CN1953348A - 多扇区智能天线系统的来波方向估计方法 - Google Patents

Abstract

一种多扇区智能天线系统的来波方向估计方法，包括：(1)利用谱估计算法对需要进行来波方向估计的用户进行初始来波方向估计，得到估计的来波功率谱最大值对应的来波角度；(2)根据所述来波角度判断用户是否位于目标扇区的边缘，若是，则分别计算用户在和目标扇区相邻的两个扇区内的功率；(3)若所述来波角度所在区域靠近功率值大的相邻扇区，则所述来波角度即为最终的估计结果，否则，搜索来波角度所在区域的相反区域，得到所述相反区域内来波功率谱最大值对应的来波角度即为最终的估计结果。本发明解决直线阵来波角度估计的栅瓣问题，提高DOA估计的准确性。

Description

多扇区智能天线系统的来波方向估计方法

技术领域

本发明涉及通信领域，尤其涉及一种有关多扇区智能天线系统的来波方向估计(DOA估计)方法。

背景技术

目前，移动用户的迅猛增长和不断提高的无线业务要求迫使现在的移动通信系统急于解决如何进一步提高系统的频谱利用率和增大系统容量的问题。抑制无线通信系统容量增大和传输数据率不断提高的因素主要集中在以下几个方面：因频率复用造成的共信道干扰(CCI)、多径现象、衰落、多就业问题勒扩展和延时扩展。

传统的对付上述问题的方法主要包括调制解调技术、信道的编解码技术、信道均衡技术、分集联合技术等，这些技术已日益成熟，对于上述问题的进一步解决已十分困难。近年来阵列天线技术在移动通信领域的引入为这些问题的进一步解决带来了新的思路。阵列天线技术广泛应用于雷达、军事通信领域，它在移动通信领域的引入特别是在蜂窝通信系统基站的使用为从空间角度上区分期望信号提供了可能。阵列天线技术只通过改变天线阵元的相对相位及增益实现对天线阵方向图及阵元信号合成方式的灵活控制，故又称为智能天线技术。智能天线技术与传统时域信号处理技术的结合形成的空时信号处理技术在扩大小区范围、提高系统容量、提高系统频率的使用效率、降低发射功率、减小用户干扰等方面显示了巨大的潜能。

智能天线的接收处理算法有很多，通常可以分为两类，一类是基于一定最优准则直接利用接收信号和相关的系统信息求出阵列处理的复数加权矢量，另一类是首先通过一定的方法估计出接收信号中期望信号的空间到达方向(称之为Direction of Arrival估计，来波方向估计，简称DOA估计)，然后按照阵列的空间结构形成与估计的DOA对应的阵列处理矢量。

DOA估计是智能天线技术中定位和信道分配实现的基础。对于DOA估计方法，资料、文献上记载的很多，采用的最简单易实现的DOA估计方法是谱估计。所述谱估计为利用阵列形式对空间来波信号的角度功率谱(比如Bartlett谱、Capon谱、MUSIC谱和ESPRIT谱等)进行估计，进而得到用户信号到达的方向角度。其中，Bartlett谱利用各方向的赋形方向图对空间信号进行扫描，简单方便，得到了广泛应用。

在分扇区覆盖的智能天线系统中，一般采用直线阵作为智能天线的阵列形式。但是采用直线阵进行信号接收和发送时，通常沿阵元排列的侧射方向附近会出现栅瓣或较大的副瓣(如图1所示)。在现有的分扇区覆盖的智能天线系统中，如采用三扇区覆盖的智能天线系统中，由于侧射方向附近出现的栅瓣或较大的副瓣的电平高于主瓣电平的情况，由此造成DOA估计的不准确，甚至出现DOA估计的用户信号到达方向与实际用户信号到达方向相反的情况。

沿阵元排列的侧射方向附近出现栅瓣或较大的副瓣由此引起栅瓣或副瓣的电平高于主瓣电平的情况是阵列天线本身带有的问题，它由阵列天线形式和参数决定。现有技术只能通过限制阵列形式和参数尽量减少栅瓣和副瓣带来的影响，比如改变阵列间距。阵列间距越小，栅瓣越不明显，但是，阵列间距越小同时引发阵列孔径越小，由此造成赋形波束就会越宽和天线单元之间的互耦越大，进而影响波束赋形的精度。波束赋形是网络侧利用DOA估计出来的用户终端所在位置向该用户终端发送数据的过程。也就是说，改变阵列间距来减少栅瓣将影响波束赋形的精度，影响网络侧和用户终端数据传输数据的准确度。因此，通过改变阵列形式和参数来降低栅瓣出现的概率进而提高DOA估计的准确性不是解决问题的根本方法。

