Fundamental Limits of Bistatic Integrated Sensing and Communications over Memoryless Relay Channels

Each language version is independently generated for its own context, not a direct translation.

이 논문은 **"통신과 감지를 동시에 하는 똑똑한 중계기"**에 대한 연구입니다.

미래의 무선 네트워크에서는 하나의 기기가 두 가지 일을 동시에 해야 합니다.

통신 (Communication): 데이터를 보내고 받는 것 (예: 영상 통화, 파일 전송).
감지 (Sensing): 주변 환경을 파악하는 것 (예: 차량의 속도 측정, 장애물 감지).

이 두 가지 일을 동시에 할 때, 자원을 어떻게 나누어 쓰는 것이 가장 효율적인지, 그리고 그 한계는 어디인지를 수학적으로 증명했습니다.

이 복잡한 내용을 우주 탐사선과 중계 위성이라는 비유로 쉽게 설명해 드릴게요.

1. 상황 설정: 우주 탐사선과 중계 위성

출발지 (Source): 지구에 있는 기지국입니다.
목적지 (Destination): 멀리 떨어진 우주선입니다.
중계 위성 (Relay): 지구와 우주선 사이에 있는 중계 위성입니다.
미지의 상태 (State): 우주 공간의 '기상 상태'나 '장애물' 같은 것들입니다. 우리는 이 상태를 정확히 알아야 안전합니다.

문제:
지구에서 우주선으로 "데이터 (메시지)"를 보내야 하는데, 동시에 우주선 주변에 있는 '장애물 (상태)'의 위치도 정확히 파악해야 합니다. 그런데 직접 보낼 수 없어서 중계 위성을 거쳐야 합니다.

그런데 여기서 딜레마가 생깁니다.

위성이 데이터를 잘 전달하려면, 위성이 받은 신호를 깨끗하게 다시 보내야 합니다.
위성이 장애물을 잘 감지하려면, 위성이 받은 신호의 미세한 변화 (잡음이나 왜곡) 를 분석해야 합니다.

이 두 가지 목표는 서로 충돌할 수 있습니다. "데이터를 빨리 보내자"고 하면 감지 정밀도가 떨어지고, "정밀하게 감지하자"고 하면 데이터 전송 속도가 느려집니다. 이 논문은 **이 두 가지 사이의 최적의 균형점 (Trade-off)**을 찾았습니다.

2. 연구의 핵심 발견들

① "상한선"과 "하한선"을 그렸다 (이론적 한계)

연구진들은 이 시스템이 이론적으로 도달할 수 있는 **최고의 성능 (상한선)**과 우리가 실제로 만들 수 있는 **최고의 성능 (하한선)**을 수학적으로 계산했습니다.

상한선: "아무리 완벽하게 협력해도, 이 정도 이상은 못 한다"는 한계입니다.
하한선: "우리가 제안한 똑똑한 방법을 쓰면, 최소한 이 정도는 달성할 수 있다"는 보장입니다.

② "하이브리드 중계 전략" 제안 (새로운 방법)

기존에는 위성이 데이터를 전달할 때, "일단 다 받아서 다시 보내는 방식"이나 "압축해서 보내는 방식" 중 하나만 선택했습니다.
하지만 이 논문은 두 가지를 섞은 '하이브리드' 방식을 제안했습니다.

비유: 위성이 지구에서 온 편지 (데이터) 를 읽어서 중요한 부분만 요약해서 보내는 동시에, 편지지에 묻어 있는 우편물의 '진동 (감지 정보)'도 분석해서 함께 보내는 것입니다.
이 방법을 쓰면, 데이터도 더 빨리 보내고, 감지 정밀도도 더 높일 수 있음을 증명했습니다.

③ "감지만 할 때의 최적점" 찾기

만약 데이터 전송을 아예 안 하고 오직 감지 (장애물 찾기) 만에 집중한다면, 얼마나 정확하게 할 수 있을까요?
연구진은 이 경우에도 위성이 어떤 전략을 써야 가장 정확한지 찾아냈습니다.

비유: 위성이 "데이터는 보내지 않아요, 대신 제가 받은 신호를 그대로 분석해서 '장애물 위치'만 알려드릴게요"라고 할 때, 가장 정확한 위치를 알려줄 수 있는 방법을 찾았습니다.

