CN109245805A - 一种面向无人机毫米波通信的快速波束训练与追踪方法 - Google Patents

Abstract

本发明提供了一种面向无人机毫米波通信的快速波束训练与追踪方法。所述面向无人机毫米波通信的快速波束训练与追踪方法包括如下步骤：预设符合混合波束成形架构的分层码本，根据传统的多层级波束训练方式进行波束的匹配搜索，找到最优波束并发射通信信号。本发明的有益效果是：所示面向无人机毫米波通信的快速波束训练与追踪方法利用了毫米波通信主要为LOS路径和无人机移动的连续性特点，在大部分波束失配场景中，能够比传统分层训练方案更快地找到新的匹配波束。

Description

一种面向无人机毫米波通信的快速波束训练与追踪方法

技术领域

本发明具体地涉及一种面向无人机毫米波通信的快速波束训练与追踪方法。

背景技术

无人机是一种使用无线电设备遥控或自带程序控制装置操纵而不载人的飞行器。无人机具有架构简单、可动态部署、造价低廉、减少人员伤亡的特点，已在各个领域扮演着极其重要的角色。无人机飞行过程中需要通过通信网络与地面控制中心持续进行数据传输。近年来，毫米波阵列通信被认为是解决无人机Gbit带宽通信的重要手段。在无人机与地面端进行毫米波通信时，由于无人机较强移动性造成的光束对准是整个通信系统开销的主要来源。针对这个问题，研究者们提出了波束训练的方法，该方法能够可以在不采用信道估计的情况下使通信波束达到匹配。而如何对波束训练的手段进行改进，减低训练时间与开销是改进无人机毫米波通信的重要方向之一。

在地面与无人机波束训练的过程中，使用基于波束码本的解决方案是实现系统复杂性与高性能之间的折中设计。通过预先设定的码字控制波束方向从而达到波束调向的作用，与此同时无人机接收端对发射端利用不同方向波束发射的训练符号进行分析，找到码本中适合该时刻通信的最佳码字，从而完成训练的过程并进行数据传输。若通信质量下降到一定程度，系统将认为此时无人机已脱离该波束覆盖区域，从而重新进行波束训练。不难发现，该方案具有复杂度小、步骤简单易于操作的优点，但是无人机的高移动性往往使波束训练这一过程变得更加频繁，穷举式的波束训练方法带来的额外开销将大大增大训练时间与成本，因此，如何设计出一种适合于无人机的快速波束训练与追踪算法是有必要的。

发明内容

本发明的目的在于针对现有技术的缺陷或问题，提供一种面向无人机毫米波通信的快速波束训练与追踪方法。

本发明的技术方案如下：一种面向无人机毫米波通信的快速波束训练与追踪方法：包括如下步骤：预设符合混合波束成形架构的分层码本，根据传统的多层级波束训练方式进行波束的匹配搜索，找到最优波束并发射通信信号。

优选地，还包括如下步骤：如果无人机由于任务机动脱离波束覆盖区域，则采用改进的引入退避机制的波束训练方案从而找到该时段的最优匹配波束。

优选地，预设符合混合波束成形架构的分层码本的步骤包括如下步骤：

步骤1.1：在混合波束预编码系统架构的基础上将码本分为S个不同的层级，保证每一层级的波束成形码本所产生的波束宽度与形状均相同，其中，S为正整数；

步骤1.2：找到满足步骤1.1中各个层级最优的码本方案。

优选地，在步骤1.1中，具体码本的设计方法如下：

s.t.[F_RF,(s,k,m)]_:,i∈{Α_Q},i＝1,2,...,N_RF

其中，s表示层级数，并且s＝1,2,..,S，k表示该层子波束的所属上层波束所在的序号，k＝1,2,...,K^s-1，K表示能够每一波束拥有的下一层子波束个数，所以(s,k,m)表示为第s层第k个子集的第m个波束，m＝1,2,...,K；

表示对应波束的混合预编码系统中的模拟波束控制矩阵，它的列向量取自非完备字典集Α_Q，Α_Q由RF链相位控制比特数q决定，Α_Q中所有元素均取自相位集合Z_q＝{0，2π/2^q，…，2π(2^q-1)/2^q}；

