WO2024005454A1 - 인공지능 및 머신러닝을 이용한 빔 관리 방법 및 장치 - Google Patents

인공지능 및 머신러닝을 이용한 빔 관리 방법 및 장치 Download PDF

Info

Publication number
WO2024005454A1
WO2024005454A1 PCT/KR2023/008731 KR2023008731W WO2024005454A1 WO 2024005454 A1 WO2024005454 A1 WO 2024005454A1 KR 2023008731 W KR2023008731 W KR 2023008731W WO 2024005454 A1 WO2024005454 A1 WO 2024005454A1
Authority
WO
WIPO (PCT)
Prior art keywords
reference signal
terminal
information
base station
result information
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Ceased
Application number
PCT/KR2023/008731
Other languages
English (en)
French (fr)
Inventor
이은종
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
KT Corp
Original Assignee
KT Corp
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Priority claimed from KR1020230075698A external-priority patent/KR20240002180A/ko
Application filed by KT Corp filed Critical KT Corp
Publication of WO2024005454A1 publication Critical patent/WO2024005454A1/ko
Anticipated expiration legal-status Critical
Ceased legal-status Critical Current

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING OR CALCULATING; COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N20/00—Machine learning
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04B—TRANSMISSION
    • H04B17/00—Monitoring; Testing
    • H04B17/30—Monitoring; Testing of propagation channels
    • H04B17/309—Measuring or estimating channel quality parameters
    • H04B17/318—Received signal strength
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04B—TRANSMISSION
    • H04B7/00—Radio transmission systems, i.e. using radiation field
    • H04B7/02—Diversity systems; Multi-antenna system, i.e. transmission or reception using multiple antennas
    • H04B7/04—Diversity systems; Multi-antenna system, i.e. transmission or reception using multiple antennas using two or more spaced independent antennas
    • H04B7/0408—Diversity systems; Multi-antenna system, i.e. transmission or reception using multiple antennas using two or more spaced independent antennas using two or more beams, i.e. beam diversity
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
    • H04L5/00—Arrangements affording multiple use of the transmission path
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04W—WIRELESS COMMUNICATION NETWORKS
    • H04W24/00—Supervisory, monitoring or testing arrangements
    • H04W24/10—Scheduling measurement reports ; Arrangements for measurement reports
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04W—WIRELESS COMMUNICATION NETWORKS
    • H04W72/00—Local resource management
    • H04W72/20—Control channels or signalling for resource management
    • H04W72/23—Control channels or signalling for resource management in the downlink direction of a wireless link, i.e. towards a terminal

