[发明专利]基于ADCs的大规模MIMO接收阵列DOA估计方法有效
申请号: | 202011542241.0 | 申请日: | 2020-12-23 |
公开(公告)号: | CN112733476B | 公开(公告)日: | 2022-08-12 |
发明(设计)人: | 陈诺;史柏华;束锋;朱玺成;程鑫;邹骏;桂林卿 | 申请(专利权)人: | 南京理工大学 |
主分类号: | G06F30/3308 | 分类号: | G06F30/3308 |
代理公司: | 南京理工大学专利中心 32203 | 代理人: | 薛云燕 |
地址: | 210094 江*** | 国省代码: | 江苏;32 |
权利要求书: | 查看更多 | 说明书: | 查看更多 |
摘要: | |||
搜索关键词: | 基于 adcs 大规模 mimo 接收 阵列 doa 估计 方法 | ||
1.一种基于ADCs的大规模MIMO接收阵列DOA估计方法,其特征在于,包括以下步骤:
步骤1、利用线性加性量化噪声模型建立低精度场景下DOA估计的系统模型,所述低精度场景指模数转换器ADCs将模拟信号转换为数字信号时位数少于6位;
步骤2、在低精度场景下DOA估计的系统模型基础上,求出低精度ADCs输出信号的协方差矩阵,对所述协方差矩阵进行奇异值分解,再根据Root-MUSIC算法给出根多项式,导出波达方向估计值的表达式,对波达方向进行估计;
步骤3、在低精度场景下DOA估计的系统模型基础上导出相应的克拉美罗下界,作为指标来评估低精度ADCs对DOA估计的性能影响;
步骤1所述的利用线性加性量化噪声模型建立低精度场景下DOA估计的系统模型,具体如下:
步骤1.1、设定拥有M根天线的均匀线性阵列捕获到信号,其中每根天线上从远处发射过来的信号会因为DOA不同而产生不同的时间延迟,所有信号都是具有相同载波频率fc的窄带信号;设定来自远场发射器的信号为sl(t),l=1,2,…,L为发射器的编号;当只有单个发射器时,发射信号为s(t),到达方向为θ,所对应的接收信号y(t)如下:
y(t)=a(θ)s(t)+w(t) (1)
其中是加性高斯白噪声,为噪声方差、IM为单位矩阵,a(θ)是阵列响应,定义为:
其中ψθ(m)是基带信号的相移,对应于从信号源到接收天线的时间延迟,具体表达式为:
其中dm是接收天线到公共参考点的距离,公共参考点为天线阵列的相位中心;λ为载波的波长;M为天线的数量;
步骤1.2、当有L个发射器时,接收到的M维向量y(t)表示为:
其中a(θl)为第l个发射器、到达方向为θl的阵列响应;sl(t)为第l个发射器的发射信号;L<M;
步骤1.3、根据线性加性量化噪声模型,得出低精度ADCs的输出信号yq(n)表达式为:
其中Q{·}是量化函数,N是样本数量,n是样本编号,w(n)为量化后的加性高斯白噪声,wq(n)是与y无关的量化噪声;α=1-β是线性量化增益,其中β表示低精度ADCs引起的失真因子,具体表示如下:
其中y为天线接收信号、yq为低精度ADCs的输出信号;
步骤1.4、设定ADCs的输入信号是呈高斯分布的,对于非线性量化的失真最小标量,当ADCs的比特位数b=1,2,3,4,5时β的值分别为0.3634,0.1175,0.03454,0.009497,0.002499,当b≥6时β的计算公式为:
其中公式(6)为定义式,公式(7)为β与位数b之间的关系式;
步骤1.5、对于一个固定的信道,wq(n)的协方差矩阵为:
其中是第l个发射器发射信号的功率,Rl,l=1,2,…,L是第l个发射器发射信号的归一化协方差矩阵,所以Rl=IM,l=1,2,…,L,式(8)转化为:
步骤1.6、将量化噪声wq(n)建模为表示量化噪声服从方差为0,协方差矩阵为的复高斯分布;
步骤2所述的在低精度场景下DOA估计的系统模型基础上,求出低精度ADCs输出信号的协方差矩阵,对所述协方差矩阵进行奇异值分解,再根据Root-MUSIC算法给出根多项式,导出波达方向估计值的表达式,对波达方向进行估计,具体如下:
步骤2.1、经过量化后的信号的协方差矩阵为:
其中方差
将式(10)进行特征值分解:
其中对角矩阵
US表示M×L的列向量,由最大奇异值对应的的奇异向量组成;矩阵UN由M×(L-1)个最小奇异值对应的奇异向量组成;
步骤2.2、计算空间谱估计函数S(θ):
其中,为UN的共轭转置;
步骤2.3、根据已得数据对协方差矩阵进行估计,公式为:
其中,为协方差矩阵的估计值;
利用Root-MUSIC方法求解以下根多项式:
其中p(z)=[1,z,…,zM-1]T;
步骤2.5、方程有2(M-1)个根和L对根,其中L对根离单位圆最近,表示为而a(θl)=p(zl),l=1,2,…,L,故到达方向的估计值为:
步骤3所述的在低精度场景下DOA估计的系统模型基础上导出相应的克拉美罗下界,
作为指标来评估低精度ADCs对DOA估计的性能影响,具体如下:
步骤3.1、费雪信息矩阵Fq表达式如下:
其中
其中,方差
步骤3.2、给定N个独立的测量值,则转换位数为b的ADCs的克拉美罗下界CRLBb为:
而费雪信息矩阵可展开如下:
则
其中
步骤3.3、以dB为单位定义性能损失因子ηb(γ)如下:
其中是ADCs的输入信噪比,CRLB∞为ADCs转换位数为无穷时的克拉美罗下界;
步骤3.5、将CRLB作为指标来评估低精度ADCs对DOA估计的性能影响。
该专利技术资料仅供研究查看技术是否侵权等信息,商用须获得专利权人授权。该专利全部权利属于南京理工大学,未经南京理工大学许可,擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作,请联系【客服】
本文链接:http://www.vipzhuanli.com/pat/books/202011542241.0/1.html,转载请声明来源钻瓜专利网。