CN101860387A - 一种波达角估计的方法和系统 - Google Patents

Abstract

本发明提供了一种波达角估计方法，包括：在各天线接收到的频域信号中提取频域训练序列，获取目标用户对应的本地训练序列；将目标用户对应的本地训练序列和天线上提取的所述频域训练序列共轭相乘后求和得到该天线的第一中间值；将相邻天线的第一中间值进行共轭相乘，或者将相邻天线的第一中间值进行相除得到第二中间值；根据第二中间值的相位获取所述目标用户的波达角估计值。本发明还提供了一种波达角估计系统。本发明所述方法，在保证波达角估计精度的前提下大大降低了运算复杂度，可抗同频干扰。

Description

一种波达角估计的方法和系统

技术领域

本发明涉及一种波达角(DOA，Direction Of Arrival)估计的方法和系统，尤其涉及正交频分复用多址(OFDMA)通信系统中采用智能天线技术的上行链路DOA估计方法和系统。

背景技术

DOA估计是智能天线技术领域中研究的重要问题之一。DOA估计要解决的问题是如何利用天线阵列的输出，估计出有用信号的方位参数。

衡量DOA估计方法有两个至关重要的性能指标，一个是空间分辨率，该参数反映了估计方法所能区分的各个信号源的最小角度间隔，分辨率越高越好；另一个是运算复杂度，该参数体现出估计方法的可实现性或者说实用性，复杂度越低越好。

如何能获得更高的角度分辨率而又尽量较小运算复杂度是研究者们普遍关心的问题。经典的MUSIC算法及其演变得到的各种算法具有较高的精度，但是这些算法运算复杂度很高。目前的移动通信系统，智能天线主要应用于基站，受数字信号处理器处理能力的影响，这些算法的应用受到了限制。

目前许多算法都利用信道估计的空间特征进行估计，如申请号为200610074201.1的国内专利“一种波达角估计和波束赋形的方法”，该专利给出了一种波达角估计和波束赋形的方法，根据用户信道估计的协方差矩阵获得上行链路接收功率瞬时值和递归平均值的最大值，并由此生成该用户的下行链路波束赋形权值，实现波束赋形。此类算法由于要对协方差矩阵进行计算或者要用到特征值分解，计算都比较复杂。

目前还有一类运算量相对较小的方法，即搜索匹配的方法，如申请号为03121293.X的国内专利“一种估计固定波束空间到达方向的方法”，该专利中给出了一种估计固定波束空间DOA的方法，通过将单级搜索改为多级搜索，形成一种逐步分级细化求DOA的估计方法，该方法相比于前面所给的算法，在一定程度上降低了运算量，但当信道的扩展角较大或者有同频干扰时，算法性能降低。

发明内容

本发明要解决的技术问题是提供一种波达角估计的方法和系统，可以同时达到精度高和运算复杂度低，并且具有一定的抗同频干扰能力。

为了解决上述问题，本发明提供了一种波达角估计方法，包括：

在各天线接收到的频域信号中提取频域训练序列，获取目标用户对应的本地训练序列；

将目标用户对应的本地训练序列和天线上提取的所述频域训练序列共轭相乘后求和得到该天线的第一中间值；

将相邻天线的第一中间值进行共轭相乘，或者将相邻天线的第一中间值进行相除，得到第二中间值；

根据第二中间值的相位获取所述目标用户的波达角估计值。

进一步地，上述方法还可具有以下特点，所述频域训练序列为正交序列，或者，序列的内积不大于不大于10^-k，k为一正整数。

进一步地，上述方法还可具有以下特点，所述根据第二中间值的相位获取所述目标用户的波达角估计值是指对部分或所有相邻天线得到的第二中间值的相位进行处理得到目标用户的波达角估计值。

进一步地，上述方法还可具有以下特点，获取目标用户的波达角估计值θ_q的方法如下：

${\mathrm{\θ}}_q=\arccos \left(\frac{\mathrm{angle}\left(\underset{m=1}{\overset{M-1}{\mathrm{\Σ}}}{Z}_m\right)}{\mathrm{\π}}\right)$

