（通信与信息系统专业论文）智能天线中阵列信号处理算法的研究.pdf

硕士论文 智能天线中阵歹信号处理算法的研究 摘要 y 6 2 ；3 3 7 本文主要研究了智能天线应用中的多种阵列信号处理算法。首先分析了一种 基于平行阵的二维方向角自动配对方法，指出了其中方法性能缺陷的理论原因。 提出了改进的特征结构子空间算法，采用二维联合估计方法，解决了原算法存在 的角度估计模糊问题。提出采用l 型阵列并构造虚拟阵元以优化二维方向估计 阵列结构。其次本文研究了基于圆阵的波达方向估计m u s i c 算法，对算法进一 步改进完善。针对原算法不能处理相干信号的问题，提出应用r e l a x 方法解决。 最后本文针对宽带波束形成器设计，分析了不同的m s e 优化准则，分别研究了 基于t o e p l i t z 矩阵和基于l m s 的快速权值求解算法。并比较了均匀阵和非均匀 阵条件下对波束形成器设计的影响。本文的主要研究手段是采用科学和工程计算 语言m a t l a b 进行仿真验证。 关键词：智能天线，波束形成，波达方向，e s p r i t 算法，r e l a x 算法 堕堡兰 塑壁墨垡生堕型堕量竺墨苎望箜堕窒 a b s t r a c t t h em a i nr e s e a r c h e so ft h i sd i s s e r t a t i o na r ea r r a ys i g n a lp r o c e s s i n ga l g o r i t h m s f o rt h ea p p l i c a t i o no fs m a r ta n t e n n a f i r s t l yb a s e do nt h ep a r a l l e la r r a y , a na l g o r i t h m f o r m a t c h i n g t h ee s p r i t se s t i m a t i o no ft w o d i m e n s i o n a l a n g l e i s a n a l y z e d t h e o r e t i c a lr e a s o n so ft h ep e r f o r m a n c es h o r t a g ea r ep o i n t e do u t an e w a p p r o a c hi s p r e s e n t e d o ft h e e i g e n - s t r u c t u r es u b s p a c ea l g o r i t h m s ，t h ep r o b l e mo fa m b i g u o u s e s t i m a t i o ni nt h eo r i g i n a la l g o r i t h mi ss o l v e da n da r r a ya r c h i t e c t u r ei s o p t i m i z e d s e c o n d l yb a s e do nt h ec i r c l ea r r a y , i ts t u d i e sd o a e s t i m a t i o ni nt h ep r e s e n c eo f m u s i ca l g o r i t h m u n d e rt h ec o n d i t i o no fc o h e r e n t s i g n a l s ，t h e r e l a xa l g o r i t h m t o g e t h e rw i mp r e p r o c e s s i n gi sp r o p o s e df o rt h ee s t i m a t i o no fd o a b a s e do nu c l f i n a l l yt h eb r o a d b a n db e a m f o r m i n gi sc o n s i d e r e d as e r i e so fo p t i m a lc r i t e r i o nf o r m s ea r ea n a l y z e d t oe s t i m a t et h ew e i g h tv e c t o r , f a s ta l g o r i t h m sa r ep r e s e n t e db y u s i n gt h et o e p l i t zm a t r i xa n dl m sa l g o r i t h m c o m p u t e rs i m u l a t i o ni sc a r r i e do u tt o v a l i d a t et h ea b o r ef e a s i b i l i t i e sb yt h er e s e a r c ht o o lo f t h es o f t w a r em a t l a b k e y w o r d s ：s m a r t a n t e n n a ，b e a m f o m i n g ，d o a ，e s p r i ta l g o r i t h m ，r e l a xa l g o r i t h m 塑主丝壅 塑! ! 