1.单向测量活动和结果

通过比利斯托尔大学Telia Research AB和Allon System AB的合作，在比利斯托尔已经进行过一次完善的单向测量活动。目的是为了建立以空间和时间参数来表示的UTRA-FDD上下行链路带宽间的相关性（见参考文献［FBKE02a］，［FBKE02b］）。在频分复用（FDD）系统的上下行链路载波间的频率偏差引起了信道响应的频率依赖性，并造成了在下行链路波束成形上的潜在问题，这是由于天线重量是基于从上行链路提取出来的空间参数得到的。这种双带信道寻呼行为在围绕着城市居民和郊区住宅区域的1.92GHz和2.10GHz的UTRA-FDD频带上执行。Medav RUSK BRI向量信道寻呼用于这些测量中，修正硬件在1.9GHz和2.1GHz上同时传输一个20MHz的探测信号。移动传输单元包含了一个全方位同轴偶极天线，装备了一个双极的八阵子天线阵列的BS接收机。在后期处理中，可以观察到被200MHz（2GHz中带宽空间的10％）分离的信道空间在时间和空间域上都有不同的响应。在有着非常强的交互性和不同的方位延展的瞬间信道响应中的区别更加的显著。由于增加了多路散射，在城市中相关的角度会比郊区有所增加。

但是从利用这些数据的后续的分析可以看出，尽管信道的衰落是独立的，但是由200MHz分开的不同的信道之间的DoA平均时间是一样的（见参考文献［FoBe02］）。同样的，在FDD系统中，对于基于上行链路的下行链路波束成形的分析也是令人满意的。这个方法证明了传统的傅里叶方法对于DoA的估计是没有增加额外的计算复杂度的。实际上，由于存在栅瓣，从最大序列输出观点可以看出，傅里叶方法也有更好的表现。关于栅瓣对使用ESPRIT运算法则用于功率方位频谱的估算的影响在图6.24中给出。下行链路ESPRIT的栅瓣的估计已经造成约-60°方位扩展的误差。

图6.24 上行和下行链路的使用ESPRIT的PAS估计

参考文献［SaFH02］中给出了用于UTRA-FDD频带中操作的宽带、多信道寻呼的设计和执行。利用8信道RF接收机结合一个8信号控制单元和一个8数据采集卡，这个多信道寻呼可以同时对8个天线实时地对无线通信信道进行取样。这个寻呼潜在的能力包括了对于双定向测量、MIMO测量（利用传输转换）和到达角测量。参考文献［SaFH02］包含了证明寻呼性能的SIMO初步结果。在户外环境的扇形天线的测量显示了超过6个天线的空间多径结构，每个天线覆盖60°方位角。

在参考文献［MaCo01］中记录了一个用于城市微蜂窝环境下的方向信道（特别是在高楼间街道）及其测量结果的变化。本信道模型是基于几何学假设的，考虑了来自于组成群组的散射体的单镜面反射。通过引入有效街区宽度的概念来说明在时间域和角域上有更大的扩展。参考文献［MPKZ01］对比了模型仿真结果和实际测量结果，实现了模型参数设置的最优化;达到了有效的街区宽度比率（有效的宽度考虑多镜面反射，被实际宽度标准化）。FDD在上行链路和下行链路的相关性上也同样做了分析;当考虑更高的分辨率的时候，会观测到更高的相关性。相关结果表明，适当的天线对于下行链路的波束成形的执行也是可用的。链路［MPKZ02］记录了一个对于应用在3G上的一个全面的宽频的定向信道模型（Wideband Directional Channel Model，WDCM），它也可以利用参考文献［MPKZ01］的相同测量数据来确认。WDCM是基于COST 259活动的结果得出的，且可以用UMTS宏一、微蜂窝和微微蜂窝中操作以及用户的移动模型。评估了一般的街道LoS和普通的劣质的城市无线通信环境，仿真结果和测量结果非常一致。

分析了在2GHz带宽上的微蜂窝和小宏单元载波测量，来分类在城市环境（见参考文献［VuSV02］）中的主要的传播机理。利用球形天线阵列和宽波无线信道寻呼可以对入射波的方位角和仰角进行测量。3种传播机理为:沿着高楼间街道走向传播;越过屋顶直接以垂直面传播和其他的机理。分类是基于在街道传播中不变的传播高度边界和越过屋顶传播的有着一个小边缘的发射机方位角方向的追踪。结果显示在微蜂窝情况下，沿着街道传播在所有的时间内都是主要的情况，在小宏单元情况下，大多数的功率都来自于第三种不确定的分类。这种分类可以被描述为经过少量异物或者位于或越过屋顶的物体的传播。这些物体都是作为次级衍射或者散射源而存在。沿着街道的传播是很重要的，但是没有检测到明显且连续的直接越过屋顶的传播。因此，拥有侧面和垂直面传播方位的简化传播模型只可以解释在小宏单元中一半的接收功率。图6.25给出了在赫尔辛基中两种测量位置下，不同的机理接收功率的衰弱。

