CN1408192A - 利用上行链路加权矢量的天线到达角估算 - Google Patents

Abstract

可以利用与多径指(A、B)相关的上行链路加权矢量(w)估算由数字无线电通信源产生的多径指(A、B)到达天线阵的角度(θ_A、θ_B)。由于用于具有恒定相移结构的天线阵的上行链路加权矢量(w)的特性，可以根据上行链路加权矢量(w)计算角度(θ_A、θ_B)的估算。

Description

利用上行链路加权矢量的天线到达角估算

技术领域

本发明一般涉及数字无线电通信中的自适应天线阵的使用，更具体地涉及使用在这种自适应天线阵中的下行链路到达角(AOA)估算。

背景技术

在数字通信的阵列信号处理中，接收和发送天线的阵列配置在基站中(例如，蜂窝电话网)，克服干扰并以这种方式增加容量和提高系统性能。为了从天线阵开发潜在性能增益，存在着两个主要概念。

一种方法是利用天线在上行链路形成多个固定波束。然后接收机算法利用从一个或多个波束的输出接收一个期望的用户。然后在下行链路中，数据在最高信噪比(SNR)的波束中进行发送，或在分集系统发送的情况下在若干个波束中进行发送。

另外一种可能性是操纵一个窄波束直接向期望的移动站。这种方法可以按两种基本上不同方式进行。

在参数方法中，明确地估算期望用户的多径(指)到达角，并且然后操纵上行链路波束处于确定的方向。然后给出最高SNR的AOA用于下行链路传输。再有，在分集传输的情况下，可以利用若干下行链路波束。

在非参数方法中，不明确估算期望用户的AOA，但仅估算空间信道(或空间特征标记)，对每个指给出对估算阵列加权矢量的上升(例如利用矢量瑞克[RAKE]接收机获得的)。应用到阵列输出端的这些权值的组合产生用于接收用户数据的信号。该非参数方法对用户的AOA不产生任何显式信息，并且这些AOA是分别估算的。

有很多利用自适应天线AOA估算的科学文献。在AOA估算中最感兴趣的主要是由所谓超分辨率算法的出现推动的诸如MUSIC、ESPRIT、MODE和WSF之类的方法，这些方法可以以比传统波束形成算法更高的精度估算AOA。

通常的超分辨率算法的一个主要缺点是其计算的复杂性。这些方法经常包括执行阵列的矩阵容量中的奇异值的分解。这些方法的另外的缺点是它们向模型误差报告的灵敏度；强烈地依靠信号环境的参数模型和天线阵的精确校准，它们能给出很好的AOA估算。

诸如波束形成法之类的非参数方法，基本的工作是通过利用窄波束扫描由阵列覆盖的区域并按照从该阵列给出最高输出功率的方向选择AOA。以至于，这些方法更为健全，但是在许多用户彼此紧密地出现的情况和在噪声水平可能很高的情况的实际使用中，其差的分辨率可以成为一个限制因素。

由上观之，提供没有上述现有技术方法的缺点的AOA算法是人们所希望的。

在试图避免现有技术的方法的上述缺点的努力中，本发明开发了一种使用在具有恒定相移结构的天线阵中方便可用上行加权矢量的特征，并直接从上行链路加权矢量计算AOA估算。

附图简要说明

图1图示地表示一个天线传感器的天线正常矢量和从单一数字无线电通信源产生的两个多径指之间的角度关系；

图2图示地表示如何将多径指模型化为从不同角度射落的大量阵列；

图3图示地表示增益与角度关系；

图4图示地表示均匀和线性天线阵的各个传感器之间的传播延迟；

图5图示地表示按照本发明的到达角估算器的示例实施例；

图6图示地表示按照本发明的数字无线电通信接口的示例；

图7表示可以由图5的到达角估算器实施例执行的示例操作；

图8和9图示地表示按照本发明的与最小平方到达角估算相关的模拟结果；

图10和11图示地表示按照本发明的与递归最小平方到达角估算相关的模拟结果。

具体实施方式

本发明引用利用一些天线阵结构、对一个多径指估算加权矢量的各部件相对于简单相移是近似(忽略加权矢量估算的噪声和误差的影响)的这样的事实。这可以从下面描述的模型中看出。

