기술 요약: 6G 시스템을 위한 동시 소스 분리, 동기화, 위치 추적 및 매핑

1. 문제 정의

미래의 6G 네트워크는 적응형 빔포밍, 효율적인 자원 할당, 통합 통신 및 센싱(ISAC)을 가능하게 하기 위해 강력한 위치 인식 능력을 필요로 한다. 다중 경로 기반 동시 위치 추적 및 매핑(MP-SLAM)은 가시선(LOS) 차단을 극복하기 위해 다중 경로 성분(MPC)을 가상 앵커(VA)로 활용함으로써 유망한 해결책을 제공하지만, 기존의 협력형 MP-SLAM 방식은 제한적인 가정에 의존한다. 구체적으로, 이들은 일반적으로 기지국(BS)이 완벽하게 동기화되어 있고 직교 시퀀스를 전송하여 기지국 간 간섭이 무시할 수 있는 수준이라고 가정한다.

현대적인 5G 시스템의 위치 참조 신호(PRS)와 같은 실제 시나리오에서는 기지국들이 종종 비동기 상태이며 동일한 주파수 대역에서 전송될 수 있다. 이는 다음과 같은 문제를 야기한다:

1. 기지국 간 간섭: 이동 단말(MT)은 여러 기지국으로부터 오는 신호의 중첩을 수신하게 되며, 이로 인해 어떤 MPC가 어떤 소스에서 기క했는지 구분하기 어려워진다.
2. 동기화 편향: 기지국과 단말 사이의 알 수 없는 클록 차이는 겉보기 지연(apparent delays)을 유발하여 위치 추적 정확도를 저하시킨다.
3. 데이터 연관 모호성: 직교 시퀀스나 동기화가 없다면, 측정된 특징(VA)을 특정 생성 기지국에 할당하는 작업은 복잡한 확률적 문제가 된다.

5G의 뮤팅 패턴(muting patterns)과 같은 현재의 완화 전략은 이러한 조건 하에서 위치 추적 성능을 완전히 복구하는 데 실패하는 경우가 많다. 본 연구는 완벽한 기지국 동기화나 직교 전송을 가정하지 않고도 동시 소스 분리, 동기화 및 매핑을 수행하는 과제를 다룬다.

2. 방법론

저자들은 다수의 이동 단말(MT)의 위치, 맵 특징(기지국 및 VA)의 위치, 그리고 모든 노드의 동기화 편향을 공동으로 추정하는 새로운 베이지안 프레임워크를 제안한다. 이 접근 방식은 팩터 그래프(factor graph) 표현을 기반으로 구축되었으며 합-곱 알고리즘(Sum-Product Algorithm, SPA)을 사용하여 해결된다.

주요 모델링 구성 요소:

• 시스템 모델: 시스템은 $I$개의 비동기 MT와 $J$개의 비동기 BS를 고려한다. 각 기지국은 파일럿 신호를 전송하며, MT는 LOS와 MPC의 혼합물을 관측한다. 신호 모델은 클록 편향($b_{bs,n}^{(j)}$ 및 $b_{mt,n}^{(i)}$)과 안테나 배열 기하 구조를 반영한다.
• 상태 표현:
  • MT 상태: 위치, 속도, 방향 및 MT 클록 편향을 포함한다.
  • BS 상태: 클록 편향을 포함한다.
  • 맵 특징: 잠재적 가상 앵커(PVA)로 모델링된다. PVA는 특정 기지국과 연관된 잠재적 반사 지점(VA)을 나타낸다. PVA의 존재 여부는 이진 확률 변수이다.
• BS 종속적 데이터 연관: 핵심 혁신은 측정값과 기지국 간의 연관성을 모델링하는 것이다. 측정의 출처를 알 수 없으므로, 알고리즘은 BS 인덱스를 이산 확률 변수로 취급한다. 새로운 측정마다 모든 가능한 기지국에 대해 새로운 PVA가 생성되며, 알고리즘은 어떤 기지국이 해당 특징을 생성했는지 확률적으로 결정한다.
• 동기화 편향 모델링: MT에서 관찰되는 겉보기 동기화 편향은 BS 클록 편향과 MT 클록 편향 사이의 차이로 모델링된다. 이를 통해 시스템은 이러한 오프셋을 공동으로 추정할 수 있다.
• 순차적 업데이트: 알고리즘은 MT와 시간 단계에 따라 측정을 순차적으로 처리한다. 기존의 PVA(이전에 탐지된 것)는 업데이트되며, 포아송 프로세스(Poisson process)를 기반으로 새로운 PVA가 도입된다.
• 추론: 결합 사후 분포는 팩터 그래프 상의 SPA를 사용하여 근사화된다. 여기에는 다음이 포함된다:
  • 측정 평가: 모든 가능한 BS 연관성을 고려하여 새로운 PVA에 대한 가능도(likelihood)를 계산한다.
  • 상태 추정: MT 위치, BS 편향 및 PVA 위치에 대한 최소 평균 제곱 오차(MMSE) 추정치를 계산한다.
  • 가지치기(Pruning): 계산 복잡도를 관리하기 위해 존재 확률이 낮은 PVA를 제거하는 하위 최적(suboptimal) 가지치기 단계를 수행하며, 이때 각 BS에 대한 주요 LOS 앵커는 유지한다.

