【技术实现步骤摘要】
本专利技术专利属于通信感知一体化领域，具体涉及在通信感知一体化赋能下基于mimo-otfs的车联网中波束预测方法。
技术介绍
1、近年来，随着通信技术的蓬勃发展，通信速率不断提高，其与雷达传感在频段上的界限逐渐模糊，频谱资源的稀缺问题愈加突出，这引发了人们对通信感知一体化技术的关注，该技术将通信和感知两种功能集成在一个系统中，通过共享系统资源和信号处理算法实现频谱利用率的提高。目前，通感一体化技术被认为是b5g和6g中的一项重要技术。
2、随着5g大规模多输入多输出(multiple-input multiple-output,mimo)天线阵列技术和毫米波通信技术的持续发展，车联网系统的通信与雷达感知能力大大增强，但考虑到车载信道的快速变化特性，必须通过复杂的波束训练和波束跟踪过程实现波束对准以建立可靠的通信链路，这无疑会产生较大的开销和时延，难以满足车辆网低时延、高可靠的要求。为了解决这一问题，研究者开始考虑将通信感知一体化(integrated sensing andcommunication,isac)技术应用于车辆网络，通过配备通信和雷达感知功能的路边单元发射通信感知一体化信号，并利用接收到的雷达回波信号进行波束预测，提高车联网系统的通信性能。然而，车联网的波束预测与对准仍然存在诸多问题。首先，现有研究大多使用传统的正交频分复用(orthogonal frequency-division multiplexing,ofdm)调制，虽然得益于其低复杂性和高效性被广泛应用于无线通信领域，但是ofdm对载波间干扰
技术实现思路
1、本专利技术提出一种基于mimo-otfs的isac赋能下的车联网中波束预测方法，以解决现有技术存在的精确性和可靠性较差的问题。
2、本专利技术采取的技术方案是，包括下列步骤：
3、(1)、构建一个isac辅助的mimo-otfs车联网系统模型：
4、该系统模型由一个同时具有通信与雷达感知功能的多天线路侧单元(road-sideunit,rsu)和多个车辆组成，其中，rsu配备由nt个发射天线和nr个接收天线组成的均匀线性阵列(uniform linear array,ula)用于收发isac-otfs信号，并服务于具有nv个接收天线的车辆，所有天线阵列均以半波长间距排列；在该模型中，车辆行驶于直线道路，位于道路一侧的rsu与车辆进行视距(line-of-sight,los)通信，同时rsu通过雷达回波估计并预测车辆的运动状态；
5、(2)、建立基于cdda信道的mimo-otfs感知模型、通信模型：
6、假设每辆车的状态在持续时间为δt的传输周期内保持不变，在第n时刻，路侧单元将待发送的isac-otfs信号sn(t)经过发射天线阵列发送给目标车辆，经车辆用户反射后产生雷达回波，回波到达rsu端并被其接收天线阵列接收，在上述的信号收发过程中，雷达回波信号所经历的时域信道连续时延-多普勒-角度(continuous-delay-doppler-and-angle,cdda)信道。
7、cdda信道是一种具有连续延迟-多普勒-角度值的精确信道矩阵模型，不同于常见的mimo-otfs信道脉冲响应，该信道模型无需假设其信道中的时延和多普勒频移是相对应的otfs信号中时延和多普勒分辨率的整数倍，也就是说采用cdda信道的mimo-otfs通信感知一体化系统的感知精度将不再受限于isac-otfs信号模型的分辨率大小，可利用更精确的参数估计算法获取车辆状态信息，以满足车联网中波束预测与对准的高精度要求。
8、a)所述感知模型表示为：
9、
10、上式中，θn为时域连续时延-多普勒-角度信道中表征时延多普勒效应的矩阵，(·)t表示共轭转置，a(θn)和b(θn)分别为路边单元发射和接收天线阵列导向矢量，将其展开为：
11、
12、此外，是rsu端发射波束形成矢量，表示为其中是将n-1时刻雷达回波的估计值经过状态演化模型后得到的当前时刻的预测角度，为rsu端接收的雷达回波信号，为雷达信道中方差为的加性高斯白噪声；
13、b)所述通信模型为：
14、
15、上式中，表示rsu端发射天线和车辆用户端接收天线的天线阵列增益，为多普勒频移矩阵，用于描述通信信道的时变特性，是通信信道中功率谱密度为el/2的高斯白噪声，表示车辆端ula天线的接收导向矢量，可将其展开表示为：
