CN109327249A - Mimo系统中的到达角估计方法 - Google Patents

Mimo系统中的到达角估计方法 Download PDF

Info

Publication number
CN109327249A
CN109327249A CN201811344119.5A CN201811344119A CN109327249A CN 109327249 A CN109327249 A CN 109327249A CN 201811344119 A CN201811344119 A CN 201811344119A CN 109327249 A CN109327249 A CN 109327249A
Authority
CN
China
Prior art keywords
angle
arrival
algorithm
arrival estimation
estimation
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
CN201811344119.5A
Other languages
English (en)
Inventor
曾庆生
张跃进
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.)
Zhongxiang Bo Qian Mdt Infotech Ltd
Original Assignee
Zhongxiang Bo Qian Mdt Infotech Ltd
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 Zhongxiang Bo Qian Mdt Infotech Ltd filed Critical Zhongxiang Bo Qian Mdt Infotech Ltd
Priority to CN201811344119.5A priority Critical patent/CN109327249A/zh
Publication of CN109327249A publication Critical patent/CN109327249A/zh
Pending legal-status Critical Current

Links

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
    • H04B7/0413—MIMO systems

Landscapes

  • Engineering & Computer Science (AREA)
  • Computer Networks & Wireless Communication (AREA)
  • Signal Processing (AREA)
  • Radio Transmission System (AREA)

Abstract

本申请涉及一种MIMO系统中的到达角估计方法，该方法包括：建立天线阵列的数学模型；收集到达角估计算法；预设不同信道参数，利用天线阵列的数学模型使用不同到达角估计算法在不同信道参数下计算到达角估计值；对所述到达角估计值进行评估，筛选出每种信道参数下最终到达角估计算法；获取实际传输信道，分析所述传输信道中的传输信道参数；根据所述传输信道参数选取最终到达角估计算法利用所述天线阵列的数学模型进行到达角估计。本申请通过建立天线阵列的数学模型在不同信道参数下选取最准确算法进行到达角估计，从而提高到达角估计的准确率和分辨率。

