CN113630164B - 一种面向无人机毫米波通信平台的三维upf波束跟踪方法 - Google Patents

一种面向无人机毫米波通信平台的三维upf波束跟踪方法 Download PDF

Info

Publication number
CN113630164B
CN113630164B CN202110906627.3A CN202110906627A CN113630164B CN 113630164 B CN113630164 B CN 113630164B CN 202110906627 A CN202110906627 A CN 202110906627A CN 113630164 B CN113630164 B CN 113630164B
Authority
CN
China
Prior art keywords
communication platform
aerial vehicle
unmanned aerial
millimeter wave
beam tracking
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Active
Application number
CN202110906627.3A
Other languages
English (en)
Other versions
CN113630164A (zh
Inventor
仲伟志
张俊杰
李鹏辉
朱秋明
陈小敏
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Nanjing Xingpuzhi Information Technology Co ltd
Original Assignee
Nanjing University of Aeronautics and Astronautics
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Nanjing University of Aeronautics and Astronautics filed Critical Nanjing University of Aeronautics and Astronautics
Priority to CN202110906627.3A priority Critical patent/CN113630164B/zh
Publication of CN113630164A publication Critical patent/CN113630164A/zh
Application granted granted Critical
Publication of CN113630164B publication Critical patent/CN113630164B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04B—TRANSMISSION
    • H04B17/00—Monitoring; Testing
    • H04B17/30—Monitoring; Testing of propagation channels
    • H04B17/391—Modelling the propagation channel
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04B—TRANSMISSION
    • H04B17/00—Monitoring; Testing
    • H04B17/10—Monitoring; Testing of transmitters
    • H04B17/11—Monitoring; Testing of transmitters for calibration
    • H04B17/12—Monitoring; Testing of transmitters for calibration of transmit antennas, e.g. of the amplitude or phase
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04B—TRANSMISSION
    • H04B17/00—Monitoring; Testing
    • H04B17/20—Monitoring; Testing of receivers
    • H04B17/21—Monitoring; Testing of receivers for calibration; for correcting measurements
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04B—TRANSMISSION
    • H04B7/00—Radio transmission systems, i.e. using radiation field
    • H04B7/02—Diversity systems; Multi-antenna system, i.e. transmission or reception using multiple antennas
    • H04B7/04—Diversity systems; Multi-antenna system, i.e. transmission or reception using multiple antennas using two or more spaced independent antennas
    • H04B7/06—Diversity systems; Multi-antenna system, i.e. transmission or reception using multiple antennas using two or more spaced independent antennas at the transmitting station
    • H04B7/0613—Diversity systems; Multi-antenna system, i.e. transmission or reception using multiple antennas using two or more spaced independent antennas at the transmitting station using simultaneous transmission
    • H04B7/0615—Diversity systems; Multi-antenna system, i.e. transmission or reception using multiple antennas using two or more spaced independent antennas at the transmitting station using simultaneous transmission of weighted versions of same signal
    • H04B7/0617—Diversity systems; Multi-antenna system, i.e. transmission or reception using multiple antennas using two or more spaced independent antennas at the transmitting station using simultaneous transmission of weighted versions of same signal for beam forming
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04B—TRANSMISSION
    • H04B7/00—Radio transmission systems, i.e. using radiation field
    • H04B7/02—Diversity systems; Multi-antenna system, i.e. transmission or reception using multiple antennas
    • H04B7/04—Diversity systems; Multi-antenna system, i.e. transmission or reception using multiple antennas using two or more spaced independent antennas
    • H04B7/06—Diversity systems; Multi-antenna system, i.e. transmission or reception using multiple antennas using two or more spaced independent antennas at the transmitting station
    • H04B7/0613—Diversity systems; Multi-antenna system, i.e. transmission or reception using multiple antennas using two or more spaced independent antennas at the transmitting station using simultaneous transmission
    • H04B7/0615—Diversity systems; Multi-antenna system, i.e. transmission or reception using multiple antennas using two or more spaced independent antennas at the transmitting station using simultaneous transmission of weighted versions of same signal
    • H04B7/0619—Diversity systems; Multi-antenna system, i.e. transmission or reception using multiple antennas using two or more spaced independent antennas at the transmitting station using simultaneous transmission of weighted versions of same signal using feedback from receiving side
    • H04B7/0621—Feedback content
    • H04B7/063—Parameters other than those covered in groups H04B7/0623 - H04B7/0634, e.g. channel matrix rank or transmit mode selection
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04B—TRANSMISSION
    • H04B7/00—Radio transmission systems, i.e. using radiation field
    • H04B7/02—Diversity systems; Multi-antenna system, i.e. transmission or reception using multiple antennas
    • H04B7/04—Diversity systems; Multi-antenna system, i.e. transmission or reception using multiple antennas using two or more spaced independent antennas
    • H04B7/08—Diversity systems; Multi-antenna system, i.e. transmission or reception using multiple antennas using two or more spaced independent antennas at the receiving station
    • H04B7/0837—Diversity systems; Multi-antenna system, i.e. transmission or reception using multiple antennas using two or more spaced independent antennas at the receiving station using pre-detection combining
    • H04B7/0842—Weighted combining
    • H04B7/086—Weighted combining using weights depending on external parameters, e.g. direction of arrival [DOA], predetermined weights or beamforming

