제 5 장 유망 무선전송 기술 broadband (eMBB), massive machine type communications (mMTC), ultra-reliable and low-latency communications (URLLC)로 요약된다 [39]. 본 보고
으로 분류되며, 각각의 구성요소는 다음과 같다 (아래 그림 참조)[43].
(그림 5-1-1) 물리계층 지연시간
𝑇𝐿= 𝑇𝑡𝑡𝑡+ 𝑇𝑝𝑟𝑜𝑝+ 𝑇𝑝𝑟𝑜𝑐+ 𝑇𝑟𝑒𝑡𝑥+ 𝑇𝑠𝑖𝑔,
- 𝑇𝑡𝑡𝑡 는 패킷을 전송하는데 걸리는 time-to-transmit latency - 𝑇𝑝𝑟𝑜𝑝는 송신단(transmitter)에서 수신단(receiver)까지 신호 전달
시간
- 𝑇𝑝𝑟𝑜𝑐는 인코딩, 디코딩, 채널 추정(channel estimation)에 소요되 는 시간
- 𝑇𝑟𝑒𝑡𝑥는 재전송(re-transmission)에 소요되는 시간
- 𝑇𝑠𝑖𝑔는 연결 요청(connection request), 스케쥴링 승인(scheduling grant), 채널 트레이닝 및 피드백 등과 같은 신호 교환(signaling exchange)에 걸리는 전처리 시간
본 연구에서는 0.5 ms의 지연시간 요구조건을 만족시키기 위해 패킷 전송 시간 (𝑇𝑡𝑡𝑡) 감소와 채널 추정과 피드백으로부터 발생하는 지연시간을 줄이는 것을 목표로 한다.
나. 초저지연 전송을 위한 패킷 구조
(그림 5-1-2) 4G LTE 및 5G NR 시스템에서의 URLLC 패킷 구조 저지연 요구조건을 달성하기 위해서는 기존 4G LTE에서 사용해온 패 킷 구조와는 완전히 다른 방향으로 디자인되어야 한다. URLLC 패킷 디자인에서 가장 중요한 것은 처리 시간 𝑇𝑝𝑟𝑜𝑐와 전송 시간 𝑇𝑡𝑡𝑡를 최소화하는 것이다. 구체적 으로 살펴볼 때, 𝑇𝑝𝑟𝑜𝑐는 패킷 수신 시간, 채널 추정 시간, 제어 및 스케쥴링 신호 획득 시간, 데이터 패킷 디코딩 시간, 에러 확인 시간으로 구성된다. 4G LTE 시스 템에서는 채널 페이딩(fading)하에서 스펙트럼을 효율적으로 사용하기 위해서 사 각 형태(square-shpaed)의 패킷을 사용하였다. 반면, 5G New Radio (NR)에서는 전송 시간 𝑇𝑡𝑡𝑡를 줄이기 위해서 주파수 축으로 뻗은 형태의 non-square 패킷을 사용한다 (위 그림 참조)[43]. 더 나아가, 𝑇𝑝𝑟𝑜𝑐를 줄이기 위해서 파일럿, 제어 신 호, 데이터를 그룹 형태로 묶어 채널 추정, 제어 채널 디코딩과 데이터 검출을 병 렬적으로 처리하는 기법을 사용한다[44].
앞서 언급한 바와 같이 5G NR에서 non-square 패킷 구조를 통해 𝑇𝑡𝑡𝑡와 𝑇𝑝𝑟𝑜𝑐를 줄일 수 있지만, 이와 같은 방법으로는 한계점이 존재한다. 예를 들 어, 𝑇𝑡𝑡𝑡 의 경우 수신단에서 디코딩을 수행하기 위해 orthogonal frequency division multiplexing (OFDM) 심볼 전체를 반드시 수신하여야 하며, 𝑇𝑝𝑟𝑜𝑐에서 채 널 추정에 소요되는 지연시간은 필수적이다. 다시 말해, 파일럿 심볼을 수신하여 채널 정보를 획득하고, 제어 채널 신호를 수신하여 디코딩하고, 마지막으로 데이터 채널을 디코딩하는 일련의 과정에 소요되는 시간은 지연 시간 감소에 있어 병목이 라 할 수 있다. 따라서, 이를 줄이기 위해서는 채널 정보 없이 제어 채널과 데이터 채널을 디코딩 할 수 있는 기법이 필요하며, 더 나아가 제어 채널과 데이터 채널 디코딩을 병렬적으로 처리할 수 있는 새로운 전송 기법이 요구된다[44].
