CN108337031A - 大规模mimo中基于根值music的混合到达角估计 - Google Patents

大规模mimo中基于根值music的混合到达角估计 Download PDF

Info

Publication number
CN108337031A
CN108337031A CN201711406984.3A CN201711406984A CN108337031A CN 108337031 A CN108337031 A CN 108337031A CN 201711406984 A CN201711406984 A CN 201711406984A CN 108337031 A CN108337031 A CN 108337031A
Authority
CN
China
Prior art keywords
submatrix
root
vector
forming
array
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
Application number
CN201711406984.3A
Other languages
English (en)
Inventor
束锋
秦耀璐
王正旺
刘婷婷
桂林卿
张晋
张一晋
李骏
徐婷珍
邹紫瑶
刘笑语
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Nanjing University of Science and Technology
Original Assignee
Nanjing University of Science and Technology
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Nanjing University of Science and Technology filed Critical Nanjing University of Science and Technology
Priority to CN201711406984.3A priority Critical patent/CN108337031A/zh
Publication of CN108337031A publication Critical patent/CN108337031A/zh
Pending legal-status Critical Current

Links

Classifications

    • HELECTRICITY
    • H04ELECTRIC COMMUNICATION TECHNIQUE
    • H04BTRANSMISSION
    • H04B7/00Radio transmission systems, i.e. using radiation field
    • H04B7/02Diversity systems; Multi-antenna system, i.e. transmission or reception using multiple antennas
    • H04B7/04Diversity systems; Multi-antenna system, i.e. transmission or reception using multiple antennas using two or more spaced independent antennas
    • H04B7/08Diversity systems; Multi-antenna system, i.e. transmission or reception using multiple antennas using two or more spaced independent antennas at the receiving station
    • H04B7/0837Diversity 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
    • H04B7/0842Weighted combining
    • H04B7/086Weighted combining using weights depending on external parameters, e.g. direction of arrival [DOA], predetermined weights or beamforming
    • HELECTRICITY
    • H04ELECTRIC COMMUNICATION TECHNIQUE
    • H04BTRANSMISSION
    • H04B7/00Radio transmission systems, i.e. using radiation field
    • H04B7/02Diversity systems; Multi-antenna system, i.e. transmission or reception using multiple antennas
    • H04B7/04Diversity systems; Multi-antenna system, i.e. transmission or reception using multiple antennas using two or more spaced independent antennas
    • H04B7/08Diversity systems; Multi-antenna system, i.e. transmission or reception using multiple antennas using two or more spaced independent antennas at the receiving station
    • H04B7/0868Hybrid systems, i.e. switching and combining
    • H04B7/088Hybrid systems, i.e. switching and combining using beam selection

Landscapes

  • Engineering & Computer Science (AREA)
  • Computer Networks & Wireless Communication (AREA)
  • Signal Processing (AREA)
  • Variable-Direction Aerials And Aerial Arrays (AREA)

Abstract

本发明提供了大规模MIMO系统中基于根值MUSIC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,采用根值MUSIC算法设计数字波束成形向量,从而选择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大规模MIMO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

