[论文解读] Sensor Assisted Movement Identification and Prediction for Beamformed 60 GHz Links: A Report

Arjan Doff, Kishor Chandra+1 more|arXiv (Cornell University)|Feb 13, 2015

Millimeter-Wave Propagation and Modeling参考文献 17被引用 4

一句话总结

本文提出利用移动设备内置的运动传感器（加速度计和陀螺仪）检测并预测用户运动——包括平移、旋转或遮挡引起的——对波束成形60 GHz链路的干扰。通过分类运动类型并预测未来的波束对准需求，该方法将重波束成形事件减少至最多12倍，降低了MAC层开销，同时保持了高链路质量。

ABSTRACT

Large available bandwidth in 60\,GHz band promises very high data rates -- in the order of Gb/s. However, high free-space path loss makes it necessary to employ beamforming capable directional antennas. When beamforming is used, the links are sensitive to misalignment in antenna directionality because of movement of devices. To identify and circumvent the misalignments, we propose to use the motion sensors (i.e., accelerometer and gyroscope) which are already present in most of the modern mobile devices. By finding the extent of misaligned beams, corrective actions are carried out to reconfigure the antennas. Motion sensors on mobile devices provide means to estimate the extent of misalignments. We collected real data from motion sensors and steer the beams appropriately. The results from our study show that the sensors are capable of detecting the cause of errors as translational or rotational movements. Furthermore it is also shown that the sensor data can be used to predict the next location of the user. This can be used to reconfigure the directional antenna to switch the antenna beam directions and hence avoid frequent link disruptions. This decreases the number of beam searches thus lowering the MAC overhead.

研究动机与目标

• 解决用户移动导致60 GHz网络中频繁波束对准偏差的问题，该问题会降低链路质量并增加MAC层开销。
• 利用移动设备中已有的运动传感器（加速度计和陀螺仪）检测引起波束对准偏差的平移和旋转运动。
• 开发一种预测机制，在信号质量下降前预判未来的波束对准需求，从而最小化重波束成形操作。
• 通过传感器数据对运动类型（平移、旋转、遮挡）进行分类，提升链路稳定性并减少重波束成形开销。
• 证明传感器辅助预测可显著减少波束搜索次数，同时保持高接收信号强度。

提出的方法

• 从移动设备采集真实的运动传感器数据（加速度计和陀螺仪），以检测平移和旋转运动。
• 应用k-最近邻（k-NN）分类算法，识别导致波束对准偏差的运动类型：平移、旋转或遮挡。
• 利用传感器数据在链路质量下降前预测下一个可能的波束对准组合，以实现定向天线的重新配置。
• 将预测结果与基于动态阈值的波束切换机制集成，仅当信号功率低于预设阈值时才触发重波束成形。
• 使用随机路径移动模型（RWP-M）模拟用户运动，评估不同掉落阈值和预测策略下的性能表现。
• 通过路径长度归一化重波束成形频率，计算重波束成形事件的百分比，以评估性能权衡。

实验结果

研究问题

• RQ1 移动设备中的运动传感器能否准确检测波束对准偏差是由平移还是旋转运动引起的？
• RQ2 基于传感器的预测在多大程度上可以减少60 GHz波束成形链路中的重波束成形次数？
• RQ3 信号功率下降阈值的选择如何影响重波束成形频率与接收信号功率之间的权衡？
• RQ4 误预测对链路质量有何影响？如何通过波束对准组合验证来缓解该影响？
• RQ5 传感器辅助预测能否在保持高接收信号功率的同时，最小化60 GHz网络中的MAC层开销？

主要发现

• 运动传感器能够成功检测平移和旋转运动，结合k-NN分类可准确识别波束对准偏差的原因。
• 基于传感器的预测将重波束成形事件数量最多减少至12倍，相较于无预测情况，在-4 dBm掉落阈值下仅发生0.5%的重波束成形。
• 最低重波束成形百分比（0.5%）出现在-4 dBm掉落阈值下，而更高阈值（如-3 dBm）因过度触发导致重波束成形增加。
• 较低的掉落阈值（如-10 dBm）因波束切换延迟和更高的误预测率，导致信号功率下降，从而增加重波束成形次数。
• 在所有测试的阈值下，平均接收信号功率与无预测情况相比仅相差0.5 dBm以内，表明尽管存在误预测，性能损失极小。
• 在-3 dBm阈值下可实现平均接收信号功率的最佳平衡，而在-4 dBm阈值下可实现重波束成形最小化。