CN1585318A - Cdma无线通信的空间特征提取及信号到达方向估计方法 - Google Patents

Abstract

本发明涉及一种CDMA无线通信的空间特征提取及信号到达方向估计方法，可不受信号相关性和信号到达方向间距的影响。包括以下步骤：A.利用天线阵列接收的数据估计所关心用户信道的空时冲激响应；B.从估计的该用户信道的空时冲激响应结果中分离并选取出其中主要传播路径的空间冲激响应；C.用提取出的主要传播路径的空间冲激响应，估计每条主要传播路径的空间特征以及对应的到达方向。由于只用用户信号主要传播路径的信道空间冲激响应，而不是利用所有传播路径的空间冲激响应数据，来估计相应径的DOA，不仅避免了白噪声的影响，还避免了多径信息的相互干扰。即使多径信号的相关性很高，DOA完全相同，本发明方法也是有效的。

Description

CDMA无线通信的空间特征提取及信号到达方向估计方法

技术领域

本发明涉及一种移动通信技术，更确切地说是涉及一种码分多址(CDMA)无线通信的空间特征提取及信号到达方向(DOA)估计的方法。该方法不受信号相关性和信号DOA间距的影响，适于在CDMA移动通信系统中估计多径信号的空间特征和DOA。所提取的无线信道空间特征，可用于对接收或发射的信号进行空间滤波，估计的DOA可以用于对移动目标进行定位和波束赋形。

背景技术

在移动通信系统中应用天线阵列可以有效地抑制干扰，提高系统容量，通过在具有天线阵列的移动通信系统中设置空间滤波器和/或波束赋形器来有效抑制干扰。空间滤波器的设计方法，大致可以分为“盲”和“非盲”两大类。其中“非盲”的方法是利用训练序列估计信道的空间特征(或通过估计DOA得到信道的空间特征)来完成的。DOA估计还可以用于对移动目标进行定位和跟踪。

对于单一的(无扩散的)一条无线信道传播路径，当天线阵列结构确定以后，信道的空间特征与信号的DOA是一一对应的(映射关系)，因此可以将信道的空间特征估计和信号的DOA估计作为同一个问题来处理。

估计信号DOA的方法有很多，最典型的有波束扫描(Classic)方法(一种传统的DOA估计方法)，Capon的最小方差无畸变响应(MVDR)方法，和特征结构法(如MUSIC，ESPRIT及其扩展方法)。传统的波束扫描方法是假设空间滤波器具有阵列方向矢量的形式，在空间一定的观察范围内以一定的角度间隔搜索空间滤波器输出功率最大的那些峰值，那些峰值所对应的角度就是要估计的DOA。Capon的MVDR方法的优化准则是在保证主瓣能量的约束条件下，使空间滤波器输出功率最小，从而达到抑制干扰的目的。因此在分辨DOA相近的多个信号时，比传统的波束扫描方法具有更好的分辨性能。特征结构法通过对以阵列方式输出的空间协方差矩阵进行特征值分解，定义信号子空间和噪声子空间，进而利用信号子空间和噪声子空间的正交性(对MUSIC及其扩展)或利用信号子空间的旋转不变性(对ESPRIT及其扩展)来获得对信号DOA的估计。特征结构法在估计多个独立信号的DOA时，其角度分辨能力大大超过了传统的Classic算法，因此又被称为高分辨技术。

上述的DOA估计算法在分辨多个信号的DOA时要求信号源的数目小于天线阵列中的天线单元总数。这一要求使这些算法不能直接用于CDMA通信系统，因为在CDMA通信系统中，信号源的数目一般大于天线单元总数。因此现有的CDMA信号的DOA估计方法均基于解调后的CDMA信号进行。

