CN111193679A - 一种基于互质阵列系统的信道估计方法及系统 - Google Patents
一种基于互质阵列系统的信道估计方法及系统 Download PDFInfo
- Publication number
- CN111193679A CN111193679A CN202010021946.1A CN202010021946A CN111193679A CN 111193679 A CN111193679 A CN 111193679A CN 202010021946 A CN202010021946 A CN 202010021946A CN 111193679 A CN111193679 A CN 111193679A
- Authority
- CN
- China
- Prior art keywords
- signal
- angle
- arrival
- array
- spectrum
- 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
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
- H04L25/0204—Channel estimation of multiple channels
-
- 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
- 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
Abstract
本发明涉及一种基于互质阵列系统的信道估计方法及系统,属于通信技术领域,解决了现有技术中信道估计计算复杂、效率低、估计精度低的问题。该方法包括以下步骤:获取互质阵列中第一子阵列和第二子阵列分别接收到的第一信号和第二信号;根据接收的所述第一信号和第二信号得到信号的发射角和到达角;根据所述发射角和到达角计算得到路径增益估计值;根据所述发射角、到达角及路径增益估计值计算得到信道估计值。该方法通过发射角和到达角的估计及路径增益估计,缩小了频谱搜索的范围,很大程度缩小了空间频谱搜索范围,降低了计算复杂度,提高了信道估计的效率及估计精度。
Description
技术领域
本发明涉及通信技术领域,尤其涉及一种基于互质阵列系统的信道估计方法及系统。
背景技术
大规模MIMO技术在当前的5G无线通信系统中得到了广泛的应用,将毫米波与大规模MIMO相结合来增大信号功率进而提高传输距离。传统的MIMO系统信道估计技术无法充分利用毫米波信道的空间稀疏性,因此现有的毫米波信道估计问题可以转化为估计路径方向和路径增益。
现有的应用空间谱估计的信道估计算法中需要大量复杂的乘法运算,并且运算量与阵元数量的立方成正比。因此,当阵元数量较大时,信道估计算法的计算复杂度非常高,不利于工程实现。另一方面,均匀阵列为了避免角度模糊,阵元间距应不超过辐射波长的一半,因此基于ULA的通信系统只能通过增加阵元的数量来实现阵列孔径的扩展,这会进一步增加系统成本和算法复杂度。
现有技术至少存在以下缺陷,一是需要的阵元数量大,计算复杂度高,效率低,估计精度低,不利于工程实现;二是增加阵元数量实现阵列孔径的扩展一定程度上增加了成本。
发明内容
鉴于上述的分析,本发明旨在提供一种基于互质阵列系统的信道估计方法及系统,用以解决现有信道估计计算复杂度高、效率低、估计精度低的问题。
一方面,本发明提供了一种基于互质阵列系统的信道估计方法,该方法包括以下步骤:获取互质阵列中第一子阵列和第二子阵列分别接收到的第一信号和第二信号;根据接收的所述第一信号和第二信号得到信号的发射角和到达角;根据所述发射角和到达角计算得到路径增益估计值;根据所述发射角、到达角及路径增益估计值计算得到信道估计值。
进一步的,根据接收的所述第一信号和第二信号得到信号的到达角,包括:
分别对第一信号和第二信号进行协方差处理获得第一信号对应的信号子空间和噪声子空间及第二信号对应的信号子空间和噪声子空间;
基于第一信号对应的信号子空间和噪声子空间利用空间频谱搜索获得第一信号频谱的多个波峰位置及对应的模糊到达角;基于第二信号对应的信号子空间和噪声子空间利用空间频谱搜索获得第二信号频谱的多个波峰位置及对应的模糊到达角;
进一步的,根据接收的所述第一信号和第二信号得到信号的发射角,包括:
分别对所述第一信号和第二信号进行共轭转置处理获得第一转置信号和第二转置信号;
分别对第一转置信号和第二转置信号进行协方差处理获得第一转置信号对应的信号子空间和噪声子空间及第二转置信号对应的信号子空间和噪声子空间;
基于第一转置信号对应的信号子空间和噪声子空间利用空间频谱搜索获得第一转置信号频谱的多个波峰位置及对应的模糊发射角;基于第二转置信号对应的信号子空间和噪声子空间利用空间频谱搜索获得第二转置信号频谱的多个波峰位置及对应的模糊发射角;
进一步的,根据第一子阵列的阵元数量划分第一信号和第一转置信号的空间频谱搜索区间;根据第二子阵列的阵元数量划分第二信号和第二转置信号的空间频谱搜索区间。
进一步的,在任一划分的所述空间频谱搜索区间内利用空间频谱搜索获得一个波峰位置,并根据波峰位置的分布规律确定其他划分的所述空间频谱搜索区间内的波峰位置。
