[发明专利]大规模MIMO中基于波束空间转换的散射信源定位方法

说明书

技术领域

本发明涉及一种用于大规模MIMO中的散射信源定位方法，确切地说，是一种估计散射信源的中心波达角(DOA)和角度扩展的方法，属于无线通信技术领域。

背景技术

在蜂窝移动通信系统中，数据传输的需求不断增长，增加天线数量可以有效提高系统的频谱效率。最近，人们发现大规模MIMO系统可以提供极高的频谱效率。在大规模多用户MIMO系统中，基站配置了一百或者几百根天线，同时服务几十个用户。当阵列的天线间距较小或者信号的角度扩展较小时，基站天线的接收信号间存在相关性。此时，可以采用波束形成技术获得方向性天线增益。波束形成技术需要用户的位置信息，即用户信号的DOA估计。散射信源的信号经过多径反射到达基站。因为每条径的DOA各不相同，且一般服从高斯分布，所以定位散射信源就是估计DOA分布的均值和方差，对应的就是散射信源的中心DOA和角度扩展。在大规模MIMO系统中，因为基站计算负担很重且现有方法计算复杂度高，所以降低定位方法的计算复杂度才能使其工程应用。

在大规模MIMO系统中，计算复杂度是一个至关重要的实现问题。现有的估计方法中，最大似然(ML)、近似最大似然(AML)和协方差匹配估计技术(COMET)具有最优或者渐进最优的性能。然而，这些方法因为计算复杂度太高而难以实际采用，尤其是在大规模MIMO系统。通过采用简化的系统模型，这些基于ML和COMET方法的复杂度可以大大降低，但是这些改进方法局限于单信源场景。

另一方面，多重信号分类(MUSIC)和波束形成方法可以用于散射信源的DOA估计，并且，这些方法的计算复杂度要比基于ML和COMET方法的低。然而，这些方法还是需要搜索二维中心DOA和角度扩展来获得它们的估计，其计算复杂度仍然很高。另一方面，借助旋转不变技术的信号参数估计(ESPRIT)也可以用于角度参数估计，并且只需要搜索一维的中心DOA以获得相应的估计。因此，这个方法的计算复杂度比上述其它方法的计算复杂度低。然而，其计算复杂度仍然和基站天线数的立方成正比。

针对现有方法的计算复杂度问题，本发明提出了一种低复杂度的散射信源定位方法。

发明内容

有鉴于此，本发明的目的是提供一种在大规模MIMO系统中利用波束空间转换进行低复杂度定位的方法，即一种在大规模MIMO系统中，利用波束空间转换来估计中心DOA和角度扩展的低复杂度方法。本发明方法利用了大规模MIMO信号的波束空间转换信息损失少的特点，利用波束形成向量把接收信号向量转换到波束空间。当接收信号转换到波束空间后，接收信号向量的维度大大减小。因此，所提方法从根本上降低了计算的复杂度。同时，波束空间转换带来的误差非常小。并且，本发明方法提出了一个估计中心方位DOA的准则，提高了估计性能。

为了达到上述目的，本发明提供了一种大规模MIMO系统中基于波束空间转换的散射信源定位方法，用于下述场景：包括一个基站和多个用户的通信系统，在一段时间内所有用户向基站发射信号；基站大规模天线阵列为均匀圆柱阵。其特征在于：所述方法包括下列两个操作步骤：

(1)信号预处理阶段：用波束形成向量把接收到的用户信号向量转换为较低维度的向量，即波束空间转换，并计算转换后向量的样本协方差矩阵。所提信号预处理方法的具体步骤如下：

(11)单个圆阵接收到的信号向量与波束形成向量相乘获得波束空间的信号向量，把不同圆阵多个这样的向量组合来获得圆柱阵的波束空间信号向量。

(12)对不同时隙的圆柱阵的波束空间信号向量的自相关矩阵求平均，获得圆柱阵的样本协方差矩阵，并被作为信号协方差矩阵的估计。

基站天线数越大，波束空间转换带来的误差就越小，利用波束空间向量估计角度参数的精度就越高。因此，在大规模MIMO系统中，波束空间转换几乎不会带来估计精度的损失。同时，波束空间的信号向量的维度比原信号向量的维度降低很多，从而降低了计算复杂度。具体而言，波束空间转换的计算复杂度与基站天线数成正比，相比之下，利用波束空间信号向量估计中心DOA和角度扩展的计算复杂度几乎可以忽略。因此，所提方法的计算复杂度仅与基站天线数成正比，从根本上降低了散射信源定位的计算复杂度。

(2)估计阶段：由样本协方差矩阵获得信号子空间和噪声子空间，利用信号子空间各部分之间的线性关系以及阵列流形和噪声子空间之间的正交关系估计用户位置。所提估计方法的具体步骤如下：

(21)计算圆柱阵的样本协方差矩阵的特征值分解，获得圆柱阵的信号子空间，并将其分解为各圆阵的信号子空间。接着，由这些信号子空间估计它们之间的线性转换矩阵。