位置协助的无人机毫米波通信网络自适应信道估计

第46卷第6期 计算机工程2020年6月
V o l.46 N o.6 C o m p u te r E n g in e e rin g June2020
•移动互联与通信技术• 文章编号：1000#428(2020)06-0196-06 文献标志码：A 中图分类号：TN929.5
位置协助的无人机毫米波 计
何尔利1，纪澎善1!贾向东1，2 !牛春雨1
(1.西北师范大学计算机科学与工程学院，兰州（30070; 2.南京邮电大学江苏省无线通信重点实验室，南京210003)
摘要：在无人机毫米波通信网络中，无人机与基站间通信可为无人机和核心网络之间的交互提供关键回程链路。

为支持基站与无人机之间稳定 输 接人，种位 的无人机毫米 计
方法。

升毫米 无人机的 能为目标，构建无人机和毫米波基站的三维位置模型，使用分层多分码本和自 计方法，利用源自全球卫星导航系统的 辅 计 ，并针接噪比
和平均 计时间 能分析。

仿真结果表明，与无位置信息辅助的方法相比，该方法能 计速获得较高的天 。

关键词：毫米波通信；位置信息；无人机通信；信道估计；波束成形
开放科学（资源服务）标志码（O S ID)
中文引用格式：何尔利，纪澎善，贾向东，等.位置协助的无人机毫米波通信网络自适应信道估计[J].计算机工程，
2020，46(6): 196-201.
英文引用格式：H E E r l i&JI P e n g s h a n，JIA X ia n g d o n g，e t al. P o sitio n-a id e d ad a p tiv e ch a n n e l estim a tio n f o r m m W a v e
c o m m u n ic a tio n n e tw o rk o f U A V[J]. C o m p u te r E n g in e e rin g，2020,46(6): 196-201.
Position-aided Adaptive Channel Estimation for
mmWave Communication Network of UAY
H E E r ii1，J I P e n g s h a n1，J I A X ia n g d o n g1，2，N I U C h u n y u1
(1. College o f Computer Science and Engineering，N orthwest N orm al U n iv e rs ity，Lanzhou 730070,China;
2. Wireless Communication Key Lab o f Jiangsu Province，Nanjing University o f Posts and Telecommunications，Nanjing 210003,China)
【A b s t r a c t】In m illim e te r-W a v e! m m W a v e) co m m u n icatio n n etw o rk o f U n m an n ed A erial V e h ic le s! U A V)，co m m u n icatio n
betw een th e U A V and the base station provides a critical backhaul lin k for interactions betw een the U A V and th e core netw ork.
In o rder to support stable com m unication w ith a high transm issionrate betw een U A V and base stations as w pap er proposes a p o sition-aided channel estim ation m ethod fo r m m W ave c om m unication o f U A V. W ith t the perform ance o f m m W ave netw ork serving U A V，the three-dim ension al position m odel o f U A V a n d m m W ave base stations is
constructed. M e a n w h ile，hierarchical m ulti-resolution c odebook and adaptive channel estim ation m ethod are a d o p te d，and the
side inform ation from th e global satellite navigation system assists in channel estim ation. T hen perform ance analysis is
im plem ented on th e received S ig nal-to-N o ise R atio (S N R) and the average channel estim ation tim e. Sim ulation results show
th a t，com pared w ith the m ethods w ithout th e assistance o f position in fo rm a tio n，the proposed m ethod can effectively accelerate
the channel estim ation process and obtain h ig her antenna a r a y gains.
【K e y w o r d s】m illim e te r-W a v e( m m W a v e) c o m m u n ic a tio n；p o sitio n in fo rm a tio n；U n m a n n e d A e ria l V eh icle ( U A V)
c o m m u n ic a tio n； ch a n n e l estim a tio n；b e a m fo rm in g
D O I:10. 19678/j. issn. 1000-3428.0056220
"c-富的频谱资源，是5G通信中的关键技术之一，而无
人机（U n m a n n e d A e r ia l V e h ic le，U A V)协助的无线通毫米波（m illim e te r-W a v e，m m W a v e)通信具有丰可 更高的系统容量、更长的
基金项目：国家自然科学基金（61861039，61561043 )。

