초록 ▼

용어보기논문에서 용어와 풀이말을 자동 추출한 결과로, 시범 서비스 중입니다. AI-Helper

본 논문은 IEEE 802.11p 기반 차량 통신을 위한 전송된 심볼에 대한 시변 채널 효과를 완화하는 채널 추정 기법과 C-V2X(cellular vehicle-to-everything)로 알려진 셀룰러 기반 차량 통신을 위한 고밀도 차량 환경에서 발생하는 채널 혼잡을 해결하는 분산 혼잡 제어 (DCC) ...

본 논문은 IEEE 802.11p 기반 차량 통신을 위한 전송된 심볼에 대한 시변 채널 효과를 완화하는 채널 추정 기법과 C-V2X(cellular vehicle-to-everything)로 알려진 셀룰러 기반 차량 통신을 위한 고밀도 차량 환경에서 발생하는 채널 혼잡을 해결하는 분산 혼잡 제어 (DCC) 알고리즘 개발의 두 부분으로 나누어진다. IEEE 802.11p는 한 심볼 주기 동안 4개의 기준신호 부반송파(pilot subcarrier)를 전송하며, 4개의 기준신호 부반송파만으로는 고속 차량 환경에서의 무선 채널 특성을 예측하기 어렵다. 이는 실제 차량 환경에서 심각한 성능 열화를 발생시킨다. 두 번째 부분인 DCC는 차량 밀도가 높은 차량 환경에서 채널 혼잡을 줄여 시스템 성능을 향상시키는 알고리즘이다. 3GPP 표준은 C-V2X 사이드 링크의 채널 혼잡을 완화할 수 있도록 채널 사용률 관련 메트릭과 가능한 속도 및 전력 제어 메커니즘을 정의하였지만, 이러한 제어를 수행하기 위한 구체적인 알고리즘을 제시하지 않았다. IEEE 802.11p와 C-V2X에서의 문제를 해결하기 위하여, IEEE 802.11p 프레임 구조를 변경하지 않고 채널 추정 및 추적 성능을 향상시킬 수있는 채널 추정 기법을 제안하였다. 또한 고밀도 환경에서 과도한 메시지 부하로 인한 성능 저하를 최소화하기 위한 C-V2X DCC 알고리즘을 제안하였다.
본 논문의 첫번째 부분인 채널 추정 기법에서는, 전체 SNR 범위에서 채널 추정 방법을 적절하게 변경하여 성능을 향상시키는 채널 추정 기법을 제안하였다. 먼저, 프리앰블을 기반으로 한 PLS (packet-level selective) 채널 추정을 제안하였다. 제안된 PLS 방식은 패킷 단위로 두 개의 채널 추정 방법 중 하나를 선택적으로 사용하며, 각각 높은 SNR 또는 낮은 SNR 신호에 대해 뛰어난 성능을 제공한다. 이를 구현하기 위해 프리앰블 기반의 적응 알고리즘을 제안하였으며, 프리앰블은 사전에 송수신기간에 알고 있는 신호이므로 수신기는 디매핑 (demapping) 오류 없이 채널 추정치를 획득하여 채널 추정 방식의 성능을 평가할 수 있다. 둘째, 높은 이동성으로 인해 빠른 채널 변화가 발생하는 차량 환경에서 패킷의 처음부터 끝까지의 채널 변화를 더욱 정확하게 추적하기 위해 SLS (symbol-level selective) 채널 추정 기법을 제안하였다. 제안된 SLS 채널 추정 기법은 심볼 단위로 두 채널 추정 기법 중 더 나은 기법을 선택적으로 사용하며, 이를 위해 상관 계수를 기반으로 한 새로운 선택 기준을 제안하였다.
본 논문의 두 번째 부분인 DCC의 경우에서는, C-V2X에서의 혼잡 제어 성능을 향상시키기 위해 심층 강화학습 (DRL) 기반 DCC 알고리즘을 제안하였다. 제안된 알고리즘의 메커니즘에 따라 에이전트 역할을 하는 차량 사용자 장비는 통신 환경과 상호 작용하고 현재/다음 상태 및 보상을 관찰하며, 축적된 경험(experience)을 사용하여 DRL 네트워크를 업데이트함으로써 DCC를 개선하는 방법을 학습한다. DRL 기반 시스템에서 원하는 행동을 유도하기 위해서는 적절한 보상 함수를 설계하는 것이 매우 중요하다. 차량 밀도가 높은 환경에서 채널 이용률을 의도한 범위 내로 유지하면서 PDR 감소를 최소화하기 위해 제안된 알고리즘에서 보상은 PDR과 CBR 조건으로 구성하였다. CBR 조건은 채널의 이용률을 목표 CBR에 근접하도록 한다.
제안된 채널 추정 기법과 DRL 기반 DCC 알고리즘은 기존 기술보다 향상된 성능을 보여준다. 제안하는 기술들은 V2X 통신의 신뢰성을 크게 높일 것으로 기대되며 커넥티드 카, 지능형 교통 기술 등 다양한 서비스에 적용될 수 있다.

