CN114731180A - 用于上升式设备通信的技术 - Google Patents

Abstract

描述用于无人机的波束赋形并改进用于无人机的毫米波通信的系统和方法。多个RF链用以调整主波束以跟踪改变，而无需使用导频信号。为了减少干扰，通过优化非高斯测度以提取干扰方来消除干扰信号功率。相邻无人机上的来自目标无人机的信号的AoA以及相邻无人机和基站的位置用以独立地确证由目标无人机报告的位置。基站提供低于6GHz的附加同步信号，并限制垂直方向的搜索/测量空间。通过在探测信号上应用不同的波束赋形器并估计AoA和冲击响应，可以利用高于6GHz的固有稀疏结构。描述用于多小区DL同步和CRS测量的全数字和混合波束赋形架构的变化。

Description

用于上升式设备通信的技术

技术领域

方面涉及无线接入网(RAN)。一些方面涉及蜂窝网络，包括第三代合作伙伴计划长期演进(3GPP LTE)网络和LTE高级(LTE-A)网络、第第4代(4G)网络和第5代(5G)新空口(NR)(或下一代代(NG))网络。一些方面涉及用以增强地面系统与上升海拔处的用户设备(UE)之间的通信的通信技术。

背景技术

使用网络资源的各种类型的用户设备(UE)的使用持续增加，如数据量和带宽由在这些UE上进行操作的各种应用(例如，视频流送)使用一样。在UE当中，在上升海拔处进行操作并移动可观距离的移动设备正变得日益普遍。例如，无人机的普及已经在过去几年爆发，并且低海拔个人运输设备很可能在不久的将来得以开发并使用。涉及UE与主要设置用于与地面级UE的通信的基站(BS)(也称为RAN)的通信问题加上引入复杂的新通信系统造成系统自身方面以及与先前系统和设备的兼容性方面待解决的大量问题。

附图说明

在不一定按比例绘制的图中，相同标号可以在不同视图中描述相似组件。具有不同字母后缀的相同数字可以表示相似组件的不同实例。附图通过示例而非限制的方式总体上示出本文件中讨论的各个方面。

图1是示出根据一些方面的系统的功能框图；

图2示出根据一些方面的通信设备的框图。

图3示出根据一些方面的接收机。

图4示出根据一些方面的用于波束赋形网络的控制器的框图。

图5示出根据一些方面的混合波束赋形器。

图6示出根据一些方面的5G NR同步信号块结构。

图7示出根据一些方面的垂直域中的无人机与地面UE之间的空间分离。

图8示出根据一些方面的毫米波信道。

图9示出根据一些方面的压缩信道状态信息(CSI)获取协议的流程图。

图10示出根据一些方面的用于混合射频(RF)波束赋形的框图。

图11示出根据一些方面的非高斯优化方法。

图12示出根据一些方面的另一非高斯优化方法。

图13示出根据一些方面的到达角(AoA)优化方法。

图14示出根据一些方面的干扰减轻方法。

具体实施方式

以下描述和附图充分示出特定方面以使本领域技术人员能够实践它们。其他方面可以合并结构、逻辑、电气、过程和其他改变。一些方面的部分和特征可以包括于其他方面的部分和特征中，或者为其他方面的部分和特征所替代。权利要求中阐述的方面包括那些权利要求的所有可用等同物。

图1是示出根据一些方面的系统的功能框图。系统100可以包括多个UE 110、140。在一些方面中，UE 110、140之一或二者可以是直接(例如，经由P2P或其他短距离通信协议)或经由一个或多个短距离或长距离无线网络130与彼此进行通信的通信设备。例如，UE110、140可以例如经由一个或多个BS 132(也称为BS节点)、WiFi接入点(AP)160或直接使用数种不同的技术(例如，WiFi、蓝牙或Zigbee等)以无线方式在本地进行通信。BS 132可以包含一个或多个微基站、微微基站或纳基站。例如，BS 132可以是演进节点B(eNB)或下一(第5)代节点B(gNB)。

UE 110、140也可以经由第三代合作伙伴计划长期演进(3GPP LTE)协议和LTE高级(LTE-A)协议、4G协议或NR协议通过网络130进行通信。UE 110、140的示例包括但不限于移动设备(例如，便携式手机、智能电话、平板计算机、膝上型计算机、可穿戴设备、传感器和载具(例如，汽车、卡车或无人机)中的设备)。UE 110、140可以与彼此和/或与一个或多个服务器150进行通信。特定服务器150可以取决于由UE 110、140使用的应用。

网络130可以包含网络设备(例如，用于WiFi网络的接入点、基站(其可以是例如eNB或gNB)、网关(例如，服务网关和/或分组数据网络网关)、归属订户服务器(HSS)、用于LTE网络的移动性管理实体(MME)或用于NG网络的接入和移动性功能(AMF)等)。网络130还可包含提供与用户账户有关的内容或其他信息的各种服务器。

图2示出根据一些方面的通信设备的框图。取决于设备的类型，图2所示的一些要素可以不出现。在一些方面中，通信设备200可以是UE(例如，无人机、专用计算机、个人或膝上型计算机(PC)、平板PC、个人数字助理(PDA)、移动电话、智能电话、web器具(例如，相机、门铃、安全装置)或其他用户操作型通信设备)。在一些方面中，通信设备200可以是另一基于非通信的设备(例如，车辆(例如，汽车)或家用电器(例如，冰箱))内嵌入的UE。在一些方面中，通信设备200可以是网络操作型设备(例如，AP、eNB、gNB、网络路由器、交换机或桥接器、或能够(顺序或以其他方式)执行指定待由机器采取的动作的指令的任何该机器)。

如本文所描述，示例可以包括逻辑或数个组件、模块或机构，或对其进行操作。模块和组件是能够执行所指定的操作的有形实体(例如，硬件)，并且可以通过特定方式得以配置或布置。在一个示例中，电路可以通过所指定的方式(例如，在内部或相对于外部实体(例如，其他电路))被布置作为模块。在示例中，一个或多个计算机系统(例如，单机、客户端或服务器计算机系统)或一个或多个硬件处理器的全部或部分可以由固件或软件(例如，指令、应用部分或应用)配置作为进行操作以执行所指定操作的模块。在示例中，软件可以驻留在机器可读介质上。在一个示例中，软件当由模块的底层硬件执行时使硬件执行所指定的操作。

因此，术语“模块”(和“组件”)理解为涵盖有形实体，因为是以实体方式构造、具体地配置(例如，硬连线的)、或临时地(例如，瞬时地)配置(例如，编程)为以所指定的方式进行操作或执行本文描述的任何操作的部分或全部的实体。考虑临时地配置模块的示例，不需要在任何时刻实例化模块中的每一个。例如，在模块包括使用软件配置的通用硬件处理器的情况下，通用硬件处理器可以在不同时间被配置作为相应的不同模块。软件可以相应地配置硬件处理器，例如，以在一个时刻构成特定模块并在不同时刻构成不同模块。

通信设备200可以包括硬件处理器202(例如，中央处理单元(CPU)、GPU、硬件处理器内核或其任何组合)、主存储器204和静态存储器206、它们中的一些或全部可以经由互链路(例如，总线)208与彼此进行通信。主存储器204可以包含可拆卸存储和不可拆卸存储、易失性存储器或非易失性存储器中的任一个或全部。通信设备200可以还包括显示单元210(例如，视频显示器)、字母数字输入设备212(例如，键盘)和用户接口(UI)导航设备214(例如，鼠标)。在示例中，显示单元210、输入设备212和UI导航设备214可以是触摸屏显示器。通信设备200可以附加地包括存储设备(例如，驱动单元)216、信号生成设备218(例如，扬声器)、网络接口设备220和一个或多个传感器(例如，全球定位系统(GPS)传感器、罗盘、加速度计或其他传感器)。通信设备200可以还包括输出控制器(例如，串行(例如，通用串行总线(USB)、并行或其他有线或无线(例如，红外(IR)、近场通信(NFC)等)连接)，以通信或控制一个或多个外围设备(例如，打印机、读卡器等)。