④ 특별한 경우엔 완벽하게 해결

우주 환경이 아주 단순하거나 특별한 경우 (예: 신호가 서로 간섭하지 않는 경우) 에는, 우리가 찾은 '최고의 이론적 한계'와 '실제 달성 가능한 성능'이 완전히 일치함을 보였습니다. 즉, 이 경우엔 더 이상 개선할 여지가 없다는 뜻입니다.

3. 왜 이 연구가 중요한가요?

이 연구는 **6G(차세대 통신)**나 자율주행차 네트워크를 설계할 때 큰 도움이 됩니다.

기존 방식: 통신을 할 때와 감지를 할 때를 따로따로 시간을 나누어 썼습니다. (예: 1 초는 통신, 1 초는 감지) -> 비효율적입니다.
이 연구의 방식: 통신과 감지를 동시에 수행하되, 서로의 성능을 최대한 끌어올리는 방법을 제시했습니다.

결론적으로:
이 논문은 "중계기를 통해 통신과 감지를 동시에 할 때, 자원을 어떻게 배분해야 가장 효율적인가?"에 대한 수학적 지도를 그려준 것입니다. 이를 통해 미래의 무선 네트워크는 더 빠르고, 더 똑똑하게 주변 환경을 인식할 수 있게 될 것입니다.

Each language version is independently generated for its own context, not a direct translation.

1. 연구 배경 및 문제 정의 (Problem)

배경: 차세대 무선 네트워크에서 통합 센싱 및 통신 (ISAC) 은 하드웨어와 스펙트럼을 공유하여 효율성을 높이지만, 센싱 중심 신호와 통신 중심 신호의 차이로 인해 성능 간 트레이드오프가 발생합니다. 기존 연구는 주로 단말기 (Monostatic) 환경에 집중했으나, 실제 네트워크는 릴레이를 통한 다중 홉 (Multi-hop) 및 분산된 노드 간 상호작용이 필수적입니다.
문제 설정:
- 이중국 (Bistatic) 구성: 송신기 (Source) 와 센싱 추정기 (Destination) 가 물리적으로 분리되어 있으며, 릴레이 노드가 중계 및 센싱 보조 역할을 수행합니다.
- 모델: 상태 의존적 이산 메모리리스 릴레이 채널 (State-Dependent Discrete Memoryless Relay Channel) 을 가정합니다.
- 목표: 목적지는 릴레이의 도움을 받아 소스에서 보낸 메시지를 복호화함과 동시에, 수신 신호로부터 알려지지 않은 채널 상태 파라미터 ( $S_d$ ) 를 추정해야 합니다.
- 성능 지표: 통신률 ( $R$ ) 과 센싱 왜곡 ( $D$ ) 사이의 관계를 나타내는 **용량 - 왜곡 함수 (Capacity-Distortion Function, $C(D)$ )**를 규명하는 것이 핵심 목표입니다.

2. 방법론 (Methodology)

저자들은 $C(D)$ 의 상한선 (Upper Bound) 과 하한선 (Lower Bound) 을 유도하고, 특정 채널 조건에서 이 두 값이 일치함을 증명했습니다.

A. 상한선 유도 (Upper Bound)

확장된 컷 - 세트 바운드 (Extended Cut-Set Bound): 기존 릴레이 채널의 컷 - 세트 바운드를 센싱 작업이 포함된 상황에 맞게 확장했습니다.
보조 확률 변수 도입: 릴레이가 목적지 센싱에 기여하는 유용한 정보를 나타내기 위해 보조 확률 변수 $T$ 를 도입했습니다. 이는 소스와 릴레이 간의 완전한 협력 (Full Cooperation) 을 가정하여, 릴레이가 추출한 '가상 센싱 정보'가 목적지로 전송될 때 발생하는 통신률 손실과 센싱 왜곡 제약을 동시에 고려합니다.

B. 하한선 유도 (Lower Bound)

하이브리드 부분 - 디코드 및 압축 - 포워드 (Hybrid Partial-Decode-and-Compress-Forward) 코딩 방식 제안:
- 블록 마코프 부호화 (Block Markov Encoding): 소스는 메시지를 '공통 (Common)' 부분과 '개인 (Private)' 부분으로 분할합니다.
- 릴레이 동작: 릴레이는 소스의 공통 메시지를 디코딩하고, 수신된 신호를 압축하여 목적지로 전송합니다.
- 목적지 디코딩 전략의 개선: 기존 연구 (Chong-Motani-Garg 방식) 는 공통 메시지와 압축 정보를 먼저 디코딩한 후 개인 메시지를 디코딩하는 순차적 방식을 사용했습니다. 반면, 본 논문에서는 공통 메시지, 개인 메시지, 압축 정보를 동시에 (Jointly) 디코딩하는 전략을 제안했습니다.
- 효과: 개인 메시지를 간섭이 아닌 유용한 관측치로 활용하여 압축 정보의 신뢰성을 높이고, 결과적으로 센싱 왜곡을 줄입니다.

