CN113866752B - 一种svd预编码的mimo-otfs雷达目标检测方法 - Google Patents
一种svd预编码的mimo-otfs雷达目标检测方法 Download PDFInfo
- Publication number
- CN113866752B CN113866752B CN202111161276.4A CN202111161276A CN113866752B CN 113866752 B CN113866752 B CN 113866752B CN 202111161276 A CN202111161276 A CN 202111161276A CN 113866752 B CN113866752 B CN 113866752B
- Authority
- CN
- China
- Prior art keywords
- signal
- otfs
- time domain
- time
- mimo
- 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
- 238000001514 detection method Methods 0.000 title claims abstract description 27
- 238000000354 decomposition reaction Methods 0.000 title abstract description 9
- 238000007781 pre-processing Methods 0.000 claims abstract description 46
- 238000012545 processing Methods 0.000 claims abstract description 35
- 238000000034 method Methods 0.000 claims abstract description 28
- 230000003287 optical effect Effects 0.000 claims abstract description 3
- 230000005540 biological transmission Effects 0.000 claims description 21
- 238000006243 chemical reaction Methods 0.000 claims description 19
- 238000013507 mapping Methods 0.000 claims description 14
- 230000009466 transformation Effects 0.000 claims description 14
- 238000005070 sampling Methods 0.000 claims description 7
- 230000004044 response Effects 0.000 claims description 6
- 230000008859 change Effects 0.000 claims description 5
- 238000001914 filtration Methods 0.000 claims description 3
- 101000583218 Drosophila melanogaster Protein krasavietz Proteins 0.000 claims description 2
- 239000013256 coordination polymer Substances 0.000 claims 4
- 108091006146 Channels Proteins 0.000 description 45
- 239000011159 matrix material Substances 0.000 description 12
- 230000008569 process Effects 0.000 description 9
- 238000004891 communication Methods 0.000 description 7
- 238000010586 diagram Methods 0.000 description 5
- 230000000694 effects Effects 0.000 description 5
- 238000005516 engineering process Methods 0.000 description 3
- 238000005562 fading Methods 0.000 description 3
- 238000007476 Maximum Likelihood Methods 0.000 description 2
- 239000000654 additive Substances 0.000 description 2
- 230000000996 additive effect Effects 0.000 description 2
- 238000010295 mobile communication Methods 0.000 description 2
- 230000008054 signal transmission Effects 0.000 description 2
- 238000001228 spectrum Methods 0.000 description 2
- 230000015556 catabolic process Effects 0.000 description 1
- 238000012937 correction Methods 0.000 description 1
