一種大規模MIMO方陣信源數與波達方向聯合估計方法技術

本發明專利技術公開了一種大規模MIMO方陣信源數與波達方向聯合估計方法包括：建立沖擊噪聲環境下MassiveMIMO方陣模型；構造基于拉普拉斯核相關熵的加權信號子空間擬合方程；利用分段式思想，化簡得到目標函數；初始化個體量子位置，獲得全局最優量子位置；初始化量子冰晶能量值，確定臨時湖中心位置；更新能量值和歷史量子位置空間；更新量子位置；根據輪盤賭選擇產生新一代量子冰晶，更新全局最優量子位置；判斷是否達到最大迭代次數，若未達到，返回步驟五；判斷該信源是否存在，若存在，返回步驟三，否則輸出信源數及相應波達方向。本發明專利技術具有魯棒性、高精度的特點和更廣泛的應用范圍。高精度的特點和更廣泛的應用范圍。高精度的特點和更廣泛的應用范圍。

【技術實現步驟摘要】
一種大規模MIMO方陣信源數與波達方向聯合估計方法


[0001]本專利技術屬于陣列信號處理領域，涉及一種大規模MIMO方陣信源數與波達方向聯合估計方法，特別是一種沖擊噪聲環境下基于量子冰晶優化機制的Massive MIMO方陣信源數與波達方向聯合估計方法。

技術介紹

[0002]DOA估計技術作為陣列信號處理的重點研究方向之一，在無線通訊、雷達和定位等多個領域有著非常廣泛的應用。尤其是在第五代移動通信系統中，大規模MIMO技術被認為是5G關鍵技術之一，受到業內人士的廣泛關注。在大規模MIMO系統中，二維DOA估計可以同時對俯仰角和方位角同時進行估計，能夠為移動臺提供更精準的位置估計，且能夠使波束賦形的指向性更強，是3D
?
MIMO技術得以實施的關鍵，因此對DOA估計算法進行深入研究具有重要意義。但目前的二維DOA估計算法中，多是基于線陣的MUSIC算法和ESPRIT算法擴展而來，主要通過方位角和俯仰角二維角度域的聯合搜索來獲取DOA估計值。這些方法不僅需要信源個數這個先驗知識，往往還需要較大的快拍數保證估計精度和準確率，在面對大規模MIMO系統的龐大天線陣列時，一些高精度譜峰搜索類方法更是具有非常高的計算復雜度，并且對于相干信源，不得不損失陣列孔徑才能進行解相干操作。所以針對于大規模MIMO的面陣系統，在未知信源個數情況下，設計一種抗沖擊噪聲、快速、高效和低計算復雜度的二維DOA估計方法是十分有必要的。
[0003]經對現有文獻的檢索發現，Wu W等在《IEEE Intemational Conference on Signal,Information and DataProcessing》上發表的“A low copmlexity 2D DOA estimation algorithm for massive MIMO systems”中提出基于傳統的Capon DOA估計算法，通過離散傅里葉變換先對信號的DOA初步估計，然后利用降維Capon算法在小范圍內進一步估計，該算法可以適當的降低計算的復雜度，但是該算法的分辨力有限，精度還需要進一步改進提高。Zheng Z等在《IEEE Transactions on Vehicular Technology》上發表的“Efficient beam space
?
based algorithm for two
?
dimensional DOA estimation of incoherently distributed sources in massive MIMO systems”提出利用廣義陣列流型矩陣進行分布源的波束空間變換，構造波束空間的移不變結構，避免了譜峰搜索的操作，以此來減少矩陣運算的維度，在計算復雜度方面具有較大的優勢，但是其精度性能一般，并且在沖擊噪聲的情況下算法性能惡化嚴重。Zhu Y等在《IEEE International Conference on Communications》上發表“DoA estimation and capacity analysis for 2D active massive MIMO systems”提出了一種基于MUSIC算法的二維DOA角度估計方法，由于MUSIC算法需要在全域進行譜峰搜索，因此盡管文獻采用分段式的方法進行角度估計，但在大規模天線陣列系統背景下，所提的算法仍具有較高的運算復雜度，且不可避免的出現量化誤差。Wang A等在《IEEE GLOBECOM Workshops》上發表“Low complexity direction of arrival(DoA)estimation for 2D massive MIMO systems”提出采用Unitary ESPRIT算法進行大規模天線陣的DOA角度估計，Unitary ESPRIT算法將方向矩陣和協方差矩陣等轉換成實值
巧妙地化簡了虛部，從而降低了運算復雜度，但是文章對于俯仰角和方位角的聯合分析并不充分，估計的精度受限且需要大的快拍數。可以看出已有的大部分研究都集中在降低方法的計算復雜度上，以犧牲估計精度為代價，然而提高測向方法在低信噪比下的準確度和成功概率也是重要的研究方向，并且上述方法都是假設在信源個數已知的情況下，但實際應用中信源個數并不是已知的，因此還需要先進行額外的信源個數估計，而且信源數估計是落后于波達方向估計的，影響了高精度波達方向估計的實用化進程，且都沒有考慮沖擊噪聲對測向結果的影響。
[0004]此外，在已有文獻中，這些測向方法大多假設背景噪聲為高斯噪聲，通過利用二階或高階累積量進行分析就可以獲得理想的結果。然而實際信號傳輸中噪聲更多不是服從高斯分布的，如海雜波噪聲、大氣噪聲和無線信道噪聲等，這些噪聲可利用Alpha穩定分布建模，它與高斯噪聲模型失配，使得傳統的基于二階或高階累積量的算法失效，因此研究在沖擊噪聲環境下的大規模MIMO系統中對信源個數以及二維波達方向進行去相干、小快拍、高精度和高魯棒性的聯合估計具有重要的意義和價值。

