姓名：宋宇晨

學(xué)號(hào)：21011210084

學(xué)院：通信工程學(xué)院

【嵌牛導(dǎo)讀】簡(jiǎn)要介紹信道參數(shù)提取算法研究背景

【嵌牛鼻子】信道參數(shù)

【嵌牛正文】：

無線通信系統(tǒng)應(yīng)滿足不斷增長(zhǎng)的傳輸容量需求杏瞻，為了實(shí)現(xiàn)該目標(biāo)怎囚，系統(tǒng)會(huì)引入各式各樣的技術(shù)得问。系統(tǒng)設(shè)計(jì)者只有在獲知準(zhǔn)確的信道信息的前提下，才可能對(duì)系統(tǒng)中使用的各種技術(shù)在具體實(shí)現(xiàn)時(shí)進(jìn)行優(yōu)化[1-3]媚狰。面對(duì)5G連續(xù)廣域覆蓋稿饰、熱點(diǎn)高容量、低功耗大連接和低時(shí)延高可靠這四大主要應(yīng)用場(chǎng)景，在考慮不同應(yīng)用技術(shù)共存可能性的前提下沧踏，需要有大量的無線物理層和網(wǎng)絡(luò)層相應(yīng)技術(shù)的組合來支撐，而這些底層技術(shù)的實(shí)現(xiàn)均會(huì)受到無線信道特性的制約[4,5]巾钉。因此翘狱，設(shè)計(jì)與評(píng)估5G系統(tǒng)需要有能捕獲上述技術(shù)在信道上展現(xiàn)的特征的信道模型∨椴裕基于幾何的統(tǒng)計(jì)射線追蹤模型已被業(yè)界普遍認(rèn)可潦匈，其中QuaDRiGa還被第三代合作伙伴計(jì)劃（3rd Generation Partnership Project, 3GPP）推薦為5G首選仿真平臺(tái)[6]。然而要與具體應(yīng)用場(chǎng)景適配赚导，還需要為該模型輸入場(chǎng)景的各種大小尺度參數(shù)茬缩，這些信道參數(shù)往往只能從大量的實(shí)際信道探測(cè)數(shù)據(jù)中得到，而要從探測(cè)數(shù)據(jù)中獲取多維度的信道參數(shù)吼旧，目前使用最廣泛的是SAGE算法[7]凰锡。 雖然其能獲取信道的多維度參數(shù)，但是卻存在收斂速度慢圈暗、運(yùn)算復(fù)雜度高掂为、容易收斂于局部最優(yōu)解估計(jì)出虛假徑以及不容易硬件實(shí)現(xiàn)等問題，因此研究新的高效而快速的信道全維度參數(shù)提取算法员串，對(duì)目前各種需要提取信道參數(shù)的無線通信系統(tǒng)具有顯著意義勇哗。

在提高無線網(wǎng)絡(luò)容量方面，多用戶多輸入多輸出（Multi-User Multiple-Input Multiple-Output, MU-MIMO）技術(shù)被廣泛應(yīng)用[8]寸齐。在信道資源分配研究領(lǐng)域過去只關(guān)注于時(shí)頻資源智绸，而在目前的MU-MIMO 系統(tǒng)中，接入點(diǎn)（Access Point, AP）一般帶有多根天線访忿，因此可通過波束賦形技術(shù)抑制數(shù)據(jù)流之間的干擾瞧栗，有效利用信道的空時(shí)頻特性來實(shí)現(xiàn)基站與多個(gè)不同用戶同時(shí)進(jìn)行數(shù)據(jù)傳輸，極大的提高系統(tǒng)容量和頻譜效率海铆。然而迹恐，要實(shí)現(xiàn)有效的波束賦形，就需要相應(yīng)的參數(shù)提取算法獲取信道準(zhǔn)確的空域角度信息卧斟。目前我國的基站技術(shù)領(lǐng)先殴边，然而將其部署在網(wǎng)絡(luò)上卻難以發(fā)揮出其性能優(yōu)勢(shì)，究其原因是基站系統(tǒng)所配置的參數(shù)與實(shí)際通信場(chǎng)景不匹配珍语。使用傳統(tǒng)的路測(cè)（Driving Test, DT）方法測(cè)量信道锤岸，一方面已不能很好的表征5G高頻段、高密度板乙、多天線多波束的場(chǎng)景是偷，另一方面拳氢，要通過路測(cè)獲取整個(gè)網(wǎng)絡(luò)的5G信道特性在各方面耗費(fèi)巨大。因此蛋铆，研究如何用5G 協(xié)議中的探測(cè)信號(hào)馋评，例如探測(cè)參考信號(hào)（Sounding Reference Signal, SRS）[9]，來提取信道的空時(shí)頻信息刺啦，對(duì)于在不同通信場(chǎng)景下實(shí)時(shí)自適應(yīng)調(diào)整基站參數(shù)留特，提升系統(tǒng)容量從而改善用戶體驗(yàn)具有重要意義[10]。

