Wireless Transmission Technology in Multi-point to Multi-point Comunications

다점대다점 환경에서 이론적 한계 도달을

위한 무선전송기술 개발

2018년 12월

Wireless Transmission Technology in Multi-point to Multi-point

Comunications

인 사 말 씀

우리나라는 최초로 2 세대 이동통신 기술인 CDMA 기술 개발 성공으로 이동통신 분야에서 세계 최강국으로 발돋움하였으며, 3 세대, 4 세대 및 5 세대 이동통신 기술개발을 통하여 이동통신 산업 분야가 국가 경제 발전의 핵심 산업임과 동시에 미래 우리나라를 견인할 신성장 동력의 기반 산업으로 자리매김을 하게 되었습니다. 이동통신은 이제 통신 자체로서의 의미보다 네트워크 사회에서 새로운 매체 및 서비스와 결합해 우리 일상 생활에 녹아 들어가고 있으며, 대용량 데이터 뿐 아니라, 저지연, 대규모 연결 등 다양한 서비스 제공을 요구하고 있습니다. 이러한 사용자들의 요구를 충족시키기 위하여 미국, 유럽, 일본, 중국 등 선진국들의 산업체에서는 관련 분야의 핵심 요소 기술들을 기반으로 수직적 통합 및 수평적 협력을 통하여 그 영향력을 확대하고 있습니다. 이미 우리나라의 이동통신 기술은 세계적인 수준을 유지하고 있으나, 차세대 이동통신 핵심 요소 기술의 확보가 미흡하여 중국 등 후발 업체의 추격을 받고 있는 상황입니다. 미래에 필요하게 될 기술이 어떻게 발전해 갈 것이며, 이러한 기술 예측을 기반으로 한 원천 기술을 확보하는 것은 국가 기술 경쟁력을 확보하는 데 아주 중요합니다. 본 연구에서는 이러한 미래기술로 발전하기 위한 원천기술로서, 네트워크 정보이론에 기반하여 연결될수록 용량도 증가하고 이것이 곧 이론적 한계치인 무선전송 기술 연구를 수행하였습니다. 본 연구는 이론적 한계에 도달하는 기술 개발이라는 어려운 시도를 하였고, 일부 환경에서 이론적 한계에 도달하는 방안을 제시하였습니다. 이러한 결과를 확장하여 더 큰 성과를 달성하기 위한 기반 기술로 활용할 예정입니다. 또한, 다양한 미래 기술 발굴과 더불어 연구된 기술을 확장시키기 위한 사업을 기획하였습니다. 이러한 기술에 대한 연구 방향이 미래에 닥칠 다양한 통신 환경의 문제와 트래픽 데이터 빅뱅을 극복하는 원천 기술로서의 역할을 다할 수 있기를 기대하며, 그 동안 불철주야 연구개발에 몰두하여온 연구원들의 노고에 감사를 드립니다.

2018년 12월

한국전자통신연구원장 이 상 훈

제 출 문

본 연구보고서는 주요사업인 “다점대다점 환경에서 이론적 한계

도달을 위한 무선전송기술 개발”의 결과로서, 본과제에 참여한

아래의 연구팀이 작성한 것입니다.

2018 년 12 월

연구책임자 : 책임연구원 김근영 (미래이동통신연구본부)

연구참여자 : 선임연구원 명정호 (미래이동통신연구본부)

연 구 원 서지훈 (미래이동통신연구본부)

책임연구원 최인경 (미래이동통신연구본부)

책임연구원 홍승은 (미래이동통신연구본부)

위촉연구원 조연옥 (미래이동통신연구본부)

위촉연구원 전영환 (미래이동통신연구본부)

책임연구원 신동진 (미래이동통신연구본부)

책임연구원 안지환 (미래이동통신연구본부)

요 약 문

Ⅰ. 제목

다점대다점 환경에서 이론적 한계 도달을 위한 무선전송기술 개발

Ⅱ. 연구목적 및 중요성

가. 연구개발의 목적

본 연구는 연결 수가 증가할수록 용량도 함께 증가하는 이론적 한계 도달 무선전송기술 개발하는 것이 목적이다. 기존 방식인 간섭을 회피하는 직교 방식의 문제점인 연결 수 증가에 따른 연결당 용량 감소 문제 해결을 위해, 다수의 사용자가 동일한 지원에서 동시에 신호를 송수신하며, 이로 인해 발생하는 간섭을 적극적인 제어 방식을 제시하였다. 간섭을 복호하기 위한 이론적 연구와 더불어, 간섭 제어 빔포밍 연구, 오류정정 부호 연구를 수행하였으며, 고도의 복잡도를 가지는 방식 실현을 위해 딥러닝 기술을 활용하였다. 이와 더불어, 압축 센싱 기반 초지연 전송 기술, 무선 캐싱 기술, 분산 컴퓨팅과 통신 방식, 물리계층 보안 등 다양한 변혁적 기술을 발굴하였으며, 본 연구에서 개발하고 발굴한 기술을 지속적으로 발전하기 위해 관련 기술에 대한 동향 및 특허 조사와 사업 기획을 수행하였다. 지금까지의 무선통신은 사용자간 간섭을 받지 않도록 하기 위해 자원을 겹치지 않게 사용하는 직교화 방식을 이용하기 때문에, 연결 수가 증가할수록 할당되는 자원이 줄어들어 사용자당 전송율이 감소된다. 또한, 회피되지 못한 통신 사용자간 간섭에 대해서는 잡음처럼 취급하였다. 이러한 직교 방식 기반 통신기술은 사람 뿐아니라 IoT 단말 등 통신을 하려는 연결 수가 많아지면 결국은 통신이 불가한 문제가 발생한다. 이러한 문제를 해결하기 위해, 5G 는 대역폭 확대, 주파수 효율 향상, 기지국 확대 등을 통해 시스템 총용량을 확대하는 방식으로

개발되고 있다. 하지만, 여전히 직교 방식에 기반하고 있어, 연결 수가 늘어나면 결국에는 사용자당 용량이 줄어드는 문제를 피할 수 없다, 본 연구는 이러한 문제를 해결하기 위해, 연결수가 늘어날수록 용량이 증가하는 전송기술을 다루었다. 즉, 연결 수가 증가하더라도 연결당 용량이 보장되고, 시스템 총용량도 연결수에 비례하여 증가하기 때문에 무제한 연결이 가능하게 된다. 다수 단말간 연결 및 용량 문제를 해결하기 위한 궁극적인 방안은 연결 수에 비례하여 용량이 증가하는 이론이 허용하는 한계까지 데이터를 전송할 수 있는 무선전송기술 개발이다. 이러한 문제를 근본적으로 다루고 있는 분야가 네트워크 정보이론이다. 네트워크 정보이론은 기존 하나의 송신기와 하나의 수신기로 이루어진 점대점 환경 정보이론을 다수 송수신기로 구성된 다점대다점 환경으로 확장한 이론이다. 현재까지의 무선전송기술은 다수 송수신기 송수신하는 신호를 직교 방식을 통해, 통신환경을 점대점 환경으로 근사화하였다. 이러한 점대점 기반 통신 방식은 복잡도는 감소하나, 이론적 한계에 미달하는 전송율을 제공한다. 반면, 다점대다점 기반 전송기술은 연결 수 증대에 비례한 용량을 제공하여 용량 문제의 궁극적인 해결이 가능하나, 간섭을 적극적으로 제어하기 위해 고도의 복잡도를 가지며 아직까지도 이론적 전송한계는 규명되지 않은 부분으로 남아있다. 먼저 이론적인 부분으로, 다점대다점 환경에서 간섭을 적극적으로 제어하기 위해, 현재까지의 통신 방식인 간섭 회피나 간섭의 잡음처리 방식이 아닌, 간섭의 합을 복호하기 위해 이론적인 기반을 연구하고자 하였다. 간섭의 합을 복호하기 위해, 사용자가 같은 선형 부호화 방식을 공유하는 상동 부호화 (homologous coding) 방식을 활용하고자 하였다. 동형 부호화를 활용하면, 간섭의 합 역시 부호의 일부가 되어 복호가 가능하며, 부호 과정에서 shaping 및 채널 변환 과정을 통해, 다중 접속 채널 (multiple access channel) 에서 용량 손실 문제도 이론적으로 해결 가능하다.