墨丝主堕型堕兰竺堡兰堡! ! ! ! 里 1 绪论 1 1 选题背景 移动通信是指通信双方至少有一方处于运动状态中进行信息传递的通信方 式。蜂窝小区概念的提出是移动通信历史上的一个里程碑，它的提出大大提高了 频谱利用率，从而真正解决了公用移动通信系统要求容量大与频谱资源有限的矛 盾，加快了移动通信的发展。移动通信技术己经走过了两代的经历，即八十年代 的第一代模拟技术和九十年代的第二代窄带数字技术。近些年来，随着无线通信 宽带化技术的突破，移动通信正在向以c d m a 为基础，以宽带化通信为特征的 第三代技术发展。目前，国际电信联盟( i t u ) 接受的第三代移动通信系统标准 主要有以下几种，即美国提出的c d m a 2 0 0 0 ，欧洲和日本提出的w c d m a 和我 国提出的t d s c d m a ( 时分同步的码分多址技术) 。他们除了频谱利用率高、覆 盖范围广、性能好、可以适应宽带多媒体通信要求等共同特点外，还有自身的技 术特点。 随着全球通信业务的迅速发展，移动通信技术越来越引起人们的极大关注。 移动通信系统的要求是在保证服务质量的前提下，以一定的成本要求达到尽可能 大的覆盖范围和尽可能高的通信容量。但复杂的移动通信环境却给这一目标的达 成造成了很大的困难。移动通信信道传输环境恶劣，多径衰落、时延扩展造成的 符号间串扰，f d m a t d m a 系统( 如g s m ) 由于频率复用引入的同信道干扰，在 c d m a 系统中的多址干扰等都使链路性能、系统容量下降，对我们的移动通信 系统的性能造成了极大的影响。为了达到i m t 2 0 0 0 对更高速率、更高质量和更 大容量的要求，3 g 在物理层面主要采用的关键技术有：扩频码技术、功率控制、 r a k e 接收、t u r b o 码、多用户检测、多载波和智能天线。 智能天线技术在以往由于价格等因素一直未能普及。近年来，随着现代数字 信号处理技术的迅速发展，利用数字技术在基带形成天线波束成为可能，从而大 大提高了天线系统的可靠性与灵活性。另一方面，移动通信用户数量迅速增加， 人们对移动通信质量的要求也越来越高。在不增加系统复杂度的情况下，使用智 能天线既可满足用户要求的服务质量，又可实现网络扩容的需要。实际上，它使 通信资源不再局限于时间域、频率域和码域，而拓展到了空间域。智能天线利用 数字信号处理技术，产生空间定向波束，使天线主波束对准用户信号到达方向， 旁瓣或零陷点对准干扰信号到达方向，以达到充分高效地利用移动用户的有用信 号并抑制干扰信号的目的。应用智能天线的无线通信系统能够降低多址干扰，提 高系统的信噪比。 硕士论文 智能天线中阵列信号处理算法的研究 1 2 智能天线技术的基本原理 1 2 1 基本概念 智能天线( s m a r ta n t e n n a 或i n t e l l i g e n ta n t e n n a ) 原名自适应天线阵列，最 初应用于雷达、声纳、军事抗于扰通信等方面，主要用来完成空间滤波和定位。 自适应天线阵由多个天线单元组成，布阵方式一般有直线阵、圆阵和平面阵，每 一个天线单元后接一个加权器( 即乘以某一个系数，这个系数通常是复数，既调 节幅度又调节相位) ，最后用相加器进行合并，这种结构的智能天线只能完成空 域处理，同时具有空域、时域处理能力的智能天线在结构上相对复杂些，每个天 线单元后接的是一个延时抽头加权网( 结构上与时域f i r 均衡器相同) 。自适应 或智能的主要含义是指这些加权系数可以恰当改变自适应调整。上面介绍的其实 是智能天线用作接收天线时的结构，当用它进行发射时结构稍有变化，加权器或 加权网络置于天线之前，也没有相加合并器。 智能天线以多个高增益窄波束动态地跟踪多个期望用户。接收模式下，来自 窄波束之外的信号被抑制。发射模式下，能使期望用户接收的信号功率最大，同 时使窄波束照射范围以外的非期望用户受到的干扰最小。智能天线是利用用户空 间位置的不同来区分不同用户。不同于传统的频分多址、时分多址和码分多址， 智能天线引入第四种多址方式：空分多址，即在相同时隙、相同频率或相同扩频 码的情况下，仍然可以根据信号不同的传播路径而区分。空分多址是一种信道增 容方式，与其他多址方式完全兼容，从而可实现组合的多址方式，例如空分一码 分多址。智能天线与传统天线概念有本质的区别，其理论支撑是信号统计检测与 估计理论、信号处理及最优控制理论，其技术基础是自适应天线和高分辨阵列信 号处理。 1 2 2 智能天线的特点 智能天线技术涉及到天线技术、无线电传播技术、信号检测与处理等多学科 的背景知识。当前对智能天线的研究包括智能天线的接收准则及自适应算法、宽 带信号波束的高速波束成形处理、用于移动台的智能天线技术、智能天线实现中 的硬件技术、智能天线的测试平台及软件无线电技术研究等方面。 智能天线技术利用信号传输的空间特性达到抑制干扰，提取信号的目的。 它可以利用信号与干扰的来波方向的不同，即信号与干扰的空间入射角来区分信 号和干扰。