CN110535801A - 多径分离方法、装置和存储介质 - Google Patents
多径分离方法、装置和存储介质 Download PDFInfo
- Publication number
- CN110535801A CN110535801A CN201910172473.2A CN201910172473A CN110535801A CN 110535801 A CN110535801 A CN 110535801A CN 201910172473 A CN201910172473 A CN 201910172473A CN 110535801 A CN110535801 A CN 110535801A
- Authority
- CN
- China
- Prior art keywords
- matrix
- frequency domain
- domain response
- frequency
- toeplitz
- 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.)
- Granted
Links
- 238000000926 separation method Methods 0.000 title claims abstract description 75
- 239000011159 matrix material Substances 0.000 claims abstract description 267
- 230000004044 response Effects 0.000 claims abstract description 133
- 239000013598 vector Substances 0.000 claims abstract description 105
- 238000003786 synthesis reaction Methods 0.000 claims abstract description 54
- 230000015572 biosynthetic process Effects 0.000 claims abstract description 47
- 238000000354 decomposition reaction Methods 0.000 claims abstract description 39
- 230000001934 delay Effects 0.000 claims description 19
- 238000000034 method Methods 0.000 claims description 16
- 239000000203 mixture Substances 0.000 claims description 14
- 239000000284 extract Substances 0.000 claims description 8
- 238000004590 computer program Methods 0.000 claims description 7
- 238000010276 construction Methods 0.000 claims description 7
- 239000000969 carrier Substances 0.000 claims description 2
- 230000000875 corresponding effect Effects 0.000 description 89
- 238000012545 processing Methods 0.000 description 13
- 238000004891 communication Methods 0.000 description 9
- 230000006978 adaptation Effects 0.000 description 6
- 230000001413 cellular effect Effects 0.000 description 6
- 238000010586 diagram Methods 0.000 description 5
- 238000005516 engineering process Methods 0.000 description 5
- 230000006870 function Effects 0.000 description 5
- 230000008901 benefit Effects 0.000 description 4
- 230000002596 correlated effect Effects 0.000 description 4
- 230000000694 effects Effects 0.000 description 3
- 238000010295 mobile communication Methods 0.000 description 3
- 230000001568 sexual effect Effects 0.000 description 3
- 238000004088 simulation Methods 0.000 description 3
- 230000005540 biological transmission Effects 0.000 description 2
- 230000010267 cellular communication Effects 0.000 description 2
- 238000001514 detection method Methods 0.000 description 2
- 230000007774 longterm Effects 0.000 description 2
- 238000003672 processing method Methods 0.000 description 2
- 230000002035 prolonged effect Effects 0.000 description 2
- 238000004458 analytical method Methods 0.000 description 1
- 238000013500 data storage Methods 0.000 description 1
- 230000001419 dependent effect Effects 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000005070 sampling Methods 0.000 description 1
- 239000007787 solid Substances 0.000 description 1
- 230000001052 transient effect Effects 0.000 description 1
Classifications
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
- H04L27/00—Modulated-carrier systems
- H04L27/26—Systems using multi-frequency codes
- H04L27/2601—Multicarrier modulation systems
- H04L27/2647—Arrangements specific to the receiver only
-
- 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
- H04L25/0242—Channel estimation channel estimation algorithms using matrix methods
- H04L25/0248—Eigen-space methods
