位置協(xié)助的無人機(jī)毫米波通信網(wǎng)絡(luò)自適應(yīng)信道估計

何爾利,紀(jì)澎善,賈向東,2,牛春雨

(1.西北師范大學(xué) 計算機(jī)科學(xué)與工程學(xué)院,蘭州 730070; 2.南京郵電大學(xué) 江蘇省無線通信重點實驗室,南京 210003)

0 概述

毫米波(millimeter-Wave,mmWave)通信具有豐富的頻譜資源,是5G通信中的關(guān)鍵技術(shù)之一,而無人機(jī)(Unmanned Aerial Vehicle,UAV)協(xié)助的無線通信可以達(dá)到更高的系統(tǒng)容量、更長的通信距離以及更大的覆蓋范圍,是5G技術(shù)的另一個重要應(yīng)用領(lǐng)域[1-2]。無人機(jī)具有高機(jī)動性、靈活性和易于部署的特點,已被廣泛應(yīng)用于各種場景,如作為空中基站為地面用戶提供服務(wù)、在緊急情況下提供網(wǎng)絡(luò)覆蓋等[3-4]。結(jié)合無人機(jī)的毫米波通信網(wǎng)絡(luò)可以實現(xiàn)高數(shù)據(jù)傳輸速率,可提供更加靈活的網(wǎng)絡(luò)覆蓋。然而,毫米波通信中存在嚴(yán)重的路徑損耗,為了彌補(bǔ)這一不足,需要通過天線陣列形成窄帶定向波束和較高天線陣列增益來補(bǔ)償損耗[5]。

當(dāng)無人機(jī)被作為空中用戶設(shè)備時,上行鏈路傳輸需要更高的寬帶才能上傳采集到的數(shù)據(jù)信息[6]。為了更好地支持無人機(jī)上行鏈路通信并獲得更高的功率增益,需要通過天線陣列和窄帶波束相互導(dǎo)向[7],自適應(yīng)地調(diào)整天線輻射模式,形成針對無人機(jī)的特定天線波束,以增強(qiáng)信號接收能力。因此,研究人員提出在BS和UAV兩端的角域中搜索波束最佳方向的問題。

為解決波束追蹤及對準(zhǔn)問題,研究人員針對自適應(yīng)波束成形及信道估計方案做了大量研究。文獻(xiàn)[8-9]提出多階段自適應(yīng)毫米波信道估計方法,在發(fā)射端和接收端實現(xiàn)了高天線增益。文獻(xiàn)[10]提出一種以用戶為中心的分布式毫米波蜂窩小區(qū)基站與波束的自適應(yīng)選擇算法,以保證用戶服務(wù)質(zhì)量,但該算法只適用于靜態(tài)節(jié)點。文獻(xiàn)[11]研究了車聯(lián)網(wǎng)環(huán)境下先驗信息協(xié)助的信道估計方法,但其只限于二維場景中,沒有考慮到無人機(jī)作為空中用戶在三維場景中的位置運動模型。文獻(xiàn)[12]提出一種基于波束模式的毫米波通信系統(tǒng)波束追蹤算法,利用波束輻射模式的變化估計到達(dá)角,實現(xiàn)了波束的精準(zhǔn)對準(zhǔn)。文獻(xiàn)[13]為滿足無人機(jī)實時波束匹配需求,研究了基于傅里葉變換的碼本設(shè)計方法,有效提高了波束搜索效率。

上述研究方法均假定初始信道信息已知,但由于無人機(jī)網(wǎng)絡(luò)的機(jī)動性較高,其運動場景為三維模型且位置信息等參數(shù)未知。因此,需要進(jìn)一步研究無人機(jī)系統(tǒng)專用信道估計方法。文獻(xiàn)[14]對無人機(jī)毫米波網(wǎng)絡(luò)的研究現(xiàn)狀和面臨的挑戰(zhàn)進(jìn)行分析,以實現(xiàn)無人機(jī)快速波束追蹤為目標(biāo),提出使用側(cè)面信息輔助波束追蹤過程的設(shè)想。文獻(xiàn)[15]基于波束空間多輸入多輸出系統(tǒng),提出一種利用無人機(jī)移動特性的波束選擇方法以最大化速率和能量效率,并構(gòu)建了無人機(jī)基站和地面用戶位置模型。

在文獻(xiàn)[14-15]的基礎(chǔ)上,本文構(gòu)建一個單無人機(jī)用戶毫米波通信網(wǎng)絡(luò)模型,提出基于位置信息協(xié)助的無人機(jī)毫米波通信網(wǎng)絡(luò)BS-UAV信道估計方法。通過UAV與基站三維位置模型獲取先備BS和UAV位置信息,以輔助信道估計過程,提高天線增益并縮短信道估計時間。