这是由于在一般情况下，期望的信号和不希望的干扰往往是来自不同 的方向。 智能天线所形成的波束可实现空间滤波的作用，它对期望的信号方向具有高 顺十论文 智能天线中阵列信号处理算法的1 i j f 究 增益，而对不希望的干扰信号实现近似零陷作用，以达到抑制和减少干扰的目的。 智能天线的波束一般情况下是随着每个用户发出的期望信号的到达方向( 最 强路径) ，不断地随着时间在动态的改变。在移动通信中，至少要求智能天线跟 踪变化的速率要大于用户移动及信道快衰落的变化速率，才能起到自适应跟踪用 户的目的。 在智能天线中，由于引入了空间域的概念，基站阵列天线与移动用户之间的 信道不仅具有传统意义上的系统响应，还随着空间路径的变化而变化，因此是一 种广义的时空信道。所以智能天线技术属于时空信号处理，其关键和难点是在多 用户和多径条件下对各个用户的时空信道进行辨识，并能自适应地、动态地跟踪 时空信道的变化，从而对多用户信号进行分离；同时在下行时根据时空信道的特 性对信号进行预处理，在各时空信道内为各用户发送信号，且不发生干扰。 1 2 3 智能天线的分类 智能天线分为两类：多波束阵和自适应阵。 多波束天线利用多个并行波束覆盖整个用户区，每个波束的指向是固定的， 波束宽度也随阵元数目的确定而确定。预先设置的多波束覆盖蜂窝或扇区空间 ( 权矢量亦相应被预设) ，对于不同d o a 的用户信号，选择相应最佳权矢量分 配给相应用户，或通过遍乘各权矢量并通过幅度比较进行选择以输出不同d o a 的用户信号。其优点是波束为预设，波束形成选择和精度与来波接收信号质量无 关；系统复杂度与算法复杂度无关，系统结构简单，易于从现有基站系统改造； 实时跟踪速度快，波束选择、切换简单；无须要求各单元方向图相同；可用对称 阵实现附加相位误差和对消。与自适应阵相比，不足之处在于：不能实现信号最 佳接收，s n r 不如自适应阵理想；不能实现方向图零点的干扰抑制，对许多用 户只能设计等低旁瓣：需要发射机信号作相位参考点；结构性能较固定，难以通 过结构、系统成本的调整改善性能。 自适应阵工作原理是由每一快拍所获天线接收信号矢量，通过各种自适应算 法求得权矢量，在高频或基带信号谐振通过高频控制器件或d s p 处理器实现不 同d o a 的目标信号获取，并使s n r 达到最大。自适应阵天线一般采用4 1 6 天 线阵元结构，阵元间距1 2 波长。其优点是：能有效克服和抑制干扰使s n r 达 到最大；发射机无须和波束形成网络同步，波束形成仅依靠接收信号；结构、性 能、成本调整灵活。不足之处在于：波束形成及权矢量计算完全依赖于接收信号 矢量，若有用信号与干扰相比不是足够的大，会造成误跟踪和附加相位误差，并 使输出质量恶化：系统复杂度取决于算法复杂度及目标移动速度等因素，附加相 位误差难以抵消，一般要求各阵元方向图相同。 硕卜论文 智能天线中阵列信号处理算法的研究 虽然两种系统都能在用户方向提供高增益，但只有自适应阵能提供最佳增 益，并且同时识别并跟踪有用信号，最小化干扰。总体来说，自适应阵能更为主 动地提高信噪比，比多波束阵更灵活，但多波束阵较自适应阵更容易实现。 为了使智能天线早日实用化，一般采用了分两步走的方案：准动态的预多波 束的波束切换方式的智能天线和全自适应阵列式自动跟踪用户的智能天线。 1 2 4 常用算法及其性能 全自适应智能天线研究的核心是自适应算法【2 1 ，目前已提出很多算法，概 括地讲有非盲算法和盲算法两大类： ( 1 ) 非盲算法是指需借助参考信号( 导频序列或导频信道) 的算法，此时 接收端知道发送的是什么，进行算法处理时要么先确定信道响应再按一定准则 ( 比如最优的迫零准则z e r of o r c i n g ) 确定各加权值，要么直接按一定的准则确 定或逐渐调整权值，以使智能天线输出与已知输入最大相关，常用的相关准则有 m m s e ( 最小均方误差) 、l m s ( 最小均方) 和l s ( 最小二乘) 等。 ( 2 ) 盲算法则无需发送端传送已知的导频信号，判决反馈算法( d e c i s i o n f e e d b a c k ) 是一类盲算法，接收端自己估计发送的信号并以此为参考信号进行上 述处理，但需注意的是应确保判决信号与实际传送的信号间有较小差错。盲算法 一般利用调制信号本身固有的、与具体承载的信息比特无关的一些特征，如恒模 算法( c m ) 、子空间( s u b s p a c e ) 、有限符号集( f i n i t ea l p h a b e t ) 、循环平稳 ( c y c l e s t a t i o n a r y ) 等，并调整权值以使输出满足这种特性，常见的是各种基于 梯度的使用不同约束量的算法。非盲算法相对盲算法而言，通常误差较小，收敛 速度也较快，但需占用一定的系统资源用于传送参考信号、训练序列等。即使非 盲算法收敛速度快，但仍跟不上快衰落变化的速率要求。因此，目前全自适应型 的智能天线技术的瓶颈仍在快速算法的研究和寻求上，现仍处于理论探索阶段。 ( 3 ) 将非盲算法和盲算法两者结合，目前提出类半盲算法，即先用非盲 算法确定初始权值，再用盲算法进行跟踪和调整。