근거리 저고도 XL MIMO를 위한 멀티모달 데이터셋 Multimodal NF

본 논문은 차세대 6G 네트워크에서 저고도( Low‑Altitude ) 초대형 MIMO(XL‑MIMO) 시스템이 직면한 데이터 부족 문제를 해결하기 위해 ‘Multimodal‑NF’라는 새로운 대규모 데이터셋과 그 생성 프레임워크를 제안한다. 기존 데이터셋(DeepSense6G, DeepMIMO 등)은 2차원 평면·원거리 전파 모델에 국한돼 근거리(near‑field)와 3차원 공간 정보를 충분히 반영하지 못한다. 이를 보완하기 위해 저자들은 상위 중대역(7–24 GHz)에서 64 × 64 평면 배열을 갖는 BS를 설정하고, UAV가 5 ~ 80 m 고도에서 10가지 사전 정의된 비행 모드(속도·고도·난이도 구분 포함)로 이동하도록 시뮬레이션한다. 건물·도로·지형은 ITU‑R P.2040‑3 기준 재료 파라미터를 적용해 실제 전파 특성을 재현했으며, Sionna 레이 트레이싱 엔진을 이용해 안테나별 전파 경로를 개별 계산함으로써 구형 파동(front) 효과를 정확히 모델링한다. 채널 데이터는 M × K × T 형태의 복소 CSI 텐서(실수·허수 2채널)로 저장되며, 각 프레임마다 LoS/NLoS 라벨, Top‑5 최적 빔 인덱스, 정규화된 빔포밍 이득을 추가 라벨로 제공한다. 빔 인덱스는 방위(θ), 고도(φ), 거리(r) 3차원 격자(각 20 × 20 × 10)에서 샘플링한 코드북을 기반으로 선정되며, 실제 전송률을 계산해 최적 빔을 결정한다. 시각·라이다·GPS 데이터는 BS에 고정된 RGB 카메라와 라이다 센서를 동기화해 동시에 수집한다. 카메라는 90° FoV, 512 × 512 해상도를 갖고, 라이다는 10 000 포인트 클라우드를 생성한다. GPS 좌표에는 가우시안 노이즈(N(0,σ²_GPS))를 추가해 현실적인 위치 측정 오차를 모사한다. 각 샘플은 비행 모드 ID와 도시(22개)별로 구분된 트레인/밸리드/테스트 셋으로 나뉘며, 전체 215 400 프레임 중 93.35%가 LoS, 6.65%가 NLoS이다. 데이터셋의 효용성을 검증하기 위해 두 가지 대표적인 다운스트림 과제를 수행한다. 첫 번째는 근거리 위치 추정으로, OMP(Orthogonal Matching Pursuit) 알고리즘을 사용해 3차원 좌표와 방위·고도·거리 정보를 동시에 복원한다. 실험 결과, 추정 위치는 실제 위치와 수십 센티미터 수준의 차이만을 보였으며, 각도와 거리 추정에서도 높은 정확도를 달성했다. 이는 근거리 채널이 제공하는 구형 파동 특성이 2차원 AoA 모델보다 훨씬 풍부한 정보를 담고 있음을 입증한다. 두 번째는 멀티모달 빔 예측이다. 저자들은 대형 언어 모델(LLM)을 기반으로 한 딥러닝 모델을 학습시켜, RGB 이미지, 라이다 포인트 클라우드, GPS 정보를 입력으로 빔 인덱스를 예측하도록 설계했다. 기존 코드북 기반 빔 선택 방식과 비교했을 때, 제안 모델은 평균 전송률을 약 10% 이상 향상시켰으며, 특히 NLoS 상황에서 빔 선택 오류가 크게 감소했다. 이는 시각·라이다 정보가 차폐 환경을 인식하고, 적절한 빔을 사전 예측하는 데 유용함을 보여준다. 또한, 논문은 멀티모달 관측이 기하학적 상태 xₜ의 엔트로피 H(xₜ|Vₜ)를 감소시켜, 감지와 통신 양쪽 목표 sₜ, cₜ의 조건부 엔트로피를 동시에 낮춘다는 이론적 정리를 제시한다. 이는 멀티모달 데이터가 근거리 시스템에서 ‘공간 의미’를 제공함으로써 검색 공간을 효율적으로 축소한다는 직관과 일치한다. 마지막으로, 저자들은 오픈소스 데이터 생성 툴킷을 공개했으며, 사용자는 건물 밀도, 도로 구조, UAV 속도·고도·경로 등을 자유롭게 설정해 새로운 시뮬레이션 시나리오를 만들 수 있다. 이는 연구 재현성을 높이고, 다양한 환경에서의 알고리즘 검증을 가능하게 한다. 요약하면, Multimodal‑NF는 근거리 XL‑MIMO 시스템의 채널 특성, 시각·라이다·GPS 등 멀티모달 센서 데이터, 그리고 실용적인 라벨(LoS/NLoS, Top‑5 빔)까지 모두 포함한 최초의 대규모 공개 데이터셋이며, 이를 통해 6G 저고도 통신·감지 기술의 연구와 표준화에 크게 기여할 것으로 기대된다.