오차 누적과 전파 지연
오차 발생 배경
GNSS 신호가 수신기에 도달하기까지는 다양한 물리적·기술적 요소에 의해 오차가 누적될 수 있다. 위성 궤도 상에서 전파가 발생하여 지상으로 도달하는 과정, 그리고 수신기가 이를 처리하는 전산 알고리즘 내에서는 항상 불확실성과 잡음이 존재하기 마련이다. 특히 전리층과 대류권에 의한 전파 지연, 위성 및 수신기 시계(clock) 오차, 궤도력(ephemeris) 산출의 부정확성, 다중경로(multipath) 등의 영향은 GNSS 신호 분석에서 주요하게 다루어야 할 항목이다.
GNSS 측위 과정은 크게 다음과 같은 단계적 오차 누적 가능성을 가진다.
위성에서 전파가 발사되는 시점의 위성 시계 오차
전리층 및 대류권을 통과하면서 발생하는 전파 지연
지표면 인근 물체에 의한 다중경로로 발생하는 수신 신호 왜곡
수신기 내부에서 발생하는 잡음 및 전자적 보정 과정에서의 잔류 오차
이러한 단계별 오차가 복합적으로 작용하면, 결국 측정된 위성-수신기 간의 거리 측정치(range measurements)에 누적 오차가 발생한다. 이때 오차의 크기를 정량적으로 분석하기 위해서는 위성 및 수신기 시계 오차부터 전리층 및 대류권 지연까지 종합적으로 고려해야 한다.
전리층 지연
GNSS 신호는 전리층(ionosphere)을 통과하면서 굴절과 산란 현상을 겪는다. 전리층은 태양 복사 에너지에 의해 전리된 전하가 밀집해 있는 대기권의 상층부로, 전자밀도에 따라 위성 신호가 서로 다른 위상 지연을 겪게 된다. 전리층을 통한 신호 전파 경로를 $s$라 할 때, 위상 지연은 전자밀도($N_e$), 전파 주파수($f$) 등에 의존한다.
전리층 지연을 단순화하면, 전리층 내 유효 경로 적분으로 모델링할 수 있다. 즉,
여기서
$f$는 신호 주파수(Hz)
$N_e$는 전자밀도($\text{electrons}/\text{m}^3$)
$ds$는 경로의 미소 요소
위 식에서 보듯이 전리층 지연은 주파수 $f$의 제곱에 반비례하므로, 일반적으로 이중주파수(two-frequency) 또는 다주파수 신호를 활용하여 전리층 지연을 제거 혹은 완화할 수 있다. 그러나 단일 주파수(single-frequency) 신호만 사용하면, 전리층 지연은 측정치에 상당한 오차를 유발한다.
대류권 지연
대류권(troposphere)은 고도 약 10~15km까지의 대기권이며, 수증기와 공기 밀도 변화 등에 따라 전파 신호에 추가적인 지연을 야기한다. 대류권 지연은 크게 건조(dry) 성분과 습윤(wet) 성분으로 나누어지는데, 건조 성분은 비교적 잘 예측 가능하지만 습윤 성분은 지역 및 시각적 변화량이 커서 정확히 모델링하기 어렵다.
대류권 지연은 다음과 같이 표현할 수 있다.
그리고 일반적으로 다음과 같은 모델을 사용한다.
여기서
$P$는 대기 압력 (hPa)
$e$는 부분 수증기압(hPa)
$T$는 온도(K)
$k$와 $\alpha$는 각종 실험적 계수를 나타내는 상수
초기 GNSS 활용 시에는 표준 대기 모델을 사용하여 대류권 지연을 보정했지만, 정밀 위치결정을 위해서는 측정된 현장 기상 자료나 수증기 라디오계(radiometer)와 같은 추가 센서를 사용하기도 한다.
다중경로 오차
실제 GNSS 수신 환경에서는 인접 건물, 지표면, 차량, 수목 등의 반사·굴절로 인해 동일 위성 신호가 여러 경로로 수신기에 도달할 수 있다. 이러한 다중경로(multipath) 효과는 신호 도달 시간에 중첩 효과를 일으켜 위상 오차, 코드 추적 지연(code tracking delay) 등을 발생시킨다.
