用于使用模态天线寻找信号方向的方法

摘要

提供了一种用于使用模态天线获得输入到通信设备的信号的方向的方法，该模态天线具有对应于具有单极馈电的多个辐射图的多个模式。

说明书

技术领域

本发明大体上涉及无线通信；并且更具体地涉及用于使用有源多模天线寻找信号的方向的方法。

背景技术

随着新一代的无线通信设备变得越来越小且嵌入有增加的应用，需要新的天线设计、系统配置和控制算法来实现新的能力和提高QOS。例如，地理定位是用于识别移动设备(诸如手机、智能电话、笔记本电脑、平板电脑、互联网连接的计算机终端和其他无线通信设备)的地理位置的功能。由于紧急“911”服务、公共安全和法律实施问题，期望这些设备包含位置确定功能。此外，在新兴的车辆到车辆通信协议中，位置确定功能使一辆车能够跟随另一车的移动操纵通信信号，从而提高通信链路的质量并降低电磁干扰。这样的地理定位或位置确定功能可通过配置用于寻找RF信号的方向的天线系统来实现。

测向(亦称到达角(AOA)估计)通常指确定输入信号的到达方向的方法，并且在频谱监测以及在侦查和监视应用中发挥着重要的作用。通常，测向利用检测输入RF信号的天线的阵列，其中相位和振幅信息相关联以计算信号的到达方向。在这样的传统测向系统中，一个接收器被提供用于每个天线，特别是在多路径干扰或同信道信号存在的情况下需要高分辨率。这样的配置允许连续采样由每个天线接收的信息。然而，缺点在于它是昂贵的且必须有大的空间以提供多个天线和接收链。如典型的情况，当使用多天线系统时，天线之中的电磁耦合以及天线和附近的电子设备之间的电磁耦合常常会恶化传输质量和接收质量。另外，效率在多个RF链被通电的许多情况下可能会恶化，且功耗增加。

发明概述

提供了一种用于使用模态天线获得输入到通信设备的信号的方向的方法，该模态天线具有对应于具有单极馈电的多个辐射模型的多个模式。

技术问题

关于用于信号测向的传统方法，几个局限性至少包括：(i)传统技术需要多个天线，然而它是昂贵的且必须有大的空间来提供多个天线和接收设备中的链；(ii)当多天线系统用于测向时，天线之中的电磁耦合以及天线和附近的电子设备之间的电磁耦合常常会恶化传输和接收质量；以及(iii)效率在多个RF链被通电的许多情况下可能会恶化，且功耗增加。

问题的解决方案

有源多模天线(也被称为“模态天线”)包括被配置为产生对应于模态天线的多个天线模式的多个不同的辐射图的单天线，其可用于确定信号方向。在这方面，仅需要一个天线来寻找信号方向，而不是现有技术方法中的多个天线。

发明的有利影响

借助用于寻找信号方向所需的仅一个天线，(i)所需的天线体积显著减小，从而在相应的设备内以较小的体积要求实现信号寻找；(ii)由于只有一个天线，因此天线之间没有耦合，导致信号质量提高；以及(iii)效率提高。

附图简述

图1图示了模态天线的示例。

图2(a)图示了在第一状态中与图1的模态天线相关联的辐射图。

图2(b)图示了在第二状态中与图1的模态天线相关联的辐射图。

图3是图示用于获得给出Err(Θ,Φ)的最小值作为信号的AOA的角的第一方向寻找算法的流程图。

图4是图示用于获得给出Err^K(Θ,Φ)的最小值作为用于第K个模式的信号的AOA的角的第二方向寻找算法的流程图，其中角(Θ,Φ)选自满足特定标准的角的有限集。

图5是图示用于考虑信号强度改变的程序的流程图。

图6是图示用于考虑信号强度改变的、可并入第二算法的程序的流程图。

图7图示了示意地示出多路径信号和接收它们的通信设备的示例。

图8是图示其中利用多路径分量来提高第一算法中的AOA估计的精度或置信水平的算法的流程图。

图9是图示其中利用多路径分量来提高第二算法中的AOA估计的精度或置信水平的算法的流程图。

图10是图示基于先前所获得的AOA信息来更新增益变化的过程的流程图。

图11是图示用于做出决定的增益变化和信号强度变化的示例的表格。

图12示意地图示了在天线的模式之间的转变期间的信号强度的相位偏移的测量。

图13图示了根据角和模式(即，天线的辐射图)示出增益的相位数据的查询表的部分。

实施例的描述

鉴于与基于多天线系统的测向相关联的以上问题，本文提供了基于能够产生多个辐射图的单天线的新类型的测向方法。

模态天线(也被称为零控天线)可生成对应于多个辐射图的多个模式，相当于具有带有相同馈电的一组天线。通过使用能够生成不同辐射图的模态天线，可能的是，利用在用于操纵光束的不同模式中的天线零点和波瓣的先验知识，以在主要的干扰方向上具有零点，同时将增益保持在所需的方向上。因此，模态天线的实施可允许具有一个天线的图案分集，从而比使用多个天线需要更小的体积和面积。模态天线的结构和实施的示例被提供在于2011年3月22日发布的题为“ANTENNA AND METHOD FOR STEERING ANTENNA BEAM DIRECTION”的美国专利No.7,911,402中；“’402专利”。‘402专利的内容概括如下：

