⚡ electrical engineering

Implementation and Calibration of 3GPP-Compliant ISAC Channel Simulator

본 논문은 표준화된 모델을 구현하고 참조 결과에 대한 종합적인 교정 분석을 수행하며, 재현성을 보장하기 위해 데이터셋과 함께 오픈 소스 시뮬레이터를 공개함으로써 3GPP ISAC 채널 시뮬레이션의 불일치 문제를 다룹니다.

원저자: Chien-Han Wu, Ming-Chun Lee, Ta-Sung Lee

게시일 2026-06-08

📖 4 분 읽기☕ 가벼운 읽기

CC BY 4.0

원저자: Chien-Han Wu, Ming-Chun Lee, Ta-Sung Lee

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

당신은 새로운 6G 네트워크가 어떻게 작동할지 테스트하기 위해 도시의 완벽한 가상 "디지털 트윈"을 구축하려고 한다고 상상해 보십시오. 이 네트워크에는 특별한 초능력이 있습니다. 단순히 텍텍스트 메시지만 보내는 것이 아니라, 레이더처럼 주변 환경을 "볼" 수 있어 자동차, 사람, 건물을 감지할 수 있습니다. 이것을 **통합 감지 및 통신(ISAC)**이라고 부릅니다.

모든 디지털 도시의 작업이 동일하게 작동하도록 하기 위해, 글로벌 표준화 기구(3GPP)는 이러한 가상 채널을 구축하는 방법에 대한 거대하고 복잡한 규칙서(TR 38.901)를 작성했습니다. 하지만 이 규칙서는 마치 외국어로 쓰여 있고 몇몇 단계가 누락된 레시피와 같았습니다. 만약 두 팀이 같은 레시피를 사용하여 케이크를 구우려 한다면, 비록 그들이 똑같은 규칙을 따랐다고 주장하더라도 결과물인 케이크의 맛은 서로 매우 다를 수 있습니다.

문제점: "블랙 박스" 레시피
이 논문의 저자들(대만의 한 대학교 팀)은 이 규칙서가 너무 복잡하고 모호한 부분이 많아서, 엔지니어들이 서로 일치하지 않는 시뮬레이터를 만들고 있다는 사실을 깨달았습니다. 한 팀의 "가상 자동차"는 다른 팀의 자동차와 다르게 움직일 수 있으며, 이는 혼란과 오류를 야기합니다.

해결책: 마스터 셰프의 가이드
저자들은 3GPP 규칙서를 기반으로 자신들만의 시뮬레이터를 구축한 다음, 어떻게 하면 3GPP에서 제공한 참조용 케이크와 정확히 똑같은 맛을 낼 수 있는지 알아내기 위해 "마스터 셰프" 역할을 하기로 했습니다.

그들이 수행한 작업은 다음과 같습니다.

1. 두 가지 유형의 "메아리"

이 가상 세계에서 신호는 두 가지 방식으로 물체에 반사됩니다:

타겟 채널 (The "Flashlight" Effect - 손전등 효과): 특정 물체, 예를 들어 자동차에 손전등을 비춘다고 상상해 보십시오. 빛이 자동차에 부딪힌 후 당신에게 다시 돌아옵니다. 시뮬레이터는 거리, 각도, 그리고 자동차가 얼마나 반짝이는지(레이더 반사 면적, RCS)를 계산해야 합니다. 이것이 "타겟 채널"입니다.
배경 채널 (The "Room" Effect - 방 효과): 방 안에 서서 소리를 지른다고 상상해 보십시오. 아무도 없더라도 소리는 벽, 바닥, 천장에 부딪혀 반사됩니다. 모노스태틱(monostatic, 송신기와 수신기가 동일한 장치에 있는) 설정의 경우, 시뮬레이터는 소리가 어떻게 반사되는지 파악하기 위해 방 안에 "가상의 리스너(듣는 이)"들을 만들어내야 합니다.

2. 캘리브레이션(교정): 지문을 맞추다

저자들은 단순히 시뮬레이터를 구축한 것이 아니라, 이를 **캘리브레이션(교정)**하는 데 많은 시간을 보냈습니다. 캘리브레이션은 악기를 조율하는 것과 같습니다. 음을 연주하고, 완벽한 참조 음과 비교한 다음, 두 소리가 완벽하게 일치할 때까지 줄을 조정합니다.

