CN102098705B - 多维信道参数提取方法 - Google Patents

Abstract

本发明公开了一种多维信道参数提取方法，该方法包括步骤：S1.根据信道测量过程中测量设备的参数设置和测量环境的相关信息计算本地区域的范围以及每个本地区域的范围内包含的测量快照数；S2.根据步骤S1的计算结果判定当前测量快照在其所处本地区域的范围内的位置；S3.根据步骤S2的判定结果选择采用串行干扰消除方法或基于测量快照间相关性的方法对当前测量快照的各径信道参数进行初始化；S4.采用带有优先级的搜索策略对各径信道参数进行迭代运算，并在迭代运算过程中按照使各径信道参数的似然函数最大化且单调不减的原则更新信道参数。应用本发明，可以提高多维信道参数提取过程的效率，同时保证提取结果的准确性。

Description

多维信道参数提取方法

技术领域

本发明涉及无线通信技术，特别涉及一种多维信道参数提取方法。

背景技术

随着无线通信技术的发展，为了能够有效承载海量的多媒体业务，对无线通信系统传输速率以及频谱效率的要求越来越高。多输入多输出(Multi-Input Multi-Output，MIMO)技术正是为了提高无线通信系统的传输速率以及频谱效率而提出的新一代无线通信系统的关键技术。该技术利用在多个天线上收发信号来抑制信道衰落，能在不增加带宽的情况下成倍地提高无线通信系统的容量和频谱利用率。但由于MIMO技术的性能也受制于信道的空时衰落特性，而宽带信道又会呈现新的频率选择特性，因此，建立合适的宽带MIMO信道模型，研究宽带MIMO信道的空、时、频三维衰落特性是最大发挥MIMO技术优势的前提和关键。

在建模过程中，需要在实际的地理传播环境中进行宽带无线信道的测量，获取大量的信道冲激响应，然后从中提取出表征信道特性的特征参数，包括多径信号的传播时延、离开角、到达角、多普勒频移、极化复幅度系数等，进而根据提取出的特征参数对该环境的信道传播特性进行建模或对现有模型进行校正，最后得到较为完善的宽带MIMO信道模型，从而为无线通信系统中的传输技术、资源管理和网络规划提供参考依据。

由此可见，信道参数提取是信道建模过程中的关键环节。为了从测量得到的信道冲激响应中提取出信道特征参数，需要一种高精度的、多维联合的提取方法。目前应用较为广泛的是空间交替广义期望最大化方法。作为最大似然估计方法的一种扩展，该方法将一个多维的估计问题分解为多个一维的估计问题，能够联合地估计出多径信号的各个参数，且不局限于收发天线阵列的结构。

图1为现有信道参数估计方法流程示意图。参见图1，该流程包括：

步骤101，设置测量快照序号k，开始对第k个测量快照进行信道参数提取。

步骤102，利用串行干扰消除方法对所有L径信号的信道参数进行初始化，得到所有L径信号的信道参数的初始值。

步骤103，将迭代轮次n的初始值设为1，开始第1轮迭代。

步骤104，将多径信号的序号l初始化为1，开始对第1径信号的信道参数进行提取。

步骤105，计算第l径信号的条件期望。

步骤106，搜索使第l径信号的似然函数最大化的信道参数值，得到第n轮迭代后第l径信号的信道参数提取结果。

本步骤106中，依次搜索使第l径信号的似然函数最大化的传播时延、多普勒频移、水平离开角、垂直离开角、水平到达角、垂直到达角和极化复幅度系数等参数，在搜索某一个参数时，其他参数保持固定，且等于最近一次更新后的值。

步骤107，判断多径信号的序号l是否等于最大多径数L。若是，则第n轮迭代结束，得到第n轮迭代后所有L径信号的信道参数提取结果；否则将序号l加1，并返回执行步骤105。

步骤108，判断第n轮迭代后所有L径信号的信道参数提取结果是否与第n-1轮迭代后的结果相同。若是，则说明结果收敛，该结果即为第k个测量快照的所有L径信号的最终信道参数提取结果；否则说明结果不收敛，将n加1，并返回执行步骤104。

步骤109，判断测量快照的序号k是否等于最大快照数K。若是，则整个信道参数提取过程结束；否则将k加1，并返回执行步骤101。

由上述流程可见，现有的信道参数提取方法，主要存在以下两个问题：

1)忽略了测量快照之间的相关性，且相邻测量快照的信道参数相近。现有方法在对每一个测量快照进行信道参数提取时，都要先独立地使用一次串行干扰消除方法对信道参数值进行初始化。而串行干扰消除方法在实际执行过程中效率较低，耗时较长，使得初始化过程占到了整个信道参数提取流程执行时间的70％左右。

2)忽略了多径信号通常以簇的形式传播，且同一簇内各径信号的信道参数相近。现有方法对于每一径信号，在搜索使其似然函数最大化的信道参数值时，对于每一个信道参数，都需要在其取值域内进行全局搜索。这样的搜索策略效率较低。

发明内容

(一)要解决的技术问题

本发明要解决的技术问题是：如何提供一种多维信道参数提取方案，以提高信道参数提取过程中信道参数初始化的效率，同时提高搜索使似然函数最大化的信道参数值的效率。

(二)技术方案

为解决上述技术问题，本发明提供了一种多维信道参数提取方法，该方法包括步骤：

S1、根据信道测量过程中测量设备的参数设置和测量环境的相关信息计算本地区域的范围以及每个本地区域的范围内包含的测量快照数；所述本地区域是指将一条连续的测量路线划分而成的多个区域；

S2、根据步骤S1的计算结果判定当前测量快照在其所处本地区域的范围内的位置；

S3、根据步骤S2的判定结果选择采用串行干扰消除方法或基于测量快照间相关性的方法对当前测量快照的各径信道参数进行初始化；

S4、采用带有优先级的搜索策略对各径信道参数进行迭代运算，并在迭代运算过程中按照使各径信道参数的似然函数最大化且单调不减的原则更新信道参数。

其中，所述测量设备包括移动台，且所述测量设备的参数设置和测量环境的相关信息包括：测量信号的中心载频f_c、信道采样速率f_s以及移动台运动速度v。

其中，步骤S1中计算本地区域的范围d的方法为：

$d=20\mathrm{\λ}=\frac{10c}{\mathrm{\π}{f}_c}$

其中c表示光速。

其中，所述计算每一个本地区域的范围d内所含测量快照数的方法为：

其中符号

表示向下取整。

其中，步骤S2中判断当前测量快照在其所处本地区域的范围内位置的方法为：计算

(k-K₀)mod Q

其中，k为当前测量快照的序号，K₀为测量快照的序号的初始值，若上式计算结果为0，则当前测量快照为其所处本地区域的范围内的第1个测量快照；若不为0，则当前测量快照不是其所处本地区域的范围内的第1个测量快照。

