CN107086969B - 一种基于特征值分解的sage信道参数估计方法 - Google Patents
一种基于特征值分解的sage信道参数估计方法 Download PDFInfo
- Publication number
- CN107086969B CN107086969B CN201710179689.2A CN201710179689A CN107086969B CN 107086969 B CN107086969 B CN 107086969B CN 201710179689 A CN201710179689 A CN 201710179689A CN 107086969 B CN107086969 B CN 107086969B
- Authority
- CN
- China
- Prior art keywords
- channel
- sage
- eigenvalue decomposition
- parameters
- impulse response
- 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.)
- Active
Links
Images
Classifications
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
- H04L25/00—Baseband systems
- H04L25/02—Details ; arrangements for supplying electrical power along data transmission lines
- H04L25/0202—Channel estimation
- H04L25/024—Channel estimation channel estimation algorithms
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04B—TRANSMISSION
- H04B17/00—Monitoring; Testing
- H04B17/30—Monitoring; Testing of propagation channels
- H04B17/391—Modelling the propagation channel
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
- H04L25/00—Baseband systems
- H04L25/02—Details ; arrangements for supplying electrical power along data transmission lines
- H04L25/0202—Channel estimation
- H04L25/021—Estimation of channel covariance
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
- H04L25/00—Baseband systems
- H04L25/02—Details ; arrangements for supplying electrical power along data transmission lines
- H04L25/0202—Channel estimation
- H04L25/0212—Channel estimation of impulse response
Landscapes
- Engineering & Computer Science (AREA)
- Computer Networks & Wireless Communication (AREA)
- Signal Processing (AREA)
- Power Engineering (AREA)
- Physics & Mathematics (AREA)
- Electromagnetism (AREA)
- Mobile Radio Communication Systems (AREA)
- Noise Elimination (AREA)
Abstract
本发明属于无线通信技术领域,公开了一种基于特征值分解的SAGE信道参数估计方法,包括:获取信道冲击响应;构建信道冲击响应的协方差矩阵;对信道冲击响应协方差矩阵进行特征值分解;对信道的参数向量使用SAGE算法估计;与一般SAGE算法进行性能对比。本发明使得在有效地估计出信道参数的同时具有良好的稳健性、收敛性;仿真结果表明,与原SAGE算法相比,基于特征值分解的SAGE信道参数估计方法估计出的信道参数更接近合成的信道参数,改善了原SAGE的稳健性、收敛性。
Description
技术领域
本发明属于无线通信技术领域,尤其涉及一种基于特征值分解的SAGE信道参数估计方法。
背景技术
