심층신경망 기반의 프리코딩 시스템을 활용한 다중사용자 스케줄링 기법에 관한 연구

MU-MIMO Scheduling using DNN-based Precoder with Limited Feedback

최근에 심층신경망(DNN)을 활용하여 채널 추정, 채널 양자화, 피드백, 프리코딩 과정을 통합하여 모델링하는 연구가 진행되었다. 해당연구는 기존에 이론적으로 어렵던 통합 최적화를 deep learning (DL)을 기반으로 수행하여 기존의 실제 codebook을 활용하는 프리코딩기법에 비해 높은 잠재력이 있음을 보였다. 하지만 기존의 기법은 랜덤하게 정해진 소수의 사용자만을 대상으로하며, 기존의 기법과 다르게 스케줄링이 포함된 환경에는 적응이 어렵다. 따라서 본 연구에서는 심층신경망기반의 프리코딩기법이 활용가능한 스케줄링 방식을 연구하여 기존의 결과와 비교한다.

Recently, a joint channel estimation, channel quantization, feedback, and precoding system based on deep-neural network (DNN) was proposed. The corresponding system achieved a joint optimization based on deep learning such that it achieved a higher sum rate than the existing codebook-based precoding systems. However, this DNN-based procoding system is not directly applicable for the environments with many users such that a specific user selection can potentially increase the sum rate of the system. Thus, in this letter, we study an appropriate user selection method suitable for DNN-based precoding.