本发明属于无线通信技术，尤其涉及一种有限射频链下超大规模阵列天线近场定位方法。
背景技术：
1、超大规模天线阵列是实现6g移动通信网络中感知和通信一体化的关键技术。通过使用数量庞大的天线单元，超大规模天线阵列可以显著提高系统的通信容量和频谱效率，从而提供较高的空间复用增益和波束形成增益“z.wang etal.,“a tutorial onextremely large-scale mimo for 6g:fundamentals,signal processing,andapplications,”arxiv preprint arxiv:2307.07340,2023.”。超大规模天线阵列与传统的大规模阵列天线的根本区别在于电磁特性“m.cui,z.wu,y.lu,x.wei,and l.dai,“near-field mimo communications for 6g:fundamentals,challenges,potentials,andfuture directions,”ieee commun.mag.,vol.61,no.1,pp.40–46,2022.”。对于超大规模天线阵列接收机，随着其天线数量和天线孔径增加了多个数量级，电磁波的波前曲率不可忽略，在建模电磁传播时需要考虑近场球面波前(而不是大规模天线阵列中使用的远场均匀平面波)。从目标定位的角度来看，超大规模天线阵列处的球面波前可以同时提供目标的距离信息和角度信息，使接收机无需多个定位锚定配合即可实现定位目标。
2、虽然超大规模天线阵列在高精度近场定位方面具有巨大的潜力，但其部署和应用仍面临挑战。在传统的大规模阵列天线系统中，每个天线通常配备独立的射频链。然而在超大规模天线阵列中，由于天线单元数量庞大，这种独立射频链的架构会带来极大的硬件开销和功耗。模拟波束成形是减少射频链数量的常用技术“x.gao,l.dai,and a.m.sayeed,“low rf-complexity technologies to enable millimeter-wave mimo with largeantenna array for 5g wireless communications,”ieee commun.mag.,vol.56,no.4,pp.211–217,2018.”。然而，由于没有考虑模拟波束成形矩阵对天线接收信号的影响，现有的近场定位算法都不能正常工作(“o.rinchi,a.elzanaty,and m.-s.alouini,“compressive near-field localization for multipath ris-aided environments,”ieee commun.lett.,vol.26,no.6,pp.1268–1272,2022.”,“x.zhang,w.chen,w.zheng,z.xia,and y.wang,“localization of near-field sources:a reduced-dimensionmusic algorithm,”ieee commun.lett.,vol.22,no.7,pp.1422–1425,2018.”)。为此，本发明提出一种考虑有限射频链下，利用模拟波束赋形实现超大规模接收阵列天线的近场定位方法。
3、通过上述分析，现有技术存在的问题及缺陷为：
4、在超大规模天线阵列中，往往使用模拟波束赋形技术减少硬件开销。然而，由于没有考虑波束赋形矩阵对信号的影响，现有的近场定位算法而无法实现定位。
技术实现思路
1、针对现有技术存在的问题，本发明提供了一种有限射频链下超大规模阵列天线近场定位方法。
2、本发明是这样实现的，一种有限射频链下阵列天线近场定位方法包括：
3、步骤一，通过在基站部署超大规模阵列天线及有限射频链；构建超大规模阵列辅助的近场定位系统；
4、步骤二，通过利用终端设备位置与子阵列到达角之间的几何关系，并利子阵列到达角在分组内的线性变化规律，极大的简化模型参数；
5、步骤三，在消息传递框架下，基于阵列划分与到达角分组线性的定位算法，通过迭代计算因子图中的消息，实现有限射频链下终端设备的高精度定位。
6、进一步，所述有限射频链下超大规模阵列天线的近场定位方法，包括一个具有nb个天线的基站及1个单天线的终端设备；
7、将接收天线阵列划分为l个子阵列，每个子阵列具有个天线，利用远场几何信道模型对每个子阵列与终端设备的信道进行建模；
8、进一步将l个子阵列分为g组，每组具有个子阵列；使用分块线性函描述同组内的子阵列到达角变化，第g组对应的线性函数写为
9、
10、其中为线性函数的均值，γg为线性函数的斜率，δg，l为模型误差，θg，l为第g组中第l个子阵列的到达角；此时基站射频链的接收信号的模型为
11、
12、其中wg，l是第g组中第l个子阵列对应的模拟波束赋形矩阵，αg，l为第g组中第l个子阵列的信道增益，n同时包含接收噪声和模型误差，被建模为复高斯分布a(θ)是接收子阵列的到达角对应的导向矢量，其数学形式为
