머신러닝 기반 차세대 통신 기술

가. 머신러닝 기반 차세대 통신 기술의 정의

-머신러닝을 활용하여 네트워크 성능과 자원 사용의 효율성을 최적화하는 기술

 

나. 머신러닝 기반 차세대 통신 기술의 특징

5G	6G
초고속, 초저지연, 초연결	초공간, 초성능, 초지능, 초신뢰, 초정밀, 초대역

-6G는 인공지능 기술을 적용하여 네트워크의 지능화 실현 목표

 

 

2. 머신러닝 기반의 SDN과 Massive MIMO, IRS

가. 머신러닝 기반의 SDN

머신러닝 기반의 SDN의 개요	-기존 네트워크 환경의 다양성 및 복잡성을 극복하고 보다 효율적으로 네트워크를 제어하기 위한 기술 요구
특징	트래픽 감지 및 제어	- 기존 네트워크 트래픽 탐지의 정적 분석 및 트래픽 제어의 제한적인 한계점을 극복 -SDN의 아키텍처의 유연하고 다차원적인 네트워크 데이터 추출 및 분석을 통해 이상 징후를 탐지하여 보안을 강화
	IoT 및 클라우드 컴퓨팅 분야	- 대규모의 밀집 네크워크에서 동작하는 IoT 장치를 관리하려면 지능적이고 효율적이어야 하는 이슈

나. 머신러닝 기반의 Massive MIMO

머신러닝 기반의 Massive MIMO의 개요	-밀리미터파 (mmWave) 대역의 큰 경로 손실과 간섭을 제거할 수 있도록 효율적인 간섭 제거 기법 및 신호 검출 기술 요구
특징	머신러닝 기반의 CSI 추정 및 피드백	- Massive MIMO 시스템의 전 체적인 성능 및 효율성을 증가시키기 위해 정확한 CSI 필요 -상황 인식과 결합하여 빔의 파워와 최적의 빔을 학습시켜 노이즈를 탐지 및 제거하여 채널을 추정하는 방식으로 제안
	파일럿 오염 제거	-인접한 셀의 파일럿 시퀀스가 셀 간 간섭으로 작용하는 파일럿 오염을 해결 -Multi-layer Perceptron, CNN, Recurrent Neural Network, Long Short-Term Memory 등 딥러닝 기반 기술을 활용

다. 머신러닝 기반의 IRS

머신러닝 기반의 IRS	-네트워크 용량과 커버리지를 개선하기 위한 목적으로 기지국과 액세스 포인트와 같은 활성 노드들을 많이 배치함으로써 발생하는 네트워크 간섭 문제와 하드웨어 및 에너지 비용 문제를 해결 기술 요구
특징	이동성 주체 고려	-고정적인 IRS로 인한 제한적인 서비스 범위 제공 한계 극복 -IRS 기반 차량 통신, UAV 통신, 보안 통신, 모바일 에지 컴퓨팅과 같은 새로운 분야 및 애플리케 이션에 접목된 형태로 연구가 진행
	IRS 기반 UAV 통신	-IRS는 사용자와 UAV 사이 가상 LoS(Line-of-Sight) 링크를 형성하고, 장거리 전력 손실을 보상하여 네트워크 통신 성능을 개선