Sensing-Assisted Predictive Beamforming for UAV-Enabled Ocean Monitoring Networks

기술 요약: 해양 모니터링 네트워크를 위한 센싱 보조 예측 빔포밍 기술

문제 정의
해양 모니터링 네트워크는 환경 데이터를 수집하기 위해 해수면 부표(buoy)에 의존하지만, 이 부표들은 이동성과 안정적인 인프라 백홀의 부재로 인해 데이터 전송 측면에서 상당한 어려움을 겪고 있다. 무인 항공기(UAV)는 가시선(LoS) 링크를 통한 데이터 수집을 위한 유연한 솔루션을 제공한다. 그러나 해파와 조류에 의한 부표의 지속적인 움직임은 상대적 거리와 각도의 급격한 변화를 야기한다. 이러한 이동성은 UAV가 대규모 안테나 배열과 고지향성 빔을 사용할 때 특히 치명적인데, 미세한 지향점 불일치만으로도 심각한 빔포밍 이득 손실과 링크 단절을 초래하기 때문이다. 또한, 해면 클러터(sea clutter)는 센싱 에코의 정확도를 저하시켜 부표 상태 정보의 획득을 어렵게 만든다. 기존 연구들은 정적인 해수면 노드를 가정하거나, 해양 부표 특유의 파도에 의한 진동 및 조류에 의한 표류를 포착하지 못하는 운동 모델(예: 등속도 모델)을 활용한다. 결과적으로, 파도에 의한 부표 역학, 잔류 해면 클러터, 그리고 예측 빔 정렬을 통합적으로 다루는 통일된 프레임워크가 부족한 실정이다.

방법론
본 논문은 프레임 기반의 UAV 미션 워크플로우에 통합된 센싱 보조 예측 빔포밍 프레임워크를 제안한다. 핵심 방법론은 다음과 같은 구성 요소로 이루어진다:

1. 시스템 모델 및 워크플로우: 미션은 라디오 프레임 단위로 나뉜다. 하나의 동작 블록(두 개의 연속된 프레임) 내에서 UAV는 통합 센싱 및 통신(ISAC) 신호를 전송한다. 이 신호는 부표 에코를 획득하여 상태 추정을 수행하는 동시에, 후속 업링크 통신을 지원하는 이중 목적을 갖는다. 워크플로우는 이전 프레임으로부터 부표 상태를 예측하고, 수신된 에코를 통해 확장 칼만 필터(EKF)를 사용하여 상태 추정치를 정교화하며, 다음 프레임을 위한 선제적 빔 예측을 생성하는 과정을 포함한다.
2. 물리 기반 운동 모델링: 단기적인 부표 운동을 특징짓기 위해, 저자들은 상관 가속도 상태 공간 모델(correlated-acceleration state-space model)을 개발하였다. 이 모델은 파도에 의한 흥분을 나타내는 싱어 프로세스(Singer process, 1차 가우시안 마르코프 프로세스로 모델링됨)와 서서히 변하는 조류 표류 항을 결합한다. 싱어 상관 시간(Singer correlation time)은 지배적인 파도의 시간 척도와 명시적으로 연결되어 있어 해양 환경에 적합하다.
3. 클러터 인지 센싱 및 PCRB 유도: 신호 모델은 억제 후에도 타겟의 도플러 빈(Doppler bin)을 공유하는 저전력 간섭 항으로 모델링된 잔류 해면 클러터를 명시적으로 고려한다. 저자들은 비선형 센싱 측정 모델에 대한 사후 피셔 정보 행렬(FIM)과 그에 대응하는 사후 크라메르-라오 하한(PCRB)을 유도한다. 예측 빔 정렬에 미치는 영향을 정량화하기 위해 예측 수평 위치 PCRB가 센싱 메트릭으로 채택된다.
4. 최적화 정식화: "최악의 부표(worst-buoy)" 설계 문제가 제안되었으며, 이는 센싱 전력 할당과 UAV 위치를 공동으로 최적화한다. 목적 함수는 모든 부표에 대한 최대 PCRB를 최소화(최악의 경우 센싱 정확도 극대화)하는 것이며, 업링크 전송률, UAV 전력 및 이동성 제약 조건을 충족해야 한다.
5. 알고리즘 솔루션: 결과적인 최적화 문제는 FIM에서의 변수 결합으로 인해 비볼록(non-convex)하다. 저자들은 PCRB 목적 함수를 처리하기 위해 슈어 보완(Schur-complement) 재구성법을 사용하고, "지연 순차적 볼록 근사(lagged successive convex approximation, lagged-SCA)" 전략을 채택하였다. 이 방식에서는 FIM의 복잡한 행렬 항들을 이전 반복값(previous iteration)을 사용하여 지연된 방식으로 업데이트하고, 스칼라 가중치는 1차 테일러 전개를 통해 볼록화한다. 이를 통해 문제를 계산 가능한 복잡도를 가진 볼록 코닉 프로그램(convex conic program)으로 변환한다.