Landscapes

  • Engineering & Computer Science (AREA)
  • Computer Networks & Wireless Communication (AREA)
  • Signal Processing (AREA)
  • Physics & Mathematics (AREA)
  • Electromagnetism (AREA)
  • Mathematical Physics (AREA)
  • Radar Systems Or Details Thereof (AREA)

Abstract

本发明公开了一种面向无人机毫米波通信平台的三维UPF波束跟踪方法，属于无线通信技术领域。该三维UPF波束跟踪方法首先利用UKF算法建立建议密度函数，更新采样粒子；其次，对每个粒子计算权值并归一化；再次，对粒子进行重采样以减弱粒子弱化现象；最后计算粒子均值，得到经过滤波后的相位。该UPF波束跟踪方法针对无人机毫米波通信场景，采用无迹卡尔曼粒子滤波技术，实现三维毫米波束实时对准，提高波束跟踪的准确度。

Description

一种面向无人机毫米波通信平台的三维UPF波束跟踪方法
技术领域
本发明属于无线通信技术领域，具体地涉及一种面向无人机毫米波通信平台的三维UPF波束跟踪方法。
背景技术
无人机凭借其高机动性、组网灵活、低成本等特点，被广泛应用于各个领域，包括侦察、运输、基础设施检查、农业灌溉、灾难救援等。为了实现这些任务执行中的高速数据传输需求，需要采用毫米波通信技术。由于毫米波频段具有更高的路径损耗，因此，毫米波通信系统中通常采用波束成形技术来进行补偿。为了保证良好的通信性能，收发两端必须保证波束互相匹配。然而，当发射端/接收端为无人机平台时，无人机与用户间缓慢的相对运动、无人机自身抖动或环境影响都会导致波束失配，影响通信质量，因此，收发两端需要进行波束实时跟踪。然而，将毫米波技术集成到无人机网络中需要面临几个实际问题。首先，无人机毫米波网络的多用户特性需要避免较长的波束训练时间或延迟；其次，无人机的运动模式较地面更为复杂，会导致波束跟踪误差增大，因此，无人机毫米波通信系统需要一种准确又快速的波束跟踪方法来解决上述问题。
基于卡尔曼滤波(英文全称，KF)的波束跟踪方法能有效地解决路径增益、出发角和到达角的估计问题，但此算法只能解决线性估计问题。基于扩展卡尔曼滤波(EKF)的波束跟踪方法虽然能够被用于非线性条件下，但是该方法只是非线性系统的一阶线性化，在真实后验均值和协方差中可能引入较大的误差。基于无迹卡尔曼滤波(UKF)的波束跟踪算法是用确定的采样来近似状态的后验概率密度函数，可以有效解决由系统非线性的加剧而引起的滤波发散问题，但是，UKF仍是采用高斯分布来逼近系统状态的后验概率密度，因此，在系统状态的后验概率密度是非高斯的情况下，滤波结果会产生较大的误差。基于粒子滤波器的波束跟踪方法是一种基于蒙特卡洛仿真的近似贝叶斯滤波算法，其核心思想是用一些离散随机采样点来近似系统随机变量的概率密度函数，以样本均值代替积分运算，从而获得状态的最小方差估计，因此该方法可以用于解决非线性非高斯情况下的跟踪问题。但是，由于粒子滤波器本身容易出现粒子退化现象，因此其准确性需要进一步改善。针对这一问题，需要研究一种更加准确的面向无人机毫米波通信的三维波束跟踪方法。
发明内容
针对现有技术中存在的问题，本发明提供了一种面向无人机毫米波通信平台的三维UPF波束跟踪方法。该UPF波束跟踪方法针对无人机毫米波通信场景，采用无迹卡尔曼粒子滤波(Unscented Kalman Particle Filter，UPF)技术，实现三维毫米波束实时对准，提高波束跟踪的准确度。
为实现上述技术目的，本发明采取如下技术方案：一种面向无人机毫米波通信平台的三维UPF波束跟踪方法，具体包括如下步骤：
步骤一：在通信平台的收发端均采用混合波束，获取通信平台发射端与通信平台接收端的阵列响应向量，根据阵列响应向量建立无人机毫米波通信的信道模型；
步骤二：初始化通信平台发射端的阵列响应向量中的信号到达角在水平域的相位
Figure GDA0003954619890000021
通信平台发射端的阵列响应向量中的信号到达角在垂直域的相位
Figure GDA00039546198900000214
初始化通信平台接收端的阵列响应向量中的信号发射角在水平域的相位
Figure GDA0003954619890000022
通信平台接收端的阵列响应向量中的信号发射角在垂直域相位
Figure GDA00039546198900000215
将
Figure GDA0003954619890000023
作为无迹卡尔曼粒子滤波的状态向量；
步骤三：通过高斯过程噪声驱动更新状态向量后，通过UKF算法更新状态向量
Figure GDA0003954619890000024
和协方差矩阵
Figure GDA0003954619890000025
建立建议密度函数
Figure GDA0003954619890000026
