인코더 측면 정보 활용 채널 코드 설계

본 논문은 인코더가 전송 중에 발생하는 Q진 이산 간섭 S={s₁,…,s_Q}를 실시간으로 알 수 있는 상황을 가정하고, M진 입력을 갖는 AWGN 채널 Y=X+S+N에 대한 최적 코드 설계 기준을 제시한다. 먼저, Shannon이 제시한 상태 의존 디스크리트 메모리리스 채널(SD‑DMC) 모델을 재정리한다. 여기서 상태 s∈S는 채널 전이 확률 p(y|x,s) 를 결정하고, 인코더는 현재 상태만을 이용해 입력 x_i = f_i(w,s₁,…,s_i) 를 생성한다. Shannon은 이러한 인과적 지식만으로도 채널 용량을 달성할 수 있음을 보였으며, 이를 “연관 채널(associated channel)”이라는 새로운 DMC 형태로 변환한다. 연관 채널의 입력 알파벳 T는 상태 집합 S에 대한 모든 함수 t:S→X 로 정의되며, |T|=M^Q 개가 된다. 연관 채널의 전이 확률은 f_{Y|T}(y|t)=∑_{s∈S}p(s)f_N(y−t(s)−s) 로 주어진다. 다음으로, 고신호대잡음비(SNR) 상황에서 코드 설계 기준을 도출한다. 두 메시지 w₁,w₂가 각각 코드워드 tⁿ₁, rⁿ₁∈Tⁿ 로 인코딩될 때, 최대우도 디코딩에 의해 발생하는 쌍별 오류 확률(PEP)은 고SNR에서 Pr{w₁→w₂|w₁}=Q\big( \frac{∑_{i=1}^n d_{SI}^2(t_i,r_i)}{2σ} \big) 와 같이 근사된다. 여기서 새로운 거리 함수 d_{SI}(t,r)=min_{s₁,s₂∈S}|t(s₁)+s₁−r(s₂)−s₂| 가 등장한다. 이 거리 함수는 두 연관 채널 입력 함수가 서로 다른 상태에서 만들어내는 출력값 차이의 최소 절대값을 의미한다. 따라서 고SNR에서는 최소 거리 d_{SI}^{min}=min_{i} d_{SI}(t_i,r_i) 를 최대화하는 코드가 오류 성능을 최적화한다. 비측면 정보(간섭을 모르는) 경우와 비교하면, 비측면 상황에서는 거리 d(x,z)=min_{s₁,s₂∈S}|x+s₁−z−s₂| 로 정의되며, 이는 d_{SI}와 동일하지만 t와 r이 모두 상수(즉, 동일한 입력 기호를 반복)일 때만 적용된다. 따라서 인코더가 현재 간섭을 알면, 더 다양한 함수 t∈T 를 활용해 d_{SI} 를 크게 만들 수 있다. 특히 이진 입력(M=2) 경우를 집중적으로 분석한다. 입력 알파벳 X={x₁,x₂}와 임의의 Q진 간섭 S에 대해, 연관 채널 입력 집합 T는 2^Q 개의 함수로 구성된다. 저자는 귀납법을 이용해 최소 두 개의 함수 u₁,u₂∈T 가 d_{SI}(u₁,u₂)>0 를 만족함을 증명한다. 이 두 함수를 선택해 모든 코드워드를 u₁과 u₂만으로 구성하면, 각 코드워드의 거리 스펙트럼은 단순히 Hamming 거리와 동일해진다. 즉, 고SNR에서 최적 코드는 Hamming 거리를 최대화하는 전통적인 이진 대칭 채널(BSC) 코드와 동등한 성능을 보인다. 이 결과는 M‑ary 입력 채널에도 확장 가능하다. 저자는 특정 대칭 구조(예: X와 S가 동일한 대칭 집합)를 갖는 경우, 두 개의 대표 함수만을 사용해 거리 스펙트럼을 최적화할 수 있음을 제시한다. 또한, 전력 제약을 명시적으로 고려하지 않았지만, 이진 입력에서는 모든 함수가 동일한 전력 x² 를 갖기 때문에 전력 균등성을 자연스럽게 만족한다. 실제 구현 측면에서, 기존 DPC 기반 설계는 다차원 격자 양자화와 미래 간섭까지의 예측을 필요로 하여 복잡도가 높다. 반면, 본 논문의 접근법은 현재 간섭만을 이용해 연관 채널의 두 기호만 선택하면 되므로 연산 복잡도가 크게 감소한다. 또한, 연관 채널을 이산 DMC 로 변환함으로써, LDPC, 터리시 부호, BCH 등 기존 풍부한 코딩 이론을 그대로 적용할 수 있다. 결론적으로, 인코더가 간섭을 인과적으로 알 때 고SNR 환경에서 코드 설계는 새로운 거리 측정법 d_{SI} 를 최대화하는 문제로 귀결된다. 특히 이진 입력 상황에서는 이 문제가 Hamming 거리 기반의 이진 대칭 채널 코딩 문제로 환원되어, 복잡한 연속 채널 설계 대신 간단하고 효율적인 이산 코딩 접근법을 제공한다.