C. 최소 왜곡 분석

통신 작업을 무시하고 센싱 성능만 최적화했을 때 달성 가능한 최소 왜곡 ( $D_{min}$ ) 을 분석했습니다.
특정 채널 클래스 (센싱 파라미터와 릴레이 채널이 독립이거나, 목적지 채널과 독립인 경우) 에서는 더 간단한 전략 (예: 결정적 신호 전송, 단순 압축 등) 으로도 $D_{min}$ 을 달성할 수 있음을 보였습니다.

3. 주요 기여 및 결과 (Key Contributions & Results)

용량 - 왜곡 함수의 상하한선 확립:
- 센싱 파라미터 추정을 고려한 새로운 컷 - 세트 바운드 (상한선) 와 하이브리드 코딩 방식 기반의 하한선을 제시했습니다.
- 제안된 하한선 코딩 방식이 기존 방식보다 엄격하게 더 넓은 달성 가능한 영역 (Achievable Rate-Distortion Region) 을 제공함을 증명했습니다.
최적 센싱 성능 ( $D_{min}$ ) 규명:
- 통신률이 0 일 때 달성 가능한 최소 센싱 왜곡을 일반 릴레이 모델에 대해 특성화했습니다.
- 특정 채널 구조 (예: 센싱 파라미터가 릴레이 관측과 무관한 경우) 에서는 소스와 릴레이가 결정적 신호를 보내는 것만으로도 최적 센싱이 가능함을 보였습니다.
특정 채널 클래스에서의 최적성 증명:
- 세 가지 특정 릴레이 채널 클래스 ( $C_3, C_4, C_5$ $C_{3}, C_{4}, C_{5}$ ) 에 대해 상한선과 하한선이 일치함을 증명하여 최적의 $C(D)$ $C (D)$ 를 정확히 도출했습니다.
  - $C_3$ (직교 송신 구성): 부분 디코드 - 포워드 (Partial-Decode-Forward) 전략이 최적입니다.
  - $C_4$ (Cover-Kim 릴레이 채널): 압축 - 포워드 (Compress-Forward) 전략이 최적입니다.
  - $C_5$ (2 홉 릴레이 채널): 제안된 하이브리드 부분 - 디코드 및 압축 - 포워드 전략이 최적입니다.
통합 설계의 이점 입증:
- 수치 시뮬레이션을 통해, 통신과 센싱을 시간 분할 (Time-sharing) 하는 방식보다 통합 설계 (Unified Design) 가 훨씬 우수한 성능 (더 높은 통신률 또는 더 낮은 왜곡) 을 제공함을 보였습니다.

4. 의의 및 결론 (Significance & Conclusion)

이론적 기여: 이 논문은 이중국 ISAC 시스템에서 릴레이 노드가 통신과 센싱을 어떻게 조화시킬 수 있는지에 대한 정보 이론적 기초를 마련했습니다. 특히, 릴레이가 센싱 정보를 추출하여 목적지로 전달하는 메커니즘과 그로 인한 통신률 손실 간의 정량적 관계를 규명했습니다.
실용적 시사점: 미래의 차량 간 통신 (V2X) 및 스마트 시티와 같은 다중 노드 ISAC 네트워크 설계에 중요한 지침을 제공합니다. 릴레이 노드가 단순히 데이터를 중계하는 것을 넘어, 환경 정보 (센싱) 를 추출하여 네트워크 전체의 인지 능력을 향상시킬 수 있음을 보여줍니다.
한계 및 향후 연구: 현재 연구는 메모리리스 (i.i.d. 상태) 채널에 국한되어 있습니다. 저자들은 향후 채널 메모리 (Channel Memory) 가 있는 경우나 유한 블록 길이 (Finite Blocklength) 환경에서의 ISAC 한계를 규명하는 것이 중요한 연구 방향임을 강조했습니다.

요약하자면, 이 논문은 릴레이를 통한 이중국 ISAC 시스템의 성능 한계를 정보 이론적으로 정립하고, 통신과 센싱을 동시에 최적화하는 새로운 코딩 전략을 제안함으로써 차세대 통합 무선 시스템의 설계에 핵심적인 통찰을 제공했습니다.