A Transformer for Joint Multi-Receiver Pilotless Wi-Fi Decoding

기술 요약: 공동 다중 수신기 파일럿리스 Wi-Fi 디코딩을 위한 트랜스포머(Transformer)

문제 정의
차세대 Wi-Fi 세대(예: IEEE 802.11be/bn)는 다중 링크 협력을 통해 밀집된 배포 환경에서 스펙트럼 효율성을 극대화하는 것을 목표로 한다. 파일럿 오버헤드를 줄이는 것은 특히 여러 액세스 포인트(AP)가 동일한 전송을 관찰하는 업링크 시나리오에서 매력적이지만, 파일럿을 완전히 제거하는 것은 상당한 디코딩 과제를 야기한다. 주파수 선택적 실내 채널에서 명시적인 채널 상태 정보(CSI)의 부재는 수신기를 진폭/위상 왜곡 및 딥 페이드(deep fades)에 취약하게 만든다.

기존 방식은 이와 관련하여 두 가지 주요 한계점에 직면한다:

1. 파일럿 기반 파이프라인: 이들은 AP별 채널을 추정하고 소프트 메트릭(예: 최대 비율 결합, MRC)을 결합한다. 그러나 이 방식은 AP 간의 주파수 선택적 신뢰도 차이를 완전히 활용하지 못하며 스펙트럼 오버헤드가 발생한다.
2. 엔드 투 엔드(End-to-end) 학습 방식: 기존의 신경망 접근 방식은 종종 송신기와 수신기의 공동 학습(예: 학습된 성좌도)을 요구하는데, 이는 송신기가 수신자의 제어 하에 있지 않은 표준화된 Wi-Fi 파형과는 호환되지 않는다.

해결하고자 하는 핵심 과제는 명시적인 CSI나 전용 파일럿 없이, 오직 수신기 측 프로세싱만을 사용하여 표준화된 Wi-Fi 업링크를 위한 신뢰할 수 있는 완전 파일럿리스 디코딩을 달성하는 것이다.

방법론
저자들은 다수의 AP로부터 오는 원시 복소 주파수 영역 관측치를 처리하는 셀프 어텐션(self-attention) 트랜스포머에 기반한 완전 수신기 측 신경망 구조를 제안한다. 시스템 모델은 단일 안테나 사용자 단말(UE)이 코딩된 OFDM 심볼을 $N_R$개의 단일 안테나 AP로 전송한다고 가정한다.

• 입력 표현: 수신기는 모든 (AP, 부반송파) 쌍에 대한 토큰을 구성한다. 각 토큰 $u^{(r)}_f$는 실수부, 허수부, 그리고 수신 샘플의 노이즈 분산 추정치를 포함하는 3차원 실수 벡터이다.
• 아키텍처:
  • 임베딩(Embedding): 토큰은 선형 임베딩을 통해 모델 차원($d_{model}=64$)으로 투영되며, 주파수 구조를 보존하기 위해 부반송파 인덱스에 기반한 고정 사인파 위치 인코딩(sinusoidal positional encodings)이 추가된다.
  • 인코더(Encoder): 4개의 트랜스포머 인코더 레이어로 구성된 스택이 토큰을 처리한다. 각 레이어는 전체 토큰 세트에 대해 멀티 헤드 셀프 어텐션(multi-head self-attention)을 사용하여, 부반송파 간의 광대역 상관관계와 AP 간의 공간적 상관관계를 모두 포착할 수 있게 한다.
  • 융합 및 출력: 인코딩된 표현은 AP들에 대한 평균화(순열 불변 연산)를 통해 부반송파별로 융합된다. 그 후 MLP(Multi-Layer Perceptron)가 이 융합된 표현을 $M$개의 비트를 가진 QAM 심볼의 비트 단위 로짓(LLR, Log-Likelihood Ratios)으로 매핑한다.
• 학습 및 디코딩: 트랜스포머는 언코딩된 비트 라벨에 대해 비트 단위 이진 교차 엔트로피(BCE)를 최소화하도록 학습된다. 결정적으로, LDPC 디코더는 학습 루프의 일부가 아니다. 네트워크는 표준 rate-2/3 LDPC 디코더와 호환되는 소프트 LLR을 출력하며, 디코더는 테스트 시에만 적용된다. 이는 수신기가 특정 코드에 적응하는 것이 아니라 일반적인 채널 표현을 학습하도록 보장한다.

