CN111628948B - 雷达通信一体化系统、信道估计方法、设备及存储介质 - Google Patents

雷达通信一体化系统、信道估计方法、设备及存储介质 Download PDF

Info

Publication number
CN111628948B
CN111628948B CN202010459029.1A CN202010459029A CN111628948B CN 111628948 B CN111628948 B CN 111628948B CN 202010459029 A CN202010459029 A CN 202010459029A CN 111628948 B CN111628948 B CN 111628948B
Authority
CN
China
Prior art keywords
radar
communication
channel
rnn
signal
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
Application number
CN202010459029.1A
Other languages
English (en)
Other versions
CN111628948A (zh
Inventor
冯志勇
陈旭
尉志青
马昊
方子希
杨恒
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.)
Beijing University of Posts and Telecommunications
Original Assignee
Beijing University of Posts and Telecommunications
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 Beijing University of Posts and Telecommunications filed Critical Beijing University of Posts and Telecommunications
Priority to CN202010459029.1A priority Critical patent/CN111628948B/zh
Publication of CN111628948A publication Critical patent/CN111628948A/zh
Application granted granted Critical
Publication of CN111628948B publication Critical patent/CN111628948B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

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
    • H04L25/0224—Channel estimation using sounding signals
    • 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
    • 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
    • H04L25/022—Channel estimation of frequency response

Landscapes

  • Engineering & Computer Science (AREA)
  • Computer Networks & Wireless Communication (AREA)
  • Signal Processing (AREA)
  • Power Engineering (AREA)
  • Mobile Radio Communication Systems (AREA)

Abstract

本发明实施例提供了一种雷达通信一体化系统、信道估计方法、设备及存储介质，雷达通信一体化系统包括：第一设备和第二设备，第一设备和第二设备均具有发射天线和接收天线，发射天线和接收天线搭载在雷达通信一体化设备上；第一设备和第二设备存在视距通路；第一设备和第二设备的通信工作模式为时分双工TDD；发射波束在通信接收方散射产生回波信号，且回波信号被通信发射方的接收天线接收以进行雷达信号处理，以根据雷达信号，通过雷达信道检测算法，得到雷达信道参数；将雷达信道参数以及雷达信号，输入预先训练好的循环神经网络RNN，得到通信信道频域响应。如此，能够降低信道估计对时频资源的占用。

