1 |
1
선택적으로 입력된 학습 데이터를 이용하여 eMBB 및 URLLC의 이종 서비스 간 사용자의 스케줄링 우선 순위를 결정하는 단계;결정된 스케줄링 우선 순위를 지능형 스케줄러의 입력으로 하여 URLLC 서비스를 사용하는 사용자에 대한 SCS(SubCarrier Spacing) 수비학 및 OFDM(Orthogonal Frequency Division Multiplex) 심볼 수를 선택하는 단계;각 사용자의 각 슬롯에서 정규화된 부하(NL; Normalized Load)를 최소화하는 SCS 수비학 및 OFDM 심볼 수의 조합에 따른 상태의 보상값을 계산하는 단계; 및계산된 보상값을 반영하여 상태의 동작값 및 학습 데이터를 업데이트하는 단계;를 포함하는, 인공지능을 이용한 무선통신 자원할당 방법
|
2 |
2
제1항에 있어서, 상기 사용자의 스케줄링 우선 순위를 결정하는 단계는,각 슬롯에 대해 각 서비스 유형 사용자의 패킷/초의 도착률, 패킷 길이, 각 사용자의 큐 가중치 및 CSI를 입력하는 단계;서비스 유형 eMBB 및 URLLC에 대한 우선 순위 함수에 따라 각 사용자의 우선 순위를 계산하는 단계; 및서비스 유형 eMBB 및 URLLC를 사용하는 각 사용자의 우선 순위에 따라 내림차순으로 순위를 결정하는 단계;를 포함하는, 인공지능을 이용한 무선통신 자원할당 방법
|
3 |
3
제2항에 있어서, 상기 우선 순위 함수는 도착률, 데이터 크기 및 대기열 길이 중 적어도 하나를 기반으로 하는, 인공지능을 이용한 무선통신 자원할당 방법
|
4 |
4
제1항에 있어서, 상기 SCS 수비학 및 OFDM 심볼 수를 선택하는 단계는,각 시간 슬롯에 대해 우선 순위 설정에서 가장 높은 순위를 가진 eMBB 사용자에게 시간 슬롯을 할당하는 단계;URLLC 사용자에 대한 시간 슬롯이 있는 각 미니 슬롯에 대해 0에서 1 사이의 난수(random number)를 생성하는 단계; 및생성된 난수가 미리 설정된 임계값과 비교하여 선택된 동작으로 학습하는 단계;를 포함하는, 인공지능을 이용한 무선통신 자원할당 방법
|
5 |
5
제4항에 있어서, 상기 생성된 난수가 미리 설정된 임계값과 비교하여 선택된 동작으로 학습하는 단계는,생성된 난수가 미리 설정된 임계값 이하인 경우, SCS 수비학 및 OFDM 심볼 수를 무작위로 선택한 상태에서의 동작을 탐색(exploration)하고, 생성된 난수가 미리 설정된 임계값보다 큰 경우, 가장 높은 Q-값을 가진 상태에서의 동작을 착취(exploitation) 하는, 인공지능을 이용한 무선통신 자원할당 방법
|
6 |
6
제1항에 있어서, 상기 상태의 보상값을 계산하는 단계는,각 시간 슬롯의 서비스 유형 URLLC 및 eMBB을 사용하여 각 사용자의 정규화된 부하를 계산하는 단계;를 더 포함하는, 인공지능을 이용한 무선통신 자원할당 방법
|
7 |
7
제1항에 있어서,상기 슬롯의 길이는 URLLC 서비스를 위한 미니 슬롯의 길이 및 eMBB 서비스를 위한 슬롯의 길이를 합한 길이인, 인공지능을 이용한 무선통신 자원할당 방법
|
8 |
8
제1항 내지 제7항 중 어느 하나의 항에 따른 상기 인공지능을 이용한 무선통신 자원할당 방법을 수행하기 위한 컴퓨터 프로그램이 기록된 컴퓨터로 판독 가능한 저장 매체
|
9 |
9
선택적으로 입력된 학습 데이터를 이용하여 eMBB 및 URLLC의 이종 서비스 간 사용자의 스케줄링 우선 순위를 결정하는 우선 순위 계산부;결정된 스케줄링 우선 순위를 입력으로 하여 URLLC 서비스를 사용하는 사용자에 대한 SCS(SubCarrier Spacing) 수비학 및 OFDM(Orthogonal Frequency Division Multiplex) 심볼 수를 선택하는 최적 상태 선택부;각 사용자의 각 슬롯에서 정규화된 부하(NL; Normalized Load)를 최소화하는 SCS 수비학 및 OFDM 심볼 수의 조합에 따른 상태의 보상값을 계산하는 보상값 계산부; 및계산된 보상값을 반영하여 상태의 동작값 및 학습 데이터를 업데이트하는 최적값 반환부;를 포함하는, 인공지능을 이용한 무선통신 자원할당 장치
|
10 |
10
제9항에 있어서, 상기 우선 순위 계산부는,각 슬롯에 대해 각 서비스 유형 사용자의 패킷/초의 도착률, 패킷 길이, 각 사용자의 큐 가중치 및 CSI를 입력으로 하여, 서비스 유형 eMBB 및 URLLC에 대한 우선 순위 함수에 따라 각 사용자의 우선 순위를 계산하고, 각 사용자의 우선 순위에 따라 내림차순으로 순위를 결정하는, 인공지능을 이용한 무선통신 자원할당 장치
|
11 |
11
제9항에 있어서, 상기 최적 상태 선택부는,각 시간 슬롯에 대해 우선 순위 설정에서 가장 높은 순위를 가진 eMBB 사용자에게 시간 슬롯을 할당하고, URLLC 사용자에 대한 시간 슬롯이 있는 각 미니 슬롯에 대해 0에서 1 사이의 난수(random number)를 생성하여, 생성된 난수가 미리 설정된 임계값과 비교하여 선택된 동작으로 학습하는, 인공지능을 이용한 무선통신 자원할당 장치
|
12 |
12
제11항에 있어서, 상기 최적 상태 선택부는,생성된 난수가 미리 설정된 임계값 이하인 경우, SCS 수비학 및 OFDM 심볼 수를 무작위로 선택한 상태에서의 동작을 탐색(exploration)하고, 생성된 난수가 미리 설정된 임계값보다 큰 경우, 가장 높은 Q-값을 가진 상태에서의 동작을 착취(exploitation) 하는, 인공지능을 이용한 무선통신 자원할당 장치
|