| 1 |
1
MIMO(multi input multi output) 방식을 지원하는 기지국의 동작 방법에 있어서, 미리 설정된 인공 신경망(artificial neural network)을 포함하는 빔 형성 모델을 기초로 제1 빔의 ID(identifier)를 예측하는 단계;상기 제1 빔의 빔 포인팅 에러(beam pointing error)를 기초로 상기 빔 형성 모델을 업데이트하는 제1 업데이트 단계;단말로부터 최적 수신 빔의 ID 정보를 피드백 받는 단계;상기 제1 빔의 ID 및 상기 최적 수신 빔의 ID 간의 차이를 기초로 상기 빔 형성 모델을 업데이트하는 제2 업데이트 단계;상기 업데이트된 빔 형성 모델에 의해 제2 빔을 형성하는 단계; 및상기 형성된 제2 빔을 통해 변조된 신호를 상기 단말로 송신하는 단계를 포함하는 기지국의 동작 방법
|
| 2 |
2
청구항 1에 있어, 상기 기지국의 동작 방법은, 상기 기지국의 서브 어레이들이 상기 단말로 복수의 빔들을 통해 참조 신호를 송신하는 단계;상기 단말로부터 상기 복수의 빔들 각각에 대한 수신 전력 값을 획득하는 단계; 상기 복수의 빔들 각각에 대한 수신 전력 값을 기초로 상기 서브 어레이들 각각이 가장 큰 수신 전력 값을 갖는 하나의 빔을 결정하는 단계; 및상기 서브 어레이들 각각이 결정한 상기 하나의 빔의 ID들 중 최빈값인 빔 ID가 지시하는 빔인, 최적 송신 빔을 결정하는 단계;를 포함하고, 상기 제1 빔의 빔 포인팅 에러는, 상기 제1 빔의 ID 및 상기 최적 송신 빔의 ID 사이의 오차인 것을 특징으로 하는 기지국의 동작 방법
|
| 3 |
3
청구항 2에 있어, 상기 제1 업데이트 단계는, 상기 제1 빔의 빔 포인팅 에러를 기초로 상기 인공 신경망의 가중 벡터(weight vector)를 업데이트하고, 상기 제2 업데이트 단계는, 상기 제1 빔의 ID 및 상기 최적 수신 빔의 ID 간의 차이 정보를 기초로 상기 가중 벡터를 업데이트하는 것을 특징으로 하는 기지국의 동작 방법
|
| 4 |
4
청구항 2에 있어, 상기 제1 업데이트 단계는, 상기 제1 빔의 빔 포인팅 에러를 기초로 생성한 제1 상태 벡터를 반영하여 빔 형성 모델을 업데이트하고, 상기 제2 업데이트 단계는, 상기 제1 빔의 ID 및 상기 최적 수신 빔의 ID 간의 차이 정보를 기초로 생성한 제2 상태 벡터를 반영하여 빔 형성 모델을 업데이트 하는 것을 특징으로 하는 기지국의 동작 방법,
|
| 5 |
5
청구항 2에 있어, 상기 단말로부터 상기 기지국이 송신한 빔들에 대한 오차 패턴 정보를 피드백 받는 단계를 더 포함하고, 상기 제2 업데이트 단계는, 상기 오차 패턴 정보를 기초로 상기 빔 형성 모델을 업데이트 하는 단계를 더 포함하는 기지국의 동작 방법
|
| 6 |
6
청구항 1에 있어,상기 업데이트된 빔 형성 모델에 의해 제2 빔을 형성하는 단계 이후,상기 인공 신경망의 학습 기간이 미리 설정된 범위를 초과하는지 여부를 판단하는 단계를 더 포함하는 것을 특징으로 하는 기지국의 동작 방법
|
| 7 |
7
청구항 6에 있어, 상기 인공 신경망의 학습 기간이 미리 설정된 범위를 초과하지 않는 경우, 상기 변조된 신호는 저차 변조 방식(low modulation order)을 이용하여 변조된 신호인 것을 특징으로 하고, 상기 저차 변조 방식은, BPSK(binary phase shift keying), QPSK(quadrature phase shift keying) 방식을 포함하는 것을 특징으로 하는 기지국의 동작 방법
