CN105425204A - 波达方位估计架构方法 - Google Patents
波达方位估计架构方法 Download PDFInfo
- Publication number
- CN105425204A CN105425204A CN201510738083.9A CN201510738083A CN105425204A CN 105425204 A CN105425204 A CN 105425204A CN 201510738083 A CN201510738083 A CN 201510738083A CN 105425204 A CN105425204 A CN 105425204A
- Authority
- CN
- China
- Prior art keywords
- signal
- noise
- doa
- ripple
- reaches
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
Classifications
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01S—RADIO DIRECTION-FINDING; RADIO NAVIGATION; DETERMINING DISTANCE OR VELOCITY BY USE OF RADIO WAVES; LOCATING OR PRESENCE-DETECTING BY USE OF THE REFLECTION OR RERADIATION OF RADIO WAVES; ANALOGOUS ARRANGEMENTS USING OTHER WAVES
- G01S3/00—Direction-finders for determining the direction from which infrasonic, sonic, ultrasonic, or electromagnetic waves, or particle emission, not having a directional significance, are being received
- G01S3/02—Direction-finders for determining the direction from which infrasonic, sonic, ultrasonic, or electromagnetic waves, or particle emission, not having a directional significance, are being received using radio waves
- G01S3/14—Systems for determining direction or deviation from predetermined direction
Abstract
本发明提供一种波达方位估计架构方法,特别涉及一种面向宽带无线通信智能天线系统的自适应的波达方位估计架构方法。所述方法为:(1)预先针对不同的信号和噪声模型,推导出不同模型下的DOA估计评价标准,并确定评价标准。(2)从所述天线阵列接收到数据之后,从所述数据中提取作为分析对象信号和噪声的特征。(3)将所述作为分析对象信号和噪声进行分类。(4)采用触发机制,根据所述作为分析对象信号和噪声选择不同的DOA估计评价标准。(5)利用触发选择的所述DOA估计评价标准,得到所述信号的波达方位估计。
Description
技术领域
本发明涉及一种波达方位估计架构方法,特别涉及一种面向宽带无线通信智能天线系统的自适应的波达方位估计架构方法。
背景技术
智能天线(smartantenna)技术是我国自主提出的3G国际标准TD-SCDMA的关键技术之一,可显著提高无线通信系统的容量和抗干扰能力,在当前的TD-LTE(4G)系统中得到广泛的应用,而且也将是未来5G通信系统的关键技术之一。在如图1所示的智能天线的一般系统构成中,核心包括三个部分:天线阵列(AntennaArray)、波达方位估计(DOA)模块以及波束成形(AdaptiveAlgorithm)模块。
智能天线系统的天线阵列一般采用自适应天线阵列,自适应天线阵列的核心方法是利用多个天线单元空间的正交性和各用户信号空间特征的差异,采取数据天线技术,根据某种接收准则自动调节天线数组的加权向量(W*),产生空间定向波束,使天线主波束对准用户信号的到达方向,旁瓣或零陷点对准干扰信号到达方向。从而提高目标用户的信干噪比(SignaltoInterferenceandNoiseRatio,SINR)。自适应天线阵列的工作原理如图2所示。
如图1和图2所示,智能天线系统的一个关键模块即为:波达方位估计(Directional-of-Arrival,DOA)模块。
以往的智能天线系统需要准确地估计目标信号和干扰源的波达方位(DOA),以使天线主波束对准用户信号的到达方向,旁瓣或零陷点对准干扰信号到达方向。大量研究和系统测试表明DOA估计在很大程度上影响着智能天线的性能,进而影响整个系统的误码率、系统容量以及覆盖范围。
虽然从理论上,智能天线系统可以很大程度地提高无线通信系统的容量和抗干扰能力,然而从实际的应用效果来看,在一些情况下(如存在相干信号、高速移动、干扰较大)其实际增益远远没有达到理论上的效果。其中一个重要的原因如下:
目前实际通信系统的DOA算法,在信号和噪声模型上,仍然停留在理想的数学模型层面。例如认为信号为远场窄带信号;噪声为高斯白噪声;信号与噪声相互独立。然而在实际的通信环境中,通信信号有可能是窄带信号,宽带信号或者循环平稳信号等等,噪声有可能是高斯白噪声,也有可能是有色噪声。而且当前的DOA算法,其评价标准一旦确定下来之后,往往是一成不变的,不能自适应地根据环境的改变而改变,这样一来,在不同环境下其DOA估计性能当然会大大受到影响。
