CN108306667A - 大规模mimo中基于线性搜索的混合到达角估计 - Google Patents
大规模mimo中基于线性搜索的混合到达角估计 Download PDFInfo
- Publication number
- CN108306667A CN108306667A CN201711420475.6A CN201711420475A CN108306667A CN 108306667 A CN108306667 A CN 108306667A CN 201711420475 A CN201711420475 A CN 201711420475A CN 108306667 A CN108306667 A CN 108306667A
- Authority
- CN
- China
- Prior art keywords
- array
- sub
- analog
- vector
- angle
- 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
- 238000000034 method Methods 0.000 claims abstract description 35
- 239000013598 vector Substances 0.000 claims abstract description 34
- 230000010363 phase shift Effects 0.000 claims abstract description 17
- 238000013461 design Methods 0.000 claims abstract description 8
- 239000011159 matrix material Substances 0.000 claims description 28
- 238000003491 array Methods 0.000 claims description 11
- 239000000654 additive Substances 0.000 claims description 3
- 230000000996 additive effect Effects 0.000 claims description 3
- 230000008569 process Effects 0.000 claims description 3
- 238000004422 calculation algorithm Methods 0.000 abstract description 13
- 238000005516 engineering process Methods 0.000 abstract description 3
- 230000009467 reduction Effects 0.000 abstract description 2
- 238000007493 shaping process Methods 0.000 abstract 1
- 238000010586 diagram Methods 0.000 description 5
- 238000004891 communication Methods 0.000 description 4
- 238000004088 simulation Methods 0.000 description 4
- 230000008859 change Effects 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 238000001228 spectrum Methods 0.000 description 2
- 238000007476 Maximum Likelihood Methods 0.000 description 1
- 238000004364 calculation method Methods 0.000 description 1
- 238000000354 decomposition reaction Methods 0.000 description 1
- 238000012545 processing Methods 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- 230000003595 spectral effect Effects 0.000 description 1
Classifications
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04B—TRANSMISSION
- H04B7/00—Radio transmission systems, i.e. using radiation field
- H04B7/02—Diversity systems; Multi-antenna system, i.e. transmission or reception using multiple antennas
