초록 ▼

□ 연구개요
본 연구과제의 목표는 노드의 밀도가 높고 트래픽의 양이 많아지는 차세대 네트워크 환경에서 효율적인 매체접근제어 및 자원관리를 통해 높은 스펙트럼 효율성을 얻을 수 있는 알고리즘 및 프로토콜을 개발하는 것이다. 차세대 네트워크 환경은 무선랜을 중점적으로 고려하되, 이동통신망에도 적용 가능한 알고리즘을 개발하는 것이 목표이다. 동적 채널환경과 복잡한 노드 간 인터랙션 사이에서 최적의 자원 할당 및 매체접근제어를 달성하기 위하여 강화학습 등 학습에 기반한 알고리즘을 설계한다.

□ 연구 목표대비 연구결과

□ 연구개요
본 연구과제의 목표는 노드의 밀도가 높고 트래픽의 양이 많아지는 차세대 네트워크 환경에서 효율적인 매체접근제어 및 자원관리를 통해 높은 스펙트럼 효율성을 얻을 수 있는 알고리즘 및 프로토콜을 개발하는 것이다. 차세대 네트워크 환경은 무선랜을 중점적으로 고려하되, 이동통신망에도 적용 가능한 알고리즘을 개발하는 것이 목표이다. 동적 채널환경과 복잡한 노드 간 인터랙션 사이에서 최적의 자원 할당 및 매체접근제어를 달성하기 위하여 강화학습 등 학습에 기반한 알고리즘을 설계한다.

□ 연구 목표대비 연구결과
연구과제의 첫 번째 목표는 기반연구로서, 노드와 트래픽의 밀도가 높은 차세대 무선랜에서 공간 재활용을 높이기 위한 프로토콜을 설계하는 것이다. 현재 무선랜의 매체접근제어는 CSMA/CA 기반 방식으로 밀도가 높아지는 경우 성능저하가 매우 심하다. IEEE 802.11ac에서 제안된 OBSS/PD와 PSR 방식의 경우 AP에 가까운 노드를 선호하는 경향이 있어서 자원분배가 공평하지 못하고 엣지노드에 기아현상이 발생한다. 본 연구과제에서는 이러한 문제를 해결하기 위하여 중앙집중식 방법과 분산형 방법을 제안하였다. 중앙집중식 방법에서는 중앙코디네이터가 수집된 채널정보를 바탕으로 동시에 전송가능한 노드들을 그룹화하며, 분산방식에서는 각 노드가 자신의 프레임을 보호하기 위한 캐리어센스 임계값을 프리앰블에 넣어 전송한다. 두 방식 모두 기존 방식에 비해 네트워크 전송량과 공정성 측면에서 성능이 개선되었다.
연구과제의 두 번째 목표는 강화학습을 활용하여 네트워크의 성능을 향상시키는 알고리즘을 설계하는 것이다. 본 과제에서는 매체접근에 활용하는 파라미터 중 채널, 전송파워, 캐리어센스 임계값을 강화학습에 의해 결정할 수 있도록 하는 알고리즘을 개발하였다. 강화학습은 multi-armed bandit과 DQN을 활용하였으며, 완전분산 방식과 CTDE 방식을 통해 노드에 적용하였다. 강화학습을 활용하여 각 노드의 전송채널을 선택하는 연구에서는, 노드들이 서로 협력하지 않고 자신의 전송률을 높이기 위하여 채널을 선택하는 경우에도 최적의 구성으로 수렴하는 것을 확인할 수 있었다. 하지만 강화학습을 이용하여 캐리어센스 임계값이나 전송파워를 선택하는 경우에는, 각 노드가 자신의 전송률을 최적화하기 위하여 파라미터를 정하게 될 경우 AP에 가까이 위치한 노드들은 전송률이 높아지지만 엣지에 위치한 노드는 기아현상이 발생하여 자원분배의 공정성이 떨어졌다. 이를 해결하기 위해서는 CTDE 방식을 활용하여 중앙에서 공동의 목표를 지정하고, 노드들이 때로는 자신의 전송률이 떨어지는 결정을 할 수 있도록 해야 네트워크 전체적으로 최적화가 되는 것을 볼 수 있었다.
연구과제의 세 번째 목표는 제안한 알고리즘과 관련된 시뮬레이터 개발이다. 먼저 본 과제에서는 강화학습의 적용을 위하여 파이썬을 기반으로 한 네트워크 시뮬레이터를 구현하여, 강화학습 코드와 연동하여 빠르게 성능 실험을 할 수 있도록 하였다. 이를 통하여 1차 실험을 진행한 후, ns-3 시뮬레이터와의 연동을 통하여 좀 더 큰 규모의 2차 실험을 진행할 수 있도록 하였다.

□ 연구개발성과의 활용 계획 및 기대효과(연구개발결과의 중요성)
본 연구과제에서 개발한 무선랜 알고리즘 및 프로토콜은 많은 수의 AP와 유저 기기가 존재하는 환경에서 AP 간 협력을 이용하여 성능을 최적화하는 방법들이다. 무선랜 표준에서 현재 사용되고 있는 IEEE 802.11ax까지는 AP 간 협력을 지원하고 있지 않지만, 차세대 무선랜 표준인 IEEE 802.11be에서 처음으로 지원하고 있다. 따라서 본 과제의 결과를 IEEE 802.11be 또는 그 이후 표준에서 활용할 수 있도록 Wilus 표준기술연구소 등 표준화 참여 팀과 협력할 계획이다. 무선랜 차세대 로드맵에서 중요하게 여기는 기술이 머신러닝 기반 성능 최적화인데, 본 연구과제의 결과는 이러한 로드맵에 적합하며 따라서 향후 표준에 포함될 가능성이 있는 기술들이다. ns-3 시뮬레이터 모듈도 IEEE 802.11 표준단체에서 많이 사용하는 시뮬레이터이기 때문에 공신력을 갖는다. 향후 알고리즘 보완, 특허화 등을 통하여 연구개발결과가 의미있게 활용될 수 있도록 노력할 계획이다.

(출처 : 연구결과 요약문 2p)

목차 Contents

• 표지 ... 1
• 연구결과 요약문 ... 2
• 목차 ... 3
• 1. 연구개발과제의 개요 ... 4
• 2. 연구개발과제의 수행 과정 및 수행 내용 ... 6
• 2.1. G-DCF: 노드 그룹화 (node grouping)을 통한 동시 전송 향상 기술 ... 6
• 2.2. Dual-CST: 이중 CST를 이용한 분산형 공간재사용 향상 기술 ... 10
• 2.3. PSC-UL: 근접 정보(proximity information)을 이용한 업링크 공간재사용 향상 기술 ... 13
• 2.4. 강화학습을 활용한 최적 채널 선택 및 동시전송 기술 ... 14
• 3. 연구개발과제의 수행 결과 및 목표 달성 수준 ... 17
• 1) 정성적 연구개발성과 (연구개발결과) ... 17
• 2) 세부 정량적 연구개발성과 ... 17
• 3) 목표 달성 수준 ... 17
• 4) 목표 미달 시 원인 분석 ... 18
• 4. 연구개발성과의 관련 분야에 대한 기여 정도 (연구개발결과의 중요성) ... 18
• 5. 연구개발성과의 관리 및 활용 계획 ... 18
• 6. 참고문헌 ... 19
• [붙임1] 세부 정량적 연구개발성과 ... 20
• [붙임2] 연구책임자 대표적 연구실적 및 증빙(요약문 및 사본) ... 23
• 끝페이지 ... 38