发明内容

本发明的目的在于提供一种来波方向估计方法，以解决现有智能天线系统中由于侧射方向附近出现的栅瓣或较大的副瓣的电平高于主瓣电平的情况，由此造成DOA估计的不准确，甚至出现DOA估计的用户信号到达方向与实际用户信号到达方向相反的技术问题。

为解决上述问题，本发明公开了一种多扇区智能天线系统的来波方向估计方法，包括：(1)利用谱估计算法对需要进行来波方向估计的用户进行初始来波方向估计，得到估计的来波功率谱最大值对应的来波角度；(2)根据所述来波角度判断用户是否位于目标扇区的边缘，若是，则分别计算用户在和目标扇区相邻的两个扇区内的功率；(3)若所述来波角度所在区域靠近功率值大的相邻扇区，则所述来波角度即为最终的估计结果，否则，搜索来波角度所在区域的相反区域，得到所述相反区域内来波功率谱最大值对应的来波角度即为最终的估计结果。

通过以下步骤计算用户在每个相邻扇区内的功率：计算所述扇区内各个天线在各个估计窗上的信道冲击响应值；计算所有信道冲击响应值的平方和即为所述用户在该相邻扇区内的功率。

步骤(2)中根据所述来波角度判断用户是否位于目标扇区的边缘是通过以下步骤获得：判断所述来波角度_是否落在预设的中心角度阈值范围[-_₀，_₀]内，若是，所述用户位于目标扇区的中心角度内，否则，所述用户位于目标扇区的边缘，上述坐标采用服务扇区中心角度为0度建立的弧度坐标。

步骤(3)根据以下公式得到第k个用户的最终估计结果__out ^(k)

或

或

其中，_^(k)为步骤(1)计算的来波功率谱最大值对应的来波角度、[-_₀，_₀]是以服务扇区中心角度为0度建立的弧度坐标中预设的中心角度阈值范围，P_L为用户在左相邻扇区的功率值、P_R为用户在右相邻扇区的功率值，arg max{p(_)\φ＜0}为得到估计的来波功率谱最大值对应小于0的来波角度，arg max{p(_)\φ＞0}为得到估计的来波功率谱最大值对应大于0的来波角度，P_ε为预设的功率绝对门限，ε₀为预先设定的功率比门限。

本发明公开了一种多扇区智能天线系统的来波方向估计装置，包括：

初始来波方向估计器：利用谱估计算法对需要进行来波方向估计的用户进行初始来波方向估计，得到估计的来波功率谱最大值对应的来波角度；

用户定位器：连接初始来波方向估计器，根据初始来波方向估计器中的定位用户位置：位于目标扇区的边缘还是目标扇区的中心；

相邻扇区功率计算器：连接用户定位器，当用户定位器定位用户位于目标扇区的边缘，则计算用户在和目标扇区相邻的两个扇区内的功率；

最终来波角度估计器：连接初始来波方向估计器和相邻扇区功率计算器，若所述来波角度所在区域靠近功率值大的相邻扇区，则所述来波角度即为最终的估计结果，否则，搜索来波角度所在区域的相反区域，得到所述相反区域内来波功率谱最大值对应的来波角度即为最终的估计结果。

最终来波角度估计器是按照预先保存的公式

或

或

来计算最终来波估计角度，其中，其中，_^(k)为步骤(1)计算的来波功率谱最大值对应的来波角度、[-_₀，_₀]是以服务扇区中心角度为0度建立的弧度坐标中预设的中心角度阈值范围，P_L为用户在左相邻扇区的功率值、P_R为用户在右相邻扇区的功率值，arg max{p(_)\φ＜0}为得到估计的来波功率谱最大值对应小于0的来波角度，arg max{p(_)\φ＞0}为得到估计的来波功率谱最大值对应大于0的来波角度，ε₀为预先设定的功率比门限，P_ε为预设的功率绝对门限。

