一种双极化智能天线系统中的DOA估计方法

摘要

本发明公开了一种双极化智能天线系统中的DOA估计方法，包括：对两个极化方向的天线分别进行信道估计得到相应极化方向的空间相关矩阵，并对应每一极化方向，利用EBB或GOB算法确定各个到达角方向的接收功率；对应每一极化方向，根据该极化方向的空间相关矩阵和所述各个到达角方向的接收功率确定该极化方向对应的最大波束增益；对两个极化方向对应的最大波束增益进行合并处理，确定用户的DOA信息。应用本发明，能够获得更准确的DOA信息。

说明书

技术领域

本发明涉及DOA估计技术，特别涉及一种双极化智能天线系统中的DOA估计方法。

背景技术

智能天线是TD-SCDMA系统的关键技术。在智能天线系统中，通过DOA估计可以确定用户当前所在的位置。

目前进行DOA估计的方法有两种，分别是基于EBB的算法和基于GOB的算法。在这两种算法中，基站首先进行信道估计，然后利用信道估计结果计算空间相关矩阵，再利用空间相关矩阵计算所有到达角方向上的接收功率，从计算得到的接收功率选择最大值作为用户的DOA估计结果。其中，基于EBB算法和基于GOB算法的区别仅在于，计算到达角方向上接收功率的方式不同。

在单极化天线系统中，基站端有一组极化方向相同的天线，各个天线间需要保持一定的距离，其中，组内天线数目越多，系统增益越大。但随着TD-SCDMA系统的进一步发展，要达到一定的系统增益，利用单极化的智能天线使得基站天线的面积较大，安装不便，受风面积大，存在安全隐患，因此出现了双极化智能天线。在双极化智能天线系统中，基站端有两种极化方向的天线，其中，极化方向相同的天线间仍需保持一定的距离，但是，极化方向不同的天线间的距离可以很近，如图1所示。这样，达到相同的系统增益，双极化智能天线系统中天线的面积要大大小于单极化天线系统中天线的面积。

但是目前存在的DOA估计均是单极化智能天线下的DOA估计，双极化智能天线下的DOA估计算法还没有，如果双极化智能天线继续利用原来的算法，一方面，由于只利用了一个极化方向的信息进行DOA估计，必然导致由于浪费了另一个极化方向的信息而造成估计精度的下降；另一方面电磁波双极化的特性没能得到充分的利用，以便得到更准确的用户位置信息。

发明内容

有鉴于此，本发明提供一种双极化智能天线系统中的DOA估计方法，能够充分利用双极化智能天线的信息进行准确的DOA估计。

为实现上述目的，本发明采用如下的技术方案：

一种双极化智能天线系统中的DOA估计方法，包括：

对两个极化方向的天线分别进行信道估计得到相应极化方向的空间相关矩阵，并对应每一极化方向，利用EBB或GOB算法确定各个到达角方向的接收功率；

对应每一极化方向，根据该极化方向的空间相关矩阵和所述各个到达角方向的接收功率确定该极化方向对应的最大波束增益；

对两个极化方向对应的最大波束增益进行合并处理，确定用户的DOA信息。

较佳地，所述根据该极化方向的空间相关矩阵和所述各个到达角方向的接收功率确定该极化方向对应的最大波束增益包括：

在该极化方向的所述各个到达角方向的接收功率中确定最大接收功率，并根据该极化方向的空间相关矩阵对所述最大接收功率进行归一化处理，得到该极化方向上的波束增益，将其作为所述该极化方向对应的最大波束增益。

较佳地，所述根据该极化方向的空间相关矩阵和所述各个到达角方向的接收功率确定该极化方向对应的最大波束增益包括：

在该极化方向的所述各个到达角方向的接收功率中确定最大接收功率，并根据该极化方向的空间相关矩阵对所述最大接收功率进行归一化处理，得到该极化方向上的波束增益；

对所述该极化方向上的波束增益进行递归平均，将递归平均结果作为所述该极化方向对应的最大波束增益。

较佳地，所述根据该极化方向的空间相关矩阵和所述各个到达角方向的接收功率确定该极化方向对应的最大波束增益包括：

根据该极化方向的空间相关矩阵对该极化方向的所述各个到达角方向的接收功率分别进行归一化处理，得到该极化方向的各个到达角方向的波束增益；

对该极化方向的各个到达角方向的波束增益分别进行递归平均得到平均波束增益，并从所有平均波束增益中选择最大值作为所述该极化方向对应的最大波束增益。

较佳地，所述归一化处理的方式为：其中，χ_l为计算得到的波束增益，σ_l²为到达角方向l的接收功率，K_a为该极化方向的空间相关矩阵行数，r_xx，k，k为该极化方向的空间相关矩阵的对角线元素。

