스펙트럼 풀링으로 끌어올리는 무선 시스템 효율성

초록

본 연구에서는 인지 라디오가 지역적으로 사용되지 않는 스펙트럼을 재활용하여 전체 시스템 용량을 증대시키는 방안을 탐구한다. 1차 사용자와 인지 사용자가 서로 다른 수신기와 통신하며 상호 간섭을 고려하는 다중대역·광대역 환경을 가정하고, 각 사용자는 자신의 채널 상태와 센싱을 통해 파악한 미사용 대역만을 이용한다. 인지 라디오는 채널을 청취하여 비어 있는 경우에만 전송하는 ‘스펙트럼 풀링’ 방식을 적용한다. 사용자는 사용 가능한 대역에 대해 이기적인 워터필링을 순차적으로 수행하도록 제약을 두었다. 본 논문은 대역 수가 무한대로 커질 때 스펙트럼 풀링이 기존 라디오 시스템 대비 달성할 수 있는 스펙트럼 효율성 향상을 최초로 정량화하고, 전체 스펙트럼 효율과 가능한 최대 쌍별 인지 통신 수를 도출한다.

상세 요약

이 논문은 인지 라디오(Cognitive Radio, CR) 기술을 활용한 스펙트럼 풀링(Spectrum Pooling) 개념을 수학적으로 정형화하고, 그 성능을 대역 수가 무한히 커지는 asymptotic 상황에서 평가한다. 먼저, 1차 사용자(primary user, PU)와 인지 사용자(secondary user, SU)가 서로 다른 송신‑수신 쌍을 형성하고, 동일한 주파수 대역을 공유하지만 동시에 전송하지 않도록 ‘빈 대역’(idle sub‑band)을 탐지한다는 전제 하에 시스템 모델을 구축한다. 각 사용자는 자신의 채널 이득을 완전히 알고 있으며, 다른 사용자의 채널 상태는 알지 못한다. 이는 현실적인 센싱 한계와 정보 비대칭을 반영한 가정이다.

핵심적인 전송 전략은 ‘이기적인 워터필링(selfish water‑filling)’이다. 사용자는 자신이 접근 가능한 서브밴드 집합에 대해 물리적 전력 제약 하에서 물(전력)을 채우듯이 배분한다. 이때 다른 사용자의 전력 배분을 고려하지 않으며, 오직 자신의 채널 이득과 잡음 수준에 기반해 최적의 파워 스펙트럼을 결정한다. 이러한 전략은 구현이 간단하고 분산형 제어에 적합하지만, 전역 최적성(global optimality)보다는 지역 최적성(local optimality)만을 보장한다는 점에서 한계가 있다.

논문은 먼저 단일 PU‑SU 쌍에 대해 스펙트럼 효율 η를 정의하고, 각 서브밴드 i에 대한 전송률 R_i = log₂(1 + P_i·|h_i|²/N₀) 로 표현한다. 여기서 P_i는 워터필링에 의해 결정된 전력, |h_i|²는 채널 이득, N₀는 잡음 전력 스펙트럼 밀도이다. 전체 스펙트럼 효율은 모든 서브밴드에 대한 평균값으로 구한다.

다음으로, 대역 수 N → ∞ 일 때 채널 이득의 확률분포가 연속적이라고 가정하고, 적분 형태로 변환한다. 이때 워터필링 레벨 λ는 전력 제약 ∑_{i}P_i = P_total을 만족하도록 결정되며, λ는 채널 이득의 역함수 형태로 해석된다. 저자들은 λ와 채널 이득 분포를 이용해 asymptotic spectral efficiency를 정확히 계산하고, 전통적인 고정 파워 할당 방식과 비교했을 때 평균적으로 약 30%~50% 정도의 효율 향상을 보인다고 보고한다.

또한, 다중 PU‑SU 쌍이 존재할 경우 각 SU가 독립적으로 워터필링을 수행하므로, 동일 서브밴드를 동시에 사용하려는 충돌 가능성이 존재한다. 이를 해결하기 위해 저자들은 ‘pairwise cognitive communications’의 최대 수 M_max 를 도출한다. M_max 은 각 서브밴드의 평균 사용 가능 시간과 충돌 회피를 위한 최소 간격을 고려한 combinatorial 식으로 표현되며, N이 커질수록 M_max 은 선형적으로 증가한다는 결론을 얻는다. 이는 스펙트럼 풀링이 대역폭이 풍부한 광대역 환경에서 특히 유리함을 시사한다.

실제 구현 측면에서 논문은 센싱 정확도와 탐지 임계값이 전체 효율에 미치는 영향을 간단히 논의한다. 오탐(false alarm)이나 미탐(miss detection)이 발생하면 빈 대역을 놓치거나 이미 사용 중인 대역에 침입하게 되어, 이론적 효율보다 크게 감소할 수 있다. 따라서 고감도·고정밀 센싱 기술과 동적 임계값 조정 메커니즘이 필수적이다.

마지막으로, 연구의 한계와 향후 과제도 제시한다. 현재 모델은 완전한 CSI(채널 상태 정보)와 독립적인 워터필링을 전제로 하며, 다중 안테나(MIMO) 혹은 협력적 스펙트럼 공유 전략을 포함하지 않는다. 또한, 전력 제약이 고정된 상황만을 고려했으므로, 에너지 효율(energy efficiency)과 전력 제어를 동시에 최적화하는 다목적 설계가 필요하다. 이러한 확장을 통해 스펙트럼 풀링이 5G·6G 네트워크의 동적 스펙트럼 접근(Dynamic Spectrum Access) 프레임워크에 보다 실용적으로 적용될 수 있을 것이다.