步骤四：通过建议密度函数
Figure GDA0003954619890000027
计算采样更新粒子
Figure GDA0003954619890000028
步骤五：对采样更新粒子中的每个粒子重新计算权值，并归一化权值
Figure GDA0003954619890000029
步骤六：将采样粒子根据归一化权值
Figure GDA00039546198900000210
的大小，利用重采样算法，得到新的粒子集合，将新的粒子集合重新设置权值，并计算均值，得到更新的状态向量；
步骤七：经步骤三～步骤六迭代k个时刻，更新状态向量。
进一步地，步骤一中无人机毫米波通信的信道模型具体为：
Figure GDA00039546198900000211
其中，Hk为无人机毫米波通信的信道模型；ηk表示第k时刻路径的信道增益，服从一阶复高斯马尔科夫模型；
Figure GDA00039546198900000212
是第k时刻对应的接收端的阵列响应向量，
Figure GDA00039546198900000213
是第k个时刻对应的发射端的阵列响应向量，[·]H表示矩阵的共轭转置变换。
进一步地，步骤三通过高斯过程噪声驱动更新状态向量的过程为：
Xk＝Xk-1+nk
其中，Xk-1表示上一时刻的状态向量，Xk表示经高斯过程噪声驱动更新的状态向量，nk表示高斯过程噪声，nk～N(0,Q)，Q表示以
Figure GDA0003954619890000031
为对角线元素的对角矩阵，即
Figure GDA0003954619890000032
表示接收角在水平域的相位变化方差，
Figure GDA0003954619890000033
表示接收角在垂直域的相位变化方差，
Figure GDA0003954619890000034
表示发射角在水平域的相位变化方差，
Figure GDA0003954619890000035
表示发射角在垂直域的相位变化方差。
进一步地，步骤三通过UKF算法更新状态向量
Figure GDA0003954619890000036
和协方差矩阵
Figure GDA0003954619890000037
建立建议密度函数
Figure GDA0003954619890000038
通过以下步骤得到：
(3.1)根据上一时刻的状态向量对其中的每一个粒子分别计算Sigma点集合
Figure GDA0003954619890000039
Figure GDA00039546198900000310
其中，
Figure GDA00039546198900000311
是上一时刻状态向量中第i个粒子的均值；
Figure GDA00039546198900000312
是上一时刻状态向量中第i个粒子的方差矩阵，且
Figure GDA00039546198900000313
表示方差矩阵
Figure GDA00039546198900000314
第d列或行的平方根；λ为缩放比例参数，λ＝a2(n+κ)-n，a为采样点的分布状态参数，取值为10-4≤a≤1；κ是待选参数，满足
Figure GDA00039546198900000315
是半正定矩阵，Sigma点集的数量为2n+1；
(3.2)根据Sigma点集合
Figure GDA00039546198900000316
采集采样点后，分别计算采样点均值的权值
Figure GDA00039546198900000317
和采样点协方差的权值
Figure GDA00039546198900000318
(3.3)通过状态方程对Sigma点集合
Figure GDA00039546198900000319
里的每一个点进行预测，得到新的Sigma点集合
Figure GDA00039546198900000320
根据步骤(3.2)中的采样点均值的权值
Figure GDA00039546198900000321
采样点协方差的权值
Figure GDA00039546198900000322
计算新的Sigma点集合
Figure GDA00039546198900000323
的一步预测
Figure GDA00039546198900000324
及协方差矩阵
Figure GDA00039546198900000325
Figure GDA00039546198900000326
Figure GDA00039546198900000327
(3.4)将新的Sigma点集合带入观测方程，得到测量的观测量，然后通过加权求和得到观测量的均值及方差并计算卡尔曼增益矩阵，更新状态向量和协方差矩阵。
进一步地，通过建议密度函数
Figure GDA00039546198900000328
计算采样更新粒子
Figure GDA00039546198900000329
对采样更新粒子中的每个粒子重新计算权值，并归一化权值
Figure GDA0003954619890000041
进一步地，步骤七具体包括如下子步骤：