Description

MIMO系统中的到达角估计方法
技术领域
本申请涉及信号处理技术领域，尤其是一种MIMO系统中的到达角估计方法。
背景技术
在多入多出(Multiple Input Multiple Output,MIMO)系统中，接收端信道均衡和检测都需要精确的信道状态信息，但是，当基站天线数量和用户数量都非常大时，信道矩阵的维度编的非常大，信道估计问题随之复杂。目标信号入射到接收天线阵列的角度为到达角，通过到达角估计可以获得目标方位参数，因此，利用天线的阵列对电磁波信号的到达方向角进行估计是无线通信领域一个重要的研究方向。利用波达方向角估计技术解决到达角估计问题。波达方向角估计是指在特定的空间内存在多个信号源而且它们发射的信号都会被阵列天线所接收的情况下，利用阵列天线所接收到的数据对各个信号的来源方向进行估计。相关技术中，分别应用MUSIC(Multiple Signal Classification,MUSIC)算法，Root-MUSIC算法与ESPRIT(Estimation of Signal Parameters via Rotational InvarianceTechniques,ESPRIT)算法对信号一维波达方向角进行估计，但上述任一种算法都会因传输信道参数的不同导致角度估计值或分辨不稳定，从而导致算法适用性降低。
发明内容
为至少在一定程度上克服单一算法由于信道的不同导致角度分辨不稳定，从而导致算法适用性降低的问题，本申请提供一种MIMO系统中的到达角估计方法，包括：
建立天线阵列的数学模型；
收集到达角估计算法；
预设不同信道参数，利用天线阵列的数学模型使用不同到达角估计算法在不同信道参数下计算到达角估计值；
对所述到达角估计值进行评估，筛选出每种信道参数下最终到达角估计算法；
获取实际传输信道，分析所述传输信道中的传输信道参数；
根据所述传输信道参数选取最终到达角估计算法利用所述天线阵列的数学模型进行到达角估计。
进一步的，所述建立天线阵列的数学模型，包括：
定义阵元接收信号表达式，所述表达式因变量为波达方向角；
根据阵元接收信号表达式与接收信号的数量创建阵元接收信号矩阵；
根据所述阵元接收信号矩阵确定方向响应矩阵。
进一步的，所述到达角估计算法包括：MUSIC算法、Root-MUSIC算法和ESPRIT算法。
进一步的，所述利用天线阵列的数学模型使用不同到达角估计算法在不同信道参数下计算到达角估计值，包括：分别计算MUSIC算法、Root-MUSIC算法和ESPRIT算法在所述天线阵列的数学模型中的角度估计值。
进一步的，所述信道参数包括信号的信噪比、天线阵列个数和采样快拍数。
进一步的，所述对所述到达角估计值进行评估，包括：使用计算均方根误差对所述到达角估计值进行评估。
进一步的，所述信道为莱斯信道。
进一步的，所述利用天线阵列的数学模型使用不同到达角估计算法时信道参数对到达角估计值进行计算，包括：在莱斯信道下利用天线阵列的数学模型使用不同到达角估计算法对到达角估计值进行计算。
进一步的，所述根据所述传输信道参数选取最终到达角估计算法利用所述天线阵列的数学模型进行到达角估计，包括：
获取每种信道参数下到达角实际值；
计算每种信道参数下不同到达角估计算法利用所述天线阵列的数学模型得到的到达角计算值；
比较所述到达角实际值与所述到达角计算值，选取同一种信道参数下与达角实际值误差最小的到达角计算值对应的到达角估计算法作为该信道参数下最终到达角估计算法。
进一步的，所述方法还包括：通过调整所述信道参数优化所述达角估计算法。
本申请的实施例提供的技术方案可以包括以下有益效果：
本申请通过建立天线阵列的数学模型，收集到达角估计算法，预设至少两种信道参数，在每种信道参数下计算所收集的到达角估计算法在所述天线阵列的数学模型中的到达角，实现在不同信道下选取最准确算法进行到达角估计，从而提高到达角估计的准确率和分辨率。
应当理解的是，以上的一般描述和后文的细节描述仅是示例性和解释性的，并不能限制本申请。
附图说明
此处的附图被并入说明书中并构成本说明书的一部分，示出了符合本申请的实施例，并与说明书一起用于解释本申请的原理。
图1是本申请一个实施例提供的一种MIMO系统中的到达角估计方法的流程图。
具体实施方式
下面结合附图和实施例对本发明进行详细的描述。
图1是本申请一个实施例提供的一种MIMO系统中的到达角估计方法的流程图。
如图1所示，本实施例的方法包括：
S1：建立天线阵列的数学模型；
S2：收集到达角估计算法；
S3：预设不同信道参数，利用天线阵列的数学模型使用不同到达角估计算法在不同信道参数下计算到达角估计值；
S4：对所述到达角估计值进行评估，筛选出每种信道参数下最终到达角估计算法；
S5：获取实际传输信道，分析所述传输信道中的传输信道参数；
S6：根据所述传输信道参数选取最终到达角估计算法利用所述天线阵列的数学模型进行到达角估计。
通过在每种信道参数下计算所收集的到达角估计算法在所述天线阵列的数学模型中的到达角筛选中在每种信道参数下最终的到达角估计算法，通过对实际传输信道于预设信道进行匹配，选择最终的到达角估计算法进行到达角估计，提高到达角估计的准确率和分辨率。
作为本发明可选的一种实现方式，所述建立天线阵列的数学模型，包括：
定义阵元接收信号表达式，所述表达式因变量为波达方向角；
