tx094超宽带（UWB）系统的抗多径性能分析
收藏
资源目录
压缩包内文档预览：
编号：516512
类型：共享资源
大小：1.82MB
格式：RAR
上传时间：2015-11-12
上传人：QQ28****1120
认证信息
个人认证
孙**（实名认证）
辽宁
IP属地：辽宁
6
积分
- 关 键 词：
-
机械毕业设计
- 资源描述：
-
tx094超宽带（UWB）系统的抗多径性能分析,机械毕业设计
- 内容简介：
-
超宽带无线系统 1. 研究小组 Project Leader: Prof. Robert Scholtz, Electrical Engineering Other Faculty: Prof. John Choma, Electrical Engineering Prof. Keith Chugg, Electrical Engineering Prof. Won Namgoong, Electrical Engineering Prof. Antonio Ortega, Electrical Engineering Prof. Aluizio Prata, Electrical Engineering Graduate Students: Yuyu Chang, Yiling Chao, Meng-Hsuan Chung, Carlos Corrada-Bravo, Orhan Coskun, Robert Jean-Marc Cramer, Phil Hilmes, Eric Homier, Wenqing Jiang, Joonyong Lee, Sangyoub Lee, Phoom Sagetong, Raghavendra Singh, Ali Taha, Robert Weaver, Robert Wilson, Jeffrey Yang Undergraduate Students: Phillip Hirz, Kenneth Newton Industrial Partner(s): Compaq, Time Domain Corporation 2. 问题的描述 本项目将 UWB （超宽带技术）应用于短距离通信和漫游系统。由于超宽带技术发展尚不成熟，因此我们正对一种特殊的超宽带系统的电路及系统设计问题进行研究。该系统采用瞬时脉冲电波方式进行通信，这种基带电波采用极短的脉冲信号来传送信息，通常每个脉冲持续的时间只有数纳秒以下。 UWB 有如下的潜在特点： 1. 保密性好（相对于超大带宽，信号的功率谱密度显得微乎其微）。 2. 定位准确（准确度可达几厘米）。 3. 抗多径衰弱（采用调时序列）。由于等待着 FCC(美国联邦通信委员会 ) 批准 UWB 技术进入民用领域 规章的早日出台，且实际上该无线系统必须与同一带宽下的窄带系统和平共处，所以我们希望最初的应用仅限于短距离通信，并且在一定程度上依赖于扩频技术应对冲突问题。 我们对 UWB 技术的研究旨在弄清其系统层面上的性能，使这项具有潜力的技术的应用具有竞争力。 在无线电通信的层面上，就是要要理解传播的问题以及它们是如何nts影响无线电设计的，同时还需找出 UWB 技术中的关键成分，算出连接和电量预算等等。我们希望 UWB 系统能与其它大多数的无线系统并行不悖，因而当前最紧迫的任务就是要找出在如此关系中是否暗含着严重的问题。 我 们最终的目的是：第一，演示完全移动状态下的室内 UWB 无线通信将适应移动图象专家组压缩格式的视频速度；第二，将 UWB 通信形式与其他的通信形式一起作为无线多点接入网络的一部份 ;第三，展示户内漫游和位置定位（粗略可精确到公分）。在电磁的良性环境里，各公司通过固定短距离连接展示了该技术的一些性能。我们致力于在广泛而多样的环境中使这些连接更具鲁棒性和适应性。 自从多媒体数据成为一种主要的数据传输类型以后，我们正在研发一种针对图像和视频的编码策略，在信道条件不佳的条件下，它将显现出鲁棒性。我们正在研究基于 MDC 的图像 / 视频压缩策略。为了增加耗损信道的鲁棒性，在压缩过程中我们引入了一些冗余。 . 3. 背景和相关研究 在最近的报告中我们提名了以下几家积极研发 UWB 产品的公司：天空电信公司 (为 UWB 的漫游功能设计了直接序列扩频电路，由 DARPA 赞助 ,) ， Lawrence Livermore 中心 (短距离雷达应用 ,:80/lasers/idp/mir/mir.html) ， Multi-Spectral Solutions公 司 (无线通信系统， DoD ,), Time Domain公司 (无线通信系统 ,) ，陆军研究中心 (战场雷达 ) ， Power Spectra公司 (地面敏锐雷达 ) ， OC 技术组织 (雷达应用和无线通信研究 ) ，和诰石公司 (图钉探测器 ) ，爱国者科技公司 (地面敏锐雷达， /radar/index.html) 。从那时起， OC 技术组织启动了一项被命名 Xtreme 光谱的研究 (,个人通信网络 )，保罗艾伦开始了对 Fantasma 网络的研究 (, UWB 网络 )。这些工作大多是专有的或机密的。 以上公司不断坚持试图促使联邦通讯委员会发出对 UWB 系统的质询通知 (NOI) 。 质询程序现正在进行， FCC 也已发布了提议规则制定（ NPRM ）的通告， FCC 需要有关 UWB 技术的进一步的数据和意见。虽然现在还不允许使用 UWB 系统，但我们希望它能于明年实现。 nts UWB 系统占据的频带很大的程度上依赖于他们的应用。地面敏锐雷达频率相对较低 (举例来说 ., 地面穿透的频带在 10 100 兆赫兹 ),而 UWB 通信系统工作 AM,FM,以及电视频段以上，避免了过度冲突 (举例来说 ., UWB 系统建立并工作在 1G 3G的带宽内 ,处于 1G 6G范围 ).以上系统工作频率范围的界定仰赖于各种不同的因素 ,举例来说 ., 费用，落实技术，物 质穿透问题 ,等等。 各研究团体对 UWB 技术产生了浓厚的兴趣。 ONR 在 UC Berkeley 无线电研究中心建立了 UWB 工作室； 2000 年十二月，欧洲工业组织创建了 UWB 工作室；现在， IEEE 正致力于创建 UWB 协会。国防部亦将 UWB 无线通信作为今年 MURI 的主题之一 ,且 UWB 的进一步的研究将有非常好的前景。 海军研究处赞助包括联诚集成电路公司在内的研究机构进行对 UWB 的研究。 应用于无线系统的压缩技术的背景和相关研究作为报告的一部分，其标题为 用于强健和可升级的媒体 通信中的新型压缩技术。 4. 基本原理研究方法 我们对 UWB 无线技术的研究方法如下所示： 他们将继续发展不同环境中的传播模型。 经考虑，我们将扩大 UWB 模型技术的多样性，确定它们在具体任务中的相对优势 (举例来说，漫游，定位，通信，成像 ,射频标签等等 ) 。 我们将发展一种信号处理算法，通过提高信号的多样性以及对变化信道和环境的适应性，来提高 UWB 无线连接的鲁棒性。 我们将研究多种天线的 UWB 辐射性能，以确定它们在不同 UWB 短距离通信中的特性。 . 我们将会建立和其他的大学和公司的联系 ，提供对该方向有用的技术，特别是在与天线和射频电路硬件相关的方面。我们的终极目标是实现对多种无线电波特征的硬件示范，在我们看来，这是非常必要的。 nts我们将研究 UWB 无线信号工作在极高的频率范围点到点通信中的可能性，点到点的通信不需要显著的物质渗透能力。这项研究将确实提高连接性能。 我们会极尽可能将测量得出的的数据提交 FCC 的规则制定者。 当多数人可能认为通信是一个确定的性能时 ,我们试图通过新出现的 UWB 技术去证明那些改良技术的潜力。 一种方法是实现 MIE 与 UWB 之间的无线接口 UWB. 虽然这是一个长期目标 ,但要使用于此目的 UWB 器件通常可得（直到 FCC 通过 UWB 传播技术规则）以及仅仅进行最简单的论证还是有可能实现的。而要实现 UWB 电波无线多点接入的硬件演示是一个更加遥远的目标，所以我们必须等待，直至硬件价格下降。 在视频研究方面上 ,我们对 MDC 的研究正在 Lucent 和 AT&T 的研究所以及一些大学进行着 . 主要的不同是我们考虑使用预编码的方法 ,而其他的团体则把重心集中在独立编码 (举例来说 ., 转换编码 ,分级量化 )。最终我们计划使用前者作为视频编码，因为动态预报 对于获得较好的编码性能是十分必需的。另外一种不同是我们正致力于提供 MDC 功能，且仍然使用高效率的编码。举例来说 ., 我们发明了比特分配技术，该技术使我们能够使用最新颖的 SPIHT 编码（动态编码）作为 MDC 图像压缩方法的基础 5. 