⚡ electrical engineering

Practical RIS Gain without the Pain: Randomization and Opportunistic Scheduling in 5G NR

이 논문은 OpenAirInterface 기반의 실증 실험을 통해, 최적화된 구성 없이 무작위 위상 설정과 5G NR 의 비례 공정 스케줄링 메커니즘을 결합하는 것만으로도 최적화된 RIS 설계와 유사한 성능을 달성할 수 있음을 입증합니다.

원저자: L. Yashvanth, Raju Malleboina, Venkatareddy Akumalla, Nekkanti Guna Sai Kiran, Debdeep Sarkar, Chandra R. Murthy

게시일 2026-02-16

📖 3 분 읽기☕ 가벼운 읽기

CC BY 4.0

원저자: L. Yashvanth, Raju Malleboina, Venkatareddy Akumalla, Nekkanti Guna Sai Kiran, Debdeep Sarkar, Chandra R. Murthy

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

📡 핵심 아이디어: "복잡한 계산 없이, 운을 믿고 통신하자!"

일반적으로 5G 속도를 높이기 위해 RIS(재구성 가능한 지능형 표면) 라는 장비를 사용합니다. 이 장비는 거울처럼 전파를 반사시켜 주는데, 보통은 "누가 어디에 있는지 정확히 파악해서" 거울의 각도를 정밀하게 조절합니다.

하지만 이 논문은 "그렇게 정밀하게 조절할 필요는 없다" 고 말합니다. 대신 "거울의 각도를 무작위로 돌리면서, 5G 시스템이 알아서 가장 좋은 순간을 골라내게 하자" 는 아이디어를 실험으로 증명했습니다.

🎯 비유로 이해하는 3 가지 핵심 개념

1. RIS(지능형 거울) 란 무엇인가?

비유: imagine 수천 개의 작은 거울 조각으로 만든 거대한 벽을 상상해 보세요.
역할: 이 벽은 전파 (빛) 를 반사시켜 사용자에게 보내줍니다.
기존 방식: "A 는 왼쪽에, B 는 오른쪽에 있으니 거울을 정밀하게 계산해서 A 와 B 에게 각각 빛을 쏘자." (정밀하지만 계산이 너무 복잡하고 비쌉니다.)
이 논문의 방식: "거울을 무작위로 돌리자! A 가 빛을 받을 때, B 가 빛을 받을 때를 그냥 기다리자." (계산이 필요 없습니다.)

2. 5G 의 ' opportunistic scheduling(기회적 스케줄링)' 이란?

비유: 치킨 배달 기사가 생각해 보세요.
상황: 무작위로 거울이 돌아가서, 어느 순간 A 집 앞에만 빛이 비추고, 다음 순간 B 집 앞에만 빛이 비칩니다.
기사의 역할 (5G 시스템): 배달 기사는 "지금 A 집 앞이 빛이 잘 들어와서 주문을 받기 좋은 상태다!"라고 알아챕니다. 그래서 빛이 잘 들어오는 사람 (A) 에게만 우선적으로 치킨 (데이터) 을 배달합니다.
결과: A 가 빛을 받을 때는 A 가 빠르게 치킨을 받고, B 가 빛을 받을 때는 B 가 빠르게 받습니다. 이렇게 하면 전체적으로 가장 빠른 속도를 낼 수 있습니다.

3. 왜 '무작위'가 '최적'과 비슷할까?

비유: 복권을 생각하세요.
기존 방식: 복권 번호를 분석해서 1 등 당첨 번호를 정확히 맞추려고 노력하는 것 (계산 비용이 큼).
이 논문의 방식: 복권 번호를 무작위로 찍되, 당첨된 사람만 상금을 주는 시스템을 만든 것입니다.
- 거울이 무작위로 돌다가, 운 좋게도 A 에게 빛이 비추면 5G 시스템이 "아, 지금 A 가 최고야!"라고 판단해서 A 에게만 데이터를 보냅니다.
- 그다음엔 B 에게 빛이 비추면 B 에게만 보냅니다.
- 결국 누군가는 항상 빛을 받으며 데이터를 빠르게 전송하게 되므로, 정밀하게 계산해서 거울을 조절했을 때와 거의 같은 속도를 내게 됩니다.

🧪 실험 결과: 무엇이 증명되었나요?

연구진은 직접 5G 실험실 (실제 통신 장비) 을 만들어 이 방법을 테스트했습니다.

