CN116155326B - 超大规模mimo混合场信道下的去伪峰信道估计方法 - Google Patents

超大规模mimo混合场信道下的去伪峰信道估计方法 Download PDF

Info

Publication number
CN116155326B
CN116155326B CN202310418885.6A CN202310418885A CN116155326B CN 116155326 B CN116155326 B CN 116155326B CN 202310418885 A CN202310418885 A CN 202310418885A CN 116155326 B CN116155326 B CN 116155326B
Authority
CN
China
Prior art keywords
angle
field
channel
peak
scatterer
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Active
Application number
CN202310418885.6A
Other languages
English (en)
Other versions
CN116155326A (zh
Inventor
李汀
夏雨婷
张春洁
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Nanjing University of Posts and Telecommunications
Original Assignee
Nanjing University of Posts and Telecommunications
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Nanjing University of Posts and Telecommunications filed Critical Nanjing University of Posts and Telecommunications
Priority to CN202310418885.6A priority Critical patent/CN116155326B/zh
Publication of CN116155326A publication Critical patent/CN116155326A/zh
Application granted granted Critical
Publication of CN116155326B publication Critical patent/CN116155326B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04B—TRANSMISSION
    • H04B7/00—Radio transmission systems, i.e. using radiation field
    • H04B7/02—Diversity systems; Multi-antenna system, i.e. transmission or reception using multiple antennas
    • H04B7/04—Diversity systems; Multi-antenna system, i.e. transmission or reception using multiple antennas using two or more spaced independent antennas
    • H04B7/0413—MIMO systems
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04B—TRANSMISSION
    • H04B7/00—Radio transmission systems, i.e. using radiation field
    • H04B7/02—Diversity systems; Multi-antenna system, i.e. transmission or reception using multiple antennas
    • H04B7/04—Diversity systems; Multi-antenna system, i.e. transmission or reception using multiple antennas using two or more spaced independent antennas
    • H04B7/06—Diversity systems; Multi-antenna system, i.e. transmission or reception using multiple antennas using two or more spaced independent antennas at the transmitting station
    • H04B7/0613—Diversity systems; Multi-antenna system, i.e. transmission or reception using multiple antennas using two or more spaced independent antennas at the transmitting station using simultaneous transmission
    • H04B7/0615—Diversity systems; Multi-antenna system, i.e. transmission or reception using multiple antennas using two or more spaced independent antennas at the transmitting station using simultaneous transmission of weighted versions of same signal
    • H04B7/0619—Diversity systems; Multi-antenna system, i.e. transmission or reception using multiple antennas using two or more spaced independent antennas at the transmitting station using simultaneous transmission of weighted versions of same signal using feedback from receiving side
    • H04B7/0621—Feedback content
    • H04B7/0634—Antenna weights or vector/matrix coefficients
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04B—TRANSMISSION
    • H04B7/00—Radio transmission systems, i.e. using radiation field
    • H04B7/02—Diversity systems; Multi-antenna system, i.e. transmission or reception using multiple antennas
    • H04B7/04—Diversity systems; Multi-antenna system, i.e. transmission or reception using multiple antennas using two or more spaced independent antennas
    • H04B7/08—Diversity systems; Multi-antenna system, i.e. transmission or reception using multiple antennas using two or more spaced independent antennas at the receiving station
    • H04B7/0837—Diversity systems; Multi-antenna system, i.e. transmission or reception using multiple antennas using two or more spaced independent antennas at the receiving station using pre-detection combining
    • H04B7/0842—Weighted combining
    • H04B7/0848—Joint weighting
    • H04B7/0854—Joint weighting using error minimizing algorithms, e.g. minimum mean squared error [MMSE], "cross-correlation" or matrix inversion
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04B—TRANSMISSION
    • H04B7/00—Radio transmission systems, i.e. using radiation field
    • H04B7/22—Scatter propagation systems, e.g. ionospheric, tropospheric or meteor scatter
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
    • H04L25/00—Baseband systems
    • H04L25/02—Details ; arrangements for supplying electrical power along data transmission lines
    • H04L25/0202—Channel estimation
    • H04L25/024—Channel estimation channel estimation algorithms
    • H04L25/0256—Channel estimation using minimum mean square error criteria
    • Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
    • Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
    • Y02D—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN INFORMATION AND COMMUNICATION TECHNOLOGIES [ICT], I.E. INFORMATION AND COMMUNICATION TECHNOLOGIES AIMING AT THE REDUCTION OF THEIR OWN ENERGY USE
    • Y02D30/00—Reducing energy consumption in communication networks
    • Y02D30/70—Reducing energy consumption in communication networks in wireless communication networks

Landscapes

  • Engineering & Computer Science (AREA)
  • Computer Networks & Wireless Communication (AREA)
  • Signal Processing (AREA)
  • Physics & Mathematics (AREA)
  • Mathematical Physics (AREA)
  • Power Engineering (AREA)
  • Radio Transmission System (AREA)

Abstract

本发明提供一种超大规模MIMO混合场信道下的去伪峰信道估计方法，通过将天线组成的均匀线阵列平均分为N个子阵列，发送信号被散射体反射到达天线阵列，给定接收信号，进行角度估计出包含伪峰的角度集合，结合伪峰判断方案，去除伪峰对应的角度后，确定真实角度；获得每个子阵列的角度估计值，判定散射体可见的子阵列的区域，并区分远场的角度和近场的角度，确定用于描述信道的空间非平稳情况的选择向量；确定导向矢量的角度、近场距离和远场距离，根据最小二乘法求路径的增益系数；构建MIMO混合场信道模型，估计出混合场信道；该方法大大降低了信道估计的均方误差，有效提高信道估计精度，具有很好的信道估计性能。