- 125000004122 cyclic group Chemical group 0.000 description 1
- 238000006731 degradation reaction Methods 0.000 description 1
- 238000009792 diffusion process Methods 0.000 description 1
- 238000005457 optimization Methods 0.000 description 1
- 238000000926 separation method Methods 0.000 description 1
- 238000012546 transfer Methods 0.000 description 1
- 238000000844 transformation Methods 0.000 description 1
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
- G01S13/00—Systems using the reflection or reradiation of radio waves, e.g. radar systems; Analogous systems using reflection or reradiation of waves whose nature or wavelength is irrelevant or unspecified
- G01S13/02—Systems using reflection of radio waves, e.g. primary radar systems; Analogous systems
- G01S13/50—Systems of measurement based on relative movement of target
Landscapes
- Engineering & Computer Science (AREA)
- Radar, Positioning & Navigation (AREA)
- Remote Sensing (AREA)
- Computer Networks & Wireless Communication (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Radio Transmission System (AREA)
Abstract
本发明涉及数字信号处理的技术领域,提供一种SVD预编码的MIMO‑OTFS雷达目标检测方法,应用在MIMO‑OTFS系统中,方法包括:发送端对待发送的原始数据依次进行第一预处理、QAM调制、第二预处理以及OTFS调制,生成时域发送信号,将时域发送信号转换为时域接收信号;接收端接收时域接收信号,依次进行OTFS解调、第三预处理、QAM解调、第四预处理,得到接收数据符号,根据维度为NaNM×1的输出向量y以及接收数据符号,得到NaNM维接收信号;根据NaNM维接收信号进行雷达参数估计。本发明的方法,大幅降低接收端消除信号干扰的复杂度,具有较高的检测精度和稳定性。
Description
技术领域
本发明涉及数字信号处理的技术领域,尤其涉及一种SVD预编码的MIMO-OTFS雷达目标检测方法。
背景技术
推动高移动性环境下的网络通信的关键因素,是能够持续跟踪动态变化的环境状态并通过共享信息做出对应的最优化处理。然而频谱资源和硬件设备的高成本使通信和状态估计都应通过共享相同的频段操作。为实现自动驾驶汽车在复杂环境下的精确定位,需要在车上集成雷达感知和无线通信的功能,即雷达通信一体化系统。而这种雷达通信一体化系统能解决当前频谱资源短缺的问题,而且通过一体化系统很大程度缩小了系统的尺寸和降低系统设备成本。
未来的通信系统,应该支持高移动性场景中的高数据速率,例如车联网、高速铁路通信和毫米波移动到移动通信。在这些场景中由于多径效应和高多普勒频移,基于正交频分复用(OFDM)的系统在估计和补偿多普勒频移方面面临巨大挑战,又因载波间干扰(ICI)造成性能严重下降。因此经典的OFDM无法满足高移动通信的需求。
因此,目前亟需一种新的雷达目标检测方法解决上述的技术问题。
发明内容
为了解决上述的技术问题,本发明提供一种SVD预编码的MIMO-OTFS雷达目标检测方法。
本发明提供的SVD预编码的MIMO-OTFS雷达目标检测方法,应用在MIMO-OTFS系统中,MIMO-OTFS系统的发送端有多根发送天线,接收端有多根接收天线,方法包括:
发送端对待发送的原始数据依次进行第一预处理、QAM调制、第二预处理以及OTFS调制,生成时域发送信号x(t),其中,第一预处理包括信道编码、交织以及加扰,第二预处理包括层映射、SVD预编码以及资源单元映射;
发送端通过预设的无线信道发送时域发送信号x(t),在预设的无线信道中,将时域发送信号x(t)转换为时域接收信号y(t);
接收端接收时域接收信号y(t),对时域接收信号y(t)依次进行OTFS解调、第三预处理、QAM解调、第四预处理,得到经过MIMO空间复用的接收数据符号y[k,l],第三预处理包括解映射、信道估计以及均衡,第四预处理包括解扰、解交织以及解码;
在接收端定义一个维度为NaNM×1的输出向量y,根据维度为NaNM×1的输出向量y以及经过MIMO空间复用的接收数据符号y[k,l],得到NaNM维接收信号;
接收端根据所述NaNM维接收信号进行雷达参数估计。
进一步的,预设的无线信道为维度为Na·Na的P通道抽头时频选择性信道,预设的无线信道的表达式为:
其中,P为目标的数量,hp为复通道增益,为转向角,/> 为接收端的均匀线阵响应向量,/>为发送端的均匀线阵响应向量,/>为往返多普勒频移,/>为与第p个目标相关的延迟,fc为载波频率,Vp为目标的移动速度,rp为与目标的视线传输距离,c为光速。