- H04B7/04—Diversity systems; Multi-antenna system, i.e. transmission or reception using multiple antennas using two or more spaced independent antennas
- H04B7/08—Diversity systems; Multi-antenna system, i.e. transmission or reception using multiple antennas using two or more spaced independent antennas at the receiving station
- H04B7/0837—Diversity systems; Multi-antenna system, i.e. transmission or reception using multiple antennas using two or more spaced independent antennas at the receiving station using pre-detection combining
- H04B7/0842—Weighted combining
- H04B7/086—Weighted combining using weights depending on external parameters, e.g. direction of arrival [DOA], predetermined weights or beamforming
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04B—TRANSMISSION
- H04B7/00—Radio transmission systems, i.e. using radiation field
- H04B7/02—Diversity systems; Multi-antenna system, i.e. transmission or reception using multiple antennas
- H04B7/04—Diversity systems; Multi-antenna system, i.e. transmission or reception using multiple antennas using two or more spaced independent antennas
- H04B7/08—Diversity systems; Multi-antenna system, i.e. transmission or reception using multiple antennas using two or more spaced independent antennas at the receiving station
- H04B7/0868—Hybrid systems, i.e. switching and combining
- H04B7/088—Hybrid systems, i.e. switching and combining using beam selection
Landscapes
- Engineering & Computer Science (AREA)
- Computer Networks & Wireless Communication (AREA)
- Signal Processing (AREA)
- Radio Transmission System (AREA)
- Variable-Direction Aerials And Aerial Arrays (AREA)
Abstract
本发明提供了大规模MIMO系统中基于线性搜索的混合结构下的到达角估计方法,本发明将模拟波束成形与数字波束成形相结合,利用相移网络进行模拟波束成形设计,采用相位对齐技术设计模拟和数字波束成形向量,从而将波束调至使得接收功率最大的方向,估计来波信号的到达角。随着天线阵列越来越趋向于大规模发展,相比于数字波束成形中每副天线都需配备一条专有的射频(radio frequency,RF)链路,混合波束成形能显著降低RF链路数,进而带来硬件成本代价的巨幅降低。同时相较于模拟波束成形,混合波束成形引入数字波束成形将带来显著的性能提升。本发明的混合波束成形算法能有效地实现系统性能与硬件成本的折衷,且有效估计来波信号到达角,并且减少了角度估计的复杂性。
Description
技术领域
本发明涉及无线通信领域,特别涉及大规模MIMO系统中基于线性搜索的混合结构下到达角估计方法。
背景技术
由于具有很高的频谱效率和空间谱估计精度,大规模MIMO系统引起了学术界和工业界的广泛注意。同时,由于到达角应用范围非常广泛,包括物联网、方向调制、无人机网络、智能交通、无线传感网络等领域,而大规模MIMO能够提供较高的空间谱估计精度,使得在到达角估计中应用大规模MIMO能够大幅的提高定位精度,保证定位的准确性。
无线定位问题具有悠久的历史,可以追溯到无线通信的开端,而在未来,到达角估计问题将涉及物联网、方向调制系统、无人机、智能交通、无线传感网络等领域,从而具有广阔的市场需求。Capon首先提出了以最大化信噪比为目的的功率最大似然估计算法。Schmidt在80年代提出了基于特征值分解的高精度MUSIC算法。为减少MUSIC算法的复杂度,Ren提出了一种能够得到到达角估计解析解的根值MUSIC算法。
