CN114222312B - 基于自适应波束的运动目标跟踪方法 - Google Patents
基于自适应波束的运动目标跟踪方法 Download PDFInfo
- Publication number
- CN114222312B CN114222312B CN202111658800.9A CN202111658800A CN114222312B CN 114222312 B CN114222312 B CN 114222312B CN 202111658800 A CN202111658800 A CN 202111658800A CN 114222312 B CN114222312 B CN 114222312B
- Authority
- CN
- China
- Prior art keywords
- base station
- moving target
- moving
- tracking
- optimal beam
- 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
Links
Classifications
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04W—WIRELESS COMMUNICATION NETWORKS
- H04W16/00—Network planning, e.g. coverage or traffic planning tools; Network deployment, e.g. resource partitioning or cells structures
- H04W16/24—Cell structures
- H04W16/28—Cell structures using beam steering
-
- 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
- H04B7/0408—Diversity systems; Multi-antenna system, i.e. transmission or reception using multiple antennas using two or more spaced independent antennas using two or more beams, i.e. beam diversity
-
- 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
- H04B7/0413—MIMO systems
- H04B7/0456—Selection of precoding matrices or codebooks, e.g. using matrices antenna weighting
-
- 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
-
- 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
Landscapes
- Engineering & Computer Science (AREA)
- Computer Networks & Wireless Communication (AREA)
- Signal Processing (AREA)
- Mobile Radio Communication Systems (AREA)
Abstract
本发明提出了基于自适应波束的运动目标跟踪方法,旨在提高基站对高速运动目标的跟踪精度,并降低系统开销和时延,实现步骤为:构建运动目标跟踪场景,基站对运动目标的运动轨迹进行预测并确定最优波束朝向,基站计算最优波束宽度,基站根据最优波束宽度计算码本中码字的数量并生成码本,基站对波束进行自适应调整,基站获取运动目标的跟踪结果。本发明利用自适应波束进行跟踪,避免了在运动目标速度较高的情况下训练频率急剧增大而造成的跟踪精度下降,同时克服了现有技术存在系统开销大和时延大的问题,进而提高了波束跟踪的实时性。
Description
技术领域
