基于智能天线的相干多径环境的标签信号提取方法.doc

基于智能天线的相干多径环境的标签信号提取方法*陈伟峰1，何怡刚1，邹欣2，李兵1（1 湖南大学电气与信息工程学院长沙410082；2 河北建筑工程学院网络中心张家口075024）摘要：针对射频识别系统中标签信号在相干多径环境下难以提取的问题，提出一种采用智能天线技术来提取相干标签信号的方法。以均匀直线阵为基础，利用子阵输出的相关信息，采用前后向空间平滑技术对相干的阵列接收信号进行预处理，再用多重信号分类（MUSIC）算法正确估计出波达方向（DOA）用以提取标签信号。性能仿真和实验结果表明，该方法具有较低的信噪比门限和较高的分辨能力，达到了提高在相干多径环境下提取标签信号成功率的目的关键词：标签信号; 智能天线; 前后向空间平滑技术; 波达方向（DOA）中图分类号：TN015文献标识码：A国家标准学科分类代码：510.10Extraction method of coherent multi-path tag signals based on smart antennaChen Weifeng1, He Yigang1, Zou Xin2, Li Bing1（1 College of Electrical and Information Engineering, Hunan University, Changsha 410082, China; 2 Network Center, Hebei Institute of Architecture Civil Engineering, Zhangjiakou 075024, China）Abstract：Aiming at the difficulty of RFID tag signal extraction in coherent multi-path environment, an extraction method of coherent tag signals based on smart antenna is presented. Based on uniform linear array, the received coherent array signals are preprocessed by adopting forward-backward spatial smoothing technique and taking advantage of the correlation information of subarray output. Then, by applying multiple signal classification (MUSIC) algorithm, the direction-of-arrivals (DOAs) of coherent signals are estimated properly and are used to extract the tag signals. Simulation results and experiments demonstrate that the method possesses a lower SNR threshold as well as a better resolving ability, and increases the success rate of extracting tag signals in coherent multi-path environment.Key words：tag signal; smart antenna; FBSS (forward-backward spatial smoothing) technique; direction of arrival (DOA)第8期 陈伟峰 等：基于智能天线的相干多径环境的标签信号提取方法 1641收稿日期：2008-09Received Date：2008-09*基金项目：国家863计划（2006AA04A104）、国家自然科学基金（50677014,60876022）、高校博士点基金（20060532002）、湖南省科技计划（06JJ2024，2008Gk2022）资助项目1引言超高频(UHF)射频识别系统具有读写速度快、存储容量大、识别距离远和可以同时读写多个电子标签等特点,已经在众多领域得到越来越广泛的应用。但是UHF频段标签信号采用反向散射调制1，在无线信道存在加性高斯白噪声（AWGN）和多径衰落的情况下，微弱的标签返回信号极容易淹没在噪声中，进而导致误码。这给标签信号提取和测量带来了严峻的挑战。比如移动装满终端(标签)的叉车，在位于不同金属货车和金属构架之间的阅读器之间行驶，可能会经过破坏性的多路径环境。智能天线技术可以从空间域抑制波束到达角度(DOA)不同于期望信号的干扰，同时对期望信号的相关多径进行多波束接收，从而提高系统输出信噪比。