[发明专利]改进的MUSIC算法散射簇模型信道参数估计方法

摘要

本发明涉及信道模型以及信道参数估计算法等领域，为提出新的散射簇模型信道参数估计方法，具有高精度，减少计算量，降低复杂度等特点。本发明采用的技术方案是，改进的MUSIC算法散射簇模型信道参数估计方法，步骤如下1.建立系统模型频率阵列响应矩阵B(f)是在短时间内的L频率采样，其中fs表示采样率，B(f)＝[B(f1),…,B(fDK)]B(fk)＝[1,exp(j2πf/fs),…,exp(j2π(L‑1)f/fs)]T其中S(t‑τ)＝[s(t‑τ1),…,s(t‑τD)]T表示具有时延τ的发射信号；2.改进系统模型中的MUSIC算法2.1.时域滤波法2.2.空域平滑法得到频谱PMUSIC(θ,f)=1(a(θ)⊗b(f))H(I-VstVstH)(a(θ)⊗b(f)).]]>本发明主要应用于信道模型以及信道参数估计场合。

主权项

一种改进的MUSIC算法散射簇模型信道参数估计方法，其特征是，步骤如下：1)建立系统模型考虑到具有M个紧密间隔的接收天线阵元Rx的无线通信系统，构成均匀的线性阵列(ULAs)，并且所有阵元都是全向的；接收天线阵元的间距是半波长，信号具有共同的中心频率f0，则相应的波长为λ＝c/f，其中c表示光速，根据3GPP SCM模型，MS处的接收信号由发送信号的D个时延的多径信号组成。这D个路径由散射簇引起的相同时延定义，每个路径由Ki个子路径组成，i＝1,2,…,D，每个子路径代表真实的射线，总射线为K＝K1+K2+…+KD，因此，接收天线(Rx)处的每个阵元的输出写为：x(t)=Σd=1DΣk=1Kiα(θdk)ej2πfdkts(t-τd)]]>其中α(θdk)＝exp{j2πdmsin(θdk)/λ}表示对于来自θdk的射线的第m个接收天线的响应，其中θdk是第d个路径的第k个子路径的DOA，fdk表示第d个路径的第k个子路径的多普勒频率，如果考虑窄带发射信号和慢衰落环境，假设信号是块衰落；也就是说，s(t‑τd)在短时间内保持不变，并且从块到块独立地衰减，在第m个接收天线附加T个时间采样后，获得矩阵中的块信号：X(t)＝A(θ)diag(s(t‑τ))BT(f)+N(t)使用vec(Adiag[b]C)＝(A◇CT)b关系式，得到：X(t)＝A(θ)◇B(fk)·S(t‑τ)+N(t)其中X(t)＝[x(tm),x(tm+Ts),…,x(tm+(T‑1)Ts)]，Ts表示采样周期，x(tm)＝[x1(tm),…,xM(tm)]T，然后由Khatri‑Rao导出A(θ)◇B(f)∈CML×K，N(t)是一个加性噪声过程，假设为具有协方差σ2I的零均值高斯噪声向量，接收阵列响应矩阵A(θ)＝[A1(θ),…,AD(θ)],Ad(θ)＝[α1(θ),…,αKi(θ)]，其中α(θi)表示第i个射线的阵列响应矢量：α(θi)＝[1,exp{jπsin(θi)},…,exp{jπ(M‑1)sin(θi)}]T频率阵列响应矩阵B(f)是在短时间内的L频率采样，其中fs表示采样率，B(f)＝[B(f1),…,B(fDK)]:B(fk)＝[1,exp(j2πf/fs),…,exp(j2π(L‑1)f/fs)]T其中S(t‑τ)＝[s(t‑τ1),…,s(t‑τD)]T表示具有时延τ的发射信号；2)改进系统模型中的MUSIC算法2.1)时域滤波法基于将理论时间相关矩阵Rt分解成信号子空间Es和噪声子空间EN：Rt＝E{XH(t)·X(t)}＝SHBSS+σ2I入射路径的数量已知，通过对所涉及的协方差矩阵的特征值设置阈值大小，或者通过使用AIC和MDL检测方法来估计D，接下来的步骤：Rt=VstΛstVstH+VntΛntVntH]]>Vt s的列向量分别对应于D个最大特征值的信号子空间Rs的特征向量，由Rt的T‑D特征向量生成的Vt N的列向量是Vt s列向量的正交补，使用信号与噪声子空间之间的正交性，T‑MUSIC算法估计路径时延：τ^=argmins~(τ)H(I-VstVstH)s~(τ)]]>在合理的时延范围τ内，T‑MUSIC的频谱分别定义为：PMUSICt(τ)=1s~(τ)H(I-VstVstH)s~(τ)]]>通过使用T‑MUSIC去估计所产生的时延，基于时延估计，将时间滤波矩阵定义为:S⊥＝I‑s(τ)·(s(τ)Hs(τ))‑1·s(τ)HS⊥是s(τ)的完全映射矩阵，有s(τ)H·S⊥＝0T；基于这些事实，将X(t)右乘S⊥，这指的是时间滤波处理将不同时延的射线分离，然后第d个时间滤波器的输出由下式给出：Xd(t)=X(t)Πi=1,i≠dDS⊥i]]>2.2)空域平滑法在使用时域滤波器之后，联合估计每个时延簇的DOA和多普勒频率，并使用空域平滑技术来将MUSIC算法应用于相干信号的情况；具体地：在子阵列上构成协方差矩阵，这等价于将原来的协方差矩阵进行了划分，如果有P个子阵列，每个子阵列的大小为L＝M‑P+1，并且前向子阵列的输出用Xf p(t)表示，阵元输出为[xp(t),…,xp+L‑1(t)]；然后通过空间相关矩阵Rs联合估计一个时延簇中的DOAs和频率，其中Rs=1PE{Xpf(t)Xpf(t)H}]]>类似地，在Rs特征分解之后，特征向量可以被分成两组，对应于最大K个特征值的特征向量被称为信号特征向量，由它们生成的子空间被称为信号子空间，利用正交性理论，得到频谱：PMUSIC(θ,f)=1(a(θ)⊗b(f))H(I-VstVstH)(a(θ)⊗b(f)).]]>