System.ArgumentOutOfRangeException: 索引和长度必须引用该字符串内的位置。 参数名: length 在 System.String.Substring(Int32 startIndex, Int32 length) 在 zhuanliShow.Bind()
【技术实现步骤摘要】
本专利技术属于无线通信,涉及信号目标参数检测技术,如大规模阵列天线的到达角估计、车载毫米波雷达定位等技术,具体是一种基于grassmann流形的子空间平均的信号参数估计方法以实现对弱信号的提取。
技术介绍
1、在当前的无线通信
中,对目标信号参数的准确检测是确保通信质量和可靠性的关键因素。大规模天线阵列的到达角估计要求较高的角度分辨率,较低的角度估计误差以及强抗干扰能力。而车载毫米波雷达定位多应用于随车运动的动态场景,则更加看重实时处理性能。因此,能够在噪声干扰较大的环境下,高效且准确地估计出目标信号的参数是保障通信任务完成的基础之一。
2、目前已有多种信号参数估计的方法:早期较为经典的波束形成算法、最小方差算法、music算法以及esprit算法。其中,music算法通过对数据的协方差矩阵进行分解,利用噪声子空间实现超分辨率估计。波束形成算法与最小方差算法需要遍历所有可能的到达方向,得出信号功率谱并寻找峰值点,实际处理时的复杂度高;esprit算法利用对协方差矩阵进行svd分解得到信号子空间,并通过矩阵移位不变性特点直接得到信号参数估计。这些现有算法都需要分析二阶统计量即协方差矩阵的特征结构以解决信号参数估计的问题,这就要求可接收到的观测数据足够多,且噪声干扰尽可能小,无疑将会大大限制此类方法的应用范围。
3、针对以上现有技术存在的问题,本专利技术提出一种新的基于grassmann流形的子空间平均的信号参数估计技术方案。
技术实现思路
1、针对现有技
2、为实现上述目的,本专利技术采用以下技术方案:
3、基于grassmann流形的子空间平均的信号参数估计方法,包括如下步骤:
4、s1、接收经过调制的用户发送信号,得到多次采样下的观测数据矩阵;
5、s2、根据每次采样下的观测数据矩阵与所设定的矩阵参数信息,构造hankel矩阵;
6、s3、利用基于grassmann流形的子空间平均方法,寻找最优子空间增强方位到达角估计值;
7、s4、利用方位到达角估计值构造范德蒙矩阵,分离用户发送数据与信道复增益系数,恢复信道增益函数。
8、作为优选方案,步骤s1中定义信道增益函数为:
9、
10、其中,p为正整数,可视为用户到基站之间的传播路径数,m为基站处所设置的天线数量,c1(m),c2(m),...,cp(m)和为两组复常数,hm表示信道增益函数,θ1,θ2,...,θp为p个角度,且满足假设-π≤θp≤π,i表示虚数单位。
11、作为优选方案,考虑到实际应用存在噪声干扰,则有不同采样快拍n下的观测数据为:
12、
13、其中,β为信噪比参数,用户发送信号为s1,s2,...,sn可取任一调制方式,n为快拍数即在时域上的采样点数,wm(n)是服从零均值、方差为σ2的高斯噪声。
14、作为优选方案,步骤s1中,观测数据矩阵y∈cm×n(c为复数域)定义为:
15、
16、其中,β为信噪比参数;观测数据矩阵y中的元素由观测数据ym(n)构成;复信道增益系数矩阵c∈cp×1,由c1,c2,…,cp构成;用户发送信号矩阵s∈c1×n,由s1,s2,…,sn构成;w∈cm×n为高斯噪声矩阵,其中各元素wm(n)满足高斯分布。范德蒙矩阵a∈cm×p的第p列,由支持向量构成:
17、
18、作为优选方案,步骤s2中,构造hankel矩阵为:
19、
20、其中,hn∈cq×l,hankel矩阵深度由q确定,这里一般假定为向上取整,且l=m-q+1。通过固定第n次采样的观测数据y1(n),y2(n),…ym(n),得到相应的hankel矩阵h1,h2,…,hn。
21、作为优选方案,步骤s3具体步骤如下:
22、s3.1、根据步骤s2得到的n个hankel矩阵,构造n个信号子空间;
23、s3.2、选取最优子空间,增强信号参数估计;
24、s3.3、对最优子空间进行奇异值分解,提取特征值;
25、s3.4、得到到达角估计值
26、作为优选方案,步骤s3.1中,对步骤s2中的n个hankel矩阵h1,h2,…,hn进行奇异值分解(svd),有如下形式:
27、
28、其中,un∈cq×l为一正交阵,dn∈cl×l为一对角阵,d=diag(d1,d2,…,dl),d1,d2,…,dl均为对角元素,且满足从大到小排列d1≥d2≥…≥dp≥dp+1≥…≥dl≥0。vn∈cq×l为一方阵,为其共轭转置矩阵。则构造n个信号子空间为:
29、kn=un(1:q,1:p),n=1,2,…,n
30、其中,un矩阵的第1行到q行,第1列到第p列记为kn∈cq×p。
31、步骤s3.2中,利用基于grassmann流形的子空间平均方法,增强信号子空间为:
32、
33、其中,ps∈cq×q,为增强后的最优子空间的矩阵表示。
34、步骤s3.3中,对最优信号子空间矩阵ps∈cq×q进行奇异值分解(svd),提取特征值。有如下形式:
35、ps=udvh
36、其中,u∈cq×q为一正交阵,d∈cq×q为一对角阵,且有,v∈cq×q为一方阵,vh为其共轭转置矩阵。假定路径数p已知,则子空间维数固定,取:
37、u1=ps(1:q-1,1:p),u2=ps(2:q,1:p)
38、其中,矩阵ps的第1行到q-1行,第1列到第p列记为u1,矩阵ps的第2行到第q行,第1列到第p列记为u2。利用最小二乘方法,估计特征值:
39、eig{(u1hu1)-1u1hu2}
40、可得到其中eig{·}表示取特征值。
41、步骤s3.4中,根据式:
42、
43、得到到达角估计值,记为其中angle(·)表示取特征值的角度。
44、作为优选方案,s4具体步骤如下:
45、s4.1、根据方位到达角估计值得到重构的支持向量并估计出对应的范德蒙矩阵
46、
47、其中,
48、s4.2、通过训练接收信号,即已知取自任一调制方式的第一个发送信号s1来求解这里假定取自qam(正交幅度调制):
49、
50、其中,观测数据矩阵y中元素由观测数据ym(n)构成;ya:b,c:d代表矩阵y的第a行到第b行,第c列到第d列所构成的矩阵;u为单次估计的本文档来自技高网...
【技术保护点】
1.基于Grassmann流形的子空间平均的信号参数估计方法,其特征是包括如下步骤:
2.如权利要求1所述基于Grassmann流形的子空间平均的信号参数估计方法,其特征是,步骤S1中,用户到基站间的信道增益函数定义为:
3.如权利要求2所述基于Grassmann流形的子空间平均的信号参数估计方法,其特征是,不同采样快拍N下的观测数据为:
4.如权利要求3所述基于Grassmann流形的子空间平均的信号参数估计方法,其特征是,步骤S1中,观测数据矩阵Y∈CM×N定义为:
5.如权利要求1-4任一项所述基于Grassmann流形的子空间平均的信号参数估计方法,其特征是,步骤S2中,构造的Hankel矩阵为:
6.如权利要求5所述基于Grassmann流形的子空间平均的信号参数估计方法,其特征是,步骤S3具体包括:
7.如权利要求6所述基于Grassmann流形的子空间平均的信号参数估计方法,其特征是,步骤S3.1中,对步骤S2中的N个Hankel矩阵H1,H2,...,HN进行奇异值分解,有如下形式:
< ...【技术特征摘要】
1.基于grassmann流形的子空间平均的信号参数估计方法,其特征是包括如下步骤:
2.如权利要求1所述基于grassmann流形的子空间平均的信号参数估计方法,其特征是,步骤s1中,用户到基站间的信道增益函数定义为:
3.如权利要求2所述基于grassmann流形的子空间平均的信号参数估计方法,其特征是,不同采样快拍n下的观测数据为:
4.如权利要求3所述基于grassmann流形的子空间平均的信号参数估计方法,其特征是,步骤s1中,观测数据矩阵y∈cm×n定义为:
5.如权利要求1-4任一项所述基于grassmann流形的子空间平均的信号参数估计方法,其特征是...
【专利技术属性】
技术研发人员:金家瑞,王艳,刘天乐,潘鹏,王海泉,
申请(专利权)人:杭州电子科技大学,
类型:发明
国别省市:
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。