这样做一方面可综合二者的优 点，一方面也是与实际的通信系统相一致的，因为通常导频符不会时时发送而是 与对应的业务信道时分复用的。 1 2 5 智能天线中的阵列信号处理问题 阵列信号处理的主要问题【3 j f 4 】包括：空间谱估计一对空间信号的渡达方向的 分布进行超分辩估计；零点形成技术一使天线的零点对准所有的干扰方向；波束 形成技术一使阵列方向图的主瓣指向所需的方向。 4 塑主笙苎 塑堂墨些! 堕型堕! 丝里墨堡塑! ! 塑 1 3 移动通信中的智能天线技术 1 3 1 应用范围 移动台( 特别是手机) 由于在体积、电源上的限制使智能天线在移动台难于 实现，所以目前主要研究的是在基站端的智能天线接收与发射，即上行接收与下 行发射。 1 3 2 基站端的智能天线接收与发射 ( 1 ) 智能天线的上行接收技术 智能天线的上行接收技术相对成熟些，白适应天线阵最早引入移动通信的目 的也是为了改善上行信道的质量和容量。智能天线上行接收主要有两种方式：全 自适应方式和基于预多波束的波束切换方式，理论工作者对前者较感兴趣，工程 技术人员则更青睐于后者。在自适应方式中，对应空域或空、时域处理的各权值 可依据一定的自适应算法进行任意调整，以对当前的传输环境进行最大可能匹 配，相应的智能天线接收波束可以是任意指向的。而在切换波束中各权值只能从 预先计算好的几组值中挑选，某一时刻的智能天线工作模式只能从预先设计好的 几个波束中选择，不是任意指向的，因而只可能对当前传输环境进行部分匹配， 从理论角度讲不是最优的。 ( 2 ) 智能天线的下行发射技术 要实现智能天线的下行发射相对较困难，这是因为智能天线在设计发射波束 ( t r a n s m i t t i n gb e a m f o r m i n g ) 时很难准确获知下行信道的特征信息( 特别是主要 传播路径的出射角度) ，而理想的天线工作模式应是与信道相匹配的。一种方法 是象i s 9 5 上行功控一样，做成闭环测试结构，但它有以下缺点：浪费宝贵的系 统资源、附加时延、受上行信道干扰等。还有一种方法是利用上行信道信息来估 计下行信道，在t d d ( 时分双工) 系统中这显然行得通，这也是中国提交的 t d s c d m a 第三代建议( t d d 方式) 得到较多注意的主要原因。但在f d d ( 频 分双工) 系统中情况却并非如此，由于上、下行信道使用的是不同频率( 第三代 系统相对第二代有更大的上、下行频差) ，上、下行信道的相关性是很弱的，很 多参数并不相同，我们只可能获得下行信道的部分信息，所形成的发射波束也绝 不会是最优的。 下行信道包括控制信道和业务信道，控制信道由于是大家共用的，应该形成 宽波束，而对应各个用户的业务信道则应用窄波束传送，也就是说它们有不同的 硕士论文智能_ 天线中阵列信号处理算法的研究 加权系数，这样控制信道( 如导频信道) 和业务信道实际经历了不同的传输环境， 会有不同的衰落，而移动台在做下行接收时通常利用导频信道来估计信道的幅度 和相位畸变，以对业务信道进行相干接收，但这建立在两个信道有相同传输环境 基础上，显然前者并不满足这一条件，而非相干接收相对相干接收有较大的信噪 比损失。智能天线作上行接收时由于对移动台的发射并未提出新的要求，很容易 将其作为全向天线、扇型天线的升级版本用于已有基站系统，但当智能天线用于 下行发射时，通常会对移动台的接收也提出新要求，牵涉面大，灵活性较小。 目前的移动通信系统( 主要是窄带c d m a 系统) 存在下行容量超过上行的 现象，在第三代系统中高速数据、多媒体业务更可能出现在下行信道中，考虑到 这种非对称需求，以后的瓶颈可能是下行，所以虽然存在上述的种种困难，研究 智能天线的下行发射依然是很必要和很迫切的。 1 3 3 采用智能天线技术的优势 ( 1 ) 提高了基站接收机的灵敏度。基站所接收到的信号为来自各天线单元 和收信机所接收到的信号之和。如果采用最大功率合成算法，在不计多径传播条 件下，则总的接收信号将增加l o l g n ( d b ) ，其中为天线单元的数量。存在多径 时，此接收灵敏度的改善将随多径传播条件及上行波束赋形算法而变，其结果也 在l o l g n ( d b l 上下。 ( 2 ) 提高了基站发射机的等效发射功率，发射天线阵在进行波束赋形后， 该用户终端所接收到的等效发射功率可能增加2 0 l g n ( d b l 。其中l o l g n ( d b ) ：是n 个发射机的效果，与波束成形算法无关，另外部分将和接收灵敏度的改善类似， 随传播条件和下行波束赋形算法而变。 ( 3 ) 降低了系统的干扰，基站的接收方向图是有方向性的，在接收方向以 外的干扰有强的抑制。如果使用上述最大功率合成算法，则可能将干扰降低 l o l g n ( d b ) 。 ( 4 ) 增加了c d m a 系统的容量，c d m a 系统是一个自干扰系统，其容量 的限制主要来自本系统的干扰。也就是说，降低干扰对c d m a 系统极为重要， 降低干扰就可以大大增加c d m a 系统的容量。在c d m a 系统中使用了智能天线 后，就提供了将所有扩频码所提供的资源全部利用的可能性，导致至少将c d m a 系统容量增加一倍以上的可能性。 ( 5 ) 改进t 4 区的覆益，对使用普通天线的无线基站，其小区的覆盖完全 由天线的辐射方向图确定。天线的辐射方向图形是可能根据需要而设计的。但在 现场安装后，除非更换天线，其辐射方向图形是不可能改变和很难调整的。但智 能天线阵的辐射图形则完全可以用软件控制，在网络覆盖需要调整或由于新的建 6 堡主堡兰 塑生墨些! 堕型堕呈竺堡竺堡! ! ! ! 塑 筑物等原因使原覆盖改变等情况下，均可能非常简单地通过软件来优化。而且采 用智能天线技术代替普通天线，提高了小区内频谱复用率，随着移动通信需求的 日益增长，则可以在不新建或尽量少建基站的基础上增加系统容量，降低运营商 成本。 ( 6 ) 降低了无线基站的成本，在无线基站设备中，高功率放大器t ( h p a ) 成 本很高。特别是在c d m a 系统中要使用高线性的h p a ，因而成本更高。智能天 线能够使等效功率增加，在同等覆盖要求下，每只功率放大器的输出可降低 2 0 1 9 l v ( d b l 。这样在智能天线系统中，使用只低功率的放大器代替单只高功率 h p a ，可以大大降低成本。此外还能够带来因功率降低对电源的要求和增加可靠 性等好处。 ( 7 ) 实现移动台定位，采用智能天线的基站可以获得接收信号的空间特征 矩阵，由此获得信号的功率估值和到达方i 旬( d o a ) 。由于目前蜂窝移动通信系统 只能确定移动台所处的小区，因此移动台定位的实现可以使许多与位置有关的新 业务得以方便地推出，而发展新的业务是目前移动运营商提升自身竞争力的必然 手段。 1 4 智能天线技术研究现状 欧美等国家非常重视智能天线技术在未来移动通信方案中的地位与作用 并且开展了大量的理论分析和研究，已经建立了一些技术试验平台。 1 4 1 欧洲 欧洲通信委员会( c e c ) 在r a c e ( r e s e a r c hi n t oa d v a n c e dc o m m u n i c a t i o ni n e u r o p e ) 计划中实施了智能天线技术第一阶段研究，称之为t s u n a m i ( t h e t e c h n o l o g yi ns m a r ta n t e n n a sf o ru n i v e r s a la d v a n c e dm o b i l ei n f r a s t r u c t u r e ) ，由德 国、英国、丹麦和西班牙合作完成。项目组在d e c t 基站基础上构造智能天线 试验模型，于1 9 9 5 年初开始现场试验。天线由8 个阵元组成，射频工作频率为 1 ，8 9g h z ，阵元间距可调，阵元形状分别有直线形、圆环形和平面形三种。模型 用数字波束成形方法实现智能天线，采用e r a 技术有限公司的专用集成电路芯 片完成波束形成，使用t i 公司的数字信号处理芯片作为中央控制。研究方案包 括波束空间处理方式和组件空间处理方式。组件处理方式天线是收发全向类型， 采用时分双工方式。系统评估了识别信号到达方向的m u s i c 算法，采用的自适 应算法有归一化最小均方算法( n l m s ) 和递归最小平方算法。实验验证了智能 天线的功能，在2 个用户4 个空间信道( 包括上行和下行链路) 情况下，试验系 统比特差错率( b e r ) 优于1 0 。现场测试结果表明，圆形和平面形天线适用于 顺十论文 智能天线中阵列信号处理算法的研究 室内通信环境，而市区环境则采用简单的直线阵更合适。欧洲通信委员会在 a c t s ( a d v a n c e dc o m m u n i c a t i o nt e c h n o l o g i e sa n ds e r v i c e s ) 计划中继续进行智 能天线技术第二阶段研究，具体问题集中于以下几方面：最优波束形成算法、系 统协议研究与系统性能评估、多用户检测与自适应天线结合、时空信道特性估计 及微蜂窝优化与现场试验。 1 4 2 日本 a t r 光电通信研究所研制了基于波束空间处理方式的多波束智能天线。天 线阵元布局为间距半波长的1 6 阵元平面方阵，射频工作频率是1 5 4 5 g h z 。将阵 元组件接收的信号进行模数变换，然后通过快速傅里叶变换处理形成正交波束 后，分别采用恒模算法或最大比值合并( m r c ) 算法。数字信号处理部分由1 0 片现场可编程门阵列完成，整块电路板大小为2 3 3 3 4 0 ( c m ) 。a t r 研究人员 提出了基于智能天线的软件天线概念，利用软件方法在不同环境应用不同算法。 比如当噪声是主要因素时使用多波束最大比值合并算法；同信道干扰是主要因素 时则使用多波束恒模算法：而要抵消符号间干扰时就采用最小均方算法和最大似 然连续估计算法( m l s e ) ，以此提供算法分集。 1 4 3 美国等国家 a r r a y c o m m 公司和中国邮电电信科学技术研究院信威公司研制出应用于无 线本地环路( w l l ) 的智能天线系统，a r r a y c o m m 的产品采用可变阵元配置， 有四阵元和十二阵元环形自适应阵列可供不同环境选用。