[论文解读] New Beam Tracking Technique for Millimeter Wave-band Communications

Jisu Bae, Sun Hong Lim+2 more|arXiv (Cornell University)|Feb 1, 2017

Millimeter-Wave Propagation and Modeling参考文献 12被引用 31

一句话总结

该论文提出了一种毫米波通信中的波束跟踪技术，通过利用移动场景中波束端口到达角（AoD）的时间连续性，降低了训练开销。通过基于先前AoD估计值，仅选择两个训练波束，该方法最小化了AoD估计的Cramer-Rao下界（CRLB），实现了与全波束循环相当的性能，同时将训练开销降低了94%。

ABSTRACT

In this paper, we propose an efficient beam tracking method for mobility scenario in mmWave-band communications. When the position of the mobile changes in mobility scenario, the base-station needs to perform beam training frequently to track the time-varying channel, thereby spending significant resources for training beams. In order to reduce the training overhead, we propose a new beam training approach called "beam tracking" which exploits the continuous nature of time varying angle of departure (AoD) for beam selection. We show that transmission of only two training beams is enough to track the time-varying AoD at good accuracy. We derive the optimal selection of beam pair which minimizes Cramer-Rao Lower Bound (CRLB) for AoD estimation averaged over statistical distribution of the AoD. Our numerical results demonstrate that the proposed beam tracking scheme produces better AoD estimation than the conventional beam training protocol with less training overhead.

研究动机与目标

• 解决移动毫米波系统中因频繁波束训练导致的高训练开销问题。
• 在保持准确信道状态估计的同时，降低波束训练的资源消耗。
• 利用AoD的平滑时间变化特性，实现高效的波束选择。
• 仅使用两个训练波束，通过最小化估计误差方差（基于CRLB）来优化AoD估计。
• 开发一种实用的波束跟踪策略，其性能优于传统的波束循环和固定波束方案。

提出的方法

• 该方法将AoD建模为马尔可夫过程，并基于先前的AoD估计值采用高斯转移模型。
• 将波束选择问题表述为在已知先前AoD的先验知识下，最小化AoD估计误差的Cramer-Rao下界（CRLB）。
• 通过AoD变化的统计分布推导出最优波束对选择，确保估计方差最小化。
• 波束码本包含192个均匀分布的波束和192个更宽的波束，以提高角度分辨率和鲁棒性。
• 在多径场景中，该方法扩展至单径跟踪或通过压缩感知（如OMP）进行联合估计。
• 应用迭代优化以考虑先验AoD中的反馈延迟和估计误差。

实验结果

研究问题

• RQ1 仅使用两个训练波束的波束跟踪方案能否实现与全波束循环相当的AoD估计性能？
• RQ2 在AoD具有时间相关性的情况下，如何选择最优波束对以最小化估计误差方差？
• RQ3 移动性（即AoD变化速率）对所提波束跟踪方法性能有何影响？
• RQ4 与固定波束和传统波束循环方法相比，该方法在训练开销和估计精度方面表现如何？
• RQ5 该方法能否扩展至具有簇状或分离路径的多径毫米波信道？

主要发现

• 所提出的波束跟踪方法仅使用两个训练波束，即可实现与传统波束循环相当的AoD估计精度，将训练开销降低了94%。
• 在信噪比（SNR）为10 dB且σp = 0.05时，该方法的AoD估计误差接近真实值，优于波束循环和固定波束方案。
• 在所有SNR值下，该方法均显著优于传统波束循环方法，其性能受限于角度网格离散化导致的归一化均方误差下限。
• 对于更高移动性（σp = 0.1），该方法仍优于固定波束和波束循环方案，表现出对AoD快速变化的鲁棒性。
• 基于CRLB的波束选择策略相比启发式波束布置方法实现了显著的性能增益，验证了所提设计的最优性。
• 多径场景的扩展是可行的：对于分离路径，单径独立跟踪有效；对于簇状路径，通过压缩感知进行联合估计，性能损失极小。