본 명세서에서 “A 또는 B(A or B)”는 “오직 A”, “오직 B” 또는 “A와 B 모두”를 의미할 수 있다. 달리 표현하면, 본 명세서에서 “A 또는 B(A or B)”는 “A 및/또는 B(A and/or B)”으로 해석될 수 있다. 예를 들어, 본 명세서에서 “A, B 또는 C(A, B or C)”는 “오직 A”, “오직 B”, “오직 C”또는 “A, B 및 C의 임의의 모든 조합(any combination of A, B and C)”를 의미할 수 있다.
본 명세서에서 사용되는 슬래쉬(/)나 쉼표(comma)는 “및/또는(and/or)”을 의미할 수 있다. 예를 들어, “A/B”는 “및/또는 B”를 의미할 수 있다. 이에 따라 “A/B”는 “오직 A”, “오직 B”, 또는 “A와 B 모두”를 의미할 수 있다. 예를 들어, “A, B, C”는 “A, B 또는 C”를 의미할 수 있다.
본 명세서에서 “적어도 하나의 A 및 B(at least one of A and B)”는, “오직 A”“오직 B” 또는 “A와 B 모두”를 의미할 수 있다. 또한, 본 명세서에서 “적어도 하나의 A 또는 B(at least one of A or B)”나 “적어도 하나의 A 및/또는 B(at least one of A and/or B)”라는 표현은 “적어도 하나의 A 및 B(at least one of A and B)”와 동일하게 해석될 수 있다.
또한, 본 명세서에서 “적어도 하나의 A, B 및 C(at least one of A, B and C)”는, “오직 A”, “오직 B”, “오직 C”또는 “A, B 및 C의 임의의 모든 조합(any combination of A, B and C)”를 의미할 수 있다. 또한, “적어도 하나의 A, B 또는 C(at least one of A, B or C)”나 “적어도 하나의 A, B 및/또는 C(at least one of A, B and/or C)”는 “적어도 하나의 A, B 및 C(at least one of A, B and C)”를 의미할 수 있다.
본 명세서에서 하나의 도면 내에서 개별적으로 설명되는 기술적 특징은, 개별적으로 구현될 수도 있고, 동시에 구현될 수도 있다.
본 명세서의 이하의 일례는 다양한 무선 통신시스템에 적용될 수 있다. 예를 들어, 본 명세서의 이하의 일례는 무선랜(wireless local area network, WLAN) 시스템에 적용될 수 있다. 예를 들어, 본 명세서는 IEEE 802.11ad의 규격이나, IEEE 802.11ay 규격에 적용될 수 있다. 또한 본 명세서는 새롭게 제안되는 무선랜 센싱 규격 또는 IEEE 802.11bf 규격에도 적용될 수 있다.
이하 본 명세서의 기술적 특징을 설명하기 위해 본 명세서가 적용될 수 있는 기술적 특징을 설명한다.
무선랜 센싱 기술은 표준이 없이도 구현 가능한 일종의 레이더 기술이지만 표준화를 통해 더 강력한 성능을 얻을 수 있을 것으로 판단된다. IEEE 802.11bf 표준에서는 무선랜 센싱에 참여하는 장치를 기능별로 아래 표와 같이 정의하고 있다. 그 기능에 따라 무선랜 센싱을 시작하는 장치와 참여하는 장치, 센싱 PPDU(Physical Layer Protocol Data Unit)를 송신하는 장치와 수신하는 장치 등으로 구분할 수 있다.
| 용어 |
기능 |
| Sensing Initiator |
센싱을 시작하는 장치 |
| Sensing Responder |
센싱에 참여하는 장치 |
| Sensing Transmitter |
센싱 PPDU를 송신하는 장치 |
| Sensing Receiver |
센싱 PPDU를 수신하는 장치 |
도 1은 다중 센싱 송신 장치를 이용한 무선랜 센싱 시나리오 일례를 나타낸다.
도 2는 다중 센싱 수신 장치를 이용한 무선랜 센싱 시나리오 일례를 나타낸다.
도 1 및 도 2는 무선랜 센싱 장치의 기능과 배치에 따른 센싱 시나리오를 나타낸 것이다. 1개의 센싱 시작 장치와 여러 개의 센싱 참여 장치를 가정한 환경에서, 도 1은 여러 개의 센싱 PPDU 송신 장치를 이용하는 시나리오이고, 도 2는 여러 개의 센싱 PPDU 수신 장치를 이용하는 시나리오이다. 센싱 PPDU 수신 장치에 센싱 측정 신호처리 장치가 포함되어 있다고 가정하면, 도 2의 경우 센싱 측정 결과를 센싱 시작 장치(STA 5)에 전송(피드백)하는 절차가 추가로 필요하다.
도 3은 무선랜 센싱 절차의 일례를 나타낸다.
무선랜 센싱이 진행되는 절차를 살펴보면, 무선랜 센싱 시작 장치와 참여 장치 간에 탐색(discovery), 협상(negotiation), 측정값 교환(measurement exchange), 연결 해제(tear down) 등으로 진행된다. 탐색은 무선랜 장치들의 센싱 능력을 파악하는 과정이고, 협상은 센싱 시작 장치와 참여 장치 간의 센싱 파라미터를 결정하는 과정이고, 측정값 교환은 센싱 PPDU를 송신하고 센싱 측정 결과를 전송하는 과정이고, 연결 해제는 센싱 절차를 종료하는 과정이다.
도 4는 무선랜 센싱을 분류한 일례이다.
무선랜 센싱은 송신기를 출발하여 채널을 거쳐 수신기에 도달한 신호의 채널상태정보(channel state information)를 이용하는 CSI 기반 센싱과 송신신호가 물체에 반사되어 수신된 신호를 이용하는 레이더 기반 센싱으로 분류할 수 있다. 또한, 각 센싱 기술은 센싱용 송신기가 센싱 과정에 직접 참여하는 방식(coordinated CSI, active rader)과 센싱용 송신기가 센싱 과정에 참여하지 않는, 즉, 센싱 과정에 참여하는 전용 송신기가 없는 방식(un-coordinated CSI, passive radar)으로 다시 나뉜다.
도 5는 CSI 기반 무선랜 센싱을 이용한 실내 측위를 나타낸다.
도 5는 CSI 기반 무선랜 센싱을 실내 측위에 활용한 것으로, CSI를 이용하여 도달각(Angle of Arrival) 및 도달시간(Time of Arrival)을 구하고 이를 직교좌표로 변환하면 실내 측위 정보를 구할 수 있다.