다수 송수신기로 구성된 간섭채널에서 연결 수 증대에 비례하여 용량이 증가하는 통신기술 기술 개발을 위해 간섭제어 빔포밍 기술을 연구하고자 하였다. 간섭채널에서 빔포밍 기술은 고도의 복잡도를 가지므로, 저복잡도 구현

가능하면서 전송율 손실을 최소화하기 위해 딥러딩을 활용하였다. 딥러닝을 간단히 표현하면, 입력에 대해, 원하는 출력이 나오도록 하는 함수 근사화로 볼 수 있다. 빔포밍 관점에서는 입력이 채널정보, 출력이 송수신 빔포밍 행렬이며, 컴퓨터를 통해, 채널정보에 대응하는 최적의 전송율을 달성하는 빔포밍 행렬을 생성하여 학습 데이터로 활용하였다. 학습 데이터로 사용되지 않은 테스트 데이터를 통해, 딥러닝 기반 빔포밍 기술의 검증 및 분석을 위한 시뮬레이션을 수행하였다. 다점대다점 통신 환경을 위한 실용적 오류정정 부호 기술을 연구하고자, 우선, 간섭환경에서의 기존 극 부호 기술 대비 우수한 성능을 갖는 극 부호화 알 고리즘 및 딥러닝 기반으 고성능 복호기 구조를 개발하고, 제안 기술에 대한 검증 및 성능(오율, 복잡도)등의 분석을 위한 시뮬레이션을 수행하였다. 오류정정 부호 는 입력과 출력이 같은 값이 나오는 autoencoder로 볼 수 있어, 학습데이터를 얻 기가 수월하기 때문에, 딥러닝 관련 연구가 활발하게 이루어 지고 있으나, 부호 길 이 증가에 따른 복잡도 문제가 풀기 어려운 부분이다. 본 연구는 연결 수가 증가할수록 용량도 함께 증가하는 이론적 한계 도달 무선전송기술 개발과 더불어, 미래 유망 기술 발굴을 위해, 압축 센싱, 무선 캐싱, 분산 컴퓨팅, 물리계층 보안 기술 연구를 수행하였다. 압축 센싱은 송신된 것 보다 적은 수의 수신 데이터로 원래 송신 데이터를 복구하는 기술로 볼 수 있으며, 긴 수신 신호 대신 일부 수신 데이터만으로 원래 데이터를 복조할 수 있다면 초저지연 실현을 위한 기반 기술이 될 수 있다. 본 연구에서는 저지연 실현을 위해, 패킷 전송 시간 감소와 채널 추정과 피드백으로부터 발생하는 지연시간을 줄이는 연구를 수행하였다. 무선 캐싱은 값산 메모리를 통신 용량 증대로 전환하는 기술로 볼 수 있으며, 본 연구에서는 얻기 어려운 컨텐츠 선호도 확률분포가 아닌 과거 사용자 컨텐츠 요구 정보에만 기반하는 무선 캐싱 기법을 연구하였다. 많은 양의 연산을 처리하기 위한 분산 컴퓨팅에서도 통신에서 활용하는 오류정정 부호 기법이 활용되고 있으며, 통신 병목 문제와 연산 시간 차이 문제를 해결하기 위한 연구를 수행하였다. 무선통신에서 취약할 수 있는 보안 문제를 해결하기 위해, 다중 안테나를 이용하여, 도청자의 채널이 더 좋은

경우에도 빔포밍과 재밍 신호를 통해 물리계층 보안을 달성하기 위한 연구를 수행하였다. 개발 및 발굴된 기술의 지속적 발전을 위해, 동향 및 특허 조사를 수행하였으며, 사업 기획에도 적극적으로 참여하였다. 딥러닝의 부상은 무선통신 전송 및 접속 분야에 새로운 가능성을 제공하고 있으며, 최근 무선 통신의 거의 전분야에서 활용 가능성에 대한 연구가 활발히 수행되고 있다. 관련 동햐 및 특허 조사를 보고서 마지막에 추가하였다. 본 연구를 통해 개발되고 발굴된 기술은 새로운 연구 사업 기획에 활용되었으며, 5G 이후 미래 무선통신기술에 새로운 씨앗이 될 것으로 기대된다.

나. 연구개발의 중요성

전술한 바와 같이 폭증하는 무선 데이터 수용을 위한 방안으로 주파수 대역폭 확대, 주파수 자원 효율 증대 및 셀 소형화 등이 강구되고 있으나, 보다 근본적인 해결을 위해서는 기존 통신 기술의 한계를 뛰어 넘어, 사용자가 연결될수록 용량이 증가하고, 이론적 한계까지 도달하는 기술 연구가 필요하다. 정보이론은 통신분야에서 혁신적인 전송방식들을 제시하며 기술 발전을 주도하고 있으나 실제 구현까지는 많은 어려움이 존재하는 분야로, 기술 발전의 비약적인 도약을 위해서는 해당 분야에 대한 선제적 연구개발이 중요하다. 수십조에 달하는 이동통신 시장에서 세계 각국은 기술 주도권 확보를 위해 치열한 경쟁을 하고 있으며, 5G 이후 기술 주도권을 우리나라로 전환하기 위해서는 핵심·원천기술 개발이 중요하다. 유럽·미국 등의 기술 주도, 중국의 기술 약진으로 인해, 이동통신 분야에서 우리나라의 기술 주도권 확보가 쉽지 않은 상황으로, 기술 우위를 선점하기 위해서는 변혁적인 핵심·원천기술 확보와 더불어 독창적인 세계최고 기술 확보가 필요하다. 국가 경쟁력을 향상하기 위해서는 기술 개발 성공 여부가 담보되지 않아 일반 기업이 투자하기 힘든 본 연구와 같은 high risk high return 기술 개발이 중요하다.

Ⅲ. 연구내용 및 범위

o 다점대다점 환경 (간섭채널) 이론적 전송 한계 연구 3 단계 - 간섭환경 이론적 한계 심화 연구 - 구조화된 선형 부호화를 적용한 상동 부호화 (Homologous coding) 방식 연구 o 비직교 무선전송/접속 핵심기술 고도화 - 다중안테나 간섭채널에서 이론적 한계도달을 위한 비직교 빔포밍 기술 고도화 - 실제 시스템에 적용을 위한 딥러닝을 활용한 고복잡도 빔포밍 구현 기술 고도화 - 시뮬레이션을 통한 성능 검증 o 간섭채널 부호화 기술 고도화 - 간섭채널을 위한 극부호화 기술 고도화 - _{딥러닝을 활용한 극부호화 복호 기술 고도화} - 시뮬레이션을 통한 성능 검증 o 유망 무선전송 기술 연구 - 압축센싱을 활용한 초저지연 기술 고도화 - 다양한 사물인터넷 서비스 요구수준을 반영한 무선캐싱 기술 연구 - _{분산처리 시스템을 위한 통신 방식 연구} - 물리계층 보안을 위한 전송 기법 연구 - 딥러닝을 활용한 무선 전송 접속 기술 동향 연구 - 딥러닝 무선통신 관련 특허 동향 조사

Ⅳ. 연구결과

o 다점대다점 환경 (간섭채널) 이론적 전송 한계 연구 3 단계

- 랜덤 부호화 방식이 아닌, 구조화된 상동 부호화 방식을 활용하여, 다수

수신기 다중접속채널(multi-receiver multiple access channels) 및 가우시안 다중접속채널에서 이론적 한계 도달 가능 규명: shaping 및 채널 변환 기법 조합을 통해 한계 도달 가능 - 상동 부호화 방식을 활용한 간섭의 합 복호를 위한 computation 용량 한계 규명: 브로드캐스트 채널에서 활용하는 Marton 부호화 방식을 사용한 최적 달성 가능 전송율 제시 - 3 사용자 간섭채널에서 상동 부호화를 통해 달성 가능한 전송율 규명: computation 용량과 결합하여 간단한 가우시안 간섭채널에서 달성 가능한 전송율 제시 - 다중안테나 브로드캐스트 채널에서의 초기 결과 o 비직교 무선전송/접속 핵심기술 고도화 - _{다중안테나 간섭채널에서 사용자가 연결될수록 용량이 증가하는 빔포밍} 방식 고도화 - 실제 시스템에 적용을 위한 딥러닝을 활용한 고복잡도 빔포밍 구현 기술 고도화 - Rician 및 Rayleigh 채널 환경에서 시뮬레이션을 통한 딥러닝 기반 빔포밍 방식 성능 검증 o 간섭채널 채널 부호화 기술 연구 - 다중접속 채널을 위한 극부호 설계기술 개발 - 다중접속 채널 극부호의 채널 적응적 복호기법 개발 - 천공된 극 부호에 대한 학습 기법 / 신경망 구조별 복호기의 성능 분석 - _{모부호 또는 천공된 부호로 학습된 복호기의 천공된 부호에 대한 성능} 비교

