改进的MUSIC算法散射簇模型信道参数估计方法技术

本发明专利技术涉及信道模型以及信道参数估计算法等领域，为提出新的散射簇模型信道参数估计方法，具有高精度，减少计算量，降低复杂度等特点。本发明专利技术采用的技术方案是，改进的MUSIC算法散射簇模型信道参数估计方法，步骤如下：1.建立系统模型频率阵列响应矩阵B(f)是在短时间内的L频率采样，其中fs表示采样率，B(f)＝[B(f1),…,B(fDK)]:B(fk)＝[1,exp(j2πf/fs),…,exp(j2π(L‑1)f/fs)]

【技术实现步骤摘要】
改进的MUSIC算法散射簇模型信道参数估计方法
本专利技术涉及信道模型以及信道参数估计算法等领域。具体讲,涉及改进的MUSIC算法散射簇模型信道参数估计方法。
技术介绍
接收信号中的空域/时域参数估计在雷达、声纳和无线通信系统中是很重要的，比如到达方向(DOAs)，路径延迟，频率等等。它还可以应用于源定位，事故报告，货物跟踪和智能交通。例如，对无线通信信道中的DOA和射线频率的精确估计可以提供更好的信道信息，以便在覆盖面积，容量和服务质量(QoS)方面显着提高性能并增加抗干扰性。另一方面，一个有效的信道模型必须依赖于相关信道参数的概率分布的现实特征。因此，信道参数的验证是确保这些模型能再现传播环境的关键特征的前提，即延迟，方向，多普勒和极化。近几年，针对移动信道提出了各种高分辨率方法来估计入射平面波的一些参数，即它们的复振幅，相对延迟，入射方位角，入射俯仰角和多普勒频率。这些方法可以分为三个类别：频谱估计，参数子空间估计(PSBE)和最大似然估计(ML)。提到的第一个类别是MUSIC(multiplesignalclassification)算法。ESPRIT(estimationofsignalparameterviarotationalinvariancetechniques)和unitary-ESPRIT方法包含在PSBE中。在ML方法中，期望最大化(EM)算法和SAGE(space-alternatinggeneralizedEM)算法具有非常好的性能。SAGE算法已被应用于时不变环境中的联合时延和方位角估计，以及时变环境中联合时延，方位角和多普勒频率估计。但是由于非线性和多维优化过程使得SAGE算法的计算复杂度很高。因此Swindlehurst提出了几种计算高效的算法来估计多信道的时延，将空间特征(或DOAs)当做最小二乘问题，并且提出了可以通过DOA时延域或DOA频域上的2D搜索来估计信道参数的算法，例如JADE-MUSIC算法，TST-MUSIC算法，FSF-MUSIC算法。随着对波传播现象发展的理解，射线模型已经不适合解释信道参数估计器的参数估计结果。这是由于任何一个无线信道系统的分辨率都是有限的。然而，SAGE算法并不适用于散射簇模型，因为发射信号是高度相关的。
技术实现思路
为克服现有技术的不足，本专利技术旨在提出新的散射簇模型信道参数估计方法，具有高精度，减少计算量，降低复杂度等特点。本专利技术采用的技术方案是，改进的MUSIC算法散射簇模型信道参数估计方法，步骤如下：1.建立系统模型考虑到具有M个紧密间隔的接收天线阵元Rx的无线通信系统，构成均匀的线性阵列(ULAs)，并且所有阵元都是全向的；接收天线阵元的间距是半波长，信号具有共同的中心频率f0，则相应的波长为λ＝c/f，其中c表示光速，根据3GPPSCM模型，MS处的接收信号由发送信号的D个时延的多径信号组成。