CN114079520B - 一种信号估计方法、设备、装置及存储介质 - Google Patents
一种信号估计方法、设备、装置及存储介质 Download PDFInfo
- Publication number
- CN114079520B CN114079520B CN202010844492.8A CN202010844492A CN114079520B CN 114079520 B CN114079520 B CN 114079520B CN 202010844492 A CN202010844492 A CN 202010844492A CN 114079520 B CN114079520 B CN 114079520B
- Authority
- CN
- China
- Prior art keywords
- aoa
- scanning
- scan
- power
- estimate
- 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
- 238000000034 method Methods 0.000 title claims abstract description 53
- 238000003860 storage Methods 0.000 title claims abstract description 13
- 238000005259 measurement Methods 0.000 claims abstract description 22
- 230000006870 function Effects 0.000 claims description 77
- 238000004891 communication Methods 0.000 claims description 13
- 238000004590 computer program Methods 0.000 claims description 10
- 230000008569 process Effects 0.000 claims description 4
- 230000015572 biosynthetic process Effects 0.000 claims description 2
- 238000003786 synthesis reaction Methods 0.000 claims description 2
- 238000003491 array Methods 0.000 description 28
- 238000010586 diagram Methods 0.000 description 14
- 238000012545 processing Methods 0.000 description 10
- 238000012549 training Methods 0.000 description 5
- 238000013461 design Methods 0.000 description 4
- 230000004044 response Effects 0.000 description 3
- 238000004088 simulation Methods 0.000 description 3
- 238000013459 approach Methods 0.000 description 2
- 230000001413 cellular effect Effects 0.000 description 2
- 230000000694 effects Effects 0.000 description 2
- 238000005516 engineering process Methods 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 238000005316 response function Methods 0.000 description 2
- 239000013598 vector Substances 0.000 description 2
- 230000003044 adaptive effect Effects 0.000 description 1
- 230000004075 alteration Effects 0.000 description 1
- 238000004458 analytical method Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000005540 biological transmission Effects 0.000 description 1
- 230000001419 dependent effect Effects 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 230000008450 motivation Effects 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 230000002093 peripheral effect Effects 0.000 description 1
- 238000010845 search algorithm Methods 0.000 description 1
- 238000004904 shortening Methods 0.000 description 1
- 238000010183 spectrum analysis Methods 0.000 description 1
Classifications