도 6은 무선랜 센싱 장치를 구현한 일례이다.
도 6은 매트랩 툴박스, Zynq, USRP를 이용하여 무선랜 센싱 장치를 구현한 것으로, 매트랩 툴박스에서 IEEE 802.11ax 무선랜 신호를 생성하고, Zynq SDR(Software Defined Radio)을 이용하여 RF 신호를 발생한다. 채널을 통과한 신호는 USRP SDR로 수신하고 매트랩 툴박스에서 센싱 신호처리를 수행한다. 여기서 1개의 참조채널(reference channel, 센싱 송신기로부터 직접 수신 가능한 채널)과 1개의 감시채널(surveillance channel, 물체에 반사되어 수신 가능한 채널)을 가정하였다. 무선랜 센싱 장치를 이용하여 분석한 결과, 움직임이나 몸동작을 구별할 수 있는 고유한 특성을 얻을 수 있었다.
현재 IEEE 802.11bf 무선랜 센싱 표준화는 초기 개발 단계로 향후 센싱 정확도를 향상시키기 위한 협력 센싱 기술이 중요하게 다뤄질 예정이다. 협력 센싱을 위한 센싱 신호의 동기 기술, CSI 관리 및 이용 기술, 센싱 파라미터 협상 및 공유 기술, CSI 생성을 위한 스케줄링 기술 등이 표준화 핵심 주제가 될 것으로 예상한다. 이외에도 원거리 센싱 기술, 저전력 센싱 기술, 센싱 보안 및 사생활 보호 기술 등도 주요 의제로 검토될 예정이다.
IEEE 802.11bf 무선랜 센싱은 언제 어디서나 흔하게 존재하는 무선랜 신호를 이용하는 일종의 레이더 기술이다. 아래 표는 대표적인 IEEE 802.11bf 이용 사례를 나타낸 것으로, 실내 감지, 동작 인식, 건강관리, 3D 비전, 차량 내 감지 등 광범위한 실생활에 활용될 수 있다. 주로 실내에서 사용하기 때문에 대체로 동작 범위는 10~20미터 이내이고 거리 정확도는 최대 2미터를 넘지 않는다.
| Name |
details |
Max range (m) |
Key Performance Indicator |
Range Accuracy (m) |
Max Velocity (m/s)/Velocity Accuracy |
angular Accuracy (deg) |
| Room Sensing |
presence detection, counting the number of people in the room |
15 |
Number of Persons in Room |
0.5-2 |
2/0.1 |
|
| Smart meeting room |
presence detection, counting the number of people in the room, localization of active people |
10 |
Location of persons in room |
0.5-2 |
1/0.1-0.3 |
|
| Motion detection in a room |
Detection of motion of in a room (of Human) |
10 |
|
|
|
|
| Home security |
Detection of presence of intruders in a home |
10 |
Detection of a person in a room |
0.5-2 |
3/0.1-0.3 |
medium |
| Audio with user tracking |
Tracking persons in a room and pointing the sound of an audio system at those people |
6 |
Localization of persons to within 0.2m |
0.2 |
0.5/0.05 |
3 |
| Store Sensing |
Counting number of people in a store, their location, speed of movement. Accuracy less important |
20 |
Number and location of persons in store |
0.5-2 |
1/0.1-0.3 |
3 |
| Home Appliance Control |
Tracking person and motion/ gesture detection |
10 |
Gesture Detection |
<1 |
|
|
| Gesture recognition - short range (finger movement) |
Identification of a gesture from a set of gestures - range < 0.5m |
0.5 |
Gesture Detection |
|
7 |
3 |
| Gesture recognition - medium range (hand movement) |
Indentification of a gesture from a set of gestures - range > 0.5m |
2 |
Gesture Detection |
|
|
|
| Gesture recognition - large range (full body movement) |
Indentification of a gesture from a set of gestures - range > 2m |
7 |
Gesture Detection |
0.2 |
2/0.1 |
5 |
| Aliveliness detection |
Determination whether a close by object is alive or not |
1 |
Aliveliness Detection |
0.05 |
|
|
| Face/Body Recognition |
Selection of the identity of a person from a set of known persons |
1 |
Identity detection |
0.02 |
|
|
| Proximity Detection |
Detection of object in close proximity of device |
0.5 |
Object Detection |
0.02-2 |
1.5/0.2 |
none |
| Home Appliance Control |
Gesture Detection |
3 |
Gesture Detection |
<1 |
3/0.1 |
|
| health care - Fall detection |
Fall detection - abnormal position detection |
10 |
|
0.2 |
3/0.1 |
|
| Health case - remote diagnostics |
measurements of breathing rate, heart rate etc. |
5 |
Breating rate accuracy/Pulse Accuracy |
0.5 |
2/0.1 |
|
| Surveillance/Monitoring of elder people and/or children |
Tracking person and presence detection |
10 |
Detection and localization of person |
0.2-2 |
3/0.1 |
|
| Sneeze sensing |
Detecting and localizing the target human and sneeze droplet volume |
10 |
Detection and localization of person and sneeze droplet volume |
0.2-0.5 |
20/0.1 |
|
| 3d vision |
building a 3d picture of an environment , using multiple STA |
10 |
accuracy of 3d map (range, angle) |
0.01 |
5/0.1 |
2 |
| In car sensing - detection |
detection of humans in car |
5 |
Presence of Human in car |
0.1 |
1/0.1 |
3 |
| In car sensing |
Driver sleepiness detection/detection aid |
3 |
Fast detection of driver sleepiness |
0.01 |
1/0.1 |
3 |
IEEE 802.11에서는 60GHz의 wi-fi 신호(예를 들어, 802.11ad 혹은 802.11ay 신호)를 이용하여 object(사람 혹은 사물)의 움직임이나 제스처를 sensing하는 기술에 대해서 논의가 진행되고 있다. 본 명세서에서 wi-fi sensing을 위해서 사용되는 frame format을 구성하는 방법 및 wi-fi sensing sequence에 대해서 제안한다.
도 7은 802.11ay 무선랜 시스템에서 지원하는 PPDU 구조를 간단히 도시한 도면이다.
도 7에 도시된 바와 같이, 802.11ay 시스템에 적용 가능한 PPDU 포맷은 L-STF, L-CEF, L-Header, EDMG-Header-A, EDMG-STF, EDMG-CEF, EDMG-Header-B, Data, TRN 필드를 포함할 수 있으며, 상기 필드들은 PPDU의 형태(예: SU PPDU, MU PPDU 등)에 따라 선택적으로 포함될 수 있다.
