파일럿 신호 설계

파일럿 신호는 수신기가 무선 채널의 특성을 파악하고 데이터 신호를 정확하게 복조하기 위해 송신기가 의도적으로 삽입하는, 미리 알고 있는 참조 신호이다. 이 신호의 주요 목적은 채널 추정을 수행하여 채널의 왜곡 효과를 보상하고, 동기화를 달성하여 수신 신호의 정확한 타이밍과 주파수를 맞추는 것이다.

구체적으로, 무선 채널은 페이딩, 지연 확산, 도플러 확산 등의 현상으로 인해 신호가 왜곡된다. 수신기는 파일럿 신호를 통해 이러한 왜곡의 정도, 즉 채널 임펄스 응답 또는 채널 전달 함수를 추정한다. 추정된 채널 정보는 이후 수신된 실제 데이터 신호에서 채널 효과를 제거(등화)하는 데 사용되어, 데이터의 오류율을 낮추고 통신의 신뢰성을 높인다.

또한, 파일럿 신호는 심볼 타이밍 동기화와 반송파 주파수 동기화를 위한 기준점으로 작용한다. 이를 통해 수신기는 송신기와의 심볼 경계를 정렬하고, 송수신기 간의 주파수 오차를 정정할 수 있다. 따라서 파일럿 신호 설계는 통신 시스템의 전반적인 성능을 결정하는 핵심 요소 중 하나이다.

파일럿 신호는 시스템 성능에 직접적인 영향을 미치는 몇 가지 핵심적인 특성을 가진다. 첫째, 상관 특성이 중요하다. 이상적인 파일럿 신호는 높은 자기 상관 피크와 낮은 부엽을 가지며, 서로 다른 파일럿 신호 간에는 낮은 상호 상관을 가져야 한다. 이는 다중 사용자 환경에서 파일럿 신호를 정확하게 구분하고, 채널 추정 시 발생할 수 있는 간섭을 최소화하기 위함이다.

둘째, 주파수 영역과 시간 영역에서의 특성이다. 파일럿 신호는 주파수 선택적 페이딩 채널을 극복하기 위해 충분한 주파수 분산을 가져야 하며, 시간에 따른 채널 변화를 추적하기 위해 적절한 시간 간격으로 배치되어야 한다. 이는 파일럿 신호의 밀도와 패턴 설계로 구현된다.

셋째, 피크 전력 대 평균 전력비 특성이다. 높은 PAPR은 전력 증폭기의 비선형 영역에서 동작을 유발하여 신호 왜곡을 일으킬 수 있으므로, 파일럿 신호 설계 시 PAPR을 낮게 유지하는 것이 효율적인 전력 활용에 중요하다.

마지막으로, 대역폭 내에서 균일한 전력 스펙트럼 밀도를 가지는 것이 바람직하다. 이는 주파수 영역에서의 채널 응답을 균일하게 샘플링하고, 시스템의 전체 대역폭을 효과적으로 활용하는 데 기여한다.

파일럿 신호의 주파수 설계는 시스템 대역폭 내에서 파일럿이 얼마나 자주, 어떤 패턴으로 배치될지 결정하는 것을 의미한다. 일반적으로 주파수 영역에서의 파일럿 밀도와 배치는 채널의 주파수 선택성에 따라 결정된다. 채널이 넓은 대역에 걸쳐 빠르게 변화하면(즉, 주파수 선택성이 강하면), 더 높은 밀도로 파일럿을 배치하여 채널 변화를 정확히 추적해야 한다. 대표적인 배치 방식으로는 블록형, 콤브형, 그리고 이 둘을 결합한 격자형 패턴이 있다. 블록형은 특정 시간 구간에 모든 부반송파에 파일럿을 배치하는 방식이며, 콤브형은 특정 부반송파를 파일럿으로 고정하고 시간에 따라 반복하는 방식이다.

