고이동성 시나리오를 위한 3D Gaussian 기반 지연-빔 채널 사전 정보 학습 프레임워크 GeoGS-CE

고이동성 (High-mobility) 시나리오에서의 광대역 채널 추정 (Channel Estimation, CE)은 채널 응답이 급격하게 변하는 반면, 실제 시스템에서는 밀집된 사용자를 수용하기 위해 희소한 파일럿 (Sparse pilots)만을 할당할 수 있기 때문에 여전히 어려운 과제로 남아 있습니다. 다행히 고속철도와 같은 많은 고이동성 환경은 계획된 궤적, 예측 가능한 속도, 그리고 제한된 수의 주요 전파 경로를 나타냅니다. 이러한 특성은 순시 복소 채널 주파수 응답 (Complex Channel Frequency Response, CFR)보다 더 안정적이고, 무작위 위상 일관성 (Random phase coherence)에 덜 민감하며, 기하학적 정보가 풍부한 지연-빔 전력 스펙트럼 (Delay--beam power spectrum)을 유도합니다. 이러한 환경적 특성을 활용하기 위해, 본 논문에서는 희소 파일럿 고이동성 시나리오를 위한 2단계 채널 추정 프레임워크인 GeoGS-CE를 제안합니다. 오프라인 (Offline) 단계에서 GeoGS-CE는 다음을 공동으로 모델링합니다: 1) 비가시거리 (Non-Line-of-Sight, NLoS) 기하학적 산란 지지체를 포착하는 장면 수준의 3D 가우시안 (3D Gaussian) 표현, 2) 실제 OFDM 지연 및 안테나 배열 누설 (Array leakage) 효과를 고려하면서, 명시적인 가상 가시거리 (Virtual Line-of-Sight, LoS) 구성 요소와 함께 NLoS 가우시안을 측정된 지연-빔 전력 스펙트럼으로 매핑하는 누설 인식 미분 가능 무선 렌더링 (Leakage-aware differentiable wireless rendering) 프로세스. 온라인 (Online) 단계에서는 각 사용자 위치에 대한 지연-빔 전력 스펙트럼이 예측되며, 이는 강력한 공분산 사전 정보 (Covariance prior)로 사용되어 선형 MMSE 추정기 (Linear MMSE estimator)를 통한 정확한 전대역 및 전안테나 배열 CFR 재구성 및 추적을 가능하게 합니다. 광선 (Guangshen) 고속철도 구간에서 생성된 채널을 기반으로 한 시뮬레이션 결과, 제안된 기하학적 사전 정보가 파일럿 전용 (Pilot-only) 및 비기하학적 (Non-geometric) 베이스라인 모델에 비해 CFR 재구성 성능을 실질적으로 향상시킴을 보여줍니다.