基于无迹卡尔曼滤波的毫米波分布式MIMO系统AOA跟踪方法技术方案

本发明专利技术公开了一种基于无迹卡尔曼滤波的毫米波分布式MIMO系统AOA跟踪方法，适用于通信领域使用。通过利用单脉冲技术，推导了毫米波分布式MIMO系统下用户AOA获取方案；针对用户移动场景，提出了一种基于无迹卡尔曼滤波器的跟踪算法，用以解决非线性观测方程下的用户AOA跟踪问题，能有效降低用户AOA的跟踪误差。

【技术实现步骤摘要】
基于无迹卡尔曼滤波的毫米波分布式MIMO系统AOA跟踪方法
本专利技术涉及无线通信
，具体涉及一种基于无迹卡尔曼滤波的毫米波分布式MIMO系统AOA跟踪方法。
技术介绍
当今社会对数据流量的需求呈爆炸性态势增长，这对5G移动通信系统的业务能力提出了更高的要求。为了满足这些要求，新的通信系统必须提供更高的频谱效率和更广泛的通信覆盖。然而，现有的6GHz以下的频谱已经变的相当拥挤，在该频段上进一步提高频谱效率的可能变得极其有限，5G移动通信系统需要进一步挖掘新的频谱资源。与6GHz以下的波段不同，毫米波波段上许多尚未开发的频谱，可以有效缓解频谱的稀缺。为了确保高波束形成增益，基站处使用的波束方向必须始终与用户到基站的毫米波信道的主径保持一致，因此基站处必须对毫米波信号的波束方向进行实时跟踪。这在用户处于移动状态的时候是一项富有挑战性的任务，主要是因为用户的移动性通常会导致毫米波信道状态信息的快速变化。针对毫米波波束方向跟踪的挑战性，现今大多数的有关毫米波波束跟踪的研究都聚焦于集中式MIMO系统，由于毫米波的高损耗，在实际使用场景下，需要基于分布式大规模MIMO技术的超密集组网来实现。因此，在分布式毫米波大规模MIMO系统下来研究毫米波波束跟踪问题就显得很有必要。
技术实现思路
专利技术目的：本专利技术的目的是为毫米波分布式大规模MIMO系统提供一种基于无迹卡尔曼滤波的用户AOA跟踪方法，以有效提升系统性能。技术方案：为达到此目的，本专利技术采用以下技术方案：本专利技术所述的一种基于无迹卡尔曼滤波的用户AOA跟踪算法，包括如下步骤：基于毫米波分布式大规模MIMO系统，1)确定系统的状态方程与观测方程信息；2)滤波器初始化阶段，主要包括对状态向量和估计误差P(0|0)进行初始化，并令时隙索引t＝1；3)当时隙索引t未达到统计上限时，对t时隙的状态向量、观测信号以及估计误差进行预测，得到预测结果和P(t|t-1)，随后转至步骤4)；若时隙索引t已达到统计上限，转至步骤5)；4)利用t时隙的观测信号rk(t)，对t时隙的状态向量和估计误差进行更新，随后转至步骤3)；5)结束AOA跟踪过程。进一步地，所述步骤1)中，假设毫米波分布式MIMO系统中存在M个配备有N根天线的远端天线单元(RemoteAntennaUnit,RAU)，位置分散在小区中，小区内有K个用户，用户之间均采用正交导频，用户的AOA移动模型符合匀角速度运动模型。进一步地，所述步骤3)中，若时隙索引t未达到统计上限，则对t时隙的状态向量、观测信号以及估计误差进行预测，此过程采无迹卡尔曼滤波来实现。首先需要对t-1时刻的状态向量估计结果进行无迹变换，来产生一系列sigma点。使用该变换生成sigma点的过程为式中，为第i个sigma点，为第i个sigma点和之间的差值，P(t-1|t-1)为t-1时隙的估计误差矩阵，表示对矩阵(2M+λ)P(t-1|t-1)进行Chelesky分解后所得矩阵的第i行；λ为一个超参数，刻画了sigma点离状态均值的距离，其值越小，sigma点离状态均值越靠近；接着需要利用所得的sigma点对系统的状态向量进行一步预测，即将每个sigma点带入状态方程中，可得然后需要将进行加权合并，来获得t时刻的一步状态预测值式中，w(i)为对应sigma点的权重。对估计误差P的一步预测为对观测信号进行一步预测的过程分为两步。首先需要利用状态向量的一步预测结果产生对应的sigma点然后对sigma点进行式非线性变换，即可得到观测信号的预测值即考虑观测噪声，则观测信号的预测方差矩阵Pr，以及状态信号与观测信号之间的协方差矩阵Pru可表示为进一步地，所述步骤4)中，利用t时隙的观测信号rk(t)对t时隙的状态向量和估计误差进行更新的过程主要分为以下几个步骤：首先计算t时刻卡尔曼增益K(t)则更新后的t时刻状态估计及其估计方差即为有益效果：本专利技术公开了一种基于无迹卡尔曼滤波的毫米波分布式MIMO系统AOA跟踪算法，该算法能够在毫米波分布式MIMO系统下，对用户移动场景中的AOA进行有效跟踪，能够实现较好的信道估计性能。附图说明图1为本专利技术具体实施方式的算法流程图；图2为本专利技术具体实施方式的毫米波分布式大规模MIMO系统示意图；图3为本专利技术具体实施方式方法与直接观测AOA之间的在不同天线数量下的AOA估计误差对比图；图4为本专利技术具体实施方式方法与直接观测AOA之间的在不同信噪比下的AOA估计误差对比图。具体实施方式下面结合附图和具体实例，进一步阐明本专利技术，应当理解该实例仅用于说明本专利技术而不用于限制本专利技术的范围，在阅读了本专利技术之后，本领域技术人员对本专利技术的各种等价形式的修改均落于本申请所附权利要求所限定的范围。首先做以下说明：考虑一个典型的单小区毫米波分布式大规模MIMO系统。小区中配备有M个RAU，每个RAU配备有N根天线组成的线性均匀阵列(UniformLinearArray,ULA)，小区内共有K个单天线用户。定义第k个用户到第i个RAU的信道向量为在RAU处采用ULA阵列时，hk,i可被定义为式中，为用户k到第i个RAU的视距(line-of-sight,LOS)传输信号分量，为其复增益；为用户k的P条非视距(nonline-of-sight,NLOS)传输信号分量，为对应的复增益。其中，为天线阵列的方向矢量，可以表示为式(2)中，d为ULA的天线间距，l为信号波长，典型场景下，d/l＝0.5，为用户的到达角，范围为[0,π]。记为用户k的空间角度。显然，空间角与到达角之间具有一一对应的关系，因此，在后续的讨论中，本专利技术对这两种表述不做具体区分。毫米波信号具有极高的载波频率与极窄的波束宽度，因此在毫米波传输场景下，信号的非视距分量极其有限。除此之外，在典型室内场景下，与LOS信号相比，NLOS信号分量的复增益要低5～10dB。这表明在毫米波场景下，LOS信号主要起决定性作用。针对毫米波的这种特点，在不影响研究结论的情况下，为讨论方便，一种常见的做法是将毫米波的NLOS信号分量忽略掉。因此，本专利技术均不考虑NLOS信号带来的影响。在这种假设下，第k个用户到第i个RAU的信道向量hk,i可表示为hk,i＝βk,ia(θk,i)(3)相比于式(1)，隐去了复增益与到达角中的多径上标。类似地，定义第k个用户到所有RAU的信道信息矩阵为可得在上行导频传输阶段，所有用户给RAU发送导频信号。设第k个用户发送的导频信号序列为满足RAU处接收到的所有用户的发送信号为YU＝HS+N(5)式中，为RAU处接收到的信号矩阵，H＝[h1,...,hK]为所有用户到RAU的信道向量矩阵本文档来自技高网...