图6.25 不同小宏蜂窝环境下的传播模型（见参考文献［VuSV02］）（2002 IEEE已授权）

关于单向信道的理论和基于测量的分析同样在比利时的Leuveu的天主教大学中得到应用。在参考文献［VeLC04］中，作者提出了一个适合现有的SAGE运算法则的。能够检测出大天线序列的宽带环境下的不同路径的方法。宽带时域SAGE（BTD-SAGE）算法在此文中做了解释。

卡塞尔大学进行了室内信道测量，使用1.8GHz的载频以及600MHz的带宽。使用该室内信道测量，提取出了时延、方位角和重要路径的复杂幅度。其显示的结果和由传播射线跟踪工具EPICS给出的参数相匹配。在后面的文章［LVTC04］，［VeLC05］中讨论了天线辐射场型对SAGE参数提取精度的影响。双极天线辐射场型纳入了导向向量，也考虑了在天线阵中每一个天线的位置。一个更“智能的”天线阵列被设计为在立方结构中的6个单极天线。在仿真（用EPICS）和测量数据集中，对时延（或者距离），重要路径的方位角、仰角和复振幅的评估都显示出了高度的一致性。图6.26中，SAGE提取用星状表示，而射线跟踪用圆表示。

图6.26 方位角和距离（光速×时延）的估计（见参考文献［VeLC04］）

2.使用物理阵列的双向测量

无线信道的双向表示目前被认为是一种理解MIMO信道传播的重要方式。为了精确估计与描述双向信道相关的参数DoD、DoA和TDoA，需要使用超分辨率参数获取技术，比如SAGE技术。因此，通过双向MIMO测量对这些技术的开发和验证已经成为COST273关键的一步行动。该领域的一些领先专家对COST 273论坛做出了大量的贡献，下面几段将详细叙述。

丹麦的奥尔堡大学的Fleury等人对SAGE算法做出了广泛的分析和改进。参考文献［StJF02］提出和验证了带有双向测量（见参考文献［FYRJ02］）的ISIS算法。参考文献［StJF02］提出了ISIS（Initialisation and Search Improved SAGE）算法，并使用参考文献［FYRJ02］中的双向测量方法对其进行了验证;多个测试案例和品质因数［StJF02］说明了适当的优化技术能够明显改善SAGE算法的性能。ISIS算法比传统的SAGE算法能够以更高的收敛速度来估计出更多重要的路径。该算法能够使用简单、低成本的天线阵列有效地提供精确的信道参数估计。相对方均估计误差（Relative Squared EstimationError，RSEE）被用来评估信道估计算法的性能。使用ISIS算法估计小数目的路径时误差是非常小的。若考虑到发射和接收的极化情况，还可以将信号模型进一步延伸。

在非视距微微蜂窝环境中、2.45GHz频率处使用Electrobit PropSound信道探测器执行双向测量对ISIS算法进行验证（见参考文献［FYRJ02］）。估计的参数有DoA、DoD以及TDoA。假设在一次和两次弹跳散射情况下，提出一种简单的射线追踪方法对估计波形的传播路径进行重建。结果表明，通过使用上述的技术，能够使得大多数的估计波形与环境相关。更具体地说，与传播路径的交互作用点（也就是边缘）重合的一些重要目标，能够在环境中被识别出来。当估计波形与传播路径上的物体或建筑物交互作用两次以上时，也更有可能被识别出来。调查显示，通过获取这些参数，可以获得对主要传播机制的深入了解。