与现有技术相比，本发明具有以下优点：先计算用户在与目标扇区相邻的左右扇区内的功率，然后比较这两个扇区的功率值，若通过谱估计算法得到的用户来波角度所在区域靠近功率值大的相邻扇区，则所述用户来波角度即为正确的估计角度，否则，谱估计算法得到的用户来波角度即为栅瓣或副瓣所在角度，计算正确的用户来波角度，由此解决直线阵来波角度估计的栅瓣问题，提高DOA估计的准确性。

附图说明

图1是直线阵的栅瓣示意图；

图2是本发明多扇区智能天线系统的来波方向估计方法的流程图；

图3是以目标扇区的中心为准，将目标扇区分为两区域的示意图；

图4是目标扇区的另一种划分区域的示意图；

图5是本发明的一种智能天线系统示意图。

具体实施方式

以下结合附图，具体说明本发明。

现有技术中通过谱估计算法得到的用户来波角度，可能是正确的估计角度也可能是由于栅瓣或副瓣的电平大于主瓣得到的栅瓣或副瓣所在角度。本发明的核心在于，先计算用户在与目标扇区相邻的左右扇区内的功率，然后比较这两个扇区的功率值，若通过谱估计算法得到的用户来波角度所在区域靠近功率值大的相邻扇区，则所述用户来波角度即为正确的估计角度，否则，谱估计算法得到的用户来波角度即为栅瓣或副瓣所在角度，需要搜索该用户来波角度所在区域相反的区域，得到正确的用户来波角度，由此提高DOA估计的准确性。

请参阅图2，其为本发明多扇区智能天线系统的来波方向估计方法的流程图。它包括：

S110：利用谱估计算法对需要进行来波方向估计的用户进行初始来波方向估计，得到估计的来波功率谱最大值对应的来波角度。

S120：根据所述来波角度判断用户是否位于目标扇区的边缘，若是，则分别计算用户在和目标扇区相邻的两个扇区内的功率；

S130：若所述来波角度所在区域靠近功率值大的相邻扇区，则所述来波角度即为最终的估计结果，否则，搜索来波角度所在区域的相反区域，得到所述相反区域内来波功率谱最大值对应的来波角度即为最终的估计结果。

利用现有的谱估计算法(如MUSIC算法、Bartlett算法)即可计算得到用户的来波角度，现有技术中就将该来波角度作为最终的估计结果。然后根据来波角度来判断用户位于目标扇区的边缘还是中心，比如，来波角度与预设的目标扇区的中心角度范围[α1，α2]来比较，若计算的来波角度落在此范围内，则说明估计的用户位于目标扇区的中心，计算的来波角度即为最终的估计结果，否则，该来波角度有可能是栅瓣或副瓣所在的角度，为此，计算用户在两相邻扇区(左扇区、右扇区)内的功率，估计的用户信号方向靠近功率大的相邻扇区，则该来波角度即为正确角度，否则，该来波角度是错误角度，则栅瓣或副瓣所在角度，需要重新计算正确的用户来波角度。

以目标扇区的中心为准，将目标扇区分为两部分，A区域和B区域(请参阅图3)。若初始估计的来波角度位于A区域，则将A区域称之为来波角度所在区域，将B区域称之为来波角度所在区域的相反区域。反之亦然。若来波角度是栅瓣或副瓣所在角度，则从来波角度所在区域的相反区域中利用谱估计算法找到来波功率谱最大值对应的来波角度即为最终的估计结果。来波角度所在区域和来波角度所在区域的相反区域也可以是按照其它的划分策略进行划分。比如，请参阅图4，其为目标扇区的另一种区域划分示意图。该目标扇区以中心角度阈值α1，α2为基准将目标扇区划分为三个扇区：角度＜α1的区域称为M1区域，角度在[α1，α2]的区域为M2区域，角度＞α2的区域称为M3区域。当来波角度位于M1区域时，则将M1区域称之为来波角度所在区域，则M3为来波角度所在区域的相反区域。同样，当来波角度位于M3时，则将M3区域称之为来波角度所在区域，则M1为来波角度所在区域的相反区域。上述的角度基于的坐标是指以基站为圆心建立的直角坐标，本发明并非局限于直角坐标系，也可以是其它坐标，以下就以目标扇区的中心角度定为0度的弧度坐标为例具体说明本发明。