【技术保护点】
1.一种基于无迹卡尔曼滤波的毫米波分布式MIMO系统AOA跟踪方法，所述毫米波分布式MIMO系统中存在M个配备有N根天线的RAU，位置分散在小区中，小区内有K个用户，用户之间均采用正交导频，用户的AOA移动模型符合匀角速度运动模型；其特征在于：所述方法包括以下步骤：/n1)确定毫米波分布式MIMO系统的状态方程与观测方程信息；/n2)滤波器初始化阶段，包括对状态向量

【技术特征摘要】
1.一种基于无迹卡尔曼滤波的毫米波分布式MIMO系统AOA跟踪方法，所述毫米波分布式MIMO系统中存在M个配备有N根天线的RAU，位置分散在小区中，小区内有K个用户，用户之间均采用正交导频，用户的AOA移动模型符合匀角速度运动模型；其特征在于：所述方法包括以下步骤：
1)确定毫米波分布式MIMO系统的状态方程与观测方程信息；
2)滤波器初始化阶段，包括对状态向量和估计误差P(0|0)进行初始化，并令时隙索引t＝1；
3)当时隙索引t未达到统计上限时，对t时隙的状态向量、观测信号以及估计误差进行预测，得到预测结果和P(t|t-1)，随后转至步骤4)；若时隙索引t已达到统计上限，转至步骤5)；
4)利用t时隙的观测信号rk(t)，对t时隙的状态向量和估计误差进行更新，随后转至步骤3)；
5)结束AOA跟踪过程。


2.根据权利要求1所述的基于无迹卡尔曼滤波的毫米波分布式MIMO系统AOA跟踪方法，其特征在于：步骤1)中，首先将连续的用户移动行为进行离散化，离散化后的时间间隔为△T；
所述状态方程为：
uk(t+1)＝Fuk(t)+nw,k(t)
式中，uk(t)＝[uk,1(t),ωk,1(t),uk,2(t),ωk,2(t)...,uk,M(t),ωk,M(t)]T，uk,i(t)为用户k在t时刻到第i个RAU的空间角度，ωk,i(t)为用户k在t时刻第i个RAU的空间角速度，不同的RAU之间的空间角度与空间角加速度互不相关；nw,k(t)为状态干扰向量，其中奇数行元素为0，偶数行元素均服从零均值的高斯分布，F为用户k的状态转移矩阵，根据运动学公式，对于i＝1,...M，有



故F及nw,k(t)的形式即为






式中，F0即为用户到每个单独RAU的AOA的状态转移矩阵；
记系统状态噪声方差矩阵为Q，其形式为



式中，为ωk,i(t)的方差，其值刻画了用户空间角速度的变化程度。


3.根据权利要求2所述的基于无迹卡尔曼滤波的毫米波分布式MIMO系统AOA跟踪方法，其特征在于：步骤1)中，所述观测方程信息为：
用户k在t时刻的观测信号向量rk(t)表示为：



式中，观测向量rk(t)为对接收信号做单脉冲变换后所得...

【专利技术属性】
技术研发人员：朱鹏程，鲍嘉龙，李佳珉，尤肖虎，
申请(专利权)人：东南大学，
类型：发明
国别省市：江苏;32