CN104023395B - 大规模mimo中基于波束空间转换的散射信源定位方法 - Google Patents

Abstract

大规模多入多出(MIMO)系统中，基于波束空间转换的散射信源定位方法的操作步骤如下：(1)信号预处理阶段：用波束形成向量把接收到的用户信号向量转换为较低维度的向量，即波束空间转换，并计算转换后向量的样本协方差矩阵。(2)估计阶段：由样本协方差矩阵获得信号子空间和噪声子空间，利用信号子空间各部分之间的线性关系以及阵列流形和噪声子空间之间的正交关系估计用户位置。本发明利用大规模MIMO信号的波束空间转换的信息损失少的特点，降低信号向量维度后获得用户位置信息。本发明方法能够在提高用户位置信息估计精度的前提下，降低估计的复杂度。

Description

大规模MIMO中基于波束空间转换的散射信源定位方法

技术领域

本发明涉及一种用于大规模MIMO中的散射信源定位方法，确切地说，是一种估计散射信源的中心波达角(DOA)和角度扩展的方法，属于无线通信技术领域。

背景技术

在蜂窝移动通信系统中，数据传输的需求不断增长，增加天线数量可以有效提高系统的频谱效率。最近，人们发现大规模MIMO系统可以提供极高的频谱效率。在大规模多用户MIMO系统中，基站配置了一百或者几百根天线，同时服务几十个用户。当阵列的天线间距较小或者信号的角度扩展较小时，基站天线的接收信号间存在相关性。此时，可以采用波束形成技术获得方向性天线增益。波束形成技术需要用户的位置信息，即用户信号的DOA估计。散射信源的信号经过多径反射到达基站。因为每条径的DOA各不相同，且一般服从高斯分布，所以定位散射信源就是估计DOA分布的均值和方差，对应的就是散射信源的中心DOA和角度扩展。在大规模MIMO系统中，因为基站计算负担很重且现有方法计算复杂度高，所以降低定位方法的计算复杂度才能使其工程应用。

在大规模MIMO系统中，计算复杂度是一个至关重要的实现问题。现有的估计方法中，最大似然(ML)、近似最大似然(AML)和协方差匹配估计技术(COMET)具有最优或者渐进最优的性能。然而，这些方法因为计算复杂度太高而难以实际采用，尤其是在大规模MIMO系统。通过采用简化的系统模型，这些基于ML和COMET方法的复杂度可以大大降低，但是这些改进方法局限于单信源场景。

另一方面，多重信号分类(MUSIC)和波束形成方法可以用于散射信源的DOA估计，并且，这些方法的计算复杂度要比基于ML和COMET方法的低。然而，这些方法还是需要搜索二维中心DOA和角度扩展来获得它们的估计，其计算复杂度仍然很高。另一方面，借助旋转不变技术的信号参数估计(ESPRIT)也可以用于角度参数估计，并且只需要搜索一维的中心DOA以获得相应的估计。因此，这个方法的计算复杂度比上述其它方法的计算复杂度低。然而，其计算复杂度仍然和基站天线数的立方成正比。

针对现有方法的计算复杂度问题，本发明提出了一种低复杂度的散射信源定位方法。

发明内容

有鉴于此，本发明的目的是提供一种在大规模MIMO系统中利用波束空间转换进行低复杂度定位的方法，即一种在大规模MIMO系统中，利用波束空间转换来估计中心DOA和角度扩展的低复杂度方法。本发明方法利用了大规模MIMO信号的波束空间转换信息损失少的特点，利用波束形成向量把接收信号向量转换到波束空间。当接收信号转换到波束空间后，接收信号向量的维度大大减小。因此，所提方法从根本上降低了计算的复杂度。同时，波束空间转换带来的误差非常小。并且，本发明方法提出了一个估计中心方位DOA的准则，提高了估计性能。

为了达到上述目的，本发明提供了一种大规模MIMO系统中基于波束空间转换的散射信源定位方法，用于下述场景：包括一个基站和多个用户的通信系统，在一段时间内所有用户向基站发射信号；基站大规模天线阵列为均匀圆柱阵。其特征在于：所述方法包括下列两个操作步骤：

(1)信号预处理阶段：用波束形成向量把接收到的用户信号向量转换为较低维度的向量，即波束空间转换，并计算转换后向量的样本协方差矩阵。所提信号预处理方法的具体步骤如下：

