CN115189723A - 一种基于大规模混合模数MIMO结构的子阵Root-MUSIC的DOA估计方法 - Google Patents
一种基于大规模混合模数MIMO结构的子阵Root-MUSIC的DOA估计方法 Download PDFInfo
- Publication number
- CN115189723A CN115189723A CN202210714745.9A CN202210714745A CN115189723A CN 115189723 A CN115189723 A CN 115189723A CN 202210714745 A CN202210714745 A CN 202210714745A CN 115189723 A CN115189723 A CN 115189723A
- Authority
- CN
- China
- Prior art keywords
- sub
- root
- music
- doa estimation
- received 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.)
- Granted
Links
Images
Classifications
-
- 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
- H04B—TRANSMISSION
- H04B17/00—Monitoring; Testing
- H04B17/30—Monitoring; Testing of propagation channels
- H04B17/391—Modelling the propagation channel
- H04B17/3912—Simulation models, e.g. distribution of spectral power density or received signal strength indicator [RSSI] for a given geographic region
-
- 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
- H04B7/08—Diversity systems; Multi-antenna system, i.e. transmission or reception using multiple antennas using two or more spaced independent antennas at the receiving station
- H04B7/0837—Diversity systems; Multi-antenna system, i.e. transmission or reception using multiple antennas using two or more spaced independent antennas at the receiving station using pre-detection combining
- H04B7/0842—Weighted combining
- H04B7/086—Weighted combining using weights depending on external parameters, e.g. direction of arrival [DOA], predetermined weights or beamforming
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02D—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN INFORMATION AND COMMUNICATION TECHNOLOGIES [ICT], I.E. INFORMATION AND COMMUNICATION TECHNOLOGIES AIMING AT THE REDUCTION OF THEIR OWN ENERGY USE
- Y02D30/00—Reducing energy consumption in communication networks
- Y02D30/70—Reducing energy consumption in communication networks in wireless communication networks
Landscapes
- Engineering & Computer Science (AREA)
- Computer Networks & Wireless Communication (AREA)
- Signal Processing (AREA)
- Physics & Mathematics (AREA)
- Spectroscopy & Molecular Physics (AREA)
- Electromagnetism (AREA)