其中，若判定当前测量快照为其所处本地区域的范围内第1个测量快照，则采用串行干扰消除方法对各径信道参数进行初始化；否则采用基于测量快照间相关性的初始化方法。

其中，所述基于测量快照间相关性的初始化方法为：

${\mathrm{\θ}}_l^{\left(0\right)}\left(k\right)={\mathrm{\θ}}_l^{\left(R\right)}(k-1)l=1,...,L$

其中表示第k个测量快照中第l径信号的信道参数初始值，

表示第k-1个测量快照中第l径信号的最终信道参数提取结果，L为最大多径数。

其中，所述带有优先级的搜索策略为：

${\mathrm{\θ}}_l^{\left(n\right)}=\underset{{\mathrm{\θ}}_l\∈U_l}{\arg \max }z\left({\mathrm{\θ}}_l\right)$

其中

表示第n轮迭代后第l径信号的信道参数值，U_l为优先搜索域，z(θ_l)为第l径信号的似然函数，所述优先搜索域定义为以其他L-1径信号的相应信道参数值为中心，以搜索步长的一定倍数为半径的区间的并集。

其中，按下式计算所述优先搜索域：

$U_l=\left(\underset{l^{\′}=1}{\overset{l-1}{\∪}}\right[{\mathrm{\θ}}_{l^{\′}}^{\left(n\right)}\left(k\right)-\mathrm{\σ\Δ},{\mathrm{\θ}}_{l^{\′}}^{\left(n\right)}\left(k\right)+\mathrm{\σ\Δ}\left]\right)\∪\left(\underset{l^{\′\′}=l+1}{\overset{L}{\∪}}\right[{\mathrm{\θ}}_{l^{\′\′}}^{(n-1)}\left(k\right)-\mathrm{\σ\Δ},{\mathrm{\θ}}_{l^{\′\′}}^{(n-1)}\left(k\right)+\mathrm{\σ\Δ}\left]\right)$

其中Δ表示搜索步长，σ为正整数，表示搜索步长的加权。

其中，按照使各径信道参数的似然函数单调不减的原则更新信道参数是指：判断式

$z\left({\mathrm{\θ}}_l^{\left(n\right)}\right)\≥z\left({\mathrm{\θ}}_l^{(n-1)}\right)$

是否成立，如果成立，则将第l径信号的信道参数值更新为

否则继续在优先搜索域的补集中搜索信道参数，其中

表示第n轮迭代后第l径信号的信道参数值，z(θ_l)为第l径信号的似然函数。

(三)有益效果

本发明利用了基于测量快照间相关性的方法对测量快照的各径信道参数进行初始化，这样方法对于大部分测量快照，实际上省略了信道参数提取过程中信道参数初始值的计算过程，因此，提高了信道参数提取过程中信道参数初始化的效率；利用带有优先级的搜索策略对各径信道参数进行迭代运算，提高了搜索使似然函数最大化的信道参数值的效率。

附图说明

图1为现有信道参数提取方法流程示意图；

图2为本发明的方法流程图；

图3为本发明实施例的多维信道参数提取方法流程图；

图4为本发明实施例的执行多维信道参数提取的具体流程图。

具体实施方式

下面结合附图和实施例，对本发明的具体实施方式作进一步详细说明。以下实施例用于说明本发明，但不用来限制本发明的范围。

图3为本发明实施例的多维信道参数提取方法流程图。参见图3，并参考图2的步骤S1～S4，该方法的流程包括：

步骤201，设置测量快照的序号k；

步骤202，利用采用串行干扰消除方法或基于测量快照间相关性的初始化方法对L径信号的信道参数进行初始化，得到所有L径信号的信道参数的初始值，L为正整数。

在步骤202中，定义了本地区域的概念：将一条连续的测量路线划分为多个本地区域。对于每个本地区域内的第一个测量快照，使用串行干扰消除方法对所有L径信号的信道参数进行初始化；而对于其他测量快照，基于测量快照间相关性的初始化方法进行初始化，也就是直接将上一个测量快照的最终信道参数提取结果对应的作为该测量快照中所有L径信号的信道参数的初始值。这样，对于大部分测量快照，实际上省略了信道参数提取过程中信道参数初始值的计算过程，提高了信道参数初始化的效率。

步骤203，将迭代轮次n的初始值设为1，准备开始第1轮迭代。

步骤204，将多径信号的序号l初始化为1，准备开始对第1径信号的信道参数进行提取。

步骤205，计算第l径信号的条件期望。

步骤206，利用带有优先级的搜索策略搜索使第l径信号的似然函数最大化的信道参数值，得到第n轮迭代后第l径信号的信道参数提取结果。

在步骤206中，依次搜索使第l径信号的似然函数最大化的传播时延、多普勒频移、水平离开角、垂直离开角、水平到达角、垂直到达角和极化复幅度系数等参数，在搜索某一个参数时，使其他参数保持固定，固定为最近一次更新后的值。并且在搜索每一个参数时，都对该参数定义一个优先搜索域，该优先搜索域定义为以其他L-1径信号的相应参数值为中心，以搜索步长(预设值)的一定倍数为半径的区间的并集。搜索先在优先搜索域中进行，寻找其中是否存在使似然函数最大化且单调不减的参数值，若存在，则将相应参数更新为该参数值；否则再在非优先搜索域中搜索满足上述条件(使似然函数最大化且单调不减)的参数值。

步骤207，判断多径信号的序号l是否等于最大多径数L。若是，则第n轮迭代结束，得到第n轮迭代后所有L径信号的信道参数提取结果；否则将l加1，并返回执行步骤205。

步骤208，判断第n轮迭代后所有L径信号的信道参数提取结果是否与第n-1轮迭代后的结果相同。若是，则说明结果收敛，该结果即为第k个测量快照的所有L径信号的最终信道参数提取结果；否则说明结果不收敛，将n加1，并返回执行步骤204。

步骤209，判断测量快照的序号k是否等于预设的最大快照数K。若是，则整个信道参数提取过程结束；否则将k加1，并返回执行步骤201。

图4为本发明实施例的执行多维信道参数提取的具体流程图。参见图4，该流程包括：

步骤301，根据信道测量过程中测量设备的参数设置和测量环境的相关信息计算本地区域的范围和每个本地区域中包含的测量快照数(该步骤是在步骤201之前执行的准备步骤)。所述测量设备是用于测量信道参数的工具，主要包括用于发送数据的发送单元、用于接收数据的接收单元(也就是移动台)，用于存储数据的数据存储单元以及收发天线。

