사용자 중심 비지상 네트워크의 주의 기반 SINR 추정

본 논문은 저궤도(LEO) 위성을 이용한 사용자 중심 비지상 네트워크(NTN)에서, 다중 사용자 동시에 서비스를 제공하기 위해 필요하게 되는 사용자‑centric 빔포밍의 핵심 지표인 SINR을 효율적으로 추정하는 새로운 방법을 제시한다. 전통적으로 SINR은 전용 파일럿 신호를 통해 측정하거나, MMSE 기반 빔포밍 행렬을 사전에 계산한 뒤 식(4)를 이용해 구한다. 그러나 MMSE 연산은 복소수 행렬 곱셈·역연산을 포함해 O(N_UE,sched·N_R)·N_R 수준의 높은 연산 복잡도를 가지며, 스케줄링 주기마다 반복 수행될 경우 실시간 시스템에 큰 부담을 준다. 이를 해결하고자 저자는 딥러닝의 함수 근사 능력을 활용해, 사용자 별 채널 상태 정보(CSI) 혹은 위치 보고서만으로 SINR을 직접 예측하는 Dual Multi‑Head Self‑Attention(DMHSA) 모델을 설계한다. 모델은 크게 네 단계로 구성된다. 첫째, 입력 피처를 정의한다. CSI 기반에서는 각 사용자의 안테나별 위상(정규화)과 평균 전력(표준화) 그리고 스케줄링 비율 ρ를 포함해 δ = N_R+2 차원의 벡터를 만든다. 위치 기반에서는 (u, v) 좌표와 ρ만을 사용해 δ=3 차원으로 경량화한다. 둘째, 각 사용자 피처를 완전 연결(FC) 레이어와 레이어 정규화(LN), Leaky ReLU를 거쳐 임베딩 벡터(N_C 차원)로 변환하고, 포지션 임베딩을 추가한다. 셋째, 두 개의 병렬 MHSA+FC 모듈을 적용한다. SNR 모듈은 전체 사용자 간 상호작용을 허용하는 전면 마스크(M_S)로 신호 성분을 추정하고, INR 모듈은 자기 자신을 제외한 마스크(M_I)로 간섭 성분만을 학습한다. 각 모듈은 h=4개의 헤드를 사용해 d_k=d_v=N_C/h=2 차원의 Q, K, V 행렬을 생성하고, 스케일드 닷‑프로덕트 어텐션을 수행한다. 마지막으로 두 모듈의 출력 FC 레이어를 차감해 dB 단위 SINR을 얻는다. 복잡도 분석에서는 MMSE 기반 방법이 O(N_UE,sched·N_R·N_UE,sched)와 O(N_UE,sched³) 연산을 필요로 하는 반면, DMHSA는 주로 FC와 MHSA 연산에 의해 결정된다. CSI‑DMHSA의 경우 O(N_UE,sched·N_C·N_R) 정도이며, N_C=8, N_UE,sched=24, N_R=512일 때 약 9.8·10⁴ 연산으로 MMSE 대비 3배 가량 감소한다. GEO‑DMHSA는 입력 차원이 작아 O(N_UE,sched²·N_C)≈4.6·10³ 연산으로, MMSE 대비 2~3자루(≈10⁻²) 수준으로 크게 경량화된다. 학습은 시뮬레이션 기반 데이터셋을 이용해 수행된다. 위성 패스 중 무작위 혹은 우선순위 큐 기반 스케줄링으로 N_UE,sched을 8~N_B(=24) 사이에서 선택하고, 해당 사용자의 CSI 또는 위치를 전처리해 피처 행렬을 만든다. 라벨은 MMSE 방정식으로 계산된 정확한 SINR이며, MSE 손실을 최소화하도록 Adam 옵티마이저와 L2 정규화, 학습률 워밍업·코사인 스케줄링, 조기 종료 등을 적용한다. 훈련된 모델은 4.8 k( CSI‑DMHSA)와 762( GEO‑DMHSA)개의 파라미터만을 갖고 있어 메모리 요구량이 매우 낮다. 실험 결과는 두 모델 모두 평균 RMSE가 1 dB 이하이며, 특히 우선순위 기반 스케줄링 시에도 높은 정확도를 유지한다는 점을 보여준다. 이는 SINR 추정이 스케줄링 단계에서 바로 활용될 수 있음을 의미한다. 실제 시스템에서는 후보 사용자 그룹을 여러 개 생성하고, 각 그룹에 대해 DMHSA 추정값을 빠르게 계산해 평균 SINR·용량이 가장 높은 그룹을 선택함으로써, 전통적인 MMSE 기반 스케줄링보다 훨씬 적은 연산으로 최적화된 스케줄링이 가능해진다. 결론적으로, 본 연구는 (1) 사용자 간 간섭을 직접 학습하는 자체 주의 메커니즘 도입, (2) CSI와 위치 두 종류의 입력에 맞춘 맞춤형 피처 설계, (3) 복잡도 정량 분석을 통한 실시간 적용 가능성 입증이라는 세 가지 핵심 기여를 제공한다. 향후 연구는 다중 경로·대기 손실을 포함한 보다 복잡한 채널 모델, 동적 사용자 이동성, 그리고 다중 위성 협업 시나리오에 DMHSA를 확장하는 방향으로 진행될 수 있다.