一种基于矩阵束的信道状态信息参数估计方法技术

本发明专利技术提出了一种基于矩阵束的信道状态信息(Channel State Information,CSI)的三维联合估计方法。首先，将获得的信道状态信息从子载波、天线、数据包三个维度构成一个三维矩阵。其次，对三维矩阵进行降维处理，并在此基础上进行子载波、天线、数据包之间的平滑处理。最后，对平滑之后的矩阵进行向前向后平均方法，奇异值分解分为信号子空间和噪声子空间。在信号子空间的基础上，使用矩阵束方法。在低计算复杂度的情况下估计出多普勒频移(Doppler Frequency Shift，DFS)，将信号子空间重排后估计到达角(Angle of Arrival，AoA)、飞行时间(Time of Flight，ToF)，并将同一信号的AoA、ToF、DFS配对。本发明专利技术设计的三维联合估计算法计算复杂度较低，为实现高精度实时的定位等应用提供了理论基础。用提供了理论基础。

【技术实现步骤摘要】
一种基于矩阵束的信道状态信息参数估计方法


[0001]本专利技术属于参数估计方法，具体涉及在Wi
‑
Fi系统下，一种对收发机组成的系统的参数估计方法。

技术介绍

[0002]卫星导航系统在室外精准定位方面起着关键作用，但在室内环境中，卫星导航系统在传播过程中表现出来的多径效应、散射、衍射等特性，致使无法实现精确定位。因此，研究室内定位变得尤为重要。
[0003]目前，常用于室内定位的平台有：Wi
‑
Fi，ZigBee，超声波，蓝牙，射频识别(Radio Frequency Identification，RFID)和超宽带(Ultra Wide Band，UWB)定位系统等。由于Wi
‑
Fi广泛部署在各种场合中，促进了基于Wi
‑
Fi室内定位技术的进步。其中，信道状态信息(Channel State Information，CSI)承载了信号的幅度与相位，并且可以细粒化的记录Wi
‑
Fi信号的变化情况。然而，现有的大多数提取的无线信号参数都是到达角(Angle of Arrival，AoA)和飞行时间(Time of Flight，ToF)，然后用这两个参数进行联合跟踪定位。而这些二维定位方法依赖于精确估计每个信号路径的AoA或ToF，因此当多个路径具有相似的AoA或ToF时，这些系统在解决路径数以获得准确的参数估计方面面临困难。且大多数算法计算复杂度较大，难以实时地确定目标位置。
[0004]在室内环境中，发射机的运动改变了Wi
‑
Fi信号的路径长度，导致信号的多普勒频移(Doppler Frequency Shift，DFS)，多普勒频移的大小与发射机的速度和位置有关，而且多普勒的分辨率不受天线数量以及带宽的影响。因此，针对上述问题，本专利技术在Wi
‑
Fi系统下，设计了一种基于矩阵束的信道状态信息的三维联合估计方法，在AoA和ToF联合估计的基础上，加入了多普勒频移进行三维联合估计，较多重信号分类(Multiple Signal Classication，MUSIC)算法降低90％复杂度，从而为实现高精度实时的定位提供了理论基础。

技术实现思路

[0005]本专利技术的目的是在Wi
‑
Fi系统下，提供一种基于矩阵束的信道状态信息的三维联合估计方法，它能够在低计算复杂度的情况下，对室内目标进行定位。
[0006]本专利技术所述的一种基于Wi
‑
Fi的定位方法，具体包括以下步骤：
[0007]步骤一：假设在Wi
‑
Fi系统中有Q个独立信号源，M个子载波，接收端的接收机包含N根天线，接收来自信号源的B个数据包中的CSI信息，利用不同天线、不同子载波和不同时间的CSI信息构造三维矩阵X
N
×
M
×
B
＝{x
n,m,b
}，其中1≤b≤B,1≤n≤N,1≤m≤M，x
n,m,b
表示第b个数据包、第n天线和第m个子载波上获得的CSI信息。
[0008]步骤二：将三维矩阵X
N
×
M
×
B
转化为一维矩阵X
BNM
×1，可以表示为：
[0009][0010]步骤三：用平滑算法对一维矩阵X
BNM
×1进行平滑处理以去除相干信号之间的干扰，得到平滑后的矩阵其中M
p
、N
p
、B
p
分别表示子载波、天线、数据包之间进行平滑的滑窗大小，具体的算法如下所示：
[0011]将第i(1≤i≤B)个数据包，第j(1≤j≤N)根天线上的M个子载波上的CSI数据平滑后得到矩阵X
i,j
：
[0012][0013]式中，M
P
为矩阵束参数，K
M
＝M
‑
M
P
+1。
[0014]然后将第i个数据包中的N根天线上的矩阵X
i,j
平滑后得到矩阵X
i
：
[0015][0016]式中，N
P
为矩阵束参数，K
N
＝N
‑
N
P
+1。
[0017]最后，将B个数据包上的子矩阵X
i
平滑后得到矩阵：
[0018][0019]式中，B
P
为矩阵束参数，K
B
＝B
‑
B
P
+1。
[0020]步骤四：对平滑后的矩阵Y进一步用向前向后平均方法扩展为Y
ex
，然后利用奇异值分解将矩阵降维，得到信号的子空间，具体的算法流程如下所示：
[0021]Y
ex
＝[Y,Π
z1
×
z1
YΠ
z2
×
z2
][0022]式中，z1＝M
P
N
P
B
P
,z2＝(M
‑
M
P
+1)(N
‑
N
P
+1)(B
‑
B
p
+1)，Π
z1
×
z1
,Π
z2
×
z2
被称为交换矩阵，且满足：
[0023][0024]由于噪声的存在，矩阵Y
ex
是满秩的，而不是秩为Q。因此，可以利用奇异值分解将矩阵Y
ex
维度降至Q
×
Q，信号的子空间可以通过奇异值分解得到，
[0025]Y
ex
＝UΣV
H
＝U
s
Σ
s
V
sH
+U
n
Σ
n
V
nH
[0026]式中，上标H表示共轭转置，其中U
s
、V
s
和Σ
s
对应信号子空间，U
s
为U的前Q列，V
s
为V的前Q行，Σ
s
为Σ前Q行。U
n
、V
n
和Σ
n
对应噪声子空间，U
n
为删除U的前Q列，V
n
为删除V的前Q行，Σ
n
为删除Σ前Q行。
[0027]步骤五：估计出AoA、ToF、DFS，并将同一信号的AoA、ToF、DFS进行配对，具体的算法流程如下所示：
[0028]首先，将U
s
删除掉最后N
p
M
p
行得到U
s1
，将U
s
删除本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于矩阵束的信道状态信息的参数估计方法，包括以下步骤：步骤一：假设在WiFi系统中有Q个独立信号源，M个子载波，接收端的接收机包含N根天线，接收来自信号源的B个数据包中的CSI信息，利用不同天线、不同子载波和不同时间的CSI信息构造三维矩阵X
N
×
M
×
B
＝{x
n,m,b
}，其中1≤b≤B,1≤n≤N,1≤m≤M，x
n,m,b
表示第b个数据包、第n天线和第m个子载波上获得的CSI信息；步骤二：将三维矩阵X
N
×
M
×
B
转化为一维矩阵X
BNM
×1；步骤三：用平滑算法对一维矩阵X
BNM
×1进行平滑处理以去除相干信号之间的干扰，得到平滑后的矩阵其中M
p
、N
p
、B
p
分别表示子载波、天线、数据包之间进行平滑的滑窗大小；步骤四：对平滑后的矩阵Y进一步用向前向后平均方法扩展为Y
ex
，然后使用奇异值分解的技术将矩阵降维，得到信号的子空间；步骤五：估计出AoA，ToF，DFS参数估计值，并将同一信号的AoA，ToF，DFS配对。2.根据权利要求1所述的一种基于Wi
‑
Fi信道状态信息的三维联合估计方法，所述步骤四，对平滑后的矩阵Y进一步用向前向后平均方法扩展为Y
ex
，然后使用奇异值分解的技术将矩阵降维，得到信号的子空间，包括以下步骤：Y
ex
＝[Y,Π
z1
×
z1
YΠ
z2
×
z2
]式中，z1＝M
P
N
P
B
P
,z2＝(M
‑
M
P
+1)(N
‑
N
P
+1)(B
‑
B
p
+1)，Π
z1
×
z1
,Π
z2
×
z2
被称为交换矩阵，且满足：由于噪声的存在，矩阵Y
ex
是满秩的，而不是秩为Q。因此，可以利用奇异值分解将矩阵Y
ex
维度降至Q
×
Q，信号的子空间可以通过奇异值分解得到，Y
ex
＝UΣV
H
＝U
s
Σ
s
V
sH
+U
n
Σ
n
V
nH
式中，上标H表示共轭转置，其中U
s
、V
s
和Σ
s
对应信号子空间，U
s
为U的前Q列，V
s
为V的前Q行，Σ
s
为Σ前Q行。U
n
、V
n
和Σ
n
对应噪声子空间，U
n
为删除U的前Q列，V
n
为删除V的前Q行，Σ
n
为删除Σ前Q行。3.根据权利要求1所述的一种基于Wi
‑
Fi信道状态信息的三维联合估计方法，所述步骤五，估计出AoA、ToF、DFS参数估计值，并将同一信号的AoA、ToF、DFS配对，包括以下步骤：首先，将U
s
删除掉最后N
p
M
p
行得到U
s1
，将U
s
删除掉行前N
p
M
p
行得到U
s2
，由此可得，其中，表示伪逆，Ψ
v
的特征值即为z(v
q
)估计值，其中，d为天线阵之间的间距，v
q
为第q个信号的多普勒速度，t
δ
为采样间隔，f为中心频率，c为光速；其次，设矩阵U
sp
＝P
c1
U
s
，其中P
c1
表示为：[P
c
(1+iB
P
),...,P
c
(B
p
+iB
p
),
P
c...

【专利技术属性】
技术研发人员：杨小龙，张文，周牧，谢良波，王勇，聂伟，李兆玉，
申请(专利权)人：重庆邮电大学，
类型：发明
国别省市：