图1图示了模态天线100的示例，该模态天线包括被放置在地平面108上的隔离磁偶极子(Isolated Magnetic Dipole)^TM(IMD)元件104、耦合到第一有源元件113的第一寄生元件112、以及耦合到第二有源元件117的第二寄生元件116。有源元件113和117可包括开关，其将寄生元件112和116电连接(短路)到地平面108或断开(开路)与地平面的连接。这种结构允许两种不同的操作模式具有对应于第一状态和第二状态的共同的频率，在该第一状态中寄生元件112和116被短路到地，在该第二状态中寄生元件112和116是开路。

图2(a)图示了在第一状态中与天线100相关联的辐射图204；以及图2(b)图示了在第二状态中的辐射图208，相较于辐射图204其示出了在方向上的九十度的偏移。因此，通过控制模态天线100的有源元件113和117，两种模式的操作可在相同的频率下获得。控制方案可通过例如在有源元件中并入用于变化控制的可调元件和并入用于匹配的附加有源元件而扩展为三种或更多种多模操作。这些有源元件的示例包括开关、可调电容器、可调移相器、二极管、微电子机械系统(MEMS)开关、MEMS可调电容器以及晶体管，该晶体管包括金属氧化物半导体场效应晶体管(MOSFET)、金属半导体场效应晶体管(MESFET)、伪高电子迁移率晶体管(pHEMT)、异质结双极晶体管(HBT)或其他合适技术。

为了通过使用具有多个辐射图的模态天线来估计RF信号的到达角(AOA)，以下参照后续附图解释根据实施例的测向算法。

在这些算法中，模态天线被配置为具有多个(N)天线模式，对应于多个辐射图K＝0,1...和N-1；即，模态天线在N个模式的每种不同的天线模式中产生不同的辐射图。球面坐标用于估计信号的AOA，其表示为(Θ₀,Φ₀)。(Θ,Φ)空间在测向程序之前被跨越，以及根据所需的分辨率考虑的Θ和Φ的所有可能的离散值被列在组或集合中，集合{Θ,Φ}。G^K(Θ,Φ)表示在角(Θ,Φ)处具有第K个辐射图的模态天线的以dB表示的增益，其可被预先测量并储存在存储器中。E^K(Θ,Φ)表示在角(Θ,Φ)处具有第K个辐射图的当前模式和具有第K-1个辐射图的先前模式之间的以dB表示的增益中的差值，并如以下定义：

E^K(Θ，Φ)＝G^K(Θ，Φ)-G^K-1(Θ，Φ)，>

其中，K＝1,2…和N，以及EN(Θ,Φ)被定义为[G0(Θ,Φ)–GN-1(Θ,Φ)]。S^K表示在具有第K个辐射图的配置中的以dBm表示的信号强度，其中K＝0,1…和N-1。Δ^K表示具有第K个辐射图和第K-1个辐射图的配置之间的以dB表示的信号强度中的差值，并如以下定义：

