⚡ electrical engineering

Low-PAPR Joint Channel Estimation and Data Detection in ZP-OTFS System

이 논문은 제로 패딩 OTFS(ZP-OTFS) 시스템의 지연 축에 존재하는 영 (zero) 빈에 파일럿 시퀀스를 삽입하여 파일럿 오버헤드와 PAPR 을 줄이고, 이를 통해 고 SNR 환경에서 기존 임베디드 파일럿 방식보다 우수한 채널 추정 및 데이터 검출 성능을 달성하는 2 단계 채널 추정 방법을 제안합니다.

원저자: Omid Abbassi Aghda, Mohammad Javad Omidi, Hamid Saeedi-Sourck

게시일 2026-02-18

📖 3 분 읽기☕ 가벼운 읽기

CC BY 4.0

원저자: Omid Abbassi Aghda, Mohammad Javad Omidi, Hamid Saeedi-Sourck

원본 논문은 CC BY 4.0 (http://creativecommons.org/licenses/by/4.0/) 라이선스로 제공됩니다. ✨ 이것은 아래 논문에 대한 AI 생성 설명입니다. 저자가 작성하거나 승인한 것이 아닙니다. 기술적 정확성을 위해서는 원본 논문을 참조하세요. 전체 면책 조항 읽기

🚗 비유: 고속도로와 교통 체증

우리가 통신 시스템을 거대한 고속도로라고 상상해 봅시다.

**데이터 **(정보) 고속도로를 달리는 차량들입니다.
**채널 추정 **(Channel Estimation) 도로 상태를 파악하기 위해 보내는 **교통 안내차 **(비행기)입니다.
OTFS 시스템: 고속도로가 매우 복잡하고, 바람이 불거나 도로가 울퉁불퉁해서 (이동 통신 환경) 차량들이 서로 부딪히기 쉬운 상황입니다.

이 논문이 해결하려는 문제는 다음과 같습니다.

1. 기존 방식의 문제점 (기존 OTFS)

기존 방식은 도로 상태를 파악하기 위해 **매우 강력한 빛을 쏘는 거대한 조명차 **(파일럿)를 도로 한가운데 세워두었습니다.

**문제 A **(높은 PAPR) 이 조명차가 너무 밝아서 (전력이 너무 세서) 다른 차량들이 눈이 멀거나, 조명차 자체의 연료 소모가 너무 큽니다. (전력 효율 저하)
**문제 B **(높은 오버헤드) 조명차가 다른 차량과 부딪히지 않게 하기 위해, 조명차 주변에 **아예 차가 다니지 못하는 넓은 안전지대 **(가드 심볼)를 만들어야 했습니다. 이 때문에 실제 차량이 다닐 수 있는 도로가 줄어들어 교통 체증이 심해집니다. (주파수 효율 저하)

2. 이 논문이 제안한 해결책 (ZP-OTFS + 2 단계 추정)

이 논문은 **"빈 공간 **(Zero bins)을 활용하는 똑똑한 방법을 제안합니다.

**① 빈 공간을 활용한 주차장 **(ZP-OTFS)
기존 OTFS 시스템은 데이터가 없는 빈 공간 (Delay 축의 마지막 줄) 을 그냥 비워두었습니다. 이 논문은 그 빈 주차장에 작은 **교통 안내차 **(파일럿)들을 배치했습니다.

효과: 큰 조명차 대신 작은 안내차들을 배치했으니 **전력 소모 **(PAPR)가 훨씬 줄었습니다. 또한, 안전지대 없이 빈 공간에 바로 배치했으니 **도로 사용량 **(오버헤드)도 줄어듭니다.

② 두 단계로 나누어 보는 눈 (2 단계 채널 추정)
도로 상태를 파악할 때 한 번에 다 하려고 하면 실수가 많을 수 있습니다. 그래서 두 단계로 나눴습니다.

1 단계: "먼저 빈 공간만 봐요"
- 데이터가 섞여 있지 않은 빈 주차장의 안내차들만 보고 도로 상태를 대략적으로 파악합니다.
- 이 정보를 바탕으로 MRC 검출기라는 '똑똑한 운전사'가 차량 (데이터) 을 먼저 찾아냅니다.
- 비유: 먼저 빈 공간의 안내 표지판을 보고 대략적인 길목을 파악한 뒤, 차량을 먼저 이동시킵니다.
2 단계: "이제 차량까지 합쳐서 정확히 봐요"
- 1 단계에서 찾은 차량들의 위치를 이제 '안내차'처럼 활용합니다.
- 이제 빈 공간의 안내차 + 찾은 차량들을 모두 합쳐서 도로 상태를 정밀하게 다시 측정합니다.
- 비유: 처음에 대략 파악했던 길목을, 이제 실제 차량들의 움직임까지 참고해서 최종적으로 정확한 도로 지도를 완성합니다.