作者简介：何尔利（1978—），男，讲师、硕士，主研方向为无线传感器网络、嵌入式技术；纪澎善，硕士研究生；贾向东，教授、博士；牛春雨，
硕士研究生。

收稿日期：2019-10-09 修回日期：2019-12-17 E-m ail:***************.cn
第46卷第6期 何尔利，纪澎善，贾向东，等：位置协助的无人机毫米波通信网络自适应信道估计 197
更大的覆盖范围，是5G技术的另一个重要应用领域[14]。

无人机具有高机动性、灵活性和易于部署的 特点，已被广泛应用于各种场景，如作为空中基站为 地面用户提供服务、在紧急情况下提供网络覆盖等[+4]。

结合无人机的毫米波通信网络可以实现高数据传输速率，可提供更加灵活的网络覆盖。

然而，毫米波通信中存在严重的路径损耗，为了弥补这一 不足，需要通过天线阵列形成窄带定向波束和较高天线阵列增益来补偿损耗[5]。

当无人机被作为空中用户设备时，上行链路传输需要更高的宽带才能上传采集到的数据信息[6]。

为了更好地支持无人机上行链路通信并获得更高的 功率增益，需要通过天线阵列和窄带波束相互导向[7]，自适应地调整天线辐射模式，形成针对无人机 的特定天线波束，以增强信号接收能力。

因此，研究 人员提出在B S和U A V两端的角域中搜索波束最佳 方向的问题。

为解决波束追踪及对准问题，研究人员针对自 适应波束成形及信道估计方案做了大量研究。

文 献[8-9]提出多阶段自适应毫米波信道估计方法，在 发射端和接收端实现了高天线增益。

文献[10]提出1系统模型
在无人机毫米波通信系统中，假设无人机作为
用户设备与毫米波基站进行通信，而毫米波基站作为初始接人点向无人机发送控制或任务命令等信息。

由于无人机通常比地面基站高，且两者间障碍
物较少，因此考虑地对空信道为视距（L i n e o f S ig h t，L O S)链路[16]。

假设在窄带毫米波通信系统中，
U A V和B S分别配备4uav和4bs根天线的单位线性 阵列（U n if o r m L in e r A r ra y s，U L A)，阵元间距为半波
长|，射频链路数为M RF，为减少B S的功耗，通常有
M rf,M bs。

B S射频链路数4B='1，U A V用户采用 单射频链路，由于本文使用单位线性阵列，因此无人 机的 U L A 到达角（A n g le o f A r r iv a l，A O A)为'！[0，*)，其阵列响应如下：
5(') _ 1[&e2*s i n'... + 2(4uav_&)*s i n']Q
槡4U A V
(&)基站 U L A 的发射角（A n g le o f D e p a rtu re，A O D)为/![0，*)，其阵列响应如下：
一种以用户为中心的分布式毫米波蜂窝小区基站与 波束的自适应选择算法，以保证用户服务质量，但该 算法只适用于静态节点。

文献[11]研究了车联网环 境下先验信息协助的信道估计方法，但其只限于二维场景中，没有考虑到无人机作为空中用户在三维场景中的位置运动模型。

文献[12]提出一种基于波 束模 的毫米 系统 束追 算 & 用 束辐射模式的变化估计到达角，实现了波束的精准对准。

文献[13]为满足无人机实时波束匹配需求，研 究了基于傅里叶变换的码本设计方法，有效提高了 束。

上述研究方法均假定初始信道信息已知，但由 无人 的 较 &其运 场 为三维模型且位置信息等参数未知。

因此，需要进一步研究无人机系统专用信道估计方法。

文献[14 ]对无人机 毫米波网络的研究现状和面临的挑战进行分析，以实现无人机快速波束追踪为目标，提出使用侧面信息辅助波束追踪过程的设想。

文献[15]基于波束空 间多输人多输出系统，提出一种利用无人机移动特性的波束选择方法以最大化速率和能量效率，并构 建了无人机基站和地面用户位置模型。

在文献[14-15]的基础上，本文构建一个单无人 机用户毫米波通信网络模型，提出基于位置信息协助的无人机毫米波通信网络B S-U A V信道估计方法。

通过U A V与基站三维位置模型获取先备B S和 U A V 位 & 辅 计 & 天
益并缩短信道估计时间。

«(/)= ^^[1，e-_*s m
槡4B S
...e -_(mb s-1)*111/]T( 2)基站和无人机之间的信道为窄带毫米波L O S 信道，&为M bs x M u a v的矩阵，则单径信道几何模型 如下：
/m bsm iiav p
&_槡 p5(')5(/)H(3)其中，P为基站和无人机之间的平均路径损耗[17]，3~&%(0，*)为传播路径复增益，5(')和5(/)为 天线阵列响应向量。

