서론

연구 배경

5G MIMO 네트워크에서는 사용자 밀집, 이동성, 이기종 트래픽이 동시에 발생하며, 동일한 시간 구간 안에서도 셀별 부하와 채널 환경이 크게 달라질 수 있다. 이러한 상황에서는 단순한 전송 자원 할당만으로 처리량과 네트워크 안정성을 함께 유지하기 어렵다.

RSMA는 간섭 환경에 유연하게 대응할 수 있는 전송 방식으로 주목받고 있지만, 실제 운용 환경에서는 물리 계층의 성능만 개선한다고 충분하지 않다. 사용자 재접속, 핸드오버 실패, 특정 셀로의 부하 집중까지 함께 다뤄야 하므로, 전송 제어와 네트워크 제어를 통합적으로 고려하는 접근이 필요하다.

연구 목적

본 연구의 목적은 다중 셀 MIMO 환경에서 RSMA 전송 구조와 CIO 기반 부하 분산을 함께 제어하여, 처리량과 공정성 그리고 연결 안정성을 동시에 개선하는 것이다. 이를 위해 물리 계층과 네트워크 계층의 제어 변수를 분리해서 다루는 대신, 하나의 공동 최적화 문제로 묶어 학습 기반으로 해결하고자 했다.

• 사용자 수가 많은 환경에서도 적용 가능한 저복잡도 사용자 선택 기반 RSMA 구조를 도입한다.
• RSMA 분할 비율과 CIO를 하나의 공동 행동 공간으로 구성해 교차 계층 제어 문제로 정식화한다.
• 강화학습 기반으로 시변 네트워크 환경에 적응하는 제어 정책을 학습해 실시간 운용 가능성을 확인한다.

연구의 기여점

• 공통 스트림 복호 부담과 계산 복잡도를 줄이기 위해 사용자 선택 기반의 저복잡도 RSMA 전송 구조를 제안한다.
• RSMA 분할 비율과 CIO를 결합한 멀티 타임스케일 교차 계층 공동 제어 모델을 구성한다.
• 모델 기반 강화학습인 TD-MPC2를 적용해 빠른 수렴성과 안정적인 정책 학습 가능성을 보여준다.
• 처리량, 부하 분산, 핸드오버 실패 측면에서 기존 비교 기법 대비 일관된 성능 개선을 확인한다.