(11)单个圆阵接收到的信号向量与波束形成向量相乘获得波束空间的信号向量，把不同圆阵多个这样的向量组合来获得圆柱阵的波束空间信号向量。

(12)对不同时隙的圆柱阵的波束空间信号向量的自相关矩阵求平均，获得圆柱阵的样本协方差矩阵，并被作为信号协方差矩阵的估计。

基站天线数越大，波束空间转换带来的误差就越小，利用波束空间向量估计角度参数的精度就越高。因此，在大规模MIMO系统中，波束空间转换几乎不会带来估计精度的损失。同时，波束空间的信号向量的维度比原信号向量的维度降低很多，从而降低了计算复杂度。具体而言，波束空间转换的计算复杂度与基站天线数成正比，相比之下，利用波束空间信号向量估计中心DOA和角度扩展的计算复杂度几乎可以忽略。因此，所提方法的计算复杂度仅与基站天线数成正比，从根本上降低了散射信源定位的计算复杂度。

(2)估计阶段：由样本协方差矩阵获得信号子空间和噪声子空间，利用信号子空间各部分之间的线性关系以及阵列流形和噪声子空间之间的正交关系估计用户位置。所提估计方法的具体步骤如下：

(21)计算圆柱阵的样本协方差矩阵的特征值分解，获得圆柱阵的信号子空间，并将其分解为各圆阵的信号子空间。接着，由这些信号子空间估计它们之间的线性转换矩阵。

(22)计算转换矩阵估计的特征值分解，由特征值获得中心俯仰角的估计。

(23)从圆柱阵的样本协方差矩阵中提取出单个圆阵的样本协方差矩阵，计算其特征值分解，获得噪声子空间。接着，利用噪声子空间与阵列流形之间的正交性获得中心方位角的估计。然后，计算噪声子空间对应的特征值的平均，获得噪声功率的估计。

(24)利用单个圆阵的样本协方差矩阵、二维中心波达角估计和噪声功率估计，获得二维角度扩展的估计。

由于相邻圆阵之间是垂直平移的关系，它们对应的信号子空间之间可以线性转换，且相应的线性转换矩阵是中心俯仰角的函数，步骤(21)利用所有圆阵的信号子空间来估计子空间之间的线性转换矩阵，步骤(22)利用该转换矩阵的特征值估计中心俯仰角。由于阵列流形与噪声子空间是正交的，所以步骤(23)就利用该正交关系获得阵列流形对应的中心方位角的估计。并且，步骤(23)采用了所提出的估计准则，可以获得更好的估计性能。由于噪声子空间对应的特征值即噪声的功率估计，步骤(23)利用这些特征值的平均作为噪声功率的估计。单个圆阵的协方差矩阵是二维中心波达角、二维角度扩展和噪声功率的函数，步骤(24)利用该函数关系，由现有的样本协方差矩阵、二维中心波达角估计和噪声功率估计获得二维角度扩展的估计。

本发明基于波束空间转换的定位方法是一种用于大规模MIMO系统中的用户中心DOA和角度扩展的估计方法。其优点是：在提高估计性能的前提下，大大地降低了计算复杂度。本发明方法的创新关键是：利用大规模MIMO信号的波束空间转换信息损失少的特点，利用波束形成向量把接收信号向量转换到波束空间。当接收信号转换到波束空间后，接收信号向量的维度大大减小，从而使定位的计算复杂度大大降低。本发明是一种低复杂度的估计方法，能为大规模MIMO系统的波束形成实际应用提供精确的角度信息。

附图说明

图1是本发明应用场景：散射信源DOA示意图。

图2是本发明大规模MIMO中定位方法的流程图。

图3是本发明实施例中，中心方位角估计均方根误差(RMSE)与基站天线数关系的仿真图。

图4是本发明实施例中，方位角度扩展估计RMSE与基站天线数关系的仿真图。

具体实施方式

为使本发明的目的、技术方案和优点更加清楚，下面结合附图对本发明作进一步的详细描述。

参见图1，先介绍本发明方法的应用场景：包括一个基站和多个用户的通信系统，在一段时间内所有用户向基站发射信号；基站大规模天线阵列为均匀圆柱阵，包含L个圆阵；为第k个用户的中心方位角，为第k个用户的方位角度扩展，为第k个用户的中心俯仰角，为第k个用户的俯仰角度扩展；为波束空间信号向量的样本协方差矩阵；第l个圆阵的信号子空间为E_l,l＝1,2,…,L；第l′个圆阵和第l′+1个圆阵的信号子空间之间的转换矩阵为为的左上角的P′×P′的子矩阵，其中，P′为4πr/λ+2和3K+1的较大值，r为圆阵半径，λ为信号波长，K为基站同时服务的用户数量。