Definitions

  • This disclosure relates to a beam management method and device using artificial intelligence and machine learning in a wireless communication system.
  • 3GPP continues research and development on wireless communication technology.
  • 5G New RAT, NR
  • next-generation wireless communication technology e.g. 6G.
  • Beamforming techniques can be broadly divided into digital beamforming, which changes the amplitude and phase of the signal by multiplying the baseband signal by a complex value, and analog beamforming, which applies phase shift to the RF signal itself.
  • digital beamforming which changes the amplitude and phase of the signal by multiplying the baseband signal by a complex value
  • analog beamforming which applies phase shift to the RF signal itself.
  • hybrid beam forming technology that combines two beam forming techniques and applies digital signal processing to the baseband signal and phase shifter control at the RF stage. This beam forming technology can be applied to next-generation wireless communication technology to satisfy various user needs.
  • the present embodiments seek to provide a beam management method and device using artificial intelligence and machine learning in a wireless communication system.
  • these embodiments provide a method for a user equipment (UE) to perform beam management, including receiving reference signal resource configuration information from a base station and measuring a reference signal based on the reference signal resource configuration information.
  • a method comprising performing an operation and transmitting at least one of measurement result information for a reference signal or reference signal inference result information derived using measurement result information for a reference signal to a base station can be provided. there is.
  • the present embodiments relate to a method for a base station to perform beam management, including transmitting reference signal resource configuration information to a terminal, transmitting a reference signal according to the reference signal resource configuration information, and measuring the reference signal.
  • a method may be provided including the step of receiving at least one of result information or reference signal inference result information derived using measurement result information for a reference signal from a terminal.
  • the present embodiments include a receiver that receives reference signal resource configuration information from a base station in a user equipment (UE) that performs beam management, and a measurement operation for a reference signal based on the reference signal resource configuration information.
  • a terminal device including a control unit that performs and a transmitter that transmits at least one of measurement result information for a reference signal or reference signal inference result information derived using measurement result information for a reference signal to a base station.
  • the present embodiments include a base station performing beam management, transmitting reference signal resource configuration information to a terminal, a transmitter that transmits a reference signal according to the reference signal resource configuration information, and measurement result information for the reference signal.
  • a base station device may be provided including a receiving unit that receives at least one piece of reference signal inference result information derived using measurement result information for a reference signal from a terminal.
  • effects such as reduced system overhead and improved accuracy can be provided by performing beam management using artificial intelligence and machine learning in a wireless communication system.
  • Figure 1 is a diagram briefly illustrating the structure of an NR wireless communication system to which this embodiment can be applied.
  • Figure 2 is a diagram for explaining the frame structure in an NR system to which this embodiment can be applied.
  • FIG. 3 is a diagram illustrating a resource grid supported by wireless access technology to which this embodiment can be applied.
  • Figure 4 is a diagram for explaining the bandwidth part supported by the wireless access technology to which this embodiment can be applied.
  • Figure 5 is a diagram illustrating a synchronization signal block in a wireless access technology to which this embodiment can be applied.
  • Figure 6 is a diagram for explaining a random access procedure in wireless access technology to which this embodiment can be applied.
  • Figure 7 is a diagram to explain CORESET.
  • FIG. 8 is a diagram illustrating an operation in which two terminals at different locations perform initial beam measurement when a base station performs a beam transmission operation.
  • Figure 9 is an example diagram for explaining the initial access procedure of a terminal and a base station.
  • Figure 10 is an example diagram for explaining a candidate beam setting operation for a terminal.
  • Figure 11 is a diagram to explain an example of beam measurement and beam prediction operations using artificial intelligence.
  • Figure 12 is a diagram to explain another example of beam measurement and beam prediction operations using artificial intelligence.
  • Figure 13 is a diagram for explaining terminal operations according to one embodiment.
  • Figure 14 is a diagram for explaining the operation of a base station according to an embodiment.
  • FIG. 15 is a diagram for explaining a beam transmission pattern of a base station according to an embodiment.
  • Figure 16 is a diagram for explaining terminal operations when an artificial intelligence model according to an embodiment is shared with the terminal.
  • Figure 17 is a diagram for explaining terminal operation when an artificial intelligence model according to another embodiment is not shared with the terminal.
  • FIG. 18 is a diagram illustrating a beam measurement time window operation for each terminal according to an embodiment.
  • FIG. 19 is a diagram for explaining a beam prediction operation according to an embodiment.
  • Figure 20 is a signal diagram for explaining beam measurement and beam prediction operations in the initial access process according to an embodiment.
  • Figure 21 is a signal diagram for explaining an operation when a base station performs beam prediction according to an embodiment.
  • Figure 22 is a signal diagram for explaining an operation when a terminal performs beam prediction according to another embodiment.
  • Figure 23 is a signal diagram for explaining beam measurement and reporting operations of a Legacy terminal according to another embodiment.
  • Figure 24 is a diagram showing the configuration of a terminal according to one embodiment.
  • Figure 25 is a diagram showing the configuration of a base station according to one embodiment.
  • first, second, A, B, (a), and (b) may be used. These terms are only used to distinguish the component from other components, and the nature, sequence, order, or number of the components are not limited by the term.
  • temporal precedence relationships such as “after”, “after”, “after”, “before”, etc.
  • non-continuous cases may be included unless “immediately” or “directly” is used.
  • the numerical value or corresponding information e.g., level, etc.
  • the numerical value or corresponding information is related to various factors (e.g., process factors, internal or external shocks, It can be interpreted as including the error range that may occur due to noise, etc.).
  • the wireless communication system in this specification refers to a system for providing various communication services such as voice and data packets using wireless resources, and may include a terminal, a base station, or a core network.
  • the present embodiments disclosed below can be applied to wireless communication systems using various wireless access technologies.
  • the present embodiments include code division multiple access (CDMA), frequency division multiple access (FDMA), time division multiple access (TDMA), orthogonal frequency division multiple access (OFDMA), and single carrier frequency division multiple access (SC-FDMA).
  • CDMA code division multiple access
  • FDMA frequency division multiple access
  • TDMA time division multiple access
  • OFDMA orthogonal frequency division multiple access
  • SC-FDMA single carrier frequency division multiple access
  • wireless access technology not only refers to a specific access technology, but also refers to communication technology for each generation established by various communication consultative organizations such as 3GPP, 3GPP2, WiFi, Bluetooth, IEEE, and ITU.
  • CDMA can be implemented as a wireless technology such as universal terrestrial radio access (UTRA) or CDMA2000.
  • TDMA may be implemented with wireless technologies such as global system for mobile communications (GSM)/general packet radio service (GPRS)/enhanced data rates for GSM evolution (EDGE).
  • OFDMA can be implemented with wireless technologies such as IEEE (institute of electrical and electronics engineers) 802.11 (Wi-Fi), IEEE 802.16 (WiMAX), IEEE 802-20, E-UTRA (evolved UTRA), etc.
  • IEEE 802.16m is an evolution of IEEE 802.16e and provides backward compatibility with systems based on IEEE 802.16e.
  • UTRA is part of the universal mobile telecommunications system (UMTS).
  • 3GPP (3rd generation partnership project) LTE long term evolution) is a part of E-UMTS (evolved UMTS) that uses E-UTRA (evolved-UMTS terrestrial radio access), employing OFDMA in the downlink and SC- in the uplink.
  • FDMA frequency division multiple access
  • the present embodiments can be applied to wireless access technologies currently disclosed or commercialized, and can also be applied to wireless access technologies currently under development or to be developed in the future.
  • the terminal in this specification is a comprehensive concept meaning a device including a wireless communication module that communicates with a base station in a wireless communication system, and is used in WCDMA, LTE, NR, HSPA, and IMT-2020 (5G or New Radio), etc. It should be interpreted as a concept that includes not only UE (User Equipment), but also MS (Mobile Station), UT (User Terminal), SS (Subscriber Station), and wireless devices in GSM.
  • a terminal may be a user portable device such as a smart phone depending on the type of use, and in a V2X communication system, it may mean a vehicle, a device including a wireless communication module within the vehicle, etc.
  • a machine type communication system it may mean an MTC terminal, M2M terminal, URLLC terminal, etc. equipped with a communication module to perform machine type communication.
  • the base station or cell in this specification refers to an end point that communicates with a terminal in terms of a network, and includes Node-B (Node-B), evolved Node-B (eNB), gNode-B (gNB), Low Power Node (LPN), Sector, site, various types of antennas, BTS (Base Transceiver System), access point, point (e.g. transmission point, reception point, transmission/reception point), relay node ), mega cell, macro cell, micro cell, pico cell, femto cell, RRH (Remote Radio Head), RU (Radio Unit), and small cell.
  • a cell may mean including a bandwidth part (BWP) in the frequency domain.
  • a serving cell may mean the UE's Activation BWP.
  • base station can be interpreted in two ways. 1) It may be the device itself that provides mega cells, macro cells, micro cells, pico cells, femto cells, and small cells in relation to the wireless area, or 2) it may indicate the wireless area itself. In 1), all devices providing a predetermined wireless area are controlled by the same entity or all devices that interact to collaboratively configure the wireless area are directed to the base station. Depending on how the wireless area is configured, a point, transmission/reception point, transmission point, reception point, etc. become an example of a base station. In 2), the wireless area itself where signals are received or transmitted from the user terminal's perspective or the neighboring base station's perspective may be indicated to the base station.
  • a cell refers to the coverage of a signal transmitted from a transmission/reception point, a component carrier having coverage of a signal transmitted from a transmission point or transmission/reception point, or the transmission/reception point itself. You can.
  • Uplink refers to a method of transmitting and receiving data from a terminal to a base station
  • downlink Downlink (Downlink, DL, or downlink) refers to a method of transmitting and receiving data from a base station to a terminal.
  • Downlink may refer to communication or a communication path from multiple transmission/reception points to a terminal
  • uplink may refer to communication or a communication path from a terminal to multiple transmission/reception points.
  • the transmitter may be part of a multiple transmission/reception point
  • the receiver may be part of the terminal.
  • a transmitter may be part of a terminal, and a receiver may be part of a multiple transmission/reception point.
  • Uplink and downlink transmit and receive control information through control channels such as PDCCH (Physical Downlink Control CHannel) and PUCCH (Physical Uplink Control CHannel), and PDSCH (Physical Downlink Shared CHannel), PUSCH (Physical Uplink Shared CHannel), etc.
  • Data is transmitted and received by configuring the same data channel.
  • the situation in which signals are transmitted and received through channels such as PUCCH, PUSCH, PDCCH and PDSCH may be expressed as 'transmitting and receiving PUCCH, PUSCH, PDCCH and PDSCH'. do.
  • 3GPP develops 5G (5th-Generation) communication technology to meet the requirements of ITU-R's next-generation wireless access technology.
  • 3GPP develops LTE-A pro, which is a 5G communication technology that improves LTE-Advanced technology to meet the requirements of ITU-R, and a new NR communication technology that is separate from 4G communication technology.
  • LTE-A pro and NR refer to 5G communication technology, and hereinafter, 5G communication technology will be explained focusing on NR in cases where a specific communication technology is not specified.
  • the operating scenario in NR defines a variety of operating scenarios by adding consideration of satellites, automobiles, and new verticals to the existing 4G LTE scenario, and in terms of service, the eMBB (Enhanced Mobile Broadband) scenario has a high terminal density but is wide. It is deployed in a wide range of applications, supporting mMTC (Massive Machine Communication) scenarios that require low data rates and asynchronous connections, and URLLC (Ultra Reliability and Low Latency) scenarios that require high responsiveness and reliability and can support high-speed mobility. .
  • mMTC Massive Machine Communication
  • URLLC Ultra Reliability and Low Latency
  • NR is launching a wireless communication system with new waveform and frame structure technology, low latency technology, ultra-high frequency band (mmWave) support technology, and forward compatible technology.
  • mmWave ultra-high frequency band
  • the NR system proposes various technical changes in terms of flexibility to provide forward compatibility. The main technical features of NR are explained below with reference to the drawings.
  • Figure 1 is a diagram briefly illustrating the structure of an NR system to which this embodiment can be applied.
  • the NR system is divided into 5GC (5G Core Network) and NR-RAN parts, and NG-RAN controls the user plane (SDAP/PDCP/RLC/MAC/PHY) and UE (User Equipment). It consists of gNB and ng-eNB providing flat (RRC) protocol termination. gNB interconnection or gNB and ng-eNB are interconnected through Xn interface. gNB and ng-eNB are each connected to 5GC through the NG interface.
  • 5GC may be composed of an Access and Mobility Management Function (AMF), which is responsible for the control plane such as terminal access and mobility control functions, and a User Plane Function (UPF), which is responsible for controlling user data.
  • AMF Access and Mobility Management Function
  • UPF User Plane Function
  • NR includes support for both the frequency band below 6GHz (FR1, Frequency Range 1) and the frequency band above 6GHz (FR2, Frequency Range 2).
  • gNB refers to a base station that provides NR user plane and control plane protocol termination to the terminal
  • ng-eNB refers to a base station that provides E-UTRA user plane and control plane protocol termination to the terminal.
  • the base station described in this specification should be understood to encompass gNB and ng-eNB, and may be used to refer to gNB or ng-eNB separately, if necessary.
  • the CP-OFDM wave form using a cyclic prefix is used for downlink transmission, and CP-OFDM or DFT-s-OFDM is used for uplink transmission.
  • OFDM technology is easy to combine with MIMO (Multiple Input Multiple Output) and has the advantage of being able to use a low-complexity receiver with high frequency efficiency.
  • the NR transmission numerology is determined based on sub-carrier spacing and CP (Cyclic prefix), and as shown in Table 1 below, the ⁇ value is used as an exponent value of 2 based on 15 kHz, resulting in an exponential is changed to
  • NR's numerology can be divided into five types depending on the subcarrier spacing. This is different from the subcarrier spacing of LTE, one of the 4G communication technologies, which is fixed at 15kHz. Specifically, the subcarrier intervals used for data transmission in NR are 15, 30, 60, and 120 kHz, and the subcarrier intervals used for synchronization signal transmission are 15, 30, 120, and 240 kHz. Additionally, the extended CP applies only to the 60kHz subcarrier spacing. Meanwhile, the frame structure in NR is defined as a frame with a length of 10ms consisting of 10 subframes with the same length of 1ms. One frame can be divided into half-frames of 5ms, and each half-frame contains 5 subframes. In the case of 15 kHz subcarrier spacing, one subframe consists of one slot, and each slot consists of 14 OFDM symbols.
  • Figure 2 is a diagram for explaining the frame structure in an NR system to which this embodiment can be applied.
  • a slot is fixedly composed of 14 OFDM symbols in the case of normal CP, but the length of the slot in the time domain may vary depending on the subcarrier spacing.
  • a slot in the case of numerology with a 15 kHz subcarrier spacing, a slot is 1 ms long and has the same length as a subframe.
  • a slot in the case of numerology with a 30 kHz subcarrier spacing, a slot consists of 14 OFDM symbols, but two slots can be included in one subframe with a length of 0.5 ms. That is, subframes and frames are defined with a fixed time length, and slots are defined by the number of symbols, so the time length may vary depending on the subcarrier interval.
  • NR defines the basic unit of scheduling as a slot, and also introduces a mini-slot (or sub-slot or non-slot based schedule) to reduce transmission delay in the wireless section.
  • a mini-slot or sub-slot or non-slot based schedule
  • the length of one slot is shortened in inverse proportion, so transmission delay in the wireless section can be reduced.
  • Mini-slots are designed to efficiently support URLLC scenarios and can be scheduled in units of 2, 4, or 7 symbols.
  • NR defines uplink and downlink resource allocation at the symbol level within one slot.
  • a slot structure that can transmit HARQ ACK/NACK directly within the transmission slot has been defined, and this slot structure is described as a self-contained structure.
  • NR is designed to support a total of 256 slot formats, of which 62 slot formats are used in 3GPP Rel-15. In addition, it supports a common frame structure that forms an FDD or TDD frame through a combination of various slots. For example, a slot structure in which all slot symbols are set to downlink, a slot structure in which all symbols are set to uplink, and a slot structure in which downlink symbols and uplink symbols are combined are supported. Additionally, NR supports scheduling data transmission distributed over one or more slots. Therefore, the base station can use a slot format indicator (SFI) to inform the terminal whether the slot is a downlink slot, an uplink slot, or a flexible slot.
  • SFI slot format indicator
  • the base station can indicate the slot format by indicating the index of the table configured through UE-specific RRC signaling using SFI, and can indicate it dynamically through DCI (Downlink Control Information) or statically or through RRC. It can also be indicated semi-statically.
  • DCI Downlink Control Information
  • antenna port For Physical resources in NR, antenna port, resource grid, resource element, resource block, bandwidth part, etc. are considered. do.
  • An antenna port is defined so that a channel carrying a symbol on the antenna port can be inferred from a channel carrying another symbol on the same antenna port. If the large-scale properties of the channel carrying the symbols on one antenna port can be inferred from the channel carrying the symbols on the other antenna port, the two antenna ports are quasi co-located or QC/QCL. It can be said that they are in a quasi co-location relationship.
  • the wide range characteristics include one or more of delay spread, Doppler spread, frequency shift, average received power, and received timing.
  • FIG. 3 is a diagram illustrating a resource grid supported by wireless access technology to which this embodiment can be applied.
  • a resource grid may exist for each numerology. Additionally, resource grids may exist depending on antenna ports, subcarrier spacing, and transmission direction.
  • a resource block consists of 12 subcarriers and is defined only in the frequency domain. Additionally, a resource element consists of one OFDM symbol and one subcarrier. Therefore, as shown in FIG. 3, the size of one resource block may vary depending on the subcarrier spacing. Additionally, NR defines "Point A", which serves as a common reference point for the resource block grid, common resource blocks, virtual resource blocks, etc.
  • Figure 4 is a diagram for explaining the bandwidth part supported by the wireless access technology to which this embodiment can be applied.
  • the terminal can use a designated bandwidth part (BWP) within the carrier bandwidth as shown in FIG. 4. Additionally, the bandwidth part is linked to one numerology and consists of a subset of consecutive common resource blocks, and can be activated dynamically over time.
  • the terminal is configured with up to four bandwidth parts for each uplink and downlink, and data is transmitted and received using the bandwidth parts activated at a given time.
  • the uplink and downlink bandwidth parts are set independently, and in the case of an unpaired spectrum, to prevent unnecessary frequency re-tunning between downlink and uplink operations.
  • the bandwidth parts of the downlink and uplink are set in pairs so that they can share the center frequency.
  • the terminal performs cell search and random access procedures to connect to the base station and perform communication.
  • Cell search is a procedure in which the terminal synchronizes to the cell of the base station, obtains a physical layer cell ID, and obtains system information using a synchronization signal block (SSB) transmitted by the base station.
  • SSB synchronization signal block
  • Figure 5 is a diagram illustrating a synchronization signal block in a wireless access technology to which this embodiment can be applied.
  • the SSB is composed of a primary synchronization signal (PSS) and a secondary synchronization signal (SSS), each occupying 1 symbol and 127 subcarriers, and a PBCH spanning 3 OFDM symbols and 240 subcarriers.
  • PSS primary synchronization signal
  • SSS secondary synchronization signal
  • the terminal monitors the SSB in the time and frequency domains and receives the SSB.
  • SSB can be transmitted up to 64 times in 5ms. Multiple SSBs are transmitted through different transmission beams within 5ms, and the terminal performs detection assuming that SSBs are transmitted every 20ms period based on one specific beam used for transmission.
  • the number of beams that can be used for SSB transmission within 5ms time can increase as the frequency band becomes higher. For example, up to 4 different SSB beams can be transmitted under 3 GHz, up to 8 different beams can be used in the frequency band from 3 to 6 GHz, and up to 64 different beams can be used in the frequency band above 6 GHz.
  • Two SSBs are included in one slot, and the start symbol and number of repetitions within the slot are determined according to the subcarrier spacing as follows.
  • SSB is not transmitted at the center frequency of the carrier bandwidth.
  • SSBs can be transmitted even in places other than the center of the system band, and when broadband operation is supported, multiple SSBs can be transmitted in the frequency domain.
  • the terminal monitors the SSB using a synchronization raster, which is a candidate frequency location for monitoring the SSB.
  • the carrier raster and synchronization raster which are the center frequency location information of the channel for initial access, have been newly defined in NR, and the synchronization raster has a wider frequency interval than the carrier raster, supporting fast SSB search of the terminal. You can.
  • the UE can obtain the MIB through the PBCH of the SSB.
  • MIB Master Information Block
  • the PBCH includes information about the location of the first DM-RS symbol in the time domain, information for the terminal to monitor SIB1 (e.g., SIB1 numerology information, information related to SIB1 CORESET, search space information, PDCCH (related parameter information, etc.), offset information between the common resource block and the SSB (the position of the absolute SSB within the carrier is transmitted through SIB1), etc.
  • SIB1 numerology information e.g., SIB1 numerology information, information related to SIB1 CORESET, search space information, PDCCH (related parameter information, etc.
  • PDCCH related parameter information, etc.
  • offset information between the common resource block and the SSB the position of the absolute SSB within the carrier is transmitted through SIB1
  • the SIB1 numerology information is equally applied to some messages used in the random access procedure for accessing the base station after the terminal completes the cell search procedure.
  • numerology information of SIB1 may be applied to at least one of messages 1 to 4 for the random access procedure.
  • the above-mentioned RMSI may mean SIB1 (System Information Block 1), and SIB1 is broadcast periodically (ex, 160ms) in the cell.
  • SIB1 contains information necessary for the terminal to perform the initial random access procedure and is transmitted periodically through PDSCH.
  • the terminal In order for the terminal to receive SIB1, it must receive numerology information used for SIB1 transmission and CORESET (Control Resource Set) information used for scheduling SIB1 through the PBCH.
  • CORESET Control Resource Set
  • the UE uses SI-RNTI in CORESET to check scheduling information for SIB1 and acquires SIB1 on the PDSCH according to the scheduling information. Except for SIB1, the remaining SIBs may be transmitted periodically or according to the request of the terminal.
  • Figure 6 is a diagram for explaining a random access procedure in wireless access technology to which this embodiment can be applied.
  • the terminal transmits a random access preamble for random access to the base station.
  • the random access preamble is transmitted through PRACH.
  • the random access preamble is transmitted to the base station through PRACH, which consists of continuous radio resources in a specific slot that is repeated periodically.
  • PRACH which consists of continuous radio resources in a specific slot that is repeated periodically.
  • BFR beam failure recovery
  • the terminal receives a random access response to the transmitted random access preamble.
  • the random access response may include a random access preamble identifier (ID), UL Grant (uplink radio resource), temporary C-RNTI (Temporary Cell - Radio Network Temporary Identifier), and TAC (Time Alignment Command). Since one random access response may include random access response information for one or more terminals, the random access preamble identifier may be included to indicate to which terminal the included UL Grant, temporary C-RNTI, and TAC are valid.
  • the random access preamble identifier may be an identifier for the random access preamble received by the base station. TAC may be included as information for the terminal to adjust uplink synchronization.
  • the random access response may be indicated by a random access identifier on the PDCCH, that is, RA-RNTI (Random Access - Radio Network Temporary Identifier).
  • the terminal that has received a valid random access response processes the information included in the random access response and performs scheduled transmission to the base station. For example, the terminal applies TAC and stores temporary C-RNTI. Additionally, using the UL Grant, data stored in the terminal's buffer or newly generated data is transmitted to the base station. In this case, information that can identify the terminal must be included.
  • the terminal receives a downlink message to resolve contention.
  • the downlink control channel in NR is transmitted in CORESET (Control Resource Set) with a length of 1 to 3 symbols, and transmits uplink/downlink scheduling information, SFI (Slot format Index), and TPC (Transmit Power Control) information. .
  • CORESET Control Resource Set
  • SFI Slot format Index
  • TPC Transmit Power Control
  • CORESET Control Resource Set
  • the terminal may decode the control channel candidate using one or more search spaces in the CORESET time-frequency resource.
  • QCL Quad CoLocation
  • Figure 7 is a diagram to explain CORESET.
  • CORESET may exist in various forms within one slot and within the carrier bandwidth, and in the time domain, CORESET may be composed of up to three OFDM symbols. Additionally, CORESET is defined as a multiple of 6 resource blocks from the frequency domain to the carrier bandwidth.
  • the first CORESET is directed through the MIB as part of the initial bandwidth part configuration to enable it to receive additional configuration and system information from the network.
  • the terminal After establishing a connection with the base station, the terminal can receive and configure one or more CORESET information through RRC signaling.
  • frequencies, frames, subframes, resources, resource blocks, regions, bands, subbands, control channels, data channels, synchronization signals, various reference signals, various signals, or various messages related to NR can be interpreted in a variety of meanings that may be used in the past or present, or may be used in the future.
  • This disclosure relates to technology for performing beam management using artificial intelligence (AI/ML).
  • AI/ML artificial intelligence
  • the present disclosure sets minimum beam measurement section information to enable the terminal to efficiently measure the optimal beam for deployed AI/ML for a cell capable of performing beam management using AI/ML, This relates to a beam management method using this.
  • models that are applied to wireless communication technology and derive preset output values based on input values are described as artificial intelligence models, artificial intelligence, AI/ML, etc. However, this is for explanation purposes, and other terms meaning providing output values for input values using artificial intelligence or machine learning technology may be used.
  • the beam described in this specification refers to the transmission of a signal to which digital beam forming, analog beam forming, and hybrid beam forming are applied.
  • the signal may include a reference signal such as CSI or SSB, and can be understood to include various shared channels that transmit data.
  • a beam does not mean a specific signal from a signal perspective, but can be understood as signal transmission differentiated according to a beam forming technique.
  • the beam management method of 3GPP NR can be divided into an initial access stage and a stage after cell connection establishment.
  • the terminal performing the initial access procedure sets the initial Tx/Rx beam of the terminal through the RACH procedure.
  • gNB tx to a terminal without cell connection.
  • the base station periodically and repeatedly transmits SSBs to which beams in different directions are mapped (e.g., in the default case, SSBs are transmitted within 5 ms at a period of 20 ms).
  • the UE can select a qualified SSB through signal measurement for periodically transmitted SSBs and inform the base station of information about the selected tx beam by transmitting a PRACH preamble mapped to the SSB.
  • FIG. 8 is a diagram illustrating an operation in which two terminals at different locations perform initial beam measurement when a base station performs a beam transmission operation.
  • the base station can transmit a synchronization signal block (SSB) using some time and frequency resources within a preset frame.
  • SSB synchronization signal block
  • the base station can form various beams and perform a beam sweeping operation.
  • beams may be transmitted spatially separated from beam indices 0 to 11. If UE 1 performs measurement on the corresponding SSB, as shown in FIG. 8, the signal intensity for beam index 3 matching the beam direction will appear the highest, and the intensity for surrounding beams will be measured to be low. Likewise, UE 2 will measure the highest signal strength for beam index 9 as a location characteristic.
  • Each terminal can perform initial access to the base station by performing a random access procedure based on the signal strength measurement results for the SSB.
  • Figure 9 is an example diagram for explaining the initial access procedure of a terminal and a base station.
  • the terminal receives cell-related parameters (e.g., PRACH information corresponding to each SSB) information required in the initial access stage through a system information message.
  • the corresponding parameter information may be received through master information block (MIB) and/or system information block 1 (SIB1).
  • MIB master information block
  • SIB1 system information block 1
  • the terminal measures RSRP for periodically transmitted SSB.
  • the terminal performs beam selection based on the SSB measurement results. For example, the terminal may select the beam showing the highest RSRP based on the measurement results.
  • the terminal may transmit a random access preamble related to the selected beam.
  • the terminal can receive a random access response to the transmitted random access preamble through the selected beam. Afterwards, access to the initial cell can be performed through transmission and reception of Msg 3 and Msg 4.
  • a base station that does not know the location/beam information of the first entering terminal i.e., a terminal performing CBRA (Contention Based Random Access procedure)
  • CBRA Contention Based Random Access procedure
  • the terminal performs an operation of sequentially measuring all beams to find the optimal beam at its location. This not only causes time delays in beam selection and cell connection as the number of beams in a cell increases, but also causes the terminal to measure a large number of beams, which may cause the terminal to increase its power consumption.
  • the base station can identify the approximate location/beam of the initially connected terminal by mapping a wider beam for the SSB, and set a narrow beam through a beam refinement operation after the terminal accesses the cell.
  • narrow beam provides a high data rate to the terminal
  • the base station allocates CSI resources (CSI-RS/SSB) to which candidate beams are mapped to the terminal in a UE-specific manner, allowing the terminal to continuously measure the surrounding beam strength and report the measurement results to the base station. This can be set by the base station in the terminal through CSI resource configuration and CSI report configuration.
  • the terminal that has received beam reporting performs CSI reporting based on the base station's settings based on the RS (Reference Signal) measurement assigned to it.
  • RS Reference Signal
  • this UE-specific CSI configuration method has a problem in that as the number of UEs in a cell increases, the RS resources allocated per UE also rapidly increase.
  • Figure 10 is an example diagram for explaining a candidate beam setting operation for a terminal.
  • the base station may select a method of allocating the same candidate beam (CSI resource) to UEs in similar locations as shown in FIG. 10 (UE group-specific CSI resource configuration).
  • CSI resource CSI resource
  • FIG. 10 UE group-specific CSI resource configuration
  • an issue arises in which new candidate beam resources must be allocated to terminals outside the corresponding resource area. That is, in a situation where CSI resource set #1 is allocated to UE 1 as shown in 1000 in FIG. 10 and CSI resource set #2 is allocated to UE 2, if UE 2 moves to UE 1 as shown in 1010, UE 2 CSI resource set #1 must be newly allocated to . Additionally, CSI resource set #2 must be newly allocated to UE 3 and UE 4.
  • the terminal experiences frequent RRC resetting, and candidate beam resetting through RRC causes a relatively large delay. This may cause beam interruption.
  • the base station will be able to operate candidate beams by appropriately increasing the number of beams belonging to the CSI resource set.
  • the burden of measurement increases due to the increased number of beams.
  • 3GPP is considering applying AI/ML models to improve delay and terminal power consumption in beam search.
  • use cases may be included as follows.
  • o CSI feedback enhancement e.g., overhead reduction, improved accuracy, prediction.
  • Beam management e.g., beam prediction in time, and/or spatial domain for overhead and latency reduction, beam selection accuracy improvement.
  • BM-Case 1 Spatial-domain DL beam prediction for Set A of beams based on measurement results of Set B of beams
  • BM-Case2 Temporal DL beam prediction for Set A of beams based on the historic measurement results of Set B of beams
  • Set B is a subset of Set A
  • Set A and Set B are different (e.g. Set A consists of narrow beams and Set B consists of wide beams)
  • Set A is for DL beam prediction and Set B is for DL beam measurement.
  • Beam management operation in conventional NR causes problems of increased system overhead and increased power consumption of the terminal as the number of beams and terminals increases.
  • the terminal goes through a process of selecting an initial beam after measuring all beams, which may cause a delay in cell connection.
  • the present embodiments seek to propose a specific operation for predicting beam measurement using an AI/ML model in this situation.
  • the beam of Set A is predicted using an artificial intelligence model
  • Set B is the beam used for measurement to predict Set A.
  • the relationship between Set A and Set B can be considered in various ways.
  • Figure 11 is a diagram to explain an example of beam measurement and beam prediction operations using artificial intelligence.
  • the intensity of the beam for Set A is predicted through measurement of beams belonging to Set B.
  • Set B may be a subset of Set A.
  • prediction results for beams #0, 1, 2, 3, ..., 12 included in Set A can be derived. You can. Therefore, Set B may be composed of a subset included in Set A.
  • Figure 12 is a diagram to explain another example of beam measurement and beam prediction operations using artificial intelligence.
  • the intensity of the beam for Set A is predicted through measurement of beams belonging to Set B.
  • Set B may consist of a different beam than Set A.
  • Set B may consist of a wide beam and Set A may consist of a narrow beam.
  • prediction results for beams #0, 1, 2, 3, ..., 11 included in Set A can be derived using the wide beam measurement results of beams #13, 14, and 15 included in Set B. You can. Therefore, Set B may be composed of a different beam from Set A.
  • beams are selected by measuring signals of different beams mapped to the SSB of the base station.
  • the base station uses a method of sequentially mapping up to 64 beams to 64 SSBs and transmitting them. Therefore, in order for the terminal to obtain an effect in measurement using the AI/ML model, it is required to know the beam pattern information in advance or for the base station to transmit a beam in a pattern that is easy for the terminal to measure.
  • the beam pattern may have different configurations depending on the base station implementation, it is difficult to standardize. If an AI/ML model that has been trained for a specific/general base station beam is implemented in the base station, additional information for beam measurement suitable for this can be transmitted to the terminal to enable the terminal to efficiently measure and select the beam.
  • the base station will have to basically support beam sweeping.
  • Figure 13 is a diagram for explaining terminal operations according to one embodiment.
  • a user equipment may perform a step of receiving reference signal resource configuration information from a base station (S1310).
  • the reference signal resource configuration information may include parameters necessary for the terminal to measure the reference signal transmitted from the base station to the terminal.
  • the reference signal may refer to a reference signal for beam measurement such as the above-described SSB and CSI-RS.
  • the reference signal resource configuration information may include at least one of reference signal resource set information and minimum beam measurement time information corresponding to the reference signal resource set.
  • the reference signal resource set information may include a set of time-frequency resources through which the reference signal is transmitted.
  • One or more reference signal resource set information may be included.
  • the minimum beam measurement time information may include information corresponding to a reference signal resource set and indicating the minimum measurement time at which the terminal must measure the corresponding reference signal beam.
  • Reference signal resource configuration information can be classified by type of reference signal and transmitted to the terminal. Additionally, reference signal resource configuration information may be configured in the terminal through at least one of system information, RRC message, and L1 signaling.
  • the terminal may perform a step of performing a measurement operation for a reference signal based on reference signal resource configuration information (S1320).
  • the terminal can measure the signal strength and/or signal quality for the reference signal by checking the resources and period for measuring the reference signal according to the reference signal resource configuration information.
