A STUDY ON INTELLIGENT BEAMFORMING TECHNIQUES IN MASSIVE MIMO SYSTEMS = 대규모 다중입출력 시스템에서의 지능형 빔포밍 기법에 관한 연구

국문 초록 (Abstract)

데이터 집약적이고 지연에 민감한 다양한 애플리케이션을 지원하기 위해, 새로운 주파수 대역에 대한 수요가 최근 몇 년간 폭발적으로 증가하고 있다. 밀리미터파(mmWave) 대역(28- GHz)과 어퍼미드(upper mid) 대역(7-24 GHz)의 풍부한 스펙트럼 자원을 활용하여, 고주파 통신은 디지털 트윈, XR 디바이스로 구현된 메타버스, 고해상도 모바일 홀로그래픽 디스플레이와 같은 몰입형 모바일 서비스를 지원할 수 있다. 고주파 통신에서 큰 투과 손실과 회절 손실을 완화하기 위해, 대규모 다중입출력(MIMO) 시스템이 미래 무선 통신에서 핵심적인 역할을 할 것으로 예상된다. mmWave 대규모 안테나 시스템의 핵심 동작은 다수의 안테나에 걸쳐 신호 위상을 서로 다르게 조정하여 목표 방향으로 신호 전력을 집중시키는 빔포밍이다. 빔포밍의 효율성은 안테나 간 신호의 정밀한 배열에 크게 의존하기 때문에, 기지국(BS)은 모바일 기기의 정확한 채널 정보를 획득해야 한다.
논문의 첫 번째 부분에서는 mmWave 초고밀도 네트워크(UDN)에서의 에너지 효율적인 사용자 연결 기법을 소개한다. 미래 무선 통신의 핵심 기술로서, 다수의 소형 기지국(SBS)이 밀집 배치되어 mmWave 대역 전송을 사용하여 사용자를 서비스하는 mmWave UDN이 큰 주목을 받고 있다. 감소된 경로 손실과 넓은 범위의 주파수 스펙트럼 덕분에, mmWave UDN은 셀룰러 네트워크의 용량을 크게 향상시킬 수 있다. UDN의 용량 이득을 최대화하기 위해서는, SBS가 적절한 채널 조건을 가진 사용자를 향해 빔포밍을 수행할 수 있도록 SBS와 사용자 간의 연결이 신중하게 설계되어야 한다. 그러나 계산 복잡도와 시그널링 오버헤드가 SBS와 사용자의 수에 따라 기하급수적으로 증가하기 때문에, UDN에 기존의 중앙집중식 접근법을 적용하기는 매우 어렵다. 본 연구에서는 UDN의 에너지 효율을 최대화하기 위해 다중 에이전트 액터-크리틱(AC)을 기반으로 한 분산형 사용자 연결 기법을 제안한다. 제안된 기법에서 액터 네트워크는 로컬 관측을 사용하여 SBS의 사용자 연결을 결정하고, 크리틱 네트워크는 액터 네트워크에 에너지 효율적인 사용자 연결 결정을 알려준다. 이를 통해 각 SBS의 심층 강화학습(DRL) 에이전트는 네트워크 에너지 효율을 최대화하는 사용자 연결 결정을 찾아낼 수 있다. 광범위한 시뮬레이션을 통해 제안된 기법이 기존 사용자 연결 기법 대비 평균 50% 이상의 에너지 효율 향상을 달성함을 입증한다.