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F17/00—Digital computing or data processing equipment or methods, specially adapted for specific functions
- G06F17/10—Complex mathematical operations
- G06F17/16—Matrix or vector computation, e.g. matrix-matrix or matrix-vector multiplication, matrix factorization
-
- 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
- H04L25/022—Channel estimation of frequency response
-
- 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
- H04L25/0224—Channel estimation using sounding signals
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
- H04L27/00—Modulated-carrier systems
- H04L27/26—Systems using multi-frequency codes
- H04L27/2601—Multicarrier modulation systems
- H04L27/2647—Arrangements specific to the receiver only
- H04L27/2655—Synchronisation arrangements
- H04L27/2668—Details of algorithms
- H04L27/2669—Details of algorithms characterised by the domain of operation
- H04L27/2672—Frequency domain
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Computer Networks & Wireless Communication (AREA)
- Signal Processing (AREA)
- Mathematical Physics (AREA)
- Power Engineering (AREA)
- General Physics & Mathematics (AREA)
- Mathematical Optimization (AREA)
- Mathematical Analysis (AREA)
- Computational Mathematics (AREA)
- Pure & Applied Mathematics (AREA)
- Data Mining & Analysis (AREA)
- Theoretical Computer Science (AREA)
- Computing Systems (AREA)
- Algebra (AREA)
- Databases & Information Systems (AREA)
- Software Systems (AREA)
- General Engineering & Computer Science (AREA)
- Noise Elimination (AREA)
- Mobile Radio Communication Systems (AREA)
Abstract
本申请提出一种多径分离方法、装置和存储介质，一种多径分离方法包括：提取接收到的至少两段不同频段的参考信号的频域响应特征，并构造与每个频段对应的托普利兹矩阵，将至少两段不同频段对应的托普利兹矩阵合并，并对合成的托普利兹矩阵进行奇异值分解，根据分解后的矩阵确定信号空间矩阵和噪声空间矩阵，根据不同时延的与接收到的参考信号相同的本地信号的频域响应特征构造多个频域响应向量，将多个频域响应向量分别与噪声空间矩阵进行内积后，将内积大小与预设阈值进行比较后确定满足预设阈值的多个频域响应向量中每个频域响应向量对应的时延为多径中一个径的时延。
Description
技术领域
本申请涉及无线通信网络，具体涉及一种多径分离方法、装置和存储介质。
背景技术
定位功能已经成为便携式终端设备的标准配置，但传统的卫星定位技术在室内或密集城区可能由于无法搜索到足够的卫星信号无法完成定位。蜂窝网络的覆盖环境优于卫星信号，利用蜂窝网络辅助进行定位的技术已经被广泛应用。
但是由于非视距(Non-Line of Sight，NLOS)、多径等因素，也会影响采用蜂窝网络定位的准确性。因此在采用蜂窝网络进行定位时需要进行多径分离处理。多径分离处理方法主要采用多信号分类(MUltiple SIgnal Classification，MUSIC)算法，MUSIC算法在理想情况下，具有很高的多径识别度，但是由于MUSIC算法存在噪声敏感环境，在噪声环境下，MUSIC算法多径识别恶化严重，导致多径无法分离。
而蜂窝网络均为正交频分复用(Orthogonal Frequency DivisionMultiplexing，OFDM)系统，由于OFDM系统存在零频，破坏了频域信号分布的均匀性，进一步影响了采用MUSIC算法进行多径分离的噪声适应能力
发明内容
本申请提供用于多径分离的方法、装置和存储介质，可以提高多径分离的噪声适应能力。
本申请实施例提供一种多径分离方法，包括：
提取接收到的至少两段不同频段的参考信号的频域响应特征；
根据每个频段的参考信号的频域响应特征构造与每个频段对应的托普利兹矩阵，每个频段对应的托普利兹矩阵的大小根据每个频段中包含的子载波数量确定，且至少两段不同频段对应的托普利兹矩阵的行数相同；
将至少两段不同频段对应的托普利兹矩阵合并为一个合成的托普利兹矩阵；
对合成的托普利兹矩阵进行奇异值分解，根据分解后的矩阵确定信号空间矩阵和噪声空间矩阵；
根据多个不同时延的本地信号的频域响应特征构造多个频域响应向量，本地信号与参考信号相同；
将多个频域响应向量分别与噪声空间矩阵进行内积，将内积大小与预设阈值进行比较后，确定满足预设阈值的多个频域响应向量中每个频域响应向量对应的时延为多径中一个径的时延。
本申请实施例提供一种多径分离装置，包括：
特征提取模块，设置为提取接收到的至少两段不同频段的参考信号的频域响应特征；
矩阵构造模块，设置为根据每个频段的参考信号的频域响应特征构造与每个频段对应的托普利兹矩阵，每个频段对应的托普利兹矩阵的大小根据每个频段中包含的子载波数量确定，且至少两段不同频段对应的托普利兹矩阵的行数相同；
矩阵合成模块，设置为将至少两段不同频段对应的托普利兹矩阵合并为一个合成的托普利兹矩阵；
矩阵分解模块，设置为对合成的托普利兹矩阵进行奇异值分解，根据分解后的矩阵确定信号空间矩阵和噪声空间矩阵；
向量构造模块，设置为根据多个不同时延的本地信号的频域响应特征构造多个频域响应向量，本地信号与参考信号相同；
多径分离模块，设置为将多个频域响应向量分别与噪声空间矩阵进行内积，将内积大小与预设阈值进行比较后，确定满足预设阈值的多个频域响应向量中每个频域响应向量对应的时延为多径中一个径的时延。
本申请实施例提供了一种存储介质，存储介质存储有计算机程序，计算机程序被处理器执行时实现本申请实施例中的任意一种多径分离方法。
关于本申请的以上实施例和其他方面以及其实现方式，在附图说明、具体实施方式和权利要求中提供更多说明。
附图说明
图1为一实施例提供的一种多径分离方法的流程图；
图2为一实施例提供的另一种多径分离方法的流程图；
图3为一实施例提供的另一种多径分离方法的流程图；
图4为一实施例提供的一种多径分离装置的结构示意图；
图5为一实施例提供的一种终端的结构示意图。
具体实施方式
为使本申请的目的、技术方案和优点更加清楚明白，下文中将结合附图对本申请的实施例进行详细说明。需要说明的是，在不冲突的情况下，本申请中的实施例及实施例中的特征可以相互任意组合。
