文章目录

  • UPA的阵列响应向量(暂不考虑双极化天线)
  • UPA阵列响应:从单极化天线到双极化天线
  • UPA双极化天线的协方差矩阵结构
  • 参考文献

UPA的阵列响应向量(暂不考虑双极化天线)

下图形象描述了UPA阵列的接收信号

UPA阵列的水平(Horizontal)方向的天线间距为 d H d_H dH​,垂直(Vertical)方向的天线间距为 d V d_V dV​,图中BA是点A处的阵元接收到的信号方向,我们需要衡量水平、垂直两个方向的路径差。

(1)水平方向的路径差
考虑三角形OAB,我们从图中可以看出三个点的坐标分别为: ( 0 , 0 , 0 ) , ( d H , 0 , 0 ) , ( r cos ⁡ ϕ sin ⁡ θ + d H , r cos ⁡ ϕ cos ⁡ θ , r sin ⁡ ϕ ) (0,0,0),(d_H,0,0),(r \cos \phi \sin \theta + d_H, r \cos \phi \cos \theta, r \sin \phi) (0,0,0),(dH​,0,0),(rcosϕsinθ+dH​,rcosϕcosθ,rsinϕ),可以进一步计算该三角形三条边的长度
O A = d H O B = ∣ ( r cos ⁡ ϕ sin ⁡ θ + d H , r cos ⁡ ϕ cos ⁡ θ , r sin ⁡ ϕ ) ∣ A B = r \begin{aligned} OA &= d_H \\ OB &= \left | (r \cos \phi \sin \theta + d_H, r \cos \phi \cos \theta, r \sin \phi) \right| \\ AB &= r \end{aligned} OAOBAB​=dH​=∣(rcosϕsinθ+dH​,rcosϕcosθ,rsinϕ)∣=r​

根据三角余弦定理,我们可以得到
cos ⁡ ∠ O A B = ∣ A B ∣ 2 + ∣ O A ∣ 2 − ∣ O B ∣ 2 2 ∣ A B ∣ ⋅ ∣ O A ∣ = r 2 + d H 2 − ( r 2 + d H 2 + 2 d H r cos ⁡ ϕ sin ⁡ θ ) 2 r d H = cos ⁡ ϕ sin ⁡ θ \begin{aligned} \cos {\angle {OAB}} &= \frac { |AB|^2 + |OA|^2 - |OB|^2 }{2 |AB| \cdot |OA|} \\ &= \frac{ r^2 + d^2_H - (r^2 + d^2_H+ 2 d_H r \cos \phi \sin \theta) } {2 r d_H} \\ &= \cos \phi \sin \theta \end{aligned} cos∠OAB​=2∣AB∣⋅∣OA∣∣AB∣2+∣OA∣2−∣OB∣2​=2rdH​r2+dH2​−(r2+dH2​+2dH​rcosϕsinθ)​=cosϕsinθ​

因此水平方向的路径差为:
Δ H = d H cos ⁡ ∠ O A B = d H cos ⁡ ϕ sin ⁡ θ \Delta_H = d_H \cos {\angle {OAB}} = d_H \cos \phi \sin \theta ΔH​=dH​cos∠OAB=dH​cosϕsinθ

(2)垂直方向的路径差
不难看出,垂直方向的路径差为
Δ V = d V sin ⁡ ϕ \Delta_V= d_V \sin \phi ΔV​=dV​sinϕ

因此阵列响应向量对应的延时(相位)部分可以表征为:
Ψ ( u − 1 ) N H + v ( ϕ , θ ) = 2 π λ [ ( u − 1 ) d V sin ⁡ ϕ + ( v − 1 ) d H cos ⁡ ϕ sin ⁡ θ ] \Psi_{(u-1)N_H+v}(\phi, \theta) = \frac{2 \pi}{\lambda} \left [ (u-1) d_V \sin \phi + (v-1)d_H \cos \phi \sin \theta \right] Ψ(u−1)NH​+v​(ϕ,θ)=λ2π​[(u−1)dV​sinϕ+(v−1)dH​cosϕsinθ]

其中 1 ≤ u ≤ N V , 1 ≤ v ≤ N H 1 \leq u \leq N_V, 1 \leq v \leq N_H 1≤u≤NV​,1≤v≤NH​。

为了与论文[1]的符号对齐,这里我们令
cos ⁡ θ 1 = sin ⁡ ϕ sin ⁡ θ 2 = sin ⁡ θ \begin{aligned} \cos \theta_1 &= \sin \phi \\ \sin \theta_2&= \sin \theta \end{aligned} cosθ1​sinθ2​​=sinϕ=sinθ​

令 θ = ( θ 1 , θ 2 ) T \boldsymbol \theta = (\theta_1, \theta_2)^T θ=(θ1​,θ2​)T,这时UPA阵列响应向量中含相位的项为
e j Ψ ( θ ) : = [ e j Ψ 1 ( θ ) , e j Ψ 2 ( θ ) , ⋯ , e j Ψ N V N H ( θ ) ] T ∈ C N V N H × 1 e^{j \boldsymbol \Psi(\boldsymbol \theta)} := \left [ e^{j \Psi_1(\boldsymbol \theta)}, e^{j \Psi_2(\boldsymbol \theta)}, \cdots, e^{j \Psi_{N_V N_H}(\boldsymbol \theta)} \right]^T \in \mathbb C^{N_V N_H \times 1} ejΨ(θ):=[ejΨ1​(θ),ejΨ2​(θ),⋯,ejΨNV​NH​​(θ)]T∈CNV​NH​×1

