基于高阶统计和非均匀阵列的欠定参数联合估计方法技术

本发明专利技术公开了一种基于高阶统计和非均匀阵列的欠定参数联合估计方法，包括：获取单样本频域信道数据；采用前后向平滑技术计算四阶累积量对角切片矩阵，利用正交传播算子方法构造时延估计空间谱，搜索谱峰得到时延估计值；计算时延域滤波向量，分离各时延估计值对应的频域信道数据；使用各时延估计值对应的频域信道数据计算高阶累积量矩阵，构造到达角估计空间谱，搜索谱峰得到到达角估计值；利用已经估计且自动配对的时延估计值和到达角估计值，向量化信道数据，基于最小二乘原则估计多径信号复增益值。本发明专利技术只需单样本，能够在欠定场景中进行高精度高准确度的多参数联合估计，且估计自由度大、估计精度高、计算复杂度小、对噪声的鲁棒性大。的鲁棒性大。的鲁棒性大。

【技术实现步骤摘要】
基于高阶统计和非均匀阵列的欠定参数联合估计方法


[0001]本专利技术属于大规模多输入多输出阵列信号处理
，更具体地，涉及一种基于高阶统计和非均匀阵列的欠定参数联合估计方法。

技术介绍

[0002]随着5G时代的到来，对于数据速率和传输质量要求越来越高的移动通信的研究也越发火热。作为热门研究方向之一的无线定位问题也广泛的应用在军事和民用的多个方面，比如雷达、声纳、电子对抗、智慧医疗、智能交通等等。作为无线定位的关键组成部分，无线信号参数联合估计是否准确严重影响着无线定位系统的性能。这些定位参数主要包括信号到达时延、信号到达角、信号到达强度等。而空间环境日益复杂，无线信号的多径传播愈发显著。经过多径传播后的信号具有不同的到达角和时延，信号强度也会相异。且天线阵列接收到的来波数量常常多于天线阵元数量，造成一种欠定的情况，进而导致一些经典的定位方法性能大幅下降甚至失效。因此，如何在欠定场景下实现高精度的无线定位参数联合估计亟待解决。
[0003]最大似然方法首先被提出用来进行无线定位参数的联合估计，它将参数估计问题转化成多变量非线性最小化问题，不仅有较高的计算复杂度，还依赖于参数的初始化。为了避免最大似然方法的缺点，更高效的基于子空间的一些方法被提了出来，比如MUSIC、ESPRIT。其中，JADE
‑
MUSIC方法(M.C.Vanderveen,C.B.Papadias和A.Paulraj,《Joint angle and delay estimation(JADE)for multipath signals arriving at an antenna array》,IEEE Commun.Lett.,卷1,期1,页12
–
14,1997,doi:10.1109/4234.552142.)通过探索接收信号的空时结构，利用二维搜索实现参数的联合估计，而二维的参数搜索带来了巨大的计算负担。JADE
‑
ESPRIT方法(A.
‑
J.van der Veen,M.C.Vanderveen和A.J.Paulraj,《Joint angle and delay estimation using shift
‑
invariance properties》,IEEE Signal Process.Lett.,卷4,期5,页142
–
145,1997,doi:10.1109/97.575559.)通过构建接收信号的Hankel矩阵利用子空间的旋转不变性实现参数的联合估计。为了实现单样本下的高精度参数联合估计，SAGE方法(B.H.Fleury,M.Tschudin,R.Heddergott,D.Dahlhaus和K.Ingeman Pedersen,《Channel parameter estimation in mobile radio environments using the SAGE algorithm》,IEEE J.Sel.Areas Commun.,卷17,期3,页434
–
450,3月1999,doi:10.1109/49.753729.)和MatrixPencil方法(A.Bazzi,D.T.M.Slock和L.Meilhac,《Single snapshot joint estimation of angles and times of arrival:A 2D Matrix Pencil approach》,收入2016IEEE International Conference on Communications(ICC),2016,页1
–
6.doi:10.1109/ICC.2016.7511158.)被提了出来。其中SAGE方法基于EM算法，以期望最大化为准则迭代式求解多个参数，同时利用串行干扰消除和并行干扰消除来对抗噪声。虽然能够在欠定条件下工作且能够估计多个参数，但是同最大似然方法类似，SAGE方法一方面依赖于参数的初始化，另一方面也具有很高的计算复杂度，且参数或者信源数量越多，计算复杂度越高。而MatrixPencil方法面对噪声或者欠定场
景时稳定性较差。
[0004]以上所述方法均为同时估计多种参数，或者具有较高的计算复杂度，或者抗噪声鲁棒性低，或者欠定场景下性能差。而目前已有许多高效稳定的单参数估计算法。实现联合估计的另一种思路是在实现单参数的准确估计后，继续完成多径参数的正确匹配。对此，TST方法(Y.
‑
Y.Wang和W.
‑
H.Fang,《TST
‑
MUSIC for DOA
‑
delay joint estimation》,收入2000IEEE International Conference on Acoustics,Speech,and Signal Processing.Proceedings(Cat.No.00CH37100),6月2000,卷5,页2565
–
2568卷5.doi:10.1109/ICASSP.2000.860980.)提供了一种解决方案。该方法利用一种树形结构实现参数的匹配过程，不仅到达了单参数的高精度估计，同时能够区分距离较近的参数值。然而TST方法只能够区分一个参数离得近的情况，比如DOA相近但其他参数相远。并且TST方法在欠定场景下近乎失效，原因在于TST方法在进行空间波束成形滤波时，欠定的条件使得滤波矩阵不具有该方法需要的前提。