N_BS表示天线数目，N_RF表示系统中RF链的数目，而F_BB,(s,k,m)表示对应波束的基带波束成形向量；

F_(s,k,m)表示理想波束成形矢量，它的值由以下公式获得：

F_(s,k,m)＝C_s(AA^H)^-1AG_(s,k,m)

其中，C_s表示归一化常数，以保证||F_(s,k,m)||_F＝1成立，假设信号发射角θ的空间被均分成N份，表示由空间内所有角度的阵列响应a_BS(θ),θ∈{0,2π/N,...,2π(N-1)/N}构成的过完备矩阵，而在均匀直线阵的情况下阵列响应向量表示为：

其中，λ表示信号波长，d表示阵元的间距；G_(s,k,m)表示N×1的矩阵，在这个矩阵中，在位置u,u∈I_(s,k,m)处的值为1，其他位置的值为0，其中

优选地，步骤1.2具体包括如下步骤：

步骤1.2.1：对模拟波束控制矩阵F_RF,(s,k,m)与残差向量F_{res，(s,k,m)}进行初始化，其中F_RF,(s,k,m)＝[]，F_{res，(s,k,m)}＝F_(s,k,m)；

步骤1.2.1：根据RF链的数目N_RF，令n＝1:N_RF重复以下1.2.3-1.2.6步骤；

步骤1.2.3：根据构建最新残差向量F_{res，(s,k,m)}的值构建新向量并结合RF相移器具体分辨率进行量化操作，使f_n,(s,k,m)∈Z_q，这里Z_q表示相移器可能产生的所有相位集合；

步骤1.2.4：将F_RF,(s,k,m)矩阵的值进行更新，得到F_RF,(s,k,m)＝[F_RF,(s,k,m)f_n,(s,k,m)]；

步骤1.2.5：计算此时基带波束成形向量：

步骤1.2.6：计算残差向量：F_res,(s,k,m)＝F_(s,k,m)-F_RF,(s,k,m)F_BB,(s,k,m)；

步骤1.2.7：结束迭代后，对基带波束成形向量进行归一化：

步骤1.2.8：根据最新的F_RF,(s,k,m)和F_BB,(s,k,m)得到最终混合波束码本方案

优选地，根据传统的多层级波束训练方式进行波束的匹配搜索，找到最优波束并发射通信信号包括如如下内容：

一个数据帧由波束训练阶段与数据传输阶段组成，设其中波束训练的时间长度为T；

在某一层训练中，信号发射端将上一层的最优波束覆盖范围划分为K个子波束，通过这K个波束发送训练序列依次进行下行传输，传输结束后接收端通过分析，将训练结果上行反馈回发射端，其中，K为正整数；

当分辨率最佳的波束成功匹配到无人机，即可进行数据传输阶段，且发射端采用训练所获得的最优波束码本，使地面能够与无人机保持最佳通信质量。

优选地，在混合波束预编码系统架构的基础上将码本分为S个不同的层级，如果无人机由于任务机动脱离波束覆盖区域，则采用改进的引入退避机制的波束训练方案，从而找到该时段下最优匹配波束，具体方法如下：

若第S层的波束无法较好的无人机产生匹配，此时可以将波束退到S-1层，并发送S-1层中对应的波束；若S-k层波束仍然无法匹配，则将波束码本退到S-k-1层，k为小于S的正整数；

若第S-s_t层的波束能够与无人机产生匹配，则以该层为起点，开始正向波束训练，对S-s_t+1层的K个子波束进行波束训练，以此类推，其中，s_t是指任意大于0小于S的整数，指的是波束通信之间能够产生匹配时退避的层数；

若退到第一层仍然无法匹配到响应波束，则直接在第一层重新进行波束训练以找到合适的匹配波束。

本发明提供的技术方案具有如下有益效果：

本发明提出的面向无人机毫米波通信的快速波束训练与追踪方法中，地面毫米波信号发射端首先将先预设符合混合波束成形架构的分层码本，并根据传统的多层级波束训练方式进行波束的匹配搜索，找到最优波束并发射通信信号；而当无人机由于任务机动脱离波束覆盖区域时，再采用改进的引入退避机制的波束训练方案从而找到该时段的最优匹配波束，因此本发明利用了毫米波通信主要为LOS路径和无人机移动的连续性特点，在大部分波束失配场景中，能够比传统分层训练方案更快找到新的匹配波束。