其中:
Ψ ( u − 1 ) N H + v ( θ ) = 2 π λ [ ( u − 1 ) d V cos ⁡ θ 1 + ( v − 1 ) d H sin ⁡ θ 1 sin ⁡ θ 2 ] , 1 ≤ u ≤ N V , 1 ≤ v ≤ N H \Psi_{(u-1)N_H+v}(\boldsymbol \theta) = \frac{2 \pi}{\lambda} \left [ (u-1) d_V \cos \theta_1 + (v-1)d_H \sin \theta_1 \sin \theta_2 \right], \ \ 1 \leq u \leq N_V, 1 \leq v \leq N_H Ψ(u−1)NH​+v​(θ)=λ2π​[(u−1)dV​cosθ1​+(v−1)dH​sinθ1​sinθ2​],  1≤u≤NV​,1≤v≤NH​

更进一步,UPA阵列响应向量为(包含水平方向和垂直方向):
a V ( θ ) = a V ( θ ) e j Ψ ( θ ) ∈ C N V N H × 1 a H ( θ ) = a H ( θ ) e j Ψ ( θ ) ∈ C N V N H × 1 \begin{aligned} \boldsymbol a_V (\boldsymbol \theta) &= a_V(\boldsymbol \theta) e^{j \boldsymbol \Psi(\boldsymbol \theta)} \in \mathbb C^{N_V N_H \times 1} \\ \boldsymbol a_H (\boldsymbol \theta) &= a_H(\boldsymbol \theta) e^{j \boldsymbol \Psi(\boldsymbol \theta)} \in \mathbb C^{N_V N_H \times 1} \\ \end{aligned} aV​(θ)aH​(θ)​=aV​(θ)ejΨ(θ)∈CNV​NH​×1=aH​(θ)ejΨ(θ)∈CNV​NH​×1​

其中 a V ( θ ) , a H ( θ ) ∈ R a_V(\boldsymbol \theta),a_H(\boldsymbol \theta) \in \mathbb R aV​(θ),aH​(θ)∈R表示天线本身的field pattern(对应幅度的概念)。

UPA阵列响应:从单极化天线到双极化天线

注意到,上一章节所推演的阵列响应响应为单极化UPA阵列。对于双极化UPA,其阵列响应向量定义为
a V ( θ ) = [ a V , 1 ( θ ) a V , 2 ( θ ) ] ⊗ e j Ψ ( θ ) ∈ C 2 N V N H × 1 a H ( θ ) = [ a H , 1 ( θ ) a H , 2 ( θ ) ] ⊗ e j Ψ ( θ ) ∈ C 2 N V N H × 1 \begin{aligned} \boldsymbol a_V (\boldsymbol \theta) &= \left[ \begin{array}{c} a_{V,1}\left( \boldsymbol{\theta } \right)\\ a_{V,2}\left( \boldsymbol{\theta } \right)\\ \end{array} \right] \otimes e^{j \boldsymbol \Psi(\boldsymbol \theta)} \in \mathbb C^{2 N_V N_H \times 1} \\ \boldsymbol a_H (\boldsymbol \theta) &= \left[ \begin{array}{c} a_{H,1}\left( \boldsymbol{\theta } \right)\\ a_{H,2}\left( \boldsymbol{\theta } \right)\\ \end{array} \right] \otimes e^{j \boldsymbol \Psi(\boldsymbol \theta)} \in \mathbb C^{2 N_V N_H \times 1} \end{aligned} aV​(θ)aH​(θ)​=[aV,1​(θ)aV,2​(θ)​]⊗ejΨ(θ)∈C2NV​NH​×1=[aH,1​(θ)aH,2​(θ)​]⊗ejΨ(θ)∈C2NV​NH​×1​

其中 a V , 1 , a V , 2 ∈ R a_{V,1},a_{V,2} \in \mathbb R aV,1​,aV,2​∈R分别表示垂直方向上, + 45 ° +45 \degree +45°和 − 45 ° -45 \degree −45°极化天线的field pattern,为天线固有的值,不受环境影响。

UPA双极化天线的协方差矩阵结构

双极化UPA阵列的协方差矩阵为
R = ∫ Ω ρ V ( θ ) a V ( θ ) a V H ( θ ) d θ + ∫ Ω ρ H ( θ ) a H ( θ ) a H H ( θ ) d θ ∈ C 2 N V N H × 2 N V N H \boldsymbol R= \int_{\Omega} \rho_V(\boldsymbol \theta) \boldsymbol a_V(\boldsymbol \theta) \boldsymbol a_V^H(\boldsymbol \theta) d \boldsymbol \theta + \int_{\Omega} \rho_H(\boldsymbol \theta) \boldsymbol a_H(\boldsymbol \theta) \boldsymbol a_H^H(\boldsymbol \theta) d \boldsymbol \theta \in \mathbb C^{2 N_V N_H \times 2 N_V N_H} R=∫Ω​ρV​(θ)aV​(θ)aVH​(θ)dθ+∫Ω​ρH​(θ)aH​(θ)aHH​(θ)dθ∈C2NV​NH​×2NV​NH​