Δ^K＝S^K-S^K-1，>

其中，K＝1,2…和N，以及Δ^N被定义为[S⁰–S^N-1]。

在定义了以上参数后，可作出计算来获得在每个角(Θ,Φ)处的增益变化E^K(Θ,Φ)和信号强度变化Δ^K之间的差值，如下：

Err^K(Θ，Φ)＝[E^K(Θ，Φ)-Δ^K]²，>

其中，K＝1,2…和N，以及为了计算方便采用了2的幂以具有正数。因此，来自具有不同辐射图的所有配置的贡献可如下获得：

因此，信号的AOA(Θ₀,Φ₀)可通过在集合{Θ,Φ}中的所有的对(Θ,Φ)内找出方程(4)中的以上量的最小值来获得，如下：

Err(Θ₀，Φ₀)＝min[Err(Θ，Φ)]，>

其中，(Θ₀,Φ₀)∈集合{Θ,Φ}。

图3是根据以上程序图示第一测向算法的流程图，该第一测向算法用于获取给出Err(Θ,Φ)的最小值作为信号的AOA的角。初始化在步骤304中进行，以将模式(即，模态天线的辐射图)设置为K＝0。另外，在该步骤中，在球面坐标中跨越的(Θ,Φ)的离散值根据所需的分辨率被确定，并储存在集合{Θ,Φ}中。在步骤308中，具有第0个辐射图的配置中的信号强度S⁰被测量。步骤312-328代表从K＝1到K＝N迭代地计算Err^K(Θ,Φ)的do-循环(do-loop)。具体地，在步骤312中辐射图被改变到下个图之后，具有第K个辐射图的新的配置中的信号强度S^K在步骤316中被测量。在步骤320中，使用先前的测量值S^K-1，具有第K个辐射图模的配置和第K-1个辐射图的配置之间的信号强度的差值(即，信号强度变化)可如方程(2)被计算，即，Δ^K＝S^K-S^K-1。使用所测量的信号强度变化Δ^K和所预先测量并储存的G^K(Θ,Φ)值，当第K个辐射图被选择时其是模态天线在角(Θ,Φ)处的增益，步骤324继续以如方程(3)计算Err^K(Θ,Φ)，即，Err^K(Θ,Φ)＝[E^K(Θ,Φ)-Δ^K]²，其中E^K(Θ,Φ)＝G^K(Θ,Φ)-G^K-1(Θ,Φ)，如方程(1)中，其是增益变化。在步骤324中，对集合{Θ,Φ}中的每对的(Θ,Φ)进行这种计算。在对K＝1到N的每对的(Θ,Φ)值的Err^K(Θ,Φ)进行计算之后，在步骤332中，对于具有不同辐射图的所有配置的Err^K(Θ,Φ)如方程(4)求和，以获得对于在集合{Θ,Φ}中的每对的(Θ,Φ)值的Err(Θ,Φ)。在步骤336中，在对于集合{Θ,Φ}中的所有对的(Θ,Φ)的Err(Θ,Φ)值之中，找到给出最小值的Err(Θ,Φ)。如果在步骤340中确定过程将要终止，则在步骤344中，给出最小值Err(Θ,Φ)的(Θ,Φ)值被输出作为AOA(Θ₀,Φ₀)。如果在步骤340中确定过程将要继续，则过程返回到用于初始化的步骤304，并且重复后续的步骤。

在以上的算法中，AOA(Θ₀,Φ₀)作为在集合{Θ,Φ}中的所有的对(Θ,Φ)内给出Err(Θ,Φ)的最小值的角被获得。可选地，AOA(Θ₀,Φ₀)可作为对于具有第K个辐射图的配置给出Err^K(Θ,Φ)的最小值的角被获得，除非该对(Θ,Φ)选自满足特定标准的角的有限集。

图4是图示第二测向算法的流程图，其用于获得给出Err^K(Θ,Φ)的最小值作为对于第K个模式的信号的AOA的角，其中角(Θ,Φ)选自满足特定标准的角的有限集。初始化在步骤404中进行，以将模式(即，模态天线的辐射图)设置为K＝0。另外，在该步骤中，在球面坐标中跨越的(Θ,Φ)的离散值根据特定标准被确定，并储存在子集{Θ,Φ}中。基于现有的计算结果或所测量的数据和其他合理的工程判断，根据经验判断，初始子集{Θ,Φ}中的角(Θ,Φ)可选自原始集合{Θ,Φ}。在步骤408中，具有第0个辐射图的配置中的信号强度S⁰被测量。步骤412-464代表从K＝1到K＝N迭代地计算Err^K(Θ,Φ)的do-循环。在步骤412中辐射图被改变到下个图之后，具有第K个辐射图的新的配置中的信号强度S^K在步骤416中被测量。在步骤420中，使用先前的测量值S^K-1，具有第K个辐射图的配置和具有第K-1个辐射图的配置之间的信号强度的差值(即，信号强度变化)可如方程(2)被计算，即，Δ^K＝S^K-S^K-1。在步骤424中，第一对(Θ,Φ)选自子集{Θ,Φ}。使用所测量的信号强度变化Δ^K和所预先测量并储存的G^K(Θ,Φ)值，当第K个辐射图被选择时其是模态天线在角(Θ,Φ)处的增益，步骤428进行以如方程(3)计算Err^K(Θ,Φ)，即，Err^K(Θ,Φ)＝[E^K(Θ,Φ)-Δ^K]²，其中E^K(Θ,Φ)＝G^K(Θ,Φ)-G^K-1(Θ,Φ)，如方程(1)，其是增益变化。在计算对于每对(Θ,Φ)的Err^K(Θ,Φ)之后，在步骤436中判断Err^K(Θ,Φ)值是否小于预定的阈值Tshld，其与在判断最终的AOA的精度中的容差有关。如果为是，则在步骤440中，给出关系Err^K(Θ,Φ)<Tshld的角(Θ,Φ)被储存在临时子集{Θ,Φ}中。如果在步骤436以及之后的步骤440中为否，则过程进行到步骤444，其中判断子集{Θ,Φ}中的所有角(Θ,Φ)是否已经用尽。如果在步骤444中为否，则在步骤432中选择子集{Θ,Φ}中的下一对角(Θ,Φ)，并且过程从步骤428到步骤432重复，直至子集{Θ,Φ}中的所有角(Θ,Φ)用尽。在步骤448中，用临时子集{Θ,Φ}代替子集{Θ,Φ}，这意味着只有满足关系Err^K(Θ,Φ)<Tshld的角(Θ,Φ)被选择并被储存为更新的子集{Θ,Φ}。在步骤452中，在对于子集{Θ,Φ}中的所有的对(Θ,Φ)的Err^K(Θ,Φ)值之中，找到给出最小值的Err(Θ,Φ)。如果在步骤456中确定过程将要终止，则在步骤460中，给出最小值Err^K(Θ,Φ)的(Θ,Φ)值被输出作为对于给定的K的AOA(Θ₀,Φ₀)。如果在步骤456中确定过程将要继续，则过程走到步骤464以判断K＝N是否已经达到。如果为否，则在412中选择下个K，并且过程在步骤416和之后处重复。如果为是，则过程返回到用于初始化的步骤404，并且重复后续的步骤。