本发明属于波束跟踪技术领域,涉及毫米波波束跟踪技术领域中的一种基于自适应波束的运动目标跟踪方法,可用于基站对运动目标进行实时波束对准,提高通信质量。
背景技术
毫米波通信系统可以提供极大的传输带宽,但毫米波信号在自由空间中传播时的路径损耗相当大,因此需要大规模天线阵列来使发送端和接收端将发送信号的能量集中在某一个方向上,通过一个窄波束实现定向的收发来有效弥补毫米波巨大的路径损耗,这种定向发送技术被称为波束成形。但是使用窄波束的问题也很明显,一旦目标用户偏离了波束的指向,将无法接收到高质量的无线信号,这时就需要波束跟踪技术改变发射波束来实时跟踪运动目标。运动目标跟踪技术在无人机通信领域应用十分广泛,无人机作为空中运动目标,其具有较高的飞行速度,因此基站需要在很短的时间内调整波束朝向和波束宽度,才能使目标始终位于发射波束的覆盖范围内,来保证其通信质量。然而,现有的基于波束训练的跟踪方法需要在每次进行跟踪的时候花费较长的时间用于波束训练,当训练完毕后基站才能调整好发射波束,而在这段训练时间内,运动目标可能已经移动了很长一段距离,刚调整好的波束已经无法实时对准,这会大大降低跟踪精度。在波束跟踪技术中,跟踪精度可以用来评判跟踪结果的好坏,通常可以利用运动目标与基站通信时的可达速率来衡量跟踪精度,可达速率越高,跟踪精度就越高,反之则越低。
目前,已有许多针对运动目标的波束跟踪方法,例如,Lu Yang等人在“BeamTracking and Optimization for UAV Communications”(IEEE TRANSACTIONS ONWIRELESS COMMUNICATIONS,VOL.18,NO.11,NOVEMBER 2019)中提出了一种基于波束训练的运动目标跟踪方法。该方法的主要步骤是:(1)基站接收运动目标的信号样本,对运动目标进行角速度估计;(2)基站根据估计出的角速度确定波束相干时间;(3)基站发送训练码字序列进行波束训练,记录训练时延,选取出使得接收信号功率最高的码字,获得最优发射波束;(4)基站根据波束相干时间、训练时延和最优发射波束计算可达速率,并判断是否满足可达速率阈值。该方法的不足之处是:该方法并不适用于目标移动速度较大的场景,较大的移动速度将使得波束相干时间缩短,训练的频率就会增加,这会降低运动目标通信的可达速率,影响波束跟踪的跟踪精度。而且该方法需要对每一个码字序列进行训练,训练的序列越多,就会导致系统的时延和开销越大,进一步影响波束跟踪的实时性。
发明内容
本发明的目的在于针对上述现有技术存在的问题,一种基于自适应波束的运动目标跟踪方法,用于解决利用波束训练对运动目标进行波束跟踪时,运动目标由于高速运动而引起的跟踪精度下降的问题,以及系统开销较大,实时性较差的问题。
为实现上述目的,本发明的技术方案包括如下:
(1)构建运动目标跟踪场景:
构建包括位于三维坐标系坐标原点的基站及与其实现通信的分布在三维坐标系三维空间的运动目标的跟踪场景;
(2)基站确定最优波束朝向:
(2a)基站采用卡尔曼滤波方法,对运动目标的多个历史运动轨迹数据进行预测,得到运动目标在一个时间段内的运动轨迹S;
(2b)基站将其与运动轨迹S中运动目标起始位置的连线,与终点位置的连线所形成的夹角的角平分线方向作为最优波束朝向γ;
(3)基站计算最优波束宽度:
(3a)基站分别计算其与运动轨迹S中运动目标起始位置、终点位置之间的距离,并通过其中数值大的距离L1所对应的位置处运动目标相对于基站的仰角θ和方向角计算基站天线在该位置的增益/>
(3b)基站根据计算运动目标在接收基站发送信号时的可达速率R,并求解R与预先设置的可达速率阈值Rth满足R>Rth时的水平波束宽度/>的取值区间再选择该取值区间的右端点值/>作为最优波束宽度/>
(4)基站生成码本:
基站根据最优波束宽度计算码本中码字的数量NC,并根据NC计算码本f(β):
idx=[0 1 2 … NC-1]T
其中,[·]T表示转置操作,exp(·)表示以自然常数e为底的指数函数,β表示最优波束朝向γ与三维坐标系的x轴正半轴方向的夹角度数,0≤β≤180°,π表示180°所对应的弧度数;
(5)基站对波束进行自适应调整:
(5a)基站采用卡尔曼滤波方法,利用上一个时间段预测得到的运动轨迹S和多条历史运动轨迹数据,预测得到的下一个时间段的运动轨迹S′,根据预测轨迹的起始位置和终点位置,选取基站与预测轨迹的起始位置的连线,终点位置的连线所形成的夹角的角平分线方向作为更新后的最优波束朝向γ′;