(6.1)按照归一化权值
Figure GDA0003954619890000042
的大小生成区间，每个区间为
Figure GDA0003954619890000043
(6.2)生成h个随机数ai，i＝1…h,ai～U(0,1)；根据随机数ai落在的区间，将对应区间对应的粒子作为输出值，输出值集合作为新的粒子集；
(6.3)对新的粒子集重新设置权值并计算粒子均值，更新状态向量，得到更新的通信平台发射端的阵列响应向量中的信号到达角在水平域的相位、通信平台发射端的阵列响应向量中的信号到达角在垂直域的相位、通信平台接收端的阵列响应向量中的信号发射角在水平域的相位、通信平台接收端的阵列响应向量中的信号发射角在垂直域相位。
与现有技术相比，本发明具有以下有益效果：
(1)本发明将无人机发射端和接收端在水平域的相位拓展为在水平域和垂直域的相位，将跟踪拓展为三维空间，使其能够实现在三维空间内的波束跟踪，更加适用于无人机毫米波通信场景。
(2)本发明在使用模拟波束成形的情况下，采用了一种基于UPF的波束跟踪方法。本发明利用无迹卡尔曼滤波，进行状态向量更新和协方差矩阵更新，找到更优的建议密度函数，使更新的粒子更符合真实状态的粒子，从而提高了粒子的有效性，改善了粒子退化问题，提高了波束跟踪精度。
附图说明
图1是本发明面向无人机毫米波通信平台的三维UPF波束跟踪方法的流程图；
图2是波束真实角度与经过滤波得到的估计角度的对比图；
图3是波束真实角度与估计角度随时间变化的均方误差图。
具体实施方式
以下结合附图对本发明的技术方案作进一步详细描述。
如图1为发明面向无人机毫米波通信平台的三维UPF波束跟踪方法的流程图，该三维UPF波束跟踪方法具体包括如下步骤：
步骤一：在通信平台的收发端均采用混合波束，且收发两端只有一条射频链，均采用毫米波均匀平面阵列，毫米波通信链路的主要能量来自视距路径(Line of Sight,LOS)，因此建立的信道模型主要考虑视距路径，来获取通信平台发射端与通信平台接收端的阵列响应向量，根据阵列响应向量建立无人机毫米波通信的信道模型：
Figure GDA00039546198900000519
其中，Hk为无人机毫米波通信的信道模型；ηk表示第k时刻路径的信道增益，服从一阶复高斯马尔科夫模型；
Figure GDA0003954619890000051
是第k时刻对应的接收端的阵列响应向量，
Figure GDA0003954619890000052
是第k个时刻对应的发射端的阵列响应向量，[·]H表示矩阵的共轭转置变换。
步骤二：同时使用水平域和垂直域的相位能够使无人机全方位地扫描主波束，以实现波束地快速对准，因此初始化通信平台发射端的阵列响应向量中的信号到达角在水平域的相位
Figure GDA0003954619890000053
通信平台发射端的阵列响应向量中的信号到达角在垂直域的相位θk r，初始化通信平台接收端的阵列响应向量中的信号发射角在水平域的相位
Figure GDA0003954619890000054
通信平台接收端的阵列响应向量中的信号发射角在垂直域相位θk t，将
Figure GDA0003954619890000055
作为无迹卡尔曼粒子滤波的状态向量。
步骤三：由于信道是时变信道，在没有噪声的情况下，即信道的参数不发生变化，那么波束跟踪便失去了意义，因此需要增加噪声来模拟信道的变化，从而实现波束跟踪。通过高斯过程噪声驱动更新状态向量后，通过UKF算法更新状态向量
Figure GDA0003954619890000056
和协方差矩阵
Figure GDA0003954619890000057
建立建议密度函数
Figure GDA0003954619890000058
以提高采样粒子的有效性，提高滤波后无人机角度的准确性；具体地，通过高斯过程噪声驱动更新状态向量的过程为：
Xk＝Xk-1+nk
其中，Xk-1表示上一时刻的状态向量，Xk表示经高斯过程噪声驱动更新的状态向量，nk表示高斯过程噪声，nk～N(0,Q)，Q表示以
Figure GDA0003954619890000059
为对角线元素的对角矩阵，即
Figure GDA00039546198900000510
表示接收角在水平域的相位变化方差，
Figure GDA00039546198900000511
表示接收角在垂直域的相位变化方差，
Figure GDA00039546198900000512
表示发射角在水平域的相位变化方差，
Figure GDA00039546198900000513
表示发射角在垂直域的相位变化方差。
通过UKF算法更新状态向量
Figure GDA00039546198900000514
和协方差矩阵
Figure GDA00039546198900000515
建立建议密度函数
Figure GDA00039546198900000516
通过以下步骤得到：
(3.1)根据上一时刻的状态向量对其中的每一个粒子分别计算Sigma点集合
Figure GDA00039546198900000517
