[发明专利]一种大规模MIMO方阵信源数与波达方向联合估计方法

权利要求书

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。