一种提高估计精度的基于连续分布的角度估计方法与设备

摘要

本发明提供了一种提高估计精度的基于连续分布的角度估计方法与设备，属于宽带无线通信技术和多天线技术领域。所述设备包括发端码本设计模块、收端码本设计模块和信道估计模块，信道估计模块包括预处理模块和角度迭代估计器；预处理模块在角度域将连续分布的角度信息分解为整数倍采样角度与小数倍采样角度，角度迭代估计器借鉴Turbo译码原理实现角度估计。角度估计方法包括发送端码本设计、接收端码本设计和信道估计。本发明在天线数目较少的条件下即可实现高精度角度估计，极大地降低了装置部署天线的成本，降低了角度估计的算法复杂度，减少了接收端的处理时间，适用于大规模天线阵列下的单径毫米波通信系统，具有很好的推广应用前景。

说明书

技术领域

本发明涉及一种提高角度估计精度的检测方法，尤其是涉及毫米波天线阵列出发角/到达角估计的方法，属于宽带无线通信技术和多天线技术领域。

背景技术

为了满足下一代移动通信系统(5G)对高速数据传输率和大容量的需求，需要寻找更大传输带宽的频谱资源和研究高频谱效率的传输技术。毫米波频段的可用传输带宽可超过1GHz，是提供更大传输带宽的潜在频谱资源，因而毫米波通信技术有着广阔的发展前景。毫米波段的通信频段高，信号路径损耗十分严重，相比于微波通信，毫米波通信的信号衰减高达20-40dB左右，链路损耗问题十分突出。由于毫米波的波长较短，毫米波通信系统可以在收发两端同时部署大规模天线阵列，利用波束赋形、相干接收技术获得高的阵列增益来补偿严重的路径损耗。但波束赋形与相干接收都需要准确的信道状态信息，尤其是发送角和到达角信息。同时，由于毫米波频段的射频链路成本高昂，为节省成本，采用大规模天线阵列的通信系统中使用的射频链路数通常远小于天线阵元数目。在射频链路数目远少于天线阵元的硬件约束条件下，传统的空间超分辨率角度估计方法(例如MUSIC/ESPRINT等算法)不能使用。

其次，传统的角度估计方法在角度空间离散化时，通常假定角度分布在离散的采样点上，而实际角度分布是连续的。因此，为了满足角度分布在离散的采样点上的假设，在给定载波频率及天线阵元间隔条件下，只能通过增加阵元数来实现。然而，增加天线阵元数不仅增加了硬件成本，同时增大风阻，不利用实际应用。当角度分布不在离散的采样点上时，传统的角度估计算法性能显著下降。

对于高频段的毫米波蜂窝系统，为了克服高频段信号衰减严重的缺点，可以通过在收发两端配置大规模天线阵列并采用自适应波束赋形与相干接收技术获得大的阵列增益来提升链路的传输性能，而超分辨的角度估计技术是核心。现有技术主要有：

[1]中国专利申请：一种基于空时数据的高分辨目标方位的估计方法，公开号为104392114A，公开日期为2015年3月4日。该方案通过将天线输出的数据在时间域、空间域和延迟域形成相关矩阵，对相关矩阵进行去噪处理，利用循环特征分解方法计算信号子空间，从信号和噪声子空间的关系求解噪声子空间，得到噪声子空间的投影矩阵，基于投影矩阵反解目标方位和俯仰信息。

[2]中国专利申请：高精度阵列天线接收系统角度估计的装置及其方法，公开号为102394686A，公开日期为2012年3月28日。该方案通过选择梯度下降法或牛顿法，对各个阵元设置自适应权值，采用MUSIC算法来估计接收信号的到达角度，将与该角度对应的权 值参数作为自适应迭代的初值。计算系统的输出信号功率对权值参数进行自适应迭代；搜索最优的权值向量获得相应的角度值。

[3]中国专利申请：一种可扩展的用于均匀圆阵二维到达角的快速估计算法，公开号为104931923A，公开日期为2015年9月23日。该方案提出一种基于均匀圆阵的基于网格的迭代旋转不变技术估计型号参数的算法来获得二维到达角的超分辨估计。采用空间网格划分，利用循环补偿和迭代使用经典ESPRIT算法来进行估计。

[4]自适应压缩感知(ACS)算法的角度估计技术，基于二分法逐次减半角度空间，使用空间匹配滤波器搜索多径所在的角度范围，即收发两端多次交互发送训练序列，通过多次迭代，实现角度估计。