Figure GDA00039546198900000518
其中，
Figure GDA0003954619890000061
是上一时刻状态向量中第i个粒子的均值；
Figure GDA0003954619890000062
是上一时刻状态向量中第i个粒子的方差矩阵，且
Figure GDA0003954619890000063
表示方差矩阵
Figure GDA0003954619890000064
第d列或行的平方根；λ为缩放比例参数，λ＝a2(n+κ)-n，a为采样点的分布状态参数，取值为10-4≤a≤1；κ是待选参数，满足
Figure GDA0003954619890000065
是半正定矩阵，Sigma点集的数量为2n+1；
(3.2)根据Sigma点集合
Figure GDA0003954619890000066
采集采样点后，分别计算采样点均值的权值
Figure GDA0003954619890000067
采样点协方差的权值
Figure GDA0003954619890000068
(3.3)通过状态方程对Sigma点集合
Figure GDA0003954619890000069
合
Figure GDA00039546198900000610
根据步骤(3.2)中的采样点均值的权值
Figure GDA00039546198900000611
采样点协方差的权值
Figure GDA00039546198900000612
计算新的Sigma点集合
Figure GDA00039546198900000613
的一步预测
Figure GDA00039546198900000614
及协方差矩阵
Figure GDA00039546198900000615
Figure GDA00039546198900000616
Figure GDA00039546198900000617
(3.4)将新的Sigma点集合带入观测方程，得到测量的观测量，然后通过加权求和得到观测量的均值及方差并计算卡尔曼增益矩阵，更新状态向量和协方差矩阵。
步骤四：通过建议密度函数
Figure GDA00039546198900000618
计算采样更新粒子
Figure GDA00039546198900000619
步骤五：对采样更新粒子中的每个粒子重新计算权值，并归一化权值
Figure GDA00039546198900000620
减小误差；
步骤六：将采样粒子根据归一化权值
Figure GDA00039546198900000621
的大小，利用重采样算法，来改善粒子匮乏现象，抑制粒子退化，从而得到新的粒子集合，将新的粒子集合重新设置权值，并计算均值，得到更新的状态向量；具体包括如下子步骤：
(6.1)按照归一化权值
Figure GDA00039546198900000622
的大小生成区间，每个区间为
Figure GDA00039546198900000623
(6.2)生成h个随机数ai，i＝1…h,ai～U(0,1)；根据随机数ai落在的区间，将对应区间对应的粒子作为输出值，输出值集合作为新的粒子集；
(6.3)对新的粒子集重新设置权值并计算粒子均值，更新状态向量，得到更新的通信平台发射端的阵列响应向量中的信号到达角在水平域的相位、通信平台发射端的阵列响应向量中的信号到达角在垂直域的相位、通信平台接收端的阵列响应向量中的信号发射角在水平域的相位、通信平台接收端的阵列响应向量中的信号发射角在垂直域相位。
步骤七：经步骤三～步骤六迭代k个时刻，更新状态向量。
实施例
本实施例以视距路径(LOS)为例，其中收发端均采用混合波束成形系统，毫米波频率为28GHZ，均配备阵元数M＝16×16的均匀平面阵列(Uniform Planar Arrays，UPA)，阵元间距为
Figure GDA0003954619890000071
信噪比SNR为20dB，粒子数n＝100,跟踪时刻T为100，相关系数ρ＝0.995，初始的AOA、AOD的水平域和垂直域相位以及f和w的角度均设置为45°，角度变化方差
Figure GDA0003954619890000072
状态向量维数为n＝4，UKF算法Sigma点集个数d＝2×4+1＝9，采用本发明面向无人机毫米波通信平台的三维UPF波束跟踪方法进行无人机跟踪。
图2是波束真实角度与经过滤波得到的估计角度的对比图，可以看出，真实角度与跟踪角度变换状态基本吻合，说明本发明三维UPF波束跟踪方法精度高，能够满足无人机高质量通信的要求；图3显示了角度跟踪均方误差与跟踪时间的关系，可以看出，均方误差极小，能够满足波束跟踪精度的要求；本发明的三维UPF波束跟踪方法与已有的波束跟踪方法相比，能够有效提高波束跟踪精度。
以上仅是本发明的优选实施方式，本发明的保护范围并不仅局限于上述实施例，凡属于本发明思路下的技术方案均属于本发明的保护范围。应当指出，对于本技术领域的普通技术人员来说，在不脱离本发明原理前提下的若干改进和润饰，应视为本发明的保护范围。