(5b)基站分别计算其与运动轨迹S′中运动目标起始位置、终点位置之间的距离,并判断其中数值大的距离L2与L1是否满足L1>L2,则保持上一时间段最优波束宽度不变,否则重新计算可达速率R′,求解R′与预先设置的可达速率阈值Rth满足R′>Rth时的水平波束宽度/>的取值区间/>并将取值区间的右端点值/>作为最优波束宽度
(6)基站获取运动目标的跟踪结果:
基站判断运动目标在每个时间段结束时反馈的其与基站通信时的传输速率Rac与可达速率阈值Rth是否满足Rac>Rth,若是说明基站发射波束在每次自适应调整后满足了运动目标的通信质量要求,实现了对运动目标的跟踪,否则基站将清除预测得到的轨迹信息和计算得到的最优波束朝向、最优波束宽度信息,返回步骤(2)重新对下一时间段的运动目标进行波束跟踪。
本发明与现有技术相比,具有如下优点:
1.本发明基站通过不同时间段其与运动目标之间的距离,以及可达速率,适应性地调整最优波束的宽度,当运动目标运动速度较高时,仅需进行与速度无关的求导和解方程等操作,不需要每次重新训练,避免了在运动目标速度较高的情况下训练频率急剧增大而对跟踪精度的影响,能够提高运动目标通信的可达速率。可适应运动目标高速运动的场景。
2.本发明基站在获取运动目标的跟踪结果时通过计算最优波束朝向和能够自适应调整的最优波束宽度的方法实现的,不需要进行大量的波束训练,将系统消耗的时间全部应用于数据传输,克服了现有技术存在系统开销大和时延大的问题,进而提高了波束跟踪的实时性。
附图说明
图1是本发明的实现流程图;
图2是本发明与现有技术跟踪精度的仿真结果对比图。
具体实施方式
以下结合附图和具体实施例,对本发明作进一步详细描述。
参照附图1,本发明包括如下步骤:
步骤1),构建运动目标跟踪场景:
建立一个以基站为坐标原点的三维坐标系,运动目标分布在三维空间内,且能与基站实现相互通信,运动目标在该三维空间内移动,基站发射自适应波束对其进行跟踪,保证运动目标的通信质量;
步骤2),基站确定最优波束朝向:
步骤2a),基站获取到运动目标的多个历史运动轨迹数据,并利用这些历史运动轨迹数据采用卡尔曼滤波方法对运动目标在一个时间段内的运动轨迹S进行预测;
步骤2b),基站根据预测得到的运动轨迹S中运动目标起始位置、终点位置以及自身位置进行计算,选取其与运动轨迹S中运动目标起始位置的连线,与终点位置的连线所形成的夹角的角平分线方向作为最优波束朝向γ;
步骤3,基站计算最优波束宽度:
步骤3a),基站分别计算其与运动轨迹S中运动目标起始位置、终点位置之间的距离,并通过其中数值大的距离L1所对应的位置处运动目标相对于基站的仰角θ和方向角计算基站天线在该位置的增益/>计算公式为:
其中,G0表示基站的最大天线增益值,θ-3dB为基站波束的垂直波束宽度;
由于基站在与运动目标通信时,为了保证运动目标的通信质量,需要使可达速率R大于某个门限值Rth,这将作为基站调整波束进行跟踪时的约束条件;根据预测得到的运动轨迹S,轨迹上每个点相对基站的距离L、仰角θ和方向角都是固定的值,所以需要保证轨迹上每个点的可达速率R>Rth,那么保证轨迹上可达速率R最小的点满足要求即可;由角平分线可知运动目标在轨迹起点位置和终点位置相对于基站波束的方位角相等,那么运动目标在这两个位置的天线增益G是相等的,对于在角平分线与轨迹的交点C的左侧的每个点,总能在右侧找到一个与它方位角相等的点,它们的天线增益是相等的,这两点的可达速率将取决于运动目标相对基站的距离L,因此,在此场景下可达速率最小的点总是运动目标运动轨迹上距离基站最远的点,所以基站只需要计算基站天线在距离L1所对应的位置的增益
步骤3b),基站根据计算运动目标在接收基站发送信号时的可达速率R,并求解R与预先设置的可达速率阈值Rth满足R>Rth时的水平波束宽度/>的取值区间再选择该取值区间的右端点值/>作为最优波束宽度/>
计算运动目标在接收基站发送信号时的可达速率R,计算公式为:
其中,P为基站的发射功率,θ-3dB为基站波束的垂直波束宽度,g0为距离基站1m处的信道功率增益,σ2为运动目标接受基站信号时的噪声功率密度,L1为基站与运动轨迹S中运动目标起始位置、终点位置之间的距离中数值大的距离,α为路损系数,α≥1。
由于运动目标通信时的可达速率R本身是的函数,因此可对R求/>的偏导数,计算公式如下:
令解得/>且当时,R是递增的,当/>时,R递减;
在满足R>Rth时,会得到一个区间选择该取值区间的右端点值/>作为最优波束宽度/>
步骤4),基站生成码本:
基站根据最优波束宽度计算码本中码字的数量NC,并根据NC计算码本f(β):
idx=[0 1 2 … NC-1]T
其中,[·]T表示转置操作,exp(·)表示以自然常数e为底的指数函数,β表示最优波束朝向γ与三维坐标系的x轴正半轴方向的夹角度数,0≤β≤180°,π表示180°所对应的弧度数;这里的码本f(β)实际上就是我们所选中的码字,也就是将最优波束朝向作为入射角度的响应向量;
步骤5),基站对波束进行自适应调整:
步骤5a),基站采用卡尔曼滤波方法,利用上一个时间段预测得到的运动轨迹S和多条历史运动轨迹数据,预测得到的下一个时间段的运动轨迹S′,根据预测轨迹的起始位置和终点位置,选取基站与预测轨迹的起始位置的连线,终点位置的连线所形成的夹角的角平分线方向作为更新后的最优波束朝向γ′;
步骤5b),基站分别计算其与运动轨迹S′中运动目标起始位置、终点位置之间的距离,并判断其中数值大的距离L2与L1是否满足L1>L2,则保持上一时间段最优波束宽度不变,否则重新计算可达速率R′,求解R′与预先设置的可达速率阈值Rth满足R′>Rth时的水平波束宽度/>的取值区间/>并将取值区间的右端点值/>作为最优波束宽度
步骤6),基站获取运动目标的跟踪结果:
基站判断运动目标在每个时间段结束时反馈的其与基站通信时的传输速率Rac与可达速率阈值Rth是否满足Rac>Rth,若是说明基站发射波束在每次自适应调整后满足了运动目标的通信质量要求,实现了对运动目标的跟踪,否则基站将清除预测得到的轨迹信息和计算得到的最优波束朝向、最优波束宽度信息,返回步骤(2)重新对下一时间段的运动目标进行波束跟踪。
下面结合仿真实验,对本发明的技术效果作进一步的说明:
1.仿真实验条件:
仿真实验的应用平台为:处理器为8核AMD Ryzen 7 5700G 64位,主频为3.80GHz,内存16GB。
本发明的仿真实验的软件平台为:MATLAB R2018B。
2.仿真内容及结果分析:
本发明仿真实验是分别采用本发明和现有的基于训练的波束跟踪方法,在参数完全相同的场景下进行仿真,其结果如图2所示。在目标不同的速度v下,分别计算两种方法下的运动目标可达速率R,考察两种方法的跟踪精度,一次衡量本发明的算法性能。
本发明仿真实验使用的参数如表1所示。
表1仿真实验参数设置
下面结合图2的仿真图对本发明的效果做进一步的描述。
如图2所示,本发明的可达速率随速度变化的曲线始终在现有基于训练的方法的上方,可达速率下降的斜率较小,说明在相同的移动速度下,本发明的跟踪精度更高,使得运动目标通信的可达速率更高,目标所获得的的通信质量也越好。在速度较小的情况下,基于训练的方法与本发明的跟踪精度的差距并不大,随着速度的不断增加,这个差距在不断增大,说明本发明更能适用于运动目标速度较高的情况。这与我们的预期一致,本发明利用自适应波束对运动目标进行跟踪,省去了基于训练的方法中由于高频度波束训练造成的大量时间消耗,跟踪精度理应更好。
由图2可以看出,本发明的运动目标可达速率随速度变化的曲线呈现下降趋势,说明随着目标移动速度的不断增加,波束跟踪算法的跟踪精度也在不断下降,这与实际情况是相符的,因为一旦运动目标移动速度加快,基站就需要在更短的时间内完成整个跟踪过程。而且,目标的移动距离将会增加,预测轨迹变长,致使最优波束的宽度增大,同时,天线增益就会降低,运动目标的可达速率也会降低。
另外,当速度达到700Km/h时,现有基于训练的波束跟踪方法已经无法完成跟踪,可达速率降为0,这是由于极高的速度使波束相干时间极短,在这极短的时间内无法完成波束训练过程,所以无法进行波束跟踪。而本发明不需要额外的训练过程,即使目标移动速度较高,也会完成波束跟踪过程。
以上仿真实验表明:一种基于自适应波束的运动目标跟踪方法,适用于运动目标速度较高的场景,跟踪精度较高,能保证运动目标在移动时的通信质量,是一种有效且稳定的波束跟踪算法。
Claims (3)
1.一种基于自适应波束的运动目标跟踪方法,其特征在于,包括如下步骤:
(1)构建运动目标跟踪场景:
构建包括位于三维坐标系坐标原点的基站及与其实现通信的分布在三维空间的运动目标的跟踪场景;
