다중경로 페이딩 채널을 위한 강인 딥 합성소스 채널 코딩 기반 비디오 전송

초록

본 논문은 다중경로 페이딩 환경에서의 무선 비디오 전송을 위해 OFDM 기반의 딥 합성소스‑채널 코딩(DeepJSCC) 프레임워크를 제안한다. 시간적 중복을 활용한 조건부 컨텍스트 코딩과 다중 스케일 가우시안 워프드 특징을 도입해 압축 효율을 높이고, 경량 디노이징 모듈을 통해 복호화 복잡도와 수렴 속도를 개선한다. 실험 결과, 기존 최첨단 방법 대비 평균 5.13 dB의 PSNR 향상을 달성하였다.

상세 분석

본 연구는 무선 비디오 전송에서 가장 큰 장애물 중 하나인 다중경로 페이딩을 완화하기 위해 OFDM을 변조 단계에 도입한 점이 핵심이다. OFDM은 넓은 대역폭 신호를 서로 독립적인 평탄 서브채널로 분할함으로써 주파수 선택 페이딩에 대한 내성을 크게 향상시킨다. 특히 파일럿 심볼을 삽입해 암시적 채널 상태 정보를 학습하도록 설계함으로써 별도의 CSI 획득 과정을 생략하고 전송 효율을 높였다.

코딩 단계에서는 기존 DeepJSCC에서 주로 사용되던 잔차 기반 방식 대신 ‘조건부 컨텍스트 코딩’을 적용하였다. 이는 이전 프레임의 고차원 특징을 가우시안 스무딩을 통해 다중 스케일 볼륨으로 변환하고, 스케일‑스페이스 흐름(SSF)으로 정렬한 뒤, 특징 공간 워핑(FSW)으로 컨텍스트를 생성한다. 이렇게 얻어진 컨텍스트 c_i⁻ᵗ, c_i⁺ᵗ를 압축 인코더의 조건으로 사용함으로써 시간적 상관관계를 보다 정교하게 포착하고, 동일 대역폭 하에서 더 높은 재구성 품질을 달성한다.

디코딩 단계에서는 전통적인 OFDM‑JSCC 디코더가 채널 추정·등화·디노이징·시맨틱 복원을 일괄 처리하면서 발생하는 학습 복잡도와 수렴 지연을 해결하고자, 경량 디노이징 모듈을 별도로 두었다. 파일럿 기반 채널 정보를 활용해 수신된 복합 신호를 사전 정제한 뒤, 정제된 잠재 벡터를 기존의 키·보간 디코더에 입력한다. 이 모듈은 파라미터 수가 적음에도 불구하고 신호‑대‑노이즈 비율(SNR)이 낮은 상황에서 효과적인 잡음 억제를 제공하며, 전체 디코더의 학습 부담을 크게 경감한다.

실험 설계에서는 레일리 페이딩을 갖는 다중 경로 채널을 시뮬레이션하고, 다양한 SNR 구간에서 PSNR을 측정하였다. 결과는 OFDM 변조가 평균 2.76 dB, 조건부 컨텍스트 코딩이 추가 1.8 dB, 디노이징 모듈이 0.57 dB의 이득을 각각 제공함을 보여준다. 이 세 요소가 결합되어 최종적으로 5.13 dB의 종합 향상이 확인되었으며, 이는 기존 DeepWiV 및 DVST와 같은 최신 비디오 DeepJSCC 방법들을 능가한다.

또한, 논문은 모델이 SNR에 따라 동적으로 특성 채널을 재가중치하는 Attention Feature(AF) 모듈을 포함하고 있어, 훈련 단계에서 다양한 채널 조건을 하나의 네트워크로 학습할 수 있게 한다. 이는 별도 채널‑별 모델을 유지할 필요성을 없애고, 실제 시스템 적용 시 메모리·연산 효율성을 크게 향상시킨다.

전반적으로 본 연구는 변조·코딩·디코딩 전 단계에 걸친 구조적 혁신을 통해, 복잡한 다중경로 환경에서도 실시간 비디오 전송에 필요한 저지연·고품질 특성을 동시에 만족시키는 실용적인 DeepJSCC 솔루션을 제시한다.