에너지 수확 제한 하에서 페이딩 채널의 아웃지 최소화를 위한 최적 전력 할당

초록

본 논문은 에너지 수확(EH) 시스템에서 채널 분포 정보(CDI)만을 이용해 아웃지 확률을 최소화하는 전력 할당 방식을 연구한다. 비인과적(비인과적) 및 인과적(인과적) 에너지 상태 정보(ESI)를 각각 가정하고, 비인과적 경우에는 비볼록 최적화 문제를 전진 탐색 알고리즘으로 전역 최적해를 구한다. 최적 전력 프로파일은 시간에 따라 비감소이며 “저장‑후‑전송” 구조를 가진다. 인과적 경우에는 동적 프로그래밍을 통한 최적 온라인 정책과, 오프라인 구조를 활용한 저복잡도 서브옵티멀 정책을 제시한다.

상세 분석

본 연구는 에너지 수확 기반 무선 통신 시스템에서 송신기가 채널 분포 정보(CDI)만을 사전에 알고, 실제 채널 상태는 알 수 없는 상황을 전제로 한다. 이러한 가정은 실제 IoT 디바이스가 배터리 교체 없이 장시간 운영되어야 하는 경우에 부합한다. 논문은 먼저 비인과적 에너지 상태 정보(ESI)를 가정한다. 즉, 전체 전송 기간 N에 걸친 에너지 수확량이 사전에 알려져 있어 오프라인 최적화가 가능하다. 이 경우 평균 아웃지 확률을 최소화하는 문제는 일반적인 페이딩 채널에서 비볼록성을 띠며, 특히 레일리·라이스·나카가미 등 실용적인 페이딩 모델에 대해 전역 최적해를 찾기 어렵다. 저자들은 문제를 “전진 탐색(forward search)” 알고리즘으로 변환한다. 구체적으로, 각 시간 슬롯 t에 할당할 전력을 p_t라 두고, 전력 프로파일이 비감소(p_1 ≤ p_2 ≤ … ≤ p_N)임을 증명한다. 이는 에너지 저장이 가능하므로 초기에는 전력을 최소화하고, 점차 전력을 늘려가며 저장된 에너지를 효율적으로 사용한다는 직관과 일치한다. 전진 탐색은 최대 N번의 1차원 탐색으로 전역 최적해를 도출한다는 점에서 계산 복잡도가 크게 감소한다. 특히 N=1인 경우, 최적 해는 균일 전력 할당으로 귀결되며 이는 고전적인 “아웃지 용량(outage capacity)” 결과와 일치한다는 흥미로운 연결고리를 제공한다.

다음으로 인과적 ESI 상황을 다룬다. 여기서는 매 슬롯마다 현재까지 수확된 에너지와 남은 배터리 용량만을 알 수 있어, 전력 할당이 실시간으로 결정되어야 한다. 저자들은 마르코프 결정 과정(MDP) 프레임워크를 도입해 동적 프로그래밍(DP) 기반 최적 정책을 유도한다. 상태는 현재 배터리 잔량과 남은 슬롯 수, 행동은 해당 슬롯에서 사용할 전력이다. DP는 Bellman 방정식을 통해 최적 가치 함수를 역귀환 방식으로 계산하지만, 상태·행동 공간이 커지면 복잡도가 급격히 증가한다. 이를 완화하기 위해, 비인과적 최적 해의 “저장‑후‑전송” 구조를 활용한 서브옵티멀 정책을 설계한다. 이 정책은 현재 배터리 수준이 일정 임계값 이하이면 전력을 최소화하고, 임계값을 초과하면 남은 슬롯에 균등하게 전력을 배분한다. 실험 결과, 서브옵티멀 정책은 복잡도는 크게 낮추면서도 평균 아웃지 확률 측면에서 거의 최적에 근접한다는 것을 보인다.

전반적으로 논문은 에너지 수확 제약 하에서 페이딩 채널의 아웃지 최소화라는 실용적 문제에 대해, 비인과적·인과적 두 경우 모두 이론적 최적해와 실용적 근사해를 제시한다. 특히 전력 프로파일의 비감소성 및 “저장‑후‑전송” 구조는 에너지 저장 능력을 활용한 전력 관리 전략의 핵심 원칙을 명확히 제시한다. 이러한 결과는 차세대 무선 센서 네트워크, 저전력 IoT, 그리고 재생 가능 에너지 기반 통신 시스템 설계에 직접적인 인사이트를 제공한다.