现有的四种天线阵列角度方法在毫米波信道角度估计应用中都存在局限性。[1][2][3]中所设计的方法虽然属于超分辨的角度估计方法，但都是基于MUSIC/ESPRIT类算法，而MUSIC/ESPRIT算法需要在数字域使用各天线的直接输出。当存在射频链路约束时，各天线的输出经过接收合并后才能在数字域被信道估计模块进行处理，因而MUSIC/ESPRIT类算法无法使用。[4]中给出的基于自适应压缩感知算法的角度估计技术的估计精度受限于物理天线数，且完成估计所需迭代次数较多，相应的估计时延和训练序列的开销较大。因此，如何在射频链路数有限的情况下，设计超分辨率的角度估计方法，在不增加天线阵元数目基础上，实现任意角度分辨率和通用低复杂的精确角度估计，是目前学术界和产业界都非常关注的热点。

发明内容

本发明为了克服传统角度估计方法对于角度仅仅分布在离散的采样点上的假设的限制，从角度连续分布的实际出发，提供了一种提高估计精度的基于连续分布的角度估计方法及设备，针对大规模均匀线性天线阵列下的毫米波通信系统，在不增加天线阵元数目的基础上，实现了高精度的角度估计。

本发明的基于连续分布的角度估计设备，包括发端码本设计模块、收端码本设计模块和信道估计模块。信道估计模块包括预处理模块和角度迭代估计器。

发端码本设计模块在连续的R个时隙采用相同的波束赋形矩阵发送相同的训练序列，其中R为正整数，训练序列x为全1向量，波束赋形矩阵W_B中某一个列向量为第i₀行元素为1、其他行元素为0的单位列向量，W_B的其他列向量均为0向量。

收端码本设计模块设计在连续的R个时隙采用不同的合并矩阵接收数据，其中，合并矩阵由随机单位矢量构成，任意两个中的单位矢量均不同，r＝1,2...R。

预处理模块对接收信号进行预处理，在角度域将连续分布的角度信息分解为整数倍采样角度与小数倍采样角度。

角度迭代估计器通过在整数倍采样角度与小数倍采样角度两部分之间相互迭代，进行角度估计。

本发明的基于连续分布的角度估计方法，实现步骤如下：

步骤1，发送端码本设计，具体为：发送端在连续的R个时隙采用相同的波束赋形矩阵发送相同的训练序列；训练序列x为全1向量，R为正整数；波束赋形矩阵W_B中某一个列向量为第i₀行元素为1、其他行元素为0的单位列向量，W_B的其他列向量均为0向量。

步骤2，接收端码本设计，具体为：接收端在连续的R个时隙采用不同的合并矩阵接收数据，由随机单位矢量构成，任意两个中的单位矢量均不同，r＝1,2...R。

步骤3，进行信道估计，具体为：(3.1)接收端对接收信号进行预处理，在角度域将连续分布的角度信息分解为整数倍采样角度与小数倍采样角度；(3.2)通过在整数倍采样角度与小数倍采样角度两部分之间相互迭代，进行角度估计。

所述的(3.1)中，设天线到达角和发送角分别表示为θ_M和θ_B，然后转换得到角度转换值φ_M和φ_B为：

${\phi }_M=\frac{{\mathrm{sin\theta }}_M}{2}\in [-\frac{1}{2},\frac{1}{2}),{\phi }_B=\frac{{\mathrm{sin\theta }}_B}{2}\in [-\frac{1}{2},\frac{1}{2});$

对区间进行离散化，分为N等分，N为天线数目；

则将角度转换值φ表示为其中，φ^k为整数倍采样角度，是与φ相邻最近的第k个离散角度采样点，k＝1,2,...,N；Δ为小数倍采样角度，是φ与离散点φ^k之间的偏差；当φ取φ_B时，N为基站天线数目N_B，当φ取φ_M时，N为移动站天线数目N_M。

本发明的优点与积极效果在于：

(1)克服传统角度估计方法对于角度仅仅分布在离散的采样点上的假设的限制，通过在接收端进行预处理，在角度域将连续分布的角度信息分解为与其最邻近的离散角度采样点估计和其与离散点的偏差估计两部分，即整数倍采样角度信息和小数倍采样角度信息。这种处理方式可以不受天线阵列尺寸的限制，在天线数目较少的条件下，即可实现高精度角度估计，可以超出整数倍均匀角度估计的分辨率下限，极大地降低了装置部署天线的成本。