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04B—TRANSMISSION
- H04B17/00—Monitoring; Testing
- H04B17/20—Monitoring; Testing of receivers
-
- 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
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04B—TRANSMISSION
- H04B17/00—Monitoring; Testing
- H04B17/20—Monitoring; Testing of receivers
- H04B17/27—Monitoring; Testing of receivers for locating or positioning the transmitter
Landscapes
- Physics & Mathematics (AREA)
- Engineering & Computer Science (AREA)
- Electromagnetism (AREA)
- Computer Networks & Wireless Communication (AREA)
- Signal Processing (AREA)
- General Physics & Mathematics (AREA)
- Radar, Positioning & Navigation (AREA)
- Remote Sensing (AREA)
- Variable-Direction Aerials And Aerial Arrays (AREA)
Abstract
本发明公开了一种信号估计方法、设备、装置及存储介质,包括:使用模拟阵列或混合阵列扫描感兴趣范围内的N个方向,其中,N为自然数;确定每次扫描的接收信号功率;选择具有最大的平均功率的K个近邻扫描,其中,K为自然数;采用闭式的波形对K个扫描结果近似估计到达角获得到达角估计值,或根据低阶多项式函数对K个扫描结果近似估计信道。采用本发明,可以方便地与灵活的扫描策略相结合地使用。还可以方便地组合不同的测量以提高估计性能,能够较好的平衡精度与成本。
Description
技术领域
本发明涉及无线通信技术领域,特别涉及一种信号估计方法、设备、装置及存储介质。
背景技术
当前能够看到具有波束操纵功能的模拟阵列在无线通信和雷达感测中的蓬勃发展应用。具有可操纵波束的模拟天线阵列已广泛用于雷达系统。最近,例如自动驾驶汽车网络中的家用感测和高速无线通信也对它越来越感兴趣。毫米波(mmWave)模拟阵列以及混合阵列是新兴的5G移动网络中的重要设备。期望毫米波基站将使用混合天线阵列,而用户设备将使用模拟阵列。大型毫米波和亚太赫兹模拟和混合阵列也有望用于未来集成的空间-空中-地面无线通信网络。
AoA(到达角,Angle-of-arrival)估计在通信系统和雷达/无线电传感系统中都是关键的问题。在从所有天线元件仅有一个组合输出的模拟阵列中特别具有挑战性。该问题对于毫米波(mm Wave)系统尤为重要,该系统能够为5G蜂窝和车载网络系统提供非常高的数据速率和准确的定位。为了平衡成本和性能,基站一般会使用毫米波混合阵列,而移动用户终端会使用波束可操纵的模拟阵列。
现有技术的不足在于,估算的精度高的方案复杂度就高,反之,复杂度低的精度不足,不能提供具有能够平衡成本和性能的方案。
发明内容
本发明提供了一种信号估计方法、设备、装置及存储介质,用以解决信号估计中不能平衡成本和性能的问题。
本发明提供以下技术方案:
一种信号估计方法,包括:
使用模拟阵列或混合阵列扫描感兴趣范围内的N个方向,其中,N为自然数;
确定每次扫描的接收信号功率;
选择具有最大的平均功率的K个近邻扫描,其中,K为自然数;
采用闭式的波形对K个扫描结果近似估计AoA获得AoA估计值,或根据低阶多项式函数对K个扫描结果近似估计信道。
实施中,所述闭式的波形是以下函数之一或者其组合:
低阶多项式函数、高斯函数、高斯函数变体、多项式或窗口函数。
实施中,所述高斯函数为:
g(x)=b exp(-(x-x0)2/(2σ2)), (1)
其中,x0表示指向方向,x是AoA或等效的AoA。
实施中,所述等效的AoA为:
其中,θ是实际AoA,λ是波长,d是相邻天线之间的间隔,d=λ/2。
实施中,设扫描方向为x0(n),n=1,……,N,对应的测量值为y(n),发送的信号在测量过程中具有相同的幅度,按以下方式近似估计AoA:
|y(n)|2=b exp(-(x-x0(n))2/(2σ2)),n=1,…,N, (3)
其中,x为要估计的AoA或等效的AoA。
实施中,K的值是由扫描间隔、波束宽度和SNR决定的。
实施中,选择具有最大的平均功率的K个近邻扫描,根据低阶多项式函数对K个扫描结果近似估计AoA,包括:
选择功率最高的一个作为参考,并将其表示为y(n*),计算K﹣1个测量值与y(n*)之间的功率比,得到:
得到:
如果K=2,从公式(5)得到x的估计值,如果K≥2,使用MRC获得估计值:
其中,(·)′表示复变量的共轭。
实施中,进一步包括:
根据所述AoA估计值形成下一个扫描范围,使用模拟阵列扫描所述下一个扫描范围内的N个方向;
确定每次扫描的接收信号功率;
选择具有最大的平均功率的K个近邻扫描;
根据低阶多项式函数对K个扫描结果近似估计AoA,获得下一个AoA估计值。
一种通信设备,包括:
处理器,用于读取存储器中的程序,执行下列过程:
使用模拟阵列或混合阵列扫描感兴趣范围内的N个方向,其中,N为自然数;
确定每次扫描的接收信号功率;
选择具有最大的平均功率的K个近邻扫描,其中,K为自然数;
