低空无人机位置预测辅助的近场自适应波束宽度控制技术在XL-MIMO系统中的应用

《IEEE Internet of Things Journal》：Low-Altitude UAV Position Prediction-Assisted Near-Field Adaptive Beamwidth Control for XL-MIMO Systems

低空无人机通信面临XL-MIMO系统近场波束偏移挑战，提出动态位置预测辅助自适应波束跟踪算法，仿真验证其优于传统方案且兼顾近远场稳定性

　　

摘要：

近年来，由于无人机（UAV）具有高机动性和运行效率，它们在低空经济中变得至关重要，这使得它们能够在各种应用中快速灵活地执行任务。为了支持低空无人机的飞行控制和管理，地面基站（BS）需要确保通信质量具有高容量、超低延迟和高可靠性。能够形成高增益定向波束的极大规模多输入多输出（XL-MIMO）系统非常适合满足低空经济中无人机的通信需求。然而，由于无人机的机动性，通信信号可能会迅速偏离波束的主瓣，从而导致波束错位和通信质量显著下降。为了解决这个问题，本文首先分析了服务于低空无人机的XL-MIMO系统的近场波束模式，然后将波束模式的相位分解为线性和非线性分量，以确定近场中的角度和距离半功率波束宽度（HPBW）。接着，利用预测误差来确定基于无人机位置预测的激活天线数量，以实现动态波束宽度调整。此外，还提出了一种近场自适应波束宽度控制辅助跟踪（NF-ABCT）算法，以提高波束跟踪的效果。最后，仿真结果表明，与现有的固定波束方案和信道估计方法相比，所提出的NF-ABCT在保持近场和远场波束跟踪的鲁棒性和稳定性的同时，实现了更高的信噪比（SNR）。

引言

无人机（UAV）在低空经济中发挥着重要作用，因为它们在物流配送、环境监测、基础设施检查等领域具有高效的运行能力，并且具有推动创新和经济增长的潜力[1]、[2]、[3]，因为无人机的应用场景在传输、覆盖范围和抗干扰方面变得越来越多样化[4]。然而，低空经济的快速发展也对低空网络基础设施提出了更高的要求，特别是在无人机轨迹跟踪、碰撞预警和入侵检测等关键能力方面。为了解决这些挑战，集成了通信和感知功能的基站（BS）已成为低空经济中的核心技术之一[5]。极大规模多输入多输出（XL-MIMO）是通过部署大量天线来显著提高通信容量和抗干扰能力的主要技术之一[6]。同时，得益于毫米波（mmWave）和太赫兹频段丰富的频谱资源，高频通信可以提供大量的可用带宽[7]。这些优势不仅大大提高了无人机的抗干扰能力和传输可靠性，还增强了基站的感知能力[8]。然而，服务于低空无人机的XL-MIMO系统中天线数量的急剧增加使得近场效应不可避免[9]，这带来了一些挑战。例如，由于无人机的高机动性和不确定的飞行轨迹，准确的定位预测对于维持可靠的通信链接至关重要。在近场，这个问题更加突出，因为球形波前比基于平面波前的远场更复杂，使得波束管理更加困难[10]。此外，即使跟踪或信道估计相对准确，无人机的快速移动仍可能导致频繁的波束错位，从而导致链接不稳定和性能严重下降[11]。