CN111435158B - 一种信号到达角的估计方法及基站 - Google Patents
一种信号到达角的估计方法及基站 Download PDFInfo
- Publication number
- CN111435158B CN111435158B CN201910028442.XA CN201910028442A CN111435158B CN 111435158 B CN111435158 B CN 111435158B CN 201910028442 A CN201910028442 A CN 201910028442A CN 111435158 B CN111435158 B CN 111435158B
- Authority
- CN
- China
- Prior art keywords
- signal
- diagonal
- autocorrelation matrix
- eigenvalues
- 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.)
- Active
Links
Images
Classifications
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01S—RADIO DIRECTION-FINDING; RADIO NAVIGATION; DETERMINING DISTANCE OR VELOCITY BY USE OF RADIO WAVES; LOCATING OR PRESENCE-DETECTING BY USE OF THE REFLECTION OR RERADIATION OF RADIO WAVES; ANALOGOUS ARRANGEMENTS USING OTHER WAVES
- G01S3/00—Direction-finders for determining the direction from which infrasonic, sonic, ultrasonic, or electromagnetic waves, or particle emission, not having a directional significance, are being received
- G01S3/02—Direction-finders for determining the direction from which infrasonic, sonic, ultrasonic, or electromagnetic waves, or particle emission, not having a directional significance, are being received using radio waves
- G01S3/14—Systems for determining direction or deviation from predetermined direction
- G01S3/16—Systems for determining direction or deviation from predetermined direction using amplitude comparison of signals derived sequentially from receiving antennas or antenna systems having differently-oriented directivity characteristics or from an antenna system having periodically-varied orientation of directivity characteristic
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01S—RADIO DIRECTION-FINDING; RADIO NAVIGATION; DETERMINING DISTANCE OR VELOCITY BY USE OF RADIO WAVES; LOCATING OR PRESENCE-DETECTING BY USE OF THE REFLECTION OR RERADIATION OF RADIO WAVES; ANALOGOUS ARRANGEMENTS USING OTHER WAVES
- G01S5/00—Position-fixing by co-ordinating two or more direction or position line determinations; Position-fixing by co-ordinating two or more distance determinations
- G01S5/02—Position-fixing by co-ordinating two or more direction or position line determinations; Position-fixing by co-ordinating two or more distance determinations using radio waves
- G01S5/14—Determining absolute distances from a plurality of spaced points of known location
Landscapes
- Physics & Mathematics (AREA)
- Engineering & Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Radar, Positioning & Navigation (AREA)
- Remote Sensing (AREA)
- Radio Transmission System (AREA)
Abstract
本发明提供了一种信号到达角的估计方法及基站,其中该方法包括:获取面天线阵列接收信号的近似自相关矩阵;根据噪声传输特性,对所述近似自相关矩阵进行调整,得到调整后的自相关矩阵;根据所述调整后的自相关矩阵,确定信号到达角的估计值。本发明能够削弱噪声对于信号到达角检测的影响,提高信号到达角检测精度,避免漏检测和错检测,并还可以应用于多种类型的面天线阵列的信号到达角的估计,进而利于提高信号到达角估计的适配性。
Description
技术领域
本发明涉及通信技术领域,尤其涉及一种信号到达角的估计方法及基站。
背景技术
基于矩阵特征空间分解的多重信号分类(Multiple Signal Classification,简称MUSIC)方法,在几何上信号处理的观测空间可以分解为彼此正交的信号子空间和噪声子空间。信号子空间由阵列接收到的数据协方差矩阵中与信号对应的特征向量组成,噪声子空间则由协方差矩阵中所有最小特征值(噪声方差)对应的特征向量组成。根据其正交性构建空间谱函数,其谱峰对应的角度即是信号到达角。这种算法在低信噪比环境下,由于信号和噪声差别不大或者噪声强于信号,导致信号到达角的估计性能严重下降;当多个相干信源的信号到达角相近时,会出现三种可能情况:(1)谱函数中强信号将弱信号的谱峰覆盖,导致漏检;(2)信号强度相当时,不同信号的谱峰互相叠加后只出现一个谱峰,导致漏检并错检;(3)信号强度相当时,不同信号的谱峰互相叠加后谱峰中移,仍然出现两个谱峰,导致错检。此外,传统的基于旋转不变技术的信号参数估计(estimating signal parametervia rotational invariance techniques,简称ESPRIT)方法受限于天线阵列的物理结构,也不利于信号到达角的估计性能。
发明内容
本发明提供一种信号到达角的估计方法及基站,以解决低信噪比和多相干源信号相近到达场景下,信号到达角度估计性能差的问题。
本发明的实施例提供一种信号到达角的估计方法,包括:
获取面天线阵列接收信号的近似自相关矩阵;
根据噪声传输特性,对所述近似自相关矩阵进行调整,得到调整后的自相关矩阵;
根据所述调整后的自相关矩阵,确定信号到达角的估计值。
其中,所述根据噪声传输特性,对所述近似自相关矩阵进行调整,得到调整后的自相关矩阵,包括:
根据噪声传输特性对应的预设调整方式,对所述近似自相关矩阵中的对角线元素进行调整,得到调整后的自相关矩阵。
其中,所述对所述近似自相关矩阵中的对角线元素进行调整,得到调整后的自相关矩阵,包括:
根据所述近似自相关矩阵中的元素值,确定所述近似自相关矩阵中对角线元素的调整目标值;
根据所述调整目标值,将所述近似自相关矩阵调整为拓普利兹矩阵,得到调整后的自相关矩阵。
其中,所述根据所述近似自相关矩阵中的元素值,确定所述近似自相关矩阵中对角线元素的调整目标值,包括:
分别计算所述近似自相关矩阵中每条对角线上的对角线元素的平均值;
将所述平均值确定为各自对角线上的对角线元素的调整目标值;
其中,所述对角线为主对角线或与所述主对角线平行的副对角线。
其中,所述对所述近似自相关矩阵中的对角线元素进行调整,得到调整后的自相关矩阵,包括:
根据所述近似自相关矩阵,构建噪声对角矩阵;其中,所述噪声对角矩阵的行列数与所述近似自相关矩阵的行列数相等;
根据所述噪声对角矩阵,对所述近似自相关矩阵中的对角线元素进行调整,得到调整后的自相关矩阵。
其中,所述根据所述近似自相关矩阵,构建噪声对角矩阵,包括:
对所述近似自相关矩阵进行特征值分解,得到P个特征值;
根据所述P个特征值,构建所述噪声对角矩阵;其中,P为正整数。
其中,所述根据所述P个特征值,构建所述噪声对角矩阵的步骤,包括:
计算所述P个特征值中最小的P-D个特征值的平均值;
将所述平均值确定为对角矩阵中对角线元素的值,以构建所述噪声对角矩阵;其中,D为正整数,且D小于K。
其中,所述根据所述噪声对角矩阵,对所述近似自相关矩阵中的对角线元素进行调整,得到调整后的自相关矩阵,包括:
计算所述近似自相关矩阵与所述噪声对角矩阵之差,得到调整后的自相关矩阵。
其中,所述根据调整后的自相关矩阵,确定信号到达角的估计值,包括:
根据所述自相关矩阵,构建D路信号的信号子空间以及噪声子空间;其中,D为正整数;
