MU‑MIMO 사용자 그룹핑을 위한 하이퍼그래프 매칭

초록

본 논문은 802.11ac 기반 다운링크 WLAN에서 단일 사용자 빔포밍(SU‑TxBF)과 다중 사용자 MIMO(MU‑MIMO) 중 어느 방식을 사용할지, 그리고 MU 그룹에 몇 명의 사용자를 포함시킬지를 최적화한다. 시스템 스루풋을 최대화하면서 다중 사용자 공정성(MU‑ATF)을 보장하도록 문제를 정의하고, 이를 하이퍼그래프 모델로 표현한다. 2인 MU 그룹만 허용하는 경우는 최적 해를 효율적으로 구하고, 일반적인 다인 MU 그룹 경우에는 그래프 매칭 알고리즘(GMA)을 제안한다. 실험 결과 GMA가 모든 테스트 시나리오에서 최적 해의 93% 이상을 달성함을 확인하였다.

상세 분석

이 연구는 IEEE 802.11ac 표준이 지원하는 MU‑MIMO 기술을 실제 WLAN 환경에 적용할 때 발생하는 핵심 과제인 ‘사용자 그룹핑’ 문제에 초점을 맞춘다. 기존 연구들은 주로 전송 전력, 채널 상태 정보(CSI) 정확도, 혹은 단순한 사용자 수에 기반한 휴리스틱 방법에 의존했지만, 본 논문은 시스템 전체 스루풋을 직접적으로 최적화 목표로 설정하고, 동시에 MU‑ATF라는 공정성 제약을 도입함으로써 실용적인 운영 정책을 제시한다.

문제 정의 단계에서 저자들은 각 사용자 i에 대해 단일 사용자 전송(SU‑TxBF) 시 기대되는 전송률 r_i^SU와, 다중 사용자 그룹 G에 포함될 경우 기대되는 전송률 r_G^MU를 계산한다. 여기서 r_G^MU는 그룹 내 모든 사용자의 SINR을 고려한 다중 사용자 전송률이며, 그룹 크기에 따라 전송 시간 할당이 달라진다. MU‑ATF는 “그룹당 동일한 공기 시간”을 보장하도록 설계돼, 그룹 크기가 다르더라도 전체 공정성을 유지한다.

수학적으로는 ‘그룹 선택 변수’와 ‘그룹 포함 변수’를 이진 변수로 두고, 목표 함수는 Σ (그룹 전송률 × 할당 시간) 형태의 선형식이 된다. 제약식은 (1) 각 사용자는 정확히 하나의 그룹에 속한다, (2) 그룹 크기는 1(=SU)부터 N_max까지 가능, (3) MU‑ATF에 따라 그룹당 할당 시간은 동일하게 설정한다. 이 이산 최적화 문제는 NP‑hard 특성을 가지므로 직접적인 완전 탐색은 비현실적이다.

저자들은 이 문제를 ‘하이퍼그래프 매칭’ 형태로 변환한다. 정점은 사용자이며, 하이퍼엣지는 하나 이상의 사용자를 포함하는 가능한 그룹을 의미한다. 각 하이퍼엣지는 가중치 w(e)=그룹 전송률·공기 시간으로 정의된다. 목표는 서로 겹치지 않는 하이퍼엣지(즉, 사용자 중복 없이)들의 집합을 선택해 전체 가중치를 최대화하는 것이다. 이는 전통적인 그래프 매칭 문제와 유사하지만, 하이퍼엣지의 크기가 가변적이라는 점에서 차이가 있다.

특히 2인 MU 그룹만 허용되는 경우, 하이퍼그래프는 단순히 일반 그래프(각 엣지는 두 사용자 쌍)로 축소된다. 이때는 최대 가중치 매칭을 찾는 Hungarian 알고리즘이나 Blossom 알고리즘을 적용해 최적 해를 다항 시간에 구할 수 있다. 저자들은 이를 ‘Optimal 2‑User Matching’이라 명명하고, 복잡도 O(N^3) 수준임을 증명한다.

일반적인 다인 MU 그룹 상황에서는 하이퍼엣지의 크기가 N_max까지 확장되므로 직접적인 최적 매칭은 여전히 어려워진다. 이를 해결하기 위해 저자들은 ‘그래프 매칭 알고리즘(GMA)’을 설계한다. GMA는 (1) 모든 가능한 그룹을 후보 하이퍼엣지로 생성, (2) 가중치를 계산, (3) 가중치가 높은 순으로 후보를 정렬, (4) 이미 선택된 사용자와 겹치지 않는 경우에만 그룹을 채택하는 그리디 방식이다. 또한, 후보 생성 단계에서 ‘그룹 크기 제한’과 ‘채널 상관도 기반 프루닝’을 적용해 탐색 공간을 크게 축소한다. 이 과정은 O(N·2^{N_max}) 정도의 복잡도를 가지지만, 실제 N_max를 4~5 정도로 제한하고 프루닝을 적용하면 실시간 실행이 가능하다.

성능 평가에서는 실내 채널 측정 데이터를 기반으로 만든 802.11ac 에뮬레이터와, 외부 환경을 모델링한 시뮬레이션을 사용했다. 비교 대상은 (i) 무작위 그룹핑, (ii) 기존의 SINR 기반 휴리스틱, (iii) 최적 2‑User 매칭, (iv) 완전 탐색을 통한 전역 최적 해이다. 결과는 GMA가 모든 시나리오에서 최적 해의 93% 이상을 달성했으며, 특히 사용자 수가 12~16명일 때도 높은 효율성을 유지함을 보여준다. 또한, SU‑TxBF만을 고집하는 경우에 비해 평균 18%~25%의 스루풋 향상을 기록했다.

이 논문의 주요 기여는 (1) MU‑ATF를 명시적으로 고려한 시스템‑레벨 목표 함수 수립, (2) 하이퍼그래프 모델링을 통한 문제 구조화, (3) 2‑User 경우의 최적 매칭 알고리즘 제시, (4) 일반적인 다인 그룹에 적용 가능한 효율적인 GMA 설계, (5) 실제 채널 측정 기반 실험을 통한 실효성 검증이다. 향후 연구는 (a) 동적 트래픽 부하와 QoS 요구를 반영한 다중 목표 최적화, (b) 실시간 CSI 피드백 오버헤드와 연계한 그룹핑 전략, (c) 딥러닝 기반 하이퍼엣지 가중치 예측 등을 통해 더욱 현실적인 WLAN 운영에 적용할 수 있을 것으로 기대된다.