(2)基站确定最优波束朝向:
(2a)基站采用卡尔曼滤波方法,通过运动目标的多个历史运动轨迹数据对运动目标在一个时间段内的运动轨迹S进行预测;
(2b)基站将其与运动轨迹S中运动目标起始位置的连线,与终点位置的连线所形成的夹角的角平分线方向作为最优波束朝向γ;
(3)基站计算最优波束宽度:
(3a)基站分别计算其与运动轨迹S中运动目标起始位置、终点位置之间的距离,并通过其中数值大的距离L1所对应的位置处运动目标相对于基站的仰角θ和方向角计算基站天线在该位置的增益/>
(3b)基站根据计算运动目标在接收基站发送信号时的可达速率R,并求解R与预先设置的可达速率阈值Rth满足R>Rth时的水平波束宽度/>的取值区间/>再选择该取值区间的右端点值/>作为最优波束宽度/>
(4)基站生成码本:
基站根据最优波束宽度计算码本中码字的数量NC,并根据NC计算码本f(β):
idx=[0 1 2…NC-1]T
其中,[·]T表示转置操作,exp(·)表示以自然常数e为底的指数函数,β表示最优波束朝向γ与三维坐标系的x轴正半轴方向的夹角度数,0≤β≤180°,π表示180°所对应的弧度数;
(5)基站对波束进行自适应调整:
(5a)基站采用卡尔曼滤波方法,利用上一个时间段预测得到的运动轨迹S和多条历史运动轨迹数据,预测得到的下一个时间段的运动轨迹S′,根据预测轨迹的起始位置和终点位置,选取基站与预测轨迹的起始位置的连线,终点位置的连线所形成的夹角的角平分线方向作为更新后的最优波束朝向γ′;
(5b)基站分别计算其与运动轨迹S′中运动目标起始位置、终点位置之间的距离,并判断其中数值大的距离L2与L1是否满足L1>L2,若是,则保持上一时间段最优波束宽度不变,否则重新计算可达速率R′,求解R′与预先设置的可达速率阈值Rth满足R′>Rth时的水平波束宽度/>的取值区间/>并将取值区间的右端点值/>作为最优波束宽度/>
(6)基站获取运动目标的跟踪结果:
基站判断运动目标在每个时间段结束时反馈的其与基站通信时的传输速率Rac与可达速率阈值Rth是否满足Rac>Rth,若是说明基站发射波束在每次自适应调整后满足了运动目标的通信质量要求,实现了对运动目标的跟踪,否则基站将清除预测得到的轨迹信息和计算得到的最优波束朝向、最优波束宽度信息,返回步骤(2)重新对下一时间段的运动目标进行波束跟踪。
2.根据权利要求1所述的基于自适应波束的运动目标跟踪方法,其特征在于:步骤(3a)中所述的计算基站天线在该位置的增益计算公式为:
其中,G0表示基站的最大天线增益值,θ-3dB为基站波束的垂直波束宽度。
3.根据权利要求1所述的基于自适应波束的运动目标跟踪方法,其特征在于:步骤(3b)中所述的计算运动目标在接收基站发送信号时的可达速率R,计算公式为:
其中,P为基站的发射功率,θ-3dB为基站波束的垂直波束宽度,g0为距离基站1m处的信道功率增益,σ2为运动目标接受基站信号时的噪声功率密度,L1为基站与运动轨迹S中运动目标起始位置、终点位置之间的距离中数值大的距离,α为路损系数,α≥1。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111658800.9A CN114222312B (zh) | 2021-12-30 | 2021-12-30 | 基于自适应波束的运动目标跟踪方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111658800.9A CN114222312B (zh) | 2021-12-30 | 2021-12-30 | 基于自适应波束的运动目标跟踪方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN114222312A CN114222312A (zh) | 2022-03-22 |
CN114222312B true CN114222312B (zh) | 2023-10-17 |
Family
ID=80707142
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202111658800.9A Active CN114222312B (zh) | 2021-12-30 | 2021-12-30 | 基于自适应波束的运动目标跟踪方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN114222312B (zh) |