或者

${\mathrm{\θ}}_q=\arccos \left(\frac{\frac{1}{(M-1)}\underset{m=1}{\overset{M-1}{\mathrm{\Σ}}}\mathrm{angle}\left(Z_m\right)}{\mathrm{\π}}\right)$

其中，Z_m是天线m和天线m+1的第一中间值进行共轭相乘后得到的第二中间值，M为天线个数。

进一步地，上述方法还可具有以下特点，将目标用户对应的本地训练序列和该天线上提取的所述频域训练序列共轭相乘后求和是指频域训练序列和本地训练序列的共轭进行相乘后求和。

本发明还提供一种波达角估计系统，包括：频域训练序列提取模块、本地训练序列提取模块、第一处理模块，第二处理模块和波达角估计模块，其中，

所述频域训练序列提取模块，用于在各天线接收到的频域信号中提取频域训练序列；

所述本地训练序列提取模块，用于获取目标用户对应的本地训练序列；

所述第一处理模块，用于将目标用户对应的本地训练序列和天线上提取的所述频域训练序列共轭相乘后求和得到该天线的第一中间值；

所述第二处理模块，用于将相邻天线上得到的第一中间值进行共轭相乘，或者将相邻天线上得到的第一中间值进行相除，得到第二中间值；

所述波达角估计模块，用于根据第二中间值的相位获取所述目标用户的波达角估计值。

进一步地，上述系统还可具有以下特点，所述频域训练序列为正交序列，或者，序列的内积不大于不大于10^-k，k为一正整数。

进一步地，上述系统还可具有以下特点，所述第二处理模块，用于获取每一对相邻天线的二中间值，

所述波达角估计模块，用于对所有相邻天线得到的第二中间值的相位进行处理得到目标用户的波达角估计值。

进一步地，上述系统还可具有以下特点，所述波达角估计模块获取目标用户的波达角估计值θ_q的方法如下：

${\mathrm{\θ}}_q=\arccos \left(\frac{\mathrm{angle}\left(\underset{m=1}{\overset{M-1}{\mathrm{\Σ}}}{Z}_m\right)}{\mathrm{\π}}\right)$

或者

${\mathrm{\θ}}_q=\arccos \left(\frac{\frac{1}{(M-1)}\underset{m=1}{\overset{M-1}{\mathrm{\Σ}}}\mathrm{angle}\left(Z_m\right)}{\mathrm{\π}}\right)$

其中，Z_m是天线m和天线m+1的第一中间值进行共轭相乘后得到的第二中间值，M为天线个数。

进一步地，上述系统还可具有以下特点，所述第一处理模块是通过将频域训练序列和本地训练序列的共轭进行相乘后求和得到第一中间值。

采用本发明所述方法，与现有技术相比，没有使用信道协方差矩阵和特征分解，也无须进行多次搜索，在保证波达角估计精度的前提下大大降低了运算复杂度；并且由于使用的是正交或近似正交的训练序列，因此该算法在有同频干扰的情况下依然能够实现波达角的准确估计。

附图说明

图1是本发明DOA估计方法的流程图；

图2是本发明实施例DOA估计方法流程图；

图3是本发明DOA估计方法的系统实现框图。

具体实施方式

下面结合附图对技术方案的实施作进一步的详细描述。

本发明的思路是：接收端对接收到的数据进行FFT(快速傅立叶变换)到频域后，提取各个天线训练序列子载波上对应的频域训练序列；对每一天线，将天线上频域训练序列和目标用户的本地训练序列对应共轭相乘后求和；将相邻天线的结果进行共轭相乘，根据相乘结果的相位得到该目标用户的DOA估计；用其它目标用户的训练序列重复以上步骤，直至得到所有目标用户的DOA估计。

