[论文解读] Towards Environment-Aware 6G Communications via Channel Knowledge Map

Yong Zeng, Xiaoli Xu|arXiv (Cornell University)|Jul 18, 2020

Advanced Wireless Communication Technologies参考文献 12被引用 9

一句话总结

本文提出了通道知识图（CKM），一种针对特定站点的数据库，用于存储与环境和位置相关联的通道信息，以实现环境感知的6G通信。通过利用CKM实现免训练波束赋形和子带分配，该方法在毫米波和设备到设备（D2D）网络中显著降低了实时信道获取开销，同时实现了接近完美的信道状态信息（CSI）性能（例如，在1米定位误差下达到理想速率的约90%）。

ABSTRACT

This article proposes the concept of channel knowledge map (CKM) as an enabler towards environment-aware wireless communications. CKM is a site-specific database, tagged with the locations of the transmitters and/or receivers, that contains whatever channel-related information useful to enhance environmental-awareness and facilitate or even obviate sophisticated real-time channel state information (CSI) acquisition. Therefore, CKM is expected to play an important role for 6G networks targeting for super high capacity, extremely low latency, and ultra-massive connectivity, by offering potential solutions to practical challenges brought by the drastically increased channel dimensions and training overhead. In this article, the motivations of environmental-awareness enabled by CKM are firstly discussed, followed by the key techniques to build and utilize CKM. In particular, it is highlighted that CKM is especially appealing for four channel types: channels for yet-to-reach locations, channels for non-cooperative nodes, channels with large dimensions, and channels with severe hardware/processing limitations. Two case studies with extensive numerical results are presented to demonstrate the great potential of environment-aware communications enabled by CKM.

研究动机与目标

• 解决传统随机信道模型忽略特定站点传播环境的局限性。
• 降低在大规模MIMO和毫米波系统中6G网络实时CSI获取的高训练开销和复杂度。
• 通过利用预计算的环境知识（CKM）实现实用、低时延、高容量的通信。
• 在实际场景（如毫米波波束选择和D2D网络）中展示CKM的可行性与性能增益。

提出的方法

• 构建通道知识图（CKM）作为特定站点的、基于位置标记的信道相关信息数据库（例如路径损耗、到达角AoA、出发角AoD）。
• 使用反距离加权（IDW）结合K近邻（KNN）方法，从射线追踪的真值样本中插值CKM数据，以实现连续的空间覆盖。
• 应用CKM预测信道状态信息（CSI），用于毫米波系统中的免训练波束赋形，基于预测的路径参数。
• 采用低复杂度的码本式模拟波束赋形方案，结合CKM预测的波束方向，选择最优波束。
• 通过基于CKM数据预测的信道质量，将CKM与D2D通信集成，实现子带分配。
• 使用Remcom Wireless Insite进行射线追踪验证，并将基于CKM的方案与具备完美CSI和基于位置的方法进行对比。

实验结果

研究问题

• RQ1 特定站点的信道知识图是否能显著减少6G网络中实时CSI训练的需求？
• RQ2 在存在实际定位误差的情况下，基于CKM的波束选择与基于位置或完美CSI的波束选择在毫米波系统中的表现如何比较？
• RQ3 在无显式信道训练的情况下，CKM能在多大程度上提升D2D网络的频谱效率？
• RQ4 随着阵列尺寸和环境复杂度的增加，CKM的性能如何扩展？
• RQ5 定位误差对高维毫米波系统中基于CKM的波束选择有何影响？

主要发现

• 即使在用户设备（UE）定位误差为1米的情况下，基于CKM的毫米波波束选择仍能达到完美CSI性能的约90%。
• 基于KNN的CKM插值方法与真值射线追踪结果高度吻合，表明在城市环境中对方位角出发角（AoD）的预测具有高精度。
• 通过CKM实现的环境感知波束赋形显著优于基于位置的波束赋形，尤其在非视 Line-of-Sight（NLoS）和复杂传播场景中。
• 随着发射端天线数量的增加，波束赋形性能对定位误差变得更加敏感，凸显了基于CKM的精确预测的重要性。
• CKM可实现高效的D2D子带分配，并带来显著的频谱效率增益，展示了其在6G中实现超大规模连接的潜力。
• CKM框架在高维信道、非协作节点以及严重硬件约束的场景中尤为有效，这些场景下训练开销过高而难以承受。