附图说明

图1是混合波束成形结构图图；

图2是传统波束分层训练方法的帧结构图；

图3是具有波束逆推训练机制的分层训练方法帧结构图；

图4是K＝2，S＝3时的传统波束训练的部分过程；

图5(a)和图5(b)是发生退避时s_t的值与训练时间开销的关系。

具体实施方式

为了使本发明的目的、技术方案及优点更加清楚明白，以下结合实施例，对本发明进行进一步详细说明。应当理解，此处所描述的具体实施例仅仅用以解释本发明，并不用于限定本发明。

本发明中的步骤虽然用标号进行了排列，但并不用于限定步骤的先后次序，除非明确说明了步骤的次序或者某步骤的执行需要其他步骤作为基础，否则步骤的相对次序是可以调整的。可以理解，本文中所使用的术语“和/或”涉及且涵盖相关联的所列项目中的一者或一者以上的任何和所有可能的组合。

本发明提出的面向无人机毫米波通信的快速波束训练与追踪方法包括如下步骤：

步骤1：预设符合混合波束成形架构的分层码本，根据传统的多层级波束训练方式进行波束的匹配搜索，找到最优波束并发射通信信号；

步骤2：如果无人机由于任务机动脱离波束覆盖区域，则采用改进的引入退避机制的波束训练方案从而找到该时段的最优匹配波束。

需要说明的是，在步骤1中，预设符合混合波束成形架构的分层码本的步骤包括如下步骤：

步骤1.1：在混合波束预编码系统架构的基础上将码本分为S个不同的层级，保证每一层级的波束成形码本所产生的波束宽度与形状均相同，其中，S为正整数；

步骤1.2：找到满足步骤1.1中各个层级最优的码本方案。

具体地，在步骤1.1中，如图1所示，具体码本的设计方法如下：

s.t.[F_RF,(s,k,m)]_:,i∈{Α_Q},i＝1,2,...,N_RF

其中，s表示层级数，并且s＝1,2,..,S，k表示该层子波束的所属上层波束所在的序号，k＝1,2,...,K^s-1，K表示能够每一波束拥有的下一层子波束个数，所以(s,k,m)表示为第s层第k个子集的第m个波束，m＝1,2,...,K；

表示对应波束的混合预编码系统中的模拟波束控制矩阵，它的列向量取自非完备字典集Α_Q，Α_Q由RF链相位控制比特数q决定，Α_Q中所有元素均取自相位集合Z_q＝{0，2π/2^q，…，2π(2^q-1)/2^q}；

N_BS表示天线数目，N_RF表示系统中RF链的数目，而F_BB,(s,k,m)表示对应波束的基带波束成形向量；

F_(s,k,m)表示理想波束成形矢量，它的值由以下公式获得：

F_(s,k,m)＝C_s(AA^H)^-1AG_(s,k,m)

其中，C_s表示归一化常数，以保证||F_(s,k,m)||_F＝1成立，假设信号发射角θ的空间被均分成N份，表示由空间内所有角度的阵列响应a_BS(θ),θ∈{0,2π/N,...,2π(N-1)/N}构成的过完备矩阵，而在均匀直线阵的情况下阵列响应向量表示为：

其中，λ表示信号波长，d表示阵元的间距；G_(s,k,m)表示N×1的矩阵，在这个矩阵中，在位置u,u∈I_(s,k,m)处的值为1，其他位置的值为0，其中

步骤1.2具体包括如下步骤：

步骤1.2.1：对模拟波束控制矩阵F_RF,(s,k,m)与残差向量F_{res，(s,k,m)}进行初始化，其中F_RF,(s,k,m)＝[]，F_{res，(s,k,m)}＝F_(s,k,m)；，