参见图2，介绍本发明方法的下列两个操作步骤：

(1)信号预处理阶段：用波束形成向量把接收到的用户信号向量转换为较低维度的向量，即波束空间转换，并计算转换后向量的样本协方差矩阵。该步骤的操作内容为：

(11)把接收信号向量转换到波束空间，获得波束空间信号向量。

(12)计算波束空间信号向量的样本协方差矩阵

(2)估计阶段：由样本协方差矩阵获得信号子空间和噪声子空间，利用信号子空间各部分之间的线性关系以及阵列流形和噪声子空间之间的正交关系估计用户位置。具体步骤如下：

(21)计算的特征值分解，获得圆柱阵信号子空间，并将其按照圆阵分解为E_l,l＝1,2,…,L，接着用全局最小二乘准则估计E_l,l＝1,2,…,L，之间的转换矩阵

(22)计算的特征值分解，由特征值获得中心俯仰角的估计。

(23)由获得其左上角的P′×P′的子矩阵并计算其特征值分解，利用噪声子空间估计中心方位角，由噪声子空间对应特征值估计噪声功率。

(24)利用和二维中心波达角估计、噪声功率估计，估计二维角度扩展。

为了展示本发明方法的低复杂度，在此简单分析一个特例的计算复杂度。当基站的圆柱阵包含2个圆阵，每个圆阵的天线数量为100，用户数为6，最大角度扩展为1°，搜索步长为0.02°，现有最低复杂度的方法需要复数乘法的数量级至少为1.2×10⁷，而本发明方法需要复数乘法的数量级为2.3×10⁶，本发明方法的计算复杂度是现有最低复杂度方法的计算复杂度的19％，可见采用本发明方法可以大幅度降低计算复杂度。

为了展示本发明方法的实用性能，申请人进行了多次仿真实施试验。试验系统中的网络配置模型为图1所示的应用场景。仿真试验的结果如图3和图4所示，分别从中心方位角的估计和方位角度扩展的估计两个方面进行了仿真。为了直观地体现本发明方法的优越性，将本方法的仿真结果与现有的散射信源的定位方法进行了对比。

由图3可以看出，本发明方法明显地降低了中心方位角估计的RMSE，也就是说所提出的方法能够提高中心方位角的估计精度。图4表明，本发明方法获得的方位角度扩展估计的RMSE低于现有方法的RMSE。因此，本发明方法对于中心方位角和方位角度扩展的估计精度高于现有其它方法。

以上所述仅为本发明的较佳实例而已，并不用以限制本发明，凡在本发明的精神和原则之内，所做的任何修改、等同替换、改进等，均应包含在本发明保护的范围之内。

Claims (2)

1.大规模多入多出(MIMO)中基于波束空间转换的散射信源定位方法，用于下述场景：包括一个基站和多个用户的通信系统，在一段时间内所有用户向基站发射信号；基站大规模天线阵列为均匀圆柱阵；其特征在于：所述方法包括下列两个操作步骤：

(1)信号预处理阶段：用波束形成向量把接收到的用户信号向量转换为较低维度的向量，即波束空间转换，并计算转换后向量的样本协方差矩阵；

(2)估计阶段：由圆柱阵的样本协方差矩阵的特征值分解，获得圆柱阵的信号子空间，并将其分解为各圆阵的信号子空间；接着，由这些信号子空间估计它们之间的线性转换矩阵，然后，计算转换矩阵估计的特征值分解，由特征值获得中心俯仰角的估计；从圆柱阵的样本协方差矩阵中提取出单个圆阵的样本协方差矩阵，计算其特征值分解，获得噪声子空间；接着，利用噪声子空间与阵列流形之间的正交性获得中心方位角的估计；然后，计算噪声子空间对应的特征值的平均，获得噪声功率的估计；最后，利用单个圆阵的样本协方差矩阵、二维中心波达角估计和噪声功率估计，获得二维角度扩展的估计。

2.根据权利要求1所述的方法，其特征在于：所述步骤(1)中，信号预处理进一步包括下列操作内容：

(11)单个圆阵接收到的信号向量与波束形成向量相乘获得波束空间的信号向量，把不同圆阵多个这样的向量组合就获得圆柱阵的波束空间信号向量；

(12)对不同时隙的圆柱阵的波束空间信号向量的自相关矩阵求平均，获得圆柱阵的样本协方差矩阵，并被作为信号协方差矩阵的估计。