进一步的,根据所述发射角和到达角通过下述公式得到路径增益估计值:
其中,Br(θr,φr)=PWHAr(θr,φr),P为信道功率值,W=WRFWBB,WRF为信号接收端模拟波束矩阵,WBB为合成矩阵,F=FRFFBB,FRF为信号发射端模拟波束矩阵,FBB为数字预编码矩阵,Ar(θr,φr)为到达角对应的矩阵,At为发射角对应的矩阵,y(q)为第q个时间块接收到的信号。
进一步的,根据所述发射角、到达角及路径增益估计值通过下述公式得到信号估计值:
进一步的,所述互质阵列为线性互质阵列或平面互质阵列。
根据上述技术方案,本发明的有益效果如下:
1、本发明考虑到每个信号源产生的峰值在周期范围内的分布规律,根据子阵列阵元数量划分了空间频谱搜索区间,只需在一个区间内计算搜索出波峰位置,再根据波峰分布规律确定其他区间内的波峰位置,极大地缩小了空间频谱搜索范围,有效降低了计算复杂度,提高了效率;
2、本发明通过搜索互质阵列两个子阵列接收的信号中距离最近的两个波峰位置来确定信号的发射角和到达角,解决了角度模糊的问题,提高了估计精度;
3、本发明提出的信道估计方法不仅可以应用于互质线性阵列,也可以应用于互质平面阵列,适用性强,应用范围广;
4、本发明提出的信道估计方法促进了互质阵列在通信系统中的述用,有效解决了利用传统均匀线性阵列,计算复杂度高、成本高的问题。
另一方面,本发明还提出了一种基于互质阵列系统的信道估计系统,其特征在于,包括:
信号处理模块,用于获取互质阵列中第一子阵列和第二子阵列分别接收到的第一信号和第二信号;
角度获取模块,用于根据接收的所述第一信号和第二信号得到信号的发射角和到达角;
路径增益估计模块,用于根据所述发射角和到达角得到路径增益估计值;
信道估计模块,用于根据所述发射角、到达角及路径增益估计得到信道估计值。
进一步的,所述角度获取模块通过下述流程获得信号的到达角:
分别对第一信号和第二信号进行协方差处理获得第一信号对应的信号子空间和噪声子空间及第二信号对应的信号子空间和噪声子空间;
基于第一信号对应的信号子空间和噪声子空间利用空间频谱搜索获得第一信号频谱的多个波峰位置及对应的模糊到达角;基于第二信号对应的信号子空间和噪声子空间利用空间频谱搜索获得第二信号频谱的多个波峰位置及对应的模糊到达角;
所述角度获取模块通过下述流程获得信号的发射角:
分别对所述第一信号和第二信号进行共轭转置处理获得第一转置信号和第二转置信号;
由于本发明中的互质阵列系统的信道估计系统与上述方法具有相同的原理,因此该信道估计系统也具有与上述信道估计方法相同的技术效果。
本发明中,上述各技术方案之间还可以相互组合,以实现更多的优选组合方案。本发明的其他特征和优点将在随后的说明书中阐述,并且,部分优点可从说明书中变得显而易见,或者通过实施本发明而了解。本发明的目的和其他优点可通过说明书以及附图中所特别指出的内容中来实现和获得。
附图说明
附图仅用于示出具体实施例的目的,而并不认为是对本发明的限制,在整个附图中,相同的参考符号表示相同的部件。
图1为本发明实施例基于的通信系统示意图;
图2为本发明实施例互质阵列系统的信道估计方法的流程图;
图3为本发明实施例互质阵列的示意图;
图4为本发明实施例互质阵列与均匀线性阵列对比的示意图;
图5为本发明实施例L型互质阵列的示意图;
图6为本发明实施例L型互质阵列的两个子阵列的示意图;
图7为本发明实施例互质阵列系统的信道估计系统的示意图;
图8为本发明实施例互质阵列与均匀阵列信道估计误差对比示意图;
图9为本发明实施例MUSIC算法和PSS-MUSIC算法两种角度估计方法计算复杂度对比的示意图;
图10为本发明实施例基于PSS-MUSIC算法和基于TSS-MUSIC算法的角度误差对比的示意图;
图11为本发明实施例基于PSS-MUSIC算法和基于TSS-MUSIC算法的信道估计均方误差对比的示意图。
具体实施方式
下面结合附图来具体描述本发明的优选实施例,其中,附图构成本申请一部分,并与本发明的实施例一起用于阐释本发明的原理,并非用于限定本发明的范围。
具体的,对具体实施例中用到的符号进行说明,A表示一个矩阵,diag(Α)是由对角元素A形成的向量,||A||F是矩阵A的Frobenius范数。Α*、AT、AH、A-1和分别表示矩阵的共轭、转置、共轭转置、逆和伪逆,表示矩阵A的估计值。
信道估计,就是从接收数据中估计得到假定的某个信道模型的模型参数。信道估计的精度将影响无线通信系统的性能。信道参数估计是实现无线通信系统的一项关键技术。本发明实施例以基于一个配备了混合预编码的毫米波MIMO的通信系统(如图1所示)为例,说明信道估计的理论基础。Nt和Nr分别代表发射端和接收端的天线阵数。发射端模拟波束形成器的一端连接发射端的天线,另一端连接Mt射频链。接收机与发射机采用相同的混合结构,接收端模拟波束形成器的两端分别连接着接收机的天线和Mr个射频链。天线的数目大于射频链的数目,即Nt>Mt,FBB和WBB分别表示发射端的数字预编码矩阵和接收端合成矩阵。
在接收端得到的信号可用以下公式表示:
Y=WHHFs+WHn,
定义俯仰角和方位角分别为θ和φ,信道模型可以表示为
当路径数量定义为L,则ΛG(q)=diag{g1(q),…gL(q)},Ar=[ar(θr1,φr1),…,ar(θrL,φrL)],At=[at(θt1,φt1),…,at(θtL,φtL)];其中,q表示时间块,gL(q)表示第L条路径的第q个时间块的路径增益,ΛG(q)为路径增益估计值。
