기지국의 분산 정보를 반영하는 특징값 기반의 신경망 모델을 이용한 빔포밍 벡터 생성 방법 및 장치
일 실시예에 따른 빔포밍 벡터 생성 장치는 MISO IC를 구성하는 기지국 중 기지국 k(k는 기지국의 식별정보)에 대한 로컬 채널 정보, 상기 기지국 k의 가중치 정보 및 타 기지국이 상기 기지국 k의 제어 신호 세기에 미치는 수동 간섭 정보를 획득하는 동작; 상기 로컬 채널 정보, 상기 가중치 정보, 상기 수동 간섭 정보로부터 기 설정된 목적의 빔포밍 벡터를 생성하기 위한 능동 간섭 정보를 도출하도록 학습된 제1 신경망 모델을 기초로 상기 기지국 k가 타 기지국의 제어 신호 세기에 미치는 능동 간섭 정보를 도출하는 동작; 상기 로컬 채널 정보, 상기 수동 간섭 정보 및 상기 능동 간섭 정보로부터 기 설정된 목적의 빔포밍 벡터를 생성하기 위한 쌍대 변수를 도출하도록 학습된 제2 신경망 모델을 기초로 상기 기지국 k의 쌍대 변수를 도출하는 동작; 및 빔 복구 함수를 이용하여 상기 수동 간섭 정보, 상기 능동 간섭 정보 및 상기 쌍대 변수를 기초로 상기 기지국 k의 빔포밍 벡터를 도출하는 동작을 포함할 수 있다.
상세 설명
기술분야
본 발명은 MISO IC(Multiple Input Single Output Interference Channel) 시스템을 구성하는 기지국의 분산 정보를 반영하는 특징값 기반의 신경망 모델을 통해 최적의 빔포밍 벡터를 생성하는 기술에 관한 것이다.
해결하려는 과제
본 발명이 해결하고자 하는 과제는 각 기지국에서 확보할 수 있는 로컬 채널 정보와 빔포밍 결정에 필수적인 특징값을 기반으로 학습시킨 딥러닝 모델을 이용하여 네트워크 크기에 상대적으로 영향을 받지 않으면서도 감소된 계산 복잡도와 향상된 성능을 달성하는 기술을 제안하는 것이다.
발명의 효과
본 발명은 다중 안테나 간섭 채널 시스템에서 각 기지국에서 확보할 수 있는 로컬 채널 정보와 빔포밍 결정에 필수적인 특징값을 이용하는 인공 신경망 구조를 설계하여 빔포밍 기법의 성능을 향상시키면서 계산 복잡도를 감소시킬 수 있다.
또한, 본 발명의 분산형 빔포밍 기법은 각 기지국에서 확보할 수 있는 로컬 채널 정보를 사용하므로, 글로벌 CSI를 필요로 하는 기존 딥러닝 기반 빔포밍 기법에 비해 정보 교환을 위한 백홀 오버헤드를 대폭 감소시킬 수있다.
이에 따라, 본 발명은 기지국 수의 증가에도 성능 저하 없이 확장 가능하며 다양한 채널 환경에서도 우수한 성능을 보임에 따라 효율적인 간섭 관리와 높은 네트워크 성능을 가능하게 한다.
