Trade-Offs in Decentralized Gigantic MIMO with Hard-Boundary Constraints

기술 요약: 하드 경계 제약 조건이 있는 분산형 거대 MIMO에서의 트레이드오프

문제 정의
5G에서 6G로의 전환은 sub-6GHz 대역(FR1)에서 상위 중간 대역(FR3, 7–24 GHz)으로의 이동을 포함합니다. 더 높은 주파수에서 증가하는 전파 손실을 보상하고 그에 상응하는 안테나 개구면을 유지하기 위해, 기지국(BS)의 안테나 수는 4~8배 증가해야 하며, 이는 "거대 MIMO(gigantic MIMO)"라는 패러다임을 초래합니다. 이러한 스케일링은 프로세싱 복잡도와 상호 연결 대역폭에 관한 상당한 과제를 도입합니다. WAX 프레임워크는 분산화와 복잡도 사이의 트레이드오프를 탐구하기 위해 이전에 제안되었으나, 기존 문헌은 "하드 경계 제약 조건(hard-boundary constraints)" 하에서의 적용 가능성을 확립하지 못했습니다. 구체적으로, 기존 모델들은 협력하지 않는 기존 하드웨어 유닛인 매시브 MIMO 베이스밴드 유닛(BBU)을 사용할 때 실질적으로 불가능한 수준의 분산 모듈 간 협력 수준을 가정했습니다. 본 연구가 다루는 핵심 문제는, 모듈들이 필터를 계산하기 위해 정보를 공유하거나 협력할 수 없는 분산형 프로세싱을 사용하면서도 어떻게 정보 손실 없는 성능을 달과낼 수 있는가 하는 점입니다.

방법론
저자들은 분산 모듈 사이에 하드 경계가 존재하는 시스템에 맞춤화된 새로운 WAX 분해 프레임워크의 변형을 제안합니다. 시스템 모델은 $K$ 명의 사용자가 $M$ 개의 안테나를 가진 $M$-안테나 기지국(BS)과 통신하는 업링크 멀티 유저 MIMO 시나리오를 고려합니다. 수신 신호는 분산 선형 필터($W$), 결합 행렬($A$), 그리고 중앙 선형 이퀄라이저($X$)의 조합을 통해 처리됩니다.

주요 방법론적 단계는 다음과 같습니다:

1. 하드 경계 정식화: 저자들은 분산 모듈들이 비협력적이라는 엄격한 제약을 부과합니다. 각 모듈 $p$는 자신의 특정 안테나와 관련된 로컬 채널 상태 정보(CSI)만을 사용하여 할당된 필터 세트를 독립적으로 계산해야 합니다.
2. 치환 및 재인덱싱: 하드 경계 제약을 충족하기 위해, 저자들은 치환 함수 $\pi(\cdot)$를 도입합니다. 이는 분산 필터와 채널 행렬 블록을 재인덱싱하여, (WAX 분해에서 도출된) 정보 손실 없는 프로세싱을 위한 수학적 조건이 상호 배타적인 필터 집합 내에서 충족될 수 있도록 합니다.
3. 구조화된 결합 모듈: 결합 행렬 $A$를 위한 특정 구조가 설계됩니다. $\tilde{A}_B$(결합 모듈 정의의 일부)에 블록 대각 구조를 강제함으로써, 글로벌 최적화 문제는 $P$ 개의 독립적인 방정식으로 분해됩니다. 각 방정식은 단일 분산 모듈에 대응하며, 해당 모듈의 로컬 채널 블록과 로컬 필터만을 포함합니다.
4. 복잡도-성능 트레이드오프: 이 프레임워크는 중앙 처리 장치로 들어오는 입력의 수($T$)와 안테나당 곱셈 횟수($L$) 사이의 임의적인 트레이드오프를 허용합니다. 저자들은 이러한 제약 조건 하에서 정보 손실 없는 프로세싱을 위한 새로운 조건인 $L \geq K \frac{MP - TP}{MP - P}$를 도출합니다.