주요 기여
본 논문은 다음과 같은 기여를 주장한다:

• 프레임워크 개발: 해수면 역학 하에서 타겟 센싱, EKF 기반 상태 정교화, 선제적 빔 예측, 그리고 업링크 수집을 긴밀하게 통합한 클러터 인지 센싱 보조 예측 빔포밍 프레임워크를 구축하였다.
• 운동 모델링: 싱어 상관 시간을 지배적인 파도 시간 척도와 연결하여, 파도에 의한 진동과 조류에 의한 표류를 동시에 포착하는 실행 가능한 부표 운동 모델을 개발하였다.
• 이론적 분석: 잔류 해면 클러터가 존재하는 비선형 센싱 모델에 대한 사후 FIM 및 PCRB를 유도하여, 예측 빔 정렬 설계를 위한 원칙적인 메트릭을 제공하였다.
• 최적화 알고리즘: 공동 센싱-전력 및 UAV 위치 설계 문제를 정식화하고, 이를 통해 문제를 결정 변수의 부표 수에는 선형적으로, 전체 문제 크기에는 세제곱으로 스케일링되는 복잡도를 가진 볼록 코닉 프로그램으로 변환하는 lagged-SCA 알고리즘을 통해 해결하였다.
• 성능 검증: 광범적인 시뮬레이션을 통해 제안된 방식이 더 밀집된 부표 배치, 더 거친 해상 조건, 더 높은 노이즈 수준에서도 견고한 성능을 유지함을 입증하였으며, 여러 베이스라인 설계보다 우수한 성능을 보였다.

시뮬레이션 결과
수치 결과는 제안된 설계가 고려된 벤치마크들 중 가장 균형 잡힌 센싱-통신 성능을 달-성함을 나타낸다.

• 강건성(Robustness): 제안된 방식은 부표 밀도가 증가하고, 프로세스/측정 노이즈가 심화되며, 해상 조건이 거칠어질 때(높은 해상 지수)에도 효과적이다.
• 센싱의 필요성: 개방 루프 상태 전파(open-loop state propagation)에 의리하는 "통신 전용(Communication-Only)" 벤치마크와 비교했을 때, 벤치마크에서 뚜렷한 RMSE 저하가 관찰되었다. 이는 센싱 보조 상태 정교화가 역동적인 해양 환경에서 정확한 예측 빔포밍을 위해 필수적임을 확인시켜 준다.
• 복잡도 대비 성능: "전체 1차 테일러 전개(Full First-Order Taylor Expansion, Full-FOTE)" 방식과 비교했을 때, 제안된 lagged-SCA 방식은 약간의 성능 저하(예: 업링크 전송률의 미세한 감소)를 수반하지만, 훨씬 낮은 계산 부담을 제공한다. 구체적으로, Full-FOTE 방식은 부표 수가 증가함에 따라 최적화 시간이 크게 늘어나는 반면, 제안된 방식은 온라인 배포를 위한 실질적인 이점을 제공한다.

의의 및 주장
본 논문은 해양 레이더 모델링(클러터 및 파도 역학)과 통신 빔 관리 사이의 간극을 메우는 데 주요한 의의가 있다고 주장한다. 부표 운동과 해면 클러터의 물리학을 명시적으로 모델링함으로써, 제안된 프레임워크는 전통적인 정적 또는 단순 운동 모델이 실패하는 역동적인 해양 환경에서도 견고한 UAV-부표 통신을 가능하게 한다. 저자들은 제안된 프레임워크가 성능과 계산 복잡도 사이의 실용적인 트레이드오프를 제공하여 해양 모니터링 네트워크의 실시간 온라인 배포에 적합하다고 주장한다. 본 연구는 센싱 보조 정교화 없이는 이러한 역동적인 환경에서 예측 빔포밍을 신뢰할 수 없음을 강조하며, 제안된 lagged-SCA 전략이 견고한 연결성을 달성하기 위한 계산 효율적인 경로를 제공함을 밝힌다. 향후 연구로는 이 중앙 집중식 단일 UAV 설계를 다중 UAV 협력 시나리오로 확장하는 것을 언급하였다.