进一步的,将时域发送信号x(t)转换为时域接收信号y(t)包括:
利用公式y(t)=h(t,τ)*x(t)+w(t)以及预设的无线信道的表达式,得到时域接收信号y(t)的表达式为:
其中,w(t)表示信道噪声,fBF是维度为Na×1的通用BF向量。
进一步的,OTFS调制包括:
将进行了第一预处理、QAM调制、第二预处理后的时延-多普勒域的数据符号x[k,l],进行ISFFT变化处理,得到时间-频率域的数据符号X[n,m];
利用海森堡变换将时间-频率域的离散信号X[n,m]转换为初始时域发送信号x(t);
对初始时域发送信号x(t)进行并串转换以及加CP处理,生成时域发送信号x(t)。
进一步的,将进行了第一预处理、QAM调制、第二预处理后的时延-多普勒域的数据符号x[k,l],进行ISFFT变化处理,得到时间-频率域的数据符号X[n,m]为:
利用公式:得到时间-频率域的数据符号X[n,m],其中M为子载波数,N为FFT点数,n为第n个时刻,m为第m个子载波。
进一步的,利用海森堡变换将时间-频率域的离散信号X[n,m]转换为初始时域发送信号x(t)为:
利用公式:将时间-频率域的离散信号X[n,m]转换为初始时域发送信号x(t),其中gtx(t)代表单位发射脉冲,Δf为子载波间隔,T为子载波的符号持续时间。
进一步的,OTFS解调包括:
对时域接收信号y(t)依次进行去CP处理、串并转换处理;
将进行去CP处理以及串并转换处理后的时域接收信号y(t),进行维格纳变换处理,得到时间-频率域的离散采样信号Y[n,m];
利用SFFT变换对时间-频率域的采样数据r[n,m]进行处理,得到时延多普勒域的接收数据符号y[k,l]。
进一步的,将进行去CP处理以及串并转换处理后的时域接收信号y(t),进行维格纳变换处理,得到时间-频率域的离散采样信号Y[n,m]为:
在接收端对时域接收信号y(t)与接收脉冲grx(t)进行匹配滤波计算出交叉互模糊函数;
其中,为交叉模糊函数;
得到并以间隔t=nT,f′=mΔf得到匹配滤波器输出为Y[n,m]。
进一步的,利用SFFT变换对时间-频率域的采样数据Y[n,m]进行处理,得到时延多普勒域的接收数据符号y[k,l]为:
利用公式:对时间-频率域的采样数据Y[n,m]进行处理,得到时延多普勒域的接收数据符号y[k,l]。
进一步的,接收端根据所述NaNM维接收信号进行雷达参数估计为:
利用ML估计从NaNM维接收信号中估计信道系数、多普勒、延迟和角度。
本发明提供的SVD预编码的MIMO-OTFS雷达目标检测方法,应用在MIMO-OTFS系统中,MIMO-OTFS系统在发射端和接收端分别使用多个发射天线和接收天线,从而提高数据速率、减少误比特率,改善无线信号传送质量,在高速移动场景下,MIMO-OTFS系统在高多普勒频移下表现出较高的鲁棒性、目标参数估计精度以及传输速率。在发射端对待发送的原始数据进行第一预处理、QAM调制之后,进行第二预处理(层映射、SVD预编码以及资源单元映射),通过SVD预编码来降低接收端消除信号干扰的复杂度,同时考虑了噪声影响,没有差错传播效应,提高了MIMO-OTFS系统的传输速率和链路可靠性且以较低的复杂度实现较高的性能,从而使接收端进行雷达参数估计时具有较高的检测精度和稳定性。
附图说明
为了更清楚的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的介绍,显而易见的,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它附图;
图1为本发明一种实施例中的MIMO-OTFS系统模型示意图;
图2为本发明一种实施例中的SVD预编码的MIMO-OTFS雷达目标检测方法的具体应用场景;
图3为本发明一种实施例中的SVD预编码的MIMO-OTFS雷达目标检测方法步骤流程图;
图4为本发明一种实施例中的MIMO-OTFS调制的结构框图;
图5为本发明一种实施例中的OTFS雷达目标检测模型框图;
图6为基于本发明方法采用的SVD预编码与其他预编码在不同信噪比下的误码率性能比较示意图。
具体实施方式
下面将结合本发明中的附图,对本发明实施例中的技术方案进行清楚、完整的描述,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,本领域普通的技术人员在没有做出创造性劳动的前提下所获得的所有其它实施例,都属于本发明的保护范围。
在本发明的一种实施例中,提供一种SVD预编码的MIMO-OTFS雷达目标检测方法,该方法应用在MIMO-OTFS系统(雷达目标检测系统)中。
如图1所示,为本发明中的MIMO-OTFS系统模型示意图,发送端有多根发送天线,具体的,可以记为Nt根发送天线,接收端有多根接收天线,具体的,可以记为Nr根接收天线,每根发送天线发送不同的数据,接收端每根接收天线接收到的数据都是Nt根发送天线发送数据的叠加。本发明中的MIMO-OTFS系统,采用多输入多输出,由于额外的空间维度,具有区分多个目标的能力,能够有效提高分辨率。且本发明中的MIMO-OTFS系统,利用MIMO技术既可以提供波束赋形的BF向量,同时可利用空间复用提高信道容量。
进一步的,本发明中的MIMO-OTFS系统设置的系统参数如下表1所示:
表1 MIMO-OTFS系统设置的系统参数
系统参数 | 参数值 | 系统参数 | 参数值 |
载波频率fc | 4GHz | 系统带宽B | 1.92MHz |
子载波数M | 128 | 符号持续时间T | 0.00213s |
子载波间隔Δf | 15KHz | 最大相对速度Vmax | 3820m |
多普勒分辨率 | 468.75Hz | 最大距离Rmax | ±122m/s |