采用闭式的波形对K个扫描结果近似估计AoA获得AoA估计值,或根据低阶多项式函数对K个扫描结果近似估计信道;
收发机,用于在处理器的控制下接收和发送数据。
实施中,所述闭式的波形是以下函数之一或者其组合:
低阶多项式函数、高斯函数、高斯函数变体、多项式或窗口函数。
实施中,所述高斯函数为:
g(x)=b exp(-(x-x0)2/(2σ2)), (1)
其中,x0表示指向方向,x是AoA或等效的AoA。
实施中,所述等效的AoA为:
其中,θ是实际AoA,λ是波长,d是相邻天线之间的间隔,d=λ/2。
实施中,设扫描方向为x0(n),n=1,……,N,对应的测量值为y(n),发送的信号在测量过程中具有相同的幅度,按以下方式近似估计AoA:
|y(n)|2=b exp(-(x-x0(n))2/(2σ2)),n=1,…,N, (3)
其中,x为要估计的AoA或等效的AoA。
实施中,K的值是由扫描间隔、波束宽度和SNR决定的。
实施中,选择具有最大的平均功率的K个近邻扫描,根据低阶多项式函数对K个扫描结果近似估计AoA,包括:
选择功率最高的一个作为参考,并将其表示为y(n*),计算K﹣1个测量值与y(n*)之间的功率比,得到:
得到:
如果K=2,从公式(5)得到x的估计值,如果K≥2,使用MRC(最大比合成,Maximalratio combining)获得估计值:
其中,(·)′表示复变量的共轭。
实施中,进一步包括:
根据所述AoA估计值形成下一个扫描范围,使用模拟阵列扫描所述下一个扫描范围内的N个方向;
确定每次扫描的接收信号功率;
选择具有最大的平均功率的K个近邻扫描;
根据低阶多项式函数对K个扫描结果近似估计AoA,获得下一个AoA估计值。
一种信号估计装置,包括:
扫描模块,用于使用模拟阵列或混合阵列扫描感兴趣范围内的N个方向,其中,N为自然数;
功率模块,用于确定每次扫描的接收信号功率;
选择模块,用于选择具有最大的平均功率的K个近邻扫描,其中,K为自然数;
估计模块,用于采用闭式的波形对K个扫描结果近似估计AoA获得AoA估计值,或根据低阶多项式函数对K个扫描结果近似估计信道。
一种计算机可读存储介质,所述计算机可读存储介质存储有执行上述信号估计方法的计算机程序。
本发明有益效果如下:
本发明实施例提供的方案中,由于方案采用了闭式的波形对扫描结果来近似阵列响应的功率,然后,基于对感兴趣方向的扫描,能够通过比较这些扫描的接收信号功率来估算AoA或者信道估计等其他信号处理技术,对扫描方向没有任何特殊要求,因此可以方便地与灵活的扫描策略相结合地使用。还可以方便地组合不同的测量以提高估计性能,所以能够较好的平衡精度与成本。
进一步的,与运算复杂性以及信号和系统要求相近似的现有ABP方案相比,本发明实施例提供的技术方案至少具有如下技术效果之一:
1)能够直接估计AoA或等效的AoA。仅使用接收信号功率。
2)出色的性能,尤其是当相邻扫描方向较近时;
3)能够应用于非理想的阵列图(非辛格(non-sinc)函数),例如具有加窗运算的阵列;
4)可以应用于非均匀扫描。通过稍微增加扫描方向的数量(当在[-π/2,π/2]的N个方向上均匀扫描时,对于N元件ULA来说,略大于N)能够显著提高性能,在较高的SNR时特别有效;
5)可以方便地组合多个测量以提高估计性能(在较低SNR时特别有效);
6)简单和低复杂度。实施方式切实可行。不需要预先生成的查找表。
附图说明
此处所说明的附图用来提供对本发明的进一步理解,构成本发明的一部分,本发明的示意性实施例及其说明用于解释本发明,并不构成对本发明的不当限定。在附图中:
图1为本发明实施例中AoA估计方法实施流程示意图;
图2为本发明实施例中8元件ULA的波束图及其高斯近似示意图;
图3为本发明实施例中通信设备结构示意图;
图4为本发明实施例中8天线ULA中相对于SNR的AoA估计值的MSE示意图;
图5为本发明实施例中16天线ULA中相对于SNR的AoA估计值的MSE示意图。
具体实施方式
发明人在发明过程中注意到:
对于通信和定位中的模拟阵列和混合阵列,一个基本且具有挑战性的问题是AoA(到达角,Angle-of-arrival)估计,因为该问题具有非线性性质。对于模拟阵列,一次只有一个数字输出,每个接收到的数字信号是来自所有天线的信号的加权总和。直到现今,波束扫描仍然是使用模拟阵列进行AoA估计的常用有效方法。对于混合阵列,特别是对于具有子阵列结构的局部混合阵列,即使仅存在LOS(单个视线,line-of-sight)路径,挑战也主要与相位模糊性问题相关。参考毫米波通信系统的最新工作,可以将AoA估计方案分为三大类。各类的基本方案都适用于模拟阵列,尽管它们的许多高级版本都需要多个数字接收信号,因此只能应用于混合阵列。由于不适用于模拟阵列,因此在这里不考虑基于互相关的技术。
第一类技术可以称为顺序扫描。基本思想是使用固定波束宽度的窄波束顺序地且穷举地扫描感兴趣的方向,并通过识别接收功率最大的方向来找到AoA。在WPAN(无线个人局域网,wireless personal area networks)中有方案定义了这种穷举的扫描和搜索过程。
顺序扫描的一个主要问题是在扫描所有方向之前无法最终确定估算值。另外,分辨率与波束宽度成正比,如果需要精细的分辨率,则可能需要很长时间才能找到量化的AoA。也有方案引入了空间功率度量和空间相关度量以减小搜索空间。在方案提出了一种ABP(辅助波束对,auxiliary beam pair)设计,通过比较这两个光束的信号功率,来提供AoA和AoD(出射角,angle-of-departure)的高分辨率估计。尽管这些光束仍然需要扫描所有感兴趣的区域,但是可以使用接收的信号功率直接估算角度,并且估算的精度不再直接取决于波束宽度。