3. 주요 기여

본 논문은 네 가지 주요 기여를 명시한다:

1. 새로운 데이터 연관 모델: 간섭을 일으키는 BS들에 대한 확률적 소스 분리 모델을 도입하여, 전송 시퀀스에 대한 사전 지식 없이도 특징을 생성하는 BS를 분류할 수 있게 한다.
2. 편향 모델링: 겉보기 동기화 편향을 BS 및 MT 관련 확률 변수의 차이로 정의한 원칙적인 모델을 제시하고, 이를 공동 추정 프레임워크에 통합하였다.
3. 결합 추론 프레임워크: 소스 분리, 동기화 및 매핑의 전체 문제를 해결하기 위한 결합 사후 분포와 그에 따른 팩터 그래프 기반의 SPA를 도출하였다.
4. 성능 분석: 제안된 방법이 동기화 및 직교성을 가정하는 기존의 협력형 MP-SLAM과 대등한 성능을 달 achieves 함을 입증하는 통계적 분석을 수행하였다.

4. 실험 결과

저자들은 4개의 BS, 4개의 반사 표면, 3개의 이동 MT가 존재하는 실내 환경에서 400 타임 스텝에 걸쳐 알고리즘을 평가하였다. 시뮬레이션에는 무작위 클록 편향을 가진 비동기 BS와 간섭을 일으키는 전송 시퀀스가 포함되었다.

• 수렴: 알고리즘은 완전히 수렴하는 데 약 100 타임 스텝이 필요했으며, 그 이후 MT 위치의 평균 제곱근 오차(RMSE)와 VA의 최적 패턴 할당(OSPA) 오차는 참조 케이스(동기화 및 직교 BS)의 성능과 일치하였다.
• 편향 추정: BS 편향 추정의 평균 RMSE는 26 ps였고, MT 편형 추정의 평균 RMSE는 24 ps였다.
• 연관 정확도: 테스트된 구성에서 알고리즘은 제로(0)의 데이터 연관 오류를 달성하였으며, 탐지된 모든 특징에 대해 생성 BS를 정확하게 식별하였다.
• 성능 저하: 통계적 분석 결과, 제안된 방법은 동기화 및 직교성을 가정하는 최신 기술(state-of-the-art)의 협력형 MP-SLAM과 비교했을 때 유의미한 성능 저하가 없음을 보여주었다.

5. 의의 및 주장

본 논문은 제안된 방법이 완벽한 동기화나 직교 자원을 보장할 수 없는 6G ISAC 시스템을 위한 강건하고 확장 가능한 솔루션임을 주장한다.

• 원칙적인 접근 방식: BS 종속적 데이터 연관 모델은 단순히 소스 식별뿐만 아니라 임의의 시간 지속적 특성(예: 반사 차수 또는 특징 유형)에 의해 특징을 분류하는 원칙적인 방법으로 제시된다.
• 확장성: 알고리즘의 실행 시간은 PVA, 측정값, MT 및 파티클 수에 따라 선형적으로 확장된다. 여러 BS의 도입으로 인해 잠재적 PVA의 수가 $J$배만큼 증가하지만, 가지치기 메커니즘이 이 복잡성을 효과적으로 관리한다.
• 유연성: SPA 프레임워크는 미래 네트워크로의 원활한 통합을 위해 추가적인 센싱 모달리티(예: IMU 또는 레이더)를 통합할 수 있을 만큼 유연하다.

저자들은 본 연구가 기존 MP-SLAM 방식의 핵심 가정을 완화함으로써, 성능 손실 없이 실제적인 간섭 발생 5G/6G 환경에서도 정확한 위치 추적 및 매핑을 가능하게 한다고 결론지었다. 향업 과제로 5G PRS 데이터를 활용한 실세계 실험과 동적 네트워크 시나리오로의 확장을 언급하였다.