Description

雷达通信一体化系统、信道估计方法、设备及存储介质
技术领域
本发明涉及通信技术领域，特别是涉及一种雷达通信一体化系统、信道估计方法、设备及存储介质。
背景技术
多输入多输出(Multiple-Input Multiple-Output，MIMO)信道估计是MIMO通信系统中亟待解决的问题。随着天线阵列的规模的增大、子载波数的增多、用户移动性的增强等，在时分双工(Time Division Duplexing，TDD)中，MIMO信道估计和信道状态信息(Channel State Information，CSI)反馈传输占用的时间和信令帧资源越来越多，如何高效的进行信道估计成为一个难点。
现有的TDD MIMO信道估计方案是建立在TDD系统中信道互易性的基础上的。对上行链路进行信道估计后，上行链路的CSI可直接反馈给下行链路设备。如设备1向设备2发送导频序列信号x，通过信道传输，设备可以接收到信号y＝Hx+n，其中，n是噪声。导频序列信号是标准预定义的，是所有设备都知道的，因此，设备2根据接收到的信号，就可以估计得到通信信道矩阵H，设备2将得到的通信信道矩阵H利用信令信道传送给设备1，如此，设备1可以知道和设备2之间的通信信道响应。
现有的信道估计方式中，需要占用专门的时频资源进行信道响应的估计，且在信道估计完成后，还需要占用专门的反馈通道进行信道响应的反馈，如此使得，在大规模MIMO天线的背景下，信道响应的估计和信道信息反的馈需要占用指数级增长的时间资源，开销巨大，也即信道估计过程占用过多的时间资源。
发明内容
本发明实施例的目的在于提供一种雷达通信一体化系统、信道估计方法、设备及存储介质，以降低信道估计对时频资源的占用。具体技术方案如下：
第一方面，本发明实施例提供了一种雷达通信一体化系统，包括：
第一设备和第二设备，所述第一设备和所述第二设备均具有发射天线和接收天线，所述发射天线和所述接收天线搭载在雷达通信一体化设备上；
所述第一设备和所述第二设备存在视距通路，所述视距通路表示所述第一设备和所述第二设备之间无遮挡、能够将所述第一设备中天线和所述第二设备中天线连接的直线光路；
所述第一设备和所述第二设备的通信工作模式为时分双工TDD；
所述第一设备和所述第二设备均通过分别生成发射波束和接收波束以进行双向同时通信；其中，所述发射波束在通信接收方散射产生回波信号，且所述回波信号被通信发射方的接收天线接收以进行雷达信号处理，以根据雷达信号，通过雷达信道检测算法，得到雷达信道参数；将所述雷达信道参数以及所述雷达信号，输入预先训练好的循环神经网络RNN，得到通信信道频域响应。
第二方面，本发明实施例提供了一种基于雷达通信一体化系统的信道估计方法，应用于雷达通信一体化系统中的设备，所述雷达通信一体化系统包括：第一设备和第二设备，所述第一设备和所述第二设备均具有发射天线和接收天线，所述发射天线和所述接收天线搭载在雷达通信一体化设备上；所述第一设备和所述第二设备存在视距通路，所述视距通路表示所述第一设备和所述第二设备之间无遮挡、能够将所述第一设备中天线和所述第二设备中天线连接的直线光路；所述第一设备和所述第二设备的通信工作模式为时分双工TDD；所述第一设备和所述第二设备均通过分别生成发射波束和接收波束以进行双向同时通信；其中，所述发射波束在通信接收方散射产生回波信号，且所述回波信号被通信发射方的接收天线接收以进行雷达信号处理，所述信道估计方法，包括：
接收雷达信号，所述雷达信号是发射信号在另一设备处产生的回波信号，所述发射信号是所述设备向所述另一设备发送的信号；
根据所述雷达信号，通过雷达信道检测算法，得到雷达信道参数；
将所述雷达信道参数以及所述雷达信号，输入预先训练好的循环神经网络RNN，得到通信信道频域响应，其中，所述RNN是根据多个时刻对应的雷达信号以及雷达信道参数训练得到的。
可选的，得到所述RNN的步骤，包括：
获取多个历史时刻的历史雷达信号；
针对各个历史雷达信号，根据所述历史雷达信号，通过所述雷达信道检测算法，得到所述历史雷达信号对应的雷达信道参数；将所述历史雷达信号对应的雷达信道参数以及所述历史雷达信号，输入第一RNN，对所述第一RNN进行迭代训练，得到训练好的所述RNN。
可选的，所述将所述历史雷达信号对应的雷达信道参数以及所述历史雷达信号，输入第一RNN，对所述第一RNN进行迭代训练，得到训练好的所述RNN，包括：
将多个所述历史雷达信号以及多个所述历史雷达信号对应的雷达信道参数，输入所述第一RNN，对所述第一RNN进行多次迭代，直至满足预设迭代条件，得到训练好的所述RNN。
可选的，所述第一RNN的输入还包括：输入集所对应的期望输出，所述输入集包括所述历史雷达信号以及所述历史雷达信号对应的雷达信道参数；
所述将所述历史雷达信号对应的雷达信道参数以及所述历史雷达信号，输入第一RNN，对所述第一RNN进行迭代训练，包括：
将所述历史雷达信号对应的雷达信道参数以及所述历史雷达信号，输入所述第一RNN，得到所述第一RNN输出的实际通信信道频域响应；
将所述实际通信信道频域响应与所述期望输出进行比较，并根据比较的结果对所述第一RNN中的权重参数进行调整。
可选的，所述接收雷达信号，包括：
通过所述设备中的接收天线，接收所述雷达信号。
可选的，所述多个历史时刻包括当前时间之前的预设时间段内连续的多个历史时刻；
所述接收雷达信号，包括：
接收所述当前时间对应的雷达信号。
可选的，所述雷达信道参数包括雷达信号的接收角度AoA的导向向量、多普勒频移和时延。
第三方面，本发明实施例提供了一种电子设备，包括处理器、通信接口、存储器和通信总线，其中，处理器，通信接口，存储器通过通信总线完成相互间的通信；
存储器，用于存放计算机程序；
处理器，用于执行存储器上所存放的程序时，实现第二方面所述的方法步骤。
第四方面，本发明实施例提供了一种计算机可读存储介质，所述计算机可读存储介质内存储有计算机程序，所述计算机程序被处理器执行时实现第二方面所述的方法步骤。
本发明实施例还提供了一种包含指令的计算机程序产品，当其在计算机上运行时，使得计算机执行上述第二方面所述的方法步骤。
本发明实施例有益效果：
