[논문 리뷰] 20 Years of Evolution from Cognitive to Intelligent Communications

Zhijin Qin, Xiangwei Zhou외 4명|arXiv (Cornell University)|2019. 09. 25.

Cognitive Radio Networks and Spectrum Sensing참고 문헌 111인용 수 9

한 줄 요약

이 논문은 인공지능 기반의 지능형 통신으로의 20년에 걸친 진화를 추적하며, 스펙트럼 감지, 공유 및 인공지능 통합 분야의 발전을 분석한다. 인공지능은 일반화, 예측 및 추론 능력의 향상으로써 지능형 통신 네트워크에서 효율적이고 유연하며 확장 가능한 스펙트럼 활용을 가능하게 하는 지능형 통신의 능력을 향상시킨다고 제안한다.

ABSTRACT

It has been 20 years since the concept of cognitive radio (CR) was proposed, which is an efficient approach to provide more access opportunities to connect massive wireless devices. To improve the spectrum efficiency, CR enables unlicensed usage of licensed spectrum resources. It has been regarded as the key enabler for intelligent communications. In this article, we will provide an overview on the intelligent communication in the past two decades to illustrate the revolution of its capability from cognition to artificial intelligence (AI). Particularly, this article starts from a comprehensive review of typical spectrum sensing and sharing, followed by the recent achievements on the AI-enabled intelligent radio. Moreover, research challenges in the future intelligent communications will be discussed to show a path to the real deployment of intelligent radio. After witnessing the glorious developments of CR in the past 20 years, we try to provide readers a clear picture on how intelligent radio could be further developed to smartly utilize the limited spectrum resources as well as to optimally configure wireless devices in the future communication systems.

연구 동기 및 목표

• 지난 20년간 지능형 통신의 진화를 인공지능 기반 시스템으로까지 확장하여 인지 무선(CR)에서의 발전을 검토하기.
• 대규모, 동적, 이종적인 5G 및 그 이상의 네트워크 환경에서 전통적인 CR의 주요 한계를 규명하기.
• 인공지능이 학습, 예측 및 추론 능력의 향상으로써 CR의 단점을 보완하는 방식을 분석하기.
• AI 기반 통신 시스템에서의 데이터 가용성, 맞춤형 학습 프레임워크, 신뢰성과 같은 열린 과제를 부각하기.
• 기술적, 거버넌스적, 구현적 장벽을 해결하여 향후 지능형 무선의 구현을 위한 도로도 제공하기.

제안 방법

• 무선 통신에서의 지능형 의사결정의 핵심 프레임워크로 간주되는 인지-행동 사이클을 분석한다.
• 인지 무선의 기초 구성 요소로 작용하는 고전적 스펙트럼 감지 및 공유 기법을 검토한다.
• 인공지능 기반 접근 방식을 인지(예: 불완전한 데이터로부터 환경 학습) 및 행동(예: 동적 자원 할당) 측면에서 평가한다.
• 일반화, 예측 및 추론 능력 측면에서 인지 에이전트와 AI 에이전트를 비교한다.
• 보조 접근에서 빈번한 소규모 스펙트럼 거래를 관리하기 위해 블록체인 기술의 활용을 제안한다.
• 모델 유효성과 시스템 성능 향상을 위해 개방형 데이터셋과 통신 전용 학습 프레임워크의 도입을 주장한다.

실험 결과

연구 질문

• RQ1 지난 20년간 무선 시스템의 능력은 어떻게 인지에서 인공지능으로 진화했는가?
• RQ2 대규모, 동적, 이종적인 5G 및 그 이상의 네트워크 환경에서 인지 무선의 주요 한계는 무엇인가?
• RQ3 인공지능은 전통적인 인지 무선을 뛰어넘어 스펙트럼 감지, 공유 및 자원 할당을 어떻게 향상시키는가?
• RQ4 AI 기반 지능형 통신 시스템을 구현할 때 주로 직면하는 과제는 무엇인가(특히 데이터, 신뢰성, 시스템 설계 측면에서)?
• RQ5 개방형 데이터셋과 맞춤형 학습 프레임워크는 통신 시스템에서 AI의 성능과 공정성을 어떻게 향상시킬 수 있는가?

주요 결과

• AI 에이전트는 일반화 능력에서 인지 에이전트를 능가하여 환경 데이터가 불완전하거나 정확하지 않은 상황에서도 효과적인 의사결정을 가능하게 한다.
• AI는 동적인 무선 환경 변화를 더 잘 예측할 수 있어, 매우 변동성이 큰 5G 및 그 이상의 트래픽 모델에 매우 중요하다.
• AI 에이전트는 복잡한 수학적 모델링 없이도 근사 최적의 행동 결정을 내릴 수 있을 정도로 뛰어난 추론 능력을 보인다.
• 블록체인 기술의 통합은 보조 접근에서 자주 발생하는 소규모 스펙트럼 거래를 관리하기 위한 확장성 있고 안정적인 솔루션을 제공한다.
• 실제 통신 환경에서의 개방형 데이터셋 부족은 지능형 통신 연구에서 공정한 성능 평가와 모델 검증을 어렵게 한다.
• 기존의 딥러닝 프레임워크는 통신 시스템에서 종종 '블랙박스'처럼 작동하므로, 최적의 성능을 위해 통신 전용 학습 아키텍처의 개발이 필수적이다.