11
海洋移动通信网络
《移动通信》2024年第11期
面向复杂海况的海上无人船对星通信自适应波束成形方法
于劲松1，化存卿1，刘玲亚2
【摘 要】复杂海况下的海上卫星通信因海上无人船受海浪影响而频繁横摇运动，此时传统基于收发端相对空间位置的波束对准等固定波束成形方案极易失效，从而导致链路中断或性能下降，这是高海况下海上卫星通信长期面临的挑战之一。为此，提出了通过无人船的自适应波束成形来补偿其随海浪运动而产生的横摇角度变化，设计了相应的上行传输框架和横摇角预测模型。基于预测的横摇角信息计算相应信道状态信息，为海上无人船和卫星设计了一种联合波束成形算法，以实现高海况下的有效波束对准和优化。仿真结果表明了无人船横摇角预测的准确性，以及自适应波束成形在复杂海况下的传输性能保证。
【关键词】海上卫星通信；无人船横摇运动；横摇角预测；自适应波束成形
中图分类号：TN929.5 文献标志码：A
文章编号：1006-1010(2024)11-0070-07
引用格式：于劲松,化存卿,刘玲亚. 面向复杂海况的海上无人船对星通信自适应波束成形方法[J]. 移动通信, 2024,48(11): 70-76.
YU Jinsong, HUA Cunqing, LIU Lingya. Adaptive Beamforming for Unmanned Surface Vehicle-to-Satellite Communication in Harsh Sea Environments[J]. Mobile Communications, 2024,48(11): 70-76.
0 引言
随着海上勘探、环境监测等海事活动的急剧增加，海上通信的重要性日益凸显[1]。然而由于缺乏基站部署，地面蜂窝网络难以直接用于远洋海上通信[2]。相对地，低轨（LEO, Low-Earth-Orbit）卫星则因其无处不在的全球覆盖和高容量回程的显著优势，可以满足海洋日益增长的宽带通信需求[3-4]。因此，LEO卫星辅助的海上通信引起了越来越多的研究关注。在卫星辅助的海上物联网场景下，通常部署海上无人船（USV, Unmanned Surface Vehicle）将从浮标和传感器收集的载荷数据上传到卫星[5]。由于海洋环境中的海浪波动影响，USV会产生六个自由度上的运动，包括线性运动和旋转运动[6]。因此，船载天线的高度和角度随着海浪的变化而发生改变。由于卫星与USV之间通信距离较长，衰落信道和接收信号强度对天线倾斜更为敏感，极易导致卫星与USV之间的通信链路不稳定[7-8]。
为此，传统的解决方案通常为无人船设计宽幅天线来提高波束方向图的鲁棒性或使用带指向机构的高增益天线[9]。宽幅天线有助于在角度变化范围内实现可接受的增益衰减。然而，增加波束宽度不可避免地会导致天线增益的降低，难以应对由于与卫星的长距离通信而导致的严重路径衰落。另一方面，对于高增益定向天线方案，必须采用机械控制的指向机构来补偿船体运动时的角度倾斜，使天线对准卫星方向[10-12]。然而，这种带指向机构的定向天线往往体积庞大且价格昂贵。在海事通信天线的设计中，平衡波束宽度和天线增益一直是一项具有挑战性的任务。此外，一旦天线设计好，其辐射方向图即固定，难以灵活应对卫星辅助海上通信的高动态场景。
随着电路集成和封装技术的进步，相控阵天线已应用到许多卫星通信场景中[13]。相控阵发出的定向波束可以指向较窄的范围，并且还可以动态地调度波束以获得更高的吞吐量。在卫星辅助海上通信中，相控阵天线阵列可以部署在USV上，用于跟踪LEO卫星并与之通信[14-16]。与机械控制的定向天线相比，相控阵天线具有波束成形灵活和维护成本低的优点。对于相控阵的波束对准方法，文献[17]设计了一种基于码本的解决方案，在最小化训练开销和最大化波束成形增益之间取得了平衡。文献[18]应用了一种自适应波束对准方法来实现与高速无人机之间的通信。同时，文献[19]和[20]研究了海上通信系统中基于位置感知的波束调度方案，通过自适应波束成形提高对于不同位置USV的传输性能。这些研究工作表明在恶劣的海洋环境下，自适应波束对准是实现海上卫星鲁棒通信的一种有效方法。