本发明实施例提供的雷达通信一体化系统、信道估计方法、设备及存储介质中，雷达通信一体化系统可以包括：第一设备和第二设备，第一设备和第二设备均具有发射天线和接收天线，发射天线和接收天线搭载在雷达通信一体化设备上；第一设备和第二设备存在视距通路，视距通路表示第一设备和第二设备之间无遮挡、能够将第一设备中天线和第二设备中天线连接的直线光路；第一设备和第二设备的通信工作模式为时分双工TDD；第一设备和第二设备均通过分别生成发射波束和接收波束以进行双向同时通信；其中，发射波束在通信接收方散射产生回波信号，且回波信号被通信发射方的接收天线接收以进行雷达信号处理，以根据雷达信号，通过雷达信道检测算法，得到雷达信道参数；将雷达信道参数以及雷达信号，输入预先训练好的循环神经网络RNN，得到通信信道频域响应。本发明实施例中，雷达通信一体化系统中的一设备可以向另一设备发送发射信号，如此在另一设备处会产生回波信号，即雷达信号，该一设备接收到该雷达信号后，可以根据雷达信号，通过雷达信道检测算法，得到雷达信道参数；将雷达信道参数以及雷达信号，输入预先训练好的循环神经网络RNN，得到通信信道频域响应，即完成通信信道的估计。如此，基于雷达通信一体化系统，可以在数据传输的过程中利用雷达信号对通信信道进行估计，不需要占用专门的时频资源进行信道估计，能够降低信道估计对时频资源的占用。
当然，实施本发明的任一产品或方法并不一定需要同时达到以上所述的所有优点。
附图说明
为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的实施例。
图1为本发明实施例提供的雷达通信一体化系统的结构示意图；
图2为本发明实施例中的一种场景示意图；
图3为本发明实施例提供的信道估计方法的流程流程图；
图4为本发明实施例中得到卷积神经网络RNN的流程示意图；
图5为本发明实施例中RNN的结构示意图；
图6为本发明实施例提供的电子设备的结构示意图。
具体实施方式
下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。
单方向传播的通信过程的链路也可以称为单向链路，用于单向链路的信道估计有如下方式：一种方式是基于压缩感知(Compressed Sensing，CS)的CSI估计。利用大规模MIMO信道的稀疏多径结构，使用较小规模的CS训练符号，对接收方接收到的符号进行处理，估计得到CSI。然而，这种方式极度依赖于发射角度(Angle of Departure，AoD)与接收角度(Angle of Arrival，AoA)都恰好落在已经划分好的格点上这一假设。一旦实际应用中该假设不成立，就会出现严重的功率泄露效应。另一种方式是基于原子范数最小化的信道估计，将MIMO信道估计转化为二维的半定规划问题加以解决。
无论是基于压缩感知的信道估计方式，还是基于原子范数最小化的信道估计，或者现有方式中其他方式，均需要占用专门的时频资源进行信道响应的估计，且在信道估计完成后，还需要占用专门的反馈通道进行信道响应的反馈，如此使得，在大规模MIMO天线的背景下，信道响应的估计和信道信息反的馈需要占用指数级增长的时间资源，开销巨大，也即信道估计过程占用过多的时间资源。且现有信道估计方式中，会高频率的进行信道估计，如每隔10毫秒，则占用专用的时频资源进行信道估计，如此会占用相当多的时频资源用于信道估计。信道估计的结果用于数据传输，信号的解调等，现有技术中，当前时间进行信号解调等，使用的是10毫秒之前进行信道估计的结果，如此会导致用于信号解调等的信道估计的结果与当前时间不匹配，即对于当前时间的信道环境，信道估计的结果有可能不准确，进而会导致后续处理过程的不准确，如信号解调的不准确等。
随着无线通信技术迅猛发展，分配给无线通信的频谱不断向着高频段、大带宽发展。尤其是在毫米波频段开放之后，无线通信的频谱与分配给感知的频谱呈现越发明显的融合趋势。此外，随着数字信号处理技术的快速发展，感知系统和无线通信系统的模数转换器(Analog to Digital Converter，ADC)/数模转换器(Digital to Analog Converter，DAC)，以及数字处理器模块都不断前移，二者的系统结构越发相似。这些为感知系统与通信系统共用硬件设备、射频链路、频谱资源的感知、通信一体化提供了巨大的可能性。
为了降低信道估计对时频资源的占用，本发明实施例提供了一种雷达通信一体化系统、基于雷达通信一体化系统的信道估计方法、电子设备以及存储介质。下面首先对本发明实施例提供的雷达通信一体化系统进行详细说明。
本发明实施例提供了一种雷达通信一体化系统，如图1所示，可以包括：
第一设备101和第二设备102，第一设备101和第二设备102均具有发射天线和接收天线，发射天线和接收天线搭载在雷达通信一体化设备上；
第一设备101和第二设备102存在视距通路，视距通路表示第一设备101和第二设备102之间无遮挡、能够将第一设备101中天线和第二设备102中天线连接的直线光路；
第一设备101和第二设备102的通信工作模式为时分双工TDD；
第一设备101和第二设备102均通过分别生成发射波束和接收波束以进行双向同时通信；其中，发射波束在通信接收方散射产生回波信号，且回波信号被通信发射方的接收天线接收以进行雷达信号处理，以根据雷达信号，通过雷达信道检测算法，得到雷达信道参数；将雷达信道参数以及雷达信号，输入预先训练好的循环神经网络(Recurrent NeuralNetwork,RNN)，得到通信信道频域响应。
本发明实施例中，雷达通信一体化系统中的一设备可以向另一设备发送发射信号，如此在另一设备处会产生回波信号，即雷达信号，该一设备接收到该雷达信号后，可以根据雷达信号，通过雷达信道检测算法，得到雷达信道参数；将雷达信道参数以及雷达信号，输入预先训练好的循环神经网络RNN，得到通信信道频域响应，即完成通信信道的估计。如此，基于雷达通信一体化系统，可以在数据传输的过程中利用雷达信号对通信信道进行估计，不需要占用专门的时频资源进行信道估计，能够降低信道估计对时频资源的占用。
如图2所示的一种场景示意图，雷达通信一体化系统中的设备，如第一设备和第二设备之间存在通信发射通路201和雷达回波通路202。一种示例性场景，两个设备(如无人机)搭载雷达通信一体化设备进行一体化通信探测。两个设备之间为可以互相探测的视距通信场景。每个设备搭载两副天线阵列，一发一收(TX发射天线阵列，RX接收天线阵列)，工作在TDD模式，MIMO天线波束成形获得天线方向性增益，天线阵列进行MUSIC等算法估计来波角度，对准来波波束方向进行接收。如图2所示，第一设备与第二设备均生成相互对准的发射波束或接收波束以进行通信和雷达回波的接收。发射波束会在通信接收方处散射产生回波，回波即可被通信发射方的接收天线接收以进行雷达信号处理，以检测反射物到发射方的距离和多普勒频移。检测到的多普勒频移与距离，可以辅助两个设备之间的信道估计。
