대규모 MIMO와 동적 TDD의 효율적 융합

본 논문은 대규모 MIMO와 동적 TDD를 결합함으로써 매크로 셀 네트워크에서 발생하는 BS‑to‑BS 간섭을 근본적으로 해결하고, 전체 시스템 스펙트럼 효율을 향상시키는 새로운 프레임워크를 제시한다. 서론에서는 Massive MIMO가 안테나 수가 사용자 수보다 크게 많아지면 전송 전력 감소와 간섭 억제 효과를 제공한다는 점을 강조하고, 동적 TDD가 트래픽 비대칭성을 효율적으로 처리할 수 있지만, 서로 다른 방향으로 전송되는 셀 간에 발생하는 BS‑to‑BS 간섭이 주요 장애물임을 지적한다. 기존 연구는 소형 셀에서만 동적 TDD를 적용 가능하다고 결론지었으나, 매크로 셀에서도 대규모 안테나 배열을 활용하면 이 문제를 해결할 수 있음을 제안한다. 시스템 모델에서는 L개의 매크로 셀, 각 셀당 K개의 단일 안테나 사용자, 그리고 M개의 안테나를 가진 BS를 가정한다. 채널은 평탄 페이딩이며, 사용자‑BS 채널 h_{jlm}은 큰 규모 감쇠와 공간 상관을 포함한 공분산 행렬 R_{jlm}을 통해 모델링된다. BS‑to‑BS 채널 G_{jn}은 LoS 성분 \bar{G}_{jn}와 NLoS 성분 \tilde{G}_{jn}을 합성한 형태이며, 각각 결정론적 행렬과 i.i.d. 가우시안 랜덤 매트릭스로 구성된다. 동적 TDD 프레임 구조는 각 서브프레임마다 UL 셀 집합 S_u와 DL 셀 집합 S_d가 달라질 수 있음을 보여준다. UL 수신 시 BS j는 (1) 사용자 신호, (2) 다른 UL 셀의 사용자 간섭, (3) 다른 BS의 DL 전송에 의한 BS‑to‑BS 간섭, (4) 잡음 등을 동시에 받는다. DL 전송에서는 사용자 k가 모든 DL BS와 UL 셀의 사용자 신호를 동시에 수신한다. 채널 추정 단계에서는 모든 셀이 동일한 K개의 파일럿을 재사용함으로써 파일럿 오염을 고려한다. MMSE 추정식을 통해 ˆh_{jjk}와 추정 오차 ˜h_{jjk}를 얻고, 이들을 이용해 UL에서는 MMSE 검출 벡터 a_{jk}, DL에서는 MMSE 전처리 행렬 Ω_n을 정의한다. 검출·전처리 과정에서 정규화 파라미터 φ와 정규화 행렬 F를 도입해 수학적 편의를 확보한다. SINR 식은 신호 전력 S와 다섯 종류의 간섭·노이즈 항 I^{(1)}~I^{(5)} 로 분해된다. 특히 I^{(4)}는 동적 TDD 고유의 BS‑to‑BS 간섭을 나타내며, 이는 기존 정적 TDD에서는 존재하지 않는다. 논문은 이 항을 랜덤 매트릭스 이론을 이용해 결정론적 근사식으로 변환하고, M→∞ 한계에서 그 값이 0임을 정리(정리 1)로 제시한다. 구체적으로, 트레이스 연산과 대수적 변환을 통해 I^{(4)}≈(1/M)·tr( … ) 형태가 도출되고, M이 무한히 커지면 전력은 사라진다. 이론적 결과를 검증하기 위해 시뮬레이션을 수행한다. 파라미터는 M=64~256, K=10, L=7 등 현실적인 설정을 사용한다. 결과는 (a) BS‑to‑BS 간섭 전력이 안테나 수에 따라 급격히 감소하고, (b) 동적 TDD가 정적 TDD 대비 UL·DL 평균 사용자당 전송률을 각각 약 30%~45% 향상시키며, (c) 파일럿 오염이 존재하더라도 대규모 MIMO의 빔포밍 이득이 간섭 억제에 충분함을 보여준다. 또한, 안테나 수가 제한된 경우에도 일정 수준의 이득이 유지됨을 확인한다. 결론에서는 대규모 MIMO가 동적 TDD의 핵심 장애물인 BS‑to‑BS 간섭을 안테나 수 증가만으로 이론적으로 제거할 수 있음을 강조한다. 따라서 매크로 셀에서도 동적 TDD를 적용해 트래픽 비대칭성을 효율적으로 처리하고, 전체 네트워크 스펙트럼 효율을 크게 높일 수 있다. 향후 연구 과제로는 제한된 안테나 수에서의 최적 전처리 설계, 파일럿 오염 감소 기법, 그리고 실제 하드웨어 구현 시 발생할 수 있는 비이상성(예: 안테나 상호간 상관, 채널 추정 지연) 등을 제시한다.