상관 무선 채널에서 인터리빙 성능을 예측하는 세 가지 분석 모델

본 논문은 무선 접속 기술에서 보편적으로 사용되는 인터리빙(interleaving) 기법의 성능을 정량적으로 분석하기 위해 세 가지 분석 모델을 제시한다. 기존 연구에서는 인터리빙이 채널 상관을 완전히 제거한다는 가정 하에 시뮬레이션 중심의 평가가 이루어졌으며, 실제 상관이 존재하는 채널에서 인터리빙 깊이(I)를 어떻게 설정해야 최적의 오류 감소 효과를 얻을 수 있는지에 대한 체계적인 모델은 부족했다. 이를 메우기 위해 저자들은 먼저 비트 오류 과정을 평균 오류율(p_E)와 1차 정상화 자기상관(NACF) c만으로 파라미터화한 스위치드 베르누이 프로세스(SBP) 혹은 인터럽티드 베르누이 프로세스(IBP)를 채널 모델로 채택한다. 이 모델은 전이 확률 α = (1‑c)·p_E, β = (1‑c)·(1‑p_E) 로 정의되며, 비트 오류가 연속적으로 발생할 확률을 제어한다. 인터리빙은 I개의 코드워드(길이 n)를 행렬에 배치하고, 열 단위로 전송함으로써 동일 코드워드 내 인접 비트가 I 칸 간격을 두고 전송되도록 한다. 이 과정은 채널 메모리를 I배 감소시키는 효과가 있다. 인터리빙 블록의 전체 패킷 길이는 M·I·n 비트이며, 패킷 오류 확률은 최소 하나의 코드워드가 오류가 발생할 확률로 정의한다. I가 충분히 크면 패킷 오류 확률을 p_packet ≈ 1‑(1‑p_I)^M 로 근사할 수 있다. 세 가지 모델은 다음과 같다. 1. **흡수 마코프 체인 모델** - 상태공간 S ∈ {0,1,…,l,l+1} 로 정의한다. 0~l은 오류 비트 수가 정정 한계 l 이하인 경우(정정 가능), l+1은 정정 불가능 상태이다. - 초기 상태 분포 ~h와 전이 행렬 Q, 그리고 일시 흡수 전이 ~v 를 구하기 위해 첫 두 코드워드에 대한 오류 비트 수의 2차 분포 D(i,j) 를 계산한다. 비트 오류가 I‑2 슬롯 간격을 두고 전송되므로 D(i,j) = D(i)·D(j) 로 근사한다. - 흡수 시간 T의 누적분포 F_T(I) = 1‑~h·Q^I·~e 로부터 I 스텝 내 흡수 확률, 즉 인터리빙 블록 오류 확률 p_I 를 얻는다. - 이 모델은 가장 일반적이며, 비트‑코드워드 상관 구조를 완전하게 반영한다. 2. **두 상태 마코프 체인 폐쇄형 모델** - 코드워드 오류 과정을 두 상태(정정 가능/불가능) 마코프 체인으로 단순화한다. 전이 확률 p_01, p_10 은 첫 두 코드워드의 오류 비트 수 분포에서 직접 추정한다. - 폐쇄형 식 p_I = 1‑(1‑π)^I 로 계산되며, 여기서 π는 정정 불가능 상태에 대한 정적 확률이다. - 계산 복잡도가 크게 감소해 실시간 시스템에 적용하기 용이하지만, 정확도는 첫 모델에 비해 약간 낮다. 3. **비트‑코드워드 동일 상관 가정 모델** - 비트 오류와 코드워드 오류 사이의 상관 구조가 동일하다고 가정한다. 즉, 코드워드 오류 과정도 동일한 NACF c와 평균 오류율 p_I 를 갖는다. - 이 경우 비트 수준 전이 행렬 D 를 그대로 코드워드 수준에 적용해 p_I 를 직접 구한다. - 2차 분포 계산이 필요 없으므로 가장 간단하지만, 채널 상관이 코드워드 수준에서 변할 경우 정확도가 떨어진다. 모델 검증을 위해 다양한 p_E(10⁻⁴~10⁻¹), 상관 계수 c(0~0.9), 정정 능력 l(1~5) 및 인터리빙 깊이 I(1~100)를 조합한 시뮬레이션을 수행했다. 결과는 세 모델 모두 평균 오차가 10 % 이하이며, 최악 경우에도 50 % 이내의 오차를 보였다. 특히, 높은 상관(c > 0.6)에서는 인터리빙 깊이가 증가함에 따라 p_I 가 급격히 감소하지만, I가 지나치게 크면 패킷 길이 증가에 따른 오류 누적 효과가 지배적이 되어 오류 확률이 다시 상승한다. 따라서 각 채널 조건에 맞는 최적 I가 존재한다. 또한, 정정 능력 l이 클수록 상관에 대한 민감도가 감소하고, 낮은 BER 구간에서는 인터리빙 효과가 미미함을 확인했다. 이러한 결과를 바탕으로 논문은 “주어진 채널 상관도와 BER에 대해 최적 인터리빙 깊이 I*를 선택하면 패킷 오류 확률을 최소화할 수 있다”는 실용적인 가이드를 제시한다. 마지막으로, 모델은 하드 디코딩 블록 코드(BCH, RS)와 1차 상관 가정에 한정되며, 소프트 디코딩, 다중 상태 FSMC, 다중 사용자 환경 등 복잡한 상황에 대한 확장은 향후 연구 과제로 남겨졌다. 논문은 모델 구현 코드를 공개(