16、
17、其中，φn是rsu发射的isac-otfs信号到目标车辆的到达角(angle of arrival,aoa)，为车辆端的接受波束成形矢量，表示为其中来自于n-1时刻的发送信号所携带的预测信息，该aoa预测值是rsu端在n-2时刻利用状态演化模型进行两步预测得到的，车辆端在n-1时刻接收，在n时刻使用，另外，αn是路径损耗系数，依赖于相对距离dn、载波频率fc和已知参考路径损耗αref，可以将其表示为：
18、
19、最后，为车辆端接收到的isac-otfs信号，表示车辆端通信接收信号的收发关系，为了衡量rsu与车辆通信的可实现速率大小，利用上述收发关系计算车辆的接收信噪比，进而得到车辆在各个时刻的可实现速率，因此，车辆在n时刻的接收信噪比(signal-noise ratio,snr)为：
20、
21、由公式(11)，得到了目标车辆在n时刻的snr，当信号功率和噪声功率谱密度一定时其大小完全依赖于rsu端发射波束形成矢量和车辆端接收波束成形矢量，通过可以得到车辆在n时刻的可实现速率，表示为：
22、
23、(3)、采用mc-omp多维参数估计算法获取感知模型中雷达回波所携带的信道信息和车辆状态信息；
24、最大似然补偿的正交匹配追踪(maximum likelihood compensated orthogonalmatching pursuit,mc-omp)算法是一种适用于cdda信道的高精度多维参数估计算法，该算法基于cdda信道的信道特性而设本文档来自技高网...
【技术保护点】
1.一种基于MIMO-OTFS的ISAC赋能下的车联网中波束预测方法，其特征在于，包括下列步骤：
2.根据权利要求1所述的基于MIMO-OTFS的ISAC赋能下的车联网中波束预测方法，其特征在于：所述步骤(2)中CDDA信道是一种具有连续延迟-多普勒-角度值的精确信道矩阵模型，不同于常见的MIMO-OTFS信道脉冲响应，该信道模型无需假设其信道中的时延和多普勒频移是相对应的OTFS信号中时延和多普勒分辨率的整数倍，也就是说采用CDDA信道的MIMO-OTFS通信感知一体化系统的感知精度将不再受限于ISAC-OTFS信号模型的分辨率大小，利用更精确的参数估计算法获取车辆状态信息，以满足车联网中波束预测与对准的高精度要求。
3.根据权利要求1所述的基于MIMO-OTFS的ISAC赋能下的车联网中波束预测方法，其特征在于：所述步骤(3)中的最大似然补偿的正交匹配追踪MC-OMP算法是一种适用于CDDA信道的高精度多维参数估计算法，该算法基于CDDA信道的信道特性而设计，可通过对主动感知的回波信号进行处理直接得到车联网中目标车辆速度、距离、到达角以及出发角的估计值
4.根据权利要求1所述的基于MIMO-OTFS的ISAC赋能下的车联网中波束预测方法，其特征在于：所述步骤(4)的车辆状态演化模型为单车场景下的建模，该模型中目标车辆行驶于单行道，车辆的状态演化方程是基于车辆的前一个状态和车辆与路边单元的几何关系以及运动学方程确定，另外，单车建模结果依然适用于多车场景，每辆车与最接近的RSU进行交互即可；
...【技术特征摘要】
1.一种基于mimo-otfs的isac赋能下的车联网中波束预测方法，其特征在于，包括下列步骤：
2.根据权利要求1所述的基于mimo-otfs的isac赋能下的车联网中波束预测方法，其特征在于：所述步骤(2)中cdda信道是一种具有连续延迟-多普勒-角度值的精确信道矩阵模型，不同于常见的mimo-otfs信道脉冲响应，该信道模型无需假设其信道中的时延和多普勒频移是相对应的otfs信号中时延和多普勒分辨率的整数倍，也就是说采用cdda信道的mimo-otfs通信感知一体化系统的感知精度将不再受限于isac-otfs信号模型的分辨率大小，利用更精确的参数估计算法获取车辆状态信息，以满足车联网中波束预测与对准的高精度要求。
3.根据权利要求1所述的基于mimo-otfs的isac赋能下的车联网中波束预测方法，其特征在于：所述步骤(3...
【专利技术属性】
技术研发人员：王春悦，王勇，董颖，石若欣，柴云昊，
申请(专利权)人：吉林大学，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。