请参阅图5，其为本发明的多扇区智能天线系统一示意图。多扇区智能天线系统包括扇区1、扇区2和扇区3。假设本次进行DOA测量的用户所在扇区1，即扇区1为该用户的目标扇区，则扇区2为扇区1的左邻扇区，扇区3为扇区1的右邻扇区。将扇区1的中心角度定为0度建立弧度坐标，则[-_₀，_₀]为扇区1的中心角度区域。并且每个扇区的基站天线阵列是N单元的直线阵。

本实施例的DOA估计包括如下步骤：

步骤1：首先进行多扇区信道估计，即每个扇区不仅估计本扇区用户的信道，而且估计相邻两个扇区的信道。对于需要进行DOA估计的用户分别得到目标扇区、左邻扇区和右邻扇区的信道估计结果。由于信道估计是目前非常成熟的技术，在此不再叙述。假设目标扇区、左邻扇区和右邻扇区对该用户的信道估计结果分别为H_O ^(k)、H_L ^(k)和H_R ^(k)，维数都是(N，W)，W是信道估计窗的长度，N为天线个数。其中，

$H_0^{\left(k\right)}=\left[\begin{array}{c}{h}_{\mathrm{0,1,1}}^{\left(k\right)}{h}_{\mathrm{0,1,2}}^{\left(k\right)}L{h}_{\mathrm{0,1},W}^{\left(k\right)}\\ h_{\mathrm{0,2,1}}^{\left(k\right)}{h}_{\mathrm{0,2,2}}^{\left(k\right)}L{h}_{\mathrm{0,2},W}^{\left(k\right)}\\ \mathrm{M\; M\; O\; M}\\ h_{0,N,1}^{\left(k\right)}{h}_{0,N,2}^{\left(k\right)}L{h}_{0,N,W}^{\left(k\right)}\end{array}\right]---\left(0.1\right)$

其他两个信道估计矩阵形式与H_O ^(k)相同。

矩阵中的某一元素h_i，j，m中，i表示扇区性质，i＝0表示用户所在的目标扇区，i＝L表示左邻扇区对所述用户所做信道估计，i＝R表示右邻扇区对所述用户所做的信道估计。J表示天线序列，m表示信道估计窗序列。因此，每一矩阵的第j行表示天线j在各窗的信道冲激响应；每一矩阵的第m列表示第m个窗在各个天线上的信道冲激响应。

步骤2：利用简单的谱估计算法估计出所述用户的来波角度。谱估计算法可以采用例如MUSIC方法、Bartlett方法等现有算法对该用户进行初始来波方向估计。

如果估计的来波功率谱为p(_)，则根据公式

得到p(_)取最大值对应的_值，其中，a(_)为阵列响应矢量，即和阵列形式和载频相关的一已知量。

比如，目标扇区的角度范围为[-β，β]，则_值枚举该范围内的每一角度，计算出对应的p(_)，从中找到最大的p(_)值对应的_值。即

使得p(_)取最大值时对应的_^(k)，即为用户初始估计的来波角度。

步骤3：判断该用户是否在目标扇区的边缘区域。如果_^(k)≤-_₀，则判定该用户位于靠近左邻扇区的边缘区域，如果_^(k)≥_₀，则判定该用户位于右邻扇区的边缘区域，否则，认定该用户位于目标扇区的中心区域。

步骤4：如果该用户位于扇区中心区域，则所述_^(k)即为用户的最终估计结果，并返回步骤1，计算下一个用户，否则计算该用户在其他两个相邻扇区的功率

$P_L=\underset{w=1}{\overset{W}{\mathrm{\Σ}}}\underset{n}{\overset{N}{\mathrm{\Σ}}}|h_{l,n,w}^{\left(k\right)}{|}^2---\left(1.4\right)$

和

$P_R=\underset{w=1}{\overset{W}{\mathrm{\Σ}}}\underset{n=1}{\overset{N}{\mathrm{\Σ}}}|h_{R,n,w}^{\left(k\right)}{|}^2---\left(1.5\right)$

也就是说，计算用户在每个相邻扇区内的功率为：首先计算所述扇区内各个天线在各个估计窗上的信道冲击响应值(步骤1所计算的)；然后计算所有信道冲击响应值的平方和即为所述用户在该相邻扇区内的功率。

