OFDM 시스템을 위한 서브스페이스 트래킹 기반 도플러 스프레드 추정

본 논문은 이동성이 높은 무선 환경에서 OFDM 시스템의 성능 저하 원인인 도플러 스프레드(f_d)를 정확히 추정하기 위한 새로운 알고리즘을 제안한다. 기존의 레벨 크로싱(LCR) 기반 방법과 공분산(Cov) 기반 방법은 OFDM 특유의 파일럿 구조를 충분히 활용하지 못하거나, 파일럿 간격이 넓어 추정 속도가 느리다는 한계를 가지고 있었다. 이를 극복하고자 저자들은 comb‑type 파일럿 패턴을 전제로 하여, 각 OFDM 심볼에서 파일럿에 대한 최소제곱(LS) 채널 주파수 응답(CFR) \(\hat H_{P;m}\)을 먼저 얻는다. LS 추정값은 잡음에 의해 크게 왜곡될 수 있기 때문에, 다중 경로 채널의 지연 프로파일을 나타내는 지연 서브스페이스에 투사한다. 구체적으로, 0‑lag 자동상관 행렬 \(R_{HP}(0)\)와 \(\beta\)‑lag 자동상관 행렬 \(R_{HP}(\beta)\)를 구성하고, 이들 행렬에 대한 고유값 분해(EVD)를 수행한다. 고유값이 큰 상위 L개의 벡터를 신호 서브스페이스 \(U_{\tau,s}\)로 정의하고, 나머지를 잡음 서브스페이스 \(U_{\tau,n}\)로 구분한다. 여기서 L은 채널의 유효 경로 수이며, 이는 Minimum Description Length(MDL) 기준을 이용해 자동으로 추정한다. 신호 서브스페이스에 투사된 행렬은 차원이 \(L\) 로 축소되며, 이는 두 가지 주요 장점을 제공한다. 첫째, 잡음에 의한 편향 \(\rho\)가 \(\rho_r = \frac{L}{P}\rho\) 로 감소하여 추정 정확도가 크게 향상된다. 둘째, 행렬 차원이 작아짐에 따라 Frobenius norm 계산 복잡도가 \(O(P^2)\) 에서 \(O(P L^2)\) 로 감소한다. 시간 상관함수는 \(\eta = \frac{\|R_{HP}(\beta)\|_F^2}{\|R_{HP}(0)\|_F^2}\) 로 정의되며, Clarke 모델에 기반한 Jakes 스펙트럼을 가정하면 \(\eta \approx J_0(2\pi \beta f_d T_s)\) 로 근사된다. 여기서 \(J_0\)는 제로 차수 베셀 함수이며, \(\beta\)는 선택된 시간 지연(보통 1~3)이다. 위 식을 역함수 \(J_0^{-1}\) 로 풀어 \(\hat f_d = \frac{J_0^{-1}(\eta)}{2\pi \beta T_s}\) 를 얻는다. 채널 지연이 시간에 따라 천천히 변동한다는 사실을 반영하기 위해, 저자들은 서브스페이스 트래킹 알고리즘을 도입한다. 이 알고리즘은 QR‑분해와 지수적 망각 계수 \(\alpha\) (보통 0.995) 를 사용해 0‑lag 및 \(\beta\)-lag 자동상관 행렬을 순차적으로 업데이트한다. 각 반복 단계에서 최신 \(R_{HP}(0)\)와 \(R_{HP}(\beta)\)를 이용해 \(\eta\)를 계산하고, 위 역산식을 통해 실시간으로 f_d 를 추정한다. 시뮬레이션 설정은 다음과 같다. 대역폭 5 MHz, FFT 크기 N=512, CP 길이 L_cp=64, 파일럿 수 P=64 로 설정하고, ITU‑Vehicular A 채널 모델(6 경로, 비대칭 파워 프로파일)을 사용하였다. 최대 도플러 스프레드 f_d 를 200 Hz, 400 Hz, 600 Hz 로 변동시키고, SNR을 5 dB부터 30 dB까지 변화시켜 성능을 평가하였다. 결과는 다음과 같다. 1. 기존 CP‑기반 방법(