不失一般性,这里我们只关注 a V ( θ ) a V H ( θ ) \boldsymbol a_V(\boldsymbol \theta) \boldsymbol a_V^H(\boldsymbol \theta) aV​(θ)aVH​(θ)
a V ( θ ) a V H ( θ ) = ( [ a V , 1 ( θ ) a V , 2 ( θ ) ] ⊗ e j Ψ ( θ ) ) ( [ a V , 1 ( θ ) a V , 2 ( θ ) ] ⊗ e j Ψ ( θ ) ) H = ( [ a V , 1 ( θ ) a V , 2 ( θ ) ] ⊗ e j Ψ ( θ ) ) ( [ a V , 1 ( θ ) a V , 2 ( θ ) ] T ⊗ ( e j Ψ ( θ ) ) H ) = [ a V , 1 2 ( θ ) a V , 1 ( θ ) a V , 2 ( θ ) a V , 2 ( θ ) a V , 1 ( θ ) a V , 2 2 ( θ ) ] ⊗ ( e j Ψ ( θ ) ( e j Ψ ( θ ) ) H ) \begin{aligned} \boldsymbol a_V(\boldsymbol \theta) \boldsymbol a_V^H(\boldsymbol \theta) &= \left ( \left[ \begin{array}{c} a_{V,1}\left( \boldsymbol{\theta } \right)\\ a_{V,2}\left( \boldsymbol{\theta } \right)\\ \end{array} \right] \otimes e^{j \boldsymbol \Psi(\boldsymbol \theta)} \right) \left ( \left[ \begin{array}{c} a_{V,1}\left( \boldsymbol{\theta } \right)\\ a_{V,2}\left( \boldsymbol{\theta } \right)\\ \end{array} \right] \otimes e^{j \boldsymbol \Psi(\boldsymbol \theta)} \right)^H \\ &=\left ( \left[ \begin{array}{c} a_{V,1}\left( \boldsymbol{\theta } \right)\\ a_{V,2}\left( \boldsymbol{\theta } \right)\\ \end{array} \right] \otimes e^{j \boldsymbol \Psi(\boldsymbol \theta)} \right) \left ( \left[ \begin{array}{c} a_{V,1}\left( \boldsymbol{\theta } \right)\\ a_{V,2}\left( \boldsymbol{\theta } \right)\\ \end{array} \right]^T \otimes \left( e^{j \boldsymbol \Psi(\boldsymbol \theta)} \right )^H \right) \\ &= \left[ \begin{matrix} a_{V,1}^{2}\left( \boldsymbol{\theta } \right)& a_{V,1}\left( \boldsymbol{\theta } \right) a_{V,2}\left( \boldsymbol{\theta } \right)\\ a_{V,2}\left( \boldsymbol{\theta } \right) a_{V,1}\left( \boldsymbol{\theta } \right)& a_{V,2}^{2}\left( \boldsymbol{\theta } \right)\\ \end{matrix} \right] \otimes \left ( e^{j \boldsymbol \Psi(\boldsymbol \theta)} \left( e^{j \boldsymbol \Psi(\boldsymbol \theta)} \right )^H \right) \end{aligned} aV​(θ)aVH​(θ)​=([aV,1​(θ)aV,2​(θ)​]⊗ejΨ(θ))([aV,1​(θ)aV,2​(θ)​]⊗ejΨ(θ))H=([aV,1​(θ)aV,2​(θ)​]⊗ejΨ(θ))([aV,1​(θ)aV,2​(θ)​]T⊗(ejΨ(θ))H)=[aV,12​(θ)aV,2​(θ)aV,1​(θ)​aV,1​(θ)aV,2​(θ)aV,22​(θ)​]⊗(ejΨ(θ)(ejΨ(θ))H)​

我们不难看出,协方差矩阵 R ∈ C 2 N V N H × 2 N V N H \boldsymbol R \in \mathbb C^{2 N_V N_H \times 2 N_V N_H} R∈C2NV​NH​×2NV​NH​,具有特定的块结构,可写为
R = [ B 1 B 2 H B 2 B 3 ] ∈ C 2 N V N H × 2 N V N H \boldsymbol R = \left[ \begin{matrix} \boldsymbol{B}_1& \boldsymbol{B}_{2}^{H}\\ \boldsymbol{B}_2& \boldsymbol{B}_3\\ \end{matrix} \right] \in \mathbb C^{2 N_V N_H \times 2 N_V N_H} R=[B1​B2​​B2H​B3​​]∈C2NV​NH​×2NV​NH​

其中 B 1 , B 2 , B 3 ∈ C N V N H × N V N H \boldsymbol{B}_1,\boldsymbol{B}_2,\boldsymbol{B}_3 \in \mathbb C^{ N_V N_H \times N_V N_H} B1​,B2​,B3​∈CNV​NH​×NV​NH​具有相同的结构性质,且不难看出,该性质取决于 e j Ψ ( θ ) ( e j Ψ ( θ ) ) H ∈ C N V N H × N V N H e^{j \boldsymbol \Psi(\boldsymbol \theta)} \left( e^{j \boldsymbol \Psi(\boldsymbol \theta)} \right )^H \in \mathbb C^{ N_V N_H \times N_V N_H} ejΨ(θ)(ejΨ(θ))H∈CNV​NH​×NV​NH​。回顾 e j Ψ ( θ ) e^{j \boldsymbol \Psi(\boldsymbol \theta)} ejΨ(θ)的表达式:
e j Ψ ( θ ) = [ e j Ψ 1 ( θ ) , e j Ψ 2 ( θ ) , ⋯ , e j Ψ N V N H ( θ ) ] T Ψ ( u − 1 ) N H + v ( θ ) = 2 π λ [ ( u − 1 ) d V cos ⁡ θ 1 + ( v − 1 ) d H sin ⁡ θ 1 sin ⁡ θ 2 ] \begin{aligned} e^{j \boldsymbol \Psi(\boldsymbol \theta)} &= \left [ e^{j \Psi_1(\boldsymbol \theta)}, e^{j \Psi_2(\boldsymbol \theta)}, \cdots, e^{j \Psi_{N_V N_H}(\boldsymbol \theta)} \right]^T \\ \Psi_{(u-1)N_H+v}(\boldsymbol \theta) &= \frac{2 \pi}{\lambda} \left [ (u-1) d_V \cos \theta_1 + (v-1)d_H \sin \theta_1 \sin \theta_2 \right] \end{aligned} ejΨ(θ)Ψ(u−1)NH​+v​(θ)​=[ejΨ1​(θ),ejΨ2​(θ),⋯,ejΨNV​NH​​(θ)]T=λ2π​[(u−1)dV​cosθ1​+(v−1)dH​sinθ1​sinθ2​]​

