010160-appb-img-000091
의 코드워드(codeword)
Figure PCTKR2021010160-appb-img-000092
를 시스템 파트(systematic part)와 패리티 파트(parity part)로 보면 다음 수학식 3과 같다.
Figure PCTKR2021010160-appb-img-000093
수학식 3에 의하면, 전체 코드워드의 길이가 N인 경우, K는 시스템 파트의 (시퀀스) 길이이고, N-K는 패리티 파트의 (시퀀스) 길이일 수 있다. 즉, 코드워드는 K 길이의 시스템 파트와 N-K 길이의 패리티 파트로 구성되며, 시스템 파트의 시퀀스 값은 제한(restrction)된다. 예를 들어, 수학식 3의 코드워드는 제한된 Q-ary 정보(Qin-ary)가 Q-ary 선형 코딩되어 생성된 코드워드를 의미할 수 있다.
Figure PCTKR2021010160-appb-img-000094
Figure PCTKR2021010160-appb-img-000095
의 변조 시퀀스(modulated sequence)
Figure PCTKR2021010160-appb-img-000096
를 시스템 파트(systematic part)와 패리티 파트(parity part)로 보면 다음 수학식 4와 같다.
Figure PCTKR2021010160-appb-img-000097
Figure PCTKR2021010160-appb-img-000098
본 명세서는,
Figure PCTKR2021010160-appb-img-000099
인 경우를 Case 2로 기술하고 있으나, 본 명세서의 제안 방법이
Figure PCTKR2021010160-appb-img-000100
에도 적용될 수 있음은 물론이다.
다음, 제한 기반 Q-ary 선형 코드를 이용한 전력 할당 및 자원 관리 방법을 살펴본다. 본 명세서에서, 제한 기반 확장 가능한 Q-ary 선형 코드는 제한 기반 Q-ary 선형 코드로 칭할 수도 있다.
제한 기반 Q-ary 선형 코드를 이용한 전력 할당 및 자원 관리 방법
이하, 본 명세서에서는, 전체
Figure PCTKR2021010160-appb-img-000101
의 사용자(user)들이 존재한다고 가정될 수 있다. 이때, 각 장치와 서버 사이의 채널(channel)을
Figure PCTKR2021010160-appb-img-000102
에 대해,
Figure PCTKR2021010160-appb-img-000103
라 하고 내림차순(descending manner)으로 분류(sorting)될 수 있다
Figure PCTKR2021010160-appb-img-000104
.
한, 본 명세서의 제안 방법에서, 시스템 파트(Systematic part)는 단일 전송(single transmission)되고, 패리티 파트(parity part)는 재전송될 수 있다.
이하, 본 명세서에서는 제한 기반 Q-ary 선형 코드를 이용한 전력 할당 및 자원 관리 방법을 재전송 횟수 선정, 학습에 참여할 장치 후보 선정, 각 장치에의 전력 할당, 그리고 자원 할당 순으로 구분하여 살펴 본다.
(1) 재전송 횟수 (T) 선정
먼저, 패리티 파트의 재전송 횟수 T는 결정할 수 있다.
재전송 횟수 T는 이용 가능한(Available) 자원 상황을 고려하여 결정될 수 있다. 이때, T는 Q=prime number인 경우
Figure PCTKR2021010160-appb-img-000105
보다 클 수 없으며,
Figure PCTKR2021010160-appb-img-000106
인 경우에
Figure PCTKR2021010160-appb-img-000107
보다 클 수 없다. 이는 시스템 파트(systematic part)를 단일 전송(single transmission)하고 패리티 파트(parity part)를 몇 번 재전송하는 것까지 동일 수신 감도를 달성할 수 있는지를 의미한다. 즉, 패티리 파트(parity part)를 해당 최대 전송 회수를 초과하여 전송하는 경우, 시스템 파트(systematic part)를 단일 전송(single transmission)하여 동일 수신 감도를 달성할 수 없게 된다.
(2) 학습에 참여할 장치 후보(device candidate)
Figure PCTKR2021010160-appb-img-000108
선정
T가 정해지면 그에 따라 전체 사용자(user)들 중 학습에 참여 가능한 사용자(user)들의 집합이 다음 수학식 5에 의해 결정될 수 있다. 수학식 5는 전체 사용자들 중에서 가장 좋은 채널(channel)을 갖는 사용자 1(user 1)의 단일 전송의 수신 감도를, T번 반복하여 달성할 수 있는 사용자들로 구성된 집합을 의미할 수 있다.
Figure PCTKR2021010160-appb-img-000109
여기서,
Figure PCTKR2021010160-appb-img-000110
는 사용자 1의 채널, 채널 상태, 또는 채널/채널 상태와 관련된 정보를 의미하고,
Figure PCTKR2021010160-appb-img-000111
는 사용자의 채널, 채널 상태, 또는 채널/채널 상태와 관련된 정보를 의미하며,
Figure PCTKR2021010160-appb-img-000112
는 전체 사용자의 수를 의미할 수 있다.
(3) 각 장치의 전력 할당(power allocation)
그리고/또는, 각 장치의 할당 전력이 결정될 수 있다.
Figure PCTKR2021010160-appb-img-000113
라 정의하고 참조 채널(reference channel realization)
Figure PCTKR2021010160-appb-img-000114
라 할 수 있다. 예를 들어,
Figure PCTKR2021010160-appb-img-000115
을 의미할 수 있다. 이 때, 패리티 파트(parity part)의 전력 할당(power allocation)은 수학식 6에 의해, 시스템 파트(Systematic part)의 전력 할당(power allocation)은 수학식 7에 의해 결정될 수 있다.
