차세대 재구성 가능 안테나 및 유체 안테나 기술의 최근 발전은 유리한 채널 조건을 촉진하기 위한 목적으로, 편파 재구성(PR) 채널에 대한 주목을 크게 이끌며 무선 시스템에 영향을 주었다. 우리는 PR 안테나의 이점을 대규모 다중입출력(massive multiple-input-multiple-output, MIMO) 시스템에 이러한 기술을 통합함으로써 활용한다. 특히, 양쪽 송수신기에서 편파 및 빔포밍 벡터를 동시에 설계하여 채널 재구성과 빔 정렬을 함께 수행함으로써 빔포밍 이득을 현저히 향상시키는 것을 목표로 한다. 그러나 채널 상태 정보(CSI) 없이 편파 및 빔포밍 벡터에 대한 공동 최적화를 수행하는 일은 어려운 과제이다. 이는 탈편파(depolarization)가 채널 차원을 증가시키는 반면, 대규모 MIMO 시스템은 일반적으로 제한된 무선주파수(RF) 체인으로부터 얻는 저차원 파일럿 측정값을 사용하기 때문이다. 그 결과, 송수신기는 고차원 채널에 대해 저차원 측정만 관찰할 수 있으므로 파일럿 오버헤드가 발생한다. 본 논문은 이러한 시스템에서 파일럿 오버헤드를 줄이기 위해, 수신된 파일럿이 누적된 순서를 기반으로 파일럿 단계와 전송 단계에서 각각 편파 및 빔포밍 벡터를 능동적으로 설계하기 위해 양쪽 송수신기에서 \\emph{interpretable transformer} 기반의 딥러닝 프레임워크를 활용하는 방안을 제안한다. 수치 실험 결과, 제안한 프레임워크가 기존의 비적응 및 능동 데이터 기반 방법들에 비해 유의미한 성능 향상을 보임이 입증된다. 또한, 제안한 프레임워크의 해석 가능성을 활용하여 모델의 학습 능력을 분석한다.

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