我们不妨先固定 u 0 ∈ { 1 , ⋯ , N V } u_0 \in \{1,\cdots,N_V\} u0​∈{1,⋯,NV​},取子向量 ( e j Ψ k ( θ ) : k = ( u 0 − 1 ) N H + v , v = 1 , ⋯ , N H ) ∈ C N H × 1 \left (e^{j \Psi_k(\boldsymbol \theta)}: k=(u_0-1)N_H+v, v=1,\cdots,N_H \right) \in \mathbb C^{N_H \times 1} (ejΨk​(θ):k=(u0​−1)NH​+v,v=1,⋯,NH​)∈CNH​×1,令
∣ u 0 ⟩ = ( e j Ψ k ( θ ) : k = ( u 0 − 1 ) N H + v , v = 1 , ⋯ , N H ) ∈ C N H × 1 |u_0 \rangle = \left (e^{j \Psi_k(\boldsymbol \theta)}: k=(u_0-1)N_H+v, v=1,\cdots,N_H \right) \in \mathbb C^{N_H \times 1} ∣u0​⟩=(ejΨk​(θ):k=(u0​−1)NH​+v,v=1,⋯,NH​)∈CNH​×1

(这里存在一定程度的符号滥用,但为了方便叙述,我们选择采用量子力学中常用的狄拉克符号),则 e j Ψ ( θ ) ( e j Ψ ( θ ) ) H ∈ C N V N H × N V N H e^{j \boldsymbol \Psi(\boldsymbol \theta)} \left( e^{j \boldsymbol \Psi(\boldsymbol \theta)} \right )^H \in \mathbb C^{ N_V N_H \times N_V N_H} ejΨ(θ)(ejΨ(θ))H∈CNV​NH​×NV​NH​可以写为
e j Ψ ( θ ) ( e j Ψ ( θ ) ) H = [ ∣ 1 ⟩ ⟨ 1 ∣ ∣ 1 ⟩ ⟨ 2 ∣ ∣ 1 ⟩ ⟨ 3 ∣ ⋯ ∣ 1 ⟩ ⟨ N V ∣ ∣ 2 ⟩ ⟨ 1 ∣ ∣ 2 ⟩ ⟨ 2 ∣ ∣ 2 ⟩ ⟨ 3 ∣ ⋯ ⋮ ∣ 3 ⟩ ⟨ 1 ∣ ∣ 3 ⟩ ⟨ 2 ∣ ∣ 3 ⟩ ⟨ 3 ∣ ⋯ ∣ N V − 1 ⟩ ⟨ N V ∣ ⋮ ⋮ ⋮ ⋱ ∣ N V − 1 ⟩ ⟨ N V ∣ ∣ N V ⟩ ⟨ 1 ∣ ⋯ ∣ N V ⟩ ⟨ N V − 2 ∣ ∣ N V ⟩ ⟨ N V − 1 ∣ ∣ N V ⟩ ⟨ N V ∣ ] e^{j \boldsymbol \Psi(\boldsymbol \theta)} \left( e^{j \boldsymbol \Psi(\boldsymbol \theta)} \right )^H=\left[ \begin{matrix}{} |1\rangle \langle 1|& |1\rangle \langle 2|& |1\rangle \langle 3|& \cdots& |1\rangle \langle N_V|\\ |2\rangle \langle 1|& |2\rangle \langle 2|& |2\rangle \langle 3|& \cdots& \vdots\\ |3\rangle \langle 1|& |3\rangle \langle 2|& |3\rangle \langle 3|& \cdots& |N_V-1\rangle \langle N_V|\\ \vdots& \vdots& \vdots& \ddots& |N_V-1\rangle \langle N_V|\\ |N_V\rangle \langle 1|& \cdots& |N_V\rangle \langle N_V-2|& |N_V\rangle \langle N_V-1|& |N_V\rangle \langle N_V|\\ \end{matrix} \right] ejΨ(θ)(ejΨ(θ))H= ​∣1⟩⟨1∣∣2⟩⟨1∣∣3⟩⟨1∣⋮∣NV​⟩⟨1∣​∣1⟩⟨2∣∣2⟩⟨2∣∣3⟩⟨2∣⋮⋯​∣1⟩⟨3∣∣2⟩⟨3∣∣3⟩⟨3∣⋮∣NV​⟩⟨NV​−2∣​⋯⋯⋯⋱∣NV​⟩⟨NV​−1∣​∣1⟩⟨NV​∣⋮∣NV​−1⟩⟨NV​∣∣NV​−1⟩⟨NV​∣∣NV​⟩⟨NV​∣​ ​