(2)采用传统的收发端训练方式，包括训练序列、发端波束赋形矩阵、収端合并矩阵的设计，即可以使接收端提取的感知矩阵能满足约束等距性条件；

(3)采用常规的压缩重构算法即可完成角度估计，极大地降低了角度估计的算法复杂度，减少了接收端的处理时间；

(4)借鉴Turbo译码原理，通过整数倍采样角度与小数倍采样角度两部分之间相互迭代，来实现可靠的连续的角度估计。

本发明适用于大规模天线阵列下的单径毫米波通信系统，克服了现有角度估计方法资源 开销大，角度分辨率限制的问题，故具有很好的推广应用前景。

附图说明

图1是本发明的基于连续分布的角度估计设备的实现框图；

图2是本发明的角度估计方法中接收端对接受信号预处理的示意图；

图3是本发明的角度迭代估计器的实现框图；

图4是本发明实施例中不同阵元数下，角度估计误差和均匀整数倍角度估计误差下限仿真图；

图5是本发明实施例中不同阵元数与其相邻最近的整数倍离散点估计错误概率仿真对比图。

具体实施方式

下面将结合附图和实施例对本发明作进一步的详细说明。

本发明提供了一种提高估计精度的基于连续分布的角度估计方法及其设备。针对大规模均匀线性天线阵列下的毫米波通信系统，充分挖掘毫米波信道的稀疏结构特性，基于压缩感知技术，设计了训练序列辅助的角度估计方法。通过在接收端对接收信号进行预处理，在角度域将连续分布的角度信息分解为与其最接近的离散角度采样点估计和其与离散角度采样点的偏差估计两部分，即整数倍采样角度信息与小数倍采样角度信息。收发两端设计恰当的训练序列，使接收端接收的训练信号模型满足约束等距性条件，采用基于随机测量的压缩重构方法能够估计出整数倍采样角度；当整数倍采样角度已知条件下，通过最小二乘(LS：least square)算法即可估计出小数倍采样角度。借鉴Turbo译码原理，设计了在整数倍采样角度与小数倍采样角度两部分之间相互迭代，来实现连续的角度估计。因此，本发明在不增加天线数目的基础上，便可以实现高精度的角度估计。

毫米波信道中，直射径能量远大于非直射径的能量和，基于最大化信道容量准则的波束赋形如只给直射径分配功率而忽略非直射径，信道吞吐量仅有轻微的损失，因此对于配置了大规模天线阵列的毫米波通信系统，可以仅仅考虑直射径的角度估计而忽略其余非直射径。

设毫米波通信系统的基站(BS：Base Station)配置N_B个天线和K_B个射频链路，移动站(MS：Moblie>M个天线阵元和K_M个射频链路。当BS与MS之间的距离远大于天线阵列尺寸时，天线阵列上各阵元的接收信号衰落幅值近似一致，仅存在相位差。信道矩阵可表示为其中，θ_M和θ_B分别为天线到达角(AOA)和发送角(AOD)，β是衰落系数，a_M(·)为移动站天线阵列的导向矢量，a_B(·)为基站天线阵列的导向矢量，记将天线到达角和发送角进行数值转换，得到的数值φ_M和φ_B分别为：

则：

$a_M\left({\phi }_M\right)=\frac{1}{\sqrt{N_M}}{\left(\begin{array}{cccc}1& e^{j2{\mathrm{\pi \phi }}_M}& \mathrm{...}& e^{j\pi (N_B-1){\phi }_M}\end{array}\right)}^T,a_B\left({\phi }_B\right)=\frac{1}{\sqrt{N_B}}{\left(\begin{array}{cccc}1& e^{j2{\mathrm{\pi \phi }}_B}& \mathrm{...}& e^{j\pi (N_B-1){\phi }_B}\end{array}\right)}^T.$

如图1所示，本发明的基于连续分布的角度估计设备包含三大模块：发端码本设计模块，收端码本设计模块，信道估计模块。信道估计模块包括预处理模块和角度迭代估计器。发端码本设计模块设计在连续的时隙内采用相同的波束赋形矩阵发送相同的训练序列。收端码本设计模块设计在连续的时隙内采用不同的合并矩阵接收数据。预处理模块对接收信号进行预处理，在角度域将连续分布的角度信息分解为整数倍采样角度与小数倍采样角度。角度迭代估计器借鉴Turbo译码原理，通过在整数倍采样角度与小数倍采样角度两部分之间相互迭代，进行角度估计。