较佳地，所述进行递归平均的方式为：其中，χ_l(n)为当前帧计算得到的波束增益，为前一帧的波束增益递归平均结果，为当前帧的波束增益递归平均结果，p为根据终端的移动速度确定的遗忘因子。

较佳地，进行合并处理的方式为：最大比合并、等分合并或选择性合并。

较佳地，当两个极化方向对应的最大波束增益的比值小于预设阈值时，则采样最大比合并或等分合并进行所述合并处理；当两个极化方向对应的最大波束增益的比值大于或等于预设阈值时，则通过选择性合并方式，选择两个极化方向对应的最大波束增益中的较大值作为用户的DOA信息。

较佳地，当采样最大比合并时，确定当前帧中两个极化方向的最大接收功率，并按照最大接收功率的比例，对两个极化方向的最大波束增益进行最大比合并。

由上述技术方案可见，本发明中，首先根据当前帧信号对两个极化方向的天线分别进行信道估计得到相应极化方向的空间相关矩阵，并对应每一极化方向，利用EBB或GOB算法确定各个到达角方向的接收功率；然后，对应每一极化方向，根据该极化方向的空间相关矩阵和所述各个到达角方向的接收功率确定该极化方向对应的最大波束增益；最后，对两个极化方向对应的最大波束增益进行合并处理，确定用户的DOA信息。通过上述方式，充分利用两个极化方向的信息，从而获取更准确的DOA信息。

附图说明

图1为双极化智能天线系统的示意图。

图2为不同极化方向下的信号传播示意图。

图3为本发明中双极化智能天线系统中的DOA估计方法总体流程图。

图4为本发明实施例一中双极化智能天线系统中的DOA估计方法总体流程图。

图5为本发明实施例二中双极化智能天线系统中的DOA估计方法总体流程图。

具体实施方式

为使本发明的目的、技术手段和优点更加清楚明白，以下结合附图对本发明做进一步详细说明。

一方面，已经证明不同极化波(例如垂直极化和水平极化)之间存在着极化隔离，具体说来就是水平线极化天线接收水平极化波，而不接收垂直线极化波；反之垂直极化天线接收垂直极化波，而不接收水平极化波，这是由于天线的极化方向与接收电磁波的极化方向相互正交。

另一方面，根据文献从终端到基站之间的水平极化路径与垂直极化路径是不相关的，无线信号传送中经过多次的随机反射后，不同极化方向(无法极化方向的角度差是否为90度)上的信号就变成相互独立。信号经过环境的多次反射与散射后，在接收端得到具有不同幅度、时延与到达角的多径信号，如图2所示。

由图2可见，由于电磁波传输的特性，不同极化方向的电波经过相同的空间信道后的多径分布特性存在差异，它们主径的AOA或者DOA是不同的，如果我们对不同极性的主径DOA分别进行估计，然后对得到的DOA估计结果进行适当的合并处理则能够得到更精确的用户位置信息，因此本发明的基本思想是：分别确定两个极化方向的DOA信息，再通过合并处理确定最终的DOA信息。

图3为本发明中双极化智能天线系统中的DOA估计方法总体流程图。如图3所示，该方法包括：

步骤301，对两个极化方向的天线分别进行信道估计得到相应极化方向的空间相关矩阵，并对应每一极化方向，利用EBB或GOB算法确定各个到达角方向的接收功率。

步骤302，对应每一极化方向，根据该极化方向的空间相关矩阵和所述各个到达角方向的接收功率确定该极化方向对应的最大波束增益。

步骤303，对两个极化方向对应的最大波束增益进行合并处理，确定用户的DOA信息。

至此，本发明的DOA估计方法流程结束。在上述方法流程中，步骤302确定最大波束增益的方式可以有多种，步骤303中进行合并处理的方式也可以有多种，以下通过具体实施例进行详细说明本发明的具体实现方式。

实施例一：

本实施例中，以EBB算法为例进行说明。

图4为本发明实施例一中双极化智能天线系统的DOA估计方法具体流程图。如图4所示，该方法包括：

步骤401，对两个极化方向，分别进行信道估计得到相应极化方向的信道矩阵H1和H2。

本步骤中，具体进行信道估计的方法可以采用现有的各种估计方式，这里就不再赘述。

步骤402，对应每个极化方向，利用该极化方向的信道矩阵确定空间相关矩阵。

确定空间相关矩阵的方式与现有方式相同，即R_xx＝HH^H。本步骤对应每个极化方向，分别计算各自的空间相关矩阵R_xx1和R_xx2。

步骤403，对应每个极化方向，利用EBB算法根据相应极化方向的空间相关矩阵确定最佳赋形加权矢量。

具体利用EBB算法确定最佳赋形加权矢量的方式与现有方式相同，这里就不再赘述。本步骤对应每个极化方向，分别计算各自的最佳赋形加权矢量W1和W2。

步骤404，对应每个极化方向，确定预设的各个到达角方向的接收功率。

在单极化天线的DOA估计中，基站端会预设多个到达角方向，并对应每个到达角方向保存一个最大加权矢量。本发明中，仍然采用与单极化天线DOA估计相同的方式，预设多个到达角方向l，并对应每个到达角方向保存一个最大加权矢量s_l，将其称为天线调节矢量。本步骤中，确定各个到达角方向接收功率的方式与现有的EBB算法相同，即利用式(1)对所有到达角对应的天线调节矢量进行遍历，确定所有到达角方向的方向增益(即接收功率)：${\sigma }_l^2={\left|\mathrm{sum}(s_l·W^H)\right|}^2---\left(1\right)$

