[发明专利]一种基于前导和到达角联合估计的活跃用户检测方法

说明书

本发明属于无线通信技术随机接入领域，公开了一种基于前导和到达角联合估计的活跃用户检测方法，该方法为：首先利用前向连续均值消除算法对阵列天线中由参考天线接收到的接收信号进行前导检测；然后基于前导序列的检测结果，对均匀线性阵列天线的接收信号按所检测到的前导序列进行聚类，得出所有使用对应前导序列的用户的聚类信号；最后，将各前导聚类信号构建为对应的Hankel矩阵，并对各Hankel矩阵进行基于ESPRIT算法的到达角AOA估计，从而得出每个前导序列对应用户的到达角估计，完成对活跃用户的检测。

技术领域

本发明属于无线通信技术随机接入领域，具体涉及一种基于前导和到达角联合估计的活跃用户检测方法。

背景技术

在LTE框架下的随机接入过程中，现有的活跃用户检测方法大多基于对用户前导序列(preamble)的检测，如针对正交序列的前导序列相关性检测和针对非正交序列的基于压缩感知的活跃用户检测方法等。

在使用正交序列(如ZC序列等)作为前导序列信号的随机接入中，尽管正交序列基于其良好的自相关和互相关特性使得活跃用户前导检测和信道估计变得简单且高效，然而，受限于无线通信传输帧结构对序列长度的限制，可用正交前导序列个数十分有限。而前导资源的稀缺将导致随机接入用户之间前导序列碰撞十分严重，这也将进一步导致活跃用户检测失败以及无线接入网络的严重拥塞，从而降低了随机接入的成功率。

而在使用非正交序列(如高斯序列等)时，尽管在无前导序列长度限制时理论上可构造无穷多个可用非正交前导序列，从而实现所有随机接入用户都能分配一个唯一序列的前导序列零碰撞愿景。但是，非正交前导序列的检测具有很高的计算复杂度，且信道估计性能也会因前导序列的非正交性而出现下降。

此外，已有文献指出，非正交序列不一定能比正交序列提供更好的性能，两种类型的前导序列均有其各自的优点和局限性。

发明内容

本发明的目的在于提供一种基于前导和到达角联合估计的活跃用户检测方法，通过设计一种基于角度域聚类ESPRIT算法的前导和到达角(Angle of arrival，AOA)联合估计方法，使基站能同时从前导和角度域两个维度对活跃用户进行检测。

实现本发明的技术解决方案为：一种基于角度域聚类ESPRIT算法的前导和到达角联合估计方法，包括以下三个部分：

一种基于前导和到达角联合估计的活跃用户检测方法，其特征在于，前导信号检测方法包括以下步骤：

S1：考虑有M_i个用户设备(User equipment,UE)在第i个接入时隙内同时发起随机接入；

S2：通过FCME算法对UE进行前导序列检测；

S3：根据FCME算法计算的前导序列检测结果进行前导的信号聚类；

S4：根据信号聚类矢量进行基于ESPRIT算法的AOA估计。

FCME算法本是一种异常点检测算法，用于preamble检测时相比于传统方法具有自身的方法优势。而除了ESPRIT算法这一经典的AOA估计算法外，还有另一个经典的AOA估计算法—MUSIC(Multiple signal classification)。MUSIC算法与ESPRIT算法具有相似的AOA估计性能，区别在于MUSIC算法具有更高的计算复杂度，对天线阵元的增益和相位误差等更为敏感，而ESPRIT算法能一定程度上克服MUSIC算法的不足，具有更低的计算复杂度且对天线阵元的物理特性不敏感等特性。

通过本发明能够使基站能同时从前导和角度域两个维度对活跃用户进行检测，所设计活跃用户检测方法使基站具有更强的前导碰撞识别能力，从而整体上提升用户及整个无线随机接入网络的各项随机接入性能。

进一步地，S2包括以下子步骤：