与现有工作考虑地面或海上移动用户和移动卫星的波束对准场景不同，本文聚焦复杂海况下卫星辅助海上通信系统中USV受海浪作用而产生的横摇运动对无人船-卫星链路的影响，这是一个全新且更具挑战性的问题。传统的基于位置的波束对准不适合由波动引起的角度倾斜。为此，本文提出在USV上部署阵列天线，通过USV端的自适应波束成形来有效补偿USV本地横摇角度的变化。为了更准确地获得瞬时信道状态信息（CSI, Channel State Information），并在无人船对星通信中实施自适应波束成形，本文提出了相应的传输框架和基于三层长短期记忆（TL-LSTM, Triple-Layer Long Short-Term Memory）的横摇角预测模型，并基于预测的CSI设计了自适应波束成形方案。仿真结果验证了无人船横摇角预测的准确性以及自适应波束成形算法在复杂海况下的传输有效性。
1 系统模型
1.1 网络模型
如图1所示，本文考虑海上通信系统中的卫星辅助上行链路传输，其中USV同时将数据流上传到K个LEO卫星，且系统工作在全频率复用（FFR, Full Frequency Reuse）模式。与单卫星场景相比，多卫星接收可以充分利用空间分集增益来提高上行链路传输效率。每颗卫星配备有天线数量为 Nr的相控阵天线，USV上装载有天线数量为 Nt的相控阵天线。假设在所考虑的时间段内，USV和卫星的相对位置是恒定的。
在海洋环境中，受海浪影响，USV的旋转运动会导致与卫星之间的波束失准，从而导致频繁的链路中断。为了简单起见，本文专注于研究由海浪波动引起的横摇运动对传输性能造成的影响，并采取自适应波束成形方法对其进行补偿。但值得注意的是，本文所提出的方法可以扩展到处理USV的其他几种空间角度变化。
1.2 无人船横摇模型
USV在极其不规则的海浪波动下航行，其中，USV横摇时的波浪扰动力矩主要与有效波倾角αe有关，该倾角可以建模为由一系列不同频率、振幅和相位的正弦波引起的波浪倾角的叠加[21]：
其中，M表示随机波的波数，S表示波倾角的谱密度函数，可由经典的P-M谱表示，ωi是第i个波的角频率，Δωi是频率增量，εi表示在[0,2π)范围内均匀分布的初始相位，K1和K2分别表示有限船宽修正系数和有限吃水深度修正系数[21]，β是相遇角度，ωe,i表示相遇角频率，可由下式给出：
其中，V是USV的速度。
根据Conolly理论和USV在特定时隙的受力分析，USV的横摇运动受到惯性力矩、恢复力矩、阻力力矩和波浪扰动力矩的共同影响[22]。根据平衡原理，作用在USV上的力矩总和应为0以保持平衡。基于动力学方程和波浪扰动力矩与有效波倾角的关系，可以进行相应的拉普拉斯变换，得到横摇角与有效波倾角之间的传递函数：
其中，θ是USV的横摇角，ωθ是固有角频率，ζθ为阻尼因子，ΔJθ是附加惯性力矩，D是USV的吃水量，h是水平稳定中心的高度。根据横摇模型(1)和(3)，即可对海浪扰动下的USV横摇角变化进行模拟。
1.3 信道与信号模型
2 自适应波束成形设计
2.1 传输框架设计
2.2 基于TL-LSTM的横摇角预测模型
2.3 基于预测CSI的自适应波束成形算法
3 仿真结果
在本节中，进行了一系列数值实验以评估TL-LSTM方案的预测性能以及相应的自适应波束成形方法在恶劣海洋环境中的有效性。本文考虑运行在Ka波段（30 GHz）的海事卫星网络。在这个系统中，USV需要将数据上传到500 km高度的3颗LEO卫星上，以提供回程服务。每颗卫星上部署有Nr=256根天线的均匀平面阵列，USV上配备有一个Nt=16天线的均匀平面阵列。恶劣的海洋环境会导致USV的时变运动。具体而言，本文聚焦于研究USV的横摇运动。在不失一般性的情况下，在设定的3D笛卡尔坐标系中，横摇被定义为围绕x轴的旋转，并且卫星和USV在y轴上的坐标被设置为相等。因此，横摇角可以与基于位置的俯仰角线性相加。
3.1 横摇角预测性能