1.2課題國內(nèi)外研究現(xiàn)狀

1.2.1信道模型研究現(xiàn)狀

目前常用的無線信道模型建模方法主要有：基于幾何架構(gòu)的隨機(jī)信道模型（Geometrically Based Stochastic Models, GBSM）建模玛瘸、基于相關(guān)的隨機(jī)信道模型（Correlation Based Stochastic Models, CBSM）建模蜕青、Saleh-Valenzuela（SV）及其擴(kuò)展模型建模和基于射線追蹤（Ray Tracing, RT）的信道模型建模[11]。國內(nèi)外各個(gè)研究組織針對(duì)massive MIMO信道的傳播特征做了大量的實(shí)測(cè)分析后糊渊，建立的比較流行的信道模型包括WINNER[12-14]右核、MiWEBA[15]、COST[16,17]再来、NYU(Rappaport)蒙兰、METIS[18]、3GPP TR38.901[19]芒篷、5GCM[20]搜变、QuaDRiGa以及mmMAGIC[21]等。德國的弗勞恩霍夫·海因里险肼·赫茲研究所（Fraunhofer Heinrich Hertz Institute,? HHI）提出的QuaDRiGa信道模型利用空間幾何運(yùn)算的方式解決了球面波前的建模[22,23]挠他，該模型已經(jīng)被工業(yè)界和學(xué)術(shù)界普遍接受并被3GPP推薦為5G首選仿真平臺(tái)，因而本文將在QuaDRiGa信道模型的相關(guān)理論基礎(chǔ)上進(jìn)行信道參數(shù)提取算法的研究篡帕，致力于研究出一種更加適用于5G信道的參數(shù)提取算法來替代目前常使用的SAGE算法殖侵。

1.2.2信道探測(cè)系統(tǒng)研究現(xiàn)狀

在眾多信道參數(shù)提取研究中，一部分采用純軟件的信道建模方法來仿真和評(píng)估信道參數(shù)提取算法的性能镰烧。這種方式節(jié)省人力財(cái)力拢军，是一種方便的MIMO信道和參數(shù)提取算法研究方法，但實(shí)際無線信道是時(shí)變的怔鳖，同時(shí)還受到不同類型的干擾罩抗。因此台囱，純軟件的方法無法對(duì)信道實(shí)現(xiàn)實(shí)時(shí)準(zhǔn)確的測(cè)量與分析，也無法對(duì)實(shí)際通信環(huán)境進(jìn)行有效評(píng)估讥此。除了純軟件的信道測(cè)量系統(tǒng)撼嗓，國內(nèi)外還出現(xiàn)使用各種信道測(cè)量設(shè)備搭建的信道測(cè)量平臺(tái)陈肛。國外典型代表有美國微軟研究院推出的Sora無線電平臺(tái)和弗吉尼亞理工大學(xué)的OSSIE平臺(tái)负甸，主要的標(biāo)準(zhǔn)商用信道測(cè)量設(shè)備有Elektrobit公司的PropSound虹蓄，MEDAV GmbH公司的RUSK系列以及Agilent、R&S等公司的矢量網(wǎng)絡(luò)分析儀[24]蜡感。這些無線信道測(cè)量設(shè)備非常昂貴而且系統(tǒng)帶寬與采樣率有限蹬蚁。國內(nèi)典型代表為上海交通大學(xué)李林和唐亮教授采用基于linux的GUNRadio軟件平臺(tái)和通用軟件無線電外設(shè)（Universal Software Radio Peripheral, USRP）硬件平臺(tái)搭建的軟件無線電信道測(cè)量系統(tǒng)恃泪，其測(cè)量和分析了在真實(shí)自由空間情況下MIMO信道的性能[25]，所使用的USRP設(shè)備價(jià)格適中且具有較好性能缚忧，本文在USRP硬件平臺(tái)的既有能力前提下悟泵，致力于研究出一種低復(fù)雜度杈笔、快速高效且易于硬件實(shí)現(xiàn)的全維度信道參數(shù)提取算法闪水。

