FDMA 기반 광역 Ambient-IoT 네트워크를 위한 신경망 비트 복구

Ambient-IoT는 낮은 구축 비용과 넓은 커버리지 덕분에 자산 재고 관리용 대규모 IoT 기술로 주목받고 있다. 그러나 수동형 태그의 낮은 성능 때문에 연결 대상이 수천 개로 늘어나면 충돌과 비트 오류가 동시에 증가하는 ‘성능 절벽’이 발생한다.

기존 Slotted ALOHA 방식에서는 여러 태그가 같은 시간 슬롯을 선택하면 신호가 충돌한다. 충돌이 없더라도 FEC가 없는 태그는 열악한 backscatter 채널에서 비트 오류가 발생하며, BER이 10^-2일 경우 256비트 ID가 성공적으로 수신될 확률은 약 7%에 그친다.

이를 해결하기 위해 삼성은 Miller Code 기반 subcarrier FDMA를 적용했다. 태그가 서로 다른 Miller code를 사용하면 신호가 주파수 영역에서 분리되며, 태그는 시간 슬롯뿐 아니라 Miller code도 무작위로 선택해 1차원 경쟁 공간을 2차원으로 확장한다.

• 1-Miller, 4-Miller, 8-Miller, 16-Miller 신호가 서로 다른 주파수 대역을 사용한다.
• 사용 가능한 Miller code가 4개라면 필요한 inventory 시간 슬롯을 75% 줄일 수 있다.
• 1만4,000개 태그를 처리할 때 4만6,000개가 넘는 시간 슬롯이 필요했던 병목을 완화한다.

두 번째로 **Discrete Hopfield Neural Network(DHNN)**를 기지국에 적용해 손상된 ID를 복구한다. 기지국이 유효한 Asset ID 데이터베이스를 이미 보유하고 있다는 점을 활용해, 오류가 섞인 수신 ID를 통신 오류가 아닌 패턴 인식 문제로 처리한다.

DHNN은 서로 완전히 연결된 뉴런으로 구성된 recurrent 네트워크다. 손상된 ID를 초기 상태로 입력한 뒤 뉴런 상태를 반복 갱신하고, 네트워크가 저장된 유효 ID 패턴 중 가장 가까운 상태로 수렴하도록 해 비트를 복구한다.