대규모 MIMO를 위한 저복잡도 통계적 강인 프리코더·디텍터 설계

초록

본 논문은 대규모 MIMO 시스템에서 채널 통계 정보를 사전에 알 필요 없이, 무작위 카차머즈(Kaczmarz) 알고리즘을 활용해 선형 프리코딩·디텍팅 행렬을 저복잡도로 계산하는 방법을 제안한다. 제안 기법은 과잉결정(over‑determined) 및 미결정(under‑determined) 선형 방정식 시스템에 대해 새로운 변형 카차머즈를 설계하고, 수렴 속도와 평균 SINR을 이론적으로 분석한다. 시뮬레이션 결과는 기존의 랜덤 행렬 이론 기반 TPE·RZF 등과 비교해 비슷한 성능을 보이면서도 통계 정보가 필요 없고 연산량이 크게 감소함을 확인한다.

상세 분석

이 논문은 대규모 MIMO에서 전통적으로 사용되는 ZF, RZF, MMSE와 같은 선형 프리코더·디텍터가 요구하는 행렬 역연산·곱셈의 복잡도가 O(K³) 및 O(MK²) 에 달한다는 점을 출발점으로 삼는다. 기존 연구들은 무작위 행렬 이론이나 다항식 전개(TPE)를 이용해 이러한 복잡도를 감소시켰지만, 모두 사용자 채널 공분산 행렬이라는 사전 통계가 필요하다는 전제가 있다. 고차원(M≫K) 상황에서 공분산을 정확히 추정·추적하는 것은 샘플 복잡도와 저장 요구량이 급증해 실용성이 떨어진다.

논문은 이러한 한계를 극복하기 위해 무작위 카차머즈 알고리즘(KA)을 도입한다. KA는 원래 과잉결정 선형 시스템 Ax = b를 행별로 순차 혹은 확률적으로 선택해 현재 추정치 wₜ를 최소 ‖wₜ₊₁ − wₜ‖₂ 거리로 업데이트하는 반복법이다. Strohmer‑Vershynin이 제시한 확률적 행 선택(행‖aᵢ‖²/‖A‖_F²)과 수렴 분석을 기반으로, 저자는 다음과 같은 두 가지 핵심 기여를 한다.

1. 과잉결정·노이즈 존재 상황에 대한 변형: UL에서 y = Hs + n 형태의 수신식은 실제로 일관되지 않은 방정식 집합을 만든다. 기존 KA를 그대로 적용하면 잔차가 남아 최소제곱해를 정확히 구하지 못한다. 저자는 A와 b를 적절히 전처리(예: 정규화·전치 후 확대)해 일관된 시스템 Ãx = b̃을 만든 뒤 KA를 적용한다. 이 과정에서 추가 연산량은 O(MK) 수준에 머무른다.

2. 미결정 시스템에 대한 확장: DL 프리코딩에서는 x = Q(QᴴQ + ξI)⁻¹s 형태로, 행보다 열이 많은 행렬을 역연산해야 한다. 저자는 KA를 전치 형태로 적용해 (QᴴQ)⁻¹을 직접 구하지 않고, w ← w + ( bᵣ − ⟨aᵣ,w⟩ )aᵣ/‖aᵣ‖² 로 업데이트함으로써 미결정 방정식의 최소노름 해를 얻는다.

이론적 분석에서는 행 선택 확률을 ‖aᵣ‖²에 비례하게 두어 수렴 속도가 행렬 조건수 κ(A)와 직접 연관됨을 보인다. 특히 대규모 MIMO에서 채널 행렬 H는 거의 직교에 가까워 κ(H)≈1에 가깝기 때문에, 기대 수렴 속도가 매우 빠르다. 또한, 평균 SINR에 대한 상한을 기존 MMSE와 비교해 1 dB 이내 차이로 제한함을 증명한다.

복잡도 측면에서는 각 반복이 O(K) 혹은 O(M) 연산만 필요하고, 전체 반복 횟수 T는 목표 정확도 ε에 대해 O(κ(A)·log(1/ε)) 정도로 선형 스케일이다. 따라서 전체 복잡도는 O(MK·log(1/ε)) 혹은 O(K²·log(1/ε)) 수준으로, 기존 O(MK²)·또는 O(K³)와 비교해 1~2 차수 감소한다.

시뮬레이션에서는 M = 128, K = 8~16, 다양한 SNR 구간에서 제안 알고리즘이 TPE‑RZF, AMP 기반 방법과 거의 동일한 평균 사용자율을 달성함을 확인한다. 특히 채널 공분산을 추정하지 못했을 때 TPE‑RZF가 급격히 성능 저하되는 반면, 제안 KA 기반 방법은 변함없이 안정적인 성능을 유지한다.

결론적으로, 이 논문은 “통계‑프리(statistics‑free)”라는 새로운 설계 패러다임을 제시하며, 대규모 MIMO 시스템에서 실시간 하드웨어 구현이 가능한 저복잡도 선형 프리코딩·디텍팅 프레임워크를 제공한다.