技术实现思路

[0005]针对现有技术的以上缺陷或不足，本专利技术提供一种基于高阶统计和非均匀阵列的欠定参数联合估计方法，旨在克服现有技术存在的计算复杂度高、低信噪比环境下的估计精度低，无法对欠定场景下的多参数进行有效估计等技术问题。
[0006]为实现上述目的，第一方面，本专利技术提供了一种基于高阶统计和非均匀阵列的欠定参数联合估计方法，包括：
[0007]S1，获取原始频域信道数据；
[0008]S2，计算当前频域信道数据的四阶累积量对角切片矩阵；根据多径数量划分所述对角切片矩阵，并基于划分后的矩阵计算传播算子，进而构造时延估计空间谱，搜索谱峰得到时延估计值；
[0009]S3，计算各时延估计值对应的时延域滤波向量，并利用各时延域滤波向量对所述当前频域信道数据进行滤波，以分离各时延估计值对应的频域信道数据；
[0010]S4，分别使用各时延估计值对应的频域信道数据计算高阶累积量矩阵，并基于所述高阶累积量矩阵构造到达角估计空间谱，搜索谱峰得到各时延估计值对应的到达角估计值；
[0011]S5，分别根据各所述时延估计值和到达角估计值，构造时延响应矩阵和阵列流形矩阵；向量化所述当前频域信道数据，并结合所述时延响应矩阵和阵列流形矩阵估计得到信道复增益矩阵。
[0012]进一步地，所述方法还包括：
[0013]S6，判断是否满足迭代停止条件本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于高阶统计和非均匀阵列的欠定参数联合估计方法，其特征在于，包括：S1，获取原始频域信道数据；S2，计算当前频域信道数据的四阶累积量对角切片矩阵；根据多径数量划分所述对角切片矩阵，并基于划分后的矩阵计算传播算子，进而构造时延估计空间谱，搜索谱峰得到时延估计值；S3，计算各时延估计值对应的时延域滤波向量，并利用各时延域滤波向量对所述当前频域信道数据进行滤波，以分离各时延估计值对应的频域信道数据；S4，分别使用各时延估计值对应的频域信道数据计算高阶累积量矩阵，并基于所述高阶累积量矩阵构造到达角估计空间谱，搜索谱峰得到各时延估计值对应的到达角估计值；S5，分别根据各所述时延估计值和到达角估计值，构造时延响应矩阵和阵列流形矩阵；向量化所述当前频域信道数据，并结合所述时延响应矩阵和阵列流形矩阵估计得到信道复增益矩阵。2.如权利要求1所述的参数联合估计方法，其特征在于，所述方法还包括：S6，判断是否满足迭代停止条件，若是，结束操作；若否，基于所述时延响应矩阵、阵列流形矩阵和信道复增益矩阵重建信道，从所述当前频域信道数据中减除重建信道，以剩余频域信道数据作为当前频域信道数据并跳转至S2。3.如权利要求1或2所述的参数联合估计方法，其特征在于，所述S2中，计算当前频域信道数据的四阶累积量对角切片矩阵之后，还包括：对所述四阶累积量对角切片矩阵进行前后向平滑处理，得到前后向平滑后的四阶累积量对角切片矩阵。4.如权利要求1或2所述的参数联合估计方法，其特征在于，所述S3中，计算各时延估计值对应的时延域滤波向量，包括：以最小化滤波后噪声平均功率为目标，使用拉格朗日乘子计算各...

【专利技术属性】
技术研发人员：彭薇，李鹏，江涛，
申请(专利权)人：华中科技大学，
类型：发明
国别省市：