주변(ambient) 백스캐터 통신은 초저전력 무선 시스템을 위한 유망한 패러다임으로 부상하고 있다. 다양한 IoT 응용을 지원하기 위해, 백스캐터 통신은 높은 업링크 처리율을 제공하면서도 초저전력 소비를 유지하고, 별도의 인프라 없이 기존 Wi-Fi 신호를 재사용할 수 있어야 한다. 그러나 기존 Wi-Fi 신호 위에서 고처리율 백스캐터를 달성하는 일은, 주변 신호가 급격히 변동함에 따라 백스캐터 신호가 왜곡되며 그 결과 디코딩 신뢰도가 심각하게 저하되고 처리율이 제한되기 때문에 여전히 어렵다. 코드워드 번역(codeword translation) 및 샘플별(per-sample) 인코딩과 같은 기존 접근법은 단일 캐리어 변조와 듀얼 수신기(dual receivers) 또는 전이중(풀-듀플렉스, full-duplex) 수신기와 같은 추가 하드웨어의 필요성으로 인해, 특히 이러한 요구사항들을 모두 충족하지 못한다. 본 논문에서는 이러한 문제를 해결하기 위해 초저전력 장치(ULPD)가 멀티캐리어 변조(multi-carrier modulation)를 이용해 데이터를 변조하고 주변 Wi-Fi 신호를 반사하여 데이터를 전송하는 MCScatter를 제안한다. 주변 신호 변동으로 인한 왜곡을 완화하기 위해, MCScatter는 무선 전파 효과와 변동성을 모두 포착하는 유효 채널(effective channel)을 추정하고 이에 따라 수신 신호를 등화(equalize)한다. 처리율을 향상시키기 위해 MCScatter는 두 가지 메커니즘을 통합한다. 첫째, 부반송파(subcarrier) 간 서로 다른 변조 방식을 선택하는 주파수 인지 적응 변조(Frequency-aware Adaptive Modulation, FAM)이다. 둘째, Wi-Fi 신호의 순환 접두부(Cyclic Prefix, CP)에 내장된 ULPD 데이터를 안정적으로 디코딩할 수 있게 해주는 최대우도추정(Maximum Likelihood Estimation, MLE)이다. 우리가 아는 한, MCScatter는 OFDM 기반 ULPD 변조와 주변 Wi-Fi 신호의 실용적 재사용을 함께 실현한 최초의 설계이다. 시스템 동작을 해석적으로 규명하기 위해, MCScatter에 대한 해석적 비트오류율(bit error rate, BER) 모델을 개발한다. 평가 결과는 MCScatter가 BER과 처리율 양 측면에서 벤치마크 대비 유의하게 우수함을 보여준다.

Wi-Fi 백스캐터 통신의 처리량 성능과 신뢰성을 향상시키기 위해, 반복 부호와 투표를 사용하여 반복된 비트들로부터 최종 복호 비트를 얻는 비연속적(nonsequential) 링크 적응(link adaptation) 방식을 개발한다. 제한된 전송 결과로부터 채널 상태를 추정하는 문제를 해결하기 위해, 하나의 코딩 방식의 패킷 성공률을 가상적인 독립적이고 동일하게 분포된(bit errors) 비트 오류를 통해 다른 코딩 방식의 패킷 성공률로 변환한다. 서로 다른 반복 부호에 대해 기대 처리량이 동일해지는 경우에 해당하는 패킷 성공률도 유사하게 도출하여 이를 코드 선택 임계값으로 사용한다. 제안한 방식을 시제품으로 구현하고, 상용 Wi-Fi 수신기를 포함하는 테스트베드 실험을 통해 반복 부호를 이용한 링크 적응의 효과와 벤치마크 방식 대비 제안 방식의 처리량 향상을 입증한다.

가정 내 사물인터넷(IoT) 응용을 위한 배터리 없는 원격 제어기와 이에 대응하는 수신기 시스템을 제안한다. 사용자 보드는 사용자의 클릭 패턴에 따라 캐리어 신호를 백산란(backscatter)한다. 백산란된 신호는 저가형 무선주파수(RF) 수신기로 수신하며, 수신기 알고리즘이 패턴을 검출하고 이에 해당하는 사용자 명령을 식별한다. 테스트베드 평가 결과, 최대 3 m 거리에서 100%의 정확도를 보였다.