다중경로 신호의 편차를 수학적으로 표현하기 위해, 간단히 직접파(LOS: line-of-sight)와 1차 반사파(NLOS: non-line-of-sight)로 구분해보자. 수신기에 도달하는 두 신호 간 위상차 $\Delta \phi$는
로 나타낼 수 있으며, 이 값이 코드를 추적하는 상관기에 미치는 영향은 직접파 신호와 반사파 신호의 세기 비율, 반사면 특성, 반사 위치 등에 의해 결정된다. 이때, 두 경로의 거리 차를 $\Delta R$이라 하면,
($\lambda$는 신호 파장)을 만족한다. 다중경로가 심할수록 $\Delta R$가 커지고, 이로 인해 코드 추적기에 오차가 발생한다.
시계(clock) 오차
GNSS 위성의 원자시계와 지상 수신기 내부 시계는 항상 일정 수준의 드리프트(drift)가 존재한다. 위성 시계가 기준 시간(UTC나 GNSS 내부 공용시간)과 약간만 어긋나도, 수신기의 pseudo-range 측정에 수 m 이상의 오차가 누적될 수 있다. 위성 시계 오차를 $\delta t_\mathrm{sat}$, 수신기 시계 오차를 $\delta t_\mathrm{rcv}$라 하면, GNSS 신호의 측정 모델에서
와 같이 나타낼 수 있다.
$\rho_\mathrm{meas}$: 측정된 위성-수신기 거리
$\rho_\mathrm{true}$: 실제 위성-수신기 거리
$c$: 광속
$\epsilon$: 잔류 오차(잡음, 모델링 누락 등)
위성 시계 오차는 GNSS 관제국에서 지속적으로 모니터링·보정 정보를 업링크하여 어느 정도 줄일 수 있으나, 보정 신호가 즉시 반영되지 못하는 시차가 존재한다. 한편 수신기 시계 오차는 통상 네 개 이상의 위성으로부터 동시 측위함으로써 해결하거나, 별도의 높은 정확도의 내부 시계를 사용하는 방법으로 줄일 수 있다.
수신기 내부 잡음 및 추적 루프 오차
GNSS 신호가 수신기에 도달한 후에는 안테나 및 RF(Radio Frequency) 프론트엔드에서 증폭, 주파수 변환, 필터링 등의 과정을 거친다. 이 과정에서 증폭기나 믹서, 필터 등 각종 회로 소자에서 열잡음(thermal noise)과 위상잡음(phase noise) 등이 발생한다. 이러한 잡음은 신호 대 잡음비(SNR)를 저하시켜, 코드 추적(code tracking)과 위상 추적(carrier phase tracking) 루프에서 잔류 오차를 만들어낸다.
열잡음 모델
수신기 회로에서 발생하는 열잡음은 보통 가우시안(white Gaussian) 분포로 모델링할 수 있으며, 잡음 세기(power)는 수신 대역폭과 회로 온도 등에 따라 달라진다. 예를 들어, 대역폭 $B$(Hz), 볼츠만 상수 $k_B$, 수신기 소자 온도 $T_0$(K)를 고려하면, $N_0 = k_B T_0 B$ 와 같은 형태로 잡음 전력이 결정된다. 실제 수신기 구현에서는 유효 잡음 지수($F$) 등을 도입해 보다 정교하게 잡음 특성을 평가한다.