|
| 8 |
8
청구항 6에 있어, 상기 인공 신경망의 학습 기간이 미리 설정된 범위를 초과하는 경우, 상기 변조된 신호는 고차 변조 방식(high modulation order)을 이용하여 변조된 신호인 것을 특징으로 하고, 상기 고차 변조 방식은, 64QAM(quadrature amplitude modulation), 256QAM 방식을 포함하는 것을 특징으로 하는 기지국의 동작 방법
|
| 9 |
9
MIMO(multi input multi output) 방식을 지원하는 단말의 동작 방법에 있어서, 기지국으로부터 복수의 빔들을 통해 참조 신호(reference signal)를 수신하고, 제1 빔을 통해 데이터 신호를 수신하는 단계; 상기 복수의 빔들 각각에 대한 수신 전력 값을 기초로 상기 단말의 서브 어레이들 각각이 가장 큰 수신 전력 값을 갖는 하나의 빔을 결정하는 단계; 상기 서브 어레이들 각각이 결정한 상기 하나의 빔 ID(idenfifier)들 중 최빈값인 빔 ID가 지시하는 빔인, 최적 수신 빔을 결정하는 단계; 및상기 최적 수신 빔의 ID를 상기 기지국으로 송신하는 단계를 포함하는 것을 특징으로 하는 단말의 동작 방법
|
| 10 |
10
청구항 9에 있어, 단말의 동작 방법은, 상기 단말에 포함된 복수개의 서브 어레이들 각각에 의해 빔의 위상 오차 벡터를 산출하는 단계; 및 상기 빔의 위상 오차 벡터를 기초로 오차 패턴을 생성하는 단계;를 더 포함하고, 상기 하나의 빔의 ID를 송신하는 단계는, 상기 오차 패턴에 관한 정보를 더 송신하는 것을 특징으로 하는 단말의 동작 방법
|
| 11 |
11
청구항 9에 있어, 상기 참조 신호 및 데이터 신호를 수신하는 단계 이후,상기 데이터 신호를 복조하는 단계를 더 포함하고, 상기 데이터 신호의 변조 방식이 저차 변조 방식인 경우,상기 데이터 신호를 복조하는 단계는, 상기 서브 어레이들 각각이 간섭 신호의 수신 여부를 판단하는 단계; 및상기 제1 빔을 통해 수신한 데이터 신호 및 상기 간섭 신호를 분리하여 복조하는 것을 특징으로 하는 단말의 동작 방법
|
| 12 |
12
청구항 11에 있어, 상기 간섭 신호의 수신 여부를 판단하는 단계는, 상기 각각의 서브 어레이들이 상기 데이터 신호를 수신한 빔의 ID 중 최빈값을 결정하는 단계; 및상기 각각의 서브 어레이들이 상기 최빈값인 빔 ID 이외의 ID를 갖는 빔을 통해 수신한 신호를 간섭 신호로 판단하는 단계를 더 포함하는 단말의 동작 방법
|
| 13 |
13
이동 통신 네트워크에서 MIMO(multi input multi output) 방식을 지원하는 기지국에 있어, 프로세서(processor);상기 프로세서를 통해 실행되는 적어도 하나의 명령이 저장된 메모리(memory); 및상기 프로세서에 의해 생성된 신호를 전송하는 송신 안테나들을 포함하고, 상기 적어도 하나의 명령은, 미리 설정된 인공 신경망(artificial neural network)을 포함하는 빔 형성 모델을 기초로 제1 빔의 ID(identifier)를 예측하고, 상기 제1 빔의 빔 포인팅 에러(beam pointing error)를 기초로 상기 빔 형성 모델을 업데이트하는 제1 업데이트 동작을 수행하고, 단말로부터 최적 수신 빔의 ID 정보를 피드백 받고, 상기 제1 빔의 ID 및 상기 최적 수신 빔의 ID 간의 차이를 기초로 상기 빔 형성 모델을 업데이트하는 제2 업데이트 동작을 수행하고, 상기 업데이트된 빔 형성 모델에 의해 제2 빔을 형성하고, 그리고 상기 형성된 제2 빔을 통해 변조된 신호를 상기 단말로 송신하도록 실행되는 기지국