这D个路径由散射簇引起的相同时延定义，每个路径由Ki个子路径组成，i＝1,2,…,D，每个子路径代表真实的射线，总射线为K＝K1+K2+…+KD，因此，接收天线(Rx)处的每个阵元的输出写为：其中α(θdk)＝exp{j2πdmsin(θdk)/λ}表示对于来自θdk的射线的第m个接收天线的响应，其中θdk是第d个路径的第k个子路径的DOA，fdk表示第d个路径的第k个子路径的多普勒频率，如果考虑窄带发射信号和慢衰落环境，假设信号是块衰落；也就是说，s(t-τd)在短时间内保持不变，并且从块到块独立地衰减，在第m个接收天线附加T个时间采样后，获得矩阵中的块信号：X(t)＝A(θ)diag(s(t-τ))BT(f)+N(t)使用vec(Adiag[b]C)＝(A◇CT)b关系式，得到：其中X(t)＝[x(tm),x(tm+Ts),…,x(tm+(T-1)Ts)]，Ts表示采样周期，x(tm)＝[x1(tm),…,xM(tm)]T，然后由Khatri-Rao导出A(θ)◇B(f)∈CML×K，N(t)是一个加性噪声过程，假设为具有协方差σ2I的零均值高斯噪声向量，接收阵列响应矩阵A(θ)＝[A1(θ),…,AD(θ)],Ad(θ)＝[α1(θ),…,αKi(θ)]，其中α(θi)表示第i个射线的阵列响应矢量：α(θi)＝[1,exp{jπsin(θi)},…,exp{jπ(M-1)sin(θi)}]T频率阵列响应矩阵B(f)是在短时间内的L频率采样，其中fs表示采样率，B(f)＝[B(f1),…,B(fDK)]:B(fk)＝[1,exp(j2πf/fs),…,exp(j2π(L-1)f/fs)]T其中S(t-τ)＝[s(t-τ1),…,s(t-τD)]T表示具有时延τ的发射信号；2.改进系统模型中的MUSIC算法2.1.时域滤波法基于将理论时间相关矩阵Rt分解成信号子空间Es和噪声子空间EN：Rt＝E{XH(t)·X(t)}＝SHBSS+σ2I入射路径的数量已知，通过对所涉及的协方差矩阵的特征值设置阈值大小，或者通过使用AIC和MDL检测方法来估计D，接下来的步骤：Vts的列向量分别对应于D个最大特征值的信号子空间Rs的特征向量，由Rt的T-D特征向量生成的VtN的列向量是Vts列向量的正交补，使用信号与噪声子空间之间的正交性，T-MUSIC算法估计路径时延：在合理的时延范围τ内，T-MUSIC的频谱分别定义为：通过使用T-MUSIC去估计所产生的时延，基于时延估计，将时间滤波矩阵定义为:S⊥＝I-s(τ)·(s(τ)Hs(τ))-1·s(τ)HS⊥是s(τ)的完全映射矩阵，有s(τ)H·S⊥＝0T；基于这些事实，将X(t)右乘S⊥，这指的是时间滤波处理将不同时延的射线分离，然后第d个时间滤波器的输出由下式给出：2.2.空域平滑法在使用时域滤波器之后，联合估计每个时延簇的DOA和多普勒频率，并使用空域平滑技术来将MUSIC算法应用于相干信号的情况；具体地：在子阵列上构成协方差矩阵，这等价于将原来的协方差矩阵进行了划分，如果有P个子阵列，每个子阵列的大小为L＝M-P+1，并且前向子阵列的输出用表示，阵元输出为[xp(t),…,xp+L-1(t)]；然后通过空间相关矩阵Rs联合估计一个时延簇中的DOAs和频率，其中类似地，在Rs特征分解之后，特征向量可以被分成两组，对应于最大K个特征值的特征向量被称为信号特征向量，由它们生成的子空间被称为信号子空间，利用正交性理论，得到频谱：还包括仿真分析步骤，具体地：假设窄带信号通过7条射线传输并由十阵元均匀线性阵列接收，两个阵元的间隔是半波长，7条射线分为两组：4条射线具有相同的20us时延，剩余部分为40us时延；第一个时延簇：(80°,30kHz),(60°,60kHz),(40°,90kHz),(50°,90kHz)和第二个时延簇：(20°,120kHz),(45°,30kHz),(15°,60kHz)，采样接收信号T次，T＝512.在每个短采样中，还有L＝3个频率样本，每个信号的SNR设置为20dB，并考虑加性高斯白噪声，验证散射簇模型估计上分辨能力；1.1)复杂性分析对比改进的MUSIC算法和SAGE算法，对算法复杂度进行比较；1.2)镜面模型的RMSE分析为了比较两种算法的估计性本文档来自技高网...