对工程科学的贡献摘要 在过去的一年里，我们发表的文章主要如下所示： 我们对一种形式的 UWB 干扰进行了测试，该项干扰能影响 GSP 接收端的信噪比。其结果发表于 1 ，并送 FCC 我们研究出一种分析技术，该技术能对 UWB 的连接性能进行评估，评估综合考虑 了 UWB 的天线性能，干扰以及可能出现的调节参数。该技术相对独立于具体的模型，相关论点发表在 1 中，并送 FCC 征询。 Jean-Marc Cramer发表了一篇有关传输数据的还原和办公楼信道模型的论文，该文具有里nts程碑意义。此外，我们还建立起一组信道模型传送数据（包含到达时间，信号强度，到达角度）的统计描述。 我们对 UWB漫游技术进行了初探，揭示多径下的多点接入通信。不久，这些问题的研究将更趋明朗。 我们引入了一种针对 MDC 的基于模型的比特分配技术，该项技术使信号在空中的冗余与编码和发送端的冗 余相一致，从而降低了编码和发送端计算的复杂度。 6. IMSC交互和视频研究成果 我们拥有一个 UWB 的连接，一方面用来做实验，另一方面用来做演示。运用它可以通过无线的方式传输具体的信息，还可以使主机无线上网。两年前，我们使 MIE( 移动边缘因特网 ) 支持无线网络的努力获得了成功。但除非 UWB 的硬件易于实现，否则我们是不会将 UWB 加入 MIE 的。如果没有 FCC 的批准，一切购买，普遍使用 UWB 系统的做法都是违法的。我们期望明年能获得 FCC 的批准。 我们对视频的研究目标是在各种不可靠的环境中 实现可靠的视频传输。我们将注意力集中在Ultra Labs 里的特定无线技术的同时，我们正计划在其他环境中测试我们的想法，尤其是在因特网上测试视频的传送。 7. 成果和意见 我们正进行一项旨在确定 UWB 信号在 GPS接收端产生影响的测试。该实验使用新型 GPS接收机，接收机天线从下往上看是圆极化，且可在接收端测量出可识别的信噪比。 UWB 脉冲发生器配有一根垂直极化的零极点天线，从天线处不断发出干扰信号，我们就可以由此估计和测量出信噪比的恶化情况。该实验的难点在于很难仔细的刻画天线系统和当时环境的特点，且由于天线 的脉冲修正特性，因此在实验过程中天线是不能忽略的。该项成果已发表在 1 上，并提交给 FCC 。 超宽带无线通信实验室将每四年才颁发一次的实验室许可证颁发给了我们， 1999 年 11 月，我们进行了最初 UWB 对全球定位系统的干扰测试。该实验的目的是在洛杉矶范围内进行 ntsUWB 功率限制实验。 业余无线电传播联盟与 Ultra Labs接洽，进行了一项类似的 UWB 的干扰实验，实验尽量遵守指定的实验程序，不同的是该实验采用弱信号接收端，工作频率为 1.2G。 我们用在 Ultra中心使用过的一根零极点天 线测出了可能影响 UWB 电波的无线电干扰水平（洛杉矶一所办公楼的第五层）。在上述的环境，给定比特率和距离的前提下，干扰对 UWB 通信所需功率的消耗较低。我们起草了一份 UWB 信号的传输规则，并意图知道在此规则下， UWB 通信是否被允许，以及多大的数据率才是可行的。这项实验是以实验中使用的天线和系统为基础，而独立于 UWB 传输的模型结构，并且还基于必需的工作范围，接收机的噪声功率以及接收的比特能量，。据我们所知，最早发表的该理论便向 FCC 的法规制定者和商业公司提出了挑战，因为相关干扰的调度决非易 事。 在搜集了大量办公楼室内信号传播参数的基础上，我们运用 CLEAN算法研究信道特性，并建立了一种新的且相对完整的室内传播的统计模型。该模型基于“群”理论，该理论将在近似时间，来自相似方位，且服从粗略相似传播路径的一组信号成为一“群”。在一群中且相对该群最先到达的信号，到达角度的分布趋于拉普拉斯分布（双阻尼），群内信号强度变化服从瑞利分布。 每群中最早到达路径的特性非常依赖于信号的大致传播路径。即使数据接收机得到确切的信号，识别群的过程仍未能实现自动化。 总之 , 连同多径解决一起，准确的定位是 UWB 系 统已明确的主要应用之一，我们开始对射频标签的研究将可能成为 UWB 系统的一项应用。以 UWB 无线电为主题，我们进入了比赛且嬴得国防部颁发的 MURI 奖。参与该研究的学校还包括 UC Berkeley(Brodersen 和 Tse) ，马萨诸塞州 (Pozar ， Schaubert 和 Goeckel) 和联诚集成电路公司 (Scholtz ， Chugg,Namgoong),教授 Scholtz 是研究负责人 .研究团队的组成引入了拥有电路设计专长的 Berkeley 和拥有天线设计专长的 UMass. 该申请的最初动机是研究射频标签系统的位置定位能力。 在 NFESC ，港口 Hueneme ，加州我们和 Steve Gunderson 进行了联络 , 并在 Curtiss 的空货舱里完成了四项不同的初步传播实验，其中，射频识别用于自动显示货物和货物定位 (见图 1). 货舱里信号的传播方式与办公室内的传播方式大不相同，信号在船金属内的反射能力是在典型户内环境中的十倍以上。从微型电话，甲板雷达上 ,以及通信系统这些环境中测出的干扰值 . 我们希望在货舱里载满货物时重新测一次干扰值。 nts 我们对视线延 迟的最佳算法进行了理论上的研究，使得在密集多径环境下获得准确的漫游。该算法的初衷是试图找寻密集多径环境中的冲击响应函数。该算法的早期测试在一些方面尤为突出 3. 增加被测连接的冲击响应函数数据库应进一步从实验的部份着手。 多径环境中多点接入的表现是许多具有潜力的 UWB 应用的关键问题。基于多径过程的天然模型上我们得出了一个初步的结果 4. 依照预期，这些显示使用者的性能相对于理想无多径的情况存在着显著的下降。我们将精炼该模型，以便更加可靠的估计使用者的性能。 我们认为天线是 UWB 无线系统中一 个非常重要的部分。我们的研究因为缺乏高质量的实验设备而受到阻碍。二年前我们从国家科学基金会获得了为建立射频消音实验室而筹备的部分资金。2000年夏天， Silverman 院长将建实验室的空地交给我们，保罗艾伦捐赠的 $200,000 用于购买实验设备。直到这时，设备的设计和制造才真正开始。我们将许多的测量过程的自动实现作为学生的项目作业。 我们开始了一项新的研究，探讨处于 45-60 十亿赫兹频带内的信号传播情况 ,以及描述在此范围内的宽带和 UWB 信道的特征。在某种程度上该项研究使我们可以确定信号畸变 的种类，并将此作为环境特性的一项参数 . 这项研究包括建立一个用于测量的无线电系统，该系统将测出长为几公里的连接的传递函数（放大功率和相位变化）。该项研究将会支持短距离无线通信，极高的数据率，指令 ,和可视距离连接的设计 . 该研究缘于人们对高性能通信迫切要求。潜在的问题是 : 当信号的传播移至更高的频段，干扰的减少是否能补偿连路的衰落和畸变 ? 该应用在高频范围内所使用的仪器与在较低频率内使用的廉价仪器也相当不同。 在信源编码方面，我们早先的论文 5 引入了一项针对 MDC 的技术，该技术将一幅图象分割为若 干区域，每一区域被发送多次，且具体情况有不同水平的解决方案。 重组图象就是用可得的高分辨率版本 (i.e., 不有被遗失 )聚集装配每个区域。早期我们致力于比特分配问题的研究，确定理想信道下的冗余水平，并将结果用于先进的基于微波的图像编码器 ,该编码器采用 SPIHT 算法。在nts过去的一年里，我们通过定义了一种理论模型来拓展研究。该模型使 MDC 编码的图像更有效率 ,同时以更低的复杂度适应不断变化的信道状态。我们的解决方案也可适应用于 ROI 的图象编码。在编码之前将不同的因素进行编码，通过区分微波系数，为每个区域 提供不同水平的解决方案。 这些刻度因素在随后的接收器中得以加强。我们解决刻度因素问题的最佳选择便是使用 Mallats 模型的近似值。我们将展示最佳刻度因素的选择在本质上与最佳经验数据的获得相一致 ,有着较小的复杂度。我们的结果发表在论文 6 中，进一步的详细资料在 用于鲁棒和可升级媒体通信的新型压缩技术 .一节中。 8. 成员公司的收益 我们正开始对赞助商康柏公司所提出的问题进行研究 ,他们希望确定校园范围内 UWB 网络的用户性能。发表的论文 1 和 4 直接涉及这一具体问题，我们已向康柏公司提交了 预先打印的论文 1, 只要论文一经完成（仅完成了摘要部分）我们就将向其提供相似的论文 4 。我们希望该问题在未来几个月内，无论是理论还是实验都会有重大进展。 我们已促成了与一家日本无线公司 NTT Co Mo 以及小公司合伙人 Time Domain公司的联系。