파형 설계는 파일럿 신호 자체의 시간/주파수 특성을 결정한다. 이상적인 파일럿 파형은 자기 상관 특성이 우수하고, 다른 사용자나 신호와의 상호 상관은 낮아야 한다. 이를 통해 수신기에서 파일럿을 정확히 검출하고, 다른 신호로부터의 간섭을 최소화할 수 있다. 널리 사용되는 파일럿 파형으로는 의사 잡음(PN) 시퀀스, 자도프-츄(Zadoff-Chu) 시퀀스, 월시-하다마드 시퀀스 등이 있다. 각 시퀀스는 낮은 피크 전력 대 평균 전력비(PAPR), 우수한 상관 특성, 생성의 용이성 등 서로 다른 장점을 가진다.

주파수와 파형 설계는 시스템의 오버헤드와 성능을 절충하는 과정이다. 설계 시 고려해야 할 주요 요소는 다음과 같다.

이러한 설계는 최종적으로 채널 추정의 정확도, 시스템의 스펙트럼 효율성, 그리고 다중 사용자 환경에서의 간섭 관리 성능에 직접적인 영향을 미친다.

파일럿 신호의 전력 할당은 시스템 성능에 직접적인 영향을 미치는 핵심 설계 요소이다. 일반적으로 파일럿 신호는 데이터 신호와 동일한 전력으로 전송되거나, 더 높은 전력을 할당받기도 한다. 이는 파일럿 신호의 신호 대 잡음비를 높여 채널 추정의 정확도를 향상시키기 위함이다. 그러나 파일럿에 과도한 전력을 할당하면 데이터 전송에 사용 가능한 총 전력이 줄어들어 전체 시스템의 스펙트럼 효율성이 저하될 수 있다. 따라서 전력 할당은 채널 추정 오차와 데이터 전송률 사이의 절충을 통해 최적화된다.

필요한 신호 대 잡음비 요구사항은 목표로 하는 채널 추정 정확도와 시스템 운영 환경에 따라 결정된다. 빠른 페이딩이 발생하는 이동 환경이나 간섭이 심한 채널에서는 높은 SNR을 확보하기 위해 더 강력한 파일럿 신호가 필요하다. 반면, 비교적 정적인 채널에서는 낮은 SNR로도 충분한 추정 성능을 얻을 수 있다. 설계 시 목표 평균 제곱 오차를 달성하기 위한 최소 SNR을 계산하고, 이를 기반으로 필요한 파일럿 전력 수준을 결정한다.

파일럿과 데이터 간의 전력 분배는 다양한 방식으로 이루어질 수 있으며, 주요 방식은 다음과 같다.

이러한 전력 설계는 시스템의 전체 에너지 효율성과 직결된다. 특히 대규모 MIMO 시스템에서는 수십 수백 개의 안테나에 대한 채널 추정을 위해 많은 파일럿 신호가 필요하므로, 전력 오버헤드를 최소화하면서도 정확한 채널 상태 정보를 획득할 수 있는 효율적인 전력 할당 기법이 지속적으로 연구되고 있다.

파일럿 신호 생성 알고리즘은 시스템 요구사항에 맞는 특정 파형을 합성하는 절차를 정의한다. 주요 목표는 수신기에서 높은 검출 확률과 낮은 오류율로 신호를 식별할 수 있도록 하는 동시에, 주파수 영역과 시간 영역에서 원하는 특성을 보장하는 것이다. 일반적으로 상관 특성이 우수하고 피크 전력 대 평균 전력비(PAPR)가 낮은 신호를 생성하는 것을 지향한다.

가장 기본적인 알고리즘은 의사 난수(Pseudo-Random) 수열을 기반으로 한다. 송신기와 수신기가 공유하는 시드(seed)를 사용하여 선형 귀환 시프트 레지스터(LFSR)나 골드 시퀀스 생성기를 통해 이진 수열을 생성한다. 이 수열은 이후 BPSK나 QPSK 같은 변조 방식을 통해 파일럿 심볼로 매핑된다. 이 방법은 구현이 간단하고 좋은 자기 상관 특성을 제공하여 동기화 성능을 높인다.