信道特性的好坏决定了通信系统的最终通信性能,因而在对无线通信系统的研究、分析和设计时,需要无线环境下信号的传输特性,才能设计出能够最大限度并完整反映实际传输信道的特征的理论模型。为了建立有效的信道模型,需要从信道测量数据中提取准确描述信道特性的信道参数,因此研究基于一定算法的信道参数估计的方法具有一定的意义。通信领域里,SAGE算法依赖于估计基于接收信号观测值的参数或信道冲击响应,在散射信道的测量过程中,由于信号的衰减大,信噪比降低。低信噪比的接收数据使一般信道冲激响应提取算法的性能变差,大大降低多径信号的幅度分辨率和时间分辨率,导致SAGE算法不能正确地估计一些信号分量的参数值,又由于不能完全去除路径间干扰,导致在估计一些区域里面路径的参数值时接近那些已经估计的路径的参数值,产生很多估计的多径分量集中在一些显性区域上的效果,不能有效地探索整个信道分布。
综上所述,现有技术存在的问题是:SAGE算法在散射信道的测量过程中存在由于信号的衰减大,信噪比降低,使一般信道冲激响应提取算法的性能变差,大大降低多径信号的幅度分辨率和时间分辨率,导致SAGE算法不能正确地估计一些信号分量的参数值,不能有效地探索整个信道分布。
发明内容
针对现有技术存在的问题,本发明提供了一种基于特征值分解的SAGE信道参数估计方法。
本发明是这样实现的,一种基于特征值分解的SAGE信道参数估计方法,所述基于特征值分解的SAGE信道参数估计方法通过迭代更新参数子集来生成最大似然估计的近似值;信道冲击响应的协方差矩阵及其特征向量的估计;h(t)的协方差矩阵Σh(t),t=[t1,t2,…tT]可由hj(t),j=1,…J计算得到:
其中(·)H表示复共轭转置运算,通过使用特征值分解,协方差矩阵Σh(t)写为:
Σh(t)=U(t)Λ(t)U(t)H;
其中Λ(t)是由特征值组成的对角矩阵,U(t)是由特征向量组成的酉矩阵。特征向量用es(t)表示,由最大特征值得到的。
进一步,所述基于特征值分解的SAGE信道参数估计方法的每次迭代由两个步骤组成:一个是期望E-步骤,用于估计似然函数的条件期望;另一个是最大化M-步骤,通过最大化似然函数以得到相应的估计参数;使用Θ'来表示基于特征值分解的SAGE算法中的未知参数:
进一步,所述期望E-步骤具体包括:
基于计算的特征向量的es(t),获得特征向量矩阵F:
F=[es(t)];t=[t1,t2,…tT];
在Θ'的参数是已知的并且F可用的条件下,可接受的隐藏数据E的期望写为:
进一步,所述最大化M-步骤具体包括:
通过把S(φl,τl)和E中的所有项连接在一个列矢量,本发明得到s(φl,τl)和eB:
s(φl,τl)=vec(S(φl,τl));
eB=vec(E);
“vec”为数学运算符,具体含义是把一个MxN维的矩阵转变成一个1×NM的矢量;
引入每个独立快拍的信道冲击响应矩阵:
Hj=[hj(t)];t=[t1,t2,…tT];
进一步,所述基于特征值分解的SAGE信道参数估计方法信道模型为:
在第n幅接收天线处的信道冲击响应的表示如下:
其中δ(t)是delta函数,其中t=[t1,t2,…tT]∈[0,T),T是测量的总延迟范围,τl,φl和αl分别表示第传播路径的延迟,到达角和复衰减系数,L表示路径总数,cnRx(·)表示在第n幅接收天线的导向矢量。最后,nnRx(t)表示服从复高斯分布的零均值,方差N0的复值噪声分量。用Θ来表示表征传播信道中的参数分量:
引入向量h(t)以包含在不同天线获得的信道冲击响应:
h(t)=[hnRx(t)]T;nnRx=1,…NRx;
其中[·]T表示给定参数的复数转置。
在总共获得J个信道冲击响应快拍的情况下,使用hj(t),j=1,…J表示第j个快拍中的信道冲击响应。
本发明的另一目的在于提供一种应用所述基于特征值分解的SAGE信道参数估计方法的无线通信系统。
本发明的优点及积极效果为:本发明使得在有效地估计出信道参数的同时具有良好的稳健性、收敛性;仿真结果表明,与原SAGE算法相比,基于特征值分解的SAGE信道参数估计方法估计出的信道参数更接近合成的信道参数,改善了原SAGE的稳健性、收敛性。本发明提高了现有信道参数估计方法的稳健性和收敛性,利用较少数量的多径分量来估计整个信道的信道参数。
本发明应用基于特征值分解的SAGE算法能利用较少数量的多径分量来估计整个信道,低SNR情况下估计完整信道的解决方案是抑制接收信号中的噪声分量。将特征值分解应用于所观察到的信道冲击响应的协方差矩阵并获得信号特征向量。单个特征向量可以被认为是多径分量响应的线性组合,其中噪声分量被显著地去除。这启发了从SEV估计信号分量的想法。在CIR的协方差矩阵是不满秩的情况下,可以被保证是具有最大特征值的特征向量是多径分量的线性组合。因此,这样的特征向量被认为是有效的特征向量。应用SAGE程序来制定从特征向量中提取多径分量的估计算法,即基于特征值分解的sage信道参数估计算法。
附图说明
图1是本发明实施例提供的基于特征值分解的SAGE信道参数估计方法流程图。
图2是本发明实施例提供的多径数目为10,信噪比为5dB时的仿真示意图。
图3是本发明实施例提供的本发明与一般SAGE算法在不同SNR、路径数下的的多径距离性能对比示意图;
图中:(a)信噪比为-10dB下两种算法的比较图;(b)路径数为10时两种算法的比较图。
具体实施方式
为了使本发明的目的、技术方案及优点更加清楚明白,以下结合实施例,对本发明进行进一步详细说明。应当理解,此处所描述的具体实施例仅仅用以解释本发明,并不用于限定本发明。
