[论文解读] Large Intelligent Surface for Positioning in Millimeter Wave MIMO Systems
本文提出了一种基于大尺寸智能表面(LIS)的毫米波MIMO系统,用于高精度室内定位,利用可调控相位的LIS单元增强信道估计与定位性能。理论分析与仿真结果表明,增加LIS单元数量并优化相位偏移可显著降低定位误差界限,相较于传统直射链路系统具有明显优势。
Millimeter-wave (mmWave) multiple-input multiple-output (MIMO) system for the fifth generation (5G) cellular communications can also enable single-anchor positioning and object tracking due to its large bandwidth and inherently high angular resolution. In this paper, we introduce the newly invented concept, large intelligent surface (LIS), to mmWave positioning systems, study the theoretical performance bounds (i.e., Cramér-Rao lower bounds) for positioning, and evaluate the impact of the number of LIS elements and the value of phase shifters on the position estimation accuracy compared to the conventional scheme with one direct link and one non-line-of-sight path. It is verified that better performance can be achieved with a LIS from the theoretical analyses and numerical study.
研究动机与目标
- 研究大规模智能表面(LIS)在提升毫米波MIMO系统定位精度方面的潜力。
- 基于Cramér-Rao下界(CRLB)分析LIS辅助定位的理论性能极限,用于位置与姿态估计。
- 评估LIS参数——单元数量与移相器取值——对定位误差界限(PEB)与姿态误差界限(OEB)的影响。
- 将LIS辅助系统与无LIS的传统单锚点毫米波MIMO系统进行性能对比。
- 为基于多载波OFDM的LIS辅助系统提供完整的信道参数估计与定位框架。
提出的方法
- 构建一个二维毫米波MIMO系统,包含基站(BS)、移动 station(MS)以及通过相位可控元件反射信号的大尺寸智能表面(LIS)。
- 采用两条传播路径建模信道:直视(LoS)链路与经LIS反射的链路,利用正交频 division multiplexing(OFDM)实现子载波特定响应。
- 推导出包含到达时间(ToA)、出发/到达角(AoD/AoA)、路径增益与相位偏移等信道参数的等效Fisher信息矩阵(FIM)。
- 基于FIM计算位置估计的Cramér-Rao下界(CRLB)(PEB)与姿态估计的CRLB(OEB),并引入相位偏移优化。
- 提出一种相位偏移优化策略,以最大化FIM行列式,从而提升估计精度。
- 使用涉及复信道响应、阵列响应向量与信噪比(SNR)的FIM分量解析表达式,推导出导向矢量偏导数的闭式表达式。
实验结果
研究问题
- RQ1LIS单元数量如何影响毫米波MIMO系统中的定位误差界限(PEB)?
- RQ2移相器取值对用户位置与姿态估计精度有何影响?
- RQ3LIS辅助系统与传统单锚点毫米波MIMO系统相比,CRLB性能表现如何?
- RQ4如何配置LIS的相位偏移以最小化CRLB?
- RQ5多载波OFDM信号与阵列几何结构如何影响LIS系统可实现的定位精度?
主要发现
- LIS辅助系统相较于无LIS的传统系统,实现了显著更低的定位误差界限(PEB),尤其在LIS单元数量增加时优势更明显。
- 优化LIS单元的相位偏移可大幅降低CRLB,凸显智能波前整形的重要性。
- 随着LIS单元数量增加,位置估计的CRLB降低,表明大孔径阵列具有显著的尺度增益。
- 姿态误差界限(OEB)也随LIS单元数量增加与最优相位控制而改善,表明角度分辨率得到增强。
- 理论CRLB分析证实,LIS反射路径提供了分集增益,并提升了信道参数的可辨识性。
- 数值结果验证了在所有测试的SNR与阵列尺寸配置下,LIS辅助系统均优于传统系统。
更好的研究,从现在开始
从阅读论文到最终审阅,大幅缩短您的研究时间。
无需绑定信用卡
本解读由 AI 生成,并经人工编辑审核。