存储设备216可以包括非瞬时性机器可读介质222(下文中简称为机器可读介质)，在其上存储体现本文描述的任何一个或多个技术或功能或由其利用的一个或多个数据结构或指令224的集合(例如，软件)。指令224也可以在其由通信设备200执行期间完全地或至少部分地驻留在主存储器204内、静态存储器206内和/或硬件处理器202内。虽然机器可读介质222示出为单个介质，但术语“机器可读介质”可以包括被配置为存储一个或多个指令224的单个介质或多个介质(例如，集中式或分布式数据库、和/或关联缓存和服务器)。

术语“机器可读介质”可以包括能够存储、编码或携带用于由通信设备200执行的指令并且使通信设备200执行本公开的技术中的任何一种或多种或者能够存储、编码或携带由此类指令使用或与之关联的数据结构的任何介质。非限定性机器可读介质示例可以包括固态存储器以及光和磁介质。机器可读介质的具体示例可以包括：非易失性存储器(例如，半导体存储器设备(例如，电可编程只读存储器(EPROM)、电可擦除可编程只读存储器(EEPROM))和闪存设备)；磁盘(例如，内部硬盘和可拆卸盘)；磁光盘；随机存取存储器(RAM)；和CD-ROM以及DVD-ROM盘。

可以进一步利用数种传送协议(例如，帧中继、互联网协议(IP)、传输控制协议(TCP)、用户数据报协议(UDP)、超文本传输协议(HTTP)等)中的任何一种)经由网络接口设备220使用传输介质226在通信网络上发送或接收指令224。示例通信网络可以包括局域网(LAN)、广域网(WAN)、分组数据网络(例如，互联网)、移动电话网络(例如，蜂窝网络)、普通老式电话(POTS)网络、和无线数据网络。网络上的通信可以包括一个或多个不同的协议(例如，电气和电子工程师协会(IEEE)802.11标准族(称为Wi-Fi)、IEEE 802.16标准族(称为WiMax)、IEEE 802.15.4标准族、长期演进(LTE)标准族、通用移动电信系统(UMTS)标准族、点对点(P2P)网络、下一代(NG)/第5代(5G)标准等)。在示例中，网络接口设备220可以包括一个或多个物理插孔(例如，以太网、同轴或电话插孔)或一个或多个天线以连接到传输介质226。

如上所述，直到最近，部署在地平面以上超过大约100m的上升位置处的UE在地理上并且在移动性上受限制。这就是说，此类UE主要部署在城市(具有较高建筑物)并且移动性受限于特定建筑物。这允许基站主要向地平面设备提供通信支持，让上升海拔处的UE经由例如WiFi AP进行连接，并向此类UE提供更有限的覆盖。对于典型UE，这可能是足够的，尤其是当未采用波束赋形并且不出现服务质量问题时，因为与移动性有关的问题通常不出现在建筑物内。然而，无人驾驶空中载具(UAV)(也称为无人机)的使用方面的迅速扩展已经导致关于无人机与地面系统之间的通信的问题。例如，为了将无人机操作的安全性和可靠性扩展超越视距(LoS)范围，可能期望将现有蜂窝网络扩展到实现用于可靠无人机操作和管理的关键性能指标的基础设施中。

虽然如上所述，网络以高吞吐量和可靠切换向地面用户提供良好覆盖，但无人机的信道、干扰和移动性环境可能与典型地面UE不同。关于无人机的情况对当前系统是更具挑战性的，至少部分地因为现有BS的主瓣指向地面UE。因此，无人机可能仅能够由BS用比主瓣更窄且携带比主瓣更少的功率的旁瓣服务。无人机还可能归因于LoS传播(缺乏阻碍BS传输的物体)而从不同的BS接收更多数量的信号，导致比典型地面UE远更严酷的干扰状况。具体而言，情况随着增加无人机海拔而恶化，达此程度：相对于高海拔(例如，高于预定高度(高于地平面)(例如，100米))中的无人机可能创建大数量的死区(覆盖空洞)。注意，贯穿描述，各种信号的发送包括来自发送设备的信号的生成和编码，并且各种信号的接收包括接收信号的解码和存储。

覆盖空洞的存在提出要解决的若干技术问题。例如，这些问题包括无人机移动性和地面UE通信进行的严重干扰。移动性涉及UE从事包括各种设备之间的多个信号的3GPP切换过程，例如，UE向BS发送测量报告(测量各种BS的小区参考信号(CRS))，并且响应于由BS向UE的无线资源控制(RRC)连接重新配置消息，在源与目标BS之间发送切换请求和响应，在目标BS与移动性管理实体(MME)之间交换路径切换请求和响应，以及在MME与服务网关(S-GW)之间交换用户平面请求和响应。

在与3GPP切换过程关联的上述通信中，UE与BS之间的空中通信对于无人机可能是有问题的。具体而言，归因于现有蜂窝网络的覆盖空洞，对于高海拔无人机(100m以上)存在20～30％的切换失败率。为了无人机符合切换过程，无人机应能够在数据和控制信道上接收信号，并同时测量多个候选小区的CRS信号强度。具体而言，对于移动性支持，UE可以对相邻小区的信号强度执行测量，并向服务小区报告相邻小区的无线资源管理(RRM)测量集合。每个RRM测量可以包括每个相邻小区的CRS的参考信号接收功率(RSRP)和/或参考信号接收质量(RSRQ)等。可以在UE在实际切换期间从源服务小区切换到目标服务小区之前执行该测量。

然而，多数无人机包括单个全向天线，并且归因于高海拔处的不良信号干扰比(SINR)而可能因此不能测量小区中的一个或多个的CRS。具体而言，UE应能够基于用于多个候选小区的主同步信号(PSS)和辅同步信号(SSS)完成下行链路同步(DL同步)并继续测量特性(例如，候选小区的CRS上的RSRP)。此类PSS/SSS信号被设计为足够鲁棒的，以用于所有典型地面UE成功地解码它们。然而，无人机经受非常低的SINR，主要因为下倾和显著量的LoS小区间干扰，以使得即使PSS/SSS信号的SNR将是可以通过其他方式可由低海拔/地平面UE检测的，无人机也一般不能检测到PSS/SSS信号。

虽然可以应用模拟/RF波束赋形以增强特定小区/方向，但这样的解决方案可能不能在接收波束赋形方向上提供足够大的自由度以赋能同时数据接收和多小区测量。此外，因为高于预定高度(例如，BS高度)的所增强的LoS传播，所以到达无人机的小区信号可能比在地平面处到达同一无人机的信号更强。这意味着传统多小区测量可能导致过多的报告，这可能进而导致高速无人机的不完全切换。

在一些方面中，全维度多输入多输出(FD-MIMO)可以用在BS处和/或无人机处的有向波束赋形，以减轻或消除上述移动性问题并增强数据率。FD-MIMO可以赋能BS以在水平和垂直方向二者上进行波束赋形，以使得BS可以覆盖3D空间中的任何地方。在无人机处使用有向波束赋形可以用于将高切换失败率降低到可以容忍的水平。FD-MIMO假设BS进行的无人机的DL同步以及物理下行链路控制信道(PDCCH)的解码已经得以执行。然而，无论这些操作是否已经完成，移动性有关信号和信道(例如，PSS、SSS、CRS、物理广播信道(PBCH)、物理随机接入信道(PRACH)和PDCCH)都未受波束赋形，导致覆盖空洞。因此，在没有进一步开发的情况下，关于移动性的多小区测量可能变为FD-MIMO系统中的瓶颈。

另一方面，有向波束赋形可以由模拟/RF波束赋形实现，而没有对蜂窝标准和调制解调器实现方式的影响。虽然有向波束赋形可以提升无人机数据吞吐量并改进关于无人机沿着特定方向的切换性能，但这可能不足以在接收波束赋形方向上提供足够大的自由度，以使得赋能同时数据接收和多小区测量。不足性可能是归因于在无人机处用旁瓣的多小区测量(旁瓣到旁瓣链路)，其中，一个旁瓣处于BS侧，而另一旁瓣处于无人机侧。