第二类技术可以称为分层多分辨率扫描,是穷举扫描的一种变体。多分辨率扫描的基本思想是通过缩小要估计的AoA的可能区域来逐渐减小扫描波束的宽度。虽然最终分辨率还取决于最小波束宽度,但是至少每两次测量后,就可以得到逐步精细的估计。有方案提出了一种BF(波束形成,beamforming)协议,该协议包括从粗分辨率到精细分辨率的三个阶段的波束扫描,从而缩短60GHz WPAN系统的BF建立时间。还有方案在三个阶段中针对多分辨率BF定义了类似的基于选择的协议。有方案设计了一种分层多分辨率码本,来构造具有不同波束宽度的训练BF向量,并提出了一种自适应搜索算法来查找AoA。还有方案利用巴特勒(Butler)矩阵设计了一种分层的多分辨率码本,并设计了BF训练序列以在最小化训练开销和最大化BF增益之间取得平衡。尽管这些技术提高了扫描速度并减少了发射机和接收机之间波束对准的训练开销,但AoA估计的准确性受限于扫描方向和波束宽度。有方案中的辅助波束法也可以应用多分辨率扫描法,从而大大减少了训练开销。
但是,其估计精度在很大程度上受波束的锐度影响,因此仍需要多级扫描才能生成精确的估计。
第三类是高复杂度算法,包括基于CS(压缩感知,compressive sensing)技术和例如MUSIC和ESPRIT常规频谱分析技术的算法。利用毫米波信道的稀疏性,通过使用通常随机的BF向量获得测量值,然后将稀疏重建问题公式化。然后可以通过使用例如OMP(正交匹配追踪,orthogonal matching pursuit)算法来求解该问题。基于CS的估算器在估算多个AoA方面功能强大,原则上仅需要最少测量两倍AoA数量即可进行测量。
但是,它们的计算复杂度远高于其他两类。估计精度也受到字典大小的限制,字典越大,复杂度越高。
基于此,本发明实施例中提供了一种用于模拟阵列的准确且可靠的到达角(AoA)估计方案。该基本方案也能够扩展到混合天线阵列。该方案的基本思想是通过高斯函数(或作为扩展的任何其他简单分析函数,例如多项式或甚至是窗口函数)来近似阵列响应的功率,也即使用闭式的波形来近似阵列图(增益)的基本思想,特别是使用高斯波形及其变体或低阶(二阶)多项式函数。然后,基于对感兴趣方向的扫描,能够通过比较这些扫描的接收信号功率来估算AoA,进一步的还可以使用多个有效测量的MRC组合以改进估计。除了AoA估计之外,还将基本近似方法扩展到其他信号处理技术,例如信道估计。而目前广泛使用的阵列响应函数是辛格(Sinc)函数,通常很难运算。
下面结合附图对本发明的具体实施方式进行说明。
图1为AoA估计方法实施流程示意图,如图所示,可以包括:
步骤101、使用模拟阵列或混合阵列扫描感兴趣范围内的N个方向,其中,N为自然数;
步骤102、确定每次扫描的接收信号功率;
步骤103、选择具有最大的平均功率的K个近邻扫描,其中,K为自然数;
步骤104、采用闭式的波形对K个扫描结果近似估计AoA获得AoA估计值,或根据低阶多项式函数对K个扫描结果近似估计信道。
实施中,所述闭式的波形是以下函数之一或者其组合:
低阶多项式函数、高斯函数、高斯函数变体、多项式或窗口函数。
下面将主要以高斯函数的处理为例进行说明,在实施中以高斯函数为例,是因为它可以用于得出AoA估计的闭式估计,所以这里以高斯函数为例;但是,作为扩展的任何其他简单分析函数,例如低阶多项式函数、高斯函数变体、多项式或甚至窗口函数也是可以的,高斯函数仅用于教导本领域技术人员具体如何实施本发明,但不意味仅能使用高斯函数,实施过程中可以结合实践需要来确定使用其他函数。
则方案的主要处理如下:
使用模拟阵列均匀地扫描感兴趣范围[θs,θe]的N个方向;
计算每次扫描的接收信号功率。选择具有最大的平均功率的K个近邻扫描;
根据高斯近似估计AoA。
获得估计值。如果需要,可以根据估计值形成精细化(缩窄)的扫描范围,然后重复该过程。可以组合来自不同轮扫描的测量值以获得改进的估计值。
通常,即使在将加窗应用于阵列以减小旁瓣的情况下,由相控天线阵列产生的实际波束的形状也可以通过高斯函数(或其他低阶多项式函数)很好地近似。使用高斯近似的主要动机是,它可以用于得出AoA估计的闭式估计。高斯函数由下式给出:
g(x)=bexp(-(x-x0)2/(2σ2)), (1)
其中,x0表示指向方向,x是AoA或等效的AoA。高斯函数可用于相对于AoA θ或等效AoA u来近似计算阵列图的增益(幅度的平方)。等效AoA被定义为:
其中,θ是实际AoA,λ是波长,d是相邻天线之间的间隔,此处d=λ/2。因此,它可以用于估计AoA或等效AoA,同时使其与x和x0一致。图2为8元件ULA的波束图及其高斯近似示意图,图1显示了一个8元件ULA(均匀线性阵列,uniform linear array)的波束图及其高斯近似的示例,其中x轴表示等效的AoA。可以看到,在主瓣中,高斯函数很好地近似了波束图。尽管旁瓣存在较大的近似误差,但增益很小,可以忽略不计。
设扫描方向为x0(n),n=1,……,N,则相应的测量值为y(n)。注意,y(n)的幅度受路径损耗、阵列增益和发射信号的幅度的影响,而只有阵列增益包含AoA的信息。为了估算AoA,假设所发送的信号在整个测量过程中具有相同的幅度,这一条件通常可以满足。这样可以得到一系列方程:
|y(n)|2=b exp(-(x-x0(n))2/(2σ2)),n=1,…,N, (3)
其中,唯一的未知变量是x,即要估计的AoA或等效的AoA。
现在,计算所有N次扫描的K(K≥2)近邻扫描的平均功率,然后选择具有最高平均功率的组。假定AoA涵盖在此组中。K的值取决于扫描间隔、波束宽度和SNR(信噪比,Signal-to-Noise Ratio)。
然后,选择功率最高的一个作为参考,并将其表示为y(n*)。现在,计算K﹣1个测量值与y(n*)之间的功率比。参照公式(3)中的高斯近似,可以得到:
然后可以得到:
如果K=2,可以直接从公式(5)得到x的估计值。
如果K≥2,可以将它们组合,并使用MRC(最大比合成,maximal ratio combining)来获得估计值:
其中,表示复变量的共轭(在实施例的情况下,x0(n)﹣x0(n*)通常是实数)。
可以看到,本发明实施例中所提出的方案可以对AoA进行估计,而对扫描方向没有任何特殊要求,因此可以方便地与灵活的扫描策略相结合地使用。还可以方便地组合不同的测量以提高估计性能。例如,基于第一轮扫描和估计,可以缩小扫描方向并进行第二次扫描。可以通过公式(6)组合测量值以提高估计精度。也即:
实施中,还可以进一步包括:
根据所述AoA估计值形成下一个扫描范围,使用模拟阵列扫描所述下一个扫描范围内的N个方向;
确定每次扫描的接收信号功率;
选择具有最大的平均功率的K个近邻扫描;
根据低阶多项式函数对K个扫描结果近似估计AoA,获得下一个AoA估计值。
基于同一发明构思,本发明实施例中还提供了一种通信设备、信号估计装置、计算机存储介质,由于这些设备解决问题的原理与信号估计方法相似,因此这些设备的实施可以参见方法的实施,重复之处不再赘述。
在实施本发明实施例提供的技术方案时,可以按如下方式实施。
图3为通信设备结构示意图,如图所示,设备中包括:
处理器300,用于读取存储器320中的程序,执行下列过程:
使用模拟阵列或混合阵列扫描感兴趣范围内的N个方向,其中,N为自然数;
确定每次扫描的接收信号功率;
选择具有最大的平均功率的K个近邻扫描,其中,K为自然数;
采用闭式的波形对K个扫描结果近似估计AoA获得AoA估计值,或根据低阶多项式函数对K个扫描结果近似估计信道;
收发机310,用于在处理器300的控制下接收和发送数据。
实施中,所述闭式的波形是以下函数之一或者其组合:
低阶多项式函数、高斯函数、高斯函数变体、多项式或窗口函数。
实施中,所述高斯函数为:
g(x)=b exp(-(x-x0)2/(2σ2)), (1)
其中,x0表示指向方向,x是AoA或等效的AoA。
实施中,所述等效的AoA为:
其中,θ是实际AoA,λ是波长,d是相邻天线之间的间隔,d=λ/2。
实施中,设扫描方向为x0(n),n=1,……,N,对应的测量值为y(n),发送的信号在测量过程中具有相同的幅度,按以下方式近似估计AoA:
|y(n)|2=b exp(-(x-x0(n))2/(2σ2)),n=1,…,N, (3)
其中,x为要估计的AoA或等效的AoA。
实施中,K的值是由扫描间隔、波束宽度和SNR决定的。
实施中,选择具有最大的平均功率的K个近邻扫描,根据低阶多项式函数对K个扫描结果近似估计AoA,包括:
选择功率最高的一个作为参考,并将其表示为y(n*),计算K﹣1个测量值与y(n*)之间的功率比,得到:
得到:
如果K=2,从公式(5)得到x的估计值,如果K≥2,使用MRC获得估计值:
其中,(·)′表示复变量的共轭。
实施中,进一步包括:
根据所述AoA估计值形成下一个扫描范围,使用模拟阵列扫描所述下一个扫描范围内的N个方向;
确定每次扫描的接收信号功率;
选择具有最大的平均功率的K个近邻扫描;
根据低阶多项式函数对K个扫描结果近似估计AoA,获得下一个AoA估计值。
其中,在图3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300代表的一个或多个处理器和存储器320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310可以是多个元件,即包括发送机和接收机,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300负责管理总线架构和通常的处理,存储器320可以存储处理器300在执行操作时所使用的数据。
本发明中还提供了一种信号估计装置,包括:
扫描模块,用于使用模拟阵列或混合阵列扫描感兴趣范围内的N个方向,其中,N为自然数;
功率模块,用于确定每次扫描的接收信号功率;
选择模块,用于选择具有最大的平均功率的K个近邻扫描,其中,K为自然数;
估计模块,用于采用闭式的波形对K个扫描结果近似估计AoA获得AoA估计值,或根据低阶多项式函数对K个扫描结果近似估计信道。
具体可以参见信号估计方法的实施。
为了描述的方便,以上所述装置的各部分以功能分为各种模块或单元分别描述。当然,在实施本发明时可以把各模块或单元的功能在同一个或多个软件或硬件中实现。
一种计算机可读存储介质,所述计算机可读存储介质存储有执行上述信号估计方法的计算机程序。
具体可以参见信号估计方法的实施。
综上所述,AoA估计在通信系统和雷达/无线电传感系统中都是关键的问题。在从所有天线元件仅有一个组合输出的模拟阵列中特别具有挑战性。该问题对于毫米波(mmWave)系统尤为重要,该系统能够为5G蜂窝和车载网络系统提供非常高的数据速率和准确的定位。为了平衡成本和性能,基站一般会使用毫米波混合阵列,而移动用户终端会使用波束可操纵的模拟阵列。
本发明实施例中提供了一种用于模拟阵列的准确且可靠的到达角(AoA)估计方案。该基本方案也能够扩展到混合天线阵列。该方案的基本思想是通过高斯函数(或作为扩展的任何其他简单分析函数,例如多项式或甚至窗口函数)来近似阵列响应的功率,也即使用闭式的波形来近似阵列图(增益)的基本思想,特别是使用高斯波形及其变体或低阶(二阶)多项式函数。然后,基于对感兴趣方向的扫描,能够通过比较这些扫描的接收信号功率来估算AoA,进一步的还可以使用多个有效测量的MRC组合以改进估计。除了AoA估计之外,还将基本近似方法扩展到其他信号处理技术,例如信道估计。而目前广泛使用的阵列响应函数是辛格(Sinc)函数,通常很难运算。
