基于混合精度ADCs混合结构的DOA估计性能分析方法及系统

技术领域

本发明涉及无线通信技术领域，特别涉及一种基于混合精度模数转换器(ADCs)混合结构的波达方向(DOA)估计性能分析方法及系统。

背景技术

波达方向(Direction of arrival,DOA)是指空间信号的到达方向(各个信号到达阵列参考阵元的方向角，简称波达方向)，DOA估计广泛运用于雷达探测、信道估计和同感一体化等领域中。

随着5G的大力推广和6G的飞速发展，大规模/超大规模多输入多输出(MIMO)已成通信系统必需的硬件。但是，随着天线数的增长和射频频率的提高，天线阵列的成本和能耗约飞速提升，成为了新技术普及的阻碍。近些年来，为了解决这个问题，研究人员提出了混合结构以减少射频链个数，同时引入低精度ADCs来进一步降低功耗和成本。不过，纯低精度的结构会使得性能损失过多，因此混合精度ADCs的天线结构更受青睐。

目前，已经有许多研究分析了混合结构和混合精度ADCs的通信性能，但是还没有研究调查DOA估计在这种构型下的性能，因此无法为实际运用提供理论基础。

发明内容

本发明的目的在于提供一种基于混合精度ADCs混合结构的DOA估计性能分析方法及系统，分析这种天线结构下的性能损失，从而为实际运用提供理论基础。

本发明为解决上述技术问题采用以下技术方案：一种基于混合精度ADCs混合结构的DOA估计性能分析方法，包括以下步骤：

步骤1，根据混合精度ADCs混合结构天线阵列，建立接收信号数学模型；

步骤2，对低精度ADCs的离散量化过程，运用可加性量化噪声模型进行建模，将离散的信号转化为连续信号；

步骤3，针对所得连续信号，推导出对应的克拉美罗下界即CRLB闭式表达式；

步骤4，根据CRLB进一步推导出性能损失因子和能量效率因子，并根据具体的性能损失和能量效率进行低精度ADCs的选择。

一种基于混合精度ADCs混合结构的DOA估计性能分析系统，该系统用于实现权利要求1～5任一项所述的基于混合精度ADCs混合结构的DOA估计性能分析方法，所述系统包括接收信号数学模型构建模块、离散信号转化模块、CRLB计算模块、性能损失和能量效率确定模块，其中：

数学模型构建模块，根据混合精度ADCs混合结构天线阵列，建立接收信号数学模型；

离散信号转化模块，对低精度ADCs的离散量化过程，运用可加性量化噪声模型进行建模，将离散的信号转化为连续信号；

CRLB计算模块，针对所得连续信号，推导出对应的克拉美罗下界即CRLB闭式表达式；

性能损失和能量效率确定模块，根据CRLB进一步推导出性能损失因子和能量效率因子，并根据具体的性能损失和能量效率进行低精度ADCs的选择。

一种移动终端，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，所述处理器执行所述程序时实现所述的基于混合精度ADCs混合结构的DOA估计性能分析方法。

一种计算机可读存储介质，其上存储有计算机程序，所述程序被处理器执行时实现所述的基于混合精度ADCs混合结构的DOA估计性能分析方法。

本发明与现有技术相比，其显著优点为：(1)考虑了混合结构和混合精度ADCs的天线结构，具有更低的成本和功耗；(2)率先分析了这种天线结构下的性能损失，从而为实际运用提供理论基础；(3)考虑了能量效率，系统可以达到最高能量效率。

本发明附加的方面和优点将在下面的描述中部分给出，这些将从下面的描述中变得明显，或通过本发明的实践了解到。

附图说明

图1是混合ADCs混合结构的DOA系统框图。

图2是混合ADCs混合结构的DOA性能分析方法流程图。

图3是性能损失因子与低精度ADCs的量化比特数的关系图。

图4是能量效率与低精度ADCs的量化比特数的关系图。

图5是能量效率与CRLB的关系图。

具体实施方式

下面结合附图和具体实例，进一步阐明本发明，应理解这些实例仅用于说明本发明而不用于限制本发明的范围，在阅读了本发明之后，本领域技术人员对本发明的各种等价形式的修改均落于本申请所附权利要求所限定的范围。

