1 |
1
다수의 안테나를 지원하는 무선 통신 시스템에서 기지국이 단말의 채널을 추정하는 방법에 있어서, 현재 시점에서 획득된 제1 채널 값과 이전 시점에서 획득된 제2 채널 값에 기반하여 상기 단말의 이동 속도를 추정하는 과정,상기 추정된 이동 속도에 기반하여 현재 시점을 포함한 다수의 시점들에 대한 채널 값들의 수에 대응되는 복잡도 차수를 결정하는 과정, 및상기 결정된 복잡도 차수에 기반하여 상기 단말의 다음 시점의 채널을 추정하는 과정을 포함하는 채널 추정 방법
|
2 |
2
제1항에 있어서, 상기 이동 속도는 수학식 을 이용하여 추정되며, 상기 수학식에서은 상기 현재 시점에서 상기 제1 채널값을, 은 상기 이전 시점에서 상기 제2 채널값을 의미하며, 은 vector h의 conjugate transpose를 나타내며, 은 실수부를 의미하고, 은 vector의 norm 연산자인 채널 추정 방법
|
3 |
3
제1항에 있어서, 상기 복잡도 차수는 상기 단말의 이동에 따른 채널의 변화량에 비례하는 채널 추정 방법
|
4 |
4
제1항에 있어서, 상기 복잡도 차수는 상기 다수의 시점들에서 다수의 채널들을 통해 상기 단말로부터 수신된 다수의 수신 신호들의 수에 대응되며, 상기 복잡도 차수는 상기 이동 속도의 비율 값으로 결정되는 채널 추정 방법
|
5 |
5
제1항에 있어서, 상기 다음 시점의 채널을 추정하는 과정은, 상기 다수의 수신 신호들을 전처리하여 다수의 채널 벡터들을 획득하는 과정을 더 포함하며, 상기 전처리는 선형 최소평균제곱오차 추정(linear minimum mean square error estimation: LMMSE) 방식을 이용하는 채널 추정 방법
|
6 |
6
제5항에 있어서, 상기 다음 시점의 채널을 추정하는 과정은, 상기 전처리를 통해 획득된 상기 다수의 채널 벡터들을 입력으로 하는 다층 퍼셉트론(MLP)을 통해 상기 다음 시점의 채널을 추정하는 과정을 더 포함하며, 상기 MLP는 상기 다음 시점의 채널 추정 시 이용되는 다수의 가중치들을 업데이트 하기 위한 적어도 하나의 은닉 계층을 포함하는 구조를 갖는 채널 추정 방법
|
7 |
7
제6항에 있어서, 상기 MLP에서 다수의 가중치들을 업데이트하는 트레이닝 과정을 더 포함하며, 상기 트레이닝 과정에서 비용함수의 손실이 최소화되는 상기 다음 시점의 채널 값이 추정되도록 상기 다수의 가중치들을 업데이트하는 채널 추정 방법
|
8 |
8
제1항에 있어서, 상기 다음 시점의 채널을 추정하는 과정은, 칼만 필터를 통해 상기 현재 시점의 채널 값과 상기 이전 시점의 채널 값을 이용하여 상기 다음 시점의 채널 값을 추정하는 과정을 더 포함하는 채널 추정 방법
|
9 |
9
제1항에 있어서, 상기 칼만 필터를 이용한 채널 추정 과정은, 상기 현재 시점의 채널 값을 이용해 상기 다음 시점의 채널 값을 추정 및 정정하도록, 최소추정 평균제곱오차행렬(minimum prediction mean square error (MSE) matrix)를 계산하는 과정 및 상기 추정된 MSE 행렬을 칼만이득행렬(Kalman gain matrix)을 결정하는 과정 및 상기 칼만이득행렬을 이용하여 상기 다음 시점의 채널을 추정하는 과정을 포함하는 채널 추정 방법
|
10 |
10
다수의 안테나를 지원하는 무선 통신 시스템에서 단말의 채널을 추정하는 기지국에 있어서, 송수신기; 및프로세서를 포함하고, 상기 프로세서는 현재 시점에서 획득된 제1 채널 값과 이전 시점에서 획득된 제2 채널 값에 기반하여 상기 단말의 이동 속도를 추정하고, 상기 추정된 이동 속도에 기반하여 현재 시점을 포함한 다수의 시점들에 대한 채널 값들의 수에 대응되는 복잡도 차수를 결정하고, 상기 결정된 복잡도 차수에 기반하여 단말의 다음 시점의 채널을 추정하는 기지국
|
11 |
11
제10항에 있어서, 상기 프로세서는 수학식 을 이용하여 상기 이동 속도를 추정하며, 상기 수학식에서은 상기 현재 시점에서 상기 제1 채널값을, 은 상기 이전 시점에서 상기 제2 채널값을 의미하며, 은 vector h의 conjugate transpose를 나타내며, 은 실수부를 의미하고, 은 vector의 norm 연산자인 기지국
|
12 |
12
제10항에 있어서, 상기 복잡도 차수는 상기 단말의 이동에 따른 채널의 변화량에 비례하는 기지국
|
13 |
13
제10항에 있어서, 상기 복잡도 차수는 상기 다수의 시점들에서 다수의 채널들을 통해 상기 단말로부터 수신된 다수의 수신 신호들의 수에 대응되며, 상기 프로세서는 상기 이동 속도의 비율 값으로 상기 복잡도 차수를 결정하는 기지국
|
14 |
14
제10항에 있어서, 상기 프로세서는 상기 다수의 수신 신호들을 전처리하여 다수의 채널 벡터들을 획득하고, 상기 전처리는 선형 최소평균제곱오차 추정(linear minimum mean square error estimation: LMMSE) 방식을 이용하는 기지국
|
15 |
15
제14항에 있어서, 상기 프로세서는, 상기 전처리를 통해 획득된 상기 다수의 채널 벡터들을 입력으로 하는 다층 퍼셉트론(MLP)을 통해 상기 다음 시점의 채널을 추정하고, 상기 MLP는 상기 다음 시점의 채널 추정 시 이용되는 다수의 가중치들을 업데이트 하기 위한 적어도 하나의 은닉 계층을 포함하는 구조를 갖는 기지국
|
16 |
16
제15항에 있어서, 상기 프로세서는, 상기 MLP에서 트레이닝을 통해 다수의 가중치들을 업데이트하며, 상기 트레이닝에서 비용함수의 손실이 최소화되는 상기 다음 시점의 채널 값이 추정되도록 상기 다수의 가중치들을 업데이트하는 기지국
|
17 |
17
제10항에 있어서, 상기 프로세서는, 칼만 필터를 통해 상기 현재 시점의 채널 값과 상기 이전 시점의 채널 값을 이용하여 상기 다음 시점의 채널 값을 추정하는 기지국
|
18 |
18
제10항에 있어서, 상기 프로세서는, 상기 현재 시점의 채널 값을 이용해 상기 다음 시점의 채널 값을 추정 및 정정하도록, 최소추정 평균제곱오차행렬(minimum prediction mean square error (MSE) matrix)를 계산하고, 상기 추정된 MSE 행렬을 칼만이득행렬(Kalman gain matrix)을 결정하고, 및 상기 칼만이득행렬을 이용하여 상기 다음 시점의 채널을 추정하는 기지국
|