其中，σ_l²为到达角方向l的接收功率，W为步骤303中确定的相应极化方向的最佳赋形加权矢量。

步骤405，对应每个极化方向，在步骤404中确定的各个到达角方向的接收功率中选择最大接收功率，利用相应极化方向的空间相关矩阵确定最大接收功率对应的到达角方向的波束增益。

本步骤中，两个极化方向的处理相同，以其中一个极化方向为例进行说明。具体地，对应任一极化方向A，在该极化方向确定的各个到达角方向的接收功率中选择最大接收功率σ_L²，利用式(2)对该最大接收功率σ_L²进行归一化处理，从而确定相应到达角方向的波束增益：

其中，χ_L为计算得到的波束增益，σ_L²为最大接收功率，K_a为极化方向A的空间相关矩阵行数，r_xx，k，k为极化方向A的空间相关矩阵的对角线元素。

简单地，可以将上述计算得到的波束增益作为极化方向A的最大波束增益，同理，可以得到两个极化方向的最大波束增益，然后直接进入步骤307进行两个极化方向的最大波束增益的合并处理，确定最终的DOA估计结果。

或者，为了避免信道环境的恶化导致的错误估计，可以在本步骤后，进一步通过步骤406对上面得到的波束增益进行递归平均，以获得较为稳定准确的波束增益，然后利用递归平均后的波束增益作为相应极化方向的最大波束增益，再通过步骤407进行最大波束增益的合并处理。

步骤406，对应每个极化方向，对步骤405中得到的波束增益进行递归平均，确定相应极化方向的最大波束增益。

本步骤中，具体递归平均的方式可以为：

${\bar{\chi }}_L\left(n\right)=p^{*}{\bar{\chi }}_L(n-1)+(1-p){\chi }_L\left(n\right)---\left(3\right)$

其中，χ_L(n)为步骤405中得到的当前帧的波束增益，为前一帧的波束增益递归平均结果，为当前帧的波束增益递归平均结果，p为根据终端的移动速度确定的遗忘因子。在具体实现过程中，可以每N个帧进行一次DOA估计，即利用第0帧到第(N-1)帧的波束增益χ_L(0)到χ_L(N-1)根据式(3)进行递归运算，得到

对两个极化方向上的递归运算原理相同，然后将各自的递归运算结果作为相应极化方向上的最大波束增益。

步骤407，对不同极化方向下的最大波束增益进行合并处理，确定最终的DOA信息。

本步骤中，进行合并处理的方式可以采用现有的任意合并处理方式。本发明中以其中三种为例说明，分别为：最大比合并、等分合并或选择性合并。其中，不同的合并处理方式实现复杂度不同，应用场景也有所差异。

优选地，当两个极化方向下的最大波束增益相差较大时，可以采用选择性合并方式，选取两个极化方向的最大波束增益中的较大值作为最终的DOA信息。当两个极化方向下的最大波束增益相差较小时，可以采用最大比合并或等分合并的方式。其中，最大比合并时，按照两个极化方向的最大接收功率比例，进行最大波束增益的最大比合并。

具体实现时，可以预设一个阈值，当两个极化方向下的最大波束增益的比值小于预设阈值时，则采样最大比合并或等分合并进行合并处理；当两个极化方向对应的最大波束增益的比值大于或等于预设阈值时，则采用选择性合并方式进行合并处理。

在上述三种合并方式中，选择性合并的实现最简单，只需要选择二者中的较大值即可，只需要进行比较操作。但是这种合并方式，毕竟只利用了一个极化方向的信息，因此比较适用于两个极化方向的最大波束增益相差较大的情况，例如，万分之一倍的关系等。最大比合并和等分合并相比，最大比合并实现较为复杂，但能够获得更加准确的DOA信息，因此，可以在综合考虑DOA的精度要求和硬件处理能力的基础上，选择合适的方式进行合并处理。

