《智能天线》ppt课件

1、3.8 3.8 智能天线智能天线 学习目的 了解智能天线的原理 了解智能天线的接纳准那么 了解智能天线中常用的自顺应算 了解智能天线的作用3.8 3.8 智能天线智能天线 3.8.1智能天线的原理 3.8.2智能天线的接纳准那么 3.8.3智能天线中常用的自顺应算3.8.4智能天线的作用 利用智能天线，借助有用信号和干扰信号在入射角度上的差别，选择恰当的合并权值，构成正确的天线接纳方式，即将主瓣对准有用信号，低增益副瓣对准主要的干扰信号，从而可更有效的抑制干扰，更大比例的降低频率复用因子，和同时支持更多用户。 从某种角度可将智能天线看作是更灵敏、主瓣更窄的扇形天线。另外，智能天线可以经过构成多

2、波束来获得额外信道，而不需求分配额外频谱，从根本上添加了频谱效率。智能天线的又一个益处是可减小多径效应。 3.8.13.8.1智能天线的原理智能天线的原理 智能天线之所以称其为智能天线，“智能不是在于天线，而在于信号处置。在最简单的情况下，天线信号的合并是采用权值矢量进展线性合并，如图3-35所示. 作为不同天线输出信号的合并器。智能天线定义强调的是利用从不同空间位置得到的信号，或者也可以说智能天线利用了信道的方向性。具有多天线的接纳机能区分不同到达方向的多径分量。输出信号y(i)(1ir)(irrN)(2ir权重自顺应+XXX)(1iw)(2iw)(iwrN.图3-35 智能天线构造 对一个

3、等间距的元直线阵 ，假设阵元间距为 ，信号波长为 ，信号 从相对阵轴法线夹角为 的方向入射，如图3-37所示，那么t时辰 个阵元信号的向量和是 MdXMMiijetXtY1)1()()(式3-17sin)/(2d式3-18式中，天线阵的方向图仅由下式确定 式3-19MiijeA1)1()(2)(lg10)(Ap归一化方向图以分贝表示为 式3-20 假设坚持间距不变，添加无方向性的阵元数，由上式可推得当阵元数添加时，方向图主瓣的宽度将减小，并且零点和旁瓣添加。 假设天线阵阵元数少，那么对干扰信号进展抑制的零点构成明显减少，这样就减小了在所希望的方向上作用区的灵敏度。抑制这种情况的方法之一是运用大

4、型天线阵，提高自顺应零点控制的才干。当然随阵元数的添加，费用和复杂性也随之添加。因此在阵的分辨才干、旁瓣电平以及对详细方向上的作用区内所要求的阵元数之间，应该进展综合思索。 3.8.2 3.8.2 智能天线的接纳准那么智能天线的接纳准那么 在波束构成中，权向量经过代价函数的最优化来确定，代价函数的不同，分别对应着不同的方法，这些方法都是经过求适宜的权向量来最优化代价函数。自顺应波束构成技术经过了几十年的开展，已有许多文献专著专门来引见波束构成的根本原理和准那么。常用的根本准那么包括：最小均方误差准那么、最大信噪比准那么和最小方差准那么等。 最小均方误差准那么旨在使估计误差的均方值最小化，是运用

5、最广泛的一种最正确准那么。定义参考信号为，那么阵列输出与参考信号的均方误差为 式3-21)()()()()(tXWtdtYtdteH 为使的均方值最小，代价函数取为 式3-22 | )(|2teEJ 展开得 式3-23 式3-24其中， ，为输入信号 的自相关矩阵， 为输入信号 和参考信号 的相互关矩阵。 | )()(|2tXWtdEJHWRWrWtdExxHxdHRe2| )(|2)()(tXtXERHxx)(tX)()(tdtXErxd)(td)(tX 取最小值的最正确权 ，可由令其对 的梯度为零求得 式3-25得到最小均方误差准那么下的最优全向量 式3-26此解是一种最优维纳解。Jopt

6、WW022xdxxrWRJWxdxxoptrRW1 另外两种根本准那么为最大信噪比准那么和最小二乘准那么。其中最大信噪比准那么旨在使有用信号功率和干扰噪声功率之比最大，常用于通讯系统中，以实现系统误码率的要求。它的代价函数为 式3-27 据此代价函数求出最优权向量。WRWWRWtUWEtSWEJSINRuuHxxHHH| )(| )(|22 最小二乘准那么旨在使如下的加权平方误差累计代价函数最小，由此得出代价函数为： 式3-28同理求出最优权向量。 虽然这三种准那么从外表上看相差很大，但可以证明它们的联络非常严密，最优权向量都是维纳解的特例。因此，选择哪一种准那么并不具有决议意义，而选择哪一种

