다중모달 학습 기반 3D 채널 지문 구축

본 논문은 차세대 6G 통신에서 저고도 차량(LAV)의 실시간 채널 상태 정보를 효율적으로 제공하기 위한 3차원 채널 지문(3D‑CF) 구축 방법을 제안한다. 기존 연구는 2D‑CF를 이미지화하거나, 경로 손실 모델에 기반한 격자화 방식을 사용했지만, 이러한 접근은 고도에 따른 채널 변동성을 충분히 반영하지 못하고, 격자 해상도와 계산 복잡도 사이의 트레이드오프 문제를 안고 있다. 이를 해결하기 위해 저자들은 CSI‑tuple이라는 새로운 데이터 구조를 도입한다. CSI‑tuple은 LAV의 3차원 좌표 X와 해당 위치에서 통계적으로 추정된 CSI(주로 RSS) Ω를 쌍으로 묶어, 연속적인 공간 표현을 가능하게 한다. 이 모델은 Rician 페이딩 채널을 기반으로 하며, LOS와 다수의 NLOS 경로를 포함한 복합 전파 환경을 수식적으로 기술한다. 채널은 평균 벡터 H와 공분산 행렬 R을 갖는 복소 가우시안 분포로 모델링되고, RSS는 전송 전력과 채널 노름의 제곱으로 정의된다. 다중모달 학습 관점에서 저자들은 세 가지 이질 데이터 소스를 활용한다. 첫째, LAV의 실시간 위치 정보; 둘째, 무선 측정 데이터(예: RSS, 도플러, 채널 공분산 등); 셋째, GIS 기반 지형 지도(건물·지형·도로 등). 이들 데이터는 각각 벡터, 행렬, 이미지 형태로 존재하며, 단일 신경망으로 직접 처리하기 어렵다. 따라서 저자들은 3단계 모듈식 프레임워크를 설계한다. 1. **Correlation‑based Multimodal Fusion (Corr‑MMF) 모듈**: 각 모달리티 간 상관관계를 정량화하기 위해 Pearson 상관계수와 공분산 행렬을 계산하고, 이를 기반으로 가중치 매트릭스를 생성한다. 이렇게 얻은 가중치는 각 모달리티의 특징 벡터에 곱해져, 상관성이 높은 정보가 강조되고, 불필요한 잡음이 억제된다. 2. **Multimodal Representation (MMR) 모듈**: Corr‑MMF에서 정제된 특징을 고차원 임베딩 공간으로 매핑한다. 여기서는 다층 퍼셉트론(MLP)과 1‑D/2‑D 컨볼루션을 결합해 수평(위도·경도)과 수직(고도) 방향의 채널 변동성을 동시에 학습한다. 또한, 위치와 지형 정보를 결합한 위치‑지형 임베딩을 생성해, LOS·NLOS 전파 특성을 효과적으로 구분한다. 3. **CSI Regression (CSI‑R) 모듈**: 최종적으로 LAV 위치를 조건 입력으로 사용해, MMR에서 얻은 다중모달 임베딩을 결합한다. 여기서는 Transformer‑style 어텐션 레이어와 잔차 연결을 적용해 비선형 관계를 모델링하고, 회귀 헤드에서 목표 CSI(또는 RSS)를 출력한다. 손실 함수는 평균 제곱 오차(MSE)와 정규화된 상관 손실을 가중합한 복합 손실을 사용한다. 실험에서는 시뮬레이션 기반 데이터셋을 구축해, 다양한 고도(10 m~200 m), 거리(50 m~2 km), 그리고 도시·교외·산악 등 3가지 지형 시나리오를 설정하였다. 비교 대상으로는 전통적인 보간법(NN, IDW, Kriging), Gaussian Process Regression, 텐서 분해 기반 방법(t‑SVD, BTD) 및 최신 이미지‑기반 GAN/Diffusion 모델을 포함한다. 결과는 다음과 같다. 제안 모델은 평균 절대 오차(MAE)와 RMSE에서 최소 27.5%·30% 개선을 보였으며, 특히 고도 변화가 큰 도시 환경에서 LOS·NLOS 전환을 정확히 포착했다. 데이터 양을 30% 감소시켜도 성능 저하가 5% 이하에 그쳤다. 복잡도 측면에서는 Corr‑MMF와 MMR의 연산량이 O(N·logN) 수준이며, GPU 환경에서 추론 시간은 0.8 ms 이하로, 실시간 서비스에 충분히 적용 가능함을 입증했다. 논문의 주요 기여는 다음과 같다. (1) 3D‑CF를 CSI‑tuple 형태로 재정의해 격자 기반 오류와 계산 부담을 제거하였다. (2) 위치·무선·지형이라는 이질적 모달리티를 다중모달 회귀 문제로 통합하고, Corr‑MMF·MMR·CSI‑R이라는 효율적인 모듈 구조를 제시하였다. (3) 다양한 시나리오에서 기존 최첨단 방법 대비 27.5% 이상의 정확도 향상과 실시간 추론 가능성을 입증하였다. 이러한 결과는 저고도 UAV·드론, 자율주행 차량, 재난 구호 등 고도·이동성이 높은 6G 응용 분야에서 CSI 획득 비용을 크게 절감하고, 네트워크 자원을 효율적으로 활용할 수 있는 기반 기술로 활용될 전망이다.