리서치: 이동통신에서의 AI

뉴럴 리시버(Neural Receiver)는 모바일 라디오에서 더욱 안정적인 데이터 전송을 보장합니다. NVIDIA는 로데슈바르즈와 함께 테스트 셋업을 개발하고 있습니다.

3월 27, 2025

무선 전송은 항상 간섭의 영향을 받습니다. 오늘날의 이동통신은 이를 보완하기 위해 채널 추정과 등화를 사용합니다. 송신기는 실제 데이터 스트림과 함께 수신 측에 알려진 파일럿 신호를 추가로 전송합니다. 파일럿 신호가 수신 측에 도달했을 때 왜곡이 감지되면 디지털 신호 필터가 이를 보정합니다. 강력한 신호 처리 알고리즘이 파일럿 신호의 왜곡 정도를 기반으로 올바른 필터 매개변수를 계산합니다.

이러한 간섭 억제 방식은 이동통신에서 일반적으로 발생하는 다양한 조건을 고려합니다. 시골에서 자전거를 타는 사람이 보낸 무선 전송에서의 간섭은 사람이 많은 보행자 구역이나 달리는 기차에서 발생하는 간섭과 다릅니다.

인공지능의 역할

모바일 기기에서 언제나 데이터 연결이 가능한 것은 현재 신호 처리 기술이 얼마나 정교한지를 보여주는 확실한 증거이지만, 한계는 여전히 존재합니다. 신호 처리 알고리즘은 표준화된 채널 프로필(실제 작동 조건을 완벽하게 반영하지 않는 모델)을 기반으로 개발되기 때문에 최적화 방법은 절대 완벽할 수 없습니다. 실제 환경 조건을 더 잘 반영하는 데이터 세트로 AI 모델을 학습시키면 채널 등화를 위해 더 효과적인 방법을 구현할 수 있으며, 그에 따라 더욱 안정적인 무선 연결과 더 높은 데이터 처리량을 제공할 수 있습니다.

이동통신의 필수 요소

그림 1은 NVIDIA가 뉴럴 리시버로 적용하고 있는 접근 방식을 보여줍니다. 수신기(RX)에서 채널 추정, 채널 등화, 디매핑을 위한 신호 처리 블록이 이 세 가지 작업을 처리할 수 있는 학습된 머신 모델로 대체되었습니다. 뉴럴 리시버는 NVIDIA에서 5G 및 6G 연구를 위해 특수 설계한 Sionna 오픈 소스 소프트웨어 라이브러리를 사용하여 개발되었습니다.

기존 송신기 셋업과 AI 기반 송신기 비교.

뉴럴 리시버(아래)에서는 학습된 머신 러닝 모델이 채널 추정, 등화, 디매핑을 처리합니다. 위에 나와 있는 기존 LMMSE(Linear Minimum Mean Squred Error, 선형 최소 평균 제곱 오차) 수신기 아키텍처에서는 결정적 소프트웨어 알고리즘이 이러한 작업을 수행합니다.

/

뉴럴 리시버를 효과적으로 학습시키는 데 필요한 컴퓨팅 성능은 여전히 매우 높으며 GPU(그래픽 처리 장치)가 필요합니다. 그러나 초기 연구 결과는 이러한 비용을 투자할 만한 가치를 입증하고 있습니다. 연구원들은 또한 AI 모델이 훨씬 적은 컴퓨팅 성능으로 학습 가능하다는 점을 예상하고 있습니다. 이제 많은 전문가들이 AI 모델이 6G 모바일 통신 신호 처리에서 필수 요소가 될 것으로 보고 있습니다.

고품질의 실제 학습 데이터가 충분히 확보될 수 있을지는 여전히 확실하지 않습니다. 시장이 성숙해짐에 따라 현장의 실제 데이터에 대한 필요성이 증가하게 됩니다. 지금까지는 시뮬레이션이나 생성된 데이터 세트에서 나온 합성 훈련 데이터가 현재 연구 단계에 충분히 적합했습니다.

성능 평가를 위한 측정 기술

로데슈바르즈는 이미 뉴럴 리시버를 위한 테스트 환경을 구축하는 데 필요한 신호 소스와 신호 분석 도구를 제공하고 있습니다. R&S®SMW200A Vector Signal Generator는 MIMO 신호 구성에서 신호를 송신하는 개별 사용자를 에뮬레이션하며 현실의 무선 채널 조건을 시뮬레이션하는 데 필요한 노이즈와 페이딩을 추가합니다. 현재 테스트 셋업의 수신기는 네 개의 병렬 수신 채널이 포함된 R&S®MSR4 Universal Satellite Receiver입니다. 이 수신기는 신호를 실시간 스트리밍 인터페이스를 통해 서버로 전달하며, 서버에서는 R&S®Vector Signal Explorer(VSE) 소프트웨어가 신호를 동기화하고 FFT(고속 푸리에 변환)을 수행합니다. 이 FFT 데이터 세트는 뉴럴 리시버의 입력으로 사용됩니다.

재구성된 데이터 블록은 품질 평가를 위해 원본 데이터와 비교합니다. 오류가 있는 데이터 블록 수를 전송된 전체 데이터 블록 수로 나눈 비율을 계산하면 BLER(Block Error Rate, 블록 오류율)이 산출됩니다.