코드 추적 루프(Delay Lock Loop, DLL)
DLL은 수신 신호의 코드 지연(time delay)을 추정하고 추적하는 과정을 담당한다. 코드 추적 과정에서 열잡음, 전리층·대류권 지연 잔차, 다중경로 등 다양한 요인이 미세한 코드 지연 오차를 유발한다. 잡음이 큰 환경에서는 상관기(correlator)에 입력되는 신호가 불안정하여, 코드를 맞추는 지연 추정값이 요동하기 쉽다. 추적 루프 상에서 편의적으로 코드 도플러(Code Doppler)라 불리는 신호 주파수 변화량까지 고려해야 하며, 실제로 DLL 오차 모델은 다음과 같은 형태로 표현 가능하다. $\sigma_\mathrm{DLL}^2 \approx \frac{1}{2,C/N_0,T_\mathrm{int}}$ 여기서
$C/N_0$: 운반파 대비 잡음밀도 비율(carrier-to-noise density ratio)
$T_\mathrm{int}$: 상관 처리에 사용되는 적분 시간
이 식은 단순화된 잡음 지배 환경을 가정한 결과이며, 실제 환경에서는 다중경로, 지연 잠금(loop filter) 특성, 위성 동적 상황 등이 복합적으로 작용하여 더 복잡한 오차 모델이 필요하다.
위상 추적 루프(Phase Lock Loop, PLL)
PLL은 운반파 위상을 추정하여 더 정밀한 측정 정보를 얻는 데 활용된다. 위상 추적은 전리층이나 수신 회로 잡음, 위성 시계 변동, 수신기 내 내부 진동자(oscillator) 불안정성 등으로 인해 추가 오차가 발생할 수 있다. 단순 PLL 잡음 모델은 다음과 같이 표현할 수 있다. $\sigma_\mathrm{PLL}^2 \approx \frac{1}{2,C/N_0,T_\mathrm{int}} \cdot \left(\frac{\lambda}{2\pi}\right)^2$
$\lambda$는 캐리어 파장. 이는 PLL에서 위상을 추적하는 과정에서의 열잡음 기여분을 보여준다. 마찬가지로 다중경로, 동적 변화 등이 결합되면 더욱 복합적인 오차 양상이 나타난다.
궤도력(ephemeris) 및 위성 자세 오차
GNSS 측위에 필요한 위성 궤도력은 각 GNSS 시스템의 관제국에서 추정하여 위성에 업링크하고, 위성은 이를 데이터 메시지 형태로 지상 수신기에 내려보낸다. 그러나 궤도력 계산 과정에서 각종 외력(중력 퍼트베이션, 태양 복사압, 지구 복사압 등)을 완벽히 예측하기 어려워 일정 수준의 궤도 추정 오차가 남는다.
예: GPS 위성에 대한 브로드캐스트 오르비트(broadcast orbit)는 수 m 정도의 오차 범위를 갖을 수 있으며, 정밀궤도(precise orbit)를 사용하면 수 cm 수준까지 개선 가능. 위성 자세(attitude)가 변하거나 안테나 오프셋(offset)이 생기는 경우도, 수신기에서 측정되는 위성-수신기 거리와 실제 거리 간 편차를 유발한다.
오차 누적 효과의 총괄 표현
GNSS에서 측정되는 pseudo-range 오차를 간단히 표현하면, $\rho_\mathrm{obs} = \rho_\mathrm{geom} + c(\delta t_\mathrm{sat} - \delta t_\mathrm{rcv}) + d_\mathrm{ion} + d_\mathrm{trop} + d_\mathrm{multi} + \eta$ 와 같이 나타낼 수 있다.
$\rho_\mathrm{geom}$: 위성~수신기 간 기하학적 거리(geometry)
$c(\delta t_\mathrm{sat} - \delta t_\mathrm{rcv})$: 시계 오차 항
$d_\mathrm{ion}$, $d_\mathrm{trop}$: 전리층·대류권 지연
$d_\mathrm{multi}$: 다중경로 영향
$\eta$: 기타 잡음 및 모델링 누락 항
여기서 각 오차 항이 서로 상호작용하여 측정치에 누적 오차를 만들어낸다. 전리층, 대류권, 시계, 궤도력, 수신기 내부 잡음, 다중경로 등은 각각 개별적으로 모델링 가능하지만, 실제 환경에서는 이들이 동시다발적으로 발생하므로, 오차가 누적 또는 상쇄되는 결과가 측위 정밀도에 큰 영향을 미친다.