【技术保护点】
一种改进的MUSIC算法散射簇模型信道参数估计方法，其特征是，步骤如下：1)建立系统模型考虑到具有M个紧密间隔的接收天线阵元Rx的无线通信系统，构成均匀的线性阵列(ULAs)，并且所有阵元都是全向的；接收天线阵元的间距是半波长，信号具有共同的中心频率f0，则相应的波长为λ＝c/f，其中c表示光速，根据3GPP SCM模型，MS处的接收信号由发送信号的D个时延的多径信号组成。这D个路径由散射簇引起的相同时延定义，每个路径由Ki个子路径组成，i＝1,2,…,D，每个子路径代表真实的射线，总射线为K＝K1+K2+…+KD，因此，接收天线(Rx)处的每个阵元的输出写为：

【技术特征摘要】
1.一种改进的MUSIC算法散射簇模型信道参数估计方法，其特征是，步骤如下：1)建立系统模型考虑到具有M个紧密间隔的接收天线阵元Rx的无线通信系统，构成均匀的线性阵列(ULAs)，并且所有阵元都是全向的；接收天线阵元的间距是半波长，信号具有共同的中心频率f0，则相应的波长为λ＝c/f，其中c表示光速，根据3GPPSCM模型，MS处的接收信号由发送信号的D个时延的多径信号组成。这D个路径由散射簇引起的相同时延定义，每个路径由Ki个子路径组成，i＝1,2,…,D，每个子路径代表真实的射线，总射线为K＝K1+K2+…+KD，因此，接收天线(Rx)处的每个阵元的输出写为：其中α(θdk)＝exp{j2πdmsin(θdk)/λ}表示对于来自θdk的射线的第m个接收天线的响应，其中θdk是第d个路径的第k个子路径的DOA，fdk表示第d个路径的第k个子路径的多普勒频率，如果考虑窄带发射信号和慢衰落环境，假设信号是块衰落；也就是说，s(t-τd)在短时间内保持不变，并且从块到块独立地衰减，在第m个接收天线附加T个时间采样后，获得矩阵中的块信号：X(t)＝A(θ)diag(s(t-τ))BT(f)+N(t)使用vec(Adiag[b]C)＝(A◇CT)b关系式，得到：X(t)＝A(θ)◇B(fk)·S(t-τ)+N(t)其中X(t)＝[x(tm),x(tm+Ts),…,x(tm+(T-1)Ts)]，Ts表示采样周期，x(tm)＝[x1(tm),…,xM(tm)]T，然后由Khatri-Rao导出A(θ)◇B(f)∈CML×K，N(t)是一个加性噪声过程，假设为具有协方差σ2I的零均值高斯噪声向量，接收阵列响应矩阵A(θ)＝[A1(θ),…,AD(θ)],Ad(θ)＝[α1(θ),…,αKi(θ)]，其中α(θi)表示第i个射线的阵列响应矢量：α(θi)＝[1,exp{jπsin(θi)},…,exp{jπ(M-1)sin(θi)}]T频率阵列响应矩阵B(f)是在短时间内的L频率采样，其中fs表示采样率，B(f)＝[B(f1),…,B(fDK)]:B(fk)＝[1,exp(j2πf/fs),…,exp(j2π(L-1)f/fs)]T其中S(t-τ)＝[s(t-τ1),…,s(t-τD)]T表示具有时延τ的发射信号；2)改进系统模型中的MUSIC算法2.1)时域滤波法基于将理论时间相关矩阵Rt分解成信号子空间Es和噪声子空间EN：Rt＝E{XH(t)·X(t)}＝SHBSS+σ2I入射路径的数量已知，通过对所涉及的协方差矩阵的特征值设置阈值大小，或者通过使用AIC和MDL检测方法来估计D，接下来的步骤：Vts的列向量分别对应于D个最大特征值的信号子空间Rs的特征向量，由Rt的T-D特征向量生成的VtN的列向量是Vts列向量的正交补，使用信号与噪声子空间之间的正交性，T-MUSIC算法估计路径...

【专利技术属性】
技术研发人员：杨晋生，蒋大圆，杨梓，
申请(专利权)人：天津大学，
类型：发明
国别省市：天津,12