[论文解读] Jittering Effects Analysis and Beam Training Design for UAV Millimeter Wave Communications

Wei Wang, Wei Zhang|arXiv (Cornell University)|Apr 13, 2021

Indoor and Outdoor Localization Technologies参考文献 41被引用 5

一句话总结

本文提出了一种用于无人机毫米波通信的导航辅助压缩感知波束训练方案，可缓解抖动引起的信道估计误差。通过建模无人机姿态抖动与到达/离开角（AoA/AoD）波动之间的关系，该方法利用无人机导航数据约束感知范围，从而在低信噪比条件下实现更快、更准确的波束训练，并降低训练开销。

ABSTRACT

Jittering effects significantly degrade the performance of UAV millimeter-wave (mmWave) communications. To investigate the impacts of UAV jitter on mmWave communications, we firstly model UAV mmWave channel based on the geometric relationship between element antennas of the uniform planar arrays (UPAs). Then, we extract the relationship between (I) UAV attitude angles & position coordinates and (II) angle of arrival (AoA) & angle of departure (AoD) of mmWave channel, and we also derive the distribution of AoA/AoD at UAV side from the random fluctuations of UAV attitude angles, i.e., UAV jitter. In beam training design, with the relationship between attitude angles and AoA/AoD, we propose to generate a rough estimate of AoA and AoD from UAV navigation information. Finally, with the rough AoA/AoD estimate, we develop a compressed sensing (CS) based beam training scheme with constrained sensing range as the fine AoA/AoD estimation. Particularly, we construct a partially random sensing matrix to narrow down the sensing range of CS-based beam training. Numerical results show that our proposed UAV beam training scheme assisted by navigation information can achieve better accuracy with reduced training length in AoA/AoD estimation and is thus more suitable for UAV mmWave communications under jittering effects.

研究动机与目标

• 解决由于高频姿态变化导致的毫米波波束失准问题，该问题会因无人机抖动而降低通信性能。
• 建立无人机姿态角（偏航、俯仰、滚转）与均匀平面阵列（UPAs）的AoA/AoD波动之间的几何关系模型。
• 利用无人机导航系统输出（位置与姿态）生成AoA/AoD的粗略初始估计，用于波束训练。
• 设计一种基于压缩感知的波束训练方案，其感知范围以初始估计为中心并加以约束，以提升估计精度并减少训练开销。
• 证明方向约束波束训练在低信噪比环境下相比全向随机波束成形，能实现更高的频谱效率和更短的训练长度。

提出的方法

• 基于均匀平面阵列（UPAs）的几何模型，推导无人机姿态角（ψ, θ, φ）与AoA/AoD之间的数学关系。
• 利用阵列响应向量对姿态角的偏导数，将AoA/AoD的随机波动建模为无人机抖动的函数。
• 利用来自GPS、气压计和IMU的无人机导航数据，获取AoA/AoD的粗略估计作为波束训练的先验知识。
• 构建一个部分随机的感知矩阵，其感知范围为以先验估计为中心的窄角区域，以缩小搜索空间。
• 应用压缩感知（CS）从有限的训练导频中恢复真实的AoA/AoD，其中感知矩阵被设计为将能量集中在预期的角域内。
• 优化感知矩阵结构（类型1与类型2的局部随机设计），在随机性与波束成形增益之间取得平衡，提升低信噪比下的鲁棒性。

实验结果

研究问题

• RQ1 无人机抖动——特别是偏航、俯仰和滚转的变化——如何影响使用UPAs的毫米波通信中的AoA与AoD波动？
• RQ2 在存在抖动的情况下，无人机导航系统输出（位置与姿态）在多大程度上可用于生成可靠的AoA/AoD初始估计？
• RQ3 将压缩感知波束训练限制在以先验估计为中心的有限角域内，是否能提升估计精度并减少训练开销？
• RQ4 在低信噪比条件下，方向约束波束训练与全向随机波束训练相比，在频谱效率和训练长度方面表现如何？
• RQ5 信噪比（SNR）对约束感知与非约束感知在毫米波无人机系统中性能增益的影响如何？

主要发现

• 当训练长度N在6到16之间时，采用方向约束感知矩阵的波束训练方案在估计精度上几乎与全向随机感知矩阵相当，但训练开销显著降低。
• 在0 dBm发射功率下，方向约束波束训练（类型1）在低至中等训练长度下优于全向训练的频谱效率。
• 随着信噪比增加，约束与全向波束训练之间的性能差距缩小，表明约束感知的优势在低信噪比环境中最为显著。
• 具有角度约束的部分随机感知矩阵可实现更快、更精确的AoA/AoD估计，尤其在毫米波频段典型的高路径损耗条件下。
• 该方法有效平衡了波束成形增益与随机性，相较于传统随机波束成形，对无人机毫米波系统更具能量效率。
• 数值结果证实，所提方案在保持高精度的同时减少了训练长度，适用于存在抖动效应的实时、高速移动无人机毫米波通信。