基于本发明实施例中雷达通信一体化系统，本发明实施例提供了一种信道估计方法。
为了更清楚地理解本发明，首先对本发明实施例中基于雷达通信一体化系统的雷达通信信道模型进行说明。
将存在一条视距通路(Line of Sight,LoS)的雷达通信一体化信道模型阐述如下：其中，视距通路是指，两个设备(如user 1和user2)的天线阵列之间有一条直线光路可以连接，中间不存在遮挡。
user1与user 2存在视距路径，采用多径通信信道(Multipath component)模型建模信道，并假设视距路径的编号为0，信道响应为经发送端和接收端的波束成形后的频域信道响应。假设通信发送端为user 1，通信接收端为user 2。user 2会反射user 1的波束能量形成雷达回波，也即回波信号，被user 1的接收天线阵列生成的接收波束所接收。假设OFDM子载波数目为Nc，发送天线阵列TX和接收天线阵列RX各有M和N个天线阵元。
(1)通信信道频域响应
第m个子载波在第i个时隙的通信信道频域响应为：
Figure BDA0002510265520000081
其中，m＝0,1,...,Nc-1；
Figure BDA0002510265520000082
是发送波束成形向量，
Figure BDA0002510265520000083
是通信接收方的接收波束成形向量，L是多径的数目；bTX,C,l是第l条多径的复信道增益系数；bTX,C,0＝1为视距路径增益；bTX,C,l(l>1)是均值为0，方差为1的独立同分布复随机变量；Ts是OFDM符号的时间长度；fm＝m×Δf是第m个子载波的基带频率；τc,l是第l条多径的传播时延；fd,c,l是第l条多径的通信信道的多普勒频移；θTX,C,l是第l条多径的发射角度(Angle of Departure，AoD)；θRX,C,l是第l条多径的接收角度(Angle of Arrival，AoA)；
Figure BDA0002510265520000084
是通信发射导向向量，
Figure BDA0002510265520000085
是通信接收导向向量，(·)*是求共轭符号，(·)H为求共轭转置矩阵，(·)T为求转置矩阵。
(2)雷达信道频域响应
雷达发射第i个时隙发射OFDM符号的第m个子载波的信道频域响应模型为：
Figure BDA0002510265520000086
其中，m＝0,1,...,Nc-1；共有L条多径；l＝0是LoS路径；wTX是发射波束成形向量；wRX,R为雷达接收波束成形向量；bR,l是第l条发射多径的衰落系数；fd,R,l为第l条多径雷达信道的多普勒频移；Ts是OFDM符号的时间长度；fm＝m×Δf是第m个子载波的基带频率；τR,l是第l条雷达多径的传播时延；θR,l是第l条多径的发射角度和接收角度；aN(θR,l)和aM(θR,l)分别是雷达接收导向向量和发射导向向量，bR,0＝1是视距路径的雷达信道衰落，bTX,r,l，bRX,r,l均是服从均值为0，方差为1的独立同分布的复随机变量。
user 1的雷达与通信功能共用发射波束，而且user 1的雷达回波会沿与雷达发射波束近似相同的路径返回，因此，通信信道与雷达信道参数之间的关系可以包括：user 1的雷达回波的接收角度AoA也与user 1波束的发射角度AoD相同，即θTX,C,l＝θR,l。此外，雷达信道的多普勒频移是通信信道的多普勒频移的2倍，每条雷达多径信道的时延也是通信信道多径时延的2倍。
雷达信道的多普勒频移fd,R,l为：
Figure BDA0002510265520000091
其中，vrel是两个设备之间的相对速度，θd,R,l为θR,l与vrel的方向之间的夹角，fc是载波频率，c0为光速。
雷达信道每条多径的时延τR,l(也即雷达多径的传播时延)为：
Figure BDA0002510265520000092
其中，Rl是第l条多径的长度。
通信信道的多普勒频移fd,c,l为：
Figure BDA0002510265520000101
其中，θd,C,l为θTX,C,l与vrel的方向之间的夹角。
通信信道的时延τC,l(也即第l条多径的传播时延)为：
Figure BDA0002510265520000102
由于user 1的发射波束的雷达功能和通信功能的多径发射角度，接收角度，多普勒频移，时延近似相同。因此，user 1通过接收天线阵进行雷达探测所还原出来的雷达信道与user 1和user 2的通信信道具有极强的相关性。故，可以通过雷达通信一体化系统中雷达信道与通信信道的相关性进行通信信道估计。
本发明实施例提供的基于雷达通信一体化系统的信道估计方法涉及MIMO雷达探测领域以及MIMO通信信道估计，具体地，根据接收到雷达信号进行雷达信道估计，然后，利用雷达信道与通信信道的相关性，根据雷达信道完成对通信信道的估计。其中，雷达信道估计也可以为参数估计，具体地，可以对接收到的雷达信道进行雷达信道检测，以得到雷达信道参数。
下面对本发明实施例提供的基于雷达通信一体化系统的信道估计方法进行详细说明。
本发明实施例提供的一种基于雷达通信一体化系统的信道估计方法，应用于雷达通信一体化系统中的设备，雷达通信一体化系统包括：第一设备和第二设备，第一设备和第二设备均具有发射天线和接收天线，发射天线和接收天线搭载在雷达通信一体化设备上；第一设备和第二设备存在视距通路，视距通路表示第一设备和第二设备之间无遮挡、能够将第一设备中天线和第二设备中天线连接的直线光路；第一设备和第二设备的通信工作模式为时分双工TDD；第一设备和第二设备均通过分别生成发射波束和接收波束以进行双向同时通信；其中，发射波束在通信接收方散射产生回波信号，且回波信号被通信发射方的接收天线接收以进行雷达信号处理，信道估计方法，如图3所示，可以包括：
S301，接收雷达信号。
雷达信号是发射信号在另一设备处产生的回波信号，发射信号是设备向另一设备发送的信号。
S302，根据雷达信号，通过雷达信道检测算法，得到雷达信道参数；
S303，将雷达信道参数以及雷达信号，输入预先训练好的循环神经网络RNN，得到通信信道频域响应，其中，RNN是根据多个时刻对应的雷达信号以及雷达信道参数训练得到的。
本发明实施例中，雷达通信一体化系统中的一设备可以向另一设备发送发射信号，如此在另一设备处会产生回波信号，即雷达信号，该一设备接收到该雷达信号后，可以根据雷达信号，通过雷达信道检测算法，得到雷达信道参数；将雷达信道参数以及雷达信号，输入预先训练好的循环神经网络RNN，得到通信信道频域响应，即完成通信信道的估计。如此，基于雷达通信一体化系统，可以在数据传输的过程中利用雷达信号对通信信道进行估计，不需要占用专门的时频资源进行信道估计，能够降低信道估计对时频资源的占用。