大规模MIMO中基于根值MUSIC的混合到达角估计
技术领域
本发明涉及无线通信领域,特别涉及大规模MIMO系统中基于根值MUSIC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。
考虑到根值MUSIC算法复杂度较低且存在解析解,采用根值MUSIC求得估计角的初始值,从而改变模拟波束成形和数字波束成形相移,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系统中基于根值MUSIC算法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:
一种基于根值MUSIC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)数字波束成形部分:
考虑到空间谱估计中的根值MUSIC算法,首先初始化模拟波束成形矩阵,使得每个子阵的相移为0,即,
其中,
假设来波信号为s(t)ej2πfct,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
将初始化完成的模拟波束成形矩阵VA代入子阵的输出表达式,则子阵的输出在第一个时域块可以表示为
其中,g(θ0)是一个常数,
aM0)可以看做将每一个子阵作为一根天线的虚拟阵列的阵列流形向量,即aM0)是以天线距离为Md排列的阵列流形,
考虑到空间谱估计中的根值MUSIC算法,首先求得输出向量y1(n)的协方差矩阵,
分别表示来波信号与噪声的方差。然后求解Ryy的特征值和特征向量,进而求得与来波信号相关的特征向量和与噪声相关的K-1个特征向量。然后构造由K-1噪声特征向量张开的K×(K-1)维子空间,即
EN=(e1,e2,...,eK-1)
于是,根值MUSIC算法的目标函数可以写成
其中,Cmn表示C的第m行第n列的元素。由于目标函数中z的最高阶数为2K-2,于是,可以得到2K-2个根zi,分别对应2K-2个到达角估计值i∈{1,2,...,2K-2}。
下面,采用输出功率最大化原则除去其他2K-3个伪解。设计数字波束成形向量为
其中
此时,输出信号为
根据输出功率对应于2K-2个可以得到2K-2个取出最大的对应的作为初始估计值其对应的z值表示为zd
(3)模拟波束成形部分:
考虑到目标函数的周期性,同样是目标函数的解。此时采用模拟相位对齐的方法,遍历搜索所有M个估计角,即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,
同时,取数字波束成形相位为
于是接收信号变成
同样的,根据输出功率可以得到M个输出功率,最终取得输出功率最大的对应的作为到达角估计值
有益效果:本发明提供的在大规模MIMO系统中基于根值MUSIC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.本方法减少了模拟波束成形矩阵的调相次数,降低了电路的硬件成本,同时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系统中基于根值MUSIC的混合结构下到达角估计方法的系统流程图。
图2示出了克拉美罗下界与基于根值MUSIC到达角估计方法的角度估计误差随着信噪比的变化图。
图3示出了混合架构下传统模拟相位对齐与基于根值MUSIC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系统中基于根值MUSIC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,利用根值MUSIC算法得到的估计角进行数字波束成形和模拟波束成形设计,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)数字波束成形部分:
考虑到空间谱估计中的根值MUSIC算法,首先初始化模拟波束成形矩阵,使得每个子阵的相移为0,即,
其中,
假设来波信号为s(t)ej2πfct,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
将初始化完成的模拟波束成形矩阵VA代入子阵的输出表达式,则子阵的输出在第一个时域块可以表示为
其中,g(θ0)是一个常数,
aM0)可以看做将每一个子阵作为一根天线的虚拟阵列的阵列流形向量,即aM0)是以天线距离为Md排列的阵列流形,
考虑到空间谱估计中的根值MUSIC算法,首先求得输出向量y1(n)的协方差矩阵,
分别表示来波信号与噪声的方差。然后求解Ryy的特征值和特征向量,进而求得与来波信号相关的特征向量和与噪声相关的K-1个特征向量。然后构造由K-1噪声特征向量张开的K×(K-1)维子空间,即
EN=(e1,e2,...,eK-1)
于是,根值MUSIC算法的目标函数可以写成
其中,Cmn表示C的第m行第n列的元素。由于目标函数中z的最高阶数为2K-2,于是,可以得到2K-2个根zi,分别对应2K-2个到达角估计值i∈{1,2,...,2K-2}。
下面,采用输出功率最大化原则除去其他2K-3个伪解。设计数字波束成形向量为
其中
此时,输出信号为
根据输出功率对应于2K-2个可以得到2K-2个取出最大的对应的作为初始估计值其对应的z值表示为zd
(3)模拟波束成形部分:
考虑到目标函数的周期性,同样是目标函数的解。此时采用模拟相位对齐的方法,遍历搜索所有M个估计角,即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,
同时,取数字波束成形相位为
于是接收信号变成
同样的,根据输出功率可以得到M个输出功率,最终取得输出功率最大的对应的作为到达角估计值
图1示出了大规模MIMO系统中基于根值MUSIC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41.177°,子阵内天线个数M为8,总的天线数N为32,、64、128时,混合架构下基于根值MUSIC的到达角估计方法角度估计误差随着信噪比的变化图,同时图中提供了相应的克拉美罗下界作为参考。从图中可以看出本发明提出的基于根值MUSIC的到达角估计方法在较高信噪比时,始终能够达到克拉美罗下界。
图3示出了总的天线数N为16、32、64、128,子阵内天线个数M=8,固定传统模拟相位对齐的搜索步长为0.125°时,比较混合结构下传统模拟相位对齐与基于根值MUSIC的到达角估计方法的复杂度。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)