根据所述D路信号的信号子空间和所述噪声子空间,构建D个谱函数;
根据所述D个谱函数,确定所述D路信号到达角的估计值。
其中,所述根据所述自相关矩阵,构建D路信号的信号子空间以及噪声子空间,包括:
对所述调整后的自相关矩阵进行特征值分解,得到P个特征值和所述P个特征值分别对应的特征向量;其中,P为正整数;
根据所述P个特征值中最大的前D个特征值,以及所述D个特征值对应的D个特征向量,构建D路信号的信号子空间;
根据所述P个特征值中除所述D个特征值外的P-D个特征值对应的P-D个特征向量,构建噪声子空间。
其中,所述根据所述P个特征值中最大的前D个特征值,以及所述D个特征值对应的D个特征向量,构建D路信号的信号子空间,包括:
获取信号调节因子;
根据所述信号调节因子对第i个特征向量进行调节,得到调节后的第i个特征向量;
根据所述调节后的第i个特征向量和所述D个特征向量中除所述第i个特征向量之外的特征向量,构建第i路信号的信号子空间;其中,i为正整数,且i小于或者等于D。
其中,所述获取信号调节因子,包括:
根据所述D个特征值,确定信号调节因子。
其中,所述根据所述D个特征值,确定信号调节因子,包括:
计算所述D个特征值的平均值;
将所述平均值确定为所述信号调节因子。
其中,所述根据所述信号调节因子对第i个特征向量进行调节,得到调节后的第i个特征向量,包括:
将所述调节因子与所述第i个特征向量的乘积,确定为调节后的第i个特征向量。
其中,所述D个谱函数中的第i个谱函数为:
其中,Pi为第i路信号对应的谱函数,为第i路信号的导向向量,θi为第i路信号的方位角,为第i路信号的仰角,Ei s为第i路信号的信号子空间,En为噪声子空间,H表示矩阵的共轭转置;i为正整数,且i小于或者等于D。
其中,所述根据所述D个谱函数,确定D路信号到达角的估计值,包括:
按照所述D个特征值从大到小的顺序,依次根据所述D个谱函数计算所述D路信号到达角的估计值。
其中,所述按照所述D个特征值从大到小的顺序,依次根据所述D个谱函数计算所述D路信号到达角的估计值,包括:
计算第i个谱函数中前D个谱峰值对应的D对角度值,所述角度值包括方位角值和仰角值;
根据前i-1路信号对应的i-1对角度值,将所述D对角度值中最大谱峰值对应的一对角度值,确定为所述第i路信号的到达角的估计值;i为正整数,且i小于或者等于D。
其中,所述根据前i-1路信号对应的i-1对角度值,将所述D对角度值中最大谱峰值对应的一对角度值,确定为所述第i路信号的到达角的估计值,包括:
确定所述D对角度值中除所述i-1对角度值之外的k对角度值;
将所述k对角度值中最大谱峰值对应的一对角度值,确定为所述第i路信号到达角的估计值;其中,k为正整数,且k小于或者等于D。
其中,D由基站侧预先设定,或者从信令中确定,或者由终端侧设定并反馈至基站侧。
本发明实施例还提供了一种基站,包括:收发机、存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序,所述处理器执行所述计算机程序时实现以下步骤:
获取面天线阵列接收信号的近似自相关矩阵;
根据噪声传输特性,对所述近似自相关矩阵进行调整,得到调整后的自相关矩阵;
根据所述调整后的自相关矩阵,确定信号到达角的估计值。
其中,所述处理器执行所述计算机程序时实现以下步骤:
根据噪声传输特性对应的预设调整方式,对所述近似自相关矩阵中的对角线元素进行调整,得到调整后的自相关矩阵。
其中,所述处理器执行所述计算机程序时实现以下步骤:
根据所述近似自相关矩阵中的元素值,确定所述近似自相关矩阵中对角线元素的调整目标值;
根据所述调整目标值,将所述近似自相关矩阵调整为拓普利兹矩阵,得到调整后的自相关矩阵。
其中,所述处理器执行所述计算机程序时实现以下步骤:
分别计算所述近似自相关矩阵中每条对角线上的对角线元素的平均值;
将所述平均值确定为各自对角线上的对角线元素的调整目标值;
其中,所述对角线为主对角线或与所述主对角线平行的副对角线。
其中,所述处理器执行所述计算机程序时实现以下步骤:
根据所述近似自相关矩阵,构建噪声对角矩阵;其中,所述噪声对角矩阵的行列数与所述近似自相关矩阵的行列数相等;
根据所述噪声对角矩阵,对所述近似自相关矩阵中的对角线元素进行调整,得到调整后的自相关矩阵。
其中,所述处理器执行所述计算机程序时实现以下步骤:
对所述近似自相关矩阵进行特征值分解,得到P个特征值;
根据所述P个特征值,构建所述噪声对角矩阵;其中,P为正整数。
其中,所述处理器执行所述计算机程序时实现以下步骤:
计算所述P个特征值中最小的P-D个特征值的平均值;
将所述平均值确定为对角矩阵中对角线元素的值,以构建所述噪声对角矩阵;其中,D为正整数,且D小于K。
其中,所述处理器执行所述计算机程序时实现以下步骤:
计算所述近似自相关矩阵与所述噪声对角矩阵之差,得到调整后的自相关矩阵。
其中,所述处理器执行所述计算机程序时实现以下步骤:
根据所述自相关矩阵,构建D路信号的信号子空间以及噪声子空间;其中,D为正整数;
根据所述D路信号的信号子空间和所述噪声子空间,构建D个谱函数;
根据所述D个谱函数,确定所述D路信号到达角的估计值。
其中,所述处理器执行所述计算机程序时实现以下步骤:
对所述调整后的自相关矩阵进行特征值分解,得到P个特征值和所述P个特征值分别对应的特征向量;其中,P为正整数;
根据所述P个特征值中最大的前D个特征值,以及所述D个特征值对应的D个特征向量,构建D路信号的信号子空间;
根据所述P个特征值中除所述D个特征值外的P-D个特征值对应的P-D个特征向量,构建噪声子空间。
其中,所述处理器执行所述计算机程序时实现以下步骤:
获取信号调节因子;
根据所述信号调节因子对第i个特征向量进行调节,得到调节后的第i个特征向量;
根据所述调节后的第i个特征向量和所述D个特征向量中除所述第i个特征向量之外的特征向量,构建第i路信号的信号子空间;其中,i为正整数,且i小于或者等于D。
其中,所述处理器执行所述计算机程序时实现以下步骤:
根据所述D个特征值,确定信号调节因子。
其中,所述处理器执行所述计算机程序时实现以下步骤:
计算所述D个特征值的平均值;
将所述平均值确定为所述信号调节因子。
其中,所述处理器执行所述计算机程序时实现以下步骤:
将所述调节因子与所述第i个特征向量的乘积,确定为调节后的第i个特征向量。
其中,所述D个谱函数中的第i个谱函数为:
其中,Pi为第i路信号对应的谱函数,为第i路信号的导向向量,θi为第i路信号的方位角,为第i路信号的仰角,Es i为第i路信号的信号子空间,En为噪声子空间,H表示矩阵的共轭转置;i为正整数,且i小于或者等于D。
其中,所述处理器执行所述计算机程序时实现以下步骤:
按照所述D个特征值从大到小的顺序,依次根据所述D个谱函数计算所述D路信号到达角的估计值。
其中,所述处理器执行所述计算机程序时实现以下步骤:
计算第i个谱函数中前D个谱峰值对应的D对角度值,所述角度值包括方位角值和仰角值;
根据前i-1路信号对应的i-1对角度值,将所述D对角度值中最大谱峰值对应的一对角度值,确定为所述第i路信号的到达角的估计值;i为正整数,且i小于或者等于D。
其中,所述处理器执行所述计算机程序时实现以下步骤:
确定所述D对角度值中除所述i-1对角度值之外的k对角度值;
将所述k对角度值中最大谱峰值对应的一对角度值,确定为所述第i路信号到达角的估计值;其中,k为正整数,且k小于或者等于D。
其中,D由基站侧预先设定,或者从信令中确定,或者由终端侧设定并反馈至基站侧。
本发明实施例还提供了一种基站,包括:
获取模块,用于获取面天线阵列接收信号的近似自相关矩阵;
调整模块,用于根据噪声传输特性,对所述近似自相关矩阵进行调整,得到调整后的自相关矩阵;
确定模块,用于根据所述调整后的自相关矩阵,确定信号到达角的估计值。
本发明实施例还提供了一种计算机可读存储介质,其上存储有计算机程序,该计算机程序被处理器执行时实现如上所述的信号到达角的估计方法的步骤。
本发明的上述技术方案的有益效果是:
本发明实施例,通过对噪声传输特性,对所述近似自相关矩阵进行调整,进而根据调整后的自相关矩阵,确定信号到达角的估计值,以削弱噪声对于信号到达角检测的影响,提高信号到达角检测精度,并且避免漏检测和错检测;此外,该方案还可以应用于多种类型的面天线阵列的信号到达角的估计,进而利于提高信号到达角估计的适配性。
附图说明
图1表示本发明实施例的信号到达角的估计方法的流程图;
图2表示本发明实施例的均匀面天线阵列的示意图;
图3表示本发明实施例中5G室内定位场景的示意图;
图4表示本发明实施例SRS参考信号SINR仿真结果的示意图;
图5a表示本发明实施例中采用传统MUISC算法的谱峰示意图之一;
图5b表示本发明实施例中拓普利兹消除噪声算法的谱峰示意图之一;
图6a表示本发明实施例中采用传统MUISC算法的谱峰示意图之二;
图6b表示本发明实施例中拓普利兹消除噪声算法的谱峰示意图之二;
图7a表示本发明实施例中特征值分解削弱噪声算法的谱峰示意图之一;
图7b表示本发明实施例中特征值分解削弱噪声算法的谱峰示意图之二;
图7c表示本发明实施例中特征值分解削弱噪声算法的谱峰示意图之三;
图8a表示本发明实施例中仰角的RMSE随天线元素数量变化的曲线;
图8b表示本发明实施例中方位角的RMSE随天线元素数量变化的曲线;
图9表示本发明实施例的基站的框图;
图10表示本发明的基站的结构框图。
具体实施方式
为使本发明要解决的技术问题、技术方案和优点更加清楚,下面将结合附图及具体实施例进行详细描述。在下面的描述中,提供诸如具体的配置和组件的特定细节仅仅是为了帮助全面理解本发明的实施例。因此,本领域技术人员应该清楚,可以对这里描述的实施例进行各种改变和修改而不脱离本发明的范围和精神。另外,为了清楚和简洁,省略了对已知功能和构造的描述。
应理解,说明书通篇中提到的“一个实施例”或“一实施例”意味着与实施例有关的特定特征、结构或特性包括在本发明的至少一个实施例中。因此,在整个说明书各处出现的“在一个实施例中”或“在一实施例中”未必一定指相同的实施例。此外,这些特定的特征、结构或特性可以任意适合的方式结合在一个或多个实施例中。
在本发明的各种实施例中,应理解,下述各过程的序号的大小并不意味着执行顺序的先后,各过程的执行顺序应以其功能和内在逻辑确定,而不应对本发明实施例的实施过程构成任何限定。
另外,本文中术语“系统”和“网络”在本文中常可互换使用。
