Near-Field Localization via Reconfigurable Antennas

1. 문제 정의 (Problem Statement)

• 배경: 통합 감지 및 통신 (ISAC) 환경에서 무선 국소화 (Localization) 기술은 증강 현실 (AR), 사물인터넷 (IoT) 등에 필수적입니다. 기존 연구는 주로 안테나 배열의 위상과 진폭을 제어하여 빔포밍을 수행하는 데 초점을 맞추었으나, 대부분의 안테나 소자는 고정된 방사 패턴 (Fixed Radiation Pattern) 을 가집니다.
• 한계점:
  • 고정 패턴의 제약: 고정된 안테나 패턴은 특정 각도에서만 높은 이득을 제공하거나 넓은 커버리지를 위해 피크 이득을 희생해야 하는 트레이드오프가 존재합니다.
  • 근거리장 (Near-Field, NF) 연구 부족: 기존 국소화 연구는 대부분 전파가 평면파로 간주되는 원거리장 (Far-Field, FF) 가정을 기반으로 합니다. 그러나 고주파 (mmWave/THz) 및 대형 안테나 배열 (UPA) 의 등장으로 인해 사용 장비 (UE) 가 안테나 배열에 가까운 근거리장 영역에서 구동되는 경우가 많아졌으며, 이때 구면파 (Spherical Wavefront) 특성을 고려해야 합니다.
  • 가변형 안테나 (RA) 활용 부재: 전자기 (EM) 도메인에서 방사 패턴을 동적으로 제어할 수 있는 가변형 안테나 (Reconfigurable Antennas, RA) 의 잠재력이 주로 스펙트럼 효율성 향상에만 집중되었고, 국소화 성능 향상, 특히 근거리장 국소화에 대한 연구는 미흡합니다.

2. 제안된 방법론 (Methodology)

이 논문은 RA 배열을 활용한 근거리장 하향링크 국소화를 위해 하이브리드 프리코더 (Hybrid Precoder) 설계 및 최대 우도 추정 (ML Estimation) 알고리즘을 제안합니다.

A. 시스템 및 신호 모델

• 시스템 구성: 기지국 (BS) 은 $M$개의 가변형 안테나 (RA) 로 구성된 균일 평면 배열 (UPA) 을 가지며, UE 는 단일 등방성 안테나를 가집니다.
• 신호 합성 모델: 각 RA 소자는 유한한 수의 전자기 (EM) 기저 함수 (Basis Functions) 집합에서 원하는 빔 패턴을 합성합니다.
  • 기저 함수: 구면 조화 함수 (Spherical Harmonics) 를 기반으로 한 직교 기저 함수 (SHOD) 를 사용하여 안테나 방사 패턴을 표현합니다.
  • 채널 모델: LoS (직시) 경로와 NLoS (비직시) 경로를 포함하는 기하학적 채널 모델을 사용하며, 근거리장 특성을 반영한 배열 응답 벡터 (ARV) 를 정의합니다.
• 수신 신호: 디지털 프리코더 ($f_t$) 와 EM 프리코더 ($e_{m,t}$) 가 결합된 형태로 수신 신호를 모델링합니다.

B. 크라메르 - 라오 하한 (CRB) 기반 최적화

• 목표: 사용자 장비 (UE) 의 위치 오차 하한 (PEB, Position Error Bound) 을 최소화하는 것입니다. PEB 는 피셔 정보 행렬 (FIM) 의 역행렬 대각합으로 계산됩니다.
• 연합 최적화 문제: UE 위치를 알고 있다고 가정할 때, EM 프리코더와 디지털 프리코더를 동시에 최적화하여 PEB 를 최소화하는 문제를 설정합니다.
  • 해법: 비볼록 (Non-convex) 문제를 처리하기 위해, EM 및 디지털 프리코더를 결합한 합성 벡터 ($w_t$) 를 도입하고, 이를 통해 문제를 볼록한 형태로 변환합니다.
  • 코드북 설계: 최적의 $W$ 행렬 구조를 분석하여 4 개의 코드워드 (Codewords) 로 구성된 저복잡도 솔루션을 유도합니다.
• 위치 불확실성 대응: 실제 환경에서는 UE 위치가 불확실하므로, 불확실성 영역 ($U$) 내의 여러 후보 위치를 샘플링하여 강건한 (Robust) 코드북을 설계합니다.
  • 최적 전력 할당: 불확실성 영역 내 모든 위치에서 최악의 경우 (Max-min) PEB 를 최소화하도록 전력 할당 계수 ($\rho_t$) 를 반정규 계획법 (SDP) 으로 최적화합니다.