基于公式(1)和(2),在信道估计的过程中,关键是对每一路径的信号发射角(θtL,φtL)和到达角(θrL,φrL)的估计。
为了减少阵元数量,本发明的一个具体实施例,公开了一种基于互质阵列系统的信道估计方法。如图2所示,该方法包括以下步骤:获取互质阵列中第一子阵列和第二子阵列分别接收到的第一信号和第二信号;根据接收的所述第一信号和第二信号得到信号的发射角和到达角;根据所述发射角和到达角计算得到路径增益估计值;根据所述发射角、到达角及路径增益估计值计算得到信道估计值。
互质阵列由互质的两个均匀子阵列组成,本实施例中互质阵列可为线性互质阵列,或平面互质阵列。为区分组成互质阵列中的两个均匀子阵列,分别称为第一子阵列和第二子阵列,相对应的,第一子阵列接收到的信号为第一信号,第二子阵列接收的信号为第二信号。
示例性的,图3(b)示出了线性互质阵列结构,图3(a)示出了组成互质阵列的第一子阵列和第二子阵列,分别有M和N个阵元,相应的阵元间距分别为Nd、Md,示例性的,M=4,N=3,从图中可以看出,第一子阵列和第二子阵列共用一个阵元。如图4所示,图4(a)、(b)分别展示了由9个阵元形成的均匀线性阵列和由6个阵元组成的互质阵列,相比于均匀线性阵列,互质阵列减少了三个阵元的,减少的阵元数量可以表示为MNd-Nd-M-N+1,但确保了相同的阵列孔径,保证了信号分辨率、减少了计算量的同时,节约了成本。
优选的,平面互质阵列为L型互质阵列,所述L型互质阵列结构如图5所示,第一子阵列和第二子阵列,分别如图6(a)、(b)所示。
优选的,为了对路径方向进行估计,需要根据第一信号和第二信号得到利用PSS-MUSIC算法计算到达角及发射角;
优选的,首先,根据接收的所述第一信号和第二信号得到信号的到达角,包括:
分别对第一信号和第二信号进行协方差处理获得第一信号对应的信号子空间和噪声子空间及第二信号对应的信号子空间和噪声子空间;
所述协方差处理是指计算第一信号、第二信号的协方差,并分解其特征值获得第一信号、第二信号对应的信号子空间和噪声子空间;
基于第一信号对应的信号子空间和噪声子空间利用空间频谱搜索获得第一信号频谱的多个波峰位置及对应的模糊到达角;基于第二信号对应的信号子空间和噪声子空间利用空间频谱搜索获得第二信号频谱的多个波峰位置及对应的模糊到达角;
具体的,基于第一信号、第二信号对应的信号子空间和噪声子空间的正交性,可以确定第一信号、第二信号空间频谱搜索对应的函数,分别用于计算搜索第一信号频谱和第二信号频谱的波峰位置。
具体的,先对第一信号进行协方差处理,第一信号可以通过下述公式表示:
其中,P为信道功率值,W=WRFWBB,WRF为信号接收端模拟波束矩阵,WBB为信号接收端合成矩阵,F=FRFFBB,FRF为信号发射端模拟波束矩阵,FBB为数字预编码矩阵,Ar1(θr,φr)为到达角对应的矩阵,At1为发射角对应的矩阵,n表示噪声服从分布。
y1=Br1(θr,φr)ZGt1+n,
对第一信号进行协方差处理获得第一信号的协方差:
将第一信号表达式代入协方差中,并对其特征值进行分解获得下述公式:
其中,Us和Un分别代表信号子空间和噪声子空间,由于信号子空间和噪声子空间的正交性,第一阵列的空间频谱搜索函数可以描述为
采用同样的处理方式可以获得第二阵列的空间频谱搜索函数:
优选的,改变空间频谱搜索函数中的角度值,随着改变,遍历俯仰角和方位角,可以获得Pr1(θr,φr)、Pr2(θr,φr)的极值点,即波峰值,进而能够确定波峰位置,其中,俯仰角的搜索范围为-90°~90°,方位角的搜素范围为-180°~180°。
考虑到噪声的存在,两个频谱中几乎没有完全重合的峰,因此,需要比较所有峰之间的距离以找到最接近的峰,作为第一个峰的位置,从而消除角度模糊,提高信道估计的准确率。
从而解决角度模糊的问题。
优选的,其次,根据接收的所述第一信号和第二信号得到信号的发射角,包括:
分别对所述第一信号和第二信号进行共轭转置处理获得第一转置信号和第二转置信号;
具体的,对第一信号、第二信号进行共轭转置处理获得第一转置信号和第二转置信号通过下述公式表示:
分别对第一转置信号和第二转置信号进行协方差处理获得第一转置信号对应的信号子空间和噪声子空间及第二转置信号对应的信号子空间和噪声子空间;
所述协方差处理是指计算第一转置信号、第二转置信号的协方差,并分解其特征值获得第一转置信号、第二转置信号对应的信号子空间和噪声子空间;具体处理过程同对第一信号、第二信号的处理过程相同。
基于第一转置信号对应的信号子空间和噪声子空间利用空间频谱搜索获得第一转置信号频谱的多个波峰位置及对应的模糊发射角;基于第二转置信号对应的信号子空间和噪声子空间利用空间频谱搜索获得第二转置信号频谱的多个波峰位置及对应的模糊发射角;
具体的,基于第一转置信号、第二转置信号对应的信号子空间和噪声子空间的正交性,可以确定第一转置信号、第二转置信号空间频谱搜索对应的函数,分别用于计算搜索第一转置信号频谱和第二转置信号频谱的波峰位置。