由于在CDMA移动通信系统中，DOA估计方法基于解调后的CDMA信号进行。而某个用户解调后的信号中必然含有该用户的多径信号分量和加性噪声，且具有如下的特征：(1)信号的多径分量之间存在很强的相关性；(2)信号的多径分量之间的DOA间隔(间距)很小；(3)由于CDMA系统中扩频码的非正交性，解调后的噪声往往是有色噪声。对于高度相关的信号，采用传统Classic算法的DOA估计方法时，会使角分辨能力严重下降，采用高分辨方法虽然可以结合空间平滑技术使其分辨相关信号的性能改善，但有损失阵列孔径和加大算法计算量的不足。在移动通信系统中，多径分量间的角度往往相隔很近，而受系统成本的影响，阵列天线中的天线单元总数又不可能很多，因此对于既相关又角度相近的多径分量，高分辨的算法也将无能为力。上述分析说明，现有的空间特征提取及DOA估计方法，分辨多径分量的能力受信号相关性和DOA间距影响很大。这是因为这些技术基于噪声污染的用户多径数据的空间协方差矩阵，如果多径信号相关，这些相关能量在分辨多径时就会影响分辨性能。另一方面，在DOA间距较小时，现有技术受天线数及技术本身性能的影响，使其无法分辨这些DOA间距较小的多径。

一个解决分辨多径分量的途径是利用RAKE接收机结构上的特点进行的，即用一条路径解调后的信号估计该径的DOA(逐径进行)，但这种方法仍然要受加性有色噪声的严重影响，这是因为现有的技术是基于加性白噪声发展起来的。此外，在分辨多个信号源时，高分辨DOA估计技术的优点主要体现在与传统的波束扫描技术相比较，但在计算上要花更大的消费，因为它要进行复数矩阵的特征值分解。当用单条路径解调后的信号进行DOA估计时，高分辨技术就失去了它的优越性。另外，用RAKE接收机结构的每条径解调后的信号进行DOA估计还对接收机有如下的要求：(1)接受机必须是RAKE接收形式；(2)有分离每条径的解调处理能力。否则，只为DOA估计而实行多径分量的分离跟踪和解调会给接收机带来额外的复杂性。

发明内容

本发明的目的是设计CDMA无线通信的空间特征提取及信号到达方向估计方法，不受信号相关性和信号到达方向间距的影响，提取的信道空间特征可以用于对接收和发射的信号进行空间滤波，估计的到达方向(DOA)可以用于对目标进行定位和波束赋形。

实现本发明目的的技术方案是这样的：一种CDMA无线通信的空间特征提取及信号到达方向估计方法，其特征在于包括以下步骤：

A.利用天线阵列接收的用户数据估计所关心用户信道的空时冲激响应；

B.从估计的该用户信道的空时冲激响应结果中分离并选取出其中主要传播路径的空间冲激响应；

C.用提取出的主要传播路径的空间冲激响应，估计每条主要传播路径的空间特征以及对应的到达方向。

所述步骤B，分离并选取出其中主要传播路径的空间冲激响应，进一步包括：

B1.根据该用户信道的空时冲激响应结果，获得其中每条传播路径在每个天线单元、每个时延抽头上的冲激响应强度；

B2.利用冲激响应强度，按冲激响应平均功率最大原则确定与主要传播路径对应的时延抽头；

B3.提取与主要传播路径对应的时延抽头的信道空间冲激响应。

所述的步骤B2进一步包括：求出该用户对应每个天线单元、每个时延抽头的冲激响应平均功率；选取对应最大q个平均功率的时延抽头作为与主要传播路径对应的时延抽头。

所述的q是在不同信道环境下，所存在的满足一定信噪比门限的不少于q的主要传播路径。

所述的步骤B2进一步包括：设定一功率门限值；选取满足某一条径对应的空间冲激响应的功率平均值大于等于功率门限值的所有时延抽头作为与主要传播路径对应的时延抽头。

所述的功率平均值基于天线阵列中的全部天线单元或部分天线单元。

所述的功率门限值基于当前时隙信道空时冲激响应数据确定，或联合考虑当前时隙和当前时隙前面时隙的信道空时冲激响应数据确定。

所述的联合考虑当前时隙和当前时隙前面时隙的信道空时冲激响应数据，是从当前时隙开始按指数衰减的原则考虑前面时隙的信道空时冲激响应数据。

所述的步骤C按θ_i， $a\left({\mathrm{\&theta;}}_i\right)=\underset{\mathrm{\&theta;}\&Element;\left[\mathrm{0,2}\mathrm{\&pi;}\right)}{\arg \max }|\&lang;a\left(\mathrm{\&theta;}\right),h^{\left(k\right)}\left({\mathrm{\&tau;}}_i\right)\&rang;|$ 计算每条主要传播路径i的空间特征以及对应的到达方向，<，>表示内积运算，为阵列方向矢量a(θ)和其中一条主要传播路径i对应的空间冲激响应h^(k)(τ_i)的内积，k表示第k个用户，τ_i表示与主要传播路径i对应的时延抽头。