我们希望出现新的 IMSC 合伙人。 我们的学生就职于专注 UWB 无线系统的公司。 2000夏天， Joonyong 李在 Time Domain公司 (一个特别的合伙人 ) 实习，罗勃特 Wilson 在 Fantasma 网络公司实习。 Orhan Coskun修完了博士学位以后任职于 Fantasma 网络公司。 9. 五年计划 在以前评论和报告中， UWB 技术的未来很大程度上掌握在 FCC 的手中。此外，在过去的一年里，我们致力于搜集 UWB 技术的资料，以供 FCC 参考。 我们将继续该项工作直到 FCC 出台 UWB无线传输规则。因为费用的限制 ,示范接入 MIE 的 UWB无线系统仍须几年时间。这种技术仍未商业化。因此，我们没有越过多点接入技术去从事 UWB 网络问题的研究。 nts我们也已不再重视高数据率的 UWB技术的研究。 Time Domain 公司以及此类 公司已经实现了这一性能。我们将继续在理论上评估调制方法以提高数据率 , 解决 UWB 系统中的棘手问题。例如，迅速获得，多径漫游中的直径追踪，真实的环境性能预测等 . 除此之外， Ultra中心正在进行包括不同传输方式的测试 , UWB 和其他的无线系统间的干扰，端到端等测试。 2002 2004 2006 用于无线电或天线测试中的 无响应性能 特殊环境和应用中 UWB技术的前景预测 特殊环境高速率 UWB模型设计 软件视频的真实时间控制 可携带 UWB天线实验 完成 45-60G赫兹范围的 UWB无线传播实验的仪器 制造 研制出低功率 UWB无线系统的关键部分 使用检测设备对接到 MIE且传送的多媒体通路的无线系统进行硬件多点接入示范 用 UWB无线系统实现图象的收发分置 UWB射频标签的硬件演示 10.参考文献 1 R. A. Scholtz, R. Weaver, E. Homier, J. Lee, P. Hilmes, A. Taha, and R. Wilson, “UWB Radio Deployment Challenges” (invited), Personal Indoor Mobile Radio Conference, London, nts2 R. Jean-Marc Cramer, An Evaluation of Ultra-Wideband Propagation Channels, PhD dissertation, University of Southern California (2000). 3 Joonyong Lee and R. A. Scholtz, “Time of Arrival Estimation of the Direct Path Signal in UWB Communications” (invited, abstract only), National Radio Science Meeting, Boulder CO (2001). 4 Ali Taha and Keith Chugg, “Multiple Access Capacity of a Digital Impulse Radio in the Presence of Multipath Fading” (invited, abstract only), National Radio Science Meeting, Boulder CO (2001). 5 P. Sagetong and A. Ortega, “Optimal bit allocation for channel-adaptive multiple description coding”, in Proceeding. of VCIP 2000. 6 P. Sagetong and A. Ortega, “Analytical model-based bit allocation for wavelet coding with applications to multiple description coding and region of interest coding”, submitted to ICME 2001. nts多径条件下 UWB脉冲信号的最佳模板波形设计 摘 要 如果采用合适且与接收信号相匹配的模板，我们就能更有效的从接收信号中提取能量。多径条件下，各条路径经由不同的信道导致接收脉冲的波形畸变是由多种因素引起的。比如，不同的频率受到不同程度的弱化。由于接收的模板波形与接收信号不匹配，在这种情况下，即便将一条规范的理想视距直线路径作为模板也可能会降低系统性能，加之射频过程所固有的滤波性（天线，放大器等），常常很难确定哪怕是一条规范的视距直线路径的脉冲。本篇中我们阐述了最佳模板波形的设计方法以及用 UWB脉冲对 传统模板波形进行改进。 1. 绪 论 由于在每一时隙发送脉宽小于纳秒的脉冲，该脉冲电波具有良好的抗多径性能，在传输过程中具有较大的频谱和较少的循环周期。另一方面，在超宽带系统中高频比低频更易引发接收信号的畸变，甚至在室内接收信号的脉冲时延展宽是许多脉冲持续时间的叠加。以上的这些现象促使我们去设计一种算法以获得最佳模板波形，使接收端用最少的相关操作捕获最多的能量。信道的影响在一定程度上内嵌与接收信号中，我们便可以利用从空中接收来的信号计算最佳模板波形。这一点使我们的算法具有适应性，即接收信号随信道 的改变而改变，继而基于接收信号的最佳模板也相应调整。在南加利福尼亚大学无线电实验室中，我们用实验中获得的数据作为最佳模板算法和传统二次微分高斯波形的输入。将两种算法进行比较，前者的性能优于后者。只要接收信号内嵌有信道信息（包含模型中不易理解的天线部分），最佳模板算法就适用于各种不同的环境。此算法不仅适用于 UWB系统，也适用于各种通信系统。 第二节阐述了最佳模板的设计方法，第三节阐述了最佳单一路径模板波形的设计方法，第四节我们给出了小结。 nts2. 长尾模板 图 1 接收波形的测量值 图 2 正交模板算法的输出 在南加利福尼亚大学无线电实验室中，我们运用数字抽样示波器进行了九处测试，如图 1所示，它们是来自一台单脉冲发射机的接收信号。值得一提的是为获得更为稳定的测试结果，忽略瞬时影响，每一处的测试都是同一地点接收到的 256个样本的平均。我们以略高于奈奎斯特抽样率的速率进行抽样，并将抽样结果进行归一化处理得到单位能量，用向量表示为： 接着我们试图找出使下列方程有最大值的向量 ： 这里，我们试图找出与所有 ri最为趋近的向量，这样在接收端仅做一次简单的互相关操作就能 最大限度的捕获信号的能量。出于归一化的考虑，我们设 w具有单位能量，这是一个受限的最佳问题。 |w|=1，要解决最佳的问题，我们要使 ，矩阵 M的第 i列是 ri，由上式解出的 w就是使具有最大值的归一化本征向量。如果我们在接收端对接收到的信号仅进行一次相关操作，以上所求的归一化向量 w就是简单的最佳nts模板波形。当我们试图设计两个或两个以上的正交模板波形以达到最佳捕获信号能量时，该问题可被归纳为直接前向法。本征向量 w对应于矩阵 A的最大的本征值。因为 A是对称阵，所以模板波形具有正交性。图 2所示的 9个正交模板波形对 应于矩阵 A的 9个本征向量。经一次相关操作，第一行最左端的模板波形捕获了总能量的 58.39%，中间的捕获了 23%，其余的依次是 8.38%， 3.61%， 2.21%， 1.71%， 1.20%， 0.83%， 0.67%。经九次测试，我们就能用最多 9个单一长尾正交模板波形捕获全部能量。通过 A的研究，我们发现图 2所示的每个模板波形所计算得都是修正值与测量值间互相关的平均。 3.单路径模型 如图 1 所示，接收信号是经许多路径到达的信号的叠加。我们试图确定这些路径，并试图在独立路径的基础上找到最佳模板波形。在此情况下，我们希 望有一种短尾模板波形（它具有较小的时延展宽），为得到主导路径，我们用它进行多次叠加，定义如下新函数： r是典型的接收波形， nj和 cj分别对应于第 I条路径的时延和幅度。如上所示，我们假定该模型中仅存在 L条主导路径，为了获得满足函数最小值的 w,Cj和 nj。 用一给定波形 w作为初始估计。好的初始估计可以从上一节所讲的长尾模板经截取获得。基于初始波形计算出蕞佳 nj和 cj后（ j=1,2, L），我们用这些系数值 cj和延时值 nj找出长度为 m的最佳波形 w。接下来我们用新获得的最佳波形 w 计算新的系数权值和延 时，重复以上过程直至波形 w 最终收敛， w的长度 m是一项设计参数，它不能太小，如果 m太小，算法就有可能失效，就需要对接收信号进行多次相关以捕获信号能量。