对于某一测量场景，设测量时收发信号的中心载频为f_c，则对应的载波波长为λ＝c/2πf_c，其中c为光速。根据经验，将本地区域的范围d设为20倍载波波长，即

$d=20\mathrm{\λ}=\frac{10c}{\mathrm{\π}{f}_c}$

若该场景下移动台()的运动速度为v，信道的采样频率为f_s，则每一个本地区域内包含的测量快照数Q可以计算为

其中，符号

表示向下取整。

步骤302，设置测量快照的序号k。(该步骤对应步骤201)

步骤303，根据上述计算结果判定当前测量快照在其所处本地区域内的位置，即：判断第k个测量快照是否为其所处本地区域内的第1个测量快照。若是，则执行步骤304；若否，则执行步骤305。

判断方法为：令测量快照的起始序号为K₀，K₀＞0且为整数，计算：

(k-K₀)mod Q

其中mod表示求余。若上式计算结果为0，则第k个测量快照是其所处本地区域内的第1个测量快照，若不等于0，则第k个测量快照不是其所处本地区域内的第1个测量快照。

步骤304，若第k个测量快照是其所处本地区域内的第1个测量快照，则采用串行干扰消除方法对其包含的所有L径信号的信道参数进行初始化，得到所有L径信号的信道参数的初始值。

在步骤304中，对每个本地区域内的第1个测量快照使用串行干扰消除初始化方法，能够避免或减轻基于测量快照间相关性的初始化方法带来的误差累积。

步骤305，若第k个测量快照不是其所处本地区域内的第1个测量快照，直接将第k-1个测量快照的最终信道参数提取结果对应的作为第k个测量快照中所有L径信号的信道参数的初始值。

令

表示第k个测量快照中第l径信号的最终信道参数提取结果，上标R是result的缩写，表示提取结果，其中A_l，τ_l，φ_1，l，θ_1，l，φ_2，l，θ_2，l，f_d，l分别表示第l径信号的极化复幅度矩阵，传播时延，水平离开角，垂直离开角，水平到达角，垂直到达角和多普勒频移，令

表示第k个测量快照中第l径信号的信道参数初始值，上标0表示初始值，则本步骤可以表示为

${\mathrm{\θ}}_l^{\left(0\right)}\left(k\right)={\mathrm{\θ}}_l^{\left(R\right)}(k-1)l=1,...,L$

其中L为最大多径数。

上述步骤303～305对应步骤202。

步骤306，将迭代轮次n的初始值设为1，开始第1轮迭代。该步骤对应步骤203。

步骤307，将多径信号的序号l初始化为1，准备开始对第1径信号的信道参数进行提取。该步骤对应步骤204。

步骤308，计算第l径信号的条件期望。该步骤对应步骤205。

在步骤308中，第l径信号的条件期望x_l(t)计算为

$x_l\left(t\right)=E\left[X_l\left(t\right)\right|y\left(t\right)]=y\left(t\right)-\underset{l^{\′}=1,l^{\′}\≠l}{\overset{L}{\mathrm{\Σ}}}{s}_{l^{\′}}\left(t\right)$

其中y(t)表示第k个测量快照测得的信道冲激响应，且

$s_l\left(t\right)=\exp \left\{j2\mathrm{\π}{f}_{d,l}t\right\}{C}_2({\mathrm{\φ}}_{2,l},{\mathrm{\θ}}_{2,l})A_l{C}_1^T({\mathrm{\φ}}_{1,l},{\mathrm{\θ}}_{1,l})\mathrm{\δ}(t-{\mathrm{\τ}}_l)$

其中

表示发送天线阵列在对应角度上的响应，C₂(φ₂，θ₂)＝[c_2，1(φ₁，θ₁)，c_2，2(φ₁，θ₁)]表示接收天线阵列在对应角度上的响应，δ(t)表示单位冲激函数，符号(·)^T表示矩阵的转置。

步骤309，确定第l径信号中各信道参数的优先搜索域。

该步骤309中，第l径信号中各信道参数的优先搜索域U_l定义为以其他L-1径信号的相应信道参数值为中心，以搜索步长的一定倍数为半径的区间的并集，即

$U_l=\left(\underset{l^{\′}=1}{\overset{l-1}{\∪}}\right[{\mathrm{\θ}}_{l^{\′}}^{\left(n\right)}\left(k\right)-\mathrm{\σ\Δ},{\mathrm{\θ}}_{l^{\′}}^{\left(n\right)}\left(k\right)+\mathrm{\σ\Δ}\left]\right)\∪\left(\underset{l^{\′\′}=l+1}{\overset{L}{\∪}}\right[{\mathrm{\θ}}_{l^{\′\′}}^{(n-1)}\left(k\right)-\mathrm{\σ\Δ},{\mathrm{\θ}}_{l^{\′\′}}^{(n-1)}\left(k\right)+\mathrm{\σ\Δ}\left]\right)$

其中

表示第n轮迭代后第k个测量快照中的第l径信号的信道参数值，Δ表示搜索步长，σ为正整数，表示搜索步长的加权，等号右边的“U”表示求并集。在以下各步骤中，为方便起见，在不引起混淆的情况下，将

简写为

相应的，传播时延、多普勒频移、水平离开角、垂直离开角、水平到达角、垂直到达角的优先搜索域分别为

$U_{{\mathrm{\τ}}_l}=\left(\underset{l^{\′}=1}{\overset{l-1}{\∪}}\right[{\mathrm{\τ}}_{l^{\′}}^{\left(n\right)}-{\mathrm{\σ}}_{\mathrm{\τ}}{\mathrm{\Δ}}_{\mathrm{\τ}},{\mathrm{\τ}}_{l^{\′}}^{\left(n\right)}+{\mathrm{\σ}}_{\mathrm{\τ}}{\mathrm{\Δ}}_{\mathrm{\τ}}\left]\right)\∪\left(\underset{l^{\′\′}=l+1}{\overset{L}{\∪}}\right[{\mathrm{\τ}}_{l^{\′\′}}^{(n-1)}-{\mathrm{\σ}}_{\mathrm{\τ}}{\mathrm{\Δ}}_{\mathrm{\τ}},{\mathrm{\τ}}_{l^{\′\′}}^{(n-1)}+{\mathrm{\σ}}_{\mathrm{\τ}}{\mathrm{\Δ}}_{\mathrm{\τ}}\left]\right)$

