太赫兹网络beam-tracking框架

介绍

利用毫米波(mmWave)和太赫兹(太赫兹)乐队可以提供更大的带宽和增加数据速率对低频通信Boulogeorgos et al . (2019,2018);Basar et al。(2019);弗朗西斯科·Foglia et al . (2020);MacCartney et al。(2016)。随着频率增加,然而,pathloss增加Kokkoniemi et al。(2021)和堵塞变得更强雅各et al。(2012),有可能降低通信质量。减轻pathloss一个简单的方法是通过使用定向天线,必须合理对齐在发射器和接收器,当偏差可能会大大降低接收功率,无意中导致相反的结果Boulogeorgos et al。(2019 b);Papasotiriou et al。(2020);Priebe et al。(2012)。使天线的对齐,每个天线相对于其他的方向必须已知。这可以通过定位、beam-training beam-tracking。本地化本身可能不够准确的所需pencil-beams太赫兹通信和可能需要额外的设备并不总是可用的。Beam-training需要飞行员开销和保证高可靠性高。Beam-tracking旨在降低培训成本,通常通过一个位置或angular-based预测,和卡尔曼滤波器,同时保持beam-training的高可靠性Ning et al。(2022)。mmWave和太赫兹频率的使用,使得链接非常容易堵塞,接收功率可以减少20−40 dBMacCartney et al。(2016);雅各et al。(2012);Stratidakis et al。(2020 b)当一个对象或人类阻挡了视线(LoS)。这大大影响beam-tracking,问题在一个完全阻塞链接是不可能找到,使得预测的准确性不准确。

有几个关于beam-tracking工作刘f . et al。(2020);Zhang et al。(2020);刘x et al。(2020);Stratidakis et al。(2020);陈et al。(2022);Stratidakis et al。(2019);尼曼et al。(2021);高et al。(2014)。在刘f . et al。(2020),一个radar-assisted预测beam-tracking vehicle-to-infrastructure系统。作者使用雷达功能的路边单元(限制)来估计运动参数的车辆,以及车辆身体跟踪车辆的反射率较低的开销。在Zhang et al。(2020),作者提出两种beam-tracking方法对无人机(UAV)资助建设系统,一个随机的和一个用于惯性用户移动性,两角bound-dependent预测车辆的运动。在刘x et al。(2020),一个实验被执行时,为了追踪用户移动性使用深层神经网络,达到80%的准确率。在Stratidakis et al。(2020),作者利用多级分层速率与流动预测,为了扫描一个广阔的区域内使用低飞行员开销。在陈et al。(2022)作者提出两种跟踪方法,基于混合网络动态array-of-subarrays多重信号分类和基于深卷积神经网络,实现millidegree水平精度的目的。作者在Stratidakis et al。(2019),使用几个APs跟踪用户从不同的位置。所有APs分别估计问题的位置,然后他们估计结合,形成一个共同的预测下一个问题的位置。这种方式APs可以继续跟踪问题,即使他们的链接问题被阻塞。然而,常见的预测假定高度精确定位,,在撰写本文时,APs执行是不可能的。在尼曼et al。(2021),vision-aided beam-tracking方法提出了。执行beam-tracking使用可视化数据的帮助下从一个视频源图像处理技术能够估计的位置问题,预测堵塞和交接,估计所需的电力的链接。虽然,vision-aided方法看起来非常有前途,它引发了隐私问题。作者在高et al。(2014)提出一个double-link beam-tracking方法,通过两种不同的路径跟踪设备,主要和反映。这种方式,主要链接被阻塞时,切换到第二个链接能显著降低中断概率。然而,在更高的频率,反映路径不是一个现实的方法,由于更高的路径损耗。此外,飞行员总开销由于两条路径跟踪是翻倍不增加在non-blockage情况下跟踪方法的效率。

贡献

在高频通信,堵塞将是一个严重的问题与损失40 dB人体73 GHzMacCartney et al。(2016)和 $\sim 15$ dB 28 GHz人手,根据手柄?在更高的频率,这些数字预计将更高。为了解决这个问题,使用多个APs和里斯期一直被视为增加《路径的路径反映在一堵墙将受到严重的影响由于高频功率衰减的信号。然而,每增加一个额外的AP和RIS, beam-tracking飞行员头顶的唯一好处是增加数量的洛杉矶路径问题。本文的主要贡献是分类的主要参数影响跟踪可靠性分为两个主要的类和beam-tracking的发展框架,与多个合作APs)增加跟踪可靠性,和(b)让飞行员开销低的APs即使大多数链接都封锁了。

