一种RIS辅助的基于扩展互质阵列的二维DOA估计方法

本发明涉及阵列信号处理，具体而言，尤其涉及一种ris辅助的基于扩展互质阵列的二维doa估计方法。

背景技术：

1、以超第五代(beyond fifth-generation，b5g)或第六代(sixth-generation，6g)移动通信技术为代表的下一代无线通信，目前被认为未来是可以实现控制、计算、通信、定位和传感的多用途系统，而波达方向(direction ofarrival，doa)估计是其关键技术之一。因此，随着b5g或6g的快速发展，将导致对doa估计技术的需求日益增加。目前，已经存在许多关于doa估计的研究。现有的doa估计方法多数基于超分辨率方法，这相比于另一种基于傅里叶变换的方法有更优的性能。最受关注的基于分辨率的方法是基于子空间理论的music算法和esprit算法。其中，大多数的研究基于传统的均匀线性阵列。然而，这种阵列类型的一个限制是其元素之间的间距不能超过波长的一半，否则将发生空间混叠。因此，它们在现在日益复杂的电磁环境中的适应性受到了阻碍。此外，这些doa估计系统还面临布置后无法实时调整和直接应用于常见非视距环境的挑战。

2、当识别多个例如m个独立信号时，至少需要m+1个阵元，这将增加系统的复杂性和硬件成本，已经不能满足当前背景下人们的要求。因此，稀疏阵列，尤其互质阵列，被提出并视为有效的解决方案。互质阵列利用其产生的差分共阵可以实现欠定估计，即估计超过物理阵元个数的信号。在此基础上，扩展互质阵列(extended co-prime linear array，ecla)、展开互质阵列(unfolded co-prime linear array，ucla)等阵列结构陆续被提出。但差分阵列存在孔洞，从而限制了doa估计性能的进一步提高。

3、另外，由于在实际的三维的通信应用环境中，二维的doa信息被用户需要以得到更准确的空间位置。目前，很多阵列结构，包括均匀圆阵，均匀面阵，l型阵，可以进行二维doa估计。其中，均匀圆阵和均匀面阵分别存在分辨率低和硬件成本高的问题。相比之下，l型阵列有更好的doa估计性能、简单的结构和更低的硬件成本。进一步，有研究将互质阵列结构考虑到l型阵列中，既可以进行欠定估计，又可以在相对较低的成本下实现二维doa估计。然而，上述传统阵列在部署后对实时需求的适应性不足，也就是无法根据需求快速调整阵列配置。并且，包含多个阵元的阵列还存在硬件复杂度高、成本高、能效低等不足。

技术实现思路

1、有鉴于此，本发明的目的在于提出一种ris辅助的基于扩展互质阵列的二维doa估计方法，以解决现有doa估计方法无法在脉冲噪声环境下以较低的硬件成本准确估计尽可能多的信号源的技术问题。

2、本发明采用的技术手段如下：

3、一种ris辅助的基于扩展互质阵列的二维doa估计方法，包括如下步骤：

4、s1：构建基于可重构智能表面辅助的二维doa估计系统；

5、s2：s1中可重构智能表面的行和列分别被视为空间中的y轴和z轴，其第一行和第一列等效为l型均匀线性阵列；

6、s3：选择s2的l型均匀线性阵列中多组满足条件的互质数对，通过使用不同组互质数配置可重构智能表面，构建l型可重构智能表面扩展互质线性阵列的子阵列；

7、s4：在不同时刻，使用s3中不同的l型可重构智能表面扩展互质线性阵列的子阵列进行信号接收，接收信号为非圆信号，不同时刻下构造的子阵列共同组成l型可重构智能表面扩展互质线性阵列；

8、s5：可重构智能表面将接收信号反射至全方向天线，对全方向天线接收到的反射信号进行预处理，避免可重构智能表面和接收机的固定角度影响波达方向估计结果并且降低后续计算复杂度，依靠非圆信号的非圆特性，对预处理信号进行共轭扩展得到扩展信号；

9、s6：向量化扩展信号的协方差矩阵，利用非圆信号特性在差分共阵的基础上引入和共阵，之后去除其中的重复信息并排序，得到等效和差共阵接收信号；

10、s7：使用空间平滑算法处理等效和差共阵接收信号，结合降维music算法对处理后的信息进行谱峰搜索，分别得到方位角和俯仰角doa估计值；

11、s8：通过角度匹配方法，将得到的方位角和俯仰角配对，完成二维波达方向估计。

12、进一步地，s1中的二维doa估计系统如下：

13、考虑在空间中，多个目标与一个全方向天线在可重构智能表面辅助下进行无线通信，可重构智能表面放置在高楼外侧顶部，将一个全方向天线部署在固定方向，接收经过可重构智能表面反射的入射信号。

14、进一步地，s2中，所述l型均匀线性阵列的参考单元为左下角特殊标注的单元。

15、进一步地，s3中，选择多组满足条件的互质数对，所述条件为：每组互质数对中两个互质数的乘积的2倍不大于所述l型均匀线性阵列的y轴或z轴阵元数。

16、进一步地，s4具体包括如下步骤：在时间t1阶段内，使用第1组满足条件的互质数，构成l型可重构智能表面互质线性阵列的子阵列，进行信号接收；完成后，在t2阶段内，使用第2组满足条件的互质数，再次进行上述操作；之后，重复上述操作，直到遍历完所有满足条件的互质数。

17、进一步地，s5具体包括如下步骤：在可重构智能表面和接收机确定位置后形成的角度已知且固定不变，分别对接收机接收到的反射信号进行预处理，消除此角度对doa估计结果的影响；依靠非圆信号的非圆特性，将预处理信号进行共轭，与原始预处理信号堆叠得到扩展信号。

18、进一步地，s7具体包括如下步骤：对获得的对应于l型扩展互质线性阵列y轴和z轴的等效差分阵列接收信号进行空间平滑，构造空间平滑矩阵，之后分别进行特征值分解得到噪声子空间，结合降维music算法分别得到方位角和俯仰角doa估计值。

19、进一步地，s4中的接收信号表示为：

20、yr(t)＝ars(t)+nyr(t)

21、zr(t)＝brs(t)+nzr(t)

22、其中，ar＝[a(β1),a(β2),…,a(βk)]和br＝[b(θ1),b(θ2),…,b(θk)]表示阵列流形矩阵，第k个信号对应的方向向量分别表示为：

23、

24、

25、进一步地，所述降维music算法的谱峰搜索函数表示为：

26、

27、其中，e＝[1,0]t从而使

28、进一步地，s8中角度匹配需要利用与的互协方差矩阵rzy为：

29、

30、其中，γs＝diag{γ1,γ2,…,γk}。

31、较现有技术相比，本发明具有以下优点：

32、本发明使用ris(可重构智能表面)构建了lr-ecla(l型可重构智能表面扩展互质线性阵列)，一定程度上提高了阵列自由度。进一步，设计了基于此阵列结构、以一个全向天线为接收机的系统并提出了接收信号模型，这既提高了doa估计的性能又解决了非视距环境下的信号传输问题。接着，考虑了非圆信号，引进了和共阵，提出了基于lr-ecla的和差共阵，进一步提升了自由度。并使用空间平滑技术和降维music进行了doa估计。之后，提出了一种角度匹配方法，成功将获得的方位角和俯仰角估计值配对。