首先,我们不难发现
∣ i ⟩ ⟨ j ∣ = ∣ i + d ⟩ ⟨ j + d ∣ , ∀ d |i \rangle \langle j| = |i+d \rangle \langle j+d|, \ \ \forall d ∣i⟩⟨j∣=∣i+d⟩⟨j+d∣,  ∀d

因此,我们只需要关注 ∣ 1 ⟩ ⟨ 1 ∣ , ∣ 2 ⟩ ⟨ 1 ∣ , ⋯ , ∣ N V ⟩ ⟨ 1 ∣ |1\rangle \langle 1|, |2\rangle \langle 1|, \cdots, |N_V\rangle \langle 1| ∣1⟩⟨1∣,∣2⟩⟨1∣,⋯,∣NV​⟩⟨1∣即可

当 u 0 = 1 u_0=1 u0​=1时
∣ 1 ⟩ ⟨ 1 ∣ = [ 1 e j 2 π λ d H sin ⁡ θ 1 sin ⁡ θ 2 e j 2 π λ 2 d H sin ⁡ θ 1 sin ⁡ θ 2 ⋮ e j 2 π λ ( N H − 1 ) d H sin ⁡ θ 1 sin ⁡ θ 2 ] [ 1 e j 2 π λ d H sin ⁡ θ 1 sin ⁡ θ 2 e j 2 π λ 2 d H sin ⁡ θ 1 sin ⁡ θ 2 ⋮ e j 2 π λ ( N H − 1 ) d H sin ⁡ θ 1 sin ⁡ θ 2 ] H |1\rangle \langle 1| = \left[ \begin{array}{l} 1\\ e^{j\frac{2\pi}{\lambda}d_H \sin \theta_1 \sin \theta_2}\\ e^{j\frac{2\pi}{\lambda}2d_H \sin \theta_1 \sin \theta_2} \\ \vdots \\ e^{j\frac{2\pi}{\lambda}(N_H-1)d_H \sin \theta_1 \sin \theta_2}\\ \end{array} \right] \left[ \begin{array}{l} 1\\ e^{j\frac{2\pi}{\lambda}d_H \sin \theta_1 \sin \theta_2}\\ e^{j\frac{2\pi}{\lambda}2d_H \sin \theta_1 \sin \theta_2} \\ \vdots \\ e^{j\frac{2\pi}{\lambda}(N_H-1)d_H \sin \theta_1 \sin \theta_2}\\ \end{array} \right]^H ∣1⟩⟨1∣= ​1ejλ2π​dH​sinθ1​sinθ2​ejλ2π​2dH​sinθ1​sinθ2​⋮ejλ2π​(NH​−1)dH​sinθ1​sinθ2​​ ​ ​1ejλ2π​dH​sinθ1​sinθ2​ejλ2π​2dH​sinθ1​sinθ2​⋮ejλ2π​(NH​−1)dH​sinθ1​sinθ2​​ ​H

不难发现,上述写法直接对应到ULA阵,因此对应部分的块矩阵满足Toplitz性

当 u 0 > 1 u_0 > 1 u0​>1时
∣ u 0 ⟩ ⟨ 1 ∣ = ( e j 2 π λ ( u 0 − 1 ) d V cos ⁡ θ 1 [ 1 e j 2 π λ d H sin ⁡ θ 1 sin ⁡ θ 2 e j 2 π λ 2 d H sin ⁡ θ 1 sin ⁡ θ 2 ⋮ e j 2 π λ ( N H − 1 ) d H sin ⁡ θ 1 sin ⁡ θ 2 ] ) [ 1 e j 2 π λ d H sin ⁡ θ 1 sin ⁡ θ 2 e j 2 π λ 2 d H sin ⁡ θ 1 sin ⁡ θ 2 ⋮ e j 2 π λ ( N H − 1 ) d H sin ⁡ θ 1 sin ⁡ θ 2 ] H = e j 2 π λ ( u 0 − 1 ) d V cos ⁡ θ 1 [ 1 e j 2 π λ d H sin ⁡ θ 1 sin ⁡ θ 2 e j 2 π λ 2 d H sin ⁡ θ 1 sin ⁡ θ 2 ⋮ e j 2 π λ ( N H − 1 ) d H sin ⁡ θ 1 sin ⁡ θ 2 ] [ 1 e j 2 π λ d H sin ⁡ θ 1 sin ⁡ θ 2 e j 2 π λ 2 d H sin ⁡ θ 1 sin ⁡ θ 2 ⋮ e j 2 π λ ( N H − 1 ) d H sin ⁡ θ 1 sin ⁡ θ 2 ] H \begin{aligned} |u_0 \rangle \langle 1| &=\left ( e^{j \frac{2\pi}{\lambda}(u_0-1)d_V \cos \theta_1} \left[ \begin{array}{l} 1\\ e^{j\frac{2\pi}{\lambda}d_H \sin \theta_1 \sin \theta_2}\\ e^{j\frac{2\pi}{\lambda}2d_H \sin \theta_1 \sin \theta_2} \\ \vdots \\ e^{j\frac{2\pi}{\lambda}(N_H-1)d_H \sin \theta_1 \sin \theta_2}\\ \end{array} \right] \right ) \left[ \begin{array}{l} 1\\ e^{j\frac{2\pi}{\lambda}d_H \sin \theta_1 \sin \theta_2}\\ e^{j\frac{2\pi}{\lambda}2d_H \sin \theta_1 \sin \theta_2} \\ \vdots \\ e^{j\frac{2\pi}{\lambda}(N_H-1)d_H \sin \theta_1 \sin \theta_2}\\ \end{array} \right]^H \\ &= e^{j \frac{2\pi}{\lambda}(u_0-1)d_V \cos \theta_1 } \left[ \begin{array}{l} 1\\ e^{j\frac{2\pi}{\lambda}d_H \sin \theta_1 \sin \theta_2}\\ e^{j\frac{2\pi}{\lambda}2d_H \sin \theta_1 \sin \theta_2} \\ \vdots \\ e^{j\frac{2\pi}{\lambda}(N_H-1)d_H \sin \theta_1 \sin \theta_2}\\ \end{array} \right] \left[ \begin{array}{l} 1\\ e^{j\frac{2\pi}{\lambda}d_H \sin \theta_1 \sin \theta_2}\\ e^{j\frac{2\pi}{\lambda}2d_H \sin \theta_1 \sin \theta_2} \\ \vdots \\ e^{j\frac{2\pi}{\lambda}(N_H-1)d_H \sin \theta_1 \sin \theta_2}\\ \end{array} \right]^H \end{aligned} ∣u0​⟩⟨1∣​= ​ejλ2π​(u0​−1)dV​cosθ1​ ​1ejλ2π​dH​sinθ1​sinθ2​ejλ2π​2dH​sinθ1​sinθ2​⋮ejλ2π​(NH​−1)dH​sinθ1​sinθ2​​ ​ ​ ​1ejλ2π​dH​sinθ1​sinθ2​ejλ2π​2dH​sinθ1​sinθ2​⋮ejλ2π​(NH​−1)dH​sinθ1​sinθ2​​ ​H=ejλ2π​(u0​−1)dV​cosθ1​ ​1ejλ2π​dH​sinθ1​sinθ2​ejλ2π​2dH​sinθ1​sinθ2​⋮ejλ2π​(NH​−1)dH​sinθ1​sinθ2​​ ​ ​1ejλ2π​dH​sinθ1​sinθ2​ejλ2π​2dH​sinθ1​sinθ2​⋮ejλ2π​(NH​−1)dH​sinθ1​sinθ2​​ ​H​