1.2.3參數(shù)提取算法研究現(xiàn)狀

為實(shí)現(xiàn)信道測(cè)量的目的，目前SAGE算法已被廣泛應(yīng)用于從探測(cè)數(shù)據(jù)中提取信道子路徑上的參數(shù)蒙具，它是利用期望最大化（Expectation Maximization, EM）算法[26]的迭代來降低最大似然（Maximum Likelihood, ML）算法[27]復(fù)雜度的基于似然函數(shù)的算法球榆。通過對(duì)多個(gè)子路徑的多個(gè)參數(shù)（即，時(shí)延禁筏、入射方位角持钉、入射仰角和多普勒頻率）在不同的域中搜索并進(jìn)行迭代，使得期望函數(shù)最大化并且收斂篱昔，從而獲得這些子路徑各自的參數(shù)估計(jì)[28]每强。然而，SAGE在幾個(gè)參數(shù)上的迭代搜索會(huì)導(dǎo)致非常高的計(jì)算復(fù)雜度州刽，雖然相比ML降低了算法的復(fù)雜度空执，但對(duì)計(jì)算、時(shí)間和存儲(chǔ)資源的耗費(fèi)仍然巨大穗椅，這對(duì)大規(guī)模信道測(cè)量活動(dòng)非常不利辨绊。此外，當(dāng)存在某幾個(gè)參數(shù)相近的子路徑或是初始參數(shù)值設(shè)置不合適時(shí)匹表，SAGE還很容易收斂于局部最優(yōu)解门坷，估計(jì)出虛假徑[1,45]。

