1 |
1
비승인 상향링크 전송 기반의 무선통신시스템에서 기지국의 활성 단말 검출과 채널 추정 방법으로서,k개의 활성 단말로부터 중첩된 신호()를 수신하는 단계;제1 인공 신경망을 이용하여 상기 수신된 신호()를 입력으로 하여 상기 기지국의 셀 내의 모든 단말이 각각 활성 단말일 추정 확률()을 산출하는 단계; 및제2 인공 신경망을 이용하여 상기 수신된 신호()와 활성 단말 검출 결과 값을 입력으로 하여 활성 단말의 채널을 추정하는 단계를 포함하는, 활성 단말 검출과 채널 추정 방법
|
2 |
2
제1항에 있어서, 상기 제1 인공 신경망과 상기 제2 인공 신경망은 각각 장단기 메모리 네트워크 기반 인공 신경망인 것을 특징으로 하는 활성 단말 검출과 채널 추정 방법
|
3 |
3
제2항에 있어서,상기 제1 인공 신경망은 다음의 수학식 5와 같은 직접 사상을 학습하여 구축되고, 상기 제2 인공 신경망은 다음의 수학식 8과 같은 직접 사상을 학습하여 구축된 것을 특징으로 하는, 활성 단말 검출과 채널 추정 방법
|
4 |
4
제3항에 있어서,상기 제1 인공 신경망에 입력된 상기 수신된 신호()는 완전 연결 계층(fully-connected layer)를 통과하여 히든 레이어 표현()으로 변경되고, 상기 변경된 히든 레이어 표현()은 복수의 LSTM 셀을 순차적으로 연산되어 활성 단말 검출 결과의 히든 레이어 표현()을 산출하며, 상기 활성 단말 검출 결과의 히든 레이어 표현()은 시그모이드 함수를 통해 상기 추정 확률()로 변환되는 것을 특징으로 하는, 활성 단말 검출과 채널 추정 방법
|
5 |
5
제4항에 있어서,상기 복수의 LSTM 셀 각각은 하기 수학식 6과 같은 연산을 수행하는 것을 특징으로 하는, 활성 단말 검출과 채널 추정 방법
|
6 |
6
제3항에 있어서,상기 제2 인공 신경망은 입력 게이트로 특정 단말의 채널 특징을 활성화하고, 망각 게이트로 나머지 단말의 채널 특징을 비활성화하도록 학습된 것을 특징으로 하는, 활성 단말 검출과 채널 추정 방법
|
7 |
7
비승인 상향링크 전송 기반의 무선통신시스템에서 활성 단말 검출과 채널 추정을 위한 기지국 장치로서,k개의 활성 단말로부터 중첩된 신호()를 수신하는 수신기; 및상기 수신기의 동작을 제어하는 하나 이상의 프로세서를 포함하고, 상기 하나 이상의 프로세서는, 제1 인공 신경망을 이용하여 상기 수신된 신호()를 입력으로 하여 상기 기지국의 셀 내의 모든 단말이 각각 활성 단말일 추정 확률()을 산출하고, 제2 인공 신경망을 이용하여 상기 수신된 신호()와 활성 단말 검출 결과 값을 입력으로 하여 활성 단말의 채널을 추정하는, 기지국 장치
|
8 |
8
제7항에 있어서, 상기 제1 인공 신경망과 상기 제2 인공 신경망은 각각 장단기 메모리 네트워크 기반 인공 신경망인 것을 특징으로 하는 기지국 장치
|
9 |
9
제8항에 있어서,상기 제1 인공 신경망은 다음의 수학식 5와 같은 직접 사상을 학습하여 구축되고, 상기 제2 인공 신경망은 다음의 수학식 8과 같은 직접 사상을 학습하여 구축된 것을 특징으로 하는 기지국 장치
|
10 |
10
제9항에 있어서,상기 제1 인공 신경망에 입력된 상기 수신된 신호()는 완전 연결 계층(fully-connected layer)를 통과하여 히든 레이어 표현()으로 변경되고, 상기 변경된 히든 레이어 표현()은 복수의 LSTM 셀을 순차적으로 연산되어 활성 단말 검출 결과의 히든 레이어 표현()을 산출하며, 상기 활성 단말 검출 결과의 히든 레이어 표현()은 시그모이드 함수를 통해 상기 추정 확률()로 변환되는 것을 특징으로 하는, 기지국 장치
|
11 |
11
제10항에 있어서,상기 복수의 LSTM 셀 각각은 하기 수학식 6과 같은 연산을 수행하는 것을 특징으로 하는 기지국 장치
|
12 |
12
제9항에 있어서,상기 제2 인공 신경망은 입력 게이트로 특정 단말의 채널 특징을 활성화하고, 망각 게이트로 나머지 단말의 채널 특징을 비활성화하도록 학습된 것을 특징으로 하는, 기지국 장치
|