传统的定位技术为卫星定位技术，利用终端中设置的卫星定位芯片接收多个定位卫星发射的信号后进行计算，从而实现定位，例如全球定位系统(Global PositioningSystem，GPS)、全球卫星导航系统(Global Navigation Satellite System，GLONASS)、北斗卫星定位系统等，均已广泛应用于终端设备中。但在室内或密集城区等区域，由于卫星信号的衰减较大，将影响卫星定位的精度和速度，甚至可能由于无法搜索到足够数量的卫星信号导致无法实现定位。
而随着移动通信技术的发展，蜂窝网络的覆盖已经非常完善，因此出现了通过蜂窝通信网络辅助进行定位的定位技术。但是蜂窝通信网络中的无线信号在空间区域中进行传播也会由于多种因素，导致发射端发出的无线信号可能通过多条路径到达接收端，而通过多条路径到达接收端的信号具有不同的时延，在将通过多条路径接收到的信号进行合成的情况下，通过多条路径接收到的信号会相互影响而导致信号产生失真，这就是电磁波的多径效应。为了解决多径效应，就需要对接收信号进行多径分离处理。
传统的多径分离处理可以采用一些特定的算法，例如MUSIC算法，MUSIC算法在理想情况下具有很高的多径识别度，能够识别时延间隔远小于采样周期的多径。但是由于MUSIC算法存在噪声敏感问题，在噪声环境下，MUSIC算法多径识别恶化严重，径宽度变宽，多径相互重叠，导致多径无法分离。而蜂窝通信网络，例如第四代移动通信系统(4thGeneration，4G)和第五代移动通信系统(5th Generation，5G)，均为OFDM系统，由于OFDM系统存在0频，破坏了频域信号分布的均匀性，导致采用MUSIC算法进行多径分离时无法充分利用全部带宽，从而影响了采用MUSIC算法进行多径分离时的噪声适应能力。
在本申请实施例中，提供一种多径分离方法，克服OFDM系统中0频导致的频域资源分段带来的不连续问题，从而提高多径分离的噪声适应能力，提高多径分离精度。
图1为一实施例提供的一种多径分离方法的流程图，如图1所示，本实施例提供的方法包括如下步骤。
步骤S1010，提取接收到的至少两段不同频段的参考信号的频域响应特征。
多径分离应用于无线信号的接收端，在无线信号的发射端向接收端发送了无线信号后，由于环境空间中多种因素的影响，导致无线信号可能通过多条路径到达接收端，而对于接收端而言，通过多条路径接收到的信号到达时间不同，因此可能对无线信号的合成产生影响。那么对于接收端而言，就需要对多条路径的时延进行确定，从而将环境空间中的多条径分离开，也就是进行多径分离。
在无线通信系统中，无线信号的发射端和接收端在进行无线信号的传输时，需要发送多种参考信号，例如探测参考信号(Sounding Reference Signal，SRS)、小区参考信号(Cell Reference Signal，CRS)、解调参考信号(Demodulation Reference Sgnal，DMRS)、定位参考信号(Positioning Reference Signal，PRS)等。发射端发送的多种参考信号在接收端中均存在，接收端通过对接收到的多种参考信号进行分析，从而可以得到无线信道的多种参数，以应用于数据的接收。当空间区域中存在多径时，接收端接收到的信号将包含通过多个不同路径接收到的参考信号，接收端需要通过对接收到的参考信号进行分析，实现多径分离。而对于OFDM系统，由于0频的存在，导致信号在频域上并不是连续的，因此接收端将接收到两段在频域上不连续的参考信号，且这两段参考信号是同频的。另外，无线通信系统还可能是多频的，也就是除了0频的影响以外，还可能通过多个不同的频段发送参考信号，那么接收端可能接收到两段或两段以上在频域上不连续的参考信号，且这些参考信号可能是同频的也可能是异频的。
对于无线通信系统的多径分离而言，实际上是采用频段内多个子载波信号的相关特征，对接收到的参考信号进行分析后实现多径分离，而若接收到的参考信号在频域上是不连续的，那么将影响多径分离的处理能力，因此多径分离方法应用于OFDM系统时对精度的影响很大。本申请实施例就是针对这种接收到的信号在频域上是不连续的情况做出的改进，通过将接收到的多个不同频段的参考信号进行合并处理，从而提高多径分离的处理能力，达到提高多径分离精度的目的。本申请实施例提供的多径分离方法可以应用于OFDM系统这种由于存在0频而导致接收信号在频域上不连续的无线通信系统，也可以应用于由于其他原因而导致接收信号在频域上不连续的无线通信系统，例如多频的无线通信系统。
在接收到至少两段不同频段的参考信号后，需要对接收到的至少两段不同频段的参考信号进行处理，提取接收到的至少两段不同频段的参考信号的频域响应特征。本实施例中，频域响应特征为信号随频率变化而变化的相关特征，包括但不限于信道特征、功率特征、相关特征等。对于每个频段而言，在频域上包括多个子载波，那么对于每个频段，所提取的频域响应特征实际上包括每个频段的参考信号的多个子载波的频域响应特征。
步骤S1020，根据每个频段的参考信号的频域响应特征构造与每个频段对应的托普利兹矩阵，每个频段对应的托普利兹矩阵的大小根据每个频段中包含的子载波数量确定，且至少两段不同频段对应的托普利兹矩阵的行数相同。
在提取到每个频段的参考信号的频域响应特征后，就需要为每个频段构造对应的托普利兹(Toeplitz)矩阵，托普利兹矩阵简称为T型矩阵，托普利兹矩阵的主对角线上的元素相等，平行于主对角线的线上的元素也相等。托普利兹矩阵中的多个元素关于次对角线对称，即托普利兹型矩阵为次对称矩阵。简单的托普利兹形矩阵包括前向位移矩阵和后向位移矩阵。
每个频段对应的托普利兹矩阵的大小根据每个频段中包含的子载波数量确定，每个频段对应的托普利兹矩阵的行数与列数的乘积约等于该频段所包含的子载波的数量。并且，至少两段不同频段所对应的托普利兹矩阵的行数相同。例如，设接收到的参考信号包括i个频段，那么每个频段对应的托普利兹矩阵为M×Ni矩阵。那么对于频段i而言，频段i对应的托普利兹矩阵例如为：
本实施例中，M根据接收端的多径估计能力确定，一般而言，M小于Ni。i∈(1,…,t)，t为频段数量。
步骤S1030，将至少两段不同频段对应的托普利兹矩阵合并为一个合成的托普利兹矩阵。
传统的多径分离方法中，采用的MUSIC算法是针对多个频段所对应的频域响应特征进行分别的处理，但由于接收信号的多个频段是分离的，那么MUSIC算法无法充分利用接收信号整个频带的频域响应特征，从而影响了多径分离的噪声适应能力。而在本申请实施例中，在得到至少两段不同频段对应的托普利兹矩阵之后，对至少两段不同频段对应的托普利兹矩阵进行合并，将多个频段分别对应的托普利兹矩阵合并为一个合成的托普利兹矩阵，那么合成的托普利兹矩阵就代表了接收信号所有频段的频域响应特征，相当于增加了待分析信号的带宽，那么对合成的托普利兹矩阵进行分析，就能够利用更大的带宽，从而提高多径分离的噪声适应能力。
由于至少两段不同频段对应的托普利兹矩阵的行数相同，因此对至少两段不同频段对应的托普利兹矩阵进行合并的方法即为其中TM×N表示合成的托普利兹矩阵，分别表示多个频段分别对应的托普利兹矩阵。那么，合成的托普利兹矩阵TM×N可以表示为：
合成的托普利兹矩阵为M×N矩阵，其中N＝N1+N2+...+Nt。
步骤S1040，对合成的托普利兹矩阵进行奇异值分解，根据分解后的矩阵确定信号空间矩阵和噪声空间矩阵。
得到的合成的托普利兹矩阵表示了接收的参考信号整个频带的频域响应特征，对合成的托普利兹矩阵进行分析就能够得到接收的参考信号的信号特征。在一实施例中，对合成的托普利兹矩阵进行分析得到接收的参考信号的信号特征的处理方法为采用奇异值分解(Singular Value Decomposition，SVD)的方法。奇异值分解可以将一个比较复杂的矩阵用更小更简单的几个子矩阵的相乘来表示，这些子矩阵描述的是矩阵的重要的特性。
奇异值分解的原理如下：假设待分解矩阵A是一个m×n的矩阵，那么定义矩阵A的SVD为：
A＝UΣVH
其中U是一个m×m的矩阵，Σ是一个m×n的矩阵，除了主对角线上的元素以外全为0，主对角线上的每个元素都称为奇异值，V是一个n×n的矩阵，VH为V的共轭矩阵。U和V都是酉矩阵，即满足UTU＝I，VTV＝I。