在日本进行的现场实验 表明在p h s 基站采用该技术可以使系统容量提高四倍。信威公司的智能天线采 用八阵元环形自适应阵列，工作于1 7 8 5 1 8 0 5 m h z ，采用时分双工方式，收发 间隔1 0m s ，接收机灵敏度最大可提高9 d b 。此外德州奥斯汀s d m a 小组建立了 一个智能天线试验环境，着手理论与实际系统相结合的研究。加拿大m c m a s t e r 大学开发了四元阵列天线，并进行恒模( c m a ) 算法的研究。 1 4 4 中国 我国目前仍处于理论研究与技术跟踪阶段。许多科研院所相继开展了这方面 的理论研究工作。国家“ k 六- - ”、国家自然科学基金、博士点基金等也相应支 持有关单位进行理论与技术平台的研究。信息产业部电信科学研究院所属的信威 公司已成功开发出用于w l l 的t d d 方式s - c d m a 产品，并计划将其推广应用 于我国提出的t d s c d m a 方案中，目前已取得可喜的进展。 耍二! 丝苎 塑墼丕些! 堕! ! 笪! 竺堡兰鲨塑! ! 童 1 5 本文的工作 在智能天线的开发和研究中，对于算法的研究处于核心的位置，波达方向估 计和波束形成算法性能的好坏直接影响到整个天线系统能否快速有效的捕捉来 波信号，消除干扰信号，保证整个系统的正常有效运行。本文主要研究了智能天 线应用中空间信号源方位角俯仰角联合估计、基于圆阵的波达方向估计以及宽带 信号的波束形成等问题，分析和研究现在广泛应用的一系列智能天线算法，针对 这些算法存在的由于理论自身的不足造成的一些缺点和性能的缺陷进行研究，给 出了改进的方法。 本文首先研究了奇异值分解实现二维e s p r i t 参量配对方法，分析出该算法 存在角度估计模糊的缺陷，该算法估计失效的原因在于要保证其方向角正确配对 必须满足信号入射角与坐标轴夹角分别不同的条件。本文在其算法基础上提出改 进，对观测数据向量协方差矩阵特征分解后得到信号子空间矩阵，利用e s p r i t 算法构造复对角阵，其中的每个不同的元素对应于相应信号源的方位角和仰角， 实现了二维方向角联合估计，克服了原算法存在角度估计模糊的缺陷。并且改进 了原有的阵列结构，通过构造虚阵元用e s p r i t 方法实现无模糊二维角度估计， 减少了实阵元数目。改进的算法计算显著简化，对比表明本方法效率也明显高于 m u s i c 方法；其次本文研究了圆降隋况下波达方向估计问题，研究了基于均匀 圆阵无线定位m u s i c 算法及其性能。该方法中相关矩阵含有的阵列噪声表现为 非等功率噪声，不能保证特征分解后信号子空间和噪声子空间完全分离，从而影 响其性能，同时该方法也不能分辩相干信号源。本文提出采用r e l a x 算法结合阵 列预处理技术将圆阵由阵元空间变换至模式空间，进行虚拟线阵的d o a 估计， 改进方法的优点在于不仅对多个独立信号源d o a 估计有很好性能，而且对多个 相干信号源d o a 估计也表现出很好的性能，并且改进的算法对噪声的限制可以 放宽；最后本文研究了宽带波束形成器设计，本文改进了求解权矢量的l 2 范数 度量关系，采用相对误差的方法使得方向图中的每一角度的幅度估计值误差相对 真值最小，提高了方向图拟合性。本文提出采用快速算法优化矩阵求逆法中权矢 量的求解问题，提高了计算效率。研究了一类自适应算法设计宽带波束形成器， 通过性能分析推广了收敛因子范围，有效解决了收敛速度、失调和稳定性问题， 算法的鲁棒稳定性好，具有较快的收敛速度，使得该算法的实用性较好；本文研 究了均匀线阵和非均匀阵列两种情况下宽带波束形成器设计中阵元布放问题。 本文涉及的结论和提出的改进方案，均建立在科学和工程计算语言 m a t l a b 软件仿真的实际结果基础上，严格地保证了所有分析和改进方法的真 实性和有效性。 9 竺主丝茎 塑堕墨垡! 堕型堕! 竺里苎壁! 塑 2 二维阵列方位角仰角联合估计 随着移动通信技术的不断发展，智能天线正受到越来越多的重视，其中阵 列信号处理的主要问题之一是波达方向估计。基于子空间分解的d o a 估计受到 人们的广泛重视。典型的估计方法有m u s i c 和e s p r i t f s i 【6 】等。人们在高分辨和 高精度的空间信号二维d o a 估计方面也提出并发展了不少新方法。这些方法或 采用分离谱峰搜索，即将二维分解为两个一维来处理，或采用分离参数来估计二 维d o a 。超分辩波达方向估计方法估计中引入子空间方法，实现了波达方向估 计分辨率的突破。 本章研究了运用两次奇异值分解实现二维e s p r i t 参量配对方法【7 j 。该方法 采用二排均匀直线阵并附加一阵元的阵列结构，利用子阵信号数据矩阵借助于矩 阵束方法求解出信号的二维到达角。然而该算法存在的缺陷是处理过程过于复 杂、存在角度估计模糊问题，并且其阵列结构也并非最简。 本章针对这些问题提出采用联合角度估计方法，构成复特征对角阵，从中取 出元素的实部和其对应的虚部可求得信号源的方位角和俯仰角，实现信号源的二 维角度估计：另外提出采用类l 型阵列接收系统进行二维到达角估计，这样的 阵列结构阵列冗余度小【8 l ，更重要的是它具有二维到达角估计无模糊特性，可以 将已有的基于均匀线阵的一维到达角估计算法推广运用于二维到达角的估计。