影响可靠性的参数跟踪算法可以分为两大类,那些影响轨迹跟踪决议和那些影响角分辨率。轨迹跟踪分辨率指的是成功的跟踪估计随着时间的推移,而角分辨率是指扫描方向和成功跟踪的数量在一个时隙。轨迹跟踪解决主要问题的运动影响,而堵塞的角分辨率块至少一个射束方向,根据障碍物的大小和跟踪天线的波束宽度。此外,根据跟踪器的位置和形状的区域,可以减少扫描方向的最大数量。例如,一个跟踪器放置在一个矩形房间的一个角落可以扫描90^o水平而不是180^o这将是如果是放置在墙上。更重要的是,据美联社的位置影响其的观点关于问题的运动,这使得使用多个beam-tracking美联社尤其有吸引力。

摘要beam-tracking方法,重点是提出了两个类别。该方法利用不同位置的多个APs跟踪问题并确保至少一个美联社将跟踪问题。每个AP使用分层速率减少飞行员开销。APs预测下一个问题定位和扫描周围的小面积预测飞行员开销较低。此外,APs,估计问题的位置把他们估计到一个共同的节点,为了把它们和发送新的估计位置的APs未能发现问题。通过这种方式,他们可以继续执行他们的预测,让飞行员开销低。提出了跟踪测量方法的性能通过蒙特卡罗模拟,成功的概率估计问题方向相对于美联社,平均每个时隙的飞行员数量需要跟踪和MSE的指标。模拟执行不同的跟踪评估频率和不同数量的阻塞AP-UE链接。该算法比较Stratidakis et al。(2019),这是专为操作在低范围的错误。结果表明,该算法更健壮的不等错误,这会增加成功的概率估计和减少所需数量的飞行员。

符号

除非另有说明,较低和大写粗体字母表示一个向量和一个矩阵,分别;一个^H共轭转置,卡(一个)表示集合的基数一个增刊(一个)表示集的支持一个和 ${\mathrm{国防部}}_N(\left(\cdot \right))$ 表示对模操作N。

系统模型

一个典型的太赫兹大规模多输入多输出(MIMO)系统被认为是所示图1,与多个APs和一个问题。APs配备统一的线性数组(这种)N天线元素,而一个全向天线的问题。下行,基带等效接收信号向量问题可以获得的高et al。(2017)。

在哪里h∈N×1和P∈N×1表示MIMO信道向量和数字预编码向量,年代,代表传播信号向量规范化权力,即。 $\mathbb{E}\left[\mathbf{年代}{\mathbf{年代}}^H\right]=\mathbf{我}$ , $\mathbf{z}\sim \mathcal{C}\mathcal{N}(0,{\sigma }^2\mathbf{我})$ 代表了加性高斯噪声(AWGN)向量和方差σ²。预编码矩阵满足总传输功率约束,即。 $\mathrm{t}\mathrm{r}\left(\mathbf{P}{\mathbf{P}}^H\right)\le P$ ,P总传输功率。

采用太赫兹Saleh-Valenzuela模型通道,h可以获得的萨利赫和Valenzuela (1987)。

在哪里β⁽⁰⁾和β^(我)表示洛杉矶的复杂的收益和non-LoS组件,分别 $\mathbf{一个}\left(\psi \right)$ 代表指导向量空间的方向ψ,而ψ⁽⁰⁾和ψ^(我)分别代表了空间方向的洛杉矶和non-LoS组件。在太赫兹波段的仿真结果组件,散射引发超过20分贝衰减Papasotiriou et al。(2018);Boulogeorgos et al。(2019);Boulogeorgos et al。(2019 b)。因此,《组件能充分描述的链接。因此,(2)可以简化为h≈β一个(ψ)。数组转向向量可以写成