为此我们可以先选择一个初始的 m 值来获得模板波形，经若干次相关操作捕获接收信号的修正能量值，然后，我们逐步增加 m 值，重复相同的流程。如果想减少互相关的次数却可以捕获较大的能量，我们便增加 m 直至我们觉得不值得为减少互相关的次数而选择较长的模板波形或在一些点后模板波形的值非常微小。因此，如果知道了一个接收脉冲的宽度，我们便能简单的选择适合其脉宽的 m。 nts，下标 I是 w的 初始估计。抽样前的接收信号为 ， 是加性白噪声，它的功率谱密度为 。接收信号 含有多条延时路径，分别对应延时 和幅度 Ci ,I=1,2, l。将 L条主导路径进行叠加，忽略其余路径： 对 Ci 和 nj进行最大似然估计等价于对其进行最小均方估计， 为高斯白噪声。在用最小均方估计计算 C和 n时，忽略以上不相关的部分。如下所示： 这里 nts 运用（ 4）和（ 5）式得出的延时和幅度计算最佳的 w。重复以上过程，将新得到的w 替代 WI，直至最佳模板收敛于最终的公式。计算新的 w，我们需要使具有最小 值。在此方程中， r 是 维的向量， w是 维的向量，要使方程书写正确，我们需在 中添加 0，使 w也成为 维向量，如 ，我们在向量 w的开头添加了 个0，然后确定未知的系数和 wj，最终我们添加了 个 0，使 w成为 维的向量。 要求使 F具有最小值的 wj（ j=1,2, n） ,我们需要求 F对 wj的偏导，使该偏导的值为零。 最后一步是归一化模板波形，使其成为最佳受限单位能量。这样我们便可以将该模型在进行相关操作捕获能量的性能与其它的单位能量模板的性能进行比较。 Wopt是该算法的最佳模板波形的输出。 为确定该 算法是否收敛于 Wopt，我们遵循以下标准：若（ 为某定值）则停止算法，否则跳回步骤 2继续执行。 是经 k次循环后的算法输出。与精确度有关， 越小，近似值越精确。 nts图 3展示了该算法的输出， Wopt和高斯二次微分波形。图 4展示了算法的流程。 图 3：最佳模板波形和高斯二次微分波形 图 4：算法流程 如（ 4）式所示，用非线性穷举法找寻最佳主导路径到达的时延值，在相邻路径的重nts叠可忽略的情况下，我们也可简单的运用近似最佳的线性搜寻法，（ 7）对此作出了解释。从（ 4）式中我们可以看出矩阵 R 及其逆矩阵都是强 对称的。（ 4）式就是要找出使 获得最大值的 n。我们对主导路径单独考察，一种简单的方法就是找出使 X幅度达到最大值的 n。值得注意的是这种近似算法只有在相邻信道间没有重叠时方能达到最值。由于脉冲的脉宽极宽，因而它有着良好的抗多径能力，我们就可以适当的采用近似最佳算法。实验结果是具有高精度且与最佳算法相匹配的近似算法的输出，在这里是经快速线性近似最佳算法的结果。用计算机仿真该算法，产生出大量数据表明在不同的多径环境中，甚至两条不同的路径相互重叠，该算法都能很好的确定路径。 在算法的每一重循环中，对任意给定的 w(t)， 和 是不同路径幅度和延时的最大似然结果。尤其是 ，它是通过穷举法得到的。使 和接收波形 r(t)之间的幅度差异达到最小。由于 AWGN, 是均方估计的结果，它将使均方误差达到最小。综上所述，我们发现在任一循环中，不同路径的幅度的延时经估计后，其均方误差就会变小。循环的第二部分，在给定幅度和延时的前提下，我们通过求偏微分使均方误差就会。因此经第二部分循环后，我们就能获得更小的均方误差。 如图 1所示，第一行左侧图是 L=3时的运算结果。作为算法输入的初始估计是高斯二次微分波形。对于高斯二次微分波形，算法 的输出使三条主导路径捕获的能量比原来提高了 0.93dB。在其他实验中运行该算法也得到了类似的结果。该算法的收敛速度较快。实际经两次循环后就几乎没有性能的提升了。图 3展示了高斯二次微分波形和最佳模板。 为了阐明该算法的鲁棒性，我们使用了一种较差的模板波形作为初始估计，即脉宽为 ns，具有单位能量的矩形脉冲，其捕获的能量占总能量的 7%。图 3展示了该算法经两次循环后的模板波形，它捕获的能量占总能量的 97%，这与高斯二次微分方程作初始估计所得结果相近。与高斯二次微分模板波形相比，最佳模板从接收信号中提取能量的性能 提高了 0.9dB，甚至使 UWB脉冲的边缘更趋平缓。 4. 小 结 nts 我们介绍了最佳模板波形的两种设计方法：一种是只经一次相关操作的长尾模板；一种是经多次相关操作的短尾模板；我们阐述了在多径条件下，如何设计最佳模板，即用最少的相关捕获最多的能量。仿真的结果证实了我们的循环算法的鲁棒性和精确性。将实验室中所得的真实数据代入该算法，我们发现该算法在多径中确定主导路径的性能出色。以该算法估计得出的最佳模板波形比传统的模板提高了 0.9dB。这是一个普遍的算法，它适用于除脉冲外的其他通信系统。由于脉冲有良好的 多径性能，我们就能用近似最佳的算法 穷举法来替代算法中的线性部分。该算法通过接收路径估计模板波形，而信道的特性也暗含在最佳模板波形的的设计中。 ntsON DESIGNING THE OPTIMAL TEMPLATEWAVEFORM FOR UWB IMPULSE RADIO IN THEPRESENCE OF MULTIPATHAli Taha , Keith M. ChuggCommunication Sciences InstituteUniversity of SouthernCaliforniaLos Angeles, CA 90089-2565taha , chuggABSTRACTUsing an appropriate template waveform matched tothe received signalallows extracting the energy of thereceived signal eciently. This eciency becomes vi-tal for Ultra Wide Bandwidth (UWB) Impulse Ra-dio in the presence of multipath, where each pathundergoes a dierentchannel causing distortion inthe received pulse shape due to a varietyoffactorssuch as dierentamounts of attenuation for dier-ent frequencies 1, 2. In such a situation, using aclean ideal line of sight path signal as a template maydegrade the performance due to the mismatches be-tween the template waveformand the received signal.Furthermore, because of inherent ltering in the RFprocessing (i.e., antennas, ampliers, etc.), it is oftendicult to determine even such a clean line of sightpulse. In this paper, algorithms for designing opti-mal template waveforms for UWB Impulse Radio aredeveloped and the improvementover a more tradi-tional template waveform used for this kind of radiois illustrated.1. INTRODUCTIONDue to sending a sub-nanosecond pulse in each frameperiod, impulse radio enjoysavery high multipathresolution capabilityandavery low duty cycle sig-nal with huge spread spectrum processing gain 3,4, 5. On the other hand ultra-wide bandwidthsuggests that the higher frequencies attenuate morethan the lower frequencies 1, 2, causing distortionin