本發(fā)明屬于無線通信技術(shù)領(lǐng)域，尤其涉及一種基于特征值分解的sage信道參數(shù)估計(jì)方法。

背景技術(shù)：

信道特性的好壞決定了通信系統(tǒng)的最終通信性能，因而在對(duì)無線通信系統(tǒng)的研究、分析和設(shè)計(jì)時(shí)，需要無線環(huán)境下信號(hào)的傳輸特性，才能設(shè)計(jì)出能夠最大限度并完整反映實(shí)際傳輸信道的特征的理論模型。為了建立有效的信道模型，需要從信道測(cè)量數(shù)據(jù)中提取準(zhǔn)確描述信道特性的信道參數(shù)，因此研究基于一定算法的信道參數(shù)估計(jì)的方法具有一定的意義。通信領(lǐng)域里，sage算法依賴于估計(jì)基于接收信號(hào)觀測(cè)值的參數(shù)或信道沖擊響應(yīng)，在散射信道的測(cè)量過程中，由于信號(hào)的衰減大，信噪比降低。低信噪比的接收數(shù)據(jù)使一般信道沖激響應(yīng)提取算法的性能變差，大大降低多徑信號(hào)的幅度分辨率和時(shí)間分辨率，導(dǎo)致sage算法不能正確地估計(jì)一些信號(hào)分量的參數(shù)值，又由于不能完全去除路徑間干擾，導(dǎo)致在估計(jì)一些區(qū)域里面路徑的參數(shù)值時(shí)接近那些已經(jīng)估計(jì)的路徑的參數(shù)值，產(chǎn)生很多估計(jì)的多徑分量集中在一些顯性區(qū)域上的效果，不能有效地探索整個(gè)信道分布。

綜上所述，現(xiàn)有技術(shù)存在的問題是：sage算法在散射信道的測(cè)量過程中存在由于信號(hào)的衰減大，信噪比降低，使一般信道沖激響應(yīng)提取算法的性能變差，大大降低多徑信號(hào)的幅度分辨率和時(shí)間分辨率，導(dǎo)致sage算法不能正確地估計(jì)一些信號(hào)分量的參數(shù)值，不能有效地探索整個(gè)信道分布。

技術(shù)實(shí)現(xiàn)要素：

針對(duì)現(xiàn)有技術(shù)存在的問題，本發(fā)明提供了一種基于特征值分解的sage信道參數(shù)估計(jì)方法。

本發(fā)明是這樣實(shí)現(xiàn)的，一種基于特征值分解的sage信道參數(shù)估計(jì)方法，所述基于特征值分解的sage信道參數(shù)估計(jì)方法通過迭代更新參數(shù)子集來生成最大似然估計(jì)的近似值；信道沖擊響應(yīng)的協(xié)方差矩陣及其特征向量的估計(jì)；h(t)的協(xié)方差矩陣σh(t)，t＝[t1,t2,…tt]可由hj(t)，j＝1,…j計(jì)算得到：

其中(·)^h表示復(fù)共軛轉(zhuǎn)置運(yùn)算，通過使用特征值分解，協(xié)方差矩陣σh(t)寫為：

σh(t)＝u(t)λ(t)u(t)^h；

其中λ(t)是由特征值組成的對(duì)角矩陣，u(t)是由特征向量組成的酉矩陣。特征向量用es(t)表示，由最大特征值得到的。

進(jìn)一步，所述基于特征值分解的sage信道參數(shù)估計(jì)方法的每次迭代由兩個(gè)步驟組成：一個(gè)是期望e-步驟，用于估計(jì)似然函數(shù)的條件期望；另一個(gè)是最大化m-步驟，通過最大化似然函數(shù)以得到相應(yīng)的估計(jì)參數(shù)；使用θ'來表示基于特征值分解的sage算法中的未知參數(shù)：

θ'＝[τl,φl,αl]；

其中表示所選擇的特征向量的es(t)中的第路徑分量的復(fù)衰減系數(shù)的估計(jì)。

進(jìn)一步，所述期望e-步驟具體包括：

基于計(jì)算的特征向量的es(t)，獲得特征向量矩陣f：

f＝[es(t)]；t＝[t1,t2,…tt]；

在θ'的參數(shù)是已知的并且f可用的條件下，可接受的隱藏?cái)?shù)據(jù)e的期望寫為：

其中是對(duì)基于已知參數(shù)而估計(jì)的第個(gè)路徑的貢獻(xiàn)，振幅為1：

其中分別表示估計(jì)的第個(gè)路徑的延遲，到達(dá)角和復(fù)衰減系數(shù)，列向量crx(·)表示在第個(gè)估計(jì)路徑的接收天線的導(dǎo)向向量。