根据阵元接收信号表达式与接收信号的数量创建阵元接收信号矩阵；
根据所述阵元接收信号矩阵确定方向响应矩阵。
在MIMO技术中，发射端与接收端都有多个天线组成。设共有P个信号发射天线同时发送信号，而在接收端由N个接收天线同时对信号进行接收。将相应的信号转化成向量表达式后，MIMO系统发射与接收之间的关系可表示为
其中xp为传输的符号，y为N维接收向量，n为N维噪声向量，H为信道增益矩阵。输入x中的P个符号取自P个发射天线(离散信号源)，均值E{xp}等于零。复高斯噪声矢量n的每个分量都符合等分布的零均值复高斯分布。噪声协方差矩阵在理想状态下可认为是σ2IN，其中IN为N×N维单位矩阵。设定噪声和信号之间分布互相独立。
例如，一个远场窄带信号，发射时对其调制信号的频率为ω，以平面波的形式空间中以波矢量k方向传播。那么在信号源处发射信号为s(t)ejωt，则在距离信源r处的阵元接收到的信号为
其中α为电磁波传播方向向量，模长为1；k为波数向量；c为电磁波传播速度；为由于天线阵列之间的距离产生的时间延迟。当空间中有M个阵列天线形成一组阵列时，将第一个天线阵元处收到的信号设为s(t)ejωt。那么各个阵元上的接收信号为
在通信中，一般情形下信号的频带要远远小于信号的载波，可以得到
所以当发射信号源离接收端距离很远，而且发射的信号为窄带信号的条件下，可认为在各个阵元上所接收到的信号的包络近似相等。故将接收端接收到的信号定义为
将上式中的称为导向向量(steering vector)，设为a(θ)，因为当阵列的结构以及信号的频率确定之后，该信号导向向量只是一个关于波大方向(Direction of arrival,DOA)角度θ的函数。将第一个阵元设为标准原点，那么导向向量可表示为
其中
当同时有多个(例如K个)空间中信号同时以不同的角度入射到该阵列中时，这K个到达波的方向向量可分别用a(θk)表示。这K个方向向量组成矩阵A
A＝[a(θ1),a(θ2),…a(θK)] (8)
设存在一组阵列天线系统，由M个完全相同的具有任意方向性的阵元均匀沿直线排列，阵元之间距离为d。同时设有K个载波频率相等，波长为λ的空间窄带平面波分别以来向角θ1,θ2,…θK入射到该阵列上。那么阵列的第m个阵元输出为
其中，si(t)是时间为t时入射到阵列中的第i个信号，nm(t)为第m个阵元上接收到的噪声。假设接受到的噪声为加性高斯白噪声(Additive White Gaussian Noise,AWGN)。当天线阵列为大规模均匀线性阵列(Uniform Linear Array,ULA)时，第k个信号的方向向量可表为
则可定义方向响应矩阵
因此阵列的第m个阵元输出为
X＝AS+N (12)
其中，X为M×N维数据矩阵，A为M×K维方向向量矩阵，S为K×N维为信号发射矩阵，N为M×N维噪声接收矩阵。
通过建立天线阵列的数学模型，便于使用不同算法对到达角进行估计，有利于分析不同算法在不同信道下的适用度，为实际生活中进行达角进行估计提供基础。
作为本发明可选的一种实现方式，所述到达角估计算法包括：MUSIC算法、Root-MUSIC算法和ESPRIT算法。
作为本发明可选的一种实现方式，所述利用天线阵列的数学模型使用不同到达角估计算法在不同信道参数下计算到达角估计值，包括：分别计算MUSIC算法、Root-MUSIC算法和ESPRIT算法在所述天线阵列的数学模型中的角度估计值。
1.使用MUSIC算法计算到达角角度估计值
MUSIC算法的主要方法是对利用阵列天线接收到的数据构造的阵列接收数据协方差矩阵进行特征值分解，分别得到信号子空间与噪声子空间。利用信号子空间与噪声子空间之间相互的正交关系来对角度估计值进行计算。在天线阵列数大于入射信号数的情况下，只要通过天线的阵列特征，进行相关的运算就可以得到有极高分辨率的估计结果。
考虑在ULA的情况下，首先计算得到接收数据矩阵X，然后可根据得到的数据矩阵构造阵列协方差矩阵R的估计值
将式(13)转换成矩阵形式可得
R＝XXH/N (14)
对矩阵进行特征值分解，可以得到两个子空间US与UN，即
其中R为根据数据数据接收矩阵X所构造的M行M列阵列协方差方阵，ΣS为对应于信号子空间的K个数值较大的特征值的对角矩阵，秩为K，而US由ΣS中的特征值相应的特征矢量构造，被称为信号子空间；ΣN为R中除去ΣS中所用到的特征值之外的特征值所构造的对角矩阵，而UN为这些较小的特征值所对应的特征向量所构成的矩阵，被称为噪声子空间。在噪声为AWGN的情况下，这M-K个较小的特征值都相等，都等于噪声的功率。
通过推导可得阵列协方差的另一种表示形式
其中RS为信号协方差矩阵，为AWGN的功率。将式(16)等号左右两端同时右乘噪声子空间UN，可得
其中RS为信号自相关矩阵。可推得
由式(17)和式(18)可得到
ARSAHUN＝0 (19)
因为RS满秩，故存在于是式(19)可变化为
AHUN＝0 (20)
由式(20)可得出结论：
故可构造在空间范围内MUSIC算法的谱峰搜索函数
由式(22)对θ进行空间上的扫描得到空间谱，根据所得到的空间谱提取峰值即可得到DOA的估计值。
可将MUSIC算法步骤归纳如下：
第一步，根据天线接收到的信号求出R的估计值；
第二步，计算R的特征值分解；
第三步，根据特征值分解的结果分别构造US和UN；
