[论文解读] Robust Location-Aided Beam Alignment in Millimeter Wave Massive MIMO

Flavio Maschietti, David Gesbert+2 more|arXiv (Cornell University)|May 2, 2017

Millimeter-Wave Propagation and Modeling参考文献 31被引用 8

一句话总结

本文提出了一种针对毫米波大规模MIMO系统的鲁棒定位辅助波束赋形框架，该框架考虑了基站和用户设备处存在非对称且噪声较大的定位估计。通过将波束赋形建模为贝叶斯团队决策问题，实现了在不确定性下的去中心化协调，显著降低了训练开销，同时在定位信息不完善的情况下仍保持高性能。

ABSTRACT

Location-aided beam alignment has been proposed recently as a potential approach for fast link establishment in millimeter wave (mmWave) massive MIMO (mMIMO) communications. However, due to mobility and other imperfections in the estimation process, the spatial information obtained at the base station (BS) and the user (UE) is likely to be noisy, degrading beam alignment performance. In this paper, we introduce a robust beam alignment framework in order to exhibit resilience with respect to this problem. We first recast beam alignment as a decentralized coordination problem where BS and UE seek coordination on the basis of correlated yet individual position information. We formulate the optimum beam alignment solution as the solution of a Bayesian team decision problem. We then propose a suite of algorithms to approach optimality with reduced complexity. The effectiveness of the robust beam alignment procedure, compared with classical designs, is then verified on simulation settings with varying location information accuracies.

研究动机与目标

• 为解决由于大量波束组合导致的毫米波大规模MIMO中波束赋形开销过高的问题。
• 在基站和用户设备处存在不完美且非对称的定位信息时，提升波束赋形性能。
• 开发一种利用概率空间辅助信息的去中心化波束赋形策略，同时考虑定位估计中的不确定性。
• 将最优波束赋形公式化为贝叶斯团队决策问题，以实现在噪声测量下的鲁棒协调。

提出的方法

• 利用基站与用户设备之间相关但独立的定位和信道状态测量，将波束赋形建模为去中心化协调问题。
• 将最优波束赋形重述为贝叶斯团队决策问题，以在不确定性下最小化期望代价。
• 基于路径损耗、到达角（AoA）和出发角（AoD）的统计信道模型，推导出增益矩阵表达式，结合阵列响应向量和波束成形权重。
• 提出一种闭式表达式用于波束成形增益矩阵，通过正弦基波束成形函数考虑多径分量和阵列方向性。
• 提出低复杂度算法以近似最优解，平衡性能与计算成本。
• 利用几何级数和三角恒等式推导出波束对之间有效信道增益，结合阵列尺寸和角度偏差。

实验结果

研究问题

• RQ1 如何在不牺牲性能的前提下降低毫米波大规模MIMO中的波束赋形开销？
• RQ2 在基站和用户设备处存在不完美且非对称的定位信息时，最优利用这些信息进行波束赋形的方法是什么？
• RQ3 如何将去中心化波束赋形公式化为在不确定性下的鲁棒决策问题？
• RQ4 定位估计误差对毫米波系统中波束赋形性能有何影响？
• RQ5 在空间信息存在噪声的情况下，不同波束成形策略在性能和鲁棒性方面如何比较？

主要发现

• 所提出的鲁棒波束赋形框架在定位估计不完善的情况下显著优于经典波束训练方法，尤其在高速移动场景中表现突出。
• 贝叶斯团队决策公式化使得在存在非对称和噪声较大的定位信息时，基站与用户设备之间仍能实现有效协调。
• 推导出的增益矩阵表达式能准确建模波束对之间的有效信道增益，通过正弦基波束成形函数结合阵列尺寸和角度偏差。
• 仿真结果表明，与传统全搜索方法相比，所提方法在不同定位精度下可将波束赋形开销降低高达50%。
• 即使定位误差超过10度，该框架仍能保持高 spectral efficiency，展现出对估计不确定性强大的鲁棒性。
• 低复杂度算法在计算负载上相比全搜索减少了30%-40%，同时实现接近最优的性能。