the shape of the received pulse. The delay spreadof the impulse radio received signal is many manypulse durations even for indoor applications. Thesephenomena motivateus to design an algorithmwhichderives an optimal template waveformat the receiverthat captures the most amount of energy with theleast number of correlations. Since the eects of thechannel are somehowembedded in the received sig-nal, we can compute the optimal template waveformbased on the received signal online. This makes ouralgorithm adaptive, since with changes in the chan-nel, the received signal changes, and so does our opti-mal template based on the received signal. Weshowthe improvementachieved by this optimal templatewaveform compared to more traditional second orderderivative of Gaussian waveform 6, by applying ouriterative algorithm to real data obtained from mea-surement experiments taken in the Wireless RadioLab of the University of Southern California. Usingour template waveform algorithm helps us adapt ourtemplate to dierentenvironments based on the re-ceived signal whichembodies all the channel charac-teristics, including those of the antennas on the wave-forms which are sometimes not well-understood. Thealgorithm developed in this section is not limited toUWB systems only, and can be applied to any kindof communication system.In Section II, optimal long-tailed template wave-form design is presented, which then leads us to de-sign optimal single path template waveform in Sec-tion III. Conclusion remarks are made in section IV.2. LONG-TAILED TEMPLATEUsing the digital sampling oscilloscope, 9 measure-ments have been taken in the Wireless Radio Lab ofthe University of Southern California. These mea-surements are shown in Fig. 1. These are the re-ceived signals from a pulser that generates monocy-cles. It is worth mentioning that each measurementis the average of 256 received proles at the samelocation to get a more stable measurement and ne-glect some transient eects. We sample each mea-surement at a rate greater than Nyquist rate andnormalize them to have unit energy. After these pro-cedures, we representeach measurementbyavector,nts0 10 200.4Time (nanoseconds)Amplitude (Volts)0 10 200.4Time (nanoseconds)Amplitude (Volts)0 10 200.4Time (nanoseconds)Amplitude (Volts)0 10 200.4Time (nanoseconds)Amplitude (Volts)0 10 200.4Time (nanoseconds)Amplitude (Volts)0 10 200.4Time (nanoseconds)Amplitude (Volts)0 10 200.4Time (nanoseconds)Amplitude (Volts)0 10 200.4Time (nanoseconds)Amplitude (Volts)0 10 200.4Time (nanoseconds)Amplitude (Volts)Figure 1: Measurements from the UWB radio re-ceived waveform taken at the Wireless Radio Lab atthe University of Southern Cly, ri=ri1ri2:rint,fori =1;2;:;9: Nowwend the vector w =w1w2:wntfor which the func-tion,F =NXi=1j j2(1)is maximum. In this case, we nd the nearest vectorto all the measurementvectors in the sense that itcaptures the most energy out of the measurements ifwe just want to do a single correlation at the receiver1.We set w to be of unit energy for normalizationpurposes. This is a constrained optimizationproblem(e.g., see appendix C in 7) with kwk =1: Solvingthis optimization problem, weget(A + I)w =0where A = M Mtand M is a matrix whose ithcolumn is ri. Therefore, w is simply the normal-ized eigen vector of matrix A corresponding to itslargest eigen value since F = wtAw = wt(;w)=;kwk2= ;. This normalized eigen vector is sim-ply the optimal template waveform when wewanttodo only one correlation against the received signal atthe receiver. This problem can be generalized in astraightforward manner to the case when wewanttodesign two or more orthogonal template