7、算法进展波束方向图的调整却非常重要的。tkktketJ12| )(|)(3.8.33.8.3智能天线中常用的自顺应算法智能天线中常用的自顺应算法 经过算法可以自动地调整天线增益的权值以便实现所需求的空间滤波和频率滤波。通常对算法的根本要求是收敛快、稳定性好、计算量不能太大、硬件实现容易。目前己经提出的算法有很多，根据计算权矢量所必需的参考信号信息方式大体可分为三种：时间参考方式、盲处置方式和空间参考方式。 1基于时间参考方式的算法 基于时间参考方式的算法根据最小均方误差准那么，利用导引信号来恢复信号。这类算法收敛速度较快，可以实现实时跟踪，非常适宜多径丰富且信道特性变化猛烈的环境，缺陷是需求系

8、统发射训练序列，会占用一定的系统频谱资源。下面列举几种常用的算法。 最小均方误差算法LMS一Least Mean Square基于最小均方误差准那么，运用了梯度估计的最陡下降原理，适用于作环境中信号的统计特性平稳但未知的情况。算法迭代公式如下： 式3-29 式3-30 式3-31)()()()()()(tYtdtetXtWtYH_)()()() 1(tXtetWtW 其中 ，为迭代步长，它决议着算法收敛的速度，取值必需满足 才干保证算法收敛。LMS算法的收敛性态取决于相关矩阵凡的特征构造，当其特征值相差很大时，算法收敛速度很慢，同时受输入信号的功率变化的影响。但是由于算法简便易于实现，它依然得

9、到了广泛的运用。 为了减小收敛速度对输入信号功率的依赖性，可引入归一化技术，令式上式变为 式3-32 式3-33 10)()()()() 1(tXtettWtW2)()(tXt 这时的算法称为归一化最小均方误差算法NLMS-Normaliezd_LMS，收敛条件是 。 NLMS算法根据输入信号的功率调整迭代步长，收敛速度要比LMS算法快，但是它的收敛性依然取决于相关矩阵的特征构造。 递归最小二乘算法RLS-Recursive Least Squares基于最小二乘准那么，利用从算法初始化后得到的一切阵列数据信息，用递推方法来完成采样相关矩阵的求逆运算。RLS算法无需直接进展矩阵求逆运算，因此收

10、敛速度快，对特征值的分布度不敏感，且能实现收敛速度与计算复杂性之间的折衷。普通在大信噪比的情况下，RLS算法要比LMS算法的收敛速度快一个数量级。10 2基于盲处置方式的算法 基于盲处置方式的算法只利用接纳信号本身的特征构造来恢复信号，这些特征构造包括恒模性、非高斯性、循环平稳性、有限码集特性等。这类算法通常也称为盲波束构成算法，它们不需求导引信号，提高了频谱的利用率，可运用于不同的传播环境。缺陷是收敛性能差，且在复杂信道中能够不收敛或收敛到干扰信号。在近年来流行的盲算法中，恒模算法无需时间同步，运算复杂度相对较低，实现起来比较简单。 3基于空间参考方式的算法 基于空间参考方式的算法利用阵列呼

11、应的先验知识，确定同时处在空间某一区域内感兴趣信号的空间位置，然后根据到达角DOA-Direction of Arrival信息建立最优波束构成器。这类算法需求进展DOA估计和波束构成两个过程，因此计算量大，而且可以估计出的DOA的数目受限于天线阵元的个数。基于DOA估计的方法主要有：多重信号分类算法、旋转不变信号参数估计算法、加权子空间拟合算法、最小范数算法等。其中，多重信号分类算法以其良好的性能而得到广泛运用。 多重信号分类算法MUSIC-Multiple Signal Classification的原理为：假设天线阵元数比信号源数多，那么天线接纳的信号分量一定位于一个低秩的子空间，在一定条件下，这个子空间将独一确定信号的波达方向，并且可以利用数值稳定的奇特值分解来准确确定波达方向。 MUSIC算法在信号源独立且阵元数大于信号源数情况下，有很高分辨率。但在实践中，信号都具有一定相关性，假设相关性比较强时，MUSIC算法就不能把信号分别出来，估计误差