정부는 2031년까지 저궤도 6G 통신위성 10기를 개발 및 발사를 계획하고 있음. 또한, 3GPP와 ITU-R에서는 NTN(Non-Terrestrial Network)과 TN(Terrestrial Network)의 통합 네트워크의 기술 표준을 2022년부터 2029년까지 진행할 예정임. 따라서 정부의 통신위성 개발 계획 및 위성통신 관련 국제 표준 계획에...

정부는 2031년까지 저궤도 6G 통신위성 10기를 개발 및 발사를 계획하고 있음. 또한, 3GPP와 ITU-R에서는 NTN(Non-Terrestrial Network)과 TN(Terrestrial Network)의 통합 네트워크의 기술 표준을 2022년부터 2029년까지 진행할 예정임. 따라서 정부의 통신위성 개발 계획 및 위성통신 관련 국제 표준 계획에...

본 연구의 최종 목표는 6G 초공간 위성 이동통신을 위한 NTN-TN 통합 네트워크의 지능형 통합 엑세스 백홀 기술 개발 및 NTN-TN 통합 네트워크의 성능평가를 위한 시스템 레벨 시뮬레이터 개발임. 이와 같은 최종 목표 달성을 위하여 다음과 같이 연차별 연구를 수행함. - 1차년도: NTN의 IAB 시스템에서 full duplex와 half duplex를 각각 고려하여, multi-hop IAB 기반 CoMP 기술에 대한 end-to-end sum rate 최대화를 위한 최적화 문제를 공식함. 여기서, 최적화 변수는 hop/subchannel/power 할당 및 CoMP node 선택이며, 최대 송신전력 및 최소 data rate 등의 제약조건을 고려함. 그 다음, 도출된 최적화 문제를 해결하기 위하여 DNN(Deep Neural Network) 기반의 unsupervised/supervised learning의 구조 및 알고리즘을 개발하고, Python 환경에서 컴퓨터 시뮬레이션을 통하여 개발된 deep machine learning 기법의 성능을 검증 및 평가함. - 2차년도: NTN의 IAB 시스템에서 full duplex와 half duplex를 각각 고려하여, multi-hop IAB 기반 power-domain NOMA 기술에 대한 end-to-end sum rate 최대화를 위한 최적화 문제를 공식화함. 여기서, 최적화 변수는 hop/subchannel/user-pairing/power 할당이며, 최대 송신전력, 최대 NOMA node 수, 최소 data rate 등의 제약조건을 고려함. 그 다음, 도출된 최적화 문제를 해결하고 시스템 복잡도를 줄이기 위하여 DNN 기반의 semi-supervised learning의 구조 및 알고리즘을 개발하고, Python 환경에서 컴퓨터 시뮬레이션을 통하여 개발된 deep machine learning 기법의 성능을 검증 및 평가함. - 3차년도: 다수의 IAB donor들을 고려한 NTN 시나리오 기반으로 3D 공간 좌표를 이용하여 연구 대상의 모델을 고안함. 고안된 모델에서 CoMP와 NOMA 통합 기술 기반 IAB 시스템의 traffic balancing 및 고속 전송을 위한 3D networking (end-to-end IAB path 설정) 및 clustering (UE grouping) 기술 개발을 위한 최적화 문제를 공식화하고, 3D networking 및 clustering을 위한 DNN 기반의 reinforcement learning 구조 및 알고리즘을 개발함. 이 때, 1-2차년도에서 개발된 알고리즘을 통합하여 최적화 연구도 함께 진행함. 또한, 초고속 이동체 지원을 위하여 fast 3D networking 및 clustering을 위한 machine learning 구조 및 알고리즘을 개발함. 그 다음 Python 환경에서 컴퓨터 시뮬레이션을 통하여 개발된 기법의 성능을 검증 및 평가함. - 4차년도: NTN-TN 통합 네트워크 시나리오로 확장하여 네트워크 모델을 고안하고, NTN node와 TN node의 deployment 방법을 도출함. 그 다음, IAB 기반의 NTN-TN 통합 네트워크에서 분산적 무선 자원 관리를 위한 이종적/계층적 deep machine learning 기법을 개발함. 또한, downlink 시스템의 복잡도 및 overhead를 줄이기 위하여 implicit CSI feedback 기법 및 이를 지원하는 deep machine learning 기법을 개발함. Node deployment를 반영하여 Python과 Matlab을 연동한 컴퓨터 시뮬레이션을 통한 개발된 기법의 성능을 검증 및 평가함. - 5차년도: 3GPP TR 문서를 토대로 NTN-TN 통합 네트워크의 시스템 레벨 시뮬레이터 개발을 위한 구조를 설계하고, 통합 네트워크에서 downlink/uplink half duplex와 downlink/uplink full duplex의 성능 평가를 위한 각각의 시스템 레벨 시뮬레이터를 개발함. 최종적으로 개발된 시뮬레이터를 이용한 성능 검증/평가 및 개발된 기술들의 최적화 연구를 수행함. [Note] 상기 연차별 연구는 downlink/uplink 및 half duplex/full duplex를 각각 구분하여 독립적으로 개발을 진행함.

● 주관기관 (ETRI) o 초소형위성 기반 IoT 요구사항 분석 및 규격서 개발 - 초소형위성(10kg급) 기반 IoT 기술 요구사항서 및 규격서 o 핵심기술연구 - 초소형위성의 초고속 이동성으로 인한 Doppler spread를 고려한 air interface 연구 - 저전력 접속 프로토콜 및 단말 소형화 연구 - IoT 환경에 맞는 다수의 단말을 대상으로 하는 임의 다중접속 프로토콜 연구 - 위성 IoT 네트워크구조/보안 기술 연구 o 군집위성 및 위성 IoT를 위한 글로벌 주파수 확보 및 공유 기술 연구 - 초소형위성 IoT를 위한 주파수 공유 기술 연구 o 표준화 - 3GPP, Lora Alliance, TTA 등 표준화 연구 ● 참여기관1 (넷커스터마이즈) o 초소형위성 기반 IoT 요구사항 검토 및 use case 분석 ● 참여기관2 (솔탑) o 초소형위성 기반 IoT 요구사항 검토 및 constellation 분석