在以上的第一算法和第二算法中，E^K(Θ,Φ)值通过使用模态天线的增益值G^K(Θ,Φ)被获得，该增益值可被预先测量并储存在存储器中。除了在自由空间中的天线增益之外，在各种使用条件或环境下的天线增益也可被预先测量并储存在存储器中。例如，在天线附近辐射图可由于头部、手部、搭接部、木头、金属或其他引起干扰的物体而受到不同的位置和角度干扰。在这样不同的条件或环境下的天线增益可被预先测量并储存在存储器中。此外，一个或多个传感器可被包括在设备中，以检测使用条件或环境。这样的传感器可包括接近传感器、运动传感器、光传感器、压力传感器或其他类型的传感器。在实际操作期间，传感器被配置为检测在每个时间间隔期间的使用条件或环境，并将所检测的信息发送到控制器，其被配置为选择对应于所检测的条件或环境的增益值。随后，这些根据条件或环境被储存在存储器中的预先测量的G^K(Θ,Φ)值可用于获得第一算法和第二算法中的E^K(Θ,Φ)。

在以上两种算法的实际应用中，有一种可能性是，实际的信号强度在对于具有第K个和第K-1个辐射图的配置的测量之间的时间期间改变，引起AOA的不精确的估计。为了考虑到这样的改变，信号强度可在预定的时间段内被测量，并且信号强度的时间平均值可用在测向算法中。图5是图示对于考虑了信号强度改变的程序的流程图，其可分别被并入参照图3和图4所描述的第一算法和第二算法中的每个中。在第一算法中的步骤304或在第二算法中的步骤404之后，过程可进行到步骤508。在步骤508中，具有第0个辐射图的配置中的信号强度S⁰在一定的时间段Δt内被测量，并且在Δt内的S⁰的平均值作为Sav⁰被获得。在步骤512中辐射图改变到下个图之后，具有第K个辐射图的新的配置中的信号强度S^K在一定的时间段Δt内被测量，并且在Δt内S^K的平均值在步骤516中作为Sav^K被获得。在步骤520中，使用先前的测量值Sav^K-1，具有第K个辐射图的配置和具有第K-1个辐射图的配置之间的信号强度的差值可如方程(2)来计算，即，Δav^K＝Sav^K-Sav^K-1。此后，过程进行到第一算法中的步骤324或第二算法中的步骤424。

附加地或可选地，测量之间的信号强度的改变可根据在一定的时间段内的信号强度改变的幅度通过变化第二算法中的参数Tshld来考虑。图6是图示对于考虑了信号强度改变的程序的流程图，其可被并入参照图4所描述的第二算法中。在步骤412中辐射图改变到下个图之后，具有第K个辐射图的新的配置中的信号强度S^K在一定的时间段Δt内被测量，并且在Δt期间S^K的最小值和最大值在步骤616中分别作为S^Kmin和S^Kmax被获得。随后，在步骤620中，参数Tshld根据|S^Kmax-S^Kmin|的大小被确定。通常，|S^Kmax-S^Kmin|越大，Tshld值越大，以适应变化变化。过程可进行到步骤420，以通过使用每个均在Δt期间在预定的代表性的时间点处所测量的S^K和S^K-1值来计算Δ^K＝S^K-S^K-1。可选地，通过结合参照图5所描述的时间平均程序，Δav^K＝Sav^K-Sav^K-1可通过使用每个代表在Δt内的信号强度的平均值的Sav^K和Sav^K-1值来计算。此外，对于Err^K(Θ,Φ)的权重因子可根据对于每个K的信号强度改变的大小来确定，并乘以Err^K(Θ,Φ)以用于与图4的步骤436中的固定Tshld进行比较，而不是根据对于每个K的信号强度改变的大小来改变参数Tshld。

