一种基于异形波束的毫米波无线通信波束跟踪方法

技术领域

本发明涉及低开销高精度的波束跟踪技术领域，特别是涉及一种基于异形波束的毫米波无线通信波束跟踪方法。

背景技术

随着新一代无线通信的到来和物联网技术的迅猛发展，移动通信网络中不断的接入大量的无线通信设备，各种数据业务正以爆炸式的速度增长。毫米波通信因其丰富的频谱资源和极高的传输速率被认为是未来移动通信最具潜力、最具应用价值的关键性技术。同时，通信系统配置大规模天线阵列，辅以波束赋形技术，可以大大提高传输距离，提高通信系统的容量。但由于大量天线的存在，其波束覆盖范围窄，因此在移动用户系统中无法持续保持高增益通信。因此需要提供一套波束跟踪方法来维持可接受的通信质量。

目前已有的波束跟踪方案主要可以分成两类码本扫描类和滤波类。其中码本扫描类主要是在特定时隙进行波束扫描来得到当前角度信息，从而达到波束跟踪要求。而这种方案需要特定时隙和特定能量来进行波束跟踪，相对开销大，至少需要1个波束的能量来进行跟踪扫描。而已有的基于滤波器的信道出发角(Angle ofDeparture，AoD)估计方案(例如基于卡尔曼滤波器文献[1]、基于深度学习滤波器)，都是将直接指向估计方向的波束矢量作为下一时刻传输数据的波束。然而，当一帧内的AoD变化大于主瓣的波束宽度时，可能会出现波束不对准；同时气流波动对AoD的影响，使得AoD的测量误差比较大，使得中断概率增高，通信质量变差，对此文献[2]提出了一种通过预测进行波束展宽的方法来降低中断概率，提高通信性能。但滤波法所收集的新息仅当前返回值，新息过少同样会导致估计不准确，使得整体通信性能下降。为此希望通过结合目前两种波束扫描方法的特点，提出一种能够使用最小开销获得最准确的角度估计的扫描跟踪方案。(文献[1]：V.Va,H.VikaloandR.W.Heath,"Beam tracking for mobile millimeter wave communicationsystems,"2016IEEE Global Conference on Signal and Information Processing(GlobalSIP),Washington DC,USA,Dec.2016,pp.743-747.文献[2]:H.-L.Song andY.-C.Ko,"BeamAlignment for High-Speed UAV viaAngle Prediction and Adaptive BeamCoverage,"in IEEE Transactions on Vehicular Technology,vol.70,no.10,pp.10185-10192,Oct.2021.)。

发明内容

有鉴于此，本发明的目的在于提供一种基于异形波束的毫米波无线通信波束跟踪方法，该方法设计了一种在波束覆盖范围内能量分配的波束，具体地，将少部分的能量集中在覆盖范围内的一个小的扫描区域内，同时保证整个波束覆盖范围内依然保持大部分能量均匀分布。进而使用此类波束进行波束扫描可得到目前精准AoD信息。同时对下一帧的AoD进行预测从而得到该时隙的波束覆盖范围，以此保证通信的不中断。

为了实现上述目的，本发明采用如下技术方案：

一种基于异形波束的毫米波无线通信波束跟踪方法，所述方法提出的波束跟踪方法的帧结构包括两个单元，分别为波束跟踪单元与数据传输单元。首先，进行L

步骤S1、根据上一帧确定的波束覆盖范围，生成用于当前帧的多个异形波束；

步骤S2、基站发射异形波束对用户进行波束扫描，用户反馈波束扫描结果；

步骤S3、基站估计用户在当前帧的AoD；

步骤S4、基站基于前L

步骤S5、根据步骤S4获得的均值和方差，以及步骤S3获得的用户在当前帧的AoD的估计值，确定当前帧的波束覆盖范围。

进一步的，在所述步骤S1中，定义异形波束

其中θ

进一步的，异形波束w在ω方向上的波束增益定义为

其中，[w]

其中，λ为载波波长，d表示相邻天线阵元间距，(·)

进一步的，定义

其中，

进一步的，在所述步骤S2中，在一个多天线基站和单天线用户构成的毫米波移动通信系统中，波束扫描的传输模型具体表示为：

其中，y(t)为第t时刻的用户接收信号，P为基站的信号发射功率，

进一步的，在所述的传输模型中，信道模型为：

其中，L表示基站与用户间信道的多径总数，α

进一步的，所述步骤S3根据噪声分布先验信息、所述信道模型以及异形波束，采用贝叶斯公式得到AoD的概率分布的更新规则，并按时间顺序对所述概率分布进行迭代更新，得到当前帧暨第t