步骤5：如果_^(k)位于功率比较大的相邻扇区方向，则初始来波估计结果即为最终估计结果，并返回步骤1计算下一个用户，否则需要搜索初始估计结果所在区域的相反区域，得到重新搜索的功率谱最大值所在角度为最终估计结果。

该步骤的实现如公式(1.6)所示

其中：其中，_^(k)为步骤(1)计算的来波功率谱最大值对应的来波角度、[-_₀，_₀]是以服务扇区中心角度为0度建立的弧度坐标中预设的中心角度阈值范围，P_L为用户在左相邻扇区的功率值、P_R为用户在右相邻扇区的功率值，arg max{p(_)\φ＜0}为得到估计的来波功率谱最大值对应小于0的来波角度，arg max{p(_)\φ＞0}为得到估计的来波功率谱最大值对应大于0的来波角度。

该步骤也可以通过两个功率的比值或设定比较门限来实现，比如：

根据以下公开得到第k个用户的最终估计结果__out ^(k)

其中，ε₀为预先设定的功率比门限，通常ε₀设定大于1的一比值。

步骤5也可以根据以下公式得到第k个用户的最终估计结果__out ^(k)

其中，P_ε为预设的功率绝对门限。

通过上述方法能够解决直线阵来波角度估计的栅瓣问题，提高DOA估计的准确性。

本发明还公开了一种多扇区智能天线系统的来波方向估计装置，包括：

初始来波方向估计器：利用谱估计算法对需要进行来波方向估计的用户进行初始来波方向估计，得到估计的来波功率谱最大值对应的来波角度；

用户定位器：连接初始来波方向估计器，根据初始来波方向估计器中的定位用户位置：位于目标扇区的边缘还是目标扇区的中心；

相邻扇区功率计算器：连接用户定位器，当用户定位器定位用户位于目标扇区的边缘，则计算用户在和目标扇区相邻的两个扇区内的功率；

最终来波角度估计器：连接初始来波方向估计器和相邻扇区功率计算器，若所述来波角度所在区域靠近功率值大的相邻扇区，则所述来波角度即为最终的估计结果，否则，搜索来波角度所在区域的相反区域，得到所述相反区域内来波功率谱最大值对应的来波角度即为最终的估计结果。

最终来波角度估计器是按照预先保存的公式

或

或

来计算最终来波估计角度，其中，其中，_^(k)为步骤(1)计算的来波功率谱最大值对应的来波角度、[-_₀，_₀]是以服务扇区中心角度为0度建立的弧度坐标中预设的中心角度阈值范围，P_L为用户在左相邻扇区的功率值、P_R为用户在右相邻扇区的功率值，arg max{p(_)\φ＜0}为得到估计的来波功率谱最大值对应小于0的来波角度，arg max{p(_)\φ＞0}为得到估计的来波功率谱最大值对应大于0的来波角度，ε₀为预先设定的功率比门限，P_ε为预设的功率绝对门限。

以上公开的仅为本发明的几个具体实施例，但本发明并非局限于此，任何本领域的技术人员能思之的变化，都应落在本发明的保护范围内。

Claims (8)

1、一种多扇区智能天线系统的来波方向估计方法，其特征在于，包括：

(1)利用谱估计算法对需要进行来波方向估计的用户进行初始来波方向估计，得到估计的来波功率谱最大值对应的来波角度；

(2)根据所述来波角度判断用户是否位于目标扇区的边缘，若是，则分别计算用户在和目标扇区相邻的两个扇区内的功率；

(3)若所述来波角度所在区域靠近功率值大的相邻扇区，则所述来波角度即为最终的估计结果，否则，搜索来波角度所在区域的相反区域，得到所述相反区域内来波功率谱最大值对应的来波角度即为最终的估计结果。

