훈련 기반 전송의 용량 및 에너지 효율에 관한 종합 분석

본 논문은 사전 지식이 없는 레일리 블록 페이딩 채널에서 훈련 심볼을 이용해 채널을 추정하고, 그 추정 정보를 기반으로 데이터 전송을 수행하는 시스템의 용량과 에너지 효율을 체계적으로 분석한다. 연구는 크게 두 부분으로 나뉜다. 첫 번째 부분에서는 추정 오차와 전송 신호의 곱을 가우시안 잡음으로 가정하는 ‘최악 시나리오’를 채택한다. 이 가정은 기존 연구에서 제시된 용량 하한을 그대로 적용할 수 있게 해 주며, 훈련 파라미터(훈련 심볼 수, 훈련 전력 비율 등)를 최적화한다. 평균 전력 제약 하에서 최적 훈련 파워 비율 δ*는 식 (13)‑(14) 로 주어지며, 단일 훈련 심볼이 최적임을 확인한다. 용량식 (15)‑(16)을 통해 얻은 용량 C_L(SNR)은 SNR이 0에 접근할 때 SNR²에 비례해 감소한다. 따라서 비트당 에너지 Eb/N0 = SNR / C_L(SNR)·log2는 SNR→0에서 무한대로 발산한다(정리 1). 이는 낮은 SNR 영역에서 훈련 기반 전송이 에너지 효율적으로 동작하지 못한다는 것을 의미한다. 블록 길이 m이 커질수록 최소 Eb/N0는 약간 감소하고, 최적 작동 SNR도 낮아지지만, 여전히 비영(非零) SNR에서 최소값을 갖는다. 수치 결과(Fig.1)는 m=3부터 10⁴까지 다양한 블록 길이에 대해 동일한 현상을 보여준다. 에너지 효율을 개선하기 위한 방안으로 ‘플래시 훈련·전송’ 기법을 도입한다. 여기서는 전체 전송 시간 중 짧은 구간에 고전력 훈련을 집중하고, 나머지 구간은 거의 전송을 하지 않음으로써 평균 전력 제약을 만족하면서도 높은 SNR 구간을 활용한다. 이 방식은 특히 블록 길이가 짧고 SNR이 매우 낮은 경우에 Eb/N0를 크게 낮출 수 있음을 시뮬레이션을 통해 입증한다. 두 번째 부분에서는 전송 신호에 피크 전력 제한을 부과한다. 피크 제한이 존재하면 최적 입력은 연속적인 가우시안이 아니라, 유한 개의 질량점을 갖는 이산 분포가 된다. 논문은 이를 정리 2와 정리 3을 통해 증명하고, 최적 입력 구조가 ‘온‑오프 키잉(on‑off keying)’ 형태에 가까움을 보인다. 구체적으로, 입력은 0(오프)와 몇 개의 비제로 전력 레벨(온)으로 구성되며, 각 레벨에 대한 확률(질량점)은 블록 길이 m과 SNR에 따라 최적화된다. 피크 제한이 존재함에도 불구하고, 최적화된 훈련 파라미터와 입력 분포를 사용하면 용량을 정확히 계산할 수 있다. 그러나 Eb/N0는 여전히 SNR→0에서 무한대로 발산한다. 이는 피크 제한이 낮은 SNR에서 필요한 높은 피크 전력을 제공하지 못하기 때문이다. 이 문제를 완화하기 위해 ‘극한 온‑오프 키잉’ 방식을 제안한다. 고정된 피크 전력을 유지하면서 듀티 사이클(전송 비율)을 점점 줄이면 평균 전력은 감소하지만, 전송되는 비트당 에너지 효율은 크게 향상된다. 듀티 사이클이 0에 가까워질수록 Eb/N0는 유한한 값에 수렴한다. 마지막으로, 훈련 기반 전송과 완전 비동기(비코히런트) 전송을 동일한 피크 전력 제한 하에서 비교한다. 수치 결과는 훈련을 사용한 경우, 특히 블록 길이가 충분히 크고 데이터 심볼이 독립적인 페이딩을 경험할 때, 비동기 방식과 거의 동일한 용량을 달성한다는 것을 보여준다. 반면, 훈련 없이 비동기 방식만을 사용할 경우, 낮은 SNR에서 용량이 급격히 감소하고, 에너지 효율도 크게 떨어진다. 종합적으로, 본 논문은 훈련 기반 전송의 용량과 에너지 효율을 정확히 정량화하고, 최적 훈련 파라미터, 플래시 훈련, 피크 전력 제한 하의 이산 입력 구조, 그리고 온‑오프 키잉을 통한 에너지 절감 전략을 제시한다. 이러한 결과는 실용적인 무선 시스템 설계, 특히 저전력 사물인터넷(IoT) 및 센서 네트워크와 같이 에너지 제약이 심한 환경에서 훈련 기반 전송 방식을 적용할 때 중요한 설계 지침을 제공한다.