5GHz 리플렉티브 인텔리전트 서피스 채널 데이터셋 BRISC

본 논문은 차세대 무선 통신에서 환경을 능동적으로 제어할 수 있는 재구성 가능한 인텔리전트 서피스(RIS)의 실험적 특성을 정량화하기 위해, 5.53 GHz 대역에서 256개 1‑bit 요소를 갖는 RIS를 이용한 대규모 채널 측정 데이터셋 BRISC를 구축하고 공개한다. 실험 장비는 두 대의 Ettus USRP X310 SDR을 OctoClock으로 10 MHz와 PPS 신호를 공유해 위상 동기화한 뒤, 송신기에는 고지향 로그‑주기 안테나(HyperLOG 60100), 수신기에는 동일 로그‑주기 안테나와 와이드밴드 다이폴 안테나를 동시에 배치하였다. 실내 환경에 RF 흡수체를 배치해 직접 LOS를 차단하고, RIS‑반사 경로가 주된 전파 경로가 되도록 설계하였다. RIS는 16 × 16 배열(총 256개)로, 각 유닛 셀은 3‑layer PCB와 CMOS 기반 SPDT 스위치를 통해 ON(단락)·OFF(개방) 두 상태만 가질 수 있다. 이러한 1‑bit 제어는 저전력이며, 주파수 5.150–5.875 GHz 구간에서 위상 변화를 최대화하도록 설계되었다. 측정 프로토콜은 다음과 같다. (1) RIS를 특정 이진 패턴으로 프로그래밍하고 0.3 s 정착 대기, (2) 해당 패턴을 식별할 수 있는 페이로드를 포함한 IEEE 802.11ac VHT 프레임을 생성, (3) 0.6 s 동안 프레임을 연속 전송해 약 60개의 CSI 샘플을 수집, (4) 0.3 s 무전송 구간을 두어 다음 패턴과 구분한다. 이 과정을 모든 RIS 구성과 9개의 송신 위치에 대해 반복하였다. RIS 구성 탐색은 단계적으로 이루어졌다. 처음에는 8 × 8 요소를 4개의 매크로 블록(각 8 × 8)으로 묶어 2⁴=16가지 조합을 전부 측정하였다. 이어 3 × 3 매크로 블록(각 5·5·6 요소)으로 2⁹=512가지 조합을 전부 측정하였다. 마지막으로 각 요소를 독립적으로 ON/OFF 시켜 약 10 000개의 무작위 구성을 추가로 수집하였다. 각 구성당 평균화된 CSI는 복소값으로 제공되며, 두 개의 수신 안테나(로그‑주기, 다이폴) 각각에 대해 별도 채널이 기록된다. 데이터 분석에서는 RIS에 의해 발생하는 고정 편향(bias) 성분을 확인하였다. 이는 RIS 프레임 자체와 비제어 회로가 기여하는 것으로, 순수히 RIS 상태만으로는 제거되지 않는다. 이를 반영해 두 가지 선형 모델을 제안한다. 첫 번째는 편향이 없는 선형 모델(LM)이며, 두 번째는 편향을 포함한 모델(LMB)이다. 비선형 모델로는 다층 신경망(NN)과 랜덤 포레스트(RAF)를 적용하였다. 모델 학습에 사용된 샘플 수가 증가함에 따라 NMSE가 감소했으며, 특히 LMB와 NN은 1 000개 이상의 학습 샘플에서 -30 dB 이하의 NMSE를 달성하였다. 이는 RIS 상태와 채널 사이의 복잡한 비선형 관계를 충분히 포착함을 의미한다. 또한 물리층 인증(PLA) 시나리오를 구현하였다. 정당 송신기와 위장 송신기가 동일한 RIS 구성을 사용하더라도, 각 RIS 상태에 대응하는 CSI 패턴이 서로 다르다. 이를 이용해 각 CSI를 특징 벡터로 변환하고, 사전 학습된 분류기를 통해 송신기 위치를 식별하였다. 실험 결과, 9개의 송신 위치 중 위장 송신기를 95 % 이상의 정확도로 탐지했으며, RIS 기반 채널 변조가 물리층 보안에 유용함을 입증하였다. BRISC 데이터셋은 약 10 000개의 RIS 구성·9개의 송신 위치·2개의 수신 안테나·60개의 프레임·다중 블록 크기·고정 편향 정보 등을 포함해 총 1.08 백만 개 이상의 CSI 샘플을 제공한다. 데이터와 함께 제공되는 MATLAB 스크립트는 전처리, 모델 학습, PLA 시뮬레이션 등을 지원한다. 공개된 데이터는 RIS 채널 모델 검증, 머신러닝 기반 채널 예측, 물리층 보안 알고리즘 평가 등 다양한 연구에 바로 활용 가능하도록 설계되었다.