[发明专利]大规模MIMO系统中基于TLS‑ESPRIT算法的二维DOA估计

说明书

技术领域

本发明主要涉及未来移动通信技术领域。

背景技术

未来移动数据业务量将呈指数增长，传统的MIMO技术并不能满足这样的需求。2010年底，贝尔实验室科学家Thomas L.Marzetta提出了大规模MIMO(Large Scale MIMO)，也叫Massive MIMO的概念。大规模MIMO作为一种未来无线通信系统的关键技术，在基站端配置数目庞大的天线，以深度挖掘利用空间维度无限资源，提升系统频谱效率和功率。大规模MIMO系统通常在基站端采用面阵，圆柱形阵或异形阵。在大规模MIMO系统中，由于基站的多天线配置，导致基站获取信道状态信息(Channel State Information,CSI)十分困难，传统基站预编码完全依赖于信道反馈已不再适用。2D(二维)DOA估计为信道预编码提供了精确的空域信息,使得最优下行预编码的实现成本额大幅度降低。

在众多大规模MIMO基站天线配置中，URA相对简单，同时能够充分利用水平维度和垂直维度所提供的空间信息，因此，更适合在大规模MIMO系统中应用。在URA配置下，接收信号同时包含垂直维度和水平维度信息，2D波达方向估计就是要实现来波信号水平维的方位角和垂直维的仰角估计。

波达方向估计作为阵列信号处理的重要研究内容之一，在声纳，雷达，无线通信系统等领域具有重要的应用价值。目前，现有的1D DOA估计理论已经发展得相对成熟，1D DOA估计方法如多重信号分类(Multiple Signal Classification,MUSIC)算法，旋转不变子空间算法(Estimating Signal Parameter via Rotational In variance Techniques,ESPRIT)算法应用比较广泛，但是在二维估计中难以得到实际应用。同1D(一维)DOA相比，2D DOA能够更好地表述信号空间位置，因此研究2D DOA更具有实际意义。利用经典MUSIC算法进行二维估计时，需要进行谱峰搜索，运算量大，且消耗大量的时间。二维ESPRIT算法较好地解决了这一问题，但是需要对最终的结果进行配对才能得到有效的角度估计。一方面，由于天线数的增多以及2D DOA估计中参数维数的增加，导致估计过程中计算复杂度的增加。如果依然采用传统的子空间类算法如2D MUSIC,2D ESPRIT算法估计角度，将会面临算法复杂、计算量大以及角度配对等问题，使其不能用于实际测向系统；另一方面，由于噪声的干扰，采样信号本身存在误差。现有的大多数DOA估计算法直接将采样信号作为信号本身进行运算，不符合实际测向环境。

发明内容

本发明针对目前二维DOA估计方法存在的不足，提出了大规模MIMO系统中基于TLS-ESPRIT算法的二维DOA估计方法，采用TLS-ESPRIT算法的思想有效地解决大规模MIMO系统中二维DOA估计问题，不但能够自动实现方位角和仰角配对，而且计算复杂度相对较低。

本发明是在基站端采用URA，以接收不同方向来波。根据大规模MIMO系统的接收信号模型，首先将面阵分割为两个部分重叠的子阵，使其满足ESPRIT算法要求的阵列移不变性；然后根据1D ESPRIT算法计算子阵列的信号子空间；再利用TLS准则，在噪声扰动条件下，估计精确的仰角信息；最后通过其中一子阵的方向矩阵来完成方位角估计，并自动与仰角配对。

本发明包括如下步骤：

步骤一：基站采用M×N维URA，考虑面阵位于XOZ平面，假设有K个信源入射到此阵列，阵列接收信号模型如下所示：

X＝AS+N

其中X为MN×1维阵列接收信号矢量，S为K×1维空间信号矢量，N为MN×1高斯白噪声矢量，A为MN×K维方向矩阵，具体形式如下：

其中表示克劳罗克内积，a(u_i)为X方向的方向矢量，a(v_i)为Z方向的方向矢量。

步骤二：考虑基站端天线阵列位于XOZ平面，延Z方向将M×N维URA划分为具有移不变性的两个子阵，由于子阵1和子阵2的方向矩阵相差一个旋转因子Φ，而该旋转因子仅包含仰角信息，具体如下：

Φ＝diag[exp(-2πd cosθ₁/λ) exp(-2πd cosθ₂/λ) ... exp(-2πd cosθ_K/λ)]

其中d为阵元间距，λ为波速，θ_i，i＝1,2,3...K表示第i个用户的仰角。