1 系統(tǒng)模型

(1)

基站ULA的發(fā)射角(Angle of Departure,AOD)為φ∈[0,π),其陣列響應(yīng)如下:

(2)

基站和無人機(jī)之間的信道為窄帶毫米波LOS信道,H為MBS×MUAV的矩陣,則單徑信道幾何模型如下:

(3)

基站使用波束成形向量fp,p=1,2,…,MBS;UAV使用測量向量wq,q=1,2,…,MUAV。由文獻(xiàn)[18]可知,若采用塊衰落信道模型,則UAV處的接收信號y可表示為:

(4)

UAV處的接收信號的矩陣表示為:

(5)

2 位置信息協(xié)助信道估計

2.1 無人機(jī)位置模型

圖1 無人機(jī)位置模型示意圖

假設(shè)u和v分別為LOS路徑的仰角和方位角。由三角形幾何理論[19]可得:

(6)

其中,ΔH為UAV和BS的高度差,由式(6)及幾何理論可進(jìn)一步得到如下公式:

cosθ=sinvcosu

(7)

假設(shè)無人機(jī)的位置信息為距離地面基站dD的圓形區(qū)域D,其半徑為rD,則區(qū)域D中的一點可以表示為(xD,yD,HUAV)。由式(6)和式(7)可得:

(8)

UAV的先備AOA和AOD區(qū)域即為UAV的先備位置信息,利用先備信息可排除部分不正確的AOA和AOD信息。在此基礎(chǔ)上,mmWave基站可以將波束調(diào)整到所需方向,為信道估計過程提供輔助。由以上公式推導(dǎo)過程以及圖1位置模型可得UAV先驗的AOA和AOD區(qū)域,則位置區(qū)域D先備的AOA和AOD信息可表示為:

(9)

(10)

其中,θ∈Rθi,φ∈Rφi。

2.2 自適應(yīng)信道估計及碼本設(shè)計

無人機(jī)毫米波通信網(wǎng)絡(luò)的特點在于無人機(jī)在空中的反射通常比地面上移動用戶周圍的反射要少得多。不同的多徑分量在無人機(jī)一側(cè)有非常接近的轉(zhuǎn)向角,整個信道在角度域中較為稀疏[20]。因此,基于壓縮感知的自適應(yīng)信道估計方法對于無人機(jī)mmWave系統(tǒng)較為適用。在無人機(jī)毫米波通信系統(tǒng)模型中,通常采用發(fā)射端的K個波束成形向量和接收端的K個測量向量組成的組合權(quán)重向量來估計信道[8],并將自適應(yīng)信道估計過程劃分為k個階段,在第k個階段可供選擇的導(dǎo)向向量數(shù)為Kk,如圖2所示。

圖2 多階段自適應(yīng)信道估計示意圖

碼本的設(shè)計是為了在數(shù)據(jù)傳輸前加速波束搜索過程,基于設(shè)計好的碼本可以為波束成形過程找到最佳的導(dǎo)向向量。相較于窮舉搜索的方式,分層搜索波束最佳方向的復(fù)雜度低、性能更佳,因此被廣泛采用。本文基于文獻(xiàn)[21]所提出的分層多分辨率碼本設(shè)計方案設(shè)計波束成形向量,并采用空間頻率相同的方案,具體如下:

(11)

其中,n=1,2,…,Kk,arccosRk∈[0,π],空間頻率范圍為(-1,1)。在波束寬度越窄的方向,獲得的波束成形增益越高。

2.3 位置信息輔助信道估計方法

準(zhǔn)確的波束方向估計對于波束形成算法獲得最佳的天線增益具有重要作用。由于非理想信道條件會導(dǎo)致波束方向估計不準(zhǔn)確,傳統(tǒng)的波束形成算法存在嚴(yán)重的性能退化問題,而側(cè)面信息可以從另一角度提升信道估計過程性能,因此本文提出一種融合信道信息與無人機(jī)位置信息的方法來精確估計其角度范圍。使用來自全球?qū)Ш叫l(wèi)星系統(tǒng)(Global Navigation Satellite System,GNSS)的無人機(jī)先備位置信息提升自適應(yīng)毫米波信道估計性能,無人機(jī)的位置信息直接通過GNSS或由宏基站提供給mmWave基站,以實現(xiàn)快速波束掃描過程。

