협업 액세스 네트워크: 분산 대규모 MIMO와 클라우드 RAN에서 최적 프론트홀 양자화

초록

본 논문은 분산형 Massive MIMO와 Cloud RAN에서 프론트홀 대역폭 제한을 극복하기 위해 수신 신호를 양자화하는 최적 전략을 제시한다. Bussgang 분해와 새로운 MMSE 채널·데이터 추정 방식을 결합해 양자화 잡음이 시스템 성능에 미치는 영향을 정량화하고, 프론트홀 용량과 전송 효율 사이의 트레이드오프를 분석한다.

상세 분석

이 연구는 협업 액세스 네트워크, 특히 분산형 Massive MIMO와 Cloud RAN(C-RAN) 구조에서 프론트홀(Fronthaul) 양자화 문제를 체계적으로 다룬다. 두 아키텍처는 다수의 원격 라디오 유닛(RRU) 혹은 액세스 포인트(AP)를 중앙 처리 장치(CPU)와 고속 링크로 연결한다는 점에서 공통점을 가지지만, 분산 Massive MIMO는 각 AP가 자체 안테나 어레이를 보유하고 협업 빔포밍을 수행하는 반면, C‑RAN은 베이스밴드 처리를 완전 중앙집중화한다는 차이가 있다. 이러한 차이는 프론트홀에 전송되는 데이터 형태와 양에 직접적인 영향을 미치며, 특히 업링크에서는 수신된 아날로그 신호를 디지털화하여 전송해야 하므로 양자화 비트 수가 시스템 용량을 좌우한다.

논문은 먼저 양자화 모델을 정의한다. 각 AP는 수신 신호 (\mathbf{y})를 (b)비트 정밀도의 균등 양자화기로 처리하고, 양자화된 신호 (\tilde{\mathbf{y}})를 프론트홀을 통해 CPU에 전달한다. 양자화 과정은 비선형이지만, Bussgang 정리를 이용해 (\tilde{\mathbf{y}} = \mathbf{A}\mathbf{y} + \mathbf{q}) 형태로 선형화한다. 여기서 (\mathbf{A})는 스케일링 행렬, (\mathbf{q})는 양자화 잡음이며 (\mathbf{q})는 (\mathbf{y})와 무상관임을 보장한다. 이 선형화는 기존의 Gaussian 가정 하에서 MMSE 추정기를 설계할 수 있게 해준다.

핵심 기여는 양자화된 신호에 대한 새로운 MMSE 채널 및 데이터 추정 방법이다. 기존 연구는 양자화 잡음을 단순히 백색 가우시안 잡음으로 가정하거나, 채널 추정과 데이터 검출을 별도로 수행했다. 반면, 저자들은 양자화 잡음의 공분산을 정확히 계산하고, 이를 포함한 공동 MMSE 추정식을 도출한다. 구체적으로, CPU는 (\tilde{\mathbf{y}})와 사전 알려진 pilot 시퀀스를 이용해 (\hat{\mathbf{H}} = \mathbf{R}{\tilde{y}h}\mathbf{R}{\tilde{y}\tilde{y}}^{-1}\tilde{\mathbf{y}}) 형태의 선형 추정기를 적용한다. 여기서 (\mathbf{R}{\tilde{y}h})와 (\mathbf{R}{\tilde{y}\tilde{y}})는 각각 양자화된 신호와 실제 채널, 양자화된 신호 자체의 공분산 행렬이며, Bussgang 분해를 통해 정확히 표현된다. 데이터 검출 단계에서도 동일한 공분산 구조를 활용해 LMMSE 수신기를 설계함으로써, 양자화 잡음이 데이터 심볼에 미치는 영향을 최소화한다.

성능 분석에서는 프론트홀 비트 수 (b)와 AP 수 (M), 사용자 수 (K) 사이의 관계를 정량화한다. 양자화 비트가 증가하면 (\mathbf{A})가 1에 가까워지고 (\mathbf{q})의 파워가 급격히 감소한다. 그러나 비트당 프론트홀 용량이 제한된 현실적인 시나리오에서는 전체 비트 예산을 AP 간에 어떻게 배분할지가 핵심이다. 저자들은 전체 프론트홀 용량 (C_{\text{total}})가 주어졌을 때, 각 AP에 할당되는 비트 (b_m)를 최적화하는 문제를 convex 형태로 변환하고, 라그랑주 승수를 이용해 해를 구한다. 최적 배분은 채널 상태 정보(CSI)의 변동성, 사용자 위치, 그리고 각 AP의 안테나 수에 따라 가변적이며, 특히 채널이 크게 변동하는 셀 엣지 사용자에게는 더 높은 비트 할당이 필요함을 보여준다.

수치 시뮬레이션 결과는 다음과 같다. (1) 4비트 양자화만으로도 이상적인 무제한 프론트홀 경우 대비 1 dB 이내의 SNR 손실을 보이며, 6비트 이상에서는 거의 무제한 성능에 수렴한다. (2) 최적 비트 배분 전략을 적용했을 때, 동일한 총 프론트홀 용량에서도 균등 비트 할당 대비 평균 전송률이 15 % 이상 향상된다. (3) 분산 Massive MIMO와 C‑RAN 모두에서 제안된 MMSE 추정기가 기존 파일럿 기반 LMMSE 추정기보다 채널 추정 오차를 20 % 가량 감소시킨다. 이러한 결과는 프론트홀 양자화가 시스템 전반의 스펙트럼 효율과 에너지 효율에 미치는 영향을 크게 완화시킬 수 있음을 시사한다.

결론적으로, 본 논문은 Bussgang 분해와 정확한 양자화 잡음 모델링을 기반으로 한 공동 MMSE 추정 프레임워크를 제시함으로써, 프론트홀 용량이 제한된 차세대 협업 액세스 네트워크에서 실용적인 설계 지침을 제공한다. 향후 연구에서는 비선형 양자화(예: 비균등, 다중 비트 스케일링)와 딥러닝 기반 채널 복원 기법을 결합해 더욱 높은 프론트홀 효율을 추구할 수 있을 것이다.