비동일 확산 모델을 이용한 MIMO OFDM 채널 생성

초록

본 논문은 기존 확산 모델의 시간 인덱스를 스칼라에서 입력과 동일한 크기의 행렬(벡터)로 확장한 “비동일 확산 모델”을 제안한다. 각 서브캐리어·안테나 별로 서로 다른 잡음 수준을 표현함으로써 파일럿 기반 MIMO‑OFDM 채널 추정에서 발생하는 비균등 신뢰도를 정확히 반영한다. 차원별 시간 임베딩 전략과 여러 학습·생성 방식을 설계하고, 이론적 정당성과 수치 실험을 통해 기존 동일 확산 대비 성능 향상을 입증한다.

상세 분석

논문은 확산 모델의 핵심 메커니즘인 “시간‑잡음 매핑”을 스칼라가 아닌 동일 차원의 벡터(또는 행렬)로 일반화한다는 점에서 혁신적이다. 기존 DDPM 계열은 전체 신호에 동일한 노이즈 레벨을 적용하므로, 파일럿이 배치된 서브캐리어와 그렇지 않은 서브캐리어 사이의 신뢰도 차이를 반영하지 못한다. 저자는 이를 해결하기 위해 α_t 를 d‑차원 비감소 함수 α_t∈(0,1]^d 로 정의하고, Itô SDE 를 벡터 형태로 확장하였다. 이때 α_t 와 β_t (β_t = √(1−α_t^2)) 를 원소별로 적용함으로써, 각 원소가 독립적인 잡음 경로를 따라 진행하도록 설계한다.

이론적으로는 Fokker‑Planck 방정식을 이용해 α_t ◦ H_0 + β_t ◦ ξ 형태의 확률분포가 유지됨을 증명하고, 이는 기존 확산 모델의 확률 흐름을 그대로 보존하면서도 원소별 잡음 수준을 조절할 수 있음을 보여준다. 특히, 정의 1에서 제시한 α_t 의 비감소성 조건은 각 원소가 시간에 따라 단조 감소하는 잡음 스케줄을 보장하므로, 역확산 과정에서도 안정적인 denoising이 가능하다.

시간 임베딩 측면에서는, 입력과 동일한 크기의 시간 행렬을 그대로 NN에 전달할 수 없으므로 “열‑행 별 임베딩”을 고안했다. 구체적으로는 서브캐리어 차원과 안테나 차원을 각각 1‑D 임베딩 벡터로 변환한 뒤, 외적 혹은 concat을 통해 원소별 시간 정보를 재구성한다. 이는 기존의 스칼라 time embedding을 3‑D CSI 구조에 맞게 확장한 것으로, MLP‑Mixer 기반의 네트워크와 자연스럽게 결합된다.

학습 전략에서는 두 가지 주요 변형을 제시한다. 첫째, 전통적인 “전역‑시간” 스케줄을 그대로 사용하되, 각 배치마다 초기 잡음 레벨을 비균등하게 샘플링하는 “비동일 초기화” 방식; 둘째, 초기 추정값 자체를 시작점으로 삼아 해당 추정값의 잡음 분산을 역으로 추정해 초기 타임스텝을 결정하는 “자동 타임 추정” 방식이다. 실험에서는 특히 두 번째 방식이 파일럿이 적은 상황에서 큰 이득을 보였으며, 전체 샘플링 스텝을 30% 정도 감소시켜도 성능 저하가 거의 없었다.

수치 결과는 NMSE, SER, 그리고 채널 상관 구조 복원 측면에서 기존 동일 확산 모델보다 일관되게 우수함을 보여준다. 특히, 좁은 대역 간섭이 특정 서브캐리어에만 영향을 미치는 시나리오에서 비동일 확산은 해당 서브캐리어의 높은 잡음 레벨을 정확히 반영해 전체 채널 복원 품질을 크게 향상시켰다. 또한, 시간 행렬을 직접 학습 파라미터로 활용하는 변형도 제안했는데, 이는 사전 파일럿 설계에 대한 의존도를 낮추는 효과가 있다.

전체적으로 이 논문은 무선 통신에서 “부분적으로 알려진 초기 상태”를 활용한 생성 모델링에 새로운 패러다임을 제시한다. 비동일 확산은 이미지 인페인팅·복원 분야에서도 비슷한 비균등 신뢰도 상황에 적용 가능하므로, 향후 멀티모달 생성, 신호 복원, 그리고 조건부 생성 모델에 대한 확장 연구의 기반이 될 것으로 기대된다.