[论文解读] A Tutorial on Environment-Aware Communications via Channel Knowledge Map for 6G

Yong Zeng, Junting Chen+8 more|arXiv (Cornell University)|Sep 14, 2023

Indoor and Outdoor Localization Technologies被引用 4

一句话总结

本文提出了一种信道知识图谱（CKM）框架，以实现6G中的环境感知通信，利用带有位置标签的信道数据，在无需大量训练的情况下推断无线信道状态。通过使用真实世界测量数据和人工智能增强建模，构建信道行为的空间映射表示，CKM实现了无需训练或轻量级训练的波束赋形，其性能与毫米波系统中全面波束扫描相当。

ABSTRACT

Sixth-generation (6G) mobile communication networks are expected to have dense infrastructures, large antenna size, wide bandwidth, cost-effective hardware, diversified positioning methods, and enhanced intelligence. Such trends bring both new challenges and opportunities for the practical design of 6G. On one hand, acquiring channel state information (CSI) in real time for all wireless links becomes quite challenging in 6G. On the other hand, there would be numerous data sources in 6G containing high-quality location-tagged channel data, e.g., the estimated channels or beams between base station (BS) and user equipment (UE), making it possible to better learn the local wireless environment. By exploiting this new opportunity and for tackling the CSI acquisition challenge, there is a promising paradigm shift from the conventional environment-unaware communications to the new environment-aware communications based on the novel approach of channel knowledge map (CKM). This article aims to provide a comprehensive overview on environment-aware communications enabled by CKM to fully harness its benefits for 6G. First, the basic concept of CKM is presented, followed by the comparison of CKM with various existing channel inference techniques. Next, the main techniques for CKM construction are discussed, including both environment model-free and environment model-assisted approaches. Furthermore, a general framework is presented for the utilization of CKM to achieve environment-aware communications, followed by some typical CKM-aided communication scenarios. Finally, important open problems in CKM research are highlighted and potential solutions are discussed to inspire future work.

研究动机与目标

• 解决在大规模MIMO和太赫兹频段的密集6G网络中实时获取完整链路信道状态信息（CSI）的挑战。
• 通过利用密集6G部署中丰富的带有位置标签的信道数据，克服传统环境无关通信的局限性。
• 开发统一的框架以构建和利用CKM，实现在动态环境中低开销、高精度的无线通信。
• 探索CKM与新兴6G技术（如数字孪生、语义通信以及感知与通信一体化，ISAC）的集成。

提出的方法

• 将CKM构建为以空间坐标和设备方向为索引的信道状态信息（CSI）多维地图，使用测量或估计的信道响应。
• 采用无需环境模型的方法（例如插值、深度学习）和依赖环境模型的方法（例如射线追踪、基于建筑信息模型BIM的建模）生成CKM。
• 将设备方向作为CKM的额外维度，以提高使用定向天线的用户设备在波束赋形和信道预测中的准确性。
• 在毫米波大规模MIMO中利用CKM实现无需训练或轻量级训练的波束赋形，其中波束对的选择基于位置和方向，无需信道估计。
• 在数字孪生系统中应用CKM，通过动态、环境感知的数字副本实现实时、精确的6G网络行为仿真与控制。
• 探索语义通信的集成，其中CKM提供环境语义以指导联合源-信道编码，同时语义压缩可提升CKM数据交换效率。

实验结果

研究问题

• RQ1 如何从6G网络中稀疏的、带有位置标签的信道测量中高效构建CKM？
• RQ2 在毫米波大规模MIMO系统中，CKM在多大程度上可以替代传统的CSI反馈和波束训练？
• RQ3 在CKM中引入设备方向如何提升波束赋形精度和系统性能？
• RQ4 CKM在实现6G网络运行与优化的数字孪生中可发挥何种作用？
• RQ5 如何将CKM与语义通信集成，以减少反馈开销并增强通信智能？

主要发现

• 基于CKM的无需训练毫米波波束赋形在准静态和动态场景下，对4096个波束对的性能均与全面波束扫描相当。
• 基于CKM的方法显著提升了接收信号强度，即使在无信道估计的情况下，也优于仅依赖位置的波束赋形。
• 在具有强方向性和多径效应的环境中，将设备方向纳入CKM显著提升了信道推断的准确性。
• 原型验证表明，CKM仅需位置和方向信息即可实现实时波束选择，将训练开销降至接近零。
• CKM通过提供动态、高保真的无线传播环境数字副本，成为6G数字孪生的基础组件。
• 语义通信技术可通过CKM得到增强，CKM提供环境语义以指导深度学习系统中自适应的联合源-信道编码。