诸如WCDMA的一些协议使用包括RAKE接收器的架构，其可被采用在以上的算法中，以增加AOA估计的精度。在RF通信的许多实例中，发射器和接收器之间的视线由于诸如墙、树和其他物体的障碍物而变得堵塞或被遮蔽。每个信号反弹可能会引入相位偏移、时间延迟、衰减和失真，引起信号的多路径分量。多路径分量是通过不同的回波路径行进的原始信号的延迟的副本，每个具有不同的幅度和到达接收器的时间。由于每个分量包含原始信息，因此通过考虑每个分量的到达(相位)的幅度和时间能够可靠地获得信息。

RAKE接收器具有多个“手指”，每个被分配为接收不同的多路径分量。由所有手指获得的信息与充分利用多路径信号的不同特性相关联。图7图示了示意地示出多路径信号和接收它们的通信设备的示例。在该示例中，通信设备配备有与RAKE接收器耦合的模态天线。模态天线用第K个辐射图来设置，并且RAKE接收器正接收主信号S^K₁、S^K₁的第一副本S^K₂和S^K₁的第二副本S^K₃。第一副本S^K₂是在输入到通信设备之前具有反弹的主信号的多路径分量，以及第二副本S^K₃是在输入到通信设备之前具有不同的反弹的主信号的多路径分量。在该示例中，S^K₂的到达时间比S^K₁延迟的更晚，以及S^K₃的到达时间比S^K₂更进一步延迟。

对于本领域中的技术人员来说已知的是，基于3GPP标准的大多数信道传播包括至少一个多路径分量，其在接近主信号的角处(例如，15度内)到达。该事实表明，如果分量中的至少一个具有在一定容差内接近主信号的入射角的入射角，则对于入射角的确是AOA的概率高。因此，可采用多路径分量信号的检测来提高在测向算法中的AOA估计的精度或置信水平。

图8是图示算法的流程图，在该算法中采用了多路径分量来提高先前参照图3所描述的第一算法中的AOA估计的精度或置信水平，其中给出Err(Θ,Φ)的最小值的角作为信号的AOA被获得。该示例基于包括模态天线的设备，该模态天线具有对应于N种辐射图的N种模式，和耦合到模态天线并被配置为接收主信号和两个多路径分量(即，主信号的两个副本)的RAKE接收器。应理解的是，基于计算时间和其他因素，RAKE接收器可被配置为接收主信号和主信号的一个或多个副本。在图8中，初始化在步骤804中进行，以将模式(即，模态天线的辐射图)设置为K＝0。另外，在该步骤中，在球面坐标中跨越的(Θ,Φ)的离散值根据所需的分辨率被确定，并储存在集合{Θ,Φ}中。在步骤808中，具有第0个辐射图的配置中的主信号、主信号的第一副本和主信号的第二副本的信号强度S⁰₁、S⁰₂、S⁰₃被测量。步骤812-828表示从K＝1到K＝N迭代地计算Err^K₁(Θ,Φ)、Err^K₂(Θ,Φ)、Err^K₃(Θ,Φ)的do-循环，其中Err^K₁(Θ,Φ)、Err^K₂(Θ,Φ)、Err^K₃(Θ,Φ)基于在具有第K个辐射图的配置中的主信号、主信号的第一副本和主信号的第二副本的信号强度S^K₁、S^K₂、S^K₃如方程(3)来定义。具体地，在步骤812中辐射图改变到下个模型之后，具有第K个辐射图的新的配置中的主信号、主信号的第一副本和主信号的第二副本的信号强度S^K₁、S^K₂、S^K₃在步骤816中被测量。在步骤820中，使用先前的测量值S^K-1₁、S^K-1₂、S^K-1₃，在具有第K个辐射图的配置和具有第K-1个辐射图的配置之间的信号强度的差值对于每个信号可如方程(2)来计算，即，Δ^K_i＝S^K_i-S^K-1，其中i＝1、2和3。使用所测量的信号强度变化Δ^K_i和所预先测量并储存的G^K(Θ,Φ)值，当第K个辐射图被选择时其是模态天线在角(Θ,Φ)处的增益，步骤824进行以如方程(3)计算关于每个i的Err^K_i(Θ,Φ)，即，Err^K_i(Θ,Φ)＝[E^K(Θ,Φ)-Δ^K_i]²，其中i＝1、2和3且E^K(Θ,Φ)＝G^K(Θ,Φ)-G^K-1(Θ,Φ)，如方程(1)，其是增益变化。在步骤824中，对于集合{Θ,Φ}中的每对(Θ,Φ)进行这种计算。在对于K＝1到N的每对(Θ,Φ)值的Err^K(Θ,Φ)进行计算之后，在步骤832中，对于具有不同辐射图的所有配置的Err^K₁(Θ,Φ)、Err^K₂(Θ,Φ)、Err^K₃(Θ,Φ)如方程(4)中求和，以获得对于集合{Θ,Φ}中的每对(Θ,Φ)的Err₁(Θ,Φ)、Err₂(Θ,Φ)、Err₃(Θ,Φ)。在步骤836中，在对于集合{Θ,Φ}中的所有的对(Θ,Φ)的Erri(Θ,Φ)值之中，对于i＝1、2和3中的每个找到给出最小值的Erri(Θ,Φ)。因此，给出最小值Erri(Θ,Φ)的(Θ,Φ)值作为对于i＝1、2和3中的每个的AOA(Θ_0i,Φ_0i)被获得。在步骤838中，在一定的容差范围内判断是否(Θ₀₁,Φ₀₁)＝(Θ₀₂,Φ₀₂)以及(Θ₀₁,Φ₀₁)＝(Θ₀₃,Φ₀₃)。如果在该步骤中为否，则意味着存在异常，并且过程返回到步骤804中的初始化。如果为是，则可确定角(Θ₀₁,Φ₀₁)是具有高的置信水平的AOA，并且过程进行到步骤840。如果在步骤840中确定过程将要继续，则过程返回到用于初始化的步骤804，并且重复后续的步骤。如果确定过程将要结束，则在步骤844中角(Θ₀₁,Φ₀₁)被输出为AOA。

