[论文解读] DOA and Polarization Estimation for Non-Circular Signals in 3-D Millimeter Wave Polarized Massive MIMO Systems

Liangtian Wan, Kaihui Liu+2 more|arXiv (Cornell University)|Dec 15, 2017

Direction-of-Arrival Estimation Techniques参考文献 40被引用 11

一句话总结

本文提出了一种基于四元数的非循环MUSIC（QNC-MUSIC）算法，用于在3D毫米波偏振大规模MIMO系统中联合估计二维波达方向（DOA）和极化特性。通过利用非循环信号特性及闭式极化估计方法，该方法在估计精度方面显著优于传统方法，且计算复杂度大幅降低，尤其在大规模阵列条件下表现更优。

ABSTRACT

In this paper, an algorithm of multiple signal classification (MUSIC) is proposed for two-dimensional (2-D) direction of- arrival (DOA) and polarization estimation of non-circular signal in three-dimensional (3-D) millimeter wave polarized largescale/ massive multiple-input-multiple-output (MIMO) systems. The traditional MUSIC-based algorithms can estimate either the DOA and polarization for circular signal or the DOA for non-circular signal by using spectrum search. By contrast, in the proposed algorithm only the DOA estimation needs spectrum search, and the polarization estimation has a closedform expression. First, a novel dimension-reduced MUSIC (DRMUSIC) is proposed for DOA and polarization estimation of circular signal with low computational complexity. Next, based on the quaternion theory, a novel algorithm named quaternion non-circular MUSIC (QNC-MUSIC) is proposed for parameter estimation of non-circular signal with high estimation accuracy. Then based on the DOA estimation result using QNC-MUSIC, the polarization estimation of non-circular signal is acquired by using the closed-form expression of the polarization estimation in DR-MUSIC. In addition, the computational complexity analysis shows that compared with the conventional DOA and polarization estimation algorithms, our proposed QNC-MUSIC and DRMUSIC have much lower computational complexity, especially when the source number is large. The stochastic Cramer-Rao Bound (CRB) for the estimation of the 2-D DOA and polarization parameters of the non-circular signals is derived as well. Finally, numerical examples are provided to demonstrate that the proposed algorithms can improve the parameter estimation performance when the large-scale/massive MIMO systems are employed.

研究动机与目标

• 解决在3D毫米波偏振大规模MIMO系统中，对非循环信号进行精确二维DOA与极化估计的挑战。
• 在保持或提升估计精度的同时，降低DOA与极化估计的计算复杂度。
• 利用BPSK和AM等信号的非循环特性，以提升参数估计性能。
• 开发一种将DOA估计（通过谱搜索）与极化估计（通过闭式表达式）分离的方法，从而提高效率。
• 推导非循环信号参数在3D偏振大规模MIMO系统中的随机Cramér-Rao界（CRB）

提出的方法

• 针对循环信号提出一种降维MUSIC（DR-MUSIC）算法，通过降维降低计算复杂度。
• 通过应用四元数理论，将非循环信号特性融入MUSIC算法，提出四元数非循环MUSIC（QNC-MUSIC），以提升DOA估计性能。
• 将QNC-MUSIC得到的DOA估计结果作为输入，代入由DR-MUSIC推导出的闭式极化估计表达式。
• 仅对DOA估计使用谱搜索，而极化参数则通过闭式解直接计算，从而降低整体复杂度。
• 采用二维空间平滑技术以处理相干信号，并使用大步长谱搜索以提高初始估计的鲁棒性。
• 推导出非循环信号在3D偏振大规模MIMO系统中二维DOA与极化参数的随机Cramér-Rao界（CRB），以确立理论性能极限。

实验结果

研究问题

• RQ1 非循环信号特性是否能被有效利用，以提升3D偏振大规模MIMO系统中DOA估计的精度？
• RQ2 能否将极化估计与谱搜索解耦，以降低计算复杂度？
• RQ3 所提出的QNC-MUSIC算法在性能与复杂度方面相较于传统MUSIC类方法（如LV-MUSIC、Q-MUSIC与QDR-MUSIC）表现如何？
• RQ4 该系统模型中非循环信号的DOA与极化估计的理论性能极限是什么？
• RQ5 估计精度如何随基站天线数量的增加而变化？

主要发现

• 所提出的QNC-MUSIC算法在大规模MIMO场景下，尤其在大规模阵列条件下，其DOA估计精度显著高于LV-MUSIC、Q-MUSIC与QDR-MUSIC。
• QNC-MUSIC与DR-MUSIC的计算复杂度显著低于传统算法，尤其在信号源数量较多时优势更明显。
• DR-MUSIC中采用的闭式表达式进行极化估计保持了高精度，且避免了迭代谱搜索，有效降低了复杂度。
• 仿真结果表明，对于QNC-MUSIC、DR-MUSIC、Q-MUSIC与QDR-MUSIC，RMSE随移动终端数量的增加而缓慢上升，表明其具有良好的鲁棒性。
• 相比之下，ESPRIT在移动终端数量增加时RMSE急剧上升，原因在于阵列孔径利用不充分且难以分辨距离较近的信号。
• 本文推导出的随机Cramér-Rao界（CRB）提供了理论基准，验证了在给定信号模型下QNC-MUSIC性能的优越性。