주변(ambient) 백스캐터 통신은 초저전력 무선 시스템을 위한 유망한 패러다임으로 부상하고 있다. 다양한 IoT 응용을 지원하기 위해, 백스캐터 통신은 높은 업링크 처리율을 제공하면서도 초저전력 소비를 유지하고, 별도의 인프라 없이 기존 Wi-Fi 신호를 재사용할 수 있어야 한다. 그러나 기존 Wi-Fi 신호 위에서 고처리율 백스캐터를 달성하는 일은, 주변 신호가 급격히 변동함에 따라 백스캐터 신호가 왜곡되며 그 결과 디코딩 신뢰도가 심각하게 저하되고 처리율이 제한되기 때문에 여전히 어렵다. 코드워드 번역(codeword translation) 및 샘플별(per-sample) 인코딩과 같은 기존 접근법은 단일 캐리어 변조와 듀얼 수신기(dual receivers) 또는 전이중(풀-듀플렉스, full-duplex) 수신기와 같은 추가 하드웨어의 필요성으로 인해, 특히 이러한 요구사항들을 모두 충족하지 못한다. 본 논문에서는 이러한 문제를 해결하기 위해 초저전력 장치(ULPD)가 멀티캐리어 변조(multi-carrier modulation)를 이용해 데이터를 변조하고 주변 Wi-Fi 신호를 반사하여 데이터를 전송하는 MCScatter를 제안한다. 주변 신호 변동으로 인한 왜곡을 완화하기 위해, MCScatter는 무선 전파 효과와 변동성을 모두 포착하는 유효 채널(effective channel)을 추정하고 이에 따라 수신 신호를 등화(equalize)한다. 처리율을 향상시키기 위해 MCScatter는 두 가지 메커니즘을 통합한다. 첫째, 부반송파(subcarrier) 간 서로 다른 변조 방식을 선택하는 주파수 인지 적응 변조(Frequency-aware Adaptive Modulation, FAM)이다. 둘째, Wi-Fi 신호의 순환 접두부(Cyclic Prefix, CP)에 내장된 ULPD 데이터를 안정적으로 디코딩할 수 있게 해주는 최대우도추정(Maximum Likelihood Estimation, MLE)이다. 우리가 아는 한, MCScatter는 OFDM 기반 ULPD 변조와 주변 Wi-Fi 신호의 실용적 재사용을 함께 실현한 최초의 설계이다. 시스템 동작을 해석적으로 규명하기 위해, MCScatter에 대한 해석적 비트오류율(bit error rate, BER) 모델을 개발한다. 평가 결과는 MCScatter가 BER과 처리율 양 측면에서 벤치마크 대비 유의하게 우수함을 보여준다.

Wi-Fi 백스캐터 통신의 처리량 성능과 신뢰성을 향상시키기 위해, 반복 부호와 투표를 사용하여 반복된 비트들로부터 최종 복호 비트를 얻는 비연속적(nonsequential) 링크 적응(link adaptation) 방식을 개발한다. 제한된 전송 결과로부터 채널 상태를 추정하는 문제를 해결하기 위해, 하나의 코딩 방식의 패킷 성공률을 가상적인 독립적이고 동일하게 분포된(bit errors) 비트 오류를 통해 다른 코딩 방식의 패킷 성공률로 변환한다. 서로 다른 반복 부호에 대해 기대 처리량이 동일해지는 경우에 해당하는 패킷 성공률도 유사하게 도출하여 이를 코드 선택 임계값으로 사용한다. 제안한 방식을 시제품으로 구현하고, 상용 Wi-Fi 수신기를 포함하는 테스트베드 실험을 통해 반복 부호를 이용한 링크 적응의 효과와 벤치마크 방식 대비 제안 방식의 처리량 향상을 입증한다.

가정 내 사물인터넷(IoT) 응용을 위한 배터리 없는 원격 제어기와 이에 대응하는 수신기 시스템을 제안한다. 사용자 보드는 사용자의 클릭 패턴에 따라 캐리어 신호를 백산란(backscatter)한다. 백산란된 신호는 저가형 무선주파수(RF) 수신기로 수신하며, 수신기 알고리즘이 패턴을 검출하고 이에 해당하는 사용자 명령을 식별한다. 테스트베드 평가 결과, 최대 3 m 거리에서 100%의 정확도를 보였다.

본 논문에서는 동일한 스펙트럼을 공유하는 비직교 다중접속(non-orthogonal multiple access, NOMA) 기반 1차 네트워크(PN)와 재구성 가능 지능 표면(reconfigurable intelligent surface, RIS) 기반 2차 네트워크(SN)로 구성된 다사용자 인지 라디오 네트워크(CRN)의 공생적 운영을 위한 최적화 프레임워크를 개발한다. 이 시스템 모델에서 형성되는 공생 관계에서 RIS 장치의 PN 신호 역산란(backscattering)은 다수의 1차 수신기에 공간 다양성 이득을 제공할 뿐만 아니라, RIS 장치 자체의 데이터를 지정된 수신기로 전송하는 것도 지원한다. 먼저, 단순한 네트워크 구성을 조사함으로써 다양한 요인이 시스템 성능에 미치는 영향을 파악하고, 이에 따라 CRN 공생적 운영을 위한 무선 자원 할당의 중요성을 도출한다. 다음으로, 하드웨어 비완전성을 가진 장치의 경우를 포함하여 시스템 자원을 공동 최적화함으로써 PN과 SN의 합산 전송률(sum rate)을 최대화하는 자원 할당 프레임워크를 개발한다. 이 문제의 해석 복잡도를 줄이기 위해 이를 볼록(convex) 가중 최소 평균 제곱 오차(weighted minimum mean square error) 문제로 변환한다. PN의 최적 NOMA 전력 할당과 RIS의 반사 계수(reflection coefficients)를 찾기 위한 반복 알고리즘을 개발하고, 그 오버헤드를 분석한다. 시뮬레이션 결과는 제안한 알고리즘이 다양한 벤치마크보다 우수함을 보여준다.

