波束形成算法的研究与仿真.docx

波束形成算法的研究与仿真.docx

《波束形成算法的研究与仿真.docx》由会员分享，可在线阅读，更多相关《波束形成算法的研究与仿真.docx（15页珍藏版）》请在冰豆网上搜索。

波束形成算法的研究与仿真

分类号：

UDC：

D10621-408-（2014）****-0

密级：

公开编号：

填写自己的学号

XX学院

学位论文

波束形成算法的研究与仿真

论文作者姓名：

××

申请学位专业：

电子信息工程

申请学位类别：

工学学士

指导教师姓名（职称）：

××（××）

论文提交日期：

2014年9月18日

独创性声明

本人声明所呈交的学位论文是本人在导师指导下进行的研究工作及取得的研究成果。

据我所知，除了文中特别加以标注和致谢的地方外，论文中不包含其他人已经发表或撰写过的研究成果，也不包含为获得成都信息工程学院或其它教育机构的学位或证书而使用过的材料。

与我一同工作的同志对本研究所做的任何贡献均已在论文中作了明确的说明并表示谢意。

签名：

日期：

2014年9月18日

关于论文使用授权的说明

本学位论文作者完全了解成都信息工程学院有关保留、使用学位论文的规定，有权保留并向国家有关部门或机构送交论文的复印件和磁盘，允许论文被查阅和借阅。

本人授权成都信息工程学院可以将学位论文的全部或部分内容编入有关数据库进行检索，可以采用影印、缩印或扫描等复制手段保存、汇编学位论文。

（保密的学位论文在解密后应遵守此规定）

签名：

日期：

2014年9月18日

波束形成算法的研究与仿真

摘要

随着移动通信的发展，人们对数据流量的需求越来越高，因此，提高频谱效率、能量效率、系统容量等成为当下研究的热点问题。

智能天线是解决这一问题的关键技术，其核心为波束形成算法，而算法的复杂度，收敛速度等是判断一个算法性能是否优良，是否能够适用于更多系统的关键。

因此，寻找一个结构简单，性能良好的波束形成算法成为研究的热点问题。

本文以研究波束形成算法为主体，分析了智能天线的优缺点，给出了分析波束形成算法的准则，并主要关注数字波束形成算法，在比较多种波束形成算法后，着重研究了半盲波束形成算法，并且提出半盲最小二乘波束算法，最后通过仿真结果，呈现了本文提出的算法的优势。

关键词：

波束形成，智能天线，盲自适应算法，半盲自适应算法。

ResearchontheBeamformingAlgorithmandSimulations

ABSTRACT

Withthedevelopmentofmobilecommunications,thedemandfordatatrafficisincreasing,therefore,improvespectralefficiency,energyefficiency,systemcapacityandsobecomeahotissueinthepresentstudy.Smartantennaisakeytechnologytosolvethisproblem,thecoreofbeamformingalgorithms,andalgorithmcomplexity,convergencespeedistodeterminewhethertheexcellentperformanceofanalgorithm,thesystemisabletoapplymorecritical.Therefore,tofindasimplestructure,goodperformancebeamformingalgorithmhasbecomeahotissue.

Inthispaper,themainresearchbeamformingalgorithmtoanalyzetheadvantagesanddisadvantagesofsmartantenna,givesguidelinesforanalyzingbeamformingalgorithm,andmainlyfocusondigitalbeamformingalgorithmsAftercomparingavarietyofbeamformingalgorithm,focusesonthesemi-blindbeamformingalgorithm,andthebeamleastsquaresalgorithmproposedsemi-blind,andfinallythroughthesimulationresults,showingtheadvantagesoftheproposedalgorithm.

Keywords:

Beamforming,smartantenna,blindadaptivealgorithm,semi-blindadaptivealgorithm.

