⚡ electrical engineering

A Robust Two-Stage Protocol for STAR-RIS-Aided ISAC Networks: Joint Beamforming and Mode Optimization

본 논문은 DoA 추정 오차 및 불완전한 NLoS 채널 지식 하에서 센싱 정확도를 보장하면서 통신 합산 전송률을 최대화하기 위해 빔포밍, 모드 선택 및 RIS 계수를 공동으로 최적화하는 STAR-RIS 지원 ISAC 네트워크를 위한 강건한 2단계 프로토콜을 제안한다.

원저자: Ziming Liu, Tao Chen, Giacinto Gelli, Vincenzo Galdi, Francesco Verde

게시일 2026-06-23

📖 3 분 읽기☕ 가벼운 읽기

CC BY 4.0

원저자: Ziming Liu, Tao Chen, Giacinto Gelli, Vincenzo Galdi, Francesco Verde

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

번잡한 도시의 거리, 스마트 빌딩이 두 가지 일을 동시에 수행해야 하는 상황을 상상해 보십시오. 건물 내부의 사람들과 대화하는 동시에(예: 이메일 전송이나 비디오 스트리밍), 외부의 사람들을 감시(예: 안전을 위한 보행자 추적)해야 합니다. 보통 벽에 붙은 "스마트 거울"(RIS라고 불리는)은 신호를 한쪽 방향으로만 반사할 수 있습니다. 하지만 이 논문은 신호를 외부로 반사하는 동시에 내부로 통과시킬 수도 있는 슈퍼 거울인 STAR-RIS를 소개합니다.

다음은 저자들이 이 작업을 효율적이고 신뢰성 있게, 즉 상황이 완벽하지 않을 때도 작동하도록 만든 방법을 쉽게 풀어서 설명한 것입니다.

문제점: "안개 낀 창문"과 "움직이는 표적"

저자들은 실제 시나리오에서 발생하는 두 가지 주요 골칫거리를 식별했습니다:

움직이는 표적: 외부의 사람들은 돌아다니고 있습니다. 시스템은 그들이 어디에 있는지 추측하려고 노력하지만(마치 손전등을 조준하는 것처럼), 그 추측이 완벽하지는 않습니다. 만약 잘못된 추측을 바탕으로 조준한다면, 신호는 빗나가게 됩니다.
안개 낀 창문: 건물이나 나무에 부딪혀서 오는 신호(간접 경로)는 즉각적으로 측정하기 어렵습니다. 기존의 설계 대부분은 이러한 반사가 어떻게 일어나는지 정확히 알고 있다고 가정했는데, 이는 마치 창문을 통해 이미지를 보기 전부터 안개가 이미지를 어떻게 왜곡할지 정확히 알고 있다고 가정하는 것과 같습니다. 실제로 우리는 안개의 정확한 순간순간의 왜곡이 아니라, 안개의 평균적인 행동만을 알 수 있습니다.

해결책: 2단계 댄스

모든 것을 한 번에 처리하려고 하는 대신, 저자들은 메시지를 보낼 때마다 일어나는 2단계 프로토콜(2단계 댄스)을 제안합니다.

1단계: "준비" 단계 (정찰병):
이것은 앞서 달려가는 정찰병과 같습니다. 시스템은 다음을 위해 신호를 보냅니다:
- 모든 사람(내부 및 외부)과 대화하기 위해.
- 외부의 사람들을 경청하여 그들이 어디에 있는지 더 나은 추측을 얻기 위해.
- 결정적으로: "안전망" 접근 방식을 사용합니다. 시스템은 (안개 때문에) 추측이 약간 틀릴 수 있다는 것을 알고 있기 때문에, 추측이 조금 틀리더라도 작동할 수 있도록 견고한 신호를 설계합니다.
2단계: "통신" 단계 (전력 질주):
이제 정찰병이 외부 사람들의 위치에 대해 더 나은 정보를 얻었으므로, 시스템은 기어를 바꿉니다. 이 신선한 정보를 사용하여 데이터를 훨씬 더 정밀하게 빔(beam)으로 쏩니다. 이는 마치 쿼터백이 먼저 경기장을 확인한 다음, 그 새로운 정보에 기반하여 완벽한 조준으로 공을 던지는 것과 같습니다.

"스마트 분할" 기술

STAR-RIS는 수천 개의 작은 요소(화면의 픽셀 같은 것)로 구성되어 있습니다. 저자들은 모든 픽셀이 동시에 모든 것을 할 필요는 없다는 것을 깨달았습니다.

일부 픽셀은 에너지를 분할하도록 설정될 수 있습니다(신호의 일부는 밖으로 보내고, 일부는 통과시킴).
다른 픽셀은 전송 전용으로 설정될 수 있습니다(모든 것을 통과시킴).
시스템은 최상의 소리를 내기 위해 오케스트라의 각 섹션에 더 크게 또는 더 작게 연주하라고 지시하는 지휘자처럼, 어떤 픽셀이 무엇을 할지 동적으로 결정합니다.