时延分辨率 | 510.8ns | 信噪比SNR | 10dB |
图2为本发明提供的SVD预编码的MIMO-OTFS雷达目标检测方法的一种具体的应用场景。该应用场景为自动驾驶场景。其中A想要继续前进就要判断B和C的行驶状况,假设B阻碍了A去检测C时;此时C为被检测目标,B为检测主体和发送端(将检测到C的信息传输给A),A为接收端。
如图3所示,本发明提供的SVD预编码的MIMO-OTFS雷达目标检测方法包括以下步骤:
步骤S101:发送端对待发送的原始数据依次进行第一预处理、QAM调制、第二预处理以及OTFS调制,生成时域发送信号x(t)。
在本实施例中,待发送的原始数据中携带了检测目标的速度、角度、距离等相关参数。由于本发明中的MIMO-OTFS系统利用了MIM0技术,能够同时处理多路数据流(即多路待发送的原始数据)。
具体的,如图4所示,第一预处理包括信道编码、交织以及加扰,且按照信道编码-交织-加扰的顺序进行预处理。其中,通过信道编码可以使数据流具有纠错能力和抗干扰能力;交织的过程是打乱原来的比特流顺序,使连续的深衰落对信息的影响实际是作用在打乱顺序的比特数据流上,在恢复原来的顺序后,深衰落对信息的影响由来连续转换成离,因此可方便地根据冗余比特恢复受干扰的原始数据;经过信道编码以及交织之后,待发送的原始数据变成码字(一个码字就是一股数据流);加扰是对编码后的数据逐比特地与扰码序列进行运算,起到保密的作用。
QAM调制(正交幅度调制)是幅度、相位联合调制技术,它同时利用了载波的幅度和相位来传递信息比特,同时将比特数据流映射到复平面上的过程,也叫复数调制。
由于完成QAM调制之后,数据流的数量和发送天线数量是不一致的,因此本步骤中通过第二预处理中的层映射和SVD预编码处理,将数据流比特送到不同的发送天线、不同时隙、不同子载波上。增加层映射能够将复杂的数学变换简单化。无线环境很复杂,要根据无线环境选择MIMO的应用模式(MIMO的应用模式已由行业标准规定,选择即可)。
进一步的,层映射就是将QAM调制之后的数据流按照预设规则重新排列,将彼此独立的码字映射到空间概念层上。这个空间概念层是到物理天线端口的中转站。SVD预编码用于将层数据映射到不同的天线端口,不同的子载波上,不同的时隙上,以便实现分集或复用的目的。SVD预编码过程就是空时编码的过程,从编码调制后(QAM调制)的数据发送到天线口的过程。资源单元映射在SVD预编码之后,SVD预编码后的数据已经确定了天线端口(即确定了空间维度的资源);如图6所示,在相同信噪比下SVD预编码的误码率最低。通过SVD预编码可以降低MIMO接收端消除信号干扰的复杂度,同时SVD预编码考虑了噪声影响,没有差错传播效应,提高了传输的可靠性。进一步的,当发射端已知信道状态信息CSI时,可以使用SVD预编码来提高信道容量。
更进一步的,SVD预编码算法的基本思想是对信道信息矩阵H进行奇异值分解。
奇异值分解是一个能适用于任意的矩阵的一种分解的方法,特征值分解的矩阵是对称阵,根据EVD可以找到一个超矩形使得变换后还是超矩形,也即A可以将一组正交基映射到另一组正交基。SVD分解关键即对任意M*N的矩阵,找到一组正交基使得经过它变换后还是正交基。通过SVD预编码进行分解使多用户MIMO系统中,一个主要的问题就是消除各个用户信号之间的相互干扰。在下行链路中,由于各个移动台之间地理位置上是分散的,移动台之间无法实现相互协作,因此不能利用上行链路中使用的接收算法联合检测出发射信号。此时可以在发射端对信道状态信息CSI加以利用,采用多用户MIMO系统预编码技术,对发射信号进行预处理,使各用户接收不受其它用户干扰的信号。通过发射端的SVD预编码处理,可以有效地消除多用户干扰,从而大大提高系统容量;同时简化接收端的算法,解决移动台的功耗和体积问题;由于发射端能准确知道各用户的信道状态信息,所以在发射端采用反馈干扰抵消的方法不存在误码扩散问题,性能更优。
奇异值分解方法如下式:
H=U∑VH;其中,H∈CN×M为原始信道信息矩阵,U∈CN×M和V∈CN×M皆为酋矩阵信道模型可表示为y=HFx+w,其中,VH的共扼转置矩阵V被用做预编码矩阵F。
资源单元映射是在每个天线端口上,将SVD预编码后的数据对应在子载波和时隙组成的二维物理资源(RE)上。
进行第二预处理之后,进行OTFS调制,OTFS调制由于码率低和加入了时间保护间隔而具有极强的抗多径干扰能力,由于多径时延小于保护间隔,所以系统不受码间干扰的困扰。
更进一步的,如图5所示,在本实施例中,OTFS调制包括以下步骤:
(1)将进行了第一预处理、QAM调制、第二预处理后的时延-多普勒域的数据符号x[k,l],进行ISFFT变化处理,得到时间-频率域的数据符号X[n,m];
具体的,可以利用公式得到时间-频率域的数据符号X[n,m],其中M为子载波数;N为FFT点数;n为第n个时刻;m为第m个载波(一个数据帧中有N个OFDM符号(时域上),一个OFDM符号(频域上)可以分为M个子载波,则X[n,m]表示在时间n在子载波m上发送的符号);k的取值为0,1,2,…,N-1;1的取值为0,1,2,…,M-1;e为常数,j为复数单位。
进一步的,将进行了第一预处理、QAM调制、第二预处理后的时延-多普勒域的数据符号x[k,l],进行ISFFT变化处理后,还可以进行加窗操作,若进行加窗操作,则最终得到的Wtx[n,m]是发送窗。
(2)利用海森堡变换将时间-频率域的离散信号X[n,m]转换为初始时域发送信号x(t);
具体的,可以利用公式将时间-频率域的离散信号X[n,m]转换为初始时域发送信号x(t),其中gtx(t)代表单位发射脉冲,Δf为子载波间隔,T为子载波的符号持续时间。
(3)对初始时域发送信号x(t)进行并串转换以及加CP处理,生成时域发送信号x(t)。