Description

超大规模MIMO混合场信道下的去伪峰信道估计方法
技术领域
本发明涉及一种超大规模MIMO混合场信道下的去伪峰信道估计方法，属于MIMO信道估计技术领域。
背景技术
作为下一代无线通信***的关键研究方向之一，超大规模多输入多输出（Multiple Input Multiple Output，MIMO）技术预计能够实现更高的频谱效率，更广的覆盖范围和提供更低时延更可靠的数据网络，因而备受关注。作为无线通信***的重要组成部分，大规模MIMO技术的应用给无线通信的发展带来了很多的好处，但是想要获得预期收益的前提是基站端可以预先得到准确的信道状态信息，因为通信***中很多关键技术都依赖于信道状态信息CSI。由于信道环境的复杂多变性，接收端的信号经过信道，可能产生突变。为了接收端可以准确恢复出发送信号，基站和用户之间必须获得准确的CSI，以便接收端进行相干解调，从而提高通信***的性能。因此，信道估计问题的研究与设计，对于提升大规模MIMO***性能意义深远。
在现有的信道模型中，大多都是假设所有的散射体要么均在远场区域，采用基于平面波假设的远场信道模型；要么均在近场区域，采用基于球面波假设的近场信道模型。而实际上，在超大规模MIMO***中，会更容易出现混合场的信道环境，也就是说一部分散射***于超大规模阵列的远场区域，另外一部分散射体可能分布在近场区域。此时的通信信道，将由远场和近场两部分路径分量组成。现有的信道模型并不能匹配这种远场近场混合信道的特征，难以直接采用现有的信道模型和信道估计方案。
由于混合场中远场分量进行峰值搜索可能出现伪峰的情况，伪峰会造成信道估计的均方误差较大。在超大规模混合场MIMO环境下进行信道估计时，峰值搜索估计角度时会有伪峰的存在，伪峰的值可能会大于真实角度对应的峰值，如果不考虑去除伪峰，则会带来角度的误判。然而，目前的信道模型在进行信道估计中不考虑伪峰的影响，导致信道估计精度与性能较低。
例如，中国专利申请CN202210056629.2公开了一种信道估计方法、装置、电子设备及存储介质，同样未考虑出现伪峰的情况，信道估计精度较低。
上述问题是在超大规模MIMO混合场信道下的去伪峰信道估计过程中应当予以考虑并解决的问题。
发明内容
本发明的目的是提供一种超大规模MIMO混合场信道下的去伪峰信道估计方法解决现有技术中存在的不考虑伪峰的情况，信道估计的均方误差较大，精度有待提高的问题。
本发明的技术解决方案是：
一种超大规模MIMO混合场信道下的去伪峰信道估计方法，包括以下步骤，
S1、将天线组成的均匀线阵列平均分为N个子阵列，发送信号被散射体反射到达天线阵列，给定接收信号y，进行角度估计出包含伪峰的角度集合，结合伪峰判断方案，去除伪峰对应的角度后，确定真实角度；
S2、使用多重信号分类算法即MUSIC算法对峰值进行一维搜索，获得每个子阵列的角度估计值，根据子阵列所处的位置的不同，分别确定处于中心的子阵列和非中心的子阵列的角度估计值；判定散射体可见的子阵列的区域，并区分远场的角度和近场的角度；
S3、由散射体可见的子阵列的区域，确定用于描述信道的空间非平稳情况的选择向量
Figure SMS_1
；
S4、确定导向矢量的角度、近场距离r s 和远场距离，根据最小二乘法求路径的增益系数；
S5、采用球面波的二阶近似抛物面波模拟近场和远场路径，并构建MIMO混合场信道模型，由构建的MIMO混合场信道模型，估计出混合场信道h hybrid-field 。
进一步地，步骤S1中，给定接收信号y，进行角度估计出包含伪峰的角度集合，结合伪峰判断方案，去除伪峰对应的角度后，确定真实角度，具体为，
S11、根据接收信号y的协方差矩阵做特征分解的特征值大小，判断出可见散射体的个数S；
S12、在混合场环境下，会带来的伪峰数量为f weifeng，进行估计角度取峰值时，取f =S+f weifeng个峰值，将峰值对应的角度按照由小到大的顺序排列，获得包含伪峰的角度集合θ 1,...,θ f ；
S13、对包含伪峰的角度集合θ 1,...,θ f ，判定各角度为伪峰对应的角度或真实角度，去除伪峰对应的角度，保留真实角度。
进一步地，步骤S12中，在混合场环境下，会带来的伪峰数量为f weifeng：
Figure SMS_2
，
其中，S为可见散射体的个数，n为混合信号的个数。
进一步地，步骤S13中，判定各角度为伪峰对应的角度或真实角度，具体为，由于伪峰的存在均在真实峰值的中间，则排序下来最小的角度θ 1和最大的角度θ f 一定是真实的角度，中间的角度则根据arcsin函数值来判断，获得f weifeng个伪峰并去除后，得到真实角度。
进一步地，步骤S13中，中间的角度则根据arcsin函数值来判断，具体为，伪峰对应的角度γ在两个真实的远场角度α和β之间，满足2sinγ=sinα+sinβ，则伪峰对应的角度
Figure SMS_3
。
进一步地，步骤S2中，区分远场的角度和近场的角度，具体为，
在同一个散射体可见的相邻子阵列的角度值有递增或递减顺序，且相邻子阵列角度差值不大于设定值时，则散射***于近场，并将该角度判定为近场的角度；
在子阵列可见的散射体角度值均相同时，则散射***于远场，并将该角度判定为远场的角度。
进一步地，步骤S3中，确定用于描述信道的空间非平稳情况的选择向量
Figure SMS_4
，具体为，/>
Figure SMS_5
的第m个元素定义为/>
Figure SMS_6
，其中，L为天线数，N为子阵列数，
Figure SMS_7
指第s个散射体的相位参量。
进一步地，步骤S4中，确定导向矢量的角度、近场距离r s 和远场距离，具体为，
S41、将导向矢量的角度和距离分开，分别使用MUSIC算法进行一维搜索，获得导向矢量的角度的估计值，当处于中心的子阵列可见时，导向矢量的角度直接由处于中心的子阵列估计出的角度确定；在处于中心的子阵列不可见时，导向矢量的角度通过最靠近处于中心的子阵列的两个可见的子阵列角度来求解获得；
S42、在散射***于近场时，由可见区域中最靠近边缘的子阵列估计距离，确定近场距离r s ：
Figure SMS_8
，其中，（θ，r）表示散射体到参考点的角度和距离，/>
Figure SMS_9
表示估计出来的角度，/>
Figure SMS_10