本发明的技术方案，基于用户信道空时冲激响应，估计出每个用户的信道空时冲激响应后，再分离出每条信号主要传播路径的信道空间冲激响应(有用信息)，只用每个用户信号主要传播路径的信道空间冲激响应，而不是利用所有传播路径的空间冲激响应数据，来估计相应径的DOA，不仅避免了白噪声的影响，还避免了多径信息的相互干扰。即使多径信号的相关性很高，DOA完全相同，本发明方法也是有效的。而其它现有的方法既不能有效地分辨高度相关的多径信号，也不能分辨DOA相近的多径。

此外，本发明方法计算简单，适合工程应用尤其是在CDMA系统中应用。

附图说明

图1是8天线单元的天线阵列和冲激响应窗长或抽头数为16时的冲激响应强度示意图；

图2是对应图1的冲激响应的平均功率示意图；

图3是应用本发明方法的DOA估计，以1°为步长计算的两个方向角效果示意。

具体实施方式

本发明提出了一种简单有效的无线信道空间特征提取及信号到达方向(DOA)的估计方法，是基于信道空时冲激响应的DOA估计方法，该方法不受信号相关性和信号DOA间距的影响，适合用在移动通信系统中估计多径分量的信道空间特征和DOA。提取的信道空间特征可以用于对接收和发射的信号进行空间滤波，估计的DOA可以用于对目标进行定位和波束赋形。

本发明主要针对多用户移动通信系统，尤其是CDMA系统，提出的一种基于空时信道估计的DOA估计方法。以下结合附图详细说明其技术方案，其主要技术步骤包括：估计用户信道空时冲激响应；分离用户多径信号并按冲激响应平均功率最大原则选取抽头；和进行空间特征提取及DOA估计。

结合参见图1，对于用户k，假设估计后的用户信道空时冲激响应为：

      H^(k)＝[h^(k)(0)h^(k)(1)…h^(k)(W-1)]        (1)

$=\left[\begin{array}{cccc}{h}_1^{\left(k\right)}\left(0\right)& h_1^{\left(k\right)}\left(1\right)& & h_1^{\left(k\right)}(W-1)\\ h_2^{\left(k\right)}\left(0\right)& h_2^{\left(k\right)}\left(1\right)& & h_2^{\left(k\right)}(W-1)\\ & & & \\ h_M^{\left(k\right)}\left(0\right)& h_M^{\left(k\right)}\left(1\right)& & h_M^{\left(k\right)}(W-1)\end{array}\right]----\left(2\right)$

(1)式为矩阵表达式，(2)式是列矢量表达式，式中M为天线数，W为空时冲激响应窗长或抽头数。本发明方法中，可以采用任何现有的估计技术来估计用户信道空时冲激响应，即对估计用户信道的空时冲激响应的方法没有限制。冲激响应可以是任何形式归一化后的结果。

定义对应第m个天线单元第i+1个抽头的冲激响应强度为

(强度是绝对值)，图1示意给出了M＝8和W＝16时，用户k对应每个天线单元、每个抽头上的冲激响应强度，用圆圈示出。经过运算，假设其中两条多径的信号h^(k)(0)和h^(k)(3)(公式2中的第1、第4两列，即第1条、第2条径)分别对应抽头τ₁＝0和τ₂＝3(图中横轴表示时延抽头τ，纵轴表示冲激响应强度。

很明显，此时对第k个用户，信道的特征可由h^(k)(0)和h^(k)(3)完全确定。事实上，在每条路径角度扩散比较小的情况下，我们可以将h^(k)(0)和h^(k)(3)近似表示成冲激响应函数：