DOA估計(jì)是雷達(dá)袍镀、聲納默蚌、無線通信、醫(yī)學(xué)成像等各種工程應(yīng)用的重要目標(biāo)苇羡，其在各種應(yīng)用場(chǎng)合下的應(yīng)用已進(jìn)行了深入的研究[29]绸吸。典型的DOA估計(jì)算法，例如多信號(hào)分類（Multiple Signal Classification, MUSIC） [30]宣虾、旋轉(zhuǎn)不變性技術(shù)（Estimation Signal Parameter via Rotational Invariance Techniques, ESPRIT）[31]惯裕、矩陣束（Matrix Pencil, MP）[32]以及它們的變種算法 [33-36]本質(zhì)上都是利用載波到達(dá)不同陣列單元的不同延時(shí)引起的相位差來估計(jì)角度的。這些方法大多需要采用矩陣的子空間分解對(duì)參數(shù)進(jìn)行計(jì)算绣硝，而無需計(jì)算不同參數(shù)值下的似然函數(shù)值蜻势，因而計(jì)算量相對(duì)SAGE較小，但是其所能估計(jì)出的來波個(gè)數(shù)以及分辨能力受到陣列規(guī)模的制約鹉胖。文獻(xiàn)[37]提出了一種將時(shí)域相關(guān)和MUSIC結(jié)合的陣列PN序列響應(yīng)多徑角度估計(jì)（Multipath Angular estimation using the array response of PN Sequences, MAPS）算法握玛，它首先使用經(jīng)過調(diào)制的偽噪聲（Pseudo Noise, PN）序列探測(cè)信道够傍，然后在接收端用本地PN序列對(duì)接收信號(hào)做滑動(dòng)相關(guān)，將多條到達(dá)路徑先在時(shí)延域劃分成多個(gè)時(shí)延簇挠铲，最后采用空域平滑MUSIC算法[33]處理每個(gè)時(shí)延簇的滑動(dòng)相關(guān)峰值來提取子路徑的角度參數(shù)冕屯，如此一來所要估計(jì)的路徑數(shù)目可以遠(yuǎn)遠(yuǎn)超過陣元數(shù)目，而且提升了角度域的估計(jì)性能拂苹。使用空域平滑是因?yàn)樵趩伟l(fā)送端的信道探測(cè)系統(tǒng)中安聘，無線信道的多個(gè)子路徑上傳輸?shù)氖峭恍盘?hào)，因而多徑信號(hào)的DOA估計(jì)問題對(duì)應(yīng)于文獻(xiàn)[33]中相干源的DOA檢測(cè)問題瓢棒。文獻(xiàn)[37]中方法所用的空域平滑比較簡(jiǎn)單浴韭，僅是針對(duì)均勻線陣的前向平滑算法，對(duì)于相干信源的解析能力有限脯宿。此外念颈，文獻(xiàn)[37]也并未討論子路徑的復(fù)增益和多普勒頻移估計(jì)問題，而在實(shí)際應(yīng)用中连霉，多普勒頻移對(duì)PN探測(cè)序列相關(guān)值的影響會(huì)導(dǎo)致路徑復(fù)增益提取精確性下降榴芳，因此本文將著重解決該問題。

此外跺撼，關(guān)于實(shí)際應(yīng)用中窟感，陣元間距不合適引起的相位模糊問題，文獻(xiàn)[38]中的工作提出了一種不降低角度分辨力的解決方案财边。天線陣元間的互耦補(bǔ)償以及多射頻通道的校準(zhǔn)問題在文獻(xiàn)[39]和[40]中已有研究肌括，因此本文不在這些方面做過多研究。

1.2.4 NR基站波束配置研究現(xiàn)狀

采用預(yù)編碼矩陣指示器（Pre-coded Matrix Indicator, PMI）的BF方案[10]是基于下行的信道估計(jì)結(jié)果酣难。然而谍夭，下行信道的估計(jì)能力受到用戶設(shè)備（User Equipment, UE）的硬件限制，通常無法從下行信道中獲得足夠精細(xì)的信道信息憨募。SRS主要用于NR系統(tǒng)的上行信道信息采集紧索，也可用于滿足信道互易的時(shí)分雙工系統(tǒng)的下行信道信息采集和上行波束管理。NR系統(tǒng)支持SRS時(shí)頻資源的靈活配置菜谣，因此可對(duì)上行頻率的不同子集所在的頻率位置進(jìn)行信道評(píng)估[9]珠漂。文獻(xiàn)[10]提出了一種基于SRS的自適應(yīng)下行波束形成方案，該方案利用BS接收到的子載波之間的相關(guān)系數(shù)來確定系統(tǒng)的波束配置尾膊。目前部署的BS常使用SRS得到的多通道CFR數(shù)據(jù)媳危，然后對(duì)多通道的CFR做特征值分解處理，利用特征值信息來粗糙的部署波束和資源分配冈敛，或是直接將CFR帶入角度估計(jì)算法中僅從空域區(qū)分子路徑待笑。實(shí)際上可以對(duì)CFR進(jìn)行IFFT得到CIR，利用系統(tǒng)時(shí)域分辨力在將路徑進(jìn)行初步分離抓谴，再進(jìn)一步用空域?qū)ψ勇窂竭M(jìn)行分離暮蹂，從而能提取更精細(xì)的角度信息，但是由于OFDM系統(tǒng)采用最小二乘（Least Squares, LS）信道估計(jì)存在隱含的時(shí)域CIR泄露機(jī)理[41]仰泻，會(huì)導(dǎo)致不同路徑的角度域信息在時(shí)域泄露到所有時(shí)延位置，因而需要一些預(yù)處理操作來保證所提取角度信息的質(zhì)和量集侯。本文將討論如何使用存在功率泄露的CIR來提取基站采集數(shù)據(jù)中的角度信息，這里的角度信息主要是指子路徑的角度和幅度浅悉。

