CN1209891C - 匹配滤波器组码分多址多径信号波达方向估计方法和装置 - Google Patents

Abstract

一种匹配滤波器组码分多址多径信号波达方向估计方法和装置，首先利用阵列天线阵元后接的匹配滤波器组进行用户多径信号的分离和计算异步多径信道下匹配滤波器组的输出，其次直接利用匹配滤波器组的输出估计用户多径信号的协方差矩阵，然后再进行协方差矩阵特征分解的计算，最后实现基于协方差矩阵特征分解主特征矢量的用户多径信号波达方向估计。装置包括：基于匹配滤波器组的用户多径信号分离和计算模块A和用户多径信号波达方向估计器B两部分。该方法和装置简单易行，非常适合于阵列天线CDMA系统用户多径信号的波达方向估计。

Description

匹配滤波器组码分多址多径信号波达方向估计方法和装置

技术领域

本发明属于码分多址CDMA蜂窝通信系统领域。

背景技术

CDMA蜂窝通信技术以其频率规划简单、系统容量大、抗多径能力强、通信质量好、电磁干扰小等特点显示出巨大的发展潜力，是未来移动通信的主流技术。特别是如果在CDMA系统中使用阵列天线可以显著地改善系统的容量、频谱效率、通信质量和覆盖范围和提供高精度的无线定位服务。在阵列天线CDMA系统中用户多径信号的波达方向估计对下行链路的波束形成、减小干扰和基于角度估计的用户无线定位技术具有重要作用，是阵列天线CDMA系统的关键技术之一。

在过去的几十年中，提出了许多基于天线阵列的信号波达方向DOA估计算法，通常称为传统的DOA估计算法。传统的DOA估计算法如多重信号分类法MUSIC和借助旋转不变技术估计信号参数ESPRIT算法要求天线阵列的阵元数多于信号源数，并且信号源在空间上不能重叠，否则天线阵列无法对信号源的DOA进行有效估计。

CDMA系统的上行信道通常为异步多径信道，用户工作在相同的频段。一个典型蜂窝小区内通常有几十个用户，每一个用户的信号又会产生多条子路径，使得传统的基于天线阵列的DOA估计算法不能直接应用于阵列天线CDMA系统中。

发明内容

本发明所解决的技术问题是，提出一种匹配滤波器组码分多址多径信号波达方向估计方法和装置。该方法可以有效分辨和估计用户多径信号的波达方向。本发明提出的基于上述方法的装置简单易行，非常适合于阵列天线CDMA系统用户多径信号的波达方向估计。

本发明的技术方案一匹配滤波器组码分多址多径信号波达方向估计方法：

首先利用阵列天线阵元后接的匹配滤波器组进行用户多径信号的分离和计算异步多径信道下匹配滤波器组的输出，其次直接利用匹配滤波器组的输出估计用户多径信号的协方差矩阵，然后再进行协方差矩阵特征分解的计算，最后实现基于协方差矩阵特征分解主特征矢量的用户多径信号波达方向估计。

其过程如下：

首先基于匹配滤波器组对用户多径信号进行分离和计算匹配滤波器组的输出：利用匹配滤波器组对用户多径信号进行有效的分离和利用异步多径信道下传输信号特征波形的相关联特性计算匹配滤波器组的输出。

其次估计协方差矩阵：对所分离出的用户的多径信号求其协方差矩阵的估计，得到用户多径信号协方差矩阵的估计。

然后，对所计算出用户多径信号协方差矩阵进行特征分解，求出对应最大特征值的主特征矢量。

最后，实现用户多径信号波达方向估计：在求出主特征矢量后，利用基于主特征矢量的多重信号分类法估计用户多径信号波达方向。

匹配滤波器组码分多址多径信号波达方向估计装置。该装置包括：基于匹配滤波器组的用户多径信号分离和计算模块A和用户多径信号波达方向估计器B两部分，基于匹配滤波器组的用户多径信号分离和计算模块A的输入端接阵列天线基带采样信号的输入，基于匹配滤波器组的用户多径信号分离和计算模块A的输出端接用户多径信号波达方向估计器B的输入端。

