불완전 교환을 고려한 전력 제어와 스펙트럼 공유

초록

본 논문은 제한된 볼록 최적화 문제의 라그랑지안 사점 탐색 시 발생하는 그래디언트 오류를 모델링하고, 두 종류의 실행 평균(ergodic sequence)을 이용해 오류에 강인한 수렴 특성을 보인다. 전력 제어와 스펙트럼 공유 시 최소·최대 SINR, 간섭 및 수신 전력 제한을 포함한 제약을 만족하면서 네트워크 효용을 최대화한다. 오류가 유계라는 가정 하에 제약 위반 및 서브옵티멀리티에 대한 명시적 상한을 도출하고, 시뮬레이션을 통해 제안 방법의 실효성을 검증한다.

상세 요약

이 연구는 제한된 볼록 최적화 문제를 라그랑지안 형태로 변환하고, 그 사점을 찾기 위한 프라임-듀얼(gradient‑based) 반복법을 전제로 한다. 전통적인 방법은 각 링크가 정확한 그라디언트 정보를 교환한다는 전제하에 수렴을 보장하지만, 실제 무선 네트워크에서는 채널 추정 오차, 양자화, 전송 지연 등으로 인해 교환된 그라디언트가 왜곡된다. 논문은 이러한 오류를 “유계 잡음”으로 모델링하고, 오류가 존재함에도 불구하고 수렴을 확보하기 위해 두 가지 실행 평균을 도입한다. 첫 번째 평균은 단순 산술 평균으로, 모든 과거 iterate를 동일 가중치로 합산한다; 이는 초기 단계에서 큰 변동성을 완화하고, 장기적으로는 평균적인 성능을 보장한다. 두 번째 평균은 가중 평균으로, 최신 iterate에 더 큰 가중치를 부여해 빠른 수렴을 촉진한다. 두 평균은 서로 보완적인 특성을 가지며, 하나는 제약 위반을 최소화하고, 다른 하나는 목적함수의 서브옵티멀리티를 감소시킨다. 이론적 분석에서는 라그랑지안이 강볼록·강오목함을 가정하고, 오류 벡터의 ℓ₂‑노름이 상수 C로 제한된다고 가정한다. 그런 다음, 각 평균에 대해 k번째 반복까지의 제약 위반 ‖