在哪里 $\mathcal{我}(N)=l-(N-1)/2$ ,l= 0,1,…,N−1代表一组对称指数围绕零。空间方向是与波长有关λ和inter-element天线间距d通过 $\psi \triangleq \frac{d}{\lambda }罪\left(\theta \right)$ ,θ实际问题的方向。假设d=λ/ 2。不失一般性,层次码(肖et al ., 2016Sec.III.C.3)一直被视为K=日志₂(N)码书的水平。可以通过beamspace通道情商。作为

在哪里W_k∈N×N表示码矩阵,k= 1,…K当前的电报密码本水平。

跟踪可靠性参数

影响跟踪的可靠性的参数可以分为两类,那些影响轨迹跟踪决议(刘f . et al。(2020);Zhang et al。(2020);刘x et al。(2020);Stratidakis et al。(2020);陈et al。(2022))和那些影响角分辨率(Stratidakis et al。(2019);尼曼et al。(2021);高et al。(2014)),如所示图2。更具体地说,轨迹跟踪分辨率指的成功轨迹映射。它是影响运动类型(如线性或不规则/随机),速度和天线方向(如果天线定向)问题和跟踪评估频率 $(\frac{e\mathrm{年代}t我米\mathrm{一个}t我on\mathrm{年代}}{\mathrm{证券交易委员会}})$ 并确定方向的预测精度/问题相对的位置跟踪。另一方面,角分辨率指的方向,可以成功地扫描和主要影响角样本的数量和堵塞阻碍特定方向的扫描。角样品的数量是指方向的数量可以直接扫描和虽然受天线波束宽度的影响,它还取决于区域参数,如美联社的位置和几何图形的面积。例如,一个房间的墙壁可以使扫描方向的意义。假设跟踪是静态的,如果是放在房间的中间,它可以扫描360^o,如果是放在墙高达180^o,如果它是放置在一个矩形房间的角落,90^o。这主要影响beam-tracking算法的初始化阶段,需要一些详尽的搜索。更重要的是,跟踪器的位置影响的角度跟踪关于问题的运动,并且可以降低角变化所示图3,角的变化显示了两个不同的问题运动由两个APs在长矩形的房间里。美联社一个是放置在底部的中心墙,AP2放置正确的墙的中心是远小于墙底部。的运动问题中就有一个(a)与角正弦变化在3 (b),而问题的运动两个与角(c)是线性变化(d)。运动的大致方向是黑色箭头和彩色箭头表示美联社天线方向。由于不同大小的墙壁,角变化的问题与AP两个小于与美联社1所示图3 b, D。此外,小角变化意味着小预测错误,这很容易弥补。最后,正如堵塞成为unscannable可以阻碍RIS-User链接一些方向。

该方法

在本节中,beam-tracking算法,基于Stratidakis et al . (2019,2020 b)提出,利用位置估计由多个合作APs,每个配备一个天线阵的N元素和一个分层速率。增加数量的APs放置在不同的位置利用每个AP的观点在同一问题所示图3。分层速率有助于减少飞行员开销和APs之间的合作可以帮助保持低的开销,同时增加成功的概率跟踪即使一些链接屏蔽。前三,每天播发或者刊登该算法执行分层搜索的方向与低功耗开销问题,然后使用一种测距方法找到AP-UE距离来估计问题的位置。在接下来的时间,每天播发或者刊登每个AP预测下一个问题前三的位置估计的基础上,每天播发或者刊登使用少量的电报密码本水平都有少量的密语跟踪试点开销较低的问题。此外,在每个时隙APs送他们的位置估计公共节点相结合的位置估计的APs共同预测下一个问题的位置。AP的常用预测只是没有找到问题,所以这可以继续跟踪试点开销较低。该算法可分为两个阶段,初始化和beam-tracking阶段。