$U_{f_{d,l}}=\left(\underset{l^{\′}=1}{\overset{l-1}{\∪}}\right[f_{d,l^{\′}}^{\left(n\right)}-{\mathrm{\σ}}_{f_d}{\mathrm{\Δ}}_{f_d},f_{d,l^{\′}}^{\left(n\right)}+{\mathrm{\σ}}_{f_d}{\mathrm{\Δ}}_{f_d}\left]\right)\∪\left(\underset{l^{\′\′}=l+1}{\overset{L}{\∪}}\right[f_{d,l^{\′\′}}^{(n-1)}-{\mathrm{\σ}}_{f_d}{\mathrm{\Δ}}_{f_d},{\mathrm{\τ}}_{d,l^{\′\′}}^{(n-1)}+{\mathrm{\σ}}_{f_d}{\mathrm{\Δ}}_{f_d}\left]\right)$

$U_{{\mathrm{\φ}}_{1,l}}=\left(\underset{l^{\′}=1}{\overset{l-1}{\∪}}\right[{\mathrm{\φ}}_{1,l^{\′}}^{\left(n\right)}-{\mathrm{\σ}}_{{\mathrm{\φ}}_1}{\mathrm{\Δ}}_{{\mathrm{\φ}}_1},{\mathrm{\φ}}_{1,l^{\′}}^{\left(n\right)}+{\mathrm{\σ}}_{{\mathrm{\φ}}_1}{\mathrm{\Δ}}_{{\mathrm{\φ}}_1}\left]\right)\∪\left(\underset{l^{\′\′}=l+1}{\overset{L}{\∪}}\right[{\mathrm{\φ}}_{1,l^{\′\′}}^{(n-1)}-{\mathrm{\σ}}_{{\mathrm{\φ}}_1}{\mathrm{\Δ}}_{{\mathrm{\φ}}_1},{\mathrm{\φ}}_{1,l^{\′\′}}^{(n-1)}+{\mathrm{\σ}}_{{\mathrm{\φ}}_1}{\mathrm{\Δ}}_{{\mathrm{\φ}}_1}\left]\right)$

$U_{{\mathrm{\θ}}_{1,l}}=\left(\underset{l^{\′}=1}{\overset{l-1}{\∪}}\right[{\mathrm{\θ}}_{1,l^{\′}}^{\left(n\right)}-{\mathrm{\σ}}_{{\mathrm{\θ}}_1}{\mathrm{\Δ}}_{{\mathrm{\θ}}_1},{\mathrm{\θ}}_{1,l^{\′}}^{\left(n\right)}+{\mathrm{\σ}}_{{\mathrm{\θ}}_1}{\mathrm{\Δ}}_{{\mathrm{\θ}}_1}\left]\right)\∪\left(\underset{l^{\′\′}=l+1}{\overset{L}{\∪}}\right[{\mathrm{\θ}}_{1,l^{\′\′}}^{(n-1)}-{\mathrm{\σ}}_{{\mathrm{\θ}}_1}{\mathrm{\Δ}}_{{\mathrm{\θ}}_1},{\mathrm{\θ}}_{1,l^{\′\′}}^{(n-1)}+{\mathrm{\σ}}_{{\mathrm{\θ}}_1}{\mathrm{\Δ}}_{{\mathrm{\θ}}_1}\left]\right)$

$U_{{\mathrm{\φ}}_{2,l}}=\left(\underset{l^{\′}=1}{\overset{l-1}{\∪}}\right[{\mathrm{\φ}}_{2,l^{\′}}^{\left(n\right)}-{\mathrm{\σ}}_{{\mathrm{\φ}}_2}{\mathrm{\Δ}}_{{\mathrm{\φ}}_2},{\mathrm{\φ}}_{2,l^{\′}}^{\left(n\right)}+{\mathrm{\σ}}_{{\mathrm{\φ}}_2}{\mathrm{\Δ}}_{{\mathrm{\φ}}_2}\left]\right)\∪\left(\underset{l^{\′\′}=l+1}{\overset{L}{\∪}}\right[{\mathrm{\φ}}_{2,l^{\′\′}}^{(n-1)}-{\mathrm{\σ}}_{{\mathrm{\φ}}_2}{\mathrm{\Δ}}_{{\mathrm{\φ}}_2},{\mathrm{\φ}}_{2,l^{\′\′}}^{(n-1)}+{\mathrm{\σ}}_{{\mathrm{\φ}}_2}{\mathrm{\Δ}}_{{\mathrm{\φ}}_2}\left]\right)$

$U_{{\mathrm{\θ}}_{2,l}}=\left(\underset{l^{\′}=1}{\overset{l-1}{\∪}}\right[{\mathrm{\θ}}_{2,l^{\′}}^{\left(n\right)}-{\mathrm{\σ}}_{{\mathrm{\θ}}_2}{\mathrm{\Δ}}_{{\mathrm{\θ}}_2},{\mathrm{\θ}}_{2,l^{\′}}^{\left(n\right)}+{\mathrm{\σ}}_{{\mathrm{\θ}}_2}{\mathrm{\Δ}}_{{\mathrm{\θ}}_2}\left]\right)\∪\left(\underset{l^{\′\′}=l+1}{\overset{L}{\∪}}\right[{\mathrm{\θ}}_{2,l^{\′\′}}^{(n-1)}-{\mathrm{\σ}}_{{\mathrm{\θ}}_2}{\mathrm{\Δ}}_{{\mathrm{\θ}}_2},{\mathrm{\θ}}_{2,l^{\′\′}}^{(n-1)}+{\mathrm{\σ}}_{{\mathrm{\θ}}_2}{\mathrm{\Δ}}_{{\mathrm{\θ}}_2}\left]\right)$

其中，Δ_τ，分别表示传播时延、水平离开角、垂直离开角、水平到达角、垂直到达角和多普勒频移的搜索步长，σ_τ，

分别表示各步长的加权系数，该系数根据搜索步长占整个取值域的比例灵活调整。例如σ_τ一般取1，当角度域的搜索步长为2°时，

一般取2。

步骤310，在优先搜索域中寻找使第l径信号的似然函数最大化的传播时延值。

第l径信号的似然函数

表示为

$z({\stackrel{\‾}{\mathrm{\θ}}}_l;x_l)=f{\left({\stackrel{\‾}{\mathrm{\θ}}}_l\right)}^H\·D{({\mathrm{\φ}}_{1,l},{\mathrm{\θ}}_{1,l},{\mathrm{\φ}}_{2,l},{\mathrm{\θ}}_{2,l})}^{-1}f\left({\stackrel{\‾}{\mathrm{\θ}}}_l\right)$

