일반계수 신호 모델을 위한 내부 SOCP 근사 강건 적응 빔포밍 알고리즘

초록

본 논문은 일반계수(General‑Rank) 신호 모델에 대한 최악‑케이스 SINR 극대화 문제를 다루며, 원하는 신호의 실제 공분산 행렬에 대한 양의 반정합(PSD) 제약을 포함한다. 기존 연구에서는 SDP 완화를 이용한 근사법이 주로 사용되었지만, 저자는 SDP 대신 내부 근사 방식의 2차원 원뿔 프로그램(SOCP) 연속을 설계하여 각 단계에서 최적값이 비감소적으로 증가하고 최종적으로 전역 최적값에 수렴함을 보인다. 시뮬레이션 결과, 제안된 SOCP 기반 알고리즘은 CPU 시간 측면에서 특히 고 SNR 구간에서 기존 SDP 기반 방법보다 현저히 빠른 수렴 속도를 보이며, 동일한 최적 SINR 값을 달성한다.

상세 분석

이 논문은 강건 적응 빔포밍(Robust Adaptive Beamforming, RAB) 분야에서 일반계수 신호 모델을 대상으로 한 최악‑케이스 SINR(max‑min) 최적화 문제를 새롭게 접근한다. 기존의 SDP 기반 방법은 문제를 반정합(SDP) 형태로 변환한 뒤, 반복적인 SDP 풀기를 통해 근사해를 구한다. 그러나 SDP는 차원(센서 수·스냅샷 수)이 커질수록 계산 복잡도가 급격히 상승하고, 메모리 요구량도 크게 늘어난다. 저자는 이러한 한계를 극복하기 위해 “내부 근사(inner approximation)” 개념을 도입한다. 구체적으로, 원문 문제(11)→(13)→(14) 형태로 변형한 뒤, 비볼록 제약을 선형화·보수화하여 2차원 원뿔 제약(SOC)만을 포함하는 SOCP 형태(17)로 만든다.

핵심 아이디어는 현재 해 (\mathbf{w}^{(k)}) 를 기준으로 비볼록 제약 (|\mathbf{Q}\mathbf{w}| \le \sqrt{\alpha-\beta}) 를 (\Re{\mathbf{w}^{(k)H}\mathbf{Q}^H\mathbf{Q}\mathbf{w}} \ge \alpha - \beta) 로 근사함으로써 feasible set을 원문보다 작게 만든다(즉, 내부 근사). 이렇게 하면 각 단계에서 풀리는 SOCP는 원문 문제의 하위집합을 최적화하므로, 얻어지는 목적값은 원문 문제의 하한이 된다. 이후, 새로운 해 (\mathbf{w}^{(k+1)}) 를 이용해 제약을 다시 업데이트하고, 이 과정을 반복한다.

수학적으로는 다음 성질을 증명한다.

1. 단조성: 각 반복에서 얻는 최적값 (t^{(k)}) 은 비감소한다. 이는 Proposition III.1 에서 (\mathbf{w}^{(k)}) 가 다음 단계의 제약을 만족함을 이용해 보인다.
2. 수렴성: 제한된 feasible set과 비감소하는 목적값으로 인해 알고리즘은 수렴한다. 저자는 실험적으로 전역 최적값에 수렴함을 확인했으며, 이는 비볼록 제약이 충분히 작은 오차 범위((|\Delta|_F) 가 작을 때)에서 전역 최적성을 보장하는 기존 DC‑POTDC 결과와 일맥상통한다.

복잡도 분석에서는 각 SOCP를 interior‑point 방법으로 풀 때의 최악 복잡도가 (\mathcal{O}(N^{3.5})) 정도임을 인용한다(문헌