네트워크-투명 반복기(NTRs)는 셀룰러 커버리지를 확장하지만 보정되지 않은 시간 및 각도 편향을 도입하여 위치추정 성능을 저하시킨다. 본 서한에서는 등가 피셔 정보 행렬(Equivalent Fisher information matrix, EFIM)을 통해 NTR로 인한 편향이 시간 및 각 기반 위치추정에 미치는 영향을 모델링하고 분석하는 통합된 틀을 제시한다. 우리는 Cramér–Rao 하한(Cramér–Rao lower bounds, CRLBs) 및 몬테카를로 시뮬레이션을 통해 그 영향을 정량화한다. 그 결과, NTR은 위치추정 정확도를 유의미하게 저하시키는 것으로 나타났으며, 차세대 위치추정 시스템에서 NTR로 인한 편향에 대한 명시적 보정의 필요성을 강조한다.

통합 지상-위성 네트워크(Integrated terrestrial-satellite networks, ITSNs)는 차세대 네트워크를 위한 전 지구적이고 어디서나 가능한 연결성을 제공하는 데 필수적인 역할을 한다. ITSN의 스펙트럼 효율은 통합 구조와 간섭 관리 및 자원 할당을 포함한 운영 전략에 의해 좌우된다. 본 논문은 상향링크(UL)와 하향링크(DL) 통신을 모두 고려하여 지상-위성 네트워크를 위한 효율적인 통합 액세스 및 백홀(IAB) 아키텍처를 제안한다. 우리는 이들의 공동 운용을 위한 새로운 최적화 프레임워크를 개발함으로써 지상 액세스 네트워크와 위성 백홀 네트워크를 통합하고자 한다. 특히, 고 스펙트럼 효율을 위해 인밴드 액세스-백홀 전송을 고려하며, 이는 자가 간섭과 액세스 링크 및 백홀 링크 간의 간섭을 모두 방지하기 위해 역방향 시간분할 듀플렉싱(reverse time division duplexing)을 사용한다. 또한 차폐(blockage) 효과 및 심각한 경로손실(severe pathloss)과 같은 가혹한 전파 조건을 극복하기 위해 gNodeB 간 협력을 고려한다. 본 논문은 인밴드 IAB의 UL-DL 레이트 영역(rate region)을 최대화하기 위해 협력 빔포밍(cooperative beamforming)과 자원 할당(resource allocation)의 공동 최적화를 위한 프레임워크를 개발한다. 제안된 아키텍처는 3세대 파트너십 프로젝트(3rd Generation Partnership Project, 3GPP) 채널 모델을 사용하여 검증한다. 수치 결과는 제안된 아키텍처가 기존의 아웃오브밴드(out-of-band) 백홀링보다 현저히 우수함과 동시에 UL-DL 레이트 영역의 외부 한계(outer bound)에 근접함을 보여준다.

재구성 가능 지능형 표면(Reconfigurable intelligent surface, RIS)은 희소 밀리미터파(mmWave) 채널에서 공간 자유도(spatial degrees-of-freedom)를 증가시키는 유망한 기술이다. 그러나 다수 노드가 포함된 RIS 보조 mmWave 네트워크에서는 노드-연합(node-association)과 빔포밍(beamforming, BF)의 최적화가 큰 채널 학습 오버헤드를 요구할 수 있다. 본 논문에서는 2단계 설계를 기반으로, 낮은 오버헤드에서 가중 합 전송률(weighted sum rate)을 최대화하기 위한 공동 노드-연합 및 협력적 BF 방식을 제안한다. 첫 번째 단계에서는 노드-연합, 아날로그 능동 BF(analog active BF), 그리고 패시브 BF(passive BF)를 결정하기 위해 느리게 변하는 채널 정보만을 사용한다. 두 번째 단계에서는 기저대역 BF(baseband BF)와 전력 할당(power allocation)을 축소된 차원의 유효 채널 정보(effective channel information)만을 사용하여 설계한다. 제안된 방식은 벤치마크 방식보다 성능이 우수하며, 노드 수의 증가에도 확장 가능함을 보인다.