其中 ${\stackrel{\‾}{\mathrm{\θ}}}_l=\{{{\mathrm{\τ}}_l,\mathrm{\φ}}_{1,l},{\mathrm{\θ}}_{1,l},{\mathrm{\φ}}_{2,l},{\mathrm{\θ}}_{2,l},f_{d,l}\},$

$D({\mathrm{\φ}}_{1,l},{\mathrm{\θ}}_{1,l},{\mathrm{\φ}}_{2,l},{\mathrm{\θ}}_{2,l})=\left[C_2{({\mathrm{\φ}}_{2,l},{\mathrm{\θ}}_{2,l})}^H{C}_2({\mathrm{\φ}}_{2,l},{\mathrm{\θ}}_{2,l})\right]\⊗\left[C_1{({\mathrm{\φ}}_{1,l},{\mathrm{\θ}}_{1,l})}^H{C}_1({\mathrm{\φ}}_{1,l},{\mathrm{\θ}}_{1,l})\right]$

其中符号

表示克罗内克积，(·)^H表示矩阵的共轭转置，

$f\left({\stackrel{\‾}{\mathrm{\θ}}}_l\right)=\left[\begin{array}{c}{c}_{\mathrm{2,1}}^H({\mathrm{\φ}}_{2,l},{\mathrm{\θ}}_{2,l})X_l({\mathrm{\τ}}_l,f_{d,l})c_{\mathrm{1,1}}^{*}({\mathrm{\φ}}_{1,l},{\mathrm{\θ}}_{1,l})\\ c_{\mathrm{2,1}}^H({\mathrm{\φ}}_{2,l},{\mathrm{\θ}}_{2,l})X_l({\mathrm{\τ}}_l,f_{d,l})c_{\mathrm{1,2}}^{*}({\mathrm{\φ}}_{1,l},{\mathrm{\θ}}_{1,l})\\ c_{\mathrm{2,2}}^H({\mathrm{\φ}}_{2,l},{\mathrm{\θ}}_{2,l})X_l({\mathrm{\τ}}_l,f_{d,l})c_{\mathrm{1,1}}^{*}({\mathrm{\φ}}_{1,l},{\mathrm{\θ}}_{1,l})\\ c_{\mathrm{2,2}}^H({\mathrm{\φ}}_{2,l},{\mathrm{\θ}}_{2,l})X_l({\mathrm{\τ}}_l,f_{d,l})c_{\mathrm{1,2}}^{*}({\mathrm{\φ}}_{1,l},{\mathrm{\θ}}_{1,l})\end{array}\right],$

其中符号(·)^*表示共轭，X_l(τ_l，f_d，l)是一个N×M维的矩阵，N和M分别为接收和发送天线总数。X_l(τ_l，f_d，l)中的元素为：

X_l，n，m(τ_l，f_d，l)＝exp(-j2πf_d，lt_n，m)·δ(t-τ_l)x_l(t-t_n，m)

其中t_n，m表示测量中第m根发送天线发送且第n根接收天线接收的时间。

得到似然函数的具体表达式后，本步骤中，在优先搜索域内寻找使似然函数最大化的传播时延值的过程可以表示为

${\mathrm{\τ}}_l^{\left(n\right)}=\underset{{\mathrm{\τ}}_l\∈U_{{\mathrm{\τ}}_l}}{\arg \max }z({\mathrm{\φ}}_{1,l}^{(n-1)},{\mathrm{\θ}}_{1,l}^{(n-1)},{\mathrm{\φ}}_{2,l}^{(n-1)},{\mathrm{\θ}}_{2,l}^{(n-1)},{\mathrm{\τ}}_1,f_{d,l}^{(n-1)};x_l)$

步骤311，判断似然函数是否单调不减。

上一步寻找到的使似然函数最大化的传播时延值必须满足似然函数单调不减的条件，才有可能是整个时延取值域内的最优值。本步骤中似然函数单调不减的条件表示为

$z({\mathrm{\φ}}_{1,l}^{(n-1)},{\mathrm{\θ}}_{1,l}^{(n-1)},{\mathrm{\φ}}_{2,l}^{(n-1)},{\mathrm{\θ}}_{2,l}^{(n-1)},{\mathrm{\τ}}_l^{\left(n\right)},f_{d,l}^{(n-1)};x_l)\≥z({\mathrm{\φ}}_{1,l}^{(n-1)},{\mathrm{\θ}}_{1,l}^{(n-1)},{\mathrm{\φ}}_{2,l}^{(n-1)},{\mathrm{\θ}}_{2,l}^{(n-1)},{\mathrm{\τ}}_l^{(n-1)},f_{d,l}^{(n-1)};x_l)$

若上式所示条件满足，则步骤310得到的即作为第n轮迭代后第l径信号的传播时延值，跳过步骤312，直接执行步骤313；若不满足，则步骤310得到的不可能是整个时延取值域内最优的，执行步骤312。

步骤312，在非优先搜索域中寻找使第l径信号的似然函数最大化的传播时延值。

本步骤中的搜索过程表示为

${\mathrm{\τ}}_l^{\left(n\right)}=\underset{{\mathrm{\τ}}_l\∈{\stackrel{\‾}{U}}_{{\mathrm{\τ}}_l}}{\arg \max }z({\mathrm{\φ}}_{1,l}^{(n-1)},{\mathrm{\θ}}_{1,l}^{(n-1)},{\mathrm{\φ}}_{2,l}^{(n-1)},{\mathrm{\θ}}_{2,l}^{(n-1)},{\mathrm{\τ}}_1,f_{d,l}^{(n-1)};x_l)$

其中

表示

的补集。由于似然函数必然单调不减，故若执行本步骤，则本步骤得到的必然是整个时延取值域内最优的。

步骤313，在优先搜索域中寻找使第l径信号的似然函数最大化的多普勒频移值。

本步骤中在优先搜索域内寻找使似然函数最大化的多普勒频移值的过程可以表示为

$f_{d,l}^{\left(n\right)}=\underset{f_{d,l}{\∈U}_{f_{d,l}}}{\arg \max }z({\mathrm{\φ}}_{1,l}^{(n-1)},{\mathrm{\θ}}_{1,l}^{(n-1)},{\mathrm{\φ}}_{2,l}^{(n-1)},{\mathrm{\θ}}_{2,l}^{(n-1)},{\mathrm{\τ}}_l^{\left(n\right)},f_{d,l};x_l)$