对应地，本发明的基于连续分布的角度估计方法涉及三个部分：发送端码本设计；接收端码本设计；信道估计。发送端的码本设计包括训练序列设计、发端赋形矩阵设计；接收端的码本设计包含収端合并矩阵设计。设计原则是使角度估计的信号模型满足基于随机测量的压缩重构算法可重构条件。下面本发明举例说明三个模块/部分的实现。

第一步，发送端码本设计，即发端码本设计模块的实现。

(1.1)发送端在R个时隙内发送相同的全一向量R为正整数。

(1.2)发送端设计波束赋形矩阵W_B，

设W_B的第n₀个列向量为为第i₀个元素为1、其他元素为0的N_B维的单位列向量，n₀∈{1,2,...,K_B}，i₀取值集合为集合P_B从集合R_B中随机选取；W_B的其余列向量均为0向量。

(1.3)发送端在连续的R个时隙采用相同的波束赋形矩阵W_B发送相同的训练序列x。

第二步，接收端码本设计，即收端码本设计模块的实现。

(2.1)接收端在连续的R个时隙采用不同的合并矩阵接收数据，合并矩阵由K_M个随机单位矢量构成，即的第m个列向量其中，m＝1,2,...,K_M，为第个元素为1，其他元素为零的N_M维单位列向量，取值集合为任意两个合并矩阵中的单位矢量均不相同，从R^r中随机选取，其中R¹＝{1,2,...,N_M}，R²表示从R¹选了K_M个数以后剩下的集合，R^r表示从R¹选了(r-1)K_M个数以后剩下的集合。

(2.2)发送信号通过BS端波束赋形处理和MS端接收合并处理后接收信号为：

$y=W_M^T{\mathrm{HW}}_{B}x+z---\left(1\right)$

其中，为接收信号，为加性高斯白噪声，为R个时隙收到的合并在一块的总合并矩阵

第三步，进行信道估计，即信道估计模块的实现。信道估计分为两步：接收端的预处理，角度迭代估计。

(3.1)接收端的预处理，即信道估计模块中预处理模块的实现。

接收端对接收信号进行预处理，在角度域将连续分布的角度信息分解为整数倍采样角度信息与小数倍采样角度信息。具体实现如下。

(3.1.1)对连续角度φ所属的区间进行离散化，分为N等分，N为天线数目，φ取φ_B或φ_M，对应N取值为N_B或N_M。将φ分为与其相邻最近的第k(k＝1,2,...,N)个离散角度采样点φ^k和其与离散点之间的偏差Δ两部分，如图2所示，即整数倍采样角度与小数倍采样角度：

$\phi ={\phi }^k+\Delta =-\frac{1}{2}+\frac{k-1}{N}+\Delta ---\left(2\right)$

(3.1.2)信道矩阵可表示为：

$H={\Delta }_M{\mathrm{\beta a}}_M\left({\phi }_M^k\right)a_B^T\left({\phi }_B^q\right){\Delta }_B---\left(3\right)$

其中，为φ_M相邻最近的第k(k＝1,2,...,N_M)个整数倍采样角度，为φ_B相邻最近的第q(q＝1,2,...,N_B)个整数倍采样角度。与φ_M的偏差记做Δ_M，与φ_B的偏差记做Δ_B，和分别表示包含到达角或发送角小数倍采样角度的一个对角矩阵，称为偏差矩阵，具体形式为：

${\Delta }_M=diag\left({\left(\begin{array}{cccc}1& e^{j2{\mathrm{\pi \Delta }}_M}& \mathrm{...}& e^{j\pi (N_B-1){\Delta }_M}\end{array}\right)}^T\right),{\Delta }_B=diag\left({\left(\begin{array}{cccc}1& e^{j2{\mathrm{\pi \Delta }}_B}& \mathrm{...}& e^{j\pi (N_B-1){\Delta }_B}\end{array}\right)}^T\right).$

本发明实施例在说明时，偏差矩阵与偏差的字符表示不同之处在于，前者用粗体字符表示，后者用非粗体字符，例如偏差矩阵Δ_M与偏差Δ_M。

(3.1.3)根据均匀整数倍角度估计的信道稀疏处理方式，选取离散傅里叶变换为一组正交基，将天线阵列间的毫米波连续信道矩阵H中离散部分进行稀疏表征，相应形式为：

$H={\Delta }_M^T{F}_M^T{\mathrm{GF}}_B{\Delta }_B---\left(4\right)$

式中，和为离散傅里叶变换矩阵，为整数倍采样角度的虚拟信道矩阵。

(3.1.4)经过预处理后接收导频序列的形式为：

$y=W_M^T{\Delta }_M^T{F}_B^{T}g+z---\left(5\right)$

式中，为仅包含到达角度小数倍采样角度的对角矩阵，是稀疏度为1的仅包含到达角的整数倍采样角度的虚拟信道向量。

(3.1.5)MS端作为接收端重复(3.1.1)～(3.1.4)过程，估计MS端的AoA信息，即BS端的AoD信息。

(3.2)接收端的角度迭代估计，即接收端的角度迭代估计器的实现。

借鉴turbo译码原理，设计了角度估计迭代器，通过在整数倍采样角度与小数倍采样角度 两部分之间相互迭代，来实现连续分布的角度估计，迭代过程如图3所示，具体描述如下。

