🔢 mathematics

A Robust 5G Terrestrial Positioning System with Sensor Fusion in GNSS-denied Scenarios

이 논문은 GNSS 신호가 차단된 환경에서 5G 기반의 지상 위치 확인 시스템을 제안하며, 다중 반송파 위상 거리 측정, 딥러닝 기반 NLOS 식별, 그리고 IMU 및 카메라 센서 융합을 통해 KITTI 데이터셋에서 5 미터 미만의 정밀도를 달성하는 견고한 위치 추적 솔루션을 제시합니다.

원저자: Hamed Talebian, Nazrul Mohamed Nazeer, Darius Chmieliauskas, Jakub Nikonowicz, Mehdi Haghshenas, Łukasz Matuszewski, Mairo Leier, Aamir Mahmood

게시일 2026-04-08

📖 3 분 읽기🧠 심층 분석

CC BY 4.0

원저자: Hamed Talebian, Nazrul Mohamed Nazeer, Darius Chmieliauskas, Jakub Nikonowicz, Mehdi Haghshenas, Łukasz Matuszewski, Mairo Leier, Aamir Mahmood

원본 논문은 CC BY 4.0 (http://creativecommons.org/licenses/by/4.0/) 라이선스로 제공됩니다. ✨ 이것은 아래 논문에 대한 AI 생성 설명입니다. 저자가 작성하거나 승인한 것이 아닙니다. 기술적 정확성을 위해서는 원본 논문을 참조하세요. 전체 면책 조항 읽기

이 논문은 **"GPS 가 먹통이 될 때, 어떻게 5G 를 이용해 아주 정확하게 위치를 찾을 수 있을까?"**에 대한 해답을 제시합니다.

일상생활에서 비유하자면, 이 기술은 **"우리가 길을 잃었을 때, 별 (위성) 이 보이지 않아도 근처의 가로등 (5G 기지국) 과 스마트폰의 나침반, 그리고 카메라를 함께 써서 길을 찾아내는 똑똑한 내비게이션"**이라고 할 수 있습니다.

이 복잡한 내용을 쉽게 풀어서 설명해 드릴게요.

1. 문제 상황: GPS 가 망가졌어요! 🌧️

우리가 평소 쓰는 GPS(위성 내비) 는 하늘에 있는 위성 신호를 받습니다. 하지만 터널 안이나 높은 빌딩이 빽빽한 도시, 혹은 전쟁이나 재해로 신호가 끊길 때는 GPS 가 전혀 작동하지 않습니다. 마치 **"구름이 두껍게 낀 날에 별자리를 보고 방향을 잡으려 하는 것"**과 비슷하죠.

이때 필요한 것이 바로 5G 통신망입니다. 5G 기지국은 우리 주변에 이미 수천 개가 설치되어 있으니까요. 문제는 기존 5G 는 '통화'나 '인터넷'이 주 목적이라 위치를 찾는 데는 정확도가 떨어졌다는 점입니다.

2. 해결책 1: 5G 신호를 '자석'처럼 정밀하게 측정 (Carrier Phase) 📏

이 논문은 5G 신호의 '파동'을 아주 정밀하게 재서 거리를 측정하는 기술을 썼습니다.

비유: 보통 5G 는 "기지국에서 100m 정도 떨어져 있네"라고 대략적으로 말합니다. 하지만 이 기술은 "기지국에서 100m 0.01m (1 센티미터) 까지 정확히" 재는 것입니다.
어떻게? 마치 줄자를 펼쳤을 때 눈금이 1cm 단위인 것이 아니라, 100m 길이의 줄자 하나를 잘게 쪼개어 1mm 단위까지 읽는 것과 같습니다. 이를 통해 5G 기지국 3 개 이상을 보이면, GPS 못지않게 정밀하게 내 위치를 삼각형으로 찍어낼 수 있습니다.

3. 해결책 2: 거짓말하는 신호를 걸러내는 AI (LOS/NLOS 분류) 🕵️‍♂️

하지만 도시에서는 건물이 많아 신호가 벽에 튕겨 돌아오는 경우가 많습니다. 이를 '반사 (NLOS)'라고 하는데, 이 신호는 거리를 잘못 재게 만듭니다.

비유: 친구가 "나 저기 있어!"라고 외쳤는데, 소리가 건물에 튕겨서 "저기 있어!"라고 들리는 것과 같습니다. 우리는 진짜 친구의 목소리 (직접 오는 신호, LOS) 만 듣고 싶죠.
해결: 연구팀은 **딥러닝 (AI)**을 훈련시켜, "이 신호는 직진한 진짜 신호야"와 "이 신호는 벽에 튕겨서 거짓말하는 신호야"를 실시간으로 구별하게 만들었습니다. 거짓말하는 신호는 아예 무시하고, 진짜 신호만 골라 위치를 계산합니다.

