도시 무선 네트워크는 연결된 기기 수의 급증과 데이터 집약적 애플리케이션의 확산으로 인해 점점 더 큰 도전에 직면하고 있으며, 이는 스펙트럼 희소성과 자원 할당의 복잡성을 악화시키고 있다. 본 논문은 데이터 중심의 프레임워크인 의미 인지형 지능형 네트워크 시스템(Semantic-aware intelligent network system, SA-INS)을 소개하며, 의미 인지형 우선순위 부여 접근을 통해 자원 관리를 재정의한다. SA-INS는 데이터의 맥락적 내용을 평가함으로써 최적의 정보가 할당되도록 보장하며, 기존의 우선순위 부여 방식보다 성능이 우수함을 보인다. 또한 의미 인지형 통신 시스템의 고유한 요구사항에 맞춘 Q-learning 기반 알고리즘을 활용한다. 이러한 개선은 확장성, 다목적 최적화, 효율적인 자원 할당을 해결한다. 밀집 환경에서의 스펙트럼 효율을 향상시키기 위해 5G 및 6G 네트워크의 고급 기법을 통합하며, 여기에는 대역 내 전이중(in-band full-duplex, IBFD), 비직교 다중 접속(non-orthogonal multiple access, NOMA), 그리고 워터 필링(water-filling) 전력 할당 알고리즘이 포함된다. 자원 분배를 더욱 정교화하기 위해 네트워크 슬라이싱을 적용하여 특정 데이터 유형에 맞춘 가상 네트워크를 생성함으로써 효율적인 품질 서비스(QoS) 제공을 보장한다. 또한 충돌하는 목표들에 대한 균형 잡힌 최적화를 달성하기 위해 비지배 정렬 유전 알고리즘 II(non-dominated sorting genetic algorithm II, NSGA-II)를 사용하는 다목적 최적화 프레임워크도 포함된다. SA-INS의 성능을 엄밀하게 모델링하고 분석하기 위한 포괄적인 수학적 프레임워크를 구축하여 시스템 역학과 트레이드오프에 대한 더 깊은 통찰을 제공한다. 마지막으로 시뮬레이션 결과는 제안된 시스템의 유효성을 검증하며, 벤치마크와 비교해 스펙트럼 효율, 지연(latency), 패킷 손실률(packet loss rates, PLR)에서 유의미한 개선을 보여준다.

*본 초록은 AI를 통해 원문을 번역한 내용입니다. 정확한 내용은 하기 원문에서 확인해주세요.