::: TTA표준화 위원회 :::

홈 > 자료마당 > 자료검색 > 표준

자료 검색결과

표준종류

정보통신기술보고서(TTAR)

표준번호

TTAR-06.0274

구 표준번호

제개정일

2023-10-19

총 페이지

한글 표준명

비예약 기반 비직교 무선 접속 방식을 위한 인공지능 활용 (기술보고서)

영문 표준명

Artificial Intelligence (AI) for Grant-free Non-orthogonal Multiple Access (NOMA) (Technical Report)

한글 내용요약

이 기술보고서는 무선 액세스를 위한 인공 지능 및 기계학습의 새로운 활용 사례로서, 비예약 기반 비직교 다중 접속 시스템의 상향링크 처리율(throughput)을 높이기 위한 송수신 구조를 제시한다. 여기서, 사용자의 전송 감지를 위해 수신된 프리앰블과 데이터를 모두 활용하는 데이터 지원 활성 사용자 감지(data-aided active user detection: D-AUD) 와 사용자간 코드북 충돌을 인지하고 구분해내는 충돌 인지 다중 사용자 검출(collision-aware multi-user detection: CA-MUD) 방식이 고려된다. D-AUD와 CA-MUD에 인공지능과 기계학습 기술을 활용함으로써 활동 감지 오류율(activity detection error rate: ADER)와 비트 오류률(bit-error rate; BER)로 정의된 중간 성능지표(intermediate KPI)를 개선하고, 결과적으로 최종 성능지표(eventual KPI)로서 대규모 기계 통신(mMTC) 시스템 대한 상향링크 처리율 처리량을 향상시킬 수 있다. 이 기술보고서는 3GPP 5G NR 무선접속 인터페이스를 위한 인공지능/기계학습에 대한 기술보고서인 TR 38.843의 일반적인 프레임워크를 참조하여, 무선접속 인터페이스와 연계된 활용 예시(use case)를 위해 필요한 성능 평가 방법론과 절차를 기술한다.

영문 내용요약

This technical report presents a new application of AI/ML for radio access, proposing a transceiver structure to improve the uplink throughput of grant-free non-orthogonal multiple access(NOMA) systems. In this context, data-aided active user detection (D-AUD) is considered, which utilizes both received preambles and data for user detection, and collision-aware multi-user detection(CA-MUD) is employed to detect codebooks while distinguish their collisions between users. By leveraging AI/ML techniques in D-AUD and CA-MUD, the intermediate key performance indicators (KPIs) defined as activity detection error rate(ADER) and bit-error rate(BER) can be improved, leading to the enhancement of the eventual KPI, specifically the uplink throughput for massive machine-type communication(mMTC) systems.