第四步，根据PMUSIC(θ)，通过峰值搜索的方式来确定DOA的估计值。
2.使用Root-MUSIC算法计算到达角角度估计值
Root-MUSIC算法同样也需要对R进行分解得到US和UN。可定义多项式p(z)，为关于z的多项式。
p(z)＝[1,z,…zM-1]T (23)
为了利用噪声空间与信号的导向向量之间的正交关系，可以根据MUSIC算法的谱函数构造多项式
然而由于pH(z)的存在，q(z)还并不是一个关于只关于自变量z的多项式。p(z)的结构与信号导向向量相同，故需要求的解都落在复平面单位圆上，所以可以用pT(z-1)来代替pH(z)来消除z*的幂次项。
综上所述，可以得出Root-MUSIC算法的多项式
由于f(z)是关于z的2(M-1)次多项式，所以在复平面上其根为关于单位圆的镜像对称，取其中单位圆内有最大模长的K个根的相位得出DOA估计值，即
综合上述描述，Root-MUSIC算法步骤可总结如下：
第一步，利用协方差矩阵的分解得到US和UN；
第二步，构造求根多项式，并求根；
第三步，在复平面上取其中单位圆内模长最大的K个解，由式(26)得出角度估计值。
3.使用ESPRIT算法计算到达角角度估计值
与MUSIC算法利用阵列天线的方式有所差异，ESPRIT算法利用的不是单纯的阵列元，而是阵元偶。在空间中存在一个具有M个阵元偶的平面天线阵列系统，每一个阵元偶中的两个阵元响应特性完全一样，每一个阵元偶之间的位移矢量Δ都相等，而且已知。假设有K个位于远场的信号源，同时发射载波频率相等的窄带信号，并以平面波的形式入射到这个天线阵列系统中。设这些入射波信号都为零均值正态随机过程。除此之外，设在每个接收天线上都有AWGN存在。这里本文以ULA阵列系统为例，共有M+1个阵列天线元，前M个天线阵列与后M个天线阵列形成阵元偶。
结合上面的描述可将这个ULA系统分成两个子阵列Zx与Zy，这两个子阵列整体之间存在一个位移矢量Δ。将阵元进行标号，Zx由阵元偶中的x1,x2,…xM组成，而Zy由阵元偶中剩下的y1,y2,…,yM组成。那么在第i组阵元偶上，两个子阵列中的阵元输出分别可列为
其中sk(t)为t时刻接收端接收到的第k个信源发射的数据；θk为第k个信号的DOA；ai(θk)为第k个信号的导向向量；n(t)为阵元偶上所接收到的AWGN；ω为到达波的载波角频率。
将式(27)与式(28)用信号向量的方式定义为x(t)＝As(t)+nx(t) (29)
y(t)＝AΦs(t)+ny(t) (30)
其中x(t)与y(t)为M×1维接收信号向量；s(t)为K维信号发射向量；nx(t)与ny(t)都是加性高斯白噪声向量；A为方向矢量矩阵；Φ为K×K维对角矩阵
一般称Φ为旋转算子，作用是建立子阵Zx和Zy在数学上的关系。此时通过合并两个子阵列Zx和Zy的矩阵来构造整体的阵列矩阵Z。整体阵列的输出向量z(t)可表为
将t＝t1,t2,…,tN时刻取得的总数为N的快拍合并组成一个2M×N维的数据矩阵，则
根据矩阵Z来计算信号DOA就需要得到矩阵Φ的估计值。
数据接收矩阵X与Y都可得到K维信号子空间，由于这两个信号子空间是针对于相同的信号，所以这两个张成的信号子空间之间仅仅存在一个空间相位μk的差。
构造矩阵Rz
RZ＝E[ZZH] (35)
通过对RZ分解，就可得到对应的信号子空间与噪声子空间ES和EN
其中ES为2M×K维矩阵；EN为2M×(2M-K)维矩阵，与信号子空间正交。这就说明存在一个K维非奇异满秩方阵T满足
根据的结构特点，可将ES进行分解，分别与两个子阵列形成对应关系，即
则
EY＝EXT-1ΦT (39)
设
Ψ＝T-1ΦT (40)
根据矩阵Ψ的形式，可以推得Ψ与Φ特征值相同。
但在非理想状态下，只能通过对采样值取平均的方式来估计RZ
相应的EX与EY也只能够得到其估计值与由于这里所得到的估计值与真实值比都存在误差，故可利用整体最小二乘准则(Total Least-Squares,TLS)来进行求解矩阵Φ可一定程度上降低估计值的误差。
根据TLS准则，根据给定的信号子空间估计值与可寻找一个2K×K维复矩阵
使得
值最小，而且满足条件
FHF＝I (44)
根据矩阵奇异值分解的相关性质，显然矩阵F应由对应于矩阵的K个最小奇异值对应的右奇异向量构成。在无误差的理想情况下，矩阵F可以做到与矩阵[EX EY]正交，那么就可推得
0＝[EX EY]F＝ATF0+AΦTF1 (45)
如果定义矩阵
G＝-F0F1 -1 (46)
那么可以得到
ATG＝AΦT (47)
进而，可得
Φ＝TGT-1 (48)
可推出在TLS准则下矩阵Ψ的估计值
对矩阵ΨTLS进行分解可以得到矩阵ΨTLS的特征值，而所求的Φ矩阵与ΨTLS为相似矩阵。得到Φ的特征值之后，就可以通过特征值与波达方向角的函数关系得到波达方向角的估计值。
综合上面的描述，TLS准则下ESPRIT算法可归纳如下
第一步，将各子阵得到的数据进行组合，构造出整体的阵列输出矩阵Z
第二步，构造阵列协方差矩阵，得到其估计值
第三步，分解得到子空间估计值与
第四步，计算矩阵[EX EY]的奇异值分解，并构造矩阵F。
第五步，根据F计算得到矩阵ΨTLS
第六步，求出矩阵ΨTLS的特征值λk(k＝1,2,3,…,K)
第七步，通过λk计算得到DOA估计值