相反，不同的波束赋形解决方案和架构设计可以用于关于移动性的无人机处的同时数据接收和多小区测量。无人机处的接收波束赋形可以允许提升PSS/SSS和CRS的SINR。为了在预定时间段内完成并行小区搜索，在一些方面中，已经开发用于同时监控多个方向的接收波束赋形架构，其利用在时域中完成的同步。为此，与正常数字波束赋形不同，可以在快速傅立叶变换(FFT)处理之前执行接收波束赋形。这样可以允许能够同时从多个接收方向接收信号的无人机基于PSS/SSS执行其他小区搜索。无人机可以能够关于移动性关于多小区测量执行多个接收波束赋形，并同时从服务小区接收PDSCH且发送关联PUSCH。

综上，DL同步是可以当UE接通或UE失去同步时执行的三阶段过程。在第一阶段中，UE检索分数频率偏移(FFO)并获取关于正交频分复用(OFDM)符号定时的粗略信息。典型地使用基于循环前缀(CP)的延迟相关方法在时域中完成此操作。在FFO校正和CP移除之后，使用离散傅立叶变换(DFT)单元在频域中转换所得采样。第二阶段检测接收到的DL信号内的PSS的位置并恢复Zadoff-Chu(ZC)根索引。这些任务可以在时域或频域中得以完成，并且可以提供子帧定时信息以及扇区ID。在第三阶段中，SSS用以获得小区ID组和帧边界。由于SSS位于紧接超前于PSS的符号中，因此后者通常用作相位参考，以在频域中执行SSS的相干检测。可以通过评估DFT输出处的接收到的PSS或SSS的频域偏移在第二步骤或第三步骤中估计整数频率偏移(IFO)。

UE通常可以执行滤波，以从完全整个频带提取62个PSS/SSS子载波。可以在时域中执行该滤波。为了使时域相关器在第1阶段中成功地检测PSS并检索FFO和粗略定时，PSS的SINR应是相当良好的(例如，高于大约-6dB)。由于针对高海拔无人机情况并非如此，因此在时域中PSS/SSS检测器之前的二维(或一维)波束赋形网络。图3示出根据一些方面的接收机。具体而言，图3示出用于多小区DL同步和CRS测量的全数字波束赋形架构的高级框图。

接收机300可以合并在无人机或其他高海拔UE中。为了方便，可能未示出图3所示的接收机300中使用的一些组件。接收机300可以经由N_r个全向天线元件310a-310m接收CRS。天线310a-310m处接收到的信号可以在模拟前端(例如，其可以包括放大器、滤波器、缓冲器和下变频电路)302处得以接收，并且所得模拟信号中的每一个在模数转换器(ADC)304处数字化以产生N_r维矢量。矢量可以提供给2D波束赋形网络306，其可以产生N_RF个Rx波束赋形信号，其中，N_RF是在不同方向上指向的Rx波束的数量。

来自2D波束赋形网络306的N_RF个Rx波束赋形信号中的每一个可以提供给PSS/SSS检测器308a-308n的输入，其中，确定特定信号的粗略定时和FFO。一旦在N_RF个波束赋形信号中检测到N_SS个不同小区，检测到的信号然后就馈送到FFT块312a-312n和精细定时/频率偏移同步块，细定时/频率偏移同步块确定接收到的信号的精细定时和IFO。由于在时域中完成同步的部分，因此可以因而在FFT操作之前执行接收波束赋形。

可以然后基于在频域中接收到的CRS在RRM块314a-314n处测量RSRP和/或RSRQ。虽然未示出，但无人机可以发送包含用于移动性支持的RSRP/RSRQ的LTE测量报告。此外，在与多小区测量相同的时间，可以使用N_RF个波束赋形信号之一进行PDCCH/PDSCH接收(解调和解码)和PUCCH/PUSCH发送。PDCCH/PDSCH接收可以使用与测量相似的组件，其中，从波束赋形网络306提供的服务小区的波束赋形信号直接提供给FFT块中的FFT 312z，并且FFT 312的输出由解调器316解调并由解码器318解码。

图4示出根据一些方面的用于波束赋形网络的控制器的框图。如上，为了方便，可能未示出图4中的控制器的一些组件。假设PSS/SSS检测器的数量N_RF相对于多个方向不足以搜索有意义的测量报告，可以使用波束控制器以调整要搜索的方向。相似于图3，可以处理来自波束赋形网络406的输出信号以确定粗略定时和FFO 408。基于信号的粗略定时和FFO，控制器410可以向波束赋形网络406提供反馈以调整波束方向。控制器410应能够基于相关器输出快速地判断哪个波束方向不指向强相邻小区并且丢弃该波束而且切换到另一波束。如果指示强相关性，则信号可以提供给FFT块412，并且然后IFO确定414。对于时域波束赋形方法，可以使用基于码本的方法或自适应方法。

在一些方面中，无人交通管理(UTM)(或无人飞行器系统(UAS)交通管理)信息可以用以控制波束赋形网络。UTM可以是在BS处可用的。UTM可以包括由BS服务的每个无人机的3D位置、速度和导航信息。这可以赋能BS以向无人机提供相关UTM。UTM可以允许无人机通过高层信令关于移动性支持调整候选相邻小区的接收波束方向。

图5示出根据一些方面的混合波束赋形器。混合波束赋形器500包含与图3的全数字波束赋形架构和图4的控制器相同的元件。然而，波束赋形器500是不同的——不同于全数字波束赋形架构(其中，波束赋形网络被部署在ADC之后)，波束赋形网络506被部署在AFE502与ADC 504之间。因此，混合波束赋形器500采用模拟波束赋形而不是图3的数字波束赋形。然而，与图4相同，波束赋形网络506受控于由数字化波束赋形信号的粗略定时和FFO所确定的来自波束控制器510的数字反馈信号。

取决于3GPP系统是LTE/4G还是5G NR系统，由无人机检测到的同步信号的结构是不同的。当采用5G NR系统以用于BS与无人机之间的通信时，如果DL同步信号的中断发生，则因为由5G NR系统支持的有限的同步信号(SS)块，所以可能导致实质性瓶颈。

图6示出根据一些方面的5G NR同步信号块结构。5G NR系统中的每个时隙可以包括14个OFDM符号。NR SS块的时域传输模式可以是小区特定的而不是UE特定的。时域传输模式也可以取决于子载波间隔和频率范围以及其他参数。NR SS块可以被部署在由小区用于通信的带宽的中心频率中。具体而言，如图6所示，5G NR系统最多仅支持用于低于3GHz的频率范围的4个SS块、用于3GHz至低于6GHz之间频率范围的8个SS块、用于6GHz至52.6GHz之间的频率范围的64个SS块。

SS块包括PSS、SSS和PBCH。SS突发表示一个或多个SS块。SS突发集合包括具有可配置传输周期的一个或多个SS突发。在一些方面中，默认传输周期可以是20毫秒。如所示，SS块由240个连续子载波(20个RB)和4个OFDM符号组成。可以在5G NR中采用波束扫描，以用于SS块传输。在此情况下，可以按大约20毫秒间隔周期性地发送多个SS块。此外，单个SS突发集合内的SS块的传输可能受限于传输周期中的时间子集(例如，传输周期中的5毫秒窗口)。SS块的频率位置可以由高层(RRC)信令配置为支持稀疏搜索光栅以检测SS块。

然而，5G NR系统中的SS块传输的稀疏性可能导致较低频率处加剧的问题。具体而言，载波频率2GHz处的4个SS块的宽带SINR分布示出超过12％无人机脱离同步。与地面UE的中断概率相比，12％同步中断是显著的。简而言之，4个SS波束可能不足以支持无人机以及地面UE。

可以使用重复和/或累积方案(覆盖增强)以提升关于无人机的切换有关信号和信道的信道质量。具有不良信道质量(例如，低于-10dB的SINR)的无人机可以建立对相邻小区的DL同步，并且将测量报告发送到服务小区(和/或可以经由X2或Xn接口耦合到服务小区的一个或多个相邻小区)。然而，为了提供测量报告，无人机可以用多个SS波束测量大数量的候选小区，该操作每20毫秒重复，作为用于初始接入的默认。因此，无人机可能花费显著量的时间以累积每个SS块超过例如10个周期(200毫秒)。对于切换过程中的每个步骤(从测量控制到RRC连接重新配置完成消息的传输)，该时延继续增加。覆盖增强的使用可以因此增加用于包括测量报告的整个切换过程的时延，对切换性能产生显著影响。