13、采用复高斯分布对信道路径增益αg，l进行先验建模；终端位置pu具有一个高斯先验分布子阵列到达角θg，l与pu之间的条件概率分布为
14、
15、其中qg，l为第g组中第l个子阵列的参考位置，eb是基站阵列天线的单位方向向量；到达角的分块线性近似对应的条件概率分布为
16、
17、观测的似然函数为复高斯分布其中
18、
19、由此移动设备追踪的概率模型由如下联合概率密度函数给出
20、
21、对该联合概率密度函数进行因子图表示，变量节点包括pu、α、γg和θg，l；校验节点包括p(αg，l)、p(pu)、p(θg，l|pu)(由符号表示)、(由符号ψg，l表示)和(由符号ζ表示)。
22、进一步，所述有限射频链下超大规模阵列天线的近场定位方法具体包括以下步骤：
23、(1)、使用目标区域的中心位置pc，由及线性回归方法初始化用一个极大的正整数(例如109)初始化对似然函数进行的网格搜索，由似然函数值最大值对应的格点初始化用一个极大的正整数(例如109)初始化其余消息被初始化为1；
24、(2)、对任意g，计算边缘消息为冯米斯分布
25、
26、其参数由计算；
27、(3)、对任意g，计算边缘消息为冯米斯分布
28、
29、其参数由计算；
30、(4)、计算边缘消息mζ→α(α)为高斯分布
31、
32、其参数为其中矩阵矩阵向量符号为求期望；
33、(5)、对任意g和j，计算消息为冯米斯分布
34、
35、
36、其参数由计算；
37、(6)、对任意g和j，计算消息为冯米斯分布
38、
39、
40、其参数由计算；
41、(7)、对任意g和j，计算消息为冯米斯分布
42、
43、
44、其参数由和计算；
45、(8)、计算边缘消息为
46、
47、
48、其中参数和由梯度下降算法和二阶泰勒近似得到；
49、(9)、对任意g和j，计算边缘消息为冯米斯分布
50、其中参数由边缘消息mpu(pu)和条件概率计算；
51、(10)、对任意g和j，计算消息为冯米斯分布
52、
53、
54、其中参数由计算；
55、(11)、对任意g和j，计算消息为冯米斯分布
56、
57、其参数由及计算；
58、(12)、对任意g和j，计算消息为冯米斯分布
59、
60、其参数由及计算；
61、(13)、对任意g，计算消息为冯米斯分布
62、
63、
64、其参数由计算；
65、(14)、对任意g，计算消息为冯米斯分布
66、
67、
68、其参数由计算；
69、(15)、对任意g，计算消息为
70、
71、
72、其中矩阵矩阵矩阵向量矩阵向量符号⊙代表哈达玛积；参数和由梯度下降算法和二阶泰勒近似得到；
73、(16)、对任意g，计算消息为
74、
75、
76、其中矩阵bg(γg)＝[bg，1(γg)，...，bg，l(γg)]，向量参数和由梯度下降算法和二阶泰勒近似得到；
77、(17)、判断在变量节点pu处的消息是否收敛，若已收敛，则获得设备位置pu的估计若未收敛，则回到步骤(2)。
78、结合上述的技术方案和解决的技术问题，本发明所要保护的技术方案所具备的优点及积极效果为：
79、第一、本发明考虑了基站端部署超大规模阵列天线，并使用模拟波束赋形降低硬件开销。通过利用设备位置与接收信号到达角之间的几何关系，并利子阵列到达角在组内的线性变化，本发明提出基于阵列划分与到达角分组线性的算法，实现了设备的高精度定位。仿真结果验证了所提算法在实现超大规模阵列近场定位的优越性能，定位精度可以逼近估计性能的理论下界。
80、第二，本发明考虑了波束赋形矩阵对接收信号的影响，与已有的系统和算法相比，所提出的定位算法可以应用于更加普遍的有限射频链场景。本发明提出的子阵列到达角的分组线性模型，能有效减少模型参数，进而实现子阵列到达角的精确估计，并利用子阵列到达角与设备位置的几何约束实现高精度定位。本发明使用贝叶斯概率模型对近场定位问题进行建模，所提出的定位算法性能可以达到贝叶斯最优性能，在定位性能上存在优势。
81、第三，本发明的技术方案转化后的预期收益和商业价值为：1.当基站部署超大规模阵列天线时，本发明提出的近场定位系统只需配备少量的射频链，能有效减少基站的硬件开销，降低系统成本。2.本发明提出的算法能实现高精度设备定位，所获得的位置信息是其他电信业务实施和部署的重要基础，例如物联网、车联网、虚拟现实等。
82、本发明的技术方案填补了国内外业内技术空白：1.考虑了波束赋形矩阵对基站天线接收信号的影响，实现了有限射频链下高精度近场定位。2.充分利用了子阵列到达角之间的相关性，提出了子阵列到达角的分组线性模型，有效减少模型参数，简化了角度估计问题。
83、第四，本发明提供的有限射频链下超大规模阵列天线近场定位方法的技术进步主要体现在以下几个方面：
