위상 전용 위치추정, 위상 오차에도 강인한 AP 선택 딥러닝 프레임워크

초록

본 논문은 분산 MIMO 환경에서 위상 동기화 오류가 존재할 때도 높은 정확도를 유지하는 위상 전용 위치추정 방법을 제안한다. 하이퍼볼라 교차 기법을 딥러닝 기반 차분 위상 모호성 추정기에 결합하고, AP(안테나 포인트) 선택을 위한 MLP 모델을 설계해 최적의 두 개 위상 모호성 쌍을 자동으로 선택한다. 시뮬레이션 결과, 기존 방법 대비 95번째 퍼센타일 오차가 0.26 cm로 개선되었으며, 전체 연산량을 약 19.7 % 절감하였다.

상세 분석

이 연구는 차세대 6G·5G NR 시스템에서 요구되는 센티미터 수준의 위치정밀도를 위상 전용 측정만으로 달성하고자 하는 목표에서 출발한다. 기존 문헌은 위상 정보를 보조적인 데이터로 활용했지만, 본 논문은 위상 자체를 유일한 관측값으로 삼아 ‘Carrier Phase Positioning (CPP)’을 구현한다. 핵심 도전 과제는 분산된 안테나 포인트(AP) 간의 위상 동기화 오류(γ_i)와 정수 모호성(z_i)이다. 이러한 오류는 차분 위상 측정 δ_m에 선형적으로 결합되어, 전통적인 기하학적 방법만으로는 정확한 거리 추정이 어려워진다.

논문은 두 단계의 하이브리드 접근을 제안한다. 첫 번째는 기존 연구