- Radio Transmission System (AREA)
Abstract
本发明提供一种基于大规模混合模数MIMO结构的子阵Root‑MUSIC的DOA估计方法,其特征在于,将大规模混合模拟数字MIMO结构的测向系统分为两个部分:最大化接收信号功率子连接结构以及Root‑MUSIC混合子连接结构,对于所述最大化接收信号功率子连接结构,产生唯一的DOA估计角,对于所述Root‑MUSIC混合子连接结构,产生一组伪解,用所述唯一的DOA估计角筛选去除所述Root‑MUSIC混合子连接结构产生的伪解,得到真正的DOA估计值。
Description
技术领域
本发明涉及大规模MIMO系统技术领域,尤其涉及一种基于大规模混合模数 MIMO结构的子阵Root-MUSIC的DOA估计方法。
背景技术
大规模MIMO系统不论采用频分双工还是时分双工的传输模式实现蜂窝中所有的用户与基站通信,都需要获取传输过程中的信道状态信息,其中衡量信道状态信息优劣的一项指标就是获取准确的信号角度到达方向,在通信系统中使用DOA估计技术,可以得到入射信号的特征及其包含的角度信息,能为后续的信道估计提供准确的目标位置信息。
大规模MIMO系统能显著提高测向精度,提供超高的空间角度分辨率或者超窄的波束,保证了DOA估计精度,但同时需要在基站、客户端布置大量的天线,会产生非常高的电路成本与能耗。混合模拟数字子连接结构应运而生,可以实现成本、能耗与性能的良好折中。然而混合结构会产生相位模糊,以及较高的算法计算复杂度。
发明内容
本发明的目的在于提供一种基于大规模混合模数MIMO结构的子阵 Root-MUSIC的DOA估计方法,以解决上述背景技术中提出的问题。
本发明是通过以下技术方案实现的:一种基于大规模混合模数MIMO结构的子阵Root-MUSIC的DOA估计方法,将大规模混合模拟数字MIMO结构的测向系统分为两个部分:最大化接收信号功率子连接结构以及Root-MUSIC混合子连接结构,对于所述最大化接收信号功率子连接结构,产生唯一的DOA估计角,对于所述Root-MUSIC混合子连接结构,产生一组伪解,用所述唯一的DOA估计角筛选去除所述Root-MUSIC混合子连接结构产生的伪解,得到真正的DOA估计值。
可选的,所述最大化接收信号功率子连接结构,产生唯一的DOA估计角的具体过程包括:
初始化最大化接收信号功率子连接结构的结构参数;
构建基于初始化最大化接收信号功率子连接结构的第一接收机模型;
计算所述第一接收机模型的接收信号功率,并根据接收信号功率,获得三个中心角;
基于三个中心角,构建二阶多项式,内插得到唯一的DOA估计角。
可选的,构建基于初始化最大化接收信号功率子连接结构的第一接收机模型,具体包括:
将N副天线分成K个子阵列,每个子阵列含有M副天线,将与第k个子阵列对应的阵列流形表示为:
其中,ψk(m)是基带信号的相移,θ0是初始入射角;
设定ψk(m)的表达式为:
其中,m与M均为常数,d为天线间距,λ是载波频率的半波长。
可选的,计算所述第一接收机模型的接收信号功率,具体包括:
子阵列由发射角接收的信号经射频链、下变频和模数转换得到的向量表达式为:
由于噪声是独立且不相关的,因此将接收功率被写为:
在上式中,所有角度可以被统计为如下区间:
将基于初始化最大化接收信号功率子连接结构中所有子阵列接收信号功率写成向量形式有:P=[P(θ1),P(θ2),...,P(θK)]。
可选的,基于三个中心角,构建二阶多项式,内插得到唯一的DOA估计角,具体包括:
将三个中心角最为已知量构建二阶多项式:
f(θ)=c+bθ+aθ2=P(θ)
对上式求导:
设定接收信号功率在第k个扇区达到最大值,则线性方程可表达为:
写成向量形式有:Ax=b,其中A为满秩矩阵,x为线性方程,a、b、c均为常数;
求解上述线性方程可得唯一的DOA估计角:
可选的,对于所述Root-MUSIC混合子连接结构,产生一组伪解,具体包括:
初始化Root-MUSIC混合子连接结构的结构参数;
构建基于初始化Root-MUSIC混合子连接结构的第二接收机模型;
基于所述第二接收机模型,计算协方差矩阵及谱函数,并由Root-MUSIC算法求根,并得到伪解集合。
可选的,构建基于初始化Root-MUSIC混合子连接结构的第二接收机模型,具体包括:设定第二接收机模型总的天线数为Na,分为Q个子阵列,每个子阵列包含M个天线,则接收信号表示为:
式中,
可选的,基于所述第二接收机模型,计算协方差矩阵及谱函数,并由 Root-MUSIC算法求根,并得到伪解集合,具体包括:
通过下式计算协方差矩阵以及谱函数:
式中,I为单位矩阵;
由Root-MUSIC算法求根,并得到解集集合:
式中,
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混合模数MIMO结构的子阵Root-MUSIC的DOA 估计方法,将大规模混合模拟数字MIMO结构的测向系统分为两个部分:最大化接收信号功率子连接结构、和Root-MUSIC混合子连接结构。第一部分结构,通过将天线阵列分为K个子阵列,到达角范围划分为K个扇区,每个扇区的中心角对应K个子阵列模拟波束成形的调相,计算每个子阵列的接收信号功率产生三个初始角,并构建二阶多项式内插得到更精确的DOA估计值;第二部分结构,采用传统算法比如Root-MUSIC算法产生一组候选解,并利用第一部分结构的解快速消除候选集合中的伪解,获取的真解,能够在高信噪比时达到克拉美罗界,实现较好的性能,并且提出的估计算法能够实现一个时隙快速消除混合模拟数字子连接结构的相位模糊。