经过上述合并处理后即得到最终的DOA信息。至此，本实施例中的DOA估计方法流程结束。

实施例二：

本实施例中，以GOB算法为例进行说明。

图5为本发明实施例二中双极化智能天线系统的DOA估计方法具体流程图。如图5所示，该方法包括：

步骤501～502，对两个极化方向，分别进行信道估计得到相应极化方向的信道矩阵H1和H2，再利用两个极化方向的信道矩阵确定相应极化方向的空间相关矩阵。

步骤501～502的具体实现与实施例一中步骤401～402的处理相同，这里就不再赘述。

步骤503，对应每个极化方向，利用GOB算法确定预设的各个到达角方向的接收功率。

与实施例一中类似，本实施例的基站端预设多个到达角方向l，并对应每个到达角方向保存一个最大加权矢量s_l，即天线调节矢量。利用GOB算法确定各个到达角方向的接收功率，具体方式与现有方式相同，即根据确定各个到达角方向的方向增益(即接收功率)。

步骤504，对应每个极化方向，利用相应极化方向的空间相关矩阵，确定各个到达角方向的波束增益。

本步骤中，两个极化方向的处理相同，以其中一个极化方向为例进行说明。具体地，对应任一极化方向A，利用式(4)对该极化方向的各个到达角方向的接收功率进行归一化处理，从而确定各个到达角方向的波束增益：

${\chi }_l=\frac{{\sigma }_l^2}{\frac{1}{k_a}\underset{k=1}{\overset{k_a}{\Sigma }}{r}_{\mathrm{xx},k,k}}---\left(4\right)$

其中，χ_l为到达角方向l的波束增益，σ_l²为到达角方向l的接收功率，K_a为极化方向A的空间相关矩阵行数，r_xx，k，k为极化方向A的空间相关矩阵的对角线元素。

步骤505，对应每个极化方向，对步骤504中得到的各个到达角方向的波束增益进行递归平均，确定相应极化方向中每个到达角方向的平均波束增益，并对应每个极化方向，选择平均波束增益的最大值作为该极化方向的最大波束增益。

本步骤中，具体递归平均的方式可以为：

${\bar{\chi }}_l\left(n\right)=p^{*}{\bar{\chi }}_l(n-1)+(1-p){\chi }_l\left(n\right)---\left(5\right)$

其中，χ_l(n)为步骤504中得到的当前帧中到达角方向l的波束增益，为前一帧中到达角方向l的波束增益递归平均结果，为当前帧中到达角方向l的波束增益递归平均结果，p为根据终端的移动速度确定的遗忘因子。具体实现与实施例一中类似，区别仅在于，本步骤中对应每个极化方向，需要计算各个到达角方向的递归平均结果。这样，即得到两个极化方向中各个到达角方向的波束增益的递归平均结果，称为到达角方向的平均波束增益。

接下来，对应每个极化方向，选择平均波束增益的最大值作为该极化方向的最大波束增益。

步骤506，对不同极化方向下的最大波束增益进行合并处理，确定最终的DOA信息。

本步骤的具体实现与实施例一中步骤407的具体实现相同，这里就不再赘述。

至此，本实施例中的DOA估计方法流程结束。

在上述两个实施例中，确定两个极化方向的最大波束增益的方式有所不同。其中，实施例一中，是首先确定所有到达角方向的最大接收功率，然后将该最大接收功率对应的到达角方向的波束增益进行递归平均确定平均波束增益，并将该平均波束增益作为最大波束增益；而实施例二中，则是首先根据各个到达角方向的接收功率确定各个到达角方向的波束增益和平均波束增益，选择平均波束增益的最大值作为最大波束增益。

对于这两种不同的最大波束增益确定方式，对应每个极化方向，实施例一中只需要针对一个到达角方向计算波束增益和平均波束增益，而实施例二中则需要针对所有到达角方向计算波束增益和平均波束增益，因此，实施例一中的方式实现简单，但是最大波束增益的选择没有实施例二中的准确。实际应用中，可以根据硬件处理能力和DOA信息的精度要求选择合适的方式进行处理。

另外，实施例一是以EBB算法为例进行的，实施例二是以GOB算法为例进行的。事实上，实施例一也可以采用GOB算法进行，实施例二也可以采用EBB算法进行。

依照上述本发明的DOA估计方法，进行了外场测试，测试结果如表1所示。其中，平均值为依照本发明的DOA估计方法得到的结果，GPS定位角度为准确的用户位置信息。由该测试结果可见，在直达径存在的情况下，采用该算法的DOA估计的精度误差小于2％；另外，多UE同时存在时，DOA估计的精度没有下降。

  单UE直达径  3UE直达径/分散  平均值  88.57  89.45  GPS定位角度  87  89  误差(％)  1.89  0.5

表1

由上述可见，本发明的DOA估计方式充分利用了电磁波极化传播特性的差异，使用户位置信息的估计精度得以提高。

以上仅为本发明的较佳实施例而已，并非用于限定本发明的保护范围。凡在本发明的精神和原则之内，所作的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。