首先评估所提出的TL-LSTM方案在预测横摇角度θ方面的性能。根据1.2节中的无人船横摇模型，对于200 s内的横摇运动进行了模拟，使用80%的样本进行训练，其余20%的样本用于测试。时隙时长设置为0.1 s，因此训练样本和测试样本的数量分别为1 600和400。在图4中，将TL-LSTM方案的预测性能与两个基准方案进行了比较，这两个方案分别用RNN和GRU替换图3中的LSTM单元。如图4（a）所示，TL-LSTM方案在观测期内表现良好，并实现了最小RMSE。相比之下，RNN方案的预测数据和实际数据之间表现出明显的时间延迟，如图4（b）所示；而GRU方案在初始阶段的性能较差，如图4（c）所示。
随后，进一步对比了不同L和 Tn取值下的三种预测方案性能， 如表1所示。可以看到，所提出的TL-LSTM表现最佳，GRU在各种取值下性能仅次于TL-LSTM。通常，对于小的Tn值，预测结果更准确。然而，小的Tn值预示着预测时隙占用的总波束跟踪时间越多，数据传输时间就越短。相反，较大的Tn可以确保更多的数据传输时间，但是预测性能会相应降低。为此，在Tn值较大时，可以引入更多的历史序列作为预测输入，以便训练的预测模型能够更有效地捕捉时间序列的关系，从而一定程度上提高预测性能。
3.2 上行可达速率性能
根据预测的横摇角度
，可以获得相应的预测CSI，然后通过求解优化问题
来实现在相应时隙的波束对准。为了评估自适应波束成形性能，将最大波束成形增益方向与天线阵列的法线之间的角度定义为波束角度η，如图5中USV天线坐标系所示。此处展示了USV与多卫星系统中的某一颗卫星的波束对准效果，可以类似地扩展至与其他卫星的对准关系。图6更直观地显示了波束角度η和横摇角度θ之间的变化关系。可以看出，优化得到的波束角度可以很好地补偿由横摇角度引起的空间角度变化。通过本文提出的波束成形优化设计，实际波束方向可以抵抗USV横摇引起的空间角度变化，从而确保USV在横摇运动下波束实时对准卫星方向。
对于系统传输性能，图7显示了不同波束成形方案的传输速率在测试时间段内的变化趋势，图8展示了取时间平均后的可达速率随USV发射功率的变化。基于横摇角的不同信息，本实验对比了三种自适应联合波束成形方案，包括真实的θ、预测的
和过时的θ(t-5Δt)。与这三种自适应方案相比，基于位置的固定波束成形方案的性能存在显著的不稳定性，表明在恶劣的海洋环境下横摇角度的变化会导致传输性能的严重损失，这是由于横摇角度变化超出了波束宽度所能覆盖的范围。对于三种自适应波束成形方案，基于预测CSI方案的性能接近基于真实CSI的方案，表明了所提出的角度预测方法的准确性。由于USV和卫星之间的距离很长，信道的长时延特性会导致在卫星上获得的横摇角度信息很容易过期，这会严重恶化波束成形结果，这一点从过期CSI方案的性能损失上可以得到验证。因此，本文提出的横摇角预测和传输框架设计对于海上卫星的稳定通信来说是非常必要和有效的。此外，设计了一种收发端解耦的波束成形对比方案，将卫星端接收波束持续对准USV方向。在这种情况下，多卫星信号间的干扰无法得到有效消除，因此传输速率会产生明显的下降。
最后，图9展示了平均速率随发射天线数量 Nt的变化。对于具有完美角度信息的真实CSI和预测CSI等方案，平均速率随着天线数量的增加而增加。相反，如果获得的CSI不够准确，则 Nt的增加将降低传输速率。这是因为当天线数量增加时相控阵产生的波束更窄，对于波束对准的要求将更高。
4 结束语
针对复杂海况下无人船随海浪波动所引发的对星通信信道状态变化，本文采取自适应波束成形策略来提高USV到卫星的上行链路传输性能。本文提出了一种上行传输框架并设计了一种基于TL-LSTM的横摇角预测模型，并基于预测的CSI进行联合波束成形优化。仿真结果证明了横摇角预测的准确性和波束成形的有效性，优化得到的波束方向可以很好地抵抗USV横摇引起的空间角度变化。在预测CSI下，传输性能明显优于基于位置的CSI和过时CSI的方案。对于未来的工作，复杂海况下USV的多种旋转运动对其波束赋形方案设计的影响值得进一步研究。另外，对USV旋转角度的预测方案在海洋环境参数变化时的适应性和泛化能力需要进一步研究与验证。
参考文献：（上下滑动浏览）
[2] 赵亚军,郁光辉,徐汉青. 6G移动通信网络: 愿景、挑战与关键技术[J]. 中国科学: 信息科学, 2019,49(8): 963-987.
[3] 陈山枝. 关于低轨卫星通信的分析及我国的发展建议[J]. 电信科学, 2020,36(6): 1-13.