步骤314，判断似然函数是否单调不减。

上一步寻找到的使似然函数最大化的多普勒频移值必须满足似然函数单调不减的条件，才有可能是整个多普勒频移取值域内的最优值。本步骤中似然函数单调不减的条件表示为

$z({\mathrm{\φ}}_{1,l}^{(n-1)},{\mathrm{\θ}}_{1,l}^{(n-1)},{\mathrm{\φ}}_{2,l}^{(n-1)},{\mathrm{\θ}}_{2,l}^{(n-1)},{\mathrm{\τ}}_l^{\left(n\right)},f_{d,l}^{(n-1)};x_l)\≥z({\mathrm{\φ}}_{1,l}^{(n-1)},{\mathrm{\θ}}_{1,l}^{(n-1)},{\mathrm{\φ}}_{2,l}^{(n-1)},{\mathrm{\θ}}_{2,l}^{(n-1)},{\mathrm{\τ}}_l^{(n-1)},f_{d,l}^{(n-1)};x_l)$

若上式所示条件满足，则步骤313得到的

即作为第n轮迭代后第l径信号的多普勒频移值，跳过步骤315，直接执行步骤316；若不满足，则步骤313得到的

不可能是整个多普勒频移取值域内最优的，执行步骤315。

步骤315，在非优先搜索域中寻找使第l径信号的似然函数最大化的多普勒频移值。

本步骤中的搜索过程表示为

$f_{d,l}^{\left(n\right)}=\underset{f_{d,l}\∈{\stackrel{\‾}{U}}_{f_{d,l}}}{\arg \max }z({\mathrm{\φ}}_{1,l}^{(n-1)},{\mathrm{\θ}}_{1,l}^{(n-1)},{\mathrm{\φ}}_{2,l}^{(n-1)},{\mathrm{\θ}}_{2,l}^{(n-1)},{\mathrm{\τ}}_l^{\left(n\right)},f_{d,l};x_l)$

其中

表示

的补集。由于似然函数必然单调不减，故若执行本步骤，则本步骤得到的必然是整个多普勒频移取值域内最优的。

步骤316，在优先搜索域中寻找使第l径信号的似然函数最大化的水平离开角值。

本步骤中在优先搜索域内寻找使似然函数最大化的水平离开角值的过程可以表示为

${\mathrm{\φ}}_{1,l}^{\left(n\right)}=\underset{{\mathrm{\φ}}_{1,l}\∈U_{{\mathrm{\φ}}_{1,l}}}{\arg \max }z({\mathrm{\φ}}_{1,l},{\mathrm{\θ}}_{1,l}^{(n-1)},{\mathrm{\φ}}_{2,l}^{(n-1)},{\mathrm{\θ}}_{2,l}^{(n-1)},{\mathrm{\τ}}_l^{\left(n\right)},f_{d,l}^{\left(n\right)};x_l)$

步骤317，判断似然函数是否单调不减。

上一步寻找到的使似然函数最大化的水平离开角值必须满足似然函数单调不减的条件，才有可能是整个水平离开角取值域内的最优值。本步骤中似然函数单调不减的条件表示为

$z({\mathrm{\φ}}_{1,l}^{\left(n\right)},{\mathrm{\θ}}_{1,l}^{(n-1)},{\mathrm{\φ}}_{2,l}^{(n-1)},{\mathrm{\θ}}_{2,l}^{(n-1)},{\mathrm{\τ}}_l^{\left(n\right)},f_{d,l}^{\left(n\right)};x_l)\≥z({\mathrm{\φ}}_{1,l}^{(n-1)},{\mathrm{\θ}}_{1,l}^{(n-1)},{\mathrm{\φ}}_{2,l}^{(n-1)},{\mathrm{\θ}}_{2,l}^{(n-1)},{\mathrm{\τ}}_l^{\left(n\right)},f_{d,l}^{\left(n\right)};x_l)$

若上式所示条件满足，则步骤316得到的

即作为第n轮迭代后第l径信号的水平离开角值，跳过步骤318，直接执行步骤319；若不满足，则步骤316得到的不可能是整个水平离开角取值域内最优的，执行步骤318。

步骤318，在非优先搜索域中寻找使第l径信号的似然函数最大化的水平离开角值。

本步骤中的搜索过程表示为

${\mathrm{\φ}}_{1,l}^{\left(n\right)}=\underset{{\mathrm{\φ}}_{1,l}\∈{\stackrel{\‾}{U}}_{{\mathrm{\φ}}_{1,l}}}{\arg \max }z({\mathrm{\φ}}_{1,l},{\mathrm{\θ}}_{1,l}^{(n-1)},{\mathrm{\φ}}_{2,l}^{(n-1)},{\mathrm{\θ}}_{2,l}^{(n-1)},{\mathrm{\τ}}_l^{\left(n\right)},f_{d,l}^{\left(n\right)};x_l)$

其中

表示

的补集。由于似然函数必然单调不减，故若执行本步骤，则本步骤得到的

必然是整个水平离开角取值域内最优的。

步骤319，在优先搜索域中寻找使第l径信号的似然函数最大化的垂直离开角值。

本步骤中在优先搜索域内寻找使似然函数最大化的垂直离开角值的过程可以表示为

${\mathrm{\θ}}_{1,l}^{\left(n\right)}=\underset{{\mathrm{\θ}}_{1,l}{\∈U}_{{\mathrm{\θ}}_{1,l}}}{\arg \max }z({\mathrm{\φ}}_{1,l}^{\left(n\right)},{\mathrm{\θ}}_{1,l},{\mathrm{\φ}}_{2,l}^{(n-1)},{\mathrm{\θ}}_{2,l}^{(n-1)},{\mathrm{\τ}}_l^{\left(n\right)},f_{d,l}^{\left(n\right)};x_l)$

步骤320，判断似然函数是否单调不减。

上一步寻找到的使似然函数最大化的垂直离开角值必须满足似然函数单调不减的条件，才有可能是整个垂直离开角取值域内的最优值。本步骤中似然函数单调不减的条件表示为

$z({\mathrm{\φ}}_{1,l}^{\left(n\right)},{\mathrm{\θ}}_{1,l}^{\left(n\right)},{\mathrm{\φ}}_{2,l}^{(n-1)},{\mathrm{\θ}}_{2,l}^{(n-1)},{\mathrm{\τ}}_l^{\left(n\right)},f_{d,l}^{\left(n\right)};x_l)\≥z({\mathrm{\φ}}_{1,l}^{\left(n\right)},{\mathrm{\θ}}_{1,l}^{(n-1)},{\mathrm{\φ}}_{2,l}^{(n-1)},{\mathrm{\θ}}_{2,l}^{(n-1)},{\mathrm{\τ}}_l^{\left(n\right)},f_{d,l}^{\left(n\right)};x_l)$