作为对覆盖增强技术的使用的替代或附加，UE特定SS块配置可以用以在保持有限搜索复杂度的同时支持无人机的可靠移动性性能。通过借助无人机与地面UE之间的垂直分离，用于UE搜索的SS块可以受限制在垂直域中，以保留每UE相同数量的SS块，但因为更好的垂直波束所以具有较少的无人机的DL同步中断概率。此外，就高于6GHz的初始接入而言，UE特定SS块配置可以显著地减少UE复杂度。

在使用UE特定SS块之前，网络可以识别无人机及其海拔，经由以上UTM信息保持跟踪。低于6GHz，可以通过增加垂直域中的SS块的数量改进用于无人机的移动性支持。例如，如果能够低于3GHz使用8个SS块而不是NR中当前所规定的4个SS块，则就初始接入而言，UE的计算复杂度可能增加。然而，至少保持与4个SS块的情况相同的复杂度以及实现用更多垂直波束实现无人机的更好的移动性支持将是期望的。

可以通过通告多数无人机飞行高于BS的高度(例如，25米或15米)实现该目的，而地面UE最有可能处于低于BS高度。图7示出根据一些方面的垂直域中的地面UE与无人机之间的空间分离。如图7所示，可以借助地面UE 702与无人机704之间的垂直分离以引入依赖于地面UE 702或无人机704所占用的垂直扇区720、730的UE特定SS块。具体而言，为了UE搜索移动性或测量的目的，可以对SS块施加限制。例如，如果BS 710发送2个水平SS波束和4个垂直SS波束712a-712d，则地面UE 702可以受限制为仅基于下部2个垂直SS波束712c、712d搜索/测量相邻小区，并且无人机704可以受限制为仅搜索/测量上部2个垂直SS波束712a、712b。

如上，对于5G NR系统，SS突发集合的参量集(numerology)和模式(或位置)可以仅取决于用于初始接入的载波频率，以使得SS块配置是小区特定的并且不随着时间而改变.为了保留每UE的SS块的数量以及增强无人机的移动性性能，对于无人机移动性，SS块配置可以更改为UE特定的并且可以半静态地改变。例如，在RRC连接模式下，可以通过高层信令通知UE(无人机或地面UE)将其搜索/测量限制为所限制的SS块，因为就小区搜索、无线链路故障恢复、测量报告等而言，增加同时使用的SS块的数量增加UE复杂度。

可以使用SS块的静态或半静态高层信令。为了使用静态信令，RRC信令在连接模式下不改变。半静态信令虽然更复杂，但如果无人机在高度方面变化以在垂直扇区之间转换(例如，从高海拔到低于BS高度)，则可能是有用的。半静态信令可以组合RRC信令和介质接入控制(MAC)控制元素(CE)信令，其中，后者可以取决于UE高度信息改变RRC连接模式下的SS块限制图案。该UE高度信息可以由来自对应UE的高度触发的测量报告给出。

在一些方面中，开/关位图可以用于SS块限制图案。设N₁和N₂分别表示第1维度(例如，水平域)和第2维度(例如，垂直域)中的SS波束的数量。考虑到信令开销，可以对不同域中的SS块限制图案实行不同的控制。例如，可以定义长度为{1，N₁，N₂，N₁*N₂}的若干位图。对于一位信号，可以预先确定SS波束的子集，以用于特定UE搜索或测量。对于长度N₁(或N₂)的位图，BS可以将用于UE的SS波束限制为仅第1(或第2)维度中的SS波束的子集。对于长度N₁*N₂的位图，BS可以在第1和第2维度二者中任意打开/关闭特定SS波束。无人机很可能经历LoS信道传播，以使得与地面UE不同，用于特定无人机的良好SS波束可能不动态地改变并且也可能是可预测的。因此，灵活SSB限制图案可能是有用的。当无人机处于RRC连接模式下时，可以提供上述位图。在一些方面中，相似的信令可以当处于空闲模式时提供给无人机，以指示无人机搜索或测量SS块的特定子集。

在一些方面中，BS可以使用关于SS块使用率的信息以进一步减少无人机上的搜索/测量负担。具体而言，取决于UE的位置和对应的SS块限制的一个或多个SS块可以不为BS所使用。给定该信息，关于实际上发送可用SS块当中的哪些SS块，BS可以经由高层信令通知UE。这可以允许UE对于PDSCH和PDCCH执行速率匹配。为了利用上述SSB限制，可以经由例如经由X2/Xn接口或BS之间的空中接口通过高层信令鉴于UE特定SS块限制以及小区特定SSB配置在相邻BS之间执行信息交换。

作为替代，UTM信息可以用以提供SS块限制。在此情况下，根据UTM信息，当在上部垂直扇区中不存在出现或预期的无人机时，BS可以禁用上部垂直SS波束。在一些方面中，BS也可以基于UTM信息向UE通知前述SS块限制图案。通过这样做，可以通过禁用一些信令节省SS块资源，允许在期望时发送数据。

为了提供波束赋形，BS和无人机二者可以使用多个天线。此外，高于6GHz进行操作的无线系统赋能在BS和用户设备(UE)处部署海量的天线。为了减少RF功耗和成本效率，这些系统通常采用全模拟或混合数字模拟(HDA)收发机架构。自适应波束赋形技术可以用在这些频率处，以克服高信号衰减。信道状态信息(CSI)可以用以实现自适应波束赋形。在具有多个天线元件的宽带通信信道中，CSI可能在空间、时间和频率方面波动，并且因此CSI可能在所有三个维度中受测量。BS可以周期性地可以发送已知的参考符号(RS)(也称为导频)，以使得可以使用导频在每个接收节点处估计CSI。遗憾的是，随着天线的数量的增加测量每个发射-接收天线配对之间的CSI的可行性。此外，毫米波系统可以利用大信号带宽(例如，1GHz)，这意味着大数量的RS可以用以获取关于整个带宽的CSI。对于高度移动的UE(例如，无人机)，CSI获取时延因此是有用的性能度量。

在亚6GHz系统(亚毫米波系统)中，正交RS用以测量CSI变化，其中，每个发送天线发送其唯一RS签名，其包括在时间和频率上密集分布的符号。已经使用基于频分复用(FDM)和码分复用(CDM)二者的正交RS。除此而外，信道探测和信道估计可以划分为两个步骤。在信道探测步骤中，在发射机(BS)与接收机节点(UE/无人机)之间执行波束扫描/同步。在信道估计步骤中，在每对发送波束和接收波束之间发送正交RS，并且使用上述方法执行信道估计。然而，用于波束管理和信道估计的多个步骤的使用可能显著地增加时延。

相反，可以使用组合式波束管理和信道估计技术。收发机可以检测由码本定义的优化波束赋形矢量并估计用于每个波束赋形矢量的多径信道系数。信道估计可以用以确定包括信道质量指示符(CQI)、预编码矩阵指示符(PMI)、秩指示符(RI)等的CSI反馈消息。具体而言，可以利用毫米波信道的固有传播特性。

图8示出根据一些方面的毫米波信道。具体而言，图8示出毫米波信号传播的示意图，其示出信号通过沿着若干角方向存在的信道抽头的稀疏聚类到达。毫米波信道可以在稀疏化基础(例如，DFT码本)下表示为稀疏多径多角度无线信道。每个角方向可以表示来自/去往散射方的聚类的信号。信道的整体延迟扩展可能是大的。然而，如所示，毫米波信道仅沿着若干角方向携带信号，并且在每个角方向处具有非常小的延迟扩展。如所示，毫米波信道沿着每个角方向展现几乎平坦的频率响应。

这些特性用以赋能每个接收节点以接收具有全模拟随机波束赋形的信号，并随后沿着承载到达角(AoA)方向的每个信号执行信道估计。AoA是来自线性天线阵列的参考信号的接收方向与阵列的法线轴之间的角。在一些情况下，可以在阵列的各个元件处测量到达时间差(TDOA)。相继天线元件之间的接收到的AP信号可以受相移，并且相移的程度可以取决于AoA、天线元件间距和载波频率。通过测量相移并使用已知特性，可以确定AoA。这样可以提供用于波束选择和信道估计的探测码字方面的显著减少。