[5] Wang J B, Zeng C, Ding C, et al. Unmanned surface vessel assisted maritime wireless communication toward 6G: Opportunities and challenges[J]. IEEE Wireless Communications, 2022,29(6): 72-79.
[7] Hu Y, Xu L, Gao J, et al. Analysis of marine wireless communication channel under high sea conditions[C]//2022 IEEE 5th International Conference on Electronic Information and Communication Technology (ICEICT). IEEE, 2022: 274-277.
[8] Ang C W, Wen S. Signal strength sensitivity and its effects on routing in maritime wireless networks[C]//2008 33rd IEEE Conference on Local Computer Networks (LCN). IEEE, 2008: 192-199.
[9] Won M, Kim S S. Design and control of a marine satellite antenna[J]. Journal of mechanical science and technology, 2005,19: 473-480.
[10] Lcev S D. High-gain mobile satellite antennas[C]//2011 21st International Crimean Conference "Microwave & Telecommunication Technology". IEEE, 2011: 996-998.
[11] Aoyagi T, Suzaki K, Suzuki Y, et al. Modeling of interferences on other satellites in maritime satellite communications[C]//2013 IEEE International RF and Microwave Conference (RFM). IEEE, 2013: 247-252.
[12] Wang Y, Soltani M. Dynamic modeling and simulation of marine satellite tracking antenna using Lagrange method[C]//2016 UKSim-AMSS 18th International Conference on Computer Modelling and Simulation (UKSim). IEEE, 2016: 135-140.
[13] You L, Li K X, Wang J, et al. Massive MIMO transmission for LEO satellite communications[J]. IEEE Journal on Selected Areas in Communications, 2020,38(8): 1851-1865.
[14] Wu T K. Phased array antenna for tracking and communication with LEO satellites[C]//Proceedings of International Symposium on Phased Array Systems and Technology. IEEE, 1996: 293-296.
[16] Chen Q, Xu Y, Song C, et al. Adaptive tracking for beam alignment between ship-borne digital phased-array antenna and LEO satellite[J]. Journal of Communications and Information Networks, 2019,4(3): 60-70.
[18] [18] Deng Q, Chen X, Liang X, et al. Adaptive beam alignment and optimization for IRS-aided high-speed UAV communications[J]. IEEE Transactions on Green Communications and Networking, 2023,7(3): 1583-1595.
[19] Zeng C, Wang J B, Ding C, et al. MIMO unmanned surface vessels enabled maritime wireless network coexisting with satellite network: Beamforming and trajectory design[J]. IEEE Transactions on Communications, 2022,71(1): 83-100.
[20] Li Y, Su L, Wei T, et al. Location-aware dynamic beam scheduling for maritime communication systems[C]//2018 10th International Conference on Communications, Circuits and Systems (ICCCAS). IEEE, 2018: 265-268.
[21] 李佳萌,陈少华,康谦泽. 基于神经网络和随机森林的船舶横摇预测[J]. 舰船科学技术, 2022,44(9): 75-78.
[22] Perez T. Ship motion control: course keeping and roll stabilisation using rudder and fins[M]. Springer Science & Business Media, 2006.
[23] Yu J, Hua C, Liu L, et al. Joint Beamforming Optimization for User-Centric Multi-Satellite System[C]//ICC 2024-IEEE International Conference on Communications. IEEE, 2024: 1861-1866.
★原文刊发于《移动通信》2024年第11期★
中图分类号：TN929.5 文献标志码：A
文章编号：1006-1010(2024)11-0070-07
引用格式：于劲松,化存卿,刘玲亚. 面向复杂海况的海上无人船对星通信自适应波束成形方法[J]. 移动通信, 2024,48(11): 70-76.
YU Jinsong, HUA Cunqing, LIU Lingya. Adaptive Beamforming for Unmanned Surface Vehicle-to-Satellite Communication in Harsh Sea Environments[J]. Mobile Communications, 2024,48(11): 70-76.
作者简介
于劲松：上海交通大学在读博士研究生，主要研究方向为卫星通信、空天地海网络、MIMO系统信号处理等。
化存卿：博士毕业于香港中文大学，现任上海交通大学网络空间安全学院教授、博导，主要研究方向为卫星互联网、无线通信与无线网络安全技术等。
刘玲亚：博士毕业于上海交通大学，现任上海海事大学信息工程学院副教授，主要研究方向为空天地海一体化网络组网、传输与智能信号处理技术、卫星通信与组网、MIMO系统信号处理等。
《移动通信》投稿方式为在线投稿
请您登录网页投稿系统
链接地址：http://ydtx.cbpt.cnki.net返回搜狐，查看更多