가상 안테나 어레이 기반 BLE 측위에서 위상 모호성 문제를 해결하기 위한 단일 샷 ToA 및 DoA 추정: 딥러닝 기반 접근 방식

Joint single-shot ToA and DoA estimation for VAA-based BLE ranging with phase ambiguity: A deep learning-based approach

기존의 방향 도착(DoA) 추정 방법은 다중 안테나 어레이에 의존하며, 이는 크기 제약이 있는 Bluetooth Low Energy (BLE) 장치에 구현하는 데 비용이 많이 듭니다. 가상 안테나 어레이(VAA) 기술은 단일 안테나로 DoA 추정을 가능하게 하여, 이러한 장치에서도 각도 추정이 가능하게 합니다. 그러나 BLE는 이진 위상 모호성 문제가 있는 단일 샷 양방향 채널 주파수 응답(CFR)만 제공하며, 이는 VAA의 직접적인 적용을 어렵게 만듭니다. 이러한 문제를 해결하기 위해, 본 연구에서는 VAA와 BLE 양방향 CFR을 결합한 통합 모델을 제안하고, 행/열 예측기와 투표 메커니즘을 활용하여 위상 모호성을 해결하는 신경망 기반 위상 복구 프레임워크를 소개합니다. 복구된 단방향 CFR은 MUSIC과 같은 초해상도 알고리즘을 사용하여 시간 도착(ToA) 및 DoA를 동시에 추정하는 데 사용됩니다. 시뮬레이션 결과는 제안된 방법이 불균일한 VAA 환경에서 우수한 성능을 달성하며, SNR이 5 dB 이상에서 평균 제곱 오차가 Cramer-Rao 경계에 접근하는 것을 보여줍니다.

Conventional direction-of-arrival (DoA) estimation methods rely on multi-antenna arrays, which are costly to implement on size-constrained Bluetooth Low Energy (BLE) devices. Virtual antenna array (VAA) techniques enable DoA estimation with a single antenna, making angle estimation feasible on such devices. However, BLE only provides a single-shot two-way channel frequency response (CFR) with a binary phase ambiguity issue, which hinders the direct application of VAA. To address this challenge, we propose a unified model that combines VAA with BLE two-way CFR, and introduce a neural network based phase recovery framework that employs row / column predictors with a voting mechanism to resolve the ambiguity. The recovered one-way CFR then enables super resolution algorithms such as MUSIC for joint time of arrival (ToA) and DoA estimation. Simulation results demonstrate that the proposed method achieves superior performance under non-uniform VAAs, with mean square errors approaching the Cramer Rao bound at SNR $\geq$ 5 dB.