在本申请所提供的实施例中,应理解,“与A相应的B”表示B与A相关联,根据A可以确定B。但还应理解,根据A确定B并不意味着仅仅根据A确定B,还可以根据A和/或其它信息确定B。
本发明实施例中,接入网的形式不限,可以是包括宏基站(Macro Base Station)、微基站(Pico Base Station)、Node B(3G移动基站的称呼)、增强型基站(eNB)、gNB(5G移动基站的称呼),家庭增强型基站(Femto eNB或Home eNode B或Home eNB或HeNB)、中继站、接入点、RRU(Remote Radio Unit,远端射频模块)、RRH(Remote Radio Head,射频拉远头)等的接入网。用户终端可以是移动电话(或手机),或者其他能够发送或接收无线信号的设备,包括用户设备、个人数字助理(PDA)、无线调制解调器、无线通信装置、手持装置、膝上型计算机、无绳电话、无线本地回路(WLL)站、能够将移动信号转换为WiFi信号的CPE(CustomerPremise Equipment,客户终端)或移动智能热点、智能家电、或其他不通过人的操作就能自发与移动通信网络通信的设备等。
具体地,本发明的实施例提供了一种信号到达角的估计方法,解决了低信噪比和多相干源信号相近到达场景下,信号到达角度估计性能差的问题。
本发明实施例中的信号到达角的估计方法由基站侧执行,由终端侧上报到达角估计请求消息。
如图1所示,本发明的实施例提供了一种信号到达角的估计方法,具体包括以下步骤:
步骤11:获取面天线阵列接收信号的近似自相关矩阵。
其中,该面天线阵列包括但不限于:均匀阵列、非均匀阵列、长方形阵列、圆形阵列等。
其中,近似自相关矩阵是K个不同时刻的接收信号的自相关矩阵的均值;K为正整数。
具体的,在t时刻的接收信号的自相关矩阵可以采用如下方式确定:基于天线阵列的流型矩阵确定天线阵列在t时刻的接收信号;根据天线阵列在t时刻的接收信号,确定该天线阵列的接收信号的自相关矩阵。
进而基于大数据定理,求解K个不同时刻的接收信号的自相关矩阵的均值,确定为天线阵列接收信号的近似自相关矩阵。需要说明的是,K的取值越大近似效果越好,K的取值可以根据实际需求确定,这里不做具体限定。
为了方便说明,以下以均匀面阵列为例:
如图2,给出了一种均匀的面天线阵列的示例,该均匀的面天线阵列20有N行M列的均匀各向同性的天线元素201(M、N为正整数),有D路信号到达该天线阵列(D为正整数,且D小于或者等于P,P与M、N相关联,P为M、N的乘积)则天线阵列的流型矩阵构成如下:
在t时刻天线阵列端的接收信号为:
x(t)=A×s(t)+n(t)
其中,x(t)为t时刻天线阵列端的接收信号,s(t)为D路信号在t时刻的复幅值向量,n(t)为天线阵列的噪声信号,A为天线阵列的流型矩阵。
进一步,通过求解K个不同时刻接收信号的自相关矩阵的均值,近似求解天线阵列端接收信号的近似自相关矩阵,该近似自相关矩阵为:
其中,Rx为天线阵列端接收信号的近似自相关矩阵,xi(t)为第i个t时刻的接收信号,K为快拍数。
步骤12:根据噪声传输特性,对所述近似自相关矩阵进行调整,得到调整后的自相关矩阵。
其中,噪声传输特性包括噪声传输参数,如:信噪比。
例如:在来波方向差别较大时,将所述近似自相关矩阵调整为拓普利兹矩阵;在来波方向差别较小时,通过噪声的近似方差对所述近似自相关矩阵进行调整,以削弱噪声对于信号到达角检测的影响,提高信号到达角检测精度。
步骤13:根据所述调整后的自相关矩阵,确定信号到达角的估计值。
上述方案中,通过对噪声传输特性,对所述近似自相关矩阵进行调整,进而根据调整后的自相关矩阵,确定信号到达角的估计值,以削弱噪声对于信号到达角检测的影响,提高信号到达角检测精度,并且避免漏检测和错检测;此外,该方案还可以应用于多种类型的面天线阵列的信号到达角的估计,进而利于提高信号到达角估计的适配性。
其中,上述步骤12具体包括:根据噪声传输特性对应的预设调整方式,对所述近似自相关矩阵中的对角线元素进行调整,得到调整后的自相关矩阵。
对所述近似自相关矩阵中的对角线元素进行调整包括但不限于以下方式:
方式一:根据所述近似自相关矩阵中的元素值,确定所述近似自相关矩阵中对角线元素的调整目标值;
根据所述调整目标值,将所述近似自相关矩阵调整为拓普利兹矩阵,得到调整后的自相关矩阵。
作为一种具体的实现方式,根据所述近似自相关矩阵中的元素值,确定所述近似自相关矩阵中对角线元素的调整目标值可以包括:
分别计算所述近似自相关矩阵中每条对角线上的对角线元素的平均值;
其中,每条对角线上的对角线元素的平均值为:
其中,为第l条对角线上的对角线元素的平均值,i为所述近似自相关矩阵中元素的行角标,j为所述近似自相关矩阵中元素的列角标,l=-(MN-1),-(MN-2),…,-1,0,1,…,(MN-2),(MN-1)。
将所述平均值确定为各自对角线上的对角线元素的调整目标值;其中,所述对角线为主对角线或与所述主对角线平行的副对角线。
进而根据所述调整目标值(每条对角线上的对角线元素的平均值),将所述近似自相关矩阵调整为拓普利兹矩阵,得到调整后的自相关矩阵为:
该实施例中,当噪声统计特征不理想,或者噪声较大时(如:来波方向较远时),通过将接接收信号的近似自相关矩阵调整为拓普利兹矩阵,以削弱噪声对信号到达角检测的影响,从而有利于提高信号到达角检测的精度。
方式二:根据所述近似自相关矩阵,构建噪声对角矩阵;其中,所述噪声对角矩阵的行列数与所述近似自相关矩阵的行列数相等;
根据所述噪声对角矩阵,对所述近似自相关矩阵中的对角线元素进行调整,得到调整后的自相关矩阵。
例如:可以根据所述近似自相关矩阵,确定噪声的近似方差;根据该噪声的近似方差,构建噪声对角矩阵。
作为一种具体的实现方式,根据所述近似自相关矩阵,构建噪声对角矩阵可以包括:
对所述近似自相关矩阵进行特征值分解,得到P个特征值;
根据所述P个特征值,构建所述噪声对角矩阵;其中,P为正整数,P为M*N。
进一步地,根据所述P个特征值,构建所述噪声对角矩阵可以包括:
计算所述P个特征值中最小的P-D个特征值的平均值(即噪声的近似方差);
具体的,对所述近似自相关矩阵进行特征值分解得到的P个特征值,将该P个特征值按照从大到小的顺序排列为:λ1,λ2,…λP;取该从大到小排列的P个特征值中最大的前D个第一特征值,该P个特征值中除该D个第一特征值之外的第二特征值即为P个特征值中最小的P-D个特征值。
例如:该P个特征值为:15,13,10,10,7,6,5,5,5,4,2,1;D的取值为5,则最大的前D个特征值为:15,13,10,10,7;最小的P-D个特征值为:6,5,5,5,4,2,1。
需要说明的是,本发明实施例在能够区分P个特征值中最大的前D个特征值,以及最小的P-D个特征值即可,并非一定需要执行排序的步骤。例如:在该P个特征值的大小顺序随机(可能不是按照从大到小或者从小到大的顺序)的情况下,可以不对该P个特征值的大小顺序进行排列,而直接筛选出该P个特征值中最小的P-D个特征值。
所述P个特征值中最小的P-D个特征值的平均值为:
将所述平均值确定为对角矩阵中对角线元素的值,以构建所述噪声对角矩阵;其中,D为正整数,且D小于K。
其中,D可以由基站侧预先设定,或者从信令中确定,或者由终端侧设定并反馈至基站侧。
作为一种具体的实现方式,根据所述噪声对角矩阵,对所述近似自相关矩阵中的对角线元素进行调整,得到调整后的自相关矩阵可以包括:
计算所述近似自相关矩阵与所述噪声对角矩阵之差,得到调整后的自相关矩阵。
该实施例中,通过计算所述P个特征值中最小的P-D个特征值的平均值,也即计算噪声特征值的平均值,用以表征噪声水平,即近似为噪声的方差,并通过该平均值构建的噪声对角矩阵,对接收信号的近似自相关矩阵进行调整,以消除部分噪声对特征值分解的影响(如:在来波方向较近时,噪声对特征值分解的影响),进而削弱噪声对信号到达角检测的影响,从而有利于提高信号到达角检测的精度。
其中,上述步骤13具体包括:根据所述自相关矩阵,构建D路信号的信号子空间以及噪声子空间;其中,D为正整数,D可以由基站侧预先设定,或者从信令中确定,或者由终端侧设定并反馈至基站侧;
根据所述D路信号的信号子空间和所述噪声子空间,构建D个谱函数;
根据所述D个谱函数,确定所述D路信号到达角的估计值。
进一步地,根据所述自相关矩阵,构建D路信号的信号子空间以及噪声子空间可以包括:
对所述调整后的自相关矩阵进行特征值分解,得到P个特征值和所述P个特征值分别对应的特征向量;其中,P为正整数;
根据所述P个特征值中最大的前D个特征值,以及所述D个特征值对应的D个特征向量,构建D路信号的信号子空间;
根据所述P个特征值中除所述D个特征值外的P-D个特征值对应的P-D个特征向量,构建噪声子空间。
具体的,对所述调整后的自相关矩阵进行特征值分解,得到P个特征值、所述P个特征值分别对应的特征向量以及所述特征向量构成的特征矩阵;将该P个特征值按照从大到小的顺序进行排序,特征矩阵根据特征向量与特征值之间的对应关系进行调整,最终得到排序后的P个特征值、P个特征值分别对应的特征向量,以及调整后的特征矩阵。其中,P个特征值中最大的前D个特征值对应信号,最小的后P-D各特征值对应噪声。
更进一步地,根据所述P个特征值中最大的前D个特征值,以及所述D个特征值对应的D个特征向量,构建D路信号的信号子空间可以包括:
获取信号调节因子;
具体的,可以根据所述D个特征值,确定信号调节因子,用以表征信号的能量和。作为一种具体的实现方式,可以是计算所述D个特征值的平均值;将所述平均值确定为所述信号调节因子。
其中,信号调节因子为:α=λ1 2+λ2 2+…+λD 2,其中α为信号调节因子;λ1,λ2,…,λD为P个特征值中最大的前D个特征值。
根据所述信号调节因子对第i个特征向量进行调节,得到调节后的第i个特征向量;
作为一种具体的实现方式,可以是将所述调节因子与所述第i个特征向量的乘积,确定为调节后的第i个特征向量,即增大第i个特征向量的幅值,实现对该第i个特征向量的调节。
根据所述调节后的第i个特征向量和所述D个特征向量中除所述第i个特征向量之外的特征向量,构建第i路信号的信号子空间;其中,i为正整数,且i小于或者等于D。
第i路信号的信号子空间为:
Es i=[ν1 ν2 ν3…α*νi…νD]