参照图3，对本发明实施例提供的信道估计方法进行详细说明。
S301，接收雷达信号。
雷达信号是发射信号在另一设备处产生的回波信号，发射信号是设备向另一设备发送的信号。
可以通过设备中的接收天线，接收雷达信号。
S302，根据雷达信号，通过雷达信道检测算法，得到雷达信道参数。
一种可实现方式中，雷达信道参数包括雷达信号的接收角度AoA的导向向量、多普勒频移和时延。
接受角度AoA参数可利用阵列信号处理技术，如MUSIC(多目标分类)技术获得。多普勒频移和时延的获得的具体方式与使用的波形有关，其中，一种比较适用于通信雷达一体化技术的方式为：OFDM雷达多普勒与时延检测方式，该方式具体操作可见于论文名称为《Waveform design and signal processing aspects for fusion of wirelesscommunications and radar sensin》的论文。
S303，将雷达信道参数以及雷达信号，输入预先训练好的循环神经网络RNN，得到通信信道频域响应。
其中，RNN是根据多个时刻对应的雷达信号以及雷达信道参数训练得到的。
训练好的RNN可以理解为由雷达探测信息预测通信信道响应的模型，即输入雷达信道参数，输出通信信道频域响应。
雷达信道可以通过雷达信道频域响应表示，通信信号可以通过通信信道频域响应表示。另外，考虑到通信的收发方user1，user2在一段极短时间内(可能为几毫秒)的运动具有很强的连续性，雷达信道与通信信道随时间的不同的取值，如hR,m和hC,m，可以看作是一个时间序列，时间序列中的元素是多个时刻对应的发射符号的衰落系数。hR,m是雷达信道响应序列。hC,m是通信信道响应序列。通过雷达通信一体化系统中雷达信道与通信信道的相关性进行通信信道估计。
例如，在t时刻，通过雷达探测得到AoA的导向向量、多普勒频移、时延以及MIMO天线获得的接收信号，即雷达信号作为RNN输入层的输入，通信信道响应作为RNN输出。如此进行RNN训练即可获得可以用于预测的RNN网络。如此，即可通过雷达探测得到的雷达信道参数获得通信信道的响应，即得到通信信道频域响应。
本发明实施例中，雷达通信一体化系统中的一设备可以向另一设备发送发射信号，如此在另一设备处会产生回波信号，即雷达信号，该一设备接收到该雷达信号后，可以根据雷达信号，通过雷达信道检测算法，得到雷达信道参数；将雷达信道参数以及雷达信号，输入预先训练好的循环神经网络RNN，得到通信信道频域响应，即完成通信信道的估计。如此，基于雷达通信一体化系统，可以在数据传输的过程中利用雷达信号对通信信道进行估计，即在进行信道估计的过程中，不影响数据传输，不需要占用专门的时频资源进行信道估计，能够降低信道估计对时频资源的占用。
另外，现有信道估计方式中，会高频率的进行信道估计，如每隔10毫秒，信道估计的结果用于数据传输，信号的解调等，现有技术中，当前时间进行信号解调等，使用的是10毫秒之前进行信道估计的结果，如此会导致用于信号解调等的信道估计的结果与当前时间不匹配，即对于当前时间的信道环境，信道估计的结果有可能不准确，进而会导致后续处理过程的不准确，如信号解调的不准确等。而本发明实施例中，可以对实时接收到的雷达信号进行处理，以得到对应的通信信道频域响应，如此可以使得用于信号解调等的信道估计的结果与当前时间匹配，即对于当前时间的信道环境，提高信道估计结果的准确性，进而可以提高后续处理过程的准确性，如信号解调的准确性等。
本发明实施例中，还可以包括得到RNN的步骤，如图4所示，可以包括：
S401，获取多个历史时刻的历史雷达信号。
一种可实现方式中，多个历史时刻包括当前时间之前的预设时间段内连续的多个历史时刻。
S301接收雷达信号，可以包括：接收当前时间对应的雷达信号。
利用RNN进行一段时间内的学习，可以获得在一段较长时间内的信道预测模型，通过实时获得的雷达信道(如通过当前时间接收到的雷达信号通过雷达信道检测得到的雷达信道参数)作为输入，可以有效估计和预测通信信道，可以加快通信信道的估计。
S402，针对各个历史雷达信号，根据历史雷达信号，通过雷达信道检测算法，得到历史雷达信号对应的雷达信道参数；将历史雷达信号对应的雷达信道参数以及历史雷达信号，输入第一RNN，对第一RNN进行迭代训练，得到训练好的RNN。
具体地，可以将多个历史雷达信号以及多个历史雷达信号对应的雷达信道参数，输入第一RNN，对第一RNN进行多次迭代，直至满足预设迭代条件，得到训练好的RNN。
预设迭代条件可以是迭代次数达到预设值，或者第一RNN的输出收敛等等。
一种可选的实施例中，第一RNN的输入还包括：输入集所对应的期望输出，输入集包括历史雷达信号以及历史雷达信号对应的雷达信道参数。
将历史雷达信号对应的雷达信道参数以及历史雷达信号，输入第一RNN，对第一RNN进行迭代训练，可以包括：
将历史雷达信号对应的雷达信道参数以及历史雷达信号，输入第一RNN，得到第一RNN输出的实际通信信道频域响应；将实际通信信道频域响应与期望输出进行比较，并根据比较的结果对第一RNN中的权重参数进行调整。
如图5所示，一种RNN的迭代结构示意图，t时刻的输出yt决定于t时刻的输入xt、t-1时刻的隐层ht-1以及权重参数Whh、Whx、Wyh。t时刻的输入xt以及t-1时刻的隐层ht-1分别经Whx及Whh的作用产生t时刻隐层ht：ht＝tanh(Whhht-1+Whxxt+bh)，其中tanh()为双曲正切函数，bh为与ht维数相同的偏置向量；t时刻的隐层经Wyh的作用产生t时刻的输出yt：yt＝Wyhht+by，by为与yt维数一致的偏置向量。类似地，t-1时刻的输出yt-1由t-1时刻的输入xt-1、前一时刻的隐层以及权重参数决定；以此类推，ht和xt+1决定t+1时刻的输出yt+1。网络训练过程中利用输出层输出结果与真值的误差进行误差反向传播更新权重参数Whh、Whx、Wyh，直至误差值趋于稳定的最小收敛值。
本发明实施例中基于雷达通信一体化系统的信道估计方法在与通信接收方进行数据通信的过程中利用反射回波，即雷达信号进行雷达信道探测，再利用雷达信道与通信信道的参数的相关性，根据雷达探测得到的雷达探测参数，通过RNN，得到通信信道频域响应。本发明实施例解决了现有通信系统中通信信道估计需要占用专门的时频资源进行信道响应的估计的问题，因为信道估计的过程，在数据传输的过程中通过雷达探测回波完成对通信信道的估计。且不需要占用专门的反馈信道进行信道响应的反馈。在大规模MIMO天线的背景下，雷达探测的精度会提高，基于雷达探测得到的雷达信道，具体地根据雷达信道参数进行通信信道估计的效果也会更加精确。
