디지털 트윈 기반 동적 스펙트럼 공유와 자원 관리 통합 위성‑지상 네트워크

초록

**
본 논문은 저궤도 위성(LEO)과 지상망을 결합한 ISTN에서 디지털 트윈(DT)을 활용해 장기·단기 자원 결정을 동시에 최적화하는 프레임워크를 제시한다. 시간 창 기반 DT 예측을 통해 트래픽 스티어링·대역폭 할당 등 장기 결정을, 실시간 CSI와 트래픽 도착 정보를 이용해 UE‑AP 연계·RB 할당·전력 제어 등 단기 결정을 수행한다. 압축 센싱과 연속 볼록 근사(SCA) 기법을 적용한 두 알고리즘(DT‑JointRA, RT‑Refine)이 제안되며, 실제 트래픽 데이터와 런던 3D 지도 기반 시뮬레이션에서 기존 벤치마크 대비 큐 길이(혼잡) 감소 효과가 입증된다.

**

상세 분석

**
이 연구는 기존의 스냅샷 기반 스펙트럼 공유(Spectrum Sharing) 접근법이 갖는 “시간적 정적성” 한계를 극복하고자, 시간‑윈도우 기반 DT 모델을 도입하였다. DT는 실제 시스템으로부터 수집된 UE 위치·이동, 트래픽 도착, 위성‑지상 채널 상태 등을 실시간으로 업데이트하고, 압축 센싱을 이용해 미래 사이클의 CSI와 트래픽 패턴을 고정밀 예측한다. 이러한 예측 정보는 중앙 네트워크 관리 시스템(NMS)에서 수행되는 ‘Joint‑RA’ 단계의 입력으로 사용되어, (1) 서비스별 트래픽 스티어링, (2) 전체 대역폭을 세 개의 BW‑Part(URLLC, Multinet, SatCom)으로 분할하는 최적 대역폭 할당, (3) 초기 UE‑AP 연계와 RB 매핑을 동시에 설계한다. Joint‑RA 문제는 혼합 정수 비선형 프로그램(MINLP) 형태이며, 변수 차원 감소와 희소성 활용을 위해 압축 센싱 기반 복원 절차를 적용하고, 비선형 제약은 연속 볼록 근사(SCA)로 순차적 최적화를 수행한다.

단기 ‘RT‑Refine’ 단계에서는 각 서브프레임 수준에서 실제 CSI와 트래픽 도착을 반영해, 초기 Joint‑RA 결과를 미세 조정한다. 여기서는 전력 제어와 RB 재배치를 중심으로, 라그랑주 승수를 이용한 이중화 문제를 풀어 빠른 수렴을 달성한다. 알고리즘 복잡도 분석 결과, DT‑JointRA는 O(N^3) 수준의 다항식 복잡도를 보이며, RT‑Refine은 매 서브프레임당 O(N^2) 연산으로 실시간 적용이 가능함을 확인했다.

시뮬레이션은 실제 영국 통신 사업자의 트래픽 로그와 런던 3D 건물 모델을 사용해, 복잡한 도시 환경에서의 다중 경로와 차폐 효과를 레이트레이싱(Ray‑Tracing)으로 정확히 재현하였다. 결과는 제안 알고리즘이 기존 정적 할당, 단순 우선순위 기반 공유, 그리고 최신 딥러닝 기반 예측 대비 평균 큐 길이를 30 % 이상 감소시키며, 특히 고밀도 차량 UE가 집중되는 피크 구간에서 혼잡 완화 효과가 두드러졌다. 또한, DT‑JointRA가 사전 최적화를 제공함으로써 RT‑Refine 단계가 3~5번의 반복만에 수렴하는 것을 확인, 실시간 제어 오버헤드가 크게 감소함을 입증했다.

본 논문의 핵심 기여는 (i) DT를 이용한 장·단기 예측·제어 통합 프레임워크, (ii) 압축 센싱과 SCA를 결합한 효율적 MINLP 해법, (iii) 실제 3D 도시 모델과 트래픽 데이터를 활용한 실증적 검증이다. 이러한 접근은 차세대 6G‑ISTN에서 동적 스펙트럼 공유와 자원 관리의 실용성을 크게 향상시킬 것으로 기대된다.

**