  • the terminal can measure a specific reference signal for more than the minimum beam measurement time based on the reference signal resource set information and minimum beam measurement time information included in the reference signal resource configuration information.
  • the terminal may configure reference signal resource configuration information in the terminal and perform a measurement operation on the indicated reference signal based on L1 signaling received from the base station.
  • the signal strength and/or signal quality for the reference signal indicated over the minimum beam measurement time can be measured using the reference signal resource set information and minimum beam measurement time information.
  • the terminal may perform a step of transmitting at least one piece of information among the measurement result information for the reference signal or the reference signal inference result information derived using the measurement result information for the reference signal to the base station (S1330).
  • measurement result information about a reference signal can be used as an input value for an artificial intelligence model for beam management.
  • the RSRP and/or RSRQ for the reference signal measured by the terminal can be used as an input value for the artificial intelligence model along with the beam index of the reference signal to be measured.
  • the base station when the terminal transmits measurement result information for a reference signal to the base station, the base station inputs the measurement result information as an input value to the artificial intelligence model and obtains a predicted value for the beam as the output value of the artificial intelligence model.
  • the terminal may perform measurement on the beam of Set B and transmit the measurement result information to the base station, including the beam index for the beam included in Set B and the measurement result for each beam index.
  • the base station can obtain the predicted beam measurement result for Set A by inputting the measurement result information received from the terminal as an input value of the artificial intelligence model configured in the base station.
  • Set B may be composed of a subset of Set A or may be composed of different sets of beams.
  • the terminal may transmit reference signal inference result information to the base station.
  • the reference signal inference result information includes the output value derived by inputting the measurement result information for the reference signal into the artificial intelligence model for beam management. can do.
  • the reference signal inference result information may include at least one of an inference beam index derived from the output value and signal strength information corresponding to the inference beam index.
  • the inferred beam index may or may not include the beam included in the measurement result information.
  • the beam measured by the terminal may be for Set B.
  • the terminal can complete the measurement of the beam included in Set B and obtain the predicted beam measurement result for Set A by inputting the measurement result information as an input value of the artificial intelligence model configured in the terminal.
  • Set B may be composed of a subset of Set A or may be composed of different sets of beams.
  • the reference signal inference result information may include only inference information for a specific beam, or may include inference information for two or more beams.
  • the reference signal inference result information includes only inference result information (e.g., signal strength or signal quality prediction result) for a specific beam selected as the inference result best beam, or includes inference result information for two or more beams. can do.
  • the number of beams included in the reference signal inference result information, information to be included, etc. may be configured by the base station to the terminal.
  • the terminal and base station can predict beam measurement results for a large number of beams using a small number of beams. Therefore, the present disclosure can obtain accurate beam measurement results while reducing overall system overhead and reducing power consumption of the terminal.
  • Figure 14 is a diagram for explaining the operation of a base station according to an embodiment.
  • the base station may perform the step of transmitting reference signal resource configuration information to the terminal (S1410).
  • the reference signal resource configuration information may include parameters necessary for the terminal to measure the reference signal transmitted from the base station to the terminal.
  • the reference signal may refer to a reference signal for beam measurement such as the above-described SSB and CSI-RS.
  • the reference signal resource configuration information may include at least one of reference signal resource set information and minimum beam measurement time information corresponding to the reference signal resource set.
  • the reference signal resource set information may include a set of time-frequency resources through which the reference signal is transmitted.
  • One or more reference signal resource set information may be included.
  • the minimum beam measurement time information may include information corresponding to a reference signal resource set and indicating the minimum measurement time at which the terminal must measure the corresponding reference signal beam.
  • Reference signal resource configuration information can be classified by type of reference signal and transmitted to the terminal. Additionally, reference signal resource configuration information may be configured in the terminal through at least one of system information, RRC message, and L1 signaling.
  • the base station may perform the step of transmitting a reference signal according to the reference signal resource configuration information (S1420).
  • the base station transmits a reference signal with information set according to the reference signal resource configuration information.
  • the base station may transmit a reference signal using a beam pattern differentiated according to reference signal resource configuration information. That is, the base station can transmit a beam for the above-described Set B.
  • M beams are transmitted, but when reference signal resource configuration information is configured in the terminal, only N beams can be transmitted.
  • N is a natural number smaller than M.
  • the base station can transmit reference signals with a smaller number of beams than before, and the beam measurement results for all beams can be inferred using the output value of the artificial intelligence model.
  • the base station may perform a step of receiving from the terminal at least one of the measurement result information for the reference signal or the reference signal inference result information derived using the measurement result information for the reference signal (S1430).
  • measurement result information about a reference signal can be used as an input value for an artificial intelligence model for beam management.
  • the RSRP and/or RSRQ for the reference signal measured by the terminal can be used as an input value for the artificial intelligence model along with the beam index of the reference signal to be measured.
  • the base station when the terminal transmits measurement result information for a reference signal to the base station, the base station inputs the measurement result information as an input value to the artificial intelligence model and obtains a predicted value for the beam as the output value of the artificial intelligence model.
  • the terminal may perform measurement on the beam of Set B and transmit the measurement result information to the base station, including the beam index for the beam included in Set B and the measurement result for each beam index.
  • the base station can obtain the predicted beam measurement result for Set A by inputting the measurement result information received from the terminal as an input value of the artificial intelligence model configured in the base station.
  • Set B may be composed of a subset of Set A or may be composed of different sets of beams.
  • the base station may receive reference signal inference result information from the terminal.
  • the reference signal inference result information includes the output value derived by inputting the measurement result information for the reference signal into the artificial intelligence model for beam management. can do.
  • the reference signal inference result information may include at least one of an inference beam index derived from the output value and signal strength information corresponding to the inference beam index.
  • the inferred beam index may or may not include the beam included in the measurement result information.
  • the beam measured by the terminal may be for Set B.
  • the terminal can complete the measurement of the beam included in Set B and obtain the predicted beam measurement result for Set A by inputting the measurement result information as an input value of the artificial intelligence model configured in the terminal.
  • Set B may be composed of a subset of Set A or may be composed of different sets of beams.
  • the reference signal inference result information may include only inference information for a specific beam, or may include inference information for two or more beams.
  • the reference signal inference result information includes only inference result information (e.g., signal strength or signal quality prediction result) for a specific beam selected as the inference result best beam, or includes inference result information for two or more beams. can do.
  • the number of beams included in the reference signal inference result information, information to be included, etc. may be configured by the base station to the terminal.
  • the terminal and base station can predict beam measurement results for a large number of beams using a small number of beams. Therefore, the present disclosure can obtain accurate beam measurement results while reducing overall system overhead and reducing power consumption of the terminal.
  • the minimum beam measurement time (minimum measurement window, hereinafter referred to as MM window) is one of the information to help the terminal measure the beam effectively.
  • Information can be transmitted from the base station to the terminal.
  • the information is the minimum time for measuring a candidate beam or the number of beam information, and is included in the beam measured within that time. This means that information (e.g., beam index and/or measured RSRP) can be used as input to an AI/ML model.
  • the terminal that receives the information does not measure all beams transmitted from the base station, it must measure the beams at least during the corresponding time (MM window), and at least equal to or greater than the number of inputs (i) to be used in the AI/ML model. It can be defined as the time that guarantees measuring the beam. If the number of measured beams is greater than the number of inputs (i), the beam information used as input for the AI/ML model can be selectively used among the measured beams (N), and the i beams with the best quality can be selectively used. A beam or i beams randomly selected among N beams can be used.
  • beam measurement time information may be defined in relation to reference signal resource set (CSI resource set, or SSBs) information for defining a candidate beam.
  • CSI resource set reference signal resource set
  • SSBs reference signal resource set
  • this information when this information is used in the initial connection stage, it means that beam measurement time information is defined as cell common information in association with SSB bundle information repeatedly transmitted for beam sweep.
  • the SSB resource information is used as reference signal resource information (RS resource set, where RS means SSB (SSBs transmitted in the ssb-periodicityServingCell period (default 20ms)) for beam management of the initial access terminal.
  • reference signal resource information for beam management of the connected UE can be set in a UE-specific manner as a CSI resource set, and beam measurement time information associated with an arbitrary CSI resource set can be set. do.
  • the AI/ML model assumes that training/validation/testing has been performed in advance through offline learning.
  • an AI/ML model that has been sufficiently trained and verified for the DL beams set in the base station in the pre-deployment stage of the base station can be preloaded in the base station. If the beam configuration for a cell changes, the model can be updated, and the update method is not limited to on/offline learning.
  • N*x does not exceed the maximum number of beams that can be configured in a cell (e.g., 64 for NR), and N is the number of beams that the AI/ML model can have above a certain performance (e.g., model accuracy). It is desirable to set it so that the result value can be derived.
  • N beam information can be used as input to the AI/ML model.
  • FIG. 15 is a diagram for explaining the beam transmission pattern of a base station according to an embodiment.
  • the base station can configure a beam pattern suitable for the AI/ML model learned for its cell and sequentially transmit SSBs mapped according to the pattern. That is, if N is equal to M and x is 1, it means that it operates in the same manner as the prior art as shown in FIG. 8. In this embodiment, it is assumed that Sets A and B are formed where N is smaller than M and x has a value of 2 or more.
  • the beam pattern was determined by the base station implementation, and the terminal did not need to know the beam pattern information of the base station.
  • beam measurement may set the initial beam by selecting a qualified beam and transmitting the corresponding preamble depending on the implementation of the terminal, but generally, the terminal uses a method of measuring all beams transmitted during the DL tx beam sweep section of the base station. do.
  • the base station can set and provide a beam pattern that allows the most efficient acquisition of input information required for the corresponding AI/ML model for beam prediction of the terminal.
  • each base station Since not all base stations use the same pattern and number of beams, each base station must create a beam pattern suitable for its cell and provide the terminal with a beam measurement method appropriate for it. Transmitting a beam in the manner shown in FIG. 15 is an example, and the present disclosure does not limit the MM window setting to a specific pattern.
  • the base station can create a beam pattern that takes into account both the cell construction environment and AI/ML model, and set an appropriate MM window value.
  • the base station can transmit time information (MM window in FIG. 15) capable of measuring N beams to the terminal. Since time information may have different values depending on the beam configuration of the cell and the corresponding AI/ML model, it may be defined/set to a different value for each cell or CSI resource set. This means that the terminal that has received the time information must measure the signal strength for continuously received beams (e.g., SSB and/or CSI-RS) for at least the MM window time, and the information on the measured beams is all or part of the time. It can be used as an input value for AI/ML models.
  • time information may have different values depending on the beam configuration of the cell and the corresponding AI/ML model, it may be defined/set to a different value for each cell or CSI resource set. This means that the terminal that has received the time information must measure the signal strength for continuously received beams (e.g., SSB and/or CSI-RS) for at least the MM window time, and the information on the measured beams is all or part of the time.
  • the operation after beam measurement of the terminal varies depending on whether the AI/ML model trained at the base station is shared with the terminal (i.e., Collaboration Level z) or not (i.e., Collaboration Level y). It can work.
  • Figure 16 is a diagram for explaining terminal operations when an artificial intelligence model according to an embodiment is shared with the terminal.
  • AI/ML models may also be composed of separate operations.
  • the terminal may receive at least one of an AI/ML model and an MM window value through system information or an RRC message (S1610).
  • the terminal measures the beam during the MM window (S1620). Afterwards, the terminal receives (downloads) the measured beam information and uses it as input to the pre-configured AI/ML model (S1630). In other words, the terminal that has constructed the AI/ML model provides information about the entire beam (e.g., SSB/CSI-RS index and/or RSRP) based on the beam information (e.g., SSB/CSI-RS index and/or RSRP) measured during the MM window. or RSRP). The terminal selects the beam predicted with the highest quality/RSRP among the predicted beams and informs the base station of the corresponding beam information (S1640).
  • the terminal receives (downloads) the measured beam information and uses it as input to the pre-configured AI/ML model (S1630).
  • the terminal that has constructed the AI/ML model provides information about the entire beam (e.g., SSB/CSI-RS index and/or RSRP) based on the beam information (e.g., SS
  • Figure 17 is a diagram for explaining terminal operation when an artificial intelligence model according to another embodiment is not shared with the terminal.
  • FIG 17 it shows a terminal flowchart when the AI/ML model is not shared with the terminal.
  • This is a scenario corresponding to collaboration level y that shares only necessary parameters, and the terminal receives MM window values related to beam management through system information or RRC messages (S1710).
  • the terminal measures the beam during the MM window using the received information (S1720). All or part of the measured beam information can be selected and reported to the base station (S1730).
  • the measured beam information (N) exceeds 4 defined in the prior art
  • a new reporting format for reporting 5 or more beam information may be required.
  • the reporting method of the prior art is applied as is, the best four beams among the beams measured within the MM window may be selectively reported.
  • the beam information received from the base station side is a report that requires beam prediction.
  • the terminal did not use the MM window value as in the past but selectively announced the best four beams among the measured beams (Set A, M)
  • beam prediction at the base station would be unnecessary.
  • the best four beams (Set B, N) measured using the MM window are reported by reusing the CSI report format used in the prior art, the base station that received this reports AI/ML based on the beam information. Because beam prediction through a model is necessary, indicator information is required to distinguish these two cases.
  • an indication may be added in the beam reporting format to indicate whether the measurement is using a window or not.
  • the indication can be defined as an indication that the base station that has received the beam information reports whether to perform prediction through an AI/ML model.
  • MM window parameter is transmitted.
  • the proposed information (AI/ML model and/or MM window size) is applied to initial access such as MIB or SIB1. It can be transmitted as system information that transmits necessary cell common information.
  • the proposed information is an RRC message related to CSI settings, such as CSI resource configuration or CSI report configuration. It can be transmitted through .
  • a new message transmitting AI/ML model information may be transmitted through the corresponding RRC/MAC/PHY control information.
  • FIG. 18 is a diagram illustrating a beam measurement time window operation for each terminal according to an embodiment.
  • MM window size can be defined in ms, symbol, or slot units.
  • the starting point for beam measurement for this purpose does not matter where it starts from the entire beam sweep section (e.g., 5ms for SSBs).
  • UE 1 and UE 2 will be able to predict the entire beam through measurement of different beams (different Set B) even in the same beam sweep section.
  • the MM window may start from a different point in the next beam sweep section depending on when the beam measurement starts.
  • Example 1 If it is determined by MM window expiration that additional beam measurement is necessary (i.e., if the beam information measured while the MM window is running does not meet the beam information for input), the MM window is used in the next beam sweep section. Beam measurement begins anew by restarting the timer.
  • Example 2 If information on the last point of the beam sweep section can be known through system information (i.e., if the MM window is running at the end of the beam sweep section), stop the MM window timer when the beam sweep section ends, The window timer can be restarted at the start of the next beam sweep.
  • Example 3 Fixing the starting point of the MM window to the section where the beam sweep starts or the specific slot and/or symbol index time information of the SF (i.e., time index information where the MM window starts within the SF along with the MM window information) means informing the user together), so that a method can be used that guarantees the required amount of beam measurement.
  • MM window size can be set in various ways.
  • the value of MM window size may be defined as the minimum number of beams (N) required for measurement instead of time information. This can be set equal to or larger than the number of input information (i) used as input to the AI/ML model.
  • N the minimum number of beams required for measurement instead of time information.
  • the description focuses on the case where the beam is transmitted with the optimal beam pattern to measure the beam information required for inputting the AI/ML model from the base station, but considering the accuracy of beam prediction, at least the minimum number of beams required for measurement (N) can be larger than the number of inputs (i).
  • the terminal can continue measurement until the number of beams measured until the next beam sweep section is satisfied even if the terminal starts measuring the beam from the middle or the end of the beam sweep section. You can.
  • N is greater than i, or if more beams than i are measured within the MM window, i beams with the highest RSRP (quality) among the measured beams, or i beams selected randomly, are input to the AI/ML model. It can also be used as . However, the method for selecting i is not limited to the above-described embodiment.
  • FIG. 19 is a diagram for explaining a beam prediction operation according to an embodiment.
  • the terminal starts measuring from SSB index #0 in the beam prediction operation using the MM window, the beam intensity for SSB #0, 3, 6, and 9 transmitted during the MM window time from that point is measured. do.
  • the terminal starts measuring from SSB index #7, the beam intensity for SSB #7, 10, 2, and 5 transmitted in the MM window section is measured from then on. No matter which subset of the beam is measured, the prediction result for the entire beam can be derived as output, and the MM window can be set within the range where the model accuracy satisfies the requirements.
  • the AI/ML model used and its MM window value settings can be determined by the base station.
  • the AI/ML model for beam management can be located only in the base station or shared from the base station to the terminal (via model download).
  • the terminal receives the trained AI/ML model in advance at the base station through a cell information transmission channel such as system information because the terminal's beam selection is necessary. can do.
  • Figure 20 is a signal diagram for explaining beam measurement and beam prediction operations in the initial access process according to an embodiment.
  • An AI/ML capable UE that has confirmed that it is an AI/ML capable base station provides an AI/ML model for beam prediction and an MM related thereto in addition to the parameters provided in the prior art (e.g., PRACH information corresponding to each SSB) through a system information message. Window information is also received.
  • the terminal measures the RSRP for the transmitted SSB for a period of time equal to the MM window (or until the number of beams equal to the number of MM windows is measured) from the first detected SSB.
  • the selected prediction beam information is notified to the base station by transmitting a preamble belonging to the PRACH resource corresponding to the selected SSB (beam) to the base station.
  • Example 2 Example of application of beam management (beam tracking) procedure of Connected UE
  • the AI/ML model for beam management can be located only in the base station or shared (via model download) from the base station to the terminal.
  • the base station allocates an appropriate candidate beam that can achieve the optimal effect between the measurement burden of the terminal, RRC reset issue, and RS resource overhead to one CSI resource set to terminal(s). ) can be set to.
  • the beam becomes sharper as the frequency increases, it is highly likely that a large amount of beams will be allocated to one CSI resource set to support beamforming of a terminal with high mobility.
  • the MM window described above as an efficient allocation method for the UE group-specific CSI resource set is used in the conventional CSI resource set. It can be set to be applied directly to the set.
  • the MM window can be optionally set along with the CSI resource set index within the conventional CSI resource configuration.
  • the conventionally connected UE that receives this can measure RSs in the CSI resource set in the same manner as before and report on the four beams with the highest RSRP/quality among the measured candidate beams.
  • the base station makes the final decision on the connected UE's beam through reports of measured beams, so it may be desirable for the base station to be the subject of beam prediction in the proposed method.
  • the terminal downloads the AI/ML model corresponding to the CSI resource set, performs beam prediction, and then reports the four predicted beams with the highest RSRP/quality. Two different embodiments related to this are described below.
  • Figure 21 is a signal diagram for explaining an operation when a base station performs beam prediction according to an embodiment.
  • Figure 22 is a signal diagram for explaining an operation when a terminal performs beam prediction according to another embodiment.
  • the connected UE operation performing the beam management procedure is as follows.
  • the base station transmits an RRC message containing the CSI resource set and the corresponding MM window value to the terminal.
  • the terminal measures the RSRP for the CSI-RS/SSB transmitted from the first detected CSI-RS/SSB for a period of time equal to the MM window (or until beams equal to the number of MM windows are measured).
  • RSRP information for the N measured beams is reported to the base station based on the CSI report configuration set by the base station.
  • the terminal when the base station performs beam prediction, the terminal can report four or five or more pieces of information about the measured beams in the same (similar) manner as the conventional method.
  • an indication indicating that beam prediction is required may be transmitted from the base station.
  • the terminal when the terminal performs beam prediction, the terminal performs beam prediction on the candidate beams (M) using the beam information (N) measured during the MM window. Among the predicted beams, the four beams predicted with the highest RSRP can be selected and reported to the base station.
  • the base station sets the beam of the terminal using the reported beam information and notifies the terminal of the set beam through beam indication.
  • the reported beam information is used as an input value of the AI/ML model for beam prediction.
  • M the predicted beam intensity for all candidate beams
  • one beam with the highest value is set as the terminal's beam and notified to the terminal.
  • the base station that receives the CSI report sets the terminal's beam based on the beam reported in the same manner as before.
  • wireless communication technology may need to guarantee operation even for legacy terminals. Accordingly, the operation of the legacy terminal when the above-described present embodiment is applied will be described.
  • Figure 23 is a signal diagram for explaining beam measurement and reporting operations of a Legacy terminal according to another embodiment.
  • the legacy UE operation performing the beam management procedure according to this embodiment is as follows.
  • the base station transmits an RRC message including a CSI resource set to the terminal.
  • the terminal measures RSRP for candidate beams (CSI-RSs/SSBs) belonging to the CSI resource set.
  • the base station sets one beam to the terminal based on the four measured beam information received and notifies the terminal of the set beam.
  • a base station supporting AI/ML supports both legacy terminals and AI/ML capable UEs, providing the effect of minimizing the measurement burden on AI/ML capable UEs.
  • Figure 24 is a diagram showing the configuration of a terminal according to one embodiment.
  • the terminal 2400 that performs beam management includes a receiving unit 2430 that receives reference signal resource configuration information from the base station and a control unit that performs a measurement operation for the reference signal based on the reference signal resource configuration information ( 2410) and a transmitter 2420 that transmits at least one of measurement result information for the reference signal or reference signal inference result information derived using measurement result information for the reference signal to the base station.
  • the reference signal resource configuration information may include parameters necessary for the terminal to measure the reference signal transmitted from the base station to the terminal.
  • the reference signal may refer to a reference signal for beam measurement such as the above-described SSB and CSI-RS.
  • the reference signal resource configuration information may include at least one of reference signal resource set information and minimum beam measurement time information corresponding to the reference signal resource set.
  • the reference signal resource set information may include a set of time-frequency resources through which the reference signal is transmitted.
  • One or more reference signal resource set information may be included.
  • the minimum beam measurement time information may include information corresponding to a reference signal resource set and indicating the minimum measurement time at which the terminal must measure the corresponding reference signal beam.
  • Reference signal resource configuration information can be classified by type of reference signal and transmitted to the terminal. Additionally, reference signal resource configuration information may be configured in the terminal through at least one of system information, RRC message, and L1 signaling.
  • the control unit 2410 can measure the signal strength and/or signal quality for the reference signal by checking the resources and period for measuring the reference signal according to the reference signal resource configuration information.
  • the control unit 2410 may measure a specific reference signal for more than the minimum beam measurement time based on reference signal resource set information and minimum beam measurement time information included in the reference signal resource configuration information.
  • control unit 2410 may configure reference signal resource configuration information in the terminal and perform a measurement operation on the indicated reference signal based on L1 signaling received from the base station. Even in this case, the control unit 2410 can measure the signal strength and/or signal quality for the reference signal indicated over the minimum beam measurement time using the reference signal resource set information and minimum beam measurement time information.
  • Measurement result information about the reference signal can be used as an input value for an artificial intelligence model for beam management.
  • the RSRP and/or RSRQ for the reference signal measured by the terminal can be used as an input value for the artificial intelligence model along with the beam index of the reference signal to be measured.
  • the base station when the transmitter 2420 transmits measurement result information for a reference signal to the base station, the base station inputs the measurement result information as an input value to the artificial intelligence model, and uses the predicted value for the beam as the output value of the artificial intelligence model.
  • the terminal may perform measurement on the beam of Set B and transmit the measurement result information to the base station, including the beam index for the beam included in Set B and the measurement result for each beam index.
  • the base station can obtain the predicted beam measurement result for Set A by inputting the measurement result information received from the terminal as an input value of the artificial intelligence model configured in the base station.
  • Set B may be composed of a subset of Set A or may be composed of different sets of beams.
  • the transmitter 2420 may transmit reference signal inference result information to the base station.
  • the reference signal inference result information includes the output value derived by inputting the measurement result information for the reference signal into the artificial intelligence model for beam management. can do.
  • the reference signal inference result information may include at least one of an inference beam index derived from the output value and signal strength information corresponding to the inference beam index.
  • the inferred beam index may or may not include the beam included in the measurement result information.
  • the beam measured by the terminal may be for Set B.
  • the terminal can complete the measurement of the beam included in Set B and obtain the predicted beam measurement result for Set A by inputting the measurement result information as an input value of the artificial intelligence model configured in the terminal.
  • Set B may be composed of a subset of Set A or may be composed of different sets of beams.
  • the reference signal inference result information may include only inference information for a specific beam, or may include inference information for two or more beams.
  • the reference signal inference result information includes only inference result information (e.g., signal strength or signal quality prediction result) for a specific beam selected as the inference result best beam, or includes inference result information for two or more beams. can do.
  • control unit 2410 can perform overall terminal operations necessary to perform the above-described beam measurement and prediction operations.
  • the transmitter 2420 and the receiver 2430 are used to transmit and receive signals, messages, and data necessary to perform the above-described embodiment with the base station.
  • Figure 25 is a diagram showing the configuration of a base station according to one embodiment.
  • the base station 2500 that performs beam management transmits reference signal resource configuration information to the terminal, and the transmitter 2520 transmits the reference signal according to the reference signal resource configuration information and the measurement result for the reference signal. It may include a receiving unit 2530 that receives at least one piece of information or reference signal inference result information derived using measurement result information for a reference signal from the terminal.
  • the reference signal resource configuration information may include parameters necessary for the terminal to measure the reference signal transmitted from the base station to the terminal.
  • the reference signal may refer to a reference signal for beam measurement such as the above-described SSB and CSI-RS.
  • the reference signal resource configuration information may include at least one of reference signal resource set information and minimum beam measurement time information corresponding to the reference signal resource set.
  • the reference signal resource set information may include a set of time-frequency resources through which the reference signal is transmitted.
  • One or more reference signal resource set information may be included.
  • the minimum beam measurement time information may include information corresponding to a reference signal resource set and indicating the minimum measurement time at which the terminal must measure the corresponding reference signal beam.
  • Reference signal resource configuration information can be classified by type of reference signal and transmitted to the terminal. Additionally, reference signal resource configuration information may be configured in the terminal through at least one of system information, RRC message, and L1 signaling.
  • the transmitter 2520 transmits a reference signal with information set according to reference signal resource configuration information.
  • the transmitter 2520 may transmit a reference signal using a beam pattern classified according to reference signal resource configuration information. That is, the transmitter 2520 can transmit the beam for Set B described above.
  • M beams are transmitted, but when reference signal resource configuration information is configured in the terminal, only N beams can be transmitted.
  • N is a natural number smaller than M.
  • the base station can transmit reference signals with a smaller number of beams than before, and the beam measurement results for all beams can be inferred using the output value of the artificial intelligence model.
  • the measurement result information for the reference signal can be used as an input value for an artificial intelligence model for beam management.
  • the RSRP and/or RSRQ for the reference signal measured by the terminal can be used as an input value for the artificial intelligence model along with the beam index of the reference signal to be measured.
  • the control unit 2510 inputs the measurement result information as an input value to the artificial intelligence model, and uses the predicted value for the beam as the output value of the artificial intelligence model.
  • the terminal may perform measurement on the beam of Set B and transmit the measurement result information to the base station, including the beam index for the beam included in Set B and the measurement result for each beam index.
  • the control unit 2510 can obtain the predicted beam measurement result for Set A by inputting the measurement result information received from the terminal as an input value of the artificial intelligence model configured in the base station.
  • Set B may be composed of a subset of Set A or may be composed of different sets of beams.
  • the receiver 2530 may receive reference signal inference result information from the terminal.
  • the reference signal inference result information includes the output value derived by inputting the measurement result information for the reference signal into the artificial intelligence model for beam management. can do.
  • the reference signal inference result information may include at least one of an inference beam index derived from the output value and signal strength information corresponding to the inference beam index.
  • the inferred beam index may or may not include the beam included in the measurement result information.
  • the beam measured by the terminal may be for Set B.
  • the terminal can complete the measurement of the beam included in Set B and obtain the predicted beam measurement result for Set A by inputting the measurement result information as an input value of the artificial intelligence model configured in the terminal.
  • Set B may be composed of a subset of Set A or may be composed of different sets of beams.
  • the reference signal inference result information may include only inference information for a specific beam, or may include inference information for two or more beams.
  • the reference signal inference result information includes only inference result information (e.g., signal strength or signal quality prediction result) for a specific beam selected as the inference result best beam, or includes inference result information for two or more beams. can do.
  • the number of beams included in the reference signal inference result information, information to be included, etc. may be configured by the base station to the terminal.
  • control unit 2510 is used to transmit and receive signals, messages, and data necessary to perform the above-described embodiment with the terminal.
  • the transmitter 2520 and the receiver 2530 are used to transmit and receive signals, messages, and data necessary to perform the above-described embodiment with the terminal.
  • the above-described embodiments can be implemented through various means.
  • the present embodiments may be implemented by hardware, firmware, software, or a combination thereof.
  • the method according to the present embodiments uses one or more ASICs (Application Specific Integrated Circuits), DSPs (Digital Signal Processors), DSPDs (Digital Signal Processing Devices), PLDs (Programmable Logic Devices), and FPGAs. (Field Programmable Gate Arrays), processors, controllers, microcontrollers, or microprocessors.
  • ASICs Application Specific Integrated Circuits
  • DSPs Digital Signal Processors
  • DSPDs Digital Signal Processing Devices
  • PLDs Programmable Logic Devices
  • FPGAs Field Programmable Gate Arrays
  • processors controllers, microcontrollers, or microprocessors.
  • the method according to the present embodiments may be implemented in the form of a device, procedure, or function that performs the functions or operations described above.
  • Software code can be stored in a memory unit and run by a processor.
  • the memory unit is located inside or outside the processor and can exchange data with the processor through various known means.
  • system generally refer to computer-related entities hardware, hardware and software. It may refer to a combination of, software, or running software.
  • the foregoing components may be a process, processor, controller, control processor, object, thread of execution, program, and/or computer run by a processor.
  • an application running on a controller or processor and the controller or processor can be a component.
  • One or more components may reside within a process and/or thread of execution, and the components may be located on a single device (e.g., system, computing device, etc.) or distributed across two or more devices.