在此,本发明实施例中还将提供一些仿真结果来验证方案的性能。方案中分别模拟了N=8和N=16个天线元件的均匀线性阵列(ULA),并与现有的的ABP方案进行了比较。就运算复杂性以及信号和系统要求而言,ABP方案最接近于本发明实施例中提供的方案。单个路径的AoA是在[-π/2,π/2]之间生成,因此等效的AoA超过[-π,π]。图4为8天线ULA中相对于SNR的AoA估计值的MSE(均方误差,Mean Square Error)示意图,图5为16天线ULA中相对于SNR的AoA估计值的MSE示意图,图4和图5清楚地表明,当稍微增加扫描方向的数量时,所提出的方法明显优于ABP。ABP不支持扫描次数不等于N。为了简化,模拟不是以多轮扫描进行的(在每轮扫描中缩小扫描方向),但是结果清楚地表明,通过增加扫描次数可以实现改进。
可见,本发明实施例提供的技术方案至少具有如下技术效果之一:
1)能够直接估计AoA或等效的AoA。仅使用接收信号功率。
2)出色的性能,尤其是当相邻扫描方向较近时;
3)能够应用于非理想的阵列图(非辛格(non-sinc)函数),例如具有加窗运算的阵列;
4)可以应用于非均匀扫描。通过稍微增加扫描方向的数量(当在[-π/2,π/2]的N个方向上均匀扫描时,对于N元件ULA来说,略大于N)能够显著提高性能,在较高的SNR时特别有效;
5)可以方便地组合多个测量以提高估计性能(在较低SNR时特别有效);
6)简单和低复杂度。实施方式切实可行。不需要预先生成的查找表。
需要说明的是,2、4和5点是本发明实施例提出的技术方案所独有的,并且与现有解决方案无关。
且方案的思想可以扩展到许多其他阵列,例如混合阵列,以及更高维度的阵列,例如二维阵列和三维阵列。
本领域内的技术人员应明白,本发明的实施例可提供为方法、系统、或计算机程序产品。因此,本发明可采用完全硬件实施例、完全软件实施例、或结合软件和硬件方面的实施例的形式。而且,本发明可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质(包括但不限于磁盘存储器和光学存储器等)上实施的计算机程序产品的形式。
本发明是参照根据本发明实施例的方法、设备(系统)、和计算机程序产品的流程图和/或方框图来描述的。应理解可由计算机程序指令实现流程图和/或方框图中的每一流程和/或方框、以及流程图和/或方框图中的流程和/或方框的结合。可提供这些计算机程序指令到通用计算机、专用计算机、嵌入式处理机或其他可编程数据处理设备的处理器以产生一个机器,使得通过计算机或其他可编程数据处理设备的处理器执行的指令产生用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的装置。
这些计算机程序指令也可存储在能引导计算机或其他可编程数据处理设备以特定方式工作的计算机可读存储器中,使得存储在该计算机可读存储器中的指令产生包括指令装置的制造品,该指令装置实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能。
这些计算机程序指令也可装载到计算机或其他可编程数据处理设备上,使得在计算机或其他可编程设备上执行一系列操作步骤以产生计算机实现的处理,从而在计算机或其他可编程设备上执行的指令提供用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的步骤。
显然,本领域的技术人员可以对本发明进行各种改动和变型而不脱离本发明的精神和范围。这样,倘若本发明的这些修改和变型属于本发明权利要求及其等同技术的范围之内,则本发明也意图包含这些改动和变型在内。
Claims (18)
1.一种信号估计方法,其特征在于,包括:
使用模拟阵列或混合阵列扫描感兴趣范围内的N个方向,其中,N为自然数;
确定每次扫描的接收信号功率;
选择具有最大的平均功率的K个近邻扫描,其中,K为自然数;
采用闭式的波形对K个扫描结果近似估计到达角AoA获得AoA估计值,或根据低阶多项式函数对K个扫描结果近似估计信道。
2.如权利要求1所述的方法,其特征在于,所述闭式的波形是以下函数之一或者其组合:
低阶多项式函数、高斯函数、高斯函数变体、多项式或窗口函数。
3.如权利要求2所述的方法,其特征在于,所述高斯函数为:
g(x)=bexp(-(x-x0)2/(2σ2)), (1)
其中,x0表示指向方向,x是AoA或等效的AoA。
4.如权利要求3所述的方法,其特征在于,所述等效的AoA为:
其中,θ是实际AoA,λ是波长,d是相邻天线之间的间隔,d=λ/2。
5.如权利要求1所述的方法,其特征在于,设扫描方向为x0(n),n=1,……,N,对应的测量值为y(n),发送的信号在测量过程中具有相同的幅度,按以下方式近似估计AoA:
|y(n)|2=bexp(-(x-x0(n))2/(2σ2)),n=1,…,N, (3)
其中,x为要估计的AoA或等效的AoA。
6.如权利要求5所述的方法,其特征在于,K的值是由扫描间隔、波束宽度和SNR决定的。
7.如权利要求5所述的方法,其特征在于,选择具有最大的平均功率的K个近邻扫描,根据低阶多项式函数对K个扫描结果近似估计AoA,包括:
选择功率最高的一个作为参考,并将其表示为y(n*),计算K﹣1个测量值与y(n*)之间的功率比,得到:
得到:
如果K=2,从公式(5)得到x的估计值,如果K≥2,使用最大比合成MRC获得估计值:
其中,(·)′表示复变量的共轭。
8.如权利要求1至7任一所述的方法,其特征在于,进一步包括:
根据所述AoA估计值形成下一个扫描范围,使用模拟阵列扫描所述下一个扫描范围内的N个方向;
确定每次扫描的接收信号功率;
选择具有最大的平均功率的K个近邻扫描;
根据低阶多项式函数对K个扫描结果近似估计AoA,获得下一个AoA估计值。
9.一种通信设备,其特征在于,包括:
处理器,用于读取存储器中的程序,执行下列过程:
使用模拟阵列或混合阵列扫描感兴趣范围内的N个方向,其中,N为自然数;
确定每次扫描的接收信号功率;
选择具有最大的平均功率的K个近邻扫描,其中,K为自然数;
采用闭式的波形对K个扫描结果近似估计AoA获得AoA估计值,或根据低阶多项式函数对K个扫描结果近似估计信道;
