채널 상태 정보(CSI)에 대한 제한된 피드백 제약 하에서의 정확한 빔포밍은, 다중입출력(MIMO) 전송의 품질에 미치는 막대한 영향에도 불구하고, 항상 해결하기 어려운 과제였다. 이 과제는 특히 무선 채널에서 심각한 경로손실을 상쇄하기 위해 고이득 빔이 요구되는 밀리미터파(mmWave) 전송에서 더욱 중요해지는데, 빔 방향이 부정확하면 눈에 띄는 성능 저하가 발생할 수 있기 때문이다. 또한 도시 환경에서의 이동 단말 및 인구 통행으로 인한 신호 차단은, 신호 전송을 위한 블라인드 스팟뿐 아니라 CSI 피드백에도 영향을 주어 빔포밍 성능을 저하시킬 수 있다. 본 논문에서는 피드백 오버헤드를 실질적으로 줄이면서도 고도로 이동하는 사용자에게 정확한 빔을 전송하는 새로운 방식을 제안한다. 이를 위해 모바일 사용자의 궤적을 따라 여러 개의 빔으로 구성된 beam signatures를 도입한다. 사용자 장치(UE)가 보고한 송신행렬 지시자(PMI)에 해당하는 스폿 빔을 형성하는 대신, 기지국(BS)은 이전 보고의 이력을 활용하여 적절한 빔 시그니처를 결정하고 예측된 UE 위치로 빔을 전송한다. 다음 빔 위치에 대한 사전적 의사결정은, 주어진 도로 조건에서의 전형적인 이동 동작으로부터 얻은 학습 데이터를 사용한 딥러닝(DL)의 도움으로 수행되며, 그 결과 채널 환경에 대한 적응성을 제공하고 정확도를 점진적으로 향상시킨다. beambook 으로 불리는 빔 시그니처의 집합은, 빔이 시공간 코드북으로 발전할 수 있도록 기존의 공간 차원에 시간 차원을 추가한다. beambook은 CSI 피드백 주기가 현재 5G 뉴 라디오(NR) 표준에서 지원하는 파라미터보다 상당히 길더라도, 모바일의 궤적 전반에 걸쳐 향상되고 신뢰할 수 있는 빔포밍을 제공한다. 제안된 beambook은 빔포밍 정확도와 처리율 성능 모두에서 이산 푸리에 변환(DFT) 행렬 및 벡터 양자화(VQ)를 기반으로 한 기존 코드북보다 유의미하게 우수함을 보여준다.

*본 초록은 AI를 통해 원문을 번역한 내용입니다. 정확한 내용은 하기 원문에서 확인해주세요.