室内毫米波3D-MIMO无线信道参数提取与多径簇特性研究

doi:10.12263/DZXB.20211490

电子学报 ›› 2022, Vol. 50 ›› Issue (11): 2698-2706.DOI: 10.12263/DZXB.20211490

室内毫米波3D-MIMO无线信道参数提取与多径簇特性研究

廖希¹^,², 黄晨曦¹, 王洋¹, 车延庭³

^1.重庆邮电大学通信与信息工程学院, 重庆 400065
^2.东南大学毫米波国家重点实验室, 江苏南京 210096
^3.中国电子科技集团公司第二十九研究所电子信息控制重点实验室, 四川成都 610036

收稿日期:2021-11-05 修回日期:2022-02-22 出版日期:2022-11-25
- 作者简介:
- 廖希女，1988年出生于四川省绵阳市，现为重庆邮电大学副教授、硕士生导师，主要研究方向为涡旋电磁波及其应用、无线信道电波传播、多径参数提取与信道建模等.E-mail: liaoxi@cqupt.edu.cn
  黄晨曦女，1996年出生于陕西省渭南市，现为重庆邮电大学硕士研究生，主要研究方向为毫米波3D-MIMO信道建模与多径参数提取算法.E-mail: S190101033@stu.cqupt.edu.cn
  王洋男，1986年出生于重庆市，现为重庆邮电大学副教授，博士生导师，研究方向为天线与电波传播、涡旋电磁波、雷达信号处理、微波相位调制等.E-mail: wangyang@cqupt.edu.cn
  车延庭男，1987年出生于黑龙省伊春市，现为电子信息控制重点实验室高级工程师，研究方向为无源侦察、阵列信号处理等.E-mail: cheyanting_heb@126.com
- 基金资助:
- 国家自然科学基金(62171071);重庆市自然科学基金资助项目(cstc2021jcyj-msxmX0634)

Research on Indoor Millimeter Wave 3D-MIMO Wireless Channel Parameter Extraction and Multipath Cluster Characteristics

LIAO Xi¹^,², HUANG Chen-xi¹, WANG Yang¹, CHE Yan-ting³

^1.School of Communication and Information Engineering, Chongqing University of Posts and Telecommunications, Chongqing 400065, China
^2.State Key Laboratory of Millimeter Wave, Southeast University, Nanjing, Jiangsu 210096, China
^3.Key Laboratory of Electronic Information Control, 29th Research Institute of China Electronics Technology Group Corporation, Chengdu, Sichuan 610036, China

Received:2021-11-05 Revised:2022-02-22 Online:2022-11-25 Published:2022-11-19
- Supported by:
- National Natural Science Foundation of China(62171071);Natural Science Foundation of Chongqing Municipality(cstc2021jcyj-msxmX0634)

摘要/Abstract

摘要：

针对室内多用户场景毫米波三维多输入多输出（Three Dimensional Multiple Input Multiple Output，3D-MIMO）无线信道测量不足、多径簇特性描述不完善的问题，本文基于测量研究室内毫米波3D-MIMO无线信道的参数提取算法和多径簇特性.首先，对室内多径传播条件下部署三个用户，开展了基于虚拟阵列的不同天线阵列大小的无线信道频域测量；然后，针对频域空间交替广义期望最大化（Frequency Domain Space-Alternating Generalized Expectation Maximization，FD-SAGE）算法不能描述3D-MIMO信道垂直域角度特性，以及时延分辨率不足的问题，改进算法增加了垂直维度，并且利用参数优先级迭代方法，提升毫米波3D-MIMO信道的时延域参数提取性能.结果表明改进算法既能准确地提取出毫米波3D-MIMO信道参数，又能实现随阵列大小增加而增加的多径簇内时延分辨率.

