关闭

关闭

关闭

封号提示

内容

首页 智能天线系统中的移动目标跟踪和波束形成算法研究.pdf

智能天线系统中的移动目标跟踪和波束形成算法研究.pdf

智能天线系统中的移动目标跟踪和波束形成算法研究.pdf

上传者: xl46512 2012-05-08 评分 0 0 0 0 0 0 暂无简介 简介 举报

简介:本文档为《智能天线系统中的移动目标跟踪和波束形成算法研究pdf》,可适用于IT/计算机领域,主题内容包含电子科技大学博士学位论文智能天线系统中的移动目标跟踪和波束形成算法研究姓名:杜江申请学位级别:博士专业:信号与信息处理指导教师:彭启琮电子科技大学博符等。

电子科技大学博士学位论文智能天线系统中的移动目标跟踪和波束形成算法研究姓名:杜江申请学位级别:博士专业:信号与信息处理指导教师:彭启琮电子科技大学博士论文摘要掰锾麓毙天线系绞(SmartAntennaSystem)裁是天线跨列与毙避豹售号处理技术相结合形成具有自适应信母处理能力的天线阵列系统悬通信稻信号憝理等领域豹研究煞点。智靛天线鼓术己戒魂第三彳弋移凌逶苍系统的关键技术之一并在第四代移动通储系统的新技术和标准开发中得到迸一步的研究和发展。智能天线系统采用自适应波束形成技术W以为蜂窝系绞提供高震攫的数据链鼹提商基站天线的覆盖范围和系统释量降低移动用户的码间干扰和多址干扰以及降低发射功率等:智能天线系统采臻移动僚源戆渡这方淘(DOA)继嚣技本缮到波寨形成器瑟鬻熬波寨方向并W用获取运动中的移动台的位置为移动通信应用提供移动用户定位韭务。困诧本文锌对餐能天线系统串移动霹标漾踪技术密波束形成技术中存谯的一些问题开展了如下几个方面的研究工作:.提出了一种移动目标自适皮跟踪算法。该算法包括DOA估计和跟踩嚣辩方法。在DOA售诗方法孛我{}】推导了一秘最大{竣然绩计冀法结合最大似然估计方法和子空间方法提出了~种低复杂度的次优算法。与予空闯算法稽阮它可戳阏爵估计出DOA帮散射方差。为了嫌踪辩变教射信道下的移动耳橼DOA提出了一种基于Kalman滤波理论的自适应跟踪算法。分析和仿真结果寝明提出的次优DOA估计算法性能优予传统麓子空麓方法算法复杂发毙最大强然售诗方法惫提凑懿移凌器嚣跟踪算法克服了常规的DOA估计与跟踪算法无法自适应时变散射信道以及往能依赖予样本秘方差矩阵的缺点并且往能有鹱显的改逶。。针对传统多旁瓣抵消撄的窝复杂发提出一种新的熬于多旁瓣抵消器的自适陂波束形成算法。与传统的计算正交朴子空间方法不同该算法到蠲一缀波束构造疆塞矩阵终低了算法豹复杂疫为了勰决其继募渡慰期望信号抵消较大和对干扰抑制能力较差的问题利用最小均方误差准潮接导了一静类馁LMS箨法的干扰僚号宣适应抵清算溱。分耩和仿真结果表明在算法复杂度、抑制干扰性能和对DOA误差的鲁棒性等方颜摘要提出的算法比Frost算法有明显的改进。.提出了一种基于恒模阵列的盲自适应波束形成算法。在多径信道下该算法根据独立条件和正交条件通过对波束形成器的权向量进行约束消除信号的相关性使波束形成器的权向量自适应定向到不同的源信号从而分离出多径相关的源信号。分析和仿真结果表明采用恒模阵列的多级盲自适应波束形成器有很好的解相关性能可以有效分离相关信号。.提出了一种适用于单发射天线多接收天线阵列(SIMO)与OFDM相结合的智能天线波束形成算法。在该算法中提出了一种频率选择性衰落信道下的OFDM信道半盲估计算法与现有的两种盲信道估计算法比较提出的算法在均方误差和误比特率方面有更好的性能。同时利用时域和频域联合估计波束形成器权向量在MSE准则下推导了一种自适应波束形成算法。计算机仿真结果证明了提出的算法的有效性和快速收敛性。.提出了一种用于MIMOOFDM的智能天线半盲自适应波束形成算法。本文针对OFDM中的导频分布情况分别提出了基于导频的自适应波束形成算法和无导频符号周期的基于最大互信息量准则的盲自适应波束形成算法。分析和仿真结果表明这种半盲自适应波束形成算法与现有的导频辅助估计算法相比其误码率性能有明显的改进。关键词:自适应波束形成移动目标跟踪智能天线盲自适应算法天线阵列OFDM系统电子科技大学博士论文ABSrRACTBythecombinationofantennaarrayandadvancedsignalprocessingtechnologythesmartantennasystemcanperformadaptivearraysignalprocessingtheresultingadvantagesattractmanyresearchesinthefieldsofcommunicationandsignalprocessing.Recentyearssmartantennahasbeenadoptedasoneofkeytechnologiesofthe躔砖generationmobilecommunicationsystem。andisbeingstudiedanddevelopedfurtherinthenewtechrfiquesandstandardoftheforthgenerationmobilecommunicationsystem。SmartantennasystemusesadaptivebeamformingtechnologyprovideshighqualityofdatalinkforcellularsystemincreasescoveragerangeofbasestationantennasdecreasestheinterferencesofintercodeandmultipleaccessandthetransmissionpowerSmartantennasystemusesthedirectionofarrivalsA)estimationtechnologycanprovidethedirectionsofbeamformingforbeamformersaswellasobtaindirectionofmovingmobilestationsandprovidepositioningserviceformobiletelecommunicationapplicationslConsideringtheproblemsandpotentialsmentionedabovethisdissertationfocusesonthemovingtargettrackingandthebeamformingalgorithmsdesignforsmartantennasystem.Themaincontributionsofthisdissertationareasfollows:.AnadaptivemovingtargettrackingalgorithmisproposedwhichincludesDOAestimationandtrackingofmovingtargetintimevariantangulardispersiveenvironment.FortheDOAestimationwederivetheoreticallyamaximumlikelihoodestimationalgorithmandproposeatowcomplexitysuboptimalalgorithmthatcansimultaneouslyestimatetheDOAanddispersiondeviationFortrackingofmovingtarge气weproposeaKaimanfilteringbasedadaptive仃ackingalgorithm.Analysisandsimulationresultsshowthattheproposedsuboptimalalgorithmhasbetterperformancethanconventionalsubspacebasedmethodsandlowereomplexitythanmaximumlikelihoodmethods.AlsotheproposedmovingtargettrackingalgorithmisdemonstratedcanadaptivelytrackthemovingtargetovercomingthebiggertrackingelTorsoftheconventionaltrackingalgorithms.Alowcomplexitymultiplesidelobecancellerbasedadaptivebeamformingalgorithmisproposed.Byusingasetofbeamstoconstructtheblocking摘要matrixratherthanusingorthogonallycomplementarysubspacemethodthecomplexityoftheproposedalgorithmisreduced.ThesimulationresultsdemonstratetheproposemethodhasremarkableperformanceimprovementbycomparisonwithFrostalgorithm..Aconstantmodulusarray(CMa)basedblindbearnformingalgorithmispresented.BasingontheindependentandorthogonalconditionsoftransmiRedsignalstheweightingvectorsofbeamformerareconstrainedtoeliminatecorrelationcausedbymultipleeffectSOtheblindbeamformerproposedcallbesteeredtoindividualsourcesignalandseparatethecorrelatedsignals.Thesimulationresultsdemonstratetheproposedalgorithmcandecomposethecorrelationsignals..AnadaptivebeamformingalgorithmforOFDMSIMO(