(3.2.1)初始化估计器的参数，包括到达角/发送角的小数倍采样角度，初始偏差Δ＝0；

(3.2.2)整数倍采样角度的估计：在小数倍采样角度已知的条件下，由接收信号公式通过压缩

y＝WΔFg+z (6)

其中，W是压缩感知重构算法的采样矩阵，对应公式(5)中的Δ·F是压缩感知重构算法的变换矩阵，对应公式(5)中的由偏差Δ可得到偏差矩阵。

采取传统的压缩感知重构算法，例如正交匹配追踪算法、Turbo估计算法等，即可估计整数倍采样角度的虚拟信道稀疏向量g。

(3.2.3)小数倍采样角度的估计：在整数倍采样角度的虚拟信道稀疏向量g已知的条件下，由对角矩阵的点乘特性，由LS算法即可估计出小数倍采样角度矩阵Δ。

(3.2.4)检查迭代终止条件，若不满足，将Δ作为初始值继续第二部迭代过程。若满足进入(3.2.5)。

(3.2.5)终止迭代，输出小数倍采样角度矩阵的估计值和整数倍采样角度的虚拟信道稀疏向量

(3.2.6)根据整数倍采样角度的虚拟信道向量非零元素所在的行号k，得到天线接收端到达角所对应的与其相邻最近的整数倍采样点：

${\phi }^k=\frac{k-1}{N};$

(3.2.7)根据偏差矩阵通过对角元素的线性拟合，可以得到天线的发送角和到达角所对应的小数倍采样角度的估计值

(3.2.8)根据所求得的与其相邻最近的整数倍采样点和其与整数倍采样点的角度偏差，得到估计的连续角度如下：

$\frac{sin\left(\tilde{\theta }\right)}{2}=\tilde{\phi }=-\frac{1}{2}+\frac{k-1}{N}+\tilde{\Delta };$

利用上述等式，接收端估计出天线发送角和到达角

下面结合图4和图5，说明本发明方法进行多次仿真实施试验的结果。仿真实验结果图是在加性白高斯噪声信道状况下，随机生成100000次的链路级仿真实施试验图，为了简便，其中收发端天线数目，且射频链路数设定相等，即N_B＝N_M＝N，R＝5。

图4中曲线为本发明方法实施例中在不同阵元数下角度估计误差曲线，横坐标为发射信噪比(SNR)，纵坐标为平均角度估计误差。仿真实验表明，在发射信噪比从0dB增加到20dB的过程中，本发明实施例中角度估计方法的角度估计误差逐渐降低。当N＝512 时，本发明的角度估计方法在SNR＝3dB左右开始超过基于均匀整数倍角度估计方法的角度估计误差下限值，此时基于均匀整数倍角度估计方法的角度估计误差下限值如图中lower bound of 512 base in discrete angle所示的线段。当N＝1024时，本发明的角度估计方法在SNR＝7dB左右开始超过基于均匀整数倍角度估计方法的角度估计误差下限值，基于均匀整数倍角度估计方法的角度估计误差下限值如图中lower bound of 1024 base indiscrete angle所示的线段。当SNR＝20dB时，天数数目为512，本发明的与误差下限相差0.003406；天线数目1024，本发明的与误差下限相差0.000728。随着阵元数N增加，角度分辨率增大，角度估计误差也越小。

图5是本发明的角度估计方法中与其相邻最近的均匀整数倍离散点估计错误概率仿真图，横坐标为发射信噪比(SNR)，纵坐标为均匀整数倍离散点估计错误概率。在发射信噪比从0dB增加到20dB的过程中，随着阵元数的增加，对应于压缩感知中的稀疏率越低，其重构性能也越好，与其相邻最近的均匀整数倍离散点估计错误概率越低。因此，通过实验证明本发明能在不增加天线阵元数目的基础上，实现更高精度的角度估计的目的。