시뮬레이션 기반 플랫폼: Sionna
Sionna는 NVIDIA가 개발한 오픈소스 무선통신 시뮬레이션 프레임워크로, 세 개의 모듈이 계층적으로 결합되어 동작한다.
계층 구조를 요약하면 다음과 같다.
| Sionna RT : 3D 환경에서 전파 경로를 레이트레이싱으로 계산 → 채널 임펄스 응답(CIR) 생성 |
| Sionna PHY : 생성된 채널 위에서 신호 처리 전 파이프라인(변조/코딩/OFDM/MIMO) 수행 |
| Sionna SYS : PHY Abstraction 기반으로 다중 셀 네트워크의 L2 알고리즘(스케줄링/전력/LA) 운영 |
| Sionna RK : NVIDIA DGX Spark와 OAI 기반에서 AI-RAN-ML-신호처리 알고리즘을 실제 5G 환경에서 검증 |
Sionna RT (Ray Tracing)
https://nvlabs.github.io/sionna/rt/api/rt.html
API Documentation — Sionna 2.0.1
nvlabs.github.io
3D 환경(Scene) 내에서 Ray Tracing을 수행하여 현실적인 다중경로 채널을 생성하는 모듈이다.
BS 위치·방향·전력, 안테나 구성, 반송파 주파수 등을 변경하면 CIR이 달라지며,
이를 통해 간섭 환경 변화를 Simulation할 수 있다.
제어할 수 있는 Parameter는 다음과 같다.
| 카테고리 | Parameter | 설명 |
| 채널 환경 | scene.frequency | 반송파 주파수 [Hz] — 파장·경로손실 자동 연동 |
| 채널 환경 | scene.bandwidth | 전송 대역폭 [Hz] — 열잡음 전력 계산에 반영 |
| 채널 환경 | scene.temperature | 환경 온도 [K] — thermal noise power 결정 |
| 기지국 (TX) | tx.position | BS 3D 위치 (x, y, z) [m] |
| 기지국 (TX) | tx.orientation / look_at | 빔 방향 — 오일러각 또는 목표 좌표 지정 |
| 기지국 (TX) | tx.power_dbm | 송신 전력 [dBm] — BS별 개별 설정 가능 |
| 기지국 (TX) | tx.velocity | 이동 속도 벡터 [m/s] |
| 안테나 어레이 | num_rows × num_cols | MIMO 배열 크기 (행×열) |
| 안테나 어레이 | vertical/horizontal_spacing | 안테나 간격 [파장 단위] — 빔포밍 특성 결정 |
| 안테나 어레이 | pattern | 안테나 방사 패턴: tr38901 / dipole / iso |
| 안테나 어레이 | polarization | 편파 방식: V / H / VH (이중 편파) |
| 단말 (RX) | rx.position | UE 3D 위치 [m] |
| 단말 (RX) | rx.velocity | UE 이동 속도 → Doppler 계산 반영 |
| 경로 계산 | max_depth | 최대 반사/회절 횟수 — 다중경로 복잡도 |
| 경로 계산 | refraction | 건물 투과 경로 포함 여부 (True/False) |
Sionna PHY (Physical Layer)
https://nvlabs.github.io/sionna/phy/index.html
Physical Layer (PHY) — Sionna 2.0.1
Physical Layer (PHY) This package provides a differentiable link-level simulator. It seamlessly integrates multiple communication system elements, including forward error correction (FEC), multiple input multiple output (MIMO) systems, orthogonal frequency
nvlabs.github.io
변조, 채널 코딩, OFDM, MIMO Precoding/Equalizer 등 PHY 계층 신호 처리 전 파이프라인을 구현한다.
5G NR 규격(3GPP TS 38.xxx)에 기반한 Parameter 구성이 가능하며, Neural Network 기반 수신기 연구에도 활용된다.