第一章绪论

20世纪90年代以来，无线通信技术在不断发展。

有限的无线资源面临着通信数据大爆炸的困境，而解决这个问题的一条主要途径就是开发智能天线。

智能天线是近年来移动通信领域中的一个研究热点，是解决频率资源匮乏的有效途径，同时还可以提高系统容量和通信质量[1]。

1.1研究背景

智能天线利用数字信号处理技术，阵列信号处理以及自适应滤波发展而来[2]。

它能够产生空间定向波束，使天线主波束对准用户信号到达方向，旁瓣或零陷对准干扰信号到达方向，以达到充分高效利用移动用户信号并消除或抑制干扰信号的目的[3]。

智能天线能够根据用户用户位置，调整波束的方向和角度，利用可控天线，达到自动调整天线阵列方向的目的，进而实现最佳的接收效果[4][5]。

智能天线是一个具有良好应用前景且尚未得到充分开发的新技术，是第三代移动通信系统中不可缺的关键技术之一。

1.2国内外研究现状

智能天线潜能巨大，国内外多个国家都投入巨大精力进行研究。

世界各国都非常重视智能天线技术及其在未来移动通信方案中的地位与作用，纷纷开展了大量理论分析和研究，并建立了一些技术试验平台。

在工程应用方面，欧洲通信委员会（CEC）在RACE计划中，实施了第一阶段智能天线技术研究，在基站上建造了智能天线实验平台，天线阵由8个阵元组成，阵元分布有直线型、圆环型和平面型三种形式。

日本ATR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，并提出了基于智能天线的软件天线概念。

AT&T设计了一个4阵元自适应天线。

并且我国也参与研究，TD—SCDMA中就采用了智能天线技术，目前主要用于移动通信中的基站，是一种安装在基站现场的双向天线。

在理论算法方面，波束算法可分为非盲算法和盲算法两类。

前者需要借助参考信号，后者无需任何参考信号和导频信号。

经过学术界得研究，目前也有很多更为简单易行的自适应算法出现。

波束形成算法可归纳总结为三种形式：

空间参考方式，时间参考方式以及盲处理方式。

良好的自适应算法往往对硬件要求较高，较难在实际中部署和实现，并且算法的选择也需要根据实际情况，如信道状态、业务标准等进行选择。

1.3本文结构和内容

本文在如下几章中将介绍：

第二章介绍智能天线，包括其优缺点和在实际应用中的实现难点；第三章介绍自适应波束形成的判断准则；第四章着重介绍波束形成算法，包括常见的非盲自适应算法，盲自适应算法以及本文着重分析的改进的半盲自适应算法。

第五章中，会通过仿真结果呈现半盲自适应算法的优势。

第六章是对全文的总结分析。

第二章智能天线

2.1智能天线简介

智能天线又称自适应天线阵列、可变天线阵列、多天线。

智能天线指的是带有可以判定信号的空间信息（比如传播方向）和跟踪、定位信号源的智能算法，并且可以根据此信息，进行空域滤波的天线阵列。

智能天线采用空分复用（SDMA）方式，利用信号在传播路径方向上的差别，将时延扩散、瑞利衰落、多径、信道干扰的影响降低，将同频率、同时隙信号区别开来，和其他复用技术相结合，最大限度地有效利用频谱资源。