1.2課題國內(nèi)外研究現(xiàn)狀

1.2.1信道模型研究現(xiàn)狀

目前常用的無線信道模型建模方法主要有：基于幾何架構(gòu)的隨機(jī)信道模型（Geometrically Based Stochastic Models, GBSM）建模券犁、基于相關(guān)的隨機(jī)信道模型（Correlation Based Stochastic Models, CBSM）建模术健、Saleh-Valenzuela（SV）及其擴(kuò)展模型建模和基于射線追蹤（Ray Tracing, RT）的信道模型建模[11]荞估。國內(nèi)外各個(gè)研究組織針對(duì)massive MIMO信道的傳播特征做了大量的實(shí)測(cè)分析后，建立的比較流行的信道模型包括WINNER[12-14]稚新、MiWEBA[15]、COST[16,17]褂删、NYU(Rappaport)、METIS[18]屯阀、3GPP TR38.901[19]缅帘、5GCM[20]、QuaDRiGa以及mmMAGIC[21]等难衰。德國的弗勞恩霍夫·海因里锨瘴蓿·赫茲研究所（Fraunhofer Heinrich Hertz Institute,? HHI）提出的QuaDRiGa信道模型利用空間幾何運(yùn)算的方式解決了球面波前的建模[22,23]，該模型已經(jīng)被工業(yè)界和學(xué)術(shù)界普遍接受并被3GPP推薦為5G首選仿真平臺(tái)盖袭，因而本文將在QuaDRiGa信道模型的相關(guān)理論基礎(chǔ)上進(jìn)行信道參數(shù)提取算法的研究失暂，致力于研究出一種更加適用于5G信道的參數(shù)提取算法來替代目前常使用的SAGE算法。

1.2.2信道探測(cè)系統(tǒng)研究現(xiàn)狀

在眾多信道參數(shù)提取研究中鳄虱，一部分采用純軟件的信道建模方法來仿真和評(píng)估信道參數(shù)提取算法的性能弟塞。這種方式節(jié)省人力財(cái)力，是一種方便的MIMO信道和參數(shù)提取算法研究方法拙已，但實(shí)際無線信道是時(shí)變的决记，同時(shí)還受到不同類型的干擾。因此悠栓，純軟件的方法無法對(duì)信道實(shí)現(xiàn)實(shí)時(shí)準(zhǔn)確的測(cè)量與分析霉涨，也無法對(duì)實(shí)際通信環(huán)境進(jìn)行有效評(píng)估按价。除了純軟件的信道測(cè)量系統(tǒng)，國內(nèi)外還出現(xiàn)使用各種信道測(cè)量設(shè)備搭建的信道測(cè)量平臺(tái)笙瑟。國外典型代表有美國微軟研究院推出的Sora無線電平臺(tái)和弗吉尼亞理工大學(xué)的OSSIE平臺(tái)楼镐，主要的標(biāo)準(zhǔn)商用信道測(cè)量設(shè)備有Elektrobit公司的PropSound，MEDAV GmbH公司的RUSK系列以及Agilent往枷、R&S等公司的矢量網(wǎng)絡(luò)分析儀[24]框产。這些無線信道測(cè)量設(shè)備非常昂貴而且系統(tǒng)帶寬與采樣率有限。國內(nèi)典型代表為上海交通大學(xué)李林和唐亮教授采用基于linux的GUNRadio軟件平臺(tái)和通用軟件無線電外設(shè)（Universal Software Radio Peripheral, USRP）硬件平臺(tái)搭建的軟件無線電信道測(cè)量系統(tǒng)错洁，其測(cè)量和分析了在真實(shí)自由空間情況下MIMO信道的性能[25]秉宿，所使用的USRP設(shè)備價(jià)格適中且具有較好性能，本文在USRP硬件平臺(tái)的既有能力前提下屯碴，致力于研究出一種低復(fù)雜度描睦、快速高效且易于硬件實(shí)現(xiàn)的全維度信道參數(shù)提取算法。