基站使用波束成形向量/(，（ _ 1，2,…，M b s# U A V使用测量向量，w，W_1，2,…，M u a v。

由文 献[18]可知，若采用块衰落信道模型，则U A V处的 接收信号：*可表示为：
，H&$(4)其中，-为发射功率，'为从基站发送到无人机的数据且#[ I'2] =1，；〜c n(o，*/…uav)是加性复高斯白噪声。

U A V处的接收信号的矩阵表示为：
其中，！ _ [，1，,$，…，，mrf]为M uav. 1的测量矩阵，A= [/1，/$，…，/mrf]为基站使用的M bs x MR?波束 成形矩阵，B为M bs x M uav噪
声矩阵。

198计算机工程2020年6月15日
2位置信息协助信道估计
2.1无人机位置模型
无人机的位置模型如图1所示。

在三维坐标系中，坐标原点为基站位置，假设B S高度为O B?&无人机在固定〇UAV处，则在三维空间中无人机位置可表示为(<，=，〇UAV)，无人机飞行半径D-槡<20=2，无人机R〇i= [ 'v-a rc s in[^====)，
+ a rc s in f —.° \(9)
槡<”=+A O21
r D
R-*—'D+ a rc s in~7，
/l(槡2d+=+A〇2J，
到基站的距离F-槡r^ + ( O U AV - O B S " 2。

图1无人机位置模型示意图
F ig. 1 Schem atic d ia g ra m o f U A V p osition m odel
假设J和+分别为L O S路径的仰角和方位角。

由三角形几何理论[19]可得：
+ - arctan^
I <
其中，A O为U A V和B S的高度差，由式（6)及几何理论可进一步得到如下公式*
cos'- sin+ cos j(7)
假设无人机的位置信息为距离地面基站F d的 圆形区域D，其半径为r，则区域D中的一点可以表示为（<，=，0^!)。

由式（6)和式（7)可得：
<d
'D - arccos— D(8)
槡d2+=d2+A〇2
U A V的先备A O A和A O D区域即为U A V的先备位，利用先备可部分不正确的
A O A和A O D信息。

在此基础上，m m W a v e基站可以将波束方向，为计过程提供辅助。

由上公式推图1位置模型可得U A V先验的A O A和A O D区域，则位置区域D先备的A O A和A O D信息可表示为：
槡2d+=+A〇2)
其中，'！R'，/!R/。

2.2自适应信道估计及码本设计
无人机毫米的特点在于无人机在空中的反射通常上用户周围的反射要L 。

同的分量在无人有非常接近的转向角，整个在中较为稀疏[2〇]。

因此，基知的自计方无人机m m W a v e 系统较为适用。

在无人机毫米系统模型中，通常采用发射端的P个波束成形向量和接的P个测量向量组成的组合权重向计[8]，将自
计分为7个阶段，在7个阶段可供的导向向量数为P，如图2所示。

图2 多阶段自适应信道估计示意图
F ig. 2 Schematic diagram o f m ulti-stage adaptive channel
estim ation
码本的设计是为了在数据传输前束：，基设计好的码本可以为波束成形找到
的导向向量。

相较于穷举的方式，分层搜
束方向的、性能更佳，因此1乏采用。

基[21] 的分层多分码设计方案设计波束成形向量，并采用空间相同的方案，具体如下：
R7=[(1-|)，(1-¥)](11)其中，；-1，2,…，P7, a rc c o s R7![0，*]，空间频率范为（-1，1)。

