CQI 기반 간섭 예측으로 산업 서브네트워크 링크 적응 향상

초록

**
본 논문은 산업용 서브네트워크(SN)에서 고신뢰·저지연(HRLLC) 서비스를 위한 링크 적응(LA) 성능을 개선하고자, CQI 보고를 이용해 간섭 전력을 예측하는 새로운 프레임워크를 제안한다. 간섭을 잠재적인 CQI 벡터로 모델링하고, 벡터 이산시간 상태공간 모델(vDSSM)과 희소 Student‑t 프로세스 회귀(SPTPR)를 결합한 수정된 무향칼만필터(MUKF)를 통해 압축·양자화·지연에 강인한 추정을 수행한다. 시뮬레이션 결과, 기존 비파라메트릭 방법 대비 10배 이상 연산 복잡도를 낮추면서 90번째 백분위 BLER 1e‑6 이하를 유지하고, 기존 지도학습 기반 기법과 동등한 성능을 보인다.

**

상세 분석

**
본 연구는 산업 현장의 초밀집 배치와 짧은 전송 지연 요구를 고려해, 전통적인 외부 루프 OLLA가 수렴 속도가 느려지는 문제를 근본적으로 해결하고자 한다. 핵심 아이디어는 간섭 전력(IPV)을 직접 측정하기보다는, SN 컨트롤러가 수집하는 광대역 CQI를 통해 간접적으로 추정하는 것이다. 이를 위해 저자들은 먼저 IPV를 잠재 변수로 보는 벡터 이산시간 상태공간 모델(vDSSM)을 정의하고, 상태 전이 함수 F와 관측 함수 G를 비파라메트릭하게 학습한다. 기존 Gaussian Process Regression(GPR)은 복잡도가 O(L³)이며, 간섭의 heavy‑tailed 특성을 제대로 포착하지 못한다는 한계가 있다. 따라서 저자들은 Student‑t 분포를 기반으로 한 희소 Student‑t 프로세스 회귀(SPTPR)를 도입한다. Student‑t는 꼬리가 두꺼워 이상치에 강인하고, 희소화 기법을 통해 inducing point 수 L_E를 전체 샘플 L에 비해 크게 줄여 O(L_E²·L) 수준의 연산량을 달성한다.

예측 정확도를 높이기 위해, 저자들은 SPTPR에서 얻은 평균·공분산을 이용해 수정된 무향칼만필터(MUKF)를 설계한다. MUKF는 전통적인 Unscented Kalman Filter의 sigma‑point 변형을 사용해 Student‑t 분포의 비대칭·두꺼운 꼬리를 보존하면서 비선형 전이·관측 모델을 전파한다. 또한, CQI 압축·양자화·전송 지연을 노이즈 β(t), u(t)로 모델링하고, 이를 Student‑t 노이즈로 가정해 추정 과정에 포함시킨다. 결과적으로, 최신 CQI가 지연되어 도착하더라도, MUKF는 과거 추정값과 새로운 CQI를 융합해 실시간에 가까운 간섭 예측을 제공한다.

시뮬레이션에서는 6G‑ANNA 프로젝트 시나리오를 기반으로, 0.1~1 ms 지연과 1e‑6 수준의 BLER 목표를 만족하도록 설계된 LA 문제를 해결한다. 제안 방법은 비파라메트릭 베이스라인 대비 10배 이상 연산량을 절감하면서, 동일한 BLER을 유지하거나 약간 개선한다. 특히, 다중 SA를 가진 SN에서도 개별 SA별 MCS를 동시에 최적화할 수 있어, 전체 시스템 스펙트럼 효율을 크게 향상시킨다.

**