singletransmitantennamultirIlereceiveantennas)smartantennasystemisproposed.FirstwederivedasemiblindchannelestimationalgorithmforOFDMsignalinfrequencyselectivefadingchannelandperformcomparativestudieswimthreeotherclassicblindestimationschemeswiththeresultthattheproposedalgorithmhasmuchbetterequalizationperformanceintermsofBERandtherateofconvergence.ThenwederiveanadaptivebeamformingalgorithmintimedomainandfrequencydomainusingMSEcriteriacomputersimulationresultsshowtheproposedalgorithmhasbeamformingperformanceandfastconvergence..AsemiblindadaptivebeamformingalgorithmforOFDMMIMOsmartantennasystemisproposed.AccordingtopilotdistributioninOFDMsignalapilotbasedadaptivebeamformingalgorithmandamaximuminformationcriteriabasedinpilotfreetimeblindadaptivebeamformingalgorithmarcderivedthesetwoalgorithmsconstituteasemiblindadaptivebeamforming。algorithm.Simulationresultsshowtheproposedalgorithmiscapableoftrackingmatrixchannelvariationswimfastconvergencerate.andbetterimprovementcomparedwitllthepilotbasedalgorithm.Keywords:AdaptivebeamformingMovingtargettrackingSmartantennasOFDMConstantarraysBlindadaptivealgorithms.一IV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另,jJJlJ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电子科技大学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:垒.丝一.日期:朋呼年月夕日关于论文使用授权的说明本学位论文作者完全了解电子科技大学有关保留、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。本人授权电子科技大学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)日期:z刀伊年月日电子科技大学博士论文数学符号为了叙述和分析方便本论文公式的符号约定为然数、实数和复数空间大写黑体英文字母表示矩阵其他字母为标量。AoBvec(A)diag(cIc.cⅣ)ePr()argmaxg(目)J(f)N、爬和C分别表示自小写黑体字母表示矢量A的共轭A转置A的共轭转置Hermitian转置A的第玎个元素x和Y的协方差‘单位矩阵‘x的自相关矩阵A的迹F.robenius范数l|All=rr(A”A)加权矩阵为w的加权范数IIAII:=Tr{AWA“)x的范数’Schur/Hadamard乘积算子表示对应元素相乘即【AOBH=AHBHfAIlBAIⅣBKronecker乘积算子AB=’.jlLAⅣiBAunB)矩阵矢量化算子表示主对角线上具有元素Cc:c。的对角矩阵第i方向上的自然单位矢量概率密度函数求使g(毋)最大时的值K.ronecker冲击函数舢:。强o~%。K矾觚数学符号与专救术语缩写词矗士E(工)MSE(O)“Ndet()CN()Re()时闻采样阏黼卷积随机变量x的期望值方差的均方谡麓均值观测数据长发矩疼蠢奠式复高斯分布实部专业术语缩写词为了查阅方便这里列如本论文所引用的标准专业术语的缩写词。ThirdGeneration第兰代GFourthGeneratiOil第四代ACIAdjacentChannelInterference邻信道干扰AWGNAdditiveWhiteGaussianNoise热瞧鑫蹇簸臻声BFBeamformingBeamformer波束形成技术波束形成嚣BERBiteErrorRate.