CN113644941A - 一种基于大规模mimo接收阵列结构的模糊相位快速消除方法 - Google Patents

Abstract

本发明提供了一种基于大规模MIMO接收阵列结构的模糊相位快速消除方法，通过在混合模拟和数字大规模多输入多输出系统的基础上建立波达方向估计系统模型，从远场发射而来的窄带信号被混合结构天线阵列接收后利用根多信号分类混合数字和模拟相位校准方法估计DOA，针对混合结构带来的指向模糊的问题，利用一个数据块将天线阵分组，每组模拟相位校准器的相位分别对准模糊角，采用平均接收功率最大化的智能策略消除模糊角得到估计DOA，该方法在少量的性能损失下拥有更短的时间延迟和计算复杂度。

Description

一种基于大规模MIMO接收阵列结构的模糊相位快速消除方法

技术领域

本发明涉及无线通信技术领域，尤其涉及一种基于大规模MIMO接收阵列结构的模糊相位快速消除方法。

背景技术

DOA估计在我们的生活中有着广泛的应用，比如无线通信、雷达、声纳、导航、各种物体的跟踪以及救援和其他紧急援助装置。最近几年，随着MIMO的流行，基于大规模MIMO系统的DOA估计吸引了很多关注，它能够实现超高精度的角估计。但是由于天线数量趋于大规模，商业实现的成本和计算复杂度都过高，故混合模拟和数字结构应运而生。目前已有研究提出了基于混合结构的DOA估计方法，但是混合结构带来的相位模糊问题依然没有快速有效的方法解决。

发明内容

本发明的目的在于提供一种基于大规模MIMO接收阵列结构的模糊相位快速消除方法，能快速有效地消除模糊相位，在可接受的性能损失的情况下降低估计延迟和计算复杂度。

本发明是通过以下技术方案实现的：一种基于大规模MIMO接收阵列结构的模糊相位快速消除方法，包括下列步骤：

建立基于HAD大规模MIMO接收阵列的DOA估计系统模型，并获得输出信号；

利用Root-MUSIC算法对所述DOA估计系统模型进行DOA估计得到模糊解集；

基于快速模糊相位消除法以及平均功率最大化策略消除模糊解，得到DOA。

可选的，建立基于HAD大规模MIMO接收阵列的DOA估计系统模型，并获得输出信号，包括下列步骤：

设定拥有N根天线以及K个子阵的HAD天线阵列捕获一个远场发射器发射的窄带信号

其中s(t)是基带信号，f_c是载波频率，其从θ₀方向发射来的信号被天线阵列接收表示为：

其中b表示数据块索引，每个数据块由L个采样点组成，w^b(t)表示加性高斯白噪声矩阵，a(θ₀)是阵列流形，定义如下：

其中λ表示信号波长，d表示天线间距；

从θ₀方向发射来的信号经过APA、射频链、ADC、DPA得到：

其中s(n)表示发射信号，V_A是AB块对角矩阵，其对角线元素v_A,k是第k个子阵的AB向量，

是DB向量。

可选的，其特征在于，利用Root-MUSIC算法对所述DOA估计系统模型进行DOA估计得到模糊解集，包括下列步骤：

将每个子阵列设定为一个大的虚拟天线，当AB相位均为0时，至少一个数据块中所有子阵列的输出向量为:

式中，M为子阵天线数量，a_M(θ₀)为虚拟天线阵列的阵列流形，g(θ₀)为每个子阵列所有天线元素综合的公共因子，w¹(n)为加性高斯白噪声矩阵；

虚拟天线阵列输出向量y¹(n)的协方差矩阵为：

对R_yy进行奇异值分解得到：

R_yy＝[E_S E_N]∑[E_S E_N]^H

其中E_S、E_N分别代表信号子空间和噪声子空间；

获得相应的谱函数：

定义如下多项式方程：

多项式方程有2K-2个根z_i，从而获得发射器方向集

其中

利用DPA联合平均功率最大化策略删除

中的2K-3个伪解得到最优解

既而获得相位：

由于函数f_φ(φ)是变量φ周期为2π的周期函数，即

故可得可行模糊解集合如下

可选的，在基于快速模糊相位消除法以及平均功率最大化策略消除模糊解时，其具体步骤包括：

设定每个子阵中具有M根天线，每根天线均对准一个模糊相位；

在经过了APA和ADC之后，第m组的第p个子阵列的输出信号为：

其中a_mp(θ₀)是第m组第p子阵的的阵列流形，定义H＝(m-1)PM+(P-1)M，则：

而

是第m组第p个子阵的AB向量，它的相位要对准第m个模糊方向角，则：

DB向量为v_D＝[1,1,…,1]^T，故经过DPA输出信号为

平均输出功率为

其中r＝[r(1),r(2),…,r(L)]，平均功率最大所对应的模糊相位即为波达方向的估计角：

与现有技术相比，本发明达到的有益效果如下：

本发明提供的一种基于大规模MIMO接收阵列结构的模糊相位快速消除方法，在混合模拟和数字大规模多输入多输出系统的基础上建立波达方向估计系统模型，从远场发射而来的窄带信号被混合结构天线阵列接收后利用根多信号分类混合数字和模拟相位校准方法估计DOA，针对混合结构带来的指向模糊的问题，利用一个数据块将天线阵分组，每组模拟相位校准器的相位分别对准模糊角，采用平均接收功率最大化的智能策略消除模糊角得到估计DOA，其通过两个数据块即实现DOA估计，极大地降低了估计延迟，同时本方法降低了计算复杂度。

附图说明

为了更清楚地说明本发明实施例中的技术方案，下面将对实施例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优选实施例，对于本领域普通技术人员来讲，在不付出创造性劳动性的前提下，还可以根据这些附图获得其他的附图。

图1为本发明实施例提出的快速模糊相位消除法的系统结构图；

图2为本发明实施例所提出的快速模糊相位消除法的系统流程图；

图3为本发明实施例所提出的快速模糊相位消除法在不同子阵数情况下均方根误差与信噪比的关系曲线图；

图4为本发明实施例所提出的快速模糊相位消除法和现有技术的均方根误差与信噪比的关系曲线图；

图5为本发明实施例所提出的快速模糊相位消除法和现有技术在进行错误消除的概率与信噪比的关系曲线图。

具体实施方式

为了使得本发明的目的、技术方案和优点更为明显，下面将参照附图详细描述根据本发明的示例实施例。显然，所描述的实施例仅仅是本发明的一部分实施例，而不是本发明的全部实施例，应理解，本发明不受这里描述的示例实施例的限制。基于本发明中描述的本发明实施例，本领域技术人员在没有付出创造性劳动的情况下所得到的所有其它实施例都应落入本发明的保护范围之内。

在下文的描述中，给出了大量具体的细节以便提供对本发明更为彻底的理解。然而，对于本领域技术人员而言显而易见的是，本发明可以无需一个或多个这些细节而得以实施。在其他的例子中，为了避免与本发明发生混淆，对于本领域公知的一些技术特征未进行描述。

应当理解的是，本发明能够以不同形式实施，而不应当解释为局限于这里提出的实施例。相反地，提供这些实施例将使公开彻底和完全，并且将本发明的范围完全地传递给本领域技术人员。

在此使用的术语的目的仅在于描述具体实施例并且不作为本发明的限制。在此使用时，单数形式的“一”、“一个”和“所述/该”也意图包括复数形式，除非上下文清楚指出另外的方式。还应明白术语“组成”和/或“包括”，当在该说明书中使用时，确定所述特征、整数、步骤、操作、元件和/或部件的存在，但不排除一个或更多其它的特征、整数、步骤、操作、元件、部件和/或组的存在或添加。在此使用时，术语“和/或”包括相关所列项目的任何及所有组合。

为了彻底理解本发明，将在下列的描述中提出详细的结构，以便阐释本发明提出的技术方案。本发明的可选实施例详细描述如下，然而除了这些详细描述外，本发明还可以具有其他实施方式。

参见图1至图2，一种基于大规模MIMO接收阵列结构的模糊相位快速消除方法，包括下列步骤：

S1、建立基于HAD大规模MIMO接收阵列的DOA估计系统模型，并获得输出信号；

S2、利用Root-MUSIC算法对所述DOA估计系统模型进行DOA估计得到模糊解集；

S3、基于快速模糊相位消除法以及平均功率最大化策略消除模糊解，得到DOA。

在本申请所建立的DOA估计系统模型中，拥有N根天线的均匀线性阵列捕获从远场发射过来的窄带信号，天线被分为K个子阵，每个子阵有M根天线。接收的信号经过模拟相位校准(Analog phase alignment，APA)、模数转换器(Analog-to-digital convertor，ADC)、数字相位校准(Digital phase alignment，DPA)后得到输出信号；