早期应用集中于雷达和声呐信号处理领域，20世纪70年代后被引入军事通信中。

智能天线由天线阵列、A／D和D／A转换、自适应算法控制器和波束形成网络组成。

其中波束形成网络是由每个单元天线的空间感应信号加权相加，其权系数为复数，即每路信号的幅度和相位均可以改变。

自适应控制网络是智能天线的核心，该单元的功能是根据一定的算法和优化准则来调节各个阵元的加权幅度和相位，动态的产生空间定向波束。

其结构图如下：

图1智能天线结构

波束形成技术是智能天线能否实现的关键。

简单地说，波束形成就是将天线阵列上接收到的信号变换到基带，然后进行相应的空间谱处理，获得该信号的空间特征矢量和矩阵以及信号的功率估值和DOA估值。

在此基础上，依据一定的准则，计算信号在各个天线阵元的加权矢量，生成多个高增益的动态窄波束来跟踪多个期望用户。

可以说波束形成是一种空间滤波方法，目的是从信号、干扰和噪声混在一起的输入信号中提取期望信号。

在接收模式下，抑制来自窄波束之外的信号；而在发射模式下，使期望用户接收的信号功率最大，同时使窄波束范围以外的非期望用户受到的干扰最小。

2.2智能天线技术优点

智能天线对于移动通信系统的贡献，在于它能够成倍地提高通信系统的容量，有效地抑制各种干扰、抗衰落、降低成本，并改善通信质量。

其主要表现如下：

1）智能天线抗衰落、抗干扰的特性，使得它能提供更广泛的系统覆盖方位，改善通信系统质量，能够有效节省发射功率。

2）智能天线利用空分多址技术，该技术能够有效抵抗信号之间的干扰，提高频谱利用率，因此对于改善系统容量有很大帮助。

智能天线的利用，能够使天线波束变窄，将能量集中在一个方向，减少移动通信系统的同频干扰，提高频谱效率。

因此，无需更新现有设备也能够有效改善系统性能。

3）通过利用智能天线能够对移动设备准确定位。

通过估计用户的到达角等信息获取用户位置，对向其发射的信号进行加权处理。

4）智能天线与以往的扇区天线和天线分集技术不同，能够向特定用户提供窄波束，使能量控制在有限的范围和方向上。

总之，智能天线的利用有效地改善了系统的性能，能够为系统提供更好的通信质量和频谱效率，具有很好的应用前景。

2.3智能天线实现中的问题

智能天线从提出至今，已经取得了很大的进展，但仍未达到完全成熟的阶段，在其发展的过程中，有很多关键技术亟待解决，其中包括：

1）全向波束和赋形波束：

全向信道要求更高的发射功率。

2）共享下行信道及不连续发射：

在提供IP型数据业务的移动通信系统中，均设计了多用户共享的上下行信道，并在基站和用户终端使用不连续的发射技术，在使用智能天线的基站中，由于用户移动，基站不可能知道用户的位置。

3）实时自动校准技术:

在智能天线中，对移动通信系统的自动校准技术十分重要。

如果不进行实时的校准，下行波束赋形将受到较大影响。

这样智能天线的优势便不能凸显。

4）物理层的帧结构：

基本的物理层技术，比如调制与解调、扩频、信道编码、就错检错等与非智能天线中使用的相同。

但是智能天线对物理层的效率要求更高。

5）智能天线技术与其他技术的结合

6）为高速移动用户提供波束赋形问题：

由于用户的移动性，并且无线信道的时变特性，对天线处理算法的效率要求较高，并且为了保证智能天线的正常工作，也希望TDD周期不能太长。

所以，如果在该系统内的终端移动速度较快，那么TDD上下行转换周期需要进一步缩短。

7）硬件方面的设备复杂性问题：

智能天线的性能会随着天线阵元的数量得增加而增加，但是增加天线数量，会导致系统的复杂度上升，所以硬件方面又限制了天线阵元数量的增长。

因此，智能天线技术若想跟上通信技术发展的步伐，必须解决如上关键技术问题，并且需要考虑和其他技术的兼容性。

第三章自适应波束形成

从输入数据中虑除噪声和干扰以提取有用信息的过程称为滤波,相应的装置称为滤波器,根据某一最佳准则进行滤波的滤波器是最佳滤波器。

自适应滤波器是在输入过程的统计特性未知或变化时,能够调整自己的参数,以满足某种最佳准则的要求,它是以最佳滤波器为基础的,包括自适应时域滤波和自适应空域滤波（又称智能天线等）。