并行转串行,即由单点变N点,相当于每一符号的持续时间增加了N倍,增加了系统的抗干扰能力;加CP(循环前缀)能解决时延扩展带来的符号间干扰ISI(Inter SymbolInterference)和载波间干扰ICI(Inter-Carrier Interference)。
步骤S102:发送端通过预设的无线信道发送时域发送信号x(t),在预设的无线信道中,将时域发送信号x(t)转换为时域接收信号y(t)。
具体的,在本实施例中,预设的无线信道为维度为Na·Na的P通道抽头时频选择性信道,预设的无线信道的表达式为:
其中,P为目标的数量,hp为复通道增益,为转向角,/> 为接收端的均匀线阵响应向量,/>为发送端的均匀线阵响应向量,/>为往返多普勒频移,/>为与第p个目标相关的延迟,fc为载波频率,Vp为目标的移动速度,rp为与目标的视线传输距离,c为光速。
在本实施例中,s=0,2,3,…Na-1,s表示第s根天线,Na为天线数的上限。
s=0,2,3,…Na-1,s表示第s根天线,Na为天线数的上限;
进一步的,在本实施例中,将时域发送信号x(t)转换为时域接收信号y(t)包括:
利用公式y(t)=h(t,τ)*x(t)+w(t)以及预设的无线信道的表达式h(t,τ),得到时域接收信号y(t)的表达式为:
其中,h(t,τ)为无线信道,w(t)表示信道噪声,fBF是维度为Na×1的通用BF向量(波束赋形向量)。
如图5所示,在步骤S102的发送端通过预设的无线信道发送时域发送信号x(t)之前,加CP之后,还需要进行D/A变换操作。
步骤S103:接收端接收时域接收信号y(t),对时域接收信号y(t)依次进行OTFS解调、第三预处理、QAM解调、第四预处理,得到时延多普勒域的接收数据符号y[k,l]。
本步骤的相关过程如图4所示。
并且如图5所示,在步骤S103的对时域接收信号y(t)依次进行OTFS解调、第三预处理、QAM解调、第四预处理之前,接收时域接收信号y(t)之后,还需要进行A/D变换操作。
在一种实现方式中,如图5所示,OTFS解调包括:
(1)对时域接收信号y(t)依次进行去CP处理、串并转换处理;
(2)将进行去CP处理以及串并转换处理后的时域接收信号y(t),进行维格纳变换处理,得到时间-频率域的离散采样信号Y[n,m];
具体的,维格纳变换处理的过程为:在接收端对时域接收信号y(t)与接收脉冲grx(t)进行匹配滤波计算出交叉模糊函数;
其中,为交叉模糊函数;
得到并以间隔t=nT,f′=mΔf得到匹配滤波器输出为Y[n,m]。
更具体的,Y[n,m]的表达式为:
在上式中,时频域通道为:
其中(本发明中预设的无线信道的信道模型的离散形式)。
更具体的,在进行维格纳变换处理后,还可以进行增加接收窗的操作,若进行增加接收窗操作,则Wrx[n,m]是接收窗。
(3)利用SFFT变换对所述时间-频率域的采样数据Y[n,m]进行处理,得到时延多普勒域的接收数据符号y[k,l]。
具体的,利用公式:对所述时间-频率域的采样数据Y[n,m]进行处理,得到时延多普勒域的接收数据符号y[k,l]。
进一步的,上式中样本[k,l]所经历的多普勒时延效应对[k′,l′]的符号间干扰(ISI)系数由下式给出:
k′的取值为0,1,2,…,N-1;l′的取值为0,1,2,…,M-1,且k′≠k,l′≠l
通过得y[k,l],然后通过
y[k,l]=∑k′,l′x[k′,l′]Lk,k′[l,l′]得Lk,k′[l,l′],根据公式最后得到转化成矩阵形式Ψp,以进行参数估计
其中:
后续对时延多普勒域的接收数据符号y[k,l]进行第三预处理、QAM解调以及第四预处理,进而得到经过MIMO空间复用的接收数据符号y[k,l]。具体的,第三预处理包括解映射、信道估计以及均衡,解映射与信道估计同时进行,在解映射与信道估计完成后进行均衡操作。第四预处理包括解扰、解交织以及解码,第四预处理的顺序是按照解扰-解交织-解码的顺序进行的。
其中,解映射为资源单元映射的逆过程。
进行信道估计,能够确定信道表达式,确定信道状态信息CSI。
在接收端,U的共辄转置UH被用做均衡矩阵。
对接收信号进行均衡变换如下:
∑=diag(λ1,λ2,...,λi)为接收端对信号做了均衡处理之后的虚拟等效信道矩阵。在接收端进行均衡,因为CP虽能解决时延扩展带来的ISI和ICI,但是时延扩展带来的频选衰落还是要由均衡解决。
QAM解调为QAM调制的逆过程,本发明对此不再过多赘述。
第四预处理包括解扰、解交织以及解码,且顺序如图4所示,依次进行解扰、解交织、解码。解扰、解交织、解码分别为加扰、交织、编码的逆过程,本发明对此不再过多赘述。
步骤S104:在接收端定义一个维度为NaNM×1的输出向量y,根据维度为NaNM×1的输出向量y以及经过MIMO空间复用的接收数据符号y[k,l],得到NaNM维接收信号。
我们定义一个其中/>表示克罗内克积。/>作为NaNM×NM矩阵,通过将Ψp乘以不同的系数/>获得。
通过将x[k,l]转化到NM×1维向量x,并定义维度为NMNa×1的输出向量y,存在噪声时的接收信号由下式给出其中fBF是维度为Na×1的通用波束赋形向量,w表示具有零均值和方差/>的独立同分布条目的加性高斯白噪声的向量,即w(t)的向量形式。具体的,NaNM维接收信号即为存在噪声时的接收信号,
同样由给出;其中w表示具有零均值和方差/>的独立同分布条目的加性高斯白噪声的向量,即w(t)的向量形式。
在本步骤中,将携带包含目标估计参数的数据以矩阵形式表示,方便计算机运算。
步骤S105:接收端根据NaNM维接收信号进行雷达参数估计。
经过上述的步骤S101-步骤S105,将雷达目标检测问题简化为:检测P个目标,并从NaNM维接收信号中估计相关参数(多普勒、时延、角度和信道系数),最后用ML估计即可(ML估计-极大似然估计利用已知的样本结果信息,反推最具有最大概率导致这些样本结果出现的模型参数值)。
