BLE 기반 가상 안테나 배열의 단일 샷 ToA·DoA 추정, 딥러닝으로 위상 모호성 해결

초록

본 논문은 BLE 장치의 단일 안테나와 단일 샷 채널 주파수 응답(CFR)만을 이용해 가상 안테나 배열(VAA)을 구성하고, 이때 발생하는 ±1 위상 이중성을 딥러닝 기반 행·열 예측기와 투표 메커니즘으로 복구한 뒤, 복원된 일방향 CFR에 MUSIC 알고리즘을 적용해 ToA와 DoA를 동시에 고정밀 추정한다. 시뮬레이션 결과는 비균일 VAA에서도 CRLB에 근접한 성능을 보임을 입증한다.

상세 분석

이 연구는 BLE와 같은 저전력 무선 시스템에서 다중 안테나를 물리적으로 구현하기 어려운 현실을 가상 안테나 배열(VAA)이라는 개념으로 극복한다. VAA는 사용자의 이동 경로에 따라 단일 안테나가 여러 위치에서 수집한 샘플을 시간·주파수 차원에서 결합해 가상의 공간 배열을 형성한다. 기존 VAA 연구는 주로 다중 스냅샷이나 균일 배열을 전제로 했으며, BLE가 제공하는 두 방향(two‑way) CFR에서 발생하는 LO(로컬 오실레이터) 위상 오프셋을 제거하는 과정에서 발생하는 ±1 위상 이중성(phase ambiguity)을 충분히 다루지 못했다.

논문은 먼저 BLE 두 방향 CFR을 Hadamard 곱으로 결합해 LO 위상을 소거하고, 그 결과를 원소별 제곱근 연산을 통해 일방향 CFR로 복원한다. 이때 제곱근 연산은 각 원소에 대해 +1 혹은 –1의 부호가 임의로 부여되는 이중성을 만든다. 이 부호를 잘못 복원하면 MUSIC의 위상 정보가 뒤틀려 ToA·DoA 추정이 크게 오차를 발생한다.

저자는 이 문제를 해결하기 위해 두 개의 U‑Net 기반 신경망을 설계한다. 하나는 행(row) 차원, 다른 하나는 열(column) 차원에서 위상 부호를 예측한다. 각 네트워크는 해당 차원의 위상 시퀀스를 입력으로 받아, 첫 번째 원소와의 부호 일치를 확률로 출력한다. 학습은 실제 시뮬레이션 데이터(8000개 채널 realizations)에서 얻은 정답 부호 행렬을 레이블로 사용해 교차 엔트로피 손실을 최소화한다.

예측 결과는 “투표 메커니즘”을 통해 결합된다. 행 네트워크는 일반적으로 주파수 간격이 고정돼 신뢰도가 높으므로, 행 예측을 기준으로 각 행의 첫 번째 원소 부호를 결정한다. 이후 열 네트워크의 예측을 보조 정보로 활용해 다수결(voting)로 최종 부호를 확정한다. 이 과정은 비균일 VAA에서도 일관된 부호 복원을 가능하게 하며, 부호가 올바르게 복원되면 일방향 CFR = √(two‑way CFR) ⊙ N이 정확히 얻어진다.

복원된 일방향 CFR을 이용해 2‑D MUSIC을 적용하면, 공간 스테어링 벡터 aΘ(θ)와 주파수 스테어링 벡터 aF(τ)를 동시에 고려한 pseudo‑spectrum P(θ,τ)를 계산할 수 있다. 노이즈 서브스페이스를 추출해 피크를 찾음으로써 각 경로의 DoA와 ToA를 고해상도로 추정한다.

시뮬레이션에서는 N=16개의 가상 안테나 위치, M=80개의 서브캐리어, SNR을 0~20 dB 범위로 변동시켰다. 비교 대상은 (i) 두 방향 CFR에 바로 MUSIC을 적용한 방법, (ii) 기존 위상 연속성 기반 방법, (iii) 이론적 CRLB이다. 결과는 제안 방식이 모든 SNR 구간에서 두 기준 방법보다 현저히 낮은 MSE를 보이며, 특히 5 dB 이상에서는 CRLB에 거의 근접한다. 비균일 배열에서 기존 연속성 방법은 거의 실패하지만, 행·열 신경망과 투표 결합은 구조적 불균형에 강인함을 입증한다.

핵심 기여는 (1) BLE 두 방향 CFR과 VAA 모델을 통합한 통일된 신호 모델, (2) ±1 위상 이중성을 행·열 별 딥러닝으로 추정하고 투표로 결합한 효율적 복구 프레임워크, (3) 복원된 일방향 CFR을 이용한 2‑D MUSIC 기반 고정밀 ToA·DoA 동시 추정이다. 이 접근법은 BLE와 같은 저전력, 소형 디바이스에서도 고정밀 위치·각도 추정이 가능하도록 하여, 차세대 실내·근거리 로케이션, 무인 로봇, AR/VR 트래킹 등에 직접 적용할 수 있는 실용성을 제공한다.