속도 향상: RIS 를 설치하지 않았을 때보다 약 20~25% 더 빠른 속도를 냈습니다. (전파가 더 잘 전달되어 신호가 강해졌기 때문입니다.)
무작위 vs 최적화:
- 최적화 방식: 거울을 정밀하게 계산해서 조절했을 때의 속도.
- 무작위 방식: 거울을 무작위로 돌리면서 5G 가 알아서 골랐을 때의 속도.
- 결과: 두 방식의 속도가 거의 똑같았습니다!
결론: 복잡한 계산과 제어 신호를 아끼면서도, 거의 같은 성능을 낼 수 있다는 것을 증명했습니다.

💡 요약: 왜 이 연구가 중요한가?

기존의 문제: RIS 를 쓰려면 전파 경로를 정밀하게 계산해야 해서 장비가 비싸고 복잡해집니다.
이 연구의 해결책: "계산하지 마세요. 무작위로 돌리고, 5G 가 알아서 골라내게 하세요."
효과: 5G 통신망에 RIS 를 쉽게 도입할 수 있게 되어, 더 저렴하고 간편하게 초고속 통신을 구현할 수 있는 길이 열렸습니다.

한 줄 요약: "정밀한 조종사 없이도, 5G 시스템이 알아서 가장 좋은 순간을 골라내면, 거울 (RIS) 을 무작위로 돌리는 것만으로도 최고의 속도를 낼 수 있다!"

논문 요약: 5G NR 에서의 무작위 RIS 구성과 기회적 스케줄링을 통한 실용적 이득

1. 연구 배경 및 문제 제기 (Problem)

재구성 가능 지능 표면 (RIS) 의 잠재력과 한계: RIS 는 전파 환경을 제어하여 차세대 무선 네트워크의 성능을 획기적으로 향상시킬 수 있는 유망한 기술입니다. 일반적으로 RIS 요소들의 위상 (phase) 을 최적화하여 사용자에게 빔포밍을 수행하면 큰 이득을 얻을 수 있습니다.
현실적 장애물: 그러나 이러한 최적화는 정교한 채널 상태 정보 (CSI) 추정, 위상 최적화 알고리즘, 그리고 제어 신호 교환에 따른 **높은 오버헤드 (Overhead)**를 수반합니다. 이는 실시간 5G 시스템에 RIS 를 통합할 때 복잡성과 지연을 유발하여 실제 이득을 감소시킵니다.
연구 격차: 기존 연구는 대부분 벡터 신호 발생기 (VSG) 나 소프트웨어 정의 라디오 (SDR) 를 사용한 실험에 그쳤으며, 실시간 5G NR (New Radio) 시스템과 완전히 통합된 환경에서의 실험적 검증은 매우 부족했습니다. 특히, 최적화 없이 무작위 위상 구성을 사용할 때의 성능을 입증한 사례는 드뭅니다.

2. 제안된 방법론 (Methodology)

저자들은 OpenAirInterface (OAI) 프레임워크를 기반으로 구축된 실시간 5G NR 테스트베드에 자체 제작한 RIS 를 통합하여 다음과 같은 저복잡도 접근법을 제안하고 실험했습니다.

무작위 RIS 구성 (Randomized RIS Configuration):
- RIS 의 위상 구성을 실시간으로 최적화하거나 CSI 를 추정하지 않습니다.
- 대신, RIS 의 위상 상태를 무작위로 (Randomly) 변경합니다. 예를 들어, 두 개의 사용자 (UE) 가 있을 때, RIS 가 각 사용자를 향해 빔포밍하는 두 가지 상태 사이를 일정 시간 간격 ( $T_s$ ) 으로 무작위하게 전환합니다.
5G NR 의 기회적 스케줄링 활용 (Opportunistic Scheduling):
- 5G NR 의 매체 접근 제어 (MAC) 계층에 내장된 비례 공평 (Proportional Fair, PF) 스케줄러를 활용합니다.
- PF 스케줄러는 각 시간 슬롯에서 **가장 좋은 채널 조건 (높은 RSRP)**을 경험하는 사용자를 선택하여 데이터를 전송합니다.
- 핵심 아이디어: RIS 가 무작위로 위상을 변경하더라도, 특정 순간에 특정 사용자에게 빔이 맞춰지면 해당 사용자의 채널이 좋아집니다. 이때 PF 스케줄러는 자연스럽게 그 사용자를 선택하여 데이터를 전송함으로써, 최적화된 RIS 설계 없이도 다중 사용자 다양성 (Multi-user Diversity) 을 활용하여 시스템 전체의 이득을 극대화합니다.
실험 환경:
- 하드웨어: 5GHz 대역, 300MHz 대역폭, 1024 개의 단위 셀 (32x32) 로 구성된 1 비트 디지털 코딩 RIS.
- 소프트웨어: OAI 기반의 5G NR 스택 (gNB 및 UE).
- 시나리오: 2 개의 사용자가 존재하는 환경에서, RIS 유무 비교 및 PF 스케줄러의 파라미터 ( $\alpha$ , 평균화 윈도우 크기) 를 변경하며 성능을 측정했습니다.