Families Citing this family (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114785393B (zh) * | 2022-06-21 | 2022-09-02 | 四川太赫兹通信有限公司 | 一种自适应波束宽度确定方法、系统、基站及介质 |
Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JPH06273522A (ja) * | 1993-03-23 | 1994-09-30 | Nec Corp | 三次元レーダー装置 |
CN104486775A (zh) * | 2015-01-08 | 2015-04-01 | 西安电子科技大学 | 基于用户位置的跟踪预测的有源天线阵列波束优化方法 |
CN109743093A (zh) * | 2018-12-26 | 2019-05-10 | 北京邮电大学 | 一种无人机毫米波通信波束追踪方法 |
CN110430542A (zh) * | 2019-08-06 | 2019-11-08 | 北京邮电大学 | 一种面向无人机站点群组网的快速波束跟踪方法 |
KR102067114B1 (ko) * | 2018-08-22 | 2020-01-16 | 한양대학교 산학협력단 | 밀리미터 통신을 위한 딥러닝 기반 빔추적 및 예측 방법 그리고 시스템 |
CN111277308A (zh) * | 2020-01-15 | 2020-06-12 | 北京邮电大学 | 基于机器学习的波宽控制方法 |
CN113437999A (zh) * | 2021-06-23 | 2021-09-24 | 东南大学 | 一种抑制毫米波通信系统中波束漂移效应的自适应波束宽度调制算法 |
-
2021
- 2021-12-30 CN CN202111658800.9A patent/CN114222312B/zh active Active
Patent Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JPH06273522A (ja) * | 1993-03-23 | 1994-09-30 | Nec Corp | 三次元レーダー装置 |
CN104486775A (zh) * | 2015-01-08 | 2015-04-01 | 西安电子科技大学 | 基于用户位置的跟踪预测的有源天线阵列波束优化方法 |
KR102067114B1 (ko) * | 2018-08-22 | 2020-01-16 | 한양대학교 산학협력단 | 밀리미터 통신을 위한 딥러닝 기반 빔추적 및 예측 방법 그리고 시스템 |
CN109743093A (zh) * | 2018-12-26 | 2019-05-10 | 北京邮电大学 | 一种无人机毫米波通信波束追踪方法 |
CN110430542A (zh) * | 2019-08-06 | 2019-11-08 | 北京邮电大学 | 一种面向无人机站点群组网的快速波束跟踪方法 |
CN111277308A (zh) * | 2020-01-15 | 2020-06-12 | 北京邮电大学 | 基于机器学习的波宽控制方法 |
CN113437999A (zh) * | 2021-06-23 | 2021-09-24 | 东南大学 | 一种抑制毫米波通信系统中波束漂移效应的自适应波束宽度调制算法 |
Non-Patent Citations (4)
Title |
---|
Evaluating tracking and prediction of tumor motion in a motion-compensating system for adaptive radiotherapy;Troy Teo;2016 IEEE International Conference on Imaging Systems and Techniques (IST);全文 * |