- 다양한 천공 부호에 대해 우수한 성능을 가지는 효율적인 학습 방법 연구 - _{여러 신경망 구조의 복호기의 천공 부호에 대한 성능 분석} - _{다양한 부호율을 지원하기 위한 신경망 복호기의 효율적인 학습 방법} 연구 - 딥러닝 기반 극부호 복호기에서 활성화 함수의 영향에 대한 연구 - _{시뮬레이션을 통한 성능 검증 및 분석} o 유망 무선전송 기술 연구 - 압축센싱을 활용한 초저지연 기술 고도화: 희소 벡터 인덱스 맵핑 전송 및 희소 신호 복원 알고리즘을 통한, 패킷 전송/처리 시간 감소와 채널 추정 피드백에 의한 지연시간 감소 기술 연구 - 다양한 사물인터넷 서비스 요구수준을 반영한 무선캐싱 기술 연구: 컨텐츠 최적 캐싱을 위한, 시변 특성 컨텐츠 선호도 확률 모델 개발 및 실측 데이터 연동 방안 연구 - 분산처리 시스템을 위한 통신 방식 연구: 부호 이론 개념을 응용한 분산 컴퓨팅 시스템에서 communication 및 straggler 병목 해결 방안 연구 - _{물리계층 보안을 위한 전송 기법 연구: 다중안테나를 활용한 다중 공간} 차원 임계값 기반 비밀 데이터 전송 기법 연구 - 딥러닝을 활용한 무선 전송 접속 기술 동향 연구: 딥러닝 개요, 무선통신과 연계성 및 딥러닝을 활용한 무선 전송/접속 기술 동향 조사 - _{딥러닝 무선통신 관련 특허 동향 조사: 딥러닝 기반 비직교 전송/접속} 기술 및 통신 특화 딥러닝 기술에 대한 특허 동향 조사

Ⅴ. 연구개발결과의 활용계획

o 무선통신 분야 기술 리더쉽 확보를 위한 씨앗기술로 활용 - _{치열한 기술 경쟁이 벌어지고, 급변하는 시장에 대응해야 하는 무선통신} 분야에서 국내 산업계의 핵심원천기술 확보에 밑거름으로 활용

- 이동통신/무선랜 등 다양한 통신시스템에서 데이터 전송을 위한 모뎀 기술의 핵심/원천기술로 활용 - _{기술 우위를 선점하기 위한 변혁적인 기술 확보에 활용} o 5G 이후 미래 원천 기술 개발 기획에 활용 - ETRI 지원금 사업, ICT 미래원천 예타, 6G 예타 등 고위험/도전형 미래 원천기술 개발 사업 기획에 횔용

Ⅵ. 기대성과 및 건의

o 다수의 송수신기로 구성된 일반적인 무선통신환경에서 이론적 한계 제시와 한 계도달 기술 개발을 통한 무선통신 기술 선도 - 5G 이후 차세대 이동통신시스템의 핵심요소 기술인 간섭제어 기반 기술로 활용되어 우리나라 기술 주도권 확보에 기여 - _{미래 유망 기술 발굴을 통해 핵심원천 기술 경쟁력 확보에 기여}

ABSTRACT

I. Title

Wireless Transmission Technology in Multi-point to Multi-point

Communications

II. Objectives and Importance of Research and Development

A. The objectives of research and development

The objectives of research is to develop a capacity-approaching wireless transmission technology in which the sum capacity increases as the number of connections increases. In order to solve the problem in current communication systems that per-user capacity decreases as the number of connections increases, which is a fundamental problem of the orthogonal multiplexing / multiple access based communication systems that avoid inter-user interference by making resources for each inter-user non-overlapping, we suggest non-orthogonal communication methods in which many users communicate concurrently and using resources overlappingly with the help of interference mitigating methods. Along with the theoretical study for interference decoding technics, interference handling beamforming methods and error correcting technics have been studied. Also, deep learning technics have been used to realize highly complex communication methods. In addition, various transformational technologies such as compressive sensing based low latency transmission technology, wireless caching technology, communication methods for distributed computing systems, physical layer security technology have been discovered. Furthermore, in order to continue the development of the technologies discovered in this research, we conducted research on patent

trends and following research projects.

Since the conventional wireless communication technologies use an orthogonalization method in which resources for each user are not overlapped to avoid inter-user interference, the amount of resources allocated to each user is reduced and the transmission rate per user is reduced as the number of connections increases. Also, interferences that cannot be avoided is simply treated as noise. Such orthogonal method based communication technologies have a problem that communication becomes impossible when the number of communication connections such as IoT terminals as well as people increases. To solve this problem, 5G is being developed to increase the total capacity of a system by expanding the system bandwidth, improving the frequency efficiency, and increasing the number of base stations. However, since it is still based on orthogonal schemes, the problem of per-user capacity reduction is inevitable. This study proposes transmission techniques that increase the total system capacity as the number of connections increases. That is, even if the number of connections increases, the capacity per connection is guaranteed, and the total capacity of the system also increases in proportion to the number of connections, thereby enabling unlimited connections. The ultimate solution to solve the connectivity and capacity problems among multiple terminals is to develop a wireless transmission technology that enables to transmit data up to a theoretical limit with the increase of the number of connections.

Network information theory is the field that fundamentally deals with these problems. In network information theory, the point-to-point environment information theory consisting of one transmitter and one receiver is extended to a multipoint-to-multipoint environment consisting of multiple transceivers. Up to now, common wireless transmission technologies have approximated the multipoint-to-multipoint environment to the point-to-point environment through the orthogonalization methods. This point-to-point

communication scheme reduces the overall complexity but provides a data rate below the theoretical limit. On the other hand, multipoint-to-multipoint based transmission technologies can provide a capacity enhancement proportional to the number of connections, so that the capacity problem can be solved ultimately. However, it requires high-complexity communication technics and the exact theoretical transmission limit still remains unknown.

First, in theoretical part, we study the theoretical basis for decoding the sum of the interference, instead of the communication method of interference avoidance and treat-interference-as-noise, to proactively control the interference in a multipoint-to-multipoint environment. To decode the sum of interference, a homologous coding scheme in which users share the same linear coding scheme is used. Using the homologous coding, the sum of the interference can be decoded as another codeword, and the capacity loss problem can be theoretically solved in the multiple access channel through the shaping method and channel conversion in the coding process.

An interference-managing beamforming technology is studied to develop communication technology in which the total system capacity increases in proportion to the number of connections in an interference channel composed of multiple transceivers. Since the beamforming technique in the interference channel has a high degree of complexity, we used deep learning technic to implement the beamforming methods working with low computational complexity. Deep learning can be seen as a function approximation that yields the desired output for the arbitrary input. From the viewpoint of beamforming, the input is channel information and the output is a transmitting / receiving beamforming matrix. Through the computer simulation, beamforming matrices for achieving an optimal transmission rate corresponding to channel information are generated and used as training data. Validation for verification and analysis of deep learning based beamforming technology was performed through test

data which are not used as training data.

In order to study the practical error correcting coding technique for a multipoint-to-multipoint communication environment, we first developed an advanced polar codes encoding & decoding algorithm and a deep learning based decoder structure with superior performance compared to the existing polar coding technique, and conducted computer simulations to verify and evaluate the performance (error rate, complexity) of the proposed methods. Since the entire path of the encoding and decoding of error correction codes can be seen as an autoencoder in which the input and output are the same, it is easy to obtain the data for training phase. Research on deep learning based channel decoding is actively performed, but the problem of complexity increasing due to the increase of code length is difficult to solve .