系统可以建模为具有配备有大数量的天线N_R的接收节点和配备有大数量的天线N_T的发送节点的无线网络。假设带宽B GHz划分为N个等间距的子载波的OFDM传输，子载波k上的无线信道由矩阵

给出。然而，注意，这些、本文描述的方案不限于基于OFDM的系统。例如，该方案适用于单载波FDM系统。

描述一种用于信道估计和波束管理的数学框架，其中，与现有技术解决方案相比，测量开销显著地减少。所使用的RS可以是5G导频信号(例如，SS块或CSI-RS)。通过利用高于6GHz的无线信道的固有稀疏结构实现测量开销的减少。在一些方面中，波束赋形对准可以仅基于接收节点处的计算。所描述的技术可以赋能Rx波束的联合检测和多径信道冲击响应的估计。图9示出根据一些方面的用于压缩CSI获取协议的流程图。

如图9所示，发送节点和接收节点被分配RS子载波组(如底层标准所描述的)。在发送节点与接收节点之间交换包括子载波ID、组ID和ZC序列ID的RS信号参数。每个RS子载波组具有P个频率位置，其跨越由小区使用的整个带宽均匀地间隔。每个RS子载波组可以分配给不同的发送节点。例如，分配给第i个RS子载波组的发送节点可以发送符号

其中，i_k是RS子载波组中的第k个随机生成的子载波位置。

接下来，具有N_R个天线元件的每个接收节点可以使用M个随机波束赋形器。每个随机波束形成器可以是使用N_R个移相器生成的独立随机相位的N_R×1矢量。在一个示例中，每个随机移相器集合可以是圆形对称复高斯矢量。注意，M＜N_R，其为AoA空间中的亚奈奎斯特采样。在替选中，也可以基于类似具有由基站提供的并且适应于子载波组的信道状况的自适应权重更新的加权伪随机波束赋形的准则设计接收测量码本。

相似于接收码本，发送码本可以使用少(＜N_T)数量的随机发送波束赋形器。为了简化数学公式，不失一般性，假设每个发送节点使用优化的发送波束赋形器

于是，从第i个发送节点到接收节点的毫米波信道给出为h_i[k]＝H_i[k]w_i，其为子载波k上的N_R×1矢量信道。

可以对M个连续OFDM符号执行信道探测，其中，每个OFDM符号是具有子载波间频率δf和信号带宽N δf的N个采样长。每个OFDM符号中的接收节点可以使用不同的随机波束赋形器

接下来，第m个OFDM/SC-FDMA符号的第i_k个子载波中的接收信号可以给出为：

可以使用在M个OFDM/SC-FDMA符号期间接收到的接收信号的M×P个采样执行信道估计。来自所有M个OFDM符号的频域接收信号的替选表示可以给出为：

其中：

是具有表示对应于以该延迟到达的信道抽头的旋转的每一列的P xD参考符号矩阵，

是D x N_R信道抽头矩阵，其中，第j行表示从N_R个角方向以第j采样延迟到达的信道抽头，并且

是N_R xN_R稀疏化角基础。在一个示例中，B是DFT矩阵，

是N_R x M随机波束赋形器矩阵，并且

是P x M接收机噪声矩阵。

如早先描述的和在图8中描绘的，信道抽头矩阵

在行和列空间中可能是稀疏的。因此，可以按亚奈奎斯特采样率沿着

的行空间执行随机采样。更具体而言，对于

的行空间中的随机采样，M个随机地波束赋形的OFDM符号可以用以恢复N_R＞M数量的角位置。

接下来，矩阵方程的克罗内克积表示

可以用以将测量阶段中的接收信号重写为：

其中，y＝vec(Y)是从逐列堆叠子载波Y获得的(P M)x 1矢量，

是从逐列堆叠信道矩阵

获得的(N_R D)x 1矢量，并且

是从逐列堆叠噪声矩阵Z获得的(P M)x 1矢量。

可以使用矢量化信号y中包含的P×M数量的接收测量执行矢量化信道

的N_R x D个元素的估计。所建立的压缩感知理论已经显示(P x M)≈K log(N_R x D)，其中，K是定义矢量化信道

中的非零(或近零)元素数量的稀疏性参数。因此，导频信号开销相对于接收天线的数量与指示信道抽头数量的信号带宽的乘积以对数方式缩放。波束赋形的毫米波信道典型地是非常稀疏的，因为信号从少数聚类到达。因此，就使用导频资源以用于获取CSI而言，提供巨大的节省。此外，对于给定数量的测量，在跨越导频频调分布功率方面提供自由度。

可以应用稀疏信号估计技术(例如，最小绝对收缩和选择算子(LASSO))执行

的估计。对于仿真结果，已经基于约化子集最小二乘法后接零吸收最小平均绝对偏差使用低复杂度稀疏重构算法。

压缩测量y也可以用以推断系统参数(例如，最佳模拟波束赋形矢量)，或对于给定的模拟波束赋形矢量，有效模拟波束赋形信道，其可以用于同相或数字预编码/接收组合。可以如上所述执行波束检测和有效信道估计。

仿真结果

ISD	100m
		载波频率	73GHz
带宽	1GHz
		BS发送功率	40dBm
缆线损耗	3dB
		信道模型	3GPP
子载波的数量	2048
		导频子载波的数量	128(以奈奎斯特速率)
导频功率提升	无
		UE处的接收天线的数量	32
接收波束赋形器	使用随机码本的全模拟
		BS处的发送天线的数量	256
发送波束赋形器	使用SVD预编码器的全数字

表1：仿真参数

接收机处的随机测量码本包含M个测量码字。当接收天线的数量为32时，每个码字由32个移相器生成。每个相移均匀地且独立地分布。此外，在每个OFDM符号中以信道的奈奎斯特采样率在频域中发送P＝128个参考符号。RS的频率位置跨越1GHz带宽相等地间隔。

使用对于M＝16个测量码字和M＝32个测量码字以不同到达角获得的用于中心子载波的估计信道功率。对于性能基准测试，使用频域信道估计方法作为基线。信道是LoS的，并且存在一个最强AoA。仿真表明，上述稀疏信道估计方法非常准确地估计最强角AoA。虽然基线方法在正确的AoA也实现最大信道功率，但基线方法在多个到达角不准确地估计相对较高的信道功率。这影响每天线元件毫米波信道的整体归一化均方误差(NMSE)性能。更准确地说，所提出的信道估计方法的NMSE为5.8％，而基线具有25％的NMSE。因此，信道估计可以用以从能够与用以测量导频信号的测量波束赋形码本不同的(大)波束赋形码本检测优化波束。估计算法可以具有使用机器学习或其他算法预先优化并且取决于测量波束的参数。注意，码本可以是确定性的并且是离线设计的。可以当期望时或当满足预定条件时(例如，在预定时间段之后，或当传播环境改变达多于预定阈值(例如，SNR/RSRP/RSRQ改变)时)加载这些码本。

毫米波应用中的波束跟踪可能遭遇进一步的问题。涉及信道变化的应用(例如，高速自主应用、移动环境等中的应用)可能是特别成问题的。这在混合架构中是尤其有挑战性的，其中，RF链的数量是有限的，并且因此设备并不具有对所有天线输出的完全接入。

非盲波束跟踪可以使用被发送的导频信号以获取波束方向。使用非盲波束跟踪获取波束方向可能涉及跨越波束空间的Tx扫描和Rx反馈。然而，非盲算法就带宽和时间资源二者而言招致成本，并且在高速应用中并非良好地进行跟踪。盲算法(例如，恒定模数算法(CMA))依赖于信号轮廓，可以替代地用于波束跟踪，但主要处理初始波束接入和用于连续跟踪的导频。在自主应用中，虽然当阻挡发生时可以使用跟踪，并且车辆以(与手持UE相比的)高速度移动，但基于CMA的算法对于具有高峰均功率比(PAPR)的OFDM信号并非良好地起作用。此外，在对信号的接入仅在波束赋形之后是可用的而非具有对天线的所有输出的接入的混合波束赋形的情况下，基于CMA的算法招致更大的成本。