🌟 이 방법이 왜 특별한가요?

**전력 절약 **(낮은 PAPR)
- 기존 방식처럼 "폭발적인 전력"을 쓰는 큰 조명차를 쓰지 않고, 여러 개의 작은 전구를 분산시켜 썼습니다. 그래서 전기가 덜 들고, 시스템이 과열되지 않습니다.
**도로 효율 향상 **(낮은 오버헤드)
- 불필요한 안전지대 (가드 심볼) 를 없애고 빈 공간만 활용했기 때문에, 더 많은 차량 (데이터) 을 동시에 보낼 수 있습니다.
정확도 유지:
- 처음엔 대략적으로, 두 번째엔 정밀하게 파악하는 '2 단계 방식' 덕분에, 처음부터 완벽하게 하려고 애쓰는 기존 방식보다 오히려 고전력 환경 (높은 SNR) 에서 더 정확한 결과를 냅니다.

📝 한 줄 요약

"기존 방식처럼 거대한 조명차로 도로를 막지 말고, 빈 공간에 작은 안내차들을 배치하고, 두 번에 걸쳐 도로 상태를 파악하면 전기도 아끼고 도로도 더 많이 쓸 수 있다!"

이 기술은 6G 시대의 고속 이동 통신 (자율주행차, 고속철도 등) 에서 데이터 전송을 더 빠르고, 저렴하며, 정확하게 만드는 핵심 열쇠가 될 것입니다.

논문 요약: ZP-OTFS 시스템의 저 PAPR 결합 채널 추정 및 데이터 검출

1. 연구 배경 및 문제점 (Problem)

배경: 6G 통신을 위한 고이동성 환경에서 기존 OFDM 은 높은 도플러 편이로 인한 부반송파 간 간섭 (ICI) 에 취약합니다. 이를 해결하기 위해 지연 - 도플러 (Delay-Doppler, DD) 영역에서 정보를 변조하는 OTFS (Orthogonal Time Frequency Space) 가 주목받고 있습니다.
주요 문제점:
1. 채널 추정 오버헤드 및 PAPR: 기존 OTFS 의 임베디드 파일럿 (EP) 방식은 파일럿 심볼을 보호하기 위한 가드 심볼이 필요하여 오버헤드가 크고, 파일럿 펄스의 높은 전력으로 인해 피크 - 평균 전력비 (PAPR) 가 매우 높다는 단점이 있습니다.
2. 검출 복잡도: OTFS 에서 데이터 검출은 계산 복잡도가 높습니다. 메시지 전달 (MP) 알고리즘은 복잡도가 낮지만 여전히 높으며, 프레임 크기나 변조 심볼 크기에 의존적입니다.
3. ZP-OTFS 의 한계: 계산 복잡도를 낮추기 위해 제로 패딩 (Zero-Pad) OTFS (ZP-OTFS) 와 MRC(Maximal Ratio Combining) 검출기를 사용할 수 있으나, 지연 축을 따라 여러 행을 0 으로 설정해야 하므로 시스템 오버헤드가 크게 증가합니다.

2. 제안된 방법론 (Methodology)

이 논문은 ZP-OTFS 시스템의 오버헤드와 PAPR 문제를 동시에 해결하기 위해 2 단계 채널 추정 및 데이터 검출 알고리즘을 제안합니다.