84、1)超大规模阵列天线的应用：通过部署超大规模阵列天线，这种方法能够提供更高的空间分辨率和定位精度。这是因为大规模阵列天线能够更细致地划分空间区域，从而更准确地确定信号的来源。
85、2)高效的模型参数简化：该方法通过利用终端设备位置与子阵列到达角之间的几何关系，以及子阵列到达角的线性变化规律，显著简化了模型参数。这种简化减少了计算复杂度，提高了定位算法的效率和实用性。
86、3)消息传递框架下的迭代计算：该方法在消息传递框架下实施，通过迭代计算因子图中的消息，实现高精度定位。这种基于迭代的方法能够有效处理复杂的信号环境和非理想条件下的定位问题。
87、4)创新的信道和到达角建模：该方法采用复高斯分布对信道路径增益进行先验建模，并将到达角的分块线性近似与终端位置的高斯先验分布结合起来。这种创新的建模方式提高了定位的准确性和可靠性。
88、5)因子图的使用：通过对联合概率密度函数进行因子图表示，该方法能够有效地处理变量之间的复杂关系。因子图的使用使得算法能够更加灵活地应对不同的定位场景和挑战。
89、本发明通过结合先进的天线技术、高效的算法设计和创新的概率建模，实现了在有限射频链条件下的高精度近场定位，这在无线通信和定位技术领域具有重要的意义和广泛的应用前景。
90、第五，本发明提供的高级的超大规模阵列天线近场定位方法，主要应用于有限射频链环境下。这种方法包括了复杂的信号处理和概率建模，旨在提高移动设备追踪的精度和效率。下面是该方法的具体步骤和数学模型：
91、1.初始化：
92、使用目标区域中心位置初始化\(\alpha\)和\(\beta\)(通过线性回归方法)。
93、用大正整数(如10000)初始化\(\sigma^2\)。
94、对似然函数进行网格搜索，由最大值对应格点初始化\(\theta\)。
95、用大正整数(如10000)初始化\(\lambda\)。
96、其余消息初始化为零。
97、2.消息传递算法：
98、对每个变量和校验节点，计算边缘消息。
99、使用冯米斯分布和高斯分布对消息进行建模。
100、应用梯度下降算法和二阶泰勒近似进行参数估计。
101、3.联合概率密度函数：
102、建立一个因子图表示联合概率密度函数。
103、变量节点包括\(\alpha,\beta,\theta,\sigma^2,\lambda\)。
104、校验节点包括\(\alpha,\beta,\theta,\sigma^2,\lambda\)对应的分布和约束。
105、数学模型：
106、子阵列到达角模型：使用线性函数\(\theta_{g,k}＝\alpha_g+\beta_g k+\epsilon\)描述子阵列到达角变化，其中\(\alpha_g\)是均值，\(\beta_g\)是斜率，\(\epsilon\)是模型误差。
107、信号接收模型：使用模拟波束赋形矩阵\(\mathbf{w}_{g,k}\)、信道增益\(h_{g,k}\)和导向矢量\(\mathbf{a}(\theta_{g,k})\)描述基站射频链的接收信号。
108、复高斯分布似然函数：将观测似然函数建模为复高斯分布。
109、这种方法的显著技术进步包括：
110、高精度定位：通过精细的概率模型和信号处理算法，实现超大规模阵列天线的高精度定位。
111、复杂环境适应性：适用于有限射频链环境，能够在复杂的信号环境中有效工作。
112、高效的算法实现：使用消息传递和概率建模，提高了计算的效率和准确性。
1.一种有限射频链下超大规模阵列天线近场定位方法，其特征在于，包括以下步骤：
2.如权利要求1所述有限射频链下超大规模阵列天线近场定位方法，其特征在于，所述有限射频链下超大规模阵列天线的近场定位方法，包括一个具有nb个天线的基站及及1个单天线的终端设备；
3.如权利要求2所述有限射频链下超大规模阵列天线近场定位方法，其特征在于，所述有限射频链下超大规模阵列天线的近场定位方法具体包括以下步骤：
4.一种基于权利要求1所述方法的有限射频链下超大规模阵列天线近场定位系统，其特征在于，包括：超大规模阵列天线、有限射频链、数据收集与处理模块，以及症状分析与预测模块；其中，数据收集与处理模块负责收集终端设备的运动数据和生理参数，并使用深度学习算法进行数据分析。
5.根据权利要求1所述的系统，其特征在于，超大规模阵列天线设计为能够捕获高精度的信号，并通过有限射频链进行信号传输，以优化数据收集过程。
6.根据权利要求1所述的系统，其特征在于，数据处理模块包括深度学习算法，用于从收集到的数据中分析和识别信号特征，实现高精度定位。
7.根据权利要求1所述的系统，其特征在于，进一步包括一个几何关系计算单元，用于确定终端设备位置与子阵列到达角之间的关系，以简化模型参数。
8.根据权利要求1所述的系统，其特征在于，进一步包括一个定位算法执行单元，用于在消息传递框架下执行基于阵列划分和到达角分组的线性定位算法。
9.根据权利要求1所述的系统，其特征在于，定位算法执行单元设计为能够迭代计算因子图中的消息，以实现终端设备的高精度定位。