여기서, L-STF, L-CEF, L-Header 필드를 포함하는 부분은 비 EDMG 영역 (Non-EDMG portion)이라 명명할 수 있고, 나머지 부분은 EDMG 영역이라 명명할 수 있다. 또한, L-STF, L-CEF, L-Header, EDMG-Header-A 필드들은 pre-EDMG modulated fields라 명명될 수 있고, 나머지 부분은 EDMG modulated fields라 명명될 수 있다.
상기 EDMG-Header-A 필드는 EDMG PPDU를 복조하기 위해 요구되는 정보를 포함한다. 상기 EDMG-Header-A 필드의 정의는 EDMG SC mode PPDU와 EDMG OFDM mode PPDU의 그것과 동일하나, EDMG control mode PPDU의 정의와는 다르다.
EDMG-STF의 구조는 EDMG PPDU가 전송되는 연속적인 2.16GHz 채널의 개수 및 iSTS번째 공간-시간 스트림의 인덱스 iSTS에 의존한다. 하나의 2.16GHz 채널을 통해 EDMG SC mode를 사용한 단일 공간-시간 스트림 EDMG PPDU 전송에 대해, EDMG-STF 필드는 존재하지 않는다. EDMG SC 전송에 대해, EDMG-STF 필드는 pi/(2-BPSK)를 사용하여 변조되어야 한다.
EDMG-CEF의 구조는 EDMG PPDU가 전송되는 연속적인 2.16GHz 채널의 개수 및 공간-시간 스트림 iSTS의 개수에 의존한다. 하나의 2.16GHz 채널을 통해 EDMG SC mode를 사용한 단일 공간-시간 스트림 EDMG PPDU 전송에 대해, EDMG-CEF 필드는 존재하지 않는다. EDMG SC 전송에 대해, EDMG-CEF 필드는 pi/(2-BPSK)를 사용하여 변조되어야 한다.
상기와 같은 PPDU의 (레거시) 프리앰블 부분은 패킷 검출 (packet detection), AGC (Automatic Gain Control), 주파수 오프셋 측정 (frequency offset estimation), 동기화 (synchronization), 변조 (SC 또는 OFDM)의 지시 및 채널 측정 (channel estimation)에 사용될 수 있다. 프리앰블의 포맷은 OFDM 패킷 및 SC 패킷에 대해 공통될 수 있다. 이때, 상기 프리앰블은 STF (Short Training Field) 및 상기 STF 필드 이후에 위치한 CE (Channel Estimation) 필드로 구성될 수 있다.
11SENS는 60GHz Wi-Fi 신호를 이용하여 STA 혹은 사람의 움직임이나 제스처를 sensing하기 위하여 60GHz wi-fi 기술인 802.11ad 및 802.11ay 의 신호 송수신 방법이 고려되고 있다. 본 명세서에서는 효율적인 Wi-Fi sensing을 위하여, AP와 STA 혹은 STA와 STA 간의 채널 추정을 하기 위한 sensing frame을 구성하는 방법 및 sensing frame을 송수신 하는 sensing sequence에 대해서 제안한다.
도 8은 센싱 프레임 포맷의 일례를 나타낸다.
Wi-Fi Sensing 신호는 60GHz의 wi-fi 신호를 이용하여 AP/STA와 STA간의 채널 추정을 위하여 송수신 될 수 있다. 이때, 기존 60GHz Wi-Fi 신호인 802.11ad와 802.11ay와의 하위 호환성(backward capability)을 지원하기 위해서 sensing frame은 non-EDMG preamble portion(즉, L-STF, L-CEF, L-Header)을 포함하여 도 8과 같은 frame format으로 구성될 수 있다.
도 8과 같이 sensing frame은 L-STF, L-CEF, L-Header, EDMG-Header A, EDMG-STF, EDMG-CEF로 구성될 수 있다.
즉, Sensing frame은 P2P(Point to point) 혹은 P2MP(point to multipoint) 간의 채널의 변화를 추정하여 STA 혹은 object에 대한 sensing을 수행하기 때문에 기존 EDMG frame과 다르게 data field를 포함하지 않고 구성될 수 있다.
EDMG frame이 60GHz 대역의 하나 이상의 채널(즉, 다양한 channel bandwidth)을 이용하여 전송될 수 있기 때문에 sensing frame은 도 8에 나타낸 것과 같이 EDMG-STF와 EDMG-CEF field를 포함하여 구성된다.
상기 EDMG-STF와 EDMG-CEF field를 이용하여 STA/AP는 sensing 송수신 BW(bandwidth)에서 정확한 채널 정보 측정을 할 수 있다.
상기 sensing에 사용되는 BW에 대한 정보는 EDMG-header A를 통해서 전송될 수 있으며 이때, 아래와 같은 다양한 BW를 이용하여 전송할 수 있다.
| Index |
BW |
| 1 |
2.16 GHz |
| 2 |
4.32 GHz |
| 3 |
6.48 GHz |
| 4 |
8.64 GHz |
| 5 |
2.16+2.16 GHz (non-contiguous) |
| 6 |
4.32+4.32 GHz (non-contiguous) |
도 9는 센싱 프레임 포맷의 다른 예를 나타낸다.
상기와 다르게 Sensing signal은 고정된 BW(예를 들어, 2.16GHz) 만을 이용하여 전송될 수 있으며, 이러한 경우에 추가적인 AGC 등이 필요하지 않아서 EDMG-STF를 생략 가능하다. 따라서, 정해진 BW만을 이용하여 sensing을 수행하는 경우에는 EDMG-STF를 생략하여 도 9와 같이 sensing frame format 구성할 수 있다. 또한 정해진 BW 만을 이용하기 때문에 sensing 시 EDMG-header는 기존과 다르게 BW field를 포함하지 않을 수 있다.
도 10은 센싱 프레임 포맷의 또 다른 예를 나타낸다.
60GHz에서 802.11ay 전송은 기본적으로 beamforming을 이용하여 신호를 전송하며 이때, Tx와 Rx간의 최적의 beam을 설정하기 위하여 training(즉, TRN) field를 이용하여 Tx antenna와 Rx antenna에 대한 AWV(antenna weight vector)를 설정한다. 따라서, 상기 sensing frame은 이전에 정해진 AWV를 이용하여 신호를 전송하기 때문에 변경된 채널 상황을 정확하게 반영하기 어렵다. 따라서, 채널에 대한 변화를 좀더 정확하게 측정하기 위해서 sensing frame은 다음과 같이 TRN field를 포함하여 구성될 수 있으며 이때, 채널에 대한 정보는 TRN field를 통해서 측정될 수 있다.
