본 논문은 무선 시스템의 프론트홀 링크에서 고차원 신호를 엄격한 대역폭 및 지연 시간 제약 하에 전송하기 위한 AI 기반 압축 기술을 조사합니다. 기존의 압축 감지, 스칼라 양자화, 고정 코덱 파이프라인과 같은 전략들은 제한적인 사전 정보에 의존하고, 높은 압축률에서 성능이 급격히 저하되며, 채널과 배포 환경에 따라 조정하기 어렵다는 한계를 지닙니다. 본 논문에서는 AI 기반 압축 기술을 조사하고, 엔드-투-엔드 학습을 통한 CSI 피드백 및 자원 블록(RB) 수준의 프리코딩 최적화와 압축 결합이라는 두 가지 대표적인 고압축 방식을 분석합니다. 이러한 통찰력을 바탕으로 셀-프리 아키텍처에 맞춘 프론트홀 압축 전략을 제안하며, 높은 압축률과 제어 가능한 성능 손실, RB 수준의 속도 적응, 차세대 네트워크의 중앙 집중식 협력 전송에 적합한 저지연 추론을 목표로 합니다.
