PyTorchKR Papers

최신 논문

총 1편
태그·기간 등 상세 필터

카테고리 탐색

로그인 후 이 태그 구독

arXiv:2606.26567v1eess.SP

대규모 MIMO를 위한 멀티모달 환경 인지 빔 관리: 기하학 기반 가상 기지국 프레임워크

Multi-Modal Environment-Aware Beam Management for Massive MIMO: A Geometry-Driven Virtual Base Station Framework

고주파 대규모 다중 입출력(MIMO) 시스템은 초고속 데이터 전송률을 보장합니다. 그러나 다중 사용자 MIMO(MU-MIMO) 시나리오에서 요구되는 과도한 빔 훈련 오버헤드와 복잡한 조정으로 인해 효율적인 빔 관리는 여전히 어려운 과제로 남아 있습니다. 이러한 병목 현상을 해결하기 위해, 전수 파일럿 기반 빔 훈련을 피하고 다중 사용자 통신을 간소화하고자 특정 현장 지식을 활용하는 환경(environment) 인지 통신이 유망한 패러다임으로 부상했습니다. 본 논문에서는 멀티모달 환경 데이터를 활용하는 해석 가능하고 기하학 기반인 프레임워크를 제안합니다. 구체적으로는 지역 3D 라이다(LiDAR) 포인트 클라우드와 위치 정보를 활용하여 오프라인 가상 기지국(VBS) 데이터베이스를 구축합니다. 포인트 클라우드로부터 재구성된 건물 파사드 전반의 거울 대칭을 통해 지배적인 반사 경로를 모델링함으로써, VBS 데이터베이스는 무선 전파 환경에 대한 간결하고 희소한 설명을 제공합니다. 기하학적 정보와 무선 채널 간의 의미론적 격차(semantic gap)를 메우기 위해, VBS 유도 기하학적 관계로부터 채널 파라미터를 직접 추정하는 대략적 채널 재구성 메커니즘을 개발합니다. 도출된 대략적 빔 공간 표현을 기반으로, 최소한의 온라인 훈련 오버헤드로 대략적 추정치를 정밀화하는 VBS 보조 직교 파일럿(VOP) 기반 부분 빔 훈련 기법을 설계합니다. 마지막으로 조합적 빔 선택 문제를 해결하고 사용자 간 간섭을 관리하기 위해 협력적 빔 선택을 위한 이중 에이전트 듀얼링 더블 심층 Q 네트워크(DD3QN-CBS)라는 계층적 심층 강화학습(reinforcement learning) 프레임워크를 제안합니다. 시뮬레이션 결과는 휴리스틱 및 학습(training) 기반 베이스라인 대비 빔 훈련 효율성과 빔 선택 성능 모두에서 일관된 향상을 입증합니다.