進(jìn)一步，所述最大化m-步驟具體包括：

通過把s(φl,τl)和e中的所有項(xiàng)連接在一個(gè)列矢量，本發(fā)明得到s(φl,τl)和eb：

s(φl,τl)＝vec(s(φl,τl))；

eb＝vec(e)；

“vec”為數(shù)學(xué)運(yùn)算符，具體含義是把一個(gè)mxn維的矩陣轉(zhuǎn)變成一個(gè)1×nm的矢量；

即當(dāng)x＝[x1,x2…,xn]；

被最小化以估計(jì)每次迭代中第個(gè)估計(jì)路徑的未知參數(shù)的目標(biāo)函數(shù)被導(dǎo)出為：

令且

重構(gòu)的多徑分量的復(fù)衰減系數(shù)的估計(jì)表示為：

通過把帶入之前的公式來計(jì)算的估計(jì)：

引入每個(gè)獨(dú)立快拍的信道沖擊響應(yīng)矩陣：

hj＝[hj(t)]；t＝[t1,t2,…tt]；

與類似，對(duì)于每個(gè)獨(dú)立快拍的復(fù)衰減系數(shù)的真實(shí)估計(jì)表示為：

其中eh,j＝vec(hj)。

進(jìn)一步，所述基于特征值分解的sage信道參數(shù)估計(jì)方法信道模型為：

在第n幅接收天線處的信道沖擊響應(yīng)的表示如下：

其中δ(t)是delta函數(shù)，其中t＝[t1,t2,…tt]∈[0,t)，t是測(cè)量的總延遲范圍，τl，φl和αl分別表示第傳播路徑的延遲，到達(dá)角和復(fù)衰減系數(shù)，l表示路徑總數(shù)，cnrx(·)表示在第n幅接收天線的導(dǎo)向矢量。最后，nnrx(t)表示服從復(fù)高斯分布的零均值，方差n0的復(fù)值噪聲分量。用θ來表示表征傳播信道中的參數(shù)分量：

θ＝[τl,φl,αl]；

引入向量h(t)以包含在不同天線獲得的信道沖擊響應(yīng)：

h(t)＝[hnrx(t)]^t；nnrx＝1,…nrx；

其中[·]^t表示給定參數(shù)的復(fù)數(shù)轉(zhuǎn)置。

在總共獲得j個(gè)信道沖擊響應(yīng)快拍的情況下，使用hj(t)，j＝1,…j表示第j個(gè)快拍中的信道沖擊響應(yīng)。

本發(fā)明的另一目的在于提供一種應(yīng)用所述基于特征值分解的sage信道參數(shù)估計(jì)方法的無線通信系統(tǒng)。

本發(fā)明的優(yōu)點(diǎn)及積極效果為：本發(fā)明使得在有效地估計(jì)出信道參數(shù)的同時(shí)具有良好的穩(wěn)健性、收斂性；仿真結(jié)果表明，與原sage算法相比，基于特征值分解的sage信道參數(shù)估計(jì)方法估計(jì)出的信道參數(shù)更接近合成的信道參數(shù)，改善了原sage的穩(wěn)健性、收斂性。本發(fā)明提高了現(xiàn)有信道參數(shù)估計(jì)方法的穩(wěn)健性和收斂性，利用較少數(shù)量的多徑分量來估計(jì)整個(gè)信道的信道參數(shù)。

本發(fā)明應(yīng)用基于特征值分解的sage算法能利用較少數(shù)量的多徑分量來估計(jì)整個(gè)信道，低snr情況下估計(jì)完整信道的解決方案是抑制接收信號(hào)中的噪聲分量。將特征值分解應(yīng)用于所觀察到的信道沖擊響應(yīng)的協(xié)方差矩陣并獲得信號(hào)特征向量。單個(gè)特征向量可以被認(rèn)為是多徑分量響應(yīng)的線性組合，其中噪聲分量被顯著地去除。這啟發(fā)了從sev估計(jì)信號(hào)分量的想法。在cir的協(xié)方差矩陣是不滿秩的情況下，可以被保證是具有最大特征值的特征向量是多徑分量的線性組合。因此，這樣的特征向量被認(rèn)為是有效的特征向量。應(yīng)用sage程序來制定從特征向量中提取多徑分量的估計(jì)算法，即基于特征值分解的sage信道參數(shù)估計(jì)算法。