Landscapes

  • Engineering & Computer Science (AREA)
  • Signal Processing (AREA)
  • Computer Networks & Wireless Communication (AREA)
  • Software Systems (AREA)
  • Theoretical Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • Evolutionary Computation (AREA)
  • Medical Informatics (AREA)
  • Computing Systems (AREA)
  • General Engineering & Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • Mathematical Physics (AREA)
  • Data Mining & Analysis (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Artificial Intelligence (AREA)
  • Quality & Reliability (AREA)
  • Electromagnetism (AREA)
  • Mobile Radio Communication Systems (AREA)

Abstract

본 개시는 무선 통신 시스템에서 인공지능 및 머신러닝을 이용한 빔 관리 방법 및 장치에 관한 것으로, 기지국으로부터 참조신호 자원 구성정보를 수신하는 단계와 참조신호 자원 구성정보에 기초하여 참조신호에 대한 측정 동작을 수행하는 단계 및 참조신호에 대한 측정 결과 정보 또는 참조신호에 대한 측정 결과 정보를 이용하여 도출된 참조신호 추론 결과 정보 중 적어도 하나의 정보를 기지국으로 전송하는 단계를 포함하는 방법 및 장치를 제공할 수 있다.

Description

인공지능 및 머신러닝을 이용한 빔 관리 방법 및 장치
본 개시는 무선 통신 시스템에서 인공지능 및 머신러닝을 이용한 빔 관리 방법 및 장치에 관한 것이다.
3GPP는 무선통신 기술에 대한 연구 개발을 지속하고 있다. 특히, 5G(New RAT, NR) 기술에 대한 연구와 차세대 무선통신 기술(e.g. 6G)에 대한 연구를 활발하게 진행하고 있다.
무선통신 기술이 지속적으로 발전하면서, 고주파 대역을 이용한 통신 기술에 대한 필요성이 대두되었다. 다만, 고주파 대역의 경우에 근본적인 문제점인 신호 도달 거리에 문제가 있다. 이를 해결하기 위해서는 대용량 다중 안테나를 활용한 빔 포밍 기법을 고려할 수 있다.
빔 포밍 기법은 기저 대역 신호에 콤플렉스 값을 곱하여 신호의 진폭과 위상을 변화시키는 디지털 빔 포밍과 RF 신호 자체에 위상 천이 등을 적용하는 아날로그 빔 포밍 기법으로 크게 구분될 수 있다. 또한, 두 가지 빔 포밍 기법을 결합하는 형태로 기저대역 신호에 대한 디지털 신호 처리 및 RF 단에서의 위상 천이기 제어를 함께 적용하는 하이브리드 빔 포밍 관련 기술도 있다. 이러한 빔 포밍 기술은 차세대 무선통신 기술에 적용되어 다양한 사용자 요구를 만족시킬 수 있다.
한편, 최근 인공지능과 머신러닝에 대한 연구가 활발하게 진행되면서 종래 이미지 처리 중심의 활용성이 탈피하여 IT 분야, 화학분야, 자동차 분야 등 다양한 산업분야로 그 활용성이 확대되고 있다. 이러한 상황에서 무선통신 분야에서도 시스템 오버헤드를 감소시키고 보다 빠르고 정확한 결과 정보를 예측할 수 있는 인공지능 기술에 대한 도입이 요구되고 있다.
특히, 무선통신 시스템에서의 채널 상태 측정, 빔 관리 방안 및 위치 추정 등에서 인공지능 및 머신러닝 기술을 적용하여 측정과 예측의 정확도를 높이려는 연구가 개시되고 있다.
다만, 무선통신 기술에서 인공지능 기술을 적용하는 경우의 구체적인 프로토콜 및 기술적 내용이 구쳊거으로 결정되지 않은 상황이다.
전술한 배경에서 본 실시예들은 무선 통신 시스템에서 인공지능 및 머신러닝을 이용한 빔 관리 방법 및 장치를 제공하고자 한다.
일 측면에서, 본 실시예들은 단말(user equipment, UE)이 빔 관리를 수행하는 방법에 있어서, 기지국으로부터 참조신호 자원 구성정보를 수신하는 단계와 참조신호 자원 구성정보에 기초하여 참조신호에 대한 측정 동작을 수행하는 단계 및 참조신호에 대한 측정 결과 정보 또는 참조신호에 대한 측정 결과 정보를 이용하여 도출된 참조신호 추론 결과 정보 중 적어도 하나의 정보를 기지국으로 전송하는 단계를 포함하는 방법을 제공할 수 있다.
다른 측면에서, 본 실시예들은 기지국이 빔 관리를 수행하는 방법에 있어서, 단말로 참조신호 자원 구성정보를 전송하는 단계와 참조신호 자원 구성정보에 따라 참조신호를 전송하는 단계 및 참조신호에 대한 측정 결과 정보 또는 참조신호에 대한 측정 결과 정보를 이용하여 도출된 참조신호 추론 결과 정보 중 적어도 하나의 정보를 단말로부터 수신하는 단계를 포함하는 방법을 제공할 수 있다.
또 다른 측면에서, 본 실시예들은 빔 관리를 수행하는 단말(user equipment, UE)에 있어서, 기지국으로부터 참조신호 자원 구성정보를 수신하는 수신부와 참조신호 자원 구성정보에 기초하여 참조신호에 대한 측정 동작을 수행하는 제어부 및 참조신호에 대한 측정 결과 정보 또는 참조신호에 대한 측정 결과 정보를 이용하여 도출된 참조신호 추론 결과 정보 중 적어도 하나의 정보를 기지국으로 전송하는 송신부를 포함하는 단말 장치를 제공할 수 있다.
또 다른 측면에서, 본 실시예들은 빔 관리를 수행하는 기지국에 있어서, 단말로 참조신호 자원 구성정보를 전송하고, 참조신호 자원 구성정보에 따라 참조신호를 전송하는 송신부 및 참조신호에 대한 측정 결과 정보 또는 참조신호에 대한 측정 결과 정보를 이용하여 도출된 참조신호 추론 결과 정보 중 적어도 하나의 정보를 단말로부터 수신하는 수신부를 포함하는 기지국 장치를 제공할 수 있다.
본 실시예들에 따르면, 무선 통신 시스템에서 인공지능 및 머신러닝을 이용한 빔 관리를 수행함으로써 시스템 오버헤드 감소 및 정확도 향상 등의 효과를 제공할 수 있다.
도 1은 본 실시예가 적용될 수 있는 NR 무선 통신 시스템에 대한 구조를 간략하게 도시한 도면이다.
도 2는 본 실시예가 적용될 수 있는 NR 시스템에서의 프레임 구조를 설명하기 위한 도면이다.
도 3은 본 실시예가 적용될 수 있는 무선 접속 기술이 지원하는 자원 그리드를 설명하기 위한 도면이다.
도 4는 본 실시예가 적용될 수 있는 무선 접속 기술이 지원하는 대역폭 파트를 설명하기 위한 도면이다.
도 5는 본 실시예가 적용될 수 있는 무선 접속 기술에서의 동기 신호 블록을 예시적으로 도시한 도면이다.
도 6는 본 실시예가 적용될 수 있는 무선 접속 기술에서의 랜덤 액세스 절차를 설명하기 위한 도면이다.
도 7은 CORESET에 대해서 설명하기 위한 도면이다.
도 8은 기지국이 빔 전송 동작을 수행할 때, 서로 다른 위치에서의 두 단말이 초기 빔 측정을 수행하는 동작을 설명하기 위한 도면이다.
도 9는 단말 및 기지국의 초기 접속 절차를 설명하기 위한 예시적 도면이다.
도 10은 단말에 대한 후보 빔 설정 동작을 설명하기 위한 예시적 도면이다.
도 11은 인공지능을 이용한 빔 측정 및 빔 예측 동작의 일 예를 설명하기 위한 도면이다.
도 12는 인공지능을 이용한 빔 측정 및 빔 예측 동작의 다른 예를 설명하기 위한 도면이다.
도 13은 일 실시예에 따른 단말 동작을 설명하기 위한 도면이다.
도 14는 일 실시예에 따른 기지국 동작을 설명하기 위한 도면이다.
도 15는 일 실시예에 따른 기지국의 빔 전송 패턴을 설명하기 위한 도면이다.
도 16은 일 실시예에 따른 인공지능 모델이 단말에 공유된 경우의 단말 동작을 설명하기 위한 도면이다.
도 17은 다른 실시예에 따른 인공지능 모델이 단말에 공유되지 않은 경우의 단말 동작을 설명하기 위한 도면이다.
도 18은 일 실시예에 따른 단말 별 빔 측정 시간 윈도우 동작을 설명하기 위한 도면이다.
도 19은 일 실시예에 따른 빔 예측 동작을 설명하기 위한 도면이다.
도 20은 일 실시예에 따른 초기 접속 과정에서의 빔 측정 및 빔 예측 동작을 설명하기 위한 신호도이다.
도 21는 일 실시예에 따른 빔 예측을 기지국이 수행하는 경우의 동작을 설명하기 위한 신호도이다.
도 22은 다른 실시예에 따른 빔 예측을 단말이 수행하는 경우의 동작을 설명하기 위한 신호도이다.
도 23은 또 다른 실시예에 따른 Legacy 단말의 빔 측정 및 보고 동작을 설명하기 위한 신호도이다.
도 24는 일 실시예에 따른 단말 구성을 보여주는 도면이다.
도 25는 일 실시예에 따른 기지국 구성을 보여주는 도면이다.
이하, 본 개시의 일부 실시예들을 예시적인 도면을 참조하여 상세하게 설명한다. 각 도면의 구성 요소들에 참조부호를 부가함에 있어서, 동일한 구성 요소들에 대해서는 비록 다른 도면상에 표시되더라도 가능한 한 동일한 부호를 가질 수 있다. 또한, 본 실시예들을 설명함에 있어, 관련된 공지 구성 또는 기능에 대한 구체적인 설명이 본 기술 사상의 요지를 흐릴 수 있다고 판단되는 경우에는 그 상세한 설명은 생략할 수 있다. 본 명세서 상에서 언급된 "포함한다", "갖는다", "이루어진다" 등이 사용되는 경우 "~만"이 사용되지 않는 이상 다른 부분이 추가될 수 있다. 구성 요소를 단수로 표현한 경우에 특별한 명시적인 기재 사항이 없는 한 복수를 포함하는 경우를 포함할 수 있다.
또한, 본 개시의 구성 요소를 설명하는 데 있어서, 제1, 제2, A, B, (a), (b) 등의 용어를 사용할 수 있다. 이러한 용어는 그 구성 요소를 다른 구성 요소와 구별하기 위한 것일 뿐, 그 용어에 의해 해당 구성 요소의 본질, 차례, 순서 또는 개수 등이 한정되지 않는다.
구성 요소들의 위치 관계에 대한 설명에 있어서, 둘 이상의 구성 요소가 "연결", "결합" 또는 "접속" 등이 된다고 기재된 경우, 둘 이상의 구성 요소가 직접적으로 "연결", "결합" 또는 "접속" 될 수 있지만, 둘 이상의 구성 요소와 다른 구성 요소가 더 "개재"되어 "연결", "결합" 또는 "접속"될 수도 있다고 이해되어야 할 것이다. 여기서, 다른 구성 요소는 서로 "연결", "결합" 또는 "접속" 되는 둘 이상의 구성 요소 중 하나 이상에 포함될 수도 있다.
구성 요소들이나, 동작 방법이나 제작 방법 등과 관련한 시간적 흐름 관계에 대한 설명에 있어서, 예를 들어, "~후에", "~에 이어서", "~다음에", "~전에" 등으로 시간적 선후 관계 또는 흐름적 선후 관계가 설명되는 경우, "바로" 또는 "직접"이 사용되지 않는 이상 연속적이지 않은 경우도 포함할 수 있다.
한편, 구성 요소에 대한 수치 또는 그 대응 정보(예: 레벨 등)가 언급된 경우, 별도의 명시적 기재가 없더라도, 수치 또는 그 대응 정보는 각종 요인(예: 공정상의 요인, 내부 또는 외부 충격, 노이즈 등)에 의해 발생할 수 있는 오차 범위를 포함하는 것으로 해석될 수 있다.
본 명세서에서의 무선 통신 시스템은 음성, 데이터 패킷 등과 같은 다양한 통신 서비스를 무선자원을 이용하여 제공하기 위한 시스템을 의미하며, 단말과 기지국 또는 코어 네트워크 등을 포함할 수 있다.
이하에서 개시하는 본 실시예들은 다양한 무선 접속 기술을 사용하는 무선 통신 시스템에 적용될 수 있다. 예를 들어, 본 실시예들은 CDMA(code division multiple access), FDMA(frequency division multiple access), TDMA(timedivision multiple access), OFDMA(orthogonal frequency division multiple access), SC-FDMA(singlecarrier frequency division multiple access) 또는 NOMA(non-orthogonal multiple access) 등과 같은 다양한 다양한 무선 접속 기술에 적용될 수 있다. 또한, 무선 접속 기술은 특정 접속 기술을 의미하는 것뿐만 아니라 3GPP, 3GPP2, WiFi, Bluetooth, IEEE, ITU 등 다양한 통신 협의기구에서 제정하는 각 세대 별 통신 기술을 의미할 수 있다. 예를 들어, CDMA는 UTRA(universal terrestrial radio access)나 CDMA2000과 같은 무선 기술로 구현될 수 있다. TDMA는 GSM(global system for mobile communications)/GPRS(general packet radio service)/EDGE(enhanced datarates for GSM evolution)와 같은 무선 기술로 구현될 수 있다. OFDMA는 IEEE(institute of electrical andelectronics engineers) 802.11(Wi-Fi), IEEE 802.16(WiMAX), IEEE 802-20, E-UTRA(evolved UTRA) 등과 같은 무선 기술로 구현될 수 있다. IEEE 802.16m은 IEEE 802.16e의 진화로, IEEE 802.16e에 기반한 시스템과의 하위 호환성(backward compatibility)를 제공한다. UTRA는 UMTS(universal mobile telecommunications system)의 일부이다. 3GPP(3rd generation partnership project) LTE(long term evolution)은 E-UTRA(evolved-UMTSterrestrial radio access)를 사용하는 E-UMTS(evolved UMTS)의 일부로써, 하향링크에서 OFDMA를 채용하고 상향링크에서 SC-FDMA를 채용한다. 이와 같이 본 실시예들은 현재 개시되거나 상용화된 무선 접속 기술에 적용될 수 있고, 현재 개발 중이거나 향후 개발될 무선 접속 기술에 적용될 수도 있다.
한편, 본 명세서에서의 단말은 무선 통신 시스템에서 기지국과 통신을 수행하는 무선 통신 모듈을 포함하는 장치를 의미하는 포괄적 개념으로서, WCDMA, LTE, NR, HSPA 및 IMT-2020(5G 또는 New Radio) 등에서의 UE(User Equipment)는 물론, GSM에서의 MS(Mobile Station), UT(User Terminal), SS(Subscriber Station), 무선 기기(wireless device) 등을 모두 포함하는 개념으로 해석되어야 할 것이다. 또한, 단말은 사용 형태에 따라 스마트 폰과 같은 사용자 휴대 기기가 될 수도 있고, V2X 통신 시스템에서는 차량, 차량 내의 무선 통신 모듈을 포함하는 장치 등을 의미할 수도 있다. 또한, 기계 형태 통신(Machine Type Communication) 시스템의 경우에 기계 형태 통신이 수행되도록 통신 모듈을 탑재한 MTC 단말, M2M 단말, URLLC 단말 등을 의미할 수도 있다.
본 명세서의 기지국 또는 셀은 네트워크 측면에서 단말과 통신하는 종단을 지칭하며, 노드-B(Node-B), eNB(evolved Node-B), gNB(gNode-B), LPN(Low Power Node), 섹터(Sector), 싸이트(Site), 다양한 형태의 안테나, BTS(Base Transceiver System), 액세스 포인트(Access Point), 포인트(예를 들어, 송신포인트, 수신포인트, 송수신포인트), 릴레이 노드(Relay Node), 메가 셀, 매크로 셀, 마이크로 셀, 피코 셀, 펨토 셀, RRH(Remote Radio Head), RU(Radio Unit), 스몰 셀(small cell) 등 다양한 커버리지 영역을 모두 포괄하는 의미이다. 또한, 셀은 주파수 도메인에서의 BWP(Bandwidth Part)를 포함하는 의미일 수 있다. 예를 들어, 서빙 셀은 단말의 Activation BWP를 의미할 수 있다.
앞서 나열된 다양한 셀은 하나 이상의 셀을 제어하는 기지국이 존재하므로 기지국은 두 가지 의미로 해석될 수 있다. 1) 무선 영역과 관련하여 메가 셀, 매크로 셀, 마이크로 셀, 피코 셀, 펨토 셀, 스몰 셀(small cell)을 제공하는 장치 그 자체이거나, 2) 무선 영역 그 자체를 지시할 수 있다. 1)에서 소정의 무선 영역을 제공하는 장치들이 동일한 개체에 의해 제어되거나 무선 영역을 협업으로 구성하도록 상호 작용하는 모든 장치들을 모두 기지국으로 지시한다. 무선 영역의 구성 방식에 따라 포인트, 송수신 포인트, 송신 포인트, 수신 포인트 등은 기지국의 일 실시 예가 된다. 2)에서 사용자 단말의 관점 또는 이웃하는 기지국의 입장에서 신호를 수신하거나 송신하게 되는 무선 영역 그 자체를 기지국으로 지시할 수도 있다.
본 명세서에서 셀(Cell)은 송수신 포인트로부터 전송되는 신호의 커버리지 또는 송수신 포인트(transmission point 또는 transmission/reception point)로부터 전송되는 신호의 커버리지를 가지는 요소 반송파(component carrier), 그 송수신 포인트 자체를 의미할 수 있다.
상향링크(Uplink, UL, 또는 업링크)는 단말에 의해 기지국으로 데이터를 송수신하는 방식을 의미하며, 하향링크(Downlink, DL, 또는 다운링크)는 기지국에 의해 단말로 데이터를 송수신하는 방식을 의미한다. 하향링크(downlink)는 다중 송수신 포인트에서 단말로의 통신 또는 통신 경로를 의미할 수 있으며, 상향링크(uplink)는 단말에서 다중 송수신 포인트로의 통신 또는 통신 경로를 의미할 수 있다. 이때, 하향링크에서 송신기는 다중 송수신 포인트의 일부분일 수 있고, 수신기는 단말의 일부분일 수 있다. 또한, 상향링크에서 송신기는 단말의 일부분일 수 있고, 수신기는 다중 송수신 포인트의 일부분일 수 있다.
상향링크와 하향링크는, PDCCH(Physical Downlink Control CHannel), PUCCH(Physical Uplink Control CHannel) 등과 같은 제어 채널을 통하여 제어 정보를 송수신하고, PDSCH(Physical Downlink Shared CHannel), PUSCH(Physical Uplink Shared CHannel) 등과 같은 데이터 채널을 구성하여 데이터를 송수신한다.이하에서는 PUCCH, PUSCH, PDCCH 및 PDSCH 등과 같은 채널을 통해 신호가 송수신되는 상황을 'PUCCH, PUSCH, PDCCH 및 PDSCH를 전송, 수신한다'는 형태로 표기하기도 한다.
설명을 명확하게 하기 위해, 이하에서는 본 기술 사상을 3GPP LTE/LTE-A/NR(New RAT) 통신 시스템을 위주로 기술하지만 본 기술적 특징이 해당 통신 시스템에 제한되는 것은 아니다.
3GPP에서는 4G(4th-Generation) 통신 기술에 대한 연구 이후에 ITU-R의 차세대 무선 접속 기술의 요구사항에 맞추기 위한 5G(5th-Generation)통신 기술을 개발한다. 구체적으로, 3GPP는 5G 통신 기술로 LTE-Advanced 기술을 ITU-R의 요구사항에 맞추어 향상 시킨 LTE-A pro와 4G 통신 기술과는 별개의 새로운 NR 통신 기술을 개발한다. LTE-A pro와 NR은 모두 5G 통신 기술을 의미하는 것으로, 이하에서는 특정 통신 기술을 특정하는 경우가 아닌 경우에 NR을 중심으로 5G 통신 기술을 설명한다.
NR에서의 운영 시나리오는 기존 4G LTE의 시나리오에서 위성, 자동차, 그리고 새로운 버티컬 등에 대한 고려를 추가하여 다양한 동작 시나리오를 정의하였으며, 서비스 측면에서 eMBB(Enhanced Mobile Broadband) 시나리오, 높은 단말 밀도를 가지되 넓은 범위에 전개되어 낮은 데이터 레이트(data rate)와 비동기식 접속이 요구되는 mMTC(Massive Machine Communication) 시나리오, 높은 응답성과 신뢰성이 요구되고 고속 이동성을 지원할 수 있는 URLLC(Ultra Reliability and Low Latency) 시나리오를 지원한다.
이러한 시나리오를 만족하기 위해서 NR은 새로운 waveform 및 프레임 구조 기술, 낮은 지연속도(Low latency) 기술, 초고주파 대역(mmWave) 지원 기술, 순방향 호환성(Forward compatible) 제공 기술이 적용된 무선 통신 시스템을 개시한다. 특히, NR 시스템에서는 순방향(Forard) 호환성을 제공하기 위해서 유연성 측면에서 다양한 기술적 변화를 제시하고 있다. NR의 주요 기술적 특징은 아래에서 도면을 참조하여 설명한다.
<NR 시스템 일반>
도 1은 본 실시예가 적용될 수 있는 NR 시스템에 대한 구조를 간략하게 도시한 도면이다.
도 1을 참조하면, NR 시스템은 5GC(5G Core Network)와 NR-RAN파트로 구분되며, NG-RAN은 사용자 평면(SDAP/PDCP/RLC/MAC/PHY) 및 UE(User Equipment)에 대한 제어 평면(RRC) 프로토콜 종단을 제공하는 gNB와 ng-eNB들로 구성된다.gNB 상호 또는 gNB와 ng-eNB는 Xn 인터페이스를 통해 상호 연결된다. gNB와 ng-eNB는 각각 NG 인터페이스를 통해 5GC로 연결된다. 5GC는 단말 접속 및 이동성 제어 기능 등의 제어 평면을 담당하는 AMF (Access and Mobility Management Function)와 사용자 데이터에 제어 기능을 담당하는 UPF (User Plane Function)를 포함하여 구성될 수 있다. NR에서는 6GHz 이하 주파수 대역(FR1, Frequency Range 1)과 6GHz 이상 주파수 대역(FR2, Frequency Range 2)에 대한 지원을 모두 포함한다.
gNB는 단말로 NR 사용자 평면 및 제어 평면 프로토콜 종단을 제공하는 기지국을 의미하고, ng-eNB는 단말로 E-UTRA 사용자 평면 및 제어 평면 프로토콜 종단을 제공하는 기지국을 의미한다. 본 명세서에서 기재하는 기지국은 gNB및 ng-eNB를 포괄하는 의미로 이해되어야 하며, 필요에 따라 gNB 또는 ng-eNB를 구분하여 지칭하는 의미로 사용될 수도 있다.
<NR 웨이브 폼,뉴머롤러지 및 프레임 구조>
NR에서는 하향링크 전송을 위해서 Cyclic prefix를 사용하는 CP-OFDM 웨이브 폼을 사용하고, 상향링크 전송을 위해서 CP-OFDM 또는 DFT-s-OFDM을 사용한다. OFDM 기술은 MIMO(Multiple Input Multiple Output)와 결합이 용이하며, 높은 주파수 효율과 함께 저 복잡도의 수신기를 사용할 수 있다는 장점을 가지고 있다.
한편, NR에서는 전술한 3가지 시나리오 별로 데이터 속도, 지연속도, 커버리지 등에 대한 요구가 서로 상이하기 때문에 임의의 NR 시스템을 구성하는 주파수 대역을 통해 각각의 시나리오 별 요구사항을 효율적으로 만족시킬 필요가 있다. 이를 위해서, 서로 다른 복수의 뉴머롤러지(numerology) 기반의 무선 자원을 효율적으로 멀티플렉싱(multiplexing)하기 위한 기술이 제안되었다.
구체적으로, NR 전송 뉴머롤러지는 서브캐리어 간격(sub-carrier spacing)과 CP(Cyclic prefix)에 기초하여 결정되며, 아래 표 1과 같이 15kHz를 기준으로 μ 값이 2의 지수 값으로 사용되어 지수적으로 변경된다.
μ 서브캐리어 간격 Cyclic prefix Supported for data Supported for synch
0 15 Normal Yes Yes
1 30 Normal Yes Yes
2 60 Normal, Extended Yes No
3 120 Normal Yes Yes
4 240 Normal No Yes
위 표 1과 같이 NR의 뉴머롤러지는 서브캐리어 간격에 따라 5가지로 구분될 수 있다. 이는 4G 통신 기술 중 하나인 LTE의 서브캐리어 간격이 15kHz로 고정되는 것과는 차이가 있다. 구체적으로, NR에서 데이터 전송을 위해서 사용되는 서브캐리어 간격은 15, 30, 60, 120kHz이고, 동기 신호 전송을 위해서 사용되는 서브캐리어 간격은 15, 30, 120, 240kHz이다. 또한, 확장 CP는 60kHz 서브캐리어 간격에만 적용된다. 한편, NR에서의 프레임 구조(frame structure)는 1ms의 동일한 길이를 가지는 10개의 서브프레임(subframe)으로 구성되는 10ms의 길이를 가지는 프레임(frame)이 정의된다. 하나의 프레임은 5ms의 하프 프레임으로 나뉠 수 있으며, 각 하프 프레임은 5개의 서브프레임을 포함한다. 15kHz 서브캐리어 간격의 경우에 하나의 서브프레임은 1개의 슬롯(slot)으로 구성되고, 각 슬롯은 14개의 OFDM 심볼(symbol)로 구성된다.
도 2는 본 실시예가 적용될 수 있는 NR 시스템에서의 프레임 구조를 설명하기 위한 도면이다.
도 2를 참조하면, 슬롯은 노멀 CP의 경우에 고정적으로 14개의 OFDM 심볼로 구성되나, 슬롯의 시간 도메인에서 길이는 서브캐리어 간격에 따라 달라질 수 있다. 예를 들어, 15kHz 서브캐리어 간격을 가지는 뉴머롤러지의 경우에 슬롯은 1ms 길이로 서브프레임과 동일한 길이로 구성된다. 이와 달리, 30kHz 서브캐리어 간격을 가지는 뉴머롤러지의 경우에 슬롯은 14개의 OFDM 심볼로 구성되나, 0.5ms의 길이로 하나의 서브프레임에 두 개의 슬롯이 포함될 수 있다. 즉, 서브프레임과 프레임은 고정된 시간 길이를 가지고 정의되며, 슬롯은 심볼의 개수로 정의되어 서브캐리어 간격에 따라 시간 길이가 달라질 수 있다.
한편, NR은 스케줄링의 기본 단위를 슬롯으로 정의하고, 무선 구간의 전송 지연을 감소시키기 위해서 미니 슬롯(또는 서브 슬롯 또는 non-slot based schedule)도 도입하였다. 넓은 서브캐리어 간격을 사용하면 하나의 슬롯의 길이가 반비례하여 짧아지기 때문에 무선 구간에서의 전송 지연을 줄일 수 있다. 미니 슬롯(또는 서브 슬롯)은 URLLC 시나리오에 대한 효율적인 지원을 위한 것으로 2, 4, 7개 심볼 단위로 스케줄링이 가능하다.
