하이브리드 푸리에‑우드워드‑로슨‑신경망을 이용한 MIMO 안테나 배열 패턴 합성

** 본 논문은 2.45 GHz 대역을 목표로 하는 16요소 선형 MIMO 안테나 배열의 방사 패턴 합성을 위해, 푸리에 변환 기반 가중치 설계와 우드워드‑로슨(Woodward‑Lawson) 샘플링을 결합한 하이브리드 최적화 기법을 제안한다. 기존 배열 설계에서는 Sidelobe Level(SLL) 감소와 빔폭 제어가 주요 목표였으며, 이를 위해 Dolph‑Chebyshev, Taylor, Schelkunoff 등 다양한 기법이 사용되어 왔다. 저자들은 먼저 푸리에‑W‑L 방법이 SLL을 –30 dB 수준까지 낮출 수 있음을 Fig. 2와 표 I을 통해 실증한다. 푸리에 변환은 연속적인 개구 전류를 이산화하여 원하는 방사 패턴을 샘플링하고, 각 샘플에 대응하는 복소 가중치를 직접 계산한다. 여기서 진폭은 사전 최적화된 값으로 고정하고, 위상만을 조정함으로써 구현 복잡성을 최소화한다. 다음 단계에서는 이러한 푸리에‑W‑L 가중치를 학습 데이터베이스로 활용해 다층 퍼셉트론(MLP) 신경망을 훈련시킨다. 입력 벡터는 목표 빔 방향(θ), 빔폭, 목표 SLL 등 18개의 파라미터로 구성되며, 출력은 16개의 위상값(°)이다. 신경망은 백프로파게이션 기반 평균제곱오차(MSE) 최소화 방식으로 학습되며, 학습률 η=0.02, 은닉층 뉴런 30개를 사용한다(표 II). 훈련·검증·테스트 단계에서 오차가 거의 0에 수렴함을 그래프(Fig. 6)로 보여 주어, 신경망이 비선형 입력‑출력 관계를 정확히 모델링함을 확인한다. 시뮬레이션은 CST‑Microwave Studio를 이용해 2.45 GHz에서 16요소 패치 안테나 배열을 구현하고, 위에서 도출된 최적 위상값을 적용하였다. 결과는 3‑D 방사 패턴과 S‑파라미터(S₁₁)에서 목표 주파대 내 반사 손실이 –10 dB 이하이며, 빔 방향이 40°~140° 구간에서 정확히 제어됨을 보여준다. 특히 SLL이 –20 dB 이하로 억제된 점은 기존 방법 대비 5~10 dB 향상된 것으로 해석된다. Fig. 9와 Table III은 다양한 빔 방향(40°, 70°, 100°, 130° 등)에서 최적 위상값을 적용한 3‑D 방사 패턴을 제시하며, 모두 SLL 감소 기준을 만족한다. 논문의 주요 기여는 다음과 같다. ① 푸리에‑우드워드‑로슨 기법이 기존 최적화 방법보다 SLL 감소와 빔폭 제어에서 우수함을 실증하였다. ② 이 기법을 기반으로 한 신경망 모델이 입력 파라미터와 위상값 사이의 복잡한 비선형 관계를 학습함으로써, 설계자가 원하는 빔 방향과 SLL 목표를 입력하면 자동으로 최적 위상값을 출력한다. ③ CST 시뮬레이션을 통해 실제 안테나 설계에 적용 가능함을 검증하였다. 그러나 몇 가지 한계점도 존재한다. 첫째, 푸리에‑W‑L 가중치 자체가 이미 최적화된 형태이므로, 신경망이 제공하는 이점이 위상 예측에 국한된다. 실시간 환경 변화(예: 사용자 이동, 채널 변동)에 대한 적응성은 논문에서 다루어지지 않았다. 둘째, GA·PSO·Fourier 등 다른 메타휴리스틱 기법과의 정량적 비교가 제한적이며, 성능 차이를 명확히 입증하기 위한 통계적 분석이 부족하다. 셋째, 실험은 전적으로 시뮬레이션에 의존하고 있어, 실제 프로토타입 제작 및 측정 결과가 부재하다. 마지막으로, 입력 파라미터와 출력 위상 사이의 물리적 의미(예: 위상‑거리 관계) 분석이 부족해, 설계자가 파라미터를 조정할 때 직관적인 가이드를 얻기 힘들다. 결론적으로, 본 연구는 푸리에‑우드워드‑로슨 기법과 신경망을 결합해 배열 패턴 합성 문제를 데이터‑드리븐 방식으로 해결한 점에서 학술적 가치를 지닌다. 향후 연구에서는 실제 하드웨어 구현, 실시간 적응 알고리즘, 그리고 설계자 친화적인 파라미터 해석을 추가함으로써 MIMO 시스템에의 적용 가능성을 더욱 높일 수 있을 것이다. **