2. Pilot-less One-shot Packet Transmission
축센싱(compressed sensing, CS) 기법에 기반한 희소 벡터 복원 알고리즘을 사용 한다. 디코딩 수행 시, 𝒔의 서포트를 복원하는 것이 목적이기 때문에 정확한 값을 추정하지 않아도 된다. 이는 iterative 알고리즘에서 추정에 따른 에러를 방지할 수 있기 때문에 SVC의 디코딩 성능이 좋아진다. 본 연구에서 제안하는 pilot-less 단발성 패킷 전송 기법에서는 본 절에서 언급한 SVC의 인코딩과 디코딩을 활용하고자 한다
.
나. Pilot-less 단발성 패킷 구조 및 인코딩
제안하는 기법에서 사용하는 패킷의 특징은 1) 파일럿 심볼이 없는 패킷 구조와 2) 제어 정보와 데이터를 서로 다른 종류의 서포트를 사용하여 인코 딩한다는 점이다. 우선, 제어 정보와 데이터 인코딩에 활용되는 블록단위 서포트 (block-level support)와 코드단위 서포트(code-level support)를 정의하고자 한 다.
(그림 5-1-3) 블록 단위 서포트와 코드 단위 서포트의 예
위 그림에서 𝒙는 데이터 정보가 code-level 서포트에 인코딩 된 희 소 벡터, 𝑪는 코드북 매트릭스, 𝒔는 스프레딩 된 주파수 축 심볼 벡터이다. 희소 벡터 𝒙 는 user에 따라 블록 단위로 나뉘어져 있으며 (위 그림에서는 𝐵1, ⋯ , 𝐵5), 이에 따른 블록 단위의 스프레딩이 𝑪를 통해 수행된다. 그 결과, 𝒔도 블록 단위의 희소 벡터이다. 블록 단위 서포트는 주어진 블록 중에서 0이 아닌 원소가 존재하 는 블록의 인덱스 집합을 의미하며 이는 𝒔의 서포트를 의미한다. 예를 들어 위 그
림에서 블록 단위 서포트 𝛺𝒔는 {1, 4}이다. 코드 단위 서포트는 블록 단위 서포트 에 해당하는 블록에서의 0이 아닌 원소의 인덱스 집합이다. 예를 들어, 위 그림에 서의 코드 단위 서포트는 𝒙의 𝐵1에서의 서포트 (𝛺𝒙𝐵1={2})와 𝐵4에서의 서포트 (𝛺𝒙𝐵4={1, 3}) 이다. 주목할 점은 각각의 블록이 각 user에 해당하기 때문에 블록 단위 서포트는 user 인덱스와 같다. 그러므로, 블록 단위 서포트를 복원함으로서 user 디코딩을 수행하게 된다.
𝑁𝐵를 총 블록 개수, 𝐾𝐵를 0이 아닌 원소가 포함된 블록 개수, 𝐾𝐵𝑖를 𝐵𝑖 블록에서 0이 아닌 원소의 개수, 𝑁은 𝒙의 차원이라 할 때, 블록 단위 서포트를 사용하여 𝑁𝐵 bit의 정보 (user 정보)를 전송할 수 있으며, 코드 단위 서포트를 사용하여 ∑
𝑖⌊𝑙𝑜𝑔2(𝑁 𝑁𝐾⁄ 𝐵
𝐵𝑖 )⌋ bit의 정보를 인코딩할 수 있다. 이처럼, 단발성 패킷에서 는 user 정보를 블록 단위 서포트를 통해 전송하고, 나머지 제어 신호와 데이터를 코드 단위 서포트에 맵핑하여 전송한다.