下面结合附图对本发明的应用原理作详细的描述。
如图1所示,本发明实施例提供的基于特征值分解的SAGE信道参数估计方法包括以下步骤:
S101:获取信道冲击响应;
S102:构建信道冲击响应的协方差矩阵;
S103:对信道冲击响应协方差矩阵进行特征值分解;
S104:对信道的参数向量使用SAGE算法估计。
在本发明的实施例中:
(1)步骤S101中的信道冲击响应是已知的,用于之后仿真和分析;
信道模型:
在第n幅接收天线处的信道冲击响应的表示如下:
其中δ(t)是delta函数,其中t=[t1,t2,…tT]∈[0,T),T是测量的总延迟范围,τl,φl和αl分别表示第传播路径的延迟,到达角和复衰减系数,L表示路径总数,cnRx(·)表示在第n幅接收天线的导向矢量。最后,nnRx(t)表示服从复高斯分布的零均值,方差N0的复值噪声分量。用Θ来表示表征传播信道中的参数分量:
引入向量h(t)以包含在不同天线获得的信道冲击响应:
h(t)=[hnRx(t)]T;nnRx=1,…NRx;
其中[·]T表示给定参数的复数转置。
在总共获得J个信道冲击响应快拍的情况下,本发明使用hj(t),j=1,…J表示第j个快拍中的信道冲击响应。
(2)EVD-SAGE算法
基于上面的信号模型,应用SAGE算法来计算估计Θ中的未知参数。SAGE算法通过迭代更新参数子集来生成最大似然估计的近似值。本发明提出的EVD-SAGE算法,信道冲击响应的协方差矩阵及其特征向量的估计是必要的。h(t)的协方差矩阵Σh(t),t=[t1,t2,…tT]可由hj(t),j=1,…J计算得到:
其中(·)H表示复共轭转置运算。通过使用特征值分解,协方差矩阵Σh(t)可以写为:
Σh(t)=U(t)Λ(t)U(t)H;
其中Λ(t)是由特征值组成的对角矩阵,U(t)是由特征向量组成的酉矩阵。特征向量用es(t)表示,由最大特征值可以得到的。
与一般SAGE算法类似,EVD-SAGE算法的每次迭代由两个步骤组成:一个是期望(E-)步骤,用于估计似然函数的条件期望;另一个是最大化(M-)步骤,通过最大化似然函数以得到相应的估计参数。使用Θ'来表示EVD-SAGE算法中的未知参数:
E步
基于计算的特征向量的es(t),可以获得特征向量矩阵F:
F=[es(t)];t=[t1,t2,…tT];
在Θ'的参数是已知的并且F可用的条件下,可接受的隐藏数据E的期望可以写为:
M步
通过把S(φl,τl)和E中的所有项连接在一个列矢量,本发明得到s(φl,τl)和eB:
s(φl,τl)=vec(S(φl,τl));
eB=vec(E);
“vec”为数学运算符,它的具体含义是把一个MxN维的矩阵转变成一个1×NM的矢量。
由于特征向量是具有抑制的噪声分量的加权多径分量的线性组合,复衰减系数的估计值不是复衰减系数的真实估计。当算法执行到在返回最终估计时,需要估计真实复衰减系数αl,为了获得复衰减系数的真实估计引入每个独立快拍的信道冲击响应矩阵:
Hj=[hj(t)];t=[t1,t2,…tT];
下面结合仿真对本发明的应用效果作详细的描述。
(1)仿真结果表明,与一般SAGE算法相比,EVD-SAGE信道参数估计方法估计出的信道参数更接近合成的信道参数,改进的SAGE改善了一般SAGE的稳健性、收敛性。
图2对比了仿真中一种情形下,合成的信道参数,仿真设定的真正多径分量的数量为10。在附近出现两个紧密间隔的多径分量,一般SAGE算法不能精确地估计多径分量。而EVD-SAGE算法的多径分量的方位角的估计是准确的。更多的模拟显示类似的结果,这意味着EVD-SAGE算法比一般SAGE算法能够探索更一般的信道分布。
(2)多径场景中的多径距离
(3)图3描述了一般SAGE算法和EVD-SAGE算法的多径距离在不同SNR、路径数下的特征。这里提到的路径数代表真实多径分量的总数L。显然,随着路径数增加,两个算法的多径距离的差别在减小,并且两个算法的多径距离值变大。这主要是因为随着路径数目增加,多径分量之间的距离减小,甚至可能小于算法的分辨率。
此外,当SNR增加时,两种算法的多径距离变小,并且它们之间的差异也减小。这是合理的,因为随着噪声分量减少,信号特征向量和原始信道冲击响应的相似性将增强。然而,从图3可以看出,在路径数目较小的情况下,基于EVD-SAGE的结果计算的多径距离小于一般SAGE算法的多径距离。这清楚地表明,对于相同的模型规则,EVD-SAGE算法可以比一般SAGE具有更好的性能。
以上所述仅为本发明的较佳实施例而已,并不用以限制本发明,凡在本发明的精神和原则之内所作的任何修改、等同替换和改进等,均应包含在本发明的保护范围之内。
Claims (1)
1.一种基于特征值分解的SAGE信道参数估计方法,其特征在于,所述基于特征值分解的SAGE信道参数估计方法通过迭代更新参数子集来生成最大似然估计的近似值;信道冲击响应的协方差矩阵及其特征向量的估计;h(t)的协方差矩阵Σh(t)由hj(t)计算得到,Σh(t)中t=[t1,t2,…tT],hj(t)中j=1,…J:
其中(·)H表示复共轭转置运算,通过使用特征值分解,协方差矩阵Σh(t)写为:
Σh(t)=U(t)Λ(t)U(t)H;
其中Λ(t)是由特征值组成的对角矩阵,U(t)是由特征向量组成的酉矩阵,特征向量用es(t)表示,由最大特征值得到的;