측위 정밀도와 위성 배치에 따른 기하학적 영향
GNSS 오차가 누적된 상태에서, 실제 사용자 위치를 추정할 때는 결국 여러 위성으로부터 얻은 관측 방정식을 동시에 풀어야 한다. 이때 측위 정밀도는 위성들의 기하학적 배치(Geometry)에도 크게 좌우된다. 위성 배치가 수평·수직으로 균등하게 분포되어 있다면, 수평·고도 방향 모두에서 오차가 비교적 균등하게 분산된다. 반면, 위성들이 특정 방향에만 몰려 있거나 고도가 낮은 위성만 관측된다면, 오차가 특정 축(수직 또는 수평)에 집중되어 측위 결과에 큰 편차가 발생한다.
이를 정량적으로 나타내기 위해 DOP(Dilution of Precision) 계수를 사용한다. DOP는 일종의 기하학적 증폭 계수(geometric amplification factor)로서, 위성 배치가 좋지 않을수록 DOP 값이 커진다. 대표적인 지표로는 PDOP(Position DOP), HDOP(Horizontal DOP), VDOP(Vertical DOP), TDOP(Time DOP) 등이 있다.
DOP 정의
여러 위성으로부터 얻은 관측 방정식을 일반화해보자. 수신기에서 추정해야 할 미지수는 보통 $[\Delta x, \Delta y, \Delta z, \Delta t]^T$ 형태로, 위성-수신기 거리의 미분관계로 표현된다. 관측 모델은 대체로 다음과 같은 선형 근사로 기술할 수 있다.
$\mathbf{y}$: 관측 잔차 벡터(수신된 위성별 관측 오차 벡터)
$\mathbf{G}$: 기하학적 설계 행렬(geometry matrix)
$\mathbf{x}$: 미지 상태 벡터(수신기 위치 및 시계 오차)
$\boldsymbol{\eta}$: 잡음 벡터
행렬 $\mathbf{G}$의 전치와 곱을 취해보면,
이 항의 대각 원소가 각각 위치(X, Y, Z) 및 시계(Time) 항의 분산을 결정하게 된다. 따라서 DOP는 이 행렬의 특성값들을 활용하여 정의할 수 있다.
PDOP(Position DOP): 위치 추정의 총합적 분산 계수
HDOP(Horizontal DOP): 수평면(X, Y)에서의 분산 계수
VDOP(Vertical DOP): 고도(Z)에서의 분산 계수
TDOP(Time DOP): 시간 항(Δt\Delta t)에 대한 분산 계수
이 때 예를 들어 PDOP는 다음과 같은 식으로 정의할 수 있다.
여기서 $\sigma_x^2, \sigma_y^2, \sigma_z^2$는 $(\mathbf{G}^T \mathbf{G})^{-1}$ 행렬에서 위치 성분의 분산을 나타낸다. DOP가 커지면 기하학적으로 오차가 증폭되어 측정 잡음이나 지연 오차가 최종 위치 해(解)에 더욱 크게 반영되며, 반대로 DOP가 작으면 동일한 잡음 수준에서도 상대적으로 좋은 측위 성능을 기대할 수 있다.
DOP와 각종 오차 항의 상관 관계
전리층·대류권 지연, 시계 오차, 다중경로, 수신기 잡음 등 다양한 오차 항이 있다고 하더라도, 측정 과정에서 최소한의 기하학적 분산이 확보된다면 그 영향이 보다 균일하게 분산된다. 그러나 위성 배치가 불리한 상태(즉, DOP가 큰 상태)에서는 동일한 오차가 주어져도 특정 방향 오차가 크게 증폭될 수 있다. 예를 들어, 위성의 고도각이 모두 낮거나, 동서 방향으로만 위성이 몰려 있으면 수직 방향(고도)이나 특정 평면 방향으로의 오차가 커진다. 따라서 GNSS 관측 시, 가능한 한 위성 배치가 고루 분포된 조건에서 측정을 수행하는 것이 중요하다.