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为一种基于大规模混合模数MIMO结构的子阵Root-MUSIC的DOA估计方法系统结构图
图2为一种基于大规模混合模数MIMO结构的子阵Root-MUSIC的DOA估计方法实现流程图
图3为发明算法的均方根误差性能与信噪比之间的关系
图4为发明算法在不同SNR下均方根误差性能与Root-MUSIC结构天线阵列数占比之间的关系
图5发明算法的计算复杂度与天线数之间的关系。
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2,一种基于大规模混合模数MIMO结构的子阵Root-MUSIC的 DOA估计方法,将大规模混合模拟数字MIMO结构的测向系统分为两个部分:最大化接收信号功率子连接结构以及Root-MUSIC混合子连接结构,两部分共同组成大规模混合模拟数字MIMO系统快速测向模型,对于所述最大化接收信号功率子连接结构,其作用为产生唯一的DOA估计角,对于所述Root-MUSIC混合子连接结构,其作用为产生一组伪解,用所述唯一的DOA估计角筛选去除所述 Root-MUSIC混合子连接结构产生的伪解,得到真正的DOA估计值。
具体的,在本发明的实施步骤中,所述最大化接收信号功率子连接结构,产生唯一的DOA估计角的具体过程包括:
构建基于初始化最大化接收信号功率子连接结构的第一接收机模型,考虑接收机结构采用混合模拟数字天线阵列结构,该部分接收机阵列含N副天线,天线被分为K个子阵列,每个子阵列含有M副天线,;即N=MK,考虑子阵相互独立,即与第k个子阵列对应的阵列流形可以表示为:
其中,ψk(m)是源到天线元件所对应的基带信号的相移,θ0是初始入射角
设定ψk(m)的表达式为:
其中,m与M均为常数,d为天线间距,λ是载波频率的半波长。
进一步的,在所获得的所述第一接收机模型的基础上,计算所述第一接收机模型的接收信号功率,并根据接收信号功率,获得三个中心角;
子阵列由发射角接收的信号经射频链、下变频和模数转换得到的向量表达式为:
由于噪声是独立且不相关的,因此将接收功率被写为:
在上式中,所有角度可以被统计为如下区间:
将基于初始化最大化接收信号功率子连接结构中所有子阵列接收信号功率写成向量形式有:P=[P(θ1),P(θ2),...,P(θK)]。
将三个中心角最为已知量构建二阶多项式:
f(θ)=c+bθ+aθ2=P(θ)
对上式求导:
设定接收信号功率在第k个扇区达到最大值,则线性方程可表达为:
写成向量形式有:Ax=b,其中A为满秩矩阵,x为线性方程,a、b、c均为常数;
求解上述线性方程可得唯一的DOA估计角:
具体的,在本发明的实施步骤中,对于所述Root-MUSIC混合子连接结构,产生一组伪解,具体包括:
构建基于初始化Root-MUSIC混合子连接结构的第二接收机模型,设定第二接收机模型总的天线数为Na,分为Q个子阵列,每个子阵列包含M个天线,则接收信号表示为:
式中,yq(t)表示不同子阵列的接收信号,aQ为阵列流形,wQ(t)为噪声信号, g(θ0)为常数向量矩阵;
基于所述第二接收机模型,计算协方差矩阵及谱函数:
由Root-MUSIC算法求根,并得到解集集合:
式中,g(z)为第z个常数向量矩阵,aQ(z)为第z个子阵列流形。
在获得唯一DOA估计值后,采用均方根误差(Root of mean square error, RMSE)作为算法性能的衡量标准,RMSE定义为:
式中L是每个给定测量误差的仿真循环总次数,表示入射波信号方向在第次蒙特拉洛仿真实验中的估计值。
进行仿真实验后,获得以下结果:图3表示以混合克拉美罗界为性能基准的所提方法的均方根误差与信噪比的曲线。从图中可以看出,所提出的方法能够实现一个时隙消除相位模糊,性能上在高信噪比时基本达到混合CRLB。主要原因是所提大规模MIMO子连接结构用一部分比例的子阵列做了传统的 Root-MUSIC算法,应用了其高性能。
为了评估Root-MUSIC阵列结构占比对整体性能的影响,图4绘制了不同阵列占比下均方根误差与信噪比的曲线。观察发现,当信噪比》10dB时,所提出的Root-MUSIC阵列结构在阵列天线数等于32时已基本可以达到混合克拉美罗界。
图5绘制了发明算法的计算复杂度与天线数的关系,从图中可以看出,当天线数从1024增长到8192,所提方法的复杂度增幅不大,远远小于已经存在的双层混合结构算法,且当天线数为8192时,复杂度节约了约为两个数量级,表明该算法当天线趋于大规模/超大规模时,优势更加明显,更加实用。
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 (10)