所述基于特征值分解的SAGE信道参数估计方法的每次迭代由两个步骤组成:一个是期望E-步骤,用于估计似然函数的条件期望;另一个是最大化M-步骤,通过最大化似然函数以得到相应的估计参数;使用Θ'来表示基于特征值分解的SAGE算法中的未知参数:
Θ'=[τl,φl,αl];l=1,2,…L;
所述期望E-步骤具体包括:
基于计算的特征向量的es(t),获得特征向量矩阵F:
F=[es(t)];t=[t1,t2,…tT];
在Θ'的参数是已知的并且F可用的条件下,可接受的隐藏数据E的期望写为:
所述最大化M-步骤具体包括:
通过把S(φl,τl)和E中的所有项连接在一个列矢量,得到s(φl,τl)和eB:
s(φl,τl)=vec(S(φl,τl));
eB=vec(E);
“vec”为数学运算符,具体含义是把一个MxN维的矩阵转变成一个1×NM的矢量;
被最小化以估计每次迭代中第l'个估计路径的未知参数Θ'l的目标函数被导出为:
引入每个独立快拍的信道冲击响应矩阵:
Hj=[hj(t)];t=[t1,t2,…tT];
所述基于特征值分解的SAGE信道参数估计方法信道模型为:
在第n幅接收天线处的信道冲击响应的表示如下:
其中δ(t)是delta函数,其中t=[t1,t2,…tT]∈[0,T),T是测量的总延迟范围,τl,φl和αl分别表示第l传播路径的延迟,到达角和复衰减系数,L表示路径总数,cnRx(·)表示在第n幅接收天线的导向矢量,最后,nnRx(t)表示服从复高斯分布的零均值,方差N0的复值噪声分量,用Θ来表示表征传播信道中的参数分量:
Θ=[τl,φl,αl];l=1,2,…L;
引入向量h(t)以包含在不同天线获得的信道冲击响应:
h(t)=[hnRx(t)]T;nnRx=1,…NRx;
其中[·]T表示给定参数的复数转置,NRx表示接收天线个数;
在总共获得J个信道冲击响应快拍的情况下,使用hj(t)表示第j个快拍中的信道冲击响应,j=1,…J。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201710179689.2A CN107086969B (zh) | 2017-03-23 | 2017-03-23 | 一种基于特征值分解的sage信道参数估计方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201710179689.2A CN107086969B (zh) | 2017-03-23 | 2017-03-23 | 一种基于特征值分解的sage信道参数估计方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN107086969A CN107086969A (zh) | 2017-08-22 |
CN107086969B true CN107086969B (zh) | 2020-07-31 |
Family
ID=59614179
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201710179689.2A Active CN107086969B (zh) | 2017-03-23 | 2017-03-23 | 一种基于特征值分解的sage信道参数估计方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN107086969B (zh) |
Families Citing this family (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN115767756B (zh) * | 2022-11-02 | 2023-06-13 | 南京邮电大学 | 一种低信噪比下重要多径分量的辨识方法、系统及介质 |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101582864A (zh) * | 2009-06-18 | 2009-11-18 | 西安电子科技大学 | 基于部分干扰抵消的sage信道估计方法 |
CN103532883A (zh) * | 2013-10-12 | 2014-01-22 | 电子科技大学 | 高速下基于sage的分布式mimo频偏和信道估计 |
CN105939299A (zh) * | 2016-06-08 | 2016-09-14 | 西安电子科技大学 | 一种基于改进后的sage算法的信道参数估计方法 |
-
2017
- 2017-03-23 CN CN201710179689.2A patent/CN107086969B/zh active Active
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101582864A (zh) * | 2009-06-18 | 2009-11-18 | 西安电子科技大学 | 基于部分干扰抵消的sage信道估计方法 |