本发明实施例还提供了一种电子设备，如图6所示，包括处理器601、通信接口602、存储器603和通信总线604，其中，处理器601，通信接口602，存储器603通过通信总线604完成相互间的通信。
存储器603，用于存放计算机程序；
处理器601，用于执行存储器603上所存放的程序时，实现上述实施例提供的基于雷达通信一体化系统的信道估计方法的方法步骤。
本发明实施例中，雷达通信一体化系统中的一设备可以向另一设备发送发射信号，如此在另一设备处会产生回波信号，即雷达信号，该一设备接收到该雷达信号后，可以根据雷达信号，通过雷达信道检测算法，得到雷达信道参数；将雷达信道参数以及雷达信号，输入预先训练好的循环神经网络RNN，得到通信信道频域响应，即完成通信信道的估计。如此，基于雷达通信一体化系统，可以在数据传输的过程中利用雷达信号对通信信道进行估计，不需要占用专门的时频资源进行信道估计，能够降低信道估计对时频资源的占用。
上述电子设备提到的通信总线可以是外设部件互连标准(Peripheral ComponentInterconnect，PCI)总线或扩展工业标准结构(Extended Industry StandardArchitecture，EISA)总线等。该通信总线可以分为地址总线、数据总线、控制总线等。为便于表示，图中仅用一条粗线表示，但并不表示仅有一根总线或一种类型的总线。
通信接口用于上述电子设备与其他设备之间的通信。
存储器可以包括随机存取存储器(Random Access Memory，RAM)，也可以包括非易失性存储器(Non-Volatile Memory，NVM)，例如至少一个磁盘存储器。可选的，存储器还可以是至少一个位于远离前述处理器的存储装置。
上述的处理器可以是通用处理器，包括中央处理器(Central Processing Unit，CPU)、网络处理器(Network Processor，NP)等；还可以是数字信号处理器(Digital SignalProcessing，DSP)、专用集成电路(Application Specific Integrated Circuit，ASIC)、现场可编程门阵列(Field-Programmable Gate Array，FPGA)或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件。
在本发明提供的又一实施例中，还提供了一种计算机可读存储介质，该计算机可读存储介质内存储有计算机程序，计算机程序被处理器执行时实现上述实施例提供的基于雷达通信一体化系统的信道估计方法的方法步骤。
本发明实施例中，雷达通信一体化系统中的一设备可以向另一设备发送发射信号，如此在另一设备处会产生回波信号，即雷达信号，该一设备接收到该雷达信号后，可以根据所述雷达信号，通过雷达信道检测算法，得到雷达信道参数；将雷达信道参数以及雷达信号，输入预先训练好的循环神经网络RNN，得到通信信道频域响应，即完成通信信道的估计。如此，基于雷达通信一体化系统，可以在数据传输的过程中利用雷达信号对通信信道进行估计，不需要占用专门的时频资源进行信道估计，能够降低信道估计对时频资源的占用。
在本发明提供的又一实施例中，还提供了一种包含指令的计算机程序产品，当其在计算机上运行时，使得计算机执行上述实施例提供的基于雷达通信一体化系统的信道估计方法的方法步骤。
本发明实施例中，雷达通信一体化系统中的一设备可以向另一设备发送发射信号，如此在另一设备处会产生回波信号，即雷达信号，该一设备接收到该雷达信号后，可以根据雷达信号，通过雷达信道检测算法，得到雷达信道参数；将雷达信道参数以及雷达信号，输入预先训练好的循环神经网络RNN，得到通信信道频域响应，即完成通信信道的估计。如此，基于雷达通信一体化系统，可以在数据传输的过程中利用雷达信号对通信信道进行估计，不需要占用专门的时频资源进行信道估计，能够降低信道估计对时频资源的占用。
在上述实施例中，可以全部或部分地通过软件、硬件、固件或者其任意组合来实现。当使用软件实现时，可以全部或部分地以计算机程序产品的形式实现。所述计算机程序产品包括一个或多个计算机指令。在计算机上加载和执行所述计算机程序指令时，全部或部分地产生按照本发明实施例所述的流程或功能。所述计算机可以是通用计算机、专用计算机、计算机网络、或者其他可编程装置。所述计算机指令可以存储在计算机可读存储介质中，或者从一个计算机可读存储介质向另一个计算机可读存储介质传输，例如，所述计算机指令可以从一个网站站点、计算机、服务器或数据中心通过有线(例如同轴电缆、光纤、数字用户线(DSL))或无线(例如红外、无线、微波等)方式向另一个网站站点、计算机、服务器或数据中心进行传输。所述计算机可读存储介质可以是计算机能够存取的任何可用介质或者是包含一个或多个可用介质集成的服务器、数据中心等数据存储设备。所述可用介质可以是磁性介质，(例如，软盘、硬盘、磁带)、光介质(例如，DVD)、或者半导体介质(例如固态硬盘Solid State Disk(SSD))等。
需要说明的是，在本文中，诸如第一和第二等之类的关系术语仅仅用来将一个实体或者操作与另一个实体或操作区分开来，而不一定要求或者暗示这些实体或操作之间存在任何这种实际的关系或者顺序。而且，术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含，从而使得包括一系列要素的过程、方法、物品或者设备不仅包括那些要素，而且还包括没有明确列出的其他要素，或者是还包括为这种过程、方法、物品或者设备所固有的要素。在没有更多限制的情况下，由语句“包括一个……”限定的要素，并不排除在包括所述要素的过程、方法、物品或者设备中还存在另外的相同要素。
本说明书中的各个实施例均采用相关的方式描述，各个实施例之间相同相似的部分互相参见即可，每个实施例重点说明的都是与其他实施例的不同之处。尤其，对于系统、电子设备、计算机可读存储介质以及计算机程序产品而言，由于其基本相似于方法实施例，所以描述的比较简单，相关之处参见方法实施例的部分说明即可。
以上所述仅为本发明的较佳实施例，并非用于限定本发明的保护范围。凡在本发明的精神和原则之内所作的任何修改、等同替换、改进等，均包含在本发明的保护范围内。