图1图示地表示两个示例多径指A和B对天线阵的一个传感器的天线正常矢量C的角度关系。多径指A和B是各种物理障碍(建筑物、山丘等)的公知结果，这些障碍使由例如数字蜂窝电话之类的无线电源产生的无线电信号改方向。多径指A与天线正常矢量C之间的角度在图1中表示为θ_A和多径指B与天线正常矢量C之间的角度表示为θ_B。

每个多径指可以被假设为围绕在其传播正常方向具有某些扩散开的角度。例如，图2表示多径指B可以被模型化为大量的射线，其中的4个表示在图2中。所说明的射线R₁-R₄从相应角度Q₁-Q₄射落到多径指B。因此，大量的射线L(在图2中表示出4个)的每个从对于I＝1到L不同的角度θ_I射落。每个射线也有复数的幅度这里设计为h_I(t，Q_I)。每个角度θ_I可以被模型化为具有平均值θ_B和变化值σ_I ²的随机变量。利用这些假设，对于给定多径指的加权矢量可以写为如下方程： $w(t,\mathrm{\θ})=\underset{1=I}{\overset{L}{\mathrm{\Σ}}}{h}_I(t,{\mathrm{\θ}}_I)\mathrm{\α}\left({\mathrm{\θ}}_I\right)+E\left(t\right)$ 方程1

在方程1左边的变量θ代表特定多径指的到达角。因此，对于图1和2的多径指B，在方程1左边的变量θ对应于图1和2的θ_B。

在方程1中，h_I(t，θ_I)表示在时间t射线I的基带信道。正如在现有技术中所公知的，这个基带信道包含传播衰减、接收机滤波和脉冲整形的作用。另外，取决于角度θ_I(见图3)的天线增益也包含在基带信道h_I(t，θ_I)中。

方程1中的因子a(θ_I)计入了通过该阵列电波传播延迟时间的影响。如图4所示，传播时间延迟对应于对应射线R₁传播距离Δsinθ_I的波需要的时间。

方程1中的E(t)项是由于在噪声环境下利用有限数量的训练符号估算加权矢量这样的事实产生的。

对于窄带信号，例如数字无线电通信信号，时间延迟对应于相移。在方程1中，a(θ_I)是称为阵列响应矢量的这些相移的矢量。在图4的例子中，天线阵是包含M个传感器1、2、3...M的常规均匀和线性阵列(ULA)。在这个例子中，M维阵列响应矢量a(θ_I)是由以下方程给出的： $a\left({\mathrm{\θ}}_I\right)=\left[\begin{array}{c}1\\ e^{\mathrm{i\Δ}\sin {\mathrm{\θ}}_I}\\ e^{2\mathrm{i\Δ}\sin {\mathrm{\θ}}_I}\\ e^{(M-1)\mathrm{i\Δ}\sin {\mathrm{\θ}}_I}\end{array}\right]$ 方程2

这个矢量M个单元分别对应于图4的ULA中的M个传感器。

如果扩散在θ和每个θ_I之间的角度(见图2)很小，例如3°到10°，围绕θ_I＝θ的a(θ_I)泰勒级数表示产生方程3： $w(t,\mathrm{\θ})=\underset{t=1}{\overset{L}{\mathrm{\Σ}}}{h}_I(t,{\mathrm{\θ}}_I)(a\left(\mathrm{\θ}\right)+a\′(\mathrm{\θ}-{\mathrm{\θ}}_I)+\frac{1}{2}a\′\′\left(\mathrm{\θ}\right){(\mathrm{\θ}-{\mathrm{\θ}}_I)}^2+...)+E\left(t\right)$ 方程3其中 $h(t,\mathrm{\θ})=\underset{I=1}{\overset{L}{\mathrm{\Σ}}}{h}_I(t,{\mathrm{\θ}}_I).$ 因为θ-θ_I按平均是很小的(按弧度小小于1)，可以从方程3看出，不同于E(t)(即，总和部分)的n(t)部分按平均是很小的。

