METHOD AND APPARATUS FOR IMPROVING DATA RECEPTION PERFORMANCE IN A COMMUNICATION SYSTEM

• Main Authors: KIM SUHWOOK, PARK YOSUB, SEO BONGSUNG, JANG HYEONDEOK
• Format: Patent
• Language: English; Korean
• Published: 04.07.2023
• Subjects: AMPLIFIERS; BASIC ELECTRONIC CIRCUITRY; CALCULATING; COMPUTER SYSTEMS BASED ON SPECIFIC COMPUTATIONAL MODELS; COMPUTING; COUNTING; ELECTRIC COMMUNICATION TECHNIQUE; ELECTRICITY; PHYSICS; TRANSMISSION

The present invention relates to a sixth-generation (6G) communication system for achieving high data transmission rate and ultra-low latency after fourth-generation (4G) and fifth-generation (5G) communication systems. According to an embodiment of the present invention, a method and apparatus trains a power amplifier (PA) input/output relationship on an artificial intelligence (AI) model at a receiving end and use the trained AI model to compensate for PA non-linearity for received data to improve the coverage of a transmitting end and the reception performance of the receiving end. In addition, the method and apparatus instruct the receiving end to train the AI model only when training of the AI model is required and instructs a reference signal appropriate for training the AI model. Through this, signaling overhead, computation overhead, or power consumption occurring when training the AI model can be reduced. In addition, a reference signal with the same or similar characteristics as those of the data to compensate for the PA nonlinearity is used for training the AI model, thereby preventing overfitting of the AI model. Accordingly, an AI model with optimal PA nonlinearity compensation performance can be acquired. 본 개시는 4G, 5G 통신 시스템 이후 높은 데이터 전송 속도 및 초저지연시간을 달성하기 위한 6G 통신 시스템과 관련된 것이다. 본 개시의 일 실시예에 따르면, 송신단의 커버리지 향상 및 수신단의 수신 성능을 향상시키기 위해, 수신단에서 PA 입출력 관계를 AI 모델에 학습시키고, 학습된 AI 모델을 사용하여 수신된 데이터에 대해 PA 비선형성을 보상하는 방법 및 장치가 제공된다. 또한, 본 개시의 일 실시예에 따르면, AI 모델의 학습이 필요한 경우에만 수신단에 AI 모델을 학습시킬 것을 지시하고, AI 모델의 학습에 적절한 기준 신호를 지시하는 방법 및 장치가 제공된다. 이를 통해, AI 모델의 학습 시 발생하게 되는 시그널링 오버헤드, 연산 오버헤드 또는 전력 소모를 감소시킬 수 있다. 또한, PA 비선형성을 보상할 데이터와 동일 또는 유사한 특성을 갖는 기준 신호가 AI 모델의 학습에 사용됨으로써 AI 모델이 과대적합되는 것을 방지할 수 있다. 따라서, 최적의 PA 비선형성 보상 성능을 갖는 AI 모델을 얻을 수 있다.