다중 입출력 무선통신 시스템에서 신호 검출 장치 및 방법 document_id A220623057565

최근, 무선 이동통신 시장의 급성장으로 인하여 무선 환경에서의 다양한 멀티미디어 서비스가 요구되고 있으며, 특히, 전송 데이터의 대용량화 및 데이터 전송의 고속화가 진행되고 있다. 따라서, 한정된 무선 자원을 효율적으로 사용할 수 있는 방법을 찾는 것이 가장 시급한 과제로 떠오르고 있다. 상기 과제를 해결하기 위하여 다중 안테나를 이용한 새로운 전송 기술이 필요하게 되었으며, 그 일 예로서 다중 안테나를 이용한 MIMO 기술이 고려되고 있다. 상기 MIMO 기술은 송수신단 각각 다중 안테나를 사용하는 기술로, 단일 안테나를 사용하는 시스템에 비해 추가적인 주파수나 송신 전력 할당 없이도 채널 전송 용량을 안테나 수에 비례하여 증가시킬 수 있어 최근 활발한 주목되는 통신 기술이다. 상기 MIMO 기술은 크게 송수신 안테나 쌍(Pair) 개수의 곱에 해당하는 다이버시티(Diversity) 이득을 얻어 전송 신뢰도를 향상시키는 공간 다이버시티(Spatial Diversity) 방식, 동시에 다수의 신호열을 전송하여 전송률을 높이는 공간 다중화 방식, 공간 다이버시티와 공간 다중화를 결합한 방식으로 나누어진다. 상기 공간 다중화 방식을 사용하는 경우, 송신단은 다수의 송신 안테나들 각각을 통해 서로 다른 정보를 동시에 전송하기 때문에, 고속 데이터 전송을 할 수 있다. 이때, 다수의 송신 안테나들을 이용하여 서로 다른 신호들을 동시에 전송하기 때문에, 수신단의 각 수신 안테나에는 모든 송신신호가 합해진 신호가 수신된다. 따라서, 상기 수신단은 각 안테나별로 다중화된 신호를 분리하는 작업을 수행해야 한다. 공간 다중화 방식을 사용하는 시스템의 수신단에서 각 안테나별 신호를 검출하는 기법의 예로 ZF(Zero-Forcing), MMSE(Minimum Mean Square Error), OSIC(Order Successive Interference Cancellation) 등이 있다. 선형 신호 검출 기법인 상기 ZF, 상기 MMSE는 연산 복잡도가 크지 않아 비교적 간단한 구조로 구현이 가능하지만, 우수한 성능을 갖지 않는다. 그리고, 미리 정해진 검출 순서에 따라 순차적으로 검출된 신호를 수신신호에 제거해서 신호를 검출하는 상기 OSIC 기법은 선형 신호 검출 기법에 비해 연산 복잡도가 크지만, 선형 신호검출 기법에 비하여 우수한 성능을 보인다. 그러나, 상기 OSIC 기법도 가장 최적의 성능을 보이는 ML 기법과 비교하면 상대적으로 낮은 성능을 갖는다. 상기 ML 기법은 송신가능한 신호벡터들을 모두 고려하는 기법으로, 수신신호와 최소 자승 유클리디안(Euclidean) 거리를 가지는 신호벡터를 선택하는 기법이다. 상기 ML 기법은 최적의 방식으로써, 다른 방식들에 대한 성능 비교의 기준이 된다. 그러나, 송신 안테나 수와 변조 차수가 높아짐에 따라 연산 복잡도가 지수적으로 증가하므로, 실제 시스템에 적용하기가 어려운 문제점이 있다. 또한, 신호 검출 기법으로 스피어 디코딩(Sphere Decoding)이 있는데, 상기 스피어 디코딩 기법은 상기 ML 기법과 동일한 성능 보인다. 하지만, 초기 구(Sphere)의 반경을 구하기 어렵고, 최악의 상황에서 요구되는 연산량이 매우 높기 때문에 구현이 어렵다. 또 다른 기법인 QRD-M(QR Decompositon-M) 기법은 후보군 개수에 의해 성능 차이가 심하게 나타나는 문제점이 있다. 상기 QRD-M 기법은 충분한 후보군 개수를 가질 경우 ML 기법과 거의 동일한 성능을 보이지만, 후보군 개수가 적을 경우 성능의 저하가 크게 나타난다. 또한, 후보군의 개수가 많을수록 연산복잡도가 커지는 문제점이 있다. 상기 공간 다중화 방식의 수신기에서는 채널 복호기(Decoder)로 부호화된 비트의 경판정(Hard Decision) 값을 전달하는 대신 연판정(Soft Decision) 값을 전달하여 복호(Decoding)하는 것이 성능면에서 우수하다고 알려져 있다. 여기서, 상기 복호기의 입력 연판정 값은 채널 상으로 전송된 변조 심벌의 추정값으로, 로그 우도율(log Likelihood Ratio, 이하 'LLR'이라 칭함) 값을 사용한다. 따라서, 상기 공간 다중화 방식의 수신기는 낮은 복잡도의 수신 알고리즘은 물론 해당 수신 알고리즘으로부터 최적의 LLR을 산출하는 알고리즘이 필요하다. 일반적으로, 선형 신호검출 기법인 상기 ZF 기법, 상기 MMSE 기법과 비선형 신호검출 기법인 상기 OSIC 기법의 경우, LLR을 산출하기 위하여 자승 유클리디안 거리를 산출하는 연산이 필요하다. 또한, 상기 스피어 디코딩(Sphere decoding) 기법의 경우에는 충분한 성능 향상을 얻기 위해서 검출 신호의 후보군이 많아야 하고, 상기 후보군의 자승 유클리디안 거리를 모두 구해야 하므로 연산 복잡도가 크다. 그리고, 상기 QRD-M 기법은 LLR을 산출하기 위해 각 비트에 대해서 구해야 할 0일 확률과 1일 확률 중 후보군에 해당 비트가 존재하지 않아 구하지 못하는 확률 값이 생기는 문제점을 가진다. 이상 살펴본 바와 같이, 공간 다중화 방식을 위해 제안된 신호 검출 기법들은 다양한 문제점을 가진다. 따라서, 기존의 최적 성능을 가지는 ML 기법과 거의 유사한 성능을 보이면서 연산 복잡도를 낮추고, 복호기의 연판정을 위한 LLR을 효율적으로 생성하기 위한 대안이 요구된다.