为与散射体到参考点的角度和距离有关的导向矢量，U n为噪声子空间，/>
Figure SMS_11
表示矩阵的转置；
S43、在散射***于远场时，散射体的距离是无穷大，确定远场距离为∞。
进一步地，步骤S4中，根据最小二乘法求s条路径的增益系数[g 1 ...g s ]：
Figure SMS_12
，
其中，方向矩阵
Figure SMS_14
，维度是/>
Figure SMS_19
，M=（L-1）/2，L为天线数，S为可见散射体的个数，s条路径的方向矩阵A由导向矢量和选择向量组成：
Figure SMS_21
，其中，/>
Figure SMS_13
分别表示第1个散射体到参考点的角度θ 1和近场距离r 1有关的导向矢量，/>
Figure SMS_16
分别表示第s个散射体到参考点的角度θ s和近场距离r s 有关的导向矢量，/>
Figure SMS_18
为描述信道的空间非平稳特性的选择向量，其中/>
Figure SMS_20
表示第1个散射体的相位参量，/>
Figure SMS_15
表示第s个散射体的相位参量，y为接收信号，/>
Figure SMS_17
表示矩阵的转置。
进一步地，步骤S5中，由构建的MIMO混合场信道模型，估计出混合信道h hybrid-field ：
Figure SMS_22
，
其中，S为可见散射体的个数，
Figure SMS_23
是第s条路径的增益系数，/>
Figure SMS_24
表示第s个散射体到参考点的角度θ s和近场距离r s 有关的导向矢量，/>
Figure SMS_25
为描述信道的空间非平稳特性的选择向量，/>
Figure SMS_26
指第s个散射体的相位参量。
本发明的有益效果是：该种超大规模MIMO混合场信道下的去伪峰信道估计方法，能够实现对伪峰的确定与有效去除，仅保留真实峰值，从而能够准确得到正确的角度估计结果，使后续估计距离准确，进而高精度估计出信道。与现有的不考虑伪峰的方案相比，该方法经仿真结果验证，大大降低了信道估计的均方误差，有效提高信道估计精度，具有很好的信道估计性能。
附图说明
图1是本发明实施例超大规模MIMO混合场信道下的去伪峰信道估计方法的流程示意图；
图2是实施例中无线通信***中混合场的说明示意图；
图3是实施例中该种超大规模MIMO混合场信道下的去伪峰信道估计方法和现有方法不去伪峰方案的信道估计对比示意图；
图4是实施例中混合场的不同个数的散射体影响下信道估计的均方误差示意图；
图5是实施例中不同散射环境的说明示意图，其中，（a）是环境1的说明示意图，（b）是环境2的说明示意图，（c）是环境3的说明示意图，（d）是环境4的说明示意图；
图6是实施例中不同的散射环境下均方误差对比示意图。
实施方式
下面结合附图详细说明本发明的优选实施例。
实施例提供一种超大规模MIMO混合场信道下的去伪峰信道估计方法，如图1，包括以下步骤，
S1、将天线组成的均匀线阵列平均分为N个子阵列，发送信号被散射体反射到达天线阵列，给定接收信号y，进行角度估计出包含伪峰的角度集合，结合伪峰判断方案，去除伪峰对应的角度后，确定真实角度；
步骤S1中，给定接收信号y，进行角度估计出包含伪峰的角度集合，结合伪峰判断方案，去除伪峰对应的角度后，确定真实角度，具体为，
S11、根据接收信号y的协方差矩阵做特征分解的特征值大小，判断出可见散射体的个数S；
步骤S11中，由于信号子空间对应的特征值较大而噪声子空间对应的特征值较小且趋向于0，因此根据特征值的大小，区分信号子空间和噪声子空间，即可判断出可见散射体的个数S。
S12、在混合场环境下，会带来的伪峰数量为f weifeng，进行估计角度取峰值时，取f =S+f weifeng个峰值，将峰值对应的角度按照由小到大的顺序排列，获得包含伪峰的角度集合θ 1,...,θ f ；
步骤S12中，在混合场环境下，会带来的伪峰数量为f weifeng：
Figure SMS_27
，
其中，S为可见散射体的个数，n为混合信号的个数。
S13、对包含伪峰的角度集合θ 1,...,θ f ，判定各角度为伪峰对应的角度或真实角度，去除伪峰对应的角度，保留真实角度。
步骤S13中，中间的角度则根据arcsin函数值来判断，具体为，伪峰对应的角度γ在两个真实的远场角度α和β之间，满足2sinγ=sinα+sinβ，则伪峰对应的角度
Figure SMS_28
。对包含伪峰的角度集合θ 1,...,θ f ，由于伪峰的存在均在真实峰值的中间，则排序下来最小的角度θ 1和最大的角度θ f 一定是真实的角度，由于伪峰γ与θ 1、θ f 之间具有这样的函数关系：2sinγ=sinθ 1+sinθ f ，故中间的角度则根据这种arcsin函数关系来判断，如当θ mid =arcsin[（sinθ 1+sinθ f ）/2]时，θ mid 对应的峰值是伪峰，将其去除；获得f weifeng个伪峰并去除后，得到真实角度。
情况1：如果散射体S=3，则取
Figure SMS_29
个峰值，则将估计出的6个角度值从小到大排序为θ 1,θ 2,θ 3,θ 4,θ 5,θ 6，其中，包含3个真实的角度值，以及3个伪峰带来的错误的角度值，由于伪峰的存在总是出现在真实峰值的中间，所以θ 1和θ 6一定是真实的角度值，θ 2和θ 5一定是伪峰对应的错误估计值，还有一个伪峰对应的角度值应该为arcsin[（sinθ 1+sinθ 6）/2]，由此可以判断出θ 3和θ 4哪一个是真实角度，哪一个是伪峰对应的角度。若求得的arcsin函数值与θ 3一致，则θ 3即为第3个真实角度，θ 4为第3个伪峰角度。反之，若求得的arcsin函数值与θ 4一致，则θ 4为第3个真实角度，θ 3为第3个伪峰对应角度。
情况2：如果散射体S=4，则取
Figure SMS_30
个峰值，则将估计出10个角度值从小到大依次排序为θ 1,θ 2,...,θ 9,θ 10，其中，包含4个真实的角度值，以及6个伪峰带来的错误的角度值，由于伪峰的存在总是出现在真实峰值的中间，所以θ 1和θ 10一定是真实的角度值，θ 2和θ 9一定是伪峰对应的错误估计值，且θ 2一定在θ 1和另一个真实角度值的中间，即2sinθ 2=sinθ 1+sinθ可以得到θ=arcsin（2sinθ 2 -sinθ 1），可能对应于θ 3或θ 4或θ 5，若求得的θ值与θ 3一致，则θ 3为第3个真实值，θ 4和θ 5为伪峰。若求得的θ值与θ 4或θ 5对应同理。与以上同理可得到另一个真实角度值。