经过奇异值分解的矩阵U的列组成一套对M的正交输入或分析的基向量。这些向量是MM*的特征向量。矩阵V的列组成一套对M的正交输出的基向量。这些向量是M*M的特征向量。矩阵Σ对角线上的元素是奇异值，可视为是在输入与输出间进行的标量的膨胀控制。这些是M*M及MM*的奇异值，并与矩阵U和矩阵V的列向量相对应。再根据无线信号频域特征的意义，可以按照特征值的大小，将VH分解为信号空间矩阵V1和噪声空间矩阵V0。其中，信号空间矩阵V1指矩阵Σ中特征值模值大于或等于预设门限的特征值对应的VH中的列向量组成的矩阵，噪声空间矩阵V0指矩阵Σ中特征值模值小于预设门限的特征值对应的VH中的列向量组成的矩阵。矩阵Σ中的特征值模值，根据特征值的分布情况确定。
对于本实施例中得到的合成的托普利兹矩阵TM×N进行奇异值分解，即得到的矩阵U为M×M矩阵，Σ为M×N矩阵，VH为N×N矩阵。随后将矩阵Σ中特征值模值大于或等于预设门限的特征值对应的VH中多列向量组成的矩阵作为信号空间矩阵，将矩阵Σ中特征值模值小于预设门限的特征值对应的VH中多列向量组成的矩阵作为噪声空间矩阵。
步骤S1050，根据多个不同时延的本地信号的频域响应特征构造多个频域响应向量，本地信号与参考信号相同。
在对合成的托普利兹矩阵进行分析后，得到了信号空间矩阵和噪声空间矩阵，也就是通过接收的参考信号分析出了空间区域的信号及噪声的特征。而由于无线信号接收端接收到的参考信号在接收端本地都保存有原始信号，多径分离的目的就是确定发射端发送的参考信号经过哪些空间中的路径达到了接收端，其中参考信号通过不同路径到达接收端的时间是不同的，也就是具有不同的时延。那么就可以通过为接收端中存储的原始的参考信号设置不同的时延，并利用不同时延的参考信号与噪声空间向量的正交性，判断不同时延的参考信号是否是存在的信号。
在一实施例中，首先需要根据多个不同时延的本地信号的频域响应特征构造多个频域响应向量，也就是为本地信号设置多个不同的时延，并分别获取多个时延信号的频域响应特征，最终得到每个时延信号对应的频域响应向量，其中，本地信号与接收到的参考信号相同。每个时延信号对应的频域响应向量的长度，与噪声空间的向量长度相同。在构造不同时延信号对应的频域响应向量时，时延的取值是遍历多个时延的，多个时延的间隔根据系统处理能力决定。由于接收到的参考信号是多个频段的，那么与接收到的参考信号相同的本地参考信号也是多个频段的，在生成多个频段分别对应的频域响应向量后，同样需要将多个频段的频域响应向量合成为一个合成的频域响应向量。
例如对于本实施例，由于分解后的矩阵VH为N×N矩阵，因此需要先针对多个频段的与接收到的参考信号相同的本地信号，构造长度为N的任意时延τ的频域响应向量然后把多个频段的特征响应向量合并为一个合成的频域响应向量Lτ。
其中，为第i个频段第j个子载波延迟为τ的频域响应。为第i个频段的频域响应向量。每个Lτ的每个频域元素的特征为ejwτ，其中w为N维，且与合成的托普利兹矩阵的第一行的逆序所对应的频域特征有线性关系。
步骤S1060，将多个频域响应向量分别与噪声空间矩阵进行内积，将内积大小与预设阈值进行比较后，确定满足预设阈值的多个频域响应向量中每个频域响应向量对应的时延为多径中一个径的时延。
随后将多个时延信号对应的频域响应向量分别与噪声空间矩阵进行相乘，再将乘积结果与预设阈值进行比较，最终确定满足预设阈值的多个频域响应向量中每个频域响应向量对应的时延为空间中一个径的时延，从而实现多径分离。由于噪声空间矩阵为矩阵形式，因此将频域响应向量与噪声空间矩阵相乘，实际上是将频域响应向量与噪声空间向量中的所有向量分别求内积，然后将所有内积求和，得到乘积结果。
在本申请实施例中，对多个频域响应向量分别与噪声空间矩阵进行内积并确定时延的方法，例如可以是，将多个频域响应向量分别与噪声空间矩阵进行内积求和并求倒数后，将倒数大于预设阈值的多个频域响应向量中每个频域响应向量对应的时延确定为多径中一个径的时延。
即计算然后判断pτ是否大于预设阈值b，若pτ大于预设阈值b，则认定时延为τ的径是一个实际的径，也就是时延为τ的信号为空间中存在的信号，τ为该径的相对到达时间。其中预设阈值b在计算出所有时延对应的pτ的值后确定，在计算出所有时延对应的pτ后，将pτ的最大值乘以一个系数α，得到预设阈值b，该系数α通过仿真结果确定。
本申请实施例提供的多径分离方法不限于进行定位时使用，本申请实施例提供的多径分离方法可以应用于信号分离、信号检测、信号估计等多种领域，只要是空间区域存在多径传输，且信号是通过多个不连续的频段发送的，就可以采用本申请实施例提供的多径分离方法对信号进行多径分离处理，从而提高多径分离的精度。
本实施例提供的多径分离方法，提取接收到的至少两段不同频段的参考信号的频域响应特征，根据每个频段的参考信号的频域响应特征构造与每个频段对应的托普利兹矩阵，然后将至少两段不同频段对应的托普利兹矩阵合并为一个合成的托普利兹矩阵，并对合成的托普利兹矩阵进行奇异值分解，根据分解后的矩阵确定信号空间矩阵和噪声空间矩阵，再根据多个不同时延的与接收到的参考信号相同的本地信号的频域响应特征构造多个频域响应向量，将多个频域响应向量分别与噪声空间矩阵进行内积后，将内积大小与预设阈值进行比较后确定满足预设阈值的多个频域响应向量中每个频域响应向量对应的时延为多径中一个径的时延，从而实现多径分离，由于将多个不同频段的信号对应的频域响应特征进行和合成，使得在对频域响应特征进行处理时，充分利用了接收信号的整个带宽，从而提高了多径分离处理的噪声适应能力，因此提高了多径分离的精度。
下面以对信号进行多径分离的处理为例，对本申请实施例提供的多径分离方法进行说明。
图2为一实施例提供的另一种多径分离方法的流程图，本实施例提供的多径分离方法，用于对长期演进(Long Term Evolution，LTE)系统中的定位参考信号进行多径分离。如图2所示，本实施例提供的方法包括如下步骤。
步骤S2010，提取接收到的定位参考信号的频域响应特征。
根据第三代合作伙伴计划(3rd Generation Partnership Project，3GPP)LTE定位参考信号在频域的配置，单一基站在时域的一个符号上，频域最多有200个子载波，在本实施例中，以200个子载波均使用的情况为例，当然其他子载波数目也在本申请的保护范围之内。受到0频影响，200个子载波分为左频段100个子载波和右频段100个子载波。将左频段的100个子载波和右频段的100个子载波分为两个频段，分别提取左频段和右频段的子载波的频域响应特征(包括但不限于信道特征、功率特征、相关特征等)。那么将得到左频段所属的100个子载波w对应的频域响应特征H1(w)和右频段所属的100个子载波w对应的频域响应特征H2(w)。
步骤S2020，根据每个频段的定位参考信号的频域响应特征构造与每个频段对应的托普利兹矩阵。
在本步骤中，需要将H1(w)和H2(w)分别构造为对应的托普利兹矩阵T1和T2。
其中，N1＝N2，矩阵T1和T2具有主对角线上元素相等，平行于主对角线上元素也相等的特征。
步骤S2030，将多个频段对应的托普利兹矩阵合并为一个合成的托普利兹矩阵。
也就是将矩阵T1和T2合并为合成M×N的矩阵T，T＝[T2 T1]，N＝2N1＝2N2。
步骤S2040，对合成的托普利兹矩阵进行奇异值分解，根据分解后的矩阵确定信号空间矩阵和噪声空间矩阵。
即对合成的托普利兹矩阵TM×N进行奇异值分解，即得到的矩阵U为M×M矩阵，Σ为M×N矩阵，VH为N×N矩阵。随后将矩阵Σ中特征值模值大于或等于预设门限的特征值对应的VH中多列向量组成的矩阵作为信号空间矩阵，将矩阵Σ中特征值模值小于预设门限的特征值对应的VH中多列向量组成的矩阵作为噪声空间矩阵。
步骤S2050，根据多个不同时延的本地定位参考信号的频域响应特征构造多个频域响应向量。
在此，需要构造K个向量长度为N的不同时延τk的本地定位参考信号的频域响应向量Lk(w)，其中每个Lk(w)k∈{1,2,...，K}的向量长度为N。