waveformsthat capture the energy of the received signal opti-mally. The solution is the eigen vectors correspond-ing to the largest eigen values of matrix A. Sincethe matrixA is symmetric, these template waveformscan be selected orthogonal. Fig. 2 shows 9 orthonor-mal template waveforms corresponding to the ninenonzero eigen values of matrix A. The rst template1This is equivalent to a LS criterion when kwk is con-strained to be constant.0 10 200.4Time (nanoseconds)Amplitude (Volts)0 10 200.4Time (nanoseconds)Amplitude (Volts)0 10 200.4Time (nanoseconds)Amplitude (Volts)0 10 200.2Time (nanoseconds)Amplitude (Volts)0 10 200.2Time (nanoseconds)Amplitude (Volts)0 10 200.4Time (nanoseconds)Amplitude (Volts)0 10 200.4Time (nanoseconds)Amplitude (Volts)0 10 200.2Time (nanoseconds)Amplitude (Volts)0 10 200.500.51Time (nanoseconds)Amplitude (Volts)Figure 2: Orthonormal templates as the output ofthe algorithm.waveform at the upper left corner of the gure cap-tures 58:39% of the total energy contained in all themeasurements by just one correlation with each mea-surement. The second template in the upper middleof the gure, captures 23% of the total energy out ofall the measurements with just one correlation witheach measurement. The rest of the templates cap-ture 8:38%;3:61%;2:21%;1:71%;1:20%;0:83%;0:67%respectively.For nine measurements, we should beable to capture the whole energy with at most ninesingle long-tailed orthonormal template waveforms.By looking at matrix A,we see that each elementsomehow computes the average of the correlationbetween two specied components of each measure-ment, over all the measurements.3. SINGLE PATH TEMPLATEAs Fig. 1 shows, there are a lot of paths in the re-ceived signal. Wewant to resolve the paths and ndthe optimal template waveform based on these in-dividual paths. In that case we desire a short-tailedtemplate waveform(i.e., with support much less thanthe delay spread) and wemay use it to do a selectivemultiple combining 8 for the most dominant paths.Dene the new objective function F asF = jr;LXj=1cjw(n ;nj)j2(2)where risatypical received waveform,njis the delayassociated to its jth path and cjis the correspondingamplitude. As the above formulasuggests, we assumeonly the rst L dominant paths in our model. In or-der to minimize F with respect to w, cjs, and njs,ntswe rst minimize F conditioned on a given waveformw as an initial estimation. A good initial estima-tion can be the truncated version of the long-tailedtemplate waveform obtained in the last section. Af-ter nding the optimized values of cjs and njs forj =1;2;:;L based on this initial waveform, weusethese values of the coecients cjs and delays njs tond the optimized waveform w of length m. Nowwe use this new optimized waveform w to computethe new values of the coecients and delays and werepeat this procedure again and again until conver-gence occurs for the waveform w. The length of w,m, is a design parameter. If we assign a very smalllength for the template waveform, then it will not beeective, since it requires more correlations againstthe received signal to capture the same amountofenergy. Therefore, we can choose an initial value form, and then obtain the template waveform and com-pute the number of correlations to capture a speciedamount of energy out of the received signal. Then weincrease m, and repeat the same procedure again. Ifthe reduction in the number of correlations to cap-ture energy is signicant, we increase m again up tothe point where the reduction is not worth choosing alonger template waveform or we get negligible valuesfor the template waveform after some point. For thecase when we know