파일럿 없는 무선 네트워크 최적 제어와 채널 예측

본 논문은 파일럿 신호 없이 무선 채널 정보를 획득하고 이를 활용해 최적 제어를 수행하는 새로운 프레임워크를 제안한다. 먼저, 무선 네트워크드 제어 시스템(WNCS)의 전형적인 구조를 소개하고, 기존 연구들이 CSI를 전제로 하거나 파일럿 기반 채널 추정을 사용해 왔으나, 빠르게 변하는 페이딩 채널과 파일럿 오버헤드 문제로 실용성이 제한된다는 점을 지적한다. **1) 파일럿‑프리 프레임워크 설계** 제어 명령 자체를 ‘암묵적 파일럿’으로 활용한다는 핵심 아이디어를 제시한다. 원격 컨트롤러는 실시간으로 관측된 식물 상태와 과거 제어 명령을 입력으로 채널 예측 함수를 \(f_{\text{pred}}\) 를 통해 미래 채널을 예측한다. 예측된 채널 행렬은 제어 정책 \(f_{\text{cont}}\) 의 입력으로 사용되어, 제어 명령이 현재 채널 상태에 적응하도록 만든다. 이렇게 함으로써 별도의 파일럿 전송 없이도 채널 정보를 획득하고, 제어와 통신을 동시에 최적화한다. **2) 선형 OFDM 시스템에 대한 구체적 구현** 선형 식물 모델 \(x_{k+1}=Ax_k+Bu_k+w_k\) 와 OFDM 전송 구조를 결합한 시스템을 정의한다. 채널 예측은 Kalman 필터를 이용해 순차적으로 수행되며, 최적 제어 정책은 Bellman 최적성 원리를 적용해 도출한다. 연속 상태 벨만 방정식의 차원 문제를 해결하기 위해 상태 공간을 통계적 양자화하고, 근사 대수리카티 방정식(CARE)을 도출한다. CARE는 전통적인 리카티 방정식과 달리 채널 공분산에 의존하는 형태이며, 이를 온라인 스토캐스틱 근사(SA) 알고리즘으로 효율적으로 계산한다. **3) 이론적 성능 보장** - 채널 예측 과정의 평균 제곱 안정성을 증명하고, 제어 정책 적용 시 폐루프 시스템의 안정성을 보장한다. - 근사 CARE의 존재·유일성에 대한 충분조건을 제시하고, SA 알고리즘이 거의 확실히 수렴함을 증명한다. - 이러한 결과는 기존 LQG 혹은 마코프 점프 시스템과는 다른, 공분산‑의존적인 안정성 조건을 제공한다. **4) 비선형 식물 및 일반 무선 아키텍처 확장** 비선형 시스템에서는 KalmanNet을 채널 예측기에 적용한다. KalmanNet은 신경망 기반 Kalman 필터로, 정확한 잡음 통계가 없어도 모델‑인식형 예측을 제공한다. 제어 정책은 Markov‑modulated Deep Deterministic Policy Gradient(MM‑DDPG)를 사용한다. 여기서는 채널을 마코프 체인으로 모델링하고, 예측된 마코프 상태를 정책 네트워크에 조건으로 제공함으로써, 고차원 연속 행동 공간에서도 안정적인 학습이 가능하도록 설계한다. **5) 실험 및 결과** 선형 OFDM 시뮬레이션에서는 제안된 파일럿‑프리 CARE‑SA 기반 제어가 기존 LQR·MPC 대비 추적 오차를 30% 이상 감소시키고, 제어 비용을 크게 절감함을 보였다. 또한, Kalman 필터 기반 채널 예측은 파일럿을 사용한 경우와 비교해 거의 동일한 MSE를 기록했다. 비선형 사례에서는 KalmanNet‑MM‑DDPG 조합이 기존 강화학습 기반 제어(파일럿 전제)보다 빠른 수렴과 낮은 누적 비용을 달성하였다. **6) 결론 및 향후 연구** 파일럿‑프리 접근법은 무선 채널의 시간적 상관성을 활용해 제어와 통신을 공동 최적화함으로써, 파일럿 오버헤드와 파일럿 오염 문제를 근본적으로 해소한다. 이론적 안정성 증명과 실험적 성능 향상이 이를 뒷받침한다. 향후 연구에서는 다중 사용자·다중 안테나 환경, 보안 고려, 그리고 실제 하드웨어 구현을 통한 실증 검증이 제안된다.