Claims (10)

1.一种雷达通信一体化系统，其特征在于，包括：
第一设备和第二设备，所述第一设备和所述第二设备均具有发射天线和接收天线，所述发射天线和所述接收天线搭载在雷达通信一体化设备上；
所述第一设备和所述第二设备存在视距通路，所述视距通路表示所述第一设备和所述第二设备之间无遮挡、能够将所述第一设备中天线和所述第二设备中天线连接的直线光路；
所述第一设备和所述第二设备的通信工作模式为时分双工TDD；
所述第一设备和所述第二设备均通过分别生成发射波束和接收波束以进行双向同时通信；其中，所述发射波束在通信接收方散射产生回波信号，且所述回波信号被通信发射方的接收天线接收以进行雷达信号处理，以根据雷达信号，通过雷达信道检测算法，得到雷达信道参数；将所述雷达信道参数以及所述雷达信号，输入预先训练好的循环神经网络RNN，得到通信信道频域响应，其中，所述RNN是根据多个时刻对应的雷达信号以及雷达信道参数训练得到的。
2.一种基于雷达通信一体化系统的信道估计方法，其特征在于，应用于雷达通信一体化系统中的设备，所述雷达通信一体化系统包括：第一设备和第二设备，所述第一设备和所述第二设备均具有发射天线和接收天线，所述发射天线和所述接收天线搭载在雷达通信一体化设备上；所述第一设备和所述第二设备存在视距通路，所述视距通路表示所述第一设备和所述第二设备之间无遮挡、能够将所述第一设备中天线和所述第二设备中天线连接的直线光路；所述第一设备和所述第二设备的通信工作模式为时分双工TDD；所述第一设备和所述第二设备均通过分别生成发射波束和接收波束以进行双向同时通信；其中，所述发射波束在通信接收方散射产生回波信号，且所述回波信号被通信发射方的接收天线接收以进行雷达信号处理，所述信道估计方法，包括：
接收雷达信号，所述雷达信号是发射信号在另一设备处产生的回波信号，所述发射信号是所述设备向所述另一设备发送的信号；
根据所述雷达信号，通过雷达信道检测算法，得到雷达信道参数；
将所述雷达信道参数以及所述雷达信号，输入预先训练好的循环神经网络RNN，得到通信信道频域响应，其中，所述RNN是根据多个时刻对应的雷达信号以及雷达信道参数训练得到的。
3.根据权利要求2所述的方法，其特征在于，得到所述RNN的步骤，包括：
获取多个历史时刻的历史雷达信号；
针对各个历史雷达信号，根据所述历史雷达信号，通过所述雷达信道检测算法，得到所述历史雷达信号对应的雷达信道参数；将所述历史雷达信号对应的雷达信道参数以及所述历史雷达信号，输入第一RNN，对所述第一RNN进行迭代训练，得到训练好的所述RNN。
4.根据权利要求3所述的方法，其特征在于，所述将所述历史雷达信号对应的雷达信道参数以及所述历史雷达信号，输入第一RNN，对所述第一RNN进行迭代训练，得到训练好的所述RNN，包括：
将多个所述历史雷达信号以及多个所述历史雷达信号对应的雷达信道参数，输入所述第一RNN，对所述第一RNN进行多次迭代，直至满足预设迭代条件，得到训练好的所述RNN。
5.根据权利要求3所述的方法，其特征在于，所述第一RNN的输入还包括：输入集所对应的期望输出，所述输入集包括所述历史雷达信号以及所述历史雷达信号对应的雷达信道参数；
所述将所述历史雷达信号对应的雷达信道参数以及所述历史雷达信号，输入第一RNN，对所述第一RNN进行迭代训练，包括：
将所述历史雷达信号对应的雷达信道参数以及所述历史雷达信号，输入所述第一RNN，得到所述第一RNN输出的实际通信信道频域响应；
将所述实际通信信道频域响应与所述期望输出进行比较，并根据比较的结果对所述第一RNN中的权重参数进行调整。
6.根据权利要求2所述的方法，其特征在于，所述接收雷达信号，包括：
通过所述设备中的接收天线，接收所述雷达信号。
7.根据权利要求3所述的方法，其特征在于，所述多个历史时刻包括当前时间之前的预设时间段内连续的多个历史时刻；
所述接收雷达信号，包括：
接收所述当前时间对应的雷达信号。
8.根据权利要求2-7任一项所述的方法，其特征在于，所述雷达信道参数包括雷达信号的接收角度AoA的导向向量、多普勒频移和时延。
9.一种电子设备，其特征在于，包括处理器、通信接口、存储器和通信总线，其中，处理器，通信接口，存储器通过通信总线完成相互间的通信；
存储器，用于存放计算机程序；
处理器，用于执行存储器上所存放的程序时，实现权利要求2-8任一所述的方法步骤。
10.一种计算机可读存储介质，其特征在于，所述计算机可读存储介质内存储有计算机程序，所述计算机程序被处理器执行时实现权利要求2-8任一所述的方法步骤。
CN202010459029.1A 2020-05-27 2020-05-27 雷达通信一体化系统、信道估计方法、设备及存储介质 Active CN111628948B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202010459029.1A CN111628948B (zh) 2020-05-27 2020-05-27 雷达通信一体化系统、信道估计方法、设备及存储介质

