진화 알고리즘 기반 적응 필터를 이용한 인지 라디오 신호 디노이징

초록

본 논문은 인지 라디오 수신기에서 발생하는 가우시안 및 비선형 잡음을 제거하기 위해 입자 군집 최적화(PSO) 기반 적응 필터를 설계하고, 전통적인 LMS 알고리즘과 성능을 비교한다. 시뮬레이션 결과, PSO는 비선형 잡음 환경에서도 BER과 MSE 모두에서 LMS보다 우수한 전역 최적 해를 제공한다.

상세 분석

인지 라디오 시스템은 동적 스펙트럼 접근을 위해 넓은 대역폭을 활용하지만, 그만큼 다양한 잡음원에 노출된다. RF 프론트엔드의 비선형성, 시간에 따라 변동하는 열 잡음, 인접 네트워크 노드에서 유입되는 간섭 등은 수신 신호의 SNR을 급격히 저하시키며, 이는 궁극적으로 비트 오류율(BER) 상승으로 이어진다. 기존에 널리 사용되는 최소 평균 제곱(LMS) 계열 알고리즘은 경사 하강법에 기반한 국부 최적화 기법으로, 학습률과 초기 가중치 설정에 민감하고, 비선형성이나 다중극점(cost surface) 상황에서 전역 최적점을 찾지 못한다는 한계가 있다. 이러한 한계를 극복하기 위해 전역 탐색 능력을 갖춘 진화 알고리즘, 특히 입자 군집 최적화(PSO)가 제안된다. PSO는 입자 집단이 각자의 위치와 속도를 업데이트하면서 전역 및 개인 최적값을 공유하는 메커니즘으로, 복잡한 비선형 비용 함수에서도 효율적으로 수렴한다. 논문에서는 PSO 기반 적응 필터를 설계하고, 필터 차수, 입자 수, 관성 가중치, 인지 계수 등 주요 파라미터를 실험적으로 튜닝하였다. 시뮬레이션에서는 QPSK 변조된 테스트 신호에 가우시안 화이트 노이즈와 비선형 왜곡(예: 3차 하모닉) 잡음을 각각 0 dB10 dB SNR 범위에서 추가하였다. 성능 평가는 전통적인 LMS(학습률 0.01, 0.05 등)와 비교하여 비트 오류율(BER)과 평균 제곱 오차(MSE)를 사용하였다. 결과는 PSO가 특히 비선형 잡음 상황에서 LMS보다 23 dB 정도의 SNR 이득을 제공하고, MSE 감소율도 30 % 이상 우수함을 보여준다. 또한 PSO는 초기 가중치에 대한 의존도가 낮아 실시간 시스템에 적용 시 안정적인 수렴 특성을 보인다. 그러나 PSO는 입자 수와 반복 횟수에 따라 계산 복잡도가 상승하므로, 실시간 구현을 위한 하드웨어 가속이나 경량화 전략이 필요하다. 전반적으로 본 연구는 진화 알고리즘이 인지 라디오와 같은 복합 잡음 환경에서 효과적인 디노이징 솔루션이 될 수 있음을 실증적으로 입증한다.