若上式所示条件满足，则步骤319得到的

即作为第n轮迭代后第l径信号的垂直离开角值，跳过步骤321，直接执行步骤322；若不满足，则步骤319得到的

不可能是整个垂直离开角取值域内最优的，执行步骤321。

步骤321，在非优先搜索域中寻找使第l径信号的似然函数最大化的垂直离开角值。

本步骤中的搜索过程表示为

${\mathrm{\θ}}_{1,l}^{\left(n\right)}=\underset{{\mathrm{\θ}}_{1,l}\∈{\stackrel{\‾}{U}}_{{\mathrm{\θ}}_{1,l}}}{\arg \max }z({\mathrm{\φ}}_{1,l}^{\left(n\right)},{\mathrm{\θ}}_{1,l},{\mathrm{\φ}}_{2,l}^{(n-1)},{\mathrm{\θ}}_{2,l}^{(n-1)},{\mathrm{\τ}}_l^{\left(n\right)},f_{d,l}^{\left(n\right)};x_l)$

其中

表示

的补集。由于似然函数必然单调不减，故若执行本步骤，则本步骤得到的

必然是整个垂直离开角取值域内最优的。

步骤322，在优先搜索域中寻找使第l径信号的似然函数最大化的水平到达角值。

本步骤中在优先搜索域内寻找使似然函数最大化的水平到达角值的过程可以表示为

${\mathrm{\φ}}_{2,l}^{\left(n\right)}=\underset{{\mathrm{\φ}}_{2,l}\∈U_{{\mathrm{\φ}}_{2,l}}}{\arg \max }z({\mathrm{\φ}}_{1,l}^{\left(n\right)},{\mathrm{\θ}}_{1,l}^{\left(n\right)},{\mathrm{\φ}}_{2,l},{\mathrm{\θ}}_{2,l}^{(n-1)},{\mathrm{\τ}}_l^{\left(n\right)},f_{d,l}^{\left(n\right)};x_l)$

步骤323，判断似然函数是否单调不减。

上一步寻找到的使似然函数最大化的水平到达角值必须满足似然函数单调不减的条件，才有可能是整个水平到达角取值域内的最优值。本步骤中似然函数单调不减的条件表示为

$z({\mathrm{\φ}}_{1,l}^{\left(n\right)},{\mathrm{\θ}}_{1,l}^{\left(n\right)},{\mathrm{\φ}}_{2,l}^{\left(n\right)},{\mathrm{\θ}}_{2,l}^{(n-1)},{\mathrm{\τ}}_l^{\left(n\right)},f_{d,l}^{\left(n\right)};x_l)\≥z({\mathrm{\φ}}_{1,l}^{\left(n\right)},{\mathrm{\θ}}_{1,l}^{\left(n\right)},{\mathrm{\φ}}_{2,l}^{(n-1)},{\mathrm{\θ}}_{2,l}^{(n-1)},{\mathrm{\τ}}_l^{\left(n\right)},f_{d,l}^{\left(n\right)};x_l)$

若上式所示条件满足，则步骤322得到的即作为第n轮迭代后第l径信号的水平到达角值，跳过步骤324，直接执行步骤325；若不满足，则步骤322得到的不可能是整个水平到达角取值域内最优的，执行步骤324。

步骤324，在非优先搜索域中寻找使第l径信号的似然函数最大化的水平到达角值。

本步骤中的搜索过程表示为

${\mathrm{\φ}}_{2,l}^{\left(n\right)}=\underset{{\mathrm{\φ}}_{2,l}\∈{\stackrel{\‾}{U}}_{{\mathrm{\φ}}_{2,l}}}{\arg \max }z({\mathrm{\φ}}_{1,l}^{\left(n\right)},{\mathrm{\θ}}_{1,l}^{\left(n\right)},{\mathrm{\φ}}_{2,l},{\mathrm{\θ}}_{2,l}^{(n-1)},{\mathrm{\τ}}_l^{\left(n\right)},f_{d,l}^{\left(n\right)};x_l)$

其中

表示

的补集。由于似然函数必然单调不减，故若执行本步骤，则本步骤得到的

必然是整个水平到达角取值域内最优的。

步骤325，在优先搜索域中寻找使第l径信号的似然函数最大化的垂直到达角值。

本步骤中在优先搜索域内寻找使似然函数最大化的垂直到达角值的过程可以表示为

${\mathrm{\θ}}_{2,l}^{\left(n\right)}=\underset{{\mathrm{\θ}}_{2,l}{\∈U}_{{\mathrm{\θ}}_{2,l}}}{\arg \max }z({\mathrm{\φ}}_{1,l}^{\left(n\right)},{\mathrm{\θ}}_{1,l}^{\left(n\right)},{\mathrm{\φ}}_{2,l}^{\left(n\right)},{\mathrm{\θ}}_{2,l},{\mathrm{\τ}}_l^{\left(n\right)},f_{d,l}^{\left(n\right)};x_l)$

步骤326，判断似然函数是否单调不减。

上一步寻找到的使似然函数最大化的垂直到达角值必须满足似然函数单调不减的条件，才有可能是整个垂直到达角取值域内的最优值。本步骤中似然函数单调不减的条件表示为

$z({\mathrm{\φ}}_{1,l}^{\left(n\right)},{\mathrm{\θ}}_{1,l}^{\left(n\right)},{\mathrm{\φ}}_{2,l}^{\left(n\right)},{\mathrm{\θ}}_{2,l}^{\left(n\right)},{\mathrm{\τ}}_l^{\left(n\right)},f_{d,l}^{\left(n\right)};x_l)\≥z({\mathrm{\φ}}_{1,l}^{\left(n\right)},{\mathrm{\θ}}_{1,l}^{\left(n\right)},{\mathrm{\φ}}_{2,l}^{\left(n\right)},{\mathrm{\θ}}_{2,l}^{(n-1)},{\mathrm{\τ}}_l^{\left(n\right)},f_{d,l}^{\left(n\right)};x_l)$

若上式所示条件满足，则步骤325得到的

即作为第n轮迭代后第l径信号的垂直到达角值，跳过步骤327，直接执行步骤328；若不满足，则步骤325得到的

不可能是整个垂直到达角取值域内最优的，执行步骤327。

步骤327，在非优先搜索域中寻找使第l径信号的似然函数最大化的垂直到达角值。

本步骤中的搜索过程表示为

${\mathrm{\θ}}_{2,l}^{\left(n\right)}=\underset{{\mathrm{\θ}}_{2,l}\∈{\stackrel{\‾}{U}}_{{\mathrm{\θ}}_{2,l}}}{\arg \max }z({\mathrm{\φ}}_{1,l}^{\left(n\right)},{\mathrm{\θ}}_{1,l}^{\left(n\right)},{\mathrm{\φ}}_{2,l}^{\left(n\right)},{\mathrm{\θ}}_{2,l},{\mathrm{\τ}}_l^{\left(n\right)},f_{d,l}^{\left(n\right)};x_l)$