注意到,无论是 ∣ 1 ⟩ ⟨ 1 ∣ |1\rangle \langle 1| ∣1⟩⟨1∣还是 ∣ u 0 ⟩ ⟨ 1 ∣ , u 0 > 1 |u_0 \rangle \langle 1|,u_0 > 1 ∣u0​⟩⟨1∣,u0​>1,大家都有一个公共的Toeplitz结构,即
[ 1 e j 2 π λ d H sin ⁡ θ 1 sin ⁡ θ 2 e j 2 π λ 2 d H sin ⁡ θ 1 sin ⁡ θ 2 ⋮ e j 2 π λ ( N H − 1 ) d H sin ⁡ θ 1 sin ⁡ θ 2 ] [ 1 e j 2 π λ d H sin ⁡ θ 1 sin ⁡ θ 2 e j 2 π λ 2 d H sin ⁡ θ 1 sin ⁡ θ 2 ⋮ e j 2 π λ ( N H − 1 ) d H sin ⁡ θ 1 sin ⁡ θ 2 ] H = [ α 1 α 2 ∗ ⋯ α N H ∗ α 2 α 1 ⋱ ⋮ ⋮ ⋱ ⋱ α 2 ∗ α N H ⋯ α 2 α 1 ] ∈ C N H × N H \left[ \begin{array}{l} 1\\ e^{j\frac{2\pi}{\lambda}d_H \sin \theta_1 \sin \theta_2}\\ e^{j\frac{2\pi}{\lambda}2d_H \sin \theta_1 \sin \theta_2} \\ \vdots \\ e^{j\frac{2\pi}{\lambda}(N_H-1)d_H \sin \theta_1 \sin \theta_2}\\ \end{array} \right] \left[ \begin{array}{l} 1\\ e^{j\frac{2\pi}{\lambda}d_H \sin \theta_1 \sin \theta_2}\\ e^{j\frac{2\pi}{\lambda}2d_H \sin \theta_1 \sin \theta_2} \\ \vdots \\ e^{j\frac{2\pi}{\lambda}(N_H-1)d_H \sin \theta_1 \sin \theta_2}\\ \end{array} \right]^H = \left[ \begin{matrix} \alpha _1& \alpha _{2}^{*}& \cdots& \alpha _{N_H}^{*}\\ \alpha _2& \alpha _1& \ddots& \vdots\\ \vdots& \ddots& \ddots& \alpha _{2}^{*}\\ \alpha _{N_H}& \cdots& \alpha _2& \alpha _1\\ \end{matrix} \right] \in \mathbb C^{N_H \times N_H} ​1ejλ2π​dH​sinθ1​sinθ2​ejλ2π​2dH​sinθ1​sinθ2​⋮ejλ2π​(NH​−1)dH​sinθ1​sinθ2​​ ​ ​1ejλ2π​dH​sinθ1​sinθ2​ejλ2π​2dH​sinθ1​sinθ2​⋮ejλ2π​(NH​−1)dH​sinθ1​sinθ2​​ ​H= ​α1​α2​⋮αNH​​​α2∗​α1​⋱⋯​⋯⋱⋱α2​​αNH​∗​⋮α2∗​α1​​ ​∈CNH​×NH​