同理，对于其他不同个数的远近场散射体混合的情况，按照上述通用的混合场环境下信道估计的思想，仍然适用。可以搜索出所有可能包含伪峰的峰值，将其角度由小到大列出来，根据真实角度与误判角度的arcsin函数关系，参照情况1和情况2的方法，可以在多个伪峰中，区分出信道的真实角度值对应的峰值，完成角度的正确判断，进而提高信道估计的准确性。
S2、使用多重信号分类算法即MUSIC算法对峰值进行一维搜索，获得每个子阵列的角度估计值，根据子阵列所处的位置的不同，分别确定处于中心的子阵列和非中心的子阵列的角度估计值；判定散射体可见的子阵列的区域，并区分远场的角度和近场的角度；
步骤S2中，对每个子阵列估计角度时，由于需将远近场混合场模型中的导向矢量写成一样的形式，故首先将导向矢量拆分成两个矩阵相乘，即导向矢量表示为
Figure SMS_31
，矩阵/>
Figure SMS_32
与角度θ和距离r有关，其中C表示复数域，维度为/>
Figure SMS_33
，M=（L-1）/2，L为天线数。矩阵/>
Figure SMS_34
只与角度θ有关，其中C表示复数域，维度为/>
Figure SMS_35
，M=（L-1）/2，且L为天线数。且有：
Figure SMS_36
，
其中，
Figure SMS_37
为只与散射体到参考点的角度相关的矩阵元素，j为虚数单位，
Figure SMS_38
，θ为散射体到参考点的角度，/>
Figure SMS_39
为信号波长，d为相邻阵元的间距，r为信号到中间天线的距离。
对于远场信号来说，此时距离r为无穷大。
由信号子空间理论可得，当空间谱函数
Figure SMS_40
取到峰值，其中，n（θ，r）和m（θ）分别为上述导向矢量拆分得到的矩阵，/>
Figure SMS_41
表示矩阵的转置，即n H （θ，r）M（θ）n（θ，r）＝0时，由于n（θ，r）≠0，所以取到峰值的充要条件是M（θ）为奇异矩阵，M（θ）降秩，其中，/>
Figure SMS_42
，U n为噪声子空间。噪声子空间U n的列秩为2M+1-S，由于假设散射体的个数S≤M，其中，M=（L-1）/2，L为天线数，所以噪声子空间U n的列秩大于等于M+1，可得M（θ）为满秩矩阵，只有当角度参数取到实际值时，M（θ）降秩。所以在求解角度时，只要进行一维搜索，空间谱函数为：/>
Figure SMS_43
，其中，
Figure SMS_44
表示求行列式的值。
步骤S2中，判定散射体可见的子阵列的区域：当得到各个子阵列的角度后，同一个散射体可见的相邻子阵列的角度值有一定的递增或递减顺序，且相邻子阵列角度差较小，因此根据得出的角度值，可以判断出散射体可见的子阵列区域，即可得到散射体与子阵列的对应关系。
步骤S2中，区分远场的角度和近场的角度，具体为，在同一个散射体可见的相邻子阵列的角度值有递增或递减顺序，且相邻子阵列角度差值不大于设定值时，则散射***于近场，并将该角度判定为近场的角度；在子阵列可见的散射体角度值均相同时，则散射***于远场，并将该角度判定为远场的角度。由于混合场模型中只有近场和远场2种情况，故角度的判断也只有以上近场角度和远场角度2种情况。
S3、由散射体可见的子阵列的区域，确定用于描述信道的空间非平稳情况的选择向量
Figure SMS_45
；
步骤S3中，确定用于描述信道的空间非平稳情况的选择向量
Figure SMS_46
，具体为，/>
Figure SMS_47
的第m个元素定义为/>
Figure SMS_48
，其中，L为天线数，N为子阵列数，/>
Figure SMS_49
指第s个散射体的相位参量。例如，散射体s可见区域为子阵列1至5，则选择向量中子阵列1至5对应元素为1，即/>
Figure SMS_50
，其中M n为第n个子阵列天线数目，其余不可见子阵列对应元素为0。通过选择向量的增加，可以准确描述信道的空间非平稳特性。
S4、确定导向矢量的角度、近场距离r s 和远场距离，根据最小二乘法求路径的增益系数；
步骤S4中，确定导向矢量的角度、近场距离r s 和远场距离，具体为，
S41、将导向矢量的角度和距离分开，分别使用MUSIC算法进行一维搜索，获得导向矢量的角度的估计值，当处于中心的子阵列可见时，导向矢量的角度直接由处于中心的子阵列估计出的角度确定；在处于中心的子阵列不可见时，导向矢量的角度通过最靠近处于中心的子阵列的两个可见的子阵列角度来求解获得；
S42、在散射***于近场时，由可见区域中最靠近边缘的子阵列估计距离，确定近场距离r s ：
Figure SMS_51
，其中，（θ，r）表示散射体到参考点的角度和距离，/>
Figure SMS_52
表示估计出来的角度，/>
Figure SMS_53
为与散射体到参考点的角度和距离有关的导向矢量，U n为噪声子空间，/>
Figure SMS_54
表示矩阵的转置；
S43、在散射***于远场时，散射体的距离是无穷大，确定远场距离为∞。
步骤S4中，根据最小二乘法求s条路径的增益系数[g 1 ...g s ]：
Figure SMS_55
，
其中，方向矩阵
Figure SMS_57
，维度是/>
Figure SMS_62
，M=（L-1）/2，L为天线数，S为可见散射体的个数，s条路径的方向矩阵A由导向矢量和选择向量组成：
Figure SMS_64
，其中，/>
Figure SMS_58
分别表示第1个散射体到参考点的角度θ 1 和近场距离r 1 有关的导向矢量，/>
Figure SMS_60
分别表示第s个散射体到参考点的角度θ s 和近场距离r s 有关的导向矢量，/>
Figure SMS_61
为描述信道的空间非平稳特性的选择向量，其中/>
Figure SMS_63
指第1个散射体的相位参量,/>
Figure SMS_56
指第s个散射体的相位参量，y为接收信号，/>
Figure SMS_59
表示矩阵的转置。
S5、采用球面波的二阶近似抛物面波模拟近场和远场路径，并构建MIMO混合场信道模型，由构建的MIMO混合场信道模型，估计出混合场信道h hybrid-field 。