初始化

初始化发生在前三个,每天播发或者刊登。请注意,为了使算法初始化阶段的“突破”,估计在所有三个每天播发或者刊登必须成功。

1。分层搜索:美联社执行分层搜索交替两个码字之间的电报密码本的水平。的电报密码本是一个二叉树结构,可以跳过第一个电报密码本级别支持整个二级,提供更高的增益不增加飞行员开销。美联社发现的大致方向问题使用4码字的第二个层次。然后改进一级水平更高的速率的估计水平和交流两个码字之间的对应于选中的低层码字的“分支”。美联社继续与更高层次的改进估计码字到最后电报密码本的水平。更具体地说,与第二个电报密码本的水平,我美联社估计beamspace通道 ${\tilde{\mathbf{h}}}_{我}$ 4码字和发现最强的元素n_k,在那里k= 1,…,K是当前电报密码本的水平。水平较高,最强的元素n_k可以认为是2n_k−11。美联社必须检测 $\mathrm{年代}\mathrm{u}\mathrm{p}\mathrm{p}({\tilde{\mathbf{h}}}_{我})$ 作为高et al。(2017)。

假设飞行员的数量,N_P甚至,

那么美联社必须估计的非零元素 ${\tilde{\mathbf{h}}}_{我}$ 。作为更高层次码字生成窄光束,每个级别的评估更加准确。

2。包括:美联社估计AP-UE距离(如使用双向测距方法。郭et al。(2019)),

在哪里我= 1,…,米表示我美联社报道,r_我是实际AP-UE之间的距离我th美联社和问题e_我是一个正态分布随机变量与零均值和标准偏差σ_e金和金(2010)。

3所示。位置估计:与知识的方向和距离的问题与美联社的位置问题可以很容易地估计

在哪里x和y问题的坐标位置和

在哪里θ_我是最高水平的主瓣方向码字的我th美联社与问题的方向估计θ_或之间的角度吗x设在和我美联社天线方向。

4所示。合作:获得问题的位置后,所有的APs发送信息到一个共同的节点为了一个共同的估计使用所有估计的重心。

Beam-tracking

beam-tracking发生后连续三次成功的估计问题的角度位置。

5。位置预测:APs预测的位置问题在下一个时隙假设一个线性运动。

6。方向估计:那么,美联社使用第二个最高码跟踪问题4码字生成梁之间交替,对预测的方向。为了找到合适的码字,美联社必须检测的支持 ${\tilde{h}}_{我}$ 使用n_k就像在情商。。

7所示。细化:估计由交替精制2码字之间的最后一个码字的码书水平属于分支第二最高水平的分层搜索的初始化。使用多个码书的水平在这一步增加算法的鲁棒性,在非线性运动和不恒定速度的情况下,同时保持飞行员开销低。

8。范围、位置估计与合作:在获取角度θ_我美联社执行范围、位置估计和合作的初始化。

算法1。提出的算法。

仿真结果

在本节中,提出的方法的有效性评估的成功概率和平均数量的飞行员。成功概率成功的概率至少一个美联社跟踪问题在所有运动,每天播发或者刊登和APs的数量。飞行员的平均数量在所有运动估计,每天播发或者刊登和APs的数量。结果派生通过蒙特卡罗模拟在3000个不同的运动生成的随机运动生成中使用Stratidakis et al。(2020)。具体来说,随机运动由随机漫步的步骤2 m和插值与频率问_我,模拟跟踪估计频率 $(\frac{e\mathrm{年代}t我米\mathrm{一个}t我on\mathrm{年代}}{\mathrm{证券交易委员会}})$ 。9×9米²区域被认为是,1,两个或三个追踪APs放置在不同的位置取决于它们的数量。对于一个美联社,这是放置在(4.5,0),在两个APs的情况下,一个是放置在(3,0)和一个(6,0)和三个APs的案例中,一个是放置在[1,0],在[4.5,9]和[9,0]。中央频率150兆赫,美联社256年配备天线阵列元素和问题是配备了一个全向天线。在算法的初始化阶段,飞行员的总数是16。在beam-tracking阶段,这两个码水平最高,第二要求四个飞行员和最高水平的最高水平要求2,总共六个飞行员。这意味着飞行员在每个时隙的最低平均总数量(包括初始化阶段) $\sim 6$ 和最大是16,这种情况只有当算法未能使连续三次成功的估计。的标准偏差范围的一部分算法被认为是σ_e= 30厘米。