当处于接收方式时，智能天线技术可以实现定向接收信号，这样可以大大减少相干多径影响。因而减少了衰落与时延扩展，解决同信道干扰和多径衰减，从而提高信号传输距离、无线系统的性能和容量。文献2提出了一种基于多重信号分量(MUSIC)算法提取标签返回信号波达角的方法，但是没有考虑实际环境中相干多径干扰的影响，因而无法在相干多径环境下实现期望信号的提取。受相干多径干扰的标签信号源的估计以及信号的提取是一个十分棘手的问题，目前对相干信号源的处理算法可分为：空间平滑类、矩阵重构算法和非降维类。空间平滑技术是目前一种较有效的解相干算法，且计算量小，便于实现；矩阵重构算法去相干性能同空间平滑类似，但运算量稍大；而属于非降维类的Toeplitz算法和子空间拟合算法则分别存在估计偏差较大的缺点和运算量相当大的问题。通过分析上述对标签信号源解相干方法的优缺点和实际应用中算法的计算量，本文提出在超高频段射频识别系统中采用智能天线技术，首先通过基于结合前后向空间平滑技术的MUSIC算法所提供的超分辨方法和阵列响应的先验知识估计出信号源的DOA，再根据波达角信息和波束形成算法建立最优波束形成器，从而在多径干扰和噪声中提取出超高频(UHF)标签信号。2信号模型UHF频段读写器发送采用ASK调制的信号： (1)式中：为调制载波，N为调制深度。二进制序列表示基带数据命令，为发送滤波器的冲激响应。通过反向散射的标签信号同样也采用ASK调制3，可表示为: (2)式中：为标签信号幅度，为有用信号，为标签信号的相位。如图1所示，本文采用M元等距线阵 (ULA)，阵元间距d为，是波长，天线孔径，当标签与天线的距离大于时,标签信号可被认为是远场信号，其到达各个阵元的方向角视作相同。设个窄带标签信号源，（）以平面波入射到线阵上，以线阵轴线法线为参考，其信源方向分别为，变化范围为。阵列接收信号矢量为：(3)式中: (4) (5) (6) (7)式中：，为电磁波波长。为信号向量，为阵列流型，为第个信号的导向矢量。为噪声向量，与信号源无关的零均值、方差为的高斯白噪声。,为数据采样长度。图1等距线阵及空间平滑Fig.1 Uniform linear array and spatial smoothing根据标签信号的DOA数学模型，其阵列数据的协方差矩阵为：(8)式中：是标签信号源的协方差矩阵，是信号部分，是噪声部分，为单位阵。当信号源互不相关时，为Hermite、Toeplitz矩阵；当信号源全相关或全相干时，仅为Hermite矩阵；当部分信号源不相关、部分信号源相关或相干时，可写为： (9)式中：是由非相关信号源形成的Toeplitz矩阵，是由相关或相干信号源形成的非Toeplitz矩阵。3相干多径环境下标签信号提取过程相干多径环境的标签信号提取通过以下几个步骤实现。3.1相干多径环境下标签信号数估计在实际应用中，标签信号数N往往是一个未知数，因此信号源数估计是一个关键问题。当估计的信号源数目与真实的信源数目不一致时，会产生估计信号源时的漏警或虚警，也就会导致在估计信号方向(DOA)时的偏差。当信号源相干时，若采用文献4使用的信息论方法来判断标签数则无法准确估计信号源数，更不能对信号源的类别和结构作出判断。而双向平滑秩算法5不但可以估计出信号源总数，而且还可以估计出信号源结构。因而本文采用双向平滑秩算法来判断标签数和干扰信源数，当满足时(N是总源数，M为阵元数，是相关源数目)，采用平滑技术将均匀线阵划分为个相互交错的子阵，从而构造出交叉重叠矩阵。假设信号源由组相关源的群组成，分别表示为，若则说明有3个相关群，每群有2个相干源，是最大的相关源数。如果从有限快拍的数据中获得数据协方差矩阵，此时： (10)推广到双向平滑秩算法，这时平滑秩序列为：(11)根据最小描述长度(MDL)准则可得 (12)根据式(11)、式(12)就可以求得信号源的相关结构及信号源数N。3.2相干环境下的DOA估计基于特征值分解的MUSIC 算法是建立在非相干信号模型基础之上的，对于相干多径信号，MUSIC算法将会失效。当信号源完全相干时，阵列接收的数据协方差矩阵的秩降为1，这会导致某些相干源的导向矢量与噪声子空间不完全正交，从而无法正确估计信号源方向。空间平滑技术是目前一种较有效的解相干算法，对相干信号源的DOA估计具有理想的性能，且计算量很小，便于实现。它的基本思想是将等距线阵分成若干个相重叠的子阵列，如果各个子阵列的阵列流形相同（这一假设适用于等距线阵），则子阵列协方差矩阵可以平均。各子阵的向量以各自的第一个阵元为基准，由于来波方向不同，两相干信号的相位差在各阵元是不相同的，即空间平滑产生随机相位调制，因而可对引起秩亏缺的信号解相关。因此本文采用结合前后向空间平滑技术的MUSIC算法6-7，先对阵列接收信号的协方差矩阵进行前后向空间平滑的预处理，再利用修正后结果进行MUSIC谱估计，从而实现对相干标签信号的DOA估计。3.2.1基于前后向空间平滑算法的预处理利用等距线阵的平移不变性，如图1所示，将阵元从前向均匀划分成为p个子阵，每个子阵列的阵元数为m，将组成第1个子阵列， 组成第2个子阵列，依次类推。