여기서, P는 worst 채널 사용자의 송신 전력을 의미할 수 있다. 그리고/또는, 참조 채널
Figure PCTKR2021010160-appb-img-000116
은 worst 채널 사용자의 채널, 채널 상태, 또는 채널/채널 상태와 관련된 정보를 를 의미할 수 있다.
Figure PCTKR2021010160-appb-img-000117
Figure PCTKR2021010160-appb-img-000118
(4) 자원 할당(resource allocation)
그리고/또는, 할당 자원이 결정될 수 있다. 각 장치는 동일한 자원을 공유(share)하여 시스템 파트(systematic part)와 패리티 파트(parity part)의 변조 시퀀스(modulated sequence)들을 전달할 수 있다.
이때, 패리티 파트(parity part)의 시퀀스는 시간/주파수 자원을 활용하여 T번 반복(repetition)하여 전송될 수 있다. 이와 같은 경우, 발생하는 자원 오버헤드(
Figure PCTKR2021010160-appb-img-000119
)는 수학식 8과 같다.
Figure PCTKR2021010160-appb-img-000120
예를 들어, N길이의 코드워드의 경우, K길이의 시스템 파트는 K길이의 자원 요소(resource element)에 할당되고, N-K길이의 패리티 파트는 T번 반복 전송되므로, T*(N-K)개의 자원 요소에 할당될 수 있다. 자원 요소는 직교주파수분할(Orthogonal Frequency Division Multiplexing, OFDM)을 가정하면 톤(tone)이라 볼 수 있다.
도 20은 자원 관리(resource management) 방법의 일 예를 나타낸다. 도 20과 같이, 시간 자원, 주파수 자원 또는 시간 및 주파수 자원을 적절하게 활용하는 것이 가능하다.
도 21은 본 명세서에서 제안하는 송신 방법을 설명하기 위한 도이다.
도 21을 참조하면, 제한 기반 Q-ary 정보(information)(또는 Qin-ary 정보)(2110)는 채널 인코더(channel encoder)(2120)에 입력되고, 코드워드(codeword)(2130)는 채널 인코더(2120)에서 출력될 수 있다. 여기서, 코딩은 시스템 채널 코딩(systematic channel coding)일 수 있으며, 이때 Q-ary 정보(2110)와 코드워드(2130)의 시스템 파트는 동등(equivalent)하다.
다음, 코드워드(2130)는 시스템 파트와 패리티 파트로 구분되어 별도로 변조 및/또는 스케일링될 수 있다(2140a, 2140b). 다음, 변조 및/또는 스케일링된 시스템 파트와 패리티 파트는 최초 전송 시 연접되어 함께 전송되고, 이후 전송부터는 변조 및/또는 스케일링된 패리티 파트가 T-1번 전송될 수 있다.
즉, 시스템 파트는 단일 전송되고 패리티 파트는 T 번 전송(T-repetition transmission)되기 때문에 최초 전송 시에는 전체 코드워드(whole codeword)의 변조 심볼 시퀀스(modulated symbol sequence)를 전송하고 이후에는 T-1 번 패리티 파트(parity part)의 변조 심볼 시퀀스(modulated symbol sequence)를 전송할 수 있다.
이상, 송신기에 적용된 제안 방법을 살펴봤으며, 이하에서는 수신기에 적용된 제안 방법을 살펴본다.
(5) 수신기 전처리(receiver pre-processing)
수신단(또는 수신기)에서 채널 디코딩(channel decoding)을 위한 soft-value을 획득하기에 앞서 전처리(pre-processing) 방법을 살펴본다. 이를 위해서 수신 신호
Figure PCTKR2021010160-appb-img-000121
의 엔트리(entry)를 보면 수학식 9와 같다.
Figure PCTKR2021010160-appb-img-000122
여기서,
Figure PCTKR2021010160-appb-img-000123
를 따르는 가산 백색 가우스 잡음(Additive white Gaussian noise, awgn noise)일 수 있다.
시스템 파트(Systematic part)와 패리티 파트(parity part)를 분리하면 다음 수학식 10 및 수학식 11과 같다. 즉, 수학식 10은 시스템 파트를 나타내고, 수학식 11은 패리티 파트를 나타낸다.
Figure PCTKR2021010160-appb-img-000124
Figure PCTKR2021010160-appb-img-000125
패리티 파트(Parity part)는 T번 반복(repetition) 전송되기 때문에
Figure PCTKR2021010160-appb-img-000126
에 대해,
Figure PCTKR2021010160-appb-img-000127
를 만족한다. 다시 말해, 패리티 파트는 반복 전송되므로, 동일한 정보가 반복하여 전송/수신될 수 있다.
따라서, 패리티 파트(parity part)를 결합(combining)하면 수학식 12와 같다.
Figure PCTKR2021010160-appb-img-000128
여기서,
Figure PCTKR2021010160-appb-img-000129
이다.
Figure PCTKR2021010160-appb-img-000130
는 기우스 확률 변수의 합(Sum of Gaussian random variable)이기 때문에
Figure PCTKR2021010160-appb-img-000131
를 따르는 가산 백색 가우스 잡음(awgn noise)으로 볼 수 있다.
soft-value 값들을 획득하기 위해 시스템 파트(systematic part)와 패리티 파트(parity part)의 수신 신호들은 수학식 13 및 수학식 14와 같이 변환될 수 있다. 즉, Case 1(Q=prime number)의 경우 수학식 13과 같이 변환되고, Case 2