优选的,根据第一子阵列的阵元数量划分第一信号和第一转置信号的空间频谱搜索区间;根据第二子阵列的阵元数量划分第二信号和第二转置信号的空间频谱搜索区间。其中,阵元数量与对应信号中的波峰数量是一致的,因此按照阵元数量均匀划分空间频谱搜索区间,能够确保每一个空间频谱搜索区间内存在一个波峰。
示例性的,根据子阵列的阵元数量通过下述公式划分空间频谱搜索区间:
其中,Δθ为俯仰角搜索间隔,θs为俯仰角搜索范围,Δφ为方位角搜索间隔,φs为方位角搜索范围,m为子阵列包括的阵元数量。其中俯仰角搜索范围为-90°~90°,方位角的搜素范围为-180°~180°。
优选的,在任一划分的所述空间频谱搜索区间内利用空间频谱搜索获得一个波峰位置,并根据波峰位置的分布规律确定其他划分的所述空间频谱搜索区间内的波峰位置。波峰位置与对应子阵列中的阵元具有相同的分布规律。波峰之间的间距可以通过下述公式表示:
其中,m表示子阵列所包含的阵元数量,c表示波峰数量。当确定某一空间频谱搜索区间内的一个波峰位置p时,根据c=1能够确定与所述已确定的波峰位置p相邻的波峰位置,根据c=2能够确定与所述已确定的波峰位置p次相邻的波峰位置,当c为负数时,可以确定其另一侧的波峰位置。
优选的,根据所述发射角和到达角通过下述公式得到路径增益估计值:
其中,Br(θr,φr)=PWHAr(θr,φr),P为信道功率值,W=WRFWBB,WRF为信号接收端模拟波束矩阵,WBB为合成矩阵,F=FRFFBB,FRF为信号发射端模拟波束矩阵,FBB为数字预编码矩阵,Ar(θr,φr)为到达角对应的矩阵,At为发射角对应的矩阵,y(q)为第q个时间块接收到的信号,本领域技术人员能够已知的,具体的时间块数量Nb能够根据实际通信系统中真实参数得到的经验理论值进行设置。
优选的,根据所述发射角、到达角及路径增益估计值通过下述公式得到信号估计值:
优选的,所述互质阵列为线性互质阵列或平面互质阵列,示例性的,所述平面互质阵列包括L型互质阵列、双平行互质阵列等。
为了更好的证明本发明提出的基于互质阵列系统的信道估计方法的技术效果,给出以下实施例。
以L型平面互质阵列和L型平面均匀阵列为例,均匀阵列在X轴和Y轴方向上元素的数量为NX-uniform和NY-uniform,互质阵列在X轴和Y轴方向上的数量为NX-coprime和NY-coprime。为确保互质阵列与均匀阵列的孔径差距不大,均匀阵列中的阵元数量要多于互质阵列中的阵元数量,将互质阵列和均匀阵列的其余参数设置为相同。对于两种阵列模型,在发射端处均有Mt个射频链,在接收端处均有Mr个射频链。示例性的,参数设置具体如表1所示,
表1
参数 | 参数数值 |
互质阵列X轴方向阵元数N<sub>X-coprime</sub> | 24 |
互质阵列Y轴方向阵元数N<sub>Y-coprime</sub> | 24 |
均匀阵列X轴方向阵元数N<sub>X-uniform</sub> | 32 |
均匀阵列Y轴方向阵元数N<sub>Y-uniform</sub> | 32 |
接收端射频链的数量M<sub>r</sub> | 4 |
发射端射频链的数量M<sub>t</sub> | 4 |
N<sub>b</sub> | 60 |
Monte Carlo | 10000 |
示例性的,设置到达角为(17.55°,32.85°),发射角为(19.45°,36.10°)。信道的归一化均方误差(NMSE)定义如下:
图8显示了基于互质阵列与均匀阵列的信道估计的归一化均方误差,从图8中可以看出,与使用常规均匀天线阵列相比,使用互质阵列的信道估计误差更小,估计精度更高。
然后,分别基于MUSIC算法和PSS-MUSIC算法两种角度估计方法进行计算复杂度比较。构成互质阵列的两个均匀阵列的阵列阵元数分别为M和N。考虑到除了信号协方差矩阵估计和特征值分解外,算法的复杂度还受到空间频谱搜索的影响。其中,空间频谱搜索的次数可以表示为Nsearch,快拍的数量可以表示为K,两种算法的计算复杂度如表2所示,
表2
算法名称 | 计算复杂度 |
MUSIC | O((M+N-1)<sup>2</sup>K+(M+N-1)<sup>3</sup>+N<sub>search</sub>(M+N-1)<sup>2</sup>) |
PSS-MUSIC | O((M<sup>2</sup>+N<sup>2</sup>)K+M<sup>3</sup>+N<sup>3</sup>+2N<sub>search</sub>(M<sup>2</sup>/N+N<sup>2</sup>/M)) |
示例性的,设置参数为K=200,Nsearch=3600,图9给出了基于MUSIC算法和PSS-MUSIC算法的阵元数量与复乘次数的对应关系,其中,当M=31和N=29时,MUSIC算法的计算复杂度为4.7×106,PSS-MUSIC的计算复杂度为4.0×106,后者的计算复杂度是前者的62%。理论上证明了我们提出将PSS-MUSIC算法应用到互质阵列系统的信道估计中,可以降低计算复杂度,因此可以实现更简单更快的信道估计。
估计信号发射角和到达角的均方误差定义为:
示例性的,设置信号的到达角为(7.95°,10.85°),发射角为(11.45°,16.10°),图10示出了基于PSS-MUSIC算法的角度估计比TSS-MUSIC算法的角度估计误差更小;考虑到搜索时间不仅取决于搜索网格的大小,还取决于搜索角度的范围,因此,将TSS-MUSIC的搜索网格设置为0.05°,PSS-MUSIC的搜索网格设置为0.01°,因为相比于基于TSS-MUSIC算法的信道估计需进行全空间频谱搜索,基于PSS-MUSIC算法的信道估计可以在有限的空间频谱搜索区域内进行搜索,因此,从图11中可以看出本发明所提出的基于PSS-MUSIC算法的信道估计方法的均方误差比TSS-MUSIC算法的信道估计方法小。
与现有技术相比,本实施例提供的互质阵列系统的信道估计方法,首先,考虑到每个信号源产生的峰值在周期范围内的分布规律,根据子阵列阵元数量划分了空间频谱搜索区间,只需在一个区间内计算搜索出波峰位置,再根据波峰分布规律确定其他区间内的波峰位置,极大地缩小了空间频谱搜索范围,有效降低了计算复杂度,提高了效率;其次,通过搜索互质阵列两个子阵列接收的信号中距离最近的两个波峰位置来确定信号的发射角和到达角,解决了角度模糊的问题;并且,本实施例提出的信道估计方法不仅可以应用于互质线性阵列,也可以应用于互质平面阵列,适用性强,应用范围广;重要的是,本实施例提出的信道估计方法促进了互质阵列在通信系统中的应用,有效解决了利用传统均匀线性阵列,计算复杂度高、成本高、精度低的问题。
另一方面,本发明的另一个实施例提供了一种基于互质阵列系统的信道估计系统,如图7所示,包括:
信号处理模块,用于获取互质阵列中第一子阵列和第二子阵列分别接收到的第一信号和第二信号;
角度获取模块,用于根据接收的所述第一信号和第二信号得到信号的发射角和到达角;
路径增益估计模块,用于根据所述发射角和到达角得到路径增益估计值;
信道估计模块,用于根据所述发射角、到达角及路径增益估计得到信道估计值。
优选的,还包括输出模块,用于输出得到的所述信道估计值。
优选的,所述角度获取模块通过下述流程获得信号的到达角:
分别对第一信号和第二信号进行协方差处理获得第一信号对应的信号子空间和噪声子空间及第二信号对应的信号子空间和噪声子空间;
基于第一信号对应的信号子空间和噪声子空间利用空间频谱搜索获得第一信号频谱的多个波峰位置及对应的模糊到达角;基于第二信号对应的信号子空间和噪声子空间利用空间频谱搜索获得第二信号频谱的多个波峰位置及对应的模糊到达角;
具体的,基于第一信号、第二信号对应的信号子空间和噪声子空间的正交性,可以确定第一信号、第二信号空间频谱搜索对应的函数,分别用于计算搜索第一信号频谱和第二信号频谱的波峰位置。
具体的,先对第一信号进行协方差处理,第一信号具体通过下述公式表示:
y1=Br1(θr,φr)ZGt1+n,
对第一信号进行协方差处理获得第一信号的协方差:
将第一信号表达式代入协方差中,并对其特征值进行分解获得下述公式:
其中,Us和Un分别代表信号子空间和噪声子空间,由于信号子空间和噪声子空间的正交性,第一阵列的空间频谱搜索函数可以描述为
采用同样的处理方式可以获得第二阵列的空间频谱搜索函数:
优选的,改变空间频谱搜索函数中的角度值,随着改变,遍历俯仰角和方位角,可以获得Pr1(θr,φr)、Pr2(θr,φr)的极值点,即波峰值,进而能够确定波峰位置,其中,俯仰角的搜索范围为-90°~90°,方位角的搜素范围为-180°~180°。
考虑到噪声的存在,两个频谱中几乎没有完全重合的峰,因此,需要比较所有峰之间的距离以找到最接近的峰,作为第一个峰的位置,从而消除角度模糊,提高信道估计的准确率。
所述角度获取模块通过下述流程获得信号的发射角:
分别对所述第一信号和第二信号进行共轭转置处理获得第一转置信号和第二转置信号;
具体的,对第一信号、第二信号进行共轭转置处理获得第一转置信号和第二转置信号通过下述公式表示:
优选的,角度获取模块预先根据第一子阵列的阵元数量划分第一信号和第一转置信号的空间频谱搜索区间;根据第二子阵列的阵元数量划分第二信号和第二转置信号的空间频谱搜索区间。其中,阵元数量与对应信号中的波峰数量是一致的,因此按照阵元数量均匀划分空间频谱搜索区间,能够确保每一个空间频谱搜索区间内存在一个波峰。
优选的,角度获取模块,用于在任一划分的所述空间频谱搜索区间内利用空间频谱搜索获得一个波峰位置,并根据波峰位置的分布规律确定其他划分的所述空间频谱搜索区间内的波峰位置。波峰位置与对应子阵列中的阵元具有相同的分布规律。波峰之间的间距可以通过下述公式表示:
其中,m表示子阵列所包含的阵元数量,c表示波峰数量。当确定某一空间频谱搜索区间内的一个波峰位置p时,根据c=1能够确定与所述已确定的波峰位置p相邻的波峰位置,根据c=2能够确定与所述已确定的波峰位置p次相邻的波峰位置,当c为负数时,可以确定其另一侧的波峰位置。
优选的,所述路径增益估计模块根据所述发射角和到达角通过下述公式得到路径增益估计值:
其中,Br(θr,φr)=PWHAr(θr,φr),P为信道功率值,W=WRFWBB,WRF为信号接收端模拟波束矩阵,WBB为合成矩阵,F=FRFFBB,FRF为信号发射端模拟波束矩阵,FBB为数字预编码矩阵,Ar(θr,φr)为到达角对应的矩阵,At为发射角对应的矩阵,y(q)为第q个时间块接收到的信号。
优选的,所述信道估计模块根据所述发射角、到达角及路径增益估计值通过下述公式得到信号估计值:
优选的,所述互质阵列为线性互质阵列或平面互质阵列,示例性的,所述平面互质阵列包括L型互质阵列、双平行互质阵列等。