智能天线利用其空间滤波的特性来提高移动通信的性能。

自适应波束形成技术经过几十年的发展，已经逐步走向成熟，在此介绍一下滤波准则。

3.1波束形成准则—最佳滤波准则

自适应滤波中自适应是指在环境统计特性未知的情况下调整系统，使之保持最佳工作状态，因此自适应和最佳化有密切关系。

将滤波器与性能函数相联系，滤波器的最优化问题即为在一定约束条件下求性能函数的最值问题，当性能函数能够取得最值时，成为最佳。

因此，性能函数的最小值或者最大者以及相随的条件就被称为最佳准则。

不同的性能函数条件就对应着不同的最佳准则。

自适应滤波中的最佳准则有最小均方差准则，最大信干噪比准则，线性约束最小方差准则、最大似然准则等。

第四章波束形成算法

在智能天线技术中，需要根据不同的用户确定不同的权值以实现对用户的跟踪。

这些确定权值的算法统称为智能自适应算法，它是智能天线技术的核心。

自适应算法决定着天线阵列的暂态响应速率和实现电路的复杂程度。

因此，自适应算法的研究一直是人们关注的焦点。

自适应算法的研究取得了很多成就，这些算法按照是否需要参考信号可以分为：

盲自适应算法和非盲自适应算法两大类。

随着发展也有学者提出半盲自适应算法等。

本小节着重讲解：

盲自适应算法、非盲自适应算法、半盲自适应算法，以及改进的半盲自适应算法。

4.1盲自适应算法

盲算法则无需发送端传送己知的导频信号，接收端自己估计发送的信号并以此为参考信号进行处理，但需注意的是应确保估计信号与实际传送的信号间有较小差错。

盲算法利用调制信号本身固有的、与具体承载信息无关的一些特性调整权值使输出满足这些特性，典型算法如恒模算法（CMA）、有限符号集算法（FiniteAlphabetAlgorithm）、循环平稳算法（Cycle-stationaryAlgorithm）、基于来波方向（DOA）估计的算法等。

目前，盲自适应算法普遍存在的问题是算法的计算量大、收敛速度慢，无法捕获和跟踪用户的移动，因此设法减少算法的计算量、提高算法速度对于盲自适应算法至关重要。

4.2非盲自适应算法

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）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，常用的准则有MMSE（最小均方误差）、LMS（最小均方）等。

