[论文解读] A Robust Time-Domain Beam Alignment Scheme for Multi-User Wideband mmWave Systems

Xiaoshen Song, Saeid Haghighatshoar+1 more|arXiv (Cornell University)|Nov 1, 2017

Millimeter-Wave Propagation and Modeling被引用 3

一句话总结

该论文提出了一种针对多用户宽带毫米波系统的鲁棒时域波束波束对准方案，通过在到达角-离开角-时间域中对非负稀疏向量进行压缩感知来实现。利用伪噪声序列和非负最小二乘法，该方案在快速衰落条件下高效识别出强多径分量，与以往的确定性方法相比，显著降低了训练开销，并提高了对信道变化的鲁棒性。

ABSTRACT

Millimeter wave (mmWave) communication with large array gains is a key ingredient of next generation (5G) wireless networks. Effective communication in mmWaves usually depends on the knowledge of the channel. We refer to the problem of finding a narrow beam pair at the transmitter and at the receiver, yielding high Signal to Noise Ratio (SNR) as Beam Alignment (BA). Prior BA schemes typically considered deterministic channels, where the instantaneous channel coefficients are assumed to stay constant for a long time. In this paper, in contrast, we propose a time-domain BA scheme for wideband mmWave systems, where the channel is characterized by multi-path components, different delays, Angle-of-Arrivals/Angle-of-Departures (AoAs/AoDs), and Doppler shifts. In our proposed scheme, the Base Station (BS) probes the channel in the downlink by some sequences with good autocorrelation property (e.g., Pseudo-Noise (PN) sequences), letting each user estimate its best AoA-AoD that connects the user to the BS with two-sided high beamforming gain. We leverage the sparse nature of mmWaves in the AoA-AoD-time domain, and formulate the BA problem as a Compressed Sensing (CS) of a non-negative sparse vector. We use the recently developed Non-Negative Least Squares (NNLS) technique to efficiently find the strongest path connecting the BS and each user. Simulation results show that the proposed scheme outperforms its counterpart in terms of the training overhead and robustness to fast channel variations.

研究动机与目标

• 解决现有波束对准方案在宽带毫米波系统中假设信道缓慢变化且为确定性信道的局限性。
• 实现在存在多径分量、时延、多普勒频移以及到达角/离开角（AoA/AoD）扩展的时变毫米波环境中高效波束对准。
• 利用毫米波信道在到达角-离开角-时间域中的稀疏结构以减少训练开销。
• 开发一种鲁棒的波束对准方法，即使在快速信道变化下也能保持高信噪比。
• 通过压缩感知与非负最小二乘法实现精确且低开销的波束对准对估计。

提出的方法

• 基站发送具有优良自相关特性的训练序列（如伪噪声（PN）序列）以探测下行链路信道。
• 每个用户通过将接收信号与已知训练序列进行互相关，估计其最强的波束对（到达角与离开角）。
• 将波束对准问题建模为一个压缩感知问题，其中非负稀疏向量表示到达角-离开角-时间域中的信道路径。
• 采用非负最小二乘法（NNLS）求解稀疏恢复问题，以识别具有高波束成形增益的主导路径。
• 该方法利用毫米波信道在角度和延迟维度上的固有稀疏性，以减少所需训练符号的数量。
• 该方案支持用户端联合估计到达角、离开角和路径时延，适用于多用户通信。

实验结果

研究问题

• RQ1 如何使波束对准在存在多径、多普勒频移的快速衰落和时变毫米波信道中保持鲁棒性？
• RQ2 在到达角-离开角-时间域中，如何最优地利用毫米波信道的稀疏性以实现高效的波束训练？
• RQ3 与传统方法相比，采用非负约束的压缩感知是否能提高波束对准精度并减少训练开销？
• RQ4 在宽带毫米波系统中，具有良好相关特性的PN序列如何提升波束对估计性能？
• RQ5 在真实时变信道条件下，该方法在训练开销和鲁棒性方面可实现哪些性能增益？

主要发现

• 所提出的方案通过利用毫米波信道在到达角-离开角-时间域中的稀疏结构，显著降低了训练开销。
• 采用非负最小二乘法能够准确恢复最强信道路径，从而提高波束对准的可靠性。
• 由于采用时域探测与稀疏恢复方法，该方案在快速信道变化下表现出更强的鲁棒性。
• 仿真结果证实，与传统波束对准方案相比，该方法在训练开销和时变条件下的性能均更优。
• PN序列与压缩感知的结合实现了高效且精确的波束对估计，同时保持了极低的信令开销。
• 通过联合到达角-离开角估计，该方法即使在丰富的散射环境中也能通过识别双向波束成形增益实现高信噪比。