주요 기여

• 하드 경계를 위한 WAX의 적응: 본 논문은 분산 모듈들이 서로 협력할 수 없는 시나리오에 WAX 프레임워크를 확장하며, 이는 거대 MIMO 배포에서 기존 매시브 MIMO BBU를 사용하는 데 필수적인 요구사항입니다.
• 분해 전략: 저자들은 각 분산 모듈이 다른 모듈과 정보를 교환하지 않고도 WAX 분해의 각 부분을 독립적으로 해결할 수 있도록 하는 결합 모듈 및 필터 치환 전략을 설계하는 방법을 보여줍니다.
• 확장성 및 하위 호환성: 제안된 아키텍처는 명시적으로 확장 가능하도록 설계되었습니다. 이는 거대 MIMO 시스템이 전체 하드웨어를 재설계할 필요 없이, 각각의 안테나 하위 집합을 처리하는 여러 기존 매시브 MIMO BBU를 중앙 유닛(또 다른 BBU로 구현될 수 있음)에 연결함으로써 구축될 수 있음을 시사합니다.
• 이론적 트레이드오프 특성화: 본 연구는 분산 모듈의 수($P$)와 중앙 입력의 수($T$)가 주어졌을 때, 정보 손실 없는 프로세싱을 달성하기 위해 필요한 최소 프로세싱 복잡도($L$)에 대한 이론적 경계(식 16)를 제공합니다.

결과
수치 시뮬레이션은 $M=256$개의 안테나가 $P=4$개의 분산 모듈(각 모듈은 64개의 안테나 처리)로 나뉜 시스템을 사용하여 수행되었습니다. 이때 $T=64$개의 입력을 CPU로 설정하였습니다.

• 성능: 제안된 프레임워크는 현저히 감소된 복잡도로 정보 손실 없는 성능(Maximum Ratio Combining, MRC의 용량과 일치)을 달성합니다. $K=5$인 사용자 경우, $L=8$의 곱셈 횟수로 손실 없는 성능을 달성하였고, $K=9$인 경우 $L=4$로 달성하였습니다.
• 복잡도 감소: 분산형 MRC 베이스라인과 비교했을 때, 제안된 방법은 모듈당 MAC 연산 횟수를 줄입니다. 예를 들어 $K=9$일 때, 베이스라인은 576회의 연산이 필요했으나, 제안된 방법은 256회의 연산($L=4$)만으로 손실 없는 성능을 달성했습니다.
• 유연성: 결과는 이 프레임워크가 약간의 성능 저하를 감수하면서도 프로세싱 복잡도를 더 낮출 수 있음(예: $L=2$ 또는 $L=1$)을 보여주며, 분산 프로세싱 복잡도를 절반으로 줄이면서 채널 용량의 약 90%를 달성할 수 있음을 나타냅니다.

의의 및 주장
본 논문은 기존 매시브 MIMO BBU를 더 큰 시스템을 위한 빌딩 블록으로 활용할 수 있게 함으로써, 매시브 MIMO에서 거대 MIMO로의 전환을 용이하게 한다고 주장합니다. 하드 경계가 있는 비협력 모듈 사이에서도 정보 손실 없는 프로세싱이 가능하다는 것을 증명함으로써, 저자들은 자신들의 접근 방식이 거대 기지국 설계에서 확장성과 하위 호환성을 제공하는 실질적인 경로를 제시한다고 주장합니다. 이 프레임워크는 이론적인 이상향이라기보다 실제 구현에서 복잡도와 성능 사이의 트레이드오프를 활용하기 위한 도구로 제시됩니다. 저자들은 현재의 연구가 베이스밴드 영역에 집중되어 있지만, 향후 연구에서 이 프레임워크가 아날로그 도메인 프로세싱에도 적응될 수 있음을 언급하였습니다.