步骤S5中，由构建的MIMO混合场信道模型，估计出信道h hybrid-field ：
Figure SMS_65
，
其中，S为可见散射体的个数，g s 是第s条路径的增益系数，
Figure SMS_66
表示第s个散射体到参考点的角度θ s 和近场距离r s 有关的导向矢量，/>
Figure SMS_67
为描述信道的空间非平稳特性的选择向量，/>
Figure SMS_68
指第s个散射体的相位参量。
步骤S5中，如图2，无线通信***中的电磁场辐射可以分为远场和近场，不同的场会产生不同的信道，对构建MIMO混合场信道模型说明如下：
首先，对于远场信道，即当散射体与基站的距离大于瑞利距离时，远场信道h far-field 是采用平面波假设的，即
Figure SMS_69
，其中，F s 是远场路径分量的数目，g s ，θ s 分别是第s条路径的增益系数和角度，/>
Figure SMS_70
是仅与角度有关的导向矢量：
Figure SMS_71
，其中，d为相邻天线间的间隔，/>
Figure SMS_72
为信号的波长，j为虚数单位，M=（L-1）/2且L为天线数，/>
Figure SMS_73
为与第s条路径的角度有关的导向矢量的矩阵元素。
然后，对于近场信道来说，即当散射体与基站的距离不大于瑞利距离时，近场信道h near-field 是采用球面波的二阶近似抛物面波假设的，
Figure SMS_74
，其中，N s 是近场路径分量的数目，g s 是第s条路径的增益系数，θ s 和r s 分别表示第条路径的角度和距离，
Figure SMS_75
是与角度和距离都有关的导向矢量，其元素定义为：
Figure SMS_76
，其中，d为相邻天线间的间隔，exp为以自然常数e为底的指数函数，/>
Figure SMS_77
为信号的波长，j为虚数单位，M=（L-1）/2且L为天线数，m指第m个天线阵列元件编号为m。
因此，混合场的信道模型h hybrid-field ：h hybrid-field =h far-field +h near-field 。
为了统一化导向矢量的表达形式，又不失一般性，将远场信道中平面波假设的导向矢量
Figure SMS_78
写成与用抛物面波模型近似球面波假设一样的形式，即
Figure SMS_79
，其中，d为相邻天线间的间隔，exp为以自然常数e为底的指数函数，/>
Figure SMS_80
为信号的波长，j为虚数单位，M=（L-1）/2且L为天线数，m指第m个天线阵列元件编号为m。
由于此时远场导向矢量
Figure SMS_81
中的距离r s 为无穷大，即r s =∞，这时导向矢量中与距离有关的项/>
Figure SMS_82
趋向于0，远场导向矢量/>
Figure SMS_83
仅仅与角度θ s 有关。
基站由L=2M+1根天线组成的均匀线性阵列，相邻天线间的间隔为d,用户设备发送的信号沿视距路径或者被散射体反射，到达天线阵列，实施例只考虑散射体的最后一跳。当考虑到信道的非平稳情况时，将均匀线阵平均分为N个子阵列，假设每个子阵列的天线数目为P n ，P n =L/N，将远场信道模型
Figure SMS_84
和近场信道模型
Figure SMS_85
，根据混合场信道模型与远场信道模型和近场信道模型的关系式：h hybrid-field =h far-field +h near-field ，代入到混合场信道模型中，并增加了选择向量来描述信道的空间非平稳特性，获得混合场信道模型：
Figure SMS_86
，
其中，S为散射体的个数，g s 为第s条路径的增益系数，
Figure SMS_89
表示哈达玛内积，/>
Figure SMS_91
表示描述信道的空间非平稳特性的选择向量，/>
Figure SMS_94
指第s个散射体的相位参量,/>
Figure SMS_88
为散射体s的最后一跳到参考点的角度和距离，/>
Figure SMS_90
为与角度和距离有关的导向矢量，混合场下的导向矢量/>
Figure SMS_93
与近场下的导向矢量/>
Figure SMS_95
的表达式是相同的，即其元素定义为/>
Figure SMS_87
，其中，d为相邻天线间的间隔，exp为以自然常数e为底的指数函数，/>
Figure SMS_92
为信号的波长，j为虚数单位，M=（L-1）/2且为天线数，m指第m个天线阵列元件编号为m。
该种超大规模MIMO混合场信道下的去伪峰信道估计方法，能够实现对伪峰的确定与有效去除，仅保留真实峰值，从而能够准确得到正确的角度估计结果，使后续估计距离准确，进而高精度估计出信道。与现有的不考虑伪峰的方案相比，该方法，大大降低了信道估计的均方误差，有效提高信道估计精度，具有很好的信道估计性能。
该种超大规模MIMO混合场信道下的去伪峰信道估计方法，在超大规模混合场MIMO环境下，经证明伪峰的存在，进而对子阵列估计角度做谱峰搜索时，首先将伪峰去除，留下真实的峰值，真实准确地得到正确的角度估计结果，从而使后续估计距离准确，并正确的估计出信道。以混合场信道中出现两个散射***于远场为例，对伪峰存在的证明如下：
假设混合场中有两个散射***于远场区域中，导向矢量中远场的角度分别为α和β，不失一般性，假设α＜β，对于位于远场的散射体，此时，矩阵n f ：
Figure SMS_98
。当空间谱函数取到峰值时，即/>
Figure SMS_100
，/>
Figure SMS_102
，其中，U n 是噪声子空间。可得：/>
Figure SMS_96
，/>
Figure SMS_99
，因此，/>
Figure SMS_101
。由于/>
Figure SMS_103
，此时，存在一个角度γ，使得
Figure SMS_97
，其中，向量t为：
Figure SMS_104
。
将矩阵t和矩阵m（α）、m（β）、矩阵n f 以及待求矩阵m（γ）代入到关系式
Figure SMS_105
中，求解得到角度γ与角度α和β之间的关系式：γ满足2sinγ=sinα+sinβ且α<γ<β。此时，m（γ）满足/>
Figure SMS_106
，即/>
Figure SMS_107
。由于矩阵t≠0，只有当/>
Figure SMS_108