提出一种盲波束跟踪技术以用于由混合架构等使用。具体而言，描述用于使用混合架构的波束跟踪的死角锁定环(ALL)算法。ALL算法假设(除了主波束链之外的)至少一个其他RF链对于跟踪是可用的。通过确定附加RF链与主波束链之间的波束的方向上的能量改变，主波束可以适用于跟踪信号的任何改变。这样避免使用导频，或可以用于在导频到达时间之间进行跟踪，并且在低SNR条件下是有效的。此外，因为ALL算法是时域算法，所以可以避免定时同步和FFT处理。此外，ALL算法能够随着时间采样进行跟踪，适配因此随着每一时间采样而发生。注意，假设获取初始波束方向，并且该技术用以当Tx和Rx之间存在相对运动时跟踪波束。

图10示出根据一些方面的用于混合射频(RF)波束赋形的框图。在以下公式中，假设开始是平坦衰落信道。

y_k(t)＝h_kx(t)+n(t)

其中，y_k(t)是在第k天线(图3和图4中的Nr)处接收到的信号，h_k是发送期望信号(x(t))所处的第k信道的信道响应，n(t)是信道上的噪声。以矢量形式，这可以写为：

y(t)＝hx(t)+n(t)

a(θ)=[1 e^jπsin(θ) … e^{j(K-1)πsin(θ)}]^T

其中，a(θ)是缩放矢量，并且g_m是复信道增益，假设初始波束是通过导频或其他波束接入过程(例如，扇区扫描)获得的。

对于跟踪，可以使用两个其他RF链：

W＝[w_- a(θ) w₊]

这些RF链的输出处的数字信号给出为：

r(t)＝W^Hy(t)

可能期望权重矩阵W和AoA改变检测器f(r)以检测波束改变的方向：

θ＝θ+μf(r)

其中，μ是更新因子，其可以取决于噪声和速度(例如，对于较快的跟踪，μ较大，对于嘈杂的环境，μ较小)。权重矢量和更新算法可以设计如下：

w_-＝a(θ-δ)，w₊＝a(θ+δ)

其中，δ是跟踪角。改变检测器函数是：

w_-＝a(θ-δ)，w₊＝a(θ+δ)

其中，r₃和r₁分别是与w₊和w_-关联的数字信号。然后使用更新公式以闭环方式跟踪波束角：

θ＝θ+μf(r)

使用上述盲ALL算法允许在高(20dB)和低(-10dB)SNR条件下进行跟踪。使用具有2048的FFT大小的8个天线执行的仿真显示在2500个采样上的0.1°AoA采样步长的情况下关于高SNR的大约1°内以及在2500个采样上的0.01°AoA采样步长的情况下关于低SNR的大约2°内的跟踪。

如上所述，波束赋形网络可以用以提供上述波束跟踪。如上所述，在一些方面中，可以使用在BS中存储的UTM信息控制波束赋形网络。然而，UTM信息可能被故意破坏。例如，恶意无人机可以不正确地报告其位置，导致性能降级并施加安全风险。此外，不正确的位置估计可能再导致不稳定性问题。

为了在没有任何通信开销或增加的硬件复杂度的情况下提供干扰减轻、安全性和定位精度，提供在不使用RS的情况下从所观测到的信号提取最大信息的技术。为了实现该目的，设y_k(t)是在具有多个天线的无人机中在时间t在天线k处接收到的信号。这可以表示如下：

其中，如上所述，h_k是信道响应，s(t)是在时间t的源信号，并且n是噪声。注意，这是矢量，因为多个源可能在任何时间是有效的。取决于正解决的问题，这些源可以是不同的实体。在通信情况下，s是期望的源和干扰源的集合。在位置估计的情况下，s可以是当来自节点的AoA引起兴趣时从该节点发送的任何任意信号，或者如果来自该源的信号的AoA和到达时间引起兴趣时则可以是来自GPS或测距发射机的RS。以下，并不进行导频或RS的知识的假设。描述无人机场景中的不同兴趣问题，并适当修改上述公式以匹配对应场景和所列出的对应算法。

对于干扰减轻，归因于具有有限障碍物和因此自由空间传播的环境，用于无人机的开阔天空环境造成严重的干扰挑战。因此，除了其期望的感兴趣信号之外，无人机还可以看到多个干扰信号。一个目标是减轻干扰信号的功率。设N为期望的无人机的天线的数量，M_D为期望的信号流的数量，M_I为干扰信号流的数量。公式(1)可以写为如下：

其中，Y是达持续时间T的从N个天线观测到的信号流，H是假设为未知的信道矩阵，并且S是所有接收信号流的集合，如下给出：

其中，大小M_D x T的S_D是期望的流，并且大小M_Ix T的S_I是干扰流。确定权重矢量W＝w₁...W_MD，以使得

假设每个源为非高斯的。算法可以应用于源可能是更非高斯的任何维度中。例如，在用于类似于OFDM信号的FFT域中。然而，非高斯变量集合的总和比每个单独变量更高斯。因此，通过最大化非高斯性的测度，可以能够提取单独源。就此而言，求解以下优化问题以提取感兴趣源：

w_opt＝arg max E{|G(w^HY)|²}

其中，E是期望值，并且G是非高斯测度(例如，4阶或熵累积)。图11示出根据一些方面的非高斯优化方法。如图11所示的算法描述用于求解该优化问题的块方法(假设输入数据被白化)：首先，在操作1102，进行观测：Y_N×T＝HS_N×T+n。接下来，在操作1104，初始化W矩阵W＝I。然后，在操作1106，对于每一行执行迭代，w_i∈W，直到收敛。迭代包括求解：

对于每一行，并且然后对行进行标准正交化以得到幺正W。

对于无人机，可以基于干扰方是谁的不完全知识进一步优化该操作。由于传播环境主要是LOS的，且无人机使用线性天线阵列，因此信道矩阵可以表示为数组矩阵。设缩放矢量a(θ)：

a(θ)＝[1e^jαsin(θ)....e^{j(N-1)αsin(θ)}]

在空间中的每个位置处，可以建立具有潜在干扰方的数据库，其可以随着多个无人机穿越该区域而更新。如果干扰方是静态BS，则由于BS的位置是固定的，并且无人机位置是固定的，因此可以获得来自BS的角度估计。信道矩阵因此大致具有以下形式：

其中，g_i是复缩放因子。上述干扰减轻算法是对非凸优化问题的迭代解，并且因此可以从良好初始点受益。这个初始点可以作为已知干扰源数组矢量的函数：

W⁰＝f({a(θ_k)})

该函数的示例可以是：

W⁰＝H({a(θ_k)})^-1

一旦已经执行上述算法，无人机就还具有干扰方向的估计，其可以被发送回到网络以更新数据库。在一些方面中，网络可以将权重矢量W作为位置的函数存储在数据库中，并且无人机在将来可以使用这些权重作为用于迭代算法的初始点。图12示出存储权重的根据一些方面的另一非高斯优化方法。因此，如图12所示，在操作1202，网络可以在数据库中保存干扰方信息。干扰方信息可以包括干扰方位置2_i和干扰角{θ_k(l_i)}和/或在时间t的权重矢量W^t(l_i)。无人机可以关于最新近存储的角度和权重矢量在操作1204查询数据库。在操作1206，无人机可以使用从数据库获得的信息以初始化权重矢量W⁰＝func(W^t(l_i)，{θ_k(l_i)})。无人机可以然后在操作1208执行图11所示的算法以估计W。在操作1210，无人机可以使用估计的W以减轻干扰。在减轻来自干扰方的干扰之后，无人机可以在操作1212处将W反馈给网络，以对于下一时间增量更新数据库。

除了减轻干扰之外，无人机也可以估计用于定位和安全认证的AoA。假设存在正进行发送的单个无人机，并且信号由相邻无人机和基站接收，则任何特定基站/无人机处接收到的信号可以写成如下：

y_k(t)＝h_ks(t)+n

假设LOS信道和线性阵列，

h_k＝βe^{jα(k-1)sin(θ)}

其中，θ是目的节点处的AoA。在此，β捕获引入的任何相位校准和信道相位。当

时

可以估计θ，且

在此是AoA的估计。设

可以看出，当AoA估计等于真实AoA时，于是所得信号r(t)的功率最大化。因此，可以求解以下优化问题以求解角度。

可以如图13所示求解该问题。图13示出根据一些方面的到达角(AoA)优化方法。设φ_k＝∠w_k。然后，如图13所示，在操作1302，w_k初始化(初始地设置为零)。在操作1304，然后使用以下更新求解

