본 논문은 5G 및 6G 응용 분야(자율 주행, 확장 현실, 스마트 제조 등)에 필수적인 정확하고 견고한 무선 위치 추정을 위한 기초 모델 기반 솔루션을 제안합니다. 기존 데이터 기반 접근 방식의 한계인 많은 양의 레이블 데이터 요구 및 배포 시나리오 및 무선 구성 간의 일반화 어려움을 해결하기 위해, 자가 지도 학습(SSL) 프레임워크를 기반으로 대규모 무선 위치 추정 모델(LWLM)을 제시합니다. LWLM은 공간-주파수 마스크 채널 모델링(SF-MCM), 도메인 변환 불변성(DTI), 위치 불변 대조 학습(PICL) 세 가지 목표를 공동으로 최적화하여 무선 채널의 기본 의미를 다각적으로 포착합니다. 또한, 도착 시간(ToA), 도착 각도(AoA) 추정 및 단일/다중 기지국 위치 추정 등 주요 하위 작업을 위한 경량 디코더를 설계합니다. 실험 결과, LWLM은 다양한 위치 추정 작업에서 기존 모델 기반 및 지도 학습 기법을 능가하며, 특히 사전 학습 없는 변환기 모델 대비 26.0%~87.5%의 성능 향상을 보였고, 제한된 레이블 미세 조정 및 미지의 기지국 구성에서도 강력한 일반화 성능을 보여줍니다.