또한, NR은 LTE와 달리 상향링크 및 하향링크 자원 할당을 하나의 슬롯 내에서 심볼 레벨로 정의하였다. HARQ 지연을 줄이기 위해 전송 슬롯 내에서 바로 HARQ ACK/NACK을 송신할 수 있는 슬롯 구조가 정의되었으며, 이러한 슬롯 구조를 자기 포함(self-contained) 구조로 명명하여 설명한다.
NR에서는 총 256개의 슬롯 포맷을 지원할 수 있도록 설계되었으며, 이중 62개의 슬롯 포맷이 3GPP Rel-15에서 사용된다. 또한, 다양한 슬롯의 조합을 통해서 FDD 또는 TDD 프레임을 구성하는 공통 프레임 구조를 지원한다. 예를 들어, 슬롯의 심볼이 모두 하향링크로 설정되는 슬롯 구조와 심볼이 모두 상향링크로 설정되는 슬롯 구조 및 하향링크 심볼과 상향링크 심볼이 결합된 슬롯 구조를 지원한다. 또한, NR은 데이터 전송이 하나 이상의 슬롯에 분산되어 스케줄링됨을 지원한다. 따라서, 기지국은 슬롯 포맷 지시자(SFI, Slot Format Indicator)를 이용하여 단말에 슬롯이 하향링크 슬롯인지, 상향링크 슬롯인지 또는 플렉시블 슬롯인지를 알려줄 수 있다. 기지국은 단말 특정하게(UE-specific) RRC 시그널링을 통해서 구성된 테이블의 인덱스를 SFI를 이용하여 지시함으로써 슬롯 포맷을 지시할 수 있으며, DCI(Downlink Control Information)를 통해서 동적으로 지시하거나 RRC를 통해서 정적 또는 준정적으로 지시할 수도 있다.
<NR 물리 자원 >
NR에서의 물리 자원(physical resource)과 관련하여, 안테나 포트(antenna port), 자원 그리드(resource grid), 자원 요소(resource element), 자원 블록(resource block), 대역폭 파트(bandwidth part) 등이 고려된다.
안테나 포트는 안테나 포트 상의 심볼이 운반되는 채널이 동일한 안테나 포트 상의 다른 심볼이 운반되는 채널로부터 추론될 수 있도록 정의된다. 하나의 안테나 포트 상의 심볼이 운반되는 채널의 광범위 특성(large-scale property)이 다른 안테나 포트 상의 심볼이 운반되는 채널로부터 추론될 수 있는 경우, 2 개의 안테나 포트는 QC/QCL(quasi co-located 혹은 quasi co-location) 관계에 있다고 할 수 있다. 여기에서, 광범위 특성은 지연 확산(Delay spread), 도플러 확산(Doppler spread), 주파수 시프트(Frequency shift), 평균 수신 파워(Average received power) 및 수신 타이밍(Received Timing) 중 하나 이상을 포함한다.
도 3은 본 실시예가 적용될 수 있는 무선 접속 기술이 지원하는 자원 그리드를 설명하기 위한 도면이다.
도 3을 참조하면, 자원 그리드(Resource Grid)는 NR이 동일 캐리어에서 복수의 뉴머롤러지를 지원하기 때문에 각 뉴머롤러지에 따라 자원 그리드가 존재할 수 있다. 또한, 자원 그리드는 안테나 포트, 서브캐리어 간격, 전송 방향에 따라 존재할 수 있다.
자원 블록(resource block)은 12개의 서브캐리어로 구성되며, 주파수 도메인 상에서만 정의된다. 또한, 자원 요소(resource element)는 1개의 OFDM 심볼과 1개의 서브캐리어로 구성된다. 따라서, 도 3에서와 같이 하나의 자원 블록은 서브캐리어 간격에 따라 그 크기가 달라질 수 있다. 또한, NR에서는 자원 블록 그리드를 위한 공통 참조점 역할을 수행하는 "Point A"와 공통 자원 블록, 가상 자원 블록 등을 정의한다.
도 4는 본 실시예가 적용될 수 있는 무선 접속 기술이 지원하는 대역폭 파트를 설명하기 위한 도면이다.
NR에서는 캐리어 대역폭이 20Mhz로 고정된 LTE와 달리 서브캐리어 간격 별로 최대 캐리어 대역폭이 50Mhz에서 400Mhz로 설정된다. 따라서, 모든 단말이 이러한 캐리어 대역폭을 모두 사용하는 것을 가정하지 않는다. 이에 따라서 NR에서는 도 4에 도시된 바와 같이 캐리어 대역폭 내에서 대역폭 파트(BWP)를 지정하여 단말이 사용할 수 있다. 또한, 대역폭 파트는 하나의 뉴머롤러지와 연계되며 연속적인 공통 자원 블록의 서브 셋으로 구성되고, 시간에 따라 동적으로 활성화 될 수 있다. 단말에는 상향링크 및 하향링크 각각 최대 4개의 대역폭 파트가 구성되고, 주어진 시간에 활성화된 대역폭 파트를 이용하여 데이터가 송수신된다.
페어드 스펙트럼(paired spectrum)의 경우 상향링크 및 하향링크 대역폭 파트가 독립적으로 설정되며, 언페어드 스펙트럼(unpaired spectrum)의 경우 하향링크와 상향링크 동작 간에 불필요한 주파수 리튜닝(re-tunning)을 방지하기 위해서 하향링크와 상향링크의 대역폭 파트가 중심 주파수를 공유할 수 있도록 쌍을 이루어 설정된다.
<NR 초기 접속>
NR에서 단말은 기지국에 접속하여 통신을 수행하기 위해서 셀 검색 및 랜덤 액세스 절차를 수행한다.
셀 검색은 기지국이 전송하는 동기 신호 블록(SSB, Synchronization Signal Block)를 이용하여 단말이 해당 기지국의 셀에 동기를 맞추고, 물리계층 셀 ID를 획득하며, 시스템 정보를 획득하는 절차이다.
도 5는 본 실시예가 적용될 수 있는 무선 접속 기술에서의 동기 신호 블록을 예시적으로 도시한 도면이다.
도 5를 참조하면, SSB는 각각 1개 심볼 및 127개 서브 캐리어를 점유하는 PSS(primarysynchronization signal) 및 SSS(secondary synchronization signal) 및 3개의 OFDM 심볼 및 240 개의 서브캐리어에 걸쳐있는 PBCH로 구성된다.
단말은 시간 및 주파수 도메인에서 SSB를 모니터링하여 SSB를 수신한다.
SSB는 5ms 동안 최대 64번 전송될 수 있다. 다수의 SSB는 5ms 시간 내에서 서로 다른 전송 빔으로 전송되며, 단말은 전송에 사용되는 특정 하나의 빔을 기준으로 볼 때에는 20ms의 주기마다 SSB가 전송된다고 가정하고 검출을 수행한다. 5ms 시간 내에서 SSB 전송에 사용할 수 있는 빔의 개수는 주파수 대역이 높을수록 증가할 수 있다. 예를 들어, 3GHz 이하에서는 최대 4개의 SSB 빔 전송이 가능하며, 3~6GHz까지의 주파수 대역에서는 최대 8개, 6GHz 이상의 주파수 대역에서는 최대 64개의 서로 다른 빔을 사용하여 SSB를 전송할 수 있다.
SSB는 하나의 슬롯에 두 개가 포함되며, 서브캐리어 간격에 따라 아래와 같이 슬롯 내에서의 시작 심볼과 반복 횟수가 결정된다.
한편, SSB는 종래 LTE의 SS와 달리 캐리어 대역폭의 센터 주파수에서 전송되지 않는다. 즉, SSB는 시스템 대역의 중심이 아닌 곳에서도 전송될 수 있고, 광대역 운영을 지원하는 경우 주파수 도메인 상에서 복수의 SSB가 전송될 수 있다. 이에 따라서, 단말은 SSB를 모니터링 하는 후보 주파수 위치인 동기 래스터(synchronization raster)를 이용하여 SSB를 모니터링 한다. 초기 접속을 위한 채널의 중심 주파수 위치 정보인 캐리어래스터(carrier raster)와 동기 래스터는 NR에서 새롭게 정의되었으며, 동기 래스터는 캐리어래스터에 비해서, 주파수 간격이 넓게 설정되어 있어서, 단말의 빠른 SSB 검색을 지원할 수 있다.
단말은 SSB의 PBCH를 통해서 MIB를 획득할 수 있다. MIB(Master Information Block)는 단말이 네트워크가 브로드캐스팅 하는 나머지 시스템 정보(RMSI, Remaining Minimum System Information)를 수신하기 위한 최소 정보를 포함한다. 또한, PBCH는 시간 도메인 상에서의 첫 번째 DM-RS 심볼의 위치에 대한 정보, SIB1을 단말이 모니터링하기 위한 정보(예를 들어, SIB1 뉴머롤러지 정보, SIB1 CORESET에 관련된 정보, 검색 공간 정보, PDCCH 관련 파라미터 정보 등), 공통 자원 블록과 SSB 사이의 오프셋 정보(캐리어 내에서의 절대 SSB의 위치는 SIB1을 통해서 전송) 등을 포함할 수 있다. 여기서, SIB1 뉴머롤러지 정보는 단말이 셀 검색 절차를 완료한 이후에 기지국에 접속하기 위한 랜덤 액세스 절차에서 사용되는 일부 메시지에서도 동일하게 적용된다. 예를 들어, 랜덤 액세스 절차를 위한 메시지 1 내지 4 중 적어도 하나에 SIB1의 뉴머롤러지 정보가 적용될 수 있다.
전술한 RMSI는 SIB1(System Information Block 1)을 의미할 수 있으며, SIB1은 셀에서 주기적으로(ex, 160ms) 브로드캐스팅 된다. SIB1은 단말이 초기 랜덤 액세스 절차를 수행하는데 필요한 정보를 포함하며, PDSCH를 통해서 주기적으로 전송된다. 단말이 SIB1을 수신하기 위해서는 PBCH를 통해서 SIB1 전송에 사용되는 뉴머롤러지 정보, SIB1의 스케줄링에 사용되는 CORESET(Control Resource Set) 정보를 수신해야 한다. 단말은 CORESET 내에서 SI-RNTI를 이용하여 SIB1에 대한 스케줄링 정보를 확인하고, 스케줄링 정보에 따라 SIB1을 PDSCH 상에서 획득한다. SIB1을 제외한 나머지 SIB들은 주기적으로 전송될 수도 있고, 단말의 요구에 따라 전송될 수도 있다.
도 6는 본 실시예가 적용될 수 있는 무선 접속 기술에서의 랜덤 액세스 절차를 설명하기 위한 도면이다.
도 6을 참조하면, 셀 검색이 완료되면 단말은 기지국으로 랜덤 액세스를 위한 랜덤 액세스 프리앰블을 전송한다. 랜덤 액세스 프리앰블은 PRACH를 통해서 전송된다. 구체적으로, 랜덤 액세스 프리앰블은 주기적으로 반복되는 특정 슬롯에서 연속된 무선 자원으로 구성되는 PRACH를 통해서 기지국으로 전송된다. 일반적으로, 단말이 셀에 초기 접속하는 경우에 경쟁 기반 랜덤 액세스 절차를 수행되며, 빔 실패 복구(BFR, Beam Failure Recovery)를 위해서 랜덤 액세스를 수행하는 경우에는 비경쟁 기반 랜덤 액세스 절차가 수행된다.
단말은 전송한 랜덤 액세스 프리앰블에 대한 랜덤 액세스 응답을 수신한다. 랜덤 액세스 응답에는 랜덤 액세스 프리앰블식별자(ID), UL Grant (상향링크 무선자원), 임시 C-RNTI(Temporary Cell - Radio Network Temporary Identifier) 그리고 TAC(Time Alignment Command) 이 포함될 수 있다. 하나의 랜덤 액세스 응답에는 하나 이상의 단말들을 위한 랜덤 액세스 응답 정보가 포함될 수 있기 때문에, 랜덤 액세스 프리앰블식별자는 포함된 UL Grant, 임시 C-RNTI 그리고 TAC가 어느 단말에게 유효한지를 알려주기 위하여 포함될 수 있다. 랜덤 액세스 프리앰블식별자는 기지국이 수신한 랜덤 액세스 프리앰블에 대한식별자일 수 있다. TAC는 단말이 상향 링크 동기를 조정하기 위한 정보로서 포함될 수 있다. 랜덤 액세스 응답은 PDCCH상의 랜덤 액세스 식별자, 즉 RA-RNTI(Random Access - Radio Network Temporary Identifier)에 의해지시될 수 있다.
유효한 랜덤 액세스 응답을 수신한 단말은 랜덤 액세스 응답에 포함된 정보를 처리하고, 기지국으로스케줄링된 전송을 수행한다. 예를 들어, 단말은 TAC을 적용시키고, 임시 C-RNTI를 저장한다. 또한, UL Grant를 이용하여, 단말의 버퍼에 저장된 데이터 또는 새롭게 생성된 데이터를 기지국으로 전송한다. 이 경우 단말을 식별할 수 있는 정보가 포함되어야 한다.
마지막으로 단말은 경쟁 해소를 위한 하향링크 메시지를 수신한다.
<NR CORESET>
NR에서의 하향링크 제어채널은 1~3 심볼의 길이를 가지는 CORESET(Control Resource Set)에서 전송되며, 상/하향 스케줄링 정보와 SFI(Slot format Index), TPC(Transmit Power Control) 정보 등을 전송한다.
이와 같이 NR에서는 시스템의 유연성을 확보하기 위해서, CORESET 개념을 도입하였다. CORESET(Control Resource Set)은 하향링크 제어 신호를 위한 시간-주파수 자원을 의미한다. 단말은 CORESET 시간-주파수 자원에서 하나 이상의 검색 공간을 사용하여 제어 채널 후보를 디코딩할 수 있다. CORESET 별 QCL(Quasi CoLocation) 가정을 설정하였으며, 이는 종래 QCL에 의해서 가정되는 특성인 지연 스프레드, 도플러 스프레드, 도플러 쉬프트, 평균 지연 외에 아날로그 빔 방향에 대한 특성을 알리기 위한 목적으로 사용된다.
도 7은 CORESET에 대해서 설명하기 위한 도면이다.
도 7을 참조하면, CORESET은 하나의 슬롯 내에서 캐리어 대역폭 내에서 다양한 형태로 존재할 수 있으며, 시간 도메인 상에서 CORESET은 최대 3개의 OFDM 심볼로 구성될 수 있다. 또한, CORESET은 주파수 도메인 상에서 캐리어 대역폭까지 6개의 자원 블록의 배수로 정의된다.
첫 번째 CORESET은 네트워크로부터 추가 구성 정보 및 시스템 정보를 수신할 수 있도록 초기 대역폭 파트 구성의 일부로 MIB를 통해서 지시된다. 기지국과의 연결 설정 후에 단말은 RRC 시그널링을 통해서 하나 이상의 CORESET 정보를 수신하여 구성할 수 있다.
본 명세서에서 NR(New Radio)과 관련한 주파수, 프레임, 서브프레임, 자원, 자원블럭, 영역(region), 밴드, 서브밴드, 제어채널, 데이터채널, 동기신호, 각종 참조신호, 각종 신호 또는 각종 메시지는 과거 또는 현재 사용되는 의미 또는 장래 사용되는 다양한 의미로 해석될 수 있다.
본 개시는 인공지능(AI/ML)을 이용하여 빔 관리를 수행하는 기술에 관한 것이다. 일 예로, 본 개시는 AI/ML을 이용하여 빔 관리를 수행할 수 있는 셀에 대해, deployed AI/ML에 최적의 빔을 단말이 효율적으로 측정할 수 있도록 하기 위한 최소 빔 측정 구간 정보를 설정하고 이를 이용한 빔 관리 방법에 관한 것이다.
본 명세서에서는 무선통신기술에 적용되어 입력값에 기초하여 미리 설정된 출력값을 도출하는 모델을 인공지능 모델, 인공지능, AI/ML 등으로 기재한다. 다만, 이는 설명을 위한 것으로, 인공지능 또는 머신러닝 기술을 사용하여 입력 값에 대한 출력 값을 제공하는 의미의 다른 용어가 사용될 수도 있다.
아울러, 본 명세서에서 기재하는 beam은 디질털 빔 포밍, 아날로그 빔 포밍, 하이브리드 빔 포밍이 적용된 신호의 전송을 의미한다. 여기서, 신호는 CSI 또는 SSB 등 참조신호가 포함될 수 있으며, data를 전송하는 다양한 shared channel도 포함되는 의미로 이해될 수 있다. 즉, beam은 신호 관점에서 특정 신호를 의미하는 것이 아니라 빔 포밍 기법에 따라 구분되는 신호 전송으로 이해될 수 있다.
Beam management in 3GPP NR
3GPP NR의 빔 관리 방법은 초기 접속(initial access) 단계와 셀 연결(connection establishment) 이후 단계로 나눌 수 있다. 초기 접속 프로시저를 수행하는 단말은 RACH procedure를 통해 단말의 initial Tx/Rx 빔을 설정한다. 셀 연결이 없는 단말에게 gNB tx. beam 설정을 제공하기 위해 기지국은 서로 다른 방향의 빔이 매핑된 SSB를 주기적으로 반복 전송(e.g., default의 경우, 5ms 이내에 SSB들이 20ms 주기로 전송됨)한다. 단말은 주기적으로 전송되는 SSBs에 대한 신호 측정을 통해 qualified SSB를 선택하고, 해당 SSB에 대해 매핑된 PRACH preamble을 전송함으로써 selected tx beam에 대한 정보를 기지국에 알릴 수 있다.
도 8은 기지국이 빔 전송 동작을 수행할 때, 서로 다른 위치에서의 두 단말이 초기 빔 측정을 수행하는 동작을 설명하기 위한 도면이다.
도 8을 참조하면, 기지국은 동기신호 블럭(SSB)을 미리 설정된 프레임 내에서 일부 시간 주파수 자원을 사용하여 전송할 수 있다. 이 경우에 기지국은 다양한 빔을 형성하여 빔 스위핑 동작을 수행할 수 있다.
예를 들어, 빔 인덱스 0에서 11까지 공간적으로 구분되어 빔이 전송될 수 있다. 만약, UE 1이 해당 SSB에 대한 측정을 수행하면, 도 8에서와 같이 빔 방향과 매칭되는 빔 인덱스 3번에 대한 신호 세기가 가장 크게 나타나고 주변 빔들에 대해서는 그 세기가 낮게 측정될 것이다. 마찬가지로, UE 2는 위치적 특성으로 빔 인덱스 9번에 대한 신호 세기를 가장 크게 측정할 것이다. 각 단말은 SSB에 대한 신호 세기 측정 결과에 기초하여 랜덤 액세스 절차를 수행하여 기지국에 초기 접속을 수행할 수 있다.
도 9는 단말 및 기지국의 초기 접속 절차를 설명하기 위한 예시적 도면이다.
도 9를 참조하면, NR에서의 초기 접속 프로시저를 수행하는 동작이 나타난다.
1. 단말은 시스템 정보 메시지를 통해 초기 접속 단계에서 필요한 셀 관련 파라미터(e.g., 각 SSB에 상응하는 PRACH 정보) 정보를 수신한다. 해당 파라미터 정보는 마스터 정보 블럭(MIB) 및/또는 시스템 정보 블럭1(SIB1)을 통해서 수신될 수 있다.
2. 단말은 주기적으로 전송되는 SSB에 대한 RSRP를 측정한다.
3. 단말은 SSB에 대한 측정 결과에 기초하여 빔 선택을 수행한다. 예를 들어, 단말은 측정 결과에 기초하여 가장 높은 RSRP를 나타낸 빔을 선택할 수 있다.
4. 단말은 선택된 빔에 관련된 랜덤 액세스 프리앰블을 전송할 수 있다.
5. 단말은 전송된 랜덤 액세스 프리앰블에 대한 랜덤 액세스 응답을 선택된 빔을 통해서 수신할 수 있다. 이후, Msg 3 및 Msg 4 송수신을 통해서 초기 셀에 접속을 수행할 수 있다.
위와 같이, 최초 진입한 단말(즉, CBRA(Contention Based Random Access procedure)를 수행하는 단말)의 위치/빔 정보를 모르는 기지국은 연결이 없는 단말의 빔 설정을 위해 cell commonly 최대 64개의 빔을 설정할 수 있다. 단말은 자신의 위치에서 최적의 빔을 찾기 위해 모든 빔을 순차적으로 측정하는 동작을 수행한다. 이는 셀 내 빔의 수가 많아질수록 빔 선택 및 셀 연결에의 시간 지연을 초래할 뿐만 아니라, 단말이 많은 수의 빔을 측정하도록 함으로써 단말의 전력 소모를 증가시키는 원인이 될 수 있다.
기지국은 이러한 문제를 개선하기 위해 SSB에 대해서는 wider beam을 매핑함으로써 초기 접속 단말의 대략적인 위치/빔을 파악하고, 단말이 셀에 접속한 이후 beam refinement 동작을 통해 narrow beam을 설정하도록 할 수 있다. 그러나, narrow beam은 단말에게 높은 data rate을 제공해 주는 반면, 단말의 움직임이나 환경적 변화에 민감하게 반응하기 때문에 쉽게 끊김 현상이 발생할 수 있는 문제가 있다. 이를 위해 기지국은 단말에게 후보 빔이 매핑된 CSI 자원(CSI-RS/SSB)을 UE-specific manner로 할당함으로써 단말이 주변 빔 세기를 지속적으로 측정하고 기지국으로 측정 결과를 보고하도록 한다. 이는 CSI resource configuration 및 CSI report configuration을 통해 기지국이 단말에 설정할 수 있다.
빔 보고를 설정 받은 단말은 자신에게 할당된 RS(Reference Signal) 측정을 기반으로 기지국의 설정 기반으로 CSI 보고를 수행한다. 그러나, 이와 같은 UE-specific CSI 설정 방법은 셀 내 단말 수가 많아질수록 단말 당 할당되는 RS 자원 역시 급격하게 증가하게 되는 문제가 있다.
도 10은 단말에 대한 후보 빔 설정 동작을 설명하기 위한 예시적 도면이다.
기지국은 이와 같은 자원 오버헤드 문제를 완화하기 위해 도 10에서와 같이 유사한 위치에 있는 단말들에게는 동일 후보 빔(CSI resource)을 할당해주는 방법을 선택할 수 있다(UE group-specific CSI resource configuration). 그러나, 이동성이 서로 다른 단말들이 동일 자원을 공유하게 되면 해당 자원 영역을 벗어나는 단말에게는 새로운 후보 빔 자원을 할당해야 하는 이슈가 발생한다. 즉, 도 10의 1000과 같이 CSI 자원 셋 #1번을 UE 1에 할당하고, CSI 자원 셋 #2번을 UE 2에게 할당한 상황에서 1010과 같이 UE 2가 UE 1으로 이동하는 경우에 UE 2에게 CSI 자원 셋 #1번을 새롭게 할당해야 한다. 또한, UE 3과 UE 4에게는 CSI 자원 셋 #2를 새롭게 할당해야 한다.
이와 같이, High/medium mobility를 가지는 단말에게 자원 오버헤드를 줄이기 위한 방법으로 최소한의 후보 빔을 할당하게 되면, 단말은 잦은 RRC 재설정을 겪게 되고 RRC를 통한 후보 빔 재설정은 상대적으로 큰 지연을 발생시키기 때문에 빔 끊김의 원인이 될 수 있다. 기지국은 이와 같은 이슈를 완화하기 위해 CSI resource set에 속하는 빔 수를 적절하게 늘리는 방법으로 후보 빔을 운용할 수 있을 것이다. 그러나 단말 입장에서는 늘어난 빔 수로 인해 측정에의 부담이 증가하게 되는 trade off 이슈가 있다.
최근 3GPP에서는 이와 같은 빔 검색에서의 지연 및 단말 전력 소모를 개선하기 위해 AI/ML 모델을 적용할 것을 고려하고 있다.
예를 들어, 3GPP에서는 성능, 복잡성 및 잠재적인 사양 영향과 같은 측면과 관련하여 각 대상 사용 사례에 해당하는 무선 인터페이스용 AI/ML용 3GPP 프레임워크를 스터디한다. (Study the 3GPP framework for AI/ML for air-interface corresponding to each target use case regarding aspects such as performance, complexity, and potential specification impact.)
일 예로, Use cases는 아래와 같이 포함될 수 있다.
- Initial set of use cases includes:
o CSI feedback enhancement, e.g., overhead reduction, improved accuracy, prediction.
o Beam management, e.g., beam prediction in time,　and/or　spatial domain　for overhead and latency reduction, beam selection accuracy improvement.
o Positioning accuracy enhancements for different scenarios including, e.g., those with　heavy NLOS conditions.
전술한 것과 같이 무선통신 기술에서는 빔 관리, CSI 측정 및 위치 추정에 대한 적용이 고려되고 있다. 특히, 빔 관리에 대한 spatial domain beam prediction에 대한 연구의 필요성이 논의되고 있다.
한편, AI/ML model 관련하여 UE와 NW(Network) 사이의 collaboration level은 다음 3가지 경우가 고려될 수 있다.
1. Level x: No collaboration
2. Level y: Signaling-based collaboration without model transfer
3. Level z: Signaling-based collaboration with model transfer
또한, 빔 관리를 위해서 AI/ML 모델을 사용하는 경우에 아래 두 가지 case를 고려할 수 있다.
1. BM-Case 1 : Spatial-domain DL beam prediction for Set A of beams based on measurement results of Set B of beams
2. BM-Case2: Temporal DL beam prediction for Set A of beams based on the historic measurement results of Set B of beams
BM-Case 1에서 Set A와 Set B의 관계는 아래와 같이 다양하게 고려될 수 있다.
1: Set B is a subset of Set A
2: Set A and Set B are different (e.g. Set A consists of narrow beams and Set B consists of wide beams)
Set A is for DL beam prediction and Set B is for DL beam measurement.
종래 NR에서의 빔 관리(beam management) 동작은 빔 및 단말의 수가 많아질수록 시스템 오버헤드 증가 및 단말의 전력 소모를 증가시키는 문제를 야기한다. 뿐만 아니라 셀 초기 접속 단계에 있는 단말의 경우, 모든 빔을 측정 후 단말이 초기 빔을 선택하는 과정을 거치기 때문에 셀 접속에의 지연을 야기할 수 있다.
이와 같은 문제를 개선하기 위해 일부 빔 측정을 통해 전체 빔 세기를 예측하는 AI/ML 모델을 이용할 것이 제안되고 있으나, 이를 위한 자세한 프로시저나 방안에 대한 내용은 아직 정의되지 않았다.
본 실시예들은 이러한 상황에서 AI/ML 모델을 이용하여 빔 측정을 예측하기 위한 구체적인 동작을 제안하고자 한다.
전술한 바와 같이, 인공지능 모델을 이용하여 Set A의 빔이 예측되고, Set B는 Set A를 예측하기 위해서 측정에 사용되는 빔이다. 다만, Set A와 Set B의 관계는 다양하게 고려될 수 있다.
도 11은 인공지능을 이용한 빔 측정 및 빔 예측 동작의 일 예를 설명하기 위한 도면이다.
도 11을 참조하면, Set B에 속하는 빔들의 측정을 통해 Set A에 대한 빔의 세기를 예측하도록 한다. 예를 들어, Set B는 Set A의 subset일 수 있다. Set B에 포함되는 빔 #0,3,6,9,12의 측정 결과를 이용하여 Set A에 포함되는 빔 #0, 1, 2, 3, ..., 12까지에 대한 예측 결과가 도출될 수 있다. 따라서, Set B는 Set A에 포함되는 서브 셋으로 구성될 수 있다.
