[论文解读] How to Mobilize mmWave: A Joint Beam and Channel Tracking Approach

Jiahui Li, Yin Sun+3 more|arXiv (Cornell University)|Feb 6, 2018

Millimeter-Wave Propagation and Modeling参考文献 20被引用 6

一句话总结

本文提出了一种递归波束与信道追踪（RBCT）算法，通过相控阵列联合估计毫米波系统中的波束方向与信道系数。通过优化训练波束波束成形向量并利用压缩感知，RBCT在低导频开销下实现了高追踪精度——在32元天线阵列上，仅使用每秒10个导频，即可在5 dB信噪比下以5.45°/秒的速度追踪移动终端，实现95%的理论容量。

ABSTRACT

Maintaining reliable millimeter wave (mmWave) connections to many fast-moving mobiles is a key challenge in the theory and practice of 5G systems. In this paper, we develop a new algorithm that can jointly track the beam direction and channel coefficient of mmWave propagation paths using phased antenna arrays. Despite the significant difficulty in this problem, our algorithm can simultaneously achieve fast tracking speed, high tracking accuracy, and low pilot overhead. In static scenarios, this algorithm can converge to the minimum Cramér-Rao lower bound of beam direction with high probability. Simulations reveal that this algorithm greatly outperforms several existing algorithms. Even at SNRs as low as 5dB, our algorithm is capable of tracking a mobile moving at an angular velocity of 5.45 degrees per second and achieving over 95\% of channel capacity with a 32-antenna phased array, by inserting only 10 pilots per second.

研究动机与目标

• 解决在车联网（V2X）和高速铁路等高移动性场景中维持可靠毫米波连接的挑战。
• 克服现有基于压缩感知的波束追踪算法在高移动性下性能下降的局限性。
• 开发一种联合追踪框架，以最小导频开销同时估计时变波束方向与信道系数。
• 优化训练波束成形向量，以最小化估计误差，并在静态条件下实现Cramér-Rao下界（CRLB）的最小值。
• 确保在动态条件下具有鲁棒性，并以高概率收敛至最小CRLB。

提出的方法

• 提出一种基于每时隙使用两个导频符号的递归波束与信道追踪（RBCT）算法，联合估计波束方向与复信道系数。
• 使用依赖于到达角（AoA）正弦值的波束导向向量建模毫米波信道，并假设信道系数为时变复数。
• 采用基于压缩感知的递归估计框架，其中波束成形向量自适应选择以最小化估计误差。
• 推导波束方向估计的Cramér-Rao下界（CRLB），并证明当训练向量最优设计时，RBCT算法可高概率收敛至该下界。
• 应用离散Gronwall不等式与稳定性分析，证明估计误差在时间上保持有界，从而确保在动态条件下的鲁棒性。
• 将训练波束成形向量设计为对估计波束方向的扰动（即，w_{n,i} = a(x_n + δ_{n,i})/√M），以高效探索角度域。

实验结果

研究问题

• RQ1 联合波束与信道追踪算法是否能在高移动性毫米波系统中实现高精度与低导频开销？
• RQ2 如何优化训练波束成形向量以最小化波束方向估计的Cramér-Rao下界（CRLB）？
• RQ3 该追踪算法的理论收敛行为如何？在静态场景中是否能以高概率实现CRLB？
• RQ4 该算法在波束与信道动态时变条件下如何保持有界的估计误差与稳定性？
• RQ5 与现有方法相比，RBCT算法在追踪速度、误差与导频开销方面实现了哪些性能增益？

主要发现

• 在静态场景中，RBCT算法实现近似最优性能，以高概率收敛至波束方向估计的最小Cramér-Rao下界（CRLB）。
• 在5 dB信噪比下，该算法仅使用每秒10个导频，即可在32元天线阵列上以5.45°/秒的速度成功追踪移动终端，实现超过95%的理论信道容量。
• 在高移动性环境中，该算法在追踪速度、精度与导频开销方面显著优于现有波束追踪方法。
• 理论分析证明，当训练波束成形向量设计合理时，估计误差在时间上保持有界，并具有收敛保证。
• 基于离散Gronwall不等式的误差界验证表明，该算法在动态信道与波束变化下仍保持稳定与低误差。
• 仿真结果证实，与最先进的压缩感知及基于先验的追踪方法相比，RBCT算法具有更快的收敛速度与更低的均方误差。