[论文解读] Massive MIMO for Cellular-Connected UAV: Challenges and Promising Solutions

Yi Huang, Qingqing Wu+3 more|arXiv (Cornell University)|Oct 13, 2020

UAV Applications and Optimization参考文献 14被引用 4

一句话总结

本文针对蜂窝连接的无人机（UAV）网络中的大规模MIMO系统，提出先进的导频去污与三维波束赋形跟踪技术，利用视 Line-of-Sight（LoS）信道特性，有效缓解导频污染并维持波束赋形增益。仿真结果表明，导频去污可使地面用户（GUEs）的SINR提升高达5.4 dB，同时显著改善无人机用户的SINR；基于卡尔曼滤波的波束跟踪方法相比传统方法更能有效维持波束赋形增益。

ABSTRACT

Massive multiple-input multiple-output (MIMO) is a promising technology for enabling cellular-connected unmanned aerial vehicle (UAV) communications in the future. Equipped with full-dimensional large arrays, ground base stations (GBSs) can apply adaptive fine-grained three-dimensional (3D) beamforming to mitigate the strong interference between high-altitude UAVs and low-altitude terrestrial users, thus significantly enhancing the network spectral efficiency. However, the performance gain of massive MIMO critically depends on the accurate channel state information (CSI) of both UAVs and terrestrial users at the GBSs, which is practically difficult to achieve due to UAV-induced pilot contamination and UAV's high mobility in 3D. Moreover, the increasingly popular applications relying on a large group of coordinated UAVs or UAV swarm as well as the practical hybrid GBS beamforming architecture for massive MIMO further complicate the pilot contamination and channel/beam tracking problems. In this article, we provide an overview of the above challenging issues, propose new solutions to cope with them, and discuss about promising directions for future research. Preliminary simulation results are also provided to validate the effectiveness of proposed solutions.

研究动机与目标

• 解决因高空无人机在大规模MIMO系统中具有强视 Line-of-Sight（LoS）信道特性而引发的严重导频污染问题。
• 应对无人机高动态移动性及俯仰角与方位角频繁变化带来的三维波束赋形跟踪挑战。
• 提升蜂窝连接无人机网络中全维大规模MIMO系统的频谱效率与干扰管理能力。
• 将解决方案扩展至无人机蜂群场景，并适配实际混合波束赋形架构，以支持现实世界部署。

提出的方法

• 提出一种基于全三维角度范围（0°–360°方位角，0°–90°俯仰角）空间匹配滤波的导频去污方案，用于检测并抑制由LoS主导的无人机带来的干扰。
• 实现一种基于卡尔曼滤波的信道跟踪算法，结合导频符号估计的角速度与周期性信道测量，以提升跟踪精度。
• 每1秒进行一次角速度估计，以预测无人机运动并更新波束赋形波束，降低对频繁导频开销的依赖。
• 在蜂群场景中引入无人机间D2D通信，以增强系统性能，尤其在回传链路容量受限时表现更优。
• 设计适用于实际混合波束赋形架构的CSI获取策略，以降低硬件复杂度，同时保持系统性能。
• 采用全维波束赋形下的空间匹配滤波技术，基于俯仰角与方位角区分无人机与地面用户。

实验结果

研究问题

• RQ1 在大规模MIMO网络中，如何有效缓解由LoS主导的无人机引起的导频污染？
• RQ2 无人机在三维空间中的移动性对波束赋形精度与信道跟踪性能有何影响？
• RQ3 与传统基于导频的估计方法相比，基于卡尔曼滤波的预测是否能提升波束跟踪性能？
• RQ4 在蜂群场景中，无人机间的D2D通信如何提升系统容量并降低回传负载？
• RQ5 在无人机网络大规模MIMO系统中，针对实际混合波束赋形架构，有效的CSI获取策略有哪些？

主要发现

• 当存在15架无人机时，所提出的导频去污方案使地面用户（GUEs）的第5百分位SINR提升5.4 dB，主要归因于干扰泄漏的减少。
• 与GUEs相比，无人机在导频去污中获得更显著的SINR增益，因其受导频污染引起的下行链路干扰影响更为严重。
• 基于卡尔曼滤波的波束跟踪方法能将波束赋形增益维持在接近理想CSI水平，显著优于传统基于导频的估计方法，后者随时间迅速退化。
• 通过角速度估计进行信道预测（方案2）在与传统方法相同导频开销下，仍能有效维持波束赋形增益，表现出对动态无人机运动的强鲁棒性。
• 基于卡尔曼滤波的方法相比纯预测方案（方案2）提升了跟踪精度，但代价是增加了导频开销与实现复杂度。
• 仿真结果证实，所提出的解决方案能有效缓解无人机引起的导频污染，并在高移动性三维环境中维持波束赋形增益。