In this research, we have developed the theoretical limit-approaching wireless transmission technology in which the total system capacity increases along with the number of connections increases. In addition, we have studied compressive sensing, wireless caching, distributed computing, and physical layer security technologies to discover promising communication technologies in the future. Compressive sensing is a technique to recover original transmission data with a smaller number of received data than that transmitted. If the original data can be demodulated with only some of received data instead of a entire received signal. Based on compressive sensing technology, we study the reduction of the packet transmission time and the delay from the channel estimation and feedback. Wireless caching can be regarded as a technology to convert the memory capacity into the communication capacity increase. In this research, we have studied wireless caching technique which relies on content request history information rather than content preference probability distribution which is difficult to obtain. In distributed computing for processing a large amount of computations, error

correction coding techniques used in communication are utilized, and researches have conducted research to solve communication bottleneck problem and computation straggler problem. In order to solve security problems that may be crucial in wireless communication, we have conducted research to achieve physical layer security through beamforming and jamming signals even when the eavesdropper channel is better, using multiple antennas. In order to continue the development of the covered technologies, we conducted trend analysis and patent investigations, and actively participated in the planning process of follow-up research projects. The emergence of deep learning offers new possibilities in wireless communication transmission and access technologies, and studies into the possibility of application of deep learning in almost all fields of wireless communication have been actively carried out. We have appended related research and patent trends at the end of the report. The technology developed and discovered through this research has been utilized in the planning of new research projects and it is expected to become a new seed for future wireless communication technologies after 5G.

B. The importance of research and development

As described above, solutions for growing mobile data traffic have been proposed such as securing new frequency bands, increasing the spectral efficiency and reducing the size of the cell. However, in order to solve the fundamental problem, research for reaching the theoretical limit is needed. The information theory suggests innovative transmission methods in the field of communication and is leading the technological advancement, but there are many difficulties to actual implementation. Preemptive research and development for the field is important for the rapid advancement of technology development.

countries around the world are fiercely competing to secure technology leadership, and it is important to develop core technologies in order to transform technology leadership after 5G into Korea. It is not easy to secure Korea's technology leadership in the mobile telecommunication sector due to the existing technology leadership of Europe and the United States and the rapid technological advance of China. In order to prevail the technological advantage, it is necessary to acquire core technology and original technology. In order to improve the national competitiveness, it is important to develop high risk high return technology like this study which is difficult for general companies to invest since success of the technology is not guaranteed.

III. Contents and Scope of the Research and Development

o Research on the theoretical transmission limit of multipoint-to-multipoint environment (interference channel) – Phase 3

- Further research on the theoretical limit of interference channel environment

- Research on structured linear coding-based homologous coding

o Further research on non-orthogonal wireless transmission/access technologies

- Further development of beamforming technique for non-orthogonal transmission in multi-antenna interference channel

- Further development of high complexity beamforming implementa tion technology using deep learning for real system application - Performance verification through simulation

- Polar code technology for interference channel - Deep learning-based polar code decoding technology - Performance verification through simulation

o Research on promising wireless transmission technology

- Study of compressive sensing-based low latency communication technology

- Wireless caching technology to meet various requirements of IoT services

- Communication method for efficient distributed computing systems - Physical layer security technology

- Research trends on wireless transmission and access technologies using deep learning

- Patent trends on wireless transmission and access technologies using deep learning

IV. Research Results

o Research for the theoretical transmission limit of multipoint-to-multipoint environment (interference channel) – Phase 3

- For an alternative of random coding, which is a conventional method of reaching the limit, a structured coding scheme can be used to reach the theoretical limit in multi-receiver multiple access channels and Gaussian multiple access channels with the combination of shaping and channel transformation technics.

- Showed the computation capacity limit for sum decoding of interference using homologous coding scheme: The optimal achievable rate is demonstrated using Marton coding scheme used in broadcast channel.

- Identified the achievable rate through homologous coding in a three-user interference channel: Combined with the computation capacity to present the achievable rate in a simple Gaussian interference channel

o Beamforming techniques for interference channel

- Development of a theoretical limit achieving beamforming method in which the total system capacity increases as the number of users increases in multi-antenna interference channel

- We develop and apply the wireless transmission technology based on deep learning as a method to apply the high complexity wireless transmission technology to the real communication system.

- Performance verification through simulation in Rician and Rayleigh channel environments is conducted

o Study on channel coding technology in interference channel

- Development of polar code design technology for multiple access channel - Development of channel adaptive polar code decoding scheme for multiple

access channel

- Research on training method of deep learning-based decoder for punctured polar codes

- Performance evaluation of deep learning-based decoder for punctured polar codes

- Performance comparison of deep learning-based polar code decoder trained with mother code or punctured code

- Study on efficient training method for deep learning-based polar code decoder for various puncturing configurations

various neural network structures

- Study on efficient training method of neural network decoder to support various code rates

- Study on activation functions of deep neural networks for polar decoding applications

o Research on promising wireless transmission technology

- Further research on compressive sensing-based low latency communication technology: Reduction of packet transmission / processing time and channel estimation feedback delay time through sparse vector index mapping transmission and sparse signal recovery algorithm

- Study on wireless caching techonology for various IoT service requirements: To predict time-varying content popularity and apply on real data

- Study on communication methods for distributed computing systems: A study on communication and straggler bottleneck solution method in distributed computing systems applying coding theory concept

- Study on transmission techniques for physical layer security: Multi dimensional threshold based secret data transmission technique in multiple antenna environment

- Research trends on wireless transmission technology using deep learning: Overview of deep learning, connection between deep learning and wireless communications, and research trends on wireless transmission technology using deep learning

- Patent trend survey on deep learning based wireless communication technologies: patent trend survey on deep learning based non-orthogonal transmission / access technology and communication-specific deep

learning technology

V. Suggestion for Application.

o Use as seed technology for securing technical leadership in wireless communication field.

- Use as a basis for securing core technology of domestic industry in the field of mobile communication, which has to cope with a rapidly changing market.

- Use as core & base technology of modem technology for data transmission in various communication systems such as mobile communication / wireless LAN.

o Use to discover fundamental future technologies after 5G.

- Use to acquire revolutionary technology to prevail technology advantage.

VI. Expected Effects

o Present the theoretical limitations in the general wireless communication environment composed of multiple transceivers and lead the wireless communication technology through development of the limit achieving technologies.

- Use as the base technology of interference management which is a key element of the next generation mobile communication system after 5G, and contribute to securing Korea's technology leadership.

- Contribute to securing core technology competitiveness by discovering promising future technologies.

CONTENTS

Chapter 1 Introduction ... 35 Section 1 The Purpose of Research ... 35 Section 2 Research Contents ... 38 Section 3 Research Plan ... 44 Chapter 2 Fundamental Limit and Optimal Coding for MIMO Interference Channels ... 47 Section 1 Introduction ... 47 Section 2 Achievable Rate Regions of Homologous Codes ... 49 Section 3 Interference Channels for 3 Users ... 54 Section 4 Conclusion ... 59 Chapter 3 Beamforming Schemes for Interference Channels ... 63

Section 1 The Purpose and Scope of Research ... 63 Section 2 Error Correction of the 2nd _{Year’s Research Results ... 65}

Section 3 Deep Learning for Interference Channel Beamforming ... 68 Section 4 Simulation Results and Analysis ... 73 Section 5 Conclusion ... 86 Chapter 4 Channel Coding Schemes for Interference Channels ... 89 Section 1 The Purpose and Importance of Research... 89 Section 2 Introduction to Polar Codes... 94 Section 3 Deep Learning-based Polar Codes Decoding Scheme ... 100 Section 4 Polar Codes for Multiple Access Channels ... 148 Section 5 Conclusion ... 164 Chapter 5 Future Promising Technologies ... 167 Section 1 Compressive Sensing-based Ultra Low-latency Communications Technology ... 167 Section 2 Wireless D2D Caching Network for IoT Services ... 183 Section 3 Communication Technology for Distributed Processing System ... 210 Section 4 Wireless Transmission Technology for Physical Layer Security ... 236 Section 5 Research Trends on Wireless Transmission and Access Technologies using Deep Learning ... 248 Section 5 Patent Research for Deep Learning based Wireless Communications ... 263 [Appendix 1] List of Research Outcomes ... 329 [Appendix 2] References ... 331 [Appendix 3] Abbreviations ... 346