关键词: 毫米波3D-MIMO, 非视距传播, 信道测量, 参数提取, 多径分簇, 高分辨率

Abstract:

Aiming at the problems of insufficient measurement of three dimensional multiple input multiple output(3D-MIMO) wireless channel and incomplete description of multipath cluster characteristics in indoor multi-user scenarios, parameter extraction algorithm and multipath cluster characteristics of indoor millimeter wave 3D-MIMO wireless channel are studied based on measurement. Three users are deployed in indoor multipath propagation, and wireless channel frequency domain measurements of different antenna array sizes based on virtual array are carried out. The problem that the frequency domain alternating generalized expectation maximization(FD-SAGE) algorithm cannot describe the vertical angular characteristics of 3D-MIMO channel and the delay resolution is insufficient. Improved algorithm adds the vertical dimension, and uses the iterative method of parameter priority to improve the delay domain performance of parameter extraction in millimeter wave 3D-MIMO channel. The results show that the improved algorithm can not only extract millimeter wave 3D-MIMO channel parameters accurately, but also achieve the time-delay resolution in multipath cluster with the increase of array size.

Key words: millimeter wave 3D-MIMO, non-line-of-sight propagation, channel measurement, parameter extraction, multipath clustering, high resolution

中图分类号:

TN928

廖希, 黄晨曦, 王洋, 等. 室内毫米波3D-MIMO无线信道参数提取与多径簇特性研究[J]. 电子学报, 2022, 50(11): 2698-2706.

Xi LIAO, Chen-xi HUANG, Yang WANG, et al. Research on Indoor Millimeter Wave 3D-MIMO Wireless Channel Parameter Extraction and Multipath Cluster Characteristics[J]. Acta Electronica Sinica, 2022, 50(11): 2698-2706.

图/表 11

图1 测量场景方案示意图

表1 测量系统参数

参数	数值
测量频段	26~30GHz
中心频率	28GHz
频率分辨率	2MHz
扫频点数	2001
中频带宽	2kHz
测量带宽	4GHz
发射/接收天线	垂直极化双锥全向天线
UPA阵元间距	6mm
UPA阵列大小	4×4,10×10,20×20
发射天线高度	0.92m
接收天线UE1、UE2高度	1.07m
接收天线UE3高度	1.31m
UE1与UE2的水平间距	1.32m
UE1与UE3的间距	0.24m

图2 两用户不同天线阵列的多径功率时延谱

图3 不同阵列下UE1的功率角度谱(a)UPA,4×4 (b)UPA,10×10 　(c)UPA,20×20

图4 不同平面阵的辐射方向特性(a)UPA,4×4 　(b)UPA,10×10 (c)UPA,20×20

图5 三个用户的时延与三维空间角度联合提取结果

图6 阵列为20×20的功率时延谱

图7 两种算法提取结果的累积分布函数曲线

图8 不同阵列下改进算法的多径分簇结果(a)UPA,4×4 (b)UPA,10×10 (c)UPA,20×20

图9 阵列为20×20时两种算法提取路径的分簇特性(a)测量结果　　　(b)SAGE算法的分簇结果 (c)改进算法的分簇结果

表2 两种算法簇内路径参数

参数簇	SAGE算法				改进的3D-FD-SAGE算法
参数簇	L	$τ ¯ / n s$	$ϕ ¯ / (∘)$	$θ ¯ / (∘)$	L	$τ ¯ / n s$	$ϕ ¯ / (∘)$	$θ ¯ / (∘)$
簇1	12	14.8	218	90.3	13	14.7	217	90.1
簇2	5	20.6	188.4	90.4	5	20.4	188	90.1
簇3	8	15.8	92.6	90	9	15.72	92.3	90
簇4	15	39	213.7	90.55	13	38.95	213.5	91.2
簇5	8	40.5	100	90.5	9	40.4	99.5	90
簇6	5	56.88	243.4	91.3	7	56.7	242.6	90.7
簇7	7	60.3	98.1	90.4	7	60.1	97.6	90