本发明提出一种波达角估计方法，如图1所示，包括如下步骤：

步骤101，从基站各个天线接收到的频域信号中训练序列对应的载波位置提取各个天线接收到的频域训练序列；

步骤102，基站获取需要处理的目标用户对应的本地训练序列；

步骤103，将当前目标用户的本地训练序列和步骤101中提取出的天线上的频域训练序列进行共轭相乘后求和得到第一中间值；

步骤104，对相邻天线得到的第一中间值进行共轭相乘，或者进行相除，得到第二中间值；

步骤105，根据第二中间值的相位获得当前目标用户的波达角估计值。

其中，对每一天线，得到一第一中间值，对每对相邻天线得到一第二中间值，根据所有相邻天线的第二中间值的相位进行处理得到当前目标用户的波达角估计值。也可以进行简化处理，比如，只根据系统中的部分相邻天线的第二中间值得到目标用户的波达角估计值。

如果存在多个目标用户，则可进行如下处理：

1)当所有目标用户的发送训练序列都在相同的位置，不同用户之间相互干扰时，对所有目标用户，只需要提取一次频域训练序列，即只执行步骤101一次，分为：

A.处理完一个目标用户后，只需重复执行步骤102至步骤105，获得其他目标用户的波达角估计；

B.步骤102中获取所有目标用户对应的本地训练序列，在处理完一个目标用户后，重复执行步骤103至105，获得其他目标用户的波达角估计。

2)如果不同目标用户之间互不干扰，那么它们的训练序列就会占用不同的位置，此时就需要对每个目标用户分别提取其频域训练序列，即处理完一个目标用户后，重复执行步骤101至步骤105。

存在多个目标用户时，需要获取总的目标用户数，当处理完所有目标用户时，流程结束。

下面通过一具体实施例进一步说明本发明。图2是本发明实施例DOA估计方法的流程图，包括：

步骤201，接收端将经过FFT后的多天线频域训练序列提取出来，此处设智能天线采用均匀分布的线阵，阵元数为M。

训练序列可以占用一个符号或多个符号，在每个符号内，可以占用一个符号内全部有用的子载波，也可以占用一个符号内部分有用子载波。这些序列满足在频域正交或者近似正交的条件。

近似正交是指序列的内积不大于10^-k，k为一正整数。

以802.16e标准中规定的A类型Cyclic方式的Sounding序列为例，定义b_k是Sounding序列所在OFDMA符号上有用子载波的复系数，0≤k≤N_used-1，N_used是不同FFT方式下指定给有用子载波的值，这样MS(移动终端)发射的信号可以定义为：

$s\left(t\right)=\mathrm{Re}\{e^{j2\mathrm{\π}{f}_{c}t}\·\underset{k\≠\frac{N_{\mathrm{used}}-1}{2}}{\overset{(N_{\mathrm{used}}-1)}{\underset{k=0}{\mathrm{\Σ}}}}{b}_k\·e^{j2\mathrm{\π}\left(k\frac{N_{\mathrm{used}}-1}{2}\right)\mathrm{\Δf}(t-T_g)}\}---\left(1\right)$

对于CSIT capability A，如果separability type为0，则发射设备(MS or MS天线)所用的序列b_k与索引n的关系定义如下

其中：

k是载波索引，0≤k≤N_used-1，N_used是sounding符号的有用子载波个数；

G(x)是Gloay序列，定义见802.16e标准表315e(0≤x≤2047)；

P是最大循环移位索引(来自于sounding指令)；

n是指定的循环移位索引(来自于sounding指令)，从0到P-1；

B是根据sounding指令分配的子载波/bands组；

u是802.16e标准中规定的PAPR reduction(降低峰值平均功率比)，safety zone(安全域)和sounding zone allocation IE(sounding域配置信元)中定义的移位值(0≤u≤127)；

fft是FFT变换的点数；

offset_D(fft)是标准中对应表315g指定的一个FFT下的偏移。

步骤202，获取当前存在的目标用户数和每个目标用户对应的本地训练序列。

如果当前目标用户数和每个目标用户对应的本地训练序列是固定的，则根据系统的设置可以直接得到；如果当前目标用户数和每个目标用户对应的本地训练序列是未知的，则需要用目前已有的方法获得这两个参数，比如采用搜索匹配等方法。

