5G 이동통신 빔 관리를 위한 SUMO 기반 사용자 경로 분류 방안
On Mobile Trajectory Classification Using SUMO for 5G Beam Management
- 주제(키워드) 경로 모델링 , 경로 분류 , 딥러닝 , 빔포밍
- 발행기관 서강대학교 일반대학원
- 지도교수 성원진
- 발행년도 2021
- 학위수여년월 2021. 8
- 학위명 석사
- 학과 및 전공 일반대학원 전자공학과
- UCI I804:11029-000000066202
- 본문언어 한국어
- 저작권 서강대학교 논문은 저작권보호를 받습니다.
초록/요약
시공간 정보를 활용하여 대표 경로를 생성하는 LSTM (long-short term memory)을 이용한 예측 모델을 기반으로 경로 데이터를 분류하는 기계학습 접근 방식을 제안한다. LSTM을 사용한 경로 모델링은 주어진 도로 환경에 대해 시퀀스 타입으로 경로가 표현되기 때문에 수많은 데이터를 전부 확인하지 않아도 된다. 제안하는 방법의 성능을 평가하기 위해 분류되지 않은 경로와 가장 비슷한 대표경로 사이의 유사도를 확인하는 방식을 사용한다. 도시 이동성 모의실험 (Simulation of Urban Mobility; SUMO) 모델을 사용하여 목표 도로 환경의 세부 사항을 반영하는 실제 교통 데이터를 생성한다. 유사도를 확인하는 방식을 사용해 결정된 대표경로는 일반적인 경로와 매우 유사하게 표현되어 제안 방식의 신뢰성을 보여준다. 제안 된 방법은 무선 통신 시스템의 빔 관리 방식에 적용된다. 주어진 대역폭에서의 경로 손실을 극복하기 위해, 그리고 사용자의 움직임을 따라가기 위해서 밀리미터파를 이용하는 5세대 new radio (5G NR) 에는 정확한 빔포밍이 필요하다. 경로 분류 결과를 5G NR 빔 관리 방식과 결합하여 다중 입력 다중 출력 (MIMO) 전송을 위한 정확한 빔포밍을 수행한다. 경로 분류에 기반한 빔포밍 코드북을 사용함으로써, 이산 푸리에 변환 (discrete Fourier transform; DFT) 매트릭스에 기반한 기존 코드북과 비교할 때 상당한 빔포밍 이득이 달성되는 것을 확인한다.
more초록/요약
A machine-learning approach to classify trajectory data based on a prediction model us-ing long-short term memory (LSTM) is proposed, which generates representative trajecto-ries with the aid of spatio-temporal information. Trajectory modeling with LSTM is applied to obtain sequence-type trajectory representations for a given road environment, which eliminates the need to search through a large number of data. In order to evaluate the use-fulness of the proposed method, the similarity measure is defined to determine the distance between an unclassified trajectory to the best-matching representative trajectory. We adopt the Simulation of Urban MObility (SUMO) model to generate the practical traffic data reflect-ing specifics of the target road environment. The resulting trajectory representation shows a close similarity to general trajectory data by the defined measure, demonstrating the reli-ability of the algorithm. The proposed method is then applied to the beam management (BM) of the wireless communication system. Highly directional and accurate beamforming is re-quired for 5th generation new radio (5G NR) exploiting the millimeter-wave frequency, to overcome the severe path loss experienced in the given bandwidth. Directional beamform-ing needs to be precise and sophisticated to follow the movement of the user in this scenar-io, to avoid a noticeable amount of performance degradation. We combine the trajectory classification result with the 5G NR BM strategy to perform precise beamforming for multi-ple-input multiple-output (MIMO) transmission. By using the beamforming codebook based on the trajectory classification, a significant beamforming gain is shown to be achieved when compared to the conventional codebook based on discrete Fourier transform (DFT) matrix.
more