This thesis aims to analyze the performance analysis of deep learning and polarized antenna based hybrid beamforming (HB) system in millimeter wave (mmWave) band. Considering the trade-off between cost and performance, the HB system is an essential technology in mmWave communication. Therefore, this thesis proposes a deep neural network (DNN), which is the core of artificial intelligence technology, and polarized antennas based HB system. Then, supervised learning of deep learning was applied to HB system using polarized antenna.
First, we propose HB algorithms based on dual polarization array antenna (DPAA). In mmWave communications, channel estimation is difficult due to high path-loss. Thus, optimal beamforming weights are determined using codebook based beam training. The first HB algorithm based on DPAA proposed in this thesis is a method to find the optimal beam codewords from the codebooks without considering the beam training complexity. The second DPAA based HB algorithm reduces the beam training complexity of the first proposed scheme with maintaining the performance. The third DPAA based HB algorithm reduces the beam training complexity of the first proposed scheme and robust to cross polarization channel compared to the second proposed scheme. Simulation results showed that the proposed methods achieve higher spectral efficiency than the conventional HB system based on the single polarization array antenna (SPAA).
Second, we propose a DNN based HB system using SPAA. In the proposed DNN based HB system using SPAA, supervised learning is applied to classify beam codewords optimized for a given channel environment in a codebook. Then, optimal beam codewords can be inferred without comparing all the beam codewords in the codebook. Due to these reasons, the proposed DNN based HB system using SPAA can drastically reduce the complexity of beam training compared to existing methods. Then, it was investigated that the proposed DNN based HB system using SPAA can achieve almost the same performance as the conventional scheme with very low beam training complexity through simulation.
Finally, a DNN based HB system using DPAA is proposed. The proposed DNN for HB using DPAA was designed considering DPAA characteristics. Through the proposed DNN for HB using DPAA, it is possible to predict all beam codewords of all polarization array antenna. Therefore, beam training complexity of the proposed system is much lower than that of the conventional scheme. In this thesis, it was investigated that the performance of the proposed DNN based HB system using DPAA is higher than that of conventional scheme with reduced beam training complexity through simulation.
본 논문은 딥러닝과 편파안테나 기반 밀리미터파 대역 하이브리드 빔포밍 시스템의 성능 분석을 목적으로 한다. 비용과 성능간의 상관관계를 고려하였을 때, 하이브리드 빔포밍 시스템은 밀리미터파 통신에서 필수적인 기술이다. 따라서, 본 논문은 인공 지능 기술의 핵심인 심층 신경망과 편파 안테나 기반의 하이브리드 빔포밍 시스템을 제안한다. 이 때, 딥러닝의 supervised learning을 편파 안테나를 이용하는 하이브리드 빔포밍 시스템에 적용하였다.
먼저, 이중 편파 안테나를 이용하는 하이브리드 빔포밍 알고리즘들을 제안한다. 밀리미터파 대역에서의 하이브리드 빔포밍 시스템에서는 높은 경로 감쇄로 인해 채널 추정이 어렵다는 단점이 있다. 따라서, 코드북 기반의 빔 트레이닝을 이용하여 최적의 빔포밍 가중치를 결정한다. 본 논문에서 제안하는 첫 번째 이중 편파 안테나 기반 하이브리드 빔포밍 알고리즘은 빔 트레이닝 복잡도를 고려하지 않고 최적의 빔 코드를 코드북에서 찾는 방법이다. 두 번째 이중 편파 안테나 기반 하이브리드 빔포밍 알고리즘은 빔 트레이닝 복잡도를 첫 번째 제안 방안보다 감소시키며 성능을 최대한 유지하는 방안이다. 세 번째 이중 편파 안테나 기반 하이브리드 빔포밍 알고리즘은 두 번째 제안 방안 보다 교차 편광에 강인하며, 첫 번째 제안 방안보다 빔 트레이닝 복잡도를 감소시키며 성능을 최대한 유지하는 방안이다. 제안한 방법들을 통해서 기존 단일 편파 기반의 하이브리드 빔포밍 시스템 대비 더 향상된 주파수 효율을 얻을 수 있음을 시뮬레이션을 통해서 확인할 수 있었다.
두 번째로, 심층 신경망과 단일 편파 안테나 기반의 하이브리드 빔포밍 시스템을 제안한다. 제안 시스템에서는 supervised learning을 응용하여 주어진 채널 환경에 최적화된 빔 코드를 코드북에서 분류해낸다. 이 때, 코드북에 있는 모든 빔 코드들을 비교할 필요 없이 일부의 빔 코드를 이용한 빔 트레이닝을 통해 최적의 빔 코드를 추정할 수 있다. 이러한 이유로 인해, 제안 시스템에서는 빔 트레이닝의 복잡도를 기존 방안 대비 획기적으로 줄일 수 있다. 본 논문에서는 딥러닝을 이용해 학습된 제안 시스템의 성능과 기존 방안과의 성능을 시뮬레이션을 통해 비교 분석하였다. 이 때, 제안 시스템은 매우 낮은 빔 트레이닝 복잡도를 가지면서도 기존 방안과 거의 비슷한 주파수 효율을 얻는 것을 확인할 수 있었다.
마지막으로, 심층 신경망과 이중 편파 안테나 기반의 하이브리드 빔포밍 시스템을 제안한다. 제안 시스템에서는 이중 편파 안테나의 특징을 고려하여 심층 신경망 및 학습 방안을 설계한다. 제안한 심층 신경망을 통해, 수신 신호를 기반으로 두 가지 이중 편파 안테나 배열 모두에서의 최적 빔 코드를 예측할 수 있다. 따라서, 이중 편파 안테나의 사용으로 인해 증가하는 빔 트레이닝의 복잡도를 상당히 줄일 수 있다. 본 논문에서는 심층 신경망 기반의 학습된 제안 방안의 성능과 기존 방안과의 성능을 비교하였다. 이 때, 제안 시스템은 낮은 빔 트레이닝 복잡도를 가지면서도 기존 방안의 성능보다 높은 주파수 효율을 얻을 수 있음을 확인하였다.