통합 오차 모델링 및 잔차
앞서 언급한 모든 오차 항을 모델링·보정하더라도, 모델링 오차나 예측 불가한 환경 변화(급격한 전리층 폭발, 대기 난류, 건물 반사 조건 변화 등)로 인해 실제 측정치와 모델 사이에는 잔차(residual)가 남는다. 잔차를 최소화하기 위해서는
높은 정확도의 기상 정보와 전리층 보정 모델을 사용
다중주파수 측정으로 전리층 지연 정확도 향상
위성 시계 오차 모니터링 및 빠른 업데이트
수신기 하드웨어 성능 개선(안테나 설계, RF 회로, 추적 알고리즘)
GNSS+INS, GNSS+SBAS 등 융합 센서 기법 활용
등을 수행하게 된다. 그러나 이 모든 방법을 동원해도, 상시 잔류 오차는 완전히 제거되지 않는다. 결국 잔류 오차의 크기는 GNSS 시스템 및 사용 환경, 적용 보정 기법에 따라 달라지며, 이러한 잔차가 최종적으로 측정 정밀도를 결정하는 주요 요인이 된다.
고급 오차 모델링과 적용 사례
각종 GNSS 오차 요인을 대략적으로 설명했지만, 실제로는 이러한 항목들을 훨씬 정교한 수학적 모델과 알고리즘으로 통합하여 정확도를 높인다. 오차 항에 대한 고등 모델링 및 적용 사례를 간단히 살펴보자.
다중 경로 분석의 고급 기법
단순히 직접파와 1차 반사파만 고려하는 수준을 넘어, 도시 환경이나 선박·항공기 등 이동체 환경에서는 다중 경로 성분이 다차적으로 발생할 수 있다. 이를 효율적으로 분석하기 위해 다음과 같은 기법이 활용된다.
레이 트레이싱(ray tracing): 수신기 주변 3차원 구조물 정보를 이용하여 가능한 반사·굴절 경로를 모의 계산한 뒤, 각 경로 신호 강도와 위상차를 예측.
SD (Stochastic Dynamic) 모델: 환경을 확률론적으로 접근하여, 다중 경로 성분을 랜덤 변수로 처리하고 추적 루프 파라미터를 동적으로 조정.
크리스털 볼 마이크로파 챔버(chamber) 측정: 위성 신호를 모사한 소스와 이동 로봇 등을 사용해 실제 반사 시나리오를 계측·분석.
전리층 분포의 시간·공간적 변동
전리층은 지구 자기장, 태양 활동, 계절과 지역 등에 따라 시시각각 변동한다. 그로 인해 위성별·시각별·경로별로 상이한 지연 패턴이 발생한다. 이 문제를 해결하기 위해 다음과 같은 접근법이 있다.
Klobuchar 모델: GPS에서 단일 주파수 사용자를 위해 제공하는 간단한 전리층 보정 모델. 8개 파라미터를 이용해 지연을 추정하나, 정확도는 제한적.
NeQuick, IRI(International Reference Ionosphere) 등 복합 모델: 다양한 관측 자료(위성 전파 계측, 전리층 관측소 데이터, 위성 전파천문 관측 등)를 융합하여, 보다 정교한 3차원 전리층 전자밀도 분포를 추정.
GNSS 이중주파수, 삼중주파수 관측: 서로 다른 주파수 대역의 위상 관측 정보를 결합하여 전리층 지연을 거의 대부분 제거하거나, 잔차를 크게 축소.
대류권 지연의 동적 보정
일반적인 대류권 지연 모델은 지상 기압·온도·수증기압의 전형적인 표준 값을 이용하지만, 실제 관측 환경(산악 지대, 해양, 고층 빌딩 옥상 등)은 표준 대기와 크게 다를 수 있다. 이를 보완하기 위해:
GNSS 기상학(GNSS meteorology): GNSS 관측으로부터 역으로 대류권 수증기량을 추정하고, 이를 다시 대류권 보정값으로 환산해 사용.