为了避免DOA估计的精确度对能天线的性能、系统的误码率、系统容量以及覆盖范围的影响,本发明方案提出了一种面向宽带无线通信智能天线系统的自适应的波达方位估计架构方法。
发明内容
为克服上述的DOA估计的精确度对能天线的性能、系统的误码率、系统容量以及覆盖范围的影响的这一缺陷,本发明的目的在于提出一种基于信号和噪声特征提取的自适应的DOA估计架构方法。
本发明在包括天线阵列(AntennaArray)、波达方位估计(DOA)模块以及波束成形(AdaptiveAlgorithm)模块该三个部分的智能天线系统中,本发明的波达方位估计架构方法包括以下步骤:
(1)预先针对不同的信号和噪声模型,推导出不同模型下的DOA估计评价标准,并确定评价标准。
(2)从所述天线阵列接收到数据之后,从所述数据中提取作为分析对象信号和噪声的特征。
(3)将所述作为分析对象信号和噪声进行分类。
(4)采用触发机制,根据所述作为分析对象信号和噪声选择不同的预先确定的所述DOA估计评价标准。
(5)利用触发选择的所述DOA估计评价标准,得到所述信号的波达方位估计。
其中,所述推导使用MUSIC、ESPRIT、最大似然(ML)、权重子空间拟合(WSF)算法。
其中,所述信号分为:窄带信号、宽带信号、循环平稳信号。
其中,所述噪声分为:斯白噪声、有色噪声。
其中,在检测信号为宽带、循环平稳信号,噪声为有色噪声的情况下,选择针对信号为宽带、循环平稳信号,噪声为有色噪声的情况下所推导出来的DOA估计评价标准。
根据本发明的波达方位估计架构方法,基于信号和噪声特征提取的自适应DOA估计架构,智能天线系统可以根据实际的通信环境自适应地选择最合适的DOA估计评价标准,由此,针对不同环境的DOA估计的精确度得以提高的同时,智能天线系统整体的性能也得以提高。
附图说明
为了更清楚地说明本发明实施例中的技术方案,下面将对本发明实施例描述中所需要使用的附图作简单的介绍,显而易见地,下面描述中的附图仅仅是本发明的一些实施例,对于本领域普通技术人员来讲,在不付出创造性劳动的前提下,还可以根据本发明实施例的内容和这些附图获得其他的附图。
图1是模式化表示智能天线系统构成的图。
图2是模式化表示智能天线中自适应天线阵列的基本工作原理的图。
图3是模式化表示本发明的智能天线中自适应天线阵列的基本工作原理的图。
具体实施方式
传统的DOA估计架构是:在天线阵列接收到数据之后,直接套用MUSIC(多重信号分类)或者ESPRIT(子空间旋转不变性的信号参数估计)算法的评价标准,对数据进行处理,进而得到信号源的DOA估计。然而正如第二章所描述的,传统的DOA估计针对的是某一个固定的信号和噪声模型,而且其算法的评价标准是固定不变的,不能根据环境的改变而改变。
在实际的通信环境中,不同的环境下,信号和噪声其实是不断变化的。从不同的角度,对信号和噪声可以进行不同的划分。比如信号可以分为窄带信号以及宽带信号,还可以分为循环平稳信号和非循环平稳信号等。噪声可以分为高斯白噪声或者有色噪声等等。当然从更细的角度,还可以进行更细的划分。
为了解决传统DOA估计存在的弊端,
如图3所示,本发明涉及的波达方位估计架构方法是面向宽带无线通信智能天线系统的自适应的波达方位估计架构方法,主要包括以下步骤:
(1)从天线阵列接收到数据之后,首先提取信号和噪声的特征。
(2)将信号和噪声进行分类。比如信号分为:窄带信号、宽带信号、循环平稳信号等等。噪声分为高斯白噪声、有色噪声等等。
(3)事先针对不同的信号和噪声模型,使用MUSIC、ESPRIT、甚至更为先进的最大似然(ML)或者权重子空间拟合(WSF)等算法推导出不同模型下的DOA估计评价标准,并将评价标准固定下来。
(4)采用触发机制,根据不同的信号和噪声模型选择不同的DOA估计评价标准。比如如果检测信号为宽带、循环平稳信号,噪声为有色噪声,则选择针对信号为宽带、循环平稳信号,噪声为有色噪声模型下所推导出来的DOA估计评价标准。
(5)利用触发选择的评价标准,对接收到的数据进行处理,并得到信号的波达方位估计。
根据本发明的波达方位估计架构方法,基于信号和噪声特征提取的自适应DOA估计架构,智能天线系统可以根据实际的通信环境自适应地选择最合适的DOA估计评价标准,由此,针对不同环境的DOA估计的精确度得以提高的同时,智能天线系统整体的性能也得以提高。
以上对本发明的实施方式进行了说明,但该实施方式仅作为一个范例,并不具有限定发明范围的意图。本发明能够通过其他各种形态实施,能够在不超出发明主旨的范围内进行各种各样的变更。
Claims (5)
1.一种波达方位估计架构方法,其特征在于,包括:
在包括天线阵列(AntennaArray)、波达方位估计(DOA)模块以及波束成形(AdaptiveAlgorithm)模块这三个部分的智能天线系统中,
所述波达方位估计架构方法包括以下步骤:
预先针对不同的信号和噪声模型,推导出不同模型下的DOA估计评价标准,并确定评价标准的步骤;
从所述天线阵列接收到数据之后,从所述数据中提取作为分析对象信号和噪声的特征的步骤;
将所述作为分析对象信号和噪声进行分类的步骤;
通过触发机制,根据所述作为分析对象信号和噪声选择不同的预先确定的所述DOA估计评价标准的步骤;以及
根据所述触机制所选择的所述DOA估计评价标准,得到所述信号的波达方位估计的步骤。
2.根据权利要求1所述的波达方位估计架构方法,其特征在于,
所述推导包括:MUSIC、ESPRIT、最大似然(ML)、权重子空间拟合(WSF)算法。
3.根据权利要求1所述的波达方位估计架构方法,其特征在于,
所述信号包括:窄带信号、宽带信号、循环平稳信号。
4.根据权利要求1所述的波达方位估计架构方法,其特征在于,
所述噪声包括:斯白噪声、有色噪声。