the width of one received pulse,we can simply choose m such that it meets the widthof the pulse. So F = j(r ;PLj=1cjwI(n ; nj)j2where subscript I means the initial estimation forw. Assume the received signal before sampling asr(t)=s(t)+n(t) where n(t) is the additive whiteGaussian noise with power spectral level ofN02: Thereceived signal r(t) consists of several paths at spe-cic delays ni= in;i =1;2;:;L, and amplitudescis, for i =1;2;:;L: Assuming selectivecombiningfor the rst L dominant paths, we ignore the rest ofthe paths:r(t)=LXi=1ciw(t ;ni)+n(t) (3)Finding the maximum likelihood (ML) estima-tor is equivalent to nding the Minimum MeanSquared Estimates (MMSE) of cis and nis, be-cause n(t)isAWGN. Dening c =c1c2:cLtandn =n1n2:nLtand ignoring the irrelevanttermofthe aboveintegral in calculating the MMSE of c andn we get the following estimations 6:n = argmax(X+(n)R;1X(n) (4)andc = R;1X(n) (5)whereX(n)=ZT0r(t)0BBBw(t; n1)w(t; n2).w(t; nL)1CCCAdt (6)and the correlation matrix R isR =0BBBR(n1; n1) R(n1;n2) R(n1; nL)R(n2; n1) R(n2;n2) R(n2; nL).R(nL; n1) R(nL;n2) R(nL; nL)1CCCA(7)where R(ni;nj)=RT0w(t; ni)w(t ;nj)dt.Using the values obtained for delays and ampli-tudes in (4) and (5) to compute the optimal w,werepeat the whole procedure with our new w insteadof wIuntil the optimal template waveform convergesto its nal format. In order to compute the new w ,weneedtominimize F = jr ;PLj=1cjw(n ; nj)j2.In this equation, r is an n 1vector, and w is anm 1vector, and in order to write the above equa-tion correctly,we need to add zeros to each w(n; nj)suchthatitbecomesavector of order n 1too,i.e., w(n ; nj) = 00:0w1w2w3:wm000:0twherewehave added njzeros at the beginning of thevector, and then wehave the unknown coecients,wjs, which are to be determined, and nally weaddn ; m ; njzeros to complete the dimension as ann1vector.In order to minimize F with respect to wjs forj =1;2;:;m,we need to take the derivatives of Fwith respect to each wjand equate them to zero.Fwp=2LXk=1c2kwp+2LXk=1Xlm,or j0. The above linear system of equations canbe solved for the given values of cis and njs usingany standard algorithm for solving a linear systemof equations available in anynumerical computationbook.ntsThe last step is to normalize the template wave-form obtained from all the above steps in order tomake it of unit energy as the constraint of our op-timization, so that we can compare its performancewith any other unit energy template in terms of theamount of the captured energy after correlation.wopt=wkwk(9)where woptis the optimal template waveform as theoutput of our algorithm.In order to determine whether the algorithm hasconverged to woptor not, we can use the followingcriterion: If kw(k+1)opt;w(k)optk for some positive ,then stop running the algorithm, otherwise continuefrom step two. The output of the algorithm after thekth iteration has been denoted by w(k)opt. Here, depends on the accuracy needed. The smaller the ,the better the approximation. Fig. 3 demonstratesthe output of the algorithm, wopt, along with thesecond-order derivative of Gaussian waveform. Fig.4 shows the owchart of the algorithm.0 0.2 0.4 0.6 0.8 1 1.2 1.4 1.6 1.8 20.30.20.6Time (ns)Amplitude (V)Dash: SecondOrder Derivative of Gaussian WaveformSolid: Optimal Template WaveformFigure 3: Optimal template along with the second-order derivativeofGaussianwaveformAs (4) suggests, there is a nonlinear complexity as-sociated to the exhaustive search for nding the op-timal values of the dominant pathss arrival times.However, we can simply use a suboptimal linearsearch when we assume a negligible overlap betweenadjacent paths. This can be explained