3. 주요 기여 (Key Contributions)

실시간 5G NR 테스트베드 구축: OAI 프레임워크와 자체 제작 RIS 를 통합하여, RIS 가 존재할 때와 없을 때의 성능 차이를 실험적으로 입증했습니다.
무작위 RIS 와 PF 스케줄링의 상호작용 분석: 무작위 RIS 구성 하에서 RSRP, BLER (블록 오류율), MCS (변조 및 부호화 방식) 인덱스, 그리고 처리량 (Throughput) 이 시간에 따라 어떻게 변하는지를 상세히 분석했습니다.
최적화 없는 근사 최적 성능 입증: RIS 위상을 최적화하지 않고 무작위로 설정하더라도, PF 스케줄러의 평균화 윈도우 ( $\alpha$ ) 를 적절히 조정하면 최적화된 RIS 설계와 유사한 처리량을 달성할 수 있음을 실험적으로 증명했습니다.

4. 실험 결과 (Key Results)

RIS 도입 효과:
- RIS 를 도입한 경우, 수신 신호 강도 (RSRP) 가 약 7~8 dB 증가 (수신 전력 약 7 배 향상) 했습니다.
- 이에 따라 데이터 처리량은 20~25% 증가했습니다.
무작위 RIS 와 PF 스케줄링의 성능:
- RSRP 변동: RIS 가 무작위로 전환됨에 따라 각 사용자의 RSRP 는 고/저 수준을 오갔습니다.
- 동적 적응: gNB 는 채널 상태에 따라 MCS 를 동적으로 조정했습니다. RSRP 가 높을 때는 높은 MCS 를 사용하여 처리량을 늘리고, 낮을 때는 BLER 를 목표치 (0.1) 이내로 유지하기 위해 MCS 를 낮췄습니다.
- 처리량 극대화: PF 스케줄러는 RIS 가 특정 사용자에게 빔을 맞추는 순간 (채널이 좋은 순간) 에 그 사용자를 선택하여 데이터를 전송했습니다. 이로 인해 시스템 전체의 **누적 처리량 (Aggregate Throughput)**이 크게 향상되었습니다.
최적화 대비 성능:
- PF 스케줄러의 파라미터 $\alpha$ (작을수록 기회적 스케줄링 강조) 를 적절히 설정하면, 무작위 RIS 를 사용한 시스템의 처리량이 유령 (Genie-aided) 최적화 RIS의 성능에 근접하는 것을 확인했습니다.
- 즉, 복잡한 최적화 과정 없이도 5G 의 내재된 스케줄링 메커니즘만으로도 RIS 의 이득을 거의 모두 얻을 수 있음을 보였습니다.

5. 의의 및 결론 (Significance)

실용성 증대: 이 연구는 RIS 를 5G 시스템에 통합할 때, 복잡한 CSI 추정 및 실시간 위상 최적화라는 "고통 (Pain)"을 피하고도 실질적인 성능 향상 ("Gain") 을 얻을 수 있음을 보여줍니다.
저비용 및 확장성: 무작위 구성은 제어 신호 오버헤드를 획기적으로 줄여주며, 하드웨어 및 소프트웨어 복잡도를 낮춥니다. 이는 대규모 5G 네트워크 및 실제 배포 환경에서 RIS 기술의 실용화를 가속화할 수 있는 중요한 통찰을 제공합니다.
향후 연구: 실내 2 사용자 환경에서 시작되었으나, 이 접근법은 다중 안테나 및 대규모 사용자 환경으로 확장 가능하며, RIS 전환 시간 ( $T_s$ ) 과 스케줄러 파라미터 ( $\alpha$ ) 간의 이론적 상관관계 분석은 향후 과제로 남겼습니다.

결론적으로, 이 논문은 5G NR 의 기존 기회적 스케줄링 메커니즘과 결합된 단순한 무작위 RIS 구성이, 복잡한 최적화 없이도 실용적이고 효율적인 성능 향상을 가져올 수 있음을 실험적으로 입증한 획기적인 연구입니다.