以下对发明中的各个组成分别加以论述。

1.基于匹配滤波器组的用户多径信号分离和计算

A.阵列的接收信号

考察一个上行异步多径信道阵列天线CDMA系统。不失一般性，进一步假设移动信道为频率选择性慢衰落信道，信道的相关时间远大于符号周期。假设系统中某个蜂窝小区有K个用户在通过各自的多径信道发射BPSK信号。这样，第k个用户所发射的一个N比特信号可以表示为：

$x_k\left(t\right)=A_k\underset{n=0}{\overset{N-1}{\mathrm{\Σ}}}{b}_k\left(n\right)c_k(t-n{T}_b),k=1,...,K$        [公式1]

式中，A_k表示第k个用户信号的幅度，b_k(n)∈{-1，+1}表示第k个用户等概传输的第n比特信号，c_k(t)表示第k个用户的扩频波形，有

$c_k\left(t\right)=\underset{g=0}{\overset{G-1}{\mathrm{\Σ}}}{c}_{\mathrm{kg}}p(t-g{T}_c)$        [公式2]

式中，c_kg∈{-1，+1}(g＝0，...，G-1)为其扩频码，p(t)是宽度为T_c的切普脉冲，T_b是比特间隔时间，G是定义为G＝T_b/T_c的扩频增益，其扩频波形具有归一化的能量，即 ${\∫}_0^{T_b}{\left|c_k\left(t\right)\right|}^2=1.$ 同样，假设每个用户所发射的信息比特是独立的，不同用户的信息比特也是独立的。

假设基站阵列天线有M个阵元，用户移动终端采用单天线。这样，第k个用户发射机与基站接收机间的基带多径信道可以用单输入多输出SIMO信道表示，其脉冲响应矢量为

$h_k\left(t\right)=\underset{l=1}{\overset{L}{\mathrm{\Σ}}}{\mathrm{\α}}_{k,l}\left(t\right)a_{k,l}\left({\mathrm{\θ}}_{k,l}\left(t\right)\right)\mathrm{\δ}(t-{\mathrm{\τ}}_{k,l})$ [公式3]

其中，L为每个用户的多径数，α_k，l和τ_k，l分别是第k个用户第l径信号的复衰减和时延， $a_{k,l}\left({\mathrm{\θ}}_{k,l}\left(t\right)\right)={[{\mathrm{\α}}_{k,l,1}\left({\mathrm{\θ}}_{k,l}\left(t\right)\right),...,{\mathrm{\α}}_{k,l,M}\left({\mathrm{\θ}}_{k,l}\left(t\right)\right)]}^T/\sqrt{M}$ 是对应第k个用户第l径信号波达方向为θ_k，l(t)的阵列矢量。

这样，基站阵列天线接收到总的信号为

$r\left(t\right)=\underset{k=0}{\overset{K}{\mathrm{\Σ}}}{x}_k\left(t\right)*h_k\left(t\right)+w\left(t\right)$

$=\underset{i=0}{\overset{N-1}{\mathrm{\Σ}}}\underset{k=1}{\overset{K}{\mathrm{\Σ}}}{A}_k{b}_k\left(n\right)\underset{l=1}{\overset{L}{\mathrm{\Σ}}}{\mathrm{\α}}_{k,l}{a}_{k,l}{c}_k(t-n{T}_b-{\mathrm{\τ}}_{k,l})+w\left(t\right)$

[公式4]

$=\underset{i=0}{\overset{N-1}{\mathrm{\Σ}}}\underset{k=1}{\overset{K}{\mathrm{\Σ}}}\underset{l=1}{\overset{L}{\mathrm{\Σ}}}{A}_k{\mathrm{\α}}_{k,l}{b}_k\left(n\right)$ $a_{k,l}{c}_k(t-n{T}_b-{\mathrm{\τ}}_{k,l})+w\left(t\right)$