제어할 수 있는 Parameter는 다음과 같다.
| 카테고리 | Parameter | 설명 |
| 채널 모델 (3GPP) | scenario (UMi/UMa/RMa) | 3GPP 38.901 시나리오 — 경로손실/쉐도잉 모델 결정 |
| 채널 모델 (3GPP) | carrier_frequency | 반송파 주파수 [Hz] |
| 채널 모델 (3GPP) | direction | uplink / downlink 방향 |
| 채널 모델 (3GPP) | enable_pathloss / enable_shadow_fading | 경로손실 및 쉐도잉 활성화 여부 |
| 채널 모델 (3GPP) | o2i_model | 실내 침투 손실 모델: low / high |
| 채널 모델 (3GPP) | ut_velocities | UE 이동 속도 → Doppler 반영 |
| 채널 모델 (3GPP) | los (LOS/NLOS) | LOS/NLOS 강제 지정 또는 확률 모델 사용 |
| 안테나 (PanelArray) | num_rows/cols_per_panel | 패널 내 행·열 수 — MIMO 규모 |
| 안테나 (PanelArray) | polarization | single / dual 편파 |
| 안테나 (PanelArray) | antenna_pattern | omni / 38.901 |
| OFDM 자원 (ResourceGrid) | fft_size | 서브캐리어 수 (FFT 크기) |
| OFDM 자원 (ResourceGrid) | subcarrier_spacing | SCS [Hz]: 15k / 30k / 60k / 120k / 240k |
| OFDM 자원 (ResourceGrid) | num_ofdm_symbols | 슬롯당 OFDM 심볼 수 (일반적으로 14) |
| OFDM 자원 (ResourceGrid) | num_tx / num_streams_per_tx | 동시 전송 사용자 수 및 사용자당 레이어 수 |
| OFDM 자원 (ResourceGrid) | cyclic_prefix_length | CP 길이 (샘플 단위) |
| OFDM 자원 (ResourceGrid) | pilot_pattern | 파일럿(DMRS) 배치 패턴 |
| MIMO 관리 | rx_tx_association | UE ↔ BS 연결 맵 — 서비스 셀 정의 |
| 변조 | num_bits_per_symbol | 변조 차수: 2=QPSK / 4=16QAM / 6=64QAM / 8=256QAM |
| 채널 코딩 (LDPC) | k / n (코드율) | 정보 비트·코드워드 길이 — 코드율 결정 |
| 채널 코딩 (LDPC) | num_iter | BP 복호 반복 횟수 |
| 프리코딩 | RZF alpha | RZF 프리코더 정규화 계수 (≈ 잡음 전력) |
| 이퀄라이저 | interference_whitening | 간섭 화이트닝 on/off |
| 5G NR PUSCH | mcs_index / mcs_table | MCS 인덱스 및 테이블 선택 |
| 5G NR PUSCH | num_layers | 공간 다중화 레이어 수 |
| 5G NR PUSCH | n_rnti / n_cell_id | 스크램블링 ID (셀/UE 구분) |
Sionna SYS (System Level)
https://nvlabs.github.io/sionna/sys/index.html
System Level (SYS) — Sionna 2.0.1
System Level (SYS) This package provides differentiable system-level simulation functionalities for multi-cell networks. It is based on a physical layer abstraction that computes the block error rate (BLER) from the PostEqualizationSINR. It further include
nvlabs.github.io
PHY Abstraction(SINR→BLER 테이블 조회)으로 물리 계층 연산을 대체하고,
다중 셀 네트워크의 L2 알고리즘—링크 어댑테이션, 스케줄링, 전력 제어—을 시뮬레이션한다.
AI-RAN 연구에서 Agentic Agent의 Action Space로 가장 직접적으로 활용 가능한 모듈이며,
Sionna Ray Tracing과 완벽하게 통합될 수 있다.
제어 가능한 파라미터는 다음과 같다.