Figure PCTKR2021010160-appb-img-000132
의 경우 수학식 14와 같이 변환될 수 있다.
Figure PCTKR2021010160-appb-img-000133
Figure PCTKR2021010160-appb-img-000134
변환된 신호를 수학식 15 및 수학식 16의 참조 심볼 성상도 세트(reference symbol constellation set)
Figure PCTKR2021010160-appb-img-000135
를 이용하여 soft-value가 획득되고, 이를 이용하여 디코딩이 수행될 수 있다. Case 1(Q=prime number)의 경우 참조 심볼 성상도 세트는 수학식 15와 같고, Case 2
Figure PCTKR2021010160-appb-img-000136
의 경우 참조 심볼 성상도 세트는 수학식 16과 같다.
Figure PCTKR2021010160-appb-img-000137
Figure PCTKR2021010160-appb-img-000138
도 22는 제안 방법에 의한 전력 할당(power allocation)을 도시한 도면이다. 도 22는 전체 사용자의 수(U)가 6이고, 패리티 파트의 반복 횟수(T)가 2인 경우를 나타낸다. 도 22를 참조하면, 하단의 바는 각 장치와 서버 사이의 채널 이득(channel gain)을 의미하며, 상단의 바는 각 장치가 할당한 전력을 의미한다.
도 23은 U=T=2에서 송신기(transmit, Tx)와 수신기(receive, RX)에서 관찰(observation)될 성상도(constellation)를 나타내는 도면이다. 도 23을 참조하면, 각 장치와 서버 사이의 채널 이득 차이(channel gain difference)를 고려하여 전력 제어(power control)를 수행하였기 때문에 수신기 측(receiver-side)에서는 동일한 성상도(constellation)으로 관찰(observation)되는 것을 확인할 수 있다.
도 24는 본 명세서에서 제안하는 단말의 동작 방법을 설명하기 위한 흐름도이다.
도 24를 참조하면, 먼저, 단말(도 1의 100x/120, 도 2의 200a/200b, 도 4의 400, 도 5의 500)은 S2401 단계에서, 제한(restriction) 기반 Q-ary 정보(또는 Qin-ary 정보)를 코딩하여 i) 제한 기반 시스템 파트와 ii) 패리티 파트를 포함하는 Q-ary 코드를 생성할 수 있다. 예를 들어, 제한 기반 Q-ary 정보는 차수가 제한된 유한 필드/정보 필드에 기반한 정보를 의미할 수 있다. 그리고/또는, 제한 기반 Q-ary 정보는 Q-ary 선형 코드(Q-ary linear code)에 의해 코딩될 정보를 의미할 수 있다.
그리고/또는, 제한 기반 시스템 파트는 Qin-ary를 갖는 정보이고, 패리티 파트는 Q-ary를 갖는 정보일 수 있다.
본 명세서에서, "시스템 파트"는 "시스템 파트 정보", "정보 파트", 또는 "정보 파트 정보"로, "패리티 파트"는 "패리티 파트 정보"로 칭할 수 있다.
제한 기반 시스템 파트와 패리티 파트는 수학식 1 또는 3과 같이 표현될 수 있다. 다시 말해, Q-ary 코드는 수학식 1 또는 3과 같이 표현될 수 있다. 또는 Q-ary 코드는 도 21의 코드워드(2130)일 수 있다.
그리고/또는, 시스템 파트는 패리티 파트와 다른 변조 차수(modulation order)에 기반하여 변조될 수 있다. 예를 들어, 시스템 파트는 패리티 파트와 비교하여 낮은 차수로 변조될 수 있다.
이하, S2402 내지 S2404에서 시스템 파트는 제한 기반 시스템 파트를 의미한다.
예를 들어, S2401 단계의 단말이 Q-ary 코드를 생성하는 동작은 상술한 도 1 내지 도 5의 장치에 의해 구현될 수 있다. 예를 들어, 도 2를 참조하면, 하나 이상의 프로세서(200a/200b)는 Q-ary 코드를 생성하기 위해 하나 이상의 메모리(204a/204b) 및/또는 하나 이상의 송수신기(206a/206b) 등을 제어할 수 있다.
그리고/또는, 단말(도 1의 100x/120, 도 2의 200a/200b, 도 4의 400, 도 5의 500)은 S2402 단계에서, 기설정된 방식에 기반하여 상기 Q-ary 코드 중 패리티 파트의 전송 횟수(T)를 결정할 수 있다. 그리고/또는, 전송 횟수(T)는 이용 가능한 자원에 기반하여 결정될 수 있다.
그리고/또는, 패리티 파트의 최대 전송 횟수는 Q-ary 관련 값 및 제한 기반 Q-ary 관련 값에 기반하여 결정될 수 있다.
예를 들어,
Figure PCTKR2021010160-appb-img-000139
가 소수인 경우, 패리티 파트의 최대 전송 횟수(
Figure PCTKR2021010160-appb-img-000140
)는 Q-ary 관련 값(Q) 및 제한 기반 Q-ary 관련 값(Qin)에 기반하여 결정될 수 있다. 예를 들어, T는
Figure PCTKR2021010160-appb-img-000141
가 소수인 경우
Figure PCTKR2021010160-appb-img-000142
보다 크지 않도록 설정될 수 있다.
예를 들어,
Figure PCTKR2021010160-appb-img-000143
인 경우, 패리티 파트의 최대 전송 횟수(
Figure PCTKR2021010160-appb-img-000144
)는 Q-ary 관련 값(q) 및 제한 기반 Q-ary 관련 값(qin)에 기반하여 결정될 수 있다. 예를 들어, T는
Figure PCTKR2021010160-appb-img-000145
인 경우
Figure PCTKR2021010160-appb-img-000146
보다 크지 않도록 설정될 수 있다.
그리고/또는, 제한 기반 Q-ary 관련 값은 채널 상태 및/또는 복수의 단말의 수 중 적어도 하나에 기반하여 결정될 수 있다. 예를 들어,
Figure PCTKR2021010160-appb-img-000147
이고
