광섬유 링크 전면 특성화와 BSS Lasso

본 논문은 광통신 네트워크에서 광섬유 링크의 결함을 실시간으로 감시하기 위한 새로운 방법론인 BSS‑Lasso를 제시한다. 기존의 광섬유 감시 기술인 OTDR는 높은 광출력 펄스를 사용해 전송을 일시 중단시키는 단점이 있어 비용과 서비스 연속성 측면에서 제한적이다. 이러한 문제를 해결하고자 제안된 베이스밴드 서브캐리어 스윕(Baseband Subcarrier Sweep, BSS) 기술은 저주파 서브캐리어를 광신호에 변조하여 좁은 대역폭 내에서 Rayleigh 후방산란 신호를 측정한다. 그러나 BSS는 주파수 스윕 대역폭이 제한적일 경우 Fourier 변환 기반의 공간 해상도가 떨어지는 한계가 있다. 이를 극복하기 위해 저자들은 BSS 신호를 주파수 영역에서 직접 해석하는 고차원 신호 처리 접근법을 도입한다. 먼저 광섬유의 전송 손실과 결함을 수학적으로 모델링한다. 광섬유의 OTDR 프로파일 P(z)는 비반사형 결함(브레이크, 스플라이스 손실)과 반사형 결함(커넥터 손상 등)을 각각 Heaviside 단계 함수와 Dirac 델타 함수의 선형 결합으로 표현한다(식 1). 이 모델을 기반으로, 주파수 스윕에 의해 얻어지는 복소수 전력 S(f)는 각 결함 위치 X_b, X_r에 대한 공간‑의존 위상 S_B(f,X_b), S_R(f,X_r)들의 합으로 전개된다(식 4‑5). 이때 가능한 모든 결함 위치에 대응하는 위상 함수를 사전 사전(dictionary)으로 구성한다. 사전 사전은 전섬유 길이를 1 m 단위로 이산화하여, 각 위치마다 비반사형 및 반사형 이벤트에 대한 복소수 파라미터(Φ_b, Θ_r)를 포함한다. 이렇게 과잉된 사전 사전은 차원 수가 매우 크지만, 라쏘(Lasso) 회귀를 적용하면 L1 정규화에 의해 실제 측정값과 가장 잘 맞는 소수의 원소만 선택된다. 라쏘는 변수 선택과 동시에 파라미터 추정을 수행하므로, 결함 위치와 그 크기(φ_b, θ_r)를 동시에 복원할 수 있다. 라쏘 적용 후에는 BSS‑Lasso라는 맞춤형 휴리스틱을 추가한다. 반사형 이벤트는 위상 정보가 뚜렷하게 나타나므로, 라쏘가 선택한 후보 위치 중 위상 일관성이 높은 것을 재조정한다. 이를 통해 초기 라쏘 추정치의 위치 오차를 보정하고, 최종 결함 위치를 50 m 이내 정확도로 정밀하게 복원한다. 실험은 두 부분으로 나뉜다. 첫 번째는 시뮬레이션 환경에서 2 km~15 km 길이의 광섬유에 1‑3개의 결함을 임의 배치하고, 다양한 신호 대 잡음비(SNR)와 대역폭 조건에서 BSS‑Lasso의 탐지율을 평가했다. 두 번째는 실제 실험실에서 제작한 광섬유 샘플에 물리적 결함(절단, 스플라이스, 커넥터 손상)을 삽입하고, 네트워크 분석기와 광다이오드를 이용해 BSS 신호를 수집했다. 결과는 다음과 같다. (1) 80 % 이상의 경우에 결함을 50 m 이내 정확도로 탐지했으며, 특히 반사형·비반사형 결함을 동시에 식별하는 데 성공했다. (2) 라쏘 기반 알고리즘은 전통적인 전역 탐색 방식에 비해 계산 시간이 10‑30배 단축되어 실시간 적용이 가능했다. (3) 기존 BSS 기반 방법(반사형 이벤트만 고려)보다 동적 범위와 정확도가 크게 향상되었다. 논문은 또한 BSS‑Lasso의 한계와 향후 연구 방향을 논의한다. 사전 사전의 해상도를 1 m 이하로 높이면 메모리와 연산량이 급증해 라쏘 최적화가 어려워진다. 따라서 다중 해상도 사전 사전이나 압축 센싱 기법을 도입해 효율성을 개선할 필요가 있다. 또한 온도 변화, 광섬유 비선형성, 장비 캘리브레이션 오차 등 실운용 환경에서 발생할 수 있는 파라미터 변동을 모델에 포함시키는 것이 중요하다. 마지막으로, BSS‑Lasso를 모바일 프론트홀(Mobile Fronthaul) 등 트랜스미터에 내장형으로 구현하면, 데이터 전송과 동시에 저비용 결함 감시가 가능해 차세대 5G/6G 네트워크의 신뢰성을 크게 높일 수 있다.