关键词:
近场定位
超大规模天线阵列
阵列划分
贝叶斯推断
摘要:
为满足第六代移动通信系统(Sixth-Generation,6G)对更高频谱效率和更大系统容量的需求,采用规模远超第五代移动通信系统(Fifth-Generation,5G)的超大规模天线阵列(Extremely Large Antenna Arrays,ELAAs)已成为未来发展的重要趋势。6G中的超大规模多输入多输出(Extremely Large-scale Multi-Input Multi-Output,XL-MIMO)系统预计将部署由数千甚至数万根天线组成的ELAAs。凭借庞大的阵列孔径,ELAAs不仅具备卓越的空间分辨能力,还能显著提升波束赋形增益和频谱利用效率。
然而,要充分释放无线定位技术在ELAA系统中的潜力,仍面临诸多挑战。随着基站(Base Station,BS)阵列孔径的扩大和载波频率的提升,定位目标更容易处于基站的近场区域。在该区域内,精确定位需同时估计用户设备(User Equipment,UE)的方向和距离,显著提高了建模与求解的复杂度。此外,现有近场定位算法在扩展至ELAA系统时,普遍存在计算复杂度高、可扩展性差的问题。因此,设计兼具高精度与良好可扩展性的近场定位算法,已成为当前亟待解决的关键问题。
本文首先系统探讨了阵列近场与远场的划分原则,并以均匀线性阵列(Uniform Linear Array,ULA)为例,建立了近场阵列信号模型。结合ULA的结构特性,基于Fresnel近似和远场假设推导出简化的信号模型。在基站配备ULA的场景下,本文进一步分析了近场二维多重信号分类(Multiple Signal Classification,MUSIC)算法和近场二维正交匹配追踪(Orthogonal Matching Pursuit,OMP)算法在联合估计多用户位置参数(角度与距离)方面的实现步骤与性能表现。
在此基础上,本文重点研究了一种基于阵列划分的ELAA近场定位算法。构建了一个基站侧配备ELAA用于定位近场UE的系统模型,其中ELAA采用均匀平面阵列(Uniform Planar Array,UPA)结构。基于此结构,推导了ELAA侧的近场接收信号模型,并深入探讨了其近似模型及适用范围。本文提出了一种基于阵列划分的位置估计算法(Array Partitioning-Based Location Estimation,APLE),旨在实现低复杂度、可扩展的近场定位。该算法通过将ELAA划分为多个子阵列,将UE近似视为各子阵列的远场目标,并基于其位置与不同子阵列之间的角度几何约束,建立贝叶斯推断框架。基于该模型,提出了基于因子图的消息传递算法,并推导了失配克拉美罗下界(Misspecified Cramér-Rao Bound,MCRB)作为性能下界。所提APLE算法的计算复杂度与基站天线数量呈线性关系,显著优于基线方法。
为进一步提升定位精度,本文提出了增强型APLE(Enhanced APLE,E-APLE)算法。该算法以完整阵列的近场信号模型为基础,构建最大似然(Maximum Like-lihood,ML)估计问题,并揭示目标函数在极坐标域中的岭状结构。借助这一特性,E-APLE引入块坐标上升(Block Coordinate Ascent,BCA)方法,交替优化距离和角度参数,并以APLE结果作为初值,从而有效规避局部极值陷阱。仿真结果表明,所提APLE与E-APLE算法在定位精度和计算效率方面均优于现有基线方法,其中E-APLE在保持线性复杂度的同时,定位性能接近所考虑近场定位问题的克拉美罗下界(Cramér-Rao Bound,CRB)。