목 차

ABSTRACT ... 13 제 1 장 서 론 ... 35 제 1 절 연구개발의 필요성 및 목적 ... 35 제 2 절 연구개발 내용 ... 38 제 3 절 연구개발 추진체계 ... 44 제 2 장 간섭채널 이론적 한계 및 최적 부호화 ... 47 제 1 절 개요 ... 47 제 2 절 상동 부호를 활용한 계산 성능 영역 ... 49 제 3 절 3-사용자 간섭 채널 ... 54 제 4 절 결론 ... 59 제 3 장 간섭채널 빔포밍 기술... 63 제 1 절 연구의 목적 및 범위 ... 63 제 2 절 2차년도 연구결과 오류 보정 ... 65 제 3 절 딥러닝기반 간섭채널 빔포밍 ... 68 제 4 절 딥러닝기반 빔포밍 학습 결과 및 분석 ... 73 제 5 절 결론 ... 86 제 4 장 간섭채널 채널 부호화 기술 ... 89 제 1 절 연구의 목적 및 중요성... 89 제 2 절 극 부호 기술의 소개 ... 94 제 3 절 심층 학습을 이용한 극 부호 복호 기술 ... 100 제 4 절 다중 사용자 MAC을 위한 극 부호 기술 ... 148 제 5 절 결론 ... 164 제 5 장 유망 무선전송 기술 ... 167 제 1 절 압축 센싱을 활용한 초저지연 통신 기술 개발 ... 167 제 2 절 다양한 사물인터넷서비스 요구수준을 반영한 무선캐싱 기술 연구 ... 183 제 3 절 효율적인 분산처리 시스템을 위한 통신방식 연구 ... 210 제 4 절 물리계층 보안을 위한 전송 기법 ... 236 제 5 절 딥러닝을 활용한 무선전송 접속 기술 ... 248 제 6 절 딥러닝 무선통신 관련 특허동향 조사 ... 263 [부록 1] 연구 결과물 ... 329 [부록 2] 참고문헌 ... 331 [부록 3] 약어표 ... 346

그림 목차

(그림 1-1-1) 연구개발 목표: 무제한 연결이 가능한 무선전송 기술 개발 ...36 (그림 1-1-2) 현재 통신시스템의 한계 ...36 (그림 1-1-3) 간섭정렬에 의한 신호전송 방식 ...38 (그림 1-2-1) 다점대다점 환경에서 한계도달 방식 ...40 (그림 1-2-2) Han-Kobayashi 전송 방식 ...41 (그림 1-2-3) 기계학습 기반 무선전송기술 구현 ...42 (그림 1-2-4) 3차년도 연구개발 내용 ...43 (그림 1-3-1) 연구개발 추진체계 ...44 (그림 2-2-1) 2-송신기 다중접속채널에서의 선형 조합 ...50 (그림 2-3-1) 수신기에서 간섭의 선형 조합을 계산하는 간섭채널 ...54 (그림 2-3-2) 수신기에서 간섭의 선형 조합을 계산하는 간섭채널 ...57 (그림 3-2-1) 학습기반 Sum-rate 비교 (송신파워= 20dB) ...65 (그림 3-2-2) 수정된 학습기반 Sum-rate 비교 (송신파워= 20dB) ...67 (그림 3-3-1) MIMO 간섭채널 빔포밍 행렬을 위한 분산 반복 방식 ...68 (그림 3-3-2) 간섭채널 시스템 모델(Nt=2, Nr=2) ...70 (그림 3-3-3) 딥러닝 빔포밍 네트워크 ...72 (그림 3-4-1) # of epochs vs. Loss ...73 (그림 3-4-2) SNR vs Sum-rate ...74 (그림 3-4-3) SNR vs Sum-rate (가변데이터) ...76 (그림 3-4-4) K vs Sum-rate ...78 (그림 3-4-5) SNR vs Sum-rate (Rayleigh fading) ...80 (그림 3-4-6) Classification기반 딥러닝 빔포밍 네트워크 ...81 (그림 3-4-7) 딥러닝 빔포밍 네트워크 학습 방법: 중앙집중형 vs. 분산형 ...83 (그림 3-4-8) 딥러닝 빔포밍 네트워크: 입력 데이터 변화 ...83 (그림 3-4-9) SNR vs. Sum-rate with Classification, 분산형, 추가입력 ...84 (그림 4-1-1) 오류정정 부호의 역사 ...90 (그림 4-1-2) 극 부호의 5G 표준화 동향 ...91 (그림 4-1-3) 신경망 구조 오류정정부호 복호기 ...93 (그림 4-1-4) 다점대다점 통신 환경을 위한 극 부호 기술 ...94 (그림 4-2-1) 채널 양극화 현상 ...97 (그림 4-2-2) 채널 합성 (N=2) ...99 (그림 4-2-3) 극 부호의 부호화 방법 (N=8) ... 101 (그림 4-2-4) 밀도진화를 이용한 극 부호 설계 방법(N=8)... 103 (그림 4-2-5) 리스트 복호기 구조(L=1(좌), L=4(우)) ... 105 (그림 4-2-6) CRC 연접 리스트 연속 제거 복호기 구조(좌) 및 오율 성능(우) ... 106 (그림 4-2-7) N=4에 대한 극 부호화 구조 ... 107 (그림 4-3-1) 인공 뉴런(노드)의 구조 ... 109

(그림 4-3-2) 하나의 은닉층을 가지는 다층 신경망의 구조 ... 110 (그림 4-3-3) 신경망 복호기를 사용하는 채널 부복호화 시스템 ... 111 (그림 4-3-4) 신경망 복호기의 비트 오율 성능 (부호 길이 16, 부호율 0.5) 112 (그림 4-3-5) LSTM cell 구조 ... 114 (그림 4-3-6) 부호 길이 8인 부호의 천공 과정 (N=18, S=3) ... 117 (그림 4-3-7) 모부호로 학습한 각 신경망 구조 별 2비트 천공한 부호에 대한 비 트 오율 성능 (N=8) ... 118 (그림 4-3-8) 모부호로 학습한 각 신경망 구조 별 2비트 천공한 부호에 대한 비 트 오율 성능 (N=16) ... 119 (그림 4-3-9) 모부호로 학습한 각 신경망 구조 별 2비트 천공한 부호에 대한 비 트 오율 성능 (N=32) ... 119 (그림 4-3-10) 2비트 천공한 부호로 학습한 각 신경망 구조 별 2비트 천공한 부 호에 대한 비트 오율 성능 (N=8) ... 120 (그림 4-3-11) 2비트 천공한 부호로 학습한 각 신경망 구조 별 2비트 천공한 부 호에 대한 비트 오율 성능 (N=16) ... 121 (그림 4-3-12) 2비트 천공한 부호로 학습한 각 신경망 구조 별 2비트 천공한 부 호에 대한 비트 오율 성능 (N=32) ... 121 (그림 4-3-13) 모부호로만 학습된 신경망 복호기의 천공된 부호에 대한 비트 오 율 성능 ... 123 (그림 4-3-14) 천공된 부호에 대한 학습기법 별 신경망 복호기의 비트 오율 성

능 (ptrain=ptest/ptrain=0) ... 126

(그림 4-3-15) 천공된 부호에 대한 학습기법 별 신경망 복호기의 비트 오율 성 능(ptrain=0,1/ptrain=0) ... 129 (그림 4-3-16) 천공된 부호에 대한 학습기법 별 신경망 복호기의 비트 오율 성 능(ptrain=0,1/ptrain=0) ... 129 (그림 4-3-17) 부호길이 N=8인 경우, 부호율에 따른 메시지와 부호어 집합 131 (그림 4-3-18) (N, K)=(8, 4) 신경망 복호기를 학습하는 과정 ... 132 (그림 4-3-19) 제안 학습 기법을 적용하여 (N, K)=(16,6-11) 신경망 복호기를 부호율 별 균일한 epoch 수로 순차적으로 학습한 복호기의 비트 오율 성능 ... 134 (그림 4-3-20) (N, K)=(16, 6~11)의 신경망 복호기의 각 부호율 별 epoch 수 ... 134 (그림 4-3-21) 제안 학습기법을 적용하여 (N, K)=(16,6-11) 신경망 복호기를 부호율 별 차등적 epoch 수로 순차적으로 학습한 복호기의 비트 오율 성능 ... 136 (그림 4-3-22) (N, K)=(16, 3-8)의 신경망 복호기를 학습 시 기존 학습 기법과 제안 학습 기법의 비트 오율 성능 ... 139 (그림 4-3-23) 딥러닝을 이용한 채널코드 디코딩의 블록 다이어그램 ... 141 (그림 4-3-24) LeakyReLU 를 사용했을 때의 성능 비교... 143 (그림 4-3-25) PReLU 를 사용했을 때의 성능 비교 ... 143 (그림 4-3-26) ELU 를 사용했을 때의 성능 비교 ... 144 (그림 4-3-27) 극부호 Successive 복호의 tree 구조 ... 144