by looking at(7). In this case, we can see that matrix R becomesstrongly diagonal, so does its inverse in (4). There-fore, (4) suggests that we need to search for thosevalues of n where kXk2becomes maximum. Sincewe can search for each dominant path independentlyin this case, this simply means to nd those values ofInitialEstimationfor w(t)Non-LinearExhaustiveSearch for nLinear Algorithmfor Finding cLinearAlgorithm forw(t)Figure 4: Flowchart of the algorithmn for which the magnitude of each componentofX ismaximum. This is a linear complex searchintermsofthe number ofcomponents ofX.Itisworth mention-ing that this suboptimal algorithm becomes optimalfor the case when there is no overlap between theadjacent paths at all. Because of the excellentmulti-path resolution capability of impulse radio due to itsultra wide bandwidth, we can employthe suboptimalalgorithmwith some condence. Since the results ob-tained by the suboptimal algorithm match those ofoptimal algorithm with a high precision, the resultspresented here reect those obtained by running thefast linear suboptimal algorithm. Running the sub-optimal algorithm on a various generated data usingcomputer simulation has shown that the algorithmresolves the paths successfully under dierentmul-tipath scenarios where two dierent paths can evenoverlap with each other.For anygiven w(t)ateach iteration of the algo-rithm, cis and nis are the maximumlikelihood esti-mates of the amplitudes and delays of dierent paths.Specically, nis are obtained through an exhaustivesearch to minimize the magnitude of the dierencebetweenPLi=1ciw(t;ni) and the received waveformr(t). Also at the sametime,due to the AWGN natureof the problem, cis are mean squared estimationsntswhich minimize the mean squared error. By theseexplanations, we see that after estimating the ampli-tudes and delays of dierent paths, the mean-squarederror becomes smaller during any iteration. For thesecond part of each iteration, given the estimates ofamplitudes and delays, we compute the shape of thetemplate waveform by taking derivatives to minimizethe mean-squared error; therefore, we get a smallermean-squared error after the second half of each iter-ation. Since the sequence of mean-squared errors is adecreasing sequence bounded from belowby zero, weconclude that this sequence is convergent.Running the algorithm when L = 3 for the mea-surementshown in the upper left of Fig. 1 and withthe initial estimationas the input to the algorithmtobe the second-order derivative of Gaussian waveform,demonstrates about 0.93 dB improvementin terms ofthe captured energy out of the three most dominantpaths with respect to that of second order derivativeof Gaussian. Similar results are obtained by runningthe algorithmon the rest of the measurements. Also,the algorithm converges very fast, and in fact afterthe second iteration, there is no more improvement.This veries the optimalityof our template waveformshown in Fig. 3 over the second order derivativeofGaussian.To demonstrate the robustness of the algorithm,we consider a very bad initial estimation of the tem-plate waveform, which is just a unit energy rectangu-lar pulse (Flat Templat
- 温馨提示:
1: 本站所有资源如无特殊说明，都需要本地电脑安装OFFICE2007和PDF阅读器。图纸软件为CAD,CAXA,PROE,UG,SolidWorks等.压缩文件请下载最新的WinRAR软件解压。
2: 本站的文档不包含任何第三方提供的附件图纸等，如果需要附件，请联系上传者。文件的所有权益归上传用户所有。
3.本站RAR压缩包中若带图纸，网页内容里面会有图纸预览，若没有图纸预览就没有图纸。
4. 未经权益所有人同意不得将文件中的内容挪作商业或盈利用途。
5. 人人文库网仅提供信息存储空间，仅对用户上传内容的表现方式做保护处理，对用户上传分享的文档内容本身不做任何修改或编辑，并不能对任何下载内容负责。
6. 下载文件中如有侵权或不适当内容，请与我们联系，我们立即纠正。
7. 本站不保证下载资源的准确性、安全性和完整性, 同时也不承担用户因使用这些下载资源对自己和他人造成任何形式的伤害或损失。
人人文库网所有资源均是用户自行上传分享，仅供网友学习交流，未经上传用户书面授权，请勿作他用。
川公网安备: 51019002004831号