"통계적" 안전망

복잡한 반사 신호(안개)를 매 초마다 정확하게 측정하는 것은 불가능하며 에너지 낭비이기에, 시스템은 통계를 사용합니다.

비 오는 날 운전하는 것을 상상해 보십시오. 당신은 자동차 앞 유리에 부딪히는 개별 빗방울의 정확한 경로를 알 필요가 없습니다. 단지 평균적으로 도로가 미끄럽다는 것을 알면 됩니다.
저자들의 설계는 이 "평균적" 지식을 사용하여, 모든 빗방울의 정확한 위치를 알지 못하더라도 99%의 확률로 신뢰성 있게 작동하는 시스템을 구축합니다.

결과: 이것이 중요한 이유

저자들은 자신들의 아이디어를 다른 방법들(완벽한 지식을 가정하거나 이 과정을 두 단계로 나누지 않는 방법들)과 비교 테스트했습니다.

승리: 그들의 방법은 가장 뛰어난 경쟁 방법보다 약 15% 더 높은 데이터 속도(처리량)를 달实现了했습니다.
견고함: 시스템의 위치 추측이 틀렸을 때(추정 오류로 인해), 그들의 설계는 여전히 잘 작동했습니다. 다른 방법들은 "추측"이 나쁠 때 성능이 급격히 떨어지거나 멈춰버렸습니다.
센싱: 또한, 불확실성이 있는 상황에서도 시스템이 안전 요구 사항을 충족할 만큼 외부의 사람들을 충분히 정확하게 "볼" 수 있음을 입증했습니다.

요약하자면

이 논문은 6G 네트워크를 위한 "슈퍼 거울"을 사용하는 더 똑똑한 방법을 제시합니다. 완벽하게 추측하고 운에 맡기는 대신, 이 방식은 현실 세계의 무질서함을 다루기 위해 2단계 프로세스(정찰 후 전력 질주)와 통계적 안전망을 사용합니다. 그 결과, 더 빠르고, 더 신뢰할 수 있으며, 환경을 완벽하게 알 수 없다는 사실을 더 잘 다루는 시스템을 만들어냈습니다.

기술 요약: STAR-RIS 지원 ISAC 네트워크를 위한 강건한 2단계 프로토콜

문제 정의
본 논문은 STAR-RIS(Simultaneously Transmitting and Reflecting Reconfigurable Intelligent Surfaces)에 의해 지원되는 통합 센싱 및 통신(ISAC) 시스템의 강건한 설계를 다룹니다. STAR-RIS는 전 공간 전자기 제어를 제공하여 실내(전송 공간) 사용자와 실외(반사 공간) 사용자를 동시에 서비스할 수 있지만, 실제 배치 시 두 가지 핵심적인 문제에 직면합니다:

센싱 불확실성: 동적인 실외 환경에서 이동 사용자의 도래각(DoA)은 완벽하게 알려져 있지 않으며 반드시 추정되어야 합니다. 이러한 불확한성은 명시적으로 모델링되지 않을 경우 빔포밍 정확도를 저하시킵니다.
불완전한 채널 지식: 복잡한 실외 환경에서는 산란 복잡성과 파일럿 오버헤드로 인해 비가시선(NLoS) 성분의 즉각적인 추정이 어렵습니다. 기존 연구들은 종종 완벽한 즉각적 NLoS 지식을 가정하며, 이는 지나치게 낙관적인 성능 예측을 초래합니다.

방법론
저자들은 이러한 과제를 해결하기 위해 슬롯 단위로 작동하는 2단계 ISAC 프로토콜을 제안합니다:

준비 단계 (Preparation Phase): 타임 슬롯의 일부분 $\eta$ 를 실외 사용자의 DoA 추정과 모든 사용자에 대한 다운링크 통신을 공동으로 수행하는 데 할당합니다. 이 단계에서 STAR-RIS는 에너지 분할(ES) 및 전송 전용(TO) 구성 사이에서 요소를 분할하는 혼합 모드로 동작합니다.
통신 단계 (Communication Phase): 나머지 분율 $(1-\eta)$ 의 슬롯은 준비 단계에서 획득한 각도 정보를 활용하여 다운링크 전송을 정교화하며, 이때 모든 STAR-RIS 요소는 ES 모드로 동작합니다.