$=\underset{n=0}{\overset{N-1}{\mathrm{\Σ}}}\underset{k=1}{\overset{K}{\mathrm{\Σ}}}\underset{l=1}{\overset{L}{\mathrm{\Σ}}}{\mathrm{\μ}}_{k,l}{b}_k\left(n\right)a_{k,l}{c}_k(t-n{T}_b-{\mathrm{\τ}}_{k,l})+w\left(t\right)$

其中，*表示卷积，μ_k，l＝A_kα_k，l是所接收的第k个用户第l径信号的复幅度，w(t)是均值为0，协方差矩阵为σ²I_M的加性白高斯噪声矢量，I_M是M×M的单位矩阵。

定义如下矢量

$a\stackrel{\mathrm{\Δ}}{=}[a_1,a_2,...,a_K]\∈C^{M\×\mathrm{KL}},$

其中， $a_k\stackrel{\mathrm{\Δ}}{=}[a_{k,1},a_{k,2},...,a_{k,L}]\∈C^{M\×L};$

${\mathrm{\μ}}^{\left(n\right)}\stackrel{\mathrm{\Δ}}{=}\mathrm{diag}[{\mathrm{\μ}}_1^{\left(n\right)},{\mathrm{\μ}}_2^{\left(n\right)},...{\mathrm{\μ}}_{k_{k.}}^{\left(n\right)}]\∈C^{\mathrm{KL}\×\mathrm{KL}},$

其中， ${\mathrm{\μ}}_{k_k}^{\left(n\right)}\stackrel{\mathrm{\Δ}}{=}\mathrm{diag}[{\mathrm{\μ}}_{k,1}^{\left(n\right)},{\mathrm{\μ}}_{k,2}^{\left(n\right)},...,{\mathrm{\μ}}_{k,L}^{\left(n\right)}]\∈C^{L\×L};$

$C_g^{\left(n\right)}\stackrel{\mathrm{\Δ}}{=}\mathrm{diag}[C_{1,g}^{\left(n\right)},C_{2,g}^{\left(n\right)},...,C_{K,g}^{\left(n\right)}]\∈C^{\mathrm{KL}\×\mathrm{KL}},$

其中，

$C_{k,g}^{\left(n\right)}\stackrel{\mathrm{\Δ}}{=}\mathrm{diag}[c_k(g-n{T}_b-{\mathrm{\τ}}_{k,1}),{c_k(g-{\mathrm{nT}}_b-{\mathrm{\τ}}_{k,2}),...,c}_k(g-{\mathrm{nT}}_b-{\mathrm{\τ}}_{k,L})]\∈C^{L\×L};$

$B^{\left(n\right)}\stackrel{\mathrm{\Δ}}{=}{b}^{\left(n\right)}\⊗o_L\∈C^{\mathrm{KL}},$

其中， $b^{\left(n\right)}=[b_1^{\left(n\right)},b_2^{\left(n\right)},...,b_k^{\left(n\right)}]\∈C^{K\×1};$ o_L是L×1全1列矢量，表示Kronecker积。

这样，公式4给出的基站阵列天线接收到总的信号可以矩阵形式表示为

$r\left(t\right)=\underset{n=0}{\overset{N-1}{\mathrm{\Σ}}}a{\mathrm{\μ}}^{\left(n\right)}{C}_g^{\left(n\right)}{B}^{\left(n\right)}+w\left(t\right)$ [公式5]

B.匹配滤波器组输出的计算

所有用户及其多径成分在阵列天线所有阵元上匹配滤波器组的输出对检测数字符号可提供充分的统计信息。在t∈[nT_b，(n+1)T_b)时间间隔匹配于第k个用户第l径扩频波形的M×1维滤波器组输出为

