一种基于车辆运动轨迹认知的宽带毫米波波束追踪方法

技术领域

本发明涉及无线通信领域中5G宽带毫米波波束追踪技术，具体是一种基于车辆运动轨迹认知的宽带毫米波波束追踪方法。

背景技术

针对自动驾驶车联网络宽带感知信息传输面临的频谱资源不足、通信链路容量受限以及时效性差的难题，采用毫米波宽带传输方法能够提高通信链路容量。与传统6GHz以下低频段相比，毫米波高频段可以提供数十吉比特传输速率，是车联网宽带感知信息高效传输的候选技术之一。但是，毫米波频段信号穿透能力弱、信道质量易受高动态环境影响和物体遮挡，无线电波经反射、散射和绕射导致多径和衰落更明显，车间通信链路质量恶化导致接收端误码率升高。通过采用天线阵列和波束赋形技术生成定向性窄波束信号，可以提高车间毫米波通信链路的信号质量和可靠性。但是，如何对定向窄波束信号进行波束对准和追踪是高动态车联网移动场景面临的难题。

车联网络拓扑高动态变化、无线信号传播路径快速生灭和信道非平稳特性显著，是车辆高动态移动场景中毫米波波束对准与追踪技术面临的重大挑战。已有研究仅考虑在路边基站侧位置固定场景的车联网毫米波通信场景，尚未考虑收发两端同时具有高移动性的车间毫米波通信场景，无法科学表征非线性快变波束与车辆移动轨迹之间的本质关系，也无法解决车辆高动态环境下毫米波窄波束方位快速认知和波束精准控制的问题。

对于现有宽带毫米波波束追踪技术，存在以下两个方面的提升空间。

第一，目前的波束追踪方案没有考虑收发两端同时具有高移动性的车间毫米波通信场景，并不能解决车辆间可靠的毫米波通信问题，且无法科学表征非线性快变波束与车辆移动轨迹之间的本质关系。

第二，在车辆转弯变道极端场景下，并没有考虑由车辆转向运动产生的对车间波束角度突变的影响，收发两端间的波束角度难于追踪。

所以，目前的波束追踪方案无法充分利用车辆行为认知实现快速准确的波束追踪并保证车联网络的宽带可靠移动通信。

发明内容

本发明考虑了高动态环境下，建立车辆之间毫米波通信链路面临的波束追踪时，针对车辆转弯变道极端情况下导致车间波束角度突变难于追踪的问题，提出一种基于车辆运动轨迹认知的宽带毫米波波束追踪方法，运用车辆运动特性认知辅助的改进粒子滤波毫米波波束追踪，降低波束追踪失败概率、提高波束追踪的准确性与可靠性，实现车联网络的宽带可靠移动通信。

具体步骤如下：

步骤一、在车联V2V通信系统中，构建车辆通信的简化动态运动场景；

场景中包括：通信双方车辆(即发送端车辆A和接收端车辆B)，周围车辆，以及周围的建筑物；

通信双方车辆在具有三车道的二维(2-D)道路拐角处行驶，车辆A和车辆B均采用单RF链的均匀平面毫米波相控阵天线模组；

步骤二、针对时刻k，计算水平方向上通信双方车辆之间的距离d

初始k＝0；

公式如下：

(p

步骤三、基于时刻k的通信双方车辆位置，结合车辆的姿态信息，得出时刻k的发送端波束角度AoD和接收端波束角度AoA的粗估计值；

二元变量组

二元变量组

步骤四、发送端车辆A在时刻k＝0按波束角度AoD和AoA的粗估计值，计算发送波束成形矢量f

利用发送波束向量的估计值

利用接收波束向量的估计值

步骤五、从时刻k＝1开始，判断发送端车辆A波束角度的突变变化率是否满足w

突变变化率w

步骤六、当前发送端车辆A的状态处于转向突变模式，计算时刻k接收信号的观测值

方程如下：

其中，ρα

步骤七、当前发送端车辆A的状态处于平滑变化模式，计算时刻k接收信号的观测值

方程如下：

w

步骤八、将观测值

具体为：

首先，对每条传播路径，根据信道增益和波束角度计算离散的信道状态矢量：

定义为：

x[k]＝[α

其中，α

进一步，对信道状态矢量修改为含有突变变化率和噪声的矩阵形式的状态方程；

表示为:

x[k]＝Φx[k-1]+Ωw[k]+u[k]

