무선 채널에서 다중 센서를 이용한 상태 추정: 대규모 센서 네트워크의 수렴 특성과 최적 전력 배분

본 논문은 무선 센서 네트워크에서 아날로그 증폭‑전송(Amplify‑and‑Forward, AAF) 방식을 이용해 선형 동적 시스템의 상태를 추정하는 문제를 다룬다. 시스템 모델은 1차원 상태 방정식 xₖ₊₁ = a xₖ + wₖ (|a|<1, wₖ∼𝒩(0,σ_w²))와, M개의 센서가 각각 yᵢₖ = cᵢ xₖ + vᵢₖ (vᵢₖ∼𝒩(0,σᵢ²))를 관측하는 형태로 설정된다. 각 센서는 측정값을 증폭 계수 αᵢₖ와 채널 이득 hᵢₖ를 곱해 무선 채널을 통해 퓨전 센터에 전송한다. 전송 방식은 크게 두 가지로 구분된다. 1. **다중접속(Multi‑Access, MA) 스킴** - 모든 센서가 동일한 주파수 대역을 사용해 동시에 전송한다. 수신기에서는 각 센서의 신호가 위상 정렬된 상태로 합쳐져 zₖ = Σᵢ αᵢₖ hᵢₖ yᵢₖ + nₖ 로 관측된다. 여기서 nₖ는 수신 노이즈이다. - 전송 전력은 γᵢₖ = αᵢₖ² (cᵢ² σ_w²/(1−a²) + σᵢ²) 로 정의된다. - 수신 신호는 선형 시스템 형태 zₖ = ȳcₖ xₖ + ȳvₖ 로 변환되며, ȳcₖ와 ȳvₖ는 각각 Σᵢ αᵢₖ hᵢₖ cᵢ와 Σᵢ αᵢₖ hᵢₖ vᵢₖ + nₖ 로 구성된다. - 칼만 필터를 적용하면 오차 공분산 Pₖ₊₁는 (4)식에 따라 갱신된다. 정적 채널(시간 불변)에서는 정상 상태 해 P∞가 존재하고, 이는 S = ȳc²/ȳr (효과적 SNR) 의 함수로 표현된다. 2. **직교접속(Orthogonal Access, OA) 스킴** - 각 센서가 서로 다른 주파수 혹은 코드 채널을 사용해 독립적으로 전송한다. 수신기는 M개의 독립 관측값 zᵢₖ = αᵢₖ hᵢₖ yᵢₖ + nᵢₖ 를 얻는다. - 이를 벡터 형태로 정리하면 ȳCₖ (M×1)와 ȳRₖ (M×M 대각 행렬)가 정의되고, 칼만 필터는 행렬 형태의 업데이트 식 (5)로 진행된다. - 정상 상태 오차 공분산 P∞(OA) 역시 S₀ = ȳCᵀ ȳR⁻¹ ȳC 로 정의된 SNR에 의존한다. **대규모 센서 수에 대한 스케일링** - MA 스킴에서는 각 센서의 전송 전력을 1/√M 로 스케일링하면 총 전력은 제한된 수준에 머무르면서도, M→∞ 일 때 오차 공분산이 프로세스 노이즈 공분산 σ_w²/(1−a²) 로 수렴한다. 이는 “전력 제로” 상황에서도 최적 추정이 가능함을 의미한다. - OA 스킴은 전송 전력을 스케일링하지 않을 경우에만 동일한 1/M 수렴을 보이며, 1/√M 스케일링 시 SNR이 감소해 수렴 속도가 느려진다. **전력 최적화 문제** 두 가지 제약 형태를 고려한다. 1) **오류 공분산 제한**: P∞ ≤ P_target 인 경우 총 전력 Σγᵢ 최소화. 2) **총 전력 제한**: Σγᵢ ≤ Γ 인 경우 오차 공분산 최소화. 정적 채널에서는 γᵢ가 αᵢ²에 선형적으로 의존하므로, 라그랑주 승수를 도입해 KKT 조건을 풀면 αᵢ에 대한 폐쇄형 해를 얻는다. 결과적으로 전력 할당은 센서의 관측 이득 cᵢ와 노이즈 σᵢ²에 비례하고, 채널 이득 hᵢ에 반비례한다. **페이딩 채널** - **CSI가 있는 경우**: 각 시간 단계마다 현재 채널 이득 hᵢₖ를 이용해 순간 SNR을 최대화하는 그리디 알고리즘을 적용한다. 이는 (P∞) 대신 순간 오차 공분산 Pₖ를 직접 최소화하는 형태가 된다. - **CSI가 없는 경우**: 채널 통계(평균 및 분산)만 이용해 평균 SNR을 최적화한다. 논문은 기존 연구와 유사한 형태의 선형 추정기를 도입하고, 전력 할당을 평균 SNR을 기준으로 최적화한다. 이 경우 전력 할당은 채널 평균 이득의 제곱에 비례한다. **수치 실험 및 결과** - M=20~30 정도에서도 1/M 수렴이 매우 정확히 관측되었다. - 정적 채널에서는 OA 스킴이 전력 최적화 시 MA보다 더 큰 성능 향상을 보였으며, 이는 각 센서가 독립적인 채널을 사용함으로써 간섭이 없기 때문이다. - 페이딩 채널에서는 CSI를 활용한 경우 두 스킴 모두 큰 이득을 얻었지만, OA 스킴이 전력 할당 최적화에 더 큰 이득을 보였다. - 전력 스케일링 실험에서 MA 스킴은 1/√M 스케일링에도 정상 상태 오차가 거의 변하지 않아 에너지 효율성이 뛰어남을 확인했다. **결론 및 의의** 본 연구는 아날로그 전송 기반 분산 추정에서 대규모 센서 네트워크의 스케일링 법칙을 명확히 제시하고, 실용적인 전력 제한 조건 하에서 최적 전력 배분 전략을 수학적으로 도출하였다. 특히, 정적·동적(페이딩) 채널 모두를 포괄하고, CSI 유무에 따른 설계 지침을 제공함으로써 에너지 제약이 심한 IoT 및 무선 센서 네트워크 설계에 중요한 이론적·실무적 가치를 제공한다.