5.根据权利要求1所述的波达方位估计架构方法,其特征在于,
在检测信号为宽带、循环平稳信号,噪声为有色噪声的情况下,选择针对信号为宽带、循环平稳信号,噪声为有色噪声的情况下所推导出来的DOA估计评价标准。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201510738083.9A CN105425204A (zh) | 2015-11-03 | 2015-11-03 | 波达方位估计架构方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201510738083.9A CN105425204A (zh) | 2015-11-03 | 2015-11-03 | 波达方位估计架构方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN105425204A true CN105425204A (zh) | 2016-03-23 |
Family
ID=55503532
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201510738083.9A Pending CN105425204A (zh) | 2015-11-03 | 2015-11-03 | 波达方位估计架构方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN105425204A (zh) |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106680797A (zh) * | 2016-06-21 | 2017-05-17 | 大连大学 | 基于宽带模糊函数的目标参数估计新方法 |
CN109327249A (zh) * | 2018-11-13 | 2019-02-12 | 钟祥博谦信息科技有限公司 | Mimo系统中的到达角估计方法 |
CN110308418A (zh) * | 2019-08-06 | 2019-10-08 | 中国石油大学(华东) | 一种doa估计架构方法 |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US4750147A (en) * | 1985-11-06 | 1988-06-07 | Stanford University | Method for estimating signal source locations and signal parameters using an array of signal sensor pairs |
US20060208947A1 (en) * | 2005-03-16 | 2006-09-21 | Masataka Tsuchihashi | Apparatus and method for estimating direction of arrival of radio wave |
CN101150345A (zh) * | 2006-09-18 | 2008-03-26 | 中国人民解放军空军装备研究院雷达与电子对抗研究所 | 适用于非平稳噪声背景下相干信源的测向方法 |
CN104749555A (zh) * | 2014-12-19 | 2015-07-01 | 中国航天科技集团公司第五研究院第五一三研究所 | 一种组合相位差测向和空间谱测向的测向定位系统 |
-
2015
- 2015-11-03 CN CN201510738083.9A patent/CN105425204A/zh active Pending
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US4750147A (en) * | 1985-11-06 | 1988-06-07 | Stanford University | Method for estimating signal source locations and signal parameters using an array of signal sensor pairs |
US20060208947A1 (en) * | 2005-03-16 | 2006-09-21 | Masataka Tsuchihashi | Apparatus and method for estimating direction of arrival of radio wave |
CN101150345A (zh) * | 2006-09-18 | 2008-03-26 | 中国人民解放军空军装备研究院雷达与电子对抗研究所 | 适用于非平稳噪声背景下相干信源的测向方法 |
CN104749555A (zh) * | 2014-12-19 | 2015-07-01 | 中国航天科技集团公司第五研究院第五一三研究所 | 一种组合相位差测向和空间谱测向的测向定位系统 |
Non-Patent Citations (2)
Title |
---|
HAIHUA CHEN ET.AL: "An Algorithm for Finding the Best Solution of Stochastic ML Estimation of DOA", 《2007 INTERNATIONAL SYMPOSIUM ON COMMUNICATIONS AND INFORMATION TECHNOLOGIES》 * |