다. Pilot-less 단발성 패킷 전송 및 디코딩
(그림 5-1-4) Pilot-less 단발성 패킷 전송의 블록도
제안하는 pilot-less one-shot packet transmission의 볼록도는 위 그 림과 같다.
Transmit information은 제어 신호와 데이터를 포함하며, 이는 블록 단 위 희소 맵핑(block-wise sparse mapping)을 통해 블록 단위 서포트와 코드 단 위 서포트로 맵핑된다. 다음 그림은 인코딩의 한 예를 나타낸 것이다.
(그림 5-1-5) 블록 단위 희소 맵핑의 예
- 전송하고자 하는 user에 해당하는 블록을 통해 블록 단위 서포트 𝛺𝒔, 블록 단위 희소도(block-level sparsity) 𝐾𝐵를 정함.
- 채널 상태 𝒉를 통해 각 블록에서의 희소도 𝐾𝐵𝑖를 결정.
- 하향링크 데이터에 따라 블록 단위 서포트에 포함된 블록의 코드 단위 서포트에 정보를 맵핑함.
Block-wise sparse mapping에서 생성된 희소 벡터 𝒙는 block-wise random spreading을 통해 주파수 축 신호 𝒔에 자원 맵핑이 된다. 이 후, inverse fast Fourier transform (IFFT)를 거처 시간 축 샘플(time-domain sample)로 변 환되어 채널을 통해 수신단으로 전송된다. 수신단에서는 수신 신호 𝒚를 가지고 병 렬 희소 벡터 복원(parallel sparse vector recovery)를 통해 블록 단위 서포트와 코드 단위 서포트를 복원한다. 병렬 희소 벡터 복원을 통한 디코딩 과정을 구체적 으로 나타낸 그림은 다음과 같다.
(그림 5-1-6) 병렬 희소 벡터 복원의 블록도
병렬 희소 벡터 복원은 위 그림에서 보는 바와 같이, 병렬 단계 1(parallel stage 1)과 병렬 단계 2(parallel stage 2)로 나뉘어져 있다. 병렬 단계 1은 전송되는 시간도메인 샘플(time-domain sample)을 모두 수신하지 않고, 일 부 𝑚개의 샘플만 수신하여 블록 희소한(block sparse) 벡터 𝒔의 서포트를 복원한 다. 즉, 블록 단위 서포트를 복원하는 것이며, 이로써 user 디코딩을 수행하는 것 이다. 병렬 단계 1에서 수신된 신호 𝒚̃는 다음과 같이 표현되며,
𝐲̃ = 𝜫𝒚
= 𝜫(𝑯𝑭∗𝒔 + 𝒗) = 𝜫(𝑭∗𝜦𝑭)𝑭∗𝒔 + 𝐯̃
= 𝜫𝑭∗𝜦𝒔 + 𝒗̃
𝜫 ∈ ℝ𝑚×𝑁 는 첫번째 시간도메인 샘플부터 𝑚 번째 샘플까지 샘플링을 나타내는 행렬, 𝑯 ∈ ℂ𝑁×𝑁 는 circulant matrix인 채널 행렬, 𝑭∗∈ ℂ𝑁×𝑁 는 IDFT matrix, 𝜦 ∈ ℂ𝑁×𝑁 는 주파수도메인 채널 계수(frequency-domain channel coefficient) 행렬을 나타낸다. 𝑨 = 𝜫𝑭∗과 𝐬̂ = 𝜦𝒔 로 설정하면, 𝐲̃ 는 다음과 같 이 표현할 수 있으며,
𝒚̃ = 𝑨𝒔̂ + 𝒗̃
𝑨 는 𝑭∗ 행렬의 첫번째 행부터 𝑚 번째 행까지로 구성되는 부분 행렬 (submatrix)이다 (아래 그림 참조)
(그림 5-1-7) Parallel stage 1의 희소 벡터 복원 모델
𝐬̂ 과 𝒔 의 블록 단위 서포트가 같기 때문에 𝑨를 센싱 행렬로 사용하
여 희소 벡터 𝒔의 블록 단위 서포트를 복원할 수 있다. 병렬 단계 1에서 𝑭∗의 부 분행렬을 센싱 행렬로 사용할 때, 𝑭∗의 모든 원소는 알고 있는 상태이기 때문에 채널 정보 없이 희소 벡터 복원을 수행할 수 있다. 즉, 채널 추정 단계를 수행하지 않아도 된다는 이점이 있으며, 이는 𝑇𝑝𝑟𝑜𝑐를 줄일 수 있다.