그들은 자신들의 시뮬레이터 출력을 3GPP 그룹의 대기업들이 제공한 "공식" 결과와 비교했습니다. 그들은 신호의 특정 "지문"들을 살펴보았습니다:

결합 손실(Coupling Loss): 신호 강도가 얼마나 감소하는가? (협곡 너머로 소리를 지를 때 목소리가 얼마나 작아지는지와 같습니다.)
지연 확산(Delay Spread): 메아리가 도착하는 데 시간이 얼마나 걸리는가? (동굴에서 메아리가 들리는 것과 같습니다.)
각도 확산(Angular Spread): 신호의 "부채꼴" 범위가 얼마나 넓은가? (손전등 빛줄기가 얼마나 넓게 퍼지는지와 같습니다.)

3. "함정"들 (숨겨진 디테일)

이 논문에서 가장 가치 있는 부분은 그들이 찾아낸 "함정(Gotchas)" 목록입니다. 이것들은 규칙서를 다르게 해석할 경우 캘리브레이션을 망가뜨릴 수 있는 아주 미세한 디테일들입니다. 그들은 다섯 가지 주요한 함정을 발견했습니다:

높이 제한: 드론이 너무 높이 날면 신호가 감쇠하는 규칙이 달라집니다. 시뮬레이터는 특정 높이에서 규칙을 전환해야 했습니다.
타겟 배치: 가상 자동차를 지도 전체에 고르게 배치해야 할까요, 아니면 도시 블록 중앙에만 배치해야 할까요? 논문에 따르면, 규칙서가 다른 것을 암시하는 것처럼 보일지라도 "공식" 결과는 특정 분포와 더 잘 일치했습니다.
거울 효과: 모노스태틱 설정(송신기와 수신기가 하나의 박스 안에 있음)에서는 나가는 경로와 돌아오는 경로가 물리적으로 동일합니다. 하지만 각도와 위상에 대한 수학적 계산은 거울 이미지처럼 뒤집혀야 합니다. 만약 이를 제대로 뒤집지 않으면 수학적 계산이 깨지게 됩니다.
광선 필터링(Filtering the Rays): 시뮬레이터는 수천 개의 보이지 않는 "광선(rays)"을 생성합니다. 어떤 규칙들은 매우 낮은 각도(예: 지면을 스치듯 지나가는 광선)에서 오는 광선들을 버리라고 합니다. 저자들은 때때로 이러한 광선들을 유지하는 것이 참조 데이터와 더 잘 일치한다는 것을 발견했으며, 이는 규칙서가 약간 모호할 수 있음을 시사합니다.
승자 선택하기: 시뮬레이션 결과를 확인할 때, 모든 자동차를 다 확인할 수는 없습니다. 상위 몇 개만을 골라내야 합니다. 저자들은 공식 보고서와 숫자를 맞추기 위해 정확히 얼마나 많은 자동차를, 그리고 어떤 것들(가장 강한 신호를 가진 것들)을 골라야 하는지 알아냈습니다.

4. 결과: 공유된 청사진

이러한 세부 사항들을 해결한 후, 그들의 시뮬레이터는 마침내 3GPP 참조 데이터와 거의 완벽하게 일치하는 결과를 만들어냈습니다.

핵-심 요약:
저자들은 단순히 도구를 만든 것이 아니라, 공유된 언어를 구축했습니다. 그들은 규칙을 어떻게 해석해야 하는지에 대한 명확한 가이드가 없다면 모두가 서로 다른 방언을 말하고 있다는 사실을 깨달았습니다. 이러한 숨겨진 디테일들을 기록하고 그들의 코드를 오픈 소스(GitHub를 통해 누구나 무료로 사용 가능)로 공개함으로써, 그들은 서로 다른 회사들이 6G ISAC 시스템을 구축할 때 모두가 정확히 똑같은 케이크를 구울 수 있도록 하는 "마스터 셰프의 가이드"를 세상에 제공하고 있습니다.