每个Lk(w)的每个频域元素的特征为其中w为N维，且与合成的托普利兹矩阵TM×N的第一行的逆序所对应的频域特征有线性关系。即Wn1＝C1·[w11 w12 … w1N1]+b1 n1∈{1,2,…N1}，其中w1为H1(w)对应前N1个频域子载波位置。Wn2＝C2·[w21 w22 … w2N1]+b2n2∈{N1+1,N1+2,…N}，其中w2为H2(w)对应前N1个频域子载波位置。
步骤S2060，将多个频域响应向量分别与噪声空间矩阵进行内积后，将内积大小与预设阈值进行比较后，确定满足预设阈值的多个频域响应向量中每个频域响应向量对应的时延为多径中一个径的时延。
将Lk(w)与V0的所有向量求内积，并将所求内积求和，再对和求倒数，根据设定的Pk的阈值，大于阈值Pk的Lk所对应的τk为一个空间中存在的径的时延。其中阈值Pk在计算出所有时延对应的Pk的值后确定，在计算出所有时延对应的Pk后，将Pk的最大值乘以一个系数α，得到阈值，该系数α通过仿真结果确定。
图3为一实施例提供的另一种多径分离方法的流程图，本实施例提供的多径分离方法，用于对5G中的新无线电(New Radio，NR)参考信号进行多径分离。如图3所示，本实施例提供的方法包括如下步骤。
步骤S2010，提取接收到的NR参考信号的频域响应特征。
根据3GPP定义的信号带宽，NR参考信号受到0频影响，分为左频段和右频段，左频段和右频段分别包括多个子载波。将左频段和右频段分为两个频段，分别提取两个频段的子载波的频域响应特征(包括但不限于信道特征、功率特征、相关特征等)。那么将得到左频段所属子载波w对应的频域响应特征H1(w)和右频段所属子载波w对应的频域响应特征H2(w)。
步骤S2020，根据每个频段的NR参考信号的频域响应特征构造与每个频段对应的托普利兹矩阵。
在本步骤中，需要将H1(w)和H2(w)分别构造为对应的托普利兹矩阵T1和T2。
矩阵T1和T2具有主对角线上元素相等，平行于主对角线上元素也相等的特征。
步骤S3030，将多个频段对应的托普利兹矩阵合并为一个合成的托普利兹矩阵。
也就是将矩阵T1和T2合并为合成M×N的矩阵T，T＝[T2 T1]，N＝N1+N2。
步骤S3040，对合成的托普利兹矩阵进行奇异值分解，根据分解后的矩阵确定信号空间矩阵和噪声空间矩阵。
即对合成的托普利兹矩阵TM×N进行奇异值分解，即得到的矩阵U为M×M矩阵，Σ为M×N矩阵，VH为N×N矩阵。随后将矩阵Σ中特征值模值大于或等于预设门限的特征值对应的VH中多列向量组成的矩阵作为信号空间矩阵，将矩阵Σ中特征值模值小于预设门限的特征值对应的VH中多列向量组成的矩阵作为噪声空间矩阵。
步骤S3050，根据多个不同时延的NR参考信号的频域响应特征构造多个频域响应向量。
在此，需要构造K个向量长度为N的不同时延τk的NR参考信号的频域响应向量Lk(w)，其中每个Lk(w)k∈{1,2,...，K}的向量长度为N。
每个Lk(w)的每个频域元素的特征为其中w为N维，且与合成的托普利兹矩阵TM×N的第一行的逆序所对应的频域特征有线性关系。即Wn1＝C1·[w11 w12 … w1N1]+b1 n1∈{1,2,…N1}，其中w1为H1(w)对应前N1个频域子载波位置。Wn2＝C2·[w21 w22 … w2N1]+b2n2∈{N1+1,N1+2,…N}，其中w2为H2(w)对应前N1个频域子载波位置。
步骤S3060，将多个频域响应向量分别与噪声空间矩阵进行内积后，将内积大小与预设阈值进行比较后确定满足预设阈值的多个频域响应向量中每个频域响应向量对应的时延为多径中一个径的时延。
将Lk(w)与V0的所有向量求内积，并将所求内积求和，再对和求倒数，根据设定的Pk的阈值，大于阈值Pk的Lk所对应的τk为一个空间中存在的径的时延。其中阈值Pk在计算出所有时延对应的Pk的值后确定，在计算出所有时延对应的Pk后，将Pk的最大值乘以一个系数α，得到阈值，该系数α通过仿真结果确定。
图4为一实施例提供的一种多径分离装置的结构示意图，如图4所示，本实施例提供的多径分离装置包括：特征提取模块41，设置为提取接收到的至少两段不同频段的参考信号的频域响应特征；矩阵构造模块42，设置为根据每个频段的参考信号的频域响应特征构造与每个频段对应的托普利兹矩阵，每个频段对应的托普利兹矩阵的大小根据每个频段中包含的子载波数量确定，且至少两段不同频段对应的托普利兹矩阵的行数相同；矩阵合成模块43，设置为将至少两段不同频段对应的托普利兹矩阵合并为一个合成的托普利兹矩阵；矩阵分解模块44，设置为对合成的托普利兹矩阵进行奇异值分解，根据分解后的矩阵确定信号空间矩阵和噪声空间矩阵；向量构造模块45，设置为根据多个不同时延的本地信号的频域响应特征构造多个频域响应向量，本地信号与参考信号相同；多径分离模块46，设置为将多个频域响应向量分别与噪声空间矩阵进行内积，将内积大小与预设阈值进行比较后，确定满足预设阈值的多个频域响应向量中每个频域响应向量对应的时延为多径中一个径的时延。
本实施例提供的多径分离装置用于实现图1所示实施例的多径分离方法，本实施例提供的多径分离装置实现原理和技术效果类似，此处不再赘述。
在一实施例中，在图4所示实施例中，矩阵构造模块42，是设置为根据每个频段的参考信号的频域响应特征构造与每个频段对应的托普利兹矩阵其中M为的行，Ni为的列，i为频段标识，i∈(1,…,t)，t为频段数量，M与Ni根据频段i中子载波的数量确定。
在一实施例中，在图4所示实施例中，M根据多径估计能力确定。
在一实施例中，在图4所示实施例中，矩阵合成模块43，是设置为将至少两段不同频段对应的托普利兹矩阵合并为一个合成的托普利兹矩阵TM×N，N＝N1+N2+...+Nt
在一实施例中，在图4所示实施例中，矩阵分解模块44，是设置为对合成的托普利兹矩阵TM×N进行奇异值分解其中U为M×M矩阵，Σ为M×N矩阵，VH为N×N矩阵；将矩阵Σ中特征值模值大于或等于预设门限的特征值对应的VH中多列向量组成的矩阵作为信号空间矩阵，将矩阵Σ中特征值模值小于预设门限的特征值对应的VH中多列向量组成的矩阵作为噪声空间矩阵。
在一实施例中，在图4所示实施例中，多径分离模块46，是设置为将多个频域响应向量分别与噪声空间矩阵进行内积求和并求倒数后，将倒数大于预设阈值的多个频域响应向量中每个频域响应向量对应的时延确定为多径中一个径的时延。
图5为一实施例提供的一种终端的结构示意图，如图5所示，该终端包括处理器51和存储器52；终端中处理器51的数量可以是一个或多个，图5中以一个处理器51为例；终端中的处理器51和存储器52；可以通过总线或其他方式连接，图5中以通过总线连接为例。
存储器52作为一种计算机可读存储介质，可用于存储软件程序、计算机可执行程序以及模块，如本申请图1-图3实施例中的多径分离方法对应的程序指令/模块(例如，多径分离装置中的特征提取模块41、矩阵构造模块42、矩阵合成模块43、矩阵分解模块44、向量构造模块45、多径分离模块46)。处理器51通过运行存储在存储器52中的软件程序、指令以及模块，从而终端的各种功能应用以及数据处理，即实现上述的多径分离方法。
存储器52可主要包括存储程序区和存储数据区，其中，存储程序区可存储操作系统、至少一个功能所需的应用程序；存储数据区可存储根据终端的使用所创建的数据等。此外，存储器52可以包括高速随机存取存储器，还可以包括非易失性存储器，例如至少一个磁盘存储器件、闪存器件、或其他非易失性固态存储器件。
本申请实施例还提供一种包含计算机可执行指令的存储介质，计算机可执行指令在由计算机处理器执行时用于执行一种多径分离方法，该方法包括：提取接收到的至少两段不同频段的参考信号的频域响应特征；根据每个频段的参考信号的频域响应特征构造与每个频段对应的托普利兹矩阵，每个频段对应的托普利兹矩阵的大小根据每个频段中包含的子载波数量确定，且至少两段不同频段对应的托普利兹矩阵的行数相同；将至少两段不同频段对应的托普利兹矩阵合并为一个合成的托普利兹矩阵；对合成的托普利兹矩阵进行奇异值分解，根据分解后的矩阵确定信号空间矩阵和噪声空间矩阵；根据多个不同时延的本地信号的频域响应特征构造多个频域响应向量，本地信号与参考信号相同；将多个频域响应向量分别与噪声空间矩阵进行内积，将内积大小与预设阈值进行比较后，确定满足预设阈值的多个频域响应向量中每个频域响应向量对应的时延为多径中一个径的时延。