Figure PCTKR2021010160-appb-img-000148
일 수 있다.
예를 들어, 기설정된 방식은 상기의 제한 하에서 T를 결정하는 방식을 의미하거나, 상기 제한 하에서의 이용 가능한 자원을 고려하여 T를 결정하는 방식일 수 있다.
예를 들어, S2402 단계의 단말이 전송 횟수를 결정하는 동작은 상술한 도1 내지 도 5의 장치에 의해 구현될 수 있다. 도 2를 참조하면, 하나 이상의 프로세서(200a/200b)는 전송 횟수를 결정하기 위해 하나 이상의 메모리(204a/204b) 및/또는 하나 이상의 송수신기(206a/206b) 등을 제어할 수 있다.
그리고/또는, 단말(도 1의 100x/120, 도 2의 200a/200b, 도 4의 400, 도 5의 500)은 S2403 단계에서, 연합학습에 참여하는 복수의 단말과 기지국 간 채널 정보 중 특정 채널 정보에 기반하여, 상기 시스템 파트와 T개의 패리티 파트에 전력을 할당할 수 있다. 여기서, 연합학습에 참여하는 단말들 및/또는 단말들의 수는 수학식 5에 의해 결정될 수 있다. 그리고/또는, 연합학습은 도 10 내지 16을 참조하여 설명한 신경망에 기반할 수 있다.
예를 들어, 시스템 파트의 할당 전력은 수학식 7에 의해 결정되고, 패리티 파트의 할당 전력은 수학식 6에 의해 결정될 수 있다.
예를 들어, 채널 정보는 채널 상태를 나타내는 정보일 수 있다. 예를 들어, 특정 채널 정보는 복수의 단말의 채널 중 가장 나쁜 채널에 대한 정보일 수 있다.
예를 들어, S2403 단계의 단말이 T개의 패리티 파트에 전력을 할당하는 동작은 상술한 도1 내지 도 5의 장치에 의해 구현될 수 있다. 도 2를 참조하면, 하나 이상의 프로세서(200a/200b)는 T개의 패리티 파트에 전력을 할당하기 위해 하나 이상의 메모리(204a/204b) 및/또는 하나 이상의 송수신기(206a/206b) 등을 제어할 수 있다.
그리고/또는, 단말(도 1의 100x/120, 도 2의 200a/200b, 도 4의 400, 도 5의 500)은 S2404 단계에서, 할당 전력에 기반하여 시스템 파트와 T개의 패리티 파트를 기지국으로 전송할 수 있다.
예를 들어, 단말들과 기지국은 도 6 내지 도 7의 무선 프레임의 구조 그리고/또는 슬롯 구조에 기반하여 통신을 수행할 수 있다.
예를 들어, 단말은 연합학습을 수행하기 전에 도 6의 S611 내지 S616의 동작 또는 S611 내지 S618의 동작을 수행할 수 있다.
예를 들어, S2404 단계의 단말이 시스템 파트와 T개의 패리티 파트를 전송하는 동작은 상술한 도1 내지 도 5의 장치에 의해 구현될 수 있다. 도 2를 참조하면, 하나 이상의 프로세서(200a/200b)는 시스템 파트와 T개의 패리티 파트를 전송하기 위해 하나 이상의 메모리(204a/204b) 및/또는 하나 이상의 송수신기(206a/206b) 등을 제어할 수 있으며, 하나 이상의 송수신기(206a/206b)는 시스템 파트와 T개의 패리티 파트를 전송할 수 있다.
그리고/또는, 단말은 특정 채널 정보를 기지국으로부터 수신할 수 있다. 이때, 특정 채널 정보는 복수의 단말과 기지국 간 채널들 중 노이즈가 가장 높은 채널에 대한 정보일 수 있다.
이를 통해, 본 명세서는 AirComp 기반 연합학습에서 제한 기반 확장 가능한 Q-ary 선형 코드를 이용하여 전력 할당 및/또는 자원 관리를 수행함으로써, 전력/자원을 효율적으로 이용할 수 있다.
도 24를 참조하여 설명한 단말의 동작은 도 1 내지 도 23을 참조하여 설명한 단말의 동작과 동일하므로 이외 상세한 설명은 생략한다.
상술한 시그널링(signaling) 및 동작은 이하 설명될 장치(예: 도 1 내지 도 5)에 의해 구현될 수 있다. 예를 들어, 상술한 시그널링 및 동작은 도 1 내지 도 5의 하나 이상의 프로세서에 의해 처리될 수 있으며, 상술한 시그널링 및 동작은 도 1 내지 도 5의 적어도 하나의 프로세서를 구동하기 위한 명령어/프로그램(예: instruction, executable code) 형태로 메모리에 저장될 수도 있다.
예를 들어, 무선 통신 시스템에서 연합학습을 수행하기 위해 단말을 제어하도록 설정된 프로세서 장치에 있어서, 적어도 하나의 프로세서와, 상기 적어도 하나의 프로세서와 기능적으로 연결되고, 상기 적어도 하나의 프로세서가 동작들을 수행하도록 하는 명령어들을 저장하는 적어도 하나의 메모리를 포함하고, 상기 동작들은, 제한(restriction) 기반 Q-ary 정보를 코딩하여 i) 제한 기반 시스템 파트와 ii) 패리티 파트를 포함하는 Q-ary 코드를 생성하는 단계와, 기설정된 방식에 기반하여 Q-ary 코드 중 패리티 파트의 전송 횟수(T)를 결정하는 단계와, 연합학습에 참여하는 복수의 단말과 기지국 간 채널 정보 중 특정 채널 정보에 기반하여, 시스템 파트와 T개의 패리티 파트에 전력을 할당하는 단계와, 할당 전력에 기반하여 시스템 파트와 T개의 패리티 파트를 상기 기지국으로 전송하는 단계를 포함할 수 있다.
다른 예로, 적어도 하나의 프로세서가 동작들을 수행하도록 하는 명령어들을 저장하는 컴퓨터 판독 가능 매체(computer readable medium, CRM)에 있어서, 상기 동작들은, 제한(restriction) 기반 Q-ary 정보를 코딩하여 i) 제한 기반 시스템 파트와 ii) 패리티 파트를 포함하는 Q-ary 코드를 생성하는 단계와, 기설정된 방식에 기반하여 Q-ary 코드 중 패리티 파트의 전송 횟수(T)를 결정하는 단계와, 연합학습에 참여하는 복수의 단말과 기지국 간 채널 정보 중 특정 채널 정보에 기반하여, 시스템 파트와 T개의 패리티 파트에 전력을 할당하는 단계와, 할당 전력에 기반하여 시스템 파트와 T개의 패리티 파트를 기지국으로 전송하는 단계를 포함할 수 있다.
도 25는 본 명세서에서 제안하는 기지국의 동작 방법을 설명하기 위한 흐름도이다.
