RIS‑지원 분산 MIMO 기반 6G 실내 네트워크 에너지 효율 향상

** 본 논문은 차세대 6G 실내 통신 환경에서 급증하는 연결 디바이스와 높은 품질 요구를 충족시키기 위해, 기존 매크로 기지국만으로는 한계가 있는 상황을 배경으로 한다. 분산 MIMO(D‑MIMO) 혹은 셀‑프리 massive MIMO(CF‑mMIMO)는 사용자 중심 클러스터링과 AP 간 협업을 통해 스루풋·커버리지·공정성을 개선하지만, 실내 고밀도 블록 환경에서는 직접 AP‑UE 경로가 차단되거나 심한 경로 손실을 겪는다. 이를 보완하기 위해 재구성 지능형 표면(RIS)을 도입, 거의 수동적인 반사 요소 배열을 통해 차단된 영역에 대체 경로를 제공한다. RIS는 전력 소모가 적고 설치가 용이해 AP 밀집을 대신할 수 있는 에너지 효율적인 대안으로 부각된다. 하지만 D‑MIMO 시스템은 다수의 AP가 동시에 전송하면서 위상 동기화가 어려워 논코히어런트(NC) 수신이 발생한다. 논코히어런트 상황에서는 AP 간 위상 차이가 알려지지 않아 신호가 비동기적으로 합쳐져 배열 이득이 감소하고, 이는 전송 효율과 에너지 효율 모두에 부정적 영향을 미친다. 기존 연구는 RIS와 D‑MIMO를 각각 다루거나, NC 수신을 고려하더라도 EE 최적화를 공동으로 다루지는 못했다. 이에 저자들은 RIS‑지원 D‑MIMO 시스템의 전역 에너지 효율(EE)을 최대화하는 새로운 교대 최적화(Alternating Optimization, AO) 프레임워크를 제안한다. 주요 기여는 다음과 같다. 1. **시스템 모델링** - L개의 분산 AP, K개의 단일 안테나 UE, M개의 RIS를 가정하고, 각 UE는 가장 강한 두 AP와 하나의 RIS에 연결된다. - 3GPP Indoor Hotspot(InH) 채널 모델을 사용해 Rician 페이딩, LOS 확률, 경로 손실, 섀도잉을 모두 반영한다. - 코히어런트(C)와 논코히어런트(NC) 두 수신 모드를 모두 정의하고, 각각에 대한 복합 채널 h_{n,k} 를 수식 (2), (3) 으로 표현한다. 2. **전력 소비 모델** - 전송 전력 P_PA = (1/η_PA) Σ p_{n,k} 로 정의하고, 회로 전력, 고정 오버헤드, 베이스밴드 처리 전력, RIS 편향 전력(P_b) 및 컨트롤러 전력(P_RIS‑ctrl)을 포함한 총 전력 P_tot 을 상세히 모델링한다. 특히 RIS 컨트롤러 구조(중앙집중형 vs. 분산형)에 따라 P_RIS‑ctrl 가 달라지는 점을 강조한다. 3. **EE 최적화 문제 정의** - 목표 함수는 전체 사용자들의 SE 합을 로그2(1+SINR) 로 표현한 뒤, 총 전력으로 나눈 EE = Σ SE_k / P_tot 로 설정한다. - 제약조건은 (i) 각 AP의 전송 전력 제한 P_max_n, (ii) 각 UE의 최소 SINR γ_min_k, (iii) 전력 비음수 조건이다. - 문제는 전력 변수와 RIS 위상 변수 사이의 이중 곱셈으로 인해 비볼록이며, 분수 형태의 목표 함수로 인해 직접 해결이 어려운 구조다. 4. **교대 최적화 알고리즘** - **전력 할당 단계**: RIS 위상이 고정된 상태에서 MM(Majorization‑Minimization) 기법을 적용한다. 현재 전력·위상에 대해 보조 변수 y_k 를 도입해 SINR을 1차 근사하고, 또 다른 보조 비율 ν_k 로 EE 목표를 선형화한다. 이후 1차 테일러 전개를 통해 B_k(p) 를 선형 근사함으로써 볼록 서브문제로 변환한다. 이 서브문제는 표준 convex 최적화 솔버로 해결 가능하며, 매 반복마다 EE가 비감소한다. - **RIS 위상 최적화 단계**: 전력이 고정된 상태에서 각 RIS의 위상 행렬 Φ_mk 를 요소별 단위 위상(e^{jθ}) 로 직접 업데이트한다. 목표는 원하는 신호 성분 A_k 를 최대화하고, 간섭 B_k 를 최소화하는 것이며, 이는 각 RIS에 대해 독립적인 작은 최적화 문제로 분해된다. 계산 복잡도는 O(N_RIS) 수준으로, 실시간 적용 가능성을 높인다. - **외부 루프**: 두 단계가 교대로 수행되며, 수렴 기준은 EE 변화율이 사전 정의 임계값 이하가 되거나 최대 반복 횟수에 도달했을 때이다. 5. **시뮬레이션 및 결과** - 실내 InH 시나리오에서 AP 간 거리 D=5 m, RIS 크기 N_RIS=64~256, 사용자 수 K=8~16을 설정하고, PA 효율 η_PA=0.35, 회로 전력 등 현실적인 파라미터를 사용했다. - **베이스라인**: (a) 동일 전력 할당(equal‑power) + 무작위 RIS 위상, (b) RIS 없이 D‑MIMO, (c) 중앙집중형 vs. 분산형 RIS 컨트롤러. - **주요 발견**: * 제안 AO‑MM 알고리즘은 동일 전력 베이스라인 대비 평균 EE 30%~45% 향상, 특히 RIS 크기가 128~256 요소일 때 가장 큰 이득을 보였다. * 논코히어런트 수신에서도 RIS 위상 최적화가 EE 손실을 15%~20% 회복시켜, 동기화 비용을 절감하면서도 실용적인 성능을 유지할 수 있음을 확인했다. * RIS 컨트롤러 전력이 전체 전력의 10%~15%를 차지함을 보여, 중앙집중형 컨트롤러가 전력 절감에 유리함을 입증했다(분산형 대비 8%~12% EE 향상). * RIS 크기가 무한히 커질 경우 EE는 포화 현상을 보이며, 최적 크기는 시스템 전력 모델에 따라 128~192 요소가 실용적임을 제시한다. 6. **디자인 인사이트** - RIS‑지원 D‑MIMO는 AP 밀집을 대체하면서도 SE와 EE를 동시에 개선할 수 있는 유망한 아키텍처이며, 특히 실내 고밀도 환경에서 블록을 우회하는 경로 제공이 핵심이다. - 코히어런트와 논코히어런트 모두를 고려한 설계가 필요하며, 논코히어런트 상황에서도 RIS 위상 최적화가 충분히 효과적이다. - 전력 소비 모델에 RIS 컨트롤러 전력을 포함시키는 것이 현실적인 EE 평가에 필수적이며, 중앙집중형 제어가 전력 효율성을 크게 높인다. - 최적 RIS 크기와 배치, 그리고 AP‑UE‑RIS 클러스터링 전략은 시스템 전체 EE에 결정적인 영향을 미치므로, 6G 표준화 단계에서 이러한 파라미터에 대한 가이드라인이 필요하다. **