|
| 14 |
14
청구항 13에 있어, 상기 적어도 하나의 명령은, 상기 기지국의 서브 어레이들이 상기 단말로 복수의 빔들을 통해 참조 신호를 송신하고, 상기 단말로부터 상기 복수의 빔들 각각에 대한 수신 전력 값을 획득하고, 상기 복수의 빔들 각각에 대한 수신 전력 값을 기초로 상기 서브 어레이들 각각이 가장 큰 수신 전력 값을 갖는 하나의 빔을 결정하고, 그리고상기 서브 어레이들 각각이 결정한 상기 하나의 빔의 ID들 중 최빈값인 빔 ID가 지시하는 빔인, 최적 송신 빔을 결정하도록 더 실행되고, 상기 제1 빔의 빔 포인팅 에러는, 상기 제1 빔의 ID 및 상기 최적 송신 빔의 ID 사이의 오차인 것을 특징으로 하는 기지국
|
| 15 |
15
청구항 14에 있어, 상기 제1 업데이트 동작은, 상기 제1 빔의 빔 포인팅 에러를 기초로 상기 인공 신경망의 가중 벡터(weight vector)를 업데이트하도록 실행되고, 상기 제2 업데이트 동작은, 상기 제1 빔의 ID 및 상기 최적 수신 빔의 ID 간의 차이 정보를 기초로 상기 가중 벡터를 업데이트하도록 실행되는 기지국
|
| 16 |
16
청구항 14에 있어, 상기 제1 업데이트 동작은, 상기 제1 빔의 빔 포인팅 에러를 기초로 생성한 제1 상태 벡터를 반영하여 빔 형성 모델을 업데이트하도록 실행되고, 상기 제2 업데이트 동작은, 상기 제1 빔의 ID 및 상기 최적 수신 빔의 ID 간의 차이 정보를 기초로 생성한 제2 상태 벡터를 반영하여 빔 형성 모델을 업데이트 하도록 실행되는 기지국
|
| 17 |
17
청구항 14에 있어, 상기 적어도 하나의 명령은, 상기 단말로부터 상기 기지국이 송신한 빔들에 대한 오차 패턴 정보를 피드백 받도록 더 실행되고, 상기 제2 업데이트 동작은, 상기 오차 패턴 정보를 기초로 상기 빔 형성 모델을 업데이트 하도록 실행되는 기지국
|
| 18 |
18
청구항 13에 있어,상기 적어도 하나의 명령은, 상기 업데이트된 빔 형성 모델에 의해 제2 빔을 형성하도록 실행된 이후, 상기 인공 신경망의 학습 기간이 미리 설정된 범위를 초과하는지 여부를 판단하도록 더 실행되는 기지국
|
| 19 |
19
청구항 18에 있어, 상기 인공 신경망의 학습 기간이 미리 설정된 범위를 초과하지 않는 경우, 상기 변조된 신호는 저차 변조 방식(low modulation order)을 이용하여 변조된 신호인 것을 특징으로 하고, 상기 저차 변조 방식은, BPSK(binary phase shift keying), QPSK(quadrature phase shift keying) 방식을 포함하는 것을 특징으로 하는 기지국
|
| 20 |
20
청구항 18에 있어, 상기 인공 신경망의 학습 기간이 미리 설정된 범위를 초과하는 경우, 상기 변조된 신호는 고차 변조 방식(high modulation order)을 이용하여 변조된 신호인 것을 특징으로 하고, 상기 고차 변조 방식은, 64QAM(quadrature amplitude modulation), 256QAM 방식을 포함하는 것을 특징으로 하는 기지국
|