도 25를 참조하면, 기지국(도 1의 100x/120, 도 2의 200a/200b, 도 4의 400, 도 5의 500)은 S2501 단계에서, 할당 전력에 기반하여 시스템 파트와 T개의 패리티 파트를 단말로부터 수신할 수 있다.
그리고/또는, 시스템 파트와 패리티 파트는 제한(restriction) 기반 Q-ary 정보(또는 Qin-ary 정보)를 코딩하여 생성될 수 있다. 예를 들어, 제한 기반 Q-ary 정보는 차수가 제한된 유한 필드/정보 필드에 기반한 정보를 의미할 수 있다. 그리고/또는, 제한 기반 Q-ary 정보는 Q-ary 선형 코드(Q-ary linear code)에 의해 코딩될 정보를 의미할 수 있다.
그리고/또는, 제한 기반 시스템 파트는 Qin-ary를 갖는 정보이고, 패리티 파트는 Q-ary를 갖는 정보일 수 있다.
제한 기반 시스템 파트와 패리티 파트는 수학식 1 또는 3과 같이 표현될 수 있다. 다시 말해, Q-ary 코드는 수학식 1 또는 3과 같이 표현될 수 있다. 또는 Q-ary 코드는 도 21의 코드워드(2130)일 수 있다.
그리고/또는, 시스템 파트는 패리티 파트와 다른 변조 차수(modulation order)에 기반하여 변조될 수 있다. 예를 들어, 시스템 파트는 패리티 파트와 비교하여 낮은 차수로 변조될 수 있다.
그리고/또는, 패리티 파트는 기설정된 방식에 기반하여 전송 횟수(T)가 결정될 수 있다.
그리고/또는, 전송 횟수(T)는 이용 가능한 자원에 기반하여 결정될 수 있다.
그리고/또는, 패리티 파트의 최대 전송 횟수는 Q-ary 관련 값 및 제한 기반 Q-ary 관련 값에 기반하여 결정될 수 있다.
예를 들어,
Figure PCTKR2021010160-appb-img-000149
가 소수인 경우, 패리티 파트의 최대 전송 횟수(
Figure PCTKR2021010160-appb-img-000150
)는 Q-ary 관련 값(Q) 및 제한 기반 Q-ary 관련 값(Qin)에 기반하여 결정될 수 있다. 예를 들어, T는
Figure PCTKR2021010160-appb-img-000151
가 소수인 경우
Figure PCTKR2021010160-appb-img-000152
보다 크지 않도록 설정될 수 있다.
예를 들어,
Figure PCTKR2021010160-appb-img-000153
인 경우, 패리티 파트의 최대 전송 횟수(
Figure PCTKR2021010160-appb-img-000154
)는 Q-ary 관련 값(q) 및 제한 기반 Q-ary 관련 값(qin)에 기반하여 결정될 수 있다. 예를 들어, T는
Figure PCTKR2021010160-appb-img-000155
인 경우
Figure PCTKR2021010160-appb-img-000156
보다 크지 않도록 설정될 수 있다.
그리고/또는, 제한 기반 Q-ary 관련 값은 채널 상태 및/또는 복수의 단말의 수 중 적어도 하나에 기반하여 결정될 수 있다. 예를 들어,
Figure PCTKR2021010160-appb-img-000157
이고
Figure PCTKR2021010160-appb-img-000158
일 수 있다.
예를 들어, 기설정된 방식은 상기의 제한 하에서 T를 결정하는 방식을 의미하거나, 상기 제한 하에서의 이용 가능한 자원을 고려하여 T를 결정하는 방식일 수 있다.
시스템 파트와 T개의 패리티 파트는 연합학습에 참여하는 복수의 단말과 기지국 간 채널 정보 중 특정 채널 정보에 기반하여 할당 전력이 결정될 수 있다.
여기서, 연합학습에 참여하는 단말들 및/또는 단말들의 수는 수학식 5에 의해 결정될 수 있다. 그리고/또는, 연합학습은 도 10 내지 16을 참조하여 설명한 신경망에 기반할 수 있다.
예를 들어, 시스템 파트의 할당 전력은 수학식 7에 의해 결정되고, 패리티 파트의 할당 전력은 수학식 6에 의해 결정될 수 있다.
예를 들어, 채널 정보는 채널 상태를 나타내는 정보일 수 있다. 예를 들어, 특정 채널 정보는 복수의 단말의 채널 중 가장 나쁜 채널에 대한 정보일 수 있다.
예를 들어, 단말들과 기지국은 도 6 내지 도 7의 무선 프레임의 구조 그리고/또는 슬롯 구조에 기반하여 통신을 수행할 수 있다.
예를 들어, 기지국은 연합학습을 수행하기 전에 도 6의 S611 내지 S616의 동작 또는 S611 내지 S618의 동작을 수행할 수 있다.
그리고/또는, 기지국은 특정 채널 정보를 단말로 전송할 수 있다. 이때, 특정 채널 정보는 복수의 단말과 기지국 간 채널들 중 노이즈가 가장 높은 채널에 대한 정보일 수 있다.
예를 들어, S2501 단계의 기지국이 시스템 파트와 T개의 패리티 파트를 수신하는 동작은 상술한 도1 내지 도 5의 장치에 의해 구현될 수 있다. 도 2를 참조하면, 하나 이상의 프로세서(200a/200b)는 시스템 파트와 T개의 패리티 파트를 수신 하기 위해 하나 이상의 메모리(204a/204b) 및/또는 하나 이상의 송수신기(206a/206b) 등을 제어할 수 있으며, 하나 이상의 송수신기(206a/206b)는 시스템 파트와 T개의 패리티 파트를 수신할 수 있다.
이를 통해, 본 명세서는 AirComp 기반 연합학습에서 제한 기반 확장 가능한 Q-ary 선형 코드를 이용하여 전력 할당 및/또는 자원 관리를 수행함으로써, 전력/자원을 효율적으로 이용할 수 있다.
도 25를 참조하여 설명한 기지국의 동작은 도 1 내지 도 24를 참조하여 설명한 기지국의 동작과 동일하므로 이외 상세한 설명은 생략한다.
상술한 시그널링(signaling) 및 동작은 이하 설명될 장치(예: 도 1 내지 도 5)에 의해 구현될 수 있다. 예를 들어, 상술한 시그널링 및 동작은 도 1 내지 도 5의 하나 이상의 프로세서에 의해 처리될 수 있으며, 상술한 시그널링 및 동작은 도 1 내지 도 5의 적어도 하나의 프로세서를 구동하기 위한 명령어/프로그램(예: instruction, executable code) 형태로 메모리에 저장될 수도 있다.