밀리미터파(mmWave) MMWAVEinit 주파수에서의 통합 로컬라이제이션 및 통신(ILC)은 B5G(5G beyond) 네트워크에서 정확한 위치 정보 제공과 고속 데이터 전송을 가능하게 하는 핵심 요소가 될 것이다. 본 논문은 위치 보조 통신을 위한 전송 프레임 구조와 소프트 정보(SI) 기반 로컬라이제이션 알고리즘을 제안한다. B5G 규격에 따라, 다중입출력(MIMO)-직교 주파수분할다중화(OFDM) 네트워크를 고려한다. 또한 이론적 한계를 도출하여 성능 벤치마크로서의 역할과 알고리즘 설계의 입력으로서의 역할을 모두 수행하도록 한다. 제안 방법은 향상된 로컬라이제이션 정확도와 동시에 향상된 통신 전송률을 제공하는 협력적 ILC를 가능하게 한다. 특히, mmWave MMWAVEinit 주파수에서의 위치 보조 통신을 무선 환경의 통계적 특성을 반영하여 탐구한다. 로컬라이제이션 정확도와 통신 전송률은 3세대 파트너십 프로젝트(3GPP) 네트워크 시나리오에서 정량화한다. 그 결과, SI 기반 로컬라이제이션 알고리즘은 데시미터 수준의 정확도를 달성하며 이론적 한계에 근접함을 보였다. 또한 위치 보조 통신은 특히 고이동성 시나리오에서, 기존 기법에 비해 오버헤드를 줄이면서도 더 높은 통신 전송률을 제공할 수 있다.

네트워크-투명 반복기(NTRs)는 셀룰러 커버리지를 확장하지만 보정되지 않은 시간 및 각도 편향을 도입하여 위치추정 성능을 저하시킨다. 본 서한에서는 등가 피셔 정보 행렬(Equivalent Fisher information matrix, EFIM)을 통해 NTR로 인한 편향이 시간 및 각 기반 위치추정에 미치는 영향을 모델링하고 분석하는 통합된 틀을 제시한다. 우리는 Cramér–Rao 하한(Cramér–Rao lower bounds, CRLBs) 및 몬테카를로 시뮬레이션을 통해 그 영향을 정량화한다. 그 결과, NTR은 위치추정 정확도를 유의미하게 저하시키는 것으로 나타났으며, 차세대 위치추정 시스템에서 NTR로 인한 편향에 대한 명시적 보정의 필요성을 강조한다.

통합 지상-위성 네트워크(Integrated terrestrial-satellite networks, ITSNs)는 차세대 네트워크를 위한 전 지구적이고 어디서나 가능한 연결성을 제공하는 데 필수적인 역할을 한다. ITSN의 스펙트럼 효율은 통합 구조와 간섭 관리 및 자원 할당을 포함한 운영 전략에 의해 좌우된다. 본 논문은 상향링크(UL)와 하향링크(DL) 통신을 모두 고려하여 지상-위성 네트워크를 위한 효율적인 통합 액세스 및 백홀(IAB) 아키텍처를 제안한다. 우리는 이들의 공동 운용을 위한 새로운 최적화 프레임워크를 개발함으로써 지상 액세스 네트워크와 위성 백홀 네트워크를 통합하고자 한다. 특히, 고 스펙트럼 효율을 위해 인밴드 액세스-백홀 전송을 고려하며, 이는 자가 간섭과 액세스 링크 및 백홀 링크 간의 간섭을 모두 방지하기 위해 역방향 시간분할 듀플렉싱(reverse time division duplexing)을 사용한다. 또한 차폐(blockage) 효과 및 심각한 경로손실(severe pathloss)과 같은 가혹한 전파 조건을 극복하기 위해 gNodeB 간 협력을 고려한다. 본 논문은 인밴드 IAB의 UL-DL 레이트 영역(rate region)을 최대화하기 위해 협력 빔포밍(cooperative beamforming)과 자원 할당(resource allocation)의 공동 최적화를 위한 프레임워크를 개발한다. 제안된 아키텍처는 3세대 파트너십 프로젝트(3rd Generation Partnership Project, 3GPP) 채널 모델을 사용하여 검증한다. 수치 결과는 제안된 아키텍처가 기존의 아웃오브밴드(out-of-band) 백홀링보다 현저히 우수함과 동시에 UL-DL 레이트 영역의 외부 한계(outer bound)에 근접함을 보여준다.

