혁신적인 AI 기반 빔 트레이닝: CSI 없이도 가능한가?

본 논문은 CSI 부족 문제를 해결하는 향상된 AFSA 기반 빔 트레이닝 기법을 제시합니다. 다중 경로 사용자 에코 신호 간섭을 고려하여 통신 및 센싱 성능의 균형을 맞추고, 다양한 SNR 조건에서 강건성을 보입니다.

CSI 없는 환경에서의 빔 트레이닝 혁신: 향상된 AFSA 알고리즘의 등장

최근 리컨피겨블 인텔리전트 서피스(RIS) 기반 통합 감지 및 통신(ISAC) 시스템에서 빔포밍 및 반사 패턴 설계에 대한 연구가 활발합니다. 특히, 채널 상태 정보(CSI)가 부족한 다기능 기지국(DFBS) 환경에서 효율적인 빔 트레이닝 기법은 중요한 과제로 떠오르고 있습니다. 기존의 캐스케이드 채널 추정은 높은 오버헤드를 야기하기 때문입니다.

이러한 문제를 해결하기 위해, Yunxiang Shi를 비롯한 연구진은 향상된 인공 물고기 떼 알고리즘(AFSA) 을 활용한 새로운 빔 트레이닝 기법을 제안했습니다. 이 기법은 피드백 기반의 공동 능동 및 수동 빔 트레이닝 방식을 채택하여 CSI 부족 문제를 해결합니다.

특히, 다중 경로 사용자 에코 신호가 목표 감지에 미치는 간섭을 고려하여 통신 및 센싱 성능 간의 균형을 잡는 빔포밍 설계 방법을 제시했습니다. 이는 단순히 통신 성능만을 고려하는 기존 방식과 차별화되는 점입니다.

수치 시뮬레이션 결과, 제안된 AFSA는 다른 최적화 알고리즘에 비해 우수한 성능을 보였습니다. 특히, 다양한 통신 신호대 잡음비(SNR) 제약 조건 하에서 에코 간섭에 대한 강건성이 뛰어나다는 것을 확인했습니다.

이 연구는 CSI 부족 문제를 해결하면서 통신 및 센싱 성능을 동시에 향상시키는 혁신적인 빔 트레이닝 기술을 제시했다는 데 큰 의의가 있습니다. 이는 향후 RIS 기반 ISAC 시스템의 실용화에 크게 기여할 것으로 기대됩니다. 하지만, 실제 환경에서의 성능 검증 및 추가적인 알고리즘 최적화 연구가 지속적으로 필요할 것입니다. 🐠💡