$y_{k,l}^{\left(n\right)}={\∫}_{n{T}_b+{\mathrm{\τ}}_{k,l}}^{(n+1)T_b+{\mathrm{\τ}}_{k,l}}r\left(t\right)c_k(t-n{T}_b-{\mathrm{\τ}}_{k,l})\mathrm{dt}=\underset{g=n{T}_b+{\mathrm{\τ}}_{k,l}}{\overset{(n+1)T_b+{\mathrm{\τ}}_{k,l}-1}{\mathrm{\Σ}}}r\left(n\right)c_k(g-n{T}_b-{\mathrm{\τ}}_{k,l})$

$=\underset{g=-\∞}{\overset{g=+\∞}{\mathrm{\Σ}}}{c}_k(g-n{T}_b-{\mathrm{\τ}}_{k,l})\underset{m=0}{\overset{N-1}{\mathrm{\Σ}}}a{\mathrm{\μ}}^{\left(m\right)}{C}_g^{\left(m\right)}{B}^{\left(m\right)}+\underset{g=-\∞}{\overset{g=+\∞}{\mathrm{\Σ}}}{c}_k(g-n{T}_b-{\mathrm{\τ}}_{k,l})w\left(g\right)$

                                                                                 [公式6]

由于假设信道的特性为瑞利慢变化衰落信道，通常多径时延τ_k，l总是小于符号间隔T_b。在这种情况下，第k个用户通过第l径传输的特征波形的第n个符号仅与第k个用户通过第l径传输特征波形的第(n-1)、n、(n+1)个符号相关联。因此，公式6可写为

$y_{k,l}^{\left(n\right)}=\underset{g=-\∞}{\overset{g=+\∞}{\mathrm{\Σ}}}{c}_k(g-{\mathrm{nT}}_b-{\mathrm{\τ}}_{k,l})\underset{m=n-1}{\overset{n+1}{\mathrm{\Σ}}}\mathrm{a\μ}{C}_g^{\left(m\right)}{B}^{\left(m\right)}+\tilde{w}\left(n\right)$

$=a\{\mathrm{\μ}{R}_{k,l}^{\left(n\right)}\left(1\right)B^{(n-1)}+\mathrm{\μ}{R}_{k,l}^{\left(n\right)}\left(0\right)B^{\left(n\right)}+\mathrm{\μ}{R}_{k,l}^{\left(n\right)}(-1)B^{(n+1)}+w_{k,l}\left(n\right)$ [公式7]

$=a{\widetilde{\mathrm{\μ}}}^{\left(n\right)}{\tilde{R}}_{k,l}^{\left(n\right)}{\tilde{B}}^{\left(n\right)}+w_{k,l}^{\left(n\right)}$

其中，

${\widetilde{\mathrm{\μ}}}^{\left(n\right)}=[{\mathrm{\μ}}^{(n-1)},{\mathrm{\μ}}^{\left(n\right)},{\mathrm{\μ}}^{(n+1)}]\∈C^{\mathrm{KL}\×3\mathrm{KL}},$ ${\tilde{R}}_{k,l}^{\left(n\right)}=\mathrm{diag}[R_{k,l}^{\left(n\right)}\left(1\right),R_{k,l}^{\left(n\right)}\left(0\right),R_{k,l}^{\left(n\right)}(-1)]\∈C^{3\mathrm{KL}\×3\mathrm{KL}},$

${\tilde{B}}^{\left(n\right)}={[{\left(B^{(n-1)}\right)}^T,{\left(B^{\left(n\right)}\right)}^T,{\left(B^{(n+1)}\right)}^T]}^T\∈C^{3\mathrm{KL}},$

和

$w_{k,l}^{\left(n\right)}=\underset{g=-\∞}{\overset{g=+\∞}{\mathrm{\Σ}}}{c}_k(g-n{T}_b-{\mathrm{\τ}}_{k,l})w\left(g\right)=\underset{g={\mathrm{\τ}}_{k,l}+(n-1)T_b}{\overset{{\mathrm{\τ}}_{k,l}+n{T}_b-1}{\mathrm{\Σ}}}{c}_k(g-{\mathrm{\τ}}_{k,l})w\left(g\right)\∈C^M.$ [公式8]