收发机,用于在处理器的控制下接收和发送数据。
10.如权利要求9所述的设备,其特征在于,所述闭式的波形是以下函数之一或者其组合:
低阶多项式函数、高斯函数、高斯函数变体、多项式或窗口函数。
11.如权利要求10所述的设备,其特征在于,所述高斯函数为:
g(x)=b exp(-(x-x0)2/(2σ2)), (1)
其中,x0表示指向方向,x是AoA或等效的AoA。
12.如权利要求11所述的设备,其特征在于,所述等效的AoA为:
其中,θ是实际AoA,λ是波长,d是相邻天线之间的间隔,d=λ/2。
13.如权利要求9所述的设备,其特征在于,设扫描方向为x0(n),n=1,……,N,对应的测量值为y(n),发送的信号在测量过程中具有相同的幅度,按以下方式近似估计AoA:
|y(n)|2=b exp(-(x-x0(n))2/(2σ2)),n=1,…,N, (3)
其中,x为要估计的AoA或等效的AoA。
14.如权利要求13所述的设备,其特征在于,K的值是由扫描间隔、波束宽度和SNR决定的。
15.如权利要求13所述的设备,其特征在于,选择具有最大的平均功率的K个近邻扫描,根据低阶多项式函数对K个扫描结果近似估计AoA,包括:
选择功率最高的一个作为参考,并将其表示为y(n*),计算K﹣1个测量值与y(n*)之间的功率比,得到:
得到:
如果K=2,从公式(5)得到x的估计值,如果K≥2,使用MRC获得估计值:
其中,(·)′表示复变量的共轭。
16.如权利要求9至15任一所述的设备,其特征在于,进一步包括:
根据所述AoA估计值形成下一个扫描范围,使用模拟阵列扫描所述下一个扫描范围内的N个方向;
确定每次扫描的接收信号功率;
选择具有最大的平均功率的K个近邻扫描;
根据低阶多项式函数对K个扫描结果近似估计AoA,获得下一个AoA估计值。
17.一种信号估计装置,其特征在于,包括:
扫描模块,用于使用模拟阵列或混合阵列扫描感兴趣范围内的N个方向,其中,N为自然数;
功率模块,用于确定每次扫描的接收信号功率;
选择模块,用于选择具有最大的平均功率的K个近邻扫描,其中,K为自然数;
估计模块,用于采用闭式的波形对K个扫描结果近似估计AoA获得AoA估计值,或根据低阶多项式函数对K个扫描结果近似估计信道。
18.一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存储有执行权利要求1至8任一所述方法的计算机程序。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010844492.8A CN114079520B (zh) | 2020-08-20 | 2020-08-20 | 一种信号估计方法、设备、装置及存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010844492.8A CN114079520B (zh) | 2020-08-20 | 2020-08-20 | 一种信号估计方法、设备、装置及存储介质 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN114079520A CN114079520A (zh) | 2022-02-22 |
CN114079520B true CN114079520B (zh) | 2024-02-02 |
Family
ID=80282055
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202010844492.8A Active CN114079520B (zh) | 2020-08-20 | 2020-08-20 | 一种信号估计方法、设备、装置及存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN114079520B (zh) |
Families Citing this family (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN115549743A (zh) * | 2022-09-20 | 2022-12-30 | 中国电子科技集团公司第五十四研究所 | 一种无线通信中模拟阵列天线的波达角估计方法 |
WO2024120770A1 (en) * | 2022-12-09 | 2024-06-13 | British Telecommunications Public Limited Company | Indoor location system |
Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110266616A (zh) * | 2019-05-28 | 2019-09-20 | 上海交通大学 | 一种基于和差波束测角法的信道估计方法 |
CN110691981A (zh) * | 2017-03-28 | 2020-01-14 | 自动化公司 | 用于定位rfid标签的方法和设备 |
Family Cites Families (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US10386447B2 (en) * | 2015-09-16 | 2019-08-20 | Qatar University | Method and apparatus for simple angle of arrival estimation |
-
2020
- 2020-08-20 CN CN202010844492.8A patent/CN114079520B/zh active Active
