毫米波UAV通信系统中的智能信道获取与传输方法研究

By incorporating with the millimeter wave massive MIMO technology, the unmanned aerial vehicle (UAV) communication systems can exploit simultaneously the strong flexibility and adaptability of UAV, as well as the wide bandwidth and high spectral/energy efficiency of millimeter wave massive MIMO, which provide a novel solution to the all-scenario, huge-traffic and wide-application visions and requirements of future wireless communication systems. This project reconsiders the channel acquisition and optimal transmission problems in the millimeter wave UAV communication systems from the perspective of big data. By utilizing the advanced array signal processing technology and intelligent learning approach, we first analyze the space-time-frequency structure characteristic of the millimeter wave massive MIMO channel tensor. Under this basis, we focus on the issues of channel acquisition under dual time-varying environment and transmission protocol design under complexity/energy constraints. Moreover, to overcome the challenges of continuous and reliable coverage under highly dynamic network topology, we investigate the cooperative and opportunistic transmission strategies for millimeter wave UAV system by exploiting the reinforcement learning and edge caching idea. The results of this project will formulate the theoretical foundation for high spectral/energy efficiency millimeter wave UAV systems driven by advanced array signal processing technology and intelligent learning approach.

将无人机（Unmanned Aerial Vehicle, UAV）通信系统与毫米波大规模MIMO技术相结合，能够充分利用UAV部署灵活、复杂环境适应性强等优点以及毫米波大规模MIMO频谱资源充足、频带/能量利用效率高的优势，为实现未来无线通信全场景、巨流量、广应用的愿景与需求提供了一种新的解决思路。本项目从大数据的视角对毫米波UAV通信系统中的信道获取与最优传输问题进行重新审视，利用先进阵列信号处理技术与智能学习方法，以毫米波UAV大规模MIMO信道张量的空-时-频结构特征分析为切入点，重点开展双重时变条件下的智能信道获取与复杂度/能耗受限条件下的智能波束成形方法研究。在此基础上，借助增强学习与边缘缓存思想，研究适用于UAV场景的协同组网和机会传输策略，解决网络拓扑高动态条件下的连续、可靠、高效覆盖问题，最终形成以先进阵列信号处理技术和智能学习为驱动的毫米波UAV高能/谱效传输理论方法。

与传统地面移动通信系统相比，以无人机（Unmanned Aerial Vehicle, UAV）作为空中无线接入节点（空中基站）的新型组网方式兼具部署的灵活性、对复杂环境良好的适应性以及较为可靠的视线（Line of Sight, LoS）通信链路，成为应对未来军事和民用领域无线通信网络多样化需求的一种新的途径。本项目围绕毫米波UAV通信系统中的信道获取与传输方法展开研究，以毫米波UAV大规模MIMO信道结构特征分析为切入点，利用先进阵列信号处理技术与智能学习方法，重点开展数据驱动的毫米波UAV信道检测与追踪、模型驱动的毫米波UAV波束成形方法、以用户为中心的毫米波UAV传输方法研究，主要创新成果包括：1）提出基于变分贝叶斯学习的快时变信道鲁棒估计与追踪方法，可有效提升双重时变条件下毫米波UAV信道估计精度，并大幅降低导频开销；2）立足于新一代移动通信网络的感知通信复合需求，提出毫米波UAV指纹定位与信道估计一体化设计方法，可实现联合用户位置感知与信道信息可靠获取；3）提出面向毫米波UAV空地通信的无线电地图构建方法，设计了无线电地图模型驱动的毫米波UAV空地传输框架，可有效提升复杂度受限条件下空地传输的有效性；4）提出基于Stackelberg博弈的抗干扰、抗窃听传输方法，可有效提升复杂环境下空地传输的安全性；5）提出以用户为中心的多UAV基站部署、用户关联、系统资源与机会策略联合优化策略，可显著提升网络拓扑动态条件下系统的连续、可靠、高效覆盖性能。研究成果可用于基于毫米波UAV的空地一体网络构建，为复杂环境下军事和民用领域的无线通信保障能力提升提供技术支撑。