表2 两种算法簇内路径参数

参数簇	SAGE算法				改进的3D-FD-SAGE算法
参数簇	L	$τ ¯ / n s$	$ϕ ¯ / (∘)$	$θ ¯ / (∘)$	L	$τ ¯ / n s$	$ϕ ¯ / (∘)$	$θ ¯ / (∘)$
簇1	12	14.8	218	90.3	13	14.7	217	90.1
簇2	5	20.6	188.4	90.4	5	20.4	188	90.1
簇3	8	15.8	92.6	90	9	15.72	92.3	90
簇4	15	39	213.7	90.55	13	38.95	213.5	91.2
簇5	8	40.5	100	90.5	9	40.4	99.5	90
簇6	5	56.88	243.4	91.3	7	56.7	242.6	90.7
簇7	7	60.3	98.1	90.4	7	60.1	97.6	90

参考文献 17

1	ZHENGKan, ZHAOLong, MEIJie, et al. Survey of large-sale MIMO systems[J]. IEEE Communications Surveys & Tutorials, 2015, 17(3): 1738-1760.
2	冯瑞. 5G毫米波大规模阵列信道参数提取与特性分析[D]. 山东: 山东大学, 2018.
3	ZHANGJ . SALMIJ. Analysis of kurtosis-based LOS/NLOS identification using indoor MIMO channel measurement[J] IEEE Transactions on Vehicular Technology, 2013, 62(6): 2871-2874.
4	SCHMIDTR. Multiple emitter location and signal parameter estimation[J]. IEEE Transactions on Antennas and Propagation, 1986, 34(3): 276-280.
5	VEENV, BUCKLEYK M. Beamforming: a versatile approach to spatial filtering[J]. IEEE ASSP Magazine, 1988, 5(2): 4-24.
6	ROYR, PAULRAJA, KAILATHT. ESPRIT-a subspace rotation approach to estimation of parameters of cisoids in noise[J]. IEEE Transactions on Antennas and Propagation, 1986, 34(5): 1340-1342.
7	ROYR, KAILATHT. ESPRIT-estimation of signal parameters via rotational invariance techniques[J]. IEEE Transactions on Antennas and Propagation, 1989, 37(7): 984-995.
8	FEDERM, WEINSTEINE. Parameter estimation of superimposed signals using the EM algorithm[J]. IEEE Transactions on Acoustics Speech and Signal Processing, 1988, 36(4): 477-489.
9	FLEURYB H, TSCHUDINM, HEDDERGOTTR, et al. Channel parameter estimation in mobile radio environments using the SAGE algorithm[J]. IEEE Journal on Selected Areas in Communications, 1999, 17(3): 434-450.
10	ZHANGJian-hua, ZHENGZhe, ZHANGYu-xiang, et al. 3D MIMO for 5G NR: several observations from 32 to massive 256 antennas based on channel measurement[J]. IEEE Communications Magazine, 2018, 56(3): 62-70.
11	MUSAYANAH, HANDAYANIP, HENDRANTOROP, et al. Performance analysis of the SAGE algorithm: changing the update procedure[C]//PRATIWI M. International Seminar on Intelligent Technology and Its Applications(ISITIA). Mataram, Indonesia: IEEE Press, 2016: 237-242.
12	ATAHIRF O, SUNW S, VARUSM L, et al. MIMO channel estimation based sparse VB-SAGE algorithm for wireless devices[C]//WANG Jun. International Conference on Artificial Intelligence and Big Data(ICAIBD). Chengdu: IEEE Press, 2018: 235-239.
13	CAIXue-song, FANWei, A complexity-efficient high resolution propagation parameter estimation algorithm for ultra-wideband large-scale uniform circular array[J]. IEEE Transactions on Communications, 2019, 67(8):5862-5874.
14	CHONGC C, LAURENSOND L, TANC M, et al. Joint detection-estimation of directional channel parameters using the 2-D frequency domain SAGE algorithm with serial interference cancellation[C]//YATES R D. IEEE International Conference on Communications(ICC). New York: IEEE Press, 2002: 906-910.
15	MATTHAIOUM, LAURENSOND I, RAZAVI-GHODSN, et al. Characterization of an indoor MIMO channel in frequency domain using the 3D-SAGE Algorithm[C]//QAUSAR S B IEEE International Conference on Communications(ICC). Glasgow: IEEE Press, 2007: 5868-5872.
16	FENGRui, HUANGJie, SUNJian, et al. A novel 3D frequency domain SAGE algorithm with applications to parameter estimation in mm-Wave massive MIMO indoor channels[J]. Science China Information Sciences, 2017, 60(8): 080305.
17	MEINILJ, KYETIP, JMS T. WINNER II Channel Models[M]. Hoboken: John Wiley & Sons, 2009.

