SwiftChannel: 딥러닝 기반 5G 채널 추정용 알고리즘-하드웨어 공동 설계

요약

본 논문은 5G 통신의 핵심 과제인 정확하고 빠른 채널 추정을 위해 알고리즘과 하드웨어를 공동 설계한 프레임워크 'SwiftChannel'을 제안한다. SwiftChannel은 파라미터 없는 어텐션 메커니즘이 강화된 CNN을 사용하여 저해상도 LS 추정치로부터 고해상도 공간 주파수 도메인 채널 행렬을 재구성하며, 지식 증류 및 양자화 인식 학습을 통해 모델을 압축한다. 이를 FPGA 플랫폼(Zynq UltraScale+ RFSoC)에 구현한 하드웨어 가속기는 밀리초 수준의 낮은 지연 시간과 GPU 대비 월등히 높은 속도 및 에너지 효율성을 달성하여 5G MIMO 시스템에 최적화된 솔루션을 제공한다.

핵심 포인트

• SwiftChannel은 딥러닝 기반 채널 추정 알고리즘과 전용 하드웨어 가속기를 통합한 공동 설계 프레임워크이다.
• CNN 구조에 파라미터 없는 어텐션 메커니즘을 적용하여 저해상도 데이터를 고해상도 채널 행렬로 효과적으로 재구성한다.
• 지식 증류, 합성곱 재-파라미터화, 양자화 인식 학습 등 다단계 모델 압축 기법을 사용하여 효율성을 극대화했다.
• FPGA(Zynq UltraScale+ RFSoC)에 구현된 가속기는 밀리초 지연 시간과 GPU 대비 최대 24배의 속도 향상 및 33배 이상의 에너지 효율 개선을 입증했다.