대규모 지능형 표면의 하드웨어 왜곡: 새로운 모델링 접근법

대규모 지능형 표면(LIS)의 하드웨어 왜곡 문제를 해결하기 위해, Ashkan Sheikhi, Juan Vidal Alegría, Ove Edfors 연구팀이 새로운 지수 모델을 제안했습니다. 이 모델은 기존의 고차 다항식 모델보다 계산 복잡도가 낮으면서도 최적의 성능에 근접한 결과를 제공하여, LIS 기반 통신 시스템의 실제 구현 및 성능 향상에 크게 기여할 것으로 예상됩니다.

대규모 지능형 표면(LIS)의 하드웨어 왜곡: 새로운 모델링 접근법

Ashkan Sheikhi, Juan Vidal Alegría, Ove Edfors 세 연구원이 발표한 최근 논문은 대규모 지능형 표면(LIS) 의 성능 향상을 위한 혁신적인 접근법을 제시합니다. LIS는 차세대 통신 시스템의 핵심 기술로 주목받고 있지만, 하드웨어 왜곡이 성능 저하의 주요 원인으로 작용하고 있습니다. 기존의 고차 다항식 모델은 계산 복잡도가 높아 실제 시스템 적용에 어려움이 있었습니다.

이 연구는 LIS의 비선형 RX 체인에서 발생하는 하드웨어 왜곡을 효과적으로 모델링하는 새로운 방법을 제시합니다. 특히, 메모리 없는 다항식 기반 모델을 사용하여 신호 대 잡음비(SNDR) 에 대한 식을 유도하고, 이를 바탕으로 단순화된 이중 매개변수 지수 모델을 제안했습니다. 이 지수 모델은 다항식 모델에 비해 분석적인 추적성이 뛰어나 SNDR 최적화 문제 해결에 유리합니다.

연구팀은 패널 기반 LIS 시나리오에서 패널 선택 최적화 문제를 고려하여, 제안된 모델을 이용하여 두 가지 폐쇄형 부분 최적 해를 도출했습니다. 이는 고차 다항식 모델에 비해 계산 복잡도가 훨씬 낮아, 특히 MIMO 및 LIS 시스템의 하드웨어 왜곡에 대한 이론적 연구에 유용합니다. 수치 결과는 이 부분 최적 해가 고차원 휴리스틱 탐색 방법으로 찾은 전역 최적 해와 비교하여 SNDR 측면에서 거의 최적의 성능을 보임을 보여줍니다.

결론적으로, 이 연구는 LIS의 하드웨어 왜곡 문제 해결에 중요한 진전을 이루었습니다. 단순화된 지수 모델을 통해 계산 복잡도를 낮추면서도 최적의 성능을 달성할 수 있는 새로운 가능성을 열었습니다. 이는 향후 LIS 기반 통신 시스템의 실제 구현 및 성능 향상에 크게 기여할 것으로 기대됩니다. 특히, 계산 자원이 제한적인 환경에서도 효율적인 성능 최적화가 가능해졌다는 점에서 큰 의미를 가집니다.