其中，

然后，针对观测值

针对观测值

然后，利用更新后的粒子进行权值归一化和重采样：

N

最后，利用信道状态矢量和更新的粒子权重，得到波束角度AoD和AoA的优化值：

步骤九、利用时刻k的波束状态优化值

步骤十、返回步骤三，不断调整各个时刻的波束成形矢量，直至调整后的波束成形矢量与真实的波束之间的误差符合设定的阈值范围，完成波束追踪。

本发明的优点在于：

1)、本发明一种基于车辆运动轨迹认知的宽带毫米波波束追踪方法，基于改进的粒子滤波波束追踪方法，根据车辆位置-姿态信息预测波束角度是否发生突变(状态方程中突变变化率是否非零)，执行不同的粒子权值更新策略，可以提高角度突变情况下波束追踪的准确性与可靠性。

2)、本发明一种基于车辆运动轨迹认知的宽带毫米波波束追踪方法，提出了基于车辆位置-姿态信息进行波束角度粗预测，作为粒子滤波的初始输入值来辅助改进粒子滤波算法进行波束角度进一步细估计，可有效提升波束追踪的时效性与准确性。

3)、本发明一种基于车辆运动轨迹认知的宽带毫米波波束追踪方法，为了有效表征非线性快变波束与车辆移动轨迹之间的本质关系，构建车辆行为和波束角度变化率之间的关联矩阵，可有效基于车辆行为辅助波束追踪。

附图说明

图1是本发明一种基于车辆运动轨迹认知的宽带毫米波波束追踪方法的流程图；

图2是本发明一种基于车辆运动轨迹认知的宽带毫米波波束追踪方法的场景图；

图3是本发明采用的改进的粒子滤波算法流程图。

具体实施方式

下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。

本发明是在车联V2V通信场景下，保证车间信链路质量的毫米波波束追踪的方案；具体为：在车联网高速非线性运动的典型场景下，利用波束角度变化和车辆移动轨迹，结合直射和散射多种路径的频繁快速交替变化对车联V2V通信的影响，实现高可靠的波束追踪，以保证通信链路连接的持续性和高效性。然而，现有研究工作仅考虑在路边基站侧位置固定场景的车联网毫米波通信场景，尚未考虑收发两端同时具有高移动性的车间毫米波通信场景，缺乏针对车辆运动特性、窄波束方向性快速准确认知的理论与波束控制方法研究，无法满足未来自动驾驶典型场景的车辆间超宽带低时延信息共享要求。同时，车辆高动态运动及转弯变道等行为将导致通信收发端之间的相对方位角突变，这也增大了毫米波波束追踪的难度。

针对上述问题，本发明针对车联V2V通信场景下的宽带毫米波波束追踪问题，考虑到波束角度变化和车辆运动轨迹行为之间的关联关系，提出车辆运动轨迹认知辅助的改进粒子滤波波束追踪方法。在宽带毫米波通信系统中，该方案相比已有的方案降低波束追踪失败概率、能大幅度提升波束追踪的准确性与可靠性，实现车联网络的宽带可靠移动通信。

本发明主要解决的技术问题包括两点：

1)考虑车辆移动轨迹对毫米波波束角度变化的影响，表征非线性快变波束与车辆移动轨迹之间的本质关系，用以辅助波束追踪。

2)考虑到收发两端同时具有高移动性的车间毫米波通信场景中，车间波束角度突变难于追踪，提出车辆行为认知辅助的改进粒子滤波波束追踪方法，降低波束追踪失败概率、提高波束追踪的准确性与可靠性。

本发明提出利用车辆位置-姿态转向信息确定波束搜索空间子集，建模车辆行为和波束角度变化率之间的关系，并基于改进的粒子滤波算法对先验信息以及波束角度非线性变化过程进行追踪。如图1所示，具体步骤如下：

步骤一、在车联V2V通信系统中，构建车辆通信的简化动态运动场景；

观察到的车辆和周围物体的潜在移动性导致通信链路的高质量变化，如图2所示，场景中包括：通信双方车辆(即发送端车辆A和接收端车辆B)，周围车辆，以及周围的建筑物；

通信双方车辆在具有三车道的二维(2-D)道路拐角处行驶，车辆A和车辆B均采用单RF链的均匀平面毫米波相控阵天线(uniform planar array,UPA)模组；N