最 后通过计算机仿真分析了该方法的性能。 2 1 波达方向估计与子空间方法 当空间存在多个信号源时：常常需要对这些空间信号进行分离，以便跟踪或 检测我们感兴趣的空间信号，抑制那些被认为是干扰的空间信号。为此，需要使 用天线阵列对多个空间信号进行接收。对天线阵列接收的空闻信号所进行的分析 与处理统称为阵列信号处理。功率谱密度描述信号功率随频率的分布，是信号的 一种频域表示。由于阵列信号处理的主要任务是信号空间参数如波达方向角等的 估计，所以将功率谱密度的概念在空域加以延伸及推广，这种广义的功率谱常简 称为空间谱。空间谱描述信号的空间参数的分布。 2 1 1 波达方向估计 波达方向估计的基本问题就是确定同时处在空间某一区域内多个感兴趣的 信号的空间位置( 即各个信号到达阵列参考阵元的方向角，简称波达方向) 。波 束形成实质上也是个波达方向估计问题，只不过如b a r n e t t 波束形成器和c a p o n 波束形成器都是非参数化的波达方向估计器。与b a r t l e t t 波束形成相比，c a p o n 0 硕士论文 智能天线中阵列信号处理算法的研究 的最小方差法有自适应性能，可减少干扰对估计的影响，至于分辨率则主要决定 于阵列长度。阵列长度确定后，其分辨率也就被确定，称为瑞利限。超瑞利限的 方法称为超分辩方法。 比较常用的超分辩d o a 估计方法是m u s i c 方法和e s p r i t 方法，它们同 属于特征结构的子空间方法。子空间方法建立在这样一个基本观察之上：若传感 器个数比信源个数多，则阵列数据的信号分量一定位于一个低秩的子空间。在一 定条件下，这个子空间将唯一确定信号的波达方向，并且可以使用数值稳定的奇 异值分解精确确定波达方向。由于把线性空间的概念引入到d o a 估计中，子空 间方法实现了波达方向估计分辨率的突破。 2 1 2 基本线阵模型 在d o a 估计研究中，通常假设空间传播的多个信号源均为窄带信号。利用 天线阵列对这些信号进行接收，每个阵元都是全向天线，即无任何方向性。通常， 阵元沿直线或圆周排列。为方便讨论，这里假定各个阵元等间距地直线排列。这 种阵列简称等距线阵。 由于窄带信号的包络变化缓慢，因此等距线阵各阵元接收到的同一信号的包 络相同。令空间信号( 以) 与阵元的距离足够远，以至于其电波到达阵元的波前 为平面波，这样的信号称为远场信号。远场信号s j ( n ) 到达各阵元的方向角相同， 用只表示，称为波达方向角，定义为信号只( ) 到达阵元的直射线与阵列法线方 向之间的夹角。以第一个阵元作为基准点，即空间信号量( n ) 在参考阵元上的接 收信号等于( h ) 。这一信号到达其他阵元的时间相对于参考阵元存在延迟或超 前。令信号s n ) 电波传播延迟在第二个阵元引起的相位差为，则波达方向目，与 相位差，的关系为 。 棚，= 2 i t - 睾s i n o , ( 2 1 1 ) 式中的d 是两个相邻阵元之间的距离，五为信号波长。阵元距离d 应满足条件 d 芸，否则相位差。有可能大于玎，而产生所谓的方向模糊。由于是等距线阵， 所以信号s 0 ) 到达第k 个阵元的电波与到达参考阵元的电波之间的相位差为 j 1 ) o ，= 2 石导( 七一1 ) s i n o , ，因此，信号薯0 ) 在第k 个阵元上的接收信号为 s ( n ) e _ ( “。 设阵列由卅个阵元组成，则信号s 。0 ) 到达各阵元的相位差所组成的向量 a ) = i ，e 一。叫十响r 堡! 笙兰 塑! ! 蒌些主堕型堕! 竺堡翌苎堕! ! 丝 = k p ，x ，p ，彤 称为信号s 。0 ) 的方向向量或响应向量。如果共有p 个信号位于远场 p m ) 则在第k 个阵元上的观测或接收信号坼0 ) 为 ( 2 1 - 2 ) ( 其中 坼如) ：圭吼，扣。( n ) + o ) ， j i = l ，州( 2 1 3 ) i - i 式中e k 仁) 表示第k 个阵元上的加性观测噪声。将m 个阵元上的观测数据组成 m 1 维观测数据向量 x 0 ) = k 。0 l ，0 小 ( 2 i 4 ) 类似地，定义m i 维观测噪声向量 e 0 ) = k ，0 l ，0 矿 ( 2 i 5 ) 所以式( 2 1 3 ) 用向量形式写作 x 0 ) = a 0 ，b ，o ) + e ( n ) = a 0 ) s ( n ) + e ( n ) ( 2 1 6 ) 式中 a ) = a ( q ) ，a ( c o 。) ( 2 1 7 ) s 0 ) = i s 。( ”) ，。( 疗) 】7 ( 2 1 8 ) 分别为m p 维方向矩阵和p x l 。显然矩阵a ) 为v a n d e r m o n d e 矩 阵。其特点是若脚l ，。互不相同，则它的列相互独立，即v a n d e r m o n d e 矩阵是 满列秩的。 2 1 3 信号子空间与噪声子空间 由式( 2 1 6 ) 描述的阵列信号观测模型。