협동과 분산 스펙트럼 감지 성능 비교

본 논문은 인지 라디오(Cognitive Radio) 환경에서 무선 센서 네트워크(WSN) 기반 스펙트럼 감지를 효율적으로 수행하기 위한 두 가지 전략, 즉 협동 감지(Cooperative Sensing)와 분산 감지(Distributed Sensing)를 제안하고, 이를 비협동(Non‑Cooperative) 기본 모델과 비교한다. 먼저 서론에서는 스펙트럼 활용 효율이 낮은 현 상황을 언급하고, 인지 라디오가 1차 사용자와의 간섭을 최소화하면서 라이선스된 대역을 활용하기 위해 빠른 감지가 필수임을 강조한다. 이어서 기존 연구들을 검토하며, 협동 감지는 사용자 간 다이버시티를 활용해 검출 성능을 향상시키는 반면, 전송 거리와 에너지 비용이 문제점으로 지적된다. 반면, 분산 감지는 인접 노드 간 짧은 홉을 이용해 에너지 효율과 공정성을 개선하지만, 전체 탐지에 필요한 시간(슬롯 수)이 늘어나는 단점이 있다. II 장에서는 비협동 감지 모델을 수학적으로 정의한다. 센서 노드 i는 수신 신호 \(y_i = \sqrt{P}h_i\theta + w_i\) 를 관측하고, 에너지 검출기를 통해 임계값 \(\lambda\) 로 0/1 결정을 내린다. 검출 확률 \(P_d\) 와 오탐률 \(\alpha\) 는 각각 식 (5)와 (4) 로 표현되며, 퓨전 센터에서는 다수결을 적용해 전체 검출 확률 \(P_{fc}\) 를 계산한다(식 6). 이 모델은 모든 노드가 매 슬롯마다 퓨전 센터에 결과를 전송해야 하므로 통신 비용이 크게 발생하고, 다이버시티 이득을 활용하지 못한다는 한계를 가진다. III 장에서는 협동 감지 전략을 제시한다. 노드들을 1‑hop 릴레이 페어로 묶어, 첫 번째 노드가 검출에 실패하면 증폭‑전송(AF)으로 두 번째 노드에 신호를 전달한다. 두 번째 노드는 원래 신호와 증폭된 신호를 합쳐 다시 검출한다. 이 과정에서 사용되는 스케일링 팩터 \(\beta\) 와 채널 이득 \(h\) 를 포함한 수식 (7)‑(11) 이 제시된다. 협동 전략은 두 단계(T1, T2)에서 검출을 수행하므로, 비협동 대비 평균 탐지 시간이 1‑2배 단축된다. 또한, 실패 노드가 전송을 생략함으로써 불필요한 에너지 소모를 줄일 수 있다. 그러나 여전히 각 페어가 퓨전 센터까지 장거리 전송을 해야 하므로 전체 에너지 효율은 제한적이다. IV 장에서는 분산 감지 전략을 상세히 설명한다. 전체 네트워크를 하나의 경로로 연결하고, 각 노드가 로컬 검출값을 누적합 형태로 전달한다. 이를 최대우도 추정 문제로 모델링하고, 점증적 서브그라디언트 방법을 적용해 수렴성을 보장한다(식 12‑20). 각 노드가 동일한 임계값 \(T\) 를 사용하므로 그라디언트는 유계이며, 수렴 조건을 만족한다. 이 방식의 장점은 전송 거리 \(O(\log n)\) 로 크게 감소해 에너지 소비가 최소화되고, 모든 노드가 균등하게 참여하므로 에너지 공정성이 향상된다. 또한, 다수의 노드가 협력함으로써 SNR이 낮은 상황에서도 검출 확률이 크게 개선된다. 다만, 전체 탐지 과정에 필요한 슬롯 수가 \(K \times N\) 에 비례해 증가하므로 민첩성은 협동 전략보다 낮다. V 장에서는 세 가지 전략을 민첩성, 에너지 효율, SNR 강인성 측면에서 정량적으로 비교한다. 민첩성은 탐지에 필요한 평균 슬롯 수로 정의되며, 비협동은 기하분포 기반 식 (21)‑(22) 로, 협동은 식 (23)‑(24) 로, 분산은 식 (25) 로 계산된다. 결과는 협동 전략이 가장 짧은 탐지 시간을 보이며, 분산 전략은 가장 오래 걸린다. 에너지 효율은 두 가지 측면(단일 성공 탐지당 총 에너지 소비, 에너지 공정성)으로 평가한다. 전송 거리와 전송 횟수를 고려한 식을 통해, 분산 전략이 가장 낮은 총 에너지 소비를 보이며, 비협동 전략은 에너지 공정성(최대/최소 소비 비율)에서 가장 우수함을 확인한다. SNR 강인성은 각 전략의 검출 확률을 SNR 변화에 따라 플롯으로 제시했으며, 분산 전략이 가장 완만한 성능 저하를 보인다. 마지막으로, 논문은 각 전략의 장단점을 정리하고, 실제 시스템 설계 시 요구되는 성능 목표에 따라 전략을 선택하거나 혼합하는 방안을 제시한다. 실시간 응답이 중요한 상황에서는 협동 감지가 적합하고, 배터리 수명이 핵심인 장기 배치에서는 분산 감지가 유리하다. 또한, 에너지 공정성을 최우선으로 고려한다면 비협동 방식이 가장 균형 잡힌 선택이 될 수 있다. 향후 연구 과제로는 하이브리드 구조(협동 + 분산)와 동적 클러스터링을 통해 세 가지 지표를 동시에 최적화하는 방법이 제시된다.