4. 해결책 3: 신호가 끊겨도 멈추지 않는 '보조 엔진' (센서 융합) 🚗📸

만약 5G 신호가 완전히 끊기거나 (터널 진입 등), 반사 신호가 너무 많아 위치를 잡을 수 없다면 어떻게 할까요?

비유: 내비게이션이 신호를 잃었을 때, **운전자의 손 (자이로스코프/IMU)**과 **앞 유리창 (카메라)**을 통해 차가 얼마나 움직였는지, 어느 방향으로 갔는지를 계속 추적하는 것입니다.
해결: 5G 신호가 끊겨도 스마트폰에 달린 **카메라 (시각 주행)**와 가속도계 (IMU) 데이터를 합쳐서, 신호가 다시 잡힐 때까지도 위치 추적을 멈추지 않게 합니다. 이를 칼만 필터라는 수학적 도구로 아주 자연스럽게 이어줍니다.

🎯 결론: 얼마나 잘 작동할까요?

연구팀은 실제 도시 도로를 달리는 차량 데이터 (KITTI 데이터셋) 로 이 시스템을 테스트했습니다.

결과: 5G 신호가 잘 잡히는 곳에서는 오차 5 미터 이내 (심지어는 몇 센티미터 수준) 의 정확도를 보여, 일반 GPS 서비스와 맞먹는 성능을 냈습니다.
의미: GPS 가 먹통이 되는 터널이나 고층 빌딩 사이에서도, 5G 와 스마트폰 센서를 합치면 끊김 없이 정확한 위치를 알 수 있다는 것을 증명했습니다.

💡 한 줄 요약

"별 (GPS) 이 안 보일 때는, 5G 기지국의 정밀한 신호와 AI, 그리고 스마트폰의 눈과 나침반을 합쳐서 길을 잃지 않는 똑똑한 내비게이션을 만들었습니다."

이 기술은 자율주행차, 드론, 그리고 재난 상황에서의 구조 활동 등 정확한 위치가 생명인 분야에 큰 도움을 줄 것으로 기대됩니다.

1. 문제 정의 (Problem Statement)

GNSS 의 취약성: 기존 GNSS(위성 항법 시스템) 는 전파 간섭, 재밍 (jamming), 또는 도시/실내 환경에서의 신호 차단 (NLOS) 으로 인해 위치 추정 기능이 마비될 수 있습니다.
기존 5G 위치 측정의 한계: 5G 네트워크를 활용한 위치 측정 기술 (RSS, TOA, TDOA 등) 은 주로 통신 서비스 최적화를 기반으로 설계되었습니다. 또한, 기존 기하학적 방법은 다중 경로 (multipath) 환경이나 비가시선 (NLOS) 조건에서 정확도가 급격히 떨어집니다.
정밀도 요구사항: 자율주행, 산업 자동화, 증강현실 등 차세대 응용 분야는 센티미터 (cm) 수준의 정밀한 위치 측정을 요구하지만, 이를 달성하기 위한 통합된 프레임워크와 실증 데이터가 부족합니다.

2. 제안된 방법론 (Methodology)

논문은 GNSS 가 차단된 환경에서도 견고한 위치 추정이 가능한 하이브리드 5G 지상 위치 측정 시스템을 제안합니다. 이 시스템은 크게 세 가지 핵심 기술로 구성됩니다.

가. 반송파 위상 (Carrier Phase, CP) 기반 거리 측정 및 정수 오프셋 해결

가상 파장 (Virtual Wavelength) 기법: 단일 주파수에서의 반송파 위상 측정 시 발생하는 정수 오프셋 (Integer Ambiguity, IA) 문제를 해결하기 위해, 두 개의 서로 다른 주파수 (다중 반송파) 간의 위상 차이를 이용합니다.
원리: 두 주파수 ( $f_1, f_2$ ) 의 위상 차이를 통해 더 긴 파장 ( $\lambda_v = c / \Delta f$ ) 을 가진 '가상 파장'을 생성합니다. UE 와 기지국 (BS) 사이의 거리가 이 가상 파장보다 짧다면, 정수 오프셋을 명시적으로 추정할 필요 없이 단일 시점 (single-epoch) 에서도 정밀한 거리 측정이 가능합니다.
노이즈 제거: 다중 주파수 데이터를 선형 평균화하고 위상 진행 (phase progression) 제약 조건을 적용하여 반사파로 인한 편향을 제거하고 신뢰도를 높입니다.