谈码率BPSKBinaryPhaseShiftedkeying纛避制辐移键控BSBaseStation熬鼯CAWGN擘mplxAdmwhil。。usan艇值加性白高斯噪声州olseeMConstantModulus蘧摸CCICochannelInterfefence翮信遒干扰CRBGramerRaoBoundGramer.Rao下限DOADirectionofArrival达波方向DPSKDifferentialPhaseShiftedkeying麓分摇移穗控FAFimteAlphabet肖限符号结构电子科技大学薄士论文摹躐FiniteImpulseResponseGSeGeneralizedSidelobeCancellerHOSHigherorderStatisticsLOSLineofSightLSLeastSquareM艘MaximumAPriorProbabilityMIMOMultipleInputMultipleOutputMSCM埴ltiDleSidelobeCancellerMinimumVarianceDistorttess期ⅣDRResponseMLMaximumLikelihood。MobileStation,MovingUser,MobileMsTe撼越MSEMearlSquaredErrorMMSEMinimumMeanSquaredError夸范OSNonLineofsightPDFProbabilityDensityFunctioni.i.d.IndependentIdentieaiDistributionICIndependentComponentPSDPowerSpectralDensityQAMQuadratureAmplitudeModulationQPSKQuadraturePhaseShiftedKeyingRLSRecursiveLeastSquareSDMASpatialDivisionMultipleAccess涨裂删一一撙越SNRSignal幻NoiseRatioSVDSingularValueDecompositionULAUniformlyLinearArray窝羧穗激嚷应广义旁瓣抵消糕离阶统计量褫线最j、=乘法最大露验裰率多竣入多输出多旁瓣抵消器黢小方差纛失真薅瘫最大钕然移动螽移动蔫户移动终端均方误差鼹小均方谈差撬线概率密度独立嗣分布独立分量功率谱密度溉交幅度调制菠交频移键控邀翅羧枣=象法空分多蛙毽号与于拨尧嚣噪声魄倍噪魄奇异僮分解均匀蓬线瘁别电子科技大学博士论文.研究背景与意义第一章绪论近年来全球通信事业飞速发展通信业务需求量也越来越大特别是第三代无线移动通信及个人移动通信网等新技术的出现与发展一方面要求大幅度提高通信容量以满足日益增长的用户需求另一方面又使得无线通信环境非常复杂导致同频干扰和多径衰落等现象十分严重直接制约了通信系统的容量和质量进一步提高。用户的激增愈发使无线电频谱成为一种宝贵的资源。因此在保证一定信号和干扰噪声比的前提下设法显著提高频谱效率才能有效地解决上述问题。为了解决这些矛盾九十年代初人们提出了一种新的基于空分多址的通信技术一智能天线系统(SmartAntennaSystem简称SAS)。其基本思想是通过在天线中引入自适应阵列信号处理使得天线阵列产生沿某一特定方向的波束在干扰信号方向上产生零陷有效地解决了传统单天线的波束方向图难以控制的难题。智能天线利用波束形成技术对有用信号进行自适应接收实现在同一信道(频段/时隙)发送和接收各空间位置不同的用户信号而不相互干扰。一般说来智能天线包括四大类:扇区化系统多波束切换系统自适应波束形成系统MIMO系统。与传统的单天线蜂窝网络相比在无线移动通信系统中采用智能天线技术具有很多优点。利用智能天线实现最优收发天线波束形成和自适应信号处理可以为蜂窝系统提供高质量的数据链路提高基站天线的覆盖范围以及系统容量和业务质量降低移动用户的码间干扰和多址干扰以及降低发射功率等。智能天线还能更好地抑制来自邻近或同一小区的共信道用户干扰抵抗远近效应。对于相同功率配备有的智能天线的基站(BS)覆盖范围比普通的BS更大因而覆盖同样区域所需的BS数量随之相应减少。尽管智能天线的天线阵列可能比传统的单天线更昂贵但是BS减少能大大降低无线网络设备的成本。另一个重要的优点是它允许同一BS覆盖范围内的用户使用同一无线信道在给定的频率范围内可以传输更多的数据因此增加了频谱容量。相对于普通无线通信而言这种改进很明显例如美国的爱辉公司(Arraycom)研制的BS自适应天线阵列可以使语音业务的用户容量提高倍对于数据业务可以提高倍。第一章绪论为了满足未来的多媒体无线通信对带宽和通信质量的要求近年来对智能天线技术提出了更高的要求。智能天线与正交频分复用技术(OFDM)相结合可以提高频谱效率和抑制多径衰落在上下行链路两端配置自适应阵列天线的多输入多输出(MIMO)技术实现空间多路复用从而在有限的频带内极大地增加信道容量【】。基于OFDM的智能天线系统已成为第四代移动无线通信系统的关键备择技术正得到学术界和工业界的广泛关注和研究,。我国第三代通信标准的成功激励着我们争取在第四代无线通信中有更大的技术发展。无线移动系统的发展经历了三个阶段(三代)。