一种大规模MIMO方阵信源数与波达方向联合估计方法技术

本发明专利技术公开了一种大规模MIMO方阵信源数与波达方向联合估计方法包括：建立冲击噪声环境下MassiveMIMO方阵模型；构造基于拉普拉斯核相关熵的加权信号子空间拟合方程；利用分段式思想，化简得到目标函数；初始化个体量子位置，获得全局最优量子位置；初始化量子冰晶能量值，确定临时湖中心位置；更新能量值和历史量子位置空间；更新量子位置；根据轮盘赌选择产生新一代量子冰晶，更新全局最优量子位置；判断是否达到最大迭代次数，若未达到，返回步骤五；判断该信源是否存在，若存在，返回步骤三，否则输出信源数及相应波达方向。本发明专利技术具有鲁棒性、高精度的特点和更广泛的应用范围。高精度的特点和更广泛的应用范围。高精度的特点和更广泛的应用范围。

【技术实现步骤摘要】
一种大规模MIMO方阵信源数与波达方向联合估计方法


[0001]本专利技术属于阵列信号处理领域，涉及一种大规模MIMO方阵信源数与波达方向联合估计方法，特别是一种冲击噪声环境下基于量子冰晶优化机制的Massive MIMO方阵信源数与波达方向联合估计方法。

技术介绍

[0002]DOA估计技术作为阵列信号处理的重点研究方向之一，在无线通讯、雷达和定位等多个领域有着非常广泛的应用。尤其是在第五代移动通信系统中，大规模MIMO技术被认为是5G关键技术之一，受到业内人士的广泛关注。在大规模MIMO系统中，二维DOA估计可以同时对俯仰角和方位角同时进行估计，能够为移动台提供更精准的位置估计，且能够使波束赋形的指向性更强，是3D
‑
MIMO技术得以实施的关键，因此对DOA估计算法进行深入研究具有重要意义。但目前的二维DOA估计算法中，多是基于线阵的MUSIC算法和ESPRIT算法扩展而来，主要通过方位角和俯仰角二维角度域的联合搜索来获取DOA估计值。这些方法不仅需要信源个数这个先验知识，往往还需要较大的快拍数保证估计精度和准确率，在面对大规模MIMO系统的庞大天线阵列时，一些高精度谱峰搜索类方法更是具有非常高的计算复杂度，并且对于相干信源，不得不损失阵列孔径才能进行解相干操作。所以针对于大规模MIMO的面阵系统，在未知信源个数情况下，设计一种抗冲击噪声、快速、高效和低计算复杂度的二维DOA估计方法是十分有必要的。
[0003]经对现有文献的检索发现，Wu W等在《IEEE Intemational Conference on Signal,Information and DataProcessing》上发表的“A low copmlexity 2D DOA estimation algorithm for massive MIMO systems”中提出基于传统的Capon DOA估计算法，通过离散傅里叶变换先对信号的DOA初步估计，然后利用降维Capon算法在小范围内进一步估计，该算法可以适当的降低计算的复杂度，但是该算法的分辨力有限，精度还需要进一步改进提高。Zheng Z等在《IEEE Transactions on Vehicular Technology》上发表的“Efficient beam space
‑
based algorithm for two
‑
dimensional DOA estimation of incoherently distributed sources in massive MIMO systems”提出利用广义阵列流型矩阵进行分布源的波束空间变换，构造波束空间的移不变结构，避免了谱峰搜索的操作，以此来减少矩阵运算的维度，在计算复杂度方面具有较大的优势，但是其精度性能一般，并且在冲击噪声的情况下算法性能恶化严重。Zhu Y等在《IEEE International Conference on Communications》上发表“DoA estimation and capacity analysis for 2D active massive MIMO systems”提出了一种基于MUSIC算法的二维DOA角度估计方法，由于MUSIC算法需要在全域进行谱峰搜索，因此尽管文献采用分段式的方法进行角度估计，但在大规模天线阵列系统背景下，所提的算法仍具有较高的运算复杂度，且不可避免的出现量化误差。Wang A等在《IEEE GLOBECOM Workshops》上发表“Low complexity direction of arrival(DoA)estimation for 2D massive MIMO systems”提出采用Unitary ESPRIT算法进行大规模天线阵的DOA角度估计，Unitary ESPRIT算法将方向矩阵和协方差矩阵等转换成实值
巧妙地化简了虚部，从而降低了运算复杂度，但是文章对于俯仰角和方位角的联合分析并不充分，估计的精度受限且需要大的快拍数。可以看出已有的大部分研究都集中在降低方法的计算复杂度上，以牺牲估计精度为代价，然而提高测向方法在低信噪比下的准确度和成功概率也是重要的研究方向，并且上述方法都是假设在信源个数已知的情况下，但实际应用中信源个数并不是已知的，因此还需要先进行额外的信源个数估计，而且信源数估计是落后于波达方向估计的，影响了高精度波达方向估计的实用化进程，且都没有考虑冲击噪声对测向结果的影响。
[0004]此外，在已有文献中，这些测向方法大多假设背景噪声为高斯噪声，通过利用二阶或高阶累积量进行分析就可以获得理想的结果。然而实际信号传输中噪声更多不是服从高斯分布的，如海杂波噪声、大气噪声和无线信道噪声等，这些噪声可利用Alpha稳定分布建模，它与高斯噪声模型失配，使得传统的基于二阶或高阶累积量的算法失效，因此研究在冲击噪声环境下的大规模MIMO系统中对信源个数以及二维波达方向进行去相干、小快拍、高精度和高鲁棒性的联合估计具有重要的意义和价值。

技术实现思路

[0005]针对上述现有技术，本专利技术要解决的技术问题是提供一种有效性和鲁棒性更高的基于量子冰晶优化机制的大规模MIMO方阵信源数与波达方向联合估计方法，在冲击噪声、小快拍和相干源存在的情况下，实现Massive MIMO系统信源数与二维波达方向的联合估计。
[0006]为解决上述技术问题，本专利技术的一种大规模MIMO方阵信源数与波达方向联合估计方法，包括：
[0007]步骤一：建立冲击噪声环境下的Massive MIMO方阵模型，获取阵列接收的快拍数据；
[0008]步骤二：利用接收数据构造基于拉普拉斯核相关熵的低阶协方差矩阵，得到基于拉普拉斯核相关熵的通用加权信号子空间拟合方程；
[0009]步骤三：利用分段式逐个求解方法，得到待搜索来波最终的目标函数；
[0010]步骤四：初始化估计第l个来波的量子冰晶机制的冰晶个体数及每个量子冰晶的量子位置和相应的映射态位置并获得全局最优量子位置；
[0011]步骤五：初始化量子冰晶能量值，确定一个临时湖中心位置，与外界进行能量交换；
[0012]步骤六：更新量子冰晶能量，能量值最低的N
q
个量子冰晶开始沉淀结冰，加入到已有的冰晶壳中，并更新历史量子位置空间
[0013]步骤七：根据量子演化规则，使用模拟量子旋转门更新未沉淀的量子冰晶的量子位置和相应的映射态位置；
[0014]步骤八：计算每个量子冰晶的适应度值，根据轮盘赌选择策略选择量子冰晶来产生新一代量子冰晶的最终位置，然后更新全局最优量子位置；
[0015]步骤九：判断是否达到其最大迭代次数T
max
，若未达到，令t=t+1，返回步骤五继续迭代；若达到最大迭代次数，则选择当前的全局最优量子位置的映射态位置作为最后的结
果，并输出此时的映射态位置
[0016]步骤十：判断信源l是否存在：设置阈值若则判断空间中已无本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种大规模MIMO方阵信源数与波达方向联合估计方法，其特征在于，包括：步骤一：建立冲击噪声环境下的Massive MIMO方阵模型，获取阵列接收的快拍数据；步骤二：利用接收数据构造基于拉普拉斯核相关熵的低阶协方差矩阵，得到基于拉普拉斯核相关熵的通用加权信号子空间拟合方程；步骤三：利用分段式逐个求解方法，得到待搜索来波最终的目标函数；步骤四：初始化估计第l个来波的量子冰晶机制的冰晶个体数及每个量子冰晶的量子位置和相应的映射态位置并获得全局最优量子位置；步骤五：初始化量子冰晶能量值，确定一个临时湖中心位置，与外界进行能量交换；步骤六：更新量子冰晶能量，能量值最低的N
q
个量子冰晶开始沉淀结冰，加入到已有的冰晶壳中，并更新历史量子位置空间步骤七：根据量子演化规则，使用模拟量子旋转门更新未沉淀的量子冰晶的量子位置和相应的映射态位置；步骤八：计算每个量子冰晶的适应度值，根据轮盘赌选择策略选择量子冰晶来产生新一代量子冰晶的最终位置，然后更新全局最优量子位置；步骤九：判断是否达到其最大迭代次数T
max
，若未达到，令t＝t+1，返回步骤五继续迭代；若达到最大迭代次数，则选择当前的全局最优量子位置的映射态位置作为最后的结果，并输出此时的映射态位置步骤十：判断信源l是否存在：设置阈值若则判断空间中已无未知信源，然后输出空间中的已测得的未知信源的个数以及相应的二维波达方向的估计值，信源数为l
‑
1；若则选择当前的映射态位置作为该信源二维波达方向的估计值，再令l＝l+1，返回步骤三，并将得到的波达方向估计值作为求得的先验信息带入下一次求解的目标函数化简中，然后再一次搜索。2.根据权利要求1所述的一种大规模MIMO方阵信源数与波达方向联合估计方法，其特征在于：步骤一所述阵列接收的快拍数据满足：假设空间中存在B个窄带远场信源，分别以方位角θ
b
和俯仰角方向入射到由M
×
N个阵元构成的Massive MIMO水平均匀方阵上，b＝1,2,
…
,B，阵元间距为d，入射波长为λ，则阵列接收的第k次快拍采样数据的数学模型为：其中k＝1,2,...,K，K为最大快拍数，z(k)＝[z1(k),z2(k),...,z
MN
(k)]
T
为MN
×
1维的阵列接收的第k次快拍数据矢量，上标T表示转置，为MN
×
B维的流型矩阵，其中θ＝[θ1,θ2,...,θ
B
]和分别为信源的方位角矢量与俯仰角矢量，表示第b个信源的导向矢量，其中为流型矩阵关于x轴方向上的第b个信源的导向矢量，为流型矩阵关于y轴方向上的第b个信源的导向矢量，为Kronecker积，s(k)为B
×
1维信号矢量，n(k)为MN
×
1维服从SαS稳定分布的冲击噪声矢量。
3.根据权利要求2所述的一种大规模MIMO方阵信源数与波达方向联合估计方法，其特征在于：步骤二所述基于拉普拉斯核相关熵的低阶协方差矩阵和基于拉普拉斯核相关熵的通用加权信号子空间拟合方程具体为：基于拉普拉斯核相关熵的低阶协方差矩阵R的第行列元素表示为：式中，z
i
(k)和z
j
(k)分别表示接收的第k次快拍信号数据矢量的第维和第维，(
·
)
*
表示共轭运算，η为核函数的核长；已知空间中的未知信源个数B，然后对低阶协方差矩阵R进行特征分解：其中，U
S
是由B个较大特征值对应的特征向量张成的信号子空间，Σ
S
是由B个较大特征值构成的对角阵，U
N
是由剩余较小特征值对应的特征向量张成的噪声子空间，Σ
N
是由剩余较小特征值构成的对角阵，(
·
)
H
表示共轭转置运算，均匀方阵的正交投影矩阵为(
·
)
‑1表示求逆运算；则基于拉普拉斯核相关熵的加权信号子空间拟合方程通式为：其中，为信号子空间的最优权矩阵，其中σ2表示噪声功率，tr(
·
)为矩阵求迹函数。4.根据权利要求3所述的一种大规模MIMO方阵信源数与波达方向联合估计方法，其特征在于：步骤三所述待搜索来波最终的目标函数包括：其中，空间中未知的第l个来波标号为l，初始时未知来波标号l＝1，为定义的归一化矢量，满足：其中，其中，和分别表示已经搜索出的l
‑
1维方位角参数矢量和俯仰角参数矢量，低阶协方差矩阵R分解为：其中由前l个较大特征值对应的特征向量张成的信号子空间，空间，是由前l个较大特征值构成的对角阵，σ2表示噪声功率。5.根据权利要求4所述的一种大规模MIMO方阵信源数与波达方向联合估计方法，其特征在于：步骤四所述初始化估计第l个来波的量子冰晶机制的冰晶个体数及每个量子冰晶的量子位置和相应的映射态位置并获得全局最优量子位置包括：
设置量子冰晶的个体数为N
p
，每个量子冰晶所具有的空间维数为最大的迭代次数为T
max
，t代表迭代次数，对N
p
个量子冰晶的量子位置在量子域[0,1]内随机初始化，则估计第l个...

【专利技术属性】
技术研发人员：高洪元，揣济阁，苏彦文，郭瑞晨，刘轲，王钦弘，谷晓苑，刘凯龙，杜子怡，陈暄，
申请(专利权)人：哈尔滨工程大学，
类型：发明
国别省市：