Claims (6)

1.一种面向无人机毫米波通信平台的三维UPF波束跟踪方法，其特征在于，具体包括如下步骤：
步骤一：在通信平台的收发端均采用混合波束，获取通信平台发射端与通信平台接收端的阵列响应向量，根据阵列响应向量建立无人机毫米波通信的信道模型；
步骤二：初始化通信平台发射端的阵列响应向量中的信号到达角在水平域的相位
Figure FDA0003954619880000011
通信平台发射端的阵列响应向量中的信号到达角在垂直域的相位
Figure FDA0003954619880000012
初始化通信平台接收端的阵列响应向量中的信号发射角在水平域的相位
Figure FDA0003954619880000013
通信平台接收端的阵列响应向量中的信号发射角在垂直域相位
Figure FDA0003954619880000014
将
Figure FDA0003954619880000015
作为无迹卡尔曼粒子滤波的状态向量；
步骤三：通过高斯过程噪声驱动更新状态向量后，通过UKF算法更新状态向量
Figure FDA0003954619880000016
和协方差矩阵
Figure FDA0003954619880000017
建立建议密度函数
Figure FDA0003954619880000018
步骤四：通过建议密度函数
Figure FDA0003954619880000019
计算采样更新粒子
Figure FDA00039546198800000110
步骤五：对采样更新粒子中的每个粒子重新计算权值，并归一化权值
Figure FDA00039546198800000111
步骤六：将采样粒子根据归一化权值
Figure FDA00039546198800000112
的大小，利用重采样算法，得到新的粒子集合，将新的粒子集合重新设置权值，并计算均值，得到更新的状态向量；
步骤七：经步骤三～步骤六迭代k个时刻，更新状态向量。
2.根据权利要求1所述面向无人机毫米波通信平台的三维UPF波束跟踪方法，其特征在于，步骤一中无人机毫米波通信的信道模型具体为：
Figure FDA00039546198800000113
其中，Hk为无人机毫米波通信的信道模型；ηk表示第k时刻路径的信道增益，服从一阶复高斯马尔科夫模型；
Figure FDA00039546198800000114
是第k时刻对应的接收端的阵列响应向量，
Figure FDA00039546198800000115
是第k个时刻对应的发射端的阵列响应向量，[·]H表示矩阵的共轭转置变换。
3.根据权利要求1所述面向无人机毫米波通信平台的三维UPF波束跟踪方法，其特征在于，步骤三通过高斯过程噪声驱动更新状态向量的过程为：
Xk＝Xk-1+nk
其中，Xk-1表示上一时刻的状态向量，Xk表示经高斯过程噪声驱动更新的状态向量，nk表示高斯过程噪声，nk～N(0,Q)，Q表示以
Figure FDA0003954619880000021
为对角线元素的对角矩阵，即
Figure FDA0003954619880000022
表示接收角在水平域的相位变化方差，
Figure FDA0003954619880000023
表示接收角在垂直域的相位变化方差，
Figure FDA0003954619880000024
表示发射角在水平域的相位变化方差，
Figure FDA0003954619880000025
表示发射角在垂直域的相位变化方差。
4.根据权利要求1所述面向无人机毫米波通信平台的三维UPF波束跟踪方法，其特征在于，步骤三通过UKF算法更新状态向量
Figure FDA0003954619880000026
和协方差矩阵
Figure FDA0003954619880000027
建立建议密度函数
Figure FDA0003954619880000028
通过以下步骤得到：
(3.1)根据上一时刻的状态向量对其中的每一个粒子分别计算Sigma点集合
Figure FDA0003954619880000029
Figure FDA00039546198800000210
其中，
Figure FDA00039546198800000211