在波束宽窄的方向，获得的波束成形。

2.3位置信息辅助信道估计方法
准确的波束方向估计束形成算法获：的天具有重要作用。

由理条件会导致波束方向估计不准确，传统的波束形成算法在严重的性能退化问题，而可
升计能，因此种
融
第46卷第6期 何尔利，纪澎善，贾向东，等：位置协助的无人机毫米波通信网络自适应信道估计 199
合信道信息与无人机位置信息的方法来精确估计其 角度范围。

使用来自全球导航卫星系统（G lo b a l
N a v ig a tio n S a te llite S y s te m&G N S S)的无人机先备位 置信息提升自适应毫米波信道估计性能，无人机的 位置信息直接通过G N S S或由宏基站提供给m m W a v e基站，以实现快速波束扫描过程。

利用无人机位置信息可以预先推导出视距路径 的A O A和A O D，其范围定义如下：
< + D
3= a rc c o s——&
'^槡(< +r D)2+ (= -D)2+(〇2
I
a rcco s —------
槡（x--D"$ + (y+ r D)$+A H2.
(12)
< + D
3- *_ arccos —— & L槡(< + d)$ 0 (y-d)20(H$
I *_ a rc c o s—------
槡(< _d)2 + (y+ d)2 +(H$■
(13)其中，为/ ! 3/，' ！ 3'。

结合式（9 )和式（10)，即可得到在毫米波基站先备的A O A和A O D辅助信道 计。

令p(7)和G(7分别为波束成形向量和测量向量 的索引。

在7阶段，由两者组成的向量对为（P(7, G(7)。

在信道估计过程中，如果接收信噪比（S ig n a l-to-N o is e R a tio，S N R)最大，则该导向向量对被选取并估 计到正确的A O A和A O D范围的概率可表示为* -(P(k)，q(k))=
V((7(7{|=(7洲12-1=」2>〇})( 14)
其中，j(7) - {(p，q):(p，q)-(p(7，q(7)}，
L_7w l2的累积分布函数如下*
U(<) -&-T i(槡L，槡)(19)
其中，T i d，V<)9i阶马库姆T函数，则有*
-(K7’q(7)-9$ j5…w(1-a(槡：槡))/(啦
(20)
在信道估计完成后，期望接收信噪比为*
S N R('/)-
((-((，W)-
;(//(
(-1w - 1
( 21 )另一个量化性能指标为信道估计时间，当无位 置信息辅助时，平均信道估计时间计算公式如下* T= k(P2-1) (22)
在位置信息辅助方法下，平均信道估计时间为：T('，/-
Pk Pk r$ r$ k
(5(k)(1-9e-(—.
(-1W-1J0((，W) e J(k) v J 槡槡
M d x)d</(x)d< (23)
3仿真分析
为研究位置信息对信道估计性能的影响，对本 文位置信息辅助的无人机毫米波网络信道估计方法 进行仿真。

如图1所示，假设基站位置确定，无人机 位置不确定，位置信息区域D半径d的大小分别代 表不同精度的位置信息，分别在无位置信息、有位置 信息（粗定位、精定位）的情况下对接收信噪比和平均信道估计时间进行比较。

同时，选取不同发射角度进行仿真分析，其他仿真参数设置如表1所示。

=7w I2为2个自由度的非中心卡方随机变量。

非 中心参数为;^,w，计算公式如下*
. 2 I32I53s(/)/(I2K v O w l2/1C、Xp，W-2(1))
*，w l2=^H^(16)
(J
令/(<)为式（14)的概率密度函数，其计算过程 如*
其中，M(<) -((</2'6)2是第1类0阶修正贝塞尔
60
数。

由贝叶斯理论可知：
-(p(k)，q(k))-
f V(((k){l yk^(k>• q(k) !2<x}lx)/(x)d x
(18)
表1仿真参数设置
T able 1 Setting o f s im u la tio n param eters
参数取值
4b s30
4uav6
k3
粗定位D/：m10
发射功率/dBm30
4R=12
P2
4R=v1
精定位D/：m1
BS-U A V距离范围/m(25，250 ]
图3给出在不同A O D大小的情况下，无位置信 息辅助方法与本文所提出的位置信息辅助信道估计 方法接收信噪比的对比。