예를 들어, 무선 통신 시스템에서 연합학습을 수행하기 위해 단말을 제어하도록 설정된 프로세서 장치에 있어서, 적어도 하나의 프로세서와, 상기 적어도 하나의 프로세서와 기능적으로 연결되고, 상기 적어도 하나의 프로세서가 동작들을 수행하도록 하는 명령어들을 저장하는 적어도 하나의 메모리를 포함하고, 상기 동작들은, 할당 전력에 기반하여 시스템 파트와 T개의 패리티 파트를 단말로부터 수신하는 단계를 포함하되, 시스템 파트와 패리티 파트는 제한(restriction) 기반 Q-ary 정보를 코딩하여 생성되고, 패리티 파트는 기설정된 방식에 기반하여 전송 횟수(T)가 결정되며, 시스템 파트와 상기 T개의 패리티 파트는 연합학습에 참여하는 복수의 단말과 기지국 간 채널 정보 중 특정 채널 정보에 기반하여 상기 할당 전력이 결정될 수 있다.
다른 예로, 적어도 하나의 프로세서가 동작들을 수행하도록 하는 명령어들을 저장하는 컴퓨터 판독 가능 매체(computer readable medium, CRM)에 있어서, 상기 동작들은, 할당 전력에 기반하여 시스템 파트와 T개의 패리티 파트를 단말로부터 수신하는 단계를 포함하되, 시스템 파트와 패리티 파트는 제한(restriction) 기반 Q-ary 정보를 코딩하여 생성되고, 패리티 파트는 기설정된 방식에 기반하여 전송 횟수(T)가 결정되며, 시스템 파트와 상기 T개의 패리티 파트는 연합학습에 참여하는 복수의 단말과 기지국 간 채널 정보 중 특정 채널 정보에 기반하여 상기 할당 전력이 결정될 수 있다.
여기서, 본 명세서의 무선 기기(200a, 200b)에서 구현되는 무선 통신 기술은 LTE, NR 및 6G뿐만 아니라 저전력 통신을 위한 Narrowband Internet of Things를 포함할 수 있다. 이때, 예를 들어 NB-IoT 기술은 LPWAN(Low Power Wide Area Network) 기술의 일례일 수 있고, LTE Cat NB1 및/또는 LTE Cat NB2 등의 규격으로 구현될 수 있으며, 상술한 명칭에 한정되는 것은 아니다. 추가적으로 또는 대체적으로, 본 명세서의 무선 기기(XXX, YYY)에서 구현되는 무선 통신 기술은 LTE-M 기술을 기반으로 통신을 수행할 수 있다. 이때, 일 예로, LTE-M 기술은 LPWAN 기술의 일례일 수 있고, eMTC(enhanced Machine Type Communication) 등의 다양한 명칭으로 불릴 수 있다. 예를 들어, LTE-M 기술은 1) LTE CAT 0, 2) LTE Cat M1, 3) LTE Cat M2, 4) LTE non-BL(non-Bandwidth Limited), 5) LTE-MTC, 6) LTE Machine Type Communication, 및/또는 7) LTE M 등의 다양한 규격 중 적어도 어느 하나로 구현될 수 있으며 상술한 명칭에 한정되는 것은 아니다. 추가적으로 또는 대체적으로, 본 명세서의 무선 기기(XXX, YYY)에서 구현되는 무선 통신 기술은 저전력 통신을 고려한 지그비(ZigBee), 블루투스(Bluetooth) 및 저전력 광역 통신망(Low Power Wide Area Network, LPWAN) 중 적어도 어느 하나를 포함할 수 있으며, 상술한 명칭에 한정되는 것은 아니다. 일 예로 ZigBee 기술은 IEEE 802.15.4 등의 다양한 규격을 기반으로 소형/저-파워 디지털 통신에 관련된 PAN(personal area networks)을 생성할 수 있으며, 다양한 명칭으로 불릴 수 있다.
이상에서 설명된 실시 예들은 본 명세서의 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 명세서의 실시 예를 구성하는 것도 가능하다. 본 명세서의 실시 예들에서 설명되는 동작들의 순서는 변경될 수 있다. 어느 실시예의 일부 구성이나 특징은 다른 실시 예에 포함될 수 있고, 또는 다른 실시예의 대응하는 구성 또는 특징과 교체될 수 있다. 특허청구범위에서 명시적인 인용 관계가 있지 않은 청구항들을 결합하여 실시 예를 구성하거나 출원 후의 보정에 의해 새로운 청구항으로 포함시킬 수 있음은 자명하다.
본 명세서에 따른 실시 예는 다양한 수단, 예를 들어, 하드웨어, 펌웨어(firmware), 소프트웨어 또는 그것들의 결합 등에 의해 구현될 수 있다. 하드웨어에 의한 구현의 경우, 본 발명의 일 실시 예는 하나 또는 그 이상의 ASICs(application specific integrated circuits), DSPs(digital signal processors), DSPDs(digital signal processing devices), PLDs(programmable logic devices), FPGAs(field programmable gate arrays), 프로세서, 콘트롤러, 마이크로 콘트롤러, 마이크로 프로세서 등에 의해 구현될 수 있다.
펌웨어나 소프트웨어에 의한 구현의 경우, 본 명세서의 일 실시 예는 이상에서 설명된 기능 또는 동작들을 수행하는 모듈, 절차, 함수 등의 형태로 구현될 수 있다. 소프트웨어 코드는 메모리에 저장되어 프로세서에 의해 구동될 수 있다. 상기 메모리는 상기 프로세서 내부 또는 외부에 위치하여, 이미 공지된 다양한 수단에 의해 상기 프로세서와 데이터를 주고 받을 수 있다.
본 명세서는 본 명세서의 필수적 특징을 벗어나지 않는 범위에서 다른 특정한 형태로 구체화될 수 있음은 당업자에게 자명하다. 따라서, 상술한 상세한 설명은 모든 면에서 제한적으로 해석되어서는 아니 되고 예시적인 것으로 고려되어야 한다. 본 명세서의 범위는 첨부된 청구항의 합리적 해석에 의해 결정되어야 하고, 본 명세서의 등가적 범위 내에서의 모든 변경은 본 명세서의 범위에 포함된다.
본 명세서의 무선 통신 시스템에서 연합학습을 수행하는 방안은 3GPP LTE/LTE-A 시스템, 5G 시스템(New RAT 시스템), 6G/Beyond 6G 시스템에 적용되는 예를 중심으로 설명하였으나, 이외에도 다양한 무선 통신 시스템에 적용하는 것이 가능하다.