具体地，令Lw个异形波束按照时间顺序接收到的信号分别为y(1),y(2),…,y(L

进一步的，根据贝叶斯公式，信道模型和噪声分布，得到后验概率更新方式如下：

设第t

通过上述两式，进行递推更新后验概率得到π(L

进一步的，在所述步骤S4中，采用拟合预测算法，基于前L

具体的，利用高斯随机过程算法对下一帧的AoD进行预测，设AoD模型为：

φ(t

模型的输入为从第t

将整个时间过程看成一个高斯随机过程，由均值函数和协方差矩阵函数共同确定，并且一个数据点为高斯过程的采样即

其中z(x),x分别为模型的输出与输入，μ(x)为均值函数，k(x,x')为核函数。这里采用平方指数核函数

利用贝叶斯公式，可以得到基于预测输入数据x

使用MATLAB自带函数fitrgp，来实现高斯过程回归模型的训练，得到出下一帧AoD的分布的均值μ与标准差ξ。

进一步的，所述步骤S5中，定义当前帧波束覆盖范围对应的波束中心角度和波束宽度为θ

以上表达式主要依据波束尽量覆盖一帧内的用户运动范围和波束尽量窄的原则，设置波束覆盖范围为包含下一帧AoD和当前帧AoD的范围，另外考虑到噪声和估计误差，再加上

与现有技术相比，本发明的有益效果是：

1、与传统滤波法相比，特别是在高速情况下具有更高精度的AoD估计；

2、与传统波束扫描式的跟踪法相比，减少了用于跟踪扫描的能量开销，提高了能量利用效率；

3、在路径平均的意义上，几乎逼近路径已知情况下的通信性能。

附图说明

图1和图2是本发明实施例1中波束跟踪方案的时间结构图和波束跟踪单元的操作流程图。

图3是本发明使用的期望与实际异形波束和常用通信波束对比图。

图4(a)是仿真场景示意图，图4(b)为用户初始位置为x

图5是基站端配备64阵元，阵元间隔为半波长，射频链路数目为6，基站获取到的为精确的AoD、用户与基站之间的传输路径总数等于1时，本发明与基站的已知实时AoD方案、基站已知AoD并采取理想波束宽度方案和传统邻域波束扫描方案的实时波束中心角度与波束覆盖范围与的比较图。

图6是基站端配备64阵元，阵元间隔为半波长，射频链路数目为6，基站获取到的为精确的AoD、用户与基站之间的传输路径总数等于1时，本发明实例1与基站的已知实时AoD方案、基站已知AoD并采取理想波束宽度方案和传统邻域波束扫描方案的实时信噪比的比较图。

图7是基站端配备64阵元，阵元间隔为半波长，射频链路数目为6，用户与基站之间的传输路径总数等于1时，利用本发明实例1提供的实时波束中心角和覆盖范围与文献[1]和[2]方案的比较图。

图8是基站端配备64阵元，阵元间隔为半波长，射频链路数目为6，用户与基站之间的传输路径总数等于1时，利用本发明实例1提供的实时波束中心角和覆盖范围与文献[1]和[2]方案的比较图。

图9是基站端配备64阵元，阵元间隔为半波长，射频链路数目为6，用户与基站之间的传输路径总数等于1时，利用本发明实例1与文献[2]方案的估计AoD误差比较图。

图10是基站端配备64阵元，阵元间隔为半波长，射频链路数目为6，用户与基站之间的传输路径总数等于1时，本发明与上述所有方案对路径方向在

具体实施方式

为使本发明实施例的目的、技术方案和优点更加清楚，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。

实施例1

参见图1-图10，本实施例提供一种针对毫米波移动无线通信系统的低开销高精度波束跟踪方法，该方法具体包括如下的步骤：

如图1时间结构图所示，整个过程由多个时间帧构成，一个帧的时长为T

步骤S1、根据上一帧确定的波束覆盖范围设计如图2所示的一个异形波束。首先定义该异形波束

其中，[w]

进一步的，上述基于能量优化分配的异形波束的增益需要满足如下约束：

其中θ

令

其中，

步骤S2、对于一个多天线基站和单天线用户构成的通信系统，根据S-V模型此系统信道模型可表示为：

其中，L表示基站与用户间信道的多径总数，α

其中，λ为载波波长，d表示天线阵元间距，(·)

