• 한국정보통신학회논문지
• /
• 제19권1호
• /
• pp.77-82
• /
• 2015

최근 폭발적으로 증가하고 있는 모바일 데이터 트래픽를 효과적으로 서비스하기 위한 기술 중의 하나로 다중 사용자 거대 다중 안테나 네트워크가 많은 관심을 받고 있다. 그러나, 다중 사용자 거대 다중 안테나 네트워크는 기지국에 복잡한 하드웨어 구성이 필요할 뿐만 아니라 최적의 사용자 조합을 선택하기 위하여 많은 계산량을 유발한다. 본 논문에서는 이러한 하드웨어 복잡도와 사용자 선택 알고리즘의 계산량을 동시에 획기적으로 감소시킬 수 있는 안테나와 사용자 선택 알고리즘을 제안한다. 본 논문에서 제안한 방식은 $O((N-S_a+1){\times}min(S_a,K))$의 계산 복잡도를 가지며, 이는 Brute-Force 탐색 기반의 최적 방식의 계산 복잡도 $$O\left({_N}C_S_a\sum_{i=1}^{min(S_a,K)}_KC_i\right)$$보다 획기적으로 감소된 것이다. 여기서 N은 모든 전송안테나의 수, $S_a$은 선택된 안테나 수, K는 사용자의 수를 나타낸다.

• 한국정보통신학회논문지
• /
• 제25권11호
• /
• pp.1559-1565
• /
• 2021

본 논문에서는 다중 사용자 거대 다중 안테나 시스템에서 안테나 선택 기법을 제안한다. 제안된 안테나 선택 기법은 심화 강화학습 네트워크를 활용함으로써 피드백 오버헤드를 획기적으로 낮추면서 기존 방식과 거의 같은 성능을 얻을 수 있다. 각 사용자는 기지국의 거대 안테나들과 형성된 채널의 이득 값을 L번째 큰 채널 이득과 비교하여 대소관계에 따라서 단일 비트의 이진수로 변환하여 피드백함으로써 기존 피드백 방식보다 오버헤드를 낮출 수 있다. 제안 방식에서는 감소한 피드백 정보로 인한 성능 저하를 방지하기 위해서 심화 강화학습 네트워크를 활용하였다. 제안 방식의 성능을 분석하기 위하여 다양한 환경에서 시뮬레이션을 수행하였으며, 제안 방식이 최적 방식에 가까운 기존 방식과 유사한 평균 전송률을 얻을 수 있음을 확인하였다.