요약하자면, 그들은 혼란스럽고 복잡한 규칙서를 가져와서 숨겨진 지침들을 찾아내고, 완벽한 테스트 버전을 구축한 뒤, 전 세계 사람들이 실제로 함께 작동하는 6G 센싱 시스템을 구축할 수 있도록 그 지침을 공유한 것입니다.

기술 요약: 3GPP 준수 ISAC 채널 시뮬레이터의 구현 및 교정

문제 정의
통합 센싱 및 통신(ISAC)은 6G 시스템의 핵심 기술로서, 성능 평가를 위한 정확한 채널 모델링을 필요로 한다. 3GPP RAN1 작업 그룹은 최근에 ISAC 채널 모델 및 교정 절차(TR 38.901에 문서화됨)를 표준화하였으나, 이 모델을 구현하는 데에는 상당한 어려움이 따른다. 해당 방법론은 매우 복잡하며, 수많은 파라미터와 세부적인 절차를 포함하고 있다. 결정적으로, 3GPP 보고서에는 완전하게 명시적인 구현 세부 사항이 부족하여 해석상의 모호함을 초래한다. 결과적으로, 동일한 규격을 사용하더라도 구현 방식에 따라 시뮬레이션 결과가 일치하지 않거나 동기화되지 않는 현상이 발생한다. 또한, 연구자들이 3GPP 활동에 깊이 관여하지 않은 경우, 교정의 실무적인 측면이나 특정 가정에 대한 해석이 불분명하여 상호 운용 가능한 준수 시뮬레이터 개발에 걸림돌이 되고 있다.

방법론
이러한 불일치를 해결하기 위해, 저자들은 TR 38.901을 기반으로 한 3GPP 준수 ISAC 채널 시뮬레이터를 구현하고 종합적인 교정 분석을 수행하였다. 방법론은 다음과 같다:

시뮬레이터 개발: 저자들은 타겟 채널(송신기로부터 타겟을 거쳐 수신기까지 이어지는 연쇄 경로)과 배경 채널(직접 및 환경 다중 경로)을 모두 포함하는 시뮬레이터를 구축하였다.
- 타겟 채널의 경우, 동일한 산란점(scattering point)에 대한 순방향 및 역방향 전파 링크를 결합하고, 레이더 반사 면적(RCS) 및 링크 조건에 기반하여 경로 전력을 생성하며, 3D 거리 및 간접 경로 성분을 기반으로 지연을 계산하는 데 중점을 두었다.
- 배경 채널의 경우, 송신기와 수신기가 동일 위치에 있는 모노스태틱(monostatic) 케이스를 다루기 위해, 세 개의 가상 참조 지점(RP)을 도입하여 등가 전파 경로를 생성하고, 표준에 정의된 특정 각도 및 필터링 규칙을 적용하였다.
교정 절차: 시뮬레이터는 다양한 기업들이 3GPP에 보고한 참조 결과(특히 보고서 R1-2506616)를 기준으로 교정되었다. 본 연구는 FR1 (6 GHz) 및 FR2 (30 GHz)에 대해 실외(UMi, UMa) 및 실내(InH) 시나리오를 아우르는 표준 시뮬레이션 설정을 활용하였다.
지표 평가: 저자들은 3GPP에서 정의한 세 가지 주요 지표를 사용하여 시뮬레이터를 평가하였다:
- 결합 손실(Coupling Loss): 대규모(경로 손실, 대규모 RCS, 섀도잉 페이딩) 및 전체 규모(소규모 페이딩 포함) 결합 손실.
- 지연 확산(Delay Spread, DS): 채널의 시간적 분산.
- 각도 확산(Angular Spread, AS): 방위각(Azimuth) 및 천정각(Zenith) 확산을 포함한 각도 분산.
구현 세부 사항 조사: 방법론의 핵심적인 부분은 표준에 명시적으로 기술되어 있지는 않지만 결과에 상당한 영향을 미치는 특정 구현 선택 사항들을 식별하고 테스트하는 것이었다. 여기에는 센싱 타겟 선택, 모노스태틱 계수 구성, ZOA 기반 필터링, 실내 타겟 분포, 그리고 교정 쌍(calibration pairs)의 선택이 포함된다.