(그림 4-3-28) SlopedReLU 활성화 함수... 145 (그림 4-3-29) SlopedReLU 활성화 함수를 사용했을 때의 복호 성능 ... 146 (그림 4-3-30) SlopedReLU 에서 s 에 따른 복호 성능 ... 147 (그림 4-4-1) 두 사용자 MAC에서 경험적 부호 설계를 위한 시스템 모델 .... 155 (그림 4-4-2) 두 사용자의 0전송과 랜덤 전송에 대한 U의 BER 비교 ... 156 (그림 4-4-3) 두 사용자의 0전송과 랜덤 전송에 대한 V의 BER 비교 ... 156 (그림 4-4-4) 두 사용자 MAC에서 스크램블링이 추가된 시스템 모델 ... 157 (그림 4-4-5) 스크램블링 기반 시스템과 0전송 시스템에 대한 정규화된 비트 오 율 차이(𝑵 = 𝟐𝟓𝟔, 𝒓 = 𝟔𝟒) ... 161 (그림 4-4-6) 스크램블링 기반 시스템과 0전송 시스템에 대한 정규화된 비트 오 율 차이(𝑵 = 𝟐𝟓𝟔, 𝒓 = 𝟏𝟐𝟖) ... 162 (그림 4-4-7) 스크램블링 기반 시스템과 0전송 시스템에 대한 정규화된 비트 오 율 차이(𝑵 = 𝟐𝟓𝟔, 𝒓 = 𝟏𝟗𝟐) ... 163 (그림 5-1-1) 물리계층 지연시간 ... 168 (그림 5-1-2) 4G LTE 및 5G NR 시스템에서의 URLLC 패킷 구조 ... 169 (그림 5-1-3) 블록 단위 서포트와 코드 단위 서포트의 예 ... 171 (그림 5-1-4) Pilot-less 단발성 패킷 전송의 블록도 ... 172 (그림 5-1-5) 블록 단위 희소 맵핑의 예 ... 173 (그림 5-1-6) 병렬 희소 벡터 복원의 블록도 ... 173 (그림 5-1-7) Parallel stage 1의 희소 벡터 복원 모델 ... 174 (그림 5-1-8) Parallel stage 2의 희소 벡터 복원 모델 ... 175 (그림 5-1-9) SNR에 따른 블록 단위 서포트 복원 성능 (측정치 수 𝒎 변경)177 (그림 5-1-10) SNR에 따른 블록 단위 서포트 복원 성능 (블록 희소도 𝑲𝑩 변경) ... 178 (그림 5-1-11) SNR에 따른 블록 단위 서포트 복원 성능 (총 블록수 𝐍𝑩 변경) ... 179 (그림 5-1-12) SNR에 따른 블록 단위 서포트 디코딩의 BLER (총 블록수 𝐍𝑩 변경) ... 180 (그림 5-1-13) SNR에 따른 코드 단위 서포트 복원 성능 (총 블록수 변경) . 181 (그림 5-1-14) SNR에 따른 코드 단위 서포트 복원 성능 (Pilot 심볼 사용 유무) ... 182 (그림 5-2-1) 무선 트래픽 증가 추세 (좌)와 통신망 유지 및 확장 비용 (우) ... 184 (그림 5-2-2) 5G 셀룰라 시스템 무선 캐싱 기법 ... 186 (그림 5-2-3) 기존 연구와의 차별성 ... 186 (그림 5-2-4) 5G 통신시스템 비전 (Qualcomm 참고 자료) ... 188 (그림 5-2-5) 5G 통신시스템에서의 캐싱 기술 ... 189 (그림 5-2-6) 시간대별 무선 트래픽 추이... 190 (그림 5-2-7) Facebook 캐시 서버 종류 ... 190 (그림 5-2-8) 스몰셀 무선 캐싱 모델 ... 190 (그림 5-2-9) DVD 및 스트리밍 순위(좌)와 월별 다운로드 순위(위) ... 191 (그림 5-2-10) 제안 컨텐츠 선호도 예측 기법 ... 192

(그림 5-2-11) 스몰셀 캐싱망 모델... 193 (그림 5-2-12) 제안 기법을 통한 컨텐츠 수요 예측과 실제 수요 비교 ... 205 (그림 5-2-13) 캐싱 컨텐츠 수에 따른 캐싱 적중률 비교 ... 205 (그림 5-2-14) 캐시 서버 업데이트 주기가 2개월인 경우 캐싱 컨텐츠 수에 따 른 캐싱 적중률 비교 ... 206 (그림 5-2-15) 캐시 서버 업데이트 주기가 3개월인 경우 캐싱 컨텐츠 수에 따 른 캐싱 적중률 비교 ... 207 (그림 5-2-16) 캐시 서버 업데이트 주기가 4개월인 경우 캐싱 컨텐츠 수에 따 른 캐싱 적중률 비교 ... 207 (그림 5-2-17) 캐싱 컨텐츠 수가 30개인 경우 캐시 서버 업데이트 주기에 따른 캐싱 적중률 비교 ... 208 (그림 5-3-1) 분산 포그 컴퓨팅 시스템 (Distributed Fog Computing Systems)

... 210 (그림 5-3-2) Map-Reduce기반 분산 컴퓨팅 시스템 ... 213 (그림 5-3-3) 현재 분산 컴퓨팅 시스템에서 통신과 컴퓨팅 연산의 Tradeoff 215 (그림 5-3-4) 부호화된 분산 컴퓨팅 시스템에서 통신과 컴퓨팅 연산의 Tradeoff ... 216 (그림 5-3-5) 분산 컴퓨팅을 활용한 Word-Counting 예시1 ... 217 (그림 5-3-6) 분산 컴퓨팅을 활용한 Word-Counting 예시2 ... 218 (그림 5-3-7) 부호화된 분산 컴퓨팅을 활용한 Word-Counting 예시 ... 219 (그림 5-3-8) 무선 분산 컴퓨팅 시스템에서 통신 로드와 컴퓨팅 로드의 Tradeoff ... 221 (그림 5-3-9) 무선 분산 컴퓨팅 방법의 예시 ... 222 (그림 5-3-10) Matrix-Vector 곱셈 ... 223 (그림 5-3-11) Straggler가 존재하는 분산 컴퓨팅 시스템 모델 ... 223 (그림 5-3-12) 분산 컴퓨팅 전송 방법 ... 225 (그림 5-3-13) Repetition 부호를 이용하는 분산 컴퓨팅 시스템의 부호화 과정 ... 226 (그림 5-3-14) Repetition 부호를 이용하는 분산 컴퓨팅 시스템 ... 226 (그림 5-3-15) MDS 부호를 이용한 부호화된 분산 컴퓨팅 시스템의 부호화 과정 ... 228 (그림 5-3-16) MDS 부호를 이용한 부호화된 분산 컴퓨팅 시스템 ... 228 (그림 5-3-17) FAT 행렬을 이용하는 Matrix-Vector 곱셈 ... 230 (그림 5-3-18) Short-Dot 부호를 이용하는 부호화된 분산 컴퓨팅 시스템의 부 호화 과정... 231 (그림 5-3-19) Short-Dot 부호를 이용하는 부호화된 분산 컴퓨팅 시스템 ... 232 (그림 5-3-20) 부호화된 분산 컴퓨팅 시스템의 성능 비교 ... 233 (그림 5-4-1) 물리계층 보안 시스템 모델... 237 (그림 5-4-2) 비밀데이터 전송 시스템 블락도 ... 241 (그림 5-4-3) 수신자의 비밀데이터 복호확률 vs. SNR ... 245 (그림 5-4-4) 도청자의 도청성공확률 vs. SNR ... 246 (그림 5-5-1) 종단 간 autoencoder로 본 통신시스템 ... 252

(그림 5-5-2) 딥러닝을 활용한 통신시스템 블록 구현 ... 253 (그림 5-5-3) 딥러닝 기술이 적용된 종단간 AE구조 ... 256 (그림 5-6-1) 주요 출원국 내·외국인 특허출원현황(‘96~’15) ... 307 (그림 5-6-2) 주요 출원국 내·외국인 특허출원현황(‘06~’15) ... 307 (그림 5-6-3) 연도별 주요 출원국 내·외국인 특허출원현황 ... 308 (그림 5-6-4) 주요 국가별 특허기술 성장단계 ... 313 (그림 5-6-5) 다출원 기준 주요 출원인(상위 20위) 국적 및 기관특성 비중 ... 318 (그림 5-6-6) 비직교 무선전송/접속 기술(AA)의 기술진화 분석 ... 322 (그림 5-6-7) 통신 특화 딥러닝 기술(AB)의 기술진화 분석 ... 323