同理，利用等距线阵(ULA)的旋转不变性，从后向按类似方法也划分p个子阵。则前、后平滑修正后的数据协方差矩阵分别为： (13) (14)式中：，；为置换矩阵，是反对角线为1的置换矩阵。对式(9)所示的均匀线阵的协方差矩阵进行前后向空间平滑修正得到： (15)式中：上标*表示矩阵共轭，由式(15)求得对的修正协方差矩阵。空间平滑算法是对均匀线阵的数据协方差矩阵的秩进行恢复的过程，从而达到解相干的目的。对于前后向空间平滑算法(FBSS)，如果当阵元数一定时（共M个阵元），可以分辨个相干信源；而对于基于式(13)的前向空间平滑算法（FSS），个阵元只能分辨个相干信源，可见前后向平滑算法的孔径损失更小。3.2.2MUSIC谱估计对修正后的协方差矩阵进行特征值分解有 (16)式中：是由大特征值对应的特征矢量张成的子空间也即信号子空间，而是由小特征值对应的特征值对应的特征矢量张成的子空间也即噪声子空间。考虑到实际接收数据矩阵是有限长的，数据协方差矩阵的最大似然估计为： (17)由于噪声的存在，与并不能完全正交。因此实际上求DOA是以最小优化搜索实现的，即： (18)MUSIC算法的谱估计公式为： (19)式(19)中分母取最小值时，将产生对应的峰值，从而由各谱峰可对标签信号的波达角作出估计。3.3信号提取由于前后向空间平滑技术有很好的解相干能力，以及MUSIC谱估计的超分辨性能，所以能在相干多径环境下估计出各信号源和干扰源的波达方向，从而准确地提取出标签信号的波达角 (DOA)。再根据标签信号的DOA, 通过数字波束形成技术，线性约束最小方差（LCMV）波束形成算法8，在需要提取的标签信号的波达方向形成尽量高的增益，在干扰方向形成尖锐的零陷。对时延不可分但角度可分的多径进行进一步分离，有效地减小多径效应，从而可以有效地提取标签返回信号。4性能仿真分析在进行性能仿真分析时，对于仿真1和仿真2使用8第8期 陈伟峰 等：基于智能天线的相干多径环境的标签信号提取方法 1643阵元的均匀线阵，阵元间距为0.5倍的波长，快拍数100，子阵数p取3。噪声为与标签信号源不相关的高斯白噪声。仿真1：采用3个标签信号源，其中是标签的信号，与相干，是与和不相关的另一标签信号，且的功率比低4 dB。3个信号到达角分别为，信噪比分别为6 dB、9 dB和7 dB。分别使用传统的MUSIC算法和结合前后向空间平滑预处理的MUSIC方法对3个信源方位进行估计。由图2可以看出，传统的MUSIC算法对于相干信号和不能估计出波达角，而对则能准确地估计出波达角。而结合前后向空间平滑技术的MUSIC算法，能准确的估计出3个信号的波达角，对相干信号有很好的分辨能力。由分析可知，在相干多径环境下，本文采用的结合前后向空间平滑技术提取标签信号波达角方法的有效性要远远好于文献2采用的未经平滑预处理的MUSIC方法，与之相比有更强的实用性。图2对相干信号的分辨能力比较Fig.2 The comparison of resolving ability for coherent signals仿真2：采用两个相干标签信号，波达角分别为0、10；进行100次蒙特卡罗仿真实验，当信噪比从-5 dB到25 dB变化时，比较平滑类和矩阵重构类这两类解相干算法对信号波达角估计的成功率和估计偏差。当空间谱曲线中在信源方位附近产生明显的谱峰，且两峰值之间的方位幅度小于峰值幅度5 dB时认为估计成功。图3中，矩阵分解(MD)算法、Toeplitz(TOP)算法和特征矢量奇异值(ESVD)算法都属于矩阵重构类算法。由图3可以看出，在低信噪比时，FBSS算法和TOP算法对相干标签信号波达角估计成功率最高，比较适合低信噪比的情形；但是TOP算法的估计偏差比较大，说明其估计的精度较差，而FBSS算法的估计偏差最小。与其他几种算法相比，尤其是在低信噪比时，本文采用的前后向空间平滑算法对相干标签信号波达角估计的性能是最优的。(a)(b)图3不同信噪比下算法性能分析Fig.3 Performance analysis of various methods underdifferent SNRs仿真3：采用16阵元均匀线阵，阵元间距为0.5倍的波长，快拍数100。两个相干标签信号，波达角分别为0、5，信噪比为18 dB。子阵数p从2变化到14时，进行100次蒙特卡罗仿真实验，分析子阵数目的选择对解相干算法估计信号波达角的估计偏差和估计方差的影响。由图4可以看出，前后向空间平滑(FBSS)算法对相干标签信号波达角的估计偏差和估计方差都远远小于基于单向的解相干算法(FSS、MD和ESVD)；当子阵数p在2到10变化时，FBSS算法的估计偏差大致相等。这说明了本文采用的结合前后向平滑的算法性能远远优于单向的算法而且具有较好的稳定性。(a)(b)图4不同子阵数下算法性能分析Fig.4 Performance analysis of various methods underdifferent number of subarraies5实验分析UHF频段读写器采用6阵元均匀线阵，工作频率为915 MHz。