其中,ν1,ν2,ν3…,νD是与所述D个特征值分别对应的特征向量,νi是与特征值λi对应的特征向量,也即时特征矩阵中的第i列。
噪声子空间为:
En=[νD+1 νD+2 ν3…νP]
其中,νD+1,νD+2,…,νP是与所述P-D个特征值分别对应的特征向量。
所述D个谱函数中的第i个谱函数为:
其中,Pi为第i路信号对应的谱函数,为第i路信号的导向向量,θi为第i路信号的方位角,为第i路信号的仰角,Es i为第i路信号的信号子空间,En为噪声子空间,H表示矩阵的共轭转置;i为正整数,且i小于或者等于D。
该实施例中,通过调节因子对第i个特征向量进行调节,相当于用所有信号的能量和去调节第i路信号,使其成为强信号,避免第i路信号的谱峰可能被强信号的谱峰覆盖的问题,还可以避免第i路信号的信号与其他信号的信号强度可能相当时,导致的漏、错检问题,从而解决邻居信号的谱峰干扰问题,有利于提升信号到达角相差较小的情况下信号到达角的估计精度,并且具有较好的稳定性,有效减少了漏检和错检率。
进一步地,根据所述D个谱函数,确定D路信号到达角的估计值可以包括:按照所述D个特征值从大到小的顺序,依次根据所述D个谱函数计算所述D路信号到达角的估计值。
其中,特征值与特征向量对应,信号子空间与特征向量关联,D个谱函数与D路信号的信号子空间一一对应,则D个谱函数的计算次序即为该D个特征值从大到小的顺序。
更进一步地,所述按照所述D个特征值从大到小的顺序,依次根据所述D个谱函数计算所述D路信号到达角的估计值,包括:
计算第i个谱函数中前D个谱峰值对应的D对角度值,所述角度值包括方位角值和仰角值;
根据前i-1路信号对应的i-1对角度值,将所述D对角度值中最大谱峰值对应的一对角度值,确定为所述第i路信号的到达角的估计值;i为正整数,且i小于或者等于D。
作为一种具体的实现方式,可以是确定所述D对角度值中除所述i-1对角度值之外的k对角度值;将所述k对角度值中最大谱峰值对应的一对角度值,确定为所述第i路信号到达角的估计值;其中,k为正整数,且k小于或者等于D。
例如:第i对角度值(第i路信号到达角的估计值)的检验过程为:将已检出的前i-1对角度值存于数组Angle中,对第i个谱函数进行谱峰搜索。取出前D个谱峰值对应的D对角度值,并从该D对角度值中剔除掉数组Angle中已检出的i-1对角度,剩余的D-i+1(即为k)对角度值中与最大谱峰值对应的一对角度值即是第i对角度值(第i路信号到达角的估计值)。这样,经过D次相同的谱峰搜索过程,D路信号分别对应的D对方位角和仰角可以被成功检出,并且具有较好的精度。
以下结合具体应用场景对本发明实施例的信号到达角的估计方法进行说明:
如图3,给出了一种5G室内定位场景。在120×50m的室内空间内,基站间距20m,高3m与室内环境高度一致进行部署。在此场景下,由于基站的密集部署,用户终端在同一时刻可能与多个基站之间存在直射径。图3中,BS表示基站(Base Station)。
上行链路的信道探测信号(Sounding reference signal,简称SRS),由用户终端周期性的上报给基站,且与发送的数据无关,占用独立频域资源,本是用于估计上行信道频域信息,做频率选择性调度;用于估计上行信道,做下行波束赋形等。由于SRS信号周期性、可配置性以及独立存在性即不需要发送数据,也可以独立存在,有利于作为实时定位参考信号。
5G中的SRS信号的序列生成和物理资源映射过程如下:
SRS资源由SRS资源信息部分(SRS—Resource IE)配置完成,主要包含:
k0,指频域的开始位置。
SRS序列生成:
SRS序列向物理层映射:
即将SRS序列中的(k′,l′)符号按照某种规则映射到资源块的(k'+k0(pi),l'+l0)进行传输。
mSRS,b可以通过查看表一不同的小区参考信号(Cell Reference Signal,简称CRS)配置模式得到,表示一个无线电报务员(Radio Bearer,简称RB)内子载波数目,otherwise表示其他。
nRRC是上层配置的量,Nb可以通过查下表一得到。
基于以上公式,SRS信号的复用因子大致可表示为KTC*Nb,KTC取值为2或4。由下表一查看Nb(N1,N2,N3)取值,根据CRS配置方式不同,取值从1到17。
表一:SRS的CRS配置方式。
本发明实施例中使用用户密度、SRS复用因子、干扰模型结合点对点协议(Point-to-Point Protocol,简称PPP)推演5G室内(Indoor)场景下SRS作为上行定位参考信号的典型信号与干扰加噪声比(Signal to Interference plus Noise Ratio,简称SINR),以便进行下一步的仿真,具体过程如下:
用户位置可以用密度为λu的齐次泊松点过程Φu进行建模,网络中基站的位置同样采用密度为λ的独立于Φu的齐次泊松点过程Φ进行建模。
基站接收到用户i参考信号的SINR可定义为:
其中,h为用户与基站间的小尺度衰落,h~exp(1)。
对于一定的SINR门限值τ,典型用户的成功接收概率可表示为:
其中,干扰项I的拉普拉斯变换表示为:
综上可以得到:
所以,
表二:SRS参考信号SINR仿真参数表。
仿真参数 | 取值 |
λ<sub>u</sub> | 1/16 |
P | 23dBm |
α | 4 |
距基站最小距离 | 5m |
噪声 | -174dBm/Hz |
σ<sup>2</sup> | 10^-13.4 |
如图4,给出了一种SRS参考信号SINR仿真结果的示例,其中,y轴表示成功接收的概率,x轴表示正确接收门限设定值τ(单位为dB),由图4可知,当接收门限设定为-10dB时,将近90%的传输可以被正确接收,即表示该场景下有90%用户SRS信号的SINR在-10dB及以上。
以下为本发明实施例的信号达到角估计方法仿真分析:
拓普利兹削弱噪声:
仿真中有三路信号分别以30°,34°,38°到达天线阵列,信噪比-10dB,快拍数为1024,谱峰扫描步长0.05°,天线阵列的天线元素数目为20。图5a是采用以上参数进行传统MUISC算法的谱峰示意图,图5a中只有锋利的一个峰值点。图5b是采用以上参数进行本发明实施例中的拓普利兹消除噪声算法的谱峰示意图,可见本发明实施例能够清晰地分辨出三个峰值点。图5a和图5b中横轴表示信号到达角(单位为°),纵轴表示信噪比(单位为dB)。
仿真中有三路信号分别以30°,33°,36°到达天线阵列,信噪比-10dB,快拍数为1024,谱峰扫描步长0.05°,天线阵列的天线元素数目为20。如图6a,是基于图5a进行修改后的谱峰示意图,图6a是采用以上参数进行传统MUISC算法的谱峰示意图,图6b是采用以上参数进行本发明实施例中的拓普利兹消除噪声算法的谱峰示意图,图6a和图6b中横轴表示信号到达角(单位为°),纵轴表示信噪比(单位为dB)。通过对比修改前后的仿真结果发现,该操作只是增加了谱峰的锐利程度并不能提升角度估计的精度和分辨率,拓普利兹消除噪声算法在信号到达角相差较小时存在局限性,在信号到达角相差较大时具有提升角度估计的精度和分辨率的显著效果。
特征值分解削弱噪声:
在同样的仿真环境下(即三路信号分别以30°,33°,36°到达天线阵列,信噪比-10dB,快拍数为1024,谱峰扫描步长0.05°,天线阵列的天线元素数目为20),采用特征值分解削弱噪声方法以及到达角谱峰扫描策略可以得出三个信号到达角度,分别为30.95°,35.65°,33.25°,各自对应的谱峰如图7a、图7b、图7c所示,其中横轴表示信号到达角(单位为°),纵轴表示信噪比(单位为dB)。与真实值分别相差0.95°,0.25°,0.35°。可见,通过特征值分解削弱噪声影响,并采用本发明实施例中的谱函数构建法和谱峰扫描策略可以在信号到达角度较近时提供较为准确的角度估计结果。
不同信号到达情形下的各方案均方根误差(root-mean-square error,简称RMSE)仿真:
仿真环境:
表三:
仿真环境:信噪比固定为-5dB,200次drop,快拍数1024。
如图8a,是仰角的RMSE随天线元素数量变化的曲线,如图8b,是方位角的RMSE随天线元素数量变化的曲线。
当信号到达角度较远,各路信号信噪比随机产生于-10~0dB时,特征值分解削弱噪声MUSIC算法仰角的RMSE在0.004°左右,方位角的RMSE在7e-4°左右。而拓普利兹削弱噪声MUSIC算法仰角的RMSE在0.001°左右,方位角的RMSE值在4e-4°左右,可以提供更加准确的精度。
当信号到达角度较近,各路信号信噪比随机产生于-10~0dB时,拓普利兹削弱噪声MUSIC算法仰角的RMSE在20°左右,方位角的RMSE值在15°左右。而特征值分解削弱噪声MUSIC算法仰角的RMSE在0.9°左右,方位角的RMSE在0.6°左右。
由以上的仿真结果可知,本发明实施例中的信号到达角估计方法,能够更好地应对低信噪比环境和多路信号到达角度相近的情景。其中方位角的精度普遍高于仰角的估计精度,可采用立体天线阵列提高仰角的估计精度。
由仿真不同天线阵列元素个数的角度估计RMSE,可以看出该方法存在天线阵列元素个数的下限,即为了保证信号到达角的估计精度,需要提供一定尺寸的天线阵列。通过仿真结果可知,当天线元素个数到达门限后,角度估计精度对于天线尺寸不再敏感。因此,在生产实际中只要保证天线尺寸达到门限值,角度估计就可以获得较好的收益。
以上实施例就本发明的信号到达角的估计方法做出介绍,下面本实施例将结合附图对其对应的基站做进一步说明。
具体地,如图9所示,本发明实施例的基站900,包括:
获取模块910,用于获取面天线阵列接收信号的近似自相关矩阵;
调整模块920,用于根据噪声传输特性,对所述近似自相关矩阵进行调整,得到调整后的自相关矩阵;
确定模块930,用于根据所述调整后的自相关矩阵,确定信号到达角的估计值。
其中,所述调整模块920包括:
调整子模块,用于根据噪声传输特性对应的预设调整方式,对所述近似自相关矩阵中的对角线元素进行调整,得到调整后的自相关矩阵。
其中,所述调整子模块包括:
确定单元,用于根据所述近似自相关矩阵中的元素值,确定所述近似自相关矩阵中对角线元素的调整目标值;
第一调整单元,用于根据所述调整目标值,将所述近似自相关矩阵调整为拓普利兹矩阵,得到调整后的自相关矩阵。
其中,所述确定单元包括:
第一计算子单元,用于分别计算所述近似自相关矩阵中每条对角线上的对角线元素的平均值;
第一确定子单元,用于将所述平均值确定为各自对角线上的对角线元素的调整目标值;