最后作信号检测和参数估计为估计四个参数的集合θ:
四个参数分别为vp多普勒,τp时延,/>角度,h′p信道系数。
其中,γ=C×R×R×R。将ML估计函数定义为:
l(y|θ,x)=|y-∑ph′pGpx|2,使用简写符号Gp表示
ML最大似然估计解决方案给出
本发明提供的SVD预编码的MIMO-OTFS雷达目标检测方法,应用在MIMO-OTFS系统中,MIMO-OTFS系统在发射端和接收端分别使用多个发射天线和接收天线,从而提高数据速率、减少误比特率,改善无线信号传送质量,在高速移动场景下,MIMO-OTFS系统在高多普勒频移下表现出较高的鲁棒性、目标参数估计精度以及传输速率。在发射端对待发送的原始数据进行第一预处理、QAM调制之后,进行第二预处理(层映射、SVD预编码以及资源单元映射),通过SVD预编码来降低接收端消除信号干扰的复杂度,同时考虑了噪声影响,没有差错传播效应,提高了MIMO-OTFS系统的传输速率和链路可靠性且以较低的复杂度实现较高的性能,从而使接收端进行雷达参数估计时具有较高的检测精度和稳定性。
本文中在本发明的权利要求书、说明书中所使用的“第一”、“第二”、“第三”、“第四”只是为了便于区分的目的,没有特殊含义,不是旨在于限制本发明。本领域技术人员应当理解,在不脱离所公开的实施方式的基本原理的前提下,对上述实施方式中的各细节可进行各种变化。因此,本发明的范围只由权利要求确定,在权利要求中,除非另有说明,所有的术语应按最宽泛合理的意思进行理解。
Claims (10)
1.一种SVD预编码的MIMO-OTFS雷达目标检测方法,其特征在于,应用在MIMO-OTFS系统中,所述MIMO-OTFS系统的发送端有多根发送天线,接收端有多根接收天线,所述方法包括:
发送端对待发送的原始数据依次进行第一预处理、QAM调制、第二预处理以及OTFS调制,生成时域发送信号x(t),其中,所述第一预处理包括信道编码、交织以及加扰,所述第二预处理包括层映射、SVD预编码以及资源单元映射;
所述发送端通过预设的无线信道发送时域发送信号x(t),在预设的无线信道中,将所述时域发送信号x(t)转换为时域接收信号y(t);
所述接收端接收所述时域接收信号y(t),对所述时域接收信号y(t)依次进行OTFS解调、第三预处理、QAM解调、第四预处理,得到经过MIMO空间复用的接收数据符号y[k,l],所述第三预处理包括解映射、信道估计以及均衡,所述第四预处理包括解扰、解交织以及解码;
在所述接收端定义一个维度为NaNM×1的输出向量y,根据维度为NaNM×1的输出向量y以及经过MIMO空间复用的接收数据符号y[k,l],得到NaNM维接收信号;
所述接收端根据所述NaNM维接收信号进行雷达参数估计。
2.根据权利要求1所述的SVD预编码的MIMO-OTFS雷达目标检测方法,其特征在于,所述预设的无线信道为维度为Na·Na的P通道抽头时频选择性信道,所述预设的无线信道的表达式为:
其中,P为目标的数量,hp为复通道增益,为转向角,/> 为接收端的均匀线阵响应向量,/>为发送端的均匀线阵响应向量,/>为往返多普勒频移,为与第p个目标相关的延迟,fc为载波频率,Vp为目标的移动速度,rp为与目标的视线传输距离,c为光速。
3.根据权利要求2所述的SVD预编码的MIMO-OTFS雷达目标检测方法,其特征在于,所述将所述时域发送信号x(t)转换为时域接收信号y(t)包括:
利用公式y(t)=h(t,τ)*x(t)+w(t)以及所述预设的无线信道的表达式,得到所述时域接收信号y(t)的表达式为:
其中,w(t)表示信道噪声,fBF是维度为Na×1的通用BF向量。
4.根据权利要求3所述的SVD预编码的MIMO-OTFS雷达目标检测方法,其特征在于,所述OTFS调制包括:
将进行了第一预处理、QAM调制、第二预处理后的时延-多普勒域的数据符号x[k,l],进行ISFFT变化处理,得到时间-频率域的数据符号X[n,m];
利用海森堡变换将时间-频率域的离散信号x[n,m]转换为初始时域发送信号x(t);
对所述初始时域发送信号x(t)进行并串转换以及加CP处理,生成所述时域发送信号x(t)。
5.根据权利要求4所述的SVD预编码的MIMO-OTFS雷达目标检测方法,其特征在于,所将进行了第一预处理、QAM调制、第二预处理后的时延-多普勒域的数据符号x[k,l],进行ISFFT变化处理,得到时间-频率域的数据符号X[n,m]为:
利用公式:得到时间-频率域的数据符号X[n,m],其中M为子载波数,N为FFT点数。
6.根据权利要求4所述的SVD预编码的MIMO-OTFS雷达目标检测方法,其特征在于,所述利用海森堡变换将时间-频率域的离散信号X[n,m]转换为初始时域发送信号x(t)为:
利用公式:将时间-频率域的离散信号X[n,m]转换为初始时域发送信号x(t),其中gtx(t)代表单位发射脉冲,Δf为子载波间隔,T为子载波的符号持续时间。
7.根据权利要求1所述的SVD预编码的MIMO-OTFS雷达目标检测方法,其特征在于,所述OTFS解调包括:
对所述时域接收信号y(t)依次进行去CP处理、串并转换处理;
将进行去CP处理以及串并转换处理后的时域接收信号y(t),进行维格纳变换处理,得到时间-频率域的离散采样信号Y[n,m];
利用SFFT变换对所述时间-频率域的采样数据Y[n,m]进行处理,得到时延多普勒域的接收数据符号y[k,l]。
8.根据权利要求7所述的SVD预编码的MIMO-OTFS雷达目标检测方法,其特征在于,所述将进行去CP处理以及串并转换处理后的时域接收信号y(t),进行维格纳变换处理,得到时间-频率域的离散采样信号Y[n,m]为:
在接收端对时域接收信号y(t)与接收脉冲grx(t)进行匹配滤波,计算出交叉模糊函数;
其中,为交叉模糊函数;
得到并以间隔t=nT,f′=mΔf得到匹配滤波器输出为Y[n,m]。
