우리는 10ms 미만의 실시간 위치 측정을 목표로 하는 5G Massive MIMO용 적응형 Transformer 기반 위치 측정 시스템의 구현을 제시합니다. 이 설계는 빔-지연 채널 (beam-delay channel) 표현이 희소성 (sparsity)을 나타내는 전파 특성을 활용하며, 이를 통해 최소한의 제어 오버헤드로 저에너지 빔 성분을 제거하는 행 단위 스킵 (row-wise skipping) 메커니즘을 가능하게 합니다. 본 연구의 기여는 입력 및 출력 스테이셔너리 (input- and output-stationary) 실행을 결합한 혼합 데이터플로우 (mixed dataflow) 아키텍처를 사용하여 모델을 하드웨어로 구현하는 데 집중되어 있으며, 이는 효율적인 행렬 연산을 위한 병렬 처리 요소와 가산기 트리 (adder trees)를 갖춘 이기종 벡터 프로세싱 엔진 (heterogeneous vector processing engine)에 매핑되었습니다. 환경 의존적 처리는 경량 런타임 모델 전환 (runtime model-switching) 메커니즘을 통해 지원되며, 여기서 단층 퍼셉트론 (single-layer perceptron) 라우터의 시간적 필터링된 출력은 지연 시간을 줄이면서 특화된 모델 간의 안정적인 선택을 가능하게 합니다. Xilinx Zynq UltraScale+ FPGA 상에 구현되어 실제 Massive MIMO 측정 데이터로 평가된 이 설계는 최대 65%의 행 희소성 (row sparsity)을 달성하여, 부동 소수점 (floating-point) 기준 모델 대비 평균 위치 측정 정확도 저하를 10% 미만으로 제한하면서 약 2배의 피크 연산 속도 향상을 이끌어냈습니다. 이 가속기는 다양한 시나리오에서 1.15m 미만의 위치 측정 정확도를 달성하였으며, 추론 지연 시간 (inference latency)은 0.51-2.11ms, 처리량 (throughput)은 최대 1961 positions/s를 기록했습니다. 이러한 결과는 전파 인지 희소성 (propagation-aware sparsity), 혼합 데이터플로우 실행, 그리고 효율적인 런타임 모델 전환이 실시간 5G 시스템을 위한 적응형 Transformer 기반 위치 측정의 확장 가능하고 저지연인 하드웨어 구현을 가능하게 함을 입증합니다.