其中,所述对角线为主对角线或与所述主对角线平行的副对角线。
其中,所述调整子模块包括:
构建单元,用于根据所述近似自相关矩阵,构建噪声对角矩阵;其中,所述噪声对角矩阵的行列数与所述近似自相关矩阵的行列数相等;
第二调整单元,用于根据所述噪声对角矩阵,对所述近似自相关矩阵中的对角线元素进行调整,得到调整后的自相关矩阵。
其中,所述构建单元包括:
分解子单元,用于对所述近似自相关矩阵进行特征值分解,得到P个特征值;
第一构建子单元,用于根据所述P个特征值,构建所述噪声对角矩阵;其中,P为正整数。
其中,所述第一构建子单元具体用于:计算所述P个特征值中最小的P-D个特征值的平均值;将所述平均值确定为对角矩阵中对角线元素的值,以构建所述噪声对角矩阵;其中,D为正整数,且D小于K。
其中,所述第二调整单元包括:
第二计算子单元,用于计算所述近似自相关矩阵与所述噪声对角矩阵之差,得到调整后的自相关矩阵。
其中,所述确定模块930包括:
第一构建子模块,用于根据所述自相关矩阵,构建D路信号的信号子空间以及噪声子空间;其中,D为正整数;
第二构建子模块,用于根据所述D路信号的信号子空间和所述噪声子空间,构建D个谱函数;
确定子模块,用于根据所述D个谱函数,确定所述D路信号到达角的估计值。
其中,所述第一构建子模块包括:
第一分解单元,用于对所述调整后的自相关矩阵进行特征值分解,得到P个特征值和所述P个特征值分别对应的特征向量;其中,P为正整数;
第一构建单元,用于根据所述P个特征值中最大的前D个特征值,以及所述D个特征值对应的D个特征向量,构建D路信号的信号子空间;
第二构建单元,用于根据所述P个特征值中除所述D个特征值外的P-D个特征值对应的P-D个特征向量,构建噪声子空间。
其中,所述第一构建单元包括:
获取子单元,用于获取信号调节因子;
调节子单元,用于根据所述信号调节因子对第i个特征向量进行调节,得到调节后的第i个特征向量;
第二构建子单元,用于根据所述调节后的第i个特征向量和所述D个特征向量中除所述第i个特征向量之外的特征向量,构建第i路信号的信号子空间;其中,i为正整数,且i小于或者等于D。
其中,所述获取子单元具体用于:根据所述D个特征值,确定信号调节因子。
其中,所述获取子单元还具体用于:计算所述D个特征值的平均值;将所述平均值确定为所述信号调节因子。
其中,所述调节子单元具体用于:将所述调节因子与所述第i个特征向量的乘积,确定为调节后的第i个特征向量。
其中,所述D个谱函数中的第i个谱函数为:
其中,Pi为第i路信号对应的谱函数,为第i路信号的导向向量,θi为第i路信号的方位角,为第i路信号的仰角,Es i为第i路信号的信号子空间,En为噪声子空间,H表示矩阵的共轭转置;i为正整数,且i小于或者等于D。
其中,所述确定子模块包括:
计算单元,用于按照所述D个特征值从大到小的顺序,依次根据所述D个谱函数计算所述D路信号到达角的估计值。
其中,所述计算单元包括:
第三计算子单元,用于计算第i个谱函数中前D个谱峰值对应的D对角度值,所述角度值包括方位角值和仰角值;
第二确定子单元,用于根据前i-1路信号对应的i-1对角度值,将所述D对角度值中最大谱峰值对应的一对角度值,确定为所述第i路信号的到达角的估计值;i为正整数,且i小于或者等于D。
其中,所述第二确定子单元具体用于:确定所述D对角度值中除所述i-1对角度值之外的k对角度值;将所述k对角度值中最大谱峰值对应的一对角度值,确定为所述第i路信号到达角的估计值;其中,k为正整数,且k小于或者等于D。
其中,D为基站侧预先设定或者通过信令确定或者通过终端侧设定并反馈至基站侧。
本发明的基站实施例是与上述信号到达角的估计方法的实施例对应的,上述方法实施例中的所有实现手段均适用于该基站的实施例中,也能达到相同的技术效果。
本发明实施例中的基站900,通过对噪声传输特性,对所述近似自相关矩阵进行调整,进而根据调整后的自相关矩阵,确定信号到达角的估计值,以削弱噪声对于信号到达角检测的影响,提高信号到达角检测精度,并且避免漏检测和错检测;此外,该方案还可以应用于多种类型的面天线阵列的信号到达角的估计,进而利于提高信号到达角估计的适配性。
为了更好的实现上述目的,如图10所示,本发明实施例还提供了一种基站,该基站包括:处理器1000;通过总线接口1030与所述处理器1000相连接的存储器1020,以及通过总线接口1030与处理器1000相连接的收发机1010;所述存储器1020用于存储所述处理器1000在执行操作时所使用的程序和数据;通过所述收发机1010发送数据信息或者导频,还通过所述收发机1010接收上行控制信道;当处理器1000调用并执行所述存储器1020中所存储的程序和数据时,实现如下的功能。
处理器1000用于读取存储器1020中的程序,所述处理器1000执行所述计算机程序时实现以下步骤:获取面天线阵列接收信号的近似自相关矩阵;根据噪声传输特性,对所述近似自相关矩阵进行调整,得到调整后的自相关矩阵;根据所述调整后的自相关矩阵,确定信号到达角的估计值。
所述处理器1000执行所述计算机程序时实现以下步骤:根据噪声传输特性对应的预设调整方式,对所述近似自相关矩阵中的对角线元素进行调整,得到调整后的自相关矩阵。
所述处理器1000执行所述计算机程序时实现以下步骤:根据所述近似自相关矩阵中的元素值,确定所述近似自相关矩阵中对角线元素的调整目标值;根据所述调整目标值,将所述近似自相关矩阵调整为拓普利兹矩阵,得到调整后的自相关矩阵。
所述处理器1000执行所述计算机程序时实现以下步骤:分别计算所述近似自相关矩阵中每条对角线上的对角线元素的平均值;将所述平均值确定为各自对角线上的对角线元素的调整目标值;其中,所述对角线为主对角线或与所述主对角线平行的副对角线。
所述处理器1000执行所述计算机程序时实现以下步骤:根据所述近似自相关矩阵,构建噪声对角矩阵;其中,所述噪声对角矩阵的行列数与所述近似自相关矩阵的行列数相等;根据所述噪声对角矩阵,对所述近似自相关矩阵中的对角线元素进行调整,得到调整后的自相关矩阵。
所述处理器1000执行所述计算机程序时实现以下步骤:对所述近似自相关矩阵进行特征值分解,得到P个特征值;根据所述P个特征值,构建所述噪声对角矩阵;其中,P为正整数。
所述处理器1000执行所述计算机程序时实现以下步骤:计算所述P个特征值中最小的P-D个特征值的平均值;将所述平均值确定为对角矩阵中对角线元素的值,以构建所述噪声对角矩阵;其中,D为正整数,且D小于K。
所述处理器1000执行所述计算机程序时实现以下步骤:计算所述近似自相关矩阵与所述噪声对角矩阵之差,得到调整后的自相关矩阵。
所述处理器1000执行所述计算机程序时实现以下步骤:根据所述自相关矩阵,构建D路信号的信号子空间以及噪声子空间;其中,D为正整数;根据所述D路信号的信号子空间和所述噪声子空间,构建D个谱函数;根据所述D个谱函数,确定所述D路信号到达角的估计值。
所述处理器1000执行所述计算机程序时实现以下步骤:对所述调整后的自相关矩阵进行特征值分解,得到P个特征值和所述P个特征值分别对应的特征向量;其中,P为正整数;根据所述P个特征值中最大的前D个特征值,以及所述D个特征值对应的D个特征向量,构建D路信号的信号子空间;根据所述P个特征值中除所述D个特征值外的P-D个特征值对应的P-D个特征向量,构建噪声子空间。
所述处理器1000执行所述计算机程序时实现以下步骤:获取信号调节因子;根据所述信号调节因子对第i个特征向量进行调节,得到调节后的第i个特征向量;根据所述调节后的第i个特征向量和所述D个特征向量中除所述第i个特征向量之外的特征向量,构建第i路信号的信号子空间;其中,i为正整数,且i小于或者等于D。
所述处理器1000执行所述计算机程序时实现以下步骤:根据所述D个特征值,确定信号调节因子。
所述处理器1000执行所述计算机程序时实现以下步骤:计算所述D个特征值的平均值;将所述平均值确定为所述信号调节因子。
所述处理器1000执行所述计算机程序时实现以下步骤:将所述调节因子与所述第i个特征向量的乘积,确定为调节后的第i个特征向量。
其中,所述D个谱函数中的第i个谱函数为:
其中,Pi为第i路信号对应的谱函数,为第i路信号的导向向量,θi为第i路信号的方位角,为第i路信号的仰角,Es i为第i路信号的信号子空间,En为噪声子空间,H表示矩阵的共轭转置;i为正整数,且i小于或者等于D。
所述处理器1000执行所述计算机程序时实现以下步骤:按照所述D个特征值从大到小的顺序,依次根据所述D个谱函数计算所述D路信号到达角的估计值。
所述处理器1000执行所述计算机程序时实现以下步骤:计算第i个谱函数中前D个谱峰值对应的D对角度值,所述角度值包括方位角值和仰角值;根据前i-1路信号对应的i-1对角度值,将所述D对角度值中最大谱峰值对应的一对角度值,确定为所述第i路信号的到达角的估计值;i为正整数,且i小于或者等于D。
所述处理器1000执行所述计算机程序时实现以下步骤:确定所述D对角度值中除所述i-1对角度值之外的k对角度值;将所述k对角度值中最大谱峰值对应的一对角度值,确定为所述第i路信号到达角的估计值;其中,k为正整数,且k小于或者等于D。
其中,D为基站侧预先设定或者通过信令确定或者通过终端侧设定并反馈至基站侧。
本发明实施例中的基站,通过对噪声传输特性,对所述近似自相关矩阵进行调整,进而根据调整后的自相关矩阵,确定信号到达角的估计值,以削弱噪声对于信号到达角检测的影响,提高信号到达角检测精度,并且避免漏检测和错检测;此外,该方案还可以应用于多种类型的面天线阵列的信号到达角的估计,进而利于提高信号到达角估计的适配性。
收发机1010,用于在处理器1000的控制下接收和发送数据。
其中,在图10中,总线架构可以包括任意数量的互联的总线和桥,具体由处理器1000代表的一个或多个处理器和存储器1020代表的存储器的各种电路链接在一起。总线架构还可以将诸如外围设备、稳压器和功率管理电路等之类的各种其他电路链接在一起,这些都是本领域所公知的,因此,本文不再对其进行进一步描述。总线接口提供接口。收发机1010可以是多个元件,即包括发送机和收发机,提供用于在传输介质上与各种其他装置通信的单元。处理器1000负责管理总线架构和通常的处理,存储器1020可以存储处理器1000在执行操作时所使用的数据。