为简化分析，设用户与基站之间的传输路径总数等于1，路径损耗α＝1，则信道模型可简化为

基站传输的下行信号传输模型具体表示为：

其中，y(t)为第t时刻的接收信号，P为基站端信号传输功率，

使用步骤S1中的异形波束w(1),w(2),…,w(L

步骤S3、基站端采用贝叶斯公式得到AoD的概率分布的更新规则，并按时间顺序对所述概率分布进行迭代更新，从反馈值y(1),y(2),…,y(L

根据贝叶斯公式，信道模型和噪声分布，得到后验概率更新方式如下：

设第t

通过上述两式，进行递推更新后验概率得到π(L

步骤S4、根据前L

φ(t

模型的输入为从第t

将整个时间过程看成一个高斯随机过程，由均值函数和协方差矩阵函数共同确定，并且一个数据点为高斯过程的采样即

其中z(x),x分别为模型的输出与输入，μ(x)为均值函数，k(x,x')为核函数。这里采用平方指数核函数

利用贝叶斯公式，可以得到基于预测输入数据x

使用MATLAB自带函数fitrgp，来实现高斯过程回归模型的训练，设置训练数据集长度设为L

步骤S5、当前帧波束覆盖范围对应的波束中心角度和波束宽度为θ

下面结合仿真条件与结果对本发明做进一步的描述：

考虑一个二维平面系统如图3(a)所示。以基站为原点，其射频链数为N

设初始用户位置x

图5(a)和图5(b)比较了在低角速度和高角速度情况下，本发明与理想上限、鲁棒理想方案、邻域波束扫描方案的实时波束中心角和波束覆盖范围。注意到整个过程中本发明能够实现有效跟踪，并在估计时隙处实现了高精度的估计。此外，不管在低角速度阶段还是高角速度阶段，波束覆盖范围接近理想覆盖范围，证实了预测方案的有效性。相对领域搜索拥有更准确的估计，这是由于邻域搜索码本的分辨率低导致的，但增高其分辨率则会导致更高的能量开销。

图6(a)和图6(b)比较了在低角速度和高角速度情况下，本发明与理想上限、鲁棒理想方案、邻域波束扫描方案的实时信噪比。本发明的实时信噪比在整个跟踪过程中逼近鲁棒理想方案，而邻域波束扫描方案的实时信噪比由于移动，导致频繁中断信号触发邻域波束扫描，特别是在角速度高的区域，使得通信性能降低。具体地，可以得到本发明、理想上限、鲁棒理想方案、邻域波束扫描方案的时间平均可达和速率分别为4.5973，5.0388，4.7167，3.7776，单位为bit/s/Hz。本发明在高速度运动的情况下逼近鲁棒理想方案，即与理想上限的差距主要是由波束展宽导致，同时明显优于邻域波束扫描方案。

图7(a)和图7(b)比较了在低角速度和高角速度情况下，本发明、文献[1]方案和文献[2]方案的实时波束中心角和波束覆盖范围。其中文献[1]为卡尔曼滤波法，文献[2]为波束展宽的卡尔曼滤波法。在前期角速度低的情况下，本发明与文献[2]的方案展现出差不多的AoD跟踪性能，以及波束覆盖范围同样准确，但文献[1]的方案展现出相对较差的AoD估计性能。这是因为文献[1]的方案需要预测得到AoD覆盖范围以后再进行波束调整，而文献[2]则是每一帧都进行了波束调整。但在中期高角速度情况下，本方案明显优于文献[2]，文献[2]的覆盖范围明显过宽，从下面的图7的分析中可得到这是由于AoD估计不准确导致的。

图8(a)和图8(b)比较了在低角速度和高角速度情况下，本发明、文献[1]方案和文献[2]方案的实时信噪比。从图7(a)中显示在低角速度情况下，由于实时调整波束文献[2]与本发明同样没有触发中断重新扫描过程，而文献[1]方案在后期出现少量的中断扫描。随着角速度的提高，文献[1]和文献[2]都出现了频繁的中断扫描，而在之前估计准确的情况下，并没有频繁触发，说明这是由于AoD估计不准确所导致。具体地，可以得到本发明、文献[1]和文献[2]的时间平均可达和速率分别为4.5973，4.0366，3.6166，单位为bit/s/Hz。本发明在高速度运动的情况下明显优于文献[1]、文献[2]方案，主要是因为异形波束扫描的提出提高了AoD估计的精度。而文献[2]性能较文献[1]差是因为在波束宽度选取过大后，信噪比低于触发中断扫描门限，使其被频繁触发导致性能下降。

图9比较了本发明和文献[2]方案的AoD估计误差。从图中明显看出本发明在整个跟踪过程中保持了高精度估计，而文献[2]在中期角速度大的情况下，出现了巨大误差。具体的本发明在跟踪过程中的最大误差为0.0034，约为一个离散度

图10比较了上述所有方案在不同信噪比情况下的平均可达和速率。注意到，当信噪比高于15dB时，也就是在高信噪比情况下，本节提出的方案逼近理想情况可达到的和速率，可达到理想性能的96％，以及几乎接近鲁棒理想方案，同时，远高于文献[1]方法、文献[2]方法和邻域搜索方法，即在高信噪比下，估计AoD精确度高，使得预测AoD也更加准确，得到的预测的方差减小，使得设置的波束覆盖范围接近于理想波束覆盖范围。当信噪比低于15dB时，也就是在信噪比较低的情况下，提出方案的可达和速率相对于较高信噪比情况，性能稍有下降，与理想情况最大相差约0.5bit/s/Hz，这是因为低信噪比影响了估计的精度，但相较于邻域和文献[1]方案依然表现出更好的性能。

本发明未详述之处，均为本领域技术人员的公知技术。

以上详细描述了本发明的较佳具体实施例。应当理解，本领域的普通技术人员无需创造性劳动就可以根据本发明的构思作出诸多修改和变化。因此，凡本技术领域中技术人员依本发明的构思在现有技术的基础上通过逻辑分析、推理或者有限的实验可以得到的技术方案，皆应在由权利要求书所确定的保护范围内。