초록 ▼

□연구개요
본 연구는 이동통신 네트워크에서 간섭 제어 및 자원 관리를 위한 기계학습 요소 기술을 연구하고 기계학습 기반 자원 관리 기법의 성능을 비교 평가하였다. 먼저, MIMO-NOMA (Non-Orthogonal Multiple Access) 네트워크에서 단일변수 기계학습 기술을 개발하고, 이를 확장하여 다변수 기계학습 기술을 개발하였다. 단일변수 기계 학습 연구에서는 강화학습 기반으로 MIMO-NOMA 네트워크에서 단말 전력 할당을 결정하였고, 다변수 기계학습 연구에서는 강화학습 기반으로 멀티 빔 MIMO-NOMA 네트워

□연구개요
본 연구는 이동통신 네트워크에서 간섭 제어 및 자원 관리를 위한 기계학습 요소 기술을 연구하고 기계학습 기반 자원 관리 기법의 성능을 비교 평가하였다. 먼저, MIMO-NOMA (Non-Orthogonal Multiple Access) 네트워크에서 단일변수 기계학습 기술을 개발하고, 이를 확장하여 다변수 기계학습 기술을 개발하였다. 단일변수 기계 학습 연구에서는 강화학습 기반으로 MIMO-NOMA 네트워크에서 단말 전력 할당을 결정하였고, 다변수 기계학습 연구에서는 강화학습 기반으로 멀티 빔 MIMO-NOMA 네트워크의 사용자 페어링과 단말 전력 할당을 통합하여 결정하였다. 그리고 무선 채널 상태 피드백 오버헤드를 개선하기 위해 강화학습 기반 피드백 동적 전송 결정 기법을 연구하였고, 파이썬 기반의 기계학습 시뮬레이션 툴을 개발하였다.

□연구 목표대비 연구결과
본 연구는 연구기간 1.75년(21개월) 동안 SCI급 논문 3편과 KCI 등재학술지 1편을 발표하였다. 그리고 총 4건의 기술지도를 수행하였다. 이는 당초 연구 목표를 초과달성한 것이며, 정성적으로는 MIMO-NOMA 네트워크에서 단일변수 강화학습 기술을 개발하고, 이를 확장하여 다변수 강화학습 기술을 개발하였다. 또한 무선 채널 상태 피드백 오버헤드를 개선하기 위해 강화학습 기반 피드백 동적 전송 결정 기법을 개발하였고, 파이썬 기반의 기계학습 시뮬레이션 툴을 개발하였다.

□연구발성과의 활용 계획 및 기대효과(연구개발결과의 중요성)
본 연구는 이동통신 네트워크에 기계학습 기술을 적용하는 연구로 기계학습 기반 자원 관리 요소 기술을 개발하여 기술 확보 및 산업 기여가 높다.
● 이동통신에 기계학습 기술을 적용하여 성능 개선을 보였다. MIMO-NOMA 네트워크에서 수학 기반 최적화 문제는 계산 복잡도가 너무 커서 실제 시스템에 적용하기 어려웠는데, 강화학습 기반 문제 해결을 통해 실제 시스템에 적용 가능성을 보였다.
● 이동통신 분야 기계학습 기술 기반을 확보하였다. 본 연구를 통해 산출된 연구들은 논문으로 출판되어, 관련 연구 분야 확산에 기여하였다.
● 본 연구 결과는 통신 산업뿐 아니라 기계학습 기술이 사용되는 산업 전반에 활용할 수 있어, 그 응용 및 활용 범위는 매우 크다.

(출처 : 요약문 2p)

목차 Contents

• 표지 ... 1
• 연구결과 요약문 ... 2
• 목차 ... 3
• 1. 연구개발과제의 개요 ... 4
• 2. 연구개발과제의 수행 과정 및 수행 내용 ... 4
• 3. 연구개발과제의 수행 결과 및 목표 달성 수준 ... 11
• 1) 정성적 연구개발성과(연구개발결과) ... 11
• 2) 세부 정량적 연구개발성과 ... 12
• 3) 목표 달성 수준 ... 12
• 4) 목표 미달 시 원인 분석 ... 12
• 4. 연구개발성과의 관련 분야에 대한 기여 정도(연구개발결과의 중요성) ... 12
• 5. 연구개발성과의 관리 및 활용 계획 ... 12
• 6. 참고문헌 ... 13
• 붙임1. 세부 정량적 연구개발성과 ... 15
• 붙임2. 연구책임자 대표적 연구실적 및 증빙(요약문 및 사본) ... 17
• 끝페이지 ... 25