[论文解读] Computer Vision Aided mmWave Beam Alignment in V2X Communications

Weihua Xu, Feifei Gao+3 more|arXiv (Cornell University)|Jul 23, 2022

Millimeter-Wave Propagation and Modeling被引用 4

一句话总结

本文提出了一种基于计算机视觉的毫米波波束赋形框架，用于车辆与万物通信（V2X）系统，利用移动用户车载摄像头图像实现无导频波束对选择与动态波束相干时间（BCT）预测。通过结合三维目标检测与深度神经网络（DNN），该方法在硬件成本与通信开销方面均低于基于LIDAR或基站（BS）的方法，同时实现了更高的波束对准精度。

ABSTRACT

Visual information, captured for example by cameras, can effectively reflect the sizes and locations of the environmental scattering objects, and thereby can be used to infer communications parameters like propagation directions, receiver powers, as well as the blockage status. In this paper, we propose a novel beam alignment framework that leverages images taken by cameras installed at the mobile user. Specifically, we utilize 3D object detection techniques to extract the size and location information of the dynamic vehicles around the mobile user, and design a deep neural network (DNN) to infer the optimal beam pair for transceivers without any pilot signal overhead. Moreover, to avoid performing beam alignment too frequently or too slowly, a beam coherence time (BCT) prediction method is developed based on the vision information. This can effectively improve the transmission rate compared with the beam alignment approach with the fixed BCT. Simulation results show that the proposed vision based beam alignment methods outperform the existing LIDAR and vision based solutions, and demand for much lower hardware cost and communication overhead.

研究动机与目标

• 解决传统毫米波V2X系统中波束赋形带来的高硬件与通信开销问题。
• 消除对LIDAR或BS视觉感知的依赖，避免高成本与隐私问题。
• 仅利用移动用户车载摄像头数据，实现高精度、低开销的波束对准。
• 基于视觉场景变化动态预测波束相干时间，提升传输效率。
• 在视 Line-of-Sight（LOS）与非视 Line-of-Sight（NLOS）场景下均实现鲁棒的波束对准性能，且无需额外导频信号。

提出的方法

• 利用移动用户拍摄的摄像头图像进行三维目标检测，提取周围车辆的尺寸与位置信息。
• 采用深度神经网络（DNN）直接从视觉特征中推断最优波束对，从而消除导频信号开销。
• 提出一种基于视觉的波束相干时间预测（VPBCT）方法，利用连续图像序列，根据环境动态变化自适应调整波束对准频率。
• 设计一种基于视觉的波束对准（VBALA）框架，利用移动用户（MS）中心感知机制，避免MS识别与通信开销。
• 使用场景图像序列训练一种基于Siamese网络的感知网络（SIBPN），以实现高精度的BCT预测。
• 将检测到物体的视觉特征（x, y, z坐标）作为输入，送入与MS位置误差无关的视觉学习框架（VLF）。

实验结果

研究问题

• RQ1 移动用户车载摄像头图像能否替代LIDAR或BS视觉感知，用于毫米波波束赋形？
• RQ2 如何利用移动用户视觉感知实现高精度的无导频波束对选择？
• RQ3 能否基于视觉输入动态预测波束相干时间，以提升传输效率？
• RQ4 MS中心视觉感知方法与BS中心或LIDAR基于方法相比，在精度与开销方面有何差异？
• RQ5 在使用视觉方法时，MS位置误差对波束对准性能有何影响？

主要发现

• 在NLOS场景下，所提出的VBALA方法相比BMBA实现约4%的平均波束对准成功率提升，主要得益于更低的通信开销与更强的鲁棒性。
• 与固定BCT（M_f=2，T_b=1/3 T_d）相比，VPBCT将传输速率提升6.0%（73.2% vs. 67.2%）。
• SABA（仅使用三维物体坐标作为输入的变体）对MS位置误差表现出强鲁棒性（σ_c最高达0.5m），因其依赖于与位置无关的视觉特征。
• 当MS位置误差超过0.16m时，VBALU在LOS与NLOS场景下均优于VBALA、BMBA与LBA。
• VPBCT的波束相干时间预测准确率（BCTPA）在收敛后达到约60%，表明其能有效适应环境动态变化。
• VBALA与VBALU在无额外通信开销的前提下，波束对准性能优于LBA与BMBA，尤其在NLOS条件下表现更优。