最近的研究表明，结合了切换式的多单元收发天线探测技术的ISI-SAGE算法使得估计多普勒频移成为可能:多个收发单元对之间以高达多普勒速率（转换速率）一半的绝对值进行转换，而不是通常所认为的任何固定收发单元对之间的转换速率（循环速率）。奥尔堡大学的一篇研究论文进一步研究了这些发现和报告，当多普勒频移估计范围从负值扩大到正的转换速率的一半时，所谓的使用一维和二维均匀阵列的带模的转换模式（Switching Mode，SM）会导致多普勒频移和传播方向估计的模糊性。转换阵列的转换模式是阵列单元的转换规则。另外，理论和实验研究结果表明，模糊性问题可以通过使用参考文献［PPPB04］中具体的转换模式来避免。这些具体模式另外一个最近的贡献是，推导出一种决定性的最大似然估计法来计算经过微小分布式散射体（Slightly Distributed Scatterer，SDS）（见参考文献［YiFl04］）反射的信号DoA标称值。此估计法基于广义阵列流形（Generalised-Array-Manifold，GAM）模型，利用该模型可以估计经过微小分布式散射体反射的信号。同样提出了依赖SAGE算法的最大似然估计方法（GAM-SAGE）。在单个微小分布式散射体环境下的蒙特卡洛仿真结果表明，在高信噪比、单个微小分布式散射体的方位角度扩展小于8°的情况下，GAM-SAGE方法的方均根误差值为6dB，小于镜面散射体（Specular-Scatterer，SS）情况下的最大似然估计方法。用GAM-SAGE方法估计得到的多个微小分布式散射体下DoA标称值比SS-SAGE方法更为精确。图6.27显示了上述不同估计方法的AoA标称值的方均根估计误差（Mean Square Estimation Error，MSEE）对于SDS（γ₀）的信噪比的曲线。

布里斯托大学使用一个Medav RUSK信道探测器在室内环境下进行了延伸的双向MIMO测量。使用的天线阵列包括8元素均匀线性阵列（Uniform Linear Array，ULA）和8/16元素均匀圆形贴片阵列（Uniform Circular Patch Array，UCPA），如图6.28所示。完整的5.2GHz测量方法的描述在参考文献［TFBN04］中。在对基于最大似然估计的超分辨率参数获取算法（主要是SAGE算法）分析中将使用这些信道数据。参考文献［TaBN04］中提出了这些不同版本的算法综述，从而实现明显地节省时间、减少内存使用以及处理计算资源所耗功率的目标。文章指出单元空间和波束空间中的信号处理的区别，并且针对均匀圆形阵列提出混合空间（HS-SAGE）中的方法。利用仿真以及测量数据，在保持估计精度的条件下，得到了在节省计算方面可能的增益。

图6.27 微小分布式散射体处信噪比（方位角度扩展的函数）-AoA标称值的 最小方均根误差（见参考文献［YiFl04］）

图6.28 室内双向测量所使用的天线阵列（见参考文献［TFBN04］）

如COST 273/284联合工作组（见参考文献［TPBN04］）中的一篇论文详细描述了使用16×16均匀圆形贴片阵列的室内测量，如图6.28c所示，并且把获取的参数结果以DoA、DoD和TDoA形式呈现。经典的SAGE和混合空间的SAGE方法都得到使用。在TDoA和DoD的联合估计中对这两种算法的性能进行了比较，如图6.29所示。比较结果表明DoA和DoD的分布相互依赖，以至于大部分的多径分量分布在两个终端面对面的方向处。该过程在视距和非视距传播条件下进行。另外，多径分量的整体分布呈现拉普拉斯特征，其中峰值位于两个终端面对面的区域。

爱丁堡大学分析了以上的双向信道数据，并且研究了带有串行干扰消除（SerialInterference Cancellation，SIC）的频域SAGE（FD-SAGE）算法（见参考文献［CLTM02］）。串行干扰消除法的提出是为了在标准的SAGE方法中取代并行干扰消除法。针对测量到的室内数据，进行多径分量、TDoA、AoA和复振幅数目的联合估计。利用综合数据和根据Unitrary ESPRIT得到的结果进行性能的估计和比较。较多数目的多径分量通过频域SAGE算法检测得到，这是由于相关路径的出现降低了2维UnitraryESPRIT的性能或者是由于频域SAGE算法的泄漏。对通过加窗以解决信道检测器的有限带宽问题进行讨论后，结果表明该方法能够相应减少频域SAGE算法的泄漏。

(www.daowen.com)

图6.29 使用传统的和混合空间SAGE算法对TDoA和DoD的联合概率密度分布函数估计（见参考文献［TPBN04］）

爱丁堡大学同样开发了一种动态宽带时空信道模型，目的是为了克服静态信道模型的主要限制，而此静态信道模型并不代表多径中的动态变量。该模型包含马尔科夫链的出现和消失过程，从而对室内环境下的多径演变进行追踪（见参考文献［ChLM03］）。对参考文献［TFBN04］中所提供的传播数据分析结果表明，其在任何瞬时时刻多个出现和消失都是可能的。并且，出现和消失的数目具有相关性，它们的联合概率密度分布函数在图6.30中画出，其中低数量的出现/消失发生的概率较高。文章提出一种M阶、4种状态的马尔可夫链模型以解释观察到的这两种情况。路径的时空变量同样可以表示成服从高斯分布的概率密度函数模型的时空矢量。另外，同样对从测量数据中获取信道参数的方法进行了讨论。