对角矩阵 $R_{k,l}^{\left(n\right)}\left(i\right)\∈{[-1,1]}^{\mathrm{KL}\×\mathrm{KL}}$ 是不同用户和径间扩频波形的相关矩阵，定义为

$R_{k,l}^{\left(n\right)}\left(i\right)\stackrel{\mathrm{\Δ}}{=}\mathrm{diag}[R_{1,k,l}^{\left(n\right)}\left(i\right),R_{2,k,l}^{\left(n\right)}\left(i\right),...,R_{K,k,l}^{\left(n\right)}\left(i\right)]\∈C^{\mathrm{KL}\×\mathrm{KL}}$

其中， $R_{k^{\′},k,l}^{\left(n\right)}\left(i\right)\stackrel{\mathrm{\Δ}}{=}\mathrm{diag}[R_{k^{\′},1,k,l}^{\left(n\right)}\left(i\right),R_{k^{\′},2,k,l}^{\left(n\right)}\left(i\right),...,R_{k^{\′},L,k,l}^{\left(n\right)}\left(i\right)]\∈C^{L\×L},$

$R_{k^{\′},l^{\′},k,l}^{\left(n\right)}\left(i\right)\stackrel{\mathrm{\Δ}}{=}\underset{g=-\∞}{\overset{g=+\∞}{\mathrm{\Σ}}}{c}_{k^{\′}}(g-{\mathrm{\τ}}_{k^{\′},l^{\′}})c_k(g-i{T}_b-{\mathrm{\τ}}_{k,l}){,k}^{\′}=1,...,K;l^{\′}=1,...,L.$ [公式9]

在时不变特征波形和多径时延总小于符号间隔T_b的情况下，容易得到 $R_{k,l}^{\left(n\right)}\left(i\right)=0,\∀\left|i\right|>1.$ 因此，公式9可进一步推为

$R_{k^{\′},l^{\′},k,l}^{\left(n\right)}\left(0\right)=\underset{g=\min ({\mathrm{\τ}}_{k,l},{\mathrm{\τ}}_{k^{\′},l^{\′}})}{\overset{\min ({\mathrm{\τ}}_{k,l},{\mathrm{\τ}}_{k^{\′},l^{\′}})+T_b-1}{\mathrm{\Σ}}}{c}_{k^{\′}}(g-{\mathrm{\τ}}_{k^{\′},l^{\′}})c_k(g_b-{\mathrm{\τ}}_{k,l})$

和

$R_{k^{\&prime;},l^{\&prime;},k,l}^{\left(n\right)}\left(1\right)=\left\{\begin{array}{cc}\underset{g={\mathrm{\&tau;}}_{k,l}}{\overset{{\mathrm{\&tau;}}_{k^{\&prime;},l^{\&prime;}}-1}{\mathrm{\&Sigma;}}}{c}_{k^{\&prime;}}(g-{\mathrm{\&tau;}}_{k^{\&prime;}{l}^{\&prime;}})c_k(g_b-T_b-{\mathrm{\&tau;}}_{k,l}),& {\mathrm{\&tau;}}_{k,l}<{\mathrm{\&tau;}}_{k^{\&prime;},l^{\&prime;}}\\ 0,& \mathrm{otherwise}\end{array}\right.$

如果假设不同用户的多径时延是已知的，R_{k′，l′，k，l} ⁽ⁿ⁾(-1)，R_{k′，l′，k，l} ⁽ⁿ⁾(0)，和R_{k′，l′，k，l} ⁽ⁿ⁾(1)可以被计算出，因为对CDMA系统用户的特征波形是预先知道的。

此外，噪声的互相关矩阵从公式8可以计算为

$E\left\{w_{k,l}^{\left(n\right)}{\left(w_{k^{\&prime;},l^{\&prime;}}^{(n+m)}\right)}^H\right\}$

