분산형 LDPC 기반 임의 메모리리스·마코프 상관 소스의 공동 소스‑채널 코딩

초록

본 논문은 두 개의 상관된 메모리리스 소스에 대해 임의의 Slepian‑Wolf 비율점과 채널 용량을 만족하는 분산형 공동 소스‑채널 코딩 방식을 LDPC 코드로 구현한다. 또한 상관에 메모리가 존재하는 경우, 마코프 모델을 이용해 별도 인코딩 후 공동 디코딩으로 Slepian‑Wolf 영역 전부를 달성하는 소스 코딩 스킴을 제시한다.

상세 분석

이 연구는 기존의 분산 소스 코딩이 주로 메모리리스 상관 모델에 한정된 점을 극복하고, 임의의 상관 구조와 채널 용량 조건을 동시에 고려한 통합 설계를 제안한다. 첫 번째 부분에서는 두 소스 X와 Y가 임의의 메모리리스 상관 확률분포 P_{XY}에 의해 연결된 상황을 가정한다. 각 소스는 독립적으로 LDPC 인코더에 입력되어, 각각의 비트 스트림을 채널에 전송한다. 여기서 핵심은 각 인코더가 동일한 코드 길이와 동일한 체크 노드 구조를 공유하면서도, 목표 비율점 (R_X, R_Y)을 자유롭게 조정할 수 있도록 설계된 가변 비율 LDPC 매트릭스이다. 디코더는 수신된 두 채널 출력과 사전에 알려진 상관 모델을 이용해, 베이즈 추정에 기반한 메시지 전달 알고리즘을 수행한다. 이 과정에서 소스 간 상관 정보를 체크 노드에 추가함으로써, 전통적인 채널 디코딩보다 더 높은 오류 정정 능력을 확보한다.

두 번째 부분에서는 상관에 시간적 의존성이 존재하는 마코프 모델을 다룬다. 여기서는 각 소스가 마코프 체인에 따라 변하는 조건부 확률 P_{Y|X} (또는 그 역)를 갖는다. 논문은 먼저 각 소스를 별도의 LDPC 인코더로 압축하고, 압축된 비트들을 독립적인 채널에 전송한다. 수신 측에서는 두 비트 스트림을 동시에 입력받아, 마코프 전이 확률을 활용한 공동 디코딩을 수행한다. 구체적으로, Viterbi‑like 트레일블레이징과 LDPC 메시지 전달을 결합한 하이브리드 알고리즘을 도입해, 상태 전이와 체크 제약을 동시에 만족시키는 최적 추정값을 도출한다. 이 방식은 전통적인 Slepian‑Wolf 경계에 도달할 뿐 아니라, 채널 잡음이 존재하는 실환경에서도 근접한 성능을 보인다.

실험 결과는 다양한 상관 파라미터와 채널 SNR 조건에서 시뮬레이션을 수행했으며, 제안된 스킴이 기존의 별도 소스 코딩·채널 코딩 대비 1~2 dB 정도의 이득을 제공함을 확인했다. 특히, 마코프 상관 모델에서 제시된 공동 디코더는 상태 전이 정보를 효과적으로 활용해, 비트 오류율(BER)을 크게 감소시켰다.

이 논문의 주요 공헌은 (1) 임의 메모리리스 상관에 대해 가변 비율 LDPC 기반 공동 소스‑채널 코딩 프레임워크를 제시한 점, (2) 마코프 상관을 고려한 별도 인코딩·공동 디코딩 구조를 설계해 Slepian‑Wolf 영역 전체를 달성한 점, (3) 실험을 통해 이론적 한계에 근접하는 성능을 입증한 점이다. 이러한 접근은 사물인터넷(IoT) 센서 네트워크, 무선 영상 전송 등 상관된 데이터 스트림을 저전력·저대역폭 환경에서 전송해야 하는 응용에 직접적인 활용 가능성을 제시한다.