Claims (16)

  1. 무선 통신 시스템에서 연합학습을 수행하는 방법에 있어서, 단말에 의해 수행되는 방법은,
    제한(restriction) 기반 Q-ary 정보를 코딩하여 i) 제한 기반 시스템 파트와 ii) 패리티 파트를 포함하는 Q-ary 코드를 생성하는 단계;
    기설정된 방식에 기반하여 상기 Q-ary 코드 중 상기 패리티 파트의 전송 횟수(T)를 결정하는 단계;
    상기 연합학습에 참여하는 복수의 단말과 기지국 간 채널 정보 중 특정 채널 정보에 기반하여, 상기 시스템 파트와 T개의 패리티 파트에 전력을 할당하는 단계; 및
    할당 전력에 기반하여 상기 시스템 파트와 상기 T개의 패리티 파트를 상기 기지국으로 전송하는 단계를 포함하는 방법.
  2. 제1항에 있어서, 상기 전송 횟수(T)는 이용 가능한 자원에 기반하여 결정되는 방법.
  3. 제1항에 있어서, 상기 패리티 파트의 최대 전송 횟수는 Q-ary 관련 값 및 제한 기반 Q-ary 관련 값에 기반하여 결정되는 방법.
  4. 제3항에 있어서, 상기 제한 기반 Q-ary 관련 값은 채널 상태 및/또는 상기 복수의 단말의 수 중 적어도 하나에 기반하여 결정되는 방법.
  5. 제1항에 있어서,
    상기 시스템 파트는 상기 패리티 파트와 다른 변조 차수(modulation order)에 기반하여 변조되는 방법.
  6. 제1항에 있어서, 상기 특정 채널 정보를 상기 기지국으로부터 수신하는 단계를 더 포함하되,
    상기 특정 채널 정보는 복수의 단말과 기지국 간 채널들 중 노이즈가 가장 높은 채널에 대한 정보인 방법.
  7. 무선 통신 시스템에서 연합학습을 수행하도록 설정된 단말에 있어서,
    적어도 하나의 송수신기;
    적어도 하나의 송수신기와 기능적으로 연결된 적어도 하나의 프로세서; 및
    상기 적어도 하나의 프로세서와 기능적으로 연결되고, 상기 적어도 하나의 프로세서가 동작들을 수행하도록 하는 명령어들을 저장하는 적어도 하나의 메모리를 포함하고,
    상기 동작들은,
    제한(restriction) 기반 Q-ary 정보를 코딩하여 i) 제한 기반 시스템 파트와 ii) 패리티 파트를 포함하는 Q-ary 코드를 생성하는 단계;
    기설정된 방식에 기반하여 상기 Q-ary 코드 중 상기 패리티 파트의 전송 횟수(T)를 결정하는 단계;
    상기 연합학습에 참여하는 복수의 단말과 기지국 간 채널 정보 중 특정 채널 정보에 기반하여, 상기 시스템 파트와 T개의 패리티 파트에 전력을 할당하는 단계; 및
    할당 전력에 기반하여 상기 시스템 파트와 상기 T개의 패리티 파트를 상기 기지국으로 전송하는 단계를 포함하는 단말.
  8. 무선 통신 시스템에서 연합학습을 수행하는 방법에 있어서, 기지국에 의해 수행되는 방법은,
    할당 전력에 기반하여 시스템 파트와 T개의 패리티 파트를 단말로부터 수신하는 단계를 포함하되,
    상기 시스템 파트와 패리티 파트는 제한(restriction) 기반 Q-ary 정보를 코딩하여 생성되고,
    상기 패리티 파트는 기설정된 방식에 기반하여 전송 횟수(T)가 결정되며,
    상기 시스템 파트와 상기 T개의 패리티 파트는 상기 연합학습에 참여하는 복수의 단말과 기지국 간 채널 정보 중 특정 채널 정보에 기반하여 상기 할당 전력이 결정되는 방법.
  9. 제8항에 있어서, 상기 전송 횟수(T)는 이용 가능한 자원에 기반하여 결정되는 방법.
  10. 제8항에 있어서, 상기 패리티 파트의 최대 전송 횟수는 Q-ary 관련 값 및 제한 기반 Q-ary 관련 값에 기반하여 결정되는 방법.
  11. 제10항에 있어서, 상기 제한 기반 Q-ary 관련 값은 채널 상태 및/또는 상기 복수의 단말의 수 중 적어도 하나에 기반하여 결정되는 방법.
  12. 제8항에 있어서,
    상기 시스템 파트는 상기 패리티 파트와 다른 변조 차수(modulation order)에 기반하여 변조되는 방법.
  13. 제8항에 있어서, 상기 특정 채널 정보를 상기 단말로 전송하는 단계를 더 포함하되,
    상기 특정 채널 정보는 복수의 단말과 기지국 간 채널들 중 노이즈가 가장 높은 채널에 대한 정보인 방법.
  14. 무선 통신 시스템에서 연합학습을 수행하도록 설정된 기지국에 있어서,
    적어도 하나의 송수신기;
    적어도 하나의 송수신기와 기능적으로 연결된 적어도 하나의 프로세서; 및
    상기 적어도 하나의 프로세서와 기능적으로 연결되고, 상기 적어도 하나의 프로세서가 동작들을 수행하도록 하는 명령어들을 저장하는 적어도 하나의 메모리를 포함하고,
    상기 동작들은, 할당 전력에 기반하여 시스템 파트와 T개의 패리티 파트를 단말로부터 수신하는 단계를 포함하되,
    상기 시스템 파트와 패리티 파트는 제한(restriction) 기반 Q-ary 정보를 코딩하여 생성되고,
    상기 패리티 파트는 기설정된 방식에 기반하여 전송 횟수(T)가 결정되며,
    상기 시스템 파트와 상기 T개의 패리티 파트는 상기 연합학습에 참여하는 복수의 단말과 기지국 간 채널 정보 중 특정 채널 정보에 기반하여 상기 할당 전력이 결정되는 기지국.
  15. 무선 통신 시스템에서 연합학습을 수행하기 위해 단말을 제어하도록 설정된 프로세서 장치에 있어서,
    적어도 하나의 프로세서; 및
    상기 적어도 하나의 프로세서와 기능적으로 연결되고, 상기 적어도 하나의 프로세서가 동작들을 수행하도록 하는 명령어들을 저장하는 적어도 하나의 메모리를 포함하고,
    상기 동작들은,
    제한(restriction) 기반 Q-ary 정보를 코딩하여 i) 제한 기반 시스템 파트와 ii) 패리티 파트를 포함하는 Q-ary 코드를 생성하는 단계;
    기설정된 방식에 기반하여 상기 Q-ary 코드 중 상기 패리티 파트의 전송 횟수(T)를 결정하는 단계;
    상기 연합학습에 참여하는 복수의 단말과 기지국 간 채널 정보 중 특정 채널 정보에 기반하여, 상기 시스템 파트와 T개의 패리티 파트에 전력을 할당하는 단계; 및
    할당 전력에 기반하여 상기 시스템 파트와 상기 T개의 패리티 파트를 상기 기지국으로 전송하는 단계를 포함하는 프로세서 장치.
  16. 적어도 하나의 프로세서가 동작들을 수행하도록 하는 명령어들을 저장하는 컴퓨터 판독 가능 매체(computer readable medium, CRM)에 있어서,
    상기 동작들은,
    제한(restriction) 기반 Q-ary 정보를 코딩하여 i) 제한 기반 시스템 파트와 ii) 패리티 파트를 포함하는 Q-ary 코드를 생성하는 단계;
    기설정된 방식에 기반하여 상기 Q-ary 코드 중 상기 패리티 파트의 전송 횟수(T)를 결정하는 단계;
    연합학습에 참여하는 복수의 단말과 기지국 간 채널 정보 중 특정 채널 정보에 기반하여, 상기 시스템 파트와 T개의 패리티 파트에 전력을 할당하는 단계; 및
    할당 전력에 기반하여 상기 시스템 파트와 상기 T개의 패리티 파트를 상기 기지국으로 전송하는 단계를 포함하는 컴퓨터 판독 가능 매체.
PCT/KR2021/010160 2021-08-03 2021-08-03 무선 통신 시스템에서 연합학습을 수행하는 방법 및 이를 위한 장치 WO2023013795A1 (ko)