도 12는 인공지능을 이용한 빔 측정 및 빔 예측 동작의 다른 예를 설명하기 위한 도면이다.
도 12를 참조하면, Set B에 속하는 빔들의 측정을 통해 Set A에 대한 빔의 세기를 예측하도록 한다. 예를 들어, Set B는 Set A와 다른 빔으로 구성될 수 있다. 일 예로, Set B는 wide beam으로 구성되고 Set A는 narrow beam으로 구성될 수 있다. 즉, Set B에 포함되는 빔 #13,14,15의 와이드 빔 측정 결과를 이용하여 Set A에 포함되는 빔 #0, 1, 2, 3, ..., 11까지에 대한 예측 결과가 도출될 수 있다. 따라서, Set B는 Set A와 다른 빔으로 구성될 수 있다.
한편, spatial domain beam prediction은 AI/ML 모델의 위치 및 training/inference 주체에 따라 서로 다른 프로시저가 정의될 수 있다.
종래 초기 접속 단계에서의 빔은 기지국의 SSB에 매핑된 서로 다른 빔들의 신호를 측정함으로써 선택된다. 이를 위해 기지국은 최대 64개의 빔을 64개의 SSB에 순차적으로 매핑하여 전송하는 방법을 사용하고 있다. 따라서, 단말이 AI/ML 모델을 이용한 측정에서의 효과를 얻기 위해서는 빔 패턴 정보를 미리 알거나, 또는 기지국이 단말의 측정에 용이한 패턴으로의 빔을 전송할 것이 요구된다. 그러나, 빔 패턴은 기지국 구현에 따라 서로 다른 구성을 가질 수 있기 때문에 규격화하기가 어려운 문제가 있다. 만약 특정/일반적인 기지국 빔에 대한 훈련이 완료된 AI/ML 모델이 기지국에 구현되어 있다면, 이에 적합한 빔 측정에의 추가 정보를 단말에게 전송함으로써 단말이 효율적으로 빔을 측정하고 선택하도록 할 수 있을 것이다. 뿐만 아니라, 해당 셀에서 legacy 단말을 지원할 수 있도록 하기 위해 기지국은 beam sweeping을 기본적으로 지원해야 할 것이다.
이러한 이유로 본 개시는 spatial domain beam prediction의 Set B가 Set A의 서브 셋으로 구성되는 경우를 중심으로 설명한다. 다만, 전술한 Set B와 Set A가 다른 집합으로 구성되는 경우에도 본 실시예들은 동일하게 적용될 수 있다.
도 13은 일 실시예에 따른 단말 동작을 설명하기 위한 도면이다.
도 13을 참조하면, 단말(user equipment, UE)은 기지국으로부터 참조신호 자원 구성정보를 수신하는 단계를 수행할 수 있다(S1310).
예를 들어, 참조신호 자원 구성정보는 기지국이 단말로 전송하는 참조신호를 단말이 측정하는데 필요한 파라미터를 포함할 수 있다. 여기서, 참조신호는 전술한 SSB, CSI-RS 등의 빔 측정을 위한 참조신호를 의미할 수 있다.
예를 들어, 참조신호 자원 구성정보는 참조신호 자원 셋 정보 및 참조신호 자원 셋에 대응되는 최소 빔 측정시간 정보 중 적어도 하나를 포함할 수 있다. 일 예로, 참조신호 자원 셋 정보는 참조신호가 전송되는 시간-주파수 자원에 대한 셋을 포함할 수 있다. 참조신호 자원 셋 정보는 하나 이상이 포함될 수 있다. 다른 예로, 최소 빔 측정시간 정보는 참조신호 자원 셋에 대응되어 단말이 해당 참조신호 빔을 측정해야 하는 최소 측정 시간을 지시하기 위한 정보를 포함할 수 있다.
참조신호 자원 구성정보는 참조신호의 종류 별로 구분되어 단말로 전송될 수 있다. 또한, 참조신호 자원 구성정보는 시스템 정보, RRC 메시지 및 L1 시그널링 중 적어도 하나를 통해서 단말에 구성될 수 있다.
단말은 참조신호 자원 구성정보에 기초하여 참조신호에 대한 측정 동작을 수행하는 단계를 수행할 수 있다(S1320).
예를 들어, 단말은 참조신호 자원 구성정보에 따라 참조신호를 측정할 자원, 주기 등을 확인하여 해당 참조신호에 대한 신호세기 및/또는 신호품질을 측정할 수 있다. 단말은 참조신호 자원 구성정보에 포함되는 참조신호 자원 셋 정보 및 최소 빔 측정시간 정보에 기초하여 특정 참조신호를 최소 빔 측정시간 이상 측정할 수 있다.
또는, 단말은 참조신호 자원 구성정보를 단말에 구성하고, 기지국으로부터 수신되는 L1 시그널링에 기초하여 지시된 참조신호에 대해서 측정 동작을 수행할 수 있다. 이 경우에도 참조신호 자원 셋 정보 및 최소 빔 측정시간 정보를 이용하여 최소 빔 측정시간 이상 지시된 참조신호에 대한 신호세기 및/또는 신호품질을 측정할 수 있다.
단말은 참조신호에 대한 측정 결과 정보 또는 참조신호에 대한 측정 결과 정보를 이용하여 도출된 참조신호 추론 결과 정보 중 적어도 하나의 정보를 기지국으로 전송하는 단계를 수행할 수 있다(S1330).
예를 들어, 참조신호에 대한 측정 결과 정보는 빔 관리를 위한 인공지능 모델의 입력 값으로 사용될 수 있다. 즉, 단말이 측정한 참조신호에 대한 RSRP and/or RSRQ는 측정 대상이되는 참조신호의 빔 인덱스와 함께 인공지능 모델의 입력 값으로 활용될 수 있다.
일 예로, 단말이 참조신호에 대한 측정 결과 정보를 기지국으로 전송하는 경우, 기지국은 인공지능 모델에 측정 결과 정보를 입력 값으로 입력하고, 인공지능 모델의 출력 값으로 빔에 대한 예측 값을 획득할 수 있다. 예를 들어, BM-Case 1에서 단말이 Set B의 빔에 대한 측정을 수행하고 측정 결과 정보에 Set B에 포함되는 빔에 대한 빔 인덱스 및 빔 인덱스 별 측정 결과를 포함하여 기지국으로 전송할 수 있다. 기지국은 단말로부터 수신된 측정 결과 정보를 기지국에 구성된 인공지능 모델의 입력 값으로 입력하여 Set A에 대한 예측 빔 측정 결과를 획득할 수 있다. 여기서, Set B는 Set A의 서브 셋으로 구성될 수도 있고, 서로 다른 집합의 빔으로 구성될 수도 있다.
다른 예로, 단말에 인공지능 모델에 구성된 경우에 단말은 참조신호 추론 결과 정보를 기지국으로 전송할 수 있다. 예를 들어, 참조신호 추론 결과 정보는 빔 관리를 위한 인공지능 모델이 단말에 구성된 경우, 빔 관리를 위한 인공지능 모델에 참조신호에 대한 측정 결과 정보를 입력 값으로 입력하여 도출된 출력 값을 포함할 수 있다. 참조신호 추론 결과 정보는 출력 값에 의해서 도출된 추론 빔 인덱스 및 추론 빔 인덱스에 대응되는 신호세기 정보 중 적어도 하나를 포함할 수 있다. 여기서, 추론 빔 인덱스를 측정 결과 정보에 포함되는 빔을 포함할 수도 있고, 포함하지 않을 수도 있다 .
예를 들어, 단말이 측정한 빔은 Set B에 대한 것일 수 있다. 단말은 Set B에 포함되는 빔의 측정을 완료하고, 측정 결과 정보를 단말에 구성된 인공지능 모델의 입력 값으로 입력하여 Set A에 대한 예측 빔 측정 결과를 획득할 수 있다. 여기서, Set B는 Set A의 서브 셋으로 구성될 수도 있고, 서로 다른 집합의 빔으로 구성될 수도 있다.
한편, 참조신호 추론 결과 정보는 특정 빔에 대한 추론 정보만 포함할 수도 있고, 둘 이상의 빔에 대한 추론 정보를 포함할 수도 있다. 예를 들어, 참조신호 추론 결과 정보는 추론 결과 Best 빔으로 선택된 특정 빔에 대한 추론 결과 정보(예를 들어, 신호세기 또는 신호품질 예측 결과)만을 포함하거나, 둘 이상의 빔에 대한 추론 결과 정보를 포함할 수 있다.
참조신호 추론 결과 정보에 포함되는 빔에 대한 개수, 포함되어야 하는 정보 등은 기지국에 의해서 단말로 구성될 수 있다.
전술한 동작을 통해서 단말 및 기지국은 적은 수의 빔을 이용하여 많은 수의 빔에 대한 빔 측정 결과를 예측할 수 있다. 따라서, 본 개시는 시스템 오버헤드를 전체적으로 감소시키고, 단말의 소모 전력도 감소시키면서 정확한 빔 측정 결과를 획득할 수 있다.
도 14는 일 실시예에 따른 기지국 동작을 설명하기 위한 도면이다.
도 14를 참조하면, 기지국은 단말로 참조신호 자원 구성정보를 전송하는 단계를 수행할 수 있다(S1410).
예를 들어, 참조신호 자원 구성정보는 기지국이 단말로 전송하는 참조신호를 단말이 측정하는데 필요한 파라미터를 포함할 수 있다. 여기서, 참조신호는 전술한 SSB, CSI-RS 등의 빔 측정을 위한 참조신호를 의미할 수 있다.
예를 들어, 참조신호 자원 구성정보는 참조신호 자원 셋 정보 및 참조신호 자원 셋에 대응되는 최소 빔 측정시간 정보 중 적어도 하나를 포함할 수 있다. 일 예로, 참조신호 자원 셋 정보는 참조신호가 전송되는 시간-주파수 자원에 대한 셋을 포함할 수 있다. 참조신호 자원 셋 정보는 하나 이상이 포함될 수 있다. 다른 예로, 최소 빔 측정시간 정보는 참조신호 자원 셋에 대응되어 단말이 해당 참조신호 빔을 측정해야 하는 최소 측정 시간을 지시하기 위한 정보를 포함할 수 있다.
참조신호 자원 구성정보는 참조신호의 종류 별로 구분되어 단말로 전송될 수 있다. 또한, 참조신호 자원 구성정보는 시스템 정보, RRC 메시지 및 L1 시그널링 중 적어도 하나를 통해서 단말에 구성될 수 있다.
기지국은 참조신호 자원 구성정보에 따라 참조신호를 전송하는 단계를 수행할 수 있다(S1420).
*기지국은 참조신호 자원 구성정보에 따라 설정된 정보로 참조신호를 전송한다. 예를 들어, 기지국은 참조신호 자원 구성정보에 따라 구분된 빔 패턴으로 참조신호를 전송할 수 있다. 즉, 기지국은 전술한 Set B에 대한 빔을 전송할 수 있다. 예를 들어, 종래 M개의 빔을 전송하였으나, 단말에 참조신호 자원 구성정보가 구성되면, N개의 빔에 대한 전송만 수행할 수 있다. 여기서, N은 M 보다 작은 자연수이다.
이를 통해서, 기지국은 종래 대비 적은 수의 빔으로 참조신호를 전송할 수 있고, 전체 빔에 대한 빔 측정 결과는 인공지능 모델의 출력 값을 이용하여 추론할 수 있다.
기지국은 참조신호에 대한 측정 결과 정보 또는 참조신호에 대한 측정 결과 정보를 이용하여 도출된 참조신호 추론 결과 정보 중 적어도 하나의 정보를 단말로부터 수신하는 단계를 수행할 수 있다(S1430).
예를 들어, 참조신호에 대한 측정 결과 정보는 빔 관리를 위한 인공지능 모델의 입력 값으로 사용될 수 있다. 즉, 단말이 측정한 참조신호에 대한 RSRP and/or RSRQ는 측정 대상이된 참조신호의 빔 인덱스와 함께 인공지능 모델의 입력 값으로 활용될 수 있다.
일 예로, 단말이 참조신호에 대한 측정 결과 정보를 기지국으로 전송하는 경우, 기지국은 인공지능 모델에 측정 결과 정보를 입력 값으로 입력하고, 인공지능 모델의 출력 값으로 빔에 대한 예측 값을 획득할 수 있다. 예를 들어, BM-Case 1에서 단말이 Set B의 빔에 대한 측정을 수행하고 측정 결과 정보에 Set B에 포함되는 빔에 대한 빔 인덱스 및 빔 인덱스 별 측정 결과를 포함하여 기지국으로 전송할 수 있다. 기지국은 단말로부터 수신된 측정 결과 정보를 기지국에 구성된 인공지능 모델의 입력 값으로 입력하여 Set A에 대한 예측 빔 측정 결과를 획득할 수 있다. 여기서, Set B는 Set A의 서브 셋으로 구성될 수도 있고, 서로 다른 집합의 빔으로 구성될 수도 있다.
다른 예로, 단말에 인공지능 모델이 구성된 경우에 기지국은 참조신호 추론 결과 정보를 단말로부터 수신할 수 있다. 예를 들어, 참조신호 추론 결과 정보는 빔 관리를 위한 인공지능 모델이 단말에 구성된 경우, 빔 관리를 위한 인공지능 모델에 참조신호에 대한 측정 결과 정보를 입력 값으로 입력하여 도출된 출력 값을 포함할 수 있다. 참조신호 추론 결과 정보는 출력 값에 의해서 도출된 추론 빔 인덱스 및 추론 빔 인덱스에 대응되는 신호세기 정보 중 적어도 하나를 포함할 수 있다. 여기서, 추론 빔 인덱스를 측정 결과 정보에 포함되는 빔을 포함할 수도 있고, 포함하지 않을 수도 있다 .
예를 들어, 단말이 측정한 빔은 Set B에 대한 것일 수 있다. 단말은 Set B에 포함되는 빔의 측정을 완료하고, 측정 결과 정보를 단말에 구성된 인공지능 모델의 입력 값으로 입력하여 Set A에 대한 예측 빔 측정 결과를 획득할 수 있다. 여기서, Set B는 Set A의 서브 셋으로 구성될 수도 있고, 서로 다른 집합의 빔으로 구성될 수도 있다.
한편, 참조신호 추론 결과 정보는 특정 빔에 대한 추론 정보만 포함할 수도 있고, 둘 이상의 빔에 대한 추론 정보를 포함할 수도 있다. 예를 들어, 참조신호 추론 결과 정보는 추론 결과 Best 빔으로 선택된 특정 빔에 대한 추론 결과 정보(예를 들어, 신호세기 또는 신호품질 예측 결과)만을 포함하거나, 둘 이상의 빔에 대한 추론 결과 정보를 포함할 수 있다.
참조신호 추론 결과 정보에 포함되는 빔에 대한 개수, 포함되어야 하는 정보 등은 기지국에 의해서 단말로 구성될 수 있다.
전술한 동작을 통해서 단말 및 기지국은 적은 수의 빔을 이용하여 많은 수의 빔에 대한 빔 측정 결과를 예측할 수 있다. 따라서, 본 개시는 시스템 오버헤드를 전체적으로 감소시키고, 단말의 소모 전력도 감소시키면서 정확한 빔 측정 결과를 획득할 수 있다.
이하에서는 전술한 단말 및 기지국에 의해서 수행될 수 있는 본 개시의 세부 실시예를 다양하게 설명한다.
일 예로, AI/ML model을 이용하여 기지국과 단말 사이의 빔 관리 프로시저를 수행하는 경우, 단말의 효과적인 빔 측정을 돕기 위한 정보 중 하나로 최소한의 빔 측정 시간(minimum measurement window, 이하 MM window로 표기) 정보를 기지국에서 단말로 전송할 수 있다. 해당 정보는 단말이 AI/ML을 이용한 빔 관리(beam management) 프로시저를 수행하는 경우, 후보 빔을 측정해야 하는 최소한의 시간(time) 또는 빔 정보 개수(number)로 해당 시간 내에 측정된 빔에 대한 정보(e.g., beam index and/or measured RSRP)를 AI/ML model의 input으로 사용할 수 있음을 의미한다. 해당 정보를 수신한 단말은 기지국에서 전송하는 모든 빔을 측정하지 않더라도 적어도 해당 시간(MM window) 동안은 빔을 측정해야 하고, 적어도 AI/ML 모델에서 사용될 input의 수(i)와 같거나 많은 수의 빔을 측정할 것을 보장하는 시간으로 정의될 수 있다. 만약 측정된 빔의 수가 input 수(i)보다 크다면, AI/ML 모델의 input으로 사용되는 빔 정보는 측정된 빔(N) 중에서 i개의 빔이 선택적으로 사용될 수 있으며, 품질이 가장 좋은 i개의 빔, 또는 N개의 빔 중 임의로 선택된 i개의 빔을 사용할 수 있다.
한편, 빔 측정 시간 정보는 후보 빔을 정의하기 위한 참조 신호 자원 묶음(CSI resource set, or SSBs) 정보와 연관되어 정의될 수 있다. 예를 들어, 초기 접속 단계에서 해당 정보가 사용되는 경우, beam sweep을 위해 반복 전송되는 SSB 묶음 정보와 연관되어 cell common 정보로 빔 측정 시간 정보가 정의됨을 의미한다. 여기서, 초기 접속 단말의 빔 관리를 위한 참조 신호 자원 정보(RS resource set, 여기서 RS는 SSB를 의미함(ssb-periodicityServingCell 주기(default 20ms)로 전송되는 SSBs)로 SSB 자원 정보가 사용되기 때문이다. 셀과의 연결 설정 이후 Connected UE의 빔 관리를 위한 참조 신호 자원 정보는 CSI resource set으로 UE-specific manner로 설정될 수 있고, 임의의 CSI resource set과 연관된 빔 측정 시간 정보가 설정될 수 있음을 의미한다.
먼저, 설명의 편의를 위해서 아래 사항을 먼저 설명한다.
- AI/ML 모델은 offline learning을 통해 미리 training/validation/testing을 수행했음을 가정한다. 즉, 기지국의 deployment 이전 단계에서 기지국에 설정된 DL 빔들에 대한 충분한 훈련 및 검증이 진행된 AI/ML 모델이 기지국에 미리 탑재될 수 있다. 셀에 대한 빔 구성이 바뀌는 경우 모델 업데이트를 진행할 수 있으며, 업데이트 방법으로 on/offline learning에 제한을 두지는 않는다.
- 기지국은 M개의 빔(Set A)에 대한 output을 도출하기 위해 최소한의 빔 측정이 요구되는 N개의 빔들(Set B)로 구성된 x개의 Set B 조합을 구성하고, x개의 Set B를 순차적으로 전송할 수 있다. 이 때, N*x는 셀 내 구성될 수 있는 최대 빔 개수(e.g., NR의 경우 64개)를 넘지 않고, N은 해당 AI/ML 모델이 특정 성능(e.g., model accuracy) 이상을 가질 수 있는 결과 값을 도출할 수 있도록 설정됨이 바람직하다. 여기서, N개의 빔 정보는 AI/ML 모델의 input으로 사용될 수 있다.
■ 도 15는 일 실시예에 따른 기지국의 빔 전송 패턴을 설명하기 위한 도면이다. 도 15를 참조하면, 기지국은 자신의 셀에 대해 학습된 AI/ML 모델에 적합한 빔 패턴을 구성하여 해당 패턴대로 매핑된 SSB를 순차적으로 전송할 수 있다. 즉, N이 M과 동일하고, x가 1이라면 도 8과 같이 종래 기술과 동일하게 동작함을 의미한다. 본 실시예에서는 N은 M보다 작고, x가 2이상의 값을 가지는 Set A와 B가 구성되는 경우를 가정ㅎ나다. 도 15는 M=12, N=4, x=3인 경우의 예시를 보여준다.
◆ 종래 기술에서의 빔 패턴은 기지국 구현에 의해 결정되고, 단말은 기지국의 빔 패턴 정보를 알 필요가 없었다. 즉, 빔 측정은 단말의 구현에 따라 qualified beam을 선택하고 이에 상응하는 preamble을 전송함으로써 초기 빔을 설정할 수도 있지만 일반적으로 단말은 기지국의 DL tx beam sweep 구간 동안 전송되는 빔들을 모두 측정하는 방법을 사용한다.
◆ 본 실시예에 따른 AI/ML 모델을 이용하여 best beam을 예측하는 방법을 효율적으로 사용하기 위해서는 해당 AI/ML 모델에 적합한 단말의 빔 측정 방안을 함께 제공할 필요가 있다. 이를 위해 기지국은 단말의 빔 예측을 위한 해당 AI/ML 모델에 요구되는 input 정보를 가장 효율적으로 획득할 수 있도록 해주는 빔 패턴을 설정하고, 이를 제공할 수 있다.
모든 기지국이 동일한 패턴과 빔 수를 사용하지는 않기 때문에 각 기지국은 자신의 셀에 적합한 빔 패턴을 생성하고, 그에 맞는 빔 측정 방안을 단말에게 제공해야 한다. 도 15와 같은 방법으로 빔을 전송하는 것은 예시적인 것으로, 본 개시에서는 MM window 설정을 특정 패턴으로 한정하지 않는다. 기지국은 구현에 따라 셀 구축 환경과 AI/ML 모델을 모두 고려한 빔 패턴을 생성할 수 있고, 이에 적합한 MM window값을 설정할 수 있다.
기지국은 N개의 빔을 측정할 수 있는 시간 정보(도 15의 MM window)를 단말로 전송할 수 있다. 시간 정보는 셀의 빔 구성과 이에 상응하는 AI/ML 모델에 따라 서로 다른 값을 가질 수 있기 때문에, 셀 마다 또는 CSI resource set마다 다른 값으로 정의/설정될 수 있다. 시간 정보를 수신한 단말은 적어도 MM window 시간 동안은 연속적으로 수신되는 빔(e.g., SSB and/or CSI-RS)에 대한 신호 세기를 측정해야 함을 의미하고, 측정된 빔들의 정보가 모두 또는 일부 AI/ML 모델의 입력 값으로 사용될 수 있다.
AI/ML 모델 단말 공유 여부에 따른 동작 실시예
한편, 본 실시예에 따른 단말의 빔 측정 이후 동작은 기지국에서 훈련된 AI/ML 모델이 단말과 공유되는 경우(i.e., Collaboration Level z) 와 공유되지 않는 경우(i.e., Collaboration Level y)에 따라 다르게 동작할 수 있다.
도 16은 일 실시예에 따른 인공지능 모델이 단말에 공유된 경우의 단말 동작을 설명하기 위한 도면이다.
도 16을 참조하면, 단말이 시스템 정보 또는 RRC 메시지를 통해 AI/ML 모델과 MM window값을 모두 수신하는 collaboration level z 시나리오의 경우이다. AI/ML 모델은 별도 동작으로 구성될 수도 있다.
단말은 시스템 정보 또는 RRC 메시지를 통해서 AI/ML 모델과 MM window값 중 적어도 하나를 수신할 수 있다(S1610).
단말은 MM window동안 빔을 측정한다(S1620). 이후, 단말은 측정된 빔 정보를 수신(다운로드)한/사전구성된 AI/ML model의 input으로 사용한다(S1630). 즉, AI/ML모델을 구성한 단말은 MM window 동안 측정된 빔 정보(e.g., SSB/CSI-RS index and/or RSRP)를 기반으로 전체 빔에 대한 정보(e.g., SSB/CSI-RS index and/or RSRP)를 예측한다. 단말은 예측된 빔들 중 highest quality/RSRP로 예측된 빔을 선택하고, 이에 상응하는 빔 정보를 기지국으로 알린다(S1640).
도 17은 다른 실시예에 따른 인공지능 모델이 단말에 공유되지 않은 경우의 단말 동작을 설명하기 위한 도면이다.
도 17을 참조하면, AI/ML 모델이 단말과 공유되지 않는 경우의 단말 흐름도를 나타낸다. 이는 필요한 파라미터만을 공유하는 collaboration level y에 해당되는 시나리오로, 단말은 시스템 정보 또는 RRC 메시지를 통해 빔 관리와 관련된 MM window 값을 수신한다(S1710). 단말은 수신된 정보를 이용하여 MM window 동안 빔을 측정한다(S1720). 측정된 빔 정보를 기지국으로 전부 또는 일부 선택하여 보고할 수 있다(S1730).
여기서, 측정된 빔 정보(N)가 종래 기술에서 정의한 4개를 넘는 경우에는 5개 이상의 빔 정보를 보고하기 위한 새로운 방식의 보고 포맷이 요구될 수 있다. 그러나, 종래 기술의 보고 방식을 그대로 적용하는 경우에는 MM window 내에 측정된 빔들 중 best 4개의 빔을 선택적으로 보고할 수도 있을 것이다.
여기서, AI/ML model이 기지국에만 위치하는 collaboration level y의 경우에는 기지국 측면에서 수신한 빔 정보에 대해, 빔 예측이 필요한 보고인지 아닌지를 인지할 필요가 있다. 다시 말해서, 만약 단말이 종래와 동일하게 MM window 값을 이용하지 않고 측정된 빔들(Set A, M) 중 best 4개의 beam을 선택적으로 알린 것이라면, 기지국에서의 beam prediction은 불필요할 것이다. 그러나, MM window를 이용하여 측정된 일부 빔(Set B, N) 중 best 4개의 beam을 종래 기술에서 사용한 CSI report 포맷을 재사용하여 알린 것이라면, 이를 수신한 기지국은 해당 빔 정보를 기반으로 AI/ML모델을 통한 beam prediction이 필요하기 때문에 이 두 경우를 구분하기 위한 지시자 정보가 요구된다.
이런 이유로 빔 보고 포맷 내에 window를 이용한 측정인지 아닌지를 알리는 indication이 추가될 수 있다. 다시 말해서, 해당 indication은 해당 빔 정보를 보고받은 기지국에서 AI/ML 모델을 통한 prediction 수행 여부를 알리는 indication으로 정의될 수 있다.
MM Window 파라미터 전달 실시예
전술한 MM window 파라미터가 전송되는 방안에 대해서 설명한다. AI/ML 모델을 이용한 빔 관리가 initial access (contention based random access, CBRA) 프로시저에 적용되는 경우, 제안하는 정보(AI/ML model and/or MM window size)는 MIB 또는 SIB1과 같은 초기 접속에 필요한 cell common 정보를 전송하는 시스템 정보로 전송될 수 있다.
AI/ML 모델을 이용한 빔 관리가 connected UE의 빔 관리 프로시저에 적용된다면, 제안하는 정보(AI/ML model and/or MM window size)는 CSI resource configuration 또는 CSI report configuration 과 같은 CSI 설정 관련 RRC 메시지를 통해 전송될 수 있다. 뿐만 아니라, 경우에 따라 AI/ML 모델 정보를 전송하는 새로운 메시지가 정의되는 경우, 그에 따른 RRC/MAC/PHY 제어 정보를 통해 전송될 수도 있을 것이다.
MM Window 동작 실시예
도 18은 일 실시예에 따른 단말 별 빔 측정 시간 윈도우 동작을 설명하기 위한 도면이다.
빔 관리를 위한 AI/ML model에 대한 MM window 정보를 수신한 단말이 해당 window를 동작시키는 구체적인 실시예에 대해 설명한다. 기지국으로부터 MM window size를 포함하는 메시지를 수신한 단말은 빔을 detect하는 경우, MM window timer를 start한다. 단말은 적어도 MM window가 running하는 동안 빔 측정을 수행해야 한다. 여기서, MM window size는 ms 또는 symbol 또는 slot 단위로 정의될 수 있다. 이를 위한 빔 측정에서의 시작 시점은 전체 beam sweep 구간(e.g., 5ms for SSBs) 중 어디에서 시작하든 상관 없다. 도 18을 참조하면, UE 1과 UE 2는 동일 beam sweep 구간이라 하더라도 서로 다른 빔들(different Set B)의 측정을 통해 전체 빔을 예측할 수 있을 것이다. 이는 동일 UE라 하더라도 빔 측정을 언제 시작하냐에 따라 다음 beam sweep 구간에서는 다른 시점부터 MM window가 시작될 수 있다.
그러나, 해당 시간 내에 AI/ML model의 input으로 필요한 수만큼의 빔을 측정하지 못할 가능성을 고려하여 다음과 같은 추가적인 세부 실시예가 고려될 수 있다.
(실시예1) 추가적인 빔 측정이 필요함을 MM window expiration으로 판단했다면(즉, MM window가 running하는 동안 측정된 빔 정보가 입력을 위한 빔 정보를 충족하지 못했다면), 다음 beam sweep 구간에서 MM window timer를 다시 시작함으로써 빔 측정을 새롭게 시작한다.