利用無人機(jī)位置信息可以預(yù)先推導(dǎo)出視距路徑的AOA和AOD,其范圍定義如下:

(12)

(13)

其中,為φ∈Rφii,θ∈Rθii。結(jié)合式(9)和式(10),即可得到在毫米波基站先備的AOA和AOD輔助信道估計信息。

令p(k)和q(k)分別為波束成形向量和測量向量的索引。在k階段,由兩者組成的向量對為(p(k),q(k))。在信道估計過程中,如果接收信噪比(Signal-to-Noise Ratio,SNR)最大,則該導(dǎo)向向量對被選取并估計到正確的AOA和AOD范圍的概率可表示為:

P(p(k),q(k))=

(14)

(15)

(16)

令f(x)為式(14)的概率密度函數(shù),其計算過程如下:

(17)

由貝葉斯理論可知:

P(p(k),q(k))=

(18)

(19)

(20)

在信道估計完成后,期望接收信噪比為:

(21)

另一個量化性能指標(biāo)為信道估計時間,當(dāng)無位置信息輔助時,平均信道估計時間計算公式如下:

T=k(K2-1)

(22)

在位置信息輔助方法下,平均信道估計時間為:

T(θ,φ)=

(23)

3 仿真分析

為研究位置信息對信道估計性能的影響,對本文位置信息輔助的無人機(jī)毫米波網(wǎng)絡(luò)信道估計方法進(jìn)行仿真。如圖1所示,假設(shè)基站位置確定,無人機(jī)位置不確定,位置信息區(qū)域D半徑rD的大小分別代表不同精度的位置信息,分別在無位置信息、有位置信息(粗定位、精定位)的情況下對接收信噪比和平均信道估計時間進(jìn)行比較。同時,選取不同發(fā)射角度進(jìn)行仿真分析,其他仿真參數(shù)設(shè)置如表1所示。

表1 仿真參數(shù)設(shè)置

圖3給出在不同AOD大小的情況下,無位置信息輔助方法與本文所提出的位置信息輔助信道估計方法接收信噪比的對比。從圖3可以看出,隨著無人機(jī)與基站之間距離增大,接收信噪比總體呈下降趨勢,且AOD=25°時的接收信噪比整體高于AOD=75°的接收信噪比。當(dāng)無人機(jī)與基站之間距離為25 m～75 m時,有無位置信息對接收信噪比的影響不大。這是因為當(dāng)無人機(jī)與基站之間距離較近時,接收功率足夠大,位置信息對天線陣列增益影響較小,但兩者間距大于75 m時,有位置信息輔助的接收信噪比明顯高于無位置信息的方法,且AOD的大小變化不會對上述結(jié)論造成影響,即從天線增益的角度來看,有位置信息方法可獲得更高的天線增益。同時,如圖3中放大區(qū)域所示,在有位置信息輔助的情況下,精定位位置信息比粗定位位置信息輔助策略性能好,且位置信息精確程度越高,接收信噪比越大,位置信息輔助方法的性能越好。

圖3 不同位置信息下接收信噪比對比

圖4給出不同AOD大小情況下,位置信息輔助方法與本文方法的平均信道估計時間對比。從圖4可以看出,在無位置信息情況下,信道估計所用時間最多且不隨距離變化。在位置信息輔助下,平均信道估計時間大幅減少,隨著無人機(jī)與基站距離的增加,位置信息輔助策略下平均信道估計時間縮短。這是因為位置信息使得要進(jìn)行波束掃描的角域范圍變窄,從而找到最佳發(fā)射波束所需的時間縮短。

圖4 不同位置信息下平均信道估計時間對比

此外,位置信息輔助信道估計方法還可適應(yīng)AOD的變化,對于不同大小的AOD,本文方法所用平均信道估計時間更少。位置信息精度提升可進(jìn)一步優(yōu)化平均信道估計時間,在精定位位置信息輔助情況下,毫米波基站可以在極短的時間內(nèi)將波束調(diào)整到所需方向。

4 結(jié)束語

本文提出一種位置信息輔助的基站與無人機(jī)毫米波信道估計方法。構(gòu)建三維無人機(jī)位置模型,在此基礎(chǔ)上,利用位置信息將波束調(diào)整到所需方向以輔助信道估計。仿真結(jié)果表明,該方法可實現(xiàn)較高的天線增益并縮短信道估計時間。下一步將通過建立無人機(jī)航行軌跡三維動態(tài)模型設(shè)計無人機(jī)毫米波網(wǎng)絡(luò)的三維波束成形方法。