本发明实施例还提供一种计算机可读存储介质,计算机可读存储介质上存储有计算机程序,该计算机程序被处理器执行时实现上述信号到达角的估计方法实施例的各个过程,且能达到相同的技术效果,为避免重复,这里不再赘述。其中,所述的计算机可读存储介质,如只读存储器(Read-Only Memory,简称ROM)、随机存取存储器(Random AccessMemory,简称RAM)、磁碟或者光盘等。
本领域技术人员可以理解,实现上述实施例的全部或者部分步骤可以通过硬件来完成,也可以通过计算机程序来指示相关的硬件来完成,所述计算机程序包括执行上述方法的部分或者全部步骤的指令;且该计算机程序可以存储于一可读存储介质中,存储介质可以是任何形式的存储介质。
此外,需要指出的是,在本发明的装置和方法中,显然,各部件或各步骤是可以分解和/或重新组合的。这些分解和/或重新组合应视为本发明的等效方案。并且,执行上述系列处理的步骤可以自然地按照说明的顺序按时间顺序执行,但是并不需要一定按照时间顺序执行,某些步骤可以并行或彼此独立地执行。对本领域的普通技术人员而言,能够理解本发明的方法和装置的全部或者任何步骤或者部件,可以在任何计算装置(包括处理器、存储介质等)或者计算装置的网络中,以硬件、固件、软件或者它们的组合加以实现,这是本领域普通技术人员在阅读了本发明的说明的情况下运用他们的基本编程技能就能实现的。
因此,本发明的目的还可以通过在任何计算装置上运行一个程序或者一组程序来实现。所述计算装置可以是公知的通用装置。因此,本发明的目的也可以仅仅通过提供包含实现所述方法或者装置的程序代码的程序产品来实现。也就是说,这样的程序产品也构成本发明,并且存储有这样的程序产品的存储介质也构成本发明。显然,所述存储介质可以是任何公知的存储介质或者将来所开发出来的任何存储介质。还需要指出的是,在本发明的装置和方法中,显然,各部件或各步骤是可以分解和/或重新组合的。这些分解和/或重新组合应视为本发明的等效方案。并且,执行上述系列处理的步骤可以自然地按照说明的顺序按时间顺序执行,但是并不需要一定按照时间顺序执行。某些步骤可以并行或彼此独立地执行。
以上所述是本发明的优选实施方式,应当指出,对于本技术领域的普通技术人员来说,在不脱离本发明所述原理的前提下,还可以作出若干改进和润饰,这些改进和润饰也应视为本发明的保护范围。
Claims (34)
1.一种信号到达角的估计方法,其特征在于,包括:
获取面天线阵列接收信号的近似自相关矩阵;
根据噪声传输特性,对所述近似自相关矩阵进行调整,得到调整后的自相关矩阵;
根据所述调整后的自相关矩阵,确定信号到达角的估计值;
其中,所述根据调整后的自相关矩阵,确定信号到达角的估计值,包括:
根据所述自相关矩阵,构建D路信号的信号子空间以及噪声子空间;其中,D为正整数;
根据所述D路信号的信号子空间和所述噪声子空间,构建D个谱函数;
根据所述D个谱函数,确定所述D路信号到达角的估计值;
其中,所述根据所述自相关矩阵,构建D路信号的信号子空间以及噪声子空间,包括:
对所述调整后的自相关矩阵进行特征值分解,得到P个特征值和所述P个特征值分别对应的特征向量;其中,P为正整数;
根据所述P个特征值中最大的前D个特征值,以及所述D个特征值对应的D个特征向量,构建D路信号的信号子空间;
根据所述P个特征值中除所述D个特征值外的P-D个特征值对应的P-D个特征向量,构建噪声子空间;
其中,所述根据所述P个特征值中最大的前D个特征值,以及所述D个特征值对应的D个特征向量,构建D路信号的信号子空间,包括:
获取信号调节因子;
根据所述信号调节因子对第i个特征向量进行调节,得到调节后的第i个特征向量;
根据所述调节后的第i个特征向量和所述D个特征向量中除所述第i个特征向量之外的特征向量,构建第i路信号的信号子空间;其中,i为正整数,且i小于或者等于D。
2.根据权利要求1所述的信号到达角的估计方法,其特征在于,所述根据噪声传输特性,对所述近似自相关矩阵进行调整,得到调整后的自相关矩阵,包括:
根据噪声传输特性对应的预设调整方式,对所述近似自相关矩阵中的对角线元素进行调整,得到调整后的自相关矩阵。
3.根据权利要求2所述的信号到达角的估计方法,其特征在于,所述对所述近似自相关矩阵中的对角线元素进行调整,得到调整后的自相关矩阵,包括:
根据所述近似自相关矩阵中的元素值,确定所述近似自相关矩阵中对角线元素的调整目标值;
根据所述调整目标值,将所述近似自相关矩阵调整为拓普利兹矩阵,得到调整后的自相关矩阵。
4.根据权利要求3所述的信号到达角的估计方法,其特征在于,所述根据所述近似自相关矩阵中的元素值,确定所述近似自相关矩阵中对角线元素的调整目标值,包括:
分别计算所述近似自相关矩阵中每条对角线上的对角线元素的平均值;
将所述平均值确定为各自对角线上的对角线元素的调整目标值;
其中,所述对角线为主对角线或与所述主对角线平行的副对角线。
5.根据权利要求2所述的信号到达角的估计方法,其特征在于,所述对所述近似自相关矩阵中的对角线元素进行调整,得到调整后的自相关矩阵,包括:
根据所述近似自相关矩阵,构建噪声对角矩阵;其中,所述噪声对角矩阵的行列数与所述近似自相关矩阵的行列数相等;
根据所述噪声对角矩阵,对所述近似自相关矩阵中的对角线元素进行调整,得到调整后的自相关矩阵。
6.根据权利要求5所述的信号到达角的估计方法,其特征在于,所述根据所述近似自相关矩阵,构建噪声对角矩阵,包括:
对所述近似自相关矩阵进行特征值分解,得到P个特征值;
根据所述P个特征值,构建所述噪声对角矩阵;其中,P为正整数。
7.根据权利要求6所述的信号到达角的估计方法,其特征在于,所述根据所述P个特征值,构建所述噪声对角矩阵,包括:
计算所述P个特征值中最小的P-D个特征值的平均值;
将所述平均值确定为对角矩阵中对角线元素的值,以构建所述噪声对角矩阵;其中,D为正整数,且D小于K。
8.根据权利要求5所述的信号到达角的估计方法,其特征在于,所述根据所述噪声对角矩阵,对所述近似自相关矩阵中的对角线元素进行调整,得到调整后的自相关矩阵,包括:
计算所述近似自相关矩阵与所述噪声对角矩阵之差,得到调整后的自相关矩阵。
9.根据权利要求1所述的信号到达角的估计方法,其特征在于,所述获取信号调节因子,包括:
根据所述D个特征值,确定信号调节因子。
10.根据权利要求9所述的信号到达角的估计方法,其特征在于,所述根据所述D个特征值,确定信号调节因子,包括:
计算所述D个特征值的平均值;
将所述平均值确定为所述信号调节因子。
11.根据权利要求1所述的信号到达角的估计方法,其特征在于,所述根据所述信号调节因子对第i个特征向量进行调节,得到调节后的第i个特征向量,包括:
将所述调节因子与所述第i个特征向量的乘积,确定为调节后的第i个特征向量。
13.根据权利要求1所述的信号到达角的估计方法,其特征在于,所述根据所述D个谱函数,确定D路信号到达角的估计值,包括:
按照所述D个特征值从大到小的顺序,依次根据所述D个谱函数计算所述D路信号到达角的估计值。
14.根据权利要求13所述的信号到达角的估计方法,其特征在于,所述按照所述D个特征值从大到小的顺序,依次根据所述D个谱函数计算所述D路信号到达角的估计值,包括:
计算第i个谱函数中前D个谱峰值对应的D对角度值,所述角度值包括方位角值和仰角值;
根据前i-1路信号对应的i-1对角度值,将所述D对角度值中最大谱峰值对应的一对角度值,确定为所述第i路信号的到达角的估计值;i为正整数,且i小于或者等于D。
15.根据权利要求14所述的信号到达角的估计方法,其特征在于,所述根据前i-1路信号对应的i-1对角度值,将所述D对角度值中最大谱峰值对应的一对角度值,确定为所述第i路信号的到达角的估计值,包括:
确定所述D对角度值中除所述i-1对角度值之外的k对角度值;
将所述k对角度值中最大谱峰值对应的一对角度值,确定为所述第i路信号到达角的估计值;其中,k为正整数,且k小于或者等于D。
16.根据权利要求1、7、9至15中任一项所述的信号到达角的估计方法,其特征在于,D由基站侧预先设定,或者从信令中确定,或者由终端侧设定并反馈至基站侧。
17.一种基站,包括:收发机、存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序,其特征在于,所述处理器执行所述计算机程序时实现以下步骤:
获取面天线阵列接收信号的近似自相关矩阵;
根据噪声传输特性,对所述近似自相关矩阵进行调整,得到调整后的自相关矩阵;
根据所述调整后的自相关矩阵,确定信号到达角的估计值;
其中,所述处理器执行所述计算机程序时实现以下步骤:
根据所述自相关矩阵,构建D路信号的信号子空间以及噪声子空间;其中,D为正整数;
根据所述D路信号的信号子空间和所述噪声子空间,构建D个谱函数;
根据所述D个谱函数,确定所述D路信号到达角的估计值;
其中,所述处理器执行所述计算机程序时实现以下步骤:
对所述调整后的自相关矩阵进行特征值分解,得到P个特征值和所述P个特征值分别对应的特征向量;其中,P为正整数;
根据所述P个特征值中最大的前D个特征值,以及所述D个特征值对应的D个特征向量,构建D路信号的信号子空间;
根据所述P个特征值中除所述D个特征值外的P-D个特征值对应的P-D个特征向量,构建噪声子空间;
其中,所述处理器执行所述计算机程序时实现以下步骤:
获取信号调节因子;
根据所述信号调节因子对第i个特征向量进行调节,得到调节后的第i个特征向量;
根据所述调节后的第i个特征向量和所述D个特征向量中除所述第i个特征向量之外的特征向量,构建第i路信号的信号子空间;其中,i为正整数,且i小于或者等于D。
18.根据权利要求17所述的基站,其特征在于,所述处理器执行所述计算机程序时实现以下步骤:
根据噪声传输特性对应的预设调整方式,对所述近似自相关矩阵中的对角线元素进行调整,得到调整后的自相关矩阵。
19.根据权利要求18所述的基站,其特征在于,所述处理器执行所述计算机程序时实现以下步骤:
根据所述近似自相关矩阵中的元素值,确定所述近似自相关矩阵中对角线元素的调整目标值;
根据所述调整目标值,将所述近似自相关矩阵调整为拓普利兹矩阵,得到调整后的自相关矩阵。
20.根据权利要求19所述的基站,其特征在于,所述处理器执行所述计算机程序时实现以下步骤:
分别计算所述近似自相关矩阵中每条对角线上的对角线元素的平均值;
将所述平均值确定为各自对角线上的对角线元素的调整目标值;
其中,所述对角线为主对角线或与所述主对角线平行的副对角线。
