다중-사용자 MIMO 무선 통신 시스템에서 머신 러닝 기반 선형 프리코더 획득 방법 및 장치

TRL 4
2023 등록

여러 사용자가 동시에 무선 데이터를 주고받을 때, 각 사용자의 채널 상태에 맞춰 신호 방향을 정하는 빔포밍 계산을 머신러닝으로 빠르게 수행하는 기술입니다. 복잡한 반복 계산 대신 미리 학습한 신경망이 한 번의 연산으로 프리코더를 만들어 사용자 간 간섭을 줄이고 전송 성능을 유지하도록 하는 특허입니다.

특허 개요

본 특허는 여러 단말에 동시에 신호를 보내는 기지국이 머신러닝 기반 선형 프리코더를 산출하는 기술입니다. 수신단별 채널 정보와 RZF 프리코더 정보를 입력하면, WMMSE 구조를 반영한 심층신경망이 제1·제2 완전 연결 레이어에서 가중치 행렬 W와 수신 필터 행렬 U를 각각 도출하고 정규화 상수 β를 적용해 프리코더 V를 산출합니다. 오프라인 훈련으로 WMMSE 합계를 최소화하도록 학습한 뒤, 온라인에서는 훈련된 모델의 단일 연산으로 프리코딩 신호를 생성합니다.

  • 핵심 기능

송신단은 K개 수신단에서 받은 채널 정보를 훈련 완료된 프리코더 연산 모듈에 입력하고, WMMSE 연산 구조에 대응하는 W·U·β를 이용해 프리코더를 획득합니다. 획득한 프리코더로 각 수신단에 맞춘 신호를 송신해 다중 사용자 간 간섭을 고려한 하향링크 전송을 수행합니다.

  • 차별 강점

기존 WMMSE 방식은 높은 성능을 위해 반복 연산이 필요하고, 단일 심층신경망 방식은 WMMSE 구조를 충분히 반영하지 못해 성능 개선에 한계가 있었습니다. 본 기술은 WMMSE의 가중치 행렬·수신 필터·정규화 구조를 신경망 구성에 반영해 반복 연산을 줄이면서 WMMSE에 근접한 프리코더를 산출하는 점이 차별점입니다.

  • 활용 범위

기술·연구 측면에서는 MU-MIMO 하향링크, FDD 제한 피드백, 5G·6G 무선 액세스, MIMO 액세스 포인트·릴레이 노드, D2D·V2X·사이드링크 통신 분야에 활용 가능합니다. 사업 측면에서는 기지국 장비, 무선 액세스 장비, 모뎀·베이스밴드 칩, 차량·산업용 무선 통신 솔루션의 빔포밍 기능으로 확장할 수 있습니다.

연구 개발 단계

TRL 1
기초 원리
TRL 2
개념 정립
TRL 3
개념 검증
TRL 4
실험실 검증
TRL 5
유사 환경
TRL 6
시제품
TRL 7
실증
TRL 8
인증완료
TRL 9
사업화
TRL4단일 기지국 다중 사용자 환경의 채널 모델에서 사전 훈련된 프리코더의 성능과 온라인 연산 복잡도를 시뮬레이션으로 검증한 단계입니다.
현재 검증 내용

WMMSE 구조 기반 심층신경망 선형 프리코더를 레일리 블록 페이딩 채널의 단일 기지국·K=4 사용자 조건에서 WMMSE, RBD, Naive DNN과 비교해 합계 전송률과 온라인 계산 복잡도를 확인했습니다. 실제 채널의 추정 오류와 제한 피드백, 다양한 안테나·사용자 규모 및 실시간 구현 지연은 추가 검증이 필요합니다.

검증 환경

- 통신 환경: 단일 기지국 기반 레일리 블록 페이딩 채널
- 사용자·안테나 구성: K=4 사용자, Nt=KNr, 사용자별 Nr 수신 안테나

- 비교 기준: WMMSE 알고리즘, RBD, Naive DNN

- 측정 방식: 사전 훈련 완료 후 온라인 프리코더 산출

현재 성과

성능·효과
반복 연산 없이 WMMSE에 근접한 합계 전송률 성능

훈련 완료된 심층신경망은 온라인에서 한 번의 연산으로 프리코더를 산출하면서 WMMSE 알고리즘에 근접한 합계 전송률 성능을 보였습니다. RBD보다 우수하고 Naive DNN보다 높은 성능을 보인 것으로 제시되었습니다.

검증·신뢰
온라인 계산 복잡도(Nr=1, Proposed)0.279

사전 훈련 후 온라인 프리코더 산출 과정에서 Nr=1 조건의 계산 복잡도를 측정했습니다. 단일 기지국, K=4 사용자, 레일리 블록 페이딩 채널 조건에서 WMMSE 알고리즘 및 다른 비교 방식과 함께 평가했습니다.

차별성·독창성
WMMSE 구조를 분리 학습하는 프리코더 산출 방식

기존 단일 심층신경망 방식과 달리 WMMSE의 가중치 행렬 W와 수신 필터 행렬 U를 별도 완전 연결 레이어에서 산출하고 정규화 상수 β를 적용합니다. 반복적 WMMSE 계산 구조를 학습 기반 매핑으로 구현해 성능과 온라인 연산 부담 간의 상충관계를 완화하는 것이 핵심입니다.

상용화까지 남은 부분

1

실제 무선 채널 환경에서 채널 추정 오류와 FDD 제한 피드백 조건에 대한 성능 실증

2

사용자 수와 송수신 안테나 규모가 다양한 MU-MIMO 구성에서의 확장성 검증

3

기지국·모뎀 플랫폼 적용을 위한 실시간 처리 지연, 연산 자원, 메모리 사용량 검증

기술 이전 형태·도입 과정

기술양도
전용실시권
통상실시권
공동 과제 수행
기술지도·자문

도입은 이렇게 진행됩니다.

1

검토 미팅

귀사 상황·데이터 구조 기준으로 적합성을 논의합니다. 자료 검토만으로 끝나도 됩니다.

2

PoC 공동 검증

연구팀 동행 하에 귀사 데이터 기준 재학습·성능을 확인합니다.

3

라이센싱 계약

PoC 결과를 기반으로 희망 형태(실시권·공동연구 등)를 협의합니다.

4

기술지도·후속

도입 초기 기술지도, 필요 시 후속 공동연구·정부과제 연계까지 진행합니다.

특허 정보

발명의 명칭(KR)

다중-사용자 MIMO 무선 통신 시스템에서 머신 러닝 기반 선형 프리코더 획득 방법 및 장치

출원번호

10-2021-0182697 (2021.12.20)

공개번호

1020230093793 (2023.06.27)

등록번호

1026138180000 (2023.12.11)

발명자

이인규, 장정현

권리자

고려대학교 산학협력단

출원인

고려대학교 산학협력단

문의

담당자이준구
이메일jg.lee@rndcircle.io
연락처010-8978-6417