步骤203，准备对所有的目标用户进行处理，首先设置一个变量n统计已经处理的用户数，将该变量初始化为零。

步骤204，判断所有的目标用户是否处理完毕，此处用已经处理的用户数和目标用户数进行比较，已经处理的用户数大于等于目标用户数则表示所有的用户处理完毕，结束；否则，执行步骤205；

步骤205，对每个天线，将目标用户n的本地训练序列和步骤201中提取出的天线上的训练序列的共轭相乘求和，用于该目标用户的DOA估计处理。

设用作DOA估计的Sounding序列长度为P，总的目标用户数为N，用户索引为n(1≤n≤N)，目标用户n频域第p个子载波发送的信号为s_p，n，目标用户n的DOA为θ_n，天线间隔为波长的一半，则第m根智能天线上第p个子载波接收到的数据为

$Y_{m,p}=\underset{n=1}{\overset{N}{\mathrm{\Σ}}}{s}_{p,n}\exp (-\mathrm{j\π}(m-1)\cos {\mathrm{\θ}}_n)+w_{m,p}---\left(3\right)$

其中，w_m，p是服从均值为零，方差为σ²的高斯白噪声。

设发送的用户索引为q，对应的本地训练序列为

C_q＝{c_q，1，c_q，2，…，c_q，P}                   (4)

其中，|c_q，p|＝1，q∈[1，N]，p∈[1，P]。

将接收到的频域训练序列和本地训练序列的共轭相乘，在长度P范围内求和，得到

$Q_m=\underset{p=1}{\overset{P}{\mathrm{\Σ}}}{c}_{q,p}^{*}{Y}_{m,p}$

$=\underset{p=1}{\overset{P}{\mathrm{\Σ}}}{c}_{q,p}^{*}[\underset{n=1}{\overset{N}{\mathrm{\Σ}}}{s}_{p,n}\exp (-\mathrm{j\π}(m-1)\cos {\mathrm{\θ}}_n)+w_{m,p}]$

                    (5)

$=\underset{p=1}{\overset{P}{\mathrm{\Σ}}}{c}_{q,p}^{*}{s}_{p,q}\exp (-\mathrm{j\π}(m-1)\cos {\mathrm{\θ}}_q)+\underset{p=1}{\overset{P}{\mathrm{\Σ}}}{c}_{q,p}^{*}\underset{n=1,n\≠q}{\overset{N}{\mathrm{\Σ}}}{s}_{p,n}\exp (-\mathrm{j\π}(m-1)\cos {\mathrm{\θ}}_n)$

$=P\·\exp (-\mathrm{j\π}(m-1)\cos {\mathrm{\θ}}_q)+\underset{n=1,n\≠q}{\overset{N}{\mathrm{\Σ}}}\exp (-\mathrm{j\π}(m-1)\cos {\mathrm{\θ}}_n)\underset{p=1}{\overset{P}{\mathrm{\Σ}}}{c}_{q,p}^{*}{s}_{p,n}$

以上的推导中用到了噪声和用户信号不相关的性质。

如果不同用户的训练序列正交或者近似正交，则

$\underset{p=1}{\overset{P}{\mathrm{\Σ}}}{c}_{q,p}^{*}{s}_{p,n}=0,$ 或者 $\underset{p=1}{\overset{P}{\mathrm{\Σ}}}{c}_{q,p}^{*}{s}_{p,n}\≈0,n\∈[1,N],n\≠q---\left(6\right)$

将式(6)代入式(5)得到

Q_m＝P·exp(-jπ(m-1)cosθ_q)                     (7)

步骤206，将步骤205中相邻天线上得到的结果进行共轭相乘；

由式(7)同理可以得到经过步骤205处理后，第m+1根天线上的结果为

Q_m+1＝P·exp(-jπ(m)cosθ_q)                     (8)

将Q_m和Q_m+1共轭相乘，得到

$Z_m=Q_m{Q}_{m+1}^{*}=P^2\·\exp \left(\mathrm{j\π}\cos {\mathrm{\θ}}_q\right)---\left(9\right)$