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202010459029.1A CN111628948B (zh) 2020-05-27 2020-05-27 雷达通信一体化系统、信道估计方法、设备及存储介质

Publications (2)

Publication Number Publication Date
CN111628948A CN111628948A (zh) 2020-09-04
CN111628948B true CN111628948B (zh) 2021-11-05

Family

ID=72272369

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202010459029.1A Active CN111628948B (zh) 2020-05-27 2020-05-27 雷达通信一体化系统、信道估计方法、设备及存储介质

Country Status (1)

Country Link
CN (1) CN111628948B (zh)

Families Citing this family (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN112968722B (zh) * 2021-03-17 2022-08-02 南京大学 基于fd-mimo的雷达通信一体化信号设计方法
CN113189546B (zh) * 2021-04-02 2024-08-09 深圳成谷科技有限公司 一种防止雷达干扰的方法、系统及设备
CN113363706B (zh) * 2021-05-21 2022-05-31 北京理工大学 一种基于一套收发天线的雷达信道估计方法
CN114660581B (zh) * 2022-03-18 2023-06-23 中国电子科技集团公司第十研究所 基于外信息辅助的异步突发信号测距方法
CN115225128B (zh) * 2022-07-05 2024-06-18 南京邮电大学 一种mimo雷达通信一体化系统中的安全双功能波形设计方法

Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2018185612A1 (en) * 2017-04-03 2018-10-11 Amimon Ltd. In-service monitoring of dfs signals during analog video transmission
CN108983191A (zh) * 2018-07-27 2018-12-11 西安电子科技大学 Ofdm雷达通信一体化系统的低速信号处理方法
CN109061634A (zh) * 2018-10-19 2018-12-21 西安电子科技大学 Ofdm雷达通信一体化小型无人机系统的信号设计方法
CN109861768A (zh) * 2019-03-19 2019-06-07 电子科技大学 一种基于互信息的雷达通信一体化系统性能分析方法
CN110120924A (zh) * 2018-02-07 2019-08-13 晨星半导体股份有限公司 信道估计装置及信道估计方法
CN110726974A (zh) * 2019-10-17 2020-01-24 北京邮电大学 一种基于雷达通信一体化的雷达探测方法及装置

Family Cites Families (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20180149730A1 (en) * 2016-11-26 2018-05-31 Wenhua Li Cognitive MIMO Radar with Multi-dimensional Hopping Spread Spectrum and Interference-Free Windows for Autonomous Vehicles

Patent Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2018185612A1 (en) * 2017-04-03 2018-10-11 Amimon Ltd. In-service monitoring of dfs signals during analog video transmission
CN110120924A (zh) * 2018-02-07 2019-08-13 晨星半导体股份有限公司 信道估计装置及信道估计方法
CN108983191A (zh) * 2018-07-27 2018-12-11 西安电子科技大学 Ofdm雷达通信一体化系统的低速信号处理方法
CN109061634A (zh) * 2018-10-19 2018-12-21 西安电子科技大学 Ofdm雷达通信一体化小型无人机系统的信号设计方法
CN109861768A (zh) * 2019-03-19 2019-06-07 电子科技大学 一种基于互信息的雷达通信一体化系统性能分析方法
CN110726974A (zh) * 2019-10-17 2020-01-24 北京邮电大学 一种基于雷达通信一体化的雷达探测方法及装置

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
基于OFDM的雷达通信一体化设计方法研究;刘永军;《中国博士学位论文全文数据库（信息科技辑）》;20200215;全文 *

Also Published As

Publication number Publication date
CN111628948A (zh) 2020-09-04

Similar Documents

Publication Publication Date Title
CN111628948B (zh) 雷达通信一体化系统、信道估计方法、设备及存储介质
CN114599086B (zh) 一种通信感知一体化方法、装置、基站及系统
Radmard et al. Antenna placement and power allocation optimization in MIMO detection
CN111585644B (zh) 雷达通信一体化系统、信号处理方法及设备、存储介质
CN110611527B (zh) 一种阵列天线、波束成形方法及感知和通信一体化系统
US8553797B2 (en) Channel information prediction system and channel information prediction method
US8462869B2 (en) Channel information prediction system and channel information prediction method
CN105246086B (zh) 一种确定天线角度的方法和设备
Lu et al. The degrees-of-freedom in monostatic ISAC channels: NLoS exploitation vs. reduction
Zhu et al. Resource allocation for IRS assisted mmWave integrated sensing and communication systems
Xu et al. Data-driven beam management with angular domain information for mmWave UAV networks
Prasad et al. Analysis of adaptive algorithms for digital beamforming in smart antennas
Noh et al. Design of channel estimation for hybrid beamforming millimeter-wave systems in the presence of beam squint
Kwon et al. Integrated localization and communication for efficient millimeter wave networks
CN117833970A (zh) 一种通信感知一体化信号处理系统及方法
CN113810096B (zh) 大规模mimo卫星移动通信上行传输方法及系统
Ghadikolaei et al. Learning-based tracking of AoAs and AoDs in mmWave networks
Gao et al. A robust beamforming for MIMO radar against virtual array steering vector mismatch
Abohamra et al. Optimum scheduling based on beamforming for the fifth generation of mobile communication systems
Zhang et al. Space–time receiver for spread spectrum communication systems with beam tracking
Ahmed et al. A low complexity hybrid combiner design for the ill‐conditioned multiuser mmWave massive MIMO uplink
Jeyakumar et al. Hybrid beamforming in large-scale antenna array for 5G indoor communication network deployments
Rawat et al. BLMS and FBLMS-based adaptive time varying RCS estimation and 2D-Imaging for monostatic MIMO radar systems
Inagaki et al. DOA estimation of desired signals by cyclic ESPRIT based on noise subspace and its performance improvement
Liu et al. LSTM-Based Channel Tracking of MmWave Massive MIMO Systems for Mobile Internet of Things

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