对利用利用根多信号分类(Root multiple signal classification，Root-MUSIC)方法对输出信号进行DOA估计：将每个子阵看作一根虚拟天线，当APA相位为0时，推导出天线子阵输出信号的协方差矩阵，对它进行奇异值分解(Singular valuedecomposition，SVD)，得到空间谱估计函数，根据Root-MUSIC算法给出根多项式，利用DPA联合平均功率最大化策略得到估计角，但混合结构带来了M个模糊解，组成可行解集；

最后将天线子阵分为M组，每组APA的相位分别对准M个模糊方向，通过平均功率最大化策略消除可行解集中的模糊解，得到DOA。

在步骤S1中，建立基于HAD大规模MIMO接收阵列的DOA估计系统模型，具体如下：

HAD天线阵列捕获一个远场发射器发射的窄带信号

其中s(t)是基带信号，f_c是载波频率。HAD天线阵列是均匀间距线性阵列，共N根天线，分为K个子阵，每个子阵包含M根天线，故可知N＝MK。从θ₀方向发射来的信号被天线阵列接收表示为：

其中b表示数据块索引，每个数据块由L个采样点组成，

是加性高斯白噪声(Additive white Gaussian noise，AWGN)矩阵，a(θ₀)是阵列流形，定义如下：

其中λ表示信号波长，d表示天线间距。经过APA、射频链、ADC、DPA得到：

其中V_A是AB矩阵，它是块对角矩阵，对角线元素

是第k个子阵的AB向量，α_k,i是第k个子阵第i根天线的相位。DB向量为v_D＝[v₁,v₂,…,v_K]^T。

至此完成基于HAD大规模MIMO接收阵列的DOA估计系统模型的建立。

在步骤S2中，利用Root-MUSIC算法进行DOA估计得到模糊解集，具体如下：

将每个子阵列看作是一个大的虚拟天线，当AB相位均为0时，数据块1中所有子阵列的输出向量为

其中

表示虚拟天线阵列的阵列流形，

为每个子阵列所有天线元素综合的公共因子，w¹(n)为加性高斯白噪声矩阵；定义a_D(θ₀)＝g(θ₀)a_M(θ₀)。

在步骤S2中，还进一步公开了采用Root-MUSIC算法来进行DOA估计的具体步骤：

S2.1、设定虚拟天线阵列输出向量y¹(n)的协方差矩阵为：

S2.2、对R_yy进行奇异值分解得到：

R_yy＝[E_S E_N]∑[E_S E_N]^H

其中E_S、E_N分别代表信号子空间和噪声子空间，K×K的对角矩阵

其中

表示接收信号的方差；

S2.3、得到相应的谱函数：

定义多项式方程：

其中

多项式方程有2K-2个根z_i，它得到相关的发射器方向集

其中

在步骤S2中，利用DPA联合平均功率最大化策略删除

中的2K-3个伪解得到最优解

它将得到相位

由于函数f_φ(φ)是变量φ周期为2π的周期函数，即

故可得可行解集合如下：

其中

由于在ADC之前无法存储模拟信号，故需要使用之后的M个新的数据块进行通过APA消除模糊解得到估计角。

至此完成了Root-MUSIC算法对DOA的估计。

在步骤S3中，本实施例针对混合结构带来的M个模糊的相位，提出快速模糊相位消除法，利用一个数据块来快速消除模糊相位，其具体步骤包括：

将子阵分为M组，每组有P＝K/M个子阵，分别对准M个模糊相位，通过APA根据平均功率最大化策略消除模糊解找到估计角。在经过了APA和ADC之后，第m组的第p个子阵列的输出信号为：

其中a_mp(θ₀)是第m组第p子阵的的阵列流形，定义H＝(m-1)PM+(P-1)M，则

而

是第m组第p个子阵的AB向量，它的相位要对准第m个模糊方向角，则：

其中DB向量为v_D＝[1,1,…,1]^T，故经过DPA输出信号为

平均输出功率：

其中r＝[r(1),r(2),…,r(L)]，平均功率最大所对应的模糊相位即为波达方向的估计角：

综上所述，该方法使用第一个数据块通过Root-MUSIC方法来执行DPA得到可行的最优方向集，共有M个解。然后，将下一个数据块的天线分为M组，分别对准方向集中的M个模糊相位，执行APA消除模糊解得到估计角。这意味着该方法所需的总数据块数目为2，大大降低了估计延迟和计算复杂度，且随着M的增加这种降低更加显著。

为了说明本申请实施例的实施效果，本申请建立了若干对比实验，其实验结果如图3-图5所示，作为示例性的，参见图3，图3展示了当N＝64，L＝32和M∈{1,2,4，8}时所提出的快速模糊相位消除法的均方根误差(Root mean square error，RMSE)性能与信噪比(Signal to noise ratio，SNR)的关系曲线。从图中可以看出，RMSE随着SNR的增加而降低，同时在天线总数相同的情况下，子阵数K越大，即子阵包含天线数越小，RMSE越小。

