5th Generation (5G) New Radio (NR) 무선통신 시스템에서의 초기접속과정과 실내 측위 문제에 있어 시간 값은 중요한 역할을 한다. 초기접속 과정에서, User Equipment (UE) 와 기지국 간 본격적 통신을 위한 시간 지연값 동기화가 필수적으로 이루어지며, 또한 실내 측위 문제에 있어 UE와 Access Point (AP)간의 Round Trip Time (RTT)을 측정하여 이를 기반으로 UE의 위치를 측위할 수 있다. 상기 제시한 두 분야에 있어 본 논문은 다음과 같이 두 파트로 나뉘어 구성된다:
파트 1에서 우리는 초기접속 과정의 Random Access (RA) procedure에서 특히 Physical Random Access Channel (PRACH) 프리앰블 검출 방식 및 그 기법에 대하여 알아본다. Signal to Noise Ratio (SNR)이 낮은 채널 환경에서 기존 프리앰블 검출 기법은 잡음 전력 증가에 따라 커지는 false peak의 크기로 인하여 불검출 및 오경보 확률이 올라갈 수 있다. 이러한 문제를 해결하기 위하여 우리는 Deep Learning (DL) 기반 PRACH 프리앰블 검출 기법을 제안하며, 또한 추가로 Complex power Delay Profile (CDP) 이라는 정보량 관점에서 기존 입력 형태보다 이점을 가지는 입력 형태를 제안한다.
파트 2에서는 RTT fingeprint 기반 실내 위치측위에 대해 알아본다. 위치 측위가 필요한 실내 공간의 크기가 점점 커짐에 따라 fingerprint 기반 기법의 계산 복잡도는 증가할 수 있으며, 또한 물리적 제약에 따른 fingerprint 수집이 불가능한 외곽 지역이 존재함에 따라 측위 성능이 떨어질 수 있다 (Boundary effect). 제시한 두가지 문제를 해결하기 위하여 본 파트에서 우리는 fingerprint 기법과 geometric 기법을 적절히 융합한 hybrid 위치 측위 기법을 제안한다. 본 제안 기법은 계산 복잡도 측면에서의 효율성을 얻기 위하여 geoemtric 기법을 이용한 간단한 rule 기반 fingerprint matching process를 제안한다. 또한, boundary effect로 인한 성능 저하를 완화시키기 위하여, 수집 불가 외곽지역에 대한 패턴 유사도를 1차 커브 피팅을 이용하여 추정하고자 한다.
각 파트들에 대한 제안 기법들의 유효성을 보이기 위하여, 우리는 수치실험을 진행하였으며, 제안 기법들이 제시된 문제들을 해결함에 있어 효과적임을 보인다.