망형(Net-based) 대류권 보정: 광역에 걸친 GNSS 관측망(RTK Network, CORS 등)을 이용해 지역별 대류권 지연 분포를 실시간 추정하고, 보정 메시지를 전송(SBAS, PPP-RTK 등).
RADAR/Radiometer 융합: 지상에 수증기 라디오계, 근거리 RADAR 등을 배치해 대기 중 수증기 농도를 직접 측정하여 GNSS 측정에 적용.
위성 시계 및 궤도 보정 기법
GNSS 위성 시계 및 궤도력 오차는 근본적으로 GNSS 관제국에 의해 보정 정보를 송신받아 해소되지만, 시차(latency)와 보정 빈도 등이 실시간 정밀도에 영향을 준다.
정밀 궤도·시계 정보(Precise Orbit and Clock products): IGS(International GNSS Service) 등 전 세계 추적망을 통해 위성 궤도와 시계 오차를 cm~dm급 정확도로 추정한 뒤, 이를 전 세계에 공개. 실시간(Real-Time), 초단연기(Ultra-Rapid), 예측(Predicted) 등의 다양한 타입이 존재.
PPP(Precise Point Positioning): 정밀 궤도·시계 정보를 활용해 단일 수신기 환경에서도 몇 cm
dm급 정확도 달성이 가능. 그러나 초기 수 분수십 분의 수렴(convergence) 시간이 필요.
고정밀 측위 기법과 잔류 오차
RTK(Real-Time Kinematic)나 네트워크 RTK, PPP-RTK 등은 GNSS 오차 요인을 최대한 제거 또는 축소해 cm 단위 정밀도를 목표로 하지만, 여전히 환경적 요인(도심 협곡, 교량 구조물 등)과 측정 세션 시간, 위성 배치 등으로 인해 잔류 오차가 발생할 수 있다.
정지 RTK(Static RTK): 한 지점에서 충분히 오래(수 분~수십 분) 측정하여 오차 요인을 추정·보정.
동시 RTK(Kinematic RTK): 이동체 플랫폼(차량, 드론 등)에 탑재된 GNSS 수신기에 보정 메시지를 실시간 송신하므로, 측정 환경 변화와 멀티패스 등의 영향이 동적으로 반영됨.
오차 항 상호작용을 나타내는 예시 (mermaid)
아래는 간단한 다이어그램 예시로, 주요 오차 요인이 신호 흐름을 따라 어떻게 상호작용하는지를 보여준다.
이와 같이, 위성 측 시계와 궤도 오차에서 출발해 전리층·대류권 지연, 수신기 다중경로 및 내부 잡음, 시계 오차까지 단계적으로 누적된다. 그리고 최종적으로 측위 알고리즘에서 이러한 누적 요인을 보정·추정하여 위치를 결정한다.
멀티 GNSS 환경에서의 오차 누적 양상
최근에는 GPS뿐 아니라 GLONASS, Galileo, BeiDou(BDS) 등 다양한 위성항법시스템 신호를 동시에 수신할 수 있는 멀티 GNSS 환경이 보편화되고 있다. 멀티 GNSS 환경에서 오차 누적은 단일 GNSS와 유사한 양상을 보이되, 시스템 간 주파수 및 신호 구조가 다르므로 다음과 같은 추가 고려 사항이 있다.
주파수 차이에 따른 전리층 보정 방식 GLONASS는 주파수를 FDMA(Frequency Division Multiple Access) 방식으로 할당하므로, GPS, Galileo 등과 달리 각 위성별로 다소 다른 주파수를 사용한다. 이에 따라 이중주파수 전리층 보정 시, 실제 사용 주파수 쌍이 서로 다를 수 있으므로 별도 처리가 필요하다. Galileo나 BeiDou는 CDMA(Code Division Multiple Access) 기반으로 GPS와 유사한 주파수 대역을 사용하지만, 신호 대역폭이나 변조 방식이 다르므로 코드·위상 추적 루프 특성이 조금씩 달라질 수 있다.
