RF 에너지 수확 기반 업링크 NOMA IoT 네트워크 최적화와 인터셀 간섭 분석

본 논문은 초고밀도 셀룰러 환경에서 전력 공급이 제한된 IoT 디바이스를 대상으로, 무선 주파수(RF) 에너지 하베스팅과 파워 도메인 업링크 NOMA를 결합한 새로운 통신 프레임워크를 제시한다. 시스템 모델은 두 종류의 포아송 점 과정(PPP)으로 표현된 기지국(BS)와 IoT 디바이스가 무작위로 배치된 평면을 가정한다. 각 디바이스는 가장 가까운 BS와 연결되며, 셀 영역은 보통의 보로노이 셀로 정의된다. 시간 슬롯은 두 서브슬롯으로 나뉘는데, 첫 번째 서브슬롯에서는 모든 BS가 일정 전력 P_s 로 다운링크 전송을 수행하고, 디바이스는 이 전력을 수확한다. 수확된 전력은 변환 효율 a와 서브슬롯 비율 T에 의해 실제 에너지 E_HD 로 변환된다. 두 번째 서브슬롯에서는 디바이스가 수확한 에너지를 사용해 업링크 NOMA 전송을 수행한다. 핵심 설계 파라미터는 에너지 수확 구역(선택 구역)의 반경 r이다. Lemma 1을 통해, 디바이스가 충분한 에너지를 확보할 확률 β(예: 99%)를 만족하도록 r을 식 (2)로 도출한다. 이 식은 로그 형태로 β, E_th, T, P_s, α, λ_B 등을 포함한다. 즉, T를 늘리면 r이 커져 더 많은 디바이스가 선택 구역에 포함되지만, 동시에 인터셀 간섭이 증가한다는 트레이드오프가 존재한다. 선택 구역 내 디바이스 수 N은 포아송 분포를 따르며, 평균 λ_U·π·r² 로 표현된다. 이는 식 (5)에서 PMF로 명시된다. N이 결정되면, 각 디바이스는 전송 전력 P_u = E_th/(1−T) 로 고정하고, 파워 도메인 NOMA와 SIC를 적용해 BS가 수신한다. SINR은 수신 신호 S_i = P_u·g_i·r_i^(−α) 와 인터셀 간섭 I_inter, 그리고 잡음 σ 로 구성된다. 데이터율은 (1−T)·log₂(1+SINR) 로 계산되며, 셀당 평균 스루풋 R_tc는 N에 대한 기대값을 취해 구한다. 전체 네트워크 스루풋 R_ts는 활성 BS 밀도 λ₀_B와 곱해 산출한다. 시뮬레이션에서는 λ_B를 20~40 BS/km², λ_U를 고정, T를 0~1 범위에서 변화시켜 성능을 평가한다. 주요 결과는 다음과 같다. 첫째, T가 증가하면 선택 구역 반경이 커져 N이 증가하고, 이론적으로 스루풋이 상승한다. 둘째, BS 밀도가 높을수록 디바이스와 BS 간 평균 거리가 짧아져 에너지 수확량이 증가하지만, 동시에 인터셀 간섭이 급격히 증가해 실제 스루풋은 감소한다. 셋째, 최적 T는 약 0.15~0.2 로, 에너지 수확 시간과 데이터 전송 시간 사이의 균형을 맞춘다. 넷째, 인터셀 간섭을 무시한 경우와 비교했을 때, 실제 스루풋은 약 30% 이상 감소함을 확인한다. 다섯째, BS 밀도가 300 BS/km² 이상이면 선택 구역이 서로 겹쳐 거의 모든 디바이스가 다중 셀에 속하게 되어 분석 모델과 시뮬레이션 간 오차가 커진다. 따라서 연구에서는 λ_B를 20~40 BS/km² 범위로 제한하였다. 논문의 기여는 크게 세 가지이다. (1) 에너지 효율적인 업링크 NOMA 시스템을 제안하고, 선택 구역 반경을 T와 λ_B에 따라 명시적으로 도출하였다. (2) 사용자 선택 스킴과 평균 시스템 스루풋을 수학적으로 분석하고, PMF와 스루풋 식을 제시하였다. (3) 인터셀 간섭을 포함한 현실적인 시뮬레이션을 수행해 최적 T와 BS 밀도 조건을 도출하였다. 하지만 몇 가지 한계점도 존재한다. 첫째, SIC가 완벽히 성공한다는 가정은 실제 오류 전파와 복잡성을 무시한다. 둘째, 에너지 변환 효율 a를 고정값으로 두어 안테나 설계·주파수 의존성을 반영하지 않는다. 셋째, 선택 구역이 겹치는 경우를 단순히 밀도 제한으로 해결했으며, 다중 셀 협업 스케줄링이나 동적 파워 제어와 같은 고급 기법을 고려하지 않았다. 향후 연구에서는 (a) 불완전 SIC와 오류 전파 모델을 포함한 성능 분석, (b) 다중 안테나·빔포밍을 통한 에너지 수확 효율 향상, (c) 동적 T 최적화와 셀 간 협조 스케줄링을 통한 전체 네트워크 스루풋 극대화를 제안한다.