On Pareto-Optimal Estimation-Information Performance Limits of MIMO Integrated Sensing and Communications Systems

당신은 친구에게 비밀 메시지를 보내는 동시에 움직이는 자동차의 고해상도 사진을 찍으려고 한다고 상상해 보십시오. 차세대 무선 네트워크(흔히 6G라고 불리는)의 세계에서, 엔지니어들은 동일한 전파를 사용하여 이 두 가지를 정확히 동시에 수행할 수 있는 장치를 구축하려고 노력하고 있습니다. 이것을 '통합 센싱 및 통신(ISAC)'이라고 부릅니다. 이것은 마치 책을 읽기에 충분히 밝으면서도(통신), 벽의 질감을 드러낼 수 있을 만큼 선명해야 하는(센싱) 하나의 손전등과 같습니다. 수십 년 동안 과학자들은 "두 가지 작업을 모두 극대화할 수 있는 완벽한 신호 형태는 무엇인가?"라는 질문을 던지며 최선의 방법을 찾기 위해 노력해 왔습니다.

이 과제를 이해하려면 두 가지를 알아야 합니다. 첫째, 일반적인 전화 통화에서 가장 좋은 신호는 보통 가장 많은 정보를 전달하는 매끄럽고 무작위적인 "정적" 노이즈(수학적으로 가우시안 분포라고 함)입니다. 둘씨, 선명한 사진을 찍기 위해서는(센싱), 물체가 어떻게 반사되는지 정확하게 측정할 수 있도록 매우 예측 가능하고 안정적인 신호가 필요합니다. 큰 질문은 이것이었습니다. "하나의 신호가 대화를 위한 완벽하게 무작위적이면서 동시에 센싱을 위한 완벽하게 안정적일 수 있는가?" 이 논문은 이 질문에 대한 답을 찾기 위해 심오한 수학적 탐구를 수행하여, 이 두 목적을 가진 시스템이 실제로 얼마나 잘 작동할 수 있는지에 대한 이론적 "속도 제한"을 찾아냅니다.

위대한 신호 형태의 변화

이 논문에서 저자들인 Zi-Jie Wang, Xudong Wang, Giuseppe Caire는 ISAC 세계의 궁극적인 퍼즐, 즉 데이터와 센싱 정보를 모두 운반하는 무선파의 완벽한 "형태"를 찾는 문제를 다룹니다. 그들은 신호를 단순한 파동이 아니라, 신호가 강할지, 약할지, 혹은 그 중간일지를 결정하는 확률 분포라는 '성격'을 가진 캐릭터로 취급합니다.

연구진은 MIMO(다중 입출력) 시스템을 갖춘 가상의 실험실을 설정했습니다. 여러 개의 안테나를 가진 송신기가 신호를 내보내어 두 곳, 즉 통신 수신기(당신의 휴대폰)와 센싱 수신기(타겟을 찾는 레이더)로 신호를 보내는 상황을 상상해 보십시오. 목표는 "파레토 최적(Pareto-optimal)" 경계선을 찾는 것입니다. 이 경계선을 줄타기와 같다고 생각하십시오. 만약 당신이 대화에 완벽하도록 신호를 기울이면, 레이더 화면이 흐릿해집니다. 반대로 레이더에 완벽하도록 기울이면, 휴대폰 연결 속도가 느려집니다. 이 논문은 절대적인 최상의 성능이 어떤 모습인지 확인하기 위해 그 줄 위의 모든 지점을 그려냅.

충격적인 발견: "완벽한" 신호는 (아직) 존재하지 않는다

여기서 이야기는 반전됩니다. 저자들은 고급 수학(변분법)을 사용하여 "완상적인 신호 분포는 어떤 모습인가?"라고 물었습니다. 그리고 표준 공학의 규칙을 깨뜨리는 놀라운 답을 찾아냈습니다.

오직 대화(통신)에만 집중하는 극단적인 경우, 완벽한 신호는 모두가 예상하는 것처럼 매끄럽고 무작위적인 "정적" 노이즈입니다. 그러나 센싱과 통신을 모두 원하는 다른 모든 지점(줄 위의 다른 지점들)에서, 수학은 완벽한 신호가 매끄러운 연속 파동이 될 수 없다고 말합니다.

이 논문은 이상적인 신호 분포가 "특이(singular)"하다는 것을 증명합니다. 비유를 들자면, 일반적인 신호가 매끄럽게 흐르는 강물이라면, 완벽한 ISAC 신호는 그 강물에 떠 있는 별개의 얼음 조각들의 집합과 같습니다. 그것은 매끄러운 곡선이 아니라, 매우 구체적이고 미세한 가능성의 부분집합 위에 존재하는 들쭉날쭉하고 끊어진 형태입니다. 저자들은 만약 당신이 신호를 (현재 대부분의 연구에서 사용되는 표준 가우시안 파동처럼) 매끄럽고 연속적으로 강제하려 한다면, 결코 진정한 이론적 한계에 도달할 수 없음을 보여줍니다. 당신은 항상 약간 빗나가게 될 것입니다. 진정한 한계는 "상한(supremum)"입니다. 즉, 표준적인 매끄러운 신호로는 무한히 가까워질 수는 있지만 결코 직접 만질 수는 없는 천장과 같습니다.