보다 복잡한 시스템을 위해 직교 주파수 분할 다중화(OFDM)와 같은 기술에서는 주파수 영역에서의 직교성을 보장하는 알고리즘이 사용된다. 예를 들어, 촐레스키 분해를 이용하여 주파수 선택적 채널에서도 서로 간섭하지 않는 직교 파일럿 시퀀스를 설계할 수 있다. 또한, 자이로 시퀀스(Zadoff-Chu sequence)나 CAZAC 시퀀스는 주기적 자기 상관 특성이 우수하고 일정한 진폭을 유지하여 PAPR 문제를 완화하는 데 널리 활용된다[3].

최근 알고리즘은 시스템 조건을 최적화하는 방향으로 발전하고 있다. 반복적 알고리즘이나 볼록 최적화 기법을 사용하여 주어진 대역폭과 전력 제약 하에서 채널 추정 오차를 최소화하는 파일럿 패턴을 찾거나, 다중 사용자 MIMO 환경에서 사용자 간 간섭을 줄이기 위해 파일럿 시퀀스를 설계한다.

파일럿 신호는 시스템 내 특정한 시간-주파수 자원에 삽입되어 전송됩니다. 삽입 위치는 통신 시스템의 표준, 채널 환경, 그리고 파일럿 신호의 주요 용도(예: 채널 추정, 동기화)에 따라 결정됩니다. 일반적으로 삽입 방식은 크게 블록 타입, 콤브 타입, 그리고 이 둘을 결합한 스캐터드 타입으로 구분할 수 있습니다.

삽입 위치를 설계할 때는 파일럿 신호의 밀도(오버헤드)와 채널 변화의 속도(도플러 확산) 및 주파수 선택성(지연 확산) 사이의 트레이드오프를 고려해야 합니다. 채널이 빠르게 변화하면 시간 축에서 파일럿 밀도를 높여야 하며, 채널의 주파수 선택성이 강하면 주파수 축에서 파일럿 밀도를 높여야 합니다. 또한, 다중 사용자 MIMO 시스템에서는 사용자 간 파일럿 오염을 방지하기 위해 각 사용자에게 직교하는 시간-주파수 자원에 파일럿을 할당하는 방식을 사용하기도 합니다.

시간 동기화는 수신기가 송신기로부터 전송된 파일럿 신호의 정확한 시작 시점을 찾는 과정이다. 이를 통해 수신기는 수신된 신호 프레임의 시작과 끝을 식별하고, 심볼 경계를 정확히 결정한다. 일반적으로 정합 필터를 사용하거나, 순환 프리픽스와 같은 특정 구조를 가진 파일럿 신호의 자기상관 특성을 이용하여 타이밍 오프셋을 추정한다. 정확한 시간 동기화가 이루어지지 않으면 심볼 간 간섭이 발생하여 데이터 복조 성능이 크게 저하된다.

주파수 동기화는 송신기와 수신기 사이의 반송파 주파수 오프셋을 보정하는 과정이다. 이 오프셋은 국부 발진기의 불완전성이나 도플러 효과 등으로 인해 발생한다. 주파수 동기화는 일반적으로 두 단계로 이루어진다. 첫 번째는 파일럿 신호를 분석하여 발생한 오프셋을 정수 배와 분수 배로 분리하여 추정하는 정추정 단계이다. 두 번째는 데이터 구간에서도 지속적으로 미세한 오프셋을 추적하여 보정하는 미세 동기화 단계이다. 주파수 오프셋이 보정되지 않으면 심볼이 주파수 영역에서 회전하여 심각한 성능 열화를 초래한다.

파일럿 신호는 이 두 가지 동기화를 동시에 또는 순차적으로 지원하도록 설계된다. 대표적인 설계 방식은 다음과 같다.

이러한 동기화 과정은 채널 상태 정보 추정 및 데이터 복조와 같은 후속 처리 단계의 정확성을 보장하는 필수적인 기초가 된다.

채널 상태 정보 추정은 파일럿 신호의 핵심 활용 분야 중 하나이다. 수신기는 송신기로부터 전송된 알려진 파일럿 신호를 수신하여, 실제 채널을 통과하며 겪은 왜곡을 관측한다. 이를 바탕으로 송신기와 수신기 사이의 통신 채널 특성을 수학적으로 모델링한 채널 상태 정보를 추정한다. 추정된 CSI는 주로 채널 응답을 복소수 계수 행렬 또는 벡터 형태로 표현한다.