其中，m＝1，2，…，M-1。

或者，还可以用Q_m和Q_m+1相除，

$Z_m=\frac{Q_m}{Q_{m+1}}=\exp \left(\mathrm{j\π}\cos {\mathrm{\θ}}_q\right)$

步骤207，根据步骤206结果的相位信息得到目标用户对应的DOA估计。

根据步骤206所得到的结果公式(9)可以看出，Z_m的相位仅与目标用户的DOA相关，因此根据该相位可以得到目标用户的DOA估计，具体估计方法本发明不作限定。

例如可以采用以下两种估计θ_q的方法：

第一种：先对所有的Z_m求和，再根据和的相位求θ_q，即

${\mathrm{\θ}}_q=\arccos \left(\frac{\mathrm{angle}\left(\underset{m=1}{\overset{M-1}{\mathrm{\Σ}}}{Z}_m\right)}{\mathrm{\π}}\right)---\left(10\right)$

第二种：先求每个Z_m的相位，再对相位求和取平均，即

${\mathrm{\θ}}_q=\arccos \left(\frac{\frac{1}{(M-1)}\underset{m=1}{\overset{M-1}{\mathrm{\Σ}}}\mathrm{angle}\left(Z_m\right)}{\mathrm{\π}}\right)---\left(11\right)$

也可以通过查表的方法获得θ_q，即先对所有的Z_m求和，根据求和的结果查表得到相位，或者，先对每个Z_m查表得到相位，再对各相位求和取平均，本发明对此不作限定。

在式(10)或(11)中，也可以使用部分Z_m估计θ_q。

步骤208：将已处理目标用户数n加1，转步骤204。

其中，步骤206中，也可以是

或者，Z_m＝Q_m+1/Q_m＝exp(-jπcosθ_q)，此时步骤207中，则(10)(11)中公式的最外层括号内为负值，即为：

${\mathrm{\θ}}_q=\arccos (-\frac{\mathrm{angle}\left(\underset{m=1}{\overset{M-1}{\mathrm{\Σ}}}{Z}_m\right)}{\mathrm{\π}})---\left(12\right)$

${\mathrm{\θ}}_q=\arccos (-\frac{\frac{1}{(M-1)}\underset{m=1}{\overset{M-1}{\mathrm{\Σ}}}\mathrm{angle}\left(Z_m\right)}{\mathrm{\π}})---\left(13\right)$

根据本发明思想，步骤206中还可进行其他变形，只要使得Q_m＝P·exp(-jπ(m-1)cosθ_q)进行处理后其相位仅与θ_q相关即可。

步骤205中，也可以将本地训练序列和接收到的频域训练序列的共轭进行相乘后求和得到Q_m，则后续计算方法需要进行相应调整。

图3是本发明DOA估计系统框图。本发明提出的DOA估计系统包括频域训练序列提取模块301、本地训练序列提取模块302、第一处理模块303，第二处理模块304和波达角估计模块305，其中，

频域训练序列提取模块301，用于在各天线接收到的频域信号中提取频域训练序列；

本地训练序列提取模块302，用于获取目标用户对应的本地训练序列；

第一处理模块303，用于将目标用户对应的本地训练序列和天线上提取的所述频域训练序列共轭相乘后求和得到该天线的第一中间值；

第二处理模块304，用于将相邻天线上得到的第一中间值进行共轭相乘，或者将相邻天线上得到的第一中间值进行相除得到第二中间值；进一步地，第二处理模块用于对所有相邻天线的第一中间值进行处理得到第二中间值；

所述波达角估计模块305，用于根据第二中间值的相位获取目标用户的波达角估计值；进一步地，波达角估计模块用于对所有相邻天线得到的第二中间值的相位进行处理获取目标用户的波达角估计值。

需要说明的是，上述方法实施例中描述的多个细节同样适用于系统实施例，因此省略了对相同或相似部分的重复描述。

综上所述，借助于本发明，无须计算信道的协方差矩阵或者特征分解，也无须进行多次搜索，就可以在保证波达角估计精度的前提下大大降低运算的复杂度；而且由于使用的是近似正交或正交的训练序列，因此该算法在有同频干扰的情况下依然能够实现DOA的准确估计。