在到达角估计中应用大规模MIMO系统所带来的硬件资源损耗也就成为了不可忽视的问题,于是Zhang首次提出混合波束成形结构以达到算法性能和成本的平衡。作为一项新兴的波束成形技术,混合波束成形在毫米波通信领域得到了国内外学者的广泛关注和研究。传统的数字波束成形方法需对天线阵列中的每副天线都配备一条专有的RF链路进行单独的数据处理。当天线阵列趋向于大规模发展,硬件成本代价将会巨幅增加。同时考虑到大规模天线阵列的高维度接收数据,传统的数字波束形成方法计算复杂度高,难以满足实际应用高实时性的要求。而模拟波束成形可仅采用一条RF链路处理接收信号,然而其性能往往难以与数字波束成形相比拟。混合波束成形通常采用远小于天线数的RF链路以降低系统开销,同时采用大量的相移器增加天线阵列的增益,能够实现系统性能与硬件成本的折衷,从而成为了5G毫米波通信系统的主要技术之一。
考虑到现有的移相器精度普遍较高,采用线性搜索改变移相器的相移,以使得接收来波信号功率最大是恰当的到达角估计方法。
发明内容
发明目的:在大规模天线系统中,混合波束成形器能有效地实现系统性能与硬件成本的折衷。通过利用混合波束成形器的优势,本发明提供大规模MIMO系统中基于线性搜索的混合结构下到达角估计方法,能有效提高定位精度,同时降低定位算法的复杂度。
技术方案:为实现上述目的,本发明采用的技术方案为:
一种基于线性搜索混合波束成形方法,具体过程包括:
(1)天线阵列划分子阵:
考虑由N个全向阵元组成的线性均匀天线阵列,且该天线阵列位于信号源的远场范围。将阵列均匀地分为K个子阵,子阵天线数目均为M,即N=KM。天线阵列的导向向量表示为:
第k个子阵的相移矢量为则第k个子阵形成的波束方向图表示为
其中,vA,k,m表示第k个子阵中第m个阵元的相移因子。整个天线阵列所形成的波束方向图可表示为
其中,vk表示第k个子阵的权值。对于混合结构下的波束成形,将分别设计模拟波束成形矩阵VA与数字波束成形矢量vD。
(2)模拟波束成形矩阵设计:
假设来波信号源为窄带信号,来波方向为θ0。设计模拟波束成形矩阵VA,可使移相器对准接收功率最大的方向。假设每个子阵的相移矢量均相同,即,
其中,
θ为上以Δθ为搜索步长的线性搜索角,也就是说,
则N×K维的模拟波束成形矩阵VA为
(3)数字波束成形向量设计:
考虑到模拟波束成形矩阵设计中,每个子阵的相移均相同,于是,在数字波束成形端,我们对每一个输入进行不同的相移,即,数字波束成形向量设计为:
其中,
同样的,θ为上以Δθ为搜索步长的线性搜索角。
设来波信号为其中,s(t)是基带信号,fc是载波频率。信号入射至混合结构天线阵列上。考虑到模拟波束成形,第k个子阵在第b个时域块的输出为
其中,αk,m为第k个子阵的第m根天线对应的模拟波束成形矩阵的相移,τk,m是由来波信号方向决定的传播时延,
τ0是从发射器到阵列参考点的传播时延,c为光速,d是阵列距离。将K个子阵的输出写成向量的形式则可以得到,
其中表示加性噪声矢量,经过采样与下变频,数字波束成形向量的输入为
经过数字波束成形,输出信号变为
根据设计完成的模拟波束成形矩阵和数字波束成形向量,输出信号转化成
假设快拍数为L,我们可以得到平均接收功率
当θ在内进行线性搜索时,对应的总存在一个峰值对应待估计角θ0。当模拟波束成形矩阵和数字波束成形向量完全对齐待估计角时,
有益效果:本发明提供的在大规模MIMO系统中基于线性搜索的混合结构下到达角估计方法,具有如下优点:1、本方法对大规模天线系统能有效地实现系统性能与硬件成本的折衷;2.本方法可有效估计来波信号到达角;3.本方法使得模拟波束成形矩阵的调相个数从N减少到M,大大降低了算法的复杂度。
本发明附加的方面和优点将在下面的描述中部分给出,这些将从下面的描述中变得明显,或通过本发明的实践了解到。
附图说明
图1示出了大规模MIMO系统中基于线性搜索的混合结构下到达角估计方法的系统流程图。
图2示出了混合架构下传统模拟相位对齐与基于线性搜索的到达角估计方法在低信噪比时角度估计误差随着搜索步长的变化图。
图3示出了混合架构下传统模拟相位对齐与基于线性搜索的到达角估计方法复杂度比较图。
具体实施方式
下面结合附图和具体实施例,进一步阐明本发明,应理解这些实施例仅用于说明本发明而不用于限制本发明的范围,在阅读了本发明之后,本领域技术人员对本发明的各种等价形式的修改均落于本申请所附权利要求所限定的范围。
本发明提供了一种大规模MIMO系统中基于线性搜索的混合结构下到达角估计方法,本发明中,将模拟波束成形与数字波束成形相结合,利用线性搜索进行模拟波束成形和数字波束成形设计,从而将波束调向使得接收信号功率最大的方向,从而有效估计出来波信号到达角。本发明的混合波束成形算法能有效地实现系统性能与硬件成本的折衷。并且,可有效估计来波信号方向角,同时降低估计复杂度。
(1)天线阵列划分子阵:
考虑由N个全向阵元组成的线性均匀天线阵列,且该天线阵列位于信号源的远场范
当θ在内进行线性搜索时,对应的总存在一个峰值对应待估计角θ0。当模拟波束成形矩阵和数字波束成形向量完全对齐待估计角时,