추정 과정은 일반적으로 두 단계로 이루어진다. 첫째, 파일럿 심볼이 삽입된 시간-주파수 자원(예: OFDM의 특정 서브캐리어 및 심볼)에서 수신 신호를 추출한다. 둘째, 알고 있는 파일럿 신호 원본과 수신된 신호를 비교하여 채널 응답을 계산한다. 널리 사용되는 방법으로는 최소 자승법이 있으며, 이는 수신 신호와 추정 채널을 통해 재생성된 파일럿 신호 간의 오차 제곱합을 최소화하는 원리를 적용한다.

추정의 정확도는 시스템 성능에 직접적인 영향을 미친다. 정확한 CSI는 수신기에서 채널 등화를 효과적으로 수행하여 데이터 복조 오류를 줄이는 데 필수적이다. 또한, 송신기에서 빔포밍이나 링크 적응과 같은 고급 기술을 적용할 때도 정밀한 채널 정보가 필요하다. 추정 오차는 잡음, 간섭, 채널의 시간적·주파수적 변화 속도, 그리고 파일럿 신호의 밀도와 배치에 크게 의존한다.

다중 안테나 시스템에서는 각 송수신 안테나 쌍 사이의 채널을 개별적으로 추정해야 하므로, 필요한 파일릿의 수가 증가하고 추정 과정이 더 복잡해진다. 특히 대규모 MIMO 시스템에서는 효율적인 채널 추정을 위한 파일럿 설계가 중요한 과제로 대두된다.

다중 입출력 시스템에서 파일럿 신호 설계는 공간 차원의 정보를 효율적으로 획득하는 것을 목표로 한다. 안테나마다 독립적인 채널을 추정해야 하므로, 파일럿 신호는 공간적으로 직교하거나 구분 가능하도록 설계된다. 일반적으로 시분할 다중화 또는 주파수 분할 다중화 방식을 사용하여, 각 송신 안테나가 서로 다른 시간 슬롯이나 서로 다른 부반송파에 파일럿을 배치한다. 이를 통해 수신기는 각 송신 안테나에서 오는 신호를 분리하여 개별적인 채널 응답을 추정할 수 있다.

설계 시 고려해야 할 핵심 요소는 오버헤드와 추정 성능 간의 절충이다. 안테나 수가 증가할수록 모든 안테나에 대한 직교 파일럿을 할당하면 시스템 오버헤드가 크게 증가하여 데이터 전송 효율이 떨어진다. 이를 완화하기 위해, 일부 설계에서는 파일럿을 일부 안테나에만 할당하거나, 안테나 그룹 간에 파일럿을 공유하는 방식이 연구된다. 또한, 채널의 공간 상관성이 높은 환경에서는 압축 센싱 기법을 활용해 필요한 파일럿의 수를 줄이는 방법도 적용된다.

다음은 공간 다중화를 위한 주요 파일럿 배치 방식의 간략한 비교이다.

최근 대규모 MIMO 시스템에서는 수백 개의 안테나를 효율적으로 지원하기 위한 파일럿 설계가 중요한 과제이다. 이 경우, 채널의 특성(예: 일부 각도로 에너지가 집중되는 특성)을 활용하여 파일럿의 차원을 효과적으로 축소하는 방법이 연구된다. 목표는 제한된 파일럿 오버헤드 내에서도 정확한 채널 상태 정보를 얻어, 공간 다중화 이득을 최대화하는 것이다.

파일럿 오염은 다중 사용자 MIMO 시스템에서 발생하는 주요 성능 저하 요인이다. 이 문제는 한 기지국이 서비스하는 여러 사용자 단말이 서로 직교하지 않은, 즉 상관관계가 높은 파일럿 신호를 사용할 때 발생한다. 한 사용자의 파일럿 신호가 인접한 다른 셀의 사용자로부터 전송된 파일럿 신호와 간섭을 일으키면, 기지국은 각 사용자의 채널 상태 정보를 정확하게 추정하지 못한다. 이로 인해 공간 다중화 이득이 감소하고, 시스템의 전체 용량과 데이터 전송률이 제한받게 된다.