$=\underset{g={\mathrm{\&tau;}}_{k,l}+(n-1)T_b}{\overset{{\mathrm{\&tau;}}_{k,l}+n{T}_b-1}{\mathrm{\&Sigma;}}}\underset{g={\mathrm{\&tau;}}_{k,l}+(n+m-1)T_b}{\overset{{\mathrm{\&tau;}}_{k,l}+(n+m)T_b-1}{\mathrm{\&Sigma;}}}E\left\{w\left(g\right){w\left(g^{\&prime;}\right)}^H\right\}\&CenterDot;c_k(g-{\mathrm{\&tau;}}_{k,l})c_k(g^{\&prime;}-{\mathrm{\&tau;}}_{k^{\&prime;},l^{\&prime;}})$

$={\mathrm{\&sigma;}}^2{I}_M\underset{g={\mathrm{\&tau;}}_{k,l}+(n-1)T_b}{\overset{{\mathrm{\&tau;}}_{k,l}+n{T}_b-1}{\mathrm{\&Sigma;}}}\underset{g={\mathrm{\&tau;}}_{k,l}+(n+m-1)T_b}{\overset{{\mathrm{\&tau;}}_{k,l}+(n+m)T_b-1}{\mathrm{\&Sigma;}}}\mathrm{\&delta;}(g-g^{\&prime;}-i{T}_b)\&CenterDot;c_k(g-{\mathrm{\&tau;}}_{k,l})c_k(g^{\&prime;}-{\mathrm{\&tau;}}_{k^{\&prime;},l^{\&prime;}})$

                                                                                         [公式10]

从公式10可以容易地看到w_k，l ⁽ⁿ⁾仍然是加性白高斯噪声矢量，其均值仍为0，方差为σ²I_MR_{k，l，k，l} ⁽ⁿ⁾(0)。

2.用户多径信号波达方向估计

A.协方差矩阵的计算

基于公式7匹配滤波器组的输出y_k，l ⁽ⁿ⁾，第k个用户第l径信号的波达方向θ_k，l可通过子空间算法之一的MUSIC类算法进行估计。与期望信号的功率相比码匹配滤波器组将以扩频增益G抑制每一个天线阵元上的多址干扰和噪声功率。这样，对应协方差矩阵R_y，k，l主特征矢量的e_1，k，l将为第k个用户第l径信号的波达方向θ_k，l提供一个很好的估计。协方差矩阵R_y，k，l定义为

$R_{y,k,l}=E\left\{y_{k,l}^{\left(n\right)}{\left(y_{k,l}^{\left(n\right)}\right)}^H\right\}$ [公式11]

其中，E{}表示期望。

在实际中，R_y，k，l的准确值是得不到的，必须通过接收的数据进行估计。协方差矩阵R_y，k，l可以基于公式7的度量模型通过Q个连续的观测或采样形成真实R_y，k，l的采用估计 即

${\hat{R}}_{y,k,l}=\frac{1}{Q}\underset{i=1}{\overset{Q}{\mathrm{\&Sigma;}}}{y}_{k,l}^{\left(i\right)}{\left(y_{k,l}^{\left(n\right)}\right)}^H$ [公式12]

B.协方差矩阵的特征分解

对所得到的采样协方差矩阵 进行特征分解，得到协方差矩阵R_y，k，l主特征矢量e_1，k，l的估计ê_1，k，l。

C.用户多径信号波达方向估计

最后，实现用户多径信号波达方向估计。在得到第k个用户第l径信号协方差矩阵特征分解主特征矢量的估计ê_1，k，l后，可实现第k个用户第l径信号波达方向θ_k，l的估计

具体步骤为：

首先，构造空间谱函数，

$P_{\mathrm{MU}}\left({\mathrm{\&theta;}}_{k,l}\right)={[1-{\left|\right|a_{k,l}^H\left({\mathrm{\&theta;}}_{i,l}\right){\hat{e}}_{1,k,l}\left|\right|}^2]}^{-1}$ [公式13]