对此，我们作以下假设： 假设l ：对于不同的q 值，向量a ( q ) 相互线性独立； 假设2 ：加性噪声向量“”) 的每个元素都是零均值的复白噪声，它们不相关， 并且具有相同的方差盯2 ： 假设3 ：矩阵p = e 0 扣”0 ) 扫e 奇异，即，鲫七( p ) = p 。 对于等距线阵，假设1 自动满足。假设2 意味着加性自噪声向量e ( 雕) 满足以 下条件： e 叠0 ) = 0e 每0 x ”0 ) = 盯2 ie 0 k 7 0 ) ) = 0 式中0 和。分别表示零向量和零矩阵。如果信号源相互独立，则假设3 满足。 硕士论文 智能天线中阵列信号处理算法的研究 因此，上述三个假设条件只是一般的假设，在实际中容易得到满足。 在假设1 3 的条件下，由式( 2 1 6 ) 容易得到 r 。= e x 0 扛”0 ) = a 0 归0 ) s ”0 ) a ”) + 盯2 i = a p a ”+ 盯2 i ( 2 1 9 ) 式中a = a 0 ) 。可见，r 。是一个对称矩阵。令其特征值分解为 r 。= u z u ” 犯1 1 0 ) 式中= d i o g ( 仃 ，一：o 由于a 满列秩， r a n k ( a p a ”) = 煳女( p ) = p ，这里假定p 所。于是，我 们有 u ”a p a 8 u = d i a g ( c t l 2 ，川 20 ，0 ) 同时用u ”左乘和u 右乘式( 2 1 9 ) ，得 u h r 。u = u h a p a h u + 叮2 u h u = d i a g ( a 1 2 ，口。2 0 ，o ) + 盯2 i 这表明，自相关矩阵r ：。的特征值为 ：盯2 ：l o , i + 仃2 ，7 2 l ，p。 i 盯，i = p + 1 ，m 当存在加性观测白噪声时，观测数据向量x d ) 的自相关矩阵的特征值由两部 分组成：前p 个特征值等于a ? 与加性白噪声方差盯2 之和，后面m p 个特征值 全部等于加性白噪声的方差。 信噪比足够高时，使得口弛e 加性白噪声方差盯2 明显大，容易将矩阵r 。的 前p 个大的特征值口? + 盯2 同后面m p 个小的特征值盯2 区分开。这p 夸主特征 值称为信号特征值，其余m p 个次特征值称为噪声特征值。根据信号特征值和 噪声特征值，我们又可以将特征矩阵u 的列向量分成两部分： u = i s ；g 】 式中 ( 2 1 1 3 ) s 2 s ”t ，s p = u i ，”，u p 】( 2 1 1 4 a ) g = 【g l ，g ，p = 【n 川，u 。( 2 1 1 4 b ) 分别由信号特征向量和噪声特征向量组成。将信号特征向量的张成印册每。，s 。 称为信号子空间，将噪声特征向量的张成印彻k ，g 。一。 称为噪声予空问。 m u s i c 方法是利用子空间进行多个信号分类，可以定义一种类似功率谱的 p p ) 2 砚翮i ( 2 1 1 5 ) ) ) 他 l i 伫 q 硕士论文 智能天线中阵列信号处理算法的研究 p 囟) 并不是任何意义下的真实谱，它只是信号方向向量与噪声子空间之间的“距 离”。尽管如此，它却能够在真实波达方向的附近出现“谱峰”，超分辨地准确表 现各信号的波达方向。 2 1 4e s p r i t 算法 e s p r i t 是“e s t i m a t i n gs i g n a lp a r a m e t e r s v i ar o t a t i o n a li n v a r i a n c et e c h n i q u e s ” 的缩写，其含义为“借助旋转不变技术估计信号参数”，是由r o y 等人于1 9 8 6 年提出的f 9 】，现在已成为阵列信号处理的基本算法。 e s p r i t 方法以一种与m u s i c 方法不同的方式进行波达方向的估计，基本 e s p r i t 方法适用于等距线阵。 考查一个由m 个阵元组成的等距线阵。如图2 1 1 所示，现在将这个等距线 阵分为两个子阵列，其中子阵列1 由第1 个至第m 一1 个阵元组成，子阵列2 由 第2 个至第m 个阵元组成。 子阵列1 子阵列2 图2 1 1 等距线阵结构 令m n 矩阵 x = 【x ( 1 h ，x ( ) 】( 2 1 1 6 ) 代表原阵列的观测数据矩阵，其中x ( n ) - - k ，0 l ，0 矿是m 个阵元在n 时刻的 观测信号组成的观测数据向量，而n 为数据长度，即n = l n 。 令 s = f s ( 1 k ，s ( ) 】( 2 1 1 7 ) 代表信号矩阵，其中 s 0 ) = b 。0 l ，s ，如) r( 2 1 ，1 8 ) 表示信号向量，则对于n 个快拍的数据，观测数据矩阵表示成 x = 【x ( 1 k x ( ) 】= a s ( 2 1 1 9 ) 式中a 是m p 阵列方向矩阵。 令j 。和j ：是两个( m 一1 ) 脚选择矩阵： 硕士论文 智能天线中阵列信导处理算法的研究 j = 【i 。 o 。】 j ：= 【0 ，一! i 。】 式中i 。代表m 一1 ) m 一1 ) 单位矩阵；0 卅代表仞一1 ) 1 零向量。 用选择矩阵j 。和j 2 分别左乘数据矩阵x ，得到 x ，= j l x = 【x 协，x ( ) 】 x ：= j 2 x