在这类算法中参考信号的获取是关键，参考信号与所需信号的相关性越好，智能天线阵列的性能就越好，但是在移动通信中参考信号的获取不是一件容易的事。

4.3半盲自适应算法

半盲技术同时利用了盲信息和已知符号,因此能够估计出更长的信道冲激响应,这对山区环境中的移动通信应用来说是很有意义的。

另外,与训练序列相比,半盲技术还允许采用更短的训练序列来完成估计。

因此，当训练序列方法和盲方法都失败的时候，半盲技术的优势就更为突出。

半盲算法的估计原理如下：

图2半盲算法的原理图

对于未知的输入符号利用的越多，对信道估计的效果越好。

然而，相关的方法要使代价函数最小就需要更高的代价。

我们把成群的且已知的信号同分散的已知的符号的情况区别开来。

在上述情况中，对于相同数目的已知信号，信道都是可估计的。

当已知符号都等于零时，在有成群的已知符号的情况下，信道就不能够被辨认出来，而符号分散时，信道是可估计的。

了解了半盲算法的基本原理以后，我们就应该知道何时半盲算法才能达到最优。

最优的半盲算法需要满足如下条件：

1）有足够的已知符号；2）当已知符号突发结构中任意分布时，也是可以解决的；3）它们利用在突发结构中所有的信号包括已知和未知的，尤其是同一时刻的已知和未知符号。

半盲最优算法是本身就包含符号信息的方法，直接对输入符号进行估计的方法。

半盲算法使用了信息数据和已知的或者被引进的期望信号的特征，可分为如下几类：

1）近似训练序列方法：

增加一些信息符号到训练序列中，并且计算对于这个扩大了的训练序列的所有可能的估计。

2）双误差方法：

利用训练序列方法和盲算法两种误差标准的联合，这种算法可以通过附加一些训练符号来提高。

3）对偶方式的方法：

直接使用已知信息对盲算法进行初始化。

上述方法的优点在于以计算复杂度为代价增加了已知训练序列的长度，因此缺点就是随着额外训练符号数目的增加计算复杂度大大增加。

4.4改进的半盲自适应算法

在了解改进的半盲自适应算法之前，首先介绍常见的动态LS-CMA自适应算法：

半盲算法是利用特征空间算法求出初始权矢量，然后构建虚拟的训练序列，利用静态最小二乘恒模算法进行权矢量的迭代，考虑到静态最小二乘恒模算法仅根据一个固定的采样数据就能计算出权值，有时候并不能真实的反映出现实的真实情况。

对于静态LS-CMA算法，它仅根据一个固定的采样数据就能计算出权值。

为了保持动态信号环境下更新的自适应，最后每次迭代都对数据块进行更新。

因此动态LS-CMA算法更合适。

本小节提出了改进的半盲恒模算法，在该系统中设有M个天线阵元，用

表示期望信号，用

表示干扰信号，共有K个干扰信号数，用x表示天线阵列的输入，因此阵元的输出信号表示为：

其中，x和y为输入输出矢量，w为加权矢量。

在该算法中，首先，从多个数值中提取出有限个期望信号，训练序列长度选取

，并且早上是零均值的复高斯随机过程，与信号独立。

而且所有的信号都能同时接收到，并假设为块衰落信道。

结合半盲算法的基本原理和盲算法的理论调整，这节介绍一种改进的半盲恒模算法，其基本思想为：

利用特征空间法求出初始权向量，构造虚拟的训练序列，利用动态最小二乘恒模算法进行权向量的更新，该方法能够满足特征空间法的假设条件，入射到天线阵上的信号总数小于天线的阵元数。

算法的运算过程如下：

1）利用子空间方法抵消干扰信号，得到新的接收信号，再以此求出自相关矩阵和信号子空间

；

2）根据

求出初始权值

；

3）截取部分输入信号，对输出

进行归一化处理

：

4）产生参考信号；

5）求出加权矢量中的下一个元素：

6）重复3-5的步骤，进行迭代，直到算法收敛。

第五章仿真结果表示期望信号

本章给出各算法的方针结果，将盲算法的动态最小二乘恒模算法、半盲动态最小二乘恒模算法和半盲中的静态最小二乘恒模算法进行了比较。

选取输出信号的均方误差、误码率为评估标准，对上述三种算法进行了比较。

选取的仿真参数为：

设有3个独立的信号入射到由16个阵元组成的均匀线性阵上，线性间距为波长的一半，信号干扰比为5dB，信噪比最大动态范围为100dB，一个期望信号，波达方向为0度，两个干扰信号，波达方向分别为-20度和50度，发射天线数为50，

。

图3均方误差与信噪比的关系

上图对三种算法的最小均方误差进行了对比，LS-CMA迭代20次后与本文算法的半盲静态最小二乘恒模算法迭代5次后进行比较，从上图中可以看出，本文提出的算法与LS-CMA算法比较，在其他条件相同的情况下，当信噪比增大时，要达到相同的均方误差，本文算法迭代5次比LS-CMA算法迭代20次得效果更好，同时将本文算法与半盲静态最小二乘恒模算法比较，本文算法较优。

图4均方误差与符号数的关系

图4中的仿真参数与图3中相同，从图中可以明显的看出三种算法在已知符号数对均方误差的影响，本文算法迭代5次得结果明显比LS-CMA算法迭代20次得效果和半盲静态最小二乘恒模算法迭代5次得效果更好，本文算法在相同的符号数下，均方误差更小，进一步验证了本文算法的优势，在此图中可以看出随着已知符号数的增加，三种算法均方误差相比，动态空间法优于静态空间法，静态空间法优于动态法。