有益效果:本发明提供的在大规模MIMO系统中基于线性搜索的混合结构下到达角估计方法,具有如下优点:1、本方法对大规模天线系统能有效地实现系统性能与硬件成本的折衷;2.本方法可有效估计来波信号到达角;3.本方法使得模拟波束成形矩阵的调相个数从N减少到M,大大降低了算法的复杂度。
本发明附加的方面和优点将在下面的描述中部分给出,这些将从下面的描述中变得明显,或通过本发明的实践了解到。
附图说明
图1示出了大规模MIMO系统中基于线性搜索的混合结构下到达角估计方法的系统流程图。
图2示出了混合架构下传统模拟相位对齐与基于线性搜索的到达角估计方法在低信噪比时角度估计误差随着搜索步长的变化图。
图3示出了混合架构下传统模拟相位对齐与基于线性搜索的到达角估计方法复杂度比较图。
具体实施方式
下面结合附图和具体实施例,进一步阐明本发明,应理解这些实施例仅用于说明本发明而不用于限制本发明的范围,在阅读了本发明之后,本领域技术人员对本发明的各种等价形式的修改均落于本申请所附权利要求所限定的范围。
本发明提供了一种大规模MIMO系统中基于线性搜索的混合结构下到达角估计方法,本发明中,将模拟波束成形与数字波束成形相结合,利用线性搜索进行模拟波束成形和数字波束成形设计,从而将波束调向使得接收信号功率最大的方向,从而有效估计出来波信号到达角。本发明的混合波束成形算法能有效地实现系统性能与硬件成本的折衷。并且,可有效估计来波信号方向角,同时降低估计复杂度。
(1)天线阵列划分子阵:
考虑由N个全向阵元组成的线性均匀天线阵列,且该天线阵列位于信号源的远场范围。将阵列均匀地分为K个子阵,子阵天线数目均为M,即N=KM。天线阵列的导向矢量表示为:
第k个子阵的相移矢量为则第k个子阵形成的波束方向图表示为
其中,vA,k,m表示第k个子阵中第m个阵元的相移因子。整个天线阵列所形成的波束方向图可表示为
其中,vk表示第k个子阵的权值。对于混合结构下的波束成形,将分别设计模拟波束成形矩阵VA与数字波束成形矢量vD。
(2)模拟波束成形矩阵设计:
假设来波信号源为窄带信号,来波方向为θ0。设计模拟波束成形矩阵VA,可使移相器对准接收功率最大的方向。假设每个子阵的相移矢量均相同,即,
其中,
θ为上以Δθ为搜索步长的线性搜索角,也就是说,
则N×K维的模拟波束成形矩阵为
(3)数字波束成形向量设计:
考虑到模拟波束成形矩阵设计中,每个子阵的相移均相同,于是,在数字波束成形端,我们对每一个输入进行不同的相移,即,数字波束成形向量设计为:
其中,
同样的,θ为上以Δθ为搜索步长的线性搜索角。
设来波信号为其中,s(t)是基带信号,fc是载波频率。信号入射至混合结构天线阵列上。考虑到模拟波束成形,第k个子阵在第b个时域块的输出为
其中,αk,m为第k个子阵的第m根天线对应的模拟波束成形矩阵的相移,τk,m是由来波信号方向决定的传播时延,
τ0是从发射器到阵列参考点的传播时延,c为光速,d是阵列距离。将K个子阵的输出写成矩阵的形式则可以得到,
其中表示加性噪声矢量,经过采样与下变频,数字波束成形向量的输入为
经过数字波束成形,输出信号变为
根据设计完成的模拟波束成形矩阵和数字波束成形向量,输出信号转化成
假设快拍数为L,我们可以得到平均接收功率
当θ在内进行线性搜索时,对应的总存在一个峰值对应待估计角θ0。当模拟波束成形矩阵和数字波束成形向量完全对齐待估计角时,
图1示出了大规模MIMO系统中基于线性搜索的混合结构下到达角估计方法的系统流程图。
图2反映了信号源的来波方向为41.165°,信噪比为0dB,总的天线数为N=128,子阵个数K=16时,混合架构下传统模拟相位对齐与基于线性搜索的到达角估计方法角度估计误差随着搜索步长的变化图。从图中可以看出无论是模拟相位对齐还是本发明提出的基于线性搜索的到达角估计方法,角度估计误差均随着搜索步长的减小而缩小,并且本发明提出的基于线性搜索的算法估计精度优于传统的模拟相位对齐。
图3示出了总的天线数为N=128,子阵个数K=16时,混合架构下传统模拟相位对齐与基于线性搜索的到达角估计方法的复杂度比较。从图中可以看出,与传统模拟相位对齐相比,本发明提出的算法具有更低的复杂度。
Claims (3)
1.一种基于线性搜索的混合结构到达角估计方法,对于大规模天线阵列能有效地实现系统性能与硬件成本的折衷,并且展现了较高的到达角估计精度。具体过程包括:
(1)天线阵列划分子阵:
考虑由N个全向阵元组成的线性均匀天线阵列,且该天线阵列位于信号源的远场范围。将阵列均匀地分为K个子阵,子阵天线数目均为M,即N=KM。天线阵列的导向向量表示为:
第k个子阵的相移矢量为则第k个子阵形成的波束方向图表示为
其中,vA,k,m表示第k个子阵中第m个阵元的相移因子。整个天线阵列所形成的波束方向图可表示为
其中,vk表示第k个子阵的权值。对于混合结构下的波束成形,将分别设计模拟波束成形矩阵VA与数字波束成形矢量vD。
(2)模拟波束成形矩阵设计:
假设来波信号源为窄带信号,来波方向为θ0。设计模拟波束成形矩阵VA,可使移相器对准接收功率最大的方向。假设每个子阵的相移矢量均相同,即,
其中,
θ为上以Δθ为搜索步长的线性搜索角,也就是说,
则N×K维的模拟波束成形矩阵VA为
(3)数字波束成形向量设计:
考虑到模拟波束成形矩阵设计中,每个子阵的相移均相同,于是,在数字波束成形端,我们对每一个输入进行不同的相移,即,数字波束成形向量设计为:
其中,
同样的,θ为上以Δθ为搜索步长的线性搜索角。
