저복잡도 공간 주파수 다중사용자 스케줄링 알고리즘

본 논문은 다중 사용자 다중 안테나(MU‑MIMO)와 다중 서브캐리어를 결합한 OFDMA 기반 방송채널에서, 실시간으로 사용자와 전력을 할당하는 스케줄링 문제를 다룬다. 전통적인 순간 채널 기반 최적화는 복잡도가 급격히 증가하고 피드백 부담이 크다는 한계가 있다. 이를 극복하기 위해 저자는 두 가지 핵심 아이디어를 도입한다. 첫 번째는 ‘ergodic sum‑rate maximization’이다. 즉, 매 스케줄링 주기마다 순간적인 SINR을 최적화하는 대신, 채널이 ergodic하다고 가정하고 평균 합률을 최대화한다. 이렇게 하면 시간 차원을 포함한 최적화가 단일 평균값 계산으로 축소되어 연산량이 크게 감소한다. 두 번째는 라그랑지안 이중화와 확률적 근사를 결합한 ‘dual optimization’ 프레임워크이다. 전력 제약과 비례율 제약을 라그랑지 승수 λ와 μ로 이완함으로써 원문제의 K·M·2개의 변수(사용자 배정 a_{k,m}, 전력 p_{k,m})를 K+1개의 연속 변수만 남긴 이중 문제로 변환한다. 이 이중 문제는 각 사용자별로 독립적인 서브문제로 분리될 수 있어 병렬 처리와 분산 구현이 가능하다. 기대값을 정확히 계산하기 어려운 상황에서는 실제 채널 샘플을 이용한 서브그라디언트 업데이트(식 11‑13)를 적용한다. 이는 메모리와 연산량을 최소화하면서도 수렴성을 보장한다. 알고리즘의 물리적 구현 단계는 크게 두 부분으로 나뉜다. (1) 공간 스케줄러: 베이스 스테이션은 미리 정의된 정규 직교 빔 집합을 보유하고, 각 서브캐리어마다 사용자들의 SINR 피드백만을 받아 가장 높은 SINR을 보이는 사용자‑빔 쌍을 선택한다. 이때 빔 선택은 전력 할당과 독립적으로 수행되며, 복잡도는 O(M·NT·log K) 수준으로 제한된다. (2) 전력 할당: 선택된 사용자‑빔 조합에 대해 라그랑지 승수 λ, μ를 이용해 워터피딩 형태의 폐쇄식(식 15)을 적용한다. 이는 평균 전력 제약을 만족하면서 각 서브캐리어에 최적 전력을 배분한다. 제안 알고리즘은 기존의 ‘iterative water‑filling + beam selection’ 방식에 비해 여러 장점을 가진다. 첫째, 가중합률(φ_k)을 도입해 고위층에서 사용자 우선순위나 서비스 클래스에 따라 비례율 제약을 동시에 만족한다. 둘째, 평균 채널 통계만을 사용하므로 피드백 오버헤드가 크게 감소한다. 셋째, 이중화와 서브그라디언트 업데이트는 수학적으로 수렴성이 보장되며, 비볼록 목적함수에도 전역 최적에 근접하는 해를 제공한다는 실험적 증거가 제시된다. 시뮬레이션은 4×4 MIMO, 64‑subcarrier OFDMA 환경에서 수행되었다. 사용자 수 K를 8~12, 전송 안테나 NT를 4로 설정하고, 다양한 비율 제약(φ_k)와 전력 제약을 적용하였다. 결과는 다음과 같다. (i) 평균 합률 측면에서 제안 알고리즘은 ‘optimal sum‑rate water‑filling’과 ‘proportional fair’ 스케줄러 대비 5~10% 향상을 보였다. (ii) 연산 복잡도는 기존 알고리즘 대비 약 30% 감소했으며, 특히 사용자 수가 적당히 적은 경우에도 서브옵티멀 빔‑사용자 매칭이 충분히 좋은 성능을 유지했다. (iii) 피드백 양은 순간 SINR 피드백만으로 충분했으며, 전체 시스템 지연도 크게 줄어들었다. 결론적으로, 이 논문은 ‘ergodic optimization + dual decomposition + stochastic approximation’이라는 세 가지 이론적 도구를 결합해, 실시간 MIMO‑OFDMA 시스템에서 실용적인 저복잡도 스케줄링 프레임워크를 제시한다. 제안 방법은 높은 스펙트럼 효율, 낮은 피드백 부담, 그리고 유연한 서비스 차별화를 동시에 달성할 수 있어 차세대 무선 시스템(5G·6G)에서의 적용 가능성이 크다.