跟踪估计频率

跟踪评估的频率, ${问}_{我}(\frac{e\mathrm{年代}t我米\mathrm{一个}t我on\mathrm{年代}}{\mathrm{证券交易委员会}})$ 在跟踪,是一个重要的参数可以确定预测的准确性。较低的问_我用户像随机点的估计位置,他们无法预测。高问_我随机点开始被连接和预测变得更加准确。跟踪估计频率可以通过改变插值模拟频率的随机游走方法Stratidakis et al。(2020)。的影响的一个例子问_我在跟踪了图4与算法相比,该算法Stratidakis et al。(2019)。具体地说,在(a)成功的概率在跟踪问题和(b)飞行员的平均数量的函数问_我不同数量的美联社追踪器。该算法在Stratidakis et al。(2019)使用多个APs找到问题的方向相对于每个AP使用基本上是一个单级速率。AP后成功地跟踪问题,估计AP-UE范围然后计算问题的位置。被发送到一个共同的节点位置计算的位置问题基于重心的位置估计每个AP。普通节点发送APs新位置估计,使用它来跟踪问题更准确,预测下一个问题的位置。该算法在Stratidakis et al。(2019)使用128名飞行员在初始化阶段持续三,每天播发或者刊登六飞行员。两种算法重新启动时无法估计的方向问题,即问题外的梁。两种算法,增加问_我,成功的概率增加,平均每个时隙的飞行员数量减少不管APs的数量。例如,使用该算法,当一个美联社,成功的概率从75.3%增加问_我= 1 - 99.7%问_我= 20和飞行员的平均数量从13.5建议的方法减少问_我6.1 = 1问_我= 20。虽然预测可能不准确的跟踪器,它可以准确跟踪。预测的准确性取决于跟踪器的位置和用户的运动方向和速度相对于追踪。两种算法利用这个使用多个APs和常见的位置估计。例如,有两个APs,成功的概率与该算法从76.4%增加问_我= 1 - 99.9%问_我= 20和飞行员的平均数量从13.4下降到6。有三个APs,成功的概率算法从78.1增加到100%和飞行员的平均数量从13.3下降到6。使用一个美联社和多个APs的区别是最好的展示问_我= 6,建议的方法到达最高的4.6%使用1和2之间APs和7%之间使用两个和三个APs。它可以观察到,与多个追踪器,在需要时配合来预测用户的下一个位置,成功的概率大大增加,飞行员的平均数量减少。另一方面,该算法Stratidakis et al。(2019)是专为操作在低测距误差超过我们的算法。具体来说,常见的位置估计是高度准确的天线波束宽度与APs的高价值σ_e,用它来估计的方向问题只会适得其反。在这种情况下,增加成功的概率的APs是有害的。例如一个美联社,成功的概率从99.5%上升到74.6。两个APs从43.6增加到82%,三APs从53个增加到77.7%。此外,飞行员和两个和三个APs的平均数是误导的常见的位置估计,这是不准确的,用于预测(减少所需数量的飞行员)和估计的方向。换句话说,常见的位置估计Stratidakis et al。(2019)可能使未来的预测问题位置,减少所需数量的飞行员,估计不准确,使方向作为独立的重心位置估计远(相对于狭窄的波束宽度)的实际位置由于高测距误差问题。

在图5最小均方误差,提出了跟踪估计频率的函数,问_我。最小均方误差计算 $米\mathrm{年代}E=\frac{1}{N}{\sum }_{我=1}^N{({\tilde{\theta }}_{我}-{\theta }_{我})}^2$ ,在那里 ${\tilde{\theta }}_{我}$ 估计方向吗θ_我是实际的方向问题与美联社提供最低的APs之间的不一致。使用最低的美联社失调误差的优点使用多个APs跟踪算法的问题。它可以观察到,通过增加的数量跟踪APs最小MSE却降低了。此外,增加问_我降低最小MSE和增加使用1的区别,两个和三个APs。例如,最小均方误差与一个美联社从0.2开始问_我= 1,结束在2×10⁴与问_我= 20。有两个APs它从0.1开始问_我= 1 2.3×10结束⁵与问_我= 20。有三个APs的最小均方误差从0.01开始问_我= 1 6.7×10结束⁶与问_我= 20。

