HAPS‑RIS와 UAV 통합 네트워크: 통합 다목적 프레임워크

초록

본 논문은 고고도 플랫폼(HAPS)에 부착된 재구성 지능형 표면(RIS)과 무인항공기(UAV) 기반 기지국을 결합한 6G 비지상 네트워크를 제안한다. 사용자 수 최대화, UAV 배치 최소화, 평균 UAV 경로 손실 최소화를 동시에 고려한 다목적 최적화 문제를 정의하고, k‑means 군집화와 폐쇄형 RIS 위상 설계, 영역 반경·대역폭 할당 변수로 문제를 저복잡도로 변환한다. 동적 파레토 최적화를 통해 해를 구하고, 시뮬레이션을 통해 저속에서는 HAPS‑RIS만으로도 커버리지가 가능하지만 고속 요구에서는 UAV 지원이 필수임을 입증한다. 또한 RIS 요소 수와 UAV 수 사이의 트레이드오프를 정량화한다.

상세 분석

이 연구는 6G 시대 비지상 통신에서 HAPS‑RIS와 UAV를 동시에 활용함으로써 기존 단일 비지상 솔루션이 갖는 한계를 극복하고자 한다. 먼저, 다목적 최적화 목표를 세 가지로 설정한다. (1) HAPS‑RIS가 서비스를 제공하는 사용자 수를 최대화하여 커버리지를 넓히고, (2) 배치 가능한 UAV의 수를 최소화해 운영 비용과 전력 소모를 억제하며, (3) UAV‑사용자 간 평균 경로 손실을 최소화해 전송 효율을 높인다. 이러한 목표는 QoS(데이터율, 최소 SINR)와 전체 대역폭·전력 제한이라는 현실적인 제약 조건 하에 동시에 만족시켜야 한다.

핵심 기여는 문제 복잡도를 크게 낮춘 수학적 변환에 있다. 총 평균 UAV 경로 손실의 상한을 최소화하는 문제를 k‑means 군집화와 동등하게 만든 정리(정리 1)를 제시함으로써, UAV 위치 선정과 사용자- UAV 매칭을 전통적인 비선형 최적화 대신 군집화 알고리즘으로 해결한다. 이는 군집 중심이 UAV 위치가 되고, 각 군집에 속한 사용자는 해당 UAV에 할당되는 형태이며, 군집 수 자체가 UAV 수와 직접 연결된다.

RIS 위상 설계는 기존의 대규모 변수 최적화 문제를 피하기 위해, HAPS‑RIS와 사용자 간의 기하학적 관계(거리와 각도)를 이용한 폐쇄형 식(보조정리 1)을 도출한다. 이 식은 각 RIS 요소가 반사 신호의 위상을 사용자에게 최적화된 위상으로 맞추도록 하며, 실시간 적용이 가능하도록 계산 복잡도를 O(M) 수준으로 낮춘다.

또한, 사용자‑RIS‑UAV 매칭이라는 조합 폭발적 문제를 영역 기반 매핑(제안 1)으로 변환한다. 여기서는 서비스 영역을 반경 변수와 대역폭 할당 비율(대역폭 분할 인자) 두 개의 연속 변수로 표현한다. 이 변수들은 각각 UAV 배치와 HAPS‑RIS 대역폭 공유를 제어하며, 조합 문제를 저차원 연속 최적화 문제로 축소한다.

변환된 두 목적(사용자 수 최대화, UAV 경로 손실 최소화)을 동적 파레토 최적화 프레임워크에 입력한다. 파레토 프론트는 네트워크 운영자가 선호하는 목표 가중치에 따라 실시간으로 조정 가능하도록 설계되었으며, 우선순위 구조는 물리적 제약(예: HAPS‑RIS 커버리지가 먼저 확보돼야 함)에서 자연스럽게 도출된다.

시뮬레이션에서는 다양한 데이터율 요구와 RIS 요소 수(M), UAV 전력 예산을 변동시켜 성능을 평가한다. 결과는 저속(수백 kbps 이하)에서는 HAPS‑RIS만으로 전체 사용자 커버리지가 달성되지만, 고속(수 Mbps 이상)에서는 UAV가 추가적인 전송 경로를 제공해야 함을 보여준다. 대역폭 분할 인자를 조정함으로써 기존 UAV‑전용, HAPS‑RIS‑전용, 균등 분할 등 기존 베이스라인을 하나의 프레임워크 안에서 복원하고, 전반적으로 모든 경우에서 우수한 스루풋·에너지 효율을 달성한다. 특히 RIS 요소 수를 2배 늘리면 UAV 수를 절반 수준으로 감소시킬 수 있는 정량적 트레이드오프를 제시해, 설계자가 비용·배터리·배치 제약에 따라 최적 구성을 선택하도록 돕는다.

전반적으로 이 논문은 HAPS‑RIS와 UAV를 통합한 비지상 네트워크 설계에 대한 체계적 이론·알고리즘·시뮬레이션 기반의 종합 솔루션을 제공하며, 다목적 최적화와 기계학습(군집화)의 연결 고리를 최초로 제시한 점이 학술적·실무적 의미가 크다.