与现有技术相比,本实施例提供的互质阵列系统的信道估计系统,首先,考虑到每个信号源产生的峰值在周期范围内的分布规律,根据子阵列阵元数量划分了空间频谱搜索区间,只需在一个区间内计算搜索出波峰位置,再根据波峰分布规律确定其他区间内的波峰位置,极大地缩小了空间频谱搜索范围,有效降低了计算复杂度,提高了效率;其次,通过搜索互质阵列两个子阵列接收的信号中距离最近的两个波峰位置来确定信号的发射角和到达角,解决了角度模糊的问题;并且,本实施例提出的信道估计系统不仅可以应用于互质线性阵列,也可以应用于互质平面阵列,适用性强,应用范围广;重要的是,本实施例提出的信道估计系统促进了互质阵列在通信系统中的应用,有效解决了利用传统均匀线性阵列,计算复杂度高、成本高、精度低的问题。
以上所述,仅为本发明较佳的具体实施方式,但本发明的保护范围并不局限于此,任何熟悉本技术领域的技术人员在本发明揭露的技术范围内,可轻易想到的变化或替换,都应涵盖在本发明的保护范围之内。
Claims (10)
1.一种基于互质阵列系统的信道估计方法,其特征在于,包括以下步骤:
获取互质阵列中第一子阵列和第二子阵列分别接收到的第一信号和第二信号;
根据接收的所述第一信号和第二信号得到信号的发射角和到达角;
根据所述发射角和到达角计算得到路径增益估计值;
根据所述发射角、到达角及路径增益估计值计算得到信道估计值。
2.根据权利要求1所述的一种基于互质阵列系统的信道估计方法,其特征在于,根据接收的所述第一信号和第二信号得到信号的到达角,包括:
分别对第一信号和第二信号进行协方差处理获得第一信号对应的信号子空间和噪声子空间及第二信号对应的信号子空间和噪声子空间;
基于第一信号对应的信号子空间和噪声子空间利用空间频谱搜索获得第一信号频谱的多个波峰位置及对应的模糊到达角;基于第二信号对应的信号子空间和噪声子空间利用空间频谱搜索获得第二信号频谱的多个波峰位置及对应的模糊到达角;
3.根据权利要求2所述的一种基于互质阵列系统的信道估计方法,其特征在于,根据接收的所述第一信号和第二信号得到信号的发射角,包括:
分别对所述第一信号和第二信号进行共轭转置处理获得第一转置信号和第二转置信号;
分别对第一转置信号和第二转置信号进行协方差处理获得第一转置信号对应的信号子空间和噪声子空间及第二转置信号对应的信号子空间和噪声子空间;
基于第一转置信号对应的信号子空间和噪声子空间利用空间频谱搜索获得第一转置信号频谱的多个波峰位置及对应的模糊发射角;基于第二转置信号对应的信号子空间和噪声子空间利用空间频谱搜索获得第二转置信号频谱的多个波峰位置及对应的模糊发射角;
4.根据权利要求3所述的一种基于互质阵列系统的信道估计方法,其特征在于,根据第一子阵列的阵元数量划分第一信号和第一转置信号的空间频谱搜索区间;根据第二子阵列的阵元数量划分第二信号和第二转置信号的空间频谱搜索区间。
5.根据权利要求4所述的一种基于互质阵列系统的信道估计方法,其特征在于,在任一划分的所述空间频谱搜索区间内利用空间频谱搜索获得一个波峰位置,并根据波峰位置的分布规律确定其他划分的所述空间频谱搜索区间内的波峰位置。
8.根据权利要求1-7任一所述的一种基于互质阵列系统的信道估计方法,其特征在于,所述互质阵列为线性互质阵列或平面互质阵列。
9.一种基于互质阵列系统的信道估计系统,其特征在于,包括:
信号处理模块,用于获取互质阵列中第一子阵列和第二子阵列分别接收到的第一信号和第二信号;
角度获取模块,用于根据接收的所述第一信号和第二信号得到信号的发射角和到达角;
路径增益估计模块,用于根据所述发射角和到达角得到路径增益估计值;
信道估计模块,用于根据所述发射角、到达角及路径增益估计得到信道估计值。
10.根据权利要求9所述的一种基于互质阵列系统的信道估计系统,其特征在于,所述角度获取模块通过下述流程获得信号的到达角:
分别对第一信号和第二信号进行协方差处理获得第一信号对应的信号子空间和噪声子空间及第二信号对应的信号子空间和噪声子空间;
基于第一信号对应的信号子空间和噪声子空间利用空间频谱搜索获得第一信号频谱的多个波峰位置及对应的模糊到达角;基于第二信号对应的信号子空间和噪声子空间利用空间频谱搜索获得第二信号频谱的多个波峰位置及对应的模糊到达角;
所述角度获取模块通过下述流程获得信号的发射角:
分别对所述第一信号和第二信号进行共轭转置处理获得第一转置信号和第二转置信号;
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010021946.1A CN111193679B (zh) | 2020-01-09 | 2020-01-09 | 一种基于互质阵列系统的信道估计方法及系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010021946.1A CN111193679B (zh) | 2020-01-09 | 2020-01-09 | 一种基于互质阵列系统的信道估计方法及系统 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN111193679A true CN111193679A (zh) | 2020-05-22 |
CN111193679B CN111193679B (zh) | 2022-04-19 |