해결 방안은 크게 파일럿 신호의 직교성을 높이는 방법과 신호 처리 기법을 개선하는 방법으로 나눌 수 있다. 첫 번째 접근법은 파일럿 신호 자체의 설계를 변경한다. 셀 간 협력을 통한 파일럿 신호 할당 계획을 수립하거나, 파일럿 전송을 위한 시간-주파수 자원을 증가시켜 사용자 간 간섭을 줄이는 방법이 있다. 또한, 매우 긴 파일럿 시퀀스를 사용하거나, 셀마다 고유한 위상 회전을 적용하는 위상 편이 파일럿 등의 기법이 연구되었다.

두 번째 접근법은 추정 알고리즘을 개선하여 오염된 파일럿 신호로부터 보다 정확한 채널 정보를 복원하는 것이다. 최소 평균 제곱 오차 추정기와 같은 고급 채널 추정 알고리즘은 잡음과 간섭을 일부 완화할 수 있다. 또한, 대규모 MIMO 시스템에서는 안테나 수가 무한히 증가할 때 사용자 채널이 점근적으로 직교해지는 특성을 활용할 수 있다. 이를 통해 파일럿 오염의 영향을 근본적으로 줄일 수 있어, 대규모 MIMO가 5G 및 6G의 핵심 기술로 주목받는 이유 중 하나가 되었다.

LTE와 5G NR은 각각 4세대와 5세대 이동 통신의 대표적인 표준으로, 효율적인 채널 추정과 동기화를 위해 정교하게 설계된 파일럿 신호 구조를 채택하고 있다.

LTE의 하향링크에서는 셀 전체에 공통적으로 사용되는 참조 신호(Reference Signal, RS)가 존재한다. 이는 다시 셀 특정 참조 신호(CRS)와 사용자 특정 참조 신호(UE-specific RS) 등으로 구분된다. CRS는 시간/주파수 동기화, 채널 상태 정보 측정, 그리고 하향링크 데이터 복조를 위한 채널 추정에 모두 사용된다. LTE 상향링크에서는 데이터 영역에 삽입되는 데이터-참조 신호 복조(DM-RS)와 채널 상태 정보 측정을 위한 사운딩 참조 신호(SRS)가 주요 파일럿 신호이다. 이들의 배치는 시간-주파수 자원 격자 상에서 정해진 패턴을 따른다.

5G NR은 더욱 유연하고 다양한 서비스(예: eMBB, URLLC, mMTC)를 지원하기 위해 파일럿 신호 설계를 크게 발전시켰다. 가장 큰 변화는 공통 참조 신호의 역할이 축소되고, 사용자 및 빔 특정적인 참조 신호의 중요성이 증가한 점이다. 하향링크의 주요 파일럿 신호는 다음과 같다.

상향링크에서는 DM-RS와 SRS가 LTE와 유사한 역할을 하지만, 더 짧은 지연을 요구하는 서비스를 위해 앞부분에 배치되는 '프론트-로디드'(front-loaded) DM-RS 구조를 지원한다. 또한, 5G NR은 대규모 MIMO와 빔 형성을 효율적으로 지원하기 위해 파일럿 신호가 특정 공간 방향(빔)으로 전송될 수 있도록 설계되었다.

Wi-Fi 표준인 IEEE 802.11은 다양한 물리층(PHY) 규격에 따라 특화된 파일럿 신호 구조를 채택한다. 이 구조는 OFDM 기반 변조 방식을 사용하는 규격(예: 802.11a/g/n/ac/ax)에서 두드러지게 나타난다. 기본적으로 데이터 캐리어와 함께 분산된 위치에 삽입되는 파일럿 캐리어(Pilot Tones)로 구성되며, 주 목적은 위상 노이즈와 주파수 옵셋으로 인한 위상 회전을 보상하고 채널 추정의 잔여 오차를 수정하는 것이다.