因为积分无非就是加权求和,并不改变上述积分内部矩阵的结构,因此我们得出如下结论:
考虑协方差矩阵
R = [ B 1 B 2 H B 2 B 3 ] ∈ C 2 N V N H × 2 N V N H \boldsymbol R = \left[ \begin{matrix} \boldsymbol{B}_1& \boldsymbol{B}_{2}^{H}\\ \boldsymbol{B}_2& \boldsymbol{B}_3\\ \end{matrix} \right] \in \mathbb C^{2 N_V N_H \times 2 N_V N_H} R=[B1​B2​​B2H​B3​​]∈C2NV​NH​×2NV​NH​

的每一个块矩阵 B 1 , B 2 , B 3 ∈ C N V N H × N V N H \boldsymbol{B}_1,\boldsymbol{B}_2,\boldsymbol{B}_3 \in \mathbb C^{ N_V N_H \times N_V N_H} B1​,B2​,B3​∈CNV​NH​×NV​NH​具有相同的结构,即
B l = [ B l , 1 B l , 2 H B l , 3 H ⋯ B l , N V H B l , 2 B l , 1 B l , 2 H ⋱ ⋮ B l , 3 B l , 2 B l , 1 ⋱ B l , 3 H ⋮ ⋱ ⋱ ⋱ B l , 2 H B l , N V ⋯ B l , 3 B l , 2 B l , 1 ] ∈ C N V N H × N V N H \boldsymbol{B}_l=\left[ \begin{matrix}{} \boldsymbol{B}_{l,1}& \boldsymbol{B}_{l,2}^{H}& \boldsymbol{B}_{l,3}^{H}& \cdots& \boldsymbol{B}_{l,N_V}^{H}\\ \boldsymbol{B}_{l,2}& \boldsymbol{B}_{l,1}& \boldsymbol{B}_{l,2}^{H}& \ddots& \vdots\\ \boldsymbol{B}_{l,3}& \boldsymbol{B}_{l,2}& \boldsymbol{B}_{l,1}& \ddots& \boldsymbol{B}_{l,3}^{H}\\ \vdots& \ddots& \ddots& \ddots& \boldsymbol{B}_{l,2}^{H}\\ \boldsymbol{B}_{l,N_V}& \cdots& \boldsymbol{B}_{l,3}& \boldsymbol{B}_{l,2}& \boldsymbol{B}_{l,1}\\ \end{matrix} \right] \in \mathbb{C}^{ N_V N_H \times N_V N_H } Bl​= ​Bl,1​Bl,2​Bl,3​⋮Bl,NV​​​Bl,2H​Bl,1​Bl,2​⋱⋯​Bl,3H​Bl,2H​Bl,1​⋱Bl,3​​⋯⋱⋱⋱Bl,2​​Bl,NV​H​⋮Bl,3H​Bl,2H​Bl,1​​ ​∈CNV​NH​×NV​NH​

其中

B l , 1 = β ⋅ [ α 1 α 2 ∗ ⋯ α N H ∗ α 2 α 1 ⋱ ⋮ ⋮ ⋱ ⋱ α 2 ∗ α N H ⋯ α 2 α 1 ] ∈ C N H × N H , β ∈ R \boldsymbol{B}_{l,1} = \beta \cdot \left[ \begin{matrix} \alpha _1& \alpha _{2}^{*}& \cdots& \alpha _{N_H}^{*}\\ \alpha _2& \alpha _1& \ddots& \vdots\\ \vdots& \ddots& \ddots& \alpha _{2}^{*}\\ \alpha _{N_H}& \cdots& \alpha _2& \alpha _1\\ \end{matrix} \right] \in \mathbb C^{N_H \times N_H}, \beta \in \mathbb R Bl,1​=β⋅ ​α1​α2​⋮αNH​​​α2∗​α1​⋱⋯​⋯⋱⋱α2​​αNH​∗​⋮α2∗​α1​​ ​∈CNH​×NH​,β∈R

B l , u 0 = β ⋅ e j 2 π λ ( u 0 − 1 ) d V cos ⁡ θ 1 ⋅ [ α 1 α 2 ∗ ⋯ α N H ∗ α 2 α 1 ⋱ ⋮ ⋮ ⋱ ⋱ α 2 ∗ α N H ⋯ α 2 α 1 ] ∈ C N H × N H , β ∈ R , u 0 > 1 \boldsymbol{B}_{l,u_0} = \beta \cdot e^{j \frac{2\pi}{\lambda}(u_0-1)d_V \cos \theta_1} \cdot \left[ \begin{matrix} \alpha _1& \alpha _{2}^{*}& \cdots& \alpha _{N_H}^{*}\\ \alpha _2& \alpha _1& \ddots& \vdots\\ \vdots& \ddots& \ddots& \alpha _{2}^{*}\\ \alpha _{N_H}& \cdots& \alpha _2& \alpha _1\\ \end{matrix} \right] \in \mathbb C^{N_H \times N_H}, \beta \in \mathbb R, u_0 > 1 Bl,u0​​=β⋅ejλ2π​(u0​−1)dV​cosθ1​⋅ ​α1​α2​⋮αNH​​​α2∗​α1​⋱⋯​⋯⋱⋱α2​​αNH​∗​⋮α2∗​α1​​ ​∈CNH​×NH​,β∈R,u0​>1

  • B l , 1 \boldsymbol{B}_{l,1} Bl,1​的自由度为 N H N_H NH​
  • B l , u 0 , u 0 > 1 \boldsymbol{B}_{l,u_0}, u_0 > 1 Bl,u0​​,u0​>1的自由度为 N H + N H − 1 N_H+N_H-1 NH​+NH​−1

参考文献

[1] L. Miretti, R. L. G. Cavalcante and S. Stańczak, “Channel Covariance Conversion and Modelling Using Infinite Dimensional Hilbert Spaces,” in IEEE Transactions on Signal Processing, vol. 69, pp. 3145-3159, 2021, doi: 10.1109/TSP.2021.3082461.