再参照图4的例子，表示在这里的ULA是具有恒定相移结构天线阵列的一个例子。这意味着，传感器1、2、...M的每一个与相邻的传感器分隔开波长的一部分的距离Δ，并且该阵列包括两个相同的子阵列。例如，第一子阵列可以由图4的传感器1、2和3定义，而第二子阵列可以由传感器2、3和4定义。与图4的天线相关的常规上行链路加权矢量包括分别对应于M个传感器的M个部件。类似地，对于给定子阵列的加权矢量是M维加权矢量的子矢量，包含多个(小于M个)分别对应于该子阵列的各个传感器的部件。因此，来自上面方程1和3的分别与第一和第二子阵列相关的子矢量W₁和W₂可以表示为：

       w₁(t，θ)＝h(t，θ)a₁(θ)+n₁(t)                方程4

       w₂(t，θ)＝h(t，θ)a₂(θ)+n₂(t)                方程5

其中a₁(θ)代表包含对应于第一子阵列的各个传感器的这些a(θ)部件的阵列响应矢量a(θ)的阵列响应子矢量，和a₂(θ)是类似于包含对应于第二子阵列的各个传感器的这些a(θ)部件的阵列响应子矢量。同样，n₁(t)包括与第一子阵列的各个传感器相关n(t)的各个部件，和n₂(t)代表与第二子阵列相关的n(t)的各个部件。

在具有恒定相移结构天线阵列中，例如图4的ULA，第一和第二子阵列阵列响应子矢量按照如下方程的关系是公知的：

        a₂(θ)＝ε^i2πΔsinθa₁(θ)                   方程6

带方程6到方程5产生如下方程：

        w₂(t，θ)＝h(t，θ)a₁(θ)e^i2πΔsinθ+n₂(t). 方程7

现在比较方程7和4产生：

        w₂(t，θ)＝w₁(t，θ)e^i2πΔsinθ+n(t)          方程8

其中n(t)是利用平均零修改的噪声项。

方程8可以用多种不同方法对θ求解，给出加权矢量{w₁(t，θ)，w₂(t，θ)}，t＝1到N的一个实例。最直接的例子是下面描述的最小平方(LS)方法。

用w₁ ^H(t)(其中H表示复数共轭转置运算符)乘以方程8的左边和右边并且求和各个可用样值(相邻n(t))产生： $\underset{t=1}{\overset{N}{\mathrm{\Σ}}}{w_1}^H\left(t\right)w_2\left(t\right)=\underset{t=1}{\overset{N}{\mathrm{\Σ}}}{w_1}^H\left(t\right)w_1\left(t\right)e^{i2\mathrm{\π\Δ}\sin \mathrm{\θ}}$ 方程9

(为了简单不再讨论符号θ)重排方程9产生方程10： $e^{i2\mathrm{\π\Δ}\sin \mathrm{\θ}}={\left[\underset{i=1}{\overset{N}{\mathrm{\Σ}}}{w_1}^H\left(t\right)w_1\left(t\right)\right]}^{-1}\left[\underset{i=1}{\overset{H}{\mathrm{\Σ}}}{w_1}^H\left(t\right)w_2\left(t\right)\right]$ 方程10