Abstract ▼ AI-Helper

This dissertation is divided into two parts: development of channel estimation scheme to mitigate the time-varying channel effects on the transmitted symbols for IEEE 802.11p-based vehicular communications and distributed congestion control (DCC) algorithm to address channel congestion occurring in ...

This dissertation is divided into two parts: development of channel estimation scheme to mitigate the time-varying channel effects on the transmitted symbols for IEEE 802.11p-based vehicular communications and distributed congestion control (DCC) algorithm to address channel congestion occurring in dense vehicular environments for cellular-based vehicular communications, referred to as cellular vehicle-to-everything (C-V2X). IEEE 802.11p frame structure, which has a low pilot density, makes it difficult to predict the properties of wireless channels in a vehicular environment with high vehicle speeds; thus, the performance of the system is degraded in realistic vehicular environments. The second part, DCC, improves the system performance by lowering channel congestion in vehicular environments with high vehicle density. The 3rd Generation Partnership Project standard defines the related metrics of channel busy ratio (CBR) and introduces possible rate and power control mechanisms to mitigate channel congestion in C-V2X sidelink. However, the DCC of C-V2X is not sufficiently specified to implement these controls. To resolve these problems, channel estimation techniques are proposed to improve the channel estimation and tracking performance without changing the IEEE 802.11p frame structure. Additionally, the DCC algorithm for C-V2X is proposed to prevent performance degradation in high-density environments due to the heavy message load.
In the case of channel estimation, two channel estimation techniques are proposed to improve the performance by appropriately changing the method of channel estimation over an entire SNR range of values. First, packet-level selective (PLS) channel estimation is proposed based on preamble. The proposed PLS scheme selectively uses two channel estimation schemes on a packet-by-packet basis, each with outstanding performance for either high-SNR or low-SNR signals. To implement this, an adaptation algorithm based on a preamble is proposed. The preamble is a signal known to the transmitter-receiver, so that the receiver can obtain channel estimates without demapping errors, evaluating performance of the channel estimation schemes. Second, a symbol-level selective (SLS) channel estimation scheme is proposed to more accurately track channel variations from the beginning to the end of a packet in a vehicular environment, where high mobility produces rapid channel variations within a packet. The proposed SLS channel estimation scheme selectively uses the better scheme between two channel estimation schemes on a symbol-by-symbol basis. To this end, a new selection criterion based on correlation coefficient is presented.
In the case of DCC, a deep reinforcement learning (DRL) based DCC algorithm is proposed to improve congestion control performance in C-V2X. Depending on the mechanism of the proposed algorithm, the vehicular user equipments, each acting as an agent, interact with the communication environment, observe current/next state and reward, and learn how to improve DCC by updating DRL-networks using the accumulated experiences. Designing a suitable reward function is critical to elicit desired behaviors in DRL-based systems. To minimize PDR reduction while maintaining the channel utilization within the intended range in high vehicle density environments, in the proposed algorithm, the reward consists of PDR and CBR condition, and the CBR condition makes the utilization rate of the channel to be close to the target CBR.
The proposed channel estimation techniques and DRL-based DCC algorithm show an improved performance compared with that of the existing techniques. They are expected to increase the reliability of V2X communications significantly and be utilized in various services such as connected vehicles and intelligent transportation technology.

주제어