作为本发明可选的一种实现方式，所述信道参数包括信号的信噪比、天线阵列个数和采样快拍数。
作为本发明可选的一种实现方式，所述对所述到达角估计值进行评估，包括：使用计算均方根误差对所述到达角估计值进行评估。
计算均方根误差(Root-Mean-Square-Error,RMSE)，计算均方根误差定义为：i＝1，2，3，…n；在有限测量次数中，均方根误差常用下式表示:sqrt[∑di^2/n]，式中:n为测量次数；di为一组测量值与真值的偏差。对一组测量中的特大或特小误差反映非常敏感，所以，计算均方根误差能够很好地反映出测量的精密度。因此使用计算均方根误差对所述到达角估计值进行评估可以提高评估的准确性。
作为本发明可选的一种实现方式，所述信道为莱斯信道。
作为本发明可选的一种实现方式，所述利用天线阵列的数学模型使用不同到达角估计算法时信道参数对到达角估计值进行计算，包括：在莱斯信道下利用天线阵列的数学模型使用不同到达角估计算法对到达角估计值进行计算。
在通信中由于多径效应的存在，信号发射后经过莱斯信道传播在接收端被接收时是直达信号与多径信号的叠加。在存在直射(line-of-sight,LOS)分量的情况下，包络为瑞利信道的接收机将不足以捕获衰落变化。因此我们考虑存在信号直达分量的情况。
莱斯分布的随机变量可分成直射分量部分以及包络为瑞利多径分量部分。在莱斯信道的情况下，信道矢量可表示为
其中为理想MIMO情况下信号导向向量，也就是a(θ)，是天线阵列模型中方向响应矩阵A的列向量；hn为多径分量部分，这里可看做符合正态分布的零均值、方差为1的随机变量；Ku为莱斯因子，为接收端接收到的信号直射分量与接收到的多径分量功率之比。
那么在MIMO情况下，信号响应矩阵可表为
H＝[hu(θ1),hu(θ2),…,hu(θK)] (52)
信号接收矩阵X可表为
X＝HS+N (53)
其中，X为M×N维信号接收矩阵；H为M×K维方向响应矩阵；S为K×N为发射信号矩阵；N为M×N维噪声矩阵。K为来波数，N为快拍数。
因此可以将信号接收矩阵X与MUSIC算法、Root-MUSIC算法和ESPRIT算法相融合计算到达角估计值。
例如，设空间中存在的信源数为3，分别以到达角10°，30°和60°的方向入射到该ULA阵列中，该阵列共由100根阵元天线组成，莱斯信道的K因子设为10，采样快拍数设置为500，信号的信噪比设置为10dB。MUSIC算法能够明显的将三个信号到达角分辨出并在空间谱中表现出来。因此，在大规模MIMO系统中MUSIC算法能够有效地分辨出信号的到达方向。
作为本发明可选的一种实现方式，所述根据所述传输信道参数选取最终到达角估计算法利用所述天线阵列的数学模型进行到达角估计，包括：
获取每种信道参数下到达角实际值；
计算每种信道参数下不同到达角估计算法利用所述天线阵列的数学模型得到的到达角计算值；
比较所述到达角实际值与所述到达角计算值，选取同一种信道参数下与达角实际值误差最小的到达角计算值对应的到达角估计算法作为该信道参数下最终到达角估计算法。
例如，使用Root-MUSIC算法进行算法均方误差与阵列天线数和信号功率关系的仿真。设在空间中只存在一个信源向阵列天线发射信号，信号的入射方向角设为10°，snapshots设为100，信号SNR设为10dB，天线阵列数分别设为20，40和60进行仿真。
随着信号信噪比条件的改善，Root-MUSIC算法所计算得到的估计值与真实值的RMSE会减小，而且在SNR相等的情况下，阵列天线元的个数越多，DOA估计值误差就会变得越小。
因此，Root-MUSIC算法的性能与天线阵列数、信号信噪比均有关。信号信噪比越高，Root-MUSIC算法性能越好；天线阵列数越多，Root-MUSIC算法性能越好。
使用Root-MUSIC算法进行算法均方误差与快拍采样数之间的关系仿真，信源数以及波达方向角设置不变，阵列天线数设为50。
当天线采样快拍数增加的时候，根据Root-MUSIC算法得出的估计值会越准确。
本节内容为根据3.3节中介绍的ESPRIT算法在MIMO信道下进行仿真，设在空间中存在三个信号源，发射出的信号分别以方向角10°，25°和70°入射到该阵列中，设snapshots为200，SNR为3dB，6dB，……30dB分别进行仿真。仿真结果如表1所示。
使用ESPRIT算法计算波达方向角估计值的RMSE来对ESPRIT算法性能进行评估。主要考虑参数为信噪比SNR，天线阵列数和采样快拍数的取值。
首先对ESPRIT算法性能与信号SNR之间的关系进行仿真，假设只有一个信号以方向角10°入射到该阵列中，snapshots为100，分别对天线阵元数为20，60，100进行仿真。
可得出当信号的信噪比条件改善的时候，ESPRIT算法得出的估计值与真实值之间RMSE会减小。这说明ESPRIT算法的性能会随着信号信噪比条件的改善而改善。而且当SNR条件相同时，ESPRIT算法性能会随着阵列天线数的增加而改善。
接着对算法性能与采样快拍数以及阵列天线数的关系进行仿真，信源数与入射角度不变，阵列天线数固定为60个，分别对快拍数为5，20，100进行仿真。可得出随着采样快拍数的增加，ESPRIT算法得出的估计值会更加准确。