为奇异矩阵时，/>
Figure SMS_109
成立，则空间谱函数/>
Figure SMS_110
搜索时，会出现伪峰，对应的角度为γ，γ在两个真实的远场角度α和β之间，满足2sinγ=sinα+sinβ。也就是说，在混合场信道中做角度搜索时，两个真实角度的谱峰之间会有伪峰的存在，伪峰值可能会高于真实角度值对应的峰值。
当两个信号混合时，伪峰的个数为
Figure SMS_111
个，三个信号混合时，伪峰的个数/>
Figure SMS_112
，则对于n个信号混合时，由于每两个信号峰值之间会存在一个伪峰值，即伪峰值的总数为/>
Figure SMS_113
，由组合/>
Figure SMS_114
的数学计算公式：/>
Figure SMS_115
，其中，m<n。令m=2，则n个信号混合时伪峰的个数总数为/>
Figure SMS_116
，其中，n!表示正整数的阶乘，/>
Figure SMS_117
。
该种超大规模MIMO混合场信道下的去伪峰信道估计方法，考虑到估计角度做峰值搜索时会出现伪峰，提出了针对伪峰存在的通用信道估计方案，提出估计角度做一维搜索时，将伪峰与真实角度对应峰值都搜索出来，由伪峰对应角度与真实角度间的函数关系，判断出信道的真实角度，并去除伪峰对应的角度，保留真实的峰值以获得真实准确的角度估计的结果，从而使用真实角度进行信道估计，有效提高信道估计精度。
本发明在准确确定每个子阵列的角度后，区分远场和近场的角度，然后结合角度估计值和特征值大小，判定散射体可见的子阵列的区域，即可得到散射体与子阵列的对应关系，接着，确定导向矢量的角度，求得近场距离，对应远场距离为无穷大，最后，估计距离并用最小二乘法估计路径增益后，获得信道估计结果。该方法在同时有散射***于近场和远场的信道环境中，均用球面波的二阶近似抛物面波模拟近场和远场路径，远场导向矢量的距离设为无穷大。仍可采用近场环境下的方法将角度与距离拆分，先进行角度的估计，再估计距离，这种方法的优势在于：与经典的二维MUSIC算法相比，将导向矢量的角度和距离分开搜索，做两次的一维搜索大大减少了复乘的次数，降低了复杂度。
该种超大规模MIMO混合场信道下的去伪峰信道估计方法，通过将角度与距离拆分，先进行角度的估计，再估计距离，降低了信道估计的复杂度。在确定导向矢量中角度时，当处于中心的子阵列可见时，导向矢量的角度直接由处于中心的子阵列估计出的角度确定。当处于中心的子阵列不可见时，导向矢量中的角度不能直接通过中心子阵列估计出来，则通过使用最靠近处于中心的子阵列的两个可见子阵列来求得，估计角度更加准确。
该种超大规模MIMO混合场信道下的去伪峰信道估计方法，能够通过在空间谱函数中搜索出所有可能包含伪峰的峰值，将其角度由小到大列出来，根据真实角度与误判角度的arcsin函数关系，在多个伪峰中，区分出信道的真实角度值对应的峰值，完成角度的正确判断，进而提高信道估计的准确性。
对实施例的该种超大规模MIMO混合场信道下的去伪峰信道估计方法进行实验结果如下：
图3是实施例的该种超大规模MIMO混合场信道下的去伪峰信道估计方法和现有方法不去伪峰方案的信道估计对比示意图。如图3，随着信噪比的增大，两者信道估计的均方误差都随之下降；但于现有方法相比较，实施例方法的去伪峰方案在信道估计时的均方误差更小，准确性更高，具有更好的信道估计性能，说明在混合场的情况下，不考虑去伪峰会影响信道估计的准确性，实施例方法的去除伪峰具有必要性。
图4是实施例中混合场的不同个数的散射体影响下信道估计的均方误差示意图。由图4可以看出，在不同个数的散射体影响下，实施例方法的信道估计的均方误差均较小，随着信噪比的增大，信道估计的均方误差随之下降。实施例方法能够高准确性地实现信道估计。
图5是实施例中不同散射环境的说明示意图。图5中，（a）的环境1与（b）的环境2中设置了位于近场的散射体S1的可见区域一样，均为子阵列1至8，（a）中位于远场的散射体S2、S3的可见区域分别为3至10、6至14，（b）中位于远场的散射体S2、S3的可见区域分别为1至8、8至15。图5中的（c）的环境3、（d）的环境4中设置了位于远场的散射体S2、S3的可见区域一样，均分别为1至8、8至15，（c）、（d）中位于近场的散射体S1的可见区域分别为3至10、1至5。
图6是实施例中图5中环境1、环境2、环境3和环境4四种不同的散射环境下均方误差对比示意图，即不同散射环境下的信道估计的均方误差(Mean Square Error,MSE)随信噪比的关系，其中MSE通过
Figure SMS_118
来计算，其中h为真实的信道，/>
Figure SMS_119
为步骤S5中估计出的混合场信道，/>
Figure SMS_120
表示求向量的范数。如图6，在环境1和环境2情况下，信道的均方误差几近重合，由两者的设置情况分析可知，对近场散射体估计角度和距离采用的子阵列均相同，且都可以用估计最准确子阵列来估计，因此环境1和环境2的信道估计的均方误差最小，环境1和环境2中位于远场的散射体可见区域不同，但是用哪个子阵列估计远场角度的区别不是很大，因而远场可见区域不同不影响信道估计的均方误差大小。环境2、环境3和环境4中设置的位于远场的散射体可见子阵列区域一样，但是位于近场的散射体可见区域不一样。环境2中散射体用处于中心的子阵列估计角度，最边缘子阵列估计距离，环境3中散射体用处于中心的子阵列估计角度，但是估计距离的子阵列不如环境1准确，所以环境3的信道均方误差比环境2大。环境4的角度估计值首先就不如环境2、环境3准确，因而信道估计的均方误差最大。由图6可以看出，环境1、环境2、环境3和环境4情况下的信道估计的均方误差均较小，随着信噪比的增大，信道估计的均方误差都随之下降。
仿真结果表明，与不考虑伪峰的信道估计方案相比，实施例的该种超大规模MIMO混合场信道下的去伪峰信道估计方法，大大降低了信道估计的均方误差，有效提高信道估计精度，具有很好的信道估计性能，在混合场环境下考虑信道非平稳情况也可以很好的估计出信道。
以上所述仅是本发明的优选实施方式，本发明的保护范围并不仅局限于上述实施例，凡属于本发明思路下的技术方案均属于本发明的保护范围。应当指出，对于本技术领域的普通技术人员来说，在不脱离本发明原理前提下的若干改进和润饰，这些改进和润饰也应视为本发明的保护范围。

