OFDM 기반 에어컴퓨팅을 위한 2차원 유동 안테나 최적화 설계

초록

본 논문은 다중 사용자 OFDM 에어컴퓨팅 시스템에 2차원 유동 안테나(FAS)를 도입하고, 전송 프리코더·수신 결합기·안테나 위치를 공동 최적화하여 평균 제곱오차(MSE)를 최소화한다. 교대 최적화(AO)와 주요화‑최소화(MM) 기법을 활용한 알고리즘을 제시하고, 시뮬레이션을 통해 고정 위치 안테나 대비 MSE 감소 효과를 입증한다.

상세 분석

본 연구는 공간 자유도(DOF)를 활용하고자 하는 최신 무선 통신 트렌드와, 주파수 선택성으로 인한 ISI 문제를 동시에 해결하려는 시도를 결합한다. 먼저, AP에 2차원 유동 안테나 어레이(M = 4)를 배치하고, 각 안테나는 제한된 사각형 영역 내에서 연속적으로 위치를 조정할 수 있다. OFDM 프레임 구조를 채택해 각 서브캐리어에 대해 사용자는 복소 프리코더 b_{k,n}을 적용하고, AP는 M차원 결합 벡터 w_n을 통해 AirComp 목표 함수 Σ_k c_{k,n}를 추정한다.

문제 정의는 전체 MSE를 최소화하면서 (i) 각 사용자·서브캐리어별 전송 전력 제한 |b_{k,n}|²≤P, (ii) 안테나 위치 제약 r_m∈ℛ, (iii) 최소 안테나 간 거리 δ를 만족하도록 하는 비선형 비볼록 최적화 문제(16)이다. 저자는 이를 두 개의 서브문제로 분해한다. 첫 번째 서브문제는 고정된 w_n, r에 대해 b_{k,n}을 최적화하는데, 이는 각 서브캐리어마다 단순한 복소 스칼라 최적화이며 폐형 해(b̂_{k,n}=min(√P,|w_n^H h_{k,n}(r)|)·e^{-j∠(w_n^H h_{k,n}(r))})를 제공한다.

두 번째 서브문제는 b_{k,n}와 r을 변수로 두고 w_n을 최적화한다. 여기서는 Lagrange 미분을 통해 w_n의 폐형 해(20)를 도출하고, 이를 다시 대입해 r에 대한 목적 함수를 M개의 독립적인 항으로 분해한다. 그러나 h_{k,n}(r)와 V_n이 모두 r에 의존하므로 문제는 여전히 비볼록이다. 이를 해결하기 위해 저자는 주요화‑최소화(MM) 프레임워크를 도입한다. 현재 반복 τ에서 H^{(τ)}_n, V^{(τ)}_n을 고정하고, 트레이스 함수의 1차 테일러 전개(35)를 이용해 하한 서프라이즈 함수를 구성한다. 이 과정에서 행렬 부등식과 Lemma 1을 활용해 복잡한 트레이스 항을 2·Re{·} 형태와 상수항으로 분리한다.

결과적으로 얻어진 서브문제(56)는 각 안테나 위치 r_m에 대해 −2 Re{η(r_m)^H ϕ_m}를 최대화하는 형태가 된다. 여기서 η(r_m)는 해당 안테나가 관측하는 채널 파라미터들의 벡터화된 형태이며, ϕ_m은 모든 서브캐리어에 걸친 가중합이다. 최소 거리 제약(16d)만이 변수들 사이에 남은 coupling을 일으키므로, 저자는 순차적 2차원 그리드 탐색을 통해 r_1을 먼저 최적화하고, 이후 r_2, …, r_M을 차례로 제한된 영역 ℛ\∪D(r_i,δ)에서 탐색한다. 이 절차는 전역 최적을 보장하지 않지만, 복잡도는 O(M·|ℛ_grid|) 수준으로 실용적이다.

알고리즘 전체 흐름은: (1) 초기 안테나 위치와 w_n 설정, (2) b_{k,n} 폐형 해 계산, (3) 현재 r에 대해 MM 기반 서프라이즈 함수 업데이트, (4) 각 r_m에 대해 2D 그리드 탐색 수행, (5) w_n 폐형 해 재계산, (6) 수렴 판단 후 종료. 수렴 속도는 실험에서 10~15번 반복으로 충분히 만족스러웠다.

핵심 기여는 다음과 같다. 첫째, OFDM 기반 AirComp에 2D 유동 안테나를 도입해 공간 자유도를 주파수 자유도와 결합한 새로운 시스템 모델을 제시하였다. 둘째, 전송·수신·안테나 위치를 공동 최적화하는 비볼록 문제를 AO와 MM을 결합해 효율적으로 해결하는 알고리즘을 설계하였다. 셋째, 고정 위치 안테나(FPA), 전역 탐색(EAS), 그리고 기존 SCA 기반 방법과 비교해 전력 대비 MSE 감소 효과를 실증하였다. 마지막으로, 최소 거리 제약을 고려한 순차적 2D 탐색 전략을 제시함으로써 실제 하드웨어 구현 시 안테나 간 상호 결합을 회피할 수 있는 실용적 방안을 제공한다.

한계점으로는 (i) 안테나 위치 탐색이 그리드 해상도에 크게 의존해 연산량이 증가할 수 있다, (ii) 채널 통계가 완전히 알려진 상황을 가정했으며, 실시간 CSI 추정 오차에 대한 강인성 분석이 부족하다, (iii) 다중 안테나(M>4) 혹은 다중 AP 시나리오에 대한 확장성이 아직 검증되지 않았다. 향후 연구에서는 연속적인 위치 최적화를 위한 gradient‑based 방법, 딥러닝 기반 초기값 생성, 그리고 이동성 있는 사용자·안테나 환경에 대한 적응형 알고리즘을 탐색할 필요가 있다.