本技术介绍了一种基于OFDM信号的联合距离-角度参数估计方法,该方法通过构建目标函数,将距离和角度的参数估计问题转化为在特定的距离和角度范围内寻找谱函数最大值的过程。
背景技术
随着6G技术的发展,通信感知一体化(Integrated Sensing and Communication,ISAC)技术通过共享频谱、硬件平台和信号处理算法,实现通信与感知功能的深度融合,成为重要发展趋势。而在6G的应用中,高精度定位技术作为智能医疗、智能交通、无人机等应用中精确控制和决策的基础至关重要。因此在6G应用要求和ISAC技术发展的背景下,提出基于通信信号实现高精度定位的方法具有重要意义。其中,基于正交频分复用(OrthogonalFrequency Division Multiplexing,OFDM)信号的定位技术展现出巨大的潜力。OFDM技术作为一种先进的多载波调制技术,通过将高速数据信号分解为多个低速并行子数据流,并在多个正交子载波上进行传输,具有高频谱利用率和抗多径衰落和干扰的能力。这些特性使得OFDM信号在复杂通信环境中具有出色的表现,为高精度定位提供了新的可能。
在OFDM定位问题中,若距离和角度这两个重要定位参数能被同时估计,就能有效减少定位系统开销提高系统效率,相比基于一维参数估计的定位更有优势。比如,利用二维旋转不变技术(Two Dimensional Estimating Signal Parameter via RotationalInvariance Techniques,2D-ESPRIT)对距离和角度进行联合估计,先利用旋转因子以闭式解得出角度参数,再通过正交矩阵运算组成的列对应属性以及交换法则构建的时延矢量矩阵,实现时延参数的对角线元素求解。或者,利用二维多重信号分类(Two DimensionalMultiple Signal Classification,2D-MUSIC)对距离和角度进行联合估计,通过构建阵列接收信号的协方差矩阵,利用信号子空间与噪声子空间的正交性构建MUSIC二维谱函数,在观测空间内对谱函数进行遍历搜峰得到估计值。然而,距离角度参数联合估计方法由于需要在二维空间内进行搜索估计,因此通常耗时较长在实际系统中较难应用。2D-ESRPIT算法的参数估计精度较低,尤其是在信噪比较低时。2D-MUSIC算法复杂度较高且其估计精度受谱峰搜索步长限制,在高精度参数估计要求下,该算法的计算复杂度更是急剧增大,在实际系统中难以运用。
利用降维多重信号分类(Reduced-Dimension Multiple SignalClassification,RD-MUSIC),基于矩阵降维思想将高维谱函数拆分为多个一维谱函数,利用1D-MUSIC算法对距离和角度进行估计。RD-MUSIC算法通过降维减小计算复杂度,但仍然使用遍历搜索来寻找谱峰,因此并未真正解决2D-MUSIC复杂度高和精度受限的问题。
综上,现有联合参数估计技术的弊端在于估计精度与估计速度难以两全。如2D-ESPRIT算法,虽然可以用闭式解快速解出参数估计值,但其低信噪比下的估计精度达不到6G高精度定位需求。2D-MUSIC算法以及RD-MUSIC算法均具备高精度参数估计的能力,但它们的估计精度都受限于谱峰搜索步长。当利用小搜索步长来实现高精度估计时,估计耗时又会相应地大大增加,导致估计精度与速度不可兼得。
实现思路