9.根据权利要求7所述的SVD预编码的MIMO-OTFS雷达目标检测方法,其特征在于,所述利用SFFT变换对所述时间-频率域的采样数据Y[n,m]进行处理,得到时延多普勒域的接收数据符号y[k,l]为:
利用公式:对所述时间-频率域的采样数据Y[n,m]进行处理,得到时延多普勒域的接收数据符号y[k,l]。
10.根据权利要求1所述的SVD预编码的MIMO-OTFS雷达目标检测方法,其特征在于,所述接收端根据所述NaNM维接收信号进行雷达参数估计为:
利用ML估计从NaNM维接收信号中,估计信道系数、多普勒、延迟和角度。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111161276.4A CN113866752B (zh) | 2021-09-30 | 2021-09-30 | 一种svd预编码的mimo-otfs雷达目标检测方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111161276.4A CN113866752B (zh) | 2021-09-30 | 2021-09-30 | 一种svd预编码的mimo-otfs雷达目标检测方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN113866752A CN113866752A (zh) | 2021-12-31 |
CN113866752B true CN113866752B (zh) | 2024-05-10 |
Family
ID=79001304
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202111161276.4A Active CN113866752B (zh) | 2021-09-30 | 2021-09-30 | 一种svd预编码的mimo-otfs雷达目标检测方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN113866752B (zh) |
Families Citing this family (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN116866132A (zh) * | 2022-03-28 | 2023-10-10 | 维沃移动通信有限公司 | 信号传输方法、装置、发送端设备及接收端设备 |
CN115038039B (zh) * | 2022-05-19 | 2023-04-28 | 北京邮电大学 | 定位方法、装置、电子设备和存储介质 |
CN115314940B (zh) * | 2022-09-29 | 2022-12-13 | 西南交通大学 | 基于自适应otfs帧结构的雷达通信一体化方法及系统 |
CN116192575B (zh) * | 2022-12-28 | 2023-09-29 | 中山大学 | 一种用于otfs-mimo分集复用的时域稀疏块lmmse信道均衡方法和系统 |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2016014598A1 (en) * | 2014-07-21 | 2016-01-28 | Cohere Technologies, Inc. | Otfs methods of data channel characterization and uses thereof |
CN109975806A (zh) * | 2019-04-15 | 2019-07-05 | 西安中电科西电科大雷达技术协同创新研究院有限公司 | 基于阵元相位差的时分mimo雷达运动补偿方法 |
CN111294157A (zh) * | 2015-07-12 | 2020-06-16 | 凝聚技术股份有限公司 | 与ofdm兼容的正交时间频率空间通信系统 |
CN112444811A (zh) * | 2020-11-19 | 2021-03-05 | 北京航空航天大学 | 一种综合mimo雷达和isar的目标检测和成像方法 |
-
2021
- 2021-09-30 CN CN202111161276.4A patent/CN113866752B/zh active Active
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2016014598A1 (en) * | 2014-07-21 | 2016-01-28 | Cohere Technologies, Inc. | Otfs methods of data channel characterization and uses thereof |
CN111294157A (zh) * | 2015-07-12 | 2020-06-16 | 凝聚技术股份有限公司 | 与ofdm兼容的正交时间频率空间通信系统 |
CN109975806A (zh) * | 2019-04-15 | 2019-07-05 | 西安中电科西电科大雷达技术协同创新研究院有限公司 | 基于阵元相位差的时分mimo雷达运动补偿方法 |
CN112444811A (zh) * | 2020-11-19 | 2021-03-05 | 北京航空航天大学 | 一种综合mimo雷达和isar的目标检测和成像方法 |
Non-Patent Citations (3)
Title |
---|
MIMO-OFDM系统中一种改进的盲信道估计算法;李国民;刘鑫;康晓非;廖桂生;;应用科学学报;20160530(第03期);全文 * |
