위상 전용 로컬라이제이션(POLO)으로 저복잡도 업링크 분산 MIMO 위치추정

초록

본 논문은 위상‑일관성 분산 MIMO 시스템에서 단일 스냅샷·단일 서브캐리어 신호만을 이용해 UE 위치를 추정하는 저복잡도 프레임워크 POLO를 제안한다. 차분 위상 측정을 기반으로 후보 위치 집합을 생성하고, 이 후보들에만 최대우도 비용함수를 평가함으로써 전통적인 조밀 그리드 탐색에 비해 연산량을 크게 감소시킨다. POLO‑I와 POLO‑II 두 가지 AP 선택 방식을 제시해 커버리지와 실행시간 사이의 트레이드오프를 조절한다. 시뮬레이션 및 이론적 분석을 통해 제안 방법이 기존 방법 대비 수십 배~수백 배의 복잡도 감소와 거의 동일한 정확도를 제공함을 확인한다.

상세 분석

본 연구는 5G·6G 시대에 인프라 기반 고정밀 위치추정이 요구되는 상황을 배경으로, 위상‑일관성 분산 MIMO(D‑MIMO) 네트워크에서 발생하는 “극도로 스파이키한” 최대우도(ML) 비용함수의 최적화 문제를 근본적으로 재구성한다. 기존 방식은 다수의 AP가 제공하는 원시 I/Q 신호를 이용해 전역 최적점을 찾기 위해 밀도 높은 그리드 탐색을 수행하는데, 이는 AP가 희소하게 배치될 경우 비용함수의 다중 피크와 비볼록성으로 인해 연산량이 기하급수적으로 증가한다. POLO는 이러한 문제를 차분 위상(Δr) 측정으로 변환한다. 두 개 이상의 AP 쌍 사이의 위상 차이는 거리 차(d_r−d_s)와 정수 모호성(z)·노이즈(n)의 선형 결합으로 표현되며, 이를 이용해 기하학적 제약식(원·직선 교차)으로 후보 위치를 유도한다. POLO‑I는 하나의 기준 AP와 두 개의 보조 AP를 선택해 닫힌 형태의 해(두 원의 교차점)를 구함으로써 후보 수를 2개 이하로 제한하고 연산 복잡도를 최소화한다. 그러나 후보 위치가 제한된 AP 삼각형 형태에 의존하므로 커버리지가 제한적이다. 반면 POLO‑II는 네 개의 AP를 두 쌍으로 구성해 첫 단계에서 두 원의 교차점(다수 후보)들을 구하고, 두 번째 단계에서 추가 차분 위상을 이용해 후보를 재정제한다. 이 과정은 닫힌 형태 해가 없으므로 수치적 루트 찾기가 필요하지만, 보다 유연한 AP 배치와 넓은 커버리지를 제공한다. 논문은 후보 집합을 생성한 뒤, 후보 각각에 대해 압축된 ML 비용함수 C(u)를 평가하고 최솟값을 선택, 마지막으로 gradient descent로 미세 조정한다. 복잡도 분석에서는 전통적인 Exhaustive Grid Search(EGS) 대비 후보 수가 O(M³)→O(1~M) 수준으로 감소함을 수식으로 증명한다. 또한, 위치오차한계(PEB)와 AP 기하학(조건수, 기하학적 다이아몬드 영역) 사이의 상관관계를 이론적으로 도출해, 고오차 영역을 최소화하는 AP 선택 알고리즘을 제시한다. 시뮬레이션 결과는 다양한 AP 배치(정규 격자, 무작위, 클러스터)에서 POLO‑I가 평균 10‑30배, POLO‑II가 5‑15배의 실행시간 절감을 보이며, 평균 위치오차는 EGS 대비 5% 이내로 유지됨을 보여준다. 이와 같이 POLO는 단일 스냅샷·단일 서브캐리어 환경에서도 정수 모호성을 직접 해결하지 않고, 위상 차이만으로 후보를 제한함으로써 실시간 고정밀 위치추정에 적합한 프레임워크를 제공한다.