步骤1.2.1：根据RF链的数目N_RF，令n＝1:N_RF重复以下1.2.3-1.2.6步骤；

步骤1.2.3：根据构建最新残差向量F_{res，(s,k,m)}的值构建新向量并结合RF相移器具体分辨率进行量化操作，使f_n,(s,k,m)∈Z_q，这里Z_q表示相移器可能产生的所有相位集合；

步骤1.2.4：将F_RF,(s,k,m)矩阵的值进行更新，得到F_RF,(s,k,m)＝[F_RF,(s,k,m)f_n,(s,k,m)]；

步骤1.2.5：计算此时基带波束成形向量：

步骤1.2.6：计算残差向量：F_res,(s,k,m)＝F_(s,k,m)-F_RF,(s,k,m)F_BB,(s,k,m)；

步骤1.2.7：结束迭代后，对基带波束成形向量进行归一化：

步骤1.2.8：根据最新的F_RF,(s,k,m)和F_BB,(s,k,m)得到最终混合波束码本方案

此外，在步骤1中，根据传统的多层级波束训练方式进行波束的匹配搜索，找到最优波束并发射通信信号包括如如下内容：

如图2和图4所示，展示的是基本波束分层训练方法的帧结构图；一个数据帧由波束训练阶段与数据传输阶段组成，设其中波束训练的时间长度为T；

在某一层训练中，信号发射端将上一层的最优波束覆盖范围划分为K个子波束，通过这K个波束发送训练序列依次进行下行传输，传输结束后接收端通过分析，将训练结果上行反馈回发射端，其中，K为正整数；

当分辨率最佳的波束成功匹配到无人机，即可进行数据传输阶段，且发射端采用训练所获得的最优波束码本，使地面能够与无人机保持最佳通信质量。

而且，在步骤2中，当无人机航行造成通信中断时，波束逆推训练机制如图3所示：

若第S层的波束无法较好的无人机产生匹配，此时可以将波束退到S-1层，并发送S-1层中对应的波束；若S-k层波束仍然无法匹配，则将波束码本退到S-k-1层，k为小于S的正整数；

若第S-s_t层的波束能够与无人机产生匹配，则以该层为起点，开始正向波束训练，对S-s_t+1层的K个子波束进行波束训练，以此类推，其中，s_t是指任意大于0小于S的整数，指的是波束通信之间能够产生匹配时退避的层数；

若退到第一层仍然无法匹配到响应波束，则直接在第一层重新进行波束训练以找到合适的匹配波束。

下面具体通过附图和实施例来说明本发明面向无人机毫米波移动通信的快速波束训练与追踪方法。本案例中发射端采用阵元数目N_BS＝16的ULA阵列，在360度的方向上产生了M＝64个波束进行覆盖，并设N＝128，若此时K＝2，根据S＝[log_KM]则不难得到S＝6。载波频率为60GHz毫米波，阵元间距为半波长，且RF链的控制比特数q＝3，RF链数目为N_RF＝4。传输信道主要为LOS信道，假设无人机脱离某一波束覆盖范围后，就会受到该波束相邻波束的覆盖，且不考虑空气中功率的损耗。

本实施例包括以下步骤：

1，预设混合波束成形架构的分层波束码本，具体如下：

1)计算列响应向量

2)计算空间内所有角度的阵列响应a_BS(θ)构成的过完备矩阵A

A＝[a_BS(0),a_BS(2π/N)，...,a_BS(2π(N-1)/N)]

3)计算矩阵G_(s,k,m)

且

4)计算理想波束成形矢量F_(s,k,m)

F_(s,k,m)＝C_s(AA^H)^-1AG_(s,k,m)

5)找到最接近F_(s,k,m)的各层级最优码本方案

2，根据预设码本，通过实例计算并比较无人机实际飞行中训练开销的大小，具体方法如下：

1)计算采用不同波束分层训练方法所需要的时间开销。假设无人机随机运动，从任意波束覆盖区域到其相邻波束覆盖区域的概率都相同，传统训练方式的具体过程如图4所示，每一次波束中断重新训练的时间T_c可以表示为：