CN103532883A (zh) * | 2013-10-12 | 2014-01-22 | 电子科技大学 | 高速下基于sage的分布式mimo频偏和信道估计 |
CN105939299A (zh) * | 2016-06-08 | 2016-09-14 | 西安电子科技大学 | 一种基于改进后的sage算法的信道参数估计方法 |
Non-Patent Citations (3)
Title |
---|
3D宽带MIMO信道建模与模型分析;宋洁;《中国优秀硕士学位论文全文数据库(信息科技辑)》;20160315(第3期);第2章 * |
Channel Parameter Estimation in Mobile Radio Environments Using the SAGE Algorithm;Bernard H. Fleury等;《IEEE JOURNAL ON SELECTED AREAS IN COMMUNICATIONS》;19990331;第17卷(第3期);全文 * |
基于SAGE 算法的宽带信道参数提取方法的应用研究;高远;《中国优秀硕士学位论文全文数据库(信息科技辑)》;20130715(第7期);第三章 * |
Also Published As
Publication number | Publication date |
---|---|
CN107086969A (zh) | 2017-08-22 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Liao et al. | DOA estimation and tracking of ULAs with mutual coupling | |
CN107290730B (zh) | 互耦条件下双基地mimo雷达角度估算方法 | |
CN110045321B (zh) | 基于稀疏和低秩恢复的稳健doa估计方法 | |
CN110113085B (zh) | 一种基于协方差矩阵重构的波束形成方法及系统 | |
JP4339801B2 (ja) | 固有値分解を利用しない信号到来方向推定手法および受信ビーム形成装置 | |
CN108680891A (zh) | 非均匀噪声条件下考虑互耦效应的doa估计方法 | |
CN110045323B (zh) | 一种基于矩阵填充的互质阵稳健自适应波束形成算法 | |
CN108562866B (zh) | 基于矩阵填充的双基地mimo雷达角度估算方法 | |
CN107576931B (zh) | 一种基于协方差低维度迭代稀疏重构的相关/相干信号波达方向估计方法 | |
JP2934426B1 (ja) | 到来波推定方法 | |
CN106788655B (zh) | 互耦条件下未知互耦信息的干扰相干稳健波束形成方法 | |
Zhang et al. | Robust beamforming for coherent signals based on the spatial-smoothing technique | |
CN112379327A (zh) | 一种基于秩损估计的二维doa估计与互耦校正方法 | |
Narandzic et al. | 3D-antenna array model for IST-WINNER channel simulations | |
CN107086969B (zh) | 一种基于特征值分解的sage信道参数估计方法 | |
CN109901103A (zh) | 基于非正交波形的mimo雷达doa估算方法及设备 | |
Santos et al. | On low rank MVDR beamforming using the conjugate gradient algorithm | |
CN113051739A (zh) | 一种基于稀疏约束的鲁棒性自适应处理方法 | |
CN107135026B (zh) | 未知互耦存在时基于矩阵重构的稳健波束形成方法 | |
Zoubir et al. | Efficient DSPE algorithm for estimating the angular parameters of coherently distributed sources | |
CN115545067A (zh) | 一种基于改进music算法的多径时延估计方法 | |
CN115407266A (zh) | 一种基于互谱子空间正交性的直接定位方法 | |
Xiaozhi et al. | An effective DOA estimation method of coherent signals based on reconstruct weighted noise subspace | |
Yin et al. | An auto-calibration method for spatially and temporally correlated noncircular sources in unknown noise fields | |
CN110888106B (zh) | 一种角度与频率联合估计的增广doa矩阵方法 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |