【摘 要】5G NR的发展给车联网带来了全新的可能和机遇。为了在高机动性的车联网中准确获取信道状态信息,车辆和基站之间频繁发射的导频和参考信号在保证通信链路稳定的同时也增加了大量的信令开销。为了解决这一问题,在基于5G NR协议与通感一体化传输技术的基础上利用扩展卡尔曼滤波算法实现对车辆的预测和跟踪。基于基站的主动感知能力降低波束管理开销,并对所降低的开销进行了具体数值分析。链路级仿真的实验结果表明,在车联网系统中利用通感一体化技术,在降低开销的同时,提高了波束跟踪的准确性与通信系统的吞吐量。
【关键词】车联网;通感一体化;5G NR;波束跟踪
0 引言
车联网被设想为未来智能交通应用的关键推动因素,这在很大程度上依赖于下一代蜂窝系统5G-A和6G提供的无缝超低延迟无线连接[1]。除了通信能力外,未来的车联网还需要具备高度可靠和精准的主动感知功能,以支持各种环境感知服务,如同时定位和建图以及车辆编队等。目前,车联网的定位和定位服务主要基于全球导航卫星系统[2],但其存在分辨率差和刷新率低的问题,因此无法满足未来车辆应用的苛刻要求。更严重的是,车联网的高移动性给信道训练和波束成形带来了重大挑战,需要基站/路侧单元和车辆之间频繁地协调和反馈。这不可避免地产生了相当大的信令开销,从而导致通信吞吐量的性能损失。
为了解决上述问题,通感一体化技术通过利用5G NR基础设施的大规模多输入多输出(mMIMO, massive-Multiple-Input-Multiple-Output)天线阵列和毫米波(mmWave)技术[3-4],同时实现了主动感知和通信功能,是一种公认的有前途的解决方案[5]。特别是通过扩展