대안적 변조 방식의 다양한 형태와 시뮬레이션 방법론

초록

본 논문은 전통적인 PSK·QAM에서 벗어나 기하학적, 확률적, 최적화 및 머신러닝 기반의 다양한 변조 별자리 설계를 통합적으로 비교한다. AWGN 및 레일리 페이딩 채널에서 SER, 페이딩 강인성, PAPR, 에너지 효율을 대규모 몬테카를로 시뮬레이션으로 평가하고, 전력증폭기 비선형 모델을 포함한 에너지 소비 모델을 제시한다. 결과는 SER 최적 설계가 반드시 에너지 최적은 아님을 보여주며, 작은 SER 손해가 큰 전력 절감으로 이어질 수 있음을 강조한다. 머신러닝 기반 설계는 채널·하드웨어 제약을 목표 함수에 직접 삽입함으로써 다목적 최적화를 가능하게 한다.

상세 분석

이 논문은 변조 별자리 설계라는 전통적 문제를 다목적 최적화 프레임워크로 재정의한다. 먼저, 모든 별자리를 평균 전력 1로 정규화하고, 복소 평면에서의 최소 유클리드 거리(d_min)와 거리 스펙트럼을 이용해 고전적인 SER 유니온 바운드를 도출한다. 이를 기반으로 AWGN와 레일리 페이딩 두 환경에서의 SER을 정확히 추정한다. 특히, PAPR 정의를 |s_k|^2 / E