1.2.3參數(shù)提取算法研究現(xiàn)狀

為實(shí)現(xiàn)信道測(cè)量的目的导而，目前SAGE算法已被廣泛應(yīng)用于從探測(cè)數(shù)據(jù)中提取信道子路徑上的參數(shù)忱叭，它是利用期望最大化（Expectation Maximization, EM）算法[26]的迭代來降低最大似然（Maximum Likelihood, ML）算法[27]復(fù)雜度的基于似然函數(shù)的算法。通過對(duì)多個(gè)子路徑的多個(gè)參數(shù)（即今艺，時(shí)延韵丑、入射方位角、入射仰角和多普勒頻率）在不同的域中搜索并進(jìn)行迭代虚缎，使得期望函數(shù)最大化并且收斂撵彻，從而獲得這些子路徑各自的參數(shù)估計(jì)[28]陌僵。然而拾弃，SAGE在幾個(gè)參數(shù)上的迭代搜索會(huì)導(dǎo)致非常高的計(jì)算復(fù)雜度豪椿，雖然相比ML降低了算法的復(fù)雜度携栋，但對(duì)計(jì)算、時(shí)間和存儲(chǔ)資源的耗費(fèi)仍然巨大鸯隅，這對(duì)大規(guī)模信道測(cè)量活動(dòng)非常不利蝌以。此外跟畅，當(dāng)存在某幾個(gè)參數(shù)相近的子路徑或是初始參數(shù)值設(shè)置不合適時(shí)，SAGE還很容易收斂于局部最優(yōu)解奸攻，估計(jì)出虛假徑[1,45]睹耐。

DOA估計(jì)是雷達(dá)部翘、聲納略就、無線通信、醫(yī)學(xué)成像等各種工程應(yīng)用的重要目標(biāo)，其在各種應(yīng)用場(chǎng)合下的應(yīng)用已進(jìn)行了深入的研究[29]崔兴。典型的DOA估計(jì)算法蛔翅，例如多信號(hào)分類（Multiple Signal Classification, MUSIC） [30]山析、旋轉(zhuǎn)不變性技術(shù)（Estimation Signal Parameter via Rotational Invariance Techniques, ESPRIT）[31]、矩陣束（Matrix Pencil, MP）[32]以及它們的變種算法 [33-36]本質(zhì)上都是利用載波到達(dá)不同陣列單元的不同延時(shí)引起的相位差來估計(jì)角度的秆剪。這些方法大多需要采用矩陣的子空間分解對(duì)參數(shù)進(jìn)行計(jì)算仅讽，而無需計(jì)算不同參數(shù)值下的似然函數(shù)值洁灵，因而計(jì)算量相對(duì)SAGE較小掺出，但是其所能估計(jì)出的來波個(gè)數(shù)以及分辨能力受到陣列規(guī)模的制約。文獻(xiàn)[37]提出了一種將時(shí)域相關(guān)和MUSIC結(jié)合的陣列PN序列響應(yīng)多徑角度估計(jì)（Multipath Angular estimation using the array response of PN Sequences, MAPS）算法双抽，它首先使用經(jīng)過調(diào)制的偽噪聲（Pseudo Noise, PN）序列探測(cè)信道荠诬，然后在接收端用本地PN序列對(duì)接收信號(hào)做滑動(dòng)相關(guān)，將多條到達(dá)路徑先在時(shí)延域劃分成多個(gè)時(shí)延簇方椎，最后采用空域平滑MUSIC算法[33]處理每個(gè)時(shí)延簇的滑動(dòng)相關(guān)峰值來提取子路徑的角度參數(shù)棠众，如此一來所要估計(jì)的路徑數(shù)目可以遠(yuǎn)遠(yuǎn)超過陣元數(shù)目闸拿，而且提升了角度域的估計(jì)性能书幕。使用空域平滑是因?yàn)樵趩伟l(fā)送端的信道探測(cè)系統(tǒng)中台汇，無線信道的多個(gè)子路徑上傳輸?shù)氖峭恍盘?hào)，因而多徑信號(hào)的DOA估計(jì)問題對(duì)應(yīng)于文獻(xiàn)[33]中相干源的DOA檢測(cè)問題痒芝。文獻(xiàn)[37]中方法所用的空域平滑比較簡(jiǎn)單严衬，僅是針對(duì)均勻線陣的前向平滑算法笆呆，對(duì)于相干信源的解析能力有限腰奋。此外，文獻(xiàn)[37]也并未討論子路徑的復(fù)增益和多普勒頻移估計(jì)問題嘀倒，而在實(shí)際應(yīng)用中测蘑，多普勒頻移對(duì)PN探測(cè)序列相關(guān)值的影響會(huì)導(dǎo)致路徑復(fù)增益提取精確性下降碳胳，因此本文將著重解決該問題。