도 10에서 sensing frame은 data field를 포함하지 않으며 sensing을 위한 channel measurement를 TRN을 이용하여 수행하기 때문에 상기에서 채널 추정을 위한 EDMG-CEF field는 생략 가능하다. 따라서 상기 sensing frame format은 도 11과 같이 구성될 수 있다.
도 11은 센싱 프레임 포맷의 또 다른 예를 나타낸다.
도 12는 TRN 필드의 구성의 일례를 나타낸다.
상기에서 채널 추정을 위한 TRN field는 BRP(Beam Refinement Protocol)-Rx를 지원하지 않으며(BRP-Tx만 지원한다) 이때, EDGM TRN unit을 구성하는 TRN subfield Unit은 도 12와 같이 구성될 수 있다.
EDMG TRN-unit P는 PPDU 전송에 사용되는 DMG 안테나가 TRN 필드의 시작 부분에서 변경되는 경우를 제외하고, PPDU의 프리앰블 및 데이터 필드의 전송에 사용되는 AWV와 동일한 AWV를 사용하는 TRN-Unit의 시작에서 요청된 TRN 서브필드의 수를 나타낸다. EDMG TRN-unit P의 값이 0이면 요청된 TRN 서브 필드가 0개임을 나타내고, 값이 1이면 요청된 TRN 서브 필드가 1개임을 나타내고, 값이 2이면 요청된 TRN 서브 필드 2개를 나타내고, 값이 3이면 요청된 TRN 서브 필드가 4개임을 나타낸다.
EDMG TRN-Unit M 필드에 1을 더한 값은 전송 트레이닝에 사용할 수 있는 TRN-Unit 내에서 요청된 TRN 서브 필드의 수를 나타낸다. 이 필드에 1을 더한 값은 EDMG TRN-Unit N 필드에 표시된 값의 정수 배수이다.
EDMG TRN-Unit N 필드는 동일한 AWV를 사용하여 전송되는 EDMG TRN-Unit M 내에서 요청된 연속된 TRN 서브 필드의 수를 나타낸다. EDMG TRN-Unit N의 값이 0이면 요청된 1개의 TRN 서브 필드를 나타내고, 값이 1이면 요청된 2개의 TRN 서브 필드를 나타내고, 값이 2이면 EDMG TRN-Unit M 필드가 2, 5, 8, 11 또는 14인 경우 요청된 3개의 TRN 서브 필드를 나타낸다. 값이 2이면 EDMG TRN-Unit M 필드가 7 또는 15인 경우 8개의 요청 된 TRN 서브 필드를 나타내고, 값이 3이면 4개의 요청된 TRN 서브 필드를 나타낸다.
EDMG TRN-unit P는 0으로 설정된다. 센싱 프레임에 data field가 없기 때문에 data field와 동일한 AWV를 사용하는 구간을 정의하는 EDMG TRN-unit P는 0으로 설정된다.
EDGM TRN Unit N과 EDMG TRN-unit M은 각각 2 혹은 3으로 설정되어 전송될 수 있다.
상기 TRN field를 구성하는 TRN unit은 2 혹은 2 이상의 값으로 구성될 수 있다.
여기서 상기는 하나의 예일 뿐 TRN field는 다른 수의 TRN unit과 TRN subfield를 통하여 구성될 수 있다.
상기와 같이 구성된 sensing frame은 다음과 같은 센싱 절차 또는 센싱 순서를 통해 송수신될 수 있다.
도 13은 트리거 프레임을 이용한 센싱 절차의 일례를 나타낸다.
도 14는 트리거 프레임을 이용한 센싱 절차의 다른 예를 나타낸다.
1. Trigger based
A. Wi-fi sensing을 수행하기 위해서 STA/AP(sensing initiator)는 trigger frame을 전송하며 이때, 상기 trigger frame은 sensing을 요청하는 정보(즉, sensing request information)을 포함하고 있다.
i. 상기 trigger frame은 P2P 혹은 P2MP를 지원한다.
B. Sensing request를 trigger frame을 통해서 수신한 STA(sensing responder)는 sensing 참여 여부를 response frame을 통해서 전송하며 이때, 일 예로, response frame으로 CTS(Clear To Send) frame (예를 들어, CTS to self or CTS to AP)를 이용하여 sensing 참여 여부를 알려줄 수 있다.
C. 상기 response frame을 통해서 sensing 참여 STA을 파악한 sensing 요청 STA는 trigger frame을 전송하여 각 STA(sensing 참여 STA)에게 채널 측정(channel measurement)을 위한 sensing frame(도 8 내지 도 11에서 제안한 frame format으로 구성된 frame)의 전송을 요청한다.
D. 상기 하나 이상의 STA들로부터 수신한 sensing frame을 통하여 센싱 요청 STA는 channel 추정을 수행하여 채널의 amplitude 및 phase의 변화를 이용하여 sensing 정보를 획득한다. (도 13의 센싱 절차)
E. 도 13의 센싱 절차에서 더 정확한 sensing 정보를 획득하기 위해서 상기 sensing frame 수신 다음에 아래의 과정을 더 수행할 수 있다. (도 14의 센싱 절차)
i. 센싱 요청 STA/AP는 sensing에 참여하는 STA들에게 NDPA(Null Data Packet Announcement)를 전송하여 sensing에 참여하는 STA들에게 sensing frame이 전송될 것을 알려준다.
ii. 이를 수신한 센싱 참여 STA는 앞서 정의한 sensing frame을 센싱 요청 STA/AP로부터 수신하고, 상기 sensing frame을 기반으로 channel을 추정하여 CSI(channel state information) 정보를 측정한다. 즉, 상기 센싱 요청 STA과 상기 센싱 응답 STA이 각각 수신한 sensing frame을 기반으로 채널 측정을 수행하므로, 상기 센싱 요청 STA과 상기 센싱 응답 STA의 채널 변화를 둘 다 이용할 수 있어 더 정확한 센싱 정보를 획득할 수 있다는 효과가 있다.
iii. CSI를 측정한 각 센싱 참여 STA는 센싱 요청 STA/AP에게 자신이 측정한 channel CSI 정보를 피드백한다. 다른 일 예로, 각 센싱 참여 STA는 센싱 요청 STA/AP로부터 피드백 요청 프레임(feedback request frame)을 수신한 후에 측정한 channel CSI 정보를 센싱 요청 STA/AP에게 피드백 할 수 있다.
