클러터 인식 ISAC 통합 센싱 통신을 위한 모델 제어 전략

본 논문은 차세대 6G 네트워크에서 핵심 기술로 부상하고 있는 통합 센싱·통신(ISAC) 시스템을 대상으로, 특히 넓은 대역폭·다중입출력 OFDM 환경에서 발생하는 클러터 문제를 종합적으로 다룬다. 서론에서는 ISAC가 스펙트럼·하드웨어·에너지 효율을 크게 향상시키는 동시에, 레이더와 통신 기능을 하나의 인프라에 결합함으로써 “그린” 네트워크 구현에 기여함을 강조한다. 그러나 복잡한 도시·실내 환경에서는 다수의 정적·동적 반사체가 존재해 목표 반사보다 클러터가 우세하게 되며, 이는 센싱 신뢰성을 크게 저하시킨다. 논문은 클러터를 “냉(cloud) 클러터”(자체 파형에 의해 유발되는 환경 반사)와 “열(hot) 클러터”(외부 간섭원에 의해 유입되는 비협조적 반사)로 구분하고, 각각의 물리적 특성과 통계적 차이를 상세히 설명한다. 냉 클러터는 파형이 사전에 알려져 있어 시간적으로 거의 정적이며, 도플러 스펙트럼이 제한적이다. 반면 열 클러터는 급격히 변동하는 비정규 통계 특성을 가지며, 공간·시간·주파수 전역에 걸쳐 비동질성을 보인다. II 장에서는 이러한 두 클러터를 모두 포괄하는 와이드밴드 MIMO‑OFDM 신호 모델을 수식적으로 전개한다. 송신 안테나 수 N_t, 수신 안테나 수 N_r, 서브캐리어 수 N, 심볼 수 L 등을 변수로 두고, 각 서브캐리어·심볼에 대한 전처리(프리코딩)와 CP 삽입을 포함한 전송 파형을 정의한다. 수신 신호는 목표 반사, 냉 클러터, 열 클러터, 그리고 AWGN으로 구성되며, 각 성분은 공간·시간·주파수 3차원 텐서 형태로 표현된다. III 장에서는 클러터의 통계적 특성을 다층적으로 분석한다. 진폭 분포는 가우시안에서 SIRV(구형 불변 랜덤 벡터) 모델로 확장해 비정규성 및 스케일 변동을 포착한다. 공분산 행렬은 제한된 스냅샷 상황에서 추정이 어려우므로, Toeplitz·Kronecker 구조, 블록 대각선 형태, 그리고 희소(Geometric) 모델을 제안한다. 특히 구조화된 공분산은 차원 축소와 추정 정확도 향상에 기여한다. IV 장에서는 클러터 억제 기법을 시간·주파수·공간 차원에서 단계적으로 정리한다. (1) 느린 시간 도메인 평균 제거는 냉 클러터의 정적 성분을 제거한다. (2) 공간 빔포밍은 목표 방향으로 에너지를 집중하고, 클러터가 주로 존재하는 비목표 방향을 억제한다. (3) STAP은 시간·공간 결합 필터링으로 움직이는 목표와 정적 클러터를 구분한다. (4) SFTAP은 OFDM 서브캐리어와 심볼 인덱스를 동시에 활용해 주파수·시간·공간 3차원 적응 필터를 구현한다. 또한 사전 환경 정보(디지털 트윈, 클러터 지도)를 활용한 Knowledge‑Aided 방법과 딥러닝 기반 클러터 예측 모델을 소개한다. V 장에서는 억제 기술을 넘어 클러터‑인식 전송·수신 공동 설계(Transceiver Co‑Design)를 제시한다. 여기서는 통신 QoS 제약(전송률, BER, 지연)과 센싱 성능 지표(탐지 확률, 거리·도플러 해상도)를 동시에 만족하도록 빔포밍 가중치와 OFDM 서브캐리어 파워 배분을 최적화한다. 라그랑주 승수법과 교대 최적화(Alternating Optimization)를 이용해 비선형 제약을 효율적으로 처리한다. 결과적으로 클러터 회피를 사전적으로 설계함으로써, 전통적인 사후 억제보다 높은 탐지 신뢰도와 통신 품질을 동시에 달성한다. VI 장에서는 향후 연구 방향을 네 가지로 제시한다. (1) 동적 환경에서 실시간 클러터 모델 업데이트와 적응형 필터링, (2) 다중 BS·UE 협업을 통한 클러터 지도 공유 및 공동 억제, (3) 스마트 안테나·메타물질을 이용한 전자기파 환경 재구성, (4) 표준화 로드맵과 MAC·PHY 계층 통합 프로토콜 설계. 특히 디지털 트윈 기반 클러터 맵 구축과 머신러닝 기반 예측 모델은 실시간 운영에 큰 잠재력을 가진다. 결론적으로, 본 논문은 클러터‑인식 ISAC 시스템을 위한 통합 모델링·통계 분석·억제 기법·공동 설계 프레임워크를 제시함으로써, 차세대 네트워크에서 레이더와 통신이 동시에 고성능을 유지하도록 하는 핵심 이론적·실용적 토대를 제공한다.