以上所述，仅为本申请的示例性实施例而已，并非用于限定本申请的保护范围。
本领域内的技术人员应明白，术语用户终端涵盖任何适合类型的无线用户设备，例如移动电话、便携数据处理装置、便携网络浏览器或车载移动台。
一般来说，本申请的多种实施例可以在硬件或专用电路、软件、逻辑或其任何组合中实现。例如，一些方面可以被实现在硬件中，而其它方面可以被实现在可以被控制器、微处理器或其它计算装置执行的固件或软件中，尽管本申请不限于此。
本申请的实施例可以通过移动装置的数据处理器执行计算机程序指令来实现，例如在处理器实体中，或者通过硬件，或者通过软件和硬件的组合。计算机程序指令可以是汇编指令、指令集架构(ISA)指令、机器指令、机器相关指令、微代码、固件指令、状态设置数据、或者以一种或多种编程语言的任意组合编写的源代码或目标代码。
本申请附图中的任何逻辑流程的框图可以表示程序步骤，或者可以表示相互连接的逻辑电路、模块和功能，或者可以表示程序步骤与逻辑电路、模块和功能的组合。计算机程序可以存储在存储器上。存储器可以具有任何适合于本地技术环境的类型并且可以使用任何适合的数据存储技术实现，例如但不限于只读存储器(ROM)、随机访问存储器(RAM)、光存储器装置和系统(数码多功能光碟DVD或CD光盘)等。计算机可读介质可以包括非瞬时性存储介质。数据处理器可以是任何适合于本地技术环境的类型，例如但不限于通用计算机、专用计算机、微处理器、数字信号处理器(DSP)、专用集成电路(ASIC)、可编程逻辑器件(FGPA)以及基于多核处理器架构的处理器。
通过示范性和非限制性的示例，上文已提供了对本申请的示范实施例的详细描述。但结合附图和权利要求来考虑，对以上实施例的多种修改和调整对本领域技术人员来说是显而易见的，但不偏离本发明的范围。因此，本发明的恰当范围将根据权利要求确定。
Claims (13)
1.一种多径分离方法，其特征在于，包括：
提取接收到的至少两段不同频段的参考信号的频域响应特征；
根据每个频段的参考信号的频域响应特征构造与所述每个频段对应的托普利兹矩阵，每个频段对应的托普利兹矩阵的大小根据所述每个频段中包含的子载波数量确定，且所述至少两段不同频段对应的托普利兹矩阵的行数相同；
将所述至少两段不同频段对应的托普利兹矩阵合并为一个合成的托普利兹矩阵；
对所述合成的托普利兹矩阵进行奇异值分解，根据分解后的矩阵确定信号空间矩阵和噪声空间矩阵；
根据多个不同时延的本地信号的频域响应特征构造多个频域响应向量，所述本地信号与所述参考信号相同；
将所述多个频域响应向量分别与所述噪声空间矩阵进行内积，将内积大小与预设阈值进行比较后，确定满足所述预设阈值的多个频域响应向量中每个频域响应向量对应的时延为多径中一个径的时延。
2.根据权利要求1所述的方法，其特征在于，所述根据每个频段的参考信号的频域响应特征构造与所述每个频段对应的托普利兹矩阵，包括：
根据每个频段的参考信号的频域响应特征构造与所述每个频段对应的托普利兹矩阵其中M为的行，Ni为的列，i为频段标识，i∈(1,…,t)，t为频段数量，M与Ni根据频段i中子载波的数量确定。
3.根据权利要求2所述的方法，其特征在于，所述M根据多径估计能力确定。
4.根据权利要求2或3所述的方法，其特征在于，所述将所述至少两段不同频段对应的托普利兹矩阵合并为一个合成的托普利兹矩阵，包括：
将所述至少两段不同频段对应的托普利兹矩阵合并为一个合成的托普利兹矩阵TM×N，N＝N1+N2+...+Nt。
5.根据权利要求4所述的方法，其特征在于，所述对所述合成的托普利兹矩阵进行奇异值分解，根据分解后的矩阵确定信号空间矩阵和噪声空间矩阵，包括：
对所述合成的托普利兹矩阵TM×N进行奇异值分解其中U为M×M矩阵，Σ为M×N矩阵，VH为N×N矩阵；
将矩阵Σ中特征值模值大于或等于预设门限的特征值对应的VH中多列向量组成的矩阵作为信号空间矩阵，将矩阵Σ中特征值模值小于预设门限的特征值对应的VH中多列向量组成的矩阵作为噪声空间矩阵。
6.根据权利要求4所述的方法，其特征在于，所述将所述多个频域响应向量分别与所述噪声空间矩阵进行内积，将内积大小与预设阈值进行比较后，确定满足所述预设阈值的多个频域响应向量中每个频域响应向量对应的时延为多径中一个径的时延，包括：
将所述多个频域响应向量分别与所述噪声空间矩阵进行内积求和并求倒数后，将倒数大于预设阈值的多个频域响应向量中每个频域响应向量对应的时延确定为多径中一个径的时延。
7.一种多径分离装置，其特征在于，包括：
特征提取模块，设置为提取接收到的至少两段不同频段的参考信号的频域响应特征；
矩阵构造模块，设置为根据每个频段的参考信号的频域响应特征构造与所述每个频段对应的托普利兹矩阵，每个频段对应的托普利兹矩阵的大小根据所述每个频段中包含的子载波数量确定，且所述至少两段不同频段对应的托普利兹矩阵的行数相同；
矩阵合成模块，设置为将所述至少两段不同频段对应的托普利兹矩阵合并为一个合成的托普利兹矩阵；
矩阵分解模块，设置为对所述合成的托普利兹矩阵进行奇异值分解，根据分解后的矩阵确定信号空间矩阵和噪声空间矩阵；
向量构造模块，设置为根据多个不同时延的本地信号的频域响应特征构造多个频域响应向量，所述本地信号与所述参考信号相同；
多径分离模块，设置为将所述多个频域响应向量分别与所述噪声空间矩阵进行内积，将内积大小与预设阈值进行比较后，确定满足所述预设阈值的多个频域响应向量中每个频域响应向量对应的时延为多径中一个径的时延。
8.根据权利要求7所述的装置，其特征在于，所述矩阵构造模块，是设置为根据每个频段的参考信号的频域响应特征构造与所述每个频段对应的托普利兹矩阵其中M为的行，Ni为的列，i为频段标识，i∈(1,…,t)，t为频段数量，M与Ni根据频段i中子载波的数量确定。
9.根据权利要求8所述的装置，其特征在于，所述M根据多径估计能力确定。
10.根据权利要求8或9所述的装置，其特征在于，所述矩阵合成模块，是设置为将所述至少两段不同频段对应的托普利兹矩阵合并为一个合成的托普利兹矩阵TM×N，N＝N1+N2+...+Nt。
11.根据权利要求10所述的装置，其特征在于，所述矩阵分解模块，是设置为对所述合成的托普利兹矩阵TM×N进行奇异值分解其中U为M×M矩阵，Σ为M×N矩阵，VH为N×N矩阵；将矩阵Σ中特征值模值大于或等于预设门限的特征值对应的VH中多列向量组成的矩阵作为信号空间矩阵，将矩阵Σ中特征值模值小于预设门限的特征值对应的VH中多列向量组成的矩阵作为噪声空间矩阵。
12.根据权利要求10所述的装置，其特征在于，所述多径分离模块，是设置为将所述多个频域响应向量分别与所述噪声空间矩阵进行内积求和并求倒数后，将倒数大于预设阈值的多个频域响应向量中每个频域响应向量对应的时延确定为多径中一个径的时延。
13.一种存储介质，其特征在于，所述存储介质存储有计算机程序，所述计算机程序被处理器执行时实现权利要求1-6任一项所述的多径分离方法。
Priority Applications (4)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201910172473.2A CN110535801B (zh) | 2019-03-07 | 2019-03-07 | 多径分离方法、装置和存储介质 |
| US17/436,959 US11843482B2 (en) | 2019-03-07 | 2020-03-06 | Multipath separation method and device, and storage medium |
| PCT/CN2020/078246 WO2020177766A1 (zh) | 2019-03-07 | 2020-03-06 | 多径分离方法、装置和存储介质 |