本发明提供一种基于混合精度ADCs混合结构的DOA估计性能分析方法，包括以下步骤：

步骤1，根据混合精度ADCs混合结构天线阵列，建立接收信号数学模型；

步骤2，对低精度ADCs的离散量化过程，运用可加性量化噪声模型进行建模，将离散的信号转化为连续信号；

步骤3，针对所得连续信号，推导出对应的克拉美罗下界即CRLB闭式表达式；

步骤4，根据CRLB进一步推导出性能损失因子和能量效率因子，并根据具体的性能损失和能量效率进行低精度ADCs的选择。

作为一种具体示例，步骤1中，根据混合精度ADCs混合结构天线阵列，建立接收信号数学模型，具体如下：

假设混合结构阵列共有M个天线，M

因此，当目标信号的到达角为θ

其中，w(t)表示可加性高斯白噪声，s(t)为阵列参考点接收到的发射信号，a(θ

其中，

其中，λ表示射频信号的波长，d

V

其中，

其中，

将与高精度和低精度ADCs对应的信号组成的向量分别写为y

其中，V

作为一种具体示例，步骤2中，对低精度ADCs的离散量化过程，运用可加性量化噪声模型进行建模，将离散的信号转化为连续信号，具体如下：

首先对信号中，经过高精度ADCs的信号进行量化表示，写为

其中，n＝1，2，…，N，表示采样点，N为采样数；

运用可加性量化噪声模型，将低精度ADCs量化出来的离散不连续信号进行连续化处理，写为

其中，

假设，接收信号的白噪声能量为1，则量化噪声的协方差矩阵

其中，

因此，最终的量化信号写为

作为一种具体示例，步骤3中，针对所得连续信号，推导出对应的克拉美罗下界即CRLB闭式表达式，具体如下：

先设定模拟波束赋形向量

则量化噪声的协方差矩阵就能够写为

因此，

根据CRLB的定义

其中，F为费雪信息矩阵，表示为

其中，R

推导出费雪信息矩阵为

其中，

其中，

因此，CRLB写为

其中，

作为一种具体示例，步骤4中，根据CRLB进一步推导出性能损失因子和能量效率因子，具体如下：

定义性能损失因子为

将CRLB的结果代入，得到

再定义能量效率因子

其中，P

本发明还提供一种基于混合精度ADCs混合结构的DOA估计性能分析系统，该系统用于实现所述的基于混合精度ADCs混合结构的DOA估计性能分析方法，所述系统包括接收信号数学模型构建模块、离散信号转化模块、CRLB计算模块、性能损失和能量效率确定模块，其中：

数学模型构建模块，根据混合精度ADCs混合结构天线阵列，建立接收信号数学模型；

离散信号转化模块，对低精度ADCs的离散量化过程，运用可加性量化噪声模型进行建模，将离散的信号转化为连续信号；

CRLB计算模块，针对所得连续信号，推导出对应的克拉美罗下界即CRLB闭式表达式；

性能损失和能量效率确定模块，根据CRLB进一步推导出性能损失因子和能量效率因子，并根据具体的性能损失和能量效率进行低精度ADCs的选择。

本发明还提供一种移动终端，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，所述处理器执行所述程序时实现所述的基于混合精度ADCs混合结构的DOA估计性能分析方法。

本发明还提供一种计算机可读存储介质，其上存储有计算机程序，所述程序被处理器执行时实现所述的基于混合精度ADCs混合结构的DOA估计性能分析方法。

下面结合附图及具体实施例对本发明做进一步详细说明。

实施例

结合图1和图2，本发明的一种基于混合精度ADCs混合结构的DOA估计性能分析方法，包括以下步骤：

步骤1，根据混合精度ADCs混合结构天线阵列，建立接收信号数学模型，如图1所示，一共有M根天线，M

其中，w(t)表示可加性高斯白噪声，服从

其中，a(θ

其中，

其中，λ表示射频信号的波长，d

其中，

其中，

将与高精度和低精度ADCs对应的信号组成的向量分别写为y

其中，V

步骤2，对低精度ADC

先对高精度ADC

其中，n＝1，2，…，N，表示采样点，N为采样数。运用可加性量化噪声模型，将低精度ADC

其中，

其中，

表1量化损失因子与比特长度关系对应表(b≤5)

当b＞5时，

因此，最终的量化信号可以写为

步骤3，对步骤2转化后的信号推导出与之对应的CRLB闭式表达式。

先设定一个较为通用的模拟波束赋形向量，

则，量化噪声的协方差矩阵就可以写为

因此，

根据CRLB的定义

其中，F为费雪信息矩阵，可以表示为

其中，R

其中，

经过推导可知，

其中，a′表示导向矢量对角度的导数，

其中，

代入费雪信息举证的表达式，可以推导出费雪信息矩阵为

其中，

其中，

因此，CRLB可以写为

其中，

步骤4，根据CRLB进一步推导出性能损失因子和能量效率因子，并根据具体的性能损失和能量效率给出低精度ADCs的选择建议。

定义性能损失因子为

将CRLB的结果代入，可以得到

再定义能量效率因子

其中，P

P

其中，P

P

其中，P

ADC的功耗可以表示为

其中，V

图3说明了不同M

在图4中，显示了带有混合ADC的混合架构的能源效率与ADC的量化位数的关系。在此，我们考虑了以下三种不同的情况：1)m

在图5中，我们显示了不同比例的高精度ADC的CRLB和能效之间的权衡。还绘制了带有混合ADC(M

以上所述，仅为本发明较佳的具体实施方式，但本发明的保护范围并不局限于此，任何熟悉本技术领域的技术人员在本发明揭露的技术范围内，可轻易想到的变化或替换，都应涵盖在本发明的保护范围之内。

应当理解，为了精简本发明并帮助本领域的技术人员理解本发明的各个方面，在上面对本发明的示例性实施例的描述中，本发明的各个特征有时在单个实施例中进行描述，或者参照单个图进行描述。但是，不应将本发明解释成示例性实施例中包括的特征均为本专利权利要求的必要技术特征。