밀리미터파(mmWave) MMWAVEinit 주파수에서의 통합 로컬라이제이션 및 통신(ILC)은 B5G(5G beyond) 네트워크에서 정확한 위치 정보 제공과 고속 데이터 전송을 가능하게 하는 핵심 요소가 될 것이다. 본 논문은 위치 보조 통신을 위한 전송 프레임 구조와 소프트 정보(SI) 기반 로컬라이제이션 알고리즘을 제안한다. B5G 규격에 따라, 다중입출력(MIMO)-직교 주파수분할다중화(OFDM) 네트워크를 고려한다. 또한 이론적 한계를 도출하여 성능 벤치마크로서의 역할과 알고리즘 설계의 입력으로서의 역할을 모두 수행하도록 한다. 제안 방법은 향상된 로컬라이제이션 정확도와 동시에 향상된 통신 전송률을 제공하는 협력적 ILC를 가능하게 한다. 특히, mmWave MMWAVEinit 주파수에서의 위치 보조 통신을 무선 환경의 통계적 특성을 반영하여 탐구한다. 로컬라이제이션 정확도와 통신 전송률은 3세대 파트너십 프로젝트(3GPP) 네트워크 시나리오에서 정량화한다. 그 결과, SI 기반 로컬라이제이션 알고리즘은 데시미터 수준의 정확도를 달성하며 이론적 한계에 근접함을 보였다. 또한 위치 보조 통신은 특히 고이동성 시나리오에서, 기존 기법에 비해 오버헤드를 줄이면서도 더 높은 통신 전송률을 제공할 수 있다.

재구성 가능 지능형 표면(Reconfigurable intelligent surface, RIS)은 희소 밀리미터파(mmWave) 채널에서 공간 자유도(spatial degrees-of-freedom)를 증가시키는 유망한 기술이다. 그러나 다수 노드가 포함된 RIS 보조 mmWave 네트워크에서는 노드-연합(node-association)과 빔포밍(beamforming, BF)의 최적화가 큰 채널 학습 오버헤드를 요구할 수 있다. 본 논문에서는 2단계 설계를 기반으로, 낮은 오버헤드에서 가중 합 전송률(weighted sum rate)을 최대화하기 위한 공동 노드-연합 및 협력적 BF 방식을 제안한다. 첫 번째 단계에서는 노드-연합, 아날로그 능동 BF(analog active BF), 그리고 패시브 BF(passive BF)를 결정하기 위해 느리게 변하는 채널 정보만을 사용한다. 두 번째 단계에서는 기저대역 BF(baseband BF)와 전력 할당(power allocation)을 축소된 차원의 유효 채널 정보(effective channel information)만을 사용하여 설계한다. 제안된 방식은 벤치마크 방식보다 성능이 우수하며, 노드 수의 증가에도 확장 가능함을 보인다.

이 서한에서 저자들은 시간 선택적 레일리 페이딩 채널에서 알라무티 공간-시간 블록 코딩(Alamouti space‐time block coding, STBC)의 보안 성능을 두 가지 서로 다른 선형 검출 전략(선형 최대우도, linear maximum likelihood(LML) 및 영강제, zero‐forcing(ZF))으로 연구한다. 구체적으로, 합법적 수신기와 도청자가 각각 LML 및 ZF 검출기를 채택하는 경우의 일반적인 시간 상관 관계에 대해 접속(outage) 및 비밀(secrecy) 아웃티지 확률을 먼저 도출한다. 이어서 합법적 수신기와 도청기에서의 LML과 ZF 검출기의 다양한 조합에 대한 비밀 전송률을 도출한다. 또한 저자들은 코드워드 전송률과 비밀 전송률의 최적 제어가 비밀 전송률을 극대화할 수 있음을 확인하였다.