从图3可以看出，随着无 人机与基站之间距离增大，接收信噪比总体呈下降趋势，且A O D-25。

时的接收信噪比整体高
于
200
计算机工程
2020年6月15日
Fig. 3
方法与 方法的平均 计时间。

从图4可
，在无位 情
&
计所用时间
随
化。

在位
辅
，平均
计时间大 ，随着无人机与基
的增加，位 辅
略
均
计时间。

这是因为位
要 束扫描的 〖范围
变窄，从而找
发射波束
的时间。

10r
9<^ 0
0-------0---------0-----0------0---------0
0-------0
图4
不同位置信息下平均信道估计时间对比
F ig. 4
C om parison o f average channel estim ation tim e u n d er d iffe re n t p o sition in fo rm a tio n
A O D -75°的接
噪比。

当无人机与基站之间距
为25 m 〜75 m 时，有无位
接
噪比的大。

这是因为当无人机与基站之间
较近时，接 大，位 天
较小，但两者间距大于75 m 时，有位 辅助的接噪比明显 无位
的方法，且A O D 的
大小变化不会对上 造成
，
天
的 ，有位 方法可获得更高的天
}。

同时，如图3中大区 示，在有位
辅的情 ，精定位位
定位位
辅略性能好，且位
确
，接
噪
大，位
辅助方法的性能。

此外，位
辅 计方法还可适应A O
D 的变化，
同大小的A O D ，本文方法所用
均 计时间更少。

位
升可进一
优化平均
计时间，在定位位
辅助
情况下，毫米波基站可以在极短的时间内将波束调
方向。

4
结束语
种位
辅助的基站与无人机毫米 计方法。

构建三维无人机位置模型，在此基 上， 用位
将 束 方向辅 计。

仿真结果表明，该方法可
较高的天
计时间。

将通过建
立无人机航行轨迹三维 模型设计无人机毫米波
的三维波束成形方法。

参考文献
[1]
ZEN G Y o n g ，L U Jiangbin，Z H A N G Rui. C ellular- connected U A V ： po ten tia l ，challenges，and prom ising technologies [ J ]. Il^EE Wireless C om m unications ，2018， 26(1):120-127.
[2 ]
CHEN Yuwan，JIA Xiangdong，JI Pengshan，et al. Spectrum analysis of millimeter wave heterogeneous networks based on poison cluster process [ J O L ]. Computer Engineering ： 1-7 [2019-11-30]. h ttp ://k n s. cnk. net/kcm s/detail/31. 1289. tp. 20191113.1347.003. html. (in Chinese)
陈玉宛，贾向东，纪澎善，等.基于泊松簇过程的毫米 异构
谱分析[J /O L ] •计算机工程：1-7[2019-11-30]. h t t p :///n s . cnki. n e t//c m s /d e ta il/31. 1289. tp. 20191113. 1347.003. htm l.
[3 ]
ZENG Y ，ZHANG R ，L IM T J . Wireless communications with unmanned aerial vehicles：opportunities and chdlenges[J].IEEE Communications Magazine ，2016，54(5) :36-42.
[4 ]
C H EN L e le ，Z H U Q iu m in g ，L U Z h iju n ，et al. On the m odeling and characteristics analyze fo r U AV-based millimeter wave channels [ J ]• Journal of Signal Processing ， 2019，35 (8) ：1385-1391. (in Chinese)
，
明，陆智俊，等.无人机毫米波信道建模及统
计特性研究[J] •信号处理，2019，35 (8 )： 1385-1391.
[5 ]
L IU G ，PROIETT R ，ZHANG K ，et a. Blind modulation format identification using nonlinear power transformation [ J ]• Optics Express ，2017，25 ：30895-30904.
[6 ]
W A N G M ia o ，LU O C hunbo，M I Y a n g ，et al. Position- based beamforming desig^n fo r U A V comm unications in L T E networks [ C ]//P roceedings o f IEEE International Conference on Communications. Washington D. C .，U S A ： IEEE Press，2019 ：1 -6.
[7]
Z H O N G W e iz h i，X U
L e i，Z H U
Q iu m in g ，et
al.
M m W ave beamforming fo r U A V comm unications w ith unstable beam pointing [ J ] $C h in a C om m unications ， 2019，16(1) ：37-46.
图3
不同位置信息下接收信噪比对比
C om parison o f received SNR u n d e r d iffe re n t position in fo rm a tio n
图4给出不同A O D 大小情况下，位置信息辅助P Q
p /^f l
#
第46卷第6期 何尔利，纪澎善，贾向东，等：位置协助的无人机毫米波通信网络自适应信道估计 201
[8 ] A L K H A T E E B A，E L A Y A C H0，LEUS G，et al.
Channel estimation and hybrid precoding fo r m illim eter
wave cellular systems [ J ].IEE E Journal o f Selected