该方程可以很容易地对多径指的到达角θ(例如，图1和2的θ_B)求解。因为方程9和10的解按如下判据最小化，一般叫做“最小平方”解：方程11

在实际情况中给定多径分量的到达角θ随着时间慢变化。然后最好是该算法的递归实现。下面描述递归最小平方(RLS)方法估算θ。但是注意，本发明并不限制于RLS方法，并且其他类型的递归求解也是可能的，例如最小均方(LMS)、Kalman滤波器或Newton型实现。为了对这个问题得到RLS解，设a(t)＝θ^{i2πΔsinθ(t)}。根据上述讨论，由如下方程给出a(t)估算(包括忽略因子μ)： $\mathrm{\α}\left(t\right)={\left(\underset{s=1}{\overset{t}{\mathrm{\Σ}}}{\mathrm{\μ}}^{1-s}{w_1}^H\left(s\right)w_1\left(s\right)\right)}^{-1}{\left(\underset{s=1}{\overset{t}{\mathrm{\Σ}}}{\mathrm{\μ}}^{1-s}{w_1}^H\left(s\right)w_2\left(s\right)\right)}^{-1}$ 方程12引入协方差矩阵： $P\left(t\right)={\left(\underset{s=1}{\overset{t}{\mathrm{\Σ}}}{\mathrm{\μ}}^{1-s}{w_1}^H\left(s\right)w_1\left(s\right)\right)}^{-1}$ 方程13该矩阵清楚地满足以下关系：

P^-1(t)＝μP^-1(t-1)+w₁ ^H(t)w₁(t)                    方程14从方程12和13得到以下方程： $\mathrm{\α}\left(t\right)=P\left(t\right)(\underset{s=1}{\overset{t-1}{\mathrm{\Σ}}}{\mathrm{\μ}}^{1-s}{w_1}^H\left(s\right)w_2\left(s\right)+{w_1}^H\left(t\right)w_2\left(t\right))$ $=P\left(t\right)(P^{-1}(t-1)\mathrm{\α}(t-1)+{w_1}^H\left(t\right)w_2\left(t\right))$ $=\mathrm{\α}(t-1)+P\left(t\right){w_1}^H\left(t\right)w_1\left(t\right)\mathrm{\α}(t-1)+P\left(t\right){w_1}^H\left(t\right)w_2\left(t\right)$ $=\mathrm{\α}(t-1)+P\left(t\right){w_1}^H\left(t\right){(w}_2\left(t\right)+w_1\left(t\right)\mathrm{\α}(t-1))$ 方程15

现在可以将包含忽略因子μ的完全述递归最小平方(RLS)方法归纳如下：

1)设置μ、a(0)和P(0)(见下文用于提示如何选择这些参数)

2)对于t＝1到N，产生：

        α(t)＝α(t-1)+K(t)ε(t)                    方程16

其中    ε(t)＝w₂(t)-w₁(t)α(t-1)                方程17

和       K(t)＝P(t)w₁ ^H(t)                         方程18

用于方程18中的标量P(t)是从方程14得到的。

有关用户参数μ、a(0)和P(0)的选择，下面可以给出示例性的一般规则。忽略因子μ确定如何在估算中使用多长的存储器，并且应当选择为略小于1(例如，0.95与0.99之间)。可以表示，给定的μ对应于利用具有N＝2/(1-μ)的方程9的估算。因此，μ确定有多少老的样值被用于估算中。

初始值a(0)是根据可能是用户要求的AOA可用的任何推测信息进行选择的。如果没有这样的信息可用，a(0)可以设置为1(对应于θ＝0)或任何其它适合的值。

初始差异P(0)是根据初始估计值a(0)中的置信水平选择的。大的P(0)给出估算中大的初始变量并且如果相信初始估算值a(0)很差(例如，在AOA中没有推测信息)则应当使用大的P(0)。一个示例性大的P(0)＝10。另一方面，如果相信a(0)很精确，则应选择小的P(0)。一个示例性小的P(0)＝0.01。

取决于忽略因子μ，P(t)会聚于不同的值。如果μ靠近1，P(t)将会聚于很小的值并且跟踪将是很慢的(对于μ＝1，P(∞)＝0，这给出完全没有跟踪)，而小的μ将给出P(t)的很高的值，能较快地跟踪a(t)的变化。

从上面的讨论可以看出，根据本发明对于任何具有恒定相移结构的天线阵例如均匀和线性阵列，对给定多径指到达角可以从对应的上行链路加权矢量容易地进行估算。一旦估算出到达角，这个到达角可以被用于合适地控制该天线阵对到其到达角已经估算出的信号源的下行链路通信的操作。