φ_k＝φ_k+μ∠{z_k(t)r(t)}

因此，可以在相邻无人机和基站处以盲方式确定AoA到达。这可以用以估计发送无人机的位置。这提供目标无人机的独立位置估计，其可以用于出于安全目的认证其位置并确定无人机是否未侵入任何受限空域。图14示出根据一些方面的干扰减轻方法。为了确定目标无人机的位置，在操作1402，目标无人机附近的每个无人机可以基于来自目标无人机的所观测到的信号估计目标无人机的AoA。在一些方面中，仅已经从目标无人机接收到具有高于预定阈值的信号质量(例如，SNR、RSRP、RSRQ)的所观测到的信号的无人机可以估计AoA。在操作1404，每个无人机可以向服务BS报告它自己的位置和目标无人机的估计AoA。在操作1406，其他BS也可以计算它们关于目标无人机的AoA估计。在操作1408，网络可以收集相邻无人机的AoA估计和位置估计以及还有BS的AoA估计和位置估计。网络可以在操作1410分析所收集的位置和AoA估计，以独立于目标无人机报告的位置估计目标无人机的位置。也可以将独立估计的位置报告回无人机以改进其位置估计，并且在一些方面中，如果由目标无人机估计的位置和独立估计的位置处于预定容限内，则可以不提供报告。这也可以用于安全认证目的，以验证无人机并未正恶意地报告不正确的位置。在后一种情况下，网络可以基于由无人机报告的位置与独立地确定超过预定阈值差异(例如，1m或10m)的位置之间的差异进行该确定。如果超过阈值，网络可以将无人机报告给监控机构(例如，附近的警察局)和/或忽略来自/去往无人机的传输。

虽然已经参考特定示例方面描述一方面，但将是显然的是，可以对这些方面进行各种修改和改变而不脱离本公开的更广泛的范围。因此，说明书和附图认为是说明性的而不是限制性的意义。形成本文一部分的附图通过说明而非限制的方式示出可以实践主题的特定方面。足够详细地描述所示出的方面以使本领域技术人员能够实践本文所公开的教导。可以利用并从中导出其他方面，以使得可以在不脱离本公开的范围的情况下进行结构和逻辑替换和改变。因此，本具体实施方式不应理解为限制性的意义，并且各个方面的范围仅由所附权利要求连同这些权利要求所赋予的等同物的全部范围一起限定。

提供本公开的摘要以符合37C.F.R.§1.72(b)，需要将允许读者快速确证技术公开的性质的摘要。应理解，其将不用以解释或限制权利要求的范围或涵义。此外，在前述具体实施方式中，可见，为了简化本公开的目的，各个特征在单个方面中分组在一起。本公开的该方法并非解释为反映所要求的方面要求比每项权利要求中明确地陈述的更多的特征的意图。此外，如所附权利要求反映的那样，发明主题在于比单个所公开的方面的所有特征更少。因此，所附权利要求由此合并到具体实施方式中，其中，每项权利要求自身代表单独方面。

Claims (33)

1.一种无人机的装置，所述装置包括：

处理电路，其被布置为：

根据经由波束赋形从基站接收到的参考信号确定所述无人机的位置；

生成向所述基站的测量报告，所述测量报告指示所述无人机的高度信息；

解码来自所述基站的包含同步信号块(SSB)限制图案的高层信令，所述SSB限制图案取决于所述无人机的高度，使得当所述无人机的所述高度高于预定阈值时的所述SSB限制图案与当所述无人机的所述高度低于所述预定阈值时的所述SSB限制图案不同；以及

对于低于6GHz的通信，将主同步信号(PSS)和辅同步信号(SSS)的搜索和测量限制为由所述SSB限制图案指示的受限同步信号块(SSB)；和

存储器，其被配置为存储所述SSB限制图案。

2.如权利要求1所述的装置，其中，所述处理电路还被布置为：

当处于无线资源控制(RRC)连接模式下时解码所述高层信令以改变SSB限制图案，所述高层信令是用于静态信令的RRC信令和用于半静态信令的RRC信令和介质接入控制(MAC)控制元素(CE)信令。

3.如权利要求2所述的装置，其中，

接收到的所述SSB限制图案取决于所发送的所述高度信息。

4.如权利要求2所述的装置，其中：

所述SSB限制图案的改变取决于所述基站处存储的无人交通管理(UTM)。

5.如权利要求4所述的装置，其中：

当所述无人机处于所述基站下方时，所述SSB限制图案的改变指示上部垂直SS波束的禁用。

6.如权利要求1所述的装置，其中：

所述SSB限制图案包括指示要在垂直维度中使用的SS波束的数量的位图，所述位图被配置为将可用SS波束限定为所述可用SS波束的子集，每个SS波束包含PSS和SSS。

7.如权利要求6所述的装置，其中：

所述位图进一步指示要在水平维度中使用的SS波束的数量，所述位图具有所述垂直维度中的所述SS波束的数量乘以要在所述水平维度中使用的所述SS波束的数量的乘积的长度。

8.如权利要求1所述的装置，其中，所述处理电路还被布置为：

从所述基站解码指示可用SSB当中的未使用的SSB的其他高层信令，所述未使用的SSB取决于由所述基站服务的所有用户设备的位置和所述用户设备的SSB限制图案。

9.如权利要求1所述的装置，其中：

垂直维度中的可用SSB的数量当所述通信低于3GHz时大于4，并且当所述通信处于3GHz至6GHz之间时大于8。

10.如权利要求1所述的装置，其中，所述处理电路还被布置为：

使用数字波束赋形架构从事波束赋形，所述数字波束赋形架构包括：

模数转换器(ADC)，其数字化从多个天线接收到的N_r个模拟信号；

多个同步信号(SS)检测器，其确定N_RF个波束赋形信号的粗略定时和分数频率偏移(FFO)；

波束赋形网络，其被部署在所述ADC与所述SS检测器之间，所述波束赋形网络被提供有N_r维度数据采样矢量，以产生N_RF个波束赋形信号，所述SS检测器被配置为从所述N_RF个波束赋形信号检测N_SS个小区；

多个快速傅里叶变换部(FFT)，所述SS检测器的输出被提供给所述FFT；

精细定时和整数频率偏移(IFO)，其用于确定相邻小区的精细定时和频率偏移同步；和

测量电路，其用于测量所述相邻小区中的每一个的小区参考信号(CRS)的参考信号接收功率(RSRP)或参考信号接收质量(RSRQ)中的至少一个。

11.如权利要求10所述的装置，其中，所述数字波束赋形架构还包括：

FFT、解调器和解码器，其被配置为：与测量所述相邻小区的CRS的所述RSRP或RSRQ中的所述至少一个同时检测、解调并解码所述基站的物理下行链路控制信道和物理下行链路共享信道。

12.如权利要求10所述的装置，其中，所述数字波束赋形架构还包括：

控制器，其被部署在所述SS检测器与所述FFT之间，并且被配置为：向所述波束赋形网络提供反馈，以将波束方向调整为具有比当前小区的SS信号更强的SS信号的相邻小区。

13.如权利要求12所述的装置，其中，所述处理电路还被布置为：

基于从所述基站接收到的无人交通管理(UTM)信息控制所述控制器。

14.如权利要求1所述的装置，其中，所述处理电路还被布置为：

使用混合波束赋形架构从事波束赋形，所述混合波束赋形架构包括：

模拟前端(AFE)，来自多个天线的信号被提供给所述AFE；

模数转换器(ADC)，其对模拟信号进行数字化；

波束赋形网络，其被部署在所述AFE与所述ADC之间，所述波束赋形网络被提供有N_r个模拟信号，以产生N_RF个波束赋形信号；

粗略定时和分数频率偏移(FFO)电路，其被配置为确定所述N_RF个波束赋形信号的粗略定时和FFO；

多个快速傅立叶变换部(FFT)，其被配置为接收所述粗略定时和FFO电路的波束受控输出；

控制器，其被部署在所述粗略定时和FFO电路与所述FFT之间，并且被配置为：向所述波束赋形网络提供反馈，以将波束方向调整为具有比当前小区的信号更强的信号的相邻小区；和