Topics in Signal Processing，2014,8(5):831-846.
[9]HUR S，K IM T，LO VE <J，et al. M illim eter wave
beamforming for wireless backhaul and access in small cell
netw orks[J]. IEEE Transactions on Communications，2013,
61(10):43914403.
[10 ] W A N G Tao, ZHOU Zhigang，L I Mao. User-centric adaptive
base station and beam selection algorithm [ J ]. Computer
Engineering，2019，45 (1)*50-54. (in Chinese)
王涛，周志刚，李茂.以用户为中心的基站与波束自适
应选择算法[J].计算机工程，2019,45(1):50-54.
[11] G AR C IA N，W YMEERSCH H，STROM E G，et al.
Location-aided m m W avechannel estimation for vehicular
communication [ C ] //Proceedings o f IEEE International
Workshop on Signal Processing Advances in Wireless
Communications. Washington D. C.，U S A：IEEE Press，
2016:1-5.
[12 ] GAO Kang，CAI M ngm ing，NIE D ing，et al. Beampattem-based
traclcing for millimeter wave communication systems [ C ]//
Proceedings of 2016 TEER Globa Communications Conference.
Washington D. C.，U SA：IEEE Press，2016 : 1-6.
[13 ] GU Y o n g，Z H0N G W e izh i，W A N G L e i，et al. Optimal code
book design for efficient beam search o f U A V m illim eter
wave communication [ J ]. Journal o f M icrowaves，2019，
35(5):67-71. (in Chinese)
顾勇，仲伟志，王磊，等.面向无人机毫米波高效波束搜索
的码本优化设计[J].微波学报，2019,35(5):67-71.
[14] ZH AN G C hiya，ZH AN G W eizheng，W A N G W e i，et al.
Research chaienges and opportunities o f U A V m illim eter-
wave communications [ J ]. II^EE Wireless Communications，
2019，26 (1)：58-62.[15]M U Xidong，GUO L i，DONG Chao,et al. A beam selection
method based on unmanned aerial vehicle millimeter wave
communication [ J ]. Journal of Beijing University of Posts and
Telecommunications，2019,42(3) *120-126. (in Chinese)
慕熹东，郭莉，董超，等.一种基于无人机毫米波通信的波
束选择方法[J].北京邮电大学学报，2019,42(3):
120-126.
[16]W A N G H aichao, W A N G J in lo n g，C H EN J in，et al.
Network-connected U A V communications ：potentials and
challenges [ J ]. China C om m unications，2018，15 ( 12 )：
111-121.
[17]K H U W A J A A A，C HEN Y，Z H A O N，et al. A survey o f
channel m odeling fo r U A V communications [ J ]. IEEE
Communications Surveys and T uto ria ls，2018，20 ( 4 )：
2804-2821 .
[18]KOKSHOORN M，CHEN H，L I Y，et al. Beam-on-graph:
simultaneous channel estimation for mmwave M IM O systems
with multiple users [ J ]. TEEB Transactions on Communications，
2018，66(7) *2931 -2946.
[19]ZH U Lipeng，ZH AN G Jun，X IA O Zhenyu，et al. 3D
beamforming for flexible coverage in millimeter-wave
U A V communications [J]. IEEE Wireless Communications
Letters,2019，8 (3) ：837-840.
[20]X IA O Z h e n y u，X IA P engfei，X IA Xianggen. Enabling
U A V cellular w itli m illim eter-w ave com m unication：
Potentials and approaches [ J ]. IEEE Communications
M agazine，2016,54(5):66-73.
[21]L U Yang，ZH AN G W ei. Hierarchical codebook and beam
alignment for U A V communications [C]//Proceedings o f
2018 IEEE GLOBECOM Workshops. Washington D. C.，
US A: IEE EPress，2018 : 1-6.
编辑金胡考。