밀리미터파 실내 환경에서 심층 학습 기반 빔 및 장애물 예측 (Deep Learning-based Beam and Blockage Prediction for Millimeter-wave Indoor Environment)

서지정보

· 발행기관 : 대한전자공학회
· 수록지 정보 : 전자공학회논문지 / 57권 / 7호 / 3 ~ 12페이지
· 저자명 : 문상미, 김현성, 김진영, 김대진, 황인태

초록

본 논문에서는 밀리미터파 실내 환경에서 심층 학습 기반 빔 및 장애물 예측 방법을 제안한다. 제안하는 예측 방법은 오프라인 훈련과 온라인 예측 단계로 구성된다. 오프라인 훈련에서 DNN (Deep Neural Network)은 데이터 트래픽 요구와 함께 사용자 위치와 해당 최적의 빔 인덱스 및 장애물 상태 간의 매핑을 학습하도록 설계된다. 온라인 예측에서는 훈련된 DNN은 주어진 데이터 트래픽 요구에 따라 목표 사용자 위치에 대응하는 빔 및 장애물을 예측한다. 시스템 레벨 시뮬레이션은 3GPP (3rd Generation Partnership Project) NR (New Radio) 채널 및 장애물 모델을 기반으로 하였으며, 그 결과 제안하는 방법이 90% 이상의 장애물 예측 정확성을 보여준다. 또한, 최적의 밀리미터파 빔 예측이 가능하며 최적의 빔 선택 방법에 근접한 스펙트럼 효율을 갖는다.

영어초록

In this paper, we propose the deep learning based beam and blockage prediction method for millimeter-wave (mmWave) indoor environment. The proposed method operates in two phases — the offline learning phase and the online prediction phase. During the offline learning phase, a deep neural network (DNN) is designed to learn the mapping between the user positions along with data traffic demands and the corresponding optimal beam indices and blockage statuses. During a subsequent online prediction phase, the trained DNN is utilized to predict the optimal tunings of beams and blockages corresponding to the targeted user positions with the given data traffic demands. The system level simulation is based on 3rd generation partnership project (3GPP) new radio (NR) channel and blockage model. The simulation results reveal that the proposed scheme is capable of predicting mmWave blockages with an accuracy greater than 90%. Furthermore, these results confirm the viability of the proposed DNN model in predicting the optimal mmWave beams and spectral efficiencies.

참고자료

· 없음