주요 기여
본 논문은 네 가지 주요 기여를 한다:

구현: 타겟 채널 및 배경 채널 생성을 상세히 다룬 완전한 3GPP 준수 ISAC 채널 시뮬레이터 개발.
검증: 개발된 시뮬레이터가 대표적인 시나리오 및 지표에 대해 3GPP ISAC 채널 모델의 의도된 통계적 동작을 재현하며, 3GPP 참조 결과와 일치함을 보여주는 종합적인 교정 연구.
핵적인 세부 사항 식별: 저자들은 교정 결과에 실질적인 영향을 미치는 몇 가지 구현 의존적 요인들을 식별하고 논의하였다. 여기에는 다음이 포함된다:
- 센싱 타겟 선택: 교정 쌍을 위해 타겟이 선택되는 방식.
- 모노스태틱 계수 구성: 공존하는 송수신기에 대한 각도 및 위상 계수의 구체적인 처리 방식.
- ZOA 기반 필터링: 특정 천정각 입사각(Zenith Angles of Arrival)을 가진 광선(rays)을 폐기하는 데 따른 영향.
- 실내 타겟 분포: 볼록 껍질(convex hull) 상의 균등 분포와 전체 영역 상의 균등 분포 간의 차이.
- 교정 쌍 선택: 결합 손실에 기초하여 선택된 송신기-수신기 쌍( $N$ )의 수.
오픈 소스 공개: 재현성을 높이고 연구를 촉진하기 위해 시뮬레이터, 관련 데이터셋 및 교정 결과를 GitHub에 오픈 소스 프로젝트로 공개하였다.

결과
교정 결과는 개발된 시뮬레이터가 3GPP 기업들이 보고한 참조 결과와 성공적으로 일치함을 나타낸다.

타겟 채널: UMa-AV 및 UMi Human과 같은 시나리오에서의 결합 손실, 지연 확산, 각도 확산에 대한 누적 분포 함수(CDF)는 3GPP 참조값과 밀접하게 일치한다.
배경 채널: UMa-AV 시나리오에 대해서도 유사한 일치도가 관찰되었다.
불일치 및 민감도: 연구는 전체적인 통계적 동작은 일치하지만, 서로 다른 기업들이 보고한 결과 사이에는 미세한 차이가 존재함을 강조하였다. 더 중요한 것은, 저자들은 특정 구현 선택이 눈에 띄는 편차를 유발한다는 것을 발견했다:
- 타겟 분포: 실내 시나리오에서 표준은 볼록 껍질을 제안함에도 불구하고, 전체 영역에 대한 균등 분포를 사용하는 것이 3GPP 참조 결과와 더 잘 일치하였다.
- ZOA 필터링: UMa-AV 배경 채널의 경우, ZOA 기반 광선 필터링을 적용하지 않은 결과가 필터링을 적용한 결과보다 참조 데이터와 더 잘 일치하였으며, 이는 특정 시나리오에 대한 표준의 설명에 불일치나 미묘한 차이가 있을 수 있음을 시사한다.
- 모노스태틱 계수: STX-SPST 및 SPST-SRX 링크에 대한 위상 및 각도 계수의 구체적인 처리가 정확도에 결정적이라는 것이 밝혀졌다.

의의
본 논문의 주요 의의는 고수준의 3GPP 규격과 실제적이고 재현 가능한 구현 사이의 간극을 메우는 데 있다고 주장한다. 검증된 시뮬레이터를 제공하고 교정에 영향을 미치는 "숨겨진" 구현 세부 사항을 명시적으로 문서화함으로써, 본 연구는 상호 운용 가능한 ISAC 시뮬레이터 개발을 가능하게 한다. 저자들은 적절한 교정이 3GPP 참조 결과와의 일관성을 보장하는 데 매우 중요하며, 현재 필드에서 관찰되는 불일치를 피하기 위해서는 구현 가정을 문서화하는 것이 필수적이라고 강조한다. 오픈 소스 공개는 향후 ISAC 채널 모델링 연구 및 표준화 노력을 위한 베이스라인 역할을 할 것이다.

1. 두 가지 유형의 "메아리"

2. 캘리브레이션(교정): 지문을 맞추다

3. "함정"들 (숨겨진 디테일)

4. 결과: 공유된 청사진

유사한 논문