例如，在理想MIMO信道下比较在其他影响因素相同时Root-MUSIC算法与ESPRIT算法的均方误差的大小来比较两者的性能。设采样快拍数设为100，阵列天线元数设为50，信噪比相同的情况下，Root-MUSIC算法得到的估计值误差要小于ESPRIT算法估计的的误差。因此在传输信道参数为采样快拍数设为100，阵列天线元数设为50，信噪比SNR相同的情况下，最终到达角估计算法为Root-MUSIC算法，因此使用Root-MUSIC算法利用所述天线阵列的数学模型进行到达角估计。
作为本发明可选的一种实现方式，所述方法还包括：通过调整所述信道参数优化所述达角估计算法。
到达角分辨率是指判断两个信号在存在一定角度偏移的情况下能够分辨出两个信号的概率。角度差异越小，算法的分辨率性能越好。
首先分析信道参数中信噪比SNR与MUSIC算法的分辨率的关系。
设空间中存在两个远场信号源，其中一个信号以波达方向角为10°入射，而另一个信号的波达方向角与之存在一个角度差，这个角度差作为衡量MUSIC算法角度分辨率性能的自变量。设莱斯信道K因子为10，snapshots为100，阵列天线数为50，信号的信噪比为-10dB，0dB，10dB。每次计算进行蒙特卡洛循环500次，并计算成功的概率。
可得到信道中信号的信噪比越高，MUSIC算法的分辨率性能就会随之提高。
接着进行分辨率与阵列天线数关系的分析仿真，信源数与角度设置、莱斯因子、采样快拍数均不变，将信号设置为10dB，更改阵列天线的数量，分别以阵列数为20，40，60进行仿真。每次计算进行蒙特卡洛循环500次，并计算成功的概率。
可得到随着天线阵列数的增多，在莱斯信道条件下MUSIC算法的分辨率性能就会变得更高。
最后进行分辨率性能与快拍采样数关系的分析仿真，仿真参数设置如下：入射角度与角度差、莱斯信道K因子设置不变。设信号的SNR为10dB，阵列天线数设为50，分别以采样快拍数为5、20、100进行仿真。每次计算进行蒙特卡洛循环500次，并计算成功的概率。
可得到当采样快拍数增加时，在莱斯信道下MUSIC算法的角度分辨率性能会随之升高。
因此可以通过提高信道中信号的信噪比、增加天线阵列数和/或增加采样快拍数提高MUSIC算法的角度分辨率。
本实施例中，通过建立天线阵列的数学模型，收集到达角估计算法，预设至少两种信道参数，在每种信道参数下计算所收集的到达角估计算法在所述天线阵列的数学模型中的到达角，实现在不同信道下选取最准确算法进行到达角估计，从而提高到达角估计的准确率和分辨率。
可以理解的是，上述各实施例中相同或相似部分可以相互参考，在一些实施例中未详细说明的内容可以参见其他实施例中相同或相似的内容。
需要说明的是，在本申请的描述中，术语“第一”、“第二”等仅用于描述目的，而不能理解为指示或暗示相对重要性。此外，在本申请的描述中，除非另有说明，“多个”的含义是指至少两个。
流程图中或在此以其他方式描述的任何过程或方法描述可以被理解为，表示包括一个或更多个用于实现特定逻辑功能或过程的步骤的可执行指令的代码的模块、片段或部分，并且本申请的优选实施方式的范围包括另外的实现，其中可以不按所示出或讨论的顺序，包括根据所涉及的功能按基本同时的方式或按相反的顺序，来执行功能，这应被本申请的实施例所属技术领域的技术人员所理解。
应当理解，本申请的各部分可以用硬件、软件、固件或它们的组合来实现。在上述实施方式中，多个步骤或方法可以用存储在存储器中且由合适的指令执行系统执行的软件或固件来实现。例如，如果用硬件来实现，和在另一实施方式中一样，可用本领域公知的下列技术中的任一项或他们的组合来实现：具有用于对数据信号实现逻辑功能的逻辑门电路的离散逻辑电路，具有合适的组合逻辑门电路的专用集成电路，可编程门阵列(PGA)，现场可编程门阵列(FPGA)等。
本技术领域的普通技术人员可以理解实现上述实施例方法携带的全部或部分步骤是可以通过程序来指令相关的硬件完成，所述的程序可以存储于一种计算机可读存储介质中，该程序在执行时，包括方法实施例的步骤之一或其组合。
此外，在本申请各个实施例中的各功能单元可以集成在一个处理模块中，也可以是各个单元单独物理存在，也可以两个或两个以上单元集成在一个模块中。上述集成的模块既可以采用硬件的形式实现，也可以采用软件功能模块的形式实现。所述集成的模块如果以软件功能模块的形式实现并作为独立的产品销售或使用时，也可以存储在一个计算机可读取存储介质中。
上述提到的存储介质可以是只读存储器，磁盘或光盘等。
在本说明书的描述中，参考术语“一个实施例”、“一些实施例”、“示例”、“具体示例”、或“一些示例”等的描述意指结合该实施例或示例描述的具体特征、结构、材料或者特点包含于本申请的至少一个实施例或示例中。在本说明书中，对上述术语的示意性表述不一定指的是相同的实施例或示例。而且，描述的具体特征、结构、材料或者特点可以在任何的一个或多个实施例或示例中以合适的方式结合。
尽管上面已经示出和描述了本申请的实施例，可以理解的是，上述实施例是示例性的，不能理解为对本申请的限制，本领域的普通技术人员在本申请的范围内可以对上述实施例进行变化、修改、替换和变型。
需要说明的是，本发明不局限于上述最佳实施方式，本领域技术人员在本发明的启示下都可得出其他各种形式的产品，但不论在其形状或结构上作任何变化，凡是具有与本申请相同或相近似的技术方案，均落在本发明的保护范围之内。