设来波信号为其中,s(t)是基带信号,fc是载波频率。信号入射至混合结构天线阵列上。考虑到模拟波束成形,第k个子阵在第b个时域块的输出为
其中,αk,m为第k个子阵的第m根天线对应的模拟波束成形矩阵的相移,τk,m是由来波信号方向决定的传播时延,
τ0是从发射器到阵列参考点的传播时延,c为光速,d是阵列距离。将K个子阵的输出写成向量的形式则可以得到,
其中表示加性噪声矢量,经过采样与下变频,数字波束成形向量的输入为
经过数字波束成形,输出信号变为
根据设计完成的模拟波束成形矩阵和数字波束成形向量,输出信号转化成
假设快拍数为L,我们可以得到平均接收功率
当θ在内进行线性搜索时,对应的总存在一个峰值对应待估计角θ0。当模拟波束成形矩阵和数字波束成形向量完全对齐待估计角时,
2.根据权利要求1所述的一种大规模MIMO系统中基于线性搜索的混合结构到达角估计方法,其特征在于:工作于来波信号为窄带信号源的远场环境中。
3.根据权利要求1所述的一种大规模MIMO系统中基于线性搜索的混合结构到达角估计方法,其特征在于:在低复杂度的条件下能有效估计来波信号到达角。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201711420475.6A CN108306667A (zh) | 2017-12-25 | 2017-12-25 | 大规模mimo中基于线性搜索的混合到达角估计 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201711420475.6A CN108306667A (zh) | 2017-12-25 | 2017-12-25 | 大规模mimo中基于线性搜索的混合到达角估计 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN108306667A true CN108306667A (zh) | 2018-07-20 |
Family
ID=62870893
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201711420475.6A Pending CN108306667A (zh) | 2017-12-25 | 2017-12-25 | 大规模mimo中基于线性搜索的混合到达角估计 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN108306667A (zh) |
Cited By (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109120316A (zh) * | 2018-09-03 | 2019-01-01 | 杭州电子科技大学 | 一种基于最大化最小相位差值的混合波束成形方法 |
CN110611169A (zh) * | 2019-09-17 | 2019-12-24 | 上海交通大学 | 基于周期性相位调制的相控阵天线系统及其使用方法 |
CN113287267A (zh) * | 2018-11-12 | 2021-08-20 | 诺基亚技术有限公司 | 波束转向分辨率增强 |
CN115189722A (zh) * | 2022-06-15 | 2022-10-14 | 海南大学 | 适于大规模混合模数mimo的最大化扇区接收功率的doa估计方法 |
CN115189724A (zh) * | 2022-06-29 | 2022-10-14 | 海南大学 | 一种混合模数mimo结构的二阶多项式内插式快速doa估计方法 |
Citations (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN107395255A (zh) * | 2017-07-05 | 2017-11-24 | 南京理工大学 | 一种基于凸优化的稳健混合波束成形方法 |
-
2017
- 2017-12-25 CN CN201711420475.6A patent/CN108306667A/zh active Pending
Patent Citations (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN107395255A (zh) * | 2017-07-05 | 2017-11-24 | 南京理工大学 | 一种基于凸优化的稳健混合波束成形方法 |
Non-Patent Citations (1)
Title |
---|
成晓雪: "《毫米波大规模MIMO系统中的下行多用户混合波束形成》", 《中国优秀硕士学位论文全文数据库信息科技辑》 * |
Cited By (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109120316A (zh) * | 2018-09-03 | 2019-01-01 | 杭州电子科技大学 | 一种基于最大化最小相位差值的混合波束成形方法 |
CN109120316B (zh) * | 2018-09-03 | 2020-05-22 | 杭州电子科技大学 | 一种基于最大化最小相位差值的混合波束成形方法 |
