다중 홉 인지 라디오 애드혹 네트워크의 신뢰성 있는 경쟁 인식 데이터 전파

초록

본 논문은 다중 홉 인지 라디오 애드혹 네트워크에서 데이터 전파 시 채널 선택의 두 가지 핵심 요소인 1) 기본 사용자(PR) 활동 최소화와 2) 인지 사용자(CR) 간 경쟁 최소화를 동시에 만족하는 전략인 SURF를 제안한다. SURF는 실시간으로 채널의 남은 자원을 탐색하고 해당 채널에 접속한 CR 수를 모니터링함으로써 연결성을 유지하면서도 contention을 억제한다. 시뮬레이션 결과, 기존의 세 가지 비교 기법보다 높은 전송 성공률과 낮은 지연을 달성함을 확인하였다.

상세 분석

SURF는 인지 라디오 환경에서 채널 선택 문제를 “연결성‑경쟁 트레이드오프”라는 관점으로 재정의한다. 기존 연구들은 주로 PR의 스펙트럼 점유율을 최소화하거나, CR 간의 충돌을 피하는 한 축에만 초점을 맞추어 왔지만, 다중 홉 전파에서는 두 요소가 동시에 고려돼야 한다는 점을 강조한다. SURF는 각 채널에 대해 (①) PR 활동 수준을 측정하기 위해 스펙트럼 센싱 결과를 정규화하고, (②) 현재 해당 채널에 접속한 CR 수를 카운트하여 ‘경쟁 지표’를 산출한다. 이 두 지표를 가중합하여 채널 점수를 계산하고, 가장 높은 점수를 가진 채널을 선택하도록 설계되었다.

동적 자원 탐색 메커니즘은 주기적인 센싱 주기와 이벤트 기반 업데이트를 결합해, 급격한 PR 활동 변화나 CR 밀집도 변동에 빠르게 대응한다. 특히, SURF는 “잔여 용량” 개념을 도입해, 채널당 남은 전송 슬롯을 추정하고 이를 경쟁 지표와 곱함으로써, 단순히 CR 수가 적은 채널이 아니라 실제로 데이터 전송이 가능한 채널을 우선시한다.

시뮬레이션 환경은 50~200개의 CR 노드와 5개의 PR 채널을 가정하고, 다양한 트래픽 부하와 이동성 모델을 적용하였다. 비교 대상은 (1) 랜덤 채널 선택, (2) PR 활동 기반 선택, (3) CR 밀집도 기반 선택이다. 결과는 다음과 같다. 첫째, 전송 성공률은 SURF가 평균 18%~27% 향상되었다. 둘째, 평균 지연은 30%~45% 감소했으며, 특히 네트워크가 고밀도일 때 그 차이가 크게 나타났다. 셋째, 패킷 손실률은 경쟁이 심한 채널을 회피함으로써 기존 방식 대비 2배 이상 감소하였다.

또한, SURF는 채널 스위칭 오버헤드를 최소화하기 위해 “채널 유지 임계값”을 도입, 일정 기간 동안 채널 품질이 크게 변하지 않으면 스위칭을 억제한다. 이는 불필요한 스위칭으로 인한 추가 지연과 에너지 소모를 방지한다. 에너지 효율 측면에서도 SURF는 동일한 전송량 대비 평균 12%의 전력 절감을 기록하였다.

한계점으로는 센싱 정확도에 크게 의존한다는 점과, 매우 빠른 PR 활동 변동(예: 급격한 스펙트럼 점유) 상황에서는 실시간 업데이트가 다소 지연될 수 있다는 점을 언급한다. 향후 연구에서는 머신러닝 기반 예측 모델을 도입해 센싱 주기를 동적으로 조절하고, 다중 안테나(MIMO) 기술과 결합해 채널 선택의 정밀도를 높이는 방안을 제시한다.