제 1 장

서 론

제 1 장 서 론

제 1 절

연구개발의 필요성 및 목적

본 연구 보고서는 ‘다점대다점 환경에서 이론적 한계도달을 위한 무선 전송기술 개발’ 사업의 3 차년도 최종보고서로써, 다수 송수신기로 구성된 통신환 경에서 이론적으로 도달 가능한 전송 한계까지 도달하는 무선전송 기술과 무선 통 신과 이와 연계된 미래 유망 기술에 대한 내용을 담고 있다. 무선통신은 세대를 거듭하면서, 혁신적 발전을 거듭하여 왔으며, 없으면 안되는 생활의 필요 요소로 거대한 시장을 형성하고 있다. 2020 년 5G 이동통신 상용화를 눈 앞에 두고 있는 상황이지만, 유럽, 미국, 중국, 일본 등은 거대한 무선통신시장에서 기술 주도권 확 보를 위해, 6G 를 위한 변혁적 기술 개발에 나서고 있다. 본 연구는 우리나라가 미 래 무선통신에서 기술 우위 확보에 근간이 되는 기술을 다루고 있다. 수십만명의 인원이 밀집한 광화문에서의 집회를 생각해보자. 이렇게 많 은 사람들이 동시에 통신하는 상황은 상상하기 어려울 것이다. 지금까지의 무선통 신은 다중사용자간 간섭을 받지 않도록 하기 위해 자원을 겹치지 않게 사용하는 직교화 방식을 이용하기 때문에, 연결 수가 증가할수록 할당되는 자원이 줄어들어 사용자당 용량이 감소된다. 또한, 채널을 통과한 회피하지 못한 통신 사용자간 간 섭의 크기도 사용자 증가에 비례하여 증가한다. 즉, 사람 뿐아니라 IoT 단말 등 통신을 하려는 연결 수가 많아지면 결국은 통신이 불가한 문제가 발생한다. 이러한 문제를 해결하기 위해, 5G 는 대역폭 확대, 주파수 효율 향상, 기 지국 확대 등을 통해 시스템 총용량을 확대하는 방식으로 개발되고 있다. 하지만, 연결수가 늘어나면 결국에는 사용자당 용량이 줄어드는 문제를 피할 수 없다, 이 러한 문제를 해결하기 위해, 연결수가 늘어날 수록 용량이 증가하는 전송기술을 개발한다면, 사용자당 용량도 보장되고, 시스템 총용량도 연결수에 비례하여 증가 하기 때문에 무제한 연결이 가능하게 된다. 다수 단말간 연결 및 용량 문제를 해 결하기 위한 궁극적인 방안은 연결 수에 비례하여 용량이 증가하는 이론이 허용하 는 한계까지 데이터를 전송할 수 있는 무선전송기술 개발이다.

(그림 1-1-1) 연구개발 목표: 무제한 연결이 가능한 무선전송 기술 개발 현재까지의 무선전송 방식은 하나의 송신기와 하나의 수신기로 구성된 점대점 (Point-to-Point) 환경에서 용량을 달성하는 구조로 설계되었으며, 단일 셀 내의 용량 개선이 거의 한계에 이른 상태이다. 현재 무선전송 방식은 간섭을 회피하기 위해 자원을 나누어 사용하는 직교화를 통한 신호 전송을 하고 있으며, 채널을 통과한 화피하지 못한 간섭 신호는 잡음으로 처리한다. 이 경우, 통신 용량 증가를 위한 필수요소인 독립적으로 보내는 신호의 수, 즉, 자유도 (Degree of Freedom)는 자원을 나누어 사용하기 때문에 1 에 그치며, 간섭의 잡음처리로 인 한 신호대잡음비의 저하로 용량 손실 발생한다. (그림 1-1-2) 현재 통신시스템의 한계

일반적인 무선전송 환경은 다수의 송신기와 다수의 수신기가 존재하는 다점대다점 환경이다. 하지만, 구현 복잡도 및 이론의 미성숙 등으로 인해, 현재 대부분의 무선전송기술은 시간 혹은 주파수로 나누어 신호를 직교화하여 전송하여 다점대다점 환경에서 발생하는 간섭을 회피하려 하였다. 이러한 직교화를 통해 점 대점 환경으로 변환하여, 간섭을 회피하고 점대점 한계도달 기술을 적용하려는 시 도는 기존의 무선전송 기술의 발전을 이끈 주된 흐름이였다. 1948 년 Shannon 에 의해 점대점 환경에서 전송 가능한 한계가 제시된 이후, 1990 년대 후반에 들어서 Turbo code/LDPC (Low Density Parity Check) code 등을 통해 한계에 거의 근접하는 기술이 제시되었다. 현재는 점대점 환경에 서 이론적 한계에 도달하는 기술이 상용화 수준에 이르고 있다. 하지만, 급격하게 증가하는 연결되는 단말 수와 셀 소형화 등으로 인해, 다수 송수신기간 간섭 문제 는 더욱더 심화되고 있어, 점대점 한계 도달 기술이 아닌, 간섭 문제를 근본적으로 해결하기 위한 새로운 패러다임의 무선전송기술 연구 필요하다. 이러한 문제를 근본적으로 다루고 있는 분야가 네트워크 정보이다. 네트워크 정보이론은 기존 점대점 기반 정보이론을 다점대다점 환경으로 확대한 이론으로 송신기가 여러 개, 수신기가 하나인 다점대점 환경에서는 간섭 제거 (interference cancellation), 송신기가 하나, 수신기가 다수 개인 점대다점 환경에서는 superposition coding, 다수의 안테나로 다수의 수신기에게 전송하는 환경에서는 dirty paper coding 등 이론적 한계에 도달하는 방안을 제시하고 있다.

다수의 송수신기가 존재하는 환경을 정보이론에서는 간섭채널이라고 부 르며, 간섭채널에서는 아직까지 이론적으로 보낼 수 있는 전송한계인 용량이 알려 져 있지 않다. 다만, 송수신기가 단일 안테나인 경우와 일부 다수 안테나를 가진 환경에서 독립적으로 보낼 수 있는 신호의 수인 자유도만 알려져 있다. 자유도는 신호대잡음비가 무한대인 경우의 전송가능한 이론적 한계라고 할 수 있는데, 단일 안테나를 가진 K 개의 송수신기 쌍의 자유도는 K/2 로 수신기에서 간섭이 신호공 간에서 일정한 방향으로 정렬되로록 전송하는 간섭정렬이라는 방안에 의해 자유도 의 이론적 한계에 도달할 수 있다. 즉, 간섭정렬을 활용하면, 신호 전송시 자원을

나누어 사용하는 직교화 전송 방식의 자유도인 1 에 비해 자유도가 사용자 수 K 에 비례하여 증가하기 때문에, 기존의 전송방식에서 겪는 사용자 증가에 따른 사용자 별 용량 감소 현상을 일정 부분 해결할 수 있을 것으로 기대된다. (그림 1-1-3) 간섭정렬에 의한 신호전송 방식 본 연구에서는 종래의 LTE 대비 1000 배 형태의 제한적 성능 향상에 서 탈피하여 사용자가 연결될수록 오히려 용량이 증가하는 변혁적 무선전송기술을 개발하고자 한다. 특히, 아직 이론적으로도 규명이 되지 않은 다수의 송수신기가 존재하는 통신 환경, 즉 간섭채널에서 이론적 한계에 도달하는 무선전송기술을 개 발하는 것이 목표이다. 아직까지 전송 가능한 한계가 밝혀져 있지 않기 때문에 이 론적인 규명과 더불어 연구가 진행되어야 하는 만큼 매우 도전적인 부분이다. 하 지만, 간섭정렬에서 일부 제시하는 바와 같이 사용자별 용량 감소와 신호 손상 같 은 기존의 한계를 극복하는 획기적인 무선전송기술 개발이 가능하리라 기대된다.