1.一种基于根值MUSIC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)数字波束成形部分:
考虑到空间谱估计中的根值MUSIC算法,首先初始化模拟波束成形矩阵,使得每个子阵的相移为0,即,
其中,
假设来波信号为其中,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
将初始化完成的模拟波束成形矩阵VA代入子阵的输出表达式,则子阵的输出在第一个时域块可以表示为
其中,g(θ0)是一个常数,
aM0)可以看做将每一个子阵作为一根天线的虚拟阵列的阵列流形向量,即aM0)是以天线距离为Md排列的阵列流形,
考虑到空间谱估计中的根值MUSIC算法,首先求得输出向量y1(n)的协方差矩阵,
分别表示来波信号与噪声的方差。然后求解Ryy的特征值和特征向量,进而求得与来波信号相关的特征向量和与噪声相关的K-1个特征向量。然后构造由K-1噪声特征向量张开的K×(K-1)维子空间,即
EN=(e1,e2,...,eK-1)
于是,根值MUSIC算法的目标函数可以写成
其中,Cmn表示C的第m行第n列的元素。由于目标函数中z的最高阶数为2K-2,于是,可以得到2K-2个根zi,分别对应2K-2个到达角估计值i∈{1,2,...,2K-2}。
下面,采用输出功率最大化原则除去其他2K-3个伪解。设计数字波束成形向量为
其中
此时,输出信号为
根据输出功率对应于2K-2个可以得到2K-2个取出最大的对应的作为初始估计值其对应的z值表示为zd
(3)模拟波束成形部分:
考虑到目标函数的周期性,同样是目标函数的解。此时采用模拟相位对齐的方法,遍历搜索所有M个估计角,即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,
同时,取数字波束成形相位为
于是接收信号变成
同样的,根据输出功率可以得到M个输出功率,最终取得输出功率最大的对应的作为到达角估计值
2.根据权利要求1所述的一种大规模MIMO系统中基于根值MUSIC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系统中基于根值MUSIC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。
CN201711406984.3A 2017-12-22 2017-12-22 大规模mimo中基于根值music的混合到达角估计 Pending CN108337031A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201711406984.3A CN108337031A (zh) 2017-12-22 2017-12-22 大规模mimo中基于根值music的混合到达角估计

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201711406984.3A CN108337031A (zh) 2017-12-22 2017-12-22 大规模mimo中基于根值music的混合到达角估计

Publications (1)

Publication Number Publication Date
CN108337031A true CN108337031A (zh) 2018-07-27

Family

ID=62924321

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201711406984.3A Pending CN108337031A (zh) 2017-12-22 2017-12-22 大规模mimo中基于根值music的混合到达角估计

Country Status (1)

Country Link
CN (1) CN108337031A (zh)

Cited By (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN109765519A (zh) * 2018-12-14 2019-05-17 北京邮电大学 一种模数混合天线阵列的角度估计方法
CN111865370A (zh) * 2019-04-30 2020-10-30 华为技术有限公司 一种确定信号到达角的方法、装置和系统
CN112887040A (zh) * 2021-01-18 2021-06-01 杭州电子科技大学 一种极化参数估计装置及方法
CN113644941A (zh) * 2021-07-29 2021-11-12 海南大学 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
CN114070371A (zh) * 2020-08-05 2022-02-18 大唐移动通信设备有限公司 一种波束赋形方法、装置及可读存储介质
CN115189723A (zh) * 2022-06-23 2022-10-14 海南大学 一种基于大规模混合模数MIMO结构的子阵Root-MUSIC的DOA估计方法
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
CN116500541A (zh) * 2023-06-30 2023-07-28 南京理工大学 目标波达角度的估计方法、装置、电子设备及存储介质

Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR20170049952A (ko) * 2015-10-29 2017-05-11 에스케이텔레콤 주식회사 하이브리드 빔 포밍 송신장치 및 하이브리드 빔 포밍 방법
CN107294575A (zh) * 2017-06-16 2017-10-24 东南大学 大规模mimo波束域安全通信方法
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

Patent Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR20170049952A (ko) * 2015-10-29 2017-05-11 에스케이텔레콤 주식회사 하이브리드 빔 포밍 송신장치 및 하이브리드 빔 포밍 방법
CN107294575A (zh) * 2017-06-16 2017-10-24 东南大学 大规模mimo波束域安全通信方法
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)