利用Medav RUSK信道探测器以及得益于超分辨率参数获取算法的发展，伊尔梅瑙工业大学进行了延伸的双向MIMO测量。在参考文献［Rich05］中，作者描述了SAGE算法的在链路两端使用双极化天线阵列收集的测量数据方面的应用。文章描述了依赖极化的双向时变复转置矩阵。基于该模型，SAGE算法允许联合估计4个复极化传播路径的权值:DoA、DoD、TDoA和无线电波的DS。首次测量的估计结果显示了依赖极化的移动无线信道中的电波传播。

图6.30 多径出现和消失数目的联合概率密度分布函数

在一篇由两部分组成的论文［GaHS03］，［SLTR03］中，伊尔梅瑙大学研究提出对于参数获取算法的精确度限制的具体调查。由于相互耦合以及校正误差的存在，真实的天线阵列所存在的缺点被认为是产生这些限制的原因。参考文献［GaHS03］中，对于无偏DOA而言，将可实现的最小参数估计值的方差作为克拉美罗下界（Cramer-Rao-Lower-Bound，CRLB）。CR下限能够用来计算参数估计值的方差，特别用于相干多径条件下。参考文献［SLTR03］中，在信道检测中，对于高分辨率DoA估计下的ULA性能估计得出了实验结果。在均匀线性阵列的例子中，CR下限决定了可实现的复路径权值和方位角的最小估计值的方差。在两种典型的单径和相干两径条件下给出了CR下限图，该图显示了相隔较近的相干路径条件下性能会下降。两径条件下参数估计值的标准差在图6.31中画出。文章提出的方法仅仅取决于天线波束方向图的测量，该方法可以应用于任何天线阵列，并且能够明确指出天线阵列对其性能带来的限制。

最近，参考文献［ThLR04］提出了多维最大似然参数估计法（RIMAX）来分析信道探测和测量。该算法估计反射成分的参数以及分布式漫散射的参数。基于有效的测量，该算法能够估计测定偏振的路径权值矩阵、发射站处的方位角和高度、接收站处的方位角和高度、路径延迟以及反射成分的多普勒频移等4个系数。此算法基于共轭梯度最优化策略，如果路径数目相对于观测数目较少，它的复杂度将与SAGE算法相当。这是多维无线信道探测测量所特有的情况。该算法同时还提供计算出的参数方差的估计值，以及信道参数估计值的可靠性信息。图6.32是对功率时延谱的估计结果。参考文献［TLST05］在项目WIGWAM下，在传播测量之后给出了一系列综合的分析。

爱立信研发中心进行了一项室外双向MIMO信道的测量（见参考文献［MATB03］），是在1947MHz频率处、市区街道微蜂窝环境中视距和非视距条件下的窄带信道测量。测量数据用于确定无线信道特征以及可能的MIMO信道容量。通常观测到的信道容量低于理想值。在视距条件下，由于存在高楼之间街道的波导效应，信道容量会大量减少。信道容量的减少是在大的莱斯因子K以及小的角度扩展共同作用下造成的。最大似然估计方法用于依照平面波及其在链路两端相应的方向精确估计无线信道。最大似然法估计过的信道成功地用于路径重建以及信道容量确定，说明平面波方法适用于MIMO信道建模。根据测量数据以及最大似然估计法估计过的信道得到的信道容量与

图6.31 两条相干多径条件下参数估计值的标准差（见参考文献［SLTR03］）

图6.32 反射路径下重建功率时延谱以及分布式漫反射和噪声下对功率时延谱的估计

实际数值一致性非常好。图6.33是在某一个特定的测量位置对DoA/DoD的估计，其中圆点的大小代表信号功率的强弱。

图6.33 平面波信号功率的角度扩展（见参考文献［MATB03］）

瑞典兰德大学最近在5.2GHz频率处、位于某办公大楼内的53个不同的接收地点以及3个附件屋顶的基站位置处进行了一次由室外到室内的双向MIMO测量（见参考文献［WAKE04］）。角度延迟剖面、角度扩展的方均根值以及其他具有延迟和色散特征的统计参数记录在文献［WAKE04］当中。室外链路的一端的角度扩展是非常小的，而在室内链路的另一端，角度扩展的大小取决于天线阵列与面对室外天线阵列的窗户的距离长短。室外到室内的无线传播信道具有以下参数特征:时延扩展为5～25ns，室内的角度扩展为30°～55°，室外的角度扩展为4°～20°。考虑每个测量位置点处存在40条多径的情况，则在60％的159个测量地点处可以估计出超过85％的接收功率。