1.一种基于大规模混合模数MIMO结构的子阵Root-MUSIC的DOA估计方法,其特征在于,将大规模混合模拟数字MIMO结构的测向系统分为两个部分:最大化接收信号功率子连接结构以及Root-MUSIC混合子连接结构,对于所述最大化接收信号功率子连接结构,产生唯一的DOA估计角,对于所述Root-MUSIC混合子连接结构,产生一组伪解,用所述唯一的DOA估计角筛选去除所述Root-MUSIC混合子连接结构产生的伪解,得到真正的DOA估计值。
2.根据权利要求1所述的一种基于大规模混合模数MIMO结构的子阵Root-MUSIC的DOA估计方法,其特征在于,所述最大化接收信号功率子连接结构,产生唯一的DOA估计角的具体过程包括:
初始化最大化接收信号功率子连接结构的结构参数;
构建基于初始化最大化接收信号功率子连接结构的第一接收机模型;
计算所述第一接收机模型的接收信号功率,并根据接收信号功率,获得三个中心角;
基于三个中心角,构建二阶多项式,内插得到唯一的DOA估计角。
4.根据权利要求3所述的一种基于大规模混合模数MIMO结构的子阵Root-MUSIC的DOA估计方法,其特征在于,计算所述第一接收机模型的接收信号功率,具体包括:
子阵列由发射角接收的信号经射频链、下变频和模数转换得到的向量表达式为:
由于噪声是独立且不相关的,因此将接收功率被写为:
在上式中,所有角度可以被统计为如下区间:
将基于初始化最大化接收信号功率子连接结构中所有子阵列接收信号功率写成向量形式有:P=[P(θ1),P(θ2),...,P(θK)]。
7.根据权利要求6所述的一种基于大规模混合模数MIMO结构的子阵Root-MUSIC的DOA估计方法,其特征在于,对于所述Root-MUSIC混合子连接结构,产生一组伪解,具体包括:
初始化Root-MUSIC混合子连接结构的结构参数;
构建基于初始化Root-MUSIC混合子连接结构的第二接收机模型;
基于所述第二接收机模型,计算协方差矩阵及谱函数,并由Root-MUSIC算法求根,并得到伪解集合。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210714745.9A CN115189723B (zh) | 2022-06-23 | 2022-06-23 | 一种基于大规模混合模数MIMO结构的子阵Root-MUSIC的DOA估计方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210714745.9A CN115189723B (zh) | 2022-06-23 | 2022-06-23 | 一种基于大规模混合模数MIMO结构的子阵Root-MUSIC的DOA估计方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN115189723A true CN115189723A (zh) | 2022-10-14 |
CN115189723B CN115189723B (zh) | 2023-05-26 |
Family
ID=83515673
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202210714745.9A Active CN115189723B (zh) | 2022-06-23 | 2022-06-23 | 一种基于大规模混合模数MIMO结构的子阵Root-MUSIC的DOA估计方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN115189723B (zh) |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20070164902A1 (en) * | 2005-12-02 | 2007-07-19 | Samsung Electronics Co., Ltd. | Smart antenna beamforming device in communication system and method thereof |
CN108337031A (zh) * | 2017-12-22 | 2018-07-27 | 南京理工大学 | 大规模mimo中基于根值music的混合到达角估计 |
CN109327249A (zh) * | 2018-11-13 | 2019-02-12 | 钟祥博谦信息科技有限公司 | Mimo系统中的到达角估计方法 |
US20190285722A1 (en) * | 2012-08-03 | 2019-09-19 | Polte Corporation | Network architecture and methods for location services |
CN113644941A (zh) * | 2021-07-29 | 2021-11-12 | 海南大学 | 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 |
-
