[論文レビュー] Jittering Effects Analysis and Beam Training Design for UAV Millimeter Wave Communications

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

Indoor and Outdoor Localization Technologies参考文献 41被引用数 5

ひとこと要約

本稿では、UAVのミスリットに起因するチャネル推定誤差を軽減するナビゲーション支援型圧縮センシングビームトレーニング方式を提案する。UAVの姿勢ジャイタとアングル・オブ・アレイヴェリューション（AoA）／アングル・オブ・デパーチャー（AoD）の変動との関係をモデル化することで、UAVナビゲーションデータを用いてセンシング範囲を制約し、低SNR条件下でも高速かつ高精度なビームトレーニングを実現するとともに、トレーニングオーバーヘッドを低減する。

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.

研究の動機と目的

• UAVのジャイタに起因するmmWaveビームミスアライメントの課題に取り組み、高周波数の姿勢変動により通信性能が低下する要因を解消すること。
• 均一平面アレイ（UPA）を用いたmmWave通信において、UAVの姿勢角（ヨー、ピッチ、ロール）とそれに伴うAoA/AoDの変動との幾何的関係をモデル化すること。
• UAVナビゲーションシステムの出力（位置および姿勢）を活用し、ビームトレーニングのためのAoA/AoDの粗い初期推定値を生成すること。
• 粗い推定値を中心とした制約付きセンシング範囲を持つ圧縮センシングベースのビームトレーニング方式を設計し、推定精度を向上させるとともにトレーニングオーバーヘッドを低減すること。
• 方向制約付きビームトレーニングが、特に低SNR領域において、スペクトル効率を向上させるとともに、トレーニング長を短縮できることを実証すること。

提案手法

• 均一平面アレイ（UPA）の幾何的モデルを用いて、UAVの姿勢角（ψ, θ, φ）とAoA/AoDとの間の数学的関係を導出する。
• アレイ応答ベクトルの姿勢角に関する偏微分を用いて、AoA/AoDの確率的変動を、UAVジャイタの関数としてモデル化する。
• GPS、気圧計、IMUからのUAVナビゲーションデータを活用し、ビームトレーニングのための事前知識として、AoA/AoDの粗い推定値を取得する。
• 事前推定値を中心とした、方向制約付き（狭い角度範囲）のセンシング行列を構築し、探索空間を縮小する。
• 圧縮センシング（CS）を用いて、限られたトレーニングパイロットから真のAoA/AoDを回復する。この際、センシング行列は期待される角度領域にエネルギーを集約するように設計される。
• ランダム性とビームフォーミングゲインのバランスを最適化するため、センシング行列構造（タイプ1およびタイプ2の部分的ランダム設計）を最適化し、低SNR下でも耐障害性を向上させる。

実験結果

リサーチクエスチョン

• RQ1 UAVジャイタ、特にヨー、ピッチ、ロールの変動が、UPAを用いたmmWave通信におけるAoAおよびAoDの変動にどのように影響するか。
• RQ2 位置および姿勢のUAVナビゲーションシステム出力が、ジャイタが存在する状況下でも、AoA/AoDの信頼性の高い初期推定値を生成するためにどの程度利用可能か。
• RQ3 事前推定値を中心とした限定的角範囲に制限された圧縮センシングビームトレーニングが、推定精度の向上とトレーニングオーバーヘッドの低減に寄与するか。
• RQ4 低SNR条件下において、方向制約付きビームトレーニングと完全にランダム（全方向的）なビームフォーミングとの間で、スペクトル効率およびトレーニング長の観点から性能にどのような差が生じるか。
• RQ5 SNRが上昇するに従い、制約付きセンシングと非制約付きセンシングの性能向上の差にどのような影響が生じるか。mmWave UAVシステムにおける影響を評価する。

主な発見

• 方向制約付きセンシング行列を用いた提案されたビームトレーニング方式は、トレーニング長Nが6から16の範囲で、完全にランダムなセンシング行列とほぼ同等の推定精度を達成するが、はるかに低いトレーニングオーバーヘッドを実現する。
• 送信電力が0 dBmの条件下で、方向制約付きビームトレーニング（タイプ1）は、低～中程度のトレーニング長において、全方向的トレーニングを上回るスペクトル効率を示す。
• SNRが上昇するに従い、制約付きと全方向的ビームトレーニングの性能差は縮小するため、制約付きセンシングの利点は特に低SNR領域で顕著であることが示された。
• 角度制約付きの部分的ランダムセンシング行列は、mmWave帯の高パスロスが典型的な状況下でも、より高速かつ高精度なAoA/AoD推定を可能にする。
• 本手法は、ビームフォーミングゲインとランダム性のバランスを効果的にとらえ、従来のランダムビームフォーミングに比べて、UAV mmWaveシステムにおいてより省電力である。
• 数値結果により、提案方式がトレーニング長を短縮しながらも高い精度を維持できることを確認した。これは、ジャイタ効果下でもリアルタイムかつ高移動度なUAV mmWave通信に適している。