* Cited by examiner, † Cited by third party
Title
SHU FENG等: ""Threshold-based ML Channel Estimation for OFDM System in Sparse Wireless Channel"", 《 2007 INTERNATIONAL SYMPOSIUM ON MICROWAVE, ANTENNA, PROPAGATION AND EMC TECHNOLOGIES FOR WIRELESS COMMUNICATIONS》 *

Cited By (13)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN109765519B (zh) * 2018-12-14 2020-08-28 北京邮电大学 一种模数混合天线阵列的角度估计方法
CN109765519A (zh) * 2018-12-14 2019-05-17 北京邮电大学 一种模数混合天线阵列的角度估计方法
CN111865370A (zh) * 2019-04-30 2020-10-30 华为技术有限公司 一种确定信号到达角的方法、装置和系统
CN114070371B (zh) * 2020-08-05 2023-08-11 大唐移动通信设备有限公司 一种波束赋形方法、装置及可读存储介质
CN114070371A (zh) * 2020-08-05 2022-02-18 大唐移动通信设备有限公司 一种波束赋形方法、装置及可读存储介质
CN112887040A (zh) * 2021-01-18 2021-06-01 杭州电子科技大学 一种极化参数估计装置及方法
CN113644941A (zh) * 2021-07-29 2021-11-12 海南大学 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
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
CN115189723A (zh) * 2022-06-23 2022-10-14 海南大学 一种基于大规模混合模数MIMO结构的子阵Root-MUSIC的DOA估计方法
CN115189723B (zh) * 2022-06-23 2023-05-26 海南大学 一种基于大规模混合模数MIMO结构的子阵Root-MUSIC的DOA估计方法
CN116500541A (zh) * 2023-06-30 2023-07-28 南京理工大学 目标波达角度的估计方法、装置、电子设备及存储介质
CN116500541B (zh) * 2023-06-30 2023-09-22 南京理工大学 目标波达角度的估计方法、装置、电子设备及存储介质

Similar Documents

Publication Publication Date Title
CN108337031A (zh) 大规模mimo中基于根值music的混合到达角估计
Guo et al. Millimeter-wave channel estimation based on 2-D beamspace MUSIC method
CN108306667A (zh) 大规模mimo中基于线性搜索的混合到达角估计
CN107015191A (zh) 一种在多径干扰环境下单偶极子极化敏感阵列降维doa估计方法
CN109738854A (zh) 一种天线阵列来波方向的到达角估计方法
CN108462521A (zh) 自适应阵列天线的抗干扰实现方法
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
CN103901417A (zh) L型阵列mimo雷达低复杂度空间目标二维角度估计方法
CN103323827B (zh) 基于快速傅里叶变换的mimo雷达系统角度估计方法
Zheng et al. Efficient data transmission strategy for IIoTs with arbitrary geometrical array
CN109379122A (zh) 一种毫米波通信多径信道动态波束训练方法
CN109787671B (zh) 一种混合波束成形装置及方法
CN114172547B (zh) 基于智能反射面的无线携能通信混合预编码设计方法
CN106501801B (zh) 一种基于混沌多种群共生进化的双基地mimo雷达跟踪方法
CN112130111B (zh) 一种大规模均匀十字阵列中单快拍二维doa估计方法
CN112468202B (zh) 低复杂度毫米波大规模mimo混合预编码方法
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
CN109782218A (zh) 一种基于双平行天线阵的相干分布式非圆信号doa估计方法
CN115085774B (zh) 一种基于克拉美罗界的通感融合混合波束赋形方法
CN113162670A (zh) 数字多波束校正与合成方法
CN114488034A (zh) 一种被动探测与侦察干扰一体化装置及方法
CN109495150A (zh) 一种毫米波通信码本设计方法
CN108872930A (zh) 扩展孔径二维联合对角化doa估计方法
Doan et al. MoDANet: Multi-task deep network for joint automatic modulation classification and direction of arrival estimation
CN104994041B (zh) 三维大规模天线系统基于导频的波达波离角联合估计方法

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: 20180727

WD01 Invention patent application deemed withdrawn after publication