图5图示地表示按照本发明的到达角估算器的示例性实施例。该到达角估算器51包括输入端53，用于接收指示已经对给定多径指估算的上行链路加权矢量w的信息，和输出端55，用于提供指示估算的到达角θ_EST的信息。子矢量提取器52从加权矢量中提取第一和第二子矢量w₁和w₂，正如上文相对于方程4和5所讨论的。这些子矢量w₁和w₂提供作为到达角计算器56的输入，该计算器从中进行计算并输出到达角估算θ_EST。

图6表示按照本发明的示例性数字无线电通信接口。图6的接口例如可以提供在按数字蜂窝电信网操作的基站中。如图6所示，天线阵62耦合到双工(Dx)滤波器，在这个例子中该滤波器又被耦合到波束形成网络63。波束形成网络又耦合到包含下变换电路和模/数变换器电路的接收机电路(Rx)。接收机电路又耦合到均衡与组合部分65，该电路提供上行数据到例如基站的数据处理部分(未明显示出)。部分65还用作加权矢量产生器，提供与相应的多径指相关的加权矢量w。

到达角估算器51接收各个加权矢量，产生到达角估算θ_EST，并提供这些到达角估算到下行链路波束形成部分66。下行链路波束形成部分66还从数据处理部分接收下行链路数据。发送(Tx)电路包括数/模变换电路、功率放大电路和耦合接收下行链路波束形成部分66的输出的上变换电路，并且发送电路的输出端耦合到双工滤波器。除了按照本发明提供到达角估算器51外，表示在图6中的其余部件都是技术公知的。

图7表示可以由图5的示例性到达角估算器执行的示例性操作。在71，获得多径指的加权矢量。在72，从加权矢量中提取对应于天线阵的各子阵列的各个子矢量。在73，到达角估算器根据各个子矢量利用上述任何示例性技术进行计算。如74和75指示的，可以重复过程71-73，直至所有多径指都已被处理。

下面的链路模拟论证所公开的到达角估算方法的性能。结果表示在对于方程10-11的最小平方解和对于方程16-18递归实现两者中。由最小平方模拟的结果表示在图8和9中。均方根误差(RSME)是按度表示的，由方程19定义为到达角θ( (n)表示第n个θ的估算)的函数。 $\mathrm{RMSE}=\sqrt{\frac{1}{N}\underset{n=1}{\overset{N}{\mathrm{\Σ}}}{(\mathrm{\θ}-\widehat{\mathrm{\θ}}\left(n\right))}^2}$ 方程19

结果被N＝500的蒙特卡罗模拟进行平均。RSME具有两个由来：第一将是由于噪声的随机误差。另外的，将是由于方程3中的近似的一个确定的误差。确实，根据信号模型，每个扩散源被模型化为大量阵列上紧密接触的点源。这些源不能由阵列进行分解并且产生估算误差。所有模拟使用各单元之间具有半波长间距(Δ＝1/2)的均匀和线性阵列ULA。

图8和9分别表示对于3°扩散角和10dB信噪比(SNR)的，并对于M＝4和M＝8天线传感器的结果。可以看出，随着接近结束发射方向(end fire direction)RSME变大些，但在这个例子中始终不会变得很大。另外，对于图9的较大的天线阵，RSME是较小的。

图10和11表示RLS算法跟踪信号的AOA的能力。根据随机游动模式，AOA被模型化为每15个样值(对应于在WCDMA无线帧中的15个时隙)改变一次。

      θ(t)＝θ(t-1)+v(t)             方程20

其中V(t)是具有相等概率的取值±0.5度的随机变量。事实上，期望各差指的AOA更连续地变化。

图10和11表示对于分别M＝4和M＝8天线单元，并且对于3°扩散角和10dB信噪比(SNR)的结果。使用忽略因子μ＝0.95和μ＝0.99。按照期望，在估算的较高变化的代价的情况下，较低的μ值允许较好AOA跟踪。在任何情况下，在所考虑的场合围绕1度的范围，RSME是低的。

