[论文解读] Beamspace Multidimensional ESPRIT Approaches for Simultaneous Localization and Communications

Fan Jiang, Fuxi Wen+4 more|arXiv (Cornell University)|Nov 14, 2021

Direction-of-Arrival Estimation Techniques参考文献 27被引用 9

一句话总结

本文提出了一种低复杂度的波束域多维 ESPRIT 方法，用于高维毫米波系统中的同时定位与通信（SLAC）。通过利用波束域处理和高效的奇异值分解，该方法在保持信道估计、定位和通信性能高精度的同时，显著降低了计算复杂度，其有效性通过扰动分析与张量 ESPRIT 进行了对比验证。

ABSTRACT

Modern wireless communication systems operating at high carrier frequencies are characterized by a high dimensionality of the underlying parameter space (including channel gains, angles, delays, and possibly Doppler shifts). Estimating these parameters is valuable for communication purposes, but also for localization and sensing, making channel estimation a critical component in any joint communication and localization or sensing application. The high dimensionality make it difficult to use search-based methods such as maximum likelihood. Search-free methods such as ESPRIT provide an attractive alternative, but require a complex decomposition step in both the tensor and matrix version of ESPRIT. To mitigate this, we propose, develop, and analyze a reduced complexity beamspace ESPRIT method. Complexity is reduced both by beampace processing as well as low-complex implementation of the singular value decomposition. A novel perturbation analysis provides important insights for both channel estimation and localization performance. The proposed method is compared to the tensor ESPRIT method, in terms of channel estimation, communication, localization, and sensing performance, further validating the perturbation analysis.

研究动机与目标

• 为解决 5G 及以上 5G 毫米波系统中大规模 MIMO 和 OFDM 所面临的高维参数空间挑战。
• 通过在波束域而非阵元域中操作，降低基于多维 ESPRIT 的信道估计中的计算复杂度。
• 通过联合估计信道参数（包括角度、时延和多普勒频移）实现同时定位与通信（SLAC）。
• 提供严格的扰动分析，将估计误差与定位和通信性能关联起来。
• 在信道估计、通信速率、定位精度和感知性能方面，将所提方法与张量 ESPRIT 进行对比验证。

提出的方法

• 在波束域中基于改进的选择矩阵，开发一种基于矩阵的多维 ESPRIT 算法。
• 提出一种用于波束域处理的低复杂度奇异值分解（SVD）实现方法。
• 采用任意满列秩预编码和合并矩阵，支持阵列配置的灵活性。
• 在波束域中保持了阵元域 MD-ESPRIT 的自动配对特性，确保多径参数在各维之间的正确匹配。
• 推导出一种新颖的扰动分析，将角度、时延和多普勒估计误差与信道增益及位置估计误差关联起来。
• 采用基于均匀矩形阵列（URAs）和 OFDM 波形的波束域信道模型，实现对真实毫米波系统建模。

实验结果

研究问题

• RQ1 波束域处理如何降低高维毫米波系统中多维 ESPRIT 的计算复杂度？
• RQ2 波束域变换对 SLAC 系统中信道估计、定位和通信精度有何影响？
• RQ3 角度、时延和多普勒频移的估计误差如何传播至位置和信道增益估计？
• RQ4 信号参数的扰动与定位和通信性能误差之间存在何种关系？
• RQ5 所提出的波束域 MD-ESPRIT 与张量 ESPRIT 在性能和复杂度方面相比如何？

主要发现

• 所提出的波束域 MD-ESPRIT 相较于张量 ESPRIT 实现了显著的复杂度降低，同时保持了估计精度。
• 扰动分析成功地将角度、时延和多普勒估计误差与位置及信道增益估计误差关联起来，实现了性能预测。
• 该方法在波束域中保持了 MD-ESPRIT 的自动配对特性，确保了多径参数在各维之间的正确对齐。
• 仿真结果表明，所提方法在信道估计、通信速率、定位和感知性能方面与张量 ESPRIT 相当或更优。
• 推导出的一阶扰动模型能够准确预测位置估计误差作为角度、时延和多普勒估计误差的函数。
• 低复杂度 SVD 实现使得该方法适用于大规模 MIMO 毫米波系统的实时应用。