T_c＝S(K+1)·T_slot＝18T_slot

采用退避机制的训练时间T_t可以表示为：

T_t＝T₁+s_t(K+1)t＝2*s_t*T_slot+s_t(K+1)T_slot＝(K+3)s_tT_slot＝5s_tT_slot

2)比较无人机在绕阵列进行一次圆周运动时进行两种波束训练方法需要的时间。具体步骤如下:

①计算采用传统分层波束训练需要的时间T_c,sum：

T_c,sum＝(M)*18T_slo＝1152T_slot＝1.152秒

②计算采用本文所提供的改进训练方法的训练时间T_t,sum，若无人机进行圆周运动，共计64次波束重新匹配，s_t＝5，有4次，s_t＝4，有4次，s_t＝3，有8次，s_t＝2，有16次，s_t＝1，有32次，则可以计算出总时间为：

T_t,sum＝(4*25+4*20+8*15+16*10+32*5)T_slot＝0.62秒。

根据上一步的计算不难发现，当无人机围绕发射端做圆周运动时，采用退避机制的分层算法拥有更少的训练开销。而本实施例得到的效果更加一般的情况可以通过图5仿真实验中所获得的具体数据进行进一步说明。我们看到：图5(a)中，波束数目为64，随着退避次数s_t值的变化，传统训练时间不受影响，但是本文提出的方案会发生明显的变化。不难看出，s_t值小于3.6时改进方案的时间开销要更小，而这一点能够得到保证，正是基于了无人机运动连续性的特点——如图5(b)所示为无人机进行随机运动时，单次训练时间的期望随总波束数目的变化情况，也就是说在统计学上可以证明本文算法具有更低的时间开销。因此，本发明很好的降低了由于无人机运动造成的波束重训练问题所带来的开销。

对于本领域技术人员而言，显然本发明不限于上述示范性实施例的细节，而且在不背离本发明的精神或基本特征的情况下，能够以其他的具体形式实现本发明。因此，无论从哪一点来看，均应将实施例看作是示范性的，而且是非限制性的，本发明的范围由所附权利要求而不是上述说明限定，因此旨在将落在权利要求的等同要件的含义和范围内的所有变化囊括在本发明内。

此外，应当理解，虽然本说明书按照实施方式加以描述，但并非每个实施方式仅包含一个独立的技术方案，说明书的这种叙述方式仅仅是为清楚起见，本领域技术人员应当将说明书作为一个整体，各实施例中的技术方案也可以经适当组合，形成本领域技术人员可以理解的其他实施方式。

Claims (7)

1.一种面向无人机毫米波通信的快速波束训练与追踪方法，其特征在于：包括如下步骤：

预设符合混合波束成形架构的分层码本，根据传统的多层级波束训练方式进行波束的匹配搜索，找到最优波束并发射通信信号。

2.根据权利要求1所述的一种面向无人机毫米波通信的快速波束训练与追踪方法，其特征在于，还包括如下步骤：

如果无人机由于任务机动脱离波束覆盖区域，则采用改进的引入退避机制的波束训练方案从而找到该时段的最优匹配波束。

3.根据权利要求1所述的一种面向无人机毫米波通信的快速波束训练与追踪方法，其特征在于，预设符合混合波束成形架构的分层码本的步骤包括如下步骤：

步骤1.1：在混合波束预编码系统架构的基础上将码本分为S个不同的层级，保证每一层级的波束成形码本所产生的波束宽度与形状均相同，其中，S为正整数；

步骤1.2：找到满足步骤1.1中各个层级最优的码本方案。

4.根据权利要求1所述的一种面向无人机毫米波通信的快速波束训练与追踪方法，其特征在于，在步骤1.1中，具体码本的设计方法如下：

s.t.[F_RF,(s,k,m)]_:,i∈{Α_Q},i＝1,2,...,N_RF

其中，s表示层级数，并且s＝1,2,..,S，k表示该层子波束的所属上层波束所在的序号，k＝1,2,...,K^s-1，K表示能够每一波束拥有的下一层子波束个数，所以(s,k,m)表示为第s层第k个子集的第m个波束，m＝1,2,...,K；

表示对应波束的混合预编码系统中的模拟波束控制矩阵，它的列向量取自非完备字典集Α_Q，Α_Q由RF链相位控制比特数q决定，Α_Q中所有元素均取自相位集合Z_q＝{0，2π/2^q，…，2π(2^q-1)/2^q}；