논문의 두 번째 부분에서는 mmWave 대규모 MIMO 시스템을 위한 채널 예측 기법을 소개한다. 6G 무선 네트워크의 폭발적으로 증가하는 데이터 전송률 요구사항을 충족하기 위한 핵심 기술로서, 밀리미터파(mmWave) 대규모 안테나 시스템이 최근 큰 주목을 받고 있다. 대규모 안테나 시스템의 장점을 완전히 활용하기 위해서는 BS에서 정확한 채널 정보를 획득하는 것이 중요하지만, mmWave 채널의 짧은 상관 시간으로 인해 이는 어려운 과제이다. 본 연구에서는 실시간 채널 정보를 획득하기 위한 다중 모달 센싱 기반 채널 예측(MSCP) 기법을 제안한다. MSCP의 핵심 아이디어는 비전 센싱과 무선 주파수(RF) 신호를 모두 활용하여 모바일 기기와 인간의 위치, 그리고 주변 무선 환경(예: 벽과 지면)의 위치, 방향, 재질을 식별하는 것이다. 비전 센서가 센싱 이미지를 빠르게 캡처할 수 있기 때문에, 주변 환경을 원활하고 정확하게 분석할 수 있으며, 이를 통해 정확한 채널 예측을 생성할 수 있다. 수치 결과를 통해 제안된 기법이 기존 RF 신호 기반 채널 예측 기법 대비 77.1% 이상의 채널 예측 정확도 향상을 달성함을 입증한다.
논문의 세 번째 부분에서는 6G 상위 중간대역 통신을 위한 빔 추적 기법을 소개한다. 대역폭과 커버리지 사이의 균형을 달성하기 위해, 6G 무선 통신은 주파수 범위 3(FR3) 대역으로 상위 중간대역(7-24 GHz)을 활용할 것이다. 상위 중간대역 채널은 무시할 수 없는 다수의 전파 경로로 구성되어 있기 때문에, 기지국(BS)과 모바일은 빔포밍 성능을 최대화하기 위해 다중경로 전파 환경을 추적해야 한다. 문맥 정보의 부재로 인해, 기존 RF 기반 빔 추적 기법은 불연속적인 채널 변화(예: 경로 차단 및 새로운 산란체 출현)로 인해 어려움을 겪는다. 따라서 최적 빔 방향의 연속적이고 정확한 추적을 달성하기 위해, 본 연구에서는 대규모 멀티모달 모델(LMM)을 활용하여 각 경로를 문맥 정보와 함께 추적하고 환경 인지 빔을 생성하는 LMM 기반 빔 추적(LMM-BT)을 제안한다. 이미지와 파일럿 측정 간의 공간적 상관관계를 정량화함으로써, LMM-BT는 모바일과 신호 반사점의 이동을 연속적으로 추적할 수 있다. 또한 고급 자연어 처리(NLP) 능력을 활용하여, LMM-BT는 세부적인 작업 지침과 네트워크 사양을 해석할 수 있으며, 이를 통해 채널 추적 정확도를 향상시킨다. 수치 평가를 통해 제안된 기법이 기존 RF 기반 기법 대비 상당한 채널 추적 정확도 및 합 전송률 향상을 달성함을 보여준다.

