CCA로 이해하는 무선 LAN 채널 접근 감지

전송 전에 채널이 비었는지 확인하는 CCA

무선 채널은 여러 장치가 함께 쓰는 자원이다. CCA(Clear Channel Assessment)는 장치가 전송을 시작하기 전에 채널이 사용 가능한 상태인지 확인하는 IEEE 802.11의 핵심 기능이다. PHY 계층에서 채널을 idle 또는 busy로 판정하고, 그 결과를 MAC 부계층에 넘겨 전송 여부를 결정하도록 돕는다.

공유 매체에서 충돌을 줄이고 채널 접근을 조정하려면 이 판정이 필요하다. CCA는 다수의 장치가 무선 매체를 효율적으로 사용하는 기반이 된다.

에너지와 신호 패턴으로 채널을 판정한다

CCA는 에너지 감지와 캐리어 감지를 중심으로 동작한다.

에너지 감지(Energy Detection, ED)는 RF 에너지가 특정 임계값을 넘는지 측정한다. 신호의 종류나 출처를 구분하지 않고 에너지 레벨 자체를 감지하며, 일반적으로 -62dBm에서 -82dBm 사이의 임계값을 사용한다.

캐리어 감지(Carrier Sense, CS)는 802.11 프레임의 프리앰블처럼 특정 신호 패턴을 찾는다. 변조 방식을 인식해 802.11 트래픽을 더 정확하게 감지하며, 에너지 감지보다 낮은 신호 레벨에서도 동작할 수 있다.

⤢✕

CSMA/CA의 채널 감지를 맡는 구성

802.11 MAC 프로토콜의 기본 접근 방식인 CSMA/CA(Carrier Sense Multiple Access with Collision Avoidance)는 CCA로 물리 채널 상태를 확인한다. 이는 Carrier Sense에 해당한다.

채널이 사용 중이라고 판정되면 장치는 즉시 전송하지 않고 랜덤 백오프 타이머를 사용해 재전송을 시도한다. 이 동작이 Collision Avoidance 부분을 이룬다.

⤢✕

임계값과 감지 시간이 성능을 바꾼다

CCA 임계값이 너무 낮으면 원거리 신호까지 감지해 과감지가 발생하고 처리량이 감소한다. 반대로 임계값이 너무 높으면 필요한 신호를 감지하지 못해 충돌 확률이 커진다. 네트워크 성능은 이 임계값 설정에 영향을 받는다.

CCA 지연 시간은 PHY 계층이 채널 상태를 감지해 MAC 계층으로 전달하는 시간이다. 일반적으로 마이크로초(μs) 단위의 짧은 시간이며, 빠른 CCA는 채널 활용도 향상에 기여한다.

환경 변화에 맞춰 임계값을 동적으로 조정하는 적응형 CCA도 사용된다. 이는 밀집된 WiFi 환경의 공존성을 높이고, 새로운 802.11 표준에서 중요하게 고려되는 기능이다.

무선 장비에서의 CCA 처리 경로

기본 802.11 무선 LAN 장비는 수신한 RF 신호를 처리하면서 신호 강도와 802.11 패턴을 함께 확인하고, 판정 결과를 MAC에 보고한다.

⤢✕

기업용 무선 AP에서는 비-WiFi 간섭을 스펙트럼 분석으로 식별하거나, 인접 AP와 협력해 CCA를 조정할 수 있다. 혼잡 시 임계값을 자동 조정하고, 특정 클라이언트에 선별적으로 CCA를 적용해 QoS를 보장하는 기능도 활용된다.

CCA만으로 풀리지 않는 무선 환경의 문제

숨겨진 노드 문제에서는 서로 감지할 수 없는 두 노드가 동시에 전송해 충돌할 수 있다. CCA만으로 해결할 수 없으므로 RTS/CTS(Request to Send/Clear to Send) 메커니즘으로 보완한다.

노출된 노드 문제는 전송 중인 노드를 감지한 장치가 실제로는 전송할 수 있는 상황에서도 불필요하게 기다리는 경우다. 이는 네트워크 처리량을 낮추며, 공간적 재사용(Spatial Reuse) 기법으로 일부 완화할 수 있다.

Bluetooth, 전자레인지, 무선 전화 같은 비-WiFi 간섭도 고려 대상이다. 에너지 감지는 가능하지만 신호를 구분하기는 어렵다. 적응형 CCA와 스펙트럼 관리가 대응 수단이 된다.

공간 재사용과 환경 적응을 향한 변화

802.11ax(Wi-Fi 6)의 BSS Coloring은 각 BSS(Basic Service Set)에 고유한 색상 ID를 할당한다. 같은 색상의 BSS 안에서는 기존 CCA 규칙을 적용하고, 다른 색상의 BSS 전송에는 더 높은 CCA 임계값을 적용한다. 이를 통해 공간 재사용과 처리량 증가를 노린다.

AI/ML 기반 CCA는 기계학습으로 채널 상태를 예측하고 트래픽 패턴을 학습해 CCA 임계값을 최적화한다. 환경 적응형 CCA 구현을 통해 성능 향상을 목표로 한다.

MIMO 시스템에서는 다중 안테나가 제공하는 공간적 차원을 CCA에 활용한다. 방향성 CCA로 특정 방향의 채널 상태만 감지하고, 공간 다중화를 통해 처리량을 높일 수 있다.

측정과 시뮬레이션으로 설정을 검증한다

스펙트럼 분석기로 RF 스펙트럼을 실시간 모니터링하면 CCA 임계값과 실제 감지 결과를 비교할 수 있다. 간섭원을 식별하고 그 영향을 분석하는 데도 활용된다.

네트워크 시뮬레이션에서는 다양한 CCA 파라미터에 따른 네트워크 성능을 확인하고, 최적 CCA 임계값을 도출하거나 여러 환경 조건의 동작을 예측할 수 있다.

실제 환경에서는 처리량, 지연 시간, 패킷 손실률 등을 측정한다. CCA 임계값 변경에 따른 성능 변화를 관찰하고 A/B 테스트로 최적 설정을 찾는 방식이다.

CCA는 PHY에서 채널 가용성을 판단해 MAC의 접근 제어를 뒷받침한다. 무선 네트워크가 고밀도화되고 간섭원이 다양해질수록, 감지 방식과 임계값을 환경에 맞게 다루는 일이 무선 성능과 안정성에 영향을 준다.