CN113287267A (zh) * | 2018-11-12 | 2021-08-20 | 诺基亚技术有限公司 | 波束转向分辨率增强 |
US12015209B2 (en) | 2018-11-12 | 2024-06-18 | Nokia Technologies Oy | Beam steering resolutions enhancement |
CN110611169A (zh) * | 2019-09-17 | 2019-12-24 | 上海交通大学 | 基于周期性相位调制的相控阵天线系统及其使用方法 |
CN110611169B (zh) * | 2019-09-17 | 2021-04-02 | 上海交通大学 | 基于周期性相位调制的相控阵天线系统及其使用方法 |
CN115189722A (zh) * | 2022-06-15 | 2022-10-14 | 海南大学 | 适于大规模混合模数mimo的最大化扇区接收功率的doa估计方法 |
CN115189722B (zh) * | 2022-06-15 | 2023-05-09 | 海南大学 | 适于大规模混合模数mimo的最大化扇区接收功率的doa估计方法 |
CN115189724A (zh) * | 2022-06-29 | 2022-10-14 | 海南大学 | 一种混合模数mimo结构的二阶多项式内插式快速doa估计方法 |
CN115189724B (zh) * | 2022-06-29 | 2023-05-26 | 海南大学 | 一种混合模数mimo结构的二阶多项式内插式快速doa估计方法 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN108306667A (zh) | 大规模mimo中基于线性搜索的混合到达角估计 | |
CN108337031A (zh) | 大规模mimo中基于根值music的混合到达角估计 | |
CN105891771B (zh) | 一种提高估计精度的基于连续分布的角度估计方法与设备 | |
CN101369014B (zh) | 应用于多输入多输出雷达的双边约束自适应波束形成方法 | |
CN107395255B (zh) | 一种基于凸优化的稳健混合波束成形方法 | |
CN110113088B (zh) | 一种分离型数模混合天线系统波达角智能化估计方法 | |
CN109787671B (zh) | 一种混合波束成形装置及方法 | |
CN110515033B (zh) | 一种基于Toeplitz矩阵恢复的欠通道测向系统及方法 | |
CN105206934A (zh) | 一种相控阵接收天线系统及其运行方法 | |
CN101795150A (zh) | 强弱信号的波达方向与信源数估计方法 | |
CN108111208A (zh) | 一种灵活码本配置的毫米波系统角度域信道估计方法 | |
CN113671439B (zh) | 基于非均匀智能超表面阵列的无人机集群测向系统及方法 | |
CN110412537A (zh) | 一种双基地mimo雷达角度估计方法 | |
CN113067616B (zh) | 基于时间调制数字超表面的dbf相控阵系统 | |
CN101483280B (zh) | 一种稳健波束合成器权值求解方法 | |
Chen et al. | Fast ambiguous DOA elimination method of DOA measurement for hybrid massive MIMO receiver | |
Cong et al. | Vehicular behavior-aware beamforming design for integrated sensing and communication systems | |
CN110719127B (zh) | 一种具有恒模约束的毫米波mimo系统波束成形方法 | |
CN104574536A (zh) | Etc系统的rsu设备 | |
CN113644941B (zh) | 一种基于大规模mimo接收阵列结构的模糊相位快速消除方法 | |
CN110907923A (zh) | 基于平行因子算法的双基地emvs-mimo雷达角度估计算法及装置 | |
CN103780294A (zh) | 一种最大信噪比输出相控阵天线加权方法 | |
CN105510872B (zh) | 一种适用于大规模mimo系统的二维波达角的测定方法 | |
CN104678350A (zh) | 大规模mimo系统中基于tls-esprtt算法的2d doa估计 | |
CN110213186A (zh) | 基于混合结构的esprit的到达角与信噪比估计方法 |
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 | ||
WD01 | Invention patent application deemed withdrawn after publication |
Application publication date: 20180720 |
|
WD01 | Invention patent application deemed withdrawn after publication |