[发明专利]采用低精度量化的毫米波通信系统定位方法

说明书

本发明属于无线通信技术领域，具体涉及一种采用低精度量化的毫米波通信系统定位方法。本发明在信道估计阶段提出了一种交替迭代算法框架。首先通过广义Turbo算法恢复出未量化信道，并利用多任务稀疏贝叶斯学习进行信道粗估计，随后基于期望最大化进行信道细估计，迭代上述过程完成信道参数估计。位置估计阶段将位置信息得到的信道参数与算法估计的信道参数的残差作为优化函数，利用牛顿法求解该优化问题。实验表明，本发明所提出的毫米波通信系统定位方法在低精度量化的情况下，依然能够实现精确的用户定位，并达到对应的理论下界。

技术领域

本发明属于无线通信技术领域，具体涉及一种采用低精度量化的毫米波通信系统定位方法。

背景技术

大规模多输入多输出(Multiple-Input Multiple-Output,简称MIMO)毫米波通信作为下一代无线通信系统的重要潜在技术，通过利用毫米波频段丰富的频谱资源，可以实现高数据速率通信。然而，大规模阵列天线的使用严重影响了整个通信系统的成本和功耗。根据奈奎斯特准则，毫米波通信在模数转换器(Analog to Digital Converter,简称ADC)上需要非常高的采样频率。ADC的功耗与量化比特数成正相关，为了平衡性能和成本，促进商用，研究人员提出采用与先进信号处理技术相结合的低精度ADC。由于低精度ADC会带来严重的非线性失真，现有工作探索了多种先进的信号处理技术，如近似消息传递和稀疏贝叶斯学习。这些方案只考虑解决无线通信中的信道估计问题，忽略了低精度宽带无线通信系统在用户位置估计方面的潜在优势。

发明内容

本发明的目的在于提出性能更优的位置估计方法，以较低的量化比特位数实现高效位置估计。

本发明在信道估计阶段提出了一种交替迭代算法框架。首先通过Gturbo算法恢复出未量化信道，并利用多任务稀疏贝叶斯学习进行信道粗估计，随后基于期望最大化进行信道细估计，迭代上述过程完成信道参数估计。位置估计阶段将位置信息得到的信道参数与算法估计的信道参数的残差作为优化函数，利用Levenberg-Marquarelt算法(简称LM算法)求解该优化问题。

本发明的技术方案为：

S1、构建信道。考虑大规模多输入多输出正交频分复用系统中的上行链路模型，单天线的用户端与具有大规模天线阵列的基站端进行通信。其中子载波总数为M，基站配置天线数为N。第m个子载波上的频域信道可表示为：

其中L为多径数，c_l和τ_l为第l条多径的复增益和时延，是相应的空间方向，定义为

φ_l,m＝(1+f_m/f_c)d sinθ_l/λ_c (2)

是第m个子载波的频率，W是系统带宽，f_c是载波频率，λ_c是载波波长，θ_l是第l条路径的到达角，d是天线间距，设置d＝λ_c/2。a(φ_l,m)是阵列响应向量，考虑均匀线性阵列，有

在BS端，第m个子载波的接收信号如下：

y_m＝h_ms_m+n_m,m＝1,2,…,M (4)

其中s_m是训练符号，表示均值为0和方差为σ²的加性复高斯噪声。不失一般性，将s_m设置为1，下文省略。基于公式(4)，第n条天线处接收的时域信号，如下所示：