나. 머신러닝 기반 LOS/NLOS 분류

T-CNN (Temporal Convolutional Neural Network): 수신된 채널 임펄스 응답 (CIR) 데이터를 분석하여 가시선 (LOS) 과 비가시선 (NLOS) 링크를 실시간으로 분류합니다.
특징:
- 스트라이드 (Stride) 연산을 활용한 다운샘플링으로 계산 효율성을 높였습니다.
- 단순 정확도뿐만 아니라 '신뢰도 (Confidence)' 영역을 고려하여 신뢰도가 낮은 NLOS 링크를 삼각측량 (Trilateration) 과정에서 배제합니다.
- 이를 통해 NLOS 로 인한 오차를 사전에 필터링합니다.

다. 센서 융합 (Sensor Fusion) 및 ES-EKF

상황 인식 융합: LOS 조건이 확보된 3 개 이상의 기지국으로부터 CP 기반 위치를 얻고, LOS 가 차단된 구간에서는 보조 센서를 활용합니다.
ES-EKF (Error-State Extended Kalman Filter):
- 입력: 5G CP 위치, 스테레오 비전 오도메트리 (Visual Odometry, VO), 관성 측정 장치 (IMU).
- 동작: IMU 와 VO 를 통해 이동 궤적을 예측하고, LOS 가 확보될 때 CP 위치로 보정합니다.
- 효과: CP 신호가 끊겨도 IMU 와 VO 를 통해 연속적인 위치 추적이 가능하며, 신호가 복원되면 오차를 즉시 보정합니다.

3. 주요 기여 (Key Contributions)

외부 지원 없는 IA 해결: 외부 RAN 지원이나 복잡한 데이터 융합 없이, 다중 주파수 위상 분석만으로 정수 오프셋을 해결하는 독립적인 프레임워크를 제시했습니다.
신뢰도 기반 NLOS 필터링: 단순 분류를 넘어 신뢰도 점수를 기반으로 NLOS 링크를 유연하게 배제하는 T-CNN 아키텍처를 개발했습니다.
지상 기반 정밀 위치 측정 시스템 통합: 3GPP 표준 (PRS/SRS) 을 준수하며, CP 위치 측정, ML 기반 채널 분류, 센서 융합을 하나의 엔드 - 투 - 엔드 파이프라인으로 통합했습니다.
실제 데이터 기반 검증: KITTI 데이터셋과 3GPP 채널 모델 (UMi) 을 결합한 시뮬레이션을 통해 실제 도시 환경에서의 성능을 입증했습니다.

4. 실험 결과 (Results)

실험 환경: KITTI 데이터셋 (도시 환경, 차량 이동) 을 사용하며, Sionna 레이 트레이싱과 3GPP TR 38.901 채널 모델을 통해 LOS/NLOS 상태를 시뮬레이션했습니다.
정확도:
- LOS 조건: 3 개 이상의 기지국이 LOS 를 제공할 때, 센티미터 (cm) 수준의 정밀도를 달성했습니다.
- 혼합 조건 (LOS/NLOS): 제안된 T-CNN 필터링을 적용한 후, 2D 위치 오차가 5 미터 미만으로 감소했습니다. 이는 공개 상용 GNSS 서비스와 비교할 만한 수준입니다.
- 센서 융합 효과: Table II 에 따르면, VO 만 사용할 때의 절대 궤적 오차 (ATE) 가 11.56m 였으나, SRS/PRS + IMU + VO 를 융합한 시스템은 4.63m ~ 4.66m로 크게 개선되었습니다. 이는 기존 최첨단 시스템 대비 약 2 배의 성능 향상을 보였습니다.

5. 의의 및 결론 (Significance)

GNSS 대체 가능성 입증: 5G 인프라를 활용하여 GNSS 가 차단되거나 신호가 약한 환경에서도 견고하고 정밀한 위치 측정이 가능함을 입증했습니다.
네트워크 계획의 패러다임 전환: 통신 중심의 네트워크 계획에서 벗어나, 위치 측정을 주 서비스로 고려한 기지국 배치 (LOS 확보 최적화) 의 중요성을 강조했습니다.
실용적 적용성: 자율주행, 스마트 시티, 산업용 IoT 등 고신뢰성 위치 기반 서비스 (LBS) 에 대한 5G-Advanced 의 실용성을 보여줍니다.
향후 과제: 실제 다중 기지국 환경에서의 배포, 동기화 오차 최적화, 고이동성 사용자 지원 등을 향후 연구 과제로 제시했습니다.

이 논문은 5G 를 단순 통신망이 아닌, GNSS 를 대체할 수 있는 차세대 정밀 위치 측정 인프라로 발전시키기 위한 기술적 토대와 검증된 솔루션을 제공합니다.