Claims (6)

1.一种超大规模MIMO混合场信道下的去伪峰信道估计方法，其特征在于：包括以下步骤，
S1、将天线组成的均匀线阵列平均分为N个子阵列，发送信号被散射体反射到达天线阵列，给定接收信号y，进行角度估计出包含伪峰的角度集合，结合伪峰判断方案，去除伪峰对应的角度后，确定真实角度；
步骤S1中，给定接收信号y，进行角度估计出包含伪峰的角度集合，结合伪峰判断方案，去除伪峰对应的角度后，确定真实角度，具体为，
S11、根据接收信号y的协方差矩阵做特征分解的特征值大小，判断出可见散射体的个数S；
S12、在混合场环境下，会带来的伪峰数量为f weifeng，进行估计角度取峰值时，取f =S+ f weifeng个峰值，将峰值对应的角度按照由小到大的顺序排列，获得包含伪峰的角度集合θ 1,...,θ f ；
S13、对包含伪峰的角度集合θ 1,...,θ f ，判定各角度为伪峰对应的角度或真实角度，去除伪峰对应的角度，保留真实角度；
步骤S13中，判定各角度为伪峰对应的角度或真实角度，具体为，由于伪峰的存在均在真实峰值的中间，则排序下来最小的角度θ 1和最大的角度θ f 一定是真实的角度，中间的角度则根据arcsin函数值来判断，获得f weifeng个伪峰并去除后，得到真实角度；
其中，中间的角度则根据arcsin函数值来判断，具体为，伪峰对应的角度γ在两个真实的远场角度α和β之间，满足2sinγ=sinα+sinβ，则伪峰对应的角度
Figure QLYQS_1
；
S2、使用多重信号分类算法即MUSIC算法对峰值进行一维搜索，获得每个子阵列的角度估计值，根据子阵列所处的位置的不同，分别确定处于中心的子阵列和非中心的子阵列的角度估计值；判定散射体可见的子阵列的区域，并区分远场的角度和近场的角度；
S3、由散射体可见的子阵列的区域，确定用于描述信道的空间非平稳情况的选择向量
Figure QLYQS_2
；
S4、确定导向矢量的角度、近场距离r s 和远场距离，根据最小二乘法求路径的增益系数，具体为，根据散射体到参考点的角度和距离有关的导向矢量和空间非平稳特性的选择向量计算增益系数；
S5、采用球面波的二阶近似抛物面波模拟近场和远场路径，并构建MIMO混合场信道模型，由构建的MIMO混合场信道模型，估计出混合场信道h hybrid-field：
Figure QLYQS_3
，
其中，S为可见散射体的个数，
Figure QLYQS_4
是第s条路径的增益系数，/>
Figure QLYQS_5
表示第s个散射体到参考点的角度θ s和近场距离r s 有关的导向矢量，/>
Figure QLYQS_6
为描述信道的空间非平稳特性的选择向量，/>
Figure QLYQS_7
指第s个散射体的相位参量。
2.如权利要求1所述的超大规模MIMO混合场信道下的去伪峰信道估计方法，其特征在于：步骤S12中，在混合场环境下，会带来的伪峰数量为f weifeng：
Figure QLYQS_8
，
其中，S为可见散射体的个数，n为混合信号的个数。
3.如权利要求1所述的超大规模MIMO混合场信道下的去伪峰信道估计方法，其特征在于：步骤S2中，区分远场的角度和近场的角度，具体为，
在同一个散射体可见的相邻子阵列的角度值有递增或递减顺序，且相邻子阵列角度差值不大于设定值时，则散射***于近场，并将该角度判定为近场的角度；
在子阵列可见的散射体角度值均相同时，则散射***于远场，并将该角度判定为远场的角度。
4.如权利要求1-3任一项所述的超大规模MIMO混合场信道下的去伪峰信道估计方法，其特征在于：步骤S3中，确定用于描述信道的空间非平稳情况的选择向量
Figure QLYQS_9
，具体为，
Figure QLYQS_10
的第m个元素定义为/>
Figure QLYQS_11
，其中，L为天线数，N为子阵列数，/>
Figure QLYQS_12
指第s个散射体的相位参量。
5.如权利要求1-3任一项所述的超大规模MIMO混合场信道下的去伪峰信道估计方法，其特征在于：步骤S4中，确定导向矢量的角度、近场距离r s 和远场距离，具体为，
S41、将导向矢量的角度和距离分开，分别使用MUSIC算法进行一维搜索，获得导向矢量的角度的估计值，当处于中心的子阵列可见时，导向矢量的角度直接由处于中心的子阵列估计出的角度确定；在处于中心的子阵列不可见时，导向矢量的角度通过最靠近处于中心的子阵列的两个可见的子阵列角度来求解获得；
S42、在散射***于近场时，由可见区域中最靠近边缘的子阵列估计距离，确定近场距离r s ：
Figure QLYQS_13
，其中，（θ，r）表示散射体到参考点的角度和距离，/>
Figure QLYQS_14
表示估计出来的角度，/>
Figure QLYQS_15
为与散射体到参考点的角度和距离有关的导向矢量，U n为噪声子空间，/>
Figure QLYQS_16
表示矩阵的转置；
S43、在散射***于远场时，散射体的距离是无穷大，确定远场距离为∞。
6.如权利要求1-3任一项所述的超大规模MIMO混合场信道下的去伪峰信道估计方法，其特征在于：步骤S4中，根据最小二乘法求s条路径的增益系数[g 1 ...g s ]：
Figure QLYQS_17
，
其中，方向矩阵
Figure QLYQS_20
，维度是/>
Figure QLYQS_22
，M=（L-1）/2，L为天线数，S为可见散射体的个数，s条路径的方向矩阵A由导向矢量和选择向量组成：
Figure QLYQS_24
，其中，/>
Figure QLYQS_19
分别表示第1个散射体到参考点的角度θ 1和近场距离r 1有关的导向矢量，/>
Figure QLYQS_21
分别表示第s个散射体到参考点的角度θ s和近场距离r s 有关的导向矢量，/>
Figure QLYQS_25
为描述信道的空间非平稳特性的选择向量，其中/>
Figure QLYQS_26
表示第1个散射体的相位参量，/>
Figure QLYQS_18
表示第s个散射体的相位参量，y为接收信号，/>
Figure QLYQS_23
表示矩阵的转置。
CN202310418885.6A 2023-04-19 2023-04-19 超大规模mimo混合场信道下的去伪峰信道估计方法 Active CN116155326B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202310418885.6A CN116155326B (zh) 2023-04-19 2023-04-19 超大规模mimo混合场信道下的去伪峰信道估计方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202310418885.6A CN116155326B (zh) 2023-04-19 2023-04-19 超大规模mimo混合场信道下的去伪峰信道估计方法