주요 기여

1. 파일럿리스 다중 AP 디코딩: 본 논문은 전용 파일럿 없이도 표준화된 QAM 파형 및 LDPC 코드와 호환되면서, 순수 수신기 측 신경망 설계를 통해 파일럿 없는 디코딩이 가능함을 입증한다.
2. 콘텐츠 인식 융합(Content-Aware Fusion): 셀프 어텐션을 활용함으로써, 모델은 명시적인 채널 추정 없이도 AP와 부반송파 간의 정보를 융합하는 법을 학습하며, 이를 통해 주파수 선택적 페이딩과 딥 페이드를 공간적 다양성을 통해 효과적으로 처리한다.
3. 스펙트럼 효율: 이 방식은 파일럿 오버헤드를 완전히 제거하여, 파일럿 기반 베이스라인 대비 순 데이터 전송률을 직접적으로 향상시킨다.

실험 결과
시스템은 Sionna RT를 사용한 현실적인 레이 트레이싱 실내 환경("Box–Two–Screens")에서 16-QAM 변조 및 $N_c = 72$ 부반송파를 대상으로 평가되었다. 협력하는 AP의 수($N_R$)는 1에서 5까지 변화하였다.

• 단일 AP ($N_R=1$): 트랜스포머 기반 수신기는 높은 SNR($E_b/N_0 \approx 10$ dB)에서도 코딩된 비트 에러율(BER)이 약 $10^{-1}$ 수준에 머물러 실용적인 에러율을 달성하는 데 실패했다. 이는 파일럿 없이 단일 노이즈 관측으로부터 신뢰할 수 있는 채널을 추론하는 것이 불가능함을 확인시켜 준다.
• 협력 구성 ($N_R \ge 2$):
  • $N_R=2$일 때, 시스템은 "워터폴(waterfall)" 영역에 진입하여 $E_b/N_0 \approx 8$ dB에서 $10^{-3}$의 BER을 달성했으며, 이는 완벽한 CSI를 가진 단일 링크 벤치마크와 유사한 수준이다.
  • $N_R=3$일 때, 시스템은 약 $E_b/N_0 \approx 6\text{--}7$ dB에서 동일한 BER($10^{-3}$)에 도달하였으며, 이는 완벽한 CSI를 가진 단일 링크 대비 몇 dB의 이득에 해당한다.
  • $N_R=4$일 때, 시스템은 $E_b/N_0 \approx 6$ dB 부근에서 약 $10^{-5}$의 코딩된 BER을 달성했다.
  • $N_R=5$일 때, 유사한 신뢰도($10^{-5}$)가 더 낮은 SNR($E_b/N_0 \approx 4$ dB)에서 달성되었으며, $E_b/N_0 \approx 6$ dB 근처에서는 BER이 약 $10^{-8}$까지 감소했다.
  • 주목할 점은, $N_R \ge 2$인 경우 파일럿리스 다중 AP 수신기가 테스트된 범위 전반에서 이상적인 단일 링크 완벽 CSI 벤치마크보다 일관되게 우수한 성능을 보였다는 것이다.
• 강건성(Robustness): 성능 곡선은 독립적인 학습 실행 간에 좁은 표준 편차를 보여, 초기화 및 학습 노이즈에 대한 강건성을 나타냈다.

의의 및 주장
본 논문은 현실적인 주파수 선택적 Wi-Fi 시나리오에서 공간적 다양성이 제공된다면(즉, 다수의 협력하는 AP가 있다면) 완전 파일럿리스 디코딩이 가능하다고 주장한다. 본 연구는 순수 수신기 측 트랜스포머가 전통적인 채널 추정 및 결합 파이프라인을 대체할 수 있음을 입증하며, 파일럿 오버헤드를 제거하면서도 이상적인 벤치마크와 대등하거나 더 나은 성능을 달성할 수 있음을 보여준다.

저자들은 이 연구를 파일럿리스 다중 사용자 업링크를 향한 "첫 단계"로 규정한다. 이들은 향-후 연구에서 다중 사용자 설정에 대한 결과 검증이 필요하며, 온디바이스 임베디드 배포를 위한 계산 복잡도를 줄이기 위해 더 단순한 어텐션 메커니즘(예: 축 방향 또는 구조화된 어텐션)을 탐구해야 한다고 명시적으로 언급했다. 이 연구는 즉각적인 배포 준비성을 주장하는 것이 아니라, 통제된 현실적 시뮬레이션 환경에서 이 접근 방식의 이론적 및 실무적 타당성을 검증하는 데 목적이 있다.