基于MIMO模数混合异构的加权局部最小距离聚类DOA估计方法及系统

本发明涉及大规模mimo定位，特别是一种基于mimo模数混合异构的加权局部最小距离聚类doa估计方法及系统。

背景技术：

1、目标定位一直以来都是无线通信领域的研究热点，且在各个领域都有广泛应用，定位技术通常包括了toa、aoa、rss等。而doa估计技术则是目标定位的核心技术，目前广泛应用于方向调制、智能反射面辅助的通信网络、通感一体化等系统中。

2、近年来，随着大规模mimo技术的出现，将mimo与doa技术相结合的基于均匀线性阵列的全数字阵列系统可以实现超高的来波方向检测精度，但却带来了大量的能量消耗以及很高的计算复杂度，并且硬件成本高。在这之后，为了降低能量消耗以及降低硬件成本，提出了基于模数混合(had)的doa技术，该方法硬件成本低且复杂度低。但模数混合结构有两个缺点：1、存在由于相邻子阵列之间多个波长的间隔所引起的相位模糊现象；2、由于相位模糊的存在，该结构需要使用多个时隙才能完成一次doa估计，这意味着该结构存在延迟，估计效率低，因此并不适用于未来对延迟敏感的6g技术。

3、如何进一步提升doa估计效率现已引起了学术界和工业界的广泛关注。但目前相关工作主要依然集中在基于模数混合结构的doa估计中，如何消除模数混合结构中的相位模糊并提高doa估计效率是目前亟待解决的问题。

技术实现思路

1、本发明的目的在于提供一种估计效率高、复杂度低的基于mimo模数混合异构的加权局部最小距离聚类doa估计方法及系统，从而消除相位模糊，提升doa估计的准确度。

2、实现本发明目的的技术解决方案为：一种基于mimo模数混合异构的加权局部最小距离聚类doa估计方法，包括以下步骤：

3、步骤1、构造多输入多输出即mimo模数混合异构网络的系统模型；

4、步骤2、进行信源方向估计；

5、步骤3、利用加权局部最小距离聚类即wlmd方法求解最终的信源方向估计值。

6、一种基于mimo模数混合异构的加权局部最小距离聚类doa估计系统，该系统用来实现所述的基于mimo模数混合异构的加权局部最小距离聚类doa估计方法，所述系统包括模型构造模块、信源方向估计模块和最终估计值求解模块，其中：

7、模型构造模块，用来构造多输入多输出即mimo模数混合异构网络的系统模型；

8、信源方向估计模块，用来进行信源方向估计；

9、最终估计值求解模块，利用加权局部最小距离聚类即wlmd方法求解最终的信源方向估计值。

10、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mimo模数混合异构的加权局部最小距离聚类doa估计方法。

11、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mimo模数混合异构的加权局部最小距离聚类doa估计方法中的步骤。

12、本发明与现有技术相比，其显著优点为：

13、(1)提供了基于mimo模数混合异构的新型doa测量结构，该结构可以有效的消除传统模数混合结构中的相位模糊问题；

14、(2)相比于传统的模数混合结构，所提出的加权局部最小距离聚类doa估计方法基于所提新型结构，可以显著提升信源估计精度以及估计效率。

技术特征：

1.一种基于mimo模数混合异构的加权局部最小距离聚类doa估计方法，其特征在于，包括以下步骤：

2.根据权利要求1所述的基于mimo模数混合异构的加权局部最小距离聚类doa估计方法，其特征在于，步骤1中，构造多输入多输出即mimo模数混合异构网络的系统模型，具体如下：

3.根据权利要求2所述的基于mimo模数混合异构的加权局部最小距离聚类doa估计方法，其特征在于，步骤2中，进行信源方向估计，具体如下：

4.根据权利要求3所述的基于mimo模数混合异构的加权局部最小距离聚类doa估计方法，其特征在于，基于root-music算法，第q组的候选集合的产生方法具体如下：

5.根据权利要求4所述的基于mimo模数混合异构的加权局部最小距离聚类doa估计方法，其特征在于，步骤3中，利用加权局部最小距离聚类即wlmd方法求解最终的信源方向估计值，具体如下：

6.根据权利要求5所述的基于mimo模数混合异构的加权局部最小距离聚类doa估计方法，其特征在于，相邻候选解集具体为：

7.根据权利要求6所述的基于mimo模数混合异构的加权局部最小距离聚类doa估计方法，其特征在于，加权局部最小距离聚类即wlmd方法的步骤如下：

8.一种基于mimo模数混合异构的加权局部最小距离聚类doa估计系统，其特征在于，该系统用来实现权利要求1～7任一项所述的基于mimo模数混合异构的加权局部最小距离聚类doa估计方法，所述系统包括模型构造模块、信源方向估计模块和最终估计值求解模块，其中：

9.一种移动终端，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，其特征在于，所述处理器执行所述程序时实现如权利要求1～7任一项所述的基于mimo模数混合异构的加权局部最小距离聚类doa估计方法。

10.一种计算机可读存储介质，其上存储有计算机程序，其特征在于，所述程序被处理器执行时实现如权利要求1～7任一项所述的基于mimo模数混合异构的加权局部最小距离聚类doa估计方法中的步骤。

技术总结本发明公开了一种基于MIMO模数混合异构的加权局部最小距离聚类DOA估计方法及系统，该方法为：构造多输入多输出即MIMO模数混合异构网络的系统模型；进行信源方向估计；利用加权局部最小距离聚类即WLMD方法求解最终的信源方向估计值。所述系统包括模型构造模块、信源方向估计模块和最终估计值求解模块。本发明首先提出了一种异构的MIMO模数混合结构，并基于此结构进一步提出了一种结合了机器学习的全新DOA估计方法，即加权局部最小距离聚类方法，从而消除了相位模糊，进一步提升了DOA估计的准确度，具有估计效率高、复杂度低的优点。技术研发人员：束锋,杨柯,史柏华,陈艺文,白家彤受保护的技术使用者：海南大学技术研发日：技术公布日：2024/10/17