희소성 기반 NLOS 보정으로 빠른 위치 추정

본 논문은 모바일 스테이션(MS)의 위치 추정에서 비직선 경로(NLOS) 오류가 초래하는 큰 오차 문제를 해결하고자 한다. 기존의 LOS(직선 경로) 기반 방법들은 NLOS 측정이 포함될 경우 정확도가 급격히 떨어지며, 이를 보완하기 위해 세 가지 접근법이 제시되어 왔다. 첫 번째는 환경 특성을 사전에 모델링하는 방법, 두 번째는 LOS와 NLOS를 모두 사용하되 가중치를 부여해 최소화하는 방법, 세 번째는 NLOS 오류를 희소 벡터로 가정하고 압축 센싱 기법을 적용하는 방법이다. 본 연구는 세 번째 접근법을 기반으로 새로운 알고리즘인 SRNI(Sparse Recovery of NLOS using IMAT)를 제안한다. SRNI는 NLOS 오류를 추가 미지 변수로 도입하고, 전체 방정식 시스템을 ‘측정 거리 = 실제 거리 + NLOS 오류 + 잡음’ 형태로 표현한다. 2차 테일러 전개를 이용해 비선형 방정식을 선형화하고, 초기 추정값을 이용해 LS(Least Squares) 해를 구한다. 그러나 NLOS 오류 변수와 MS 위치 변수 두 개를 포함하면 방정식 수보다 변수 수가 많아 전통적인 LS로는 해를 구할 수 없게 된다. 여기서 핵심이 되는 것이 IMAT(Iterative Method with Adaptive Thresholding)이다. IMAT는 관측 벡터 Y와 측정 행렬 Φ를 이용해 희소 도메인 변환 행렬 Ψ와 교차 투영을 반복하면서, 각 반복마다 절대값이 가장 큰 성분만을 남기는 임계값(thresholding) 과정을 수행한다. 이 과정은 NLOS 오류가 실제보다 적은 수의 비영(非零) 성분을 갖는다는 가정 하에, L≥2M(여기서 M은 NLOS 비영 성분 수)일 때 정확히 복원될 수 있음을 이론적으로 보인다(식 18). 논문은 이 조건을 만족하도록 시뮬레이션 환경을 설계했으며, NLOS BS 수가 전체 BS 수의 절반 이하일 때 SRNI가 안정적으로 동작함을 확인한다. 알고리즘 흐름은 크게 세 단계로 나뉜다. 첫째, 모든 BS에 대한 원시 거리 측정값을 이용해 각 BS를 제외한 조합으로 LS 위치 추정을 수행하고, 추정 위치와 해당 BS 간 거리 차이를 통해 NLOS 추정값을 계산한다(Transform 단계). 둘째, 얻어진 NLOS 추정값에 대해 가장 큰 절대값 성분만을 남기는 임계값을 적용하고, 이를 원래 NLOS 벡터에 더한다. 셋째, 위 과정을 정해진 반복 횟수(iter_max)만큼 반복한 뒤, 최종 NLOS 벡터를 보정한 거리값을 다시 LS에 투입해 MS 위치를 추정한다. 시뮬레이션에서는 2D 평면에 8개의 BS와 하나의 MS를 배치하고, 다양한 NLOS 오류 크기(0~1000 m), 잡음 표준편차(0~100 m), NLOS BS 수, 전체 BS 수 등을 변동시키며 성능을 평가한다. RMSE 기준으로 SRNI는 특히 잡음이 큰 상황에서 RWGH와 동등하거나 더 우수한 정확도를 보이며, 연산 시간은 BS 수에 대해 선형적으로 증가해 실시간 적용 가능성을 시사한다. 반면 LS와 BB는 NLOS에 전혀 강인하지 못하고, BWLS는 BS 수가 적을 때 정확도가 급격히 저하된다. 또한, SRNI는 NLOS BS 수가 식(18)에서 정의한 한계를 초과하면 복원 정확도가 떨어지는 한계도 명시한다. SRNI의 장점은 다음과 같다. (1) NLOS 오류를 희소성으로 모델링함으로써 과잉 변수 문제를 압축 센싱 기법으로 해결한다. (2) IMAT 기반 반복 복원은 비교적 적은 연산량으로 수렴하며, 임계값을 통해 잡음에 대한 강인성을 확보한다. (3) BS 수가 늘어나도 연산 복잡도가 선형적으로 증가하므로 대규모 네트워크에 적용 가능하다. 단점 및 향후 과제로는 초기 LS 추정이 실제 위치에 충분히 근접해야 수렴한다는 점, NLOS 오류가 단순히 양의 편향만이 아니라 복합적인 비선형 왜곡을 포함할 경우 추가 모델링이 필요할 수 있다는 점을 들 수 있다. 결론적으로, 본 연구는 NLOS 오류를 희소 벡터로 가정하고 IMAT을 활용해 이를 복원함으로써, 기존 방법들에 비해 높은 정확도와 낮은 연산 비용을 동시에 달성한 새로운 위치 추정 프레임워크를 제시한다. 이는 차세대 무선 통신 시스템, 실내 위치 서비스, 그리고 뇌 전기 신호 추적 등 다양한 분야에서 실시간 고정밀 위치 추정에 활용될 수 있을 것으로 기대된다.