엣지/클라우드 컴퓨팅 엔터티에 무거운 VR 렌더링을 오프로딩하고, 네트워크를 통해 렌더링된 VR 영상을 사용자 헤드셋으로 스트리밍하는 것은 VR 서비스의 광범위한 보급을 달성하기 위한 유망한 해결책이다. 그러나 이러한 해결책은 상당한 지연(latency)의 문제에 직면해 있다. 이러한 지연으로 인해 발생하는 검은 테두리(black borders)를 계산적으로 효율적인 방식으로 해결하기 위해, VR 스트리밍은 오버필 렌더링(OR)과 포베이티드 렌더링(FR) 둘 다를 필요로 하며, 이들은 구성 파라미터에 따라 시각적 품질과 계산 부하 사이의 트레이드오프에 크게 영향을 미친다. 본 논문에서는 지연 하에서 OR과 FR을 동시에 적용하는 VR 이미지의 시각적 품질 지표를 개발하며, 이는 오버필 계수와 포베알 레이어가 사용자가 인지하는 시각적 품질에 미치는 영향을 모델링한다. 이어서, 오버필 계수와 포베알 레이어의 크기를 공동 최적화함으로써 시각적 품질과 계산 오버헤드를 결합한 단일 목적함수를 최대화하는 심층 강화학습(DRL) 기반의 해결책을 설계한다. 대화형 VR 게임을 대상으로 한 실제 환경의 무선 VR 스트리밍 테스트베드를 사용하여 얻은 실험 결과는 제안한 해결책의 유효성을 보여준다. 벤치마크와 비교할 때, 본 솔루션은 다양한 환경 조건에 맞추어 OR 및 FR 동작을 적응적으로 조절함으로써 전체 보상(overall reward) 측면에서 더 우수한 성능을 달성한다.

본 서한에서는 상용 Wi-Fi를 위한 표준을 준수하는 액세스 포인트(AP) 조향(steering) 솔루션을 제안하며, 이를 통해 진행 중인 데이터 세션을 원활하게 조향할 수 있게 한다. 조향을 위해 AP가 방송(broadcast)하는 채널 점유율을 의존할 때 발생하는 핑퐁(ping-pong) 현상을 규명한다. 우리의 솔루션은 신호 세기와 채널 점유율을 모두 고려하는 비중단(non-disruptive) 용량 공간(capasity room) 지표를 도입하여 조향 대상 후보 AP를 평가한다. 본 솔루션의 핵심 기능은 자체 부하 추정(self-load estimation)으로, 이를 통해 정확한 채널 부하 평가가 가능해지고 핑퐁 효과를 완화한다. 제안한 솔루션을 상용 Wi-Fi AP에서 프로토타입으로 구현하고, 수정되지 않은 상용 Wi-Fi 클라이언트를 사용하여 테스트베드 실험을 수행하였다. 평가 결과, 오픈소스 솔루션을 포함한 벤치마크 기법에 비해 상당한 성능 향상을 보였으며, 최대 3.2배 더 높은 처리량(throughput)을 달성하였다.

현대 도시 통신 네트워크는 신호 전파 차폐와 같은 문제에 직면하며, 이는 동시에 송신하고 반사하는 재구성 가능 지능형 표면(STAR-RIS)을 활용함으로써 효과적으로 완화할 수 있다. 본 논문은 전체 네트워크 성능을 향상시키기 위해 복수의 STAR-RIS를 공생 라디오 프레임워크에 통합하는 방안을 탐구하며, 여기서 1차 사용자와 공유 스펙트럼 상에서 자신의 데이터를 전송하는 STAR-RIS를 모두 지원한다. 본 시스템은 동일 스펙트럼 내에서 RIS-피드백 링크를 가능하게 하면서, 기지국(BS)과 사용자 장치(UE) 간의 직접 링크를 함께 고려한다. 서로 다른 공생 자원 공유 정책에 기반한 두 개의 최적화 문제가 정식화되며, 이들은 가중 최소 평균제곱오차(WMMSE) 문제로 동치 변환된 뒤, 블록 좌표 하강(block coordinate descent) 방법으로 해결된다. 또한 최적의 BS 빔포머와 STAR-RIS의 송신 및 반사 계수를 결정하기 위해 반복적 페널티 듀얼 분해(iterative penalty dual decomposition)를 채택한다. 제안된 STAR-RIS 최적화 프레임워크의 유효성은 심층적인 평가 결과를 통해 입증된다. 본 연구의 결과는 복수의 STAR-RIS를 배치할 경우 전체 통신 성능이 크게 향상됨을 시사한다. 직접적인 BS-UE 링크는 사용자 성능을 향상시키는 반면, RIS 피드백 성능에는 부정적인 영향을 미친다. 또한 성능 경향은 선택된 공생 자원 공유 정책에 따라 달라진다.