위성별 신호 전력 및 안테나 이득 차이 각 GNSS 위성 별로 송신 안테나 이득 패턴, 송신 전력, 신호 변조 형식 등이 다르다. 사용 주파수도 일부 상이할 수 있다. 따라서 동일 고도각(위성 고도)에서 관측되더라도, 신호 감쇄나 SNR 특성이 달라잡음 및 다중경로 민감도 또한 제각각이다.
위성 시계 오차 및 궤도력 품질의 상이 GPS는 수십 년 동안 축적된 경험과 인프라로 비교적 높은 품질의 시계·궤도력을 제공한다. Galileo, BeiDou, GLONASS 등도 점차 정밀도가 올라가지만, 시스템 고유의 측정망 인프라나 보정 정책에 따라 보정빈도나 정확도가 다를 수 있다. 이 차이가 멀티 GNSS 통합 솔루션에서의 종합 오차 양상에 영향을 준다.
다중 경로 환경에서의 위성별 오프셋 서로 다른 각도(방위각·고도각)로 들어오는 위성 신호는 반사 환경에 따라 다중경로 영향이 각기 다르게 나타난다. 일부 GNSS 위성은 지상·건물 반사에 취약한 주파수 대역(또는 안테나 패턴)을 사용할 수도 있으며, 이런 차이가 멀티 GNSS 데이터 융합 시에 위성별 오차 가중값을 달리 설정해야 하는 원인이 된다.
복합 측정 기법: GNSS/INS 융합
오차 누적을 줄이기 위해 GNSS 단독이 아닌 관성항법장치(INS: Inertial Navigation System)와 결합하여 보완하는 융합 기법이 활발히 쓰인다.
INS의 장점: 짧은 시간 스케일(초~분)에서 매우 안정적으로 운동학적 상태(속도·가속도·각속도 등)를 추정 가능.
GNSS의 장점: 장기간 위치·시각 기준이 계속 보정되어 절대 정확도 확보 가능. GNSS/INS 융합에서는 전파 지연 오차나 시계 오차가 단기적으로 커지더라도, INS 측정치를 통해 위치 추정이 보강되어 최종적인 누적 오차를 제한할 수 있다.
향후 전파 지연 연구 동향
GNSS 기반 정밀 측위·항법·시각동기 분야가 발전하면서, 전파 지연 연구 또한 더욱 세분화·고도화되는 추세다.
상세 전리층 모형 + 머신러닝 전리층 변동이 심한 극지방, 적도 근처, 태양 폭발기 등에선 전리층 보정 모델이 정확도가 떨어질 수 있다. 이때 머신러닝 기반 예측 모형을 개발하거나, 다중 GNSS·지상 관측망의 빅데이터를 통합하여 전리층 동적 변화를 시·공간적으로 추정하는 연구가 진행 중이다.
대류권 지연의 기상 예측 연계 기상 수치 예보(NWP) 모델과 결합하여, 특정 지역의 수증기량 변화를 고해상도로 예측·보정. 이를 GNSS 대류권 보정 모델에 반영하면, 실시간 PPP-RTK 등에서 높은 정밀도와 빠른 수렴 속도를 얻을 수 있다.
수신기 안테나 설계의 개선 다중경로와 편파(polarization) 오차를 줄이기 위해 GNSS 안테나의 방사 패턴을 최적화하고, 저각 위성 수신 신호 처리 시 잡음·반사 편파를 최소화하는 안테나 기술(예: choke ring 안테나, 거대 배열 안테나 등)이 연구되고 있다.
신호 구조의 고도화 GPS L5, Galileo E5, BeiDou B2a 등 새로운 주파수 대역의 광대역 신호가 증가함에 따라, 전파 지연 오차 및 다중경로 민감도가 기존 주파수 대비 개선될 수 있다. 반대로, 광대역화에 따른 추가적인 주파수 분산이나 하드웨어 이득 편차에 대한 정밀 보정이 필요하다는 과제도 생긴다.
Last updated