21.根据权利要求18所述的基站,其特征在于,所述处理器执行所述计算机程序时实现以下步骤:
根据所述近似自相关矩阵,构建噪声对角矩阵;其中,所述噪声对角矩阵的行列数与所述近似自相关矩阵的行列数相等;
根据所述噪声对角矩阵,对所述近似自相关矩阵中的对角线元素进行调整,得到调整后的自相关矩阵。
22.根据权利要求21所述的基站,其特征在于,所述处理器执行所述计算机程序时实现以下步骤:
对所述近似自相关矩阵进行特征值分解,得到P个特征值;
根据所述P个特征值,构建所述噪声对角矩阵;其中,P为正整数。
23.根据权利要求22所述的基站,其特征在于,所述处理器执行所述计算机程序时实现以下步骤:
计算所述P个特征值中最小的P-D个特征值的平均值;
将所述平均值确定为对角矩阵中对角线元素的值,以构建所述噪声对角矩阵;其中,D为正整数,且D小于K。
24.根据权利要求21所述的基站,其特征在于,所述处理器执行所述计算机程序时实现以下步骤:
计算所述近似自相关矩阵与所述噪声对角矩阵之差,得到调整后的自相关矩阵。
25.根据权利要求17所述的基站,其特征在于,所述处理器执行所述计算机程序时实现以下步骤:
根据所述D个特征值,确定信号调节因子。
26.根据权利要求25所述的基站,其特征在于,所述处理器执行所述计算机程序时实现以下步骤:
计算所述D个特征值的平均值;
将所述平均值确定为所述信号调节因子。
27.根据权利要求17所述的基站,其特征在于,所述处理器执行所述计算机程序时实现以下步骤:
将所述调节因子与所述第i个特征向量的乘积,确定为调节后的第i个特征向量。
29.根据权利要求17所述的基站,其特征在于,所述处理器执行所述计算机程序时实现以下步骤:
按照所述D个特征值从大到小的顺序,依次根据所述D个谱函数计算所述D路信号到达角的估计值。
30.根据权利要求29所述的基站,其特征在于,所述处理器执行所述计算机程序时实现以下步骤:
计算第i个谱函数中前D个谱峰值对应的D对角度值,所述角度值包括方位角值和仰角值;
根据前i-1路信号对应的i-1对角度值,将所述D对角度值中最大谱峰值对应的一对角度值,确定为所述第i路信号的到达角的估计值;i为正整数,且i小于或者等于D。
31.根据权利要求30所述的基站,其特征在于,所述处理器执行所述计算机程序时实现以下步骤:
确定所述D对角度值中除所述i-1对角度值之外的k对角度值;
将所述k对角度值中最大谱峰值对应的一对角度值,确定为所述第i路信号到达角的估计值;其中,k为正整数,且k小于或者等于D。
32.根据权利要求17、23、25至31中任一项所述的基站,其特征在于,D由基站侧预先设定,或者从信令中确定,或者由终端侧设定并反馈至基站侧。
33.一种基站,其特征在于,包括:
获取模块,用于获取面天线阵列接收信号的近似自相关矩阵;
调整模块,用于根据噪声传输特性,对所述近似自相关矩阵进行调整,得到调整后的自相关矩阵;
确定模块,用于根据所述调整后的自相关矩阵,确定信号到达角的估计值;
其中,所述确定模块包括:
第一构建子模块,用于根据所述自相关矩阵,构建D路信号的信号子空间以及噪声子空间;其中,D为正整数;
第二构建子模块,用于根据所述D路信号的信号子空间和所述噪声子空间,构建D个谱函数;
确定子模块,用于根据所述D个谱函数,确定所述D路信号到达角的估计值;
其中,所述第一构建子模块包括:
第一分解单元,用于对所述调整后的自相关矩阵进行特征值分解,得到P个特征值和所述P个特征值分别对应的特征向量;其中,P为正整数;
第一构建单元,用于根据所述P个特征值中最大的前D个特征值,以及所述D个特征值对应的D个特征向量,构建D路信号的信号子空间;
第二构建单元,用于根据所述P个特征值中除所述D个特征值外的P-D个特征值对应的P-D个特征向量,构建噪声子空间;
其中,所述第一构建单元包括:
获取子单元,用于获取信号调节因子;
调节子单元,用于根据所述信号调节因子对第i个特征向量进行调节,得到调节后的第i个特征向量;
第二构建子单元,用于根据所述调节后的第i个特征向量和所述D个特征向量中除所述第i个特征向量之外的特征向量,构建第i路信号的信号子空间;其中,i为正整数,且i小于或者等于D。
34.一种计算机可读存储介质,其上存储有计算机程序,其特征在于,该计算机程序被处理器执行时实现如权利要求1至16中任一项所述的信号到达角的估计方法的步骤。
Priority Applications (2)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910028442.XA CN111435158B (zh) | 2019-01-11 | 2019-01-11 | 一种信号到达角的估计方法及基站 |
PCT/CN2020/070638 WO2020143606A1 (zh) | 2019-01-11 | 2020-01-07 | 信号到达角的估计方法及基站 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910028442.XA CN111435158B (zh) | 2019-01-11 | 2019-01-11 | 一种信号到达角的估计方法及基站 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN111435158A CN111435158A (zh) | 2020-07-21 |
CN111435158B true CN111435158B (zh) | 2022-06-10 |
Family
ID=71520637
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201910028442.XA Active CN111435158B (zh) | 2019-01-11 | 2019-01-11 | 一种信号到达角的估计方法及基站 |
Country Status (2)
Country | Link |
---|---|
CN (1) | CN111435158B (zh) |
WO (1) | WO2020143606A1 (zh) |
Families Citing this family (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112485761B (zh) * | 2021-02-03 | 2021-04-09 | 成都启英泰伦科技有限公司 | 一种基于双麦克风的声源定位方法 |
CN113156362B (zh) * | 2021-03-15 | 2024-01-09 | 北京邮电大学 | 波达方向的确定方法、装置及信号获取方法、装置 |
CN113329491B (zh) * | 2021-08-03 | 2021-10-12 | 网络通信与安全紫金山实验室 | 定位参数确定方法、装置、设备和存储介质 |
CN114509069B (zh) * | 2022-01-25 | 2023-11-28 | 南昌大学 | 基于蓝牙aoa和imu融合的室内导航定位系统 |
Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102662158A (zh) * | 2012-05-04 | 2012-09-12 | 电子科技大学 | 一种对传感器天线阵列接收信号的快速处理方法 |
CN104181513A (zh) * | 2014-07-30 | 2014-12-03 | 西安电子科技大学 | 一种雷达天线阵元位置的校正方法 |
CN105204006A (zh) * | 2015-10-19 | 2015-12-30 | 电子科技大学 | 基于子空间的干扰噪声协方差矩阵重构的波束形成方法 |
CN106093878A (zh) * | 2016-07-29 | 2016-11-09 | 电子科技大学 | 一种基于概率约束的干扰噪声协方差矩阵重构鲁棒方法 |
CN108663668A (zh) * | 2018-05-18 | 2018-10-16 | 西安电子科技大学 | 基于iaa的干扰加噪声协方差矩阵重构稳健波束形成方法 |
CN109031231A (zh) * | 2018-08-03 | 2018-12-18 | 西安电子科技大学 | 雷达低空目标时间反演相干角度估计方法 |
Family Cites Families (13)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US4750147A (en) * | 1985-11-06 | 1988-06-07 | Stanford University | Method for estimating signal source locations and signal parameters using an array of signal sensor pairs |
US6351238B1 (en) * | 1999-02-23 | 2002-02-26 | Matsushita Electric Industrial Co., Ltd. | Direction of arrival estimation apparatus and variable directional signal receiving and transmitting apparatus using the same |
JP3836095B2 (ja) * | 2003-08-15 | 2006-10-18 | 株式会社国際電気通信基礎技術研究所 | 電波到来方向探知方法及び装置 |
US7570211B1 (en) * | 2008-03-25 | 2009-08-04 | Rockwell Collins, Inc. | Digital beamforming method and apparatus for pointing and null steering without calibration or calculation of covariance matrix |
JP5684533B2 (ja) * | 2010-10-21 | 2015-03-11 | 日本電産エレシス株式会社 | 電子走査型レーダ装置、受信波方向推定方法及び受信波方向推定プログラム |
