PyTorchKR Papers

최신 논문

총 3편
태그·기간 등 상세 필터

카테고리 탐색

로그인 후 이 태그 구독

arXiv:2406.04737v2eess.SP

자기 유도 셀룰러 네트워크의 고속 페이딩 채널 및 전력 최적화

Fast-Fading Channel and Power Optimization of the Magnetic Inductive Cellular Network

자기 유도(MI) 통신의 셀룰러 네트워크는 장거리 지하 환경에서 유망을 보인다. 전통적인 MI 통신에서는 MI 채널이 준정적(quasi-static) 채널로 취급되므로 고속 페이딩 채널이 존재하지 않는다. 그러나 차량(이동) MI(VMI) 통신에서는 예측 불가능한 안테나 진동이 현저한 고속 페이딩을 유발한다. 이러한 고속 페이딩은 중심극한정리(central limit theorem)로 모델링할 수 없으므로, 다른 무선 고속 페이딩 채널과 근본적으로 다르다. 안타깝게도 이 현상에 초점을 맞춘 연구는 거의 없다. 본 논문에서는 전자기장 정리에 기반한 새로운 공간 모델링을 이용하여 VMI 안테나 진동의 3차원 모델을 제안한다. "켤레 의사-구간 함수(conjugate pseudo-piecewise functions)"와 경계 $p(x)$ 분포를 제안함으로써, VMI 고속 페이딩 채널의 누적분포함수(CDF), 확률밀도함수(PDF) 및 기댓값을 도출한다. 또한 VMI 고속 페이딩이 네트워크 처리량에 미치는 영향을 이론적으로 분석하며, 전통적인 MI 채널 연구에서는 무시할 수 있는 VMI 단절(outage) 확률도 포함한다. 무선 고속 페이딩 연구와 다른 몇 가지 흥미로운 결론을 도출한다. 예를 들어, 고속 페이딩은 보다 균일하게 분포된 채널 계수를 가져온다. 마지막으로, 비협력 게임과 다중 에이전트 Q-학습(multiagent Q-learning) 방법을 이용한 전력 제어 알고리즘을 제안하여 셀룰러 VMI 네트워크의 처리량을 최적화한다. 시뮬레이션을 통해 도출 결과와 제안 알고리즘을 검증한다.

arXiv:2607.00056v1cs.IT

Active Sensing for RIS-Aided Tracking and Power Control: A Hybrid Neuroevolution and Supervised Learning Approach

재구성 가능한 지능형 표면(RIS)을 활용한 전력 제한 모바일 사용자의 에너지 효율적 추적 문제를 다루며, 이산 RIS 위상 프로파일의 비미분성과 단일 비트 피드백 제약을 극복하기 위해 뉴로에볼루션(neuroevolution)과 지도학습을 결합한 Dual-Agent(DA) 딥러닝 프레임워크를 제안한다. 제안된 방법은 확장 칼만 필터, 파티클 필터, 머신러닝 기반 추적기 및 심층 강화학습(DRL) 기준선을 능가하는 정확하고 강건한 추적 성능을 달성함을 수치 시뮬레이션으로 입증하였다.

arXiv:2606.07114v1cs.NI

DIFFRACT: 미분 가능 프로그래밍을 이용한 무선 네트워크의 신경화된 효용 최대화

DIFFRACT: Neuralized Utility Maximization for Wireless Networks by Differentiable Programming

위성-Open RAN 시스템을 포함한 차세대 무선 네트워크는 확률적 서비스 품질(QoS) 제약 조건 하에서 동적인 다중 사용자 간섭을 처리할 수 있는 민첩하고 지능적인 자원 관리를 요구한다. 본 논문은 DIFFRACT를 제안한다. 이는 미분 가능 프로그래밍을 활용하여 무선 네트워크에서 심층 학습과 최적화를 통합하는 신경화된 효용 최대화 프레임워크이다. 우리 접근법의 핵심은 무선 전력 제어의 기반이 되는 표준 간섭 함수의 수학적 구조를 활용하는 것이다. 이러한 함수에 대한 이중성 이론(duality theory)을 개발함으로써, 알고리즘 언롤링(algorithm unrolling)을 통해 반복적 간섭 관리 알고리즘을 미분 가능한 신경망 아키텍처로 매핑한다. 이를 통해 네트워크 엣지에서 분산형 종단 간(end-to-end) 그래디언트 기반 학습이 가능해지며, 지상 및 비지상 환경 모두에서 간섭에 대한 실시간 적응을 지원한다. DIFFRACT는 복잡한 채널 동역학을 모델링하고 미분 가능 모델의 표현력을 활용하여 확장 가능하고 견고한 효용 최대화를 가능하게 한다. 실험 결과는 차세대 무선 시스템에 대한 본 프레임워크의 이론적 타당성과 실용적 효과를 확인한다.