두 가지 거대한 트레이드오프 (Trade-offs)

이 논문은 신호의 행동을 결정짓는 두 가지 주요한 "줄다리기" 전투를 식별합니다.

1. 워터 필링(Water-Filling) 트레이드오프: 울퉁불퉁한 지형에 물을 붓는다고 상상해 보십시오. 통신에서는 가장 많은 데이터를 얻기 위해 깊은 골짜기(강한 신호 경로)에 더 많은 물(전력)을 붓습니다. 센싱에서도 반사를 가장 잘 얻기 위해 특정 경로에 전력을 붓고 싶어 합니다. 논문은 두 가지 작업을 동시에 완벽하게 채울 수 없음을 보여줍니다. 당신은 두 목표 사이에서 전력을 배분하며 어떤 "골짜기"를 채울지 선택해야 합니다.
2. 파형 불확실성(Waveform Uncertainty) 트레이드오프: 이것은 성격의 변화입니다. 대화를 원할 때 신호는 비밀을 운반하기 위해 혼란스럽고 무작위적(높은 불확실성)이어야 합니다. 반면 센싱을 원할 때 신호는 반사를 정확하게 측정하기 위해 예측 가능하고 안정적(낮은 불확실성)이어야 합니다. 논문은 "순수 센싱"에서 "순수 통신"으로 이동함에 따라 신호의 성격이 엄격하고 결정론적인 구조(완벽한 기하학적 형상과 같은)에서 야생의 가우시안 구름으로 변한다는 것을 발견했습니다. 가장 흥-미로운 점은, 중간 지점에서 신호는 완전히 무작위도 아니고 완전히 안정적이지도 않은 기묘한 하이브리드 생명체가 되어야 한다는 것입니다.

해결 불가능한 문제를 해결하는 방법

완벽한 신호는 너무 기이하여(들쭉날쭉한 특이한 형태) 간단한 공식으로 써 내려갈 수 없기 때문에, 저자들은 연필과 종이만으로는 이를 해결할 수 없었습니다. 대신, 그들은 블라후트-아리모토(Blahut-Arimoto) 유형의 알고리즘이라는 디지털 "로봇"을 구축했습니다.

이 알고리즘을 점토 덩어리(표준 신호)에서 계속해서 작은 조각들을 깎아내는 조각가라고 생각하십시오. 매번 깎아낼 때마다 신호는 그 완벽하고 들쭉날쭉한 이론적 형태에 더 가까워집니다. 논문은 이 로봇이 진정한 한계로 수렴함을 증명합니다. 그들은 이 방법을 사용하여 컴퓨터 시뮬레이션을 수행했으며, 센싱과 통신의 균형을 조정함에 따라 신호 형태가 어떻게 변하는지 정확히 보여주었습니다.

숫자가 말해주는 것

저자들은 이론만 제시한 것이 아니라, 실제 시나리오에서 어떤 일이 일어나는지 보여주기 위해 시뮬레이션을 실행했습니다.

• 단순한 SISO(단일 입출력) 시스템에서, 그들은 센싱에서 통신으로 이동함에 따라 신호 분포가 "이진(binary)" 형태(동전 던지기처럼 높거나 낮은 형태)에서 매끄러운 가우시안 종 모양 곡선으로 변하는 것을 보여주었습니다.
• 여러 안테나를 사용하는 MIMO 시스템에서, 그들은 신호 대 잡음비(SNR)가 높을 때(매우 강한 신호일 때), 최상의 센싱 성능과 최상의 통신 성능 사이의 간격이 더 넓어진다는 것을 발견했습니다. 이는 "워터 필링" 트레이드오프가 더욱 중요해짐을 의미합니다. 즉, 전력을 어디에 배치할지에 대해 더 어려운 선택을 내려야 합니다.

핵심 요약

이 논문은 단순히 새로운 공식을 제공하는 것이 아니라, 우리가 이러한 신호를 설계하는 방식을 바꿉니다. 이는 우리가 오늘날 사용하는 "표준" 매끄러운 신호가 ISAC을 위한 최선의 도구가 아닐 가능성이 높다는 것을 알려줍니다. 6G의 진정한 한계에 도달하려면, 우리는 매끄러운 강물보다는 들쭉날쭉한 얼음 조각처럼 보이는 "특이하거나" "비표준적인" 파형을 설계해야 할 수도 있습니다. 완벽한 신호가 표준적인 연속 파동으로는 수학적으로 정확히 달성하는 것이 불가능할지라도, 이 연구는 인간이 도달할 수 있는 최대한 가까운 지점까지 가는 지도를 제공하여 엔지니어들이 차세대 무선 신호를 어떻게 조각할지 안내해 줍니다.