CN102879764B (zh) * | 2012-10-16 | 2014-05-07 | 浙江大学 | 一种水下声源方位估计方法 |
CN104375116B (zh) * | 2014-11-11 | 2017-07-11 | 西北大学 | 一种基于无线传感器阵列的到达方向检测方法 |
CN104375133B (zh) * | 2014-11-11 | 2017-02-15 | 西北大学 | 一种空间二维doa的估算方法 |
JP6567832B2 (ja) * | 2015-01-29 | 2019-08-28 | 日本電産株式会社 | レーダシステム、レーダ信号処理装置、車両走行制御装置および方法、ならびにコンピュータプログラム |
CN104749554A (zh) * | 2015-03-20 | 2015-07-01 | 江苏大学 | 一种基于递归秩损的幅相误差校准和波达方向估计方法 |
CN106772221B (zh) * | 2016-12-26 | 2019-04-23 | 西安电子科技大学 | 基于机翼形变拟合的共形阵列幅相误差校正方法 |
CN106802402B (zh) * | 2017-03-09 | 2019-04-19 | 西安电子科技大学 | 基于双层平行圆阵列天线的doa估计方法 |
CN108387864B (zh) * | 2018-03-02 | 2021-09-24 | 北京邮电大学 | 一种到达角计算方法及装置 |
-
2019
- 2019-01-11 CN CN201910028442.XA patent/CN111435158B/zh active Active
-
2020
- 2020-01-07 WO PCT/CN2020/070638 patent/WO2020143606A1/zh active Application Filing
Patent Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102662158A (zh) * | 2012-05-04 | 2012-09-12 | 电子科技大学 | 一种对传感器天线阵列接收信号的快速处理方法 |
CN104181513A (zh) * | 2014-07-30 | 2014-12-03 | 西安电子科技大学 | 一种雷达天线阵元位置的校正方法 |
CN105204006A (zh) * | 2015-10-19 | 2015-12-30 | 电子科技大学 | 基于子空间的干扰噪声协方差矩阵重构的波束形成方法 |
CN106093878A (zh) * | 2016-07-29 | 2016-11-09 | 电子科技大学 | 一种基于概率约束的干扰噪声协方差矩阵重构鲁棒方法 |
CN108663668A (zh) * | 2018-05-18 | 2018-10-16 | 西安电子科技大学 | 基于iaa的干扰加噪声协方差矩阵重构稳健波束形成方法 |
CN109031231A (zh) * | 2018-08-03 | 2018-12-18 | 西安电子科技大学 | 雷达低空目标时间反演相干角度估计方法 |
Non-Patent Citations (5)
Title |
---|
Underdetermined DOA Estimation Based on Covariance Matrix Reconstruction Using Coprime Array;Chenxi Wu et al.;《2017 International Conference on Wireless Communications, Signal Processing and Networking (WiSPNET)》;20180222;第1—4页 * |
加权伪噪声子空间投影的修正MUSIC算法;杨志伟等;《信号处理》;20110131;第27卷(第1期);第1—5页 * |
单脉冲技术的可测角度区间设计;苏志刚等;《太赫兹科学与电子信息学报》;20150103;第12卷(第5期);第678—681、687页 * |
贺顺.阵列信号处理若干关键问题研究.《中国优秀博硕士学位论文全文数据库(博士)信息科技辑》.2017,(第2期), * |
阵列信号处理若干关键问题研究;贺顺;《中国优秀博硕士学位论文全文数据库(博士)信息科技辑》;20170215(第2期);正文第55—58页 * |
Also Published As
Publication number | Publication date |
---|---|
CN111435158A (zh) | 2020-07-21 |
WO2020143606A1 (zh) | 2020-07-16 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN111435158B (zh) | 一种信号到达角的估计方法及基站 | |
Decurninge et al. | CSI-based outdoor localization for massive MIMO: Experiments with a learning approach | |
Li et al. | Design and analysis of initial access in millimeter wave cellular networks | |
EP4236436A1 (en) | Beam reporting method, beam information determination method and related device | |
Xie et al. | A full-space spectrum-sharing strategy for massive MIMO cognitive radio systems | |
US10903888B2 (en) | Configuration method and configuration device for reference signal and communication node | |
CN114363921A (zh) | Ai网络参数的配置方法和设备 | |
CN110391887B (zh) | 信号处理方法及装置 | |
JP2019012993A (ja) | 非直交パイロット信号設計により伝搬チャネルの大規模な特徴を抽出する方法及び装置 | |
CN114144977B (zh) | 波束赋形方法、装置、无线接入网设备及可读存储介质 | |
Wang et al. | Location-aware channel estimation enhanced TDD based massive MIMO | |
Xu et al. | Weighted sum rate maximization in IRS-BackCom enabled downlink multi-cell MISO network | |
US20230291458A1 (en) | Beam processing method and apparatus and communication device | |
CN107809795B (zh) | D2d异构无线通信网络中基于时间反演的抗干扰方法 | |
CN106160806B (zh) | 无线通信系统中执行干扰协调的方法和设备 | |
CN114285444A (zh) | 一种去蜂窝大规模mimo系统的功率优化方法 | |
WO2016183957A1 (zh) | 一种天线通道的降阶方法及装置 | |
CN106878225B (zh) | 一种设备指纹与信道分离的方法及装置 | |
US20230291658A1 (en) | Method for Processing Partial Input Missing of AI Network, and Device | |
Lin et al. | User-centric network MIMO with dynamic clustering | |
US20220346143A1 (en) | Transmission Beam Selection | |
CN111511009A (zh) | 一种导频发送功率分配方法及装置 | |
WO2023116703A1 (zh) | 预编码矩阵获取方法、装置、电子设备和存储介质 | |
Zhao et al. | performance analysis of the multiple antenna asynchronous cognitive MAC protocol in cognitive radio network for IT convergence | |
CN113497644B (zh) | 发送波束处理方法、基站及芯片 |
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 | ||
TA01 | Transfer of patent application right |
Effective date of registration: 20210607 Address after: 100085 1st floor, building 1, yard 5, Shangdi East Road, Haidian District, Beijing Applicant after: DATANG MOBILE COMMUNICATIONS EQUIPMENT Co.,Ltd. Address before: 100191 No. 40, Haidian District, Beijing, Xueyuan Road Applicant before: Telecommunications Science and Technology Research Institute Co.,Ltd. |
|
TA01 | Transfer of patent application right | ||
GR01 | Patent grant | ||
GR01 | Patent grant |