式中α₀、α₁表示信道的幅度衰落系数，₀、₁分别是第1条、第2条径的相位，表示成e^j0，e^k1，a(θ₀)，a(θ₁)分别表示第1条、第2条径的空间特征，δ(τ)和δ(τ-3)没有运算上的意义。因此经过上述运算过程，从H^(k)中提取了h^(k)(0)和h^(k)(3)，就可以估计这两条路径的空间特征a(θ₀)和a(θ₁)以及它们各自对应的到达方向角θ₀和θ₁。

但是，在实际中，我们并不知道信道有几个主要的传播路径(如上述的两条多径信号h^(k)(0)和h^(k)(3))，也不知道这些路径所对应的时延抽头(如上述的抽头τ₁＝0和τ₂＝3)。因此，必须按照某种准则判定并选取出信号的主要传播路径(即如何获得上述两条多径信号h^(k)(0)和h^(k)(3)及分别对应时延抽头τ₁＝0和τ₂＝3)。可以采用两种选取方法：

第一种选取方法是固定的选取q个最大平均功率的时延抽头，或者说基于选取平均功率最大的q个径。

对第k个用户，定义对应第i个时延抽头的冲激响应的平均功率为：

$P^{\left(k\right)}\left(i\right)={\left|\right|h^{\left(k\right)}\left(i\right)\left|\right|}^2/M,i=0,\&CenterDot;\&CenterDot;\&CenterDot;,W-1----\left(4\right)$

对应图1，可得到8个天线信道空间冲激响应的平均功率，如图2中圆圈所示。实施时，计算平均功率可基于部分天线单元或全体天线单元进行(即M的取值)。

通过对无线信道进行测量和分析，假设在不同的信道环境下总存在不少于q(例如q＝2)个主要传播路径满足一定的信噪比门限，因此，我们在计算了所有抽头对应的冲激响应的平均功率后，就可选取对应最大q个平均功率的抽头，提取这些抽头对应的空间冲激响应(对应时延抽头τ₁＝0和τ₂＝3的位置处)。

第二种选取方法是先设定一个功率门限，选取平均功率超过该门限的所有抽头，或者说基于设定的某个门限值，选取平均功率大于该门限的径。

在移动通信环境中，环境的变化和信道的衰落都会带来多径数和多径强度的变化。方法1选择固定q条径就可能出现过估计(q太大)或欠估计(q太小)的情况。一种自适应选取q的方法是根据估计的信道空间冲激响应设定某个门限值

，然后选取满足下式(5)

的所有抽头做为主径抽头，即某一条径对应的信道空间冲激响应的功率平均值大于等于

的径，而把低于门限 的径当噪声处理。门限可以只用本时隙估计的本用户的冲激响应数据来确定，也可以联合考虑本时隙和前面时隙的冲激响应数据来确定，比如从本时隙开始按指数衰减的原则考虑前面时隙数据的作用。

最后作空间特征提取及DOA估计。当我们由H^(k)选出了某个信号多径的空间冲激响应h^(k)(τ_i)(如对应图2的h^(k)(0)，h^(k)(3))后，就可以按下面的规则估计对应路径的空间特征(以a(θ)为变量)以及对应的DOA(以θ为变量)：

${\mathrm{\&theta;}}_i,a\left({\mathrm{\&theta;}}_i\right)=\underset{\mathrm{\&theta;}\&Element;\left[\mathrm{0,2}\mathrm{\&pi;}\right)}{\arg \max }|\&lang;a\left(\mathrm{\&theta;}\right),h^{\left(k\right)}\left({\mathrm{\&tau;}}_i\right)\&rang;|----\left(6\right)$

其中<，>表示内积运算，为阵列方向矢量a(θ)(阵列方向矢量可以是以任何形式归一化后的结果)和其中一条径对应的空间冲激响应h^(k)(τ_i)的内积。由上式可见，DOA的估计精度由两个因素确定。其一是h^(k)(τ_i)的估计精度，其二是计算消费函数f_i(θ)＝|<a(θ)，h^(k)(τ_i)>|时，角度搜索步长的选取。