Priority Applications (4)

Application Number Priority Date Filing Date Title
KR1020247005619A KR20240046185A (ko) 2021-08-03 2021-08-03 무선 통신 시스템에서 연합학습을 수행하는 방법 및 이를 위한 장치
EP21952917.9A EP4383599A1 (en) 2021-08-03 2021-08-03 Method for performing federated learning in wireless communication system, and apparatus therefor
PCT/KR2021/010160 WO2023013795A1 (ko) 2021-08-03 2021-08-03 무선 통신 시스템에서 연합학습을 수행하는 방법 및 이를 위한 장치
CN202180101194.2A CN117795877A (zh) 2021-08-03 2021-08-03 在无线通信***中执行联邦学习的方法及其设备

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
PCT/KR2021/010160 WO2023013795A1 (ko) 2021-08-03 2021-08-03 무선 통신 시스템에서 연합학습을 수행하는 방법 및 이를 위한 장치

Publications (1)

Publication Number Publication Date
WO2023013795A1 true WO2023013795A1 (ko) 2023-02-09

Family

ID=85154515

Family Applications (1)

Application Number Title Priority Date Filing Date
PCT/KR2021/010160 WO2023013795A1 (ko) 2021-08-03 2021-08-03 무선 통신 시스템에서 연합학습을 수행하는 방법 및 이를 위한 장치

Country Status (4)

Country Link
EP (1) EP4383599A1 (ko)
KR (1) KR20240046185A (ko)
CN (1) CN117795877A (ko)
WO (1) WO2023013795A1 (ko)

Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2004077778A1 (en) * 2003-02-28 2004-09-10 Nokia Corporation Power and bit loading allocation in a communication system with a plurality of channels
KR20050042717A (ko) * 2003-11-04 2005-05-10 삼성전자주식회사 전력제어와 오류정정 부호의 결합 방법 및 장치
KR20080092801A (ko) * 2007-04-13 2008-10-16 삼성전자주식회사 이동 통신 시스템에서 기준 심볼 전력 할당에 따른 변조심볼을 매핑/디매핑하는 방법 및 송/수신기

Patent Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2004077778A1 (en) * 2003-02-28 2004-09-10 Nokia Corporation Power and bit loading allocation in a communication system with a plurality of channels
KR20050042717A (ko) * 2003-11-04 2005-05-10 삼성전자주식회사 전력제어와 오류정정 부호의 결합 방법 및 장치
KR20080092801A (ko) * 2007-04-13 2008-10-16 삼성전자주식회사 이동 통신 시스템에서 기준 심볼 전력 할당에 따른 변조심볼을 매핑/디매핑하는 방법 및 송/수신기

Non-Patent Citations (2)

* Cited by examiner, † Cited by third party
Title
JANG, MIN-HO: "Retransmission Scheme with Equal Combined Power Allocation Using Decoding Method with Improved Convergence Speed in LDPC Coded OFDM Systems", JOURNAL OF KOREA INFORMATION AND COMMUNICATIONS SOCIETY, THE, KOREA INSTITUTE OF COMMUNICATION SCIENCES, KOREA, vol. 38A, no. 9, 11 September 2013 (2013-09-11), Korea , pages 750 - 758, XP009543366, ISSN: 1226-4717 *
LATA TARUN: "On [31, 28, 3] Hamming Code and [7, 4, 4] MDS Code Over GF(5)", GLOBAL JOURNAL OF PURE AND APPLIED MATHEMATICS, RESEARCH INDIA PUBLICATIONS, vol. 13, no. 9, 1 January 2017 (2017-01-01), pages 5461 - 5468, XP093031580, ISSN: 0973-1768 *

Also Published As

Publication number Publication date
CN117795877A (zh) 2024-03-29
EP4383599A1 (en) 2024-06-12
KR20240046185A (ko) 2024-04-08

Similar Documents

Publication Publication Date Title
WO2022010012A1 (ko) 무선 통신 시스템에서 빔포밍 방법 및 그 장치
WO2022250221A1 (ko) 무선 통신 시스템에서 신호 전송 방법 및 장치
WO2023003054A1 (ko) 양자 통신 시스템에서 양자 보안 직접 통신을 수행하기 위한 방법 및 이를 위한 장치
WO2022014751A1 (ko) 무선 통신 시스템에서 주파수 도메인 채널 추정을 위한 uw 생성 방법 및 장치
WO2022004914A1 (ko) 무선 통신 시스템에서 단말 및 기지국의 신호 송수신 방법 및 장치
WO2022025321A1 (ko) 통신 장치의 신호 랜덤화 방법 및 장치
WO2022014735A1 (ko) 무선 통신 시스템에서 단말 및 기지국의 신호 송수신 방법 및 장치
WO2021172601A1 (ko) 무선 통신 시스템에서 무선 신호를 송수신하는 방법 및 장치
WO2023013794A1 (ko) 무선 통신 시스템에서 ris 기반 직교 주파수 분할 다중화 신호를 전송하기 위한 방법 및 그 장치
WO2023013795A1 (ko) 무선 통신 시스템에서 연합학습을 수행하는 방법 및 이를 위한 장치
WO2022045377A1 (ko) 무선 통신 시스템에서 단말 및 기지국의 신호 송수신 방법 및 장치
WO2022265141A1 (ko) 무선 통신 시스템에서 빔 관리를 수행하는 방법 및 이를 위한 장치
WO2022010014A1 (ko) 무선 통신 시스템에서 위상 잡음의 추정 방법 및 그 장치
WO2022097774A1 (ko) 무선 통신 시스템에서 단말 및 기지국의 피드백 수행 방법 및 장치
WO2022004927A1 (ko) 오토 인코더를 이용하는 무선 통신 시스템에서 신호를 송수신하기 위한 방법 및 이를 위한 장치
WO2022014728A1 (ko) 무선 통신 시스템에서 단말 및 기지국의 채널 코딩 수행 방법 및 장치
WO2021256586A1 (ko) 수신 신호의 각도 추정 방법 및 장치
WO2021261611A1 (ko) 무선 통신 시스템에서 연합 학습을 수행하기 위한 방법 및 장치
WO2022014731A1 (ko) Aircomp 기반 연합학습의 스케줄링 방법 및 장치
WO2022270650A1 (ko) 무선 통신 시스템에서 연합 학습을 수행하기 위한 방법 및 이를 위한 장치
WO2022080511A1 (ko) 무선 통신 시스템에서 1-bit adc를 통해 무선 신호를 수신하기 위한 방법 및 그 장치
WO2023054778A1 (ko) 무선 통신 시스템에서 채널 상태 정보를 보고하기 위한 방법 및 이를 위한 장치
WO2024063170A1 (ko) 다자간 양자 텔레포테이션 방법 및 장치
WO2023068398A1 (ko) 무선 통신 시스템에서 시멘틱 통신을 지원을 하기 위한 방법 및 그 장치
WO2024063173A1 (ko) 양자 통신 시스템에서 정보를 전송하기 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: 21952917

Country of ref document: EP

Kind code of ref document: A1

WWE Wipo information: entry into national phase

Ref document number: 202180101194.2

Country of ref document: CN

ENP Entry into the national phase

Ref document number: 20247005619

Country of ref document: KR

Kind code of ref document: A

NENP Non-entry into the national phase

Ref country code: DE

ENP Entry into the national phase

Ref document number: 2021952917

Country of ref document: EP

Effective date: 20240304