Transformer-based Learning for Improved Localization Performance in UAV-RIS-supported Non-terrestrial Networks

정확하고 보편적인 위치 추정은 차세대 무선 통신 시스템을 안정적으로 서비스하기 위한 핵심 요소이다. 특히, 6G 및 그 이후의 통신 시스템에서는 밀리미터파(mmWave) 신호를 활용함으로써 제한된 인프라 환경에서도 정밀한 위치 추정이 가능하다. 그러나 센티미터 수준의 고정밀 위치 추정을 위해서는 채널 파라미터와 사용자 위치 간의 기하학적 관계를 기반으로 한 가시경로(Line-of-Sight, LOS)의 확보가 필수적이다. 이에 본 논문에서는 LOS 확보를 위한 방안으로, 높은 고도에서 기지국 또는 단말로 활용 가능한 비지상 네트워크(Non-Terrestrial Network, NTN)와 재구성 가능한 지능형 반사판(Reconfigurable Intelligent Surface, RIS) 기반의 시스템을 소개한다. 또한, 단일 기지국 환경에서도 정확한 위치 추정을 가능하게 하는 딥러닝 기반 보정 기법을 함께 제안한다. 제안 기법은 Transformer 기반 학습 네트워크를 활용하여, 기하학 기반 초기 위치 추정값을 정제함으로써 위치 추정 정확도를 크게 향상시킨다. 모의 실험 결과, 본 기법은 약 90% 이상의 사용자에 대해 서브미터 수준의 위치 정확도를 달성함을 확인하였다.