类似于以上所述，可采用多路径分量信号的检测来提高先前所描述的第二算法中的AOA估计的精度或置信水平。图9是图示算法的流程图，在该算法中采用了多路径分量来提高先前参照图4所描述的第二算法中的AOA估计的精度或置信水平，其中给出最小值Err^K(Θ,Φ)的角作为对于第K个模式的信号的AOA被获得，其中角(Θ,Φ)选自满足特定标准的角的有限集。初始化在步骤904中进行，以将模式(即，模态天线的辐射图)设置为K＝0。另外，在该步骤中，在球面坐标中跨越的(Θ,Φ)的离散值根据特定标准被确定，并储存在子集{Θ,Φ}中。基于现有的计算结果或所测量的数据和其他合理的工程判断，根据经验判断，初始子集{Θ,Φ}中的角(Θ,Φ)可选自原始集合{Θ,Φ}。在步骤908中，具有第0个辐射图的配置中的主信号、主信号的第一副本和主信号的第二副本的信号强度S⁰₁、S⁰₂、S⁰₃被测量。在步骤912中辐射图改变到下个图之后，具有第K个辐射图的新的配置中的主信号、主信号的第一副本和主信号的第二副本的信号强度S^K₁、S^K₂、S^K₃在步骤916中被测量。在步骤920中，使用先前的测量值S^K-1₁、S^K-1₂、S^K-1₃，具有第K个辐射图的配置和具有第K-1个辐射图的配置之间的信号强度的差值对于每个信号可如方程(2)来计算，即，Δ^K_i＝S^K_i-S^K-1_i，其中i＝1、2和3。在步骤924中，第一对(Θ,Φ)选自子集{Θ,Φ}。使用所测量的信号强度变化Δ^K_i和所预先测量并储存的G^K(Θ,Φ)值，当第K个辐射图被选择时其是模态天线在角(Θ,Φ)处的增益，步骤928进行以如方程(3)计算对于每个i的Err^K_i(Θ,Φ)，即，Err^K_i(Θ,Φ)＝[E^K(Θ,Φ)-Δ^K_i]²，其中i＝1、2和3且E^K(Θ,Φ)＝G^K(Θ,Φ)-G^K-1(Θ,Φ)，如方程(1)，其是增益变化。在对于该对(Θ,Φ)的Err^K_i(Θ,Φ)进行计算之后，在步骤936中判断Err^K_i(Θ,Φ)值是否小于特定阈值Tshldi，其与在判断最终的AOA的精度中的容差有关，其中i＝1、2和3。如果为是，则在步骤940中，满足关系Err^K₁(Θ,Φ)<Tshld1、Err^K₂(Θ,Φ)<Tshld2、Err^K₃(Θ,Φ)<Tshld3的角(Θ,Φ)可被选择并分别储存在临时子集1{Θ,Φ}、临时子集2{Θ,Φ}、临时子集3{Θ,Φ}中。如果在步骤936以及之后的步骤940中为否，则过程进行到步骤944，其中判断子集{Θ,Φ}中的所有角(Θ,Φ)是否已经用尽。如果在步骤944中为否，则在步骤932中选择子集{Θ,Φ}中的下一对角(Θ,Φ)，并且过程从步骤928到步骤932重复，直至子集{Θ,Φ}中的所有角(Θ,Φ)用尽。在步骤948中，用临时子集i{Θ,Φ}代替子集i{Θ,Φ}，这意味着只有满足关系Err^K_i(Θ,Φ)<Tshldi的角(Θ,Φ)被选择并被储存为更新的子集i{Θ,Φ}，其中i＝1、2和3。在步骤950中，在对于子集i{Θ,Φ}中的所有的对(Θ,Φ)的Err^K_i(Θ,Φ)值之中，对于i＝1、2和3中的每个找到给出最小值的Err^K_i(Θ_0i,Φ_0i)。因此，给出最小值Err^K_i(Θ,Φ)的(Θ_0i,Φ_0i)值作为对于i＝1、2和3中的每个的AOA(Θ_0i,Φ_0i)被获得。在步骤952中，在一定容差范围内判断是否(Θ₀₁,Φ₀₁)＝(Θ₀₂,Φ₀₂)以及(Θ₀₁,Φ₀₁)＝(Θ₀₃,Φ₀₃)。如果在该步骤中为否，则意味着存在异常，并且过程返回到步骤904中的初始化；如果为是，则可确定角(Θ₀₁,Φ₀₁)是对于具有高置信水平的第K个图的AOA，并且过程进行到步骤956。如果在步骤956中确定过程将要继续，则过程进行到步骤964，以确定K＝N是否已经达到。如果为否，则在步骤912处，辐射图改变到下一个，并且重复后续的步骤；如果为是，则过程返回到用于初始化的步骤904，并且重复后续的步骤。在步骤956中，如果确定过程将要结束，则在步骤960中角(Θ₀₁,Φ₀₁)被输出为对于第K个模式的AOA。当算法从步骤904或步骤912重复时，在步骤948中所定义的子集i{Θ,Φ}中的角可在后续步骤中对于i＝1、2和3中的每个使用。