| 모듈 | Parameter | 설명 |
| 다중 셀 토폴로지 | num_rings | 헥사고날 그리드 링 수 (1링 = 21 BS) |
| 다중 셀 토폴로지 | num_ut_per_sector | 섹터당 UE 수 |
| 다중 셀 토폴로지 | isd | 기지국 간 거리 (Inter-site distance) [m] |
| 다중 셀 토폴로지 | min/max_bs_ut_dist | BS-UE 거리 범위 [m] — 커버리지 조건 설정 |
| 다중 셀 토폴로지 | bs_height | BS 높이 [m] |
| 다중 셀 토폴로지 | indoor_probability | UE 실내 비율 (0~1) |
| 다중 셀 토폴로지 | min/max_ut_velocity | UE 이동 속도 범위 [m/s] |
| 다중 셀 토폴로지 | los | LOS/NLOS 강제 지정 여부 |
| PHY Abstraction | mcs_table_index | MCS 테이블 인덱스 (DL: 1~4, UL: 1~2) |
| PHY Abstraction | mcs_category | 0=UL / 1=DL |
| 링크 어댑테이션 (ILLA) | bler_target | 목표 BLER — MCS 선택 기준 |
| 링크 어댑테이션 (OLLA) | bler_target | 목표 BLER — SINR 오프셋 피드백 루프 기준 |
| 링크 어댑테이션 (OLLA) | delta_up | NACK 수신 시 SINR 오프셋 증가량 [dB] |
| 링크 어댑테이션 (OLLA) | offset_min / offset_max | SINR 오프셋 클리핑 범위 [dB] |
| 스케줄러 (PF) | beta | PF 이력 감쇠 계수 (0~1) — 공정성-효율 트레이드오프 |
| 스케줄러 (PF) | num_freq_res | 주파수 자원 수 (서브캐리어 또는 PRB) |
| 스케줄러 (PF) | num_streams_per_ut | UE당 MIMO 스트림 수 |
| 전력 제어 (UL) | alpha | 경로손실 보상 계수 (0~1) — 셀 간 간섭 관리 |
| 전력 제어 (UL) | p0_dbm | PRB당 목표 수신 전력 [dBm] |
| 전력 제어 (UL) | ut_max_power_dbm | UE 최대 송신 전력 [dBm] |
| 전력 제어 (DL) | bs_max_power_dbm | BS 최대 송신 전력 [dBm] |
| 전력 제어 (DL) | guaranteed_power_ratio | 사용자별 최소 보장 전력 비율 (0~1) |
| 전력 제어 (DL) | fairness | 공정성 Parameter (0=합산처리량 최대, 1=비례공정, ∞→max-min) |
실제 하드웨어 기반 플랫폼: Sionna Research Kit (RK)
Research Kit (RK) — Sionna 2.0.1
Research Kit (RK) The Sionna Research Kit is an accelerated, open platform for wireless research and development. Powered by the NVIDIA DGX Spark and built on OpenAirInterface, it provides a software-defined 5G RAN and core network for end-to-end experimen
nvlabs.github.io
Sionna Research Kit은 시뮬레이션 라이브러리가 아닌 실시간 5G 테스트베드 플랫폼이다.
OpenAirInterface(OAI) gNB를 실제 하드웨어 위에서 구동하며, O-RAN E2 인터페이스를 통해 네트워크를 모니터링·제어한다. 시뮬레이션에서 검증한 알고리즘을 실제 상용 단말과 연결하여 over-the-air 성능을 확인할 수 있다.
이 프레임워크의 핵심 구성요소는 다음과 같다.
| 하드웨어 : NVIDIA DGX Spark (GPU 가속) + Ettus USRP B210 (RF 프론트엔드) + Quectel 5G 모뎀 (실 상용 UE) |
| RAN SW : OpenAirInterface gNB — 실제 5G NR 프로토콜 스택 실시간 구동 |
| CN SW : OAI CN5G (Docker 컨테이너 기반 5G 코어 네트워크) |
| RIC/xApp : FlexRIC (O-RAN E2 인터페이스) — RAN 코드 수정 없이 모니터링·제어 가능 |
| 채널 에뮬 : Sionna RT CIR → 실제 IQ 샘플에 실시간 주입 (디지털 트윈) |
gNB 설정 파일 (gnb.XXX.conf)
sionna-rk/config/ 디렉터리의 설정 파일로 실제 RAN Parameter를 직접 제어한다.
generate-configs.sh 스크립트로 OAI 템플릿에서 생성하며, 성능상 24 PRB 또는 51 PRB 구성을 권장한다.
| Parameter | 설명 |
| 반송파 주파수 (ARFCN) | Absolute Radio Frequency Channel Number로 지정 — 5g-tools 계산기 활용 |
| 대역폭 (PRB 수) | 24 PRB (≈5 MHz) 또는 51 PRB (≈20 MHz) 권장 |
| 서브캐리어 간격 (SCS) | 15 kHz / 30 kHz 등 NR numerology 선택 |
| TX/RX 게인 | USRP 하드웨어 RF 이득 설정 |
| MAC 스케줄러 Parameter | OAI MAC 문서 기반 — MCS 제한, 스케줄러 동작 등 |
환경 변수 (.env 파일)
Docker 컨테이너 기동 전 설정하는 런타임 Parameter다.
