물리 모델 기반 MIMO 채널 추정의 편향‑분산 트레이드오프와 최적 경로 수 탐색

본 논문은 대규모 MIMO(다중입출력) 시스템에서 채널 행렬 H∈ℂ^{N_r×N_t}를 추정하는 문제를 다룬다. 전통적인 LS(최소제곱)와 LMMSE(선형 최소 평균제곱오차) 추정기는 파라미터 수가 방대해짐에 따라 차원 저주와 불안정성을 겪는다. 특히 LS는 무편향이지만 관측 행렬 M^HM 이 정규화되지 않으면 분산이 N_rN_t 에 비례해 급격히 증가한다. LMMSE는 사전 통계 R 을 활용해 분산을 감소시키지만, R 의 고유값이 고르게 분포되지 않을 경우 여전히 큰 오차가 남는다. 이를 해결하고자 물리적 파라미터에 기반한 모델을 도입한다. 실제 전파 환경은 여러 개의 다중 경로로 구성되며, 각 경로는 복소 이득 c_i와 출발·도착 방향 u_{t,i}, u_{r,i}로 기술된다. 이러한 물리 모델은 채널을 P 개의 rank‑1 행렬 합으로 표현한다(식 4). 그러나 P 가 수백에 달할 수 있어 직접 추정은 여전히 비현실적이다. 따라서 저자는 ‘가상 경로’ p 개만을 사용해 채널을 근사한다(식 5). 가상 경로는 물리적 경로를 군집화한 결과이며, p 가 작을수록 모델 차원은 감소하지만 표현력은 떨어진다. 논문은 먼저 LS와 LMMSE의 이론적 성능을 정리한다. LS는 훈련 심볼 수 N_s ≥ N_t 와 관측 행렬이 최적화될 때 rMSE_opt(ĥ_LS)=N_rN_t/(pSNR·N_cN_s) (식 10)를 달성한다. LMMSE는 사전 통계 R 을 완벽히 알 경우 rMSE_opt(ĥ_LMMSE)=1/(E