Position-Attitude Prediction Based Beam Tracking for UAV mmWave Communications;Jinglin Zhang;ICC 2019 - 2019 IEEE International Conference on Communications (ICC);全文 * |
利用射线跟踪方法进行微蜂窝电波传播预测;李彤, 娄媚, 王豪行, 黎滨洪;通信学报(11);全文 * |
融合运动状态信息的高速相关滤波跟踪算法;韩锟;杨穷千;;湖南大学学报(自然科学版)(04);全文 * |
Also Published As
Publication number | Publication date |
---|---|
CN114222312A (zh) | 2022-03-22 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN109347525B (zh) | 毫米波高铁车地通信的自适应多波束成形与波束切换方法 | |
KR102067114B1 (ko) | 밀리미터 통신을 위한 딥러닝 기반 빔추적 및 예측 방법 그리고 시스템 | |
CN112738764B (zh) | 一种基于车辆运动轨迹认知的宽带毫米波波束追踪方法 | |
Mavromatis et al. | Beam alignment for millimetre wave links with motion prediction of autonomous vehicles | |
CN111479239B (zh) | 一种多天线无人机数据采集系统的传感器发射能耗优化方法 | |
CN110687531B (zh) | 提高数字多波束相控阵天线自跟踪动态目标实时性的方法 | |
CN109921837B (zh) | 一种基于多播频控阵方向调制的稳健波束形成方法 | |
CN110891255A (zh) | 一种在高速铁路场景下上行链路的波束宽度调整方法 | |
CN114222312B (zh) | 基于自适应波束的运动目标跟踪方法 | |
CN113783601B (zh) | 动态波束形成及空分复用方法 | |
CN113466848B (zh) | 一种面向角闪烁噪声场景的共址mimo雷达多目标跟踪资源优化分配方法 | |
Wang et al. | Multi-vehicle tracking and id association based on integrated sensing and communication signaling | |
CN111372195B (zh) | 移动通信网络中移动终端的位置追踪方法、设备及存储介质 | |
CN115133977B (zh) | 基于信息年龄最小化的无人机通信感知一体化系统位置优化方法 | |
CN116390114A (zh) | 基于非视距链路识别的车联网感知辅助通信预波束对准方法 | |
WO2017096539A1 (zh) | 一种多移动中继最佳通信位置的搜寻方法及搜寻系统 | |
CN112383336B (zh) | 一种用于远距离高速飞行物体的波束追踪方法 | |
CN111372190B (zh) | 移动终端位置追踪的机器学习模型、方法、设备及存储介质 | |
CN111225253B (zh) | 一种基于动中通天线的海域视频源获取方法 | |
CN113093171A (zh) | 基于目标跟踪的机载雷达路径与辐射资源联合优化方法 | |
CN109639331B (zh) | 一种动态调整收敛因子的波束成形方法 | |
CN113114308A (zh) | 一种天线控制方法和电子设备 | |
Pu et al. | Impact of perception errors on sensing assisted vehicle-to-vehicle communications | |
CN115603789B (zh) | 一种高动态毫米波定向窄波束的生成和跟踪方法 | |
KR101472132B1 (ko) | 빔 포밍을 이용하여 데이터를 전송하는 무선 데이터 전송시스템 |
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 |