国产精品1024永久观看,大尺度欧美暖暖视频在线观看,亚洲宅男精品一区在线观看,欧美日韩一区二区三区视频,2021中文字幕在线观看

  • <option id="fbvk0"></option>
    1. <rt id="fbvk0"><tr id="fbvk0"></tr></rt>
      <center id="fbvk0"><optgroup id="fbvk0"></optgroup></center>
      <center id="fbvk0"></center>

      <li id="fbvk0"><abbr id="fbvk0"><dl id="fbvk0"></dl></abbr></li>

      一種設(shè)備指紋與信道分離的方法及裝置與流程

      文檔序號:12729604閱讀:來源:國知局

      技術(shù)特征:

      1.一種設(shè)備指紋與信道分離的方法,其特征在于:包括以下步驟:

      S1:通過接收機的天線陣列接收信號;

      S2:對接收信號進行信道估計,令k=1;

      S3:對第k個載波的信道估計結(jié)果計算自相關(guān)矩陣R(k);

      S4:對第k個載波的自相關(guān)矩陣R(k)進行增秩處理,得到第k個載波的增秩自相關(guān)矩陣

      S5:對計算多徑信號幅值;

      S6:判斷k是否等于N,N為載波的總數(shù):如果等于,則進行步驟S7;如果不等于,則令k=k+1,然后回到步驟S3;

      S7:對步驟S6的計算結(jié)果進行排序,選擇路徑,得到設(shè)備指紋。

      2.根據(jù)權(quán)利要求1所述的設(shè)備指紋與信道分離的方法,其特征在于:所述步驟S1中天線陣列接收的信號為導(dǎo)頻信號、插入導(dǎo)頻的信號或者其他已確定的信號。

      3.根據(jù)權(quán)利要求1所述的設(shè)備指紋與信道分離的方法,其特征在于:所述步驟S3中的載波的信道估計結(jié)果為單個載波的信道估計結(jié)果、部分載波合并后的信道估計結(jié)果、單個符號的信道估計結(jié)果、多個符號的信道估計結(jié)果中的任意一種。

      4.根據(jù)權(quán)利要求1所述的設(shè)備指紋與信道分離的方法,其特征在于:所述步驟S4中,采用如下方法對自相關(guān)矩陣R(k)進行增秩處理:

      S4.1:將接收機的天線陣列分成P個子陣;

      S4.2:計算每個子陣的自相關(guān)矩陣;

      S4.3:計算P個子陣的自相關(guān)矩陣的均值,得到第k個載波的增秩自相關(guān)矩陣如式(1)所示:

      <mrow> <mover> <mi>R</mi> <mo>&OverBar;</mo> </mover> <mrow> <mo>(</mo> <mi>k</mi> <mo>)</mo> </mrow> <mo>=</mo> <mfrac> <mn>1</mn> <mi>P</mi> </mfrac> <munderover> <mo>&Sigma;</mo> <mrow> <mi>p</mi> <mo>=</mo> <mn>1</mn> </mrow> <mi>P</mi> </munderover> <mrow> <mo>(</mo> <msub> <mi>R</mi> <mrow> <mi>k</mi> <mo>,</mo> <mi>p</mi> </mrow> </msub> <mo>)</mo> </mrow> <mo>-</mo> <mo>-</mo> <mo>-</mo> <mrow> <mo>(</mo> <mn>1</mn> <mo>)</mo> </mrow> </mrow>

      式(1)中,Rk,p為第k個載波的第p個子陣的自相關(guān)矩陣。

      5.根據(jù)權(quán)利要求4所述的設(shè)備指紋與信道分離的方法,其特征在于:所述步驟S4.1中的子陣數(shù)目P大于多徑數(shù)量。

      6.根據(jù)權(quán)利要求4所述的設(shè)備指紋與信道分離的方法,其特征在于:所述步驟S4.1中,P=L+1,L是路徑數(shù)量。

      7.根據(jù)權(quán)利要求4所述的設(shè)備指紋與信道分離的方法,其特征在于:所述步驟S4.1中,P<L+1,L是路徑數(shù)量。

      8.根據(jù)權(quán)利要求1所述的設(shè)備指紋與信道分離的方法,其特征在于:所述步驟S5中多徑信號幅值的計算方法包括以下步驟:

      S5.1:對第k個載波的增秩自相關(guān)矩陣進行特征分解,得到的特征分解形式如式(2)所示:

      <mrow> <mtable> <mtr> <mtd> <mrow> <mover> <mi>R</mi> <mo>&OverBar;</mo> </mover> <mrow> <mo>(</mo> <mi>k</mi> <mo>)</mo> </mrow> <mo>=</mo> <munderover> <mi>&Sigma;</mi> <mrow> <mi>i</mi> <mo>=</mo> <mn>1</mn> </mrow> <msub> <mi>M</mi> <mn>0</mn> </msub> </munderover> <msub> <mi>&lambda;</mi> <mi>i</mi> </msub> <msub> <mi>e</mi> <mi>i</mi> </msub> <msubsup> <mi>e</mi> <mi>i</mi> <mi>H</mi> </msubsup> <mo>=</mo> <munderover> <mi>&Sigma;</mi> <mrow> <mi>i</mi> <mo>=</mo> <mn>1</mn> </mrow> <mi>L</mi> </munderover> <msub> <mi>&lambda;</mi> <mi>i</mi> </msub> <msub> <mi>e</mi> <mi>i</mi> </msub> <msubsup> <mi>e</mi> <mi>i</mi> <mi>H</mi> </msubsup> <mo>+</mo> <munderover> <mi>&Sigma;</mi> <mrow> <mi>i</mi> <mo>=</mo> <mn>1</mn> </mrow> <msub> <mi>M</mi> <mn>0</mn> </msub> </munderover> <msup> <mi>&sigma;</mi> <mn>2</mn> </msup> <msub> <mi>e</mi> <mi>i</mi> </msub> <msubsup> <mi>e</mi> <mi>i</mi> <mi>H</mi> </msubsup> <mo>=</mo> <munderover> <mi>&Sigma;</mi> <mrow> <mi>i</mi> <mo>=</mo> <mn>1</mn> </mrow> <mi>L</mi> </munderover> <mrow> <mo>(</mo> <mrow> <msub> <mi>&lambda;</mi> <mi>i</mi> </msub> <mo>+</mo> <msup> <mi>&sigma;</mi> <mn>2</mn> </msup> </mrow> <mo>)</mo> </mrow> <msub> <mi>e</mi> <mi>i</mi> </msub> <msubsup> <mi>e</mi> <mi>i</mi> <mi>H</mi> </msubsup> <mo>+</mo> <munderover> <mi>&Sigma;</mi> <mrow> <mi>i</mi> <mo>=</mo> <mi>L</mi> <mo>+</mo> <mn>1</mn> </mrow> <msub> <mi>M</mi> <mn>0</mn> </msub> </munderover> <msup> <mi>&sigma;</mi> <mn>2</mn> </msup> <msub> <mi>e</mi> <mi>i</mi> </msub> <msubsup> <mi>e</mi> <mi>i</mi> <mi>H</mi> </msubsup> </mrow> </mtd> </mtr> <mtr> <mtd> <mrow> <mo>=</mo> <msub> <mi>U</mi> <mi>S</mi> </msub> <msub> <mi>&Sigma;</mi> <mi>S</mi> </msub> <msubsup> <mi>U</mi> <mi>S</mi> <mi>H</mi> </msubsup> <mo>+</mo> <msup> <mi>&sigma;</mi> <mn>2</mn> </msup> <msub> <mi>U</mi> <mi>N</mi> </msub> <msubsup> <mi>U</mi> <mi>N</mi> <mi>H</mi> </msubsup> </mrow> </mtd> </mtr> </mtable> <mo>-</mo> <mo>-</mo> <mo>-</mo> <mrow> <mo>(</mo> <mn>2</mn> <mo>)</mo> </mrow> </mrow>

      式(2)中,λi為特征值,US=[e1 e2 … eL]為λ1中較大的L個特征值對應(yīng)的特征向量張成的信號子空間,ΣS為λ1中較大的L個特征值組成的對角矩陣,為λ1中較小的M0-L個特征值對應(yīng)的特征向量張成的噪聲子空間,σ2為高斯白噪聲的功率,M0是子陣中的天線數(shù)量,L是路徑數(shù)量;

      S5.2:根據(jù)ESPRIT算法,求解一個唯一的且非奇異的矩陣T,矩陣T滿足關(guān)系式US=AT,A為陣列響應(yīng)矩陣;

      S5.3:計算得到自相關(guān)矩陣如式(3)所示:

      <mrow> <msub> <mover> <mi>R</mi> <mo>&OverBar;</mo> </mover> <mi>S</mi> </msub> <mrow> <mo>(</mo> <mi>k</mi> <mo>)</mo> </mrow> <mo>=</mo> <mi>T</mi> <mrow> <mo>(</mo> <msub> <mi>&Sigma;</mi> <mi>S</mi> </msub> <mo>-</mo> <msup> <mi>&sigma;</mi> <mn>2</mn> </msup> <mi>I</mi> <mo>)</mo> </mrow> <msup> <mi>T</mi> <mi>H</mi> </msup> <mo>-</mo> <mo>-</mo> <mo>-</mo> <mrow> <mo>(</mo> <mn>3</mn> <mo>)</mo> </mrow> </mrow>

      式(3)中,I為單位矩陣;

      S5.4:對的對角線元素取平方根,得到第k個子載波的多徑幅值。

      9.根據(jù)權(quán)利要求1所述的設(shè)備指紋與信道分離的方法,其特征在于:所述步驟S7中的路徑選擇最大能量的路徑。

      10.一種設(shè)備指紋與信道分離的裝置,其特征在于:包括:

      陣列信號接收模塊:用于信號接收;

      信道估計模塊:用于對接收信號進行信道估計,獲取設(shè)備指紋與信道疊加在一起的信號;

      自相關(guān)矩陣處理模塊:用于計算自相關(guān)矩陣,對自相關(guān)矩陣進行增秩處理;

      多徑信號計算模塊:用于計算多徑信號幅值;

      設(shè)備指紋提取模塊:用于對獲取的信號進行重組,獲取設(shè)備指紋。

      當(dāng)前第2頁1 2 3 
      網(wǎng)友詢問留言 已有0條留言
      • 還沒有人留言評論。精彩留言會獲得點贊!
      1