F. 도 13 및 도 14에서 설명하는 frame의 송수신 간격은 SIFS(Short Inter Frame Space)로 정해질 수 있으며 이는 하나의 예일 뿐 다른 IFS가 사용될 수 있다.
도 15는 트리거 프레임을 이용하지 않는 센싱 절차의 일례를 나타낸다.
도 16은 트리거 프레임을 이용하지 않는 센싱 절차의 다른 예를 나타낸다.
2. Non-trigger based
A. Case 1 - single measurement case (도 15의 센싱 절차)
i. Sensing을 수행하는 센싱 요청 STA/AP(sensing initiator)는 NDPA를 센싱 참여 STA/AP(sensing responder)에게 전송한다.
ii. NDPA 전송 후 SIFS 후에 센싱 요청 STA/AP는 sensing frame 을 전송한다.
iii. Sensing frame을 수신한 센싱 참여 STA/AP는 상기 sensing frame을 이용하여 STA/AP와의 채널 정보(즉, CSI)를 측정한다.
iv. 센싱 참여 STA/AP는 측정한 CSI 정보를 SIFS 후에 센싱 요청 STA/AP에게 피드백한다.
B. Case2 - double measurement case (도 16의 센싱 절차)
i. 상기 case1의 ii. 까지 동일한 동작을 수행한다.
ii. 센싱 요청 STA/AP(sensing initiator)로부터 sensing frame을 수신한 센싱 참여 STA/AP(sensing responder)는 센싱 요청 STA/AP에게 (다른) sensing frame을 전송한다.
1. 상기 센싱 요청 STA/AP는 수신한 sensing frame을 통하여 채널 정보 CSI 정보를 측정하고 획득한다.
iii. 센싱 요청 STA/AP는 다른 (센싱 참여) STA/AP로부터 수신한 sensing frame을 이용하여 channel measurement를 수행하여 채널 정보 CSI를 측정한다.
iv. 센싱 요청 STA/AP로부터 sensing frame을 수신한 센싱 참여 STA/AP는 측정한 채널의 정보(CSI)를 센싱 요청 STA/AP에게 SIFS 후에 피드백한다.
본 명세서에서 언급하는 sensing을 수행하는 STA/AP는 sensing requestor, sensing initiator, sensing Tx, sensing owner 등으로 명명될 수 있으며 sensing에 참여하는 STA/AP는 sensing responder, sensing Rx, sensing measurement 등으로 명명될 수 있다. 이를 하나의 예일 뿐 다르게 명명될 수 있다.
이하에서는, 도 1 내지 도 16을 참조하여, 상술한 실시예를 설명한다.
도 17은 본 실시예에 따른 송신 STA이 센싱을 수행하는 절차를 도시한 흐름도이다.
도 17의 일례는 차세대 무선랜 시스템(IEEE 802.11bf)이 지원되는 네트워크 환경에서 수행될 수 있다. 상기 차세대 무선랜 시스템은 802.11ad 및 802.11ay 시스템을 개선한 무선랜 시스템으로 802.11ad와 802.11ay 시스템과 하위 호환성(backward compatibility)을 만족할 수 있다.
도 17의 일례는 송신 STA에서 수행되고, 상기 송신 STA은 센싱 개시자(sensing initiator)에 대응할 수 있다. 도 17의 수신 STA은 센싱 수신자(sensing responder)에 대응할 수 있다.
본 실시예는 60GHz 대역의 무선 신호를 이용하여 STA 또는 물체(object)의 움직이나 제스처(gesture)를 센싱하기 위한 센싱 절차를 제안한다. 특히, 본 실시예는 상기 송신 STA 및 상기 수신 STA이 송수신하는 센싱 프레임의 구성 방법을 제안한다.
S1710 단계에서, 송신 STA(station)은 수신 STA에게 센싱을 요청하는 제1 트리거 프레임을 송신한다. 상기 제1 트리거 프레임은 P2P(point to point) 또는 P2MP(point to multipoint)를 지원할 수 있다.
S1720 단계에서, 상기 송신 STA은 상기 수신 STA으로부터 상기 제1 트리거 프레임에 대한 응답 프레임을 수신한다. 상기 응답 프레임은 CTS(Clear To Send) 프레임일 수 있다.
S1730 단계에서, 상기 송신 STA은 상기 수신 STA에게 제1 센싱 프레임을 요청하는 제2 트리거 프레임을 송신한다.
S1740 단계에서, 상기 송신 STA은 상기 수신 STA으로부터 상기 제1 센싱 프레임을 수신한다.
S1750 단계에서, 상기 송신 STA은 상기 제1 센싱 프레임을 기반으로 채널 측정을 수행하고 센싱 정보를 획득한다. 상기 송신 STA은 상기 제1 센싱 프레임을 기반으로 채널 측정을 수행하여 채널의 진폭 및 위상의 변화를 알 수 있고, 이를 통해 상기 센싱 정보를 획득할 수 있다.
이때, 상기 송신 STA과 상기 수신 STA은 60GHz 대역의 무선 신호를 송수신한다. 즉, 상술한 프레임들은 모두 60GHz 대역에서 송수신되는 무선 신호라고 할 수 있다.
본 실시예는 트리거 프레임(상기 제1 트리거 프레임)을 이용하여 트리거 베이스된 센싱 절차를 제안한다. 이와 달리, 트리거 프레임을 사용하지 않고 NDPA를 송신하여 센싱 절차를 수행하는 경우도 있다.
다만, 보다 정확한 센싱 정보를 획득하기 위해 상기 송신 STA 및 상기 수신 STA은 아래의 절차를 추가로 수행할 수 있다.
상기 송신 STA은 상기 수신 STA에게 제2 센싱 프레임의 송신을 알리는 NDPA(Null Data Packet Announcement)를 송신할 수 있다. 상기 송신 STA은 상기 수신 STA에게 상기 제2 센싱 프레임을 송신할 수 있다. 상기 송신 STA은 상기 수신 STA으로부터 피드백 프레임을 수신할 수 있다.