Publications (2)

Publication Number Publication Date
CN116155326A CN116155326A (zh) 2023-05-23
CN116155326B true CN116155326B (zh) 2023-06-30

Family

ID=86350932

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202310418885.6A Active CN116155326B (zh) 2023-04-19 2023-04-19 超大规模mimo混合场信道下的去伪峰信道估计方法

Country Status (1)

Country Link
CN (1) CN116155326B (zh)

Families Citing this family (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN117478251A (zh) * 2023-11-06 2024-01-30 山东大学 一种超大规模mimo近场信道估计方法与***

Citations (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN115883297A (zh) * 2022-12-05 2023-03-31 中山大学 一种基于信源参数估计的超大规模mimo混合场信道估计方法

Family Cites Families (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN105548957B (zh) * 2016-01-18 2017-11-17 吉林大学 一种未知有色噪声下多目标远近场混合源定位方法
CN110389316B (zh) * 2019-07-20 2022-11-29 中国人民解放军国防科技大学 基于两步矩阵差分的近场和远场混合信源定位方法
CN115856771A (zh) * 2022-11-22 2023-03-28 哈尔滨工程大学 一种近场源信源数和定位参数联合估计方法

Patent Citations (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN115883297A (zh) * 2022-12-05 2023-03-31 中山大学 一种基于信源参数估计的超大规模mimo混合场信道估计方法

Also Published As

Publication number Publication date
CN116155326A (zh) 2023-05-23

Similar Documents

Publication Publication Date Title
US7450067B2 (en) Incoming wave number estimation method, incoming wave number estimation device, and radio device
CN103901417B (zh) L型阵列mimo雷达低复杂度空间目标二维角度估计方法
CN100574144C (zh) 到达方向跟踪的方法和装置及其在基站的波束成形的应用
Van der Veen et al. Joint angle and delay estimation using shift-invariance techniques
US8669901B2 (en) Method for determining azimuth and elevation angles of arrival of coherent sources
CN108387864B (zh) 一种到达角计算方法及装置
CN106226754B (zh) 基于时间反演的低仰角波达方向估计方法
CN112995892B (zh) 基于复数神经网络的大规模mimo指纹定位方法
CN113050075B (zh) 一种基于扩散映射的水下声源匹配场定位方法
CN103616661B (zh) 一种稳健的远场窄带信号源个数估计方法
CN116155326B (zh) 超大规模mimo混合场信道下的去伪峰信道估计方法
Chen et al. Iterative subspace alternating projection method for GNSS multipath DOA estimation
CN113064147A (zh) 一种低信噪比下新型匹配场被动定位方法
Rahman et al. Ising model formulation of outlier rejection, with application in wifi based positioning
CN107450046B (zh) 低仰角多径环境下的波达角估计方法
CN112255629A (zh) 基于联合uca阵列的序贯esprit二维不相干分布源参数估计方法
CN115236584A (zh) 基于深度学习的米波雷达低仰角估计方法
Du et al. Bayesian robust tensor factorization for angle estimation in bistatic MIMO radar with unknown spatially colored noise
Stephan et al. Angle-delay profile-based and timestamp-aided dissimilarity metrics for channel charting
Abdelbari et al. PESO: Probabilistic evaluation of subspaces orthogonality for wideband DOA estimation
CN115327505B (zh) 一种多径环境下低空目标角度估计方法及相关设备
Mota et al. Estimation of the radio channel parameters using the SAGE algorithm
Dakulagi A new Nystrom approximation based efficient coherent DOA estimator for radar applications
CN114679356B (zh) 一种不依赖于似然函数的信道全维参数提取方法、装置及存储介质
Boyer et al. Simple robust bearing-range source's localization with curved wavefronts

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination
GR01 Patent grant
GR01 Patent grant