N_BS表示天线数目，N_RF表示系统中RF链的数目，而F_BB,(s,k,m)表示对应波束的基带波束成形向量；

F_(s,k,m)表示理想波束成形矢量，它的值由以下公式获得：

F_(s,k,m)＝Cs(AA^H)^-1AG_(s,k,m)

其中，C_s表示归一化常数，以保证||F_(s,k,m)||_F＝1成立，假设信号发射角θ的空间被均分成N份，表示由空间内所有角度的阵列响应a_BS(θ),θ∈{0,2π/N,...,2π(N-1)/N}构成的过完备矩阵，而在均匀直线阵的情况下阵列响应向量表示为：

其中，λ表示信号波长，d表示阵元的间距；G_(s,k,m)表示N×1的矩阵，在这个矩阵中，在位置u,u∈I_(s,k,m)处的值为1，其他位置的值为0，其中

5.根据权利要求1所述的一种面向无人机毫米波通信的快速波束训练与追踪方法，其特征在于，步骤1.2具体包括如下步骤：

步骤1.2.1：对模拟波束控制矩阵F_RF,(s,k,m)与残差向量F_{res，(s,k,m)}进行初始化，其中F_RF,(s,k,m)＝[ ]，F_{res，(s,k,m)}＝F_(s,k,m)；

步骤1.2.1：根据RF链的数目N_RF，令n＝1:N_RF重复以下1.2.3-1.2.6步骤；

步骤1.2.3：根据构建最新残差向量F_{res，(s,k,m)}的值构建新向量并结合RF相移器具体分辨率进行量化操作，使f_n,(s,k,m)∈Z_q，这里Z_q表示相移器可能产生的所有相位集合；

步骤1.2.4：将F_RF,(s,k,m)矩阵的值进行更新，得到F_RF,(s,k,m)＝[F_RF,(s,k,m)f_n,(s,k,m)]；

步骤1.2.5：计算此时基带波束成形向量：

步骤1.2.6：计算残差向量：F_res,(s,k,m)＝F_(s,k,m)-F_RF,(s,k,m)F_BB,(s,k,m)；

步骤1.2.7：结束迭代后，对基带波束成形向量进行归一化：

步骤1.2.8：根据最新的F_RF,(s,k,m)和F_BB,(s,k,m)得到最终混合波束码本方案

6.根据权利要求1所述的一种面向无人机毫米波通信的快速波束训练与追踪方法，其特征在于，根据传统的多层级波束训练方式进行波束的匹配搜索，找到最优波束并发射通信信号包括如如下内容：

一个数据帧由波束训练阶段与数据传输阶段组成，设其中波束训练的时间长度为T；

在某一层训练中，信号发射端将上一层的最优波束覆盖范围划分为K个子波束，通过这K个波束发送训练序列依次进行下行传输，传输结束后接收端通过分析，将训练结果上行反馈回发射端，其中，K为正整数；

当分辨率最佳的波束成功匹配到无人机，即可进行数据传输阶段，且发射端采用训练所获得的最优波束码本，使地面能够与无人机保持最佳通信质量。

7.根据权利要求2所述的一种面向无人机毫米波通信的快速波束训练与追踪方法，其特征在于，在混合波束预编码系统架构的基础上将码本分为S个不同的层级，如果无人机由于任务机动脱离波束覆盖区域，则采用改进的引入退避机制的波束训练方案，从而找到该时段下最优匹配波束，具体方法如下：

若第S层的波束无法较好的无人机产生匹配，此时可以将波束退到S-1层，并发送S-1层中对应的波束；若S-k层波束仍然无法匹配，则将波束码本退到S-k-1层，k为小于S的正整数；

若第S-s_t层的波束能够与无人机产生匹配，则以该层为起点，开始正向波束训练，对S-s_t+1层的K个子波束进行波束训练，以此类推，其中，s_t是指任意大于0小于S的整数，指的是波束通信之间能够产生匹配时退避的层数；

若退到第一层仍然无法匹配到响应波束，则直接在第一层重新进行波束训练以找到合适的匹配波束。