其中，对等间距阵列天线有

$a_{k,l}^H\left({\mathrm{\&theta;}}_{k,l}\right)=[1,e^{-j\frac{2\mathrm{\&pi;d}}{\mathrm{\&lambda;}}\sin \left({\mathrm{\&theta;}}_{k,l}\right)},...,e^{-j\frac{2\mathrm{\&pi;d}}{\mathrm{\&lambda;}}(M-1)\sin \left({\mathrm{\&theta;}}_{k,l}\right)}]/\sqrt{M}$

然后，搜索空间谱函数P_MU的谱峰便可以得到对应第k个用户第l径信号的波达方向估计。对应第k个用户第l径信号的波达方向θ_k，l的估计为

${\widehat{\mathrm{\&theta;}}}_{k,l}=\arg \underset{{\mathrm{\&theta;}}_{k,l}}{\max }\left\{{[1-{\left|\right|a_{k,l}^H\left({\mathrm{\&theta;}}_{k,l}\right){\hat{e}}_{1,k,l}\left|\right|}^2]}^{-1}\right\}$ [公式13]

本发明的有益效果：首先，由于用户多径信号波达方向的估计是直接基于匹配滤波器组输出实现的，因此，其最主要的优点就是结构、方法简单。其次，方法不要求阵列天线的阵元数多于用户及其多径的信号数；同时，方法不需要检测用户及其多径的信号源数目，而这些是传统多重信号分类法所必须的。此外，由于只需要搜索单一的空间谱峰，因此，相应的估计结果非常可靠。这些都使本发明非常适合于实际应用。

附图说明

图1是装置总框图。

图2是每一个阵元后匹配滤波器组示意图。

图3-6是本发明所提波达方向估计方法的性能图例。

具体实施方式

下面结合附图对本发明做进一步的详细说明。

根据本发明的方法，适用于任何采用阵列天线的CDMA移动通信系统。

图1给出了该方法应用于阵列天线直接序列扩频码分多址DS-CDMA移动通信系统的装置详细结构示意图。

该装置包括：基于匹配滤波器组的用户多径信号分离和计算模块A和用户多径信号波达方向估计器B两部分组成，基于匹配滤波器组的用户多径信号分离和计算模块A的输入端接阵列天线基带采样信号的输入，基于匹配滤波器组的用户多径信号分离和计算模块A的输出端接用户多径信号波达方向估计器B的输入端。

用户多径信号波达方向估计器B包括用户多径信号相关矩阵计算模块B101、协方差矩阵特征分解模块B102、用户多径信号波达方向估计模块B103。其中基于匹配滤波器组的用户多径信号分离和计算模块A、用户多径信号相关矩阵计算模块B101、协方差矩阵特征分解模块B102、用户多径信号波达方向估计模块B103依次顺序串联连接。

具体的信号处理过程如下：首先，将阵列天线每个阵元接收进来的基带模拟信号经模数A/D转换后，成为数字信号，然后进入基于匹配滤波器组的用户多径信号分离和计算器模块A，该模块根据用户多径信号的不同时延通过匹配滤波器组实现用户多径信号的分离，同时根据公式7计算出匹配滤波器组输出的期望用户多径信号y_k，l ⁽ⁿ⁾，其结果提供给用户多径信号相关器模块B101。在用户多径信号相关器模块B101中，对匹配滤波器组的输出进行Q个连续的观测或采样并进行相关计算形成期望用户多径信号真实协方差矩阵R_y，k，l的采用估计

协方差矩阵特征分解模块B102接收用户多径信号相关器模块B101的输出并对期望用户多径信号协方差矩阵的采用估计

矩阵进行特征分解，得到主特征矢量e_1，k，l的估计ê_1，k，l，并将ê_1，k，l输入到用户多径信号波达方向估计器模块B103。用户多径信号波达方向估计器模块B103接收到ê_1，k，l后，得到期望用户多径信号波达方向θ_k，l的估计

图3-6给出了基于匹配滤波器组输出的异步多径信道下阵列天线DS-CDMA系统用户多径信号波达方向估计对信噪比SNR的结果。分别给出了用户数、扩频处理增益和阵列结构对估计性能的影响。为评价估计的性能对50次独立的仿真结果进行了平均，并采用了标准误差SD作为评价指标，其定义为