상기 피드백 프레임은 상기 송신 STA로부터 피드백 프레임을 수신한 후 전송될 수도 있으며 상기 제2 센싱 프레임을 기반으로 측정된 CSI(Channel State Information)를 포함할 수 있다.
상기 추가된 절차에 의하면, 상기 송신 STA은 상기 제1 센싱 프레임을 기반으로 채널 측정을 수행하고, 상기 수신 STA은 상기 제2 센싱 프레임을 기반으로 채널 측정을 수행함으로써, 상기 송신 STA과 상기 수신 STA의 채널 변화를 다 이용하므로 센싱 정확도가 높아질 수 있다는 효과가 있다.
상술한 절차에서 각 프레임의 송수신 간격은 SIFS로 정해질 수 있다.
상술한 바와 같이, 센싱을 위해 사용되는 센싱 프레임은 다음과 같이 구성될 수 있다.
상기 제1 및 제2 센싱 프레임은 non-EDMG(Enhanced Directional Multi Gigabit) 파트 및 EDMG 파트를 포함할 수 있다. 상기 non-EDMG 파트는 L-STF(Legacy-Short Training Field), L-CEF(Legacy-Channel Estimation Field) 및 L-Header를 포함할 수 있다. 상기 EDMG 파트는 EDMG-Header-A 필드는 포함하고, 데이터 필드는 포함하지 않는다. 즉, 상기 제1 및 제2 센싱 프레임은 STA 또는 물체에 대한 센싱을 수행하기 위해 사용되는 프레임이기 때문에 기존 EDMG 프레임과 달리 데이터 필드를 포함하지 않고 구성될 수 있다.
상기 EDMG 파트는 EDMG-STF, EDMG-CEF 또는 TRN(training) 필드를 포함할 수 있다. 상기 EDMG-STF, 상기 EDMG-CEF 및 상기 TRN 필드는 채널 측정을 위해 사용될 수 있다. 상기 제1 및 제2 센싱 프레임이 고정된 대역만을 이용하여 송수신되는 경우, 추가적인 AGC(Automatic Gain Control) 등이 필요하지 않아서 상기 EDMG-STF는 생략될 수 있다. 또한, 채널 변화를 좀 더 정확하게 측정하기 위해 상기 제1 및 제2 센싱 프레임에 상기 TRN 필드를 포함시켜 구성할 수도 있다. 또한, 상기 제1 및 제2 센싱 프레임에 상기 TRN 필드가 포함된다면, 채널 추정을 위해 사용되는 상기 EDMG-CEF는 생략될 수 있다.
상기 EDMG-Header-A 필드는 상기 제1 및 제2 센싱 프레임이 송신되는 대역폭에 대한 정보, EDMG TRN 유닛(unit) P에 대한 정보, EDMG TRN 유닛 N에 대한 정보 및 EDMG TRN 유닛 M에 대한 정보를 포함할 수 있다.
상기 제1 및 제2 센싱 프레임이 송신되는 대역폭은 2.16GHz, 4.32GHz, 6.48GHz, 8.64GHz, 2.16+2.16GHz 또는 4.32+4.32GHz 중 하나로 설정될 수 있다.
상기 EDMG TRN 유닛 P는 0으로 설정될 수 있다. 상기 제1 및 제2 센싱 프레임에 데이터 필드가 포함되지 않기 때문이다. 상기 EDMG TRN 유닛 N은 2 또는 3으로 설정되고, 상기 EDMG TRN 유닛 M은 2 또는 3으로 설정될 수 있다. 상기 TRN 필드는 2개 이상의 TRN 유닛으로 구성될 수 있다. 즉, 상기 정보들을 통해 상기 TRN 필드의 구성이 결정될 수 있다.
도 18은 본 실시예에 따른 수신 STA이 센싱을 수행하는 절차를 도시한 흐름도이다.
도 18의 일례는 차세대 무선랜 시스템(IEEE 802.11bf)이 지원되는 네트워크 환경에서 수행될 수 있다. 상기 차세대 무선랜 시스템은 802.11ad 및 802.11ay 시스템을 개선한 무선랜 시스템으로 802.11ad와 802.11ay 시스템과 하위 호환성(backward compatibility)을 만족할 수 있다.
도 18의 일례는 수신 STA에서 수행되고, 상기 수신 STA은 센싱 수신자(sensing responder)에 대응할 수 있다. 도 18의 송신 STA은 센싱 개시자(sensing initiator)에 대응할 수 있다.
본 실시예는 60GHz 대역의 무선 신호를 이용하여 STA 또는 물체(object)의 움직이나 제스처(gesture)를 센싱하기 위한 센싱 절차를 제안한다. 특히, 본 실시예는 상기 송신 STA 및 상기 수신 STA이 송수신하는 센싱 프레임의 구성 방법을 제안한다.
S1810 단계에서, 수신 STA(station)은 송신 STA으로부터 센싱을 요청하는 제1 트리거 프레임을 수신한다. 상기 제1 트리거 프레임은 P2P(point to point) 또는 P2MP(point to multipoint)를 지원할 수 있다.
S1820 단계에서, 상기 수신 STA은 상기 송신 STA에게 상기 제1 트리거 프레임에 대한 응답 프레임을 송신한다. 상기 응답 프레임은 CTS(Clear To Send) 프레임일 수 있다.
S1830 단계에서, 상기 수신 STA은 상기 송신 STA으로부터 제1 센싱 프레임을 요청하는 제2 트리거 프레임을 수신한다.
S1840 단계에서, 상기 수신 STA은 상기 송신 STA에게 상기 제1 센싱 프레임을 송신한다. 상기 송신 STA은 상기 제1 센싱 프레임을 기반으로 채널 측정을 수행하여 채널의 진폭 및 위상의 변화를 알 수 있고, 이를 통해 상기 센싱 정보를 획득할 수 있다.
이때, 상기 송신 STA과 상기 수신 STA은 60GHz 대역의 무선 신호를 송수신한다. 즉, 상술한 프레임들은 모두 60GHz 대역에서 송수신되는 무선 신호라고 할 수 있다.
본 실시예는 트리거 프레임(상기 제1 트리거 프레임)을 이용하여 트리거 베이스된 센싱 절차를 제안한다. 이와 달리, 트리거 프레임을 사용하지 않고 NDPA를 송신하여 센싱 절차를 수행하는 경우도 있다.
다만, 보다 정확한 센싱 정보를 획득하기 위해 상기 송신 STA 및 상기 수신 STA은 아래의 절차를 추가로 수행할 수 있다.