精细定时和整数频率偏移(IFO)，其被配置为接收所述FFT的输出，并确定相邻小区的精细定时和频率偏移同步。

15.如权利要求1所述的装置，其中，所述处理电路还被布置为，对于高于6GHz的通信：

确定分配给所述基站的参考信号子载波组，所述参考信号子载波组具有在所述基站使用的整个带宽上均匀间隔开的P个频率位置；

在由N_r个天线元件在M个不同测量波束上接收到的M个正交频分复用(OFDM)符号上使用M个随机波束赋形器，每个随机波束赋形器是使用N_r个移相器生成的独立随机相位的N_r x 1矢量，其中，M<N_r；

对于每个OFDM符号使用不同波束赋形器对所述M个OFDM符号执行信道探测，其中，每个OFDM符号是具有子载波间频率δf和带宽Nδf的N个采样长度；以及

使用所述M个OFDM符号的M x P个采样执行信道估计，并从能够与用以测量导频信号的测量波束赋形码本区分的波束赋形码本检测测量波束中的优化波束。

16.如权利要求15所述的装置，其中：

所述信道探测是对连续OFDM符号执行的。

17.如权利要求15所述的装置，其中：

其中，使用具有使用机器学习算法并且可能地在测量波束上预先优化的参数的估计算法执行所述信道探测。

18.如权利要求15所述的装置，其中：

所述N_r个移相器是圆形对称复高斯矢量。

19.如权利要求15所述的装置，其中：

用于波束选择和信道估计的接收测量码本基于具有自适应权重更新的加权伪随机波束赋形，所述权重更新由所述基站提供并且自适应于所述基站的所述子载波组的信道状况。

20.如权利要求15所述的装置，其中：

所述波束赋形码本或所述接收测量码本中的至少一个是确定性的，离线设计的，并当满足预定条件时加载。

21.如权利要求15所述的装置，其中：

所述N_r个符号的信道抽头矩阵

在行和列空间中是稀疏的，并且

所述处理电路还被配置为：使用M个随机波束赋形的OFDM符号以亚奈奎斯特采样率沿着

的行空间执行随机采样，以恢复N_r>M个角位置。

22.如权利要求21所述的装置，其中：

用于所述无人机与所述基站之间的通信的毫米波信道由h_i[k]＝H_i[k]w_i给出，其为子载波k上的N_R×1矢量信道，并且w_i是最优发送波束赋形器

所述OFDM符号中的第m个OFDM符号的第i_k个子载波中的接收信号由下式给出：

其中，

是随机波束形成器之一，n_m是噪声，

所述处理电路还被配置为：使用矩阵方程的克罗内克积表示

以将测量阶段中的接收信号重写为：

其中：

y＝vec(Y)是从子载波Y的逐列堆叠获得的(PM)x 1矢量，

是从信道矩阵

的逐列堆叠获得的(N_rD)x 1矢量，并且

是从噪声矩阵Z的逐列堆叠获得的(PM)x 1矢量；以及

使用稀疏信号估计技术，使用矢量化信号y中包含的P x M数量的接收测量执行矢量化信道

的N_r x D个元素的估计。

23.如权利要求22所述的装置，其中：

所述稀疏信号估计技术基于约化子集最小二乘法，后接零吸收最小平均绝对偏差。

24.如权利要求1所述的装置，其中，所述处理电路还被配置为：

在初始同步之后使用死角锁定环算法进行波束赋形以用于波束跟踪，免于使用来自所述基站的导频信号；

所述波束跟踪使用多个射频(RF)链，所述RF链包括与到达角(AoA)的波束方向关联的主RF链和与距所述波束方向的预定角度关联的相邻RF链；以及

所述波束跟踪采用来自所述相邻RF链的反馈以确定是否调整所述波束赋形。

25.如权利要求24所述的装置，其中：

在所述N_r个天线处从所述基站接收到的信号以矢量形式给出为：

y(t)＝hx(t)+n(t)

其中，y(t)是接收到的信号，n(t)是噪声，并且

a(θ)＝[1 e^jπsin(θ)…e^{j(K-1)πsin(θ)}]^T

其中，g_m是复信道增益，

W＝[w_- a(θ) w₊]

w_-＝a(θ-δ),w₊＝a(θ+δ)

其中，W是权重矩阵，且w₊和w_-是权重矢量，

所述主RF链和相邻RF链的输出处的数字信号由下式给出：

r(t)＝W^Hy(t)

θ＝θ+μf(r)

f(r)＝sign(|r₃(t)|-|r₁(t)|)

其中，f(r)是能够检测AoA的改变的方向的AoA改变检测器，并且μ是更新因子。

26.如权利要求25所述的装置，其中：

μ取决于噪声的幅度和所述无人机的相对速度。

27.如权利要求1所述的装置，其中，所述处理电路还被配置为：

通过在所观测到的信号流的预定观测集上优化权重矢量使非高斯性的测度最大化：

w_opt＝argmaxE{|G(w^HY)|²}

其中：

Y_N×T＝HS_N×T+n

其中，Y是所观测到的信号流，H是信道矩阵，S是包括期望的信号流和干扰信号流二者的所有接收信号流的集合，n是噪声，并且E{x}是x的期望，

在包含所述权重矢量的权重矩阵W的初始化之后，进行：

对于每一行w_i∈W进行迭代，直到收敛：

并对各行进行标准正交化以获得幺正W。

28.如权利要求27所述的装置，其中：

所述非高斯性的测度是四阶累积、熵函数或互信息。

29.如权利要求27所述的装置，其中，所述处理电路还被配置为：

从包含所述基站的网络中的网络数据库对位置l_i、干扰方角度{θ_k(l_i)}和权重矢量W^t(l_i)进行解码；

初始化权重矢量W⁰＝func(W^t(l_i)，{θ_k(l_i)})；

执行非高斯性的测度的最大化，以估计W；

减轻来自所述网络中所述干扰方的干扰；以及

基于W生成对所述网络数据库的更新。

30.一种非瞬时性计算机可读存储介质，其存储指令以用于由用户设备(UE)的一个或多个处理器执行，所述一个或多个处理器用于将所述UE配置为，当指令执行时：

根据经由波束赋形从基站接收到的参考信号确定所述UE的位置；

发送向所述基站的测量报告，所述测量报告指示所述UE的高度信息；

从所述基站接收包含同步信号块(SSB)限制图案的高层信令，所述SSB限制图案取决于所述UE的高度，使得当所述UE的所述高度高于预定阈值时的所述SSB限制图案与当所述UE的所述高度低于所述预定阈值时的所述SSB限制图案不同；以及

对于低于6GHz的通信，将主同步信号(PSS)和辅同步信号(SSS)的搜索和测量限制为由所述SSB限制图案指示的受限同步信号块(SSB)；以及

接收介质接入控制(MAC)控制元素(CE)信令以改变SSB限制图案，

其中，垂直维度中的可用SSB的数量当所述通信低于3GHz时大于4，并且当所述通信处于3GHz至6GHz之间时大于8。

31.如权利要求30所述的介质，其中：

所述SSB限制图案的改变取决于所述基站处存储的无人交通管理(UTM)，

当所述UE处于所述基站下方时，所述SSB限制图案的改变指示上部垂直SS波束的禁用。

32.一种估计用于目标无人机的到达角(AoA)的方法，所述方法包括：

从所述目标无人机接收所估计的AoA和位置；

从所述目标无人机的每个相邻无人机接收所估计的AoA和位置，所述AoA基于来自所述目标无人机的所观测到的信号，所观测到的信号具有大于预定阈值的参考信号接收功率(RSRP)或参考信号接收质量(RSRQ)中的至少一个；

关于所述目标无人机从多个基站收集AoA估计；以及

基于所述多个基站和相邻无人机的所述位置和所述AoA估计，估计目标无人机位置；

比较所述目标无人机位置和距所述目标无人机的位置；以及

基于所述目标无人机位置与距所述目标无人机的位置之间的比较，采取网络动作。

33.如权利要求32所述的方法，其中，所述网络动作包括以下中的至少一个：

向所述目标无人机报告所述目标无人机位置，或

基于所述目标无人机位置与距所述目标无人机的位置之间的差超过预定阈值，确定所述无人机故意地报告不正确的位置。

Images