作为验证举例，图3给出了对应图2中的两条路径在假设[θ₀，θ₃]＝[20°，60°]时，在0到2π范围内，以1°为步长计算(扫描)的f₀(θ)＝|<a(θ)，h^(k)(0)>|(图中上半部分)和f₁(θ)＝|<a(θ)，h^(k)(3)>|的值(图中下半部分)。图中显示出在θ分别为20°和60°时，计算出的f₀(θ)和f₁(θ)最大，说明了本发明方法的准确性。

Claims (9)

1.一种CDMA无线通信的空间特征提取及信号到达方向估计方法，其特征在于包括以下步骤：

A.利用天线阵列接收的用户数据估计所关心用户信道的空时冲激响应；

B.从估计的该用户信道的空时冲激响应结果中分离并选取出其中主要传播路径的空间冲激响应；

C.用提取出的主要传播路径的空间冲激响应，估计每条主要传播路径的空间特征以及对应的到达方向。

2.根据权利要求1所述的一种CDMA无线通信的空间特征提取及信号到达方向估计方法，其特征在于：所述步骤B，分离并选取出其中主要传播路径的空间冲激响应，进一步包括：

B1.根据该用户信道的空时冲激响应结果，获得其中每条传播路径在每个天线单元、每个时延抽头上的冲激响应强度；

B2.利用冲激响应强度，按冲激响应平均功率最大原则确定与主要传播路径对应的时延抽头；

B3.提取与主要传播路径对应的时延抽头的信道空间冲激响应。

3.根据权利要求2所述的一种CDMA无线通信的空间特征提取及信号到达方向估计方法，其特征在于所述的步骤B2进一步包括：求出该用户对应每个天线单元、每个时延抽头的冲激响应平均功率；选取对应最大q个平均功率的时延抽头作为与主要传播路径对应的时延抽头。

4.根据权利要求3所述的一种CDMA无线通信的空间特征提取及信号到达方向估计方法，其特征在于：所述的q是在不同信道环境下，所存在的满足一定信噪比门限的不少于q的主要传播路径。

5.根据权利要求2所述的一种CDMA无线通信的空间特征提取及信号到达方向估计方法，其特征在于所述的步骤B2进一步包括：设定一功率门限值；选取满足某一条径对应的空间冲激响应的功率平均值大于等于功率门限值的所有时延抽头作为与主要传播路径对应的时延抽头。

6.根据权利要求5所述的一种CDMA无线通信的空间特征提取及信号到达方向估计方法，其特征在于：所述的功率门限值基于当前时隙信道空时冲激响应数据确定，或联合考虑当前时隙和当前时隙前面时隙的信道空时冲激响应数据确定。

7.根据权利要求6所述的一种CDMA无线通信的空间特征提取及信号到达方向估计方法，其特征在于：所述的联合考虑当前时隙和当前时隙前面时隙的信道空时冲激响应数据，是从当前时隙开始按指数衰减的原则考虑前面时隙的信道空时冲激响应数据。

8.根据权利要求5所述的一种CDMA无线通信的空间特征提取及信号到达方向估计方法，其特征在于：所述的功率平均值基于天线阵列中的全部天线单元或部分天线单元。

9.根据权利要求1所述的一种CDMA无线通信的空间特征提取及信号到达方向估计方法，其特征在于：所述的步骤C按θ_i， $a\left({\mathrm{\&theta;}}_i\right)=\underset{\mathrm{\&theta;}\&Element;\left[\mathrm{0,2}\mathrm{\&pi;}\right)}{\arg \max }|<a\left(\mathrm{\&theta;}\right),h^{\left(k\right)}\left({\mathrm{\&tau;}}_i\right)>|$ 计算每条主要传播路径i的空间特征以及对应的到达方向，<，>表示内积运算，为阵列方向矢量a(θ)和其中一条主要传播路径i对应的空间冲激响应h^(k)(τ_i)的内积，k表示第k个用户，τ_i表示与主要传播路径i对应的时延抽头。

Images