技術實現思路

[0005]針對上述現有技術，本專利技術要解決的技術問題是提供一種有效性和魯棒性更高的基于量子冰晶優化機制的大規模MIMO方陣信源數與波達方向聯合估計方法，在沖擊噪聲、小快拍和相干源存在的情況下，實現Massive MIMO系統信源數與二維波達方向的聯合估計。
[0006]為解決上述技術問題，本專利技術的一種大規模MIMO方陣信源數與波達方向聯合估計方法，包括：
[0007]步驟一：建立沖擊噪聲環境下的Massive MIMO方陣模型，獲取陣列接收的快拍數據；
[0008]步驟二：利用接收數據構造基于拉普拉斯核相關熵的低階協方差矩陣，得到基于拉普拉斯核相關熵的通用加權信號子空間擬合方程；
[0009]步驟三：利用分段式逐個求解方法，得到待搜索來波最終的目標函數；
[0010]步驟四：初始化估計第l個來波的量子冰晶機制的冰晶個體數及每個量子冰晶的量子位置和相應的映射態位置并獲得全局最優量子位置；
[0011]步驟五：初始化量子冰晶能量值，確定一個臨時湖中心位置，與外界進行能量交換；
[0012]步驟六：更新量子冰晶能量，能量值最低的N
q
個量子冰晶開始沉淀結冰，加入到已有的冰晶殼中，并更新歷史量子位置空間
[0013]步驟七：根據量子演化規則，使用模擬量子旋轉門更新未沉淀的量子冰晶的量子位置和相應的映射態位置；
[0014]步驟八：計算每個量子冰晶的適應度值，根據輪盤賭選擇策略選擇量子冰晶來產生新一代量子冰晶的最終位置，然后更新全局最優量子位置；
[0015]步驟九：判斷是否達到其最大迭代次數T
max
，若未達到，令t=t+1，返回步驟五繼續迭代；若達到最大迭代次數，則選擇當前的全局最優量子位置的映射態位置作為最后的結
果，并輸出此時的映射態位置
[0016]步驟十：判斷信源l是否存在：設置閾值若則判斷空間中已無本文檔來自技高網...