作为示例性的，参见图4，图4给出了当M＝4，N＝64，L＝8时所提出的快速模糊相位消除法和原方法的RMSE性能和SNR的关系曲线。从图中可以看出所提出的快速模糊相位消除法由于采用的数据块少而造成了性能的损失。

作为示例性的，参见图5，图5给出了当M＝4，N为64，L＝8时提出的快速模糊相位消除法和原方法在M个模糊相位中错误寻找估计角的概率与SNR的关系曲线，由于两种方法的差异仅在于在M个模糊相位中去除伪解，找到正确的估计角，因此从图中可以看出，当信噪比较低时，提出的方法错误概率比原方法要高，这与图4中所展现的改进方法性能较差相一致。

以上所述仅为本发明的较佳实施例而已，并不用以限制本发明，凡在本发明的精神和原则之内，所做的任何修改、等同替换、改进等，均应包含在本发明保护的范围之内。

Claims (4)

1.一种基于大规模MIMO接收阵列结构的模糊相位快速消除方法，其特征在于，包括下列步骤：

建立基于HAD大规模MIMO接收阵列的DOA估计系统模型，并获得输出信号；

利用Root-MUSIC算法对所述DOA估计系统模型进行DOA估计得到模糊解集；

基于快速模糊相位消除法以及平均功率最大化策略消除模糊解，得到DOA。

2.根据权利要求1所述的一种基于大规模MIMO接收阵列结构的模糊相位快速消除方法，其特征在于，建立基于HAD大规模MIMO接收阵列的DOA估计系统模型，并获得输出信号，包括下列步骤：

设定拥有N根天线以及K个子阵的HAD天线阵列捕获一个远场发射器发射的窄带信号

其中s(t)是基带信号，f_c是载波频率，其从θ₀方向发射来的信号被天线阵列接收表示为：

其中b表示数据块索引，每个数据块由L个采样点组成，w^b(t)表示加性高斯白噪声矩阵，a(θ₀)是阵列流形，定义如下：

其中λ表示信号波长，d表示天线间距；

从θ₀方向发射来的信号经过APA、射频链、ADC、DPA得到：

其中s(n)表示发射信号，V_A是AB块对角矩阵，其对角线元素v_A,k是第k个子阵的AB向量，

是DB向量。

3.根据权利要求2所述的一种基于大规模MIMO接收阵列结构的模糊相位快速消除方法，其特征在于，利用Root-MUSIC算法对所述DOA估计系统模型进行DOA估计得到模糊解集，包括下列步骤：

将每个子阵列设定为一个大的虚拟天线，当AB相位均为0时，至少一个数据块中所有子阵列的输出向量为:

式中，M为子阵天线数量，a_M(θ₀)为虚拟天线阵列的阵列流形，g(θ₀)为每个子阵列所有天线元素综合的公共因子，w¹(n)为加性高斯白噪声矩阵；

虚拟天线阵列输出向量y¹(n)的协方差矩阵为：

对R_yy进行奇异值分解得到：

R_yy＝[E_S E_N]∑[E_S E_N]^H

其中E_S、E_N分别代表信号子空间和噪声子空间；

获得相应的谱函数：

定义如下多项式方程：

多项式方程有2K-2个根z_i，从而获得发射器方向集

其中

利用DPA联合平均功率最大化策略删除

中的2K-3个伪解得到最优解

既而获得相位：

由于函数f_φ(φ)是变量φ周期为2π的周期函数，即

故可得可行模糊解集合如下

4.根据权利要求3所述的一种基于大规模MIMO接收阵列结构的模糊相位快速消除方法，其特征在于，在基于快速模糊相位消除法以及平均功率最大化策略消除模糊解时，其具体步骤包括：

设定每个子阵中具有M根天线，每根天线均对准一个模糊相位；

在经过了APA和ADC之后，第m组的第p个子阵列的输出信号为：

其中a_mp(θ₀)是第m组第p子阵的的阵列流形，定义H＝(m-1)PM+(P-1)M，则：

而

是第m组第p个子阵的AB向量，它的相位要对准第m个模糊方向角，则：

DB向量为v_D＝[1,1,…,1]^T，故经过DPA输出信号为

平均输出功率为

其中r＝[r(1),r(2),…,r(L)]，平均功率最大所对应的模糊相位即为波达方向的估计角：

Images