附圖說明

圖1是本發(fā)明實(shí)施例提供的基于特征值分解的sage信道參數(shù)估計(jì)方法流程圖。

圖2是本發(fā)明實(shí)施例提供的多徑數(shù)目為10，信噪比為5db時(shí)的仿真示意圖。

圖3是本發(fā)明實(shí)施例提供的本發(fā)明與一般sage算法在不同snr、路徑數(shù)下的的多徑距離性能對(duì)比示意圖；

圖中：(a)信噪比為-10db下兩種算法的比較圖；(b)路徑數(shù)為10時(shí)兩種算法的比較圖。

具體實(shí)施方式

為了使本發(fā)明的目的、技術(shù)方案及優(yōu)點(diǎn)更加清楚明白，以下結(jié)合實(shí)施例，對(duì)本發(fā)明進(jìn)行進(jìn)一步詳細(xì)說明。應(yīng)當(dāng)理解，此處所描述的具體實(shí)施例僅僅用以解釋本發(fā)明，并不用于限定本發(fā)明。

下面結(jié)合附圖對(duì)本發(fā)明的應(yīng)用原理作詳細(xì)的描述。

如圖1所示，本發(fā)明實(shí)施例提供的基于特征值分解的sage信道參數(shù)估計(jì)方法包括以下步驟：

s101：獲取信道沖擊響應(yīng)；

s102：構(gòu)建信道沖擊響應(yīng)的協(xié)方差矩陣；

s103：對(duì)信道沖擊響應(yīng)協(xié)方差矩陣進(jìn)行特征值分解；

s104：對(duì)信道的參數(shù)向量使用sage算法估計(jì)。

在本發(fā)明的實(shí)施例中：

(1)步驟s101中的信道沖擊響應(yīng)是已知的，用于之后仿真和分析；

信道模型：

在第n幅接收天線處的信道沖擊響應(yīng)的表示如下：

其中δ(t)是delta函數(shù)，其中t＝[t1,t2,…tt]∈[0,t)，t是測(cè)量的總延遲范圍，τl，φl和αl分別表示第傳播路徑的延遲，到達(dá)角和復(fù)衰減系數(shù)，l表示路徑總數(shù)，cnrx(·)表示在第n幅接收天線的導(dǎo)向矢量。最后，nnrx(t)表示服從復(fù)高斯分布的零均值，方差n0的復(fù)值噪聲分量。用θ來表示表征傳播信道中的參數(shù)分量：

θ＝[τl,φl,αl]；

引入向量h(t)以包含在不同天線獲得的信道沖擊響應(yīng)：

h(t)＝[hnrx(t)]^t；nnrx＝1,…nrx；

其中[·]^t表示給定參數(shù)的復(fù)數(shù)轉(zhuǎn)置。

在總共獲得j個(gè)信道沖擊響應(yīng)快拍的情況下，本發(fā)明使用hj(t)，j＝1,…j表示第j個(gè)快拍中的信道沖擊響應(yīng)。

(2)evd-sage算法

基于上面的信號(hào)模型，應(yīng)用sage算法來計(jì)算估計(jì)θ中的未知參數(shù)。sage算法通過迭代更新參數(shù)子集來生成最大似然估計(jì)的近似值。本發(fā)明提出的evd-sage算法，信道沖擊響應(yīng)的協(xié)方差矩陣及其特征向量的估計(jì)是必要的。h(t)的協(xié)方差矩陣σh(t)，t＝[t1,t2,…tt]可由hj(t)，j＝1,…j計(jì)算得到：

其中(·)^h表示復(fù)共軛轉(zhuǎn)置運(yùn)算。通過使用特征值分解，協(xié)方差矩陣σh(t)可以寫為：

σh(t)＝u(t)λ(t)u(t)^h；

其中λ(t)是由特征值組成的對(duì)角矩陣，u(t)是由特征向量組成的酉矩陣。特征向量用es(t)表示，由最大特征值可以得到的。

與一般sage算法類似，evd-sage算法的每次迭代由兩個(gè)步驟組成：一個(gè)是期望(e-)步驟，用于估計(jì)似然函數(shù)的條件期望；另一個(gè)是最大化(m-)步驟，通過最大化似然函數(shù)以得到相應(yīng)的估計(jì)參數(shù)。使用θ'來表示evd-sage算法中的未知參數(shù)：

θ'＝[τl,φl,αl]；

其中表示所選擇的特征向量的es(t)中的第路徑分量的復(fù)衰減系數(shù)的估計(jì)。

e步

基于計(jì)算的特征向量的es(t)，可以獲得特征向量矩陣f：

f＝[es(t)]；t＝[t1,t2,…tt]；

在θ'的參數(shù)是已知的并且f可用的條件下，可接受的隱藏?cái)?shù)據(jù)e的期望可以寫為：

其中是對(duì)基于已知參數(shù)而估計(jì)的第個(gè)路徑的貢獻(xiàn)，振幅為1：

其中分別表示估計(jì)的第個(gè)路徑的延遲，到達(dá)角和復(fù)衰減系數(shù)。列向量crx(·)表示在第個(gè)估計(jì)路徑的接收天線的導(dǎo)向向量。

