用于低空经济的XL-RIS辅助近场跟踪技术：一种基于信息论和数据驱动的框架

《IEEE Journal of Selected Topics in Signal Processing》：XL-RIS-Aided Near-Field Tracking for Low-Altitude Economy: An Information-Theoretic and Data-Driven Framework

　　

摘要：

对无人驾驶飞行器（UAV）轨迹进行精确的三维（3D）跟踪对于低空经济的发展至关重要。然而，依赖基站（BS）的传统跟踪方法受到小型天线阵列有限空间分辨率的根本性限制。在本文中，我们建立了一个新的框架，该框架基于大规模可重构智能表面（XL-RIS），并利用虚拟RIS观测（即垂直照射到XL-RIS上的高维信号）作为近场3D UAV跟踪的更丰富的感知范式。由于XL-RIS具有固有的被动反射特性，其高维信号无法直接观测到，必须从低维的BS测量数据中重建出来，这一过程存在严重的病态性问题。我们提供了一种简洁的信息论分析，表明虚拟RIS观测包含的位置信息并不少于压缩后的BS观测数据。在此基础上，我们开发了一种基于DenseNet的虚拟RIS观测重建（VOR）算法，该算法可以学习低维近场信道流形，从而有效恢复UAV的轨迹。然后，重建的观测数据通过所提出的空间-光谱特征提取器（SSFE）进行处理，该提取器包括用于空间编码的CNN、时频分析器和利用逐元素菲涅尔区域相位变化的近场到达角（AoA）提取器。最后，提取的特征被传递给双向LSTM轨迹预测器（BiTP）以实现精确的时间轨迹预测。大量的仿真实验表明，在使用多个RIS探测配置的估计AoA协议下，与仅依赖BS的基线方法相比，该方法能够显著降低均方误差（MSE）。针对具有人机交互功能的大口径天线的测试进一步展示了该技术的优势...

显示更多

!---->!----