RF 하드웨어 선택, gNB 추가 옵션, GPU MPS 설정 등을 제어한다.
| 환경 변수 | 설명 |
| GNB_CONFIG | 사용할 gNB 설정 파일 경로 |
| GNB_EXTRA_OPTIONS | gNB CLI 추가 옵션 (플러그인 로드, 채널 에뮬레이터 등) |
| GNB_THREAD_POOL | gNB 스레드 풀 CPU 코어 할당 |
| GNB_RF_OPTIONS | USRP 또는 RF 시뮬레이터 RF 옵션 |
| USE_B2XX | True = 실제 USRP 사용 / False = RF 시뮬레이터 모드 |
| MPS_ACTIVE_THREAD_PCT | GPU MPS 활성 스레드 비율 (기본 40%) — 채널 에뮬레이터와 gNB 공유 |
O-RAN near-RT RIC / xApp (FlexRIC E2 인터페이스)
O-RAN 아키텍처의 near-RT RIC을 통해 실행 중인 gNB MAC 계층 통계를 실시간으로 모니터링하고 제어한다.
xApp은 RAN 코드 수정 없이 E2 인터페이스로 연결되며,
Agentic AI의 관측(Observation)과 제어(Action) 인터페이스로 바로 활용이 가능하다.
xApp으로 수집 가능한 MAC 통계 (Observation)
| 지표 | 설명 |
| dl_mcs1 / ul_mcs1 | UE별 DL/UL MCS 인덱스 — 현재 채널 품질 반영 |
| dl_bler / ul_bler | UE별 DL/UL BLER — 링크 품질 지표 |
| PRBs (max / total) | UE별 PRB 사용량 — 자원 점유 현황 |
| rnti | UE 식별자 |
채널 에뮬레이터 Parameter (Sionna RT → 실시간 연동)
| Parameter | 설명 |
| --cir-folder | 파일 기반: 사전 계산된 CIR 폴더 경로 (Sionna RT 출력 직접 사용) |
| --cir-zmq-num-taps | ZMQ 스트리밍 모드: CIR 탭 수 |
| num_taps (config.json) | CIR당 탭 수 |
| num_cirs | 총 CIR 엔트리 수 (OFDM 심볼 수의 배수) |
| sigma_scaling / sigma_max | 채널 정규화 후 잡음 계산 스케일링 Parameter |
Agentic AI 기반 RAN 간섭 제어
각 툴에서 제어 가능한 Parameter는 Agentic AI 프레임워크에서 Action / Observation Space로 다음과 같이 매핑될 수 있다.
| 구분 | 툴 | Observation (관측) | Action (제어 대상) |
| 시뮬레이션 | Sionna RT | CIR, 경로 손실, SINR 맵 | BS 위치·방향·전력, 안테나 패턴 |
| 시뮬레이션 | Sionna PHY | 수신 SINR, BLER, 채널 행렬 | MCS, 레이어 수, 프리코더 Parameter |
| 시뮬레이션 | Sionna SYS | 사용자별 SINR/BLER/MCS/처리율 | 전력 제어 (alpha, P0, 공정성), OLLA 목표 BLER, PF beta |
| 실 하드웨어 | Sionna RK (OAI) | UE별 MCS, BLER, PRB 사용량 (E2) | 반송파 주파수, PRB, RF 게인, 플러그인 교체 |
| 1. Sionna SYS는 간섭 제어에 직결되는 전력·스케줄링·링크 어댑테이션 Parameter를 모두 Python API로 제어 가능 — Agent 학습 루프 직접 연결 가능 |
| 2. Sionna RT+SYS 조합으로 레이트레이싱 기반 현실적 간섭 환경 생성 후 시스템 레벨 평가까지 단일 파이프라인 구성 가능 |
| 3. Sionna RK (OAI)는 O-RAN E2/xApp으로 실제 gNB와 연동 → 시뮬레이션 검증 후 실 장비 테스트 경로 확보 |
| 4. 채널 에뮬레이터로 Sionna RT CIR을 실제 RF에 주입 가능 → 디지털 트윈 기반 over-the-air 간섭 실험 가능 |
'Tool 활용법 > Sionna 활용법' 카테고리의 다른 글
| Sionna 플랫폼 wsl 환경에 설치하기 (version 2 Update) (0) | 2026.06.04 |
|---|---|
| Blender 기반 도시 모델에서 물리 채널 생성하기 (CIR, CFR, Radio Map) (0) | 2026.02.11 |
| Sionna RT (Ray Tracing) 기반 6G 채널 모델 분석하기 (Sionna Tutorial) (0) | 2026.02.11 |
| Sionna RT 설치하고 Blender 도시 Scene 연동하기 (8) | 2026.02.11 |
| Blender의 도시 Scene에 Radio Material 할당하기 (0) | 2026.02.10 |