[发明专利]一种基于Wi-Fi信道状态信息的三维联合估计方法

权利要求书

1.一种基于Wi-Fi信道状态信息的三维联合估计方法，包括以下步骤：

步骤一：假设在WiFi系统中有D个信号源，N个子载波，接收端的接收机包含M根天线，接收来自信号源的P个数据包中的CSI信息，利用不同天线、不同子载波和不同时间的CSI信息构造三维矩阵X_P×M×N＝{x_i,j,k}，其中1≤i≤P,1≤j≤M,1≤k≤N，x_i,j,k表示第i个数据包、第j根天线和第k个子载波上获得的CSI信息；

步骤二：将三维矩阵X_P×M×N转化为二维矩阵，将包含数据包信息的第三维的第i,2≤i≤P页转换为第一页的第(i-1)M+1到iM行，从而得到二维矩阵Y_PM×N；

步骤三：用平滑算法对二维矩阵Y_MP×N进行平滑处理以去除相干信号之间的干扰，得到平滑后的矩阵其中L₁、L₂、L₃分别表示子载波、天线、数据包之间进行平滑的滑窗大小，具体地：

对于子载波数据的平滑，将第i个数据包、第j根天线上的N个子载波上得到的CSI数据分成N-L₁+1个列矢量，L₁,L₁＞D为列矢量的长度，列矢量的构成规则为第1～L₁个CSI数据为第一个列矢量，第k～k+L₁-1,2≤k≤N-L₁+1个CSI数据为第k个列矢量，将这N-L₁+1个列矢量顺序排列，得到子载波平滑后的子矩阵：

Z_i,j,1≤i≤P,1≤j≤M表示第i个数据包中第j根天线上N个子载波上的CSI数据平滑后的矩阵，y_(i-1)M+j,k表示矩阵Y中第(i-1)M+j行的k列的数据，P个数据包中PM根天线的所有子载波平滑后的矩阵为Z＝[Z_i,j]，其中1≤i≤P,1≤j≤M；

对于第i个数据包上的M根天线，每根天线上都有N个子载波，这N个子载波已经进行了子载波的平滑，将第i个数据包中的M根天线上的M个平滑后的Z_i,j矩阵构成M-L₂+1个子矩阵，L₂＜D，子矩阵的维度为L₂L₁×(N-L₁+1)，子矩阵的构成规则为第1～L₂根天线上包含N个子载波的L₂个Z_i,j矩阵为第一个子矩阵，第j～j+L₂-1,2≤j≤M-L₂+1根天线上包含N个子载波的L₂个Z_i,j矩阵为第j个子矩阵，将这M-L₂+1个子矩阵顺序排列，得到天线平滑后的子矩阵：

B_i,1≤i≤P表示第i个数据包中的CSI数据平滑后的矩阵，P个数据包中的所有天线平滑之后的矩阵为B＝[B_i]，其中1≤i≤P；

对于P个数据包，每个数据包中包含M根天线，每根天线又包含N个子载波，这M根天线和每根天线中的N个子载波已经进行了平滑，将P个数据包中P个平滑后的B_i矩阵构成P-L₃+1个子矩阵，L₃＜D，子矩阵的维度为L₃L₂L₁×(N-L₁+1)(M-L₂+1)，子矩阵的构成规则为第1～L₃个包含M根天线和M×N子载波的L₃个B_i矩阵为第一个子矩阵，第i～i+L₃-1,2≤i≤P-L₃+1个包含M根天线和M×N子载波的L₃个B_i矩阵为第i个子矩阵，将这P-L₃+1个子矩阵重新排列，就得到天线平滑后的矩阵：

因此，矩阵Y平滑后的矩阵为：

为L₃L₂L₁×(P-L₃+1)(M-L₂+1)(N-L₁+1)维的二维矩阵；

步骤四：对平滑后的矩阵进行特征分解以求解噪声子空间和信号子空间；

步骤五：将噪声子空间中的特征向量构造一个NMP×(NMP-D)维的噪声特征向量矩阵E_N，a(θ,τ,v)为与矩阵的列向量阵列流型相同的方向矢量，θ、τ、v为待估计的入射信号的到达角、飞行时间和速度，计算E_N与矢量a(θ,τ,v)构成的谱函数：

其中，H为共轭转置符号；

步骤六：搜索谱函数f(θ,τ,v)的峰值得到对应的参数估计值。

2.根据权利要求1所述的一种基于Wi-Fi信道状态信息的三维联合估计方法，所述步骤二，将接收到的三维的X_P×M×N矩阵转化为二维矩阵Y_PM×N，包括以下步骤：

矩阵X_P×M×N中每一个数据包的数据为：

第一个数据包X_1×M×N(θ,τ,v)：

第i,2≤i≤P个数据包X_i×M×N(θ,τ,v)：

将包含数据包信息的第三维的第i,2≤i≤P页转换为第一页的第(i-1)M+1到iM行，得到二维Y_PM×N＝{y_a,b}，1≤a≤MP,1≤b≤N矩阵：

矩阵Y中的数据满足如下关系：若j＝a-iM，k＝b，则y_a,b＝x_i,j,k，其中符号表示向下取整。