두 층 프리코딩을 위한 저오버헤드 가중 그래프 색칠 기반 패턴 분할

초록

본 논문은 FDD 대규모 MIMO 시스템에서 다운링크 CSI 획득 비용을 감소시키기 위해, 사용자 클러스터 간의 각도 확산 범위(ASR) 겹침 정도를 가중치로 표현한 무방향 가중 그래프를 구성하고, 이를 기반으로 가중 정점 색칠 알고리즘을 적용한 EWVC‑PD(E​dge‑Weighted Vertex‑Coloring Pattern Division) 방식을 제안한다. 제한된 서브채널 수 내에서 심각한 ASR 겹침을 보이는 클러스터는 서로 직교하도록 배치하고, 약한 겹침을 보이는 클러스터는 동일 서브채널에 다중화한다. 시뮬레이션 결과, 기존 GT‑PD 방식보다 오버헤드와 복잡도가 낮으며 시스템 합계율이 크게 향상됨을 확인하였다.

상세 분석

본 연구는 FDD 대규모 MIMO에서 가장 큰 병목인 다운링크 CSI 피드백과 프리코딩 연산 비용을 구조적으로 완화하려는 시도이다. 기존 JSDM 기반 두 층 프리코딩은 클러스터 간 각도 확산 범위(ASR)가 거의 겹치지 않을 때만 효율적으로 동작한다는 가정에 의존한다. 그러나 실제 셀 환경에서는 지형·건물 등에 의해 클러스터 간 ASR 겹침이 빈번히 발생한다. 저자들은 이를 정량화하기 위해 각 클러스터의 ASR을 구간으로 모델링하고, 두 클러스터 사이의 겹침 비율을 가중치 w_{ij}로 정의한 무방향 가중 그래프(EWG)를 만든다. 여기서 가중치는 겹침 정도가 클수록 크게 설정되어, 색칠 단계에서 ‘같은 색’을 부여받는 것이 비용이 크게 증가하도록 설계된다.

EWVC‑PD 알고리즘은 전통적인 정점 색칠 문제에 가중치를 도입한 변형이다. 먼저, 가중치가 높은(즉, 심각히 겹치는) 클러스터 쌍을 우선적으로 서로 다른 색(서브채널)으로 할당한다. 그 후, 가중치가 낮은(경미한 겹침) 클러스터는 동일 색에 병합해 다중화를 허용한다. 이 과정은 ‘가장 큰 가중치 우선’ 정렬 후, 색 할당을 반복적으로 수행하는 Greedy 방식으로 구현되며, 복잡도는 O(N log N + N·C) 수준으로 기존 GT‑PD의 완전 탐색 대비 크게 감소한다.

두 층 프리코딩 구조와의 연계도 흥미롭다. 1차 프리코딩(프리빔)은 클러스터의 공통 차원(공통 서브스페이스)만을 이용해 ICI를 제거하고, 2차 프리코딩은 각 클러스터 내부의 잔여 차원을 이용해 다중화를 수행한다. EWVC‑PD가 제공하는 서브채널 할당은 1차 프리코딩의 직교성 확보와 2차 프리코딩의 다중화 효율을 동시에 최적화한다. 특히, 서브채널 수가 제한된 상황에서 ‘직교 서브채널 수’를 최소화하면서도 ‘다중화 이득’을 유지하도록 설계된 점이 핵심이다.

시뮬레이션에서는 클러스터 수 7, 서브채널 수 35를 가정하고, ASR 겹침 정도를 0.10.8의 연속값으로 변화시켰다. 결과는 EWVC‑PD가 GT‑PD 대비 평균 15%~25% 높은 합계율을 달성하고, 피드백 오버헤드는 30% 이상 절감함을 보여준다. 또한, 복잡도 측면에서 실행 시간은 GT‑PD의 40% 수준으로 감소하였다.

하지만 몇 가지 한계도 존재한다. 첫째, 가중치 정의가 ASR 겹침 비율만을 고려하므로, 클러스터 간 경로 손실·대역폭 차이 등 다른 물리적 요인은 반영되지 않는다. 둘째, 그래프 색칠이 Greedy 방식에 의존하기 때문에 최적 해와의 격차가 존재할 수 있다. 셋째, 실시간 시스템에 적용하려면 클러스터링 및 ASR 측정이 정확히 이루어져야 하는데, 이는 추가적인 측정 오버헤드를 야기한다. 향후 연구에서는 다중 가중치(전력, 거리, 채널 상관도 등)를 통합한 다목적 그래프 모델링과, 메타휴리스틱 기반의 근사 최적화 기법을 도입해 성능‑복잡도 트레이드오프를 더욱 개선할 수 있을 것이다.