Claims (10)

1.一种MIMO系统中的到达角估计方法，其特征在于，包括：
建立天线阵列的数学模型；
收集到达角估计算法；
预设不同信道参数，利用天线阵列的数学模型使用不同到达角估计算法在不同信道参数下计算到达角估计值；
对所述到达角估计值进行评估，筛选出每种信道参数下最终到达角估计算法；
获取实际传输信道，分析所述传输信道中的传输信道参数；
根据所述传输信道参数选取最终到达角估计算法利用所述天线阵列的数学模型进行到达角估计。
2.根据权利要求1所述的方法，其特征在于，所述建立天线阵列的数学模型，包括：
定义阵元接收信号表达式，所述表达式因变量为波达方向角；
根据阵元接收信号表达式与接收信号的数量创建阵元接收信号矩阵；
根据所述阵元接收信号矩阵确定方向响应矩阵。
3.根据权利要求1所述的方法，其特征在于，所述到达角估计算法包括：MUSIC算法、Root-MUSIC算法和ESPRIT算法。
4.根据权利要求3所述的方法，其特征在于，所述利用天线阵列的数学模型使用不同到达角估计算法在不同信道参数下计算到达角估计值，包括：分别计算MUSIC算法、Root-MUSIC算法和ESPRIT算法在所述天线阵列的数学模型中的角度估计值。
5.根据权利要求4所述的方法，其特征在于，所述信道参数包括信号的信噪比、天线阵列个数和采样快拍数。
6.根据权利要求1所述的方法，其特征在于，所述对所述到达角估计值进行评估，包括：使用计算均方根误差对所述到达角估计值进行评估。
7.根据权利要求1所述的方法，其特征在于，所述信道为莱斯信道。
8.根据权利要求7所述的方法，其特征在于，所述利用天线阵列的数学模型使用不同到达角估计算法时信道参数对到达角估计值进行计算，包括：在莱斯信道下利用天线阵列的数学模型使用不同到达角估计算法对到达角估计值进行计算。
9.根据权利要求1所述的方法，其特征在于，所述根据所述传输信道参数选取最终到达角估计算法利用所述天线阵列的数学模型进行到达角估计，包括：
获取每种信道参数下到达角实际值；
计算每种信道参数下不同到达角估计算法利用所述天线阵列的数学模型得到的到达角计算值；
比较所述到达角实际值与所述到达角计算值，选取同一种信道参数下与达角实际值误差最小的到达角计算值对应的到达角估计算法作为该信道参数下最终到达角估计算法。
10.根据权利要求1所述的方法，其特征在于，还包括：通过调整所述信道参数优化所述达角估计算法。
CN201811344119.5A 2018-11-13 2018-11-13 Mimo系统中的到达角估计方法 Pending CN109327249A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201811344119.5A CN109327249A (zh) 2018-11-13 2018-11-13 Mimo系统中的到达角估计方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201811344119.5A CN109327249A (zh) 2018-11-13 2018-11-13 Mimo系统中的到达角估计方法