Family
ID=70709960
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202010021946.1A Active CN111193679B (zh) | 2020-01-09 | 2020-01-09 | 一种基于互质阵列系统的信道估计方法及系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN111193679B (zh) |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114401171A (zh) * | 2022-01-07 | 2022-04-26 | 南京邮电大学 | 一种基于互质阵列的非对称大规模mimo信道估计方法 |
CN115396265A (zh) * | 2022-09-05 | 2022-11-25 | 西南交通大学 | 基于对称非均匀阵列矩阵重构的角度域信道估计方法 |
WO2023232040A1 (zh) * | 2022-06-02 | 2023-12-07 | 华为技术有限公司 | 通信方法及通信装置 |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101541078A (zh) * | 2008-03-17 | 2009-09-23 | 华为技术有限公司 | 一种tdoa的估计方法、系统和装置 |
CN105912791A (zh) * | 2016-04-15 | 2016-08-31 | 山东农业大学 | 虚拟互质阵列中基于局部搜索的doa估计方法 |
CN107561486A (zh) * | 2017-07-03 | 2018-01-09 | 西北工业大学 | 一种基于主动时反的浅海目标波达方向估计方法 |
CN109951216A (zh) * | 2018-12-26 | 2019-06-28 | 中国传媒大学 | 一种基于码本辅助的大规模mimo doa估计方法 |
CN110650104A (zh) * | 2019-03-26 | 2020-01-03 | 长春通视光电技术有限公司 | 改进的基于fft域稀疏信道估计方法 |
-
2020
- 2020-01-09 CN CN202010021946.1A patent/CN111193679B/zh active Active
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101541078A (zh) * | 2008-03-17 | 2009-09-23 | 华为技术有限公司 | 一种tdoa的估计方法、系统和装置 |
CN105912791A (zh) * | 2016-04-15 | 2016-08-31 | 山东农业大学 | 虚拟互质阵列中基于局部搜索的doa估计方法 |
CN107561486A (zh) * | 2017-07-03 | 2018-01-09 | 西北工业大学 | 一种基于主动时反的浅海目标波达方向估计方法 |
CN109951216A (zh) * | 2018-12-26 | 2019-06-28 | 中国传媒大学 | 一种基于码本辅助的大规模mimo doa估计方法 |
CN110650104A (zh) * | 2019-03-26 | 2020-01-03 | 长春通视光电技术有限公司 | 改进的基于fft域稀疏信道估计方法 |
Non-Patent Citations (2)
Title |
---|
LI SHUFENG; ZHANG YUCHI; ZHANG YUNFENG: "The research of MUSIC-AML algorithm for MIMO radar system", 《2015 6TH IEEE INTERNATIONAL CONFERENCE ON SOFTWARE ENGINEERING AND SERVICE SCIENCE (ICSESS)》 * |
SHUFENG LI; YUAN ZHANG; ROBERT EDWARDS: "Two Dimension DOA ESPRIT Algorithm Based on Parallel Coprime Arrays and Complementary Sequence in MIMO Communication System", 《2019 IEEE INTERNATIONAL CONFERENCE ON SIGNAL, INFORMATION AND DATA PROCESSING (ICSIDP)》 * |
Cited By (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114401171A (zh) * | 2022-01-07 | 2022-04-26 | 南京邮电大学 | 一种基于互质阵列的非对称大规模mimo信道估计方法 |
CN114401171B (zh) * | 2022-01-07 | 2023-07-14 | 南京邮电大学 | 一种基于互质阵列的非对称大规模mimo信道估计方法 |
