무선 MIMO 페이딩 채널에서 의미 기반 OTA 집계 활용 다중 센서 스케줄링

초록

본 논문은 무선 MIMO 페이딩 환경에서 원격 상태 추정을 위해 의미 기반 오버‑더‑에어(SemOTA) 집계 방식을 도입하고, 센서 활성화를 동적 프로그래밍으로 최적화한다. 최적 Q‑함수의 구조를 분석해 오류 공분산과 채널 상태에 적응하는 의미적 스케줄링 정책을 도출하고, PSD 코너 분해를 이용한 상한을 통해 실용적인 근사 알고리즘을 제시한다. 시뮬레이션 결과, 제안 방식이 기존 OTA 및 임계값 기반 방법에 비해 추정 정확도와 전력 효율 모두에서 우수함을 확인하였다.

상세 분석

이 연구는 원격 상태 추정 시스템을 MIMO 페이딩 채널에 매핑하고, 각 센서가 다중 안테나를 이용해 아날로그 측정을 동시에 전송하는 OTA 방식을 확장한다. 기존 OTA는 모든 센서를 동시 활성화함으로써 전력 소모가 급증하는 문제가 있었으며, 이를 해결하기 위해 의미 기반 OTA(SemOTA)를 제안한다. SemOTA는 ‘정보량’이 높은 센서만 선택적으로 활성화함으로써 전력 효율을 크게 향상시킨다.

문제 정의는 추정 정확도(오차 공분산의 트레이스)와 전력 소비(활성 센서의 측정 행렬 트레이스)의 가중합을 최소화하는 유한 시간 수평선 최적화로 설정된다. 이를 동적 프로그래밍(DP) 형태로 전개하고, 상태를 오류 공분산 Σ_k와 채널 상태 H_k로, 행동을 센서 스케줄링 변수 π_k={δ_{m,k}}로 정의한다. 핵심은 최적 Q‑함수 Q_k(M_k)의 구조를 분석해, 각 센서의 활성화 결정이 “마진 개선 ≥ 전력 비용”이라는 형태의 임계조건(식 11)으로 표현된다는 점이다. 이 임계조건은 실시간 오류 공분산과 CSI에 직접 의존하므로, 의미적(semantic) 정책이라 부를 수 있다.

하지만 Q‑함수 내 Δ_k(M_k) 항은 재귀적으로 정의돼 계산 복잡도가 급격히 증가한다. 저자는 이를 해결하기 위해 Σ_k에 대한 PSD 코너 분해를 적용, 집계된 채널 행렬을 고유값 기반으로 분해하고, 상위 γ_k개의 주요 모드만 고려하는 근사 상한을 도출한다(정리 2). 이 상한을 이용해 각 센서의 활성화 여부를 간단히 판단할 수 있는 식(12)을 얻으며, 복잡도는 O(M·S) 수준으로 크게 감소한다.

알고리즘 1은 원격 추정기가 현재 Σ_k와 H_k를 받아 근사 스케줄링을 계산하고, 이를 센서에 브로드캐스트한 뒤 OTA/ SemOTA 전송을 수행하고, Kalman 필터를 통해 추정 및 공분산을 업데이트한다. 정리 3은 이 알고리즘이 원래 최적 비용보다 상한 이하임을 보장한다.

시뮬레이션에서는 측정 임계값 기반 ALOHA, 오류 공분산 임계값 기반 TDMA, 전통 OTA 등 세 가지 베이스라인과 비교한다. 센서 수가 증가함에 따라 전통 OTA는 전력 소모가 급증하지만 추정 정확도는 크게 개선되지 않는다. 반면 제안된 SemOTA는 선택적 활성화를 통해 전력 소모를 크게 절감하면서도 NMSE를 현저히 낮춘다. 특히 γ 파라미터를 조정해 전력-정확도 트레이드오프를 유연하게 제어할 수 있다.

핵심 기여는 (1) MIMO 페이딩 채널에 맞춘 의미 기반 OTA 설계, (2) 오류 공분산과 CSI에 적응하는 구조적 DP 해석, (3) PSD 코너 분해를 통한 실용적 근사 상한 및 저복잡도 스케줄링, (4) 전력 효율과 추정 정확도 모두에서 기존 방법을 능가하는 정량적 성능 입증이다. 제한점으로는 채널 상태 정보가 완전히 알려져야 한다는 가정과, 고정된 시간 수평선(K) 내에서만 최적성을 보장한다는 점이 있다. 향후 연구는 부분 CSI, 무한 수평선 평균 비용 최적화, 그리고 비선형/비가우시안 시스템으로의 확장을 제시한다.