전송 안테나 수와 MIMO 방식 동시 블라인드 식별

본 논문은 군사·상업 통신 환경에서 수신 신호만을 이용해 송신 측의 전송 안테나 수와 사용된 MIMO 코딩 방식을 동시에 식별하는 새로운 블라인드 식별 기법을 제안한다. 기존 연구들은 전송 안테나 수 열거와 MIMO 스킴 식별을 별개의 문제로 다루어 왔으며, 특히 OFDM 환경에서의 복합적인 레드던시(공간‑시간, 공간‑주파수) 구분은 어려움이 있었다. 이를 해결하기 위해 저자들은 수신 신호를 시간·주파수 차원에서 재구성하고, 세 가지 서브스페이스‑랭크 특징을 정의한다. 첫 번째 특징은 ‘전송 안테나 수 특징’으로, 수신 공분산 행렬 Σᵧ의 고유값을 분석한다. Proposition 1에 따르면, Σᵧ의 가장 작은 Nᵣ−Nₜ개의 고유값은 잡음 전력 2σ²_w와 동일하며, 이를 통해 실제 전송 안테나 수 Nₜ를 정확히 추정할 수 있다. 두 번째·세 번째 특징은 각각 ‘시간‑연속 서브스페이스 차이’와 ‘주파수‑연속 서브스페이스 차이’로, 이는 STBC‑OFDM과 SFBC‑OFDM에서 각각 레드던시가 존재하는지, 그리고 어떤 구체적인 코딩 형태인지를 구분한다. 특징값을 효율적으로 추정하기 위해 두 단계의 방법을 결합한다. 첫 번째 단계는 Gerschgorin 반경 기반 방법으로, 공분산 행렬의 대각 원소와 비대각 원소 비율을 이용해 고유값의 상한·하한을 빠르게 계산한다. 이 방법은 전통적인 고유값 분해에 비해 연산 복잡도가 크게 낮으며, 실시간 시스템에 적합하다. 그러나 Gerschgorin 반경만으로는 복잡한 레드던시 패턴을 완전히 구분하기 어려우므로, 두 번째 단계로 피드포워드 신경망(FNN)을 도입한다. FNN은 세 가지 특징값을 입력으로 받아 비선형 매핑을 수행하고, 다중 클래스(다양한 STBC·SFBC·OSBC·QOSBC·FSTD·SBC 등) 분류를 수행한다. 최종 의사결정은 각 특징에 가중치를 부여한 L1 거리(metric)를 최소화하는 방식으로 이루어진다. 이는 노이즈와 채널 변동에 대한 강인성을 제공하며, 관측 구간이 짧을 때도 안정적인 결과를 보장한다. 알고리즘은 단일 캐리어와 OFDM 시스템 모두에 적용 가능하도록 설계되었다. 단일 캐리어에서는 시간‑연속 블록을, OFDM에서는 시간‑연속 블록(STBC‑OFDM)과 주파수‑연속 블록(SFBC‑OFDM)을 각각 활용한다. 따라서 동일한 프레임워크 내에서 두 종류의 레드던시를 동시에 탐지하고 구분할 수 있다. 실험에서는 다양한 전송 안테나 수(Nₜ=1~4)와 13종 이상의 MIMO 스킴을 대상으로 시뮬레이션을 수행했으며, 짧은 관측 구간(2~4 심볼)에서도 95% 이상 정확도를 달성했다. 특히, 기존 연구에서 구분이 어려웠던 비정규 직교(STBC/SFBC), 준직교(QOSBC), 그리고 LTE·WiMAX에서 사용되는 FSTD·SBC와 같은 특수 코딩도 정확히 식별하였다. 복잡도 분석 결과, 제안 알고리즘의 연산량은 전송 안테나 수 열거에 사용되는 AIC/MDL 기반 방법이나 기존 MIMO 스킴 식별에 사용되는 고유값 분석 방법과 비슷하거나 약간 낮은 수준이다. 이는 Gerschgorin 반경 계산의 효율성과 FNN의 경량 구조 덕분이다. 또한, 채널 추정이나 변조 방식에 대한 사전 지식이 필요 없으며, 신호 동기화가 이루어진다는 가정 하에 설계되었지만, 동기화 오차에 대한 민감도 분석도 수행해 실용성을 검증하였다. 결론적으로, 본 논문은 전송 안테나 수와 MIMO 코딩 방식을 동시에 블라인드 식별하는 최초의 통합 프레임워크를 제시하고, 이론적 근거와 실험적 검증을 통해 높은 정확도와 낮은 복잡도를 동시에 달성함을 입증한다. 이는 전자전, 스펙트럼 감시, 인지 라디오 등 다양한 응용 분야에서 실시간 신호 인식 및 대응에 큰 기여를 할 것으로 기대된다.