다국어 초록 (Multilingual Abstract)

To support a variety of data-demanding and delay-sensitive applications, the demand on new frequency bands has been explosively growing in recent years. Using the abundant spectrum resource in the millimeter-wave (mmWave) band (28- GHz) and the upper mid-band (7-24 GHz), high-frequency communication can support immersive mobile services such as digital twin, metaverse realized by XR devices, and high-fidelity mobile holographic displays. To mitigate the large penetration and diffraction losses in high-frequency communications, massive multiple-input multiple-output (MIMO) systems are expected to play a pivotal role in future wireless communications. Key operation of mmWave massive antenna systems is the beamforming that differently adjusts the signal phases across a large number of antennas to concentrate the signal power toward the target direction. Since the efficacy of beamforming relies heavily on the precise arrangement of signals across antennas, the base station (BS) needs to acquire accurate channel information of a mobile device.
In the first part of the dissertation, we introduce the energy-efficient user association technique in mmWave ultra-dense network (UDN). As a key enabler for future wireless communications, mmWave UDN where a large number of small base stations (SBSs) are densely deployed to serve users using mmWave band transmission has received a great deal of attention. Due to the reduced path loss and the wide range of frequency spectrum, the mmWave UDN can greatly improve the capacity of cellular network. In order to maximize the capacity gain of UDN, the associations between SBSs and users should be designed deliberately so that SBSs can perform beamforming toward the users with proper channel condition. However, since computational complexity and signaling overhead increase exponentially with the numbers of SBSs and users, it is very difficult to apply the conventional centralized approaches in the UDN. In this work, we propose a decentralized user association technique based on multi-agent actor-critic (AC) to maximize the energy efficiency of UDN. In our technique, actor network determines the user association of the SBS using the local observation and critic network informs the energy-efficient user association decision to the actor network. In doing so, the deep reinforcement learning (DRL) agent in each SBS can find out the user association decision maximizing the network energy efficiency. From the extensive simulations, we demonstrate that the proposed scheme achieves more than 50% average energy efficiency gain over the conventional user association techniques.
In the second part of the dissertation, we introduce a channel prediction technique for mmWave massive MIMO systems. As a key technology to meet the explosively growing data rate demands for 6G wireless networks, millimeter wave (mmWave) massive antenna systems have received significant attention recently. To fully leverage the advantages of massive antenna systems, acquiring accurate channel information at the BS is crucial but such is challenging due to the short coherence time of mmWave channels. In this work, we propose a multi-modal sensing-aided channel prediction (MSCP) technique to acquire real-time channel information. The core idea of MSCP is to exploit both vision sensing and radio frequency (RF) signaling to identify the positions of mobile devices and humans, as well as the positions, orientations, and materials of surrounding wireless environments (e.g., walls and ground). Since the vision sensor can capture sensing images quickly, we can analyze the surrounding environment seamlessly and accurately, thereby generating an accurate channel prediction. From the numerical results, we demonstrate that the proposed technique achieves more than 77.1% improvement in channel prediction accuracy over the conventional RF signal-based channel prediction techniques.
In the third part of the dissertation, we introduce a beam tracking technique for 6G upper mid-band communications. To achieve a balance between bandwidth and coverage, 6G wireless communication will utilize the upper mid-bands (7-24 GHz) as the frequency range 3 (FR3) band. Since the upper mid-band channels consist of many non-negligible propagation paths, base station (BS) and mobile need to track multipath propagation environment to maximize the beamforming performance. Due to the absence of contextual information, the conventional RF-based beam tracking techniques suffer from discontinuous channel variation (e.g., path blockage and new scatterer appearance). Therefore, to achieve a continuous and accurate tracking of the optimal beam direction, we propose large multimodal model (LMM)-aided beam tracking (LMM-BT) that utilizes LMM to track each path with contextual information and then generates environment-aware beam. By quantifying the spatial correlations between image and pilot measurement, LMM-BT can continuously track the movement of mobiles and signal reflection points. Moreover, by utilizing the advanced natural language processing (NLP) capability, LMM-BT can interpret detailed task guidelines and network specifications, thus improving the channel tracking accuracy. From numerical evaluations, we show that the proposed technique achieves significant channel tracking accuracy and sum rate improvement over the conventional RF-based techniques.

목차 (Table of Contents)

• Abstract i
• Contents iv
• List of Tables viii
• List of Figures ix
• 1. Introduction 1
• 1.1. Background 1
• 1.2. Contribution and Organization 4
• 2. Energy-Efficient User Association in mmWave Ultra-Dense Network via Multi-Agent Deep Reinforcement Learning 7
• 2.1. Introduction 8
• 2.2. Ultra-Dense Network System 12
• 2.3. Decentralized User Association via Multi-Agent Actor-Critic 19
• 2.4. Practical Issues for the DUSMAC Implementation 32
• 2.5. Simulations and Discussions 33
• 2.6. Summary 40
• 2.7. Proofs 41
• 3. Multi-modal Sensing-aided Channel Prediction for 6G mmWave Massive Antenna Systems 44
• 3.1. Introduction 45
• 3.2. mmWave Massive Antenna Systems 49
• 3.3. Multi-modal Sensing-aided Channel Prediction Technique 54
• 3.4. Simulations and Discussions 71
• 3.5. Summary 79
• 3.6. Proofs 80
• 4. Large Multimodal Model-aided Environment-aware Beam Tracking for Upper Mid-band Communications 84
• 4.1. Introduction 85
• 4.2. UM-MIMO Systems 90
• 4.3. Large Multimodal Model-based Path Tracking 96
• 4.4. Environment-aware Beamforming 107
• 4.5. Simulations and Discussions 115
• 4.6. Summary 120
• 4.7. Proofs 121
• 5. Conclusion 122
• 국문초록 135