$\mathrm{ST}=\sqrt{\frac{1}{U}\underset{u=1}{\overset{U}{\mathrm{\&Sigma;}}}{({\widehat{\mathrm{\&theta;}}}_{k,l}-{\mathrm{\&theta;}}_{k,l})}^2}$ [公式14]

其中，U是独立试验的次数。

具体的仿真条件如下：采用阵元间距为半波长λ/2均匀等间距的5阵元直线天线阵列接收BPSK多径信号。不失一般性，假设信道为两径瑞利衰落信道，每一径具有相同的能量，多径信号的相对延迟在一个符号间隔内。扩频码为随机选取的增益为64的扩频序列，用20次的观测或采样长度来获得协方差矩阵的估计

不妨假设分别有3个和6个用户随机分布在小区中，期望估计的用户子径波达方向为27°。

由图3可以看出，本发明所提出的方法对用户多径信号的波达方向估计非常有效，其结果适合于实际应用。虽然随着用户数的增加估计的性能会有所下降，但由于扩频增益的作用，用户数增加的影响将是有限的。图4的结果进一步表明了这一点。从图4可以看出，当扩频增益增加时，由于抑制多址干扰的能力的增强，估计的性能得到显著改善。

图5和图6显示了阵列结构对估计性能的影响。图5表明随着阵元数的增加，估计的性能可得到改善。特别是从图6可以观察到，当加大阵元间的距离时，估计的性能可得到显著的改善。这是由于在这两种情况下天线阵列的分辨力都得到增强。

值得指出的是，即使当不同用户的两条或多条子径到达天线阵列的波达方向相同时，由于方法利用了CDMA信号的内在特性即每一个CDMA用户都被分配了独特的扩频码，因此在这种情况下各子径的波达方向仍可以得到有效的估计。

Claims (2)

1.一种匹配滤波器组码分多址多径信号波达方向估计方法，其特征在于：

首先利用阵列天线阵元后接的匹配滤波器组进行用户多径信号的分离和计算异步多径信道下匹配滤波器组的输出，匹配滤波器组输出的计算是利用异步多径信道下传输信号特征波形的相关联特性实现的；

其次直接利用匹配滤波器组的输出估计用户多径信号的协方差矩阵，然后再进行协方差矩阵特征分解的计算，得到主特征矢量的估计；

最后利用基于协方差矩阵特征分解的主特征矢量实现用户多径信号波达方向的估计。

2.一种匹配滤波器组码分多址多径信号波达方向估计装置，其特征在于：

该装置由基于匹配滤波器组的用户多径信号分离和计算模块(A)和用户多径信号波达方向估计器(B)两部分组成；

基于匹配滤波器组的用户多径信号分离和计算模块(A)完成用户多径信号的分离和计算异步多径信道下匹配滤波器组的输出，匹配滤波器组输出的计算是利用异步多径信道下传输信号特征波形的相关联特性实现的；

用户多径信号波达方向估计器(B)包括用户多径信号相关矩阵计算模块(B101)，协方差矩阵特征分解模块(B102)、用户多径信号波达方向估计模块(B103)；

用户多径信号相关矩阵计算模块(B101)对匹配滤波器组的输出进行采样并进行相关计算形成期望用户多径信号真实协方差矩阵的采用估计；

协方差矩阵特征分解模块(B102)对期望用户多径信号协方差矩阵的采用估计矩阵进行特征分解，得到主特征矢量的估计；

用户多径信号波达方向估计器模块(B103)通过基于协方差矩阵特征分解的主特征矢量实现用户多径信号波达方向的估计；

其中基于匹配滤波器组的用户多径信号分离和计算模块(A)、用户多径信号相关矩阵计算模块(B101)、协方差矩阵特征分解模块(B102)、用户多径信号波达方向估计模块(B103)依次顺序串联连接。

Images