[1]	李超, 黄新宇, 王凯. 基于特征融合和自学习锚框的高分辨率图像小目标检测算法[J]. 电子学报, 2022, 50(7): 1684-1695.
[2]	郑海颖, 王峰, 姜维, 王志强, 姚西文. 神经网络训练策略对高分辨率遥感图像场景分类性能影响的评估[J]. 电子学报, 2021, 49(8): 1599-1614.
[3]	张子同, 姜岩峰. 高频硅基光电晶体管SPICE模型的建立及关键参数的提取[J]. 电子学报, 2021, 49(8): 1645-1652.
[4]	黄鸿, 徐科杰, 石光耀. 联合多尺度多特征的高分遥感图像场景分类[J]. 电子学报, 2020, 48(9): 1824-1833.
[5]	姜海峰, 陈国彬, 郭志刚, 和文豪, 顾邦兴, 王昊, 杜关祥. 基于NV色心的晶体管放大器近场分布成像[J]. 电子学报, 2020, 48(8): 1631-1634.
[6]	郭志刚, 陈国彬, 顾邦兴, 和文豪, 姜海峰, 王昊, 杜关祥. 基于金刚石NV色心的带状线芯片微波场成像[J]. 电子学报, 2020, 48(11): 2258-2262.
[7]	石雪, 李玉, 赵泉华. 自适应类别的层次高斯混合模型遥感影像分割[J]. 电子学报, 2020, 48(1): 131-136.
[8]	陈媛, 刘金磊, 孙奇福, 阳小龙, 于尧. SαS分布噪声环境下高分辨率二维DOA估计算法及快速实现[J]. 电子学报, 2018, 46(6): 1384-1389.
[9]	孙健, 张文胜, 王承祥. 5G高频段信道测量与建模进展[J]. 电子学报, 2017, 45(5): 1249-1260.
[10]	吴翔宇, 沈莹, 唐友喜. 室内环境下2.6GHz同时同频全双工自干扰信道测量与建模[J]. 电子学报, 2015, 43(1): 1-6.
[11]	傅兴玉, 尤红建, 付琨. 基于改进Markov随机场的高分辨率 SAR图像建筑物分割算法[J]. 电子学报, 2012, 40(6): 1141-1147.
[12]	张继良, 汪洋, 丁丽琴, 闫大勇, 李西, 张乃通. 6.0-6.4GHz室内MIMO无线信道测量与传播特性分析[J]. 电子学报, 2012, 40(6): 1213-1217.
[13]	娄军;金添;周智敏. 基于SEEMD的高分辨率SAR图像目标特征提取方法[J]. 电子学报, 2012, 40(4): 793-798.
[14]	简涛;何友;苏峰;平殿发;顾新锋. 非高斯背景下基于动态阈值的距离扩展目标检测器[J]. 电子学报, 2011, 39(1): 59-63.
[15]	胡晓萍;胡建萍;郑梁;钟叶龙. 一种新的HBT小信号模型参数优化提取法 [J]. 电子学报, 2010, 38(3): 567-571.

室内毫米波3D-MIMO无线信道参数提取与多径簇特性研究

Research on Indoor Millimeter Wave 3D-MIMO Wireless Channel Parameter Extraction and Multipath Cluster Characteristics

RichHTML

PDF

可视化

摘要/Abstract

引用本文

使用本文

图/表 11

参考文献 17

相关文章 15

编辑推荐

Metrics