802.11a/g/n과 같은 레거시 표준에서는 하나의 OFDM 심볼 내에 4개의 고정된 파일럿 서브캐리어를 사용한다. 반면, 더 높은 차수의 변조와 더 넓은 채널 대역폭을 지원하는 802.11ac(Wi-Fi 5)와 802.11ax(Wi-Fi 6)에서는 파일럿의 수와 배치가 더욱 복잡해진다. 특히 MU-MIMO 전송을 지원하기 위해, 802.11ac는 공간 스트림별로 직교하는 파일럿 패턴을 사용하여 수신기에서 각 스트림을 분리해 추정할 수 있도록 설계했다.

다음은 주요 802.11 OFDM 규격별 파일럿 신호 특성을 비교한 표이다.

802.11ax(Wi-Fi 6)에서는 OFDMA가 도입되면서 리소스 유닛 단위로 사용자가 할당받는다. 이에 따라 고밀도 파일럿 패턴(High Efficiency Long Training Field, HE-LTF)이 지원되어, 더 좁은 서브캐리어 간격을 가진 사용자에게도 정확한 채널 추정을 제공한다. 또한, 상향링크 MU-MIMO 동작을 위해 파일럿 구조가 최적화되어 액세스 포인트가 여러 단말로부터 동시에 전송된 신호의 채널을 효과적으로 분리하고 추정할 수 있게 한다.

추정 정확도는 파일럿 신호 설계의 핵심 성능 지표 중 하나로, 채널 상태 정보 추정이나 동기화 과정에서 얻은 결과의 신뢰성을 정량화한다. 이 정확도는 최종적인 데이터 수신 성능, 즉 비트 오류율이나 스펙트럼 효율성에 직접적인 영향을 미친다. 정확도 평가는 일반적으로 추정 오차의 통계적 특성을 분석하는 방식으로 이루어지며, 대표적으로 평균 제곱 오차가 널리 사용된다.

추정 정확도에 영향을 미치는 주요 요인은 다음과 같다.

성능 평가 시, 추정 정확도와 시스템 오버헤드 간의 절충 관계를 고려해야 한다. 파일럿의 밀도와 전력을 높이면 추정 정확도는 개선되지만, 데이터 전송에 사용할 수 있는 자원이 줄어들어 전체 스펙트럼 효율성이 떨어질 수 있다. 따라서 설계 목표는 제한된 오버헤드 내에서 요구되는 최소한의 추정 정확도를 보장하는 것이다. 이는 특정 응용이나 표준이 요구하는 서비스 품질 요구사항에 따라 결정된다[6].

파일럿 신호는 필수적인 참조 신호이지만, 시스템 자원을 소비하는 오버헤드를 발생시킨니다. 이 오버헤드는 주로 전송되는 파일럿 심볼의 수와 밀도에 의해 결정되며, 이는 사용 가능한 데이터 전송 용량을 직접적으로 감소시킵니다. 따라서 설계 시 파일럿 신호의 밀도와 배치 패턴은 채널 환경의 변화 속도(예: 도플러 주파수), 필요한 채널 추정 정확도, 그리고 허용 가능한 스펙트럼 효율성 손실 간의 절충을 통해 결정됩니다. 빠르게 변화하는 채널에서는 더 빈번한 파일럿이 필요하여 오버헤드가 증가하지만, 느린 채널에서는 오버헤드를 줄일 수 있습니다.

스펙트럼 효율성은 주어진 대역폭당 전송할 수 있는 데이터 비트 수를 나타내는 핵심 성능 지표입니다. 파일럿 신호로 인한 오버헤드는 스펙트럼 효율성을 저하시키는 주요 요인 중 하나입니다. 효율적인 파일럿 설계의 목표는 최소한의 오버헤드로 요구되는 채널 추정 성능을 달성하여, 전체적인 데이터 전송률을 최대화하는 것입니다. 예를 들어, 알라무티 코드와 같은 시공간 블록 코드를 활용하거나, 파일럿과 데이터를 효율적으로 다중화하는 방식으로 오버헤드 영향을 완화할 수 있습니다.

다양한 통신 표준은 서로 다른 오버헤드와 스펙트럼 효율성 특성을 보입니다. 아래 표는 두 가지 주요 무선 표준의 파일럿 오버헤드 특성을 간략히 비교합니다.