【技術保護點】

【技術特征摘要】
1.一種大規模MIMO方陣信源數與波達方向聯合估計方法，其特征在于，包括：步驟一：建立沖擊噪聲環境下的Massive MIMO方陣模型，獲取陣列接收的快拍數據；步驟二：利用接收數據構造基于拉普拉斯核相關熵的低階協方差矩陣，得到基于拉普拉斯核相關熵的通用加權信號子空間擬合方程；步驟三：利用分段式逐個求解方法，得到待搜索來波最終的目標函數；步驟四：初始化估計第l個來波的量子冰晶機制的冰晶個體數及每個量子冰晶的量子位置和相應的映射態位置并獲得全局最優量子位置；步驟五：初始化量子冰晶能量值，確定一個臨時湖中心位置，與外界進行能量交換；步驟六：更新量子冰晶能量，能量值最低的N
q
個量子冰晶開始沉淀結冰，加入到已有的冰晶殼中，并更新歷史量子位置空間步驟七：根據量子演化規則，使用模擬量子旋轉門更新未沉淀的量子冰晶的量子位置和相應的映射態位置；步驟八：計算每個量子冰晶的適應度值，根據輪盤賭選擇策略選擇量子冰晶來產生新一代量子冰晶的最終位置，然后更新全局最優量子位置；步驟九：判斷是否達到其最大迭代次數T
max
，若未達到，令t＝t+1，返回步驟五繼續迭代；若達到最大迭代次數，則選擇當前的全局最優量子位置的映射態位置作為最后的結果，并輸出此時的映射態位置步驟十：判斷信源l是否存在：設置閾值若則判斷空間中已無未知信源，然后輸出空間中的已測得的未知信源的個數以及相應的二維波達方向的估計值，信源數為l
?
1；若則選擇當前的映射態位置作為該信源二維波達方向的估計值，再令l＝l+1，返回步驟三，并將得到的波達方向估計值作為求得的先驗信息帶入下一次求解的目標函數化簡中，然后再一次搜索。2.根據權利要求1所述的一種大規模MIMO方陣信源數與波達方向聯合估計方法，其特征在于：步驟一所述陣列接收的快拍數據滿足：假設空間中存在B個窄帶遠場信源，分別以方位角θ
b
和俯仰角方向入射到由M
×
N個陣元構成的Massive MIMO水平均勻方陣上，b＝1,2,
…
,B，陣元間距為d，入射波長為λ，則陣列接收的第k次快拍采樣數據的數學模型為：其中k＝1,2,...,K，K為最大快拍數，z(k)＝[z1(k),z2(k),...,z
MN
(k)]
T
為MN
×
1維的陣列接收的第k次快拍數據矢量，上標T表示轉置，為MN
×
B維的流型矩陣，其中θ＝[θ1,θ2,...,θ
B
]和分別為信源的方位角矢量與俯仰角矢量，表示第b個信源的導向矢量，其中為流型矩陣關于x軸方向上的第b個信源的導向矢量，為流型矩陣關于y軸方向上的第b個信源的導向矢量，為Kronecker積，s(k)為B
×
1維信號矢量，n(k)為MN
×
1維服從SαS穩定分布的沖擊噪聲矢量。
3.根據權利要求2所述的一種大規模MIMO方陣信源數與波達方向聯合估計方法，其特征在于：步驟二所述基于拉普拉斯核相關熵的低階協方差矩陣和基于拉普拉斯核相關熵的通用加權信號子空間擬合方程具體為：基于拉普拉斯核相關熵的低階協方差矩陣R的第行列元素表示為：式中，z
i
(k)和z
j
(k)分別表示接收的第k次快拍信號數據矢量的第維和第維，(
·
)
*
表示共軛運算，η為核函數的核長；已知空間中的未知信源個數B，然后對低階協方差矩陣R進行特征分解：其中，U
S
是由B個較大特征值對應的特征向量張成的信號子空間，Σ
S
是由B個較大特征值構成的對角陣，U
N
是由剩余較小特征值對應的特征向量張成的噪聲子空間，Σ
N
是由剩余較小特征值構成的對角陣，(
·
)
H
表示共軛轉置運算，均勻方陣的正交投影矩陣為(
·
)
?1表示求逆運算；則基于拉普拉斯核相關熵的加權信號子空間擬合方程通式為：其中，為信號子空間的最優權矩陣，其中σ2表示噪聲功率，tr(
·
)為矩陣求跡函數。4.根據權利要求3所述的一種大規模MIMO方陣信源數與波達方向聯合估計方法，其特征在于：步驟三所述待搜索來波最終的目標函數包括：其中，空間中未知的第l個來波標號為l，初始時未知來波標號l＝1，為定義的歸一化矢量，滿足：其中，其中，和分別表示已經搜索出的l
?
1維方位角參數矢量和俯仰角參數矢量，低階協方差矩陣R分解為：其中由前l個較大特征值對應的特征向量張成的信號子空間，空間，是由前l個較大特征值構成的對角陣，σ2表示噪聲功率。5.根據權利要求4所述的一種大規模MIMO方陣信源數與波達方向聯合估計方法，其特征在于：步驟四所述初始化估計第l個來波的量子冰晶機制的冰晶個體數及每個量子冰晶的量子位置和相應的映射態位置并獲得全局最優量子位置包括：
設置量子冰晶的個體數為N
p
，每個量子冰晶所具有的空間維數為最大的迭代次數為T
max
，t代表迭代次數，對N
p
個量子冰晶的量子位置在量子域[0,1]內隨機初始化，則估計第l個...

【專利技術屬性】
技術研發人員：高洪元，揣濟閣，蘇彥文，郭瑞晨，劉軻，王欽弘，谷曉苑，劉凱龍，杜子怡，陳暄，
申請(專利權)人：哈爾濱工程大學，
類型：發明
國別省市：