[发明专利]具有空间非平稳性的超大规模天线阵列目标参数估计方法

说明书

本发明提供一种具有空间非平稳性的超大规模天线阵列目标参数估计方法，通过接收端使用阵元数为M的均匀线性阵列进行架构；获得加入空间非平稳性后的ELAA的模型，即获得整个阵列的接收信号y(t)；计算整个阵列的接收信号y(t)的协方差矩阵R；利用协方差矩阵R的K个特征向量和导向矢量的共线关系，构建K个新的协方差矩阵；利用多重信号分类算法进行角度和距离的联合估计；该方法一方面建立了加入空间非平稳性后的ELAA的一般球面波模型；另一方面利用接收信号协方差矩阵的特征向量和导向矢量共线的关系，能够直接通过每个特征向量的协方差矩阵对目标参数进行估计，在保证较高估计精度的情况下降低计算复杂度。

技术领域

本发明涉及一种具有空间非平稳性的超大规模天线阵列目标参数估计方法，属于天线阵列信号处理技术领域。

背景技术

目标参数估计是阵列信号处理中的一个重要领域，在雷达、通信、天文以及地震勘探等诸多军事及民用经济领域有着广泛的应用。随着6G的发展，目标参数估计在未来的各种应用中也越来越重要，许多应用如自动驾驶和6G通信系统，都有极高的定位精度要求。在阵列信号处理中，角度分辨率与阵列的孔径成正比。因此，为了实现极高的定位精度，超大规模天线阵列(ExtremelyLarge-scale AntennaArray，ELAA)被认为是一种有前途的技术。不幸的是，在ELAA提升性能的同时也引入了几个新的挑战，应该识别并解决这些挑战，以增强6G通信能力。

ELAA由数百甚至数千根天线组成。然而，随着阵列孔径的增加，信源和不同天线之间的距离可能会有很大的不同，这使得整个阵列的接收功率会发生很大的变化。此外，信源与ELAA之间可能存在障碍物，特别是在复杂的城市环境中。因此，信源可能只能“看到”阵列的一部分，称为可视区域(Visibility Region，VR)。因此，ELAA的不同部分观察到不同功率的相同或不同信源，这种现象称为空间非平稳性。如果没有VR的先验知识，传统方法(如子空间方法或稀疏方法)的性能可能会下降。然而，想要获得VR并不容易。在单个信源的情况下，直接计算每个天线上的接收功率可能有用，但在两个或多个信源的情况中，尤其是当信源的VR重叠时，该方法不起作用。ELAA的现有工作集中在无线通信中的线性接收机或信道估计。然而，所有这些方法都将ELAA划分为多个大小相等的子阵列，并假设每个子阵列都足够小，可以经历空间平稳性，以便简化。这种假设是不合理的，因为VR应该是任意的。

随着阵列孔径的增加，信源与ELAA之间的距离可能小于瑞利距离。在瑞利距离之外，它是远场区域，在该区域，电磁场可以用平面波近似模拟；在瑞利距离内，近场传播成为主导，其中电磁场必须由球面波精确建模。由于在1G-5G无线网络中天线的数量不是很大，所以最多几米的瑞利距离可以忽略不计。因此，现有的1G-5G通信主要是从远场通信理论和技术发展而来的。然而，随着未来6G系统中天线数量和载频的显著增加，ELAA的近场区域将扩大几个数量级。因此，近场通信将成为未来6G网络室外和室内应用的关键，这与现有的远场5G系统明显不同。因此传统阵列场景中的平面波前假设无效，应考虑球面波前。在阵列信号处理中，通常通过使用二阶泰勒展开来近似球面波的方向矢量，传播衰减也被忽略，即它们假设每个天线上的入射信号具有相同的振幅。这种简化必然会引入模型失配误差，导致估计精度较低。

上述问题是在超大规模天线阵列目标参数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具有空间非平稳性的超大规模天线阵列目标参数估计方法解决现有技术中存在的估计精度较低，同时计算复杂度有待降低的问题。

本发明的技术解决方案是：

一种具有空间非平稳性的超大规模天线阵列目标参数估计方法，包括以下步骤，

S1、接收端使用阵元数为M的均匀线性阵列进行架构；

S2、建立ELAA的不包含空间非平稳性的一般球面波模型，引入选择矩阵后，获得加入空间非平稳性后的ELAA的模型，即获得整个阵列的接收信号y(t)；