하이브리드 필드 RIS 채널 및 가시 영역 공동 추정

초록

본 논문은 대규모 RIS가 적용된 mmWave 통신에서, RIS‑BS 링크는 원거리(패리얼) 모델을, 사용자‑RIS 링크는 근거리(구면) 모델을 사용하고, 블록에 의한 가시 영역(VR) 비정상성을 동시에 고려한 하이브리드 필드 채널 모델을 제안한다. 고차원 결합 사전 사전(dictionary) 압축을 통해 차원을 감소시키고, 가시 행렬과 극좌표 사전을 결합한 저차원 표현을 도입한다. 이를 기반으로 터보 구조의 공동 베이지안 추정(TS‑JBE) 알고리즘을 설계하여 채널 이득, 가시 영역, 오프그리드 파라미터를 한 번에 추정함으로써 기존 단계적 방법의 오류 전파를 방지한다. 시뮬레이션 결과, 제안 방법이 NMSE 측면에서 현존 기법보다 현저히 우수함을 확인하였다.

상세 분석

본 연구는 RIS‑assisted mmWave 시스템에서 발생하는 두 가지 핵심 물리적 현상을 동시에 모델링한다. 첫째, RIS가 대형화됨에 따라 RIS‑BS 간 거리는 레일리 거리보다 크게 되므로 평면파(Far‑field) 가정이 타당하지만, 사용자와 RIS 사이의 거리는 근거리 영역에 해당해 구면파 모델이 필요하다. 이러한 하이브리드 필드 특성을 반영하지 않으면 채널 매트릭스의 구조적 스파시티가 크게 왜곡된다. 둘째, 대규모 RIS 표면에 무작위 블록이 발생하면 각 경로가 RIS의 일부만을 ‘볼 수’ 있게 되며, 이는 전통적인 전역 가시성 가정과 달리 공간 비정상성을 초래한다. 논문은 이를 φ_l 이진 가시 행렬로 수식화하여 각 경로별 가시 영역을 명시한다.

채널 추정 차원을 감소시키기 위해 저자들은 고차원 결합 사전(Φ⊙A_U⊗A_B 등)을 극좌표 사전으로 압축한다. 구면파 특성상 근거리 채널은 거리와 각도 두 파라미터(극좌표)로 스파시하게 표현될 수 있으므로, 가시 행렬을 가중치로 곱한 저차원 사전으로 변환하면 원래 N×M 규모의 문제를 K·G 정도의 작은 차원으로 축소한다. 여기서 K는 RIS 서브어레이 수, G는 극좌표 사전 원자 수이다. 이러한 압축은 사전 간의 강한 결합성을 완화하고, 베이지안 추정 단계에서 변수 간 독립성을 어느 정도 유지하게 만든다.

제안된 TS‑JBE 알고리즘은 터보 구조를 차용한다. 먼저 현재 가시 행렬과 사전 가중치를 고정하고 채널 이득 α, β를 베타 분포와 가우시안 사전으로 추정한다. 이후 추정된 이득을 이용해 가시 행렬 φ_l 과 오프그리드 파라미터(θ, r)를 업데이트한다. 이 두 단계가 반복되면서 각 변수의 사후 분포가 점진적으로 정제된다. 중요한 점은 순차적(예: 먼저 가시 영역을 검출하고 그 후 채널을 추정) 방식과 달리, 모든 파라미터를 동시에 최적화함으로써 초기 검출 오류가 전체 추정에 미치는 영향을 최소화한다는 것이다.

시뮬레이션에서는 RIS 크기(N=256), 서브어레이(K=8), 사용자‑RIS 거리 5 m 등 실용적인 설정을 사용하였다. 비교 대상은 전통적인 OMP 기반 CS, 단계적 가시 영역 검출 후 채널 추정, 그리고 전역 평면파 모델을 가정한 베이지안 방법이다. NMSE 결과는 제안 방법이 특히 가시 영역이 부분적으로만 활성화된 경우(φ_l이 희소)에서 5 dB 이상 개선됨을 보여준다. 또한 오프그리드 파라미터 추정 정확도도 기존 그리드 기반 방법보다 크게 향상되어, 실제 시스템 구현 시 파일럿 오버헤드 감소와 추정 복잡도 절감 효과가 기대된다.