| EP20767043.1A EP3937443A4 (en) | 2019-03-07 | 2020-03-06 | METHOD AND DEVICE FOR SEPARATION BY MULTIPLE PATHS, AND INFORMATION MEDIA |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201910172473.2A CN110535801B (zh) | 2019-03-07 | 2019-03-07 | 多径分离方法、装置和存储介质 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN110535801A true CN110535801A (zh) | 2019-12-03 |
| CN110535801B CN110535801B (zh) | 2022-06-24 |
Family
ID=68659797
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201910172473.2A Active CN110535801B (zh) | 2019-03-07 | 2019-03-07 | 多径分离方法、装置和存储介质 |
Country Status (4)
| Country | Link |
|---|---|
| US (1) | US11843482B2 (zh) |
| EP (1) | EP3937443A4 (zh) |
| CN (1) | CN110535801B (zh) |
| WO (1) | WO2020177766A1 (zh) |
Cited By (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| WO2020177766A1 (zh) * | 2019-03-07 | 2020-09-10 | 中兴通讯股份有限公司 | 多径分离方法、装置和存储介质 |
| CN111698662A (zh) * | 2020-06-15 | 2020-09-22 | 西安电子科技大学 | 高网络负载场景中mimo系统下的v2x通信方法 |
| CN113938358A (zh) * | 2020-07-09 | 2022-01-14 | 大唐移动通信设备有限公司 | 时延确定方法和终端 |
Citations (7)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US20060013326A1 (en) * | 2004-07-13 | 2006-01-19 | Fujitsu Limited | Propagation path estimation method and apparatus |
| US20060109897A1 (en) * | 2004-11-24 | 2006-05-25 | Nokia Corporation | FFT accelerated iterative MIMO equalizer receiver architecture |
| JP2009098203A (ja) * | 2007-10-12 | 2009-05-07 | Nippon Telegr & Teleph Corp <Ntt> | 信号推定装置、その方法、そのプログラム、その記録媒体 |
| US20120099435A1 (en) * | 2010-10-20 | 2012-04-26 | Qualcomm Incorporated | Estimating sparse mimo channels having common support |
| CN103200136A (zh) * | 2013-03-07 | 2013-07-10 | 东南大学 | 一种频域超分辨率多径时延估计方法 |
| US20160352444A1 (en) * | 2015-06-01 | 2016-12-01 | Fujitsu Limited | Multipath time delay estimation apparatus and method and receiver |
| CN108462665A (zh) * | 2018-01-19 | 2018-08-28 | 东南大学 | 一种ufmc发送信号波形的构造方法 |
Family Cites Families (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US6493380B1 (en) * | 1999-05-28 | 2002-12-10 | Nortel Networks Limited | System and method for estimating signal time of arrival |
| EP2211512B1 (en) | 2009-01-23 | 2017-12-27 | Telefonaktiebolaget LM Ericsson (publ) | Method and arrangement of delay spread compensation |
| US20150263869A1 (en) | 2014-03-12 | 2015-09-17 | Qualcomm Incorporated | Systems and method for finite rate of innovation channel estimation |
| CN108933745B (zh) | 2018-07-16 | 2020-07-10 | 北京理工大学 | 一种基于超分辨率角度和时延估计的宽带信道估计方法 |
| CN110535801B (zh) | 2019-03-07 | 2022-06-24 | 中兴通讯股份有限公司 | 多径分离方法、装置和存储介质 |
-
2019
- 2019-03-07 CN CN201910172473.2A patent/CN110535801B/zh active Active
-
2020
- 2020-03-06 US US17/436,959 patent/US11843482B2/en active Active
- 2020-03-06 EP EP20767043.1A patent/EP3937443A4/en active Pending
- 2020-03-06 WO PCT/CN2020/078246 patent/WO2020177766A1/zh active Application Filing
Patent Citations (7)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US20060013326A1 (en) * | 2004-07-13 | 2006-01-19 | Fujitsu Limited | Propagation path estimation method and apparatus |
| US20060109897A1 (en) * | 2004-11-24 | 2006-05-25 | Nokia Corporation | FFT accelerated iterative MIMO equalizer receiver architecture |
| JP2009098203A (ja) * | 2007-10-12 | 2009-05-07 | Nippon Telegr & Teleph Corp <Ntt> | 信号推定装置、その方法、そのプログラム、その記録媒体 |
| US20120099435A1 (en) * | 2010-10-20 | 2012-04-26 | Qualcomm Incorporated | Estimating sparse mimo channels having common support |
| CN103200136A (zh) * | 2013-03-07 | 2013-07-10 | 东南大学 | 一种频域超分辨率多径时延估计方法 |
| US20160352444A1 (en) * | 2015-06-01 | 2016-12-01 | Fujitsu Limited | Multipath time delay estimation apparatus and method and receiver |