多用户大规模MIMO系统能效资源优化算法;李国民;中国科技论文;20210315;全文 * |
大容量MIMO- OTFS系统中上行辅助的高移动性下行信道估计;Yushan Liu;IEEE Journal on Selected Areas in Communications;20200909;全文 * |
Also Published As
Publication number | Publication date |
---|---|
CN113866752A (zh) | 2021-12-31 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN113866752B (zh) | 一种svd预编码的mimo-otfs雷达目标检测方法 | |
US6765969B1 (en) | Method and device for multi-user channel estimation | |
RU2404511C2 (ru) | Система ofdm mimo с управляемой диаграммой направленности сниженной сложности | |
US6826240B1 (en) | Method and device for multi-user channel estimation | |
JP4431578B2 (ja) | 複数の送信アンテナのofdmチャネル推定及びトラッキング | |
US8249206B2 (en) | Method and apparatus for channel estimation in communication systems, and related computer program product | |
US20090154608A1 (en) | Receiving apparatus and method for mimo system | |
US20080165672A1 (en) | Joint channel estimation and data detection method for STBC/OFDM systems | |
US8391427B2 (en) | Channel estimation methods and apparatus utilizing the same | |
CN109347526B (zh) | 一种面向车联网的im-ofdm信号的处理方法 | |
CN113852580A (zh) | 一种基于多级分离的mimo-otfs符号检测方法 | |
Yang et al. | Design and analysis of spatial modulation based orthogonal time frequency space system | |
US20070206697A1 (en) | Signal receiving method and signal receiving equipment for multiple input multiple output wireless communication system | |
US20070116157A1 (en) | Signal decoding apparatus, signal decoding method, program, and information record medium | |
CN109995404B (zh) | 空频域调制的一种差分调制和解调方法 | |
CN102025662B (zh) | 多输入多输出正交频分复用系统的信道估计方法及装置 | |
Bhoyar et al. | Leaky least mean square (LLMS) algorithm for channel estimation in BPSK-QPSK-PSK MIMO-OFDM system | |
US8199861B1 (en) | Channel estimation in MIMO OFDM communication systems | |
KR100578723B1 (ko) | 파일럿 부반송파를 갖는 mimo- ofdm 시스템에서dft 기반 채널추정 방법 및 장치 | |
Niranjane et al. | Performance analysis of different channel estimation techniques | |
Thomas et al. | Null-subcarrier based channel estimation and mutual interference reduction in MIMO OFDM systems | |
Al-Qadhi et al. | Subspace Blind Channel Estimation Methods in OFDM Systems under Multi-path Channels | |
KR100463379B1 (ko) | 송수신 스마트 안테나의 적응빔형성 방법 | |
IBRAHIM et al. | DATA TRANSMISSION IN MIMO-OFDM TECHNOLOGIES FOR CURRENT AND FUTURE WIRELESS COMMUNICATION SYSTEMS: FROM THEORY TO PRACTICE | |
Goutay et al. | Machine Learning-enhanced Receive Processing for MU-MIMO OFDM Systems |
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 |