至此参照图3-图9所描述的算法中的每个被配置为获取输入信号的AOA。由于信号入射可常常或连续地改变，因此在找到AOA之后，算法可被重复任何需要的次数以更新AOA。在运行算法中所获得的信息可用于下次驱动运行的相同算法。特别地，E^K(Θ,Φ)值可基于先前所获得的AOA信息来更新。

图10是基于先前所获得的AOA信息图示更新E^K(Θ,Φ)值(即，增益变化)的过程的流程图。也就是说，该过程表示后AOA过程。在获得了先前所描述的第一算法、第二算法中的AOA(Θ₀,Φ₀)或其变型变化之后，过程可进行到步骤1004，其中设置K＝0以及(Θ,Φ)＝(Θ₀,Φ₀)。在步骤1008中，在具有第0个辐射图的配置中的信号强度S⁰被测量。在步骤1012中辐射图改变到下个图之后，在具有第K个辐射图的新的配置中的信号强度S^K在步骤1016中被测量。在步骤1020中，使用先前的测量值S^K-1，具有第K个辐射图的配置和具有第K-1个辐射图的配置之间的信号强度的差值可如方程(2)来计算，即，Δ^K＝S^K-S^K-1。随后，在步骤1024中，所测量的信号强度变化Δ^K被储存为E^K(Θ₀,Φ₀)。因此，更精确的E^K(Θ₀,Φ₀)值基于所测量的Δ^K值被获得，并且可用于下次驱动运行的第一算法、第二算法或其变型变化。在步骤1028中对于下个K重复以上步骤，直至所有模式用尽。对于不同于角(Θ₀,Φ₀)的角(Θ,Φ)的E^K(Θ,Φ)值可通过使用预先测量并储存的G^K(Θ,Φ)值来获得。通过这种方式，对于所有K的以及对于所有的角(Θ,Φ)的E^K(Θ,Φ)值被初始化，用于下次用更好的精度来运行算法。在测向中的精度被期望更高，由于运行次数的增加以及通过使用当前更新的算法E^K(Θ,Φ)被多次更新。

