다운링크 NOMA 빔포밍 설계에 CNN 적용으로 실시간 전력 최소화

본 논문은 차세대 무선 네트워크에서 대규모 연결성을 지원하기 위해 널리 사용되는 비직교 다중 접속(NOMA)과 빔포밍 기술을 결합한 다운링크 시스템을 대상으로, 전송 전력을 최소화하는 빔포밍 설계 문제를 해결하고자 한다. 기존의 최적화 기반 방법은 복잡한 반복 연산과 고차원 비선형 제약으로 인해 연산 지연이 크고 실시간 적용이 어려운 한계가 있다. 이를 극복하기 위해 저자들은 컨볼루션 신경망(CNN)을 이용한 데이터‑드리븐 접근법을 제안한다. 시스템 모델에서는 BS가 N개의 안테나를 가지고 K명의 단일 안테나 사용자를 동시에 서비스한다. 각 사용자는 채널 벡터 hₖ∈ℂᴺ×1을 가지고 있으며, BS는 사용자별 빔포밍 벡터 uₖ와 전력 pₖ를 할당해 슈퍼포지션 신호 x=∑ₖ√pₖ uₖ sₖ를 전송한다. 사용자들은 채널 강도에 따라 정렬되고, 약한 채널을 가진 사용자는 높은 전력을 할당받아 SIC(성공적 간섭 제거)를 수행한다. SINR 제약식은 (3)식으로 정의되며, 이를 wₖ=√pₖ uₖ 로 치환해 전력 최소화 문제(5)를 도출한다. 그러나 (5b)의 비선형 제약으로 인해 문제는 비볼록이며 직접 해결이 어려워, 제곱근 변환과 위상 회전을 적용해 실수 부분만 고려하는 SOC 형태(6)·(7)로 변환한다. 이제 최적화 문제는 CVX와 같은 툴박스로 해결 가능하지만, 실시간 서비스에서는 여전히 연산 비용이 높다. 따라서 저자들은 채널 정보를 입력으로, 정규화된 빔포밍 벡터를 출력으로 하는 CNN을 설계한다. 학습을 위해 20,000개의 채널‑빔포밍 쌍을 생성하고, 라벨은 위의 SOC 최적화로 얻은 최적 해로 만든다. CNN 입력 전처리에는 두 가지 방식이 제시된다. 첫 번째는 TCNN 방식으로, 각 사용자별 채널을 실수·허수 성분으로 분리해 2×NK 행렬로 만든다. 이는 사용자 간 독립성을 강조하지만, 공간적 상관관계를 충분히 활용하지 못한다. 두 번째는 FCNN 방식으로, 전체 채널 행렬 H를 실수·허수 부분으로 나누고,