使用基于虚拟仪器技术平台的标签仿真器分别产生2个相干标签信号源，距离天线阵列为4.5 m，分别以不同波达角(23,10)和(23,18)到达天线阵列，两信号发射功率相同；进行100次测量，比较3种算法在不同信噪比和波达角条件下对相干标签信号波达角的估计均值。结果如表1所示，表示估计值与实际值之间至少差3以上，即估计结果无效。当两标签信号波达角为(23,10)，波达角间隔较大时，3种算法都能正确估计2个相干标签信号的波达角。但当信号波达角间距减小，分别为(23,18) 时，矩阵分解(MD)算法和前向平滑(FSS)算法在低信噪比的情况下无法正确估计出信号的波达角。而本文采用的结合前后向空间平滑(FBSS)算法的标签信号提取方法能有效地提取出相隔比较近的较低信噪比的相干信号的波达角，具有较好的分辨能力。表1波达角估计均值 Table 1 The mean of DOA estimation ()信号波达角信噪比FBSSMDFSS23106 dB23.5210.4522.4510.5822.119.0712 dB23.2010.1822.7910.2323.3310.3018 dB23.079.9222.899.9023.179.8523186 dB23.8117.2224.1012 dB22.5417.4822.4518.6724.9018 dB23.2418.3023.4817.6223.9519.20通过统计实验数据，分析在相干多径下采用6阵元均匀线阵自适应智能天线的接收机与未采用智能天线技术的接收机接收数据的误码率。得到误比特率曲线如图5所示，可以看出在相同信噪比条件下，利用智能天线技术后，使得接收端提取信号时的误比特率曲线比未利用时大大改善。图5智能天线对标签信号提取的改善Fig.5 The improvement of tag signal extractionusing smart antenna6结论针对相干多径环境下标签返回信号难于精确提取的问题，本文提出采用基于智能天线技术的方法加以解决。用双向平滑秩算法准确估计出相干多径下信号源数，然后用结合前后向空间平滑技术的MUSIC算法提取出标签返回信号源的DOA，根据信号波达角用线性约束最小方差准则(LCMV)调整权值，产生自适应定向波束，使天线主波束对准用户信号到达方向，零陷对准干扰信号到达方向。性能仿真和实验结果说明了该方法去除信号相干多径干扰的有效性和较好的信号波达角分辨能力，能达到抑制相干多径干扰和降低标签信号提取的误比特率的目的。参考文献1 FINKENZELLER K. RFID handbook: fundamentals and applications in contactless smart cards and identification M. New York: Wiley, 2003.2 朱华,吉小军,施文康.智能天线技术在多声表面波标签识别中的应用研究J.仪器仪表学报, 2007, 28(8): 387-1392.ZHU H, JI X J, SHI W K. Research on application of smart antenna technology to the identification of multiple SAW tagsJ. Chinese Journal of Scientific Instrument, 2007,28(8):1387-1392.3 Information technologyRadio frequency identificatio第8期 陈伟峰 等：基于智能天线的相干多径环境的标签信号提取方法 1645for item managementPart 6: Parameters for air interface communications at 860 MHz to 960 MHz AMENDMENT 1: Extension with Type C and update of Types A and B S. 2006-05.4 朱华，韩韬，施文康. 基于数字波束形成的多声表面波标签识别J. 压电与声光，2008,30(2):127-129,132. ZHU H, HAN T, SHI W K, Identifying multiple SAW tags based on digital beamformingJ. Piezoelectrics & Acousto optics, 2008,30(2):127-129,132.5 LINEBARGER D A, DEGROAT R D, DOWLING E M. Efficient direction-finding methods employing forward/back- ward averagingJ. IEEE Trans. on SP, 1994, 42(8):2136-2145.6 SCHM