상기 수신 STA은 상기 송신 STA으로부터 제2 센싱 프레임의 송신을 알리는 NDPA(Null Data Packet Announcement)를 수신할 수 있다. 상기 수신 STA은 상기 송신 STA으로부터 상기 제2 센싱 프레임을 수신할 수 있다. 상기 수신 STA은 상기 송신 STA에게 피드백 프레임을 송신할 수 있다.
상기 피드백 프레임은 상기 송신 STA로부터 피드백 프레임을 수신한 후 전송될 수도 있으며 상기 제2 센싱 프레임을 기반으로 측정된 CSI(Channel State Information)를 포함할 수 있다.
상기 추가된 절차에 의하면, 상기 송신 STA은 상기 제1 센싱 프레임을 기반으로 채널 측정을 수행하고, 상기 수신 STA은 상기 제2 센싱 프레임을 기반으로 채널 측정을 수행함으로써, 상기 송신 STA과 상기 수신 STA의 채널 변화를 다 이용하므로 센싱 정확도가 높아질 수 있다는 효과가 있다.
상술한 절차에서 각 프레임의 송수신 간격은 SIFS로 정해질 수 있다.
상술한 바와 같이, 센싱을 위해 사용되는 센싱 프레임은 다음과 같이 구성될 수 있다.
상기 제1 및 제2 센싱 프레임은 non-EDMG(Enhanced Directional Multi Gigabit) 파트 및 EDMG 파트를 포함할 수 있다. 상기 non-EDMG 파트는 L-STF(Legacy-Short Training Field), L-CEF(Legacy-Channel Estimation Field) 및 L-Header를 포함할 수 있다. 상기 EDMG 파트는 EDMG-Header-A 필드는 포함하고, 데이터 필드는 포함하지 않는다. 즉, 상기 제1 및 제2 센싱 프레임은 STA 또는 물체에 대한 센싱을 수행하기 위해 사용되는 프레임이기 때문에 기존 EDMG 프레임과 달리 데이터 필드를 포함하지 않고 구성될 수 있다.
상기 EDMG 파트는 EDMG-STF, EDMG-CEF 또는 TRN(training) 필드를 포함할 수 있다. 상기 EDMG-STF, 상기 EDMG-CEF 및 상기 TRN 필드는 채널 측정을 위해 사용될 수 있다. 상기 제1 및 제2 센싱 프레임이 고정된 대역만을 이용하여 송수신되는 경우, 추가적인 AGC(Automatic Gain Control) 등이 필요하지 않아서 상기 EDMG-STF는 생략될 수 있다. 또한, 채널 변화를 좀 더 정확하게 측정하기 위해 상기 제1 및 제2 센싱 프레임에 상기 TRN 필드를 포함시켜 구성할 수도 있다. 또한, 상기 제1 및 제2 센싱 프레임에 상기 TRN 필드가 포함된다면, 채널 추정을 위해 사용되는 상기 EDMG-CEF는 생략될 수 있다.
상기 EDMG-Header-A 필드는 상기 제1 및 제2 센싱 프레임이 송신되는 대역폭에 대한 정보, EDMG TRN 유닛(unit) P에 대한 정보, EDMG TRN 유닛 N에 대한 정보 및 EDMG TRN 유닛 M에 대한 정보를 포함할 수 있다.
상기 제1 및 제2 센싱 프레임이 송신되는 대역폭은 2.16GHz, 4.32GHz, 6.48GHz, 8.64GHz, 2.16+2.16GHz 또는 4.32+4.32GHz 중 하나로 설정될 수 있다.
상기 EDMG TRN 유닛 P는 0으로 설정될 수 있다. 상기 제1 및 제2 센싱 프레임에 데이터 필드가 포함되지 않기 때문이다. 상기 EDMG TRN 유닛 N은 2 또는 3으로 설정되고, 상기 EDMG TRN 유닛 M은 2 또는 3으로 설정될 수 있다. 상기 TRN 필드는 2개 이상의 TRN 유닛으로 구성될 수 있다. 즉, 상기 정보들을 통해 상기 TRN 필드의 구성이 결정될 수 있다.
상술한 본 명세서의 기술적 특징은 다양한 장치 및 방법에 적용될 수 있다. 예를 들어, 상술한 본 명세서의 기술적 특징은 도 1 및/또는 도 6의 장치를 통해 수행/지원될 수 있다. 예를 들어, 상술한 본 명세서의 기술적 특징은, 도 1 및/또는 도 6의 일부에만 적용될 수 있다. 예를 들어, 본 명세서의 장치는, 수신 STA에게 센싱을 요청하는 제1 트리거 프레임을 송신하고; 상기 수신 STA으로부터 상기 제1 트리거 프레임에 대한 응답 프레임을 수신하고; 상기 수신 STA에게 제1 센싱 프레임을 요청하는 제2 트리거 프레임을 송신하고; 및 상기 수신 STA으로부터 상기 제1 센싱 프레임을 수신하고; 및 상기 제1 센싱 프레임을 기반으로 채널 측정을 수행하고 센싱 정보를 획득한다.
본 명세서의 기술적 특징은 CRM(computer readable medium)을 기초로 구현될 수 있다. 예를 들어, 본 명세서에 의해 제안되는 CRM은 적어도 하나의 프로세서(processor)에 의해 실행됨을 기초로 하는 명령어(instruction)를 포함하는 적어도 하나의 컴퓨터로 읽을 수 있는 기록매체(computer readable medium)이다
상기 CRM은, 수신 STA(station)에게 센싱을 요청하는 제1 트리거 프레임을 송신하는 단계; 상기 수신 STA으로부터 상기 제1 트리거 프레임에 대한 응답 프레임을 수신하는 단계; 상기 수신 STA에게 제1 센싱 프레임을 요청하는 제2 트리거 프레임을 송신하는 단계; 상기 수신 STA으로부터 상기 제1 센싱 프레임을 수신하는 단계를 포함하는 동작(operations)을 수행하는 명령어(instructions)를 저장할 수 있다. 본 명세서의 CRM 내에 저장되는 명령어는 적어도 하나의 프로세서에 의해 실행(execute)될 수 있다. 본 명세서의 CRM은 별도의 외부 메모리/저장매체/디스크 등일 수 있다.
상술한 본 명세서의 기술적 특징은 다양한 응용예(application)나 비즈니스 모델에 적용 가능하다. 예를 들어, 인공 지능(Artificial Intelligence: AI)을 지원하는 장치에서의 무선 통신을 위해 상술한 기술적 특징이 적용될 수 있다.
