[논문 리뷰] Jittering Effects Analysis and Beam Training Design for UAV Millimeter Wave Communications

Wei Wang, Wei Zhang|arXiv (Cornell University)|2021. 04. 13.

Indoor and Outdoor Localization Technologies참고 문헌 41인용 수 5

한 줄 요약

이 논문은 UAV의 미세진동으로 인한 채널 추정 오차를 완화하는 네비게이션 보조 압축 감지 기반 빔 트레이닝 방식을 제안한다. UAV 자세의 진동과 도착각/출발각(AoA/AoD) 변동 간의 관계를 모델링하여, UAV 네비게이션 데이터를 활용해 감지 범위를 제약함으로써, 저 SNR 조건에서도 더 빠르고 정확한 빔 트레이닝을 가능하게 하며, 교육 과정의 오버헤드를 감소시킨다.

ABSTRACT

Jittering effects significantly degrade the performance of UAV millimeter-wave (mmWave) communications. To investigate the impacts of UAV jitter on mmWave communications, we firstly model UAV mmWave channel based on the geometric relationship between element antennas of the uniform planar arrays (UPAs). Then, we extract the relationship between (I) UAV attitude angles & position coordinates and (II) angle of arrival (AoA) & angle of departure (AoD) of mmWave channel, and we also derive the distribution of AoA/AoD at UAV side from the random fluctuations of UAV attitude angles, i.e., UAV jitter. In beam training design, with the relationship between attitude angles and AoA/AoD, we propose to generate a rough estimate of AoA and AoD from UAV navigation information. Finally, with the rough AoA/AoD estimate, we develop a compressed sensing (CS) based beam training scheme with constrained sensing range as the fine AoA/AoD estimation. Particularly, we construct a partially random sensing matrix to narrow down the sensing range of CS-based beam training. Numerical results show that our proposed UAV beam training scheme assisted by navigation information can achieve better accuracy with reduced training length in AoA/AoD estimation and is thus more suitable for UAV mmWave communications under jittering effects.

연구 동기 및 목표

• 고주파수 자세 변화로 인한 UAV의 빔 오차정렬 문제를 해결함으로써 통신 성능 저하를 완화한다.
• 균일 평면 어레이(UPA)를 사용한 mmWave 통신에서 UAV 자세 각도(요, 피치, 롤)와 도착각/출발각(AoA/AoD) 변동 간의 기하학적 관계를 모델링한다.
• UAV 네비게이션 시스템 출력(위치 및 자세)을 활용하여 빔 트레이닝을 위한 도착각/출발각의 근사 초기 추정치를 생성한다.
• 근사 추정치 중심에 위치한 제약된 감지 범위를 가진 압축 감지 기반 빔 트레이닝 방식을 설계하여 추정 정확도를 향상시키고 교육 오버헤드를 감소시킨다.
• 방향 제약이 있는 빔 트레이닝이 오mnidirectional 무작위 빔포밍보다 더 높은 스펙트럼 효율성과 짧은 교육 길이를 달성함을 입증한다. 특히 저 SNR 영역에서 성능 향상이 두드러진다.

제안 방법

• 균일 평면 어레이(UPA)의 기하학적 모델을 기반으로 UAV 자세 각도(ψ, θ, φ)와 AoA/AoD 간의 수학적 관계를 유도한다.
• 어레이 응답 벡터의 자세 각도에 대한 편미분을 사용하여 AoA/AoD의 무작위 변동을 UAV 진동의 함수로 모델링한다.
• GPS, 기압계, 자이로스코프(IME)에서 얻은 UAV 네비게이션 데이터를 활용해 빔 트레이닝을 위한 도착각/출발각의 거친 추정치를 확보한다.
• 사전 추정치 중심에 위치한 부분적으로 무작위 감지 행렬을 구성하여 검색 공간을 축소한다.
• 감지 행렬을 설계하여 에너지를 예상 각도 영역에 집중시킴으로써, 제한된 교육 피LOT을 기반으로 진짜 AoA/AoD를 압축 감지(CS)로 복원한다.
• 무작위성과 빔포밍 이득을 균형 있게 유지하기 위해 감지 행렬의 구조(유형 1 및 유형 2 부분 무작위 설계)를 최적화하여 저 SNR 조건에서도 강건성을 향상시킨다.

실험 결과

연구 질문

• RQ1 UAV의 진동, 특히 요, 피치, 롤 변화가 UPAs를 사용한 mmWave 통신에서 AoA 및 AoD에 어떻게 영향을 미치는가?
• RQ2 위치 및 자세 정보를 포함한 UAV 네비게이션 시스템 출력이 진동 상황에서도 도착각/출발각의 신뢰할 수 있는 초기 추정치를 생성하는 데 얼마나 유용한가?
• RQ3 사전 추정치 중심의 제한된 각도 영역으로 압축 감지 빔 트레이닝을 제약할 경우, 추정 정확도 향상과 교육 오버헤드 감소에 기여하는가?
• RQ4 저 SNR 조건에서 방향 제약이 있는 빔 트레이닝과 완전히 무작위(전방위적) 빔 트레이닝 간의 스펙트럼 효율성 및 교육 길이 측면에서의 성능 비교는 어떻게 되는가?
• RQ5 mmWave UAV 시스템에서 제약된 감지와 비제약된 감지 간의 성능 향상에 대해 SNR가 미치는 영향은 무엇인가?

주요 결과

• 방향 제약이 있는 감지 행렬을 사용한 제안된 빔 트레이닝 방식은 교육 길이 N가 6에서 16 범위일 때, 완전히 무작위 감지 행렬과 거의 동일한 추정 정확도를 달성하지만, 교육 오버헤드가 크게 감소한다.
• 0 dBm 송신 전력 조건에서, 방향 제약이 있는 빔 트레이닝(Type 1)은 낮은에서 중간 수준의 교육 길이에서 오mnidirectional 트레이닝보다 스펙트럼 효율성이 뛰어나다.
• SNR가 증가함에 따라 제약된 빔 트레이닝과 오mnidirectional 빔 트레이닝 간의 성능 격차가 줄어들며, 이는 제약된 감지의 이점이 특히 저 SNR 영역에서 두드러진다는 것을 시사한다.
• 각도 제약이 있는 부분적으로 무작위 감지 행렬은 고경로 손실이 일반적인 mmWave 대역에서 더 빠르고 정확한 AoA/AoD 추정을 가능하게 한다.
• 이 방법은 빔포밍 이득과 무작위성 사이의 균형을 효과적으로 유지하여, 기존의 무작위 빔포밍 대비 UAV mmWave 시스템에서 더 에너지 효율적이다.
• 수치적 결과는 제안된 방식이 교육 길이를 단축시키면서도 높은 정확도를 유지함을 확인하였으며, 진동 영향을 받는 실시간 고속 이동 UAV mmWave 통신에 적합하다.