(실시예2) 시스템 정보를 통해 beam sweep되는 구간의 마지막 시점 정보를 알 수 있다면(즉, beam sweep 마지막 시점에서 MM window가 running중이라면), beam sweep 구간이 끝날 때 MM window timer를 stop하고, 다음 beam sweep 시작 시점에서 window timer를 restart할 수 있다.
(실시예3) MM window의 시작점을 beam sweep이 시작되는 구간 또는 SF의 특정 slot and/or symbol index 시간 정보로 고정시킴(i.e., MM window정보와 함께 SF 내에서 MM window가 시작되는 time index 정보를 함께 알려줌을 의미함) 으로써 필요한 만큼의 빔 측정을 보장해주는 방법을 사용할 수 있다.
한편, MM window size는 다양한 방법으로 설정될 수 있다.
예를 들어, MM window size는 시간 정보 대신 측정이 필요한 최소 빔 개수(N)로 value가 정의될 수 있다. 이는 AI/ML 모델의 input으로 사용되는 입력 정보 개수(i)와 동일하거나 크게 설정될 수 있다. 본 명세서에서는 기지국으로부터 AI/ML 모델의 입력에 필요한 빔 정보를 측정하기에 최적의 빔 패턴으로 빔이 전송되는 경우를 중심으로 설명하나, 빔 예측의 정확도를 고려하여 적어도 측정이 필요한 최소한의 빔 수(N)는 input 수(i)보다 클 수 있다. MM window size를 시간 값이 아닌 빔 개수(N)로 정의하게 된다면, 단말은 beam sweep 구간의 중간 또는 마지막부터 빔 측정을 시작하더라도 다음 빔 sweep 구간까지 측정된 빔 수를 만족할 때까지 measurement를 지속할 수 있다.
만약 N이 i보다 크거나, MM window 이내에 i보다 많은 수의 빔을 측정한 경우에는 측정된 빔 중 highest RSRP(quality)를 가지는 i개의 빔, 또는 임의로 선정한 i개의 빔을 AI/ML model의 input으로 사용할 수도 있다. 그러나, i를 선택하는 방안에 대해 상기 전술한 실시예로 제한하지 않는다.
도 19은 일 실시예에 따른 빔 예측 동작을 설명하기 위한 도면이다.
도 19를 참조하면, MM window를 이용한 빔 예측 동작에서 단말이 SSB index #0부터 측정을 시작했다면, 그 시점부터 MM window 시간 동안 전송되는 SSB #0,3,6,9에 대한 빔 세기를 측정한다. 만약, 단말이 SSB index #7부터 측정을 시작했다면, 그 때부터 MM window 구간에 전송되는 SSB #7,10,2,5에 대한 빔 세기를 측정한다. 어떤 subset의 빔을 측정하더라도 전체 빔에 대한 예측 결과를 output으로 도출할 수 있고 이를 위한 모델 정확도가 requirement를 만족하는 범위 내에서 MM window가 설정될 수 있다. 이 때 사용되는 AI/ML model 및 이에 대한 MM window값의 설정은 기지국에 의해서 결정될 수 있다.
전술한 본 실시예가 각 프로시져에 적용되는 경우의 동작을 아래에서 예시적으로 설명한다.
[실시예1] Initial access procedure에서의 적용 예시
본 실시예를 이용하여 initial access procedure를 수행하는 경우, 빔 관리를 위한 AI/ML model은 기지국에만 위치하거나, 기지국으로부터 단말로 공유(모델 다운로드를 통해)될 수 있다. 그러나, 셀 연결이 없는 단말이 빔을 선택해야 하는 초기 접속 프로시저에서는 단말의 빔 선택이 필요하기 때문에 기지국에서 훈련이 완료된 AI/ML model을 시스템 정보와 같은 셀 정보 전송 통로를 통해서 단말이 미리 수신할 수 있다.
도 20은 일 실시예에 따른 초기 접속 과정에서의 빔 측정 및 빔 예측 동작을 설명하기 위한 신호도이다.
도 20을 참조하여 본 실시예에 따른 initial access 프로시저 세부 동작을 설명한다.
1. AI/ML capable 기지국임을 확인한 AI/ML capable UE는 시스템 정보 메시지를 통해 종래 기술에서 제공되는 파라미터(e.g., 각 SSB에 상응하는 PRACH 정보) 외에 빔 예측을 위한 AI/ML 모델과 이와 관련된 MM window 정보를 함께 수신한다.
2. 단말은 첫번째 detected SSB로부터 MM window 만큼의 시간 동안(또는, MM window 수 만큼의 빔이 측정될 때까지) 전송되는 SSB에 대한 RSRP를 측정한다.
3. 측정된 N개의 SSB (빔)에 대한 RSRP 중 i (여기서, N>= i )개의 빔 정보를 AI/ML model의 input으로 입력하고, 입력 값에 대한 출력 값으로 SSB의 모든 빔(M)에 대한 예측된 빔 세기(or 품질 or RSRP) 값을 추론한다. 이 중 highest(or qualified) value를 가지는 하나의 SSB(빔)을 선택한다.
4. 선택된 SSB(빔)에 상응하는 PRACH 자원에 속하는 preamble을 기지국으로 전송함으로써 선택된 예측 빔 정보를 기지국으로 알린다.
[실시예2] Connected UE의 beam management(beam tracking) procedure 적용 예시
셀과의 연결을 설정한 단말(Connected UE)이 AI/ML 모델을 이용하여 후보 빔을 측정하는 경우의 프로시저에 대해 설명한다. 빔 관리를 위한 AI/ML model은 기지국에만 위치하거나, 기지국으로부터 단말로 공유(모델 다운로드를 통해)될 수 있다.
상기 종래기술에서 언급한 문제를 해결하기 위해 기지국은 단말의 측정 부담, RRC 재설정 이슈, RS 자원 오버헤드 사이에서 최적의 효과를 낼 수 있는 적절한 후보 빔을 하나의 CSI resource set에 할당해서 단말(들)에게 설정할 수 있다. 특히, 고주파가 될수록 빔은 더욱 sharp해지는 상황에서 높은 mobility를 가지는 단말의 빔포밍을 지원하기 위해서는 많은 양의 빔을 하나의 CSI resource set에 할당하게 될 가능성이 높다. 하나의 CSI resource set에 많은 양의 빔이 할당되고, 셀 내에 AI capable UE와 legacy UE가 함께 존재할 수 있다면, 여기서 UE group-specific CSI resource set에 대한 효율적인 할당 방안으로 전술한 MM window가 종래 CSI resource set에 그대로 적용되도록 설정할 수 있다.
즉, legacy UE에게 할당했던 CSI resource set을 유사 지역에 위치하나 AI capable UE에게도 그대로 재할당할 수 있도록 하기 위해, 종래 CSI resource configuration내에 CSI resource set index와 함께 MM window를 optionally 설정할 수 있다. 이를 수신한 종래 connected UE는 종래와 동일하게 CSI resource set 내의 RS들을 측정함으로써, 측정된 후보 빔들 중 highest RSRP/quality를 가지는 4개의 빔에 대한 보고를 수행할 수 있다. 종래 기술에서 connected UE의 빔은 측정된 빔들의 보고를 통해 기지국이 최종 결정하고 있기 때문에, 제안 방안에서도 beam prediction의 주체가 기지국이 됨이 바람직할 수 있다. 그러나, 대안적으로 단말이 CSI resource set에 상응하는 AI/ML model을 다운로드 받고 beam prediction을 수행한 후, highest RSRP/quality를 가지는 4개의 predicted beam을 보고하는 방법을 사용함도 고려될 수 있기 때문에, 이와 관련된 두가지 다른 실시예에 대해 아래에 각각 기술한다.
도 21는 일 실시예에 따른 빔 예측을 기지국이 수행하는 경우의 동작을 설명하기 위한 신호도이다. 도 22은 다른 실시예에 따른 빔 예측을 단말이 수행하는 경우의 동작을 설명하기 위한 신호도이다.
도 21 및 도 22를 참조하면, beam management 프로시저를 수행하는 connected UE 동작은 아래와 같다.
1. 셀과의 연결을 설정한다.
2. 기지국은 단말에게 CSI resource set과 함께 이에 상응하는 MM window 값을 포함하는 RRC 메시지를 전송한다.
3. 단말은 첫번째 detected CSI-RS/SSB로부터 MM window 만큼의 시간 동안(또는, MM window 수 만큼의 빔이 측정될 때까지) 전송되는 CSI-RS/SSB에 대한 RSRP를 측정한다.
4. 측정된 N개의 빔(CSI-RS/SSB)에 대한 RSRP 정보를 기지국으로부터 설정 받은 CSI report configuration 기반으로 기지국으로 보고한다.
A. 도 21과 같이, 기지국에서 빔 예측을 수행하는 경우, 단말은 종래 방식과 동일(유사)하게 측정된 빔에 대한 정보를 4개 또는 5개 이상 보고 할 수 있다. 여기서, 필요에 따라 기지국 측에서 빔 예측이 필요한 보고임을 알리는 indication이 함께 전송될 수도 있다.
B. 도 22와 같이, 단말에서 빔 예측을 수행하는 경우, 단말은 MM window동안 측정된 빔 정보(N)를 이용하여 후보 빔들(M)에 대한 빔 예측을 수행한다. 예측된 빔 중 highest RSRP로 예측된 4개의 빔을 선택하여 기지국에게 보고 할 수 있다.
5. 기지국은 보고받은 빔 정보를 이용하여 단말의 빔을 설정하고, beam indication을 통해 설정된 빔을 단말에게 알린다.
A. 도 21과 같이 기지국에서 빔 예측을 수행하는 경우, 보고받은 빔 정보는 빔 예측을 위한 AI/ML model의 입력 값으로 사용된다. 수신한 N개의 빔 정보 중 i (여기서, N>= i )개의 빔 정보를 AI/ML model의 input으로 입력하고, 입력 값에 대한 출력 값으로 모든 후보 빔(M)에 대한 예측된 빔 세기(or 품질) 값을 기지국이 추론한다. 이 중 highest value를 가지는 하나의 빔을 단말의 빔으로 설정하고 이를 단말에게 알린다.
B. 도 22와 같이 CSI 보고를 수신한 기지국은 종래와 동일하게 보고받은 빔을 기반으로 단말의 빔을 설정한다.
한편, 무선통신기술은 legacy 단말에 대해서도 동작이 보장되어야 할 수 있다. 따라서, 전술한 본 실시예를 적용한 경우의 legacy 단말에 대한 동작에 대해서 설명한다.
도 23은 또 다른 실시예에 따른 Legacy 단말의 빔 측정 및 보고 동작을 설명하기 위한 신호도이다.
도 23을 참조하면, 본 실시예에 따른 beam management 프로시저를 수행하는 legacy UE 동작은 다음과 같다.
1. 셀과의 연결을 설정한다.
2. 기지국은 단말에게 CSI resource set 을 포함한 RRC 메시지를 전송한다.
3. 단말은 CSI resource set에 속하는 후보 빔(CSI-RSs/SSBs)에 대한 RSRP를 측정한다.
4. 기지국으로부터 설정 받은 CSI report configuration에 따라 측정된 M개의 빔 중에서 highest RSRP를 가지는 4개의 빔 정보를 기지국으로 보고한다.
5. 기지국은 수신한 4개의 measured beam 정보를 기반으로 단말에게 하나의 빔을 설정하고, 설정된 빔을 단말에게 알린다.
이상에서 설명한 바와 같이, 본 실시예에 따르면 AI/ML을 지원하는 기지국이 legacy 단말과 AI/ML capable UE를 모두 지원하면서, AI/ML capable UE의 측정 부담을 최소화하기 위한 효과를 제공한다. 또한, 본 실시예에 따르면 단말의 종래와 동일한 수준의 빔 측정 결과를 도출하기 위해 측정 부담을 최소화하는 효과가 있다. 이는 단말의 전력 소모를 감소시킬 뿐만 아니라 일부 빔만의 측정을 통해 전체 빔에 대한 세기를 예측하기 때문에, 빔 측정 지연을 감소시키고 RRC 재설정을 최소화함으로써 빔 설정 지연도 감소시키는 효과가 있다.
위에서 설명한 각 실시예와 세부 실시예는 단말 및 기지국에 의해서 모두 동작할 수 있다.
도 24는 일 실시예에 따른 단말 구성을 보여주는 도면이다.
도 24를 참조하면, 빔 관리를 수행하는 단말(2400)은 기지국으로부터 참조신호 자원 구성정보를 수신하는 수신부(2430)와 참조신호 자원 구성정보에 기초하여 참조신호에 대한 측정 동작을 수행하는 제어부(2410) 및 참조신호에 대한 측정 결과 정보 또는 참조신호에 대한 측정 결과 정보를 이용하여 도출된 참조신호 추론 결과 정보 중 적어도 하나의 정보를 기지국으로 전송하는 송신부(2420)를 포함할 수 있다.
예를 들어, 참조신호 자원 구성정보는 기지국이 단말로 전송하는 참조신호를 단말이 측정하는데 필요한 파라미터를 포함할 수 있다. 여기서, 참조신호는 전술한 SSB, CSI-RS 등의 빔 측정을 위한 참조신호를 의미할 수 있다.
예를 들어, 참조신호 자원 구성정보는 참조신호 자원 셋 정보 및 참조신호 자원 셋에 대응되는 최소 빔 측정시간 정보 중 적어도 하나를 포함할 수 있다. 일 예로, 참조신호 자원 셋 정보는 참조신호가 전송되는 시간-주파수 자원에 대한 셋을 포함할 수 있다. 참조신호 자원 셋 정보는 하나 이상이 포함될 수 있다. 다른 예로, 최소 빔 측정시간 정보는 참조신호 자원 셋에 대응되어 단말이 해당 참조신호 빔을 측정해야 하는 최소 측정 시간을 지시하기 위한 정보를 포함할 수 있다.
참조신호 자원 구성정보는 참조신호의 종류 별로 구분되어 단말로 전송될 수 있다. 또한, 참조신호 자원 구성정보는 시스템 정보, RRC 메시지 및 L1 시그널링 중 적어도 하나를 통해서 단말에 구성될 수 있다.
제어부(2410)는 참조신호 자원 구성정보에 따라 참조신호를 측정할 자원, 주기 등을 확인하여 해당 참조신호에 대한 신호세기 및/또는 신호품질을 측정할 수 있다. 제어부(2410) 참조신호 자원 구성정보에 포함되는 참조신호 자원 셋 정보 및 최소 빔 측정시간 정보에 기초하여 특정 참조신호를 최소 빔 측정시간 이상 측정할 수 있다.
또는, 제어부(2410)는 참조신호 자원 구성정보를 단말에 구성하고, 기지국으로부터 수신되는 L1 시그널링에 기초하여 지시된 참조신호에 대해서 측정 동작을 수행할 수 있다. 이 경우에도 제어부(2410)는 참조신호 자원 셋 정보 및 최소 빔 측정시간 정보를 이용하여 최소 빔 측정시간 이상 지시된 참조신호에 대한 신호세기 및/또는 신호품질을 측정할 수 있다.
참조신호에 대한 측정 결과 정보는 빔 관리를 위한 인공지능 모델의 입력 값으로 사용될 수 있다. 즉, 단말이 측정한 참조신호에 대한 RSRP and/or RSRQ는 측정 대상이되는 참조신호의 빔 인덱스와 함께 인공지능 모델의 입력 값으로 활용될 수 있다.
일 예로, 송신부(2420)가 참조신호에 대한 측정 결과 정보를 기지국으로 전송하는 경우, 기지국은 인공지능 모델에 측정 결과 정보를 입력 값으로 입력하고, 인공지능 모델의 출력 값으로 빔에 대한 예측 값을 획득할 수 있다. 예를 들어, BM-Case 1에서 단말이 Set B의 빔에 대한 측정을 수행하고 측정 결과 정보에 Set B에 포함되는 빔에 대한 빔 인덱스 및 빔 인덱스 별 측정 결과를 포함하여 기지국으로 전송할 수 있다. 기지국은 단말로부터 수신된 측정 결과 정보를 기지국에 구성된 인공지능 모델의 입력 값으로 입력하여 Set A에 대한 예측 빔 측정 결과를 획득할 수 있다. 여기서, Set B는 Set A의 서브 셋으로 구성될 수도 있고, 서로 다른 집합의 빔으로 구성될 수도 있다.
다른 예로, 단말에 인공지능 모델이 구성된 경우에 송신부(2420)는 참조신호 추론 결과 정보를 기지국으로 전송할 수 있다. 예를 들어, 참조신호 추론 결과 정보는 빔 관리를 위한 인공지능 모델이 단말에 구성된 경우, 빔 관리를 위한 인공지능 모델에 참조신호에 대한 측정 결과 정보를 입력 값으로 입력하여 도출된 출력 값을 포함할 수 있다. 참조신호 추론 결과 정보는 출력 값에 의해서 도출된 추론 빔 인덱스 및 추론 빔 인덱스에 대응되는 신호세기 정보 중 적어도 하나를 포함할 수 있다. 여기서, 추론 빔 인덱스를 측정 결과 정보에 포함되는 빔을 포함할 수도 있고, 포함하지 않을 수도 있다 .
예를 들어, 단말이 측정한 빔은 Set B에 대한 것일 수 있다. 단말은 Set B에 포함되는 빔의 측정을 완료하고, 측정 결과 정보를 단말에 구성된 인공지능 모델의 입력 값으로 입력하여 Set A에 대한 예측 빔 측정 결과를 획득할 수 있다. 여기서, Set B는 Set A의 서브 셋으로 구성될 수도 있고, 서로 다른 집합의 빔으로 구성될 수도 있다.
한편, 참조신호 추론 결과 정보는 특정 빔에 대한 추론 정보만 포함할 수도 있고, 둘 이상의 빔에 대한 추론 정보를 포함할 수도 있다. 예를 들어, 참조신호 추론 결과 정보는 추론 결과 Best 빔으로 선택된 특정 빔에 대한 추론 결과 정보(예를 들어, 신호세기 또는 신호품질 예측 결과)만을 포함하거나, 둘 이상의 빔에 대한 추론 결과 정보를 포함할 수 있다.
이외에도, 제어부(2410)는 전술한 빔 측정 및 예측 동작을 수행하는데 필요한 전반적인 단말 동작을 수행할 수 있다.
송신부(2420)와 수신부(2430)는 전술한 본 실시예를 수행하기에 필요한 신호나 메시지, 데이터를 기지국과 송수신하는데 사용된다.
도 25는 일 실시예에 따른 기지국 구성을 보여주는 도면이다.
도 25를 참조하면, 빔 관리를 수행하는 기지국(2500)은 단말로 참조신호 자원 구성정보를 전송하고, 참조신호 자원 구성정보에 따라 참조신호를 전송하는 송신부(2520) 및 참조신호에 대한 측정 결과 정보 또는 참조신호에 대한 측정 결과 정보를 이용하여 도출된 참조신호 추론 결과 정보 중 적어도 하나의 정보를 단말로부터 수신하는 수신부(2530)를 포함할 수 있다.
예를 들어, 참조신호 자원 구성정보는 기지국이 단말로 전송하는 참조신호를 단말이 측정하는데 필요한 파라미터를 포함할 수 있다. 여기서, 참조신호는 전술한 SSB, CSI-RS 등의 빔 측정을 위한 참조신호를 의미할 수 있다.
예를 들어, 참조신호 자원 구성정보는 참조신호 자원 셋 정보 및 참조신호 자원 셋에 대응되는 최소 빔 측정시간 정보 중 적어도 하나를 포함할 수 있다. 일 예로, 참조신호 자원 셋 정보는 참조신호가 전송되는 시간-주파수 자원에 대한 셋을 포함할 수 있다. 참조신호 자원 셋 정보는 하나 이상이 포함될 수 있다. 다른 예로, 최소 빔 측정시간 정보는 참조신호 자원 셋에 대응되어 단말이 해당 참조신호 빔을 측정해야 하는 최소 측정 시간을 지시하기 위한 정보를 포함할 수 있다.
참조신호 자원 구성정보는 참조신호의 종류 별로 구분되어 단말로 전송될 수 있다. 또한, 참조신호 자원 구성정보는 시스템 정보, RRC 메시지 및 L1 시그널링 중 적어도 하나를 통해서 단말에 구성될 수 있다.
송신부(2520)는 참조신호 자원 구성정보에 따라 설정된 정보로 참조신호를 전송한다. 예를 들어, 송신부(2520)는 참조신호 자원 구성정보에 따라 구분된 빔 패턴으로 참조신호를 전송할 수 있다. 즉, 송신부(2520)는 전술한 Set B에 대한 빔을 전송할 수 있다. 예를 들어, 종래 M개의 빔을 전송하였으나, 단말에 참조신호 자원 구성정보가 구성되면, N개의 빔에 대한 전송만 수행할 수 있다. 여기서, N은 M 보다 작은 자연수이다.
이를 통해서, 단말 측면에서 기지국은 종래 대비 적은 수의 빔으로 참조신호를 전송할 수 있고, 전체 빔에 대한 빔 측정 결과는 인공지능 모델의 출력 값을 이용하여 추론될 수 있다.
한편, 참조신호에 대한 측정 결과 정보는 빔 관리를 위한 인공지능 모델의 입력 값으로 사용될 수 있다. 즉, 단말이 측정한 참조신호에 대한 RSRP and/or RSRQ는 측정 대상이된 참조신호의 빔 인덱스와 함께 인공지능 모델의 입력 값으로 활용될 수 있다.
일 예로, 단말이 참조신호에 대한 측정 결과 정보를 기지국으로 전송하는 경우, 제어부(2510)는 인공지능 모델에 측정 결과 정보를 입력 값으로 입력하고, 인공지능 모델의 출력 값으로 빔에 대한 예측 값을 획득할 수 있다. 예를 들어, BM-Case 1에서 단말이 Set B의 빔에 대한 측정을 수행하고 측정 결과 정보에 Set B에 포함되는 빔에 대한 빔 인덱스 및 빔 인덱스 별 측정 결과를 포함하여 기지국으로 전송할 수 있다. 제어부(2510)는 단말로부터 수신된 측정 결과 정보를 기지국에 구성된 인공지능 모델의 입력 값으로 입력하여 Set A에 대한 예측 빔 측정 결과를 획득할 수 있다. 여기서, Set B는 Set A의 서브 셋으로 구성될 수도 있고, 서로 다른 집합의 빔으로 구성될 수도 있다.
다른 예로, 단말에 인공지능 모델이 구성된 경우에 수신부(2530)는 참조신호 추론 결과 정보를 단말로부터 수신할 수 있다. 예를 들어, 참조신호 추론 결과 정보는 빔 관리를 위한 인공지능 모델이 단말에 구성된 경우, 빔 관리를 위한 인공지능 모델에 참조신호에 대한 측정 결과 정보를 입력 값으로 입력하여 도출된 출력 값을 포함할 수 있다. 참조신호 추론 결과 정보는 출력 값에 의해서 도출된 추론 빔 인덱스 및 추론 빔 인덱스에 대응되는 신호세기 정보 중 적어도 하나를 포함할 수 있다. 여기서, 추론 빔 인덱스를 측정 결과 정보에 포함되는 빔을 포함할 수도 있고, 포함하지 않을 수도 있다 .
예를 들어, 단말이 측정한 빔은 Set B에 대한 것일 수 있다. 단말은 Set B에 포함되는 빔의 측정을 완료하고, 측정 결과 정보를 단말에 구성된 인공지능 모델의 입력 값으로 입력하여 Set A에 대한 예측 빔 측정 결과를 획득할 수 있다. 여기서, Set B는 Set A의 서브 셋으로 구성될 수도 있고, 서로 다른 집합의 빔으로 구성될 수도 있다.
한편, 참조신호 추론 결과 정보는 특정 빔에 대한 추론 정보만 포함할 수도 있고, 둘 이상의 빔에 대한 추론 정보를 포함할 수도 있다. 예를 들어, 참조신호 추론 결과 정보는 추론 결과 Best 빔으로 선택된 특정 빔에 대한 추론 결과 정보(예를 들어, 신호세기 또는 신호품질 예측 결과)만을 포함하거나, 둘 이상의 빔에 대한 추론 결과 정보를 포함할 수 있다.
참조신호 추론 결과 정보에 포함되는 빔에 대한 개수, 포함되어야 하는 정보 등은 기지국에 의해서 단말로 구성될 수 있다.
이외에도, 제어부(2510)는 전술한 본 실시예를 수행하기에 필요한 신호나 메시지, 데이터를 단말과 송수신하는데 사용된다
송신부(2520)와 수신부(2530)는 전술한 본 실시예를 수행하기에 필요한 신호나 메시지, 데이터를 단말과 송수신하는데 사용된다.
전술한 실시예들은 무선 접속 시스템들인 IEEE 802, 3GPP 및 3GPP2 중 적어도 하나에 개시된 표준 문서들에 의해 뒷받침될 수 있다. 즉, 본 실시 예들 중 본 기술적 사상을 명확히 드러내기 위해 설명하지 않은 단계, 구성, 부분들은 전술한 표준 문서들에 의해 뒷받침될 수 있다. 또한, 본 명세서에서 개시하고 있는 모든 용어들은위에서 개시한 표준 문서들에 의해 설명될 수 있다.
상술한 본 실시예들은 다양한 수단을 통해 구현될 수 있다. 예를 들어, 본 실시예들은 하드웨어, 펌웨어(firmware), 소프트웨어 또는 그것들의 결합 등에 의해 구현될 수 있다.
하드웨어에 의한 구현의 경우, 본 실시예들에 따른 방법은 하나 또는 그 이상의 ASICs(Application Specific Integrated Circuits), DSPs(Digital Signal Processors), DSPDs(Digital Signal Processing Devices), PLDs(Programmable Logic Devices), FPGAs(Field Programmable Gate Arrays), 프로세서, 컨트롤러, 마이크로 컨트롤러 또는 마이크로 프로세서 등에 의해 구현될 수 있다.
펌웨어나 소프트웨어에 의한 구현의 경우, 본 실시예들에 따른 방법은 이상에서 설명된 기능 또는 동작들을 수행하는 장치, 절차 또는 함수 등의 형태로 구현될 수 있다. 소프트웨어 코드는 메모리 유닛에 저장되어 프로세서에 의해 구동될 수 있다. 상기 메모리 유닛은 상기 프로세서 내부 또는 외부에 위치하여, 이미 공지된 다양한 수단에 의해 상기 프로세서와 데이터를 주고 받을 수 있다.
또한, 위에서 설명한 "시스템", "프로세서", "컨트롤러", "컴포넌트", "모듈", "인터페이스", "모델", 또는 "유닛" 등의 용어는 일반적으로 컴퓨터 관련 엔티티 하드웨어, 하드웨어와 소프트웨어의 조합, 소프트웨어 또는 실행 중인 소프트웨어를 의미할 수 있다. 예를 들어, 전술한 구성요소는 프로세서에 의해서 구동되는 프로세스, 프로세서, 컨트롤러, 제어 프로세서, 개체, 실행 스레드, 프로그램 및/또는 컴퓨터일 수 있지만 이에 국한되지 않는다. 예를 들어, 컨트롤러 또는 프로세서에서 실행 중인 애플리케이션과 컨트롤러 또는 프로세서가 모두 구성 요소가 될 수 있다. 하나 이상의 구성 요소가 프로세스 및/또는 실행 스레드 내에 있을 수 있으며, 구성 요소들은 하나의 장치(예: 시스템, 컴퓨팅 디바이스 등)에 위치하거나 둘 이상의 장치에 분산되어 위치할 수 있다.
이상의 설명은 본 개시의 기술 사상을 예시적으로 설명한 것에 불과한 것으로서, 본 개시가 속하는 기술 분야에서 통상의 지식을 가진 자라면 본 기술 사상의 본질적인 특성에서 벗어나지 않는 범위에서 다양한 수정 및 변형이 가능할 것이다. 또한, 본 실시예들은 본 개시의 기술 사상을 한정하기 위한 것이 아니라 설명하기 위한 것이므로 이러한 실시예에 의하여 본 기술 사상의 범위가 한정되는 것은 아니다. 본 개시의 보호 범위는 아래의 청구범위에 의하여 해석되어야 하며, 그와 동등한 범위 내에 있는 모든 기술 사상은 본 개시의 권리 범위에 포함되는 것으로 해석되어야 할 것이다.
CROSS-REFERENCE TO RELATED APPLICATION
본 특허출원은 2022년 6월 28일 한국에 출원한 특허출원번호 제10-2022-0078599호 및 2023년 6월 13일 한국에 출원한 특허출원번호 제10-2023-0075698호에 대해 미국 특허법 119(a)조 (35 U.S.C §119(a))에 따라 우선권을 주장하며, 그 모든 내용은 참고문헌으로 본 특허출원에 병합된다. 아울러, 본 특허출원은 미국 이외의 국가에 대해서도 위와 동일한 이유로 우선권을 주장하며 그 모든 내용은 참고문헌으로 본 특허출원에 병합된다.