2、如权利要求1所述的多扇区智能天线系统的来波方向估计方法，其特征在于，通过以下步骤计算用户在每个相邻扇区内的功率：

计算所述扇区内各个天线在各个估计窗上的信道冲击响应值；

计算所有信道冲击响应值的平方和即为所述用户在该相邻扇区内的功率。

3、如权利要求1或2所述的多扇区智能天线系统的来波方向估计方法，其特征在于，步骤(2)中根据所述来波角度判断用户是否位于目标扇区的边缘是通过以下步骤获得：判断所述来波角度_是否落在预设的中心角度阈值范围[-_₀，_₀]内，若是，所述用户位于目标扇区的中心角度内，否则，所述用户位于目标扇区的边缘，上述坐标采用服务扇区中心角度为0度建立的弧度坐标。

4、如权利要求1或2所述的多扇区智能天线系统的来波方向估计方法，其特征在于，步骤(3)根据以下公式得到第k个用户的最终估计结果__out ^(k)

其中，_^(k)为步骤(1)计算的来波功率谱最大值对应的来波角度、[-_₀，_₀]是以服务扇区中心角度为0度建立的弧度坐标中预设的中心角度阈值范围，pL为用户在左相邻扇区的功率值、p_R为用户在右相邻扇区的功率值，arg max{p(_)\φ＜0}为得到估计的来波功率谱最大值对应小于0的来波角度，arg max{p(_)\φ＞0}为得到估计的来波功率谱最大值对应大于0的来波角度。

5、如权利要求1或2所述的多扇区智能天线系统的来波方向估计方法，其特征在于，步骤(3)根据以下公式得到第k个用户的最终估计结果__out ^(k)

其中，_^(k)为步骤(1)计算的来波功率谱最大值对应的来波角度、[-_₀，_₀]是以服务扇区中心角度为0度建立的弧度坐标中预设的中心角度阈值范围，pL为用户在左相邻扇区的功率值、p_R为用户在右相邻扇区的功率值，arg max{p(_)\φ＜0}为得到估计的来波功率谱最大值对应小于0的来波角度，arg max{p(_)\φ＞0}为得到估计的来波功率谱最大值对应大于0的来波角度，ε₀为预先设定的功率比门限。

6、如权利要求1或2所述的多扇区智能天线系统的来波方向估计方法，其特征在于，步骤(3)根据以下公式得到第k个用户的最终估计结果__out ^(k)

其中，_^(k)为步骤(1)计算的来波功率谱最大值对应的来波角度、[-_₀，_₀]是以服务扇区中心角度为0度建立的弧度坐标中预设的中心角度阈值范围，p_L为用户在左相邻扇区的功率值、p_R为用户在右相邻扇区的功率值，arg max{p(_)\φ＜0}为得到估计的来波功率谱最大值对应小于0的来波角度，arg max{p(_)\φ＞0}为得到估计的来波功率谱最大值对应大于0的来波角度，p_ε为预设的功率绝对门限。

7、一种多扇区智能天线系统的来波方向估计装置，其特征在于，包括：

初始来波方向估计器：利用谱估计算法对需要进行来波方向估计的用户进行初始来波方向估计，得到估计的来波功率谱最大值对应的来波角度；

用户定位器：连接初始来波方向估计器，根据初始来波方向估计器中的定位用户位置：位于目标扇区的边缘还是目标扇区的中心；

相邻扇区功率计算器：连接用户定位器，当用户定位器定位用户位于目标扇区的边缘，则计算用户在和目标扇区相邻的两个扇区内的功率；

最终来波角度估计器：连接初始来波方向估计器和相邻扇区功率计算器，若所述来波角度所在区域靠近功率值大的相邻扇区，则所述来波角度即为最终的估计结果，否则，搜索来波角度所在区域的相反区域，得到所述相反区域内来波功率谱最大值对应的来波角度即为最终的估计结果。

8、如权利要求7所述的多扇区智能天线系统的来波方向估计装置，其特征在于，最终来波角度估计器是按照预先保存的公式

来计算最终来波估计角度，其中，其中，_^(k)为步骤(1)计算的来波功率谱最大值对应的来波角度、[-_₀，_₀]是以服务扇区中心角度为0度建立的弧度坐标中预设的中心角度阈值范围，p_L为用户在左相邻扇区的功率值、p_R为用户在右相邻扇区的功率值，arg max{p(_)\φ＜0}为得到估计的来波功率谱最大值对应小于0的来波角度，arg max{p(_)\φ＞0}为得到估计的来波功率谱最大值对应大于0的来波角度，ε₀为预先设定的功率比门限，p_ε为预设的功率绝对门限。