其中

表示

的补集。由于似然函数必然单调不减，故若执行本步骤，则本步骤得到的

必然是整个垂直到达角取值域内最优的。

步骤328，计算第l径信号的极化复幅度系数。

本步骤中极化复幅度系数计算为

$A_l^{\left(n\right)}=D{({\mathrm{\φ}}_{1,l}^{\left(n\right)},{\mathrm{\θ}}_{1,l}^{\left(n\right)},{\mathrm{\φ}}_{2,l}^{\left(n\right)},{\mathrm{\θ}}_{2,l}^{\left(n\right)})}^{-1}f\left({\stackrel{\‾}{\mathrm{\θ}}}_l^{\left(n\right)}\right)$

其中符号(·)^-1表示矩阵求逆。

本步骤直接计算出极化复幅度系数，因此在步骤308中不需要计算其优先搜索域。

上述步骤309～328对应步骤206。

步骤329，判断多径信号的序号l是否等于最大多径数L。若是，则第n轮迭代结束，得到第n轮迭代后所有L径信号的信道参数提取结果；否则将l加1，并返回执行步骤308。该步骤对应步骤207。

步骤330，判断第n轮迭代后所有L径信号的信道参数提取结果是否已收敛，判断条件为

${\mathrm{\θ}}_l^{\left(n\right)}={\mathrm{\θ}}_l^{(n-1)}l=1,...,L$

若该等式满足，则结果收敛，

即为第k个测量快照中所有L径信号的最终信道参数提取结果；否则结果不收敛，将n加1，并返回执行步骤307。

本步骤对应步骤208。

步骤331，判断测量快照的序号k是否等于最大快照数K。若是，则整个信道参数提取过程结束；否则将k加1，并返回执行步骤302。本步骤对应步骤209。

以上实施方式仅用于说明本发明，而并非对本发明的限制，有关技术领域的普通技术人员，在不脱离本发明的精神和范围的情况下，还可以做出各种变化和变型，因此所有等同的技术方案也属于本发明的范畴，本发明的专利保护范围应由权利要求限定。

Claims (8)

1.一种多维信道参数提取方法，其特征在于，该方法包括步骤：

S1、根据信道测量过程中测量设备的参数设置和测量环境的相关信息计算本地区域的范围以及每个本地区域的范围内包含的测量快照数；所述本地区域是指将一条连续的测量路线划分而成的多个区域；

S2、根据步骤S1的计算结果判定当前测量快照在其所处本地区域的范围内的位置；

S3、根据步骤S2的判定结果选择采用串行干扰消除方法或基于测量快照间相关性的方法对当前测量快照的各径信道参数进行初始化；对于每个本地区域内的第一个测量快照，使用串行干扰消除方法对各径信道参数进行初始化；对于其他测量快照，基于测量快照间相关性的初始化方法进行初始化；

S4、采用带有优先级的搜索策略对各径信道参数进行迭代运算，并在迭代运算过程中按照使各径信道参数的似然函数最大化且单调不减的原则更新信道参数。

2.如权利要求1所述的方法，其特征在于，所述测量设备包括移动台，且所述测量设备的参数设置和测量环境的相关信息包括：测量信号的中心载频f_c、信道采样速率f_s以及移动台运动速度v。

3.如权利要求2所述的方法，其特征在于，步骤S1中计算本地区域的范围d的方法为：

$d=20\mathrm{\λ}=\frac{10c}{\mathrm{\π}{f}_c}$

其中c表示光速。

4.如权利要求3所述的方法，其特征在于，所述计算每一个本地区域的范围d内所含测量快照数的方法为：

其中符号表示向下取整。

5.如权利要求1所述的方法，其特征在于，步骤S2中判断当前测量快照在其所处本地区域的范围内位置的方法为：计算

(k-K₀)modQ

其中，k为当前测量快照的序号，K₀为测量快照的序号的初始值，若上式计算结果为0，则当前测量快照为其所处本地区域的范围内的第1个测量快照；若不为0，则当前测量快照不是其所处本地区域的范围内的第1个测量快照。

6.如权利要求1或5所述的方法，其特征在于，所述基于测量快照间相关性的初始化方法为：

${\mathrm{\θ}}_l^{\left(0\right)}\left(k\right)={\mathrm{\θ}}_l^{\left(R\right)}(k-1),l=1,...,L$

其中

表示第k个测量快照中第l径信号的信道参数初始值，

表示第k-1个测量快照中第l径信号的最终信道参数提取结果，L为最大多径数。

7.如权利要求6所述的方法，其特征在于，所述带有优先级的搜索策略为：

${\mathrm{\θ}}_l^{\left(n\right)}=\underset{{\mathrm{\θ}}_l\∈U_l}{\arg \max }z\left({\mathrm{\θ}}_l\right)$

其中表示第n轮迭代后第l径信号的信道参数值，U_l为优先搜索域，z(θ_l)为第l径信号的似然函数，所述优先搜索域定义为以其他L-1径信号的相应信道参数值为中心，以搜索步长的一定倍数为半径的区间的并集；

按下式计算所述优先搜索域：

$U_l=\left(\underset{l^{\′}=1}{\overset{l-1}{\∪}}\right[{\mathrm{\θ}}_{l^{\′}}^{\left(n\right)}\left(k\right)-\mathrm{\σ\Δ},{\mathrm{\θ}}_{l^{\′}}^{\left(n\right)}\left(k\right)+\mathrm{\σ\Δ}\left]\right)\∪\left(\underset{l^{\′\′}=l+1}{\overset{L}{\∪}}\right[{\mathrm{\θ}}_{l^{\′\′}}^{(n-1)}\left(k\right)-\mathrm{\σ\Δ},{\mathrm{\θ}}_{l^{\′\′}}^{(n-1)}\left(k\right)+\mathrm{\σ\Δ}\left]\right)$

其中Δ表示搜索步长，σ为正整数，表示搜索步长的加权。

8.如权利要求7所述的方法，其特征在于，按照使各径信道参数的似然函数单调不减的原则更新信道参数是指：判断式

$z\left({\mathrm{\θ}}_l^{\left(n\right)}\right)\≥z\left({\mathrm{\θ}}_l^{(n-1)}\right)$

是否成立，如果成立，则将第l径信号的信道参数值更新为

否则继续在优先搜索域的补集中搜索信道参数，其中

表示第n轮迭代后第l径信号的信道参数值，z(θ_l)为第l径信号的似然函数。

Images