对本专业的工作者将很明显，按照本发明的到达角估算器可以由诸如数字信号处理器之类的适合的编程数据处理装置实现，或者通过与附加外部部件组合的这种数据处理装置实现。

虽然上面已经对本发明的示例性实施例进行了详细地描述，但是这并非限制本发明的范围，本发明可以按各种不同的实施例予以实现。

Claims (24)

1.一种估算由一个数字无线电通信源产生的多径指到达天线阵的角度的方法，包括：

在天线阵接收多径指；

获得与多径指相关的上行链路加权矢量；和

响应于加权矢量计算角度的估算值。

2.权利要求1的方法，包括从加权矢量中提取多个分别对应于该天线阵列中的多个子阵列的子矢量，所述计算步骤包括从各个子矢量中计算估算值。

3.权利要求2的方法，其中所述从子矢量中计算估算值的步骤包括利用最小平方近似计算估算值。

4.权利要求2的方法，其中所述从子矢量中计算估算值的步骤包括利用递归算法计算估算值。

5.权利要求4的方法，其中所述利用递归算法的步骤包括利用递归最小平方近似计算估算值。

6.权利要求1的方法，其中所述接收步骤包括在具有恒定相移结构的天线阵列接收多径指。

7.权利要求6的方法，其中所述接收步骤包括在均匀和线性的天线阵列接收多径指。

8.权利要求1的方法，其中多径指是由工作在蜂窝电信网中的移动电信装置产生的。

9.一种估算由数字无线电通信源产生的多径指到达天线阵列的角度的设备，包括：

用于接收与多径指相关的上行链路加权矢量的输入端；

耦合到所述输入端用于响应于加权矢量计算角度的估算值的到达角计算器。

10.权利要求9的设备，包括耦合在所述输入端与所述到达角计算器之间的提取器，用于从加权矢量中提取多个分别对应于该天线阵列中的多个子阵列的子矢量，所述到达角计算器可操作地用于从所述提取器接收所述子矢量并从中计算估算值。

11.权利要求10的设备，其中所述到达角计算器可操作地利用最小平方近似计算该估算值。

12.权利要求10的设备，其中所述到达角计算器可操作地利用递归算法计算该估算值。

13.权利要求12的设备，其中所述递归算法是递归最小平方算法。

14.权利要求9的设备，其中天线阵列具有恒定相移结构。

15.权利要求14的设备，其中天线阵列是均匀和线性阵列。

16.权利要求9的设备，其中数字无线电通信源是工作在蜂窝电信网的移动电信装置。

17.一种数字无线电通信设备，包括：

用于接收由数字无线电通信源产生的多径指的天线阵列；

耦合到所述天线阵列的加权矢量产生器，用于产生与多径指相关的上行链路加权矢量；和

耦合到所述加权矢量产生器的到达角计算器，用于响应于加权矢量计算多径指到达所述天线阵列的角度估算，所述到达角计算器包括耦合到所述天线阵的输出端，用于根据该估算控制所述天线阵的下行链路的操作。

18.权利要求17的设备，包括耦合在所述加权矢量产生器与所述到达角计算器之间的提取器，用于从加权矢量中提取分别对应于天线阵中多个子阵列的多个子矢量，所述到达角计算器可操作地从所述提取器中接收所述子矢量并从中计算估算值。

19.权利要求18的设备，其中所述到达角计算器可操作地利用最小平方近似计算该估算值。

20.权利要求18的设备，其中所述到达角计算器可操作地利用递归算法计算该估算值。

21.权利要求20的设备，其中所述递归算法是递归最小平方算法。

22.权利要求17的设备，其中所述天线阵列具有恒定相移结构。

23.权利要求22的设备，其中所述天线阵列是均匀和线性阵列。

24.权利要求17的设备，其中所述数字无线电通信源是工作在蜂窝电信网中的移动电信装置。

Images