Patent Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110691981A (zh) * | 2017-03-28 | 2020-01-14 | 自动化公司 | 用于定位rfid标签的方法和设备 |
CN110266616A (zh) * | 2019-05-28 | 2019-09-20 | 上海交通大学 | 一种基于和差波束测角法的信道估计方法 |
Also Published As
Publication number | Publication date |
---|---|
CN114079520A (zh) | 2022-02-22 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN110463147B (zh) | 解码符号的方法以及接收并解码符号的接收器 | |
Reine et al. | Multidimensional high-resolution parameter estimation with applications to channel sounding | |
JP4339801B2 (ja) | 固有値分解を利用しない信号到来方向推定手法および受信ビーム形成装置 | |
US6970722B1 (en) | Array beamforming with wide nulls | |
CN114079520B (zh) | 一种信号估计方法、设备、装置及存储介质 | |
Richter et al. | Joint estimation of DoD, time-delay, and DoA for high-resolution channel sounding | |
CN113286363B (zh) | 无线定位参数估计方法、装置、计算机设备及存储介质 | |
Wang et al. | Sparsity-inducing DOA estimation of coherent signals under the coexistence of mutual coupling and nonuniform noise | |
Le Magoarou et al. | Massive MIMO channel estimation taking into account spherical waves | |
CN109765519A (zh) | 一种模数混合天线阵列的角度估计方法 | |
WO2019174743A1 (en) | Receiver and transmitter for multipath angle estimation | |
Yan et al. | Hardware acceleration of MUSIC based DoA estimator in MUBTS | |
Wang et al. | Enabling super-resolution parameter estimation for mm-wave channel sounding | |
CN111983556A (zh) | 一种到达角估计的装置及方法 | |
CN110286351A (zh) | 一种基于l型嵌套阵的二维doa估计方法及装置 | |
Thazeen et al. | An efficient reconfigurable optimal source detection and beam allocation algorithm for signal subspace factorization | |
Zhou et al. | Individual Channel Estimation for RIS-aided Communication Systems-A General Framework | |
Al-Ameri et al. | A hybrid antenna switching scheme for dynamic channel sounding | |
US20230358850A1 (en) | Position Determination of a Wireless Device | |
Garcia et al. | Scalable phase-coherent beam-training for dense millimeter-wave networks | |
Nguyen et al. | Combining u-net auto-encoder and MUSIC algorithm for improving DOA estimation accuracy under defects of antenna array | |
Paaso et al. | Experimental results of novel DoA estimation algorithms for compact reconfigurable antennas | |
Zheng et al. | Dictionary Learning Based Near-Field Channel Estimation for Wideband XL-MIMO Systems | |
Li et al. | A novel method of DOA estimation on sparse uniform circular array | |
Calvez et al. | Massive MIMO channel estimation taking into account spherical waves |
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 |