다음으로는 병렬 단계 2에서의 희소 벡터 복원 과정을 설명하고자 한 다.
(그림 5-1-6)
)에서 보는 바와 같이 병렬 단계 2는 전송되는 시간도메인 샘 플 𝑁개를 수신하여 FFT 를 수행한다. 이와 같은 일련의 과정을 통해 얻어진 측정 치 𝒚̂ 는 다음과 같이 표현할 수 있다.𝒚̂ = 𝑭(𝑯𝑭∗𝒔 + 𝒗)
= 𝑭(𝑭∗𝜦𝑭)𝑭∗𝑪𝒔 + 𝐯̂
= 𝜦𝑪𝒙 + 𝐯̂
𝒙는 코드 단위 서포트를 가지는 희소 벡터이고, 𝜦𝑪는 랜덤하게 생성된 행렬이기 때문에, 압축 센싱을 통해 코드 단위 서포트의 복원이 가능하다 (아래 그림 참조).
(그림 5-1-8) Parallel stage 2의 희소 벡터 복원 모델
하지만, 제안하는 기법에서는 파일럿을 통한 채널 추정 단계가 없기 때 문에 𝜦의 값을 알 수 없다. 𝜦는 대각행렬(diagonal matrix)이기 때문에 센싱 행렬 𝜦𝑪는 𝑪의 행 벡터에 일정한 상수로 스케일링(scaling) 된 형태를 가진다. 그러므
로, 𝑪 를 센싱 행렬로 사용하여 희소 벡터를 복원하더라도 측정치 𝐲̂ 와의
소한다. 예를 들어, 𝑚 = 256인 경우에 𝑇𝑝𝑟𝑜𝑐는 1/4 (i.e., 256/1024) 로 줄어들게 된다.
(그림 5-1-9) SNR에 따른 블록 단위 서포트 복원 성능 (측정치 수 𝒎 변경)
(그림 5-1-10)
)은 SNR에 따른 블록 단위 서포트 복원성능을 여러 블록 희소도(𝐾𝐵)를 사용하여 나타낸 것이다. 본 시뮬레이션에서 총 블록의 수는 32이며, 블록 희소도로서 𝐾𝐵= 2, 𝐾𝐵 = 4, 𝐾𝐵= 8을 사용하였다. 또한, 공통적으로 256개의 시간도메인 샘플을 사용하여 블록 희소 벡터 복원을 수행하였다.(그림
5-1-10)
)에서 보는 바와 같이 블록 단위 서포트 디코딩 성공 확률은 블록 희소 도에 상당히 영향을 받음을 알 수 있다. 특히, 𝐾𝐵가 8 이상의 경우에 대해서는 블 록 단위 서포트 복원 성능이 매우 나빠짐을 알 수 있다. 이는 𝐾𝐵= 8 의 경우에, 1024 크기의 블록 단위 희소 벡터 𝐬에서 0이 아닌 원소의 개수가 256 (32 × 8)이 기 때문에 희소도 관점에서 복원 성능을 악화시킨다.(그림 5-1-10) SNR에 따른 블록 단위 서포트 복원 성능 (블록 희소도 𝑲𝑩 변 경)