HAIHUA CHEN,ET AL: "A Novel Modification of WSF for DOA Estimation", 《2013 IEEE WIRELESS COMMUNICATIONS AND NETWORKING CONFERENCE》 * |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106680797A (zh) * | 2016-06-21 | 2017-05-17 | 大连大学 | 基于宽带模糊函数的目标参数估计新方法 |
CN109327249A (zh) * | 2018-11-13 | 2019-02-12 | 钟祥博谦信息科技有限公司 | Mimo系统中的到达角估计方法 |
CN110308418A (zh) * | 2019-08-06 | 2019-10-08 | 中国石油大学(华东) | 一种doa估计架构方法 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US11150320B2 (en) | Device-free subject localization methods and systems using wireless signals | |
CN106680780B (zh) | 频谱共享环境下基于射频隐身的雷达最优波形设计方法 | |
US10794984B2 (en) | System, method and computer-readable medium for estimating direction of arrival of a signal incident on at least one antenna array | |
EP3973726A1 (en) | Radio mapping architecture for applying machine learning techniques to wireless radio access networks | |
US9197452B2 (en) | Method for adaptive channel estimation for wireless communication between a vehicle and other communication subscribers using the measurement results of the environment sensor system | |
KR102207844B1 (ko) | 적어도 하나의 안테나 배열에 입사하는 신호의 도착 방향을 추정하는 시스템, 방법, 그리고 컴퓨터 판독가능 매체 | |
CN111869291A (zh) | 无线系统中的信道制图 | |
EP3080925B1 (en) | Method and network node for broadcasting | |
US20190222330A1 (en) | Method of Using Time Domain Subspace Signals and Spatial Domain Subspace Signals for Location Approximation through Orthogonal Frequency-Division Multiplexing | |
JP5591895B2 (ja) | 2つのアンテナまたはその同等物を使用してナビゲーションビーコン信号を検出するための方法 | |
WO2014154293A1 (en) | Channel estimation in wireless communications | |
KR101495198B1 (ko) | 가상의 다중입력 다중출력 통신 방법 및 장치 | |
CN110912630B (zh) | 一种基于多天线的空域频谱感知方法 | |
CN105301557A (zh) | 波达方位估计架构方法 | |
CN105425204A (zh) | 波达方位估计架构方法 | |
Vaghefi et al. | Cooperative RF pattern matching positioning for LTE cellular systems | |
CN113534946A (zh) | 一种无接触手势识别方法 | |
CN110149134A (zh) | 一种基于频谱感知的多馈源卫星干扰抑制方法 | |
CN103475395A (zh) | 一种天线校正方法、装置和系统 | |
CN116710806A (zh) | 无线网络中的协作环境感测 | |
CN116347469A (zh) | 无线感知的参数确定方法、装置及设备 | |
CN116488747A (zh) | 信息交互方法、装置及通信设备 | |
CN116390115A (zh) | 感知、感知配置方法、装置及通信设备 | |
Xu et al. | Deep learning based channel covariance matrix estimation with scene images | |
Wang et al. | Location-based beamforming architecture for efficient farming applications with drones |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
WD01 | Invention patent application deemed withdrawn after publication |
Application publication date: 20160323 |
|
WD01 | Invention patent application deemed withdrawn after publication |