Claims (15)

  1. 단말(user equipment, UE)이 빔 관리를 수행하는 방법에 있어서,
    기지국으로부터 참조신호 자원 구성정보를 수신하는 단계;
    상기 참조신호 자원 구성정보에 기초하여 참조신호에 대한 측정 동작을 수행하는 단계; 및
    상기 참조신호에 대한 측정 결과 정보 또는 상기 참조신호에 대한 측정 결과 정보를 이용하여 도출된 참조신호 추론 결과 정보 중 적어도 하나의 정보를 상기 기지국으로 전송하는 단계를 포함하는 방법.
  2. 제 1 항에 있어서,
    상기 참조신호 자원 구성정보는,
    참조신호 자원 셋 정보 및 상기 참조신호 자원 셋에 대응되는 최소 빔 측정시간 정보 중 적어도 하나를 포함하는 방법.
  3. 제 1 항에 있어서,
    상기 참조신호에 대한 측정 결과 정보는,
    빔 관리를 위한 인공지능 모델의 입력 값으로 사용되는 방법.
  4. 제 1 항에 있어서,
    상기 참조신호 추론 결과 정보는,
    빔 관리를 위한 인공지능 모델이 단말에 구성된 경우, 상기 빔 관리를 위한 인공지능 모델에 상기 참조신호에 대한 측정 결과 정보를 입력 값으로 입력하여 도출된 출력 값을 포함하는 방법.
  5. 제 4 항에 있어서,
    상기 참조신호 추론 결과 정보는,
    상기 출력 값에 의해서 도출된 추론 빔 인덱스 및 상기 추론 빔 인덱스에 대응되는 신호세기 정보 중 적어도 하나를 포함하는 방법.
  6. 기지국이 빔 관리를 수행하는 방법에 있어서,
    단말로 참조신호 자원 구성정보를 전송하는 단계;
    상기 참조신호 자원 구성정보에 따라 참조신호를 전송하는 단계; 및
    상기 참조신호에 대한 측정 결과 정보 또는 상기 참조신호에 대한 측정 결과 정보를 이용하여 도출된 참조신호 추론 결과 정보 중 적어도 하나의 정보를 상기 단말로부터 수신하는 단계를 포함하는 방법.
  7. 제 6 항에 있어서,
    상기 참조신호 자원 구성정보는,
    참조신호 자원 셋 정보 및 상기 참조신호 자원 셋에 대응되는 최소 빔 측정시간 정보 중 적어도 하나를 포함하는 방법.
  8. 제 6 항에 있어서,
    상기 참조신호에 대한 측정 결과 정보는,
    상기 기지국에 구성되는 빔 관리를 위한 인공지능 모델의 입력 값으로 사용되는 방법.
  9. 제 6 항에 있어서,
    상기 참조신호 추론 결과 정보는,
    빔 관리를 위한 인공지능 모델이 단말에 구성된 경우, 상기 빔 관리를 위한 인공지능 모델에 상기 참조신호에 대한 측정 결과 정보를 입력 값으로 입력하여 도출된 출력 값을 포함하는 방법.
  10. 제 9 항에 있어서,
    상기 참조신호 추론 결과 정보는,
    상기 출력 값에 의해서 도출된 추론 빔 인덱스 및 상기 추론 빔 인덱스에 대응되는 신호세기 정보 중 적어도 하나를 포함하는 방법.
  11. 빔 관리를 수행하는 단말(user equipment, UE)에 있어서,
    기지국으로부터 참조신호 자원 구성정보를 수신하는 수신부;
    상기 참조신호 자원 구성정보에 기초하여 참조신호에 대한 측정 동작을 수행하는 제어부; 및
    상기 참조신호에 대한 측정 결과 정보 또는 상기 참조신호에 대한 측정 결과 정보를 이용하여 도출된 참조신호 추론 결과 정보 중 적어도 하나의 정보를 상기 기지국으로 전송하는 송신부를 포함하는 단말.
  12. 제 11 항에 있어서,
    상기 참조신호 자원 구성정보는,
    참조신호 자원 셋 정보 및 상기 참조신호 자원 셋에 대응되는 최소 빔 측정시간 정보 중 적어도 하나를 포함하는 단말.
  13. 제 11 항에 있어서,
    상기 참조신호에 대한 측정 결과 정보는,
    빔 관리를 위한 인공지능 모델의 입력 값으로 사용되는 단말.
  14. 제 11 항에 있어서,
    상기 참조신호 추론 결과 정보는,
    빔 관리를 위한 인공지능 모델이 단말에 구성된 경우, 상기 빔 관리를 위한 인공지능 모델에 상기 참조신호에 대한 측정 결과 정보를 입력 값으로 입력하여 도출된 출력 값을 포함하는 단말.
  15. 제 14 항에 있어서,
    상기 참조신호 추론 결과 정보는,
    상기 출력 값에 의해서 도출된 추론 빔 인덱스 및 상기 추론 빔 인덱스에 대응되는 신호세기 정보 중 적어도 하나를 포함하는 단말.
PCT/KR2023/008731 2022-06-28 2023-06-23 인공지능 및 머신러닝을 이용한 빔 관리 방법 및 장치 Ceased WO2024005454A1 (ko)

Applications Claiming Priority (4)

Application Number Priority Date Filing Date Title
KR10-2022-0078599 2022-06-28
KR20220078599 2022-06-28
KR1020230075698A KR20240002180A (ko) 2022-06-28 2023-06-13 인공지능 및 머신러닝을 이용한 빔 관리 방법 및 장치
KR10-2023-0075698 2023-06-13

Publications (1)

Publication Number Publication Date
WO2024005454A1 true WO2024005454A1 (ko) 2024-01-04

Family

ID=89380838

Family Applications (1)

Application Number Title Priority Date Filing Date
PCT/KR2023/008731 Ceased WO2024005454A1 (ko) 2022-06-28 2023-06-23 인공지능 및 머신러닝을 이용한 빔 관리 방법 및 장치

Country Status (1)

Country Link
WO (1) WO2024005454A1 (ko)

Cited By (11)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2024211419A1 (en) * 2023-04-04 2024-10-10 Interdigital Patent Holdings, Inc. Methods and apparatus for collecting data from cells that support artificial intelligence/machine learning
WO2025148007A1 (zh) * 2024-01-12 2025-07-17 富士通株式会社 上行传输配置方法以及装置
WO2025166605A1 (zh) * 2024-02-06 2025-08-14 北京小米移动软件有限公司 波束测量方法、装置、通信设备、通信系统和存储介质
WO2025172489A1 (en) * 2024-02-15 2025-08-21 Fraunhofer-Gesellschaft zur Förderung der angewandten Forschung e.V. Enhancements of ai/ml reporting, ai/ml management and ai/ml inference
WO2025178532A1 (en) * 2024-02-19 2025-08-28 Telefonaktiebolaget Lm Ericsson (Publ) Mapping temporary to long-term beam identifiers
WO2025185589A1 (zh) * 2024-03-05 2025-09-12 维沃移动通信有限公司 测量处理方法、测量配置方法、装置、设备及可读存储介质
WO2025184926A1 (zh) * 2024-03-08 2025-09-12 北京小米移动软件有限公司 预测方法、装置以及存储介质
WO2025235088A1 (en) * 2024-05-06 2025-11-13 Interdigital Patent Holdings, Inc. Random access for estimation ssbs in aiml systems
WO2025231756A1 (zh) * 2024-05-09 2025-11-13 富士通株式会社 波束管理方法以及装置
WO2026002225A1 (zh) * 2024-06-27 2026-01-02 展讯半导体(南京)有限公司 一种通信方法、装置、芯片及模组设备
GB2644411A (en) * 2024-02-19 2026-04-15 Nokia Technologies Oy Latency requirement and testing for AI/ML based beam management

Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20210105057A1 (en) * 2017-12-21 2021-04-08 Telefonaktiebolaget Lm Ericsson (Publ) Method and arrangement for beam assignment support
US20210351885A1 (en) * 2019-04-16 2021-11-11 Samsung Electronics Co., Ltd. Method and apparatus for reporting channel state information
US20220190883A1 (en) * 2019-04-17 2022-06-16 Nokia Technologies Oy Beam prediction for wireless networks

Patent Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20210105057A1 (en) * 2017-12-21 2021-04-08 Telefonaktiebolaget Lm Ericsson (Publ) Method and arrangement for beam assignment support
US20210351885A1 (en) * 2019-04-16 2021-11-11 Samsung Electronics Co., Ltd. Method and apparatus for reporting channel state information
US20220190883A1 (en) * 2019-04-17 2022-06-16 Nokia Technologies Oy Beam prediction for wireless networks

Non-Patent Citations (2)

* Cited by examiner, † Cited by third party
Title
NOKIA, NOKIA SHANGHAI BELL: "Evaluation on ML for beam management", 3GPP TSG RAN WG1 #109-E, R1-2204573, 29 April 2022 (2022-04-29), XP052153595 *
SAMSUNG: "Evaluation on AI/ML for beam management", 3GPP TSG RAN WG1 #109-E, R1-2203899, 29 April 2022 (2022-04-29), XP052153237 *

Cited By (11)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2024211419A1 (en) * 2023-04-04 2024-10-10 Interdigital Patent Holdings, Inc. Methods and apparatus for collecting data from cells that support artificial intelligence/machine learning
WO2025148007A1 (zh) * 2024-01-12 2025-07-17 富士通株式会社 上行传输配置方法以及装置
WO2025166605A1 (zh) * 2024-02-06 2025-08-14 北京小米移动软件有限公司 波束测量方法、装置、通信设备、通信系统和存储介质
WO2025172489A1 (en) * 2024-02-15 2025-08-21 Fraunhofer-Gesellschaft zur Förderung der angewandten Forschung e.V. Enhancements of ai/ml reporting, ai/ml management and ai/ml inference
WO2025178532A1 (en) * 2024-02-19 2025-08-28 Telefonaktiebolaget Lm Ericsson (Publ) Mapping temporary to long-term beam identifiers
GB2644411A (en) * 2024-02-19 2026-04-15 Nokia Technologies Oy Latency requirement and testing for AI/ML based beam management
WO2025185589A1 (zh) * 2024-03-05 2025-09-12 维沃移动通信有限公司 测量处理方法、测量配置方法、装置、设备及可读存储介质
WO2025184926A1 (zh) * 2024-03-08 2025-09-12 北京小米移动软件有限公司 预测方法、装置以及存储介质
WO2025235088A1 (en) * 2024-05-06 2025-11-13 Interdigital Patent Holdings, Inc. Random access for estimation ssbs in aiml systems
WO2025231756A1 (zh) * 2024-05-09 2025-11-13 富士通株式会社 波束管理方法以及装置
WO2026002225A1 (zh) * 2024-06-27 2026-01-02 展讯半导体(南京)有限公司 一种通信方法、装置、芯片及模组设备

Similar Documents

Publication Publication Date Title
WO2024005454A1 (ko) 인공지능 및 머신러닝을 이용한 빔 관리 방법 및 장치
WO2023128727A1 (ko) 이동성 제어 방법 및 장치
WO2023128726A1 (ko) 셀 변경 방법 및 그 장치
WO2023128731A1 (ko) 셀 변경 동작 제공 방법 및 장치
WO2023128730A1 (ko) 셀 변경 동작을 제어하는 방법 및 그 장치
WO2019182401A1 (ko) 차세대 무선망에서 포지셔닝을 수행하는 방법 및 장치
WO2020145558A2 (ko) 비지상 네트워크를 이용하여 통신을 수행하는 방법 및 그 장치
WO2020071698A1 (ko) 비지상 네트워크를 이용하여 통신을 수행하는 방법 및 그 장치
WO2024080740A1 (ko) 인공지능 및 머신러닝을 이용한 빔 관리에서의 모델 모니터링 방법 및 장치
WO2018143771A1 (ko) 무선 통신 시스템에서 단말과 기지국간 신호 송수신 방법 및 이를 지원하는 장치
WO2017213420A1 (ko) 무선 통신 시스템에서 순환 전치에 대한 정보를 획득하는 방법 및 이를 위한 장치
WO2018062841A1 (ko) 무선 통신 시스템에서 단말과 기지국 간 신호 송수신 방법 및 이를 지원하는 장치
WO2022231214A1 (ko) 이동성 제어 방법 및 그 장치
WO2019212246A1 (ko) 차세대 무선망에서 포지셔닝을 수행하는 방법 및 장치
WO2019221542A1 (ko) 채널상태정보를 전송하는 방법 및 그 장치
WO2021029638A1 (ko) 비면허 대역에서 데이터를 송수신하는 방법 및 장치
WO2020013645A1 (ko) 비면허 대역에서 무선 통신을 수행하는 방법 및 장치
WO2020060355A1 (ko) 무선 통신 시스템에서 측정 시 전력 소모를 감소시키는 방법 및 장치
WO2024151043A1 (ko) 인공지능 및 머신러닝을 이용한 빔 관리 방법 및 그 장치
WO2025089706A1 (ko) 이동성 제어 방법 및 장치
WO2019221443A1 (ko) 비면허 대역의 무선 통신을 위한 lbt(리슨 비포 토크)를 수행하는 방법 및 장치
WO2024091047A1 (ko) 인공지능 및 머신러닝을 이용한 빔 관리에서의 모델 관리 방법 및 장치
WO2024210667A1 (ko) 전이중통신에서 상향링크 데이터 채널을 반복 송수신하는 방법 및 장치
WO2025014264A1 (ko) 저전력 웨이크업 수신기를 이용하여 무선 통신을 수행하는 방법 및 장치
WO2024034922A1 (ko) 무선 통신 시스템에서 랜덤 액세스 절차 수행 방법 및 장치

Legal Events

Date Code Title Description
121 Ep: the epo has been informed by wipo that ep was designated in this application

Ref document number: 23831814

Country of ref document: EP

Kind code of ref document: A1

NENP Non-entry into the national phase

Ref country code: DE

122 Ep: pct application non-entry in european phase

Ref document number: 23831814

Country of ref document: EP

Kind code of ref document: A1