통계적 모델링 및 강건한 설계
즉각적인 NLoS 채널 상태 정보(CSI) 없이도 불확실성을 처리하기 위해 다음을 수행합니다:

DoA 모델링: 실외 사용자의 DoA는 가우시안 랜덤 변수로 모델링되며, 그 분산은 추정 정확도(C래머-라오 하한, CRLB)에 의해 결정됩니다.
채널 모델링: 실외 링크의 NLoS 성분은 즉각적인 실현값 대신 장기적인 공간 공분산 통계량으로 특징지어집 기로 합니다. LoS 성분은 추정된 DoA에 의존하는 것으로 취급됩니다.
최적화 목적 함수: 평균 통신 합계 전송률(처리량)을 최대화하는 동시에 요구되는 센싱 정확도(누적 평균 신호 대 잡음비, ASSNR으로 측정됨)를 보장하는 성능 균형 최적화 문제를 정식화합니다.

알고리즘 프레임워크
결과적인 최적화 문제는 빔포밍 벡터, STAR-RIS 계수, 이진 모드 선택 벡터, 그리고 물리적 제약 조건(에너지 보존, 위상 결합) 간의 결합으로 인해 비볼록(non-convex) 및 혼합 이산-연속 문제입니다. 저자들은 다음을 포함하는 맞춤형 교대 최적화(Alternating Optimization, AO) 프레임워크를 개발했습니다:

분수 계획법 (Fractional Programming, FP): 합계 비율 형태의 다루기 쉬운 형태로 변환하기 위해 라그랑주 쌍대 변환과 이차 변환을 사용합니다.
순차적 볼록 근사 (Successive Convex Approximation, SCA): 비볼록 제약 조건, 특히 센싱 제약과 이진 모드 선택 벡터의 이진성을 처리하기 위해 사용됩니다 (패널티 완화법을 통해).
반양의 정적 완화 (Semidefinite Relaxation, SDR): STAR-RIS의 송신 및 반사 계수를 최적화하기 위해 적용되며, 이후 위상 결합 제약( $\cos(\theta_R - \theta_T) = 0$ )을 강제하기 위한 랭크-1 복구 및 유클리드 투영이 뒤따릅를 합니다.
수렴성: 알고리즘이 정체점(stationary point)으로 단조 수렴함이 증명되었습니다.

주요 기여

2단계 프로토콜: 단일 단계 설계와 달리, 이 프로토콜은 센싱과 통신 단계를 명시적으로 조정하여 시스템이 획득된 각도 정보를 후속 통신 정교화에 활용할 수 있도록 합니다.
강건한 통계적 설계: DoA 추정 오차와 부분적 NLoS 지식(공간 공분산을 통해)을 최적화에 포함함으로써, 즉각적인 NLoS CSI에 대한 필요성을 제거하고 통계적 채널 특성을 활용합니다.
결합 최적화: 기지국(BS) 빔포밍 벡터, 두 단계 모두에 대한 STAR-RIS 계수, 그리고 메타표면의 동적 분할을 공동으로 결정합니다.
효율적인 알고리즘: 수렴성이 증명되고 계산 복잡도가 규명된 통합 반복 절차를 개발했습니다.

수치 결과
시뮬레이션은 제안된 강건한 설계를 공간 통계량을 무시하는 방식(NoStat-STAR), 고정 매니폴드 설계(Fixed-STAR), 그리고 단일 단계 프로토콜(One-stage)을 포함한 여러 벤치마크와 비교합니다.

처리량 이득: 제안된 설계는 가장 경쟁력 있는 벤치마크(동일한 최적화 프레임워크를 공유하지만 NLoS 공간 공분산 통계량을 무시하는 방식) 대비 약 15%의 처리량 이득을 달 Achieve 합니다.
강건성: 제안된 시스템은 상당한 DoA 추정 오차와 불완전한 NLoS 채널 지식 하에서도 성능 우위를 유지합니다.
센싱 제약: 타겟 응답 및 잔류 산란 교란의 모든 변동 상황에서도 센싱 제약이 충족되며, 센싱 마진은 일관되게 1 이상을 유지합니다.
확장성: 처리량은 STAR-RIS 요소의 수와 기지국 송신 전력에 따라 증가하며, 제안된 방법은 벤치마크에 비해 우수한 스케일링 성능을 보여줍니다.

의의
본 논문은 제안된 강건한 설계가 STAR-RIS 지원 ISAC 네트워크에서 센싱-통신 트레이드오프를 효과적으로 균형 있게 조절한다고 주장합니다. 완벽한 채널 지식이라는 이상적인 가정에서 벗어나 통계적 모델링을 결과적으로 활용하는 2단계 프로토콜을 통해, 이 설계는 차세대 6G 네트워크, 특히 이종 실내/실외 사용자와 동적인 실외 환경이 포함된 시나리오에 대해 더욱 실용적이고 신뢰할 수 있는 접근 방식을 제공합니다. 본 연구는 추정 불확실성과 통계적 채널 특성을 명시적으로 고려하는 것이 이를 무시하는 설계보다 상당한 성능 이득을 가져온다는 점을 강조합니다.