2022
- 2022-06-23 CN CN202210714745.9A patent/CN115189723B/zh active Active
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20070164902A1 (en) * | 2005-12-02 | 2007-07-19 | Samsung Electronics Co., Ltd. | Smart antenna beamforming device in communication system and method thereof |
US20190285722A1 (en) * | 2012-08-03 | 2019-09-19 | Polte Corporation | Network architecture and methods for location services |
CN108337031A (zh) * | 2017-12-22 | 2018-07-27 | 南京理工大学 | 大规模mimo中基于根值music的混合到达角估计 |
CN109327249A (zh) * | 2018-11-13 | 2019-02-12 | 钟祥博谦信息科技有限公司 | Mimo系统中的到达角估计方法 |
CN113644941A (zh) * | 2021-07-29 | 2021-11-12 | 海南大学 | 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 |
Also Published As
Publication number | Publication date |
---|---|
CN115189723B (zh) | 2023-05-26 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN101369014B (zh) | 应用于多输入多输出雷达的双边约束自适应波束形成方法 | |
CN109471086B (zh) | 基于多采样快拍和集阵列信号离散傅里叶变换的互质mimo雷达波达方向估计方法 | |
CN111665468B (zh) | 基于单比特量化信号虚拟域统计量重建的互质阵列波达方向估计方法 | |
CN106972882B (zh) | 基于虚拟域空间功率谱估计的互质阵列自适应波束成形方法 | |
CN110266616B (zh) | 一种基于和差波束测角法的信道估计方法 | |
CN107104720B (zh) | 基于协方差矩阵虚拟域离散化重建的互质阵列自适应波束成形方法 | |
CN108896954A (zh) | 互质阵中一种基于联合实值子空间的波达角估计方法 | |
CN110515033B (zh) | 一种基于Toeplitz矩阵恢复的欠通道测向系统及方法 | |
Gu et al. | Compressed sensing for DOA estimation with fewer receivers than sensors | |
CN115085774B (zh) | 一种基于克拉美罗界的通感融合混合波束赋形方法 | |
CN110208738B (zh) | 基于阵列调制宽带转换器的信号频率与二维doa联合估计方法 | |
CN108828586B (zh) | 一种基于波束域的双基地mimo雷达测角优化方法 | |
CN111352063A (zh) | 一种均匀面阵中基于多项式求根的二维测向估计方法 | |
CN110907923A (zh) | 基于平行因子算法的双基地emvs-mimo雷达角度估计算法及装置 | |
CN110196417A (zh) | 基于发射能量集中的双基地mimo雷达角度估计方法 | |
CN109521393A (zh) | 一种基于信号子空间旋转特性的波达方向估计算法 | |
CN109870670B (zh) | 一种基于阵列重构的混合信号参数估计方法 | |
CN110213186A (zh) | 基于混合结构的esprit的到达角与信噪比估计方法 | |
CN115189723A (zh) | 一种基于大规模混合模数MIMO结构的子阵Root-MUSIC的DOA估计方法 | |
CN115453450A (zh) | 一种嵌套阵下对抗互藕的稳健doa估计方法 | |
CN115575941A (zh) | 面向稀疏阵列的频控阵mimo雷达目标参数估计方法 | |
CN112731279B (zh) | 一种基于混合天线子阵列的到达角估计方法 | |
CN109061564B (zh) | 基于高阶累积量的简化近场定位方法 | |
CN109471087B (zh) | 基于互质mimo雷达差集和集信号快速傅里叶变换的波达方向估计方法 | |
CN112698263A (zh) | 一种基于正交传播算子的单基地互质mimo阵列doa估计算法 |
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 |