UPA/URA双极化天线的协方差矩阵结构相关推荐

  1. 双极化天线及其下倾技术(转)

    目前,在GSM网络建设和维护工作中,如何解决GSM网络高话务密度区的容量和干扰问题,提高全网的接通率,降低掉话率和提高通话质量,已经成为近期工作的重点和难点.采用合适的天线技术将是能够有效地控制覆盖范 ...

  2. 双极化天线及其下倾技术

    目前,在GSM网络建设和维护工作中,如何解决GSM网络高话务量密度区的容量和干扰问题,提高全网的接通率,降低掉话率和提高通话质量,已经成为近期工作的重点和难点.采用合适的天线技术将是能够有效地控制覆盖 ...

  3. 单极化天线和双极化天线的区别

    双极化天线就是有水平和垂直两个方向的极化,而单极化天线仅是水平或者垂直. 双极化天线示意图: 单极化天线示意图: 单极化天线使用3根或2根天线作为一个射频组.3根天线时,两根天线负责接收,一个天线作为 ...

  4. 双精度数举例_Aladdin阿拉丁:一套土木工程结构无损检测领域先进的双极化天线阵雷达...

    阿拉丁雷达是一种高度便携的双偏振雷达,用于混凝土和砌体内部结构检测.可以提供混凝土内部结构2D和3D图像,如浅钢筋和深钢筋.孔洞.管道.电缆.病害信息等.它还可以检测混凝土的厚度和完整性,并提供钢筋和 ...

  5. W波段双圆极化天线研究与设计

    [摘  要]毫米波圆极化天线具有减少极化失配.抑制多径干扰的特性,在恶劣环境中具有更好的稳定性,是提升通信系统性能的重要器件.利用喇叭天线和隔板极化器设计了一款双圆极化天线,并在天线和极化器的连接处采 ...

  6. 2.1、水平对称天线双极性天线

    1.水平对称天线 水平架设天线的优点: (1)架设和馈电方便 (2)地面电导率对水平天线方向性影响j较垂直天线要小 (3)可减小干扰对接收影响因为水平对称天线辐射水平极化波,而工业干扰大多数为垂直极化 ...

  7. 高分三号(GF-3)单极化/双极化/全极化多时相变化检测

    高分三号SAR成像卫星具备聚束单极化(1m).超精细条带单极化(3m).精细条带1双极化(5m)和全极化条带1(8m)等12种成像模式. 雷达影像信息处理系统SARInfo具备高分三号单极化.双极化. ...

  8. php x20有啥用,vivo X20全面屏手机的双MIMO天线有什么用?大部分人不知道

    原标题:vivo X20全面屏手机的双MIMO天线有什么用?大部分人不知道 相信大家在日常使用手机的过程中都有遇到过WiFi信号弱,上网速度慢,导致看视频.玩游戏时卡顿.掉线的情况,尤其是在离路由器比 ...

  9. SNAP双极化数据极化分解操作

    SNAP双极化数据极化分解操作 1. 背景 我不是一个研究合成孔径雷达(SAR)很深的小小研究生,只做他的应用,前端时间简单了解了一下SAR极化分解的内容,推荐一个很好的PPT可以学习,我就不做知识的 ...

最新文章

  1. 优化webpack配置
  2. java程序员修炼之道 pdf_?活动丨和大咖云风来场1对1交流,分享《程序员修炼之道》心得...
  3. 扎心了!年薪100万,却还不起5000块的信用卡
  4. pyqt5讲解2:QPushButton,QRadioButton,QCheckBox
  5. 库存转换是什么意思_为什么要用WMS系统?WMS能带来哪些价值
  6. [HTTP] HTTP消息
  7. 2000/XP系统蓝屏原因与解决
  8. linux机顶盒线刷教程,机顶盒刷机教程 机顶盒刷机步骤详解与注意事项
  9. 张小龙:微信产品观(下)
  10. 西南科技大学城市学院计算机专业录取分数线,西南科技大学城市学院2020年录取分数线(附2017-2020年分数线)...
  11. codeforces topcoder 指南
  12. 解决——》feign文件下载时报错feign.codec.EncodeException: not in non blocking mode
  13. java加法处理器 图形界面,java作业设置加法器界面
  14. 快来看,你的盒子也能用OpenCV NPU后端啦
  15. linux pthread_attr_destory()
  16. 神经科学界大地震!诺奖级泰斗将携团队移居中国,与蒲慕明院士强强联手
  17. 华硕笔记本电脑计算机打不开,华硕笔记本电脑无线开关打不开怎么办
  18. 关于商业智能BI,今天只谈这五点
  19. 微信小程序 系统复制粘贴文本
  20. [BZOJ]4491: 我也不知道题目名字是什么 线段树(差分)

热门文章

  1. Leetcode 45. 跳跃游戏 II
  2. 什么是闭包,闭包的作用与好处是什么,何时使用闭包,对闭包的改进
  3. 时序预测 | MATLAB实现贝叶斯优化CNN-LSTM时间序列预测(股票价格预测)
  4. unity硬件接入(一)---Joystick
  5. 培训公司python
  6. 使用rapidxml 生成xml文件
  7. 【Python】Webpy 源码学习
  8. luminati是什么,luminati 亚马逊测评,以及luminati搭建教程
  9. Chrome Devtool — Performance
  10. 解决VScode任务栏图标异常的可能办法