Publications (1)

Publication Number Publication Date
CN109327249A true CN109327249A (zh) 2019-02-12

Family

ID=65259604

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201811344119.5A Pending CN109327249A (zh) 2018-11-13 2018-11-13 Mimo系统中的到达角估计方法

Country Status (1)

Country Link
CN (1) CN109327249A (zh)

Cited By (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN110299982A (zh) * 2019-06-05 2019-10-01 上海交通大学 基于有限带宽的Wi-Fi设备的多径信道侧写方法
CN111901026A (zh) * 2020-07-10 2020-11-06 北京交通大学 一种通信中的到达角估计方法
CN113759312A (zh) * 2020-06-01 2021-12-07 广达电脑股份有限公司 用于室内定位的电子装置及方法
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

Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN101969330A (zh) * 2010-10-18 2011-02-09 南京大学 一种基于软件无线电的宽频段波达方向识别设备
CN105425204A (zh) * 2015-11-03 2016-03-23 中国石油大学(华东) 波达方位估计架构方法
US20160127088A1 (en) * 2014-10-30 2016-05-05 At&T Intellectual Property I, Lp Mimo based adaptive beamforming over ofdma architecture
CN106785486A (zh) * 2017-01-09 2017-05-31 南京航空航天大学 一种广义互质面阵天线结构及角度估计方法
US20170201976A1 (en) * 2016-01-13 2017-07-13 Futurewei Technologies, Inc. Channel estimation in large scale mimo systems using iterative location based spatial filtering
CN107817465A (zh) * 2017-10-12 2018-03-20 中国人民解放军陆军工程大学 超高斯噪声背景下的基于无网格压缩感知的doa估计方法

Patent Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN101969330A (zh) * 2010-10-18 2011-02-09 南京大学 一种基于软件无线电的宽频段波达方向识别设备
US20160127088A1 (en) * 2014-10-30 2016-05-05 At&T Intellectual Property I, Lp Mimo based adaptive beamforming over ofdma architecture
CN105425204A (zh) * 2015-11-03 2016-03-23 中国石油大学(华东) 波达方位估计架构方法
US20170201976A1 (en) * 2016-01-13 2017-07-13 Futurewei Technologies, Inc. Channel estimation in large scale mimo systems using iterative location based spatial filtering
CN106785486A (zh) * 2017-01-09 2017-05-31 南京航空航天大学 一种广义互质面阵天线结构及角度估计方法
CN107817465A (zh) * 2017-10-12 2018-03-20 中国人民解放军陆军工程大学 超高斯噪声背景下的基于无网格压缩感知的doa估计方法

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
UMAR MUJAHID 等: "Spectral Estimation for Smart Antenna System", 《IEEE》 *

Cited By (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN110299982A (zh) * 2019-06-05 2019-10-01 上海交通大学 基于有限带宽的Wi-Fi设备的多径信道侧写方法
CN110299982B (zh) * 2019-06-05 2020-09-01 上海交通大学 基于有限带宽的Wi-Fi设备的多径信道侧写方法
CN113759312A (zh) * 2020-06-01 2021-12-07 广达电脑股份有限公司 用于室内定位的电子装置及方法
CN111901026A (zh) * 2020-07-10 2020-11-06 北京交通大学 一种通信中的到达角估计方法
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

Similar Documents

Publication Publication Date Title
Randazzo et al. Direction of arrival estimation based on support vector regression: Experimental validation and comparison with MUSIC
Rezaie et al. Location-and orientation-aided millimeter wave beam selection using deep learning
CN109327249A (zh) Mimo系统中的到达角估计方法
JP5600866B2 (ja) 探知測距装置および探知測距方法
US8553797B2 (en) Channel information prediction system and channel information prediction method
WO2007007390A1 (ja) 到来波数推定方法、到来波数推定装置及び無線装置
CN104865556B (zh) 基于实域加权最小化l1范数方法的MIMO雷达系统DOA估计方法
US8884820B2 (en) Receiving station and methods for determining an angle-of-arrival of short-duration signals using surface-acoustic-wave (SAW) devices
EP3387805B1 (en) Method and computer implemented method for decoding symbol transmitted over mmwave channel, receiver for receiving and decoding symbols transmitted over mmwave channel
CN106909779A (zh) 基于分布式处理的mimo雷达克拉美罗界计算方法
KR101603630B1 (ko) 송신신호 파형의 직교성을 이용한 재머 신호 억제 및 원신호 도래각 추정 방법 및 장치
CN108089147B (zh) 改进的短波单站定位方法
Balabadrapatruni Performance evaluation of direction of arrival estimation using Matlab
Hinteregger et al. MIMO gain and bandwidth scaling for RFID positioning in dense multipath channels
CN108828586B (zh) 一种基于波束域的双基地mimo雷达测角优化方法
Tarboush et al. Cross-field channel estimation for ultra massive-MIMO THz systems
Mandelli et al. Sampling and reconstructing angular domains with uniform arrays
Ping et al. Study of 2D DOA estimation for uniform circular array in wireless location system
Zhang et al. Beamspace reduced‐dimension space–time adaptive processing for multiple‐input multiple‐output radar based on maximum cross‐correlation energy
Gante et al. Enhancing beamformed fingerprint outdoor positioning with hierarchical convolutional neural networks
Grossi et al. Min–max waveform design for MIMO radars under unknown correlation of the target scattering
Goli et al. Performance analysis of beam scan, MIN-NORM, music and Mvdr DOA estimation algorithms
CN103499811A (zh) 提高雷达目标估计性能的天线个数分配方法
Han et al. Angle of arrival and time of flight estimation as an ising energy minimization problem
Adrian-Ionut et al. A speed convergence Least Squares Constant Modulus Algorithm for smart antenna beamforming

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
RJ01 Rejection of invention patent application after publication
RJ01 Rejection of invention patent application after publication

Application publication date: 20190212