제 2 절

연구개발 내용

5G 를 포함한 현 통신시스템은 간섭 회피를 위해 자원을 직교화하여 단일 송수신기 환경인 점대점 통신환경을 기반으로 설계되어 있다. 신호 직교화

전송 방식 및 간섭을 잡음으로 처리하는 방식에 기반한 효율적인 전송을 통해 성능향상을 달성하는 연구는 이미 한계에 도달한 상황이며, 다수의 송수신기가 데이터를 전송하는 일반적인 통신환경인 다점대다점 환경에서 발생하는 간섭 문제를 해결하기 위해서는 통신방식에 대한 근본적인 변화가 필요하다. 본 연구는 다점대다점 환경에서 신호 전달 방식과 간섭에 대한 근본적인 처리 방식의 변화로, 신호의 비직교화 및 간섭 구조/복호화 방식에 대한 연구를 수행하고, 고도의 복잡도를 요하는 통신 방식의 실현을 위한 기계학습 기반 무선전송기술 개발을 통해, 통신 전송의 이론적 한계 도달이 가능한 무선전송 기술을 개발한다. 이와 더불어, 미래통신에 변혁적 변화를 가져올 수 있는 통신기술을 발굴한다. 현재 대부분의 무선전송방식인 직교화 전송 방식에서 탈피하여 동시에 신호를 전송하는 비직교 전송 방식으로 신호를 전송하고, 간섭을 잡음으로 처리하는 방식에서 탈피하여, 간섭 구조/복화화를 통해 간섭에 대한 근본적인 해결책을 제시한다. 이러한 근본적인 해결책을 다루는 분야가 네트워크 정보이론이다. 네트워크 정보이론은 점대점을 포함한 다점대다점 환경에서의 전송 한계값과 이를 얻을 수 있는 방식을 연구하는 분야로, 다점대점(Uplink, Gaussian Multiple Access Channel), 점대다점(Downlink, Gaussian Broadcast Channel), 다점대다점 (Multi-cell, Gaussian Interference Channel), MIMO (Gaussian Vector Broadcast Channel) 환경에서 한계값과 이를 얻는 방식을 제시하고 있다. 다점대점은 Random coding 에 의한 전송과 수신단에서의 간섭제거 (Successive Interference Cancellation), 점대다점은 superposition coding 에 의한 전송과 수신단에서의 간섭제거를 통해 한계값(Capacity Region)에 도달 가능하며, 점대다점 환경에서 다수 안테나를 통해 전송하는 경우, 이미 알려진 간섭을 송신단에서 영향을 상쇄하는 방식인 Dirty Paper Coding 을 통해 한계값에 도달 가능하다.

(그림 1-2-1) 다점대다점 환경에서 한계도달 방식 다점대다점 환경의 경우, 일반적인 환경에서는 한계값이 알려져 있지 않으나, 간섭정렬을 통해 특정한 한계값, 즉, 독립적으로 전송할 수 있는 데이터의 개수를 의미하는 자유도(Degrees of Freedom)의 한계인 K/2(K 는 데이터를 전송하는 송수신기 쌍의 수)에 도달 가능하다는 것 밝혀졌으며, 간섭이 매우 작은 경우는 간섭을 잡음처럼 하거나, 간섭이 신호보다 큰 경우는 간섭인지 복호를 통해 한계에 도달 가능한 것이 알려졌다. 그러나, 송신기가 2 개, 수신기가 2 개인 다점대다점 환경에서는 Han-Kobayahi 방식처럼 일부는 간섭, 일부는 잡음처럼 취급하는 것이 현재까지 알려진 가장 높은 성능을 얻을 수 있은 방식이다. Han-Kobayashi 방식은 전송신호를 둘로 나누어 일부는 자신의 수신기만 복호하고, 일부는 2 개의 수신기 모두 복호하여 제거하는 방식이다.

(그림 1-2-2) Han-Kobayashi 전송 방식 기존의 간섭 처리 방식은 신호 직교화(예를 들면 OFDMA) 및 간섭의 잡음 처리 방식이 주를 이루고 있으나, 이러한 방식들은 간섭이 매우 작은 경우 등 특정 환경에서는 최적의 방식이나, 일반적인 경우 성능 열화가 발생한다. 네트워크 정보이론에서 제안하는 방식은 데이터를 비직교화 전송하고 복호화하는 등 간섭 처리 방식의 근본적인 변화를 통해서만 한계값에 도달할 수 있음을 제시하고 있다. 그러나, 네트워크 정보이론을 적용한 이론적 한계도달 무선전송기술을 개발하기 위해서는 몇가지 어려운 점이 있다. 먼저, 다수의 송수신기로 이루어진 다점대다점 환경인 간섭채널에서는 전송의 극한이가 어디인지, 한계를 도달할 수 있는 방식은 무엇인지에 일반적으로 밝혀져있지 않다. 또한 이론에서 제시된 방식은 현재 코드의 길이가 무한대이거나, 이상적인 통신환경을 가정한 것으로, 실제 통신시스템에 적용하기까지는 아직까지 많은 제약이 있는 상황이다. 최근, 딥러닝을 비롯한 기계학습의 비약적 발전은 고도의 복잡도를 요하는 알고리즘을 실제 구현할 수 있는 가능성을 제시하고 있다. 다점대다점 무선통신에 있어서 최적 방식이 아직까지 규명되지 않았으며, 송수신단에서 반복적 계산 등을 통해 전송율을 향상시키는 전송 방식이 알려져 있으나, 고복잡도 방식을 인해 그대로 실제 통신시스템에 구현하기는 거의 불가능한 상황이였다. 하지만, 고복잡도 방식으로 구한 값을 활용하여 딥러닝을 학습시키며,

학습된 네트워크를 실제 통신시스템에 적용하면, 학습에는 많은 시간이 필요하나, 학습된 신경망은 단순한 계산을 수행하므로, 실제 통신시스템에 딥러닝을 활용하여 고복잡도 알고리즘을 적용할 수 있는 가능성이 커지고 있다. (그림 1-2-3) 기계학습 기반 무선전송기술 구현 본 연구는 아직까지 규명되지 않은 이론적 한계와 이를 도달하기 위한 전송방식을 제시하고, 고도의 복잡도를 요하는 전송방식 실현을 위한 기계학습 기반 무선전송기술을 개발하고자 한다. 이와 더불어 미래통신기술의 근본적 변화를 가져올 수 있는 유망기술을 추가 발굴하고자 한다. 이론적 한계 규명에서는 아직까지 송수신기쌍이 2 개 수준에 머무르고 있는 정보이론의 연구 범위를 송수신기 쌍이 3 개 이상인 환경으로 확대한다. 송수신기쌍이 2 개인 환경에서도 30 년 이상 한계가 규명되지 않은 상황을 감안하면 매우 도전적인 내용이다. 한계에 도달하기 위한 전송방식으로 간섭채널에서의 빔성형 방식과 채널부호화 방식을 다루도록 한다. 빔성형 방식과 채널부화화 방식은 무선전송기술의 근간을 이루는 중요한 기술로 무선전송기술의 핵심부분을 차지하고 있다. 유망기술 발굴에서는 압축센싱을 활용한 저지연 무선전송기술, 무선캐싱 기술, 분산 처리 시스템을 위한 통신 기술, 물리계층 보안 기술을 다루었으며, 딥러닝을 활용한 무선통신기술의 동향 및 특허 조사를 수행하였다.

(그림 1-2-4) 3차년도 연구개발 내용 본 과제는 전송 한계값에 도달하는 방식과 이를 실제 시스템에 적용하 기 위한 방안을 연구하기 위한 것으로, 기존 통신시스템의 전송 방식에서 탈피하 여 새로운 통신시스템을 구축하는 Breakthrough 를 추구하고 있다. 현재의 전송 방식인 간섭 회피 및 간섭의 잡음처리 하는 방식에서 탈피하여, 다점대다점에서 발생하는 간섭의 변혁적 제어 기술을 통한 이론적 한계에 도달하는 전송 기술 개 발하고자 한다. 최초 정보이론에서 제안된 점대점 전송 한계인 Shannon limit 이 알려진 1940 년대 이후, Turbo code 등 실제 시스템에 적용된 1990 년대까지 50 년의 시간 소요되었다. 그러나, 최근 정보이론에서 제안된 간섭정렬 등 일부 아이 디어들에 기반한 전송방식들이 테스트베드로 구축되는 등 기술의 비약적 발전과 더불어, 이론과 구현간 시간 간격이 점점 좁아지고 있는 상황이다. 무선전송의 한계값으로 많이 거론되고 있는 것 중의 하나인 Shannon limit 은 송수신기가 하나씩만 존재하는 점대점 통신 환경에 적용되는 한계값이며, 실제 대부분의 통신 환경은 다수의 송수신기가 존재하는 다점대다점 환경으로 간 섭 문제 해결이 필수적이다. Shannon limit 은 Turbo code/LDPC 등을 통해 거의 도달이 가능한 값이 되었고, polar code 을 통해서는 특정 환경에서 도달이 가능한