피셔 정보 행렬(Fisher information matrices, FIMs)은 네트워크 위치추정에서의 성능 한계를 규명하는 데 사용되어 왔다. 그러나 네트워크 위치추정에서 FIM이 제시하는 성능 한계가, 가능도( likelihood )의 비명확성이 존재하는 경우에 점근적으로 달성될 수 있는지 여부는 불명확하다. 실제로 이러한 경우는, 네트워크가 네트워크의 전력 효율을 최대화하는 지침에 따라 설계될 때 가능도 비명확성이 자주 발생하므로 중요하다. 본 서신에서는 가능도 비명확성이 존재하더라도, 전력 배분 전략과 위치 추정기를 공동 설계함으로써 FIM을 점근적으로 달성할 수 있음을 증명한다. 본 서신의 결과는 FIM에 대한 이해를 심화하고, 네트워크 위치추정을 위한 설계 지침을 제공한다.

무선 셀프리(cell-free) 다중입력다중출력(MIMO)은 확장 가능한 차세대 셀룰러 네트워크를 가능하게 할 것으로 기대된다. 이를 위해 사용자 연합(user association), 데이터 스트림 할당, 빔포밍(BF)을 포함하여 셀프리 MIMO 링크 구성(link configuration)을 최적화하는 것이 중요하다. 그러나 링크 구성 최적화의 확장성은 기지국(BS)과 사용자 장비(UE)의 수가 증가함에 따라 신호 전달 및 연산 비용이 커지면서 크게 제약된다. 이러한 확장성 문제를 해결하기 위해 본 논문은 채널 상태 정보(CSI) 교환에 필요한 신호 전달 오버헤드를 최소화하기 위해 간섭 근사(interference approximation)를 활용하는 분산형 다중 에이전트 심층 강화학습(MADRL) 기반 셀프리 MIMO 링크 구성 프레임워크를 제안한다. 제안한 프레임워크는 원래의 총 전송률(sum rate) 최대화 문제를 BS별 과제로 분해함으로써 분산형 MADRL에 적합한 해 탐색 공간을 축소한다. 시뮬레이션 결과는 제안 방법이 BS와 UE의 수가 증가할 때 총 전송률이 증가함에 따라 확장성을 달성함을 보여준다.

본 논문은 자율주행 차량 내비게이션 시스템에서 위치추정(localization)과 경로추종(path-tracking) 성능 간의 상호작용을 평가하기 위한 통합적 접근을 제시한다. 운동 및 측정 모델의 확률적 불확실성을 고려하여 위치추정을 위한 확장 칼만 필터(extended Kalman filter, EKF)를 설계하고, 조향 제어에는 순수추종(pure pursuit) 방법을 적용한다. 우리는 랜드마크의 개수와 잡음 공분산 설정을 다양하게 하면서, 위치추정 정확도가 경로추종 성능에 미치는 영향을 광범위한 시뮬레이션을 통해 분석한다. 그 결과는 경로추종을 향상시키는 데 있어 정확한 위치추정의 핵심적 역할을 강조하며, 견고한 자율주행 내비게이션 시스템을 설계하는 데 유용한 통찰을 제공한다.

본 논문은 이기종 작업자 노드를 갖는 무선 코딩 기반 분산 컴퓨팅 시스템을 위한 Q-러닝 기반 작업 할당(task allocation) 접근법을 제안한다. 이러한 시스템에서의 작업 할당은 연산 및 통신 능력의 이기종성으로 인해 어려우며, 그 결과 노드 전반에 걸친 처리 시간의 분포가 동일하지 않고(independently) 독립적으로 분포하지 않게 된다. 작업 할당 문제를 마코프 결정 과정(Markov decision process)으로 모델링하고 Q-러닝을 적용함으로써, 마스터 노드는 노드 이기종성에 적응하면서 평균 처리 시간을 최소화하도록 작업을 효과적으로 할당하는 방법을 학습한다. 본 접근법은 이기종 환경에서 분산 컴퓨팅을 최적화하기 위해 강화학습(reinforcement learning)이 지닐 수 있는 잠재력을 보여준다.