m步

通過把s(φl,τl)和e中的所有項(xiàng)連接在一個(gè)列矢量，本發(fā)明得到s(φl,τl)和eb：

s(φl,τl)＝vec(s(φl,τl))；

eb＝vec(e)；

“vec”為數(shù)學(xué)運(yùn)算符，它的具體含義是把一個(gè)mxn維的矩陣轉(zhuǎn)變成一個(gè)1×nm的矢量。

即當(dāng)x＝[x1,x2…,xn]；

因此，被最小化以估計(jì)每次迭代中第個(gè)估計(jì)路徑的未知參數(shù)的目標(biāo)函數(shù)可以被導(dǎo)出為：

令且

重構(gòu)的多徑分量的復(fù)衰減系數(shù)的估計(jì)可以表示為：

可以通過把帶入之前的公式來計(jì)算的估計(jì)：

由于特征向量是具有抑制的噪聲分量的加權(quán)多徑分量的線性組合，復(fù)衰減系數(shù)的估計(jì)值不是復(fù)衰減系數(shù)的真實(shí)估計(jì)。當(dāng)算法執(zhí)行到在返回最終估計(jì)時(shí)，需要估計(jì)真實(shí)復(fù)衰減系數(shù)αl，為了獲得復(fù)衰減系數(shù)的真實(shí)估計(jì)引入每個(gè)獨(dú)立快拍的信道沖擊響應(yīng)矩陣：

hj＝[hj(t)]；t＝[t1,t2,…tt]；

與類似，對(duì)于每個(gè)獨(dú)立快拍的復(fù)衰減系數(shù)的真實(shí)估計(jì)可以表示為：

其中eh,j＝vec(hj)。

下面結(jié)合仿真對(duì)本發(fā)明的應(yīng)用效果作詳細(xì)的描述。

(1)仿真結(jié)果表明，與一般sage算法相比，evd-sage信道參數(shù)估計(jì)方法估計(jì)出的信道參數(shù)更接近合成的信道參數(shù)，改進(jìn)的sage改善了一般sage的穩(wěn)健性、收斂性。

圖2對(duì)比了仿真中一種情形下，合成的信道參數(shù)，仿真設(shè)定的真正多徑分量的數(shù)量為10。在附近出現(xiàn)兩個(gè)緊密間隔的多徑分量，一般sage算法不能精確地估計(jì)多徑分量。而evd-sage算法的多徑分量的方位角的估計(jì)是準(zhǔn)確的。更多的模擬顯示類似的結(jié)果，這意味著evd-sage算法比一般sage算法能夠探索更一般的信道分布。

(2)多徑場(chǎng)景中的多徑距離

多徑距離用于衡量估計(jì)結(jié)果的準(zhǔn)確性。這里的模擬基于窄帶信號(hào)，這意味著僅在一維參數(shù)空間(即到達(dá)角)上分布的多徑分量。因此，第個(gè)多徑分量的估計(jì)值和真實(shí)值之間的距離的定義可以表示為：

其中φl和分別表示第個(gè)多徑分量的真實(shí)到達(dá)角和估計(jì)的到達(dá)角。注意，在計(jì)算多徑距離之前，估計(jì)的多徑分量和真實(shí)多徑分量必須以相同的順序排列，并且所有多徑分量的多徑距離被寫為：

(3)圖3描述了一般sage算法和evd-sage算法的多徑距離在不同snr、路徑數(shù)下的特征。這里提到的路徑數(shù)代表真實(shí)多徑分量的總數(shù)l。顯然，隨著路徑數(shù)增加，兩個(gè)算法的多徑距離的差別在減小，并且兩個(gè)算法的多徑距離值變大。這主要是因?yàn)殡S著路徑數(shù)目增加，多徑分量之間的距離減小，甚至可能小于算法的分辨率。

此外，當(dāng)snr增加時(shí)，兩種算法的多徑距離變小，并且它們之間的差異也減小。這是合理的，因?yàn)殡S著噪聲分量減少，信號(hào)特征向量和原始信道沖擊響應(yīng)的相似性將增強(qiáng)。然而，從圖3可以看出，在路徑數(shù)目較小的情況下，基于evd-sage的結(jié)果計(jì)算的多徑距離小于一般sage算法的多徑距離。這清楚地表明，對(duì)于相同的模型規(guī)則，evd-sage算法可以比一般sage具有更好的性能。

以上所述僅為本發(fā)明的較佳實(shí)施例而已，并不用以限制本發(fā)明，凡在本發(fā)明的精神和原則之內(nèi)所作的任何修改、等同替換和改進(jìn)等，均應(yīng)包含在本發(fā)明的保護(hù)范圍之內(nèi)。