성능 평가 시, 파일럿 설계는 추정 오류의 분산이나 평균 제곱 오차 같은 추정 정확도 지표와 함께, 오버헤드 비율(파일럿 심볼 수 / 총 심볼 수)이나 최종적으로 달성되는 시스템 전체의 스펙트럼 효율성(bps/Hz)을 종합적으로 고려하여 평가됩니다.

기존의 파일럿 신호 설계가 수학적 모델과 경험적 규칙에 크게 의존했다면, 최근에는 머신러닝 및 딥러닝 기술을 활용하여 시스템 환경과 성능 목표에 더욱 적응적으로 최적화하는 연구가 활발히 진행되고 있다. 이 접근법은 복잡한 채널 환경과 다양한 서비스 요구사항을 효율적으로 처리할 수 있는 잠재력을 보여준다.

머신러닝 기반 설계의 주요 적용 분야는 크게 두 가지로 나뉜다. 첫째는 파일럿 신호의 패턴과 분포를 최적화하는 것이다. 신경망은 방대한 채널 데이터를 학습하여, 주어진 대역폭과 전력 제약 하에서 채널 추정 오류를 최소화하거나 스펙트럼 효율성을 극대화하는 파일럿 신호의 위치와 값을 생성한다. 둘째는 채널 추정 과정 자체를 개선하는 것이다. 기존의 최소 자승법(LS)이나 선형 최소 평균 제곱 오차(LMMSE) 추정기 대신, 딥러닝 모델을 훈련시켜 잡음과 간섭이 있는 수신 파일럿 신호로부터 직접 더 정확한 채널 상태 정보를 복원한다. 이는 특히 비선형 손상이나 빠른 페이딩 환경에서 기존 알고리즘의 성능을 넘어서는 경우가 있다.

이러한 방법론의 장점은 명시적인 수학적 모델링이 어려운 실제 시스템의 복잡성을 데이터 기반으로 학습할 수 있다는 점이다. 그러나 단점도 존재한다. 머신러닝 모델의 훈련에는 상당한 계산 자원과 데이터가 필요하며, 훈련 환경과 실제 운영 환경이 다를 경우 성능이 저하될 수 있다. 또한, 생성된 파일럿 패턴이 표준 프레임 구조와 호환되지 않을 가능성도 고려해야 한다.

연구 동향은 지도 학습을 넘어 강화 학습을 활용한 설계로 확장되고 있다. 강화 학습 에이전트는 파일럿 신호를 구성하는 행위에 대해 채널 추정 정확도나 시스템 처리량과 같은 보상을 받으며, 장기적인 성능을 최적화하는 정책을 스스로 학습한다. 이는 동적으로 변화하는 네트워크 조건에 실시간으로 적응하는 지능형 파일럿 할당 방식으로 발전할 가능성을 제시한다[9].

대규모 MIMO 시스템은 수십에서 수백 개의 안테나를 기지국에 집중 배치하여 공간 자유도를 극대화한다. 이로 인해 기존 MIMO와는 다른 파일럿 신호 설계 과제가 발생한다. 가장 큰 문제는 채널 추정을 위한 파일럿 신호의 길이가 안테나 수에 비례하여 증가한다는 점이다. 이는 심각한 스펙트럼 효율성 저하를 초래하며, 이를 '파일럿 오염' 문제의 근본 원인으로 작용한다[10]. 따라서 대규모 MIMO에서는 채널의 통계적 특성이나 안테나 간의 공간 상관관계를 활용하여 파일럿 오버헤드를 줄이는 설계가 필수적이다.

6G 통신을 위한 파일럿 신호 설계는 더욱 확장된 요구사항을 수용해야 한다. 주요 방향은 다음과 같다.

이러한 발전 방향은 파일럿 신호가 단순한 채널 추정 도구를 넘어, 통신, 센싱, 제어가 융합된 6G 시스템의 핵심 자원으로 진화하고 있음을 보여준다. 설계의 핵심은 제한된 자원(시간, 주파수, 전력) 내에서 다중 목표(고속 데이터 전송, 초정밀 위치정보, 환경 인지)를 동시에 달성하는 효율적인 프레임워크를 구축하는 것이다.