基于飞行传感器数据与波束成形的无人机集成跟踪及高斯过程回归信道估计
信号处理
2020-11-23 v1
摘要
随着无人机（UAV）应用需求的爆炸式增长，为无人机服务提供可靠链路获取成为必需。考虑到无人机的动态特性，在无波束失准情况下维持可靠链路极具挑战性。本文提出一种基于飞行传感器数据与波束成形信号的无人机集成跟踪方案以应对该问题。所提方案提供了一种兼容的集成系统，兼顾了飞行传感器数据与波束成形导频信号的实际规格。无人机位置跟踪由两步组成：1）通过飞行传感器数据预测无人机位置；2）利用高斯过程回归（GPR）方法（一种非参数机器学习）以波束成形信号更新位置。飞行传感器数据可辅助地面站（GS）或无人机节点设计预编码与接收波束成形矩阵，大幅降低开销。波束成形信号即使在没有飞行传感器数据时也能维持高波束成形增益。因此，所提方案可利用这两种信号持续支持移动目标。仿真结果证实了所提方案优于其他传统波束跟踪方案。我们还从角度值估计的均值绝对误差（MAE）推导出三维（3D）波束成形增益与频谱效率（SE），其可预先用作数据传输链路的波束成形性能指标。
引用
@article{arxiv.2011.10177,
title = {Flight Sensor Data and Beamforming based Integrated UAV Tracking with Channel Estimation using Gaussian Process Regression},
author = {Ha-Lim Song and Young-Chai Ko},
journal= {arXiv preprint arXiv:2011.10177},
year = {2020}
}