此外味混，關(guān)于實(shí)際應(yīng)用中翁锡，陣元間距不合適引起的相位模糊問題夕土，文獻(xiàn)[38]中的工作提出了一種不降低角度分辨力的解決方案。天線陣元間的互耦補(bǔ)償以及多射頻通道的校準(zhǔn)問題在文獻(xiàn)[39]和[40]中已有研究角溃，因此本文不在這些方面做過多研究减细。

1.2.4 NR基站波束配置研究現(xiàn)狀

采用預(yù)編碼矩陣指示器（Pre-coded Matrix Indicator, PMI）的BF方案[10]是基于下行的信道估計(jì)結(jié)果邪财。然而质欲，下行信道的估計(jì)能力受到用戶設(shè)備（User Equipment, UE）的硬件限制嘶伟，通常無法從下行信道中獲得足夠精細(xì)的信道信息九昧。SRS主要用于NR系統(tǒng)的上行信道信息采集铸鹰，也可用于滿足信道互易的時(shí)分雙工系統(tǒng)的下行信道信息采集和上行波束管理皂岔。NR系統(tǒng)支持SRS時(shí)頻資源的靈活配置，因此可對(duì)上行頻率的不同子集所在的頻率位置進(jìn)行信道評(píng)估[9]圾笨。文獻(xiàn)[10]提出了一種基于SRS的自適應(yīng)下行波束形成方案擂达，該方案利用BS接收到的子載波之間的相關(guān)系數(shù)來確定系統(tǒng)的波束配置胶滋。目前部署的BS常使用SRS得到的多通道CFR數(shù)據(jù)究恤，然后對(duì)多通道的CFR做特征值分解處理，利用特征值信息來粗糙的部署波束和資源分配唤蔗，或是直接將CFR帶入角度估計(jì)算法中僅從空域區(qū)分子路徑妓柜。實(shí)際上可以對(duì)CFR進(jìn)行IFFT得到CIR涯穷，利用系統(tǒng)時(shí)域分辨力在將路徑進(jìn)行初步分離拷况，再進(jìn)一步用空域?qū)ψ勇窂竭M(jìn)行分離，從而能提取更精細(xì)的角度信息粟誓，但是由于OFDM系統(tǒng)采用最小二乘（Least Squares, LS）信道估計(jì)存在隱含的時(shí)域CIR泄露機(jī)理[41]起意，會(huì)導(dǎo)致不同路徑的角度域信息在時(shí)域泄露到所有時(shí)延位置揽咕，因而需要一些預(yù)處理操作來保證所提取角度信息的質(zhì)和量。本文將討論如何使用存在功率泄露的CIR來提取基站采集數(shù)據(jù)中的角度信息设易，這里的角度信息主要是指子路徑的角度和幅度蛹头。