무선 릴레이 네트워크의 베이지안 심볼 검출: 가능도 없는 추론으로 비선형 처리 극복

초록

본 논문은 목적지 노드에서 채널 상태 정보를 완전히 알 수 없는 협업 무선 릴레이 네트워크를 대상으로, 비선형 릴레이 함수가 적용될 때 발생하는 가능도 함수의 비정형성을 베이지안 프레임워크와 가능도‑프리(Likelihood‑Free) 추론 기법으로 해결한다. MCMC‑ABC, MCMC‑AV, SES‑ZF 등 세 가지 탐색 알고리즘을 제안하고, 시뮬레이션을 통해 각 방법의 SER‑SNR 성능을 비교한다.

상세 분석

이 연구는 다중 릴레이가 존재하고 각 릴레이가 사전 정의된 비선형 변환을 수행하는 상황을 일반화된 확률 모델로 수식화한다. 전통적인 최대우도(Maximum Likelihood)나 최대사후확률(Maximum A Posteriori) 검출기는 비선형 함수가 포함되면 복합적인 적분 형태의 가능도 함수를 얻어 해석적 해를 구할 수 없게 된다. 이를 극복하기 위해 저자는 가능도‑프리 추론, 즉 Approximate Bayesian Computation(ABC) 원리를 차용한다. 첫 번째 알고리즘인 MCMC‑ABC는 시뮬레이션 기반으로 제안된 사후분포를 샘플링하며, 거리 함수와 허용 오차 ε를 통해 실제 관측치와 시뮬레이션 데이터의 유사성을 평가한다. 두 번째인 MCMC‑AV는 보조변수(Auxiliary Variable)를 도입해 비선형 변환을 선형화된 형태의 조건부 분포로 분해함으로써 Gibbs 샘플링이 가능하도록 설계되었다. 이는 사후분포의 고차원 구조를 효율적으로 탐색하면서도 계산 복잡도를 크게 낮춘다. 세 번째인 SES‑ZF는 최적이 아닌 탐색적 방법으로, 모든 가능한 심볼 조합에 대해 제로 포싱(Zero‑Forcing) 추정값을 계산하고, 그 중 최소 잔차를 갖는 조합을 선택한다. 이는 계산량이 급격히 증가하지만, 작은 규모의 시스템에서는 정확도 면에서 MCMC 기반 방법과 근접한 성능을 보인다. 실험 결과는 SNR이 증가함에 따라 세 알고리즘 모두 SER이 감소하지만, MCMC‑AV가 가장 빠른 수렴 속도와 낮은 오류율을 보이며, MCMC‑ABC는 정확도는 높지만 연산 시간이 더 길다. SES‑ZF는 저복잡도 환경에서 실용적 대안이 될 수 있다. 전체적으로 이 논문은 비선형 릴레이 처리와 불완전 CSI 상황에서 베이지안 검출을 구현하기 위한 가능도‑프리 방법론을 체계적으로 제시하고, 각 알고리즘의 트레이드오프를 정량적으로 분석한다.