堵塞

堵塞是另一个重要参数,它可以跟踪尝试失败,因为它可以减少接收功率为零。注意,只有完全阻塞的情况进行了研究。只有一个美联社如果被阻塞的链接跟踪要么不能继续和算法已经重新启动,或者继续减少预测精度。与多个APs,常见的位置估计,即使当一个链接被阻塞算法比美联社不需要重启。因此,它可以使用预测和继续保持跟踪试点开销较低的问题。至少一个美联社的基本要求是能够跟踪每个时隙的问题,即使是每次不一样。作为一个例子,表1,成功的概率和平均数量的飞行员给出的4例阻塞概率,Pb。在所有AP-UE链接4例是0%,50%在一个AP-UE链接,50%在两AP-UE链接和50%三AP-UE链接。跟踪估计频率问_我是15和阻塞链接随机在每个时隙。在表1成功的概率在跟踪显示的问题是,在表1飞行员每时隙的平均数量。当一个美联社Pb= 0%,成功的概率是99.2%,而当Pb= 50%,74%。相应的平均数量的飞行员是6.3Pb= 0%和12.5Pb= 50%。有两个APs,什么时候Pb= 0%,成功的概率是99.8%,当Pb= 50%在一个AP-UE链接,当它是98%Pb两个AP-UE链接= 50% 80.8%与飞行员的平均数6.14,分别为6.7和11.5。三个APs,没有堵塞的成功的概率是100%,当Pb= 50% AP-UE链接是99.8%,当Pb=两AP-UE链接是98%和50%Pb三AP-UE链接是90% = 50%。飞行员的各自的平均数量是6.1,6.14,6.7和8.9。它可以观察到PbAPs = 50%, APs的数量越高,成功的概率越高,降低飞行员开销。在这种情况下,成功概率的差异之间使用一个和三个APs跟踪问题是16%和飞行员的平均数量的差异是3.6。

讨论

结果可以进一步改进与额外的APs,但增加的成本为代价的。多个APs的成本是一个很有前景的解决方案的使用可重构智能表面(里斯期)。里斯期需要更少的能源来操作,因为他们只是重定向信号由美联社向传播的问题而不是重新发送。此外,里斯期不放大现有AWGN像amplify-and-forward继电器、和缺乏再生继电器的延时Boulogeorgos和Alexiou (2020);Bjornson et al。(2020)。与APs,里斯期将提供不同的观点,增加成功的概率,特别是在堵塞的存在。然而,RIS不自主,需要发射机功能,这意味着美联社必须跟踪问题一旦直接和RIS。跟踪定位可以帮助减少甚至避免这种不必要的开销,这取决于它的准确性。

结论

本文提出了影响跟踪的可靠性参数分为两类,轨迹跟踪和角分辨率的决议。轨迹跟踪决议包含参数影响的预测跟踪算法和角分辨率包含在每个时隙影响成功的参数估计。此外,beam-tracking方法提出了应对挑战的两类。该方法利用多个APs和一个分层码跟踪用户从不同的位置较低的飞行员开销即使大多数链接都封锁了。这个beam-tracking方法的性能测量通过蒙特卡罗模拟成功的概率在跟踪问题,飞行员的平均数量,每时隙和MSE的指标要求。模拟执行不同的跟踪评估频率和不同数量的阻塞链接。模拟显示一个大区别使用一个美联社和使用两个或三个APs,尤其是低频率跟踪估计或堵塞。与作者的前beam-tracking算法,该算法更健壮的不等错误,提供增加成功的概率估计和减少所需数量的飞行员在现实的错误特别是与多个APs不等。

数据可用性声明

最初的贡献提出了研究中都包含在这篇文章/补充材料进一步询问可以针对相应的作者。

作者的贡献

概念化和方法论、GS、SD、AA。正式的分析和验证,GS和SD。模拟和可视化,GS。Writing-Review和编辑、GS、SD和AA。

资金

这项工作是由欧盟委员会(European Commission)的地平线2020研究和创新计划协议871464(阿里阿德涅)。

的利益冲突

作者声明,这项研究是在没有进行任何商业或财务关系可能被视为一个潜在的利益冲突。

出版商的注意

本文表达的所有索赔仅代表作者,不一定代表的附属组织,或出版商、编辑和审稿人。任何产品,可以评估在这篇文章中,或声称,可能是由其制造商,不保证或认可的出版商。

引用