是上一时刻状态向量中第i个粒子的均值；
Figure FDA00039546198800000212
是上一时刻状态向量中第i个粒子的方差矩阵，且
Figure FDA00039546198800000213
表示方差矩阵
Figure FDA00039546198800000214
第d列或行的平方根；λ为缩放比例参数，λ＝a2(n+κ)-n，a为采样点的分布状态参数，取值为10-4≤a≤1；κ是待选参数，满足
Figure FDA00039546198800000215
是半正定矩阵，Sigma点集的数量为2n+1；
(3.2)根据Sigma点集合
Figure FDA00039546198800000216
采集采样点后，分别计算采样点均值的权值
Figure FDA00039546198800000217
和采样点协方差的权值
Figure FDA00039546198800000218
(3.3)通过状态方程对Sigma点集合
Figure FDA00039546198800000219
里的每一个点进行预测，得到新的Sigma点集合
Figure FDA00039546198800000229
根据步骤(3.2)中的采样点均值的权值
Figure FDA00039546198800000220
采样点协方差的权值
Figure FDA00039546198800000221
计算新的Sigma点集合
Figure FDA00039546198800000222
的一步预测
Figure FDA00039546198800000223
及协方差矩阵
Figure FDA00039546198800000224
Figure FDA00039546198800000225
Figure FDA00039546198800000226
其中，Q表示以
Figure FDA00039546198800000227
为对角线元素的对角矩阵，即
Figure FDA00039546198800000228
(3.4)将新的Sigma点集合带入观测方程，得到测量的观测量，然后通过加权求和得到观测量的均值及方差并计算卡尔曼增益矩阵，更新状态向量和协方差矩阵。
5.根据权利要求4所述面向无人机毫米波通信平台的三维UPF波束跟踪方法，其特征在于，所述采样点均值的权值
Figure FDA0003954619880000031
所述协方差的权值
Figure FDA0003954619880000032
6.根据权利要求1所述面向无人机毫米波通信平台的三维UPF波束跟踪方法，其特征在于，步骤六具体包括如下子步骤：
(6.1)按照归一化权值
Figure FDA0003954619880000033
的大小生成区间，每个区间为
Figure FDA0003954619880000034
(6.2)生成h个随机数ai，i＝1…h,ai～U(0,1)；根据随机数ai落在的区间，将对应区间对应的粒子作为输出值，输出值集合作为新的粒子集；
(6.3)对新的粒子集重新设置权值并计算粒子均值，更新状态向量，得到更新的通信平台发射端的阵列响应向量中的信号到达角在水平域的相位、通信平台发射端的阵列响应向量中的信号到达角在垂直域的相位、通信平台接收端的阵列响应向量中的信号发射角在水平域的相位、通信平台接收端的阵列响应向量中的信号发射角在垂直域相位。
CN202110906627.3A 2021-08-09 2021-08-09 一种面向无人机毫米波通信平台的三维upf波束跟踪方法 Active CN113630164B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202110906627.3A CN113630164B (zh) 2021-08-09 2021-08-09 一种面向无人机毫米波通信平台的三维upf波束跟踪方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202110906627.3A CN113630164B (zh) 2021-08-09 2021-08-09 一种面向无人机毫米波通信平台的三维upf波束跟踪方法