인공 지능은 인공적인 지능 또는 이를 만들 수 있는 방법론을 연구하는 분야를 의미하며, 머신 러닝(기계 학습, Machine Learning)은 인공 지능 분야에서 다루는 다양한 문제를 정의하고 그것을 해결하는 방법론을 연구하는 분야를 의미한다. 머신 러닝은 어떠한 작업에 대하여 꾸준한 경험을 통해 그 작업에 대한 성능을 높이는 알고리즘으로 정의하기도 한다.
인공 신경망(Artificial Neural Network; ANN)은 머신 러닝에서 사용되는 모델로써, 시냅스의 결합으로 네트워크를 형성한 인공 뉴런(노드)들로 구성되는, 문제 해결 능력을 가지는 모델 전반을 의미할 수 있다. 인공 신경망은 다른 레이어의 뉴런들 사이의 연결 패턴, 모델 파라미터를 갱신하는 학습 과정, 출력값을 생성하는 활성화 함수(Activation Function)에 의해 정의될 수 있다.
인공 신경망은 입력층(Input Layer), 출력층(Output Layer), 그리고 선택적으로 하나 이상의 은닉층(Hidden Layer)를 포함할 수 있다. 각 층은 하나 이상의 뉴런을 포함하고, 인공 신경망은 뉴런과 뉴런을 연결하는 시냅스를 포함할 수 있다. 인공 신경망에서 각 뉴런은 시냅스를 통해 입력되는 입력 신호들, 가중치, 편향에 대한 활성 함수의 함숫값을 출력할 수 있다.
모델 파라미터는 학습을 통해 결정되는 파라미터를 의미하며, 시냅스 연결의 가중치와 뉴런의 편향 등이 포함된다. 그리고, 하이퍼파라미터는 머신 러닝 알고리즘에서 학습 전에 설정되어야 하는 파라미터를 의미하며, 학습률(Learning Rate), 반복 횟수, 미니 배치 크기, 초기화 함수 등이 포함된다.
인공 신경망의 학습의 목적은 손실 함수를 최소화하는 모델 파라미터를 결정하는 것으로 볼 수 있다. 손실 함수는 인공 신경망의 학습 과정에서 최적의 모델 파라미터를 결정하기 위한 지표로 이용될 수 있다.
머신 러닝은 학습 방식에 따라 지도 학습(Supervised Learning), 비지도 학습(Unsupervised Learning), 강화 학습(Reinforcement Learning)으로 분류할 수 있다.
지도 학습은 학습 데이터에 대한 레이블(label)이 주어진 상태에서 인공 신경망을 학습시키는 방법을 의미하며, 레이블이란 학습 데이터가 인공 신경망에 입력되는 경우 인공 신경망이 추론해 내야 하는 정답(또는 결과 값)을 의미할 수 있다. 비지도 학습은 학습 데이터에 대한 레이블이 주어지지 않는 상태에서 인공 신경망을 학습시키는 방법을 의미할 수 있다. 강화 학습은 어떤 환경 안에서 정의된 에이전트가 각 상태에서 누적 보상을 최대화하는 행동 혹은 행동 순서를 선택하도록 학습시키는 학습 방법을 의미할 수 있다.
인공 신경망 중에서 복수의 은닉층을 포함하는 심층 신경망(DNN: Deep Neural Network)으로 구현되는 머신 러닝을 딥 러닝(심층 학습, Deep Learning)이라 부르기도 하며, 딥 러닝은 머신 러닝의 일부이다. 이하에서, 머신 러닝은 딥 러닝을 포함하는 의미로 사용된다.
또한 상술한 기술적 특징은 로봇의 무선 통신에 적용될 수 있다.
로봇은 스스로 보유한 능력에 의해 주어진 일을 자동으로 처리하거나 작동하는 기계를 의미할 수 있다. 특히, 환경을 인식하고 스스로 판단하여 동작을 수행하는 기능을 갖는 로봇을 지능형 로봇이라 칭할 수 있다.
로봇은 사용 목적이나 분야에 따라 산업용, 의료용, 가정용, 군사용 등으로 분류할 수 있다. 로봇은 액츄에이터 또는 모터를 포함하는 구동부를 구비하여 로봇 관절을 움직이는 등의 다양한 물리적 동작을 수행할 수 있다. 또한, 이동 가능한 로봇은 구동부에 휠, 브레이크, 프로펠러 등이 포함되어, 구동부를 통해 지상에서 주행하거나 공중에서 비행할 수 있다.
또한 상술한 기술적 특징은 확장 현실을 지원하는 장치에 적용될 수 있다.
확장 현실은 가상 현실(VR: Virtual Reality), 증강 현실(AR: Augmented Reality), 혼합 현실(MR: Mixed Reality)을 총칭한다. VR 기술은 현실 세계의 객체나 배경 등을 CG 영상으로만 제공하고, AR 기술은 실제 사물 영상 위에 가상으로 만들어진 CG 영상을 함께 제공하며, MR 기술은 현실 세계에 가상 객체들을 섞고 결합시켜서 제공하는 컴퓨터 그래픽 기술이다.
MR 기술은 현실 객체와 가상 객체를 함께 보여준다는 점에서 AR 기술과 유사하다. 그러나, AR 기술에서는 가상 객체가 현실 객체를 보완하는 형태로 사용되는 반면, MR 기술에서는 가상 객체와 현실 객체가 동등한 성격으로 사용된다는 점에서 차이점이 있다.
XR 기술은 HMD(Head-Mount Display), HUD(Head-Up Display), 휴대폰, 태블릿 PC, 랩탑, 데스크탑, TV, 디지털 사이니지 등에 적용될 수 있고, XR 기술이 적용된 장치를 XR 장치(XR Device)라 칭할 수 있다.
본 명세서에 기재된 청구항들은 다양한 방식으로 조합될 수 있다. 예를 들어, 본 명세서의 방법 청구항의 기술적 특징이 조합되어 장치로 구현될 수 있고, 본 명세서의 장치 청구항의 기술적 특징이 조합되어 방법으로 구현될 수 있다. 또한, 본 명세서의 방법 청구항의 기술적 특징과 장치 청구항의 기술적 특징이 조합되어 장치로 구현될 수 있고, 본 명세서의 방법 청구항의 기술적 특징과 장치 청구항의 기술적 특징이 조합되어 방법으로 구현될 수 있다.