O-RAN 기반 실시간 스펙트럼 분류: LibIQ 라이브러리의 혁신

Filippo Olimpieri 등의 연구팀은 O-RAN 아키텍처의 한계를 극복하고 실시간 스펙트럼 분류를 가능하게 하는 LibIQ 라이브러리를 개발했습니다. 5G 환경에서 실제 데이터를 기반으로 학습된 CNN 모델은 97.8%의 높은 정확도를 달성했으며, LibIQ와 데이터셋은 공개될 예정입니다.

최근 5G 네트워크의 혁신을 주도하는 O-RAN 아키텍처는 RAN 소프트웨어화와 분산화를 통해 데이터 기반 네트워크 모니터링 및 제어를 가능하게 합니다. RIC(RAN Intelligent Controller)는 xApps와 rApps를 통해 실시간 및 비실시간 네트워크 제어를 지원하지만, RAN과 RIC 간 데이터 교환의 지연 오버헤드, 개인 정보 보호 및 보안 제약으로 인한 사용자 데이터 접근 제한 등의 문제점을 안고 있습니다. 이러한 문제는 빔포밍 및 스펙트럼 분류와 같은 실시간 애플리케이션에 제약으로 작용합니다.

이러한 한계를 극복하기 위해, Filippo Olimpieri 등 6명의 연구원은 LibIQ 라는 혁신적인 라이브러리를 개발했습니다. LibIQ는 I/Q 샘플을 시계열 데이터로 읽고, 데이터셋을 생성하고, 플롯과 스펙트로그램을 통해 시계열 데이터를 시각화하는 기능을 제공하여 효율적인 스펙트럼 모니터링 및 신호 분류를 가능하게 합니다. LibIQ를 통해 I/Q 샘플을 효율적으로 처리하여 외부 RF 신호를 감지하고, 라이브러리 내부의 CNN(Convolutional Neural Network)을 사용하여 이를 분류합니다.

정확한 스펙트럼 분석을 위해 연구팀은 Colosseum 네트워크 에뮬레이터와 OTA(Over-The-Air) 테스트베드를 사용하여 5G 환경에서 커스텀 dApp을 실행하여 다양한 신호 유형을 나타내는 시계열 기반 I/Q 샘플의 광범위한 데이터셋을 생성했습니다. 다양한 중심 주파수, 시간 창 및 외부 RF 신호를 가진 이기종 시나리오에서 LibIQ를 배포하여 모델을 평가한 결과, 모든 시나리오에서 신호 유형 식별 정확도가 평균 97.8%에 달하는 놀라운 성능을 보였습니다. 연구팀은 LibIQ와 생성된 데이터셋을 공개적으로 제공할 것을 약속했습니다.

이 연구는 O-RAN 기반 네트워크의 실시간 모니터링 및 제어 기능을 한층 향상시키는 획기적인 결과입니다. LibIQ 라이브러리의 공개를 통해 O-RAN 생태계 전반에 걸쳐 실시간 스펙트럼 분류 기술의 발전과 다양한 응용 프로그램 개발을 가속화할 것으로 기대됩니다. 이는 향후 5G 및 차세대 통신 네트워크의 효율성과 성능 향상에 크게 기여할 것입니다. 💯