WO2023232040A1 (zh) * | 2022-06-02 | 2023-12-07 | 华为技术有限公司 | 通信方法及通信装置 |
CN115396265A (zh) * | 2022-09-05 | 2022-11-25 | 西南交通大学 | 基于对称非均匀阵列矩阵重构的角度域信道估计方法 |
CN115396265B (zh) * | 2022-09-05 | 2023-07-28 | 西南交通大学 | 基于对称非均匀阵列矩阵重构的角度域信道估计方法 |
Also Published As
Publication number | Publication date |
---|---|
CN111193679B (zh) | 2022-04-19 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN111193679B (zh) | 一种基于互质阵列系统的信道估计方法及系统 | |
CN107290730B (zh) | 互耦条件下双基地mimo雷达角度估算方法 | |
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 | |
CN113472705B (zh) | 基于zc序列的ris辅助信道的估计及预测方法 | |
CN110927661A (zh) | 基于music算法的单基地展开互质阵列mimo雷达doa估计方法 | |
CN107104720B (zh) | 基于协方差矩阵虚拟域离散化重建的互质阵列自适应波束成形方法 | |
CN107703478B (zh) | 基于互相关矩阵的扩展孔径二维doa估计方法 | |
Xu et al. | DOA estimation for transmit beamspace MIMO radar via tensor decomposition with Vandermonde factor matrix | |
CN112929962B (zh) | 定位方法、装置、计算机设备和存储介质 | |
Wang et al. | Nested array sensor with grating lobe suppression and arbitrary transmit–receive beampattern synthesis | |
CN109951216B (zh) | 一种基于码本辅助的大规模mimo doa估计方法 | |
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 | |
Zhang et al. | DOA estimation of a novel generalized nested MIMO radar with high degrees of freedom and hole-free difference coarray | |
CN113075649A (zh) | 一种适用于分布式网络化雷达的信号级直接定位方法 | |
CN113253192A (zh) | 一种用于非圆信号的互质线阵级联doa估计方法 | |
Liu et al. | Beamspace U-ESPRIT DOA estimation algorithm of coherently distributed sources in massive MIMO systems | |
Xu et al. | Tensor-based angle and range estimation method in monostatic FDA-MIMO radar | |
CN109507634B (zh) | 一种任意传感器阵列下的基于传播算子的盲远场信号波达方向估计方法 | |
Zou et al. | High accuracy frequency and 2D-DOAs estimation of conformal array based on PARAFAC | |
WO2022166477A1 (zh) | 定位方法、装置、基站、计算机设备和存储介质 | |
CN115575941A (zh) | 面向稀疏阵列的频控阵mimo雷达目标参数估计方法 | |
Ma et al. | Computation-efficient 2-D DOA estimation algorithm with array motion strategy | |
Zhu et al. | Joint phased-MIMO and nested-array beamforming for increased degrees-of-freedom | |
CN113391266A (zh) | 基于非圆多嵌套阵降维子空间数据融合的直接定位方法 | |
Lan et al. | A novel DOA estimation of closely spaced sources using attention mechanism with conformal arrays |
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 |