LOREN: 저메모리·저전력 코드율 적응 신경 수신기

초록

LOREN은 기존 신경망 기반 수신기의 코드율(CR)마다 별도 가중치를 저장해야 하는 문제를 해결한다. 3×3 컨볼루션 레이어에 저랭크 어댑터(LOREN 어댑터)를 삽입하고, 기본 네트워크 가중치는 고정한 채 각 코드율마다 작은 A·B 행렬만 학습한다. 22 nm FD‑SOI 구현 결과, 3가지 코드율을 동시에 지원하면서 실리콘 면적 65 % 이상 절감, 전력 15 % 감소를 달성했다.

상세 분석

본 논문은 6G 시대의 초고속·초저전력 요구에 부합하는 신경망 기반 수신기 설계 방법론을 제시한다. 핵심 아이디어는 대규모 사전 학습된 네트워크를 ‘베이스’로 두고, 코드율에 따라 변동되는 채널 특성을 저랭크 행렬 A와 B(각 차원 C_in×r, r×C_out)로 보정하는 것이다. 여기서 r은 랭크 파라미터이며, 논문에서는 r=4, α=1을 사용해 1×1 컨볼루션 형태의 어댑터를 구현하였다.

1. 메모리·연산 효율

   • 기존 방식은 각 코드율마다 전체 3×3 커널(147 456 파라미터)와 레이어 정규화 파라미터를 복제해야 하므로, 3가지 코드율이면 약 1.3 M 파라미터가 추가된다.
   • LOREN은 베이스 가중치를 고정하고, 코드율당 (C_in+r)·r·2 ≈ 3 072 파라미터만 추가한다(3코드율 기준). 이는 메모리 요구량을 99 % 이상 감소시킨다.
   • 연산 측면에서도 1×1 어댑터는 채널 차원만 재조합하므로, 기존 3×3 필터의 FLOPs에 비해 미미한 오버헤드만 발생한다.

2. 학습 프로세스

   • 베이스 네트워크는 3GPP CDL‑C 채널, 다양한 SNR 구간, 무작위 코드율을 포함한 데이터셋으로 전역 학습한다. 이 단계에서 베이스는 채널의 시간·주파수 상관관계를 포괄적으로 학습한다.
   • 어댑터 학습은 각 코드율에 대해 별도 SGD 루프를 돌리며, 베이스 가중치는 고정한다. 이렇게 하면 파라미터 수가 O(r·(C_in+C_out)) 로 축소돼 빠른 수렴이 가능하고, 코드율 전환 시 즉시 적용할 수 있다.

3. 구조적 설계

   • LORENCONV2D 레이어는 기존 3×3 컨볼루션 뒤에 1×1 저랭크 어댑터를 삽입한다. 어댑터는 위치(t,f)마다 동일하게 적용돼 시간·주파수 축의 필터링은 베이스가 담당하고, 채널 차원 혼합만을 조정한다.
   • 두 개의 Residual Block에만 어댑터를 배치함으로써 전체 파라미터 증가를 최소화하면서도 성능 저하를 방지한다.

4. 성능 평가

   • 시뮬레이션은 16‑QAM, 3×3 OFDM(FFT128, 30 kHz 서브캐리어) 및 SIMO(1Tx‑2Rx) 환경에서 수행되었다.
   • BLER 측면에서 LOREN은 코드율 0.66에서 완전 재학습된 베이스 신경망과 거의 동일하거나 약간 우수한 결과를 보였으며, 전통적인 LS‑추정 기반 수신기보다 2‑3 dB 이득을 제공한다.
   • 특히 코드율 0.5·0.75에서도 일관된 우위를 유지해, 코드율 변동이 큰 실무 시나리오에 강인함을 입증한다.

5. 하드웨어 구현

   • 22 nm FD‑SOI 공정으로 HLS 기반 자동 합성 후, 면적 65 % 절감, 전력 15 % 감소를 달성했다. 이는 어댑터 파라미터가 메모리와 레지스터 사용을 크게 줄인 결과이며, 실시간 코드율 전환이 가능한 저전력 베이스밴드 프로세서 설계에 직접 적용 가능하다.

6. 한계와 향후 과제

   • 현재는 3가지 코드율에 대해 실험했으며, 어댑터 수와 랭크 r의 선택이 성능·복잡도 트레이드오프에 미치는 영향을 보다 체계적으로 분석할 필요가 있다.
   • 다중 안테나(MIMO) 및 고차 변조(QAM64/256) 환경에서의 확장성, 그리고 동적 SNR 기반 어댑터 선택 메커니즘이 추가 연구 대상이다.

전반적으로 LOREN은 저랭크 적응을 무선 수신기에 성공적으로 도입함으로써, 메모리·전력 효율과 성능을 동시에 만족시키는 실용적인 코드율 적응 솔루션을 제시한다.