第六章总结

在移动通信领域里，智能天线已经得到了广泛的应用。

智能天线由定向分离的天线阵组成，利用数字信号处理技术，根据不同的准则进行信号处理，动态产生定向波束，使天线主波束对准期望用户信号到达方向，旁瓣或零陷对准干扰信号到达方向，达到高效利用移动信号并删除或抑制干扰信号的目的。

智能天线分为两类：

切换波束智能天线与自适应智能天线。

智能天线技术已被确定为新一代移动通信系统的关键技术之一，在未来的通信行业将发挥重要作用。

本文主要研究了阵列天线系统中的数字波束形成技术，介绍了智能天线的研究背景及动态，阐述了智能天线的优缺点以及发展中遇到的问题，也介绍了最佳滤波准则，最后着重介绍了盲自适应波束算法、半盲自适应波束算法，非盲自适应波束算法以及本文讲述的改进的半盲自适应波束算法。

并通过仿真结果证实了该算法的优势。

但是本文还有不足，需要进一步补充、完善和改进。

致谢

这一段时间的学习和研究，毕业课程设计也将告一段落。

虽然这个过程有过彷徨，有过失落，同时也有仿真成功的喜悦，以及完成论文时极大的成就感。

回首整个过程，我收获颇多。

在这个过程中有很多人给予了我帮助，首先要特别感谢我的导师，感谢您给我指导了一个明确的方向，在我迷茫的时候给我最真挚的建议和学术指导；感谢室友和我探讨问题；感谢实验室的学姐学长给我最有耐心的讲解。

从此以后，我将踏上一个新的征程，在毕设阶段学到的严谨的治学态度，内心的冷静平和将对我终生受益。

参考文献

[1]刘鸣，袁超伟，贾宁，黄韬。

智能天线技术与应用。

机械工业出版。

2007.1

[2]FrankGross.SmartAntennasforWirelessCommunicaitons.电子工业出版社，2009.12

[3]AhmcdEiZooghby.SmartAntennasEngineering.电子工业出版社。

2008.8

[4]贾耀寰。

十余自适应滤波。

电子工业出版社，2003

[5]李玉清．防空导弹引信设计及仿真技术[M]．北京：

宇航出版社，1995．

[6]李玉清．近20年来国外导弹引信技术研究与发展概况[J]．制导与引信，2002（3）．

[7]庄志洪，等．反战术弹道导弹引信炸点控制算法研究[J]．宇航学报，2002

（1）．

[8]Mr．MiltonE．（Gene）Henderson，Jr．，GIFPer-formanceandImplementationIssuesinAirDefenseMissions[A]．NDIA44thAnnualFuzeConference“Flexibility．inFuzing”[C]．USA，2000．

[9]MissileFuzingSystem[P]．USA：

5696347，1997—12—09．

[10]刘胜美,赵春明,李灿伟.CDMA中的半盲恒模算法[J].电子与信息学报,2005,27

（1）:

72274

[11]丁淑娟.智能天线的自适应波束形成算法的研究[D].哈尔滨:

哈尔滨工程大学,2005.

[12]石敏，智能天线算法研究，西北工业大学硕士学位论文，2003.3

[13]何振亚，自适应信号处理，第一版，北京：

科学出版社，2002.5

[14]范志攀，吴英，掌力。

SMI-LSCMA盲自适应多波束形成算法研究。

研究与分析，2005.5

[15]邓先锋，智能天线中信号处理的研究。

南京理工大学硕士研究生学位论文。

2003

[16]毛志杰，许利民，基于SMI-CMA联合自适应算法的性能分析，现代雷达，2003，第十期

[17]宋云龙，智能天线的自适应波束形成算法的研究，重庆大学硕士学位论文。