以上所述仅为本发明的优选实施例而已，并不用于限制本发明，对于本领域的技术人员来说，本发明可以有各种更改和变化。凡在本发明的精神和原则之内，所作的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。

Claims (10)

1.一种波达角估计方法，其特征在于，包括：

在各天线接收到的频域信号中提取频域训练序列，获取目标用户对应的本地训练序列；

将目标用户对应的本地训练序列和天线上提取的所述频域训练序列共轭相乘后求和得到该天线的第一中间值；

将相邻天线的第一中间值进行共轭相乘，或者将相邻天线的第一中间值进行相除，得到第二中间值；

根据第二中间值的相位获取所述目标用户的波达角估计值。

2.如权利要求1所述的方法，其特征在于，所述频域训练序列为正交序列，或者，序列的内积不大于不大于10^-k，k为一正整数。

3.如权利要求1所述的方法，其特征在于，所述根据第二中间值的相位获取所述目标用户的波达角估计值是指对部分或所有相邻天线得到的第二中间值的相位进行处理得到目标用户的波达角估计值。

4.如权利要求1所述的方法，其特征在于，获取目标用户的波达角估计值θ_q的方法如下：

${\mathrm{\θ}}_q=\arccos \left(\frac{\mathrm{angle}\left(\underset{m=1}{\overset{M-1}{\mathrm{\Σ}}}{Z}_m\right)}{\mathrm{\π}}\right)$

或者

${\mathrm{\θ}}_q=\arccos \left(\frac{\frac{1}{(M-1)}\underset{m=1}{\overset{M-1}{\mathrm{\Σ}}}\mathrm{angle}\left(Z_m\right)}{\mathrm{\π}}\right)$

其中，Z_m是天线m和天线m+1的第一中间值进行共轭相乘后得到的第二中间值，M为天线个数。

5.如权利要求1所述的方法，其特征在于，将目标用户对应的本地训练序列和该天线上提取的所述频域训练序列共轭相乘后求和是指频域训练序列和本地训练序列的共轭进行相乘后求和。

6.一种波达角估计系统，其特征在于，包括：频域训练序列提取模块、本地训练序列提取模块、第一处理模块，第二处理模块和波达角估计模块，其中，

所述频域训练序列提取模块，用于在各天线接收到的频域信号中提取频域训练序列；

所述本地训练序列提取模块，用于获取目标用户对应的本地训练序列；

所述第一处理模块，用于将目标用户对应的本地训练序列和天线上提取的所述频域训练序列共轭相乘后求和得到该天线的第一中间值；

所述第二处理模块，用于将相邻天线上得到的第一中间值进行共轭相乘，或者将相邻天线上得到的第一中间值进行相除得到第二中间值；

所述波达角估计模块，用于根据第二中间值的相位获取所述目标用户的波达角估计值。

7.如权利要求6所述的系统，其特征在于，所述频域训练序列为正交序列，或者，序列的内积不大于不大于10^-k，k为一正整数。

8.如权利要求6所述的系统，其特征在于，

所述第二处理模块，用于获取每一对相邻天线的二中间值，

所述波达角估计模块，用于对所有相邻天线得到的第二中间值的相位进行处理得到目标用户的波达角估计值。

9.如权利要求6所述的系统，其特征在于，所述波达角估计模块获取目标用户的波达角估计值θ_q的方法如下：

${\mathrm{\θ}}_q=\arccos \left(\frac{\mathrm{angle}\left(\underset{m=1}{\overset{M-1}{\mathrm{\Σ}}}{Z}_m\right)}{\mathrm{\π}}\right)$

或者

${\mathrm{\θ}}_q=\arccos \left(\frac{\frac{1}{(M-1)}\underset{m=1}{\overset{M-1}{\mathrm{\Σ}}}\mathrm{angle}\left(Z_m\right)}{\mathrm{\π}}\right)$

其中，Z_m是天线m和天线m+1的第一中间值进行共轭相乘后得到的第二中间值，M为天线个数。

10.如权利要求6所述的系统，其特征在于，所述第一处理模块是通过将频域训练序列和本地训练序列的共轭进行相乘后求和得到第一中间值。

Images