C. 국소화 추정 알고리즘

• 최대 우도 (ML) 추정: 수신된 신호를 기반으로 UE 위치를 추정하는 ML 기반 추정기를 제안합니다.
• 2 단계 추정 프로세스:
  1. 정밀도 단계 (Coarse Stage): 불확실성 영역을 격자 (Grid) 로 나누고 각 격자 점에서 정규화된 신호 내적을 계산하여 초기 위치를 추정합니다.
  2. 정제 단계 (Refinement Stage): 초기 추정값을 기반으로 격자 없는 (Gridless) 준뉴턴 (Quasi-Newton) 방법을 사용하여 위치를 정밀하게 미세 조정합니다.

3. 주요 기여 (Key Contributions)

1. 근거리장 국소화를 위한 합성 기반 신호 모델 개발: RA 배열의 각 소자가 유한한 기저 함수 집합에서 빔 패턴을 합성하는 모델을 제안하고, 이를 바탕으로 근거리장 국소화의 이론적 한계 (CRB/PEB) 를 유도했습니다.
2. 하이브리드 프리코더 공동 최적화: EM 프리코더와 디지털 프리코더를 결합하여 PEB 를 최소화하는 저복잡도 알고리즘을 설계했습니다. 특히 UE 위치 불확실성을 고려한 강건한 코드북 설계와 전력 할당 최적화를 포함합니다.
3. 효율적인 ML 기반 추정기 및 검증: 제안된 하이브리드 프리코더를 활용한 ML 기반 국소화 추정기를 제안하고, 기존 고정 패턴 배열 및 단순 빔포밍 방식과 비교하여 시뮬레이션을 통해 성능을 입증했습니다.

4. 시뮬레이션 결과 (Simulation Results)

• SNR 대비 성능: 제안된 2 단계 추정 알고리즘은 고 SNR 영역에서 이론적 한계 (PEB) 에 근접하는 성능을 보였습니다. 반면, 단순 격자 기반의 정밀도 단계만 사용할 경우 양자화 오차로 인해 성능이 포화되는 것을 확인했습니다.
• 비교 평가:
  • 기존 배열 vs. RA: 제안된 RA 기반 하이브리드 프리코더는 기존 고정 패턴 배열 (Conventional Array) 과 단순 지향성 빔포밍 (Heuristic Directional) 보다 훨씬 우수한 국소화 정확도 (RMSE) 를 보였습니다.
  • 저 SNR 강건성: 낮은 SNR 환경에서도 제안된 방식이 기존 방식보다 더 강건한 성능을 유지했습니다.
• 기저 함수 수 (Q) 의 영향: 기저 함수의 수 ($Q$) 가 증가함에 따라 제안된 방법의 PEB 가 지속적으로 개선되는 것을 확인했습니다. ($Q=1$일 때는 기존 고정 배열과 동일한 성능을 내며, $Q$가 커질수록 RA 의 이득이 발현됨).
• 간섭 (Multipath) 영향: 다중 경로 간섭이 존재하는 환경에서도 제안된 RA 기반 최적화 프리코더가 기존 방식보다 우수한 성능을 유지하며, LoS 대 다중 경로 비율 (LMR) 이 낮아질수록 성능 저하가 발생하지만 여전히 우세함을 보였습니다.

5. 의의 및 결론 (Significance)

이 논문은 가변형 안테나 (RA) 기술을 근거리장 (Near-Field) 국소화 문제에 최초로 체계적으로 적용한 연구 중 하나입니다.

• 기술적 혁신: 고정된 안테나 패턴의 한계를 극복하고, 전자기 도메인의 자유도 (DoF) 를 활용하여 빔 패턴을 동적으로 합성함으로써, 근거리장 환경에서 훨씬 더 정밀한 위치 추정이 가능함을 증명했습니다.
• 실용성: UE 의 위치 불확실성을 고려한 강건한 코드북 설계와 저복잡도 최적화 알고리즘을 제안하여, 실제 ISAC 시스템 구현에 대한 실용적인 통찰을 제공합니다.
• 미래 전망: 제안된 방법은 차세대 6G 통신 및 통합 감지 통신 시스템에서 고해상도 국소화 및 정밀한 환경 인식에 중요한 기여를 할 것으로 기대됩니다.

요약하자면, 이 연구는 RA 의 동적 제어 능력을 활용하여 근거리장 국소화의 정확도를 획기적으로 향상시키는 새로운 프레임워크를 제시하며, 이론적 분석과 광범위한 시뮬레이션을 통해 그 유효성을 입증했습니다.