5G NR (New Radio)의 AI/ML 기술

1. 5G NR의 AI/ML 기술 적용 필요성 및 유스케이스

  • AI/ML 기술 관련 응용 서비스는 전 산업 분야에서 광범위하게 사용되고, 5G/6G 등 모바일 통신 분야에서도 응용 서비스 창출에 큰 영향

 

2. 5G NR(New Radio)의 AI/ML 프레임워크

(1) 5G NR의 AI/ML 프레임워크 구성도/동작 과정

(2) AI/ML 프레임워크 구성요소

구분구성요소역할
추론 및
학습 기능
추론 기능
(Inference)
– 추론 데이터 기반 추론 동작의 출력 제공
데이터 전처리/정리, 서식 지정 및 변환
관리 기능
(Management)
– AI/ML 모델이나 기능 선택, 활성화 여부
– 피드백, 각종 요청 등 추론 작업 동작 지원
모델 학습 기능
(Model Training)
– AI/ML 모델 학습, 시험과 검증 시행
– AI/ML 모델 시험 위한 메트릭 생성
지원 기능데이터 수집 기능
(Data Collection)
– 모델 학습, 추론 등에 필요한 데이터 제공
– 학습 데이터, 모니터링 데이터, 추론 데이터
모델 저장 기능
(Model Storage)
– 추론 기능 수행에 필요한 AI/ML 모델 저장
– AI/ML 모델을 추론 기능에 전달
  • UE 또는 네트워크에서 AI/ML 모델의 수명 주기는 기능 또는 모델 ID 기반 LCM(Life Cycle Management) 방식으로 관리

 

3. 5G NR의 AI/ML 기반 CSI 피드백 및 빔 관리

(1) 공간 주파수 영역 CSI 압축을 통한 피드백 유형

유형개념도학습 방법
단일측
협력 학습
– UE 또는 네트워크 단일 측에서 양측 모델의 협력 학습
양측
협력 학습
– 네트워크 측과 UE 측에서 각자 양측 모델을 협력 학습
양측
개별 학습
– 네트워크와 UE 측에서 각각 학습하고, 학습 데이터셋 전달 후 UE 측 CSI 생성 부분과 NW 측 CSI 재구성 부분을 각각 학습
  • CSI(Channel Status Information)는 UE(User Equipment)와 gNB(next generation Node B)의 채널 상태 정보이며, AI/ML 기반 CSI 피드백 향상을 통해 오버헤드 감소 및 정확도 향상
  • UE측 모델을 이용하여 시간 영역 CSI 예측하여 MU-MIMO의 채널 에이징 문제를 해결

(2) 5G NR의 AI/ML 기반 빔 관리 유형

구분빔 관리 유형메커니즘
빔 탐색
및 결정
빔 스위핑
(beam sweeping)
– 기지국이 여러 방향으로 빔 전송, UE는 수신한 빔 중 신호 강도가 가장 강한 빔을 선택
빔 결정
(beam determination)
– 빔 스위핑하여 네트워크와 UE가 가장 적합한 빔을 결정하고 이후의 통신에서 사용
최적 상태
유지
빔 스위칭
(beam switching)
– UE 이동 또는 환경 변화 시 기존의 빔이 최적이 아니면 새로운 최적의 빔으로 대체
빔 트래킹
(beam tracking)
– 단말기 이동 시 채널 상태 변화를 실시간으로 추적하여 최적의 빔 상태 및 신호 강도 유지
  • 빔 관리 사용 시 신호 품질 개선, 다른 사용자/셀 간섭 감소, 최적 신호 경로를 유지하여 안정적인 고속 데이터 전송 가능

 

4. 5G NR의 AI/ML 기반 측위 정확도 향상 방식

(1) 일반적인 5G NR의 측위 방식

구분측위 방식측위 동작 설명
시간 기반
측위 방식
Multi-RTT
(Round Trip Time)
– 다수의 gNB와의 신호 왕복 시간을 측정하여 UE의 위치를 삼각측량 방식으로 계산
DL-TDOA
(Downlink-Time Difference of Arrival)
– 다수의 gNB에서 동일한 신호를 보내고, UE에서 신호 도착 시간 차이를 측정하여 위치를 추정
UL-TDOA
(Uplink-Time Difference of Arrival)
– UE에서 다수의 gNB로 신호를 보낸 후 gNB에서 신호 도착 시간 차이를 측정하여 위치를 추정
각도 기반
측위 방식
DL-AOA
(Downlink-Angle of Arrival)
– 신호 도착 각도를 측정하여 UE의 위치를 추정
UL-AOA
(Uplink-Angle of Arrival)
– UE에서 보낸 신호의 도착 각도를 측정하여 위치를 추정
  • 장애물, 실내 등 NLOS(Non-Line of Sight) 환경에서는 정확도를 보장하기 어려우므로 측위 정확도를 높이기 위해 AI/ML 기반 측위 사용

(2) 5G NR의 AI/ML 기반 측위 정확도 향상 방식

방식메커니즘사례
직접 AI/ML
측위 방식
– 채널 임펄스 응답 등 채널 관찰을 AI/ML 모델에 입력으로 사용하고, AI/ML 모델을 통해 UE의 위치를 추론 (핑거 프린팅 기반 측위)– LMF  모델 사용 UE 지원/LMF 측위
– LMF  모델 사용 NG-RAN 노드 지원
AI/ML 지원
측위 방식
– LOS/NLOS 식별, 타이밍, 측정 각도, 측정 가능성을 입력 값으로 사용하여 AI/ML 모델을 통해 새로운 측정 또는 측정 개선 위한 중간 측정 통계 추론– UE  모델 사용 UE 지원/LMF 측위
– gNB  모델 사용 NG-RAN 노드 지원
  • UE, LMF(Location Management Function) 및 gNB의 역할에 따라 AI/ML 기반 측위 정확도 향상 방식을 사용

 
[참고]

  • 정보통신기획평가원(IIT), 5G New Radio의 AI/ML 기술, 2024

콘텐츠 사용 시 출처 표기 부탁 드리고, 댓글은 큰 힘이 됩니다^^