周围的建筑物例如：道路标志，树木和道路上的周围车辆是复杂车辆环境中的重要物体，其导致接收信号衰减和反射。通常，LOS路径很少被静态周围环境阻挡，但经常被周围的车辆阻挡。如果未检测到LOS路径，则来自车辆的NLOS反射路径将成为主路径，由于毫米波的损耗性，实际测得的反射路径的接收信号强度很弱，不足以作为可靠的观测值。

因此，本发明考虑的动态运动模型的环境特征，满足在周围车辆没有遮挡的情况下，通信双方车辆间一定存在LOS通信链路的。若通信双方车辆间受周围车辆阻挡，不存在LOS路径，可考虑重新建立新的通信双方，借助原收发双方与其他车辆建立新的通信系统。

步骤二、针对时刻k，计算水平方向上通信双方车辆之间的距离d

初始k＝0；

公式如下：

(p

步骤三、基于时刻k的通信双方车辆位置，结合车辆的姿态信息，得出时刻k的波束角度AoD和AoA的粗估计值；

当收发两端车辆行驶在直道上，收发两端天线保持平行关系，满足

二元变量组

在俯仰方向上，波束角度AoD和AoA的俯仰分量不受车辆转向行为的影响，仅却决于车辆的高度差|H

二元变量组

步骤四、发送端车辆A在时刻k＝0按波束角度AoD和AoA的粗估计值，计算发送波束成形矢量f

利用发送波束向量的估计值

利用接收波束向量的估计值

步骤五、从时刻k＝1开始，判断发送端车辆A波束角度的突变变化率是否满足w

突变变化率w

步骤六、当前发送端车辆A的状态处于转向突变模式，计算时刻k接收信号的观测值y

当车辆转弯时，由于角度突变率w

考虑到毫米波信道稀疏性，接收端车辆接收到发射机发送的导频q后，新的观测值

其中，ρα

H

L

为了简化表示：

H

其中，

由于收发两端的车辆具有移动性，信道矩阵具有时变性，在时刻k+1，信道矩阵H

H

步骤七、当前发送端车辆A的状态处于平滑变化模式，计算时刻k接收信号的观测值

方程如下：

w

步骤八、将观测值

如图3所示，首先输入各变量初始值：

具体为：

首先，提取信道模型中的增益和波束角度变量表示信道状态，对每条传播路径，将离散的信道状态矢量定义为：

x[k]＝[α

其中，α

假设AoD和AoA在水平方向和俯仰方向上的平滑变化率服从高斯随机过程，其中，{m

此外，在转弯情况下，车辆转向行为会引起波束角度突变。假设时刻k，车辆速度v[k]，转弯半径为r，由于车辆转向行为引起的波束角度变化量表示为β

则，信道状态矢量修改为含有突变变化率和噪声的矩阵形式的状态方程；

表示为:

x[k]＝Φx[k-1]+Ωw[k]+u[k]

其中，

然后，针对观测值

基于信道状态矢量和提出的状态方程，波束角度AoD和AoA的变化过程可以建模为信道状态矢量的变化过程。并且，用

针对观测值

然后，利用更新后的粒子进行权值归一化和重采样：

N

最后，利用信道状态矢量和更新的粒子权重，得到波束角度AoD和AoA的优化值：

步骤九、利用时刻k的波束状态优化值

步骤十、返回步骤三，不断调整各个时刻的波束成形矢量，直至调整后的波束成形矢量与真实的波束之间的误差符合设定的阈值范围，完成波束追踪。

本发明基于波束状态方程x[k]和观测方程y[k]，提出改进的粒子滤波算法，将基于车辆位置-姿态信息进行波束角度粗预测值作为输入值，通过粒子的权值更新对非线性变化的波束角度进行细估计。根据转向命令的随机过程c

本发明相比于现有技术，首先基于波束状态方程，构建车辆行为和波束角度变化率之间的关联矩阵，可有效表征非线性快变波束与车辆移动轨迹之间的本质关系。其次，由于现有技术并未考虑到在车辆转弯变道极端场景下，由车辆转向运动产生的对车间波束角度突变的影响，为了解决收发两端同时具有高移动性的车间毫米波通信场景中车间波束角度突变难于追踪的问题，提出车辆行为认知辅助的改进粒子滤波波束追踪方法，降低波束追踪失败概率、提高波束追踪的准确性与可靠性，实现车联网络的宽带可靠移动通信。