Publications (2)

Publication Number Publication Date
CN113630164A CN113630164A (zh) 2021-11-09
CN113630164B true CN113630164B (zh) 2023-02-14

Family

ID=78383499

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202110906627.3A Active CN113630164B (zh) 2021-08-09 2021-08-09 一种面向无人机毫米波通信平台的三维upf波束跟踪方法

Country Status (1)

Country Link
CN (1) CN113630164B (zh)

Families Citing this family (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN115685067B (zh) * 2022-11-07 2023-06-06 江西理工大学 用于多旋翼无人机定位跟踪的常模信号盲估计方法及系统

Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN110492911A (zh) * 2019-07-10 2019-11-22 鹰潭泰尔物联网研究中心 一种用于无人机通信的波束追踪方法与系统
CN112556697A (zh) * 2020-12-08 2021-03-26 江苏科技大学 一种基于联邦结构的浅耦合数据融合导航方法
CN112865846A (zh) * 2021-01-06 2021-05-28 南京航空航天大学 一种基于容积卡尔曼滤波的毫米波波束跟踪方法

Family Cites Families (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US7046188B2 (en) * 2003-08-14 2006-05-16 Raytheon Company System and method for tracking beam-aspect targets with combined Kalman and particle filters
US11088754B2 (en) * 2018-01-29 2021-08-10 Qualcomm Incorporated Autonomous reception beam refinement and tracking

Patent Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN110492911A (zh) * 2019-07-10 2019-11-22 鹰潭泰尔物联网研究中心 一种用于无人机通信的波束追踪方法与系统
CN112556697A (zh) * 2020-12-08 2021-03-26 江苏科技大学 一种基于联邦结构的浅耦合数据融合导航方法
CN112865846A (zh) * 2021-01-06 2021-05-28 南京航空航天大学 一种基于容积卡尔曼滤波的毫米波波束跟踪方法

Non-Patent Citations (3)

* Cited by examiner, † Cited by third party
Title
Fast Beam Training for mmWave UAV Communications Using Machine Learning;Yong GU,Weizhi ZHONG,Qiuming ZHU,Penghui LI,Xiaomin CHEN;《2020 International Conference on Wireless Communications and Signal Processing (WCSP)》;20200228;第697-701页 *
无人机中继链路传播损耗及性能分析;胡续俊,陈小敏,朱秋明,祝梦卿,陈兵;《数据采集与处理》;20180715;第732-739页 *
毫米波移动通信中基于AUKF的波束跟踪算法;彭章友,李文;《红外与毫米波学报》;20210615;第40卷(第3期);第334-340页 *

Also Published As

Publication number Publication date
CN113630164A (zh) 2021-11-09

Similar Documents

Publication Publication Date Title
CN106054123B (zh) 一种稀疏l阵及其二维doa估计方法
CN105929378B (zh) 基于外辐射源联合时延与多普勒频率的直接跟踪方法
CN107589399A (zh) 基于多采样虚拟信号奇异值分解的互质阵列波达方向估计方法
CN111337893A (zh) 一种基于实值稀疏贝叶斯学习的离格doa估计方法
CN104977558A (zh) 一种基于贝叶斯压缩感知的分布源中心波达方向估计方法
CN112865846B (zh) 一种基于容积卡尔曼滤波的毫米波波束跟踪方法
CN107290709A (zh) 基于范德蒙分解的互质阵列波达方向估计方法
CN111814096B (zh) 基于子空间拟合的加权块稀疏恢复的mimo雷达定位方法
CN111337873A (zh) 一种基于稀疏阵的doa估计方法
CN113630164B (zh) 一种面向无人机毫米波通信平台的三维upf波束跟踪方法
CN110244272A (zh) 基于秩一去噪模型的波达方向估计方法
CN108802669A (zh) 二维波达方向估计方法、二维波达方向估计装置及终端
CN109245814A (zh) 基于极大似然重采样的自适应波束形成方法
CN110954860B (zh) 一种doa和极化参数估计方法
CN111273269B (zh) 基于ipso-bp的频率分集阵列的雷达目标定位方法
CN112511976A (zh) 定位无人机控制端的处理方法、装置、设备与介质
CN109597048A (zh) 基于二维卷积神经网络的米波雷达doa估计方法
CN106680779B (zh) 脉冲噪声下的波束成形方法及装置
CN109212466B (zh) 一种基于量子蜻蜓演化机制的宽带测向方法
CN110109098A (zh) 一种扫描雷达快速超分辨成像方法
CN111241470B (zh) 基于自适应零陷展宽算法的波束合成方法及装置
Peter et al. Learned-SBL: A deep learning architecture for sparse signal recovery
CN110516286A (zh) 基于稀疏重构算法的阵列幅相误差估计方法
CN106908760A (zh) 基于阵列自相关矩阵的单站无源定位方法
CN110719127A (zh) 一种具有恒模约束的毫米波mimo系统波束成形方法

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination
GR01 Patent grant
GR01 Patent grant
TR01 Transfer of patent right
TR01 Transfer of patent right

Effective date of registration: 20240511

Address after: No. 57 Wangqiao Road, Xiongzhou Street, Liuhe District, Nanjing City, Jiangsu Province, 211500

Patentee after: Nanjing Xingpuzhi Information Technology Co.,Ltd.

Country or region after: China

Address before: No. 29, Qinhuai District, Qinhuai District, Nanjing, Jiangsu

Patentee before: Nanjing University of Aeronautics and Astronautics

Country or region before: China