| CN108462665A (zh) * | 2018-01-19 | 2018-08-28 | 东南大学 | 一种ufmc发送信号波形的构造方法 |
Non-Patent Citations (2)
| Title |
|---|
| QIAN YU等: "Blind multipath estimation with Toeplitz displacement for long code DS-CDMA", 《 IEEE INTERNATIONAL CONFERENCE ON COMMUNICATIONS, 2003. ICC"03》 * |
| 孙晶明等: "托普利兹矩阵在压缩多径信道估计中的应用", 《信号处理》 * |
Cited By (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| WO2020177766A1 (zh) * | 2019-03-07 | 2020-09-10 | 中兴通讯股份有限公司 | 多径分离方法、装置和存储介质 |
| US11843482B2 (en) | 2019-03-07 | 2023-12-12 | Zte Corporation | Multipath separation method and device, and storage medium |
| CN111698662A (zh) * | 2020-06-15 | 2020-09-22 | 西安电子科技大学 | 高网络负载场景中mimo系统下的v2x通信方法 |
| CN111698662B (zh) * | 2020-06-15 | 2021-10-29 | 西安电子科技大学 | 高网络负载场景中mimo系统下的v2x通信方法 |
| CN113938358A (zh) * | 2020-07-09 | 2022-01-14 | 大唐移动通信设备有限公司 | 时延确定方法和终端 |
| CN113938358B (zh) * | 2020-07-09 | 2023-03-24 | 大唐移动通信设备有限公司 | 时延确定方法和终端 |
Also Published As
| Publication number | Publication date |
|---|---|
| EP3937443A4 (en) | 2022-11-23 |
| EP3937443A1 (en) | 2022-01-12 |
| CN110535801B (zh) | 2022-06-24 |
| WO2020177766A1 (zh) | 2020-09-10 |
| US11843482B2 (en) | 2023-12-12 |
| US20220173940A1 (en) | 2022-06-02 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN110535801A (zh) | 多径分离方法、装置和存储介质 | |
| Costa et al. | Multiple-input multiple-output channel models: theory and practice | |
| Ho et al. | Passive source localization using time differences of arrival and gain ratios of arrival | |
| Jamali-Rad et al. | Sparsity-aware multi-source TDOA localization | |
| EP2843849A1 (en) | User pairing method, device and system for achieving user scheduling | |
| WO2023000614A1 (zh) | 无线定位参数估计方法、装置、系统、计算机设备及存储介质 | |
| Dai et al. | DeepAoANet: Learning angle of arrival from software defined radios with deep neural networks | |
| Li et al. | Channel state information–based multi-level fingerprinting for indoor localization with deep learning | |
| Lu et al. | Robust expectation–maximization direction-of-arrival estimation algorithm for wideband source signals | |
| Li et al. | Estimation of the complex‐valued mixing matrix by single‐source‐points detection with less sensors than sources | |
| Peng et al. | PRIDE: path integration based delay estimation in multi-device multi-path environments | |
| CN113346975A (zh) | 小区搜索方法及装置、芯片、设备、存储介质 | |
| CN113473520A (zh) | 小区搜索方法及装置、芯片、设备、存储介质 | |
| Gunther et al. | Algorithms for blind equalization with multiple antennas based on frequency domain subspaces | |
| TWI609577B (zh) | 執行上行鏈路通道估測的方法及使用所述方法的基地台 | |
| CN114679356B (zh) | 一种不依赖于似然函数的信道全维参数提取方法、装置及存储介质 | |
| Gong et al. | Machine learning-based fingerprint positioning for massive MIMO systems | |
| Vanderveen | Estimation of parametric channel models in wireless communication networks | |
| Cheng et al. | A TDoA localization scheme for underwater sensor networks with use of multilinear chirp signals | |
| Jamali-Rad et al. | Sparsity-aware TDOA localization of multiple sources | |
| Schmidt et al. | Fast prototyping of an SDR WLAN 802.11 b Receiver for an indoor positioning systems | |
| CN111366890A (zh) | 一种基于wifi的对手机测向方法和系统 | |
| WO2023097636A1 (zh) | 数据处理的方法和装置 | |
| Karim et al. | A new improved algorithm for low complexity wideband angle of arrival estimation | |
| Graff et al. | Purposeful co-design of OFDM signals for ranging and communications |
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 |