시스템 설계 (ZP-OTFS 변형):
- 지연 축을 따라 $l_{ZP}$ 개의 행을 0 으로 설정하여 ZP-OTFS 를 구성합니다 ( $l_{ZP} = l_{max} + 1$ , 여기서 $l_{max}$ 는 최대 지연 확산).
- 파일럿 삽입 전략: 기존 방식과 달리, 데이터로 인해 간섭을 받지 않는 이 '0 으로 설정된 행 (Zero bins)'에 자두 - 추 (Zadoff-Chu) 시퀀스를 파일럿으로 삽입합니다. 이를 통해 파일럿과 데이터가 겹치지 않도록 하여 가드 심볼이 불필요하게 됩니다.
- 신호 표현: 전송 신호는 DD 영역에서 시간 - 지연 (DT) 영역으로 변환되며, 시간 영역 수신 신호의 마지막 $l_{ZP}$ 개 샘플은 데이터 간섭이 없는 파일럿으로 구성됩니다.
2 단계 결합 알고리즘:
1. 1 단계 (예비 채널 추정 및 데이터 검출):
  - 수신 신호 중 데이터 간섭이 없는 파일럿 부분 ( $r'_p$ ) 만을 추출합니다.
  - OMP (Orthogonal Matching Pursuit) 알고리즘을 사용하여 채널 벡터 $\hat{h}$ 를 초기 추정합니다.
  - 추정된 채널을 이용해 수신 신호에서 파일럿 성분을 제거한 후, MRC 검출기를 사용하여 데이터를 검출합니다.
2. 2 단계 (정교한 채널 추정 및 데이터 검출):
  - 1 단계에서 검출된 데이터와 원래의 파일럿 시퀀스를 모두 '가상 파일럿'으로 간주하여 결합합니다.
  - 전체 수신 신호를 활용하여 OMP 알고리즘으로 채널을 재추정합니다 (데이터 간섭 포함).
  - 더 정밀해진 채널 정보를 바탕으로 MRC 검출기를 다시 적용하여 최종 데이터를 검출합니다.
- 핵심 특징: 채널 추정을 DD 영역 변환 없이 시간 영역 (Time Domain) 샘플을 직접 수행하여 계산 복잡도를 낮추고, 희소 회복 (Sparse Recovery) 기법을 적용합니다.

3. 주요 기여 (Key Contributions)

저 PAPR 달성: 파일럿을 단일 고전력 펄스로 보내는 기존 EP 방식과 달리, ZP-OTFS 의 빈 공간에 파일럿을 분산 배치하여 PAPR 을 현저히 낮췄습니다. 이는 서브캐리어 수 ( $M, N$ ) 가 증가해도 PAPR 이 거의 일정하게 유지됨을 의미합니다.
오버헤드 감소: 파일럿과 데이터 간 간섭을 방지하기 위한 가드 심볼이 불필요하여, 기존 EP 및 PCP (Pilot with Cyclic Prefix) 방식보다 시스템 오버헤드가 적습니다.
계산 효율성: 시간 영역 샘플을 직접 활용하여 DD 영역 변환을 생략하고, MRC 검출기를 사용하여 검출 복잡도를 낮췄습니다.
성능 향상: 2 단계 추정을 통해 고 SNR 환경에서 기존 EP 방식보다 우수한 성능을 달성합니다.

4. 시뮬레이션 결과 (Results)

NMSE (정규화 평균 제곱 오차):
- 1 단계는 저 SNR 에서 EP 방식보다 성능이 낮으나, 2 단계는 고 SNR (약 11 dB 이상) 에서 EP 방식보다 우수한 NMSE를 보입니다.
BER (비트 오류율):
- 2 단계의 BER 은 고 SNR 에서 알려진 CSI(Perfect CSI) 및 EP 방식과 유사하거나 더 나은 성능을 보입니다.
PAPR:
- 제안된 방법은 EP 방식에 비해 PAPR 이 현저히 낮으며, $M, N$ 이 커져도 PAPR 증가폭이 미미합니다. PCP 방식과 유사한 PAPR 특성을 보이지만 오버헤드 면에서 더 우수합니다.
오버헤드:
- $M, N$ 이 증가함에 따라 EP 및 PCP 방식의 오버헤드가 급격히 증가하는 반면, 제안된 방법은 상대적으로 일정한 낮은 오버헤드를 유지합니다.

5. 의의 및 결론 (Significance)

이 논문은 ZP-OTFS 시스템의 단점인 높은 오버헤드를 파일럿 설계 최적화와 2 단계 추정 알고리즘을 통해 해결했습니다. 특히 저 PAPR 특성을 유지하면서 스펙트럼 효율성과 전력 효율성을 동시에 향상시켰다는 점에서 6G 고이동성 통신 시스템에 실용적으로 적용 가능한 솔루션을 제시했습니다. 시간 영역 기반의 채널 추정은 DD 영역 변환의 계산 부하를 줄여 저전력 단말기 구현에도 유리하며, MRC 검출기와의 결합은 복잡한 OTFS 검출 문제를 간소화하는 효과적인 접근법임을 입증했습니다.