JSCM과 변조를 활용한 CSI 피드백: 6G 실현을 위한 종합 연구

CSI(Channel State Information) 피드백은 기지국이 무선 신호의 방향과 빔포밍 방식을 결정하는 데 필요하지만, 안테나 수가 늘어날수록 전송해야 할 데이터도 증가한다. 기존 AI 오토인코더 방식은 CSI를 압축할 수 있지만 전송 중 비트 오류가 발생하면 성능이 급격히 떨어지는 클리프 효과가 나타난다.

삼성 연구진은 압축·채널 코딩·변조를 별도 단계로 처리하는 대신 하나의 AI 모델에서 통합 학습하는 **JSCM(Joint Source-Channel Coding and Modulation)**을 적용했다. 이를 통해 채널 상태가 나빠질 때도 CSI 복원 성능이 점진적으로 저하되도록 하고, 실제 하드웨어와 환경에서 구현 가능성을 검증했다.

연구진은 실용화를 위해 다음 네 가지 문제를 해결했다.

• 실제 무선 환경 대응: 잔류 페이딩, RF 하드웨어 결함, 각종 왜곡을 학습 과정에 반영하고, 기존 5G 프로토콜 스택과 호환되도록 PUCCH 구조를 재설계했다.
• 가변 자원 할당: CSI 정보를 우선순위 계층으로 구성해, 자원이 부족할 때 중요한 정보부터 전송하도록 했다. 하나의 모델로 다양한 피드백 자원 크기를 처리할 수 있다.
• PAPR 문제 완화: AI가 학습한 Gaussian 형태의 신호는 높은 Peak-to-Average Power Ratio를 유발할 수 있다. 제안한 annular-Gaussian 변조 셰이핑은 Gaussian 분포와 일정한 전력의 링 형태 사이를 조절해 정확도와 증폭기 부담 사이의 균형을 맞춘다.
• CQI 산출: 단말이 압축 표현에 합성 잡음을 추가하고 기지국 디코더를 자체 실행해, 기지국에서 복원될 CSI 품질을 추정하도록 했다. 이를 바탕으로 적절한 **CQI(Channel Quality Indicator)**를 계산할 수 있다.

연구진은 JSCM의 실현 가능성을 확인하기 위해 하드웨어 PoC 테스트베드를 구축하고 실제 환경 검증을 진행했다.