무선 스펙트럼 인지를 위한 랜덤 매트릭스 이론 기반 협업 감지

본 논문은 인지 라디오 환경에서 스펙트럼 사용 여부를 빠르고 정확하게 판단하기 위한 새로운 협업 감지 방식을 제시한다. 서론에서는 현재 무선 시스템이 스펙트럼을 효율적으로 활용하지 못하고 있다는 FCC 보고서를 인용하며, 인지 라디오의 핵심 과제로 ‘사전 신호·잡음 통계가 없는 상황에서의 신속한 검출’이 강조된다. 기존 에너지 검출(ED), 매치드 필터, 사이클로스테이션리티 기반 방법들은 각각 신호 구조 필요성, 높은 복잡도, 긴 관측 시간 등의 한계를 가지고 있다. 특히 빠른 페이딩 환경과 숨겨진 노드 문제에서는 성능이 급격히 저하된다. 문제 정의에서는 수신 신호 y(k) = h(k)s(k)+n(k)와 잡음 전용 가설 H₀, 신호 존재 가설 H₁을 제시하고, 전통적인 ED는 잡음 분산 σ²를 기준값 V_T로 사용하지만, σ²가 알려지지 않으면 임계값 설정이 불가능함을 지적한다. 이를 해결하기 위해 K개의 보조 기지국이 동일 대역을 동시에 샘플링하고, 각 기지국 i가 N개의 샘플을 수집해 K×N 행렬 Y를 구성한다. RMT 기반 접근은 Y Yᴴ/N의 고유값 분포를 분석한다. H₀에서는 행렬 원소가 독립이며 평균 0, 분산 σ²/N인 복소 가우시안(또는 일반) 잡음으로 가정한다. 이때 마르첸코–파스투르 법칙에 따라 고유값이