另一个后AOA过程可被配置为包含关于是否整个测向过程应重新开始而做出的决定。在该过程中，信号强度变化(即，Δ^K)和在角(Θ₀,Φ₀)处的增益变化(即，E^K(Θ₀,Φ₀))之间的差值可被检查。如果差值在特定阈值内，则可确定角(Θ₀,Φ₀)仍接近AOA；如果不是，则角(Θ₀,Φ₀)不再是AOA，并且因此，整个测向过程可重新开始。图11是图示用于做出决定的增益变化和信号强度变化的示例的表格。在角(Θ₀,Φ₀)处的增益变化可以是如方程(1)的E^K(Θ₀,Φ₀)＝G^K(Θ₀,Φ₀)-G^K-1(Θ₀,Φ₀)，或在用图10中所说明的更新的过程来运行几次测向算法之后所获得的E^K(Θ₀,Φ₀)值的平均值。信号强度变化是如方程(2)的Δ^K＝S^K-S^K-1，其是测量值。在该表格的第一步骤中，选择先前的模式0和当前的模式1，在(Θ₀,Φ₀)处的增益变化被获得为-2.10dB，以及Δ^K被测量为-1.50dB。在该表格的第二步骤中，选择先前的模式0和当前的模式2，在(Θ₀,Φ₀)处的增益变化被获得为-1.05dB，以及Δ^K被测量为-3.50dB。在该表格的第三步骤中，选择先前的模式1和当前的模式2，在(Θ₀,Φ₀)处的增益变化被获得为-4.20dB，以及Δ^K被测量为-4.10dB。通过使用预先确定的0.7dB的阈值，例如，观察到的是，第二步骤中的增益变化和信号强度变化之间的差值大于阈值。因此，可确定信号方向已经改变，并且重新开始完整测向过程以找到新的AOA。

因此，至此所描述的测向算法按照方程(1)-(3)利用具有第K个辐射图的模态天线在角(Θ,Φ)的增益，表示为G^K(Θ,Φ)。如先前所解释的，对于每个辐射图在每个所选择的角处的增益值可被预先测量并储存在存储器中以用于算法，并且随着测向过程被进行而被更新。测向的精度可通过明确地包括与增益和所测量的信号强度相关联的相位信息得到提高。在这种情况下，方程(1)–(3)采用它们相应的复数形式，其中具有第K个辐射图的增益的相位表示为以及j被定义为虚数单位。此处，增益的相位在球面坐标中是两个角Θ和Φ的函数，但记号在以下方程中被简化。对于每个辐射图和对于每个所选择的角，模态天线的增益的相位可被预先测量并储存在存储器中。复数增益变化E^K(Θ,Φ)表示在角(Θ,Φ)处具有第K个辐射图的当前模式和具有第K-1个辐射图的先前模式之间的增益上的差值，并且定义如下：

复信号强度变化Δ^Kexp(jβ^K)表示在具有第K个辐射图的配置和具有第K-1个辐射图的配置之间的信号强度上的差值，现在包括代表信号S^K的所测量的相位的相位β^K，并且定义如下：

Δ^Kexp(jβ^K)＝S^Kexp(jβ^K)-S^K-1exp(jβ^K-1)。>

复数增益变化和复信号强度变化之间的差值表达如下：

注意，因为模平方运算符(||||²)用于方程(8)中的复数差值，所以Err^K(Θ,Φ)完全变成实数。因此，即使是当前的复数情况，误差度量的标量形式Err^K(Θ,Φ)也可用在方程(1)-(3)中；然而，在测向算法中的每个中，如在方程(6)-(8)中所表达的复数形式可被取代。

方程(7)中的信号S^K的相位β^K可从相移测量结果中获得。图12示意地图示了在从第K-1个模式转变到第K个模式期间的信号强度的相移的测量。上面的图图示了所接收的信号波形的示例，其中同相(I)分量和正交相位(Q)分量被测量。模式转变发生在由箭头所指示的时间点处，并且在该点处观察相移。通过进行模数转换，如下面的图中所图示的，相移的量被获得。该信息用于获得方程(7)中β^K的和β^K-1。

类似于在先前的测向算法中所使用的增益值，方程(6)中的模态天线的增益的相位可基于已经被预先测量并储存在存储器中的数据(诸如查询表的形式)被获得。图13图示了K＝0到N-1的根据角(Θ,Φ)和模式(即，辐射图)示出增益的相位数据的查询表的部分。所储存的数据可用于获得方程(6)中的和相位数据可在测向过程被执行时被更新，并且可用于提高精度的算法。

虽然本文包含很多具体说明，但这些不应该理解为是对本发明的范围或可要求保护的内容的限制，而应该理解为是对特定于本发明的具体实施例的特征的描述。在单独的实施例的背景下，本文中所描述的某些特征也可在单个实施例中来结合实施。反之，在单个实施例的背景下所描述的各种特征也可在多个实施例中单独地实施或以任何合适的子组合来实施。此外，虽然特征可在以上被描述作为作用在特定组合中并且甚至最初按此要求保护，但是来自所要求保护的组合中的一个或多个特征在一些情况下可根据组合来运用，并且所要求保护的组合可指向子组合或子组合的变型。

工业实用性

如本文中所公开的用于使用模态天线来寻找信号方向的方法在无线通信的领域中是有用的；并且特别是方法在用于寻找信号方向的无线通信设备中被实施。信号方向对于信号处理和由无线通信设备(诸如手机、平板电脑等)执行的各种软件应用来说是重要的元素。