3.使用虚拟阵列的双向测量

虚拟阵列使用步进电动机机制在不同阵列位置处放置单个天线，广泛用于双向测量。尽管转换次数较高，但是该方法消除了互耦合效应，同样能够实现较大规模的阵列。

奥地利维也纳科技大学使用虚拟阵列进行了延伸的MIMO测量，其中一些测量是关于对双向MIMO信道的分析。在室内环境下对多径簇的详细分析在参考文献［CHÖB04b］中的COST 273里可以看到。簇以及主要簇的总数目是在有较多障碍物的室内环境下得到的。分析是基于DoA/DoD在5.2GHz频率处进行室内MIMO测量得到的。在发射机处使用单个可移动的同轴管天线，从而形成间距为半波长20×10的虚拟矩形阵列。在接收机处使用印刷偶极子的一个定向直线型阵列，由8个元素组成，间距为0.4倍波长，120°±3dB的视角。分析是基于8×8的数据子集在窄带频谱处进行。通过分别利用Bartlett和SAGE算法进行DoA/DoD估计并且对结果进行叠加，虚拟地识别簇。结果显示主要的多径簇的平均数目为7.6，标准差为2.4，而簇的总数目即使在单个房间内变化也是非常剧烈的。一次抽样测量的DoA/DoD估计如图6.34所示，其中白色的点表示SAGE算法估计的结果，黑色的圆圈表示被识别出的簇。

图6.34 室外环境下簇的形成（见参考文献［CHÖB04b］）（©2004IEE授权）

参考文献［CHÖB04b］使用基于本征模SAGE估计的新算法描述簇的特征。簇衰落统计调查表明，通常较强的簇服从莱斯衰落，较低功率的簇服从瑞利衰落。正如预期情况，服从莱斯衰落的簇具有很少的主径，而服从瑞利衰落的路径具有大小相近的功率。对DoA、DoD的均方根角度扩展值进行估算，其中到达角的为2°～5°，离开角的为2°～3°。

东京工业大学的研究人员为高分辨率双向MIMO测量开发出了一种基于分析仪的矢量网络系统（见参考文献［HaTa03］）。该系统在发射端和接收端都使用了虚拟阵列。在保证精度的同时利用该套装置实现全自动的测量。室内非视距环境下双向MIMO测量中，使用ISI-SAGE算法用一种确定的方式来估计信道（见参考文献［StJF02］）。相同路径的极化特征估计较为重要。很多波形包括主要路径和较大时延的路径以及许多传播现象都由ISI-SAGE算法检测出。测量装置如图6.35所示。

利用以上的测量系统完成了一些关于超宽带、双向MIMO信道的初期工作（见参考文献［HaTK04］，［TsHT04］）。超宽带使用3.1～10.6GHz频段。测量和分析在日本的木屋中完成（见参考文献［HaTK04］）。使用SAGE算法获取多达100条主要的射线路径。在真实的环境中识别出这些路径，并且使用双向测量检验成簇行为。传播功率集中在反射和衍射的镜向周围，使得获取路径的时空特征能够高度反映出建筑物及其规模大小。由簇所含有的功率可知，估计出的100条路径功率占总接收功率的73％。剩余的功率存在于漫散射当中，即积聚在较弱功率的路径中。研究人员同样讨论了使用SAGE算法获取路径所面临的限制问题。根据反射次数可以得到散射性能以及簇内功率损耗（对于确定性信道重建较为重要）。参考文献［TsHT04］中描述了一次在室内办公环境中相似的超宽带测量，并对其进行了时空分析。在收、发端处对确定性和散射成分分离之后，簇能够在高时间分辨率下根据相似的TDoA进行耦合。大部分的簇都由实验环境的物理结构决定，即镜面反射、反射物体的大小以及材料，同样也取决于波形极化以及天线方向图。通过矩分析可以得到簇内的性能、每一个簇的平均功率以及DoD、DoA和TDoA扩展。本文对于DoD和DoA的关系同样也进行了研究。

图6.35 使用虚拟阵列的超宽带、双向信道探测系统（见参考文献［HaTa03］）