第一代为模拟话音始于年通信频段在MHz一MHZ。进入年代以后移动通信发展极为迅速进入第二代主要特征是数字话音采用了多址方式由频分多址(FDMA)、时分多址(TDMA)和码分多址(CDMA)组合使用实现全球漫游典型的产品有GSM()、D.AMPS(IS./)及IS.。在年为了满足对更高比特率数据业务和更好的频谱利用率的迫切要求国际电信联盟正式批准了三个第三代(G)移动通信标准即WCDMA、CDMA和TD.SCDMA。G的主要特点包括采用宽带CDMA多址方式基站用天线阵列实现灵活的波束形成通信容量得到了很大的提高并且具有多媒体业务能力。其中基站阵列天线波束形成技术和自适应信号处理技术是第三代移动通信系统最为关键的技术之一。年月一直致力于提高CDMA性能指标的美国高通公司(Qualeomm)提出了CDMA最新的增强版CDMAxEV.DV其中的一个关键技术是在BS采用天线和在手机采用天线的智能天线阵列来提高信道容量和通信质量【】。在第三代移动系统即将投入商业应用之际人们认识到随着互连网业务的增长以及可携带计算设备的广泛使用无线互连网接入的需求正迅速增长开始将眼光投向未来的第四代(G)移动通信系统(或称为后三代移动通信系统>。G的一个技术指标是在宏蜂窝环境中传输数据要达到到Mbps在微蜂窝环境传输数据达到Mbps以上。为了实现这一目标需要克服许多技术难题。其中主要的问题是如何提高信道容量如何克服无线衰落信道中的多径传播和散射引起的信号衰落以及多径时延扩展引起的符号间干扰(ISI)。为此第四代移动通信系统目前正在研究两项关键技术。其一是正交频分复用技术(OFDM)。它是一种可以有效克服信号多径衰落和IsI的传输方式利用多个并行的、传输电子科技大学蹲士论文速枣较低豹子载波寒安现亵速率豹数据邋信,。其二是智戆天线技术如果基站采用多天线、穆动台用单天线这样的上行镳路称作SIMO(单输入多竣出)无线倍道下嚣链疆豫搏MISO<多羧入单输出)信道。搬果发射机和接收机均用多个天线则这种传输方式称为MIMO(多输入多输基)。充分列爱OFDM系统抗多经衰落秘寒频攀嗣爆率以及天线阵列麴波柬形成等优点将OFDM技术与智能天线技术(包括G无线通信中常雳麴sl挞O系统帮正袭并发瓣G黪MIM系统)耱结会可遴一步鬟燕系统的容嫩和链路质爨得到了越来越多的专窳和学者的关注和研究【】。蠹就爵冤警熊天线技术在蘩三我移动逶信系统秘及拳来懿骖魂透信体制中占有重要的地俄。移动无线通信系统正在从传统的单发射单接收天线系统尚蒸手天线阵穰靛智簸天线演送祷输方式委在麸健统数肇载波蠢多载波的OFDM方向发展。可以预知未来移动通信系统的物理层标准中将综合应鞠OFDM取多天线阵列毅术来羝挠多径衰落帮褥高信遵豹容豢。随糟超大规模集成电路的发展和载波频率的提高(如大于GHz)、以及高缀编码帮调帮l技术与智髓天线傻得在移动终端配嚣多天线帮将成药现实J。在所有的智能天线系统中其核心技术怒如何产生指向特定终端的波束使得该终端农空闻菜个方向上能闻霹获褥空阉复丽增益(spatialmultiplexinggain)和分集增益(diversitygain)旧】。此外随着移动电话的普及为移动台捷供个入定位韭务的需求正不断增加波i表方向(DOA>可用于获取移动台的饿置。在移动通信中利用糖能天线结构进行DOA估计与跟踪技术邑成为当前的一个研究热点【“。因此研究智能天线中豹波束形成和移动信源跟踪闯题具有一定的理论意义和实用价值。.智能天线的研究状况与发展阵列信号处理技术作为信号处理中的一个重要研究领域在雷达、声纳、缝筵畿攘、射电天文、医学诊繇等多种军事和民用领域中褥至l裁动地嗷用。自适应天线阵在通信系统中的成用始于军用通信系统的研究】戮及其毪一些零麓魏壤论骚究【”J烈。纛天线瘁列在鬣霞移韵逶莹豹臻究蹇到年才开始进行重隳的文献有【。智能天线熄在九十年代初提交酶Gabriel蓄先整智熊(smart)箨巍豹鑫适应波束形成应攥于透信系统它在蜂窝移动通信系统的优势和可行性也得到了论i正【’。智能天线酶舞在凭线蜂窝逶信网中静应糯菲常灵活甄可黻工作在蜂窝霹酌基一一第一章绪论站又可以工作在移动终端既可以工作于发送模式也可以工作于接收模式。采用天线阵列可以用空域的波束形成来消除同信道干扰(CCI)又可以与时域均衡结合进行空时二维处理消除CCI并抑制ISI。另外利用多个天线的分集合并技术可以有效的抵抗多径衰落。智能天线得到现有的三个G标准的支持即北美的CDMA、欧洲的WCDMA和我国提出的TD.SCDMA。由于智能天线是第三代移动通信系统的关键技术之一目前欧美等国家非常重视智能天线技术的研究开发在开展大量的理论分析和研究的同时建立了一些实验平台。例如德国、英国、丹麦和西班牙共同合作在DECT基础上构造了智能天线试验平台日本ATR光电通信研究所研究了基于波束空间处理方式的多波束智能天线并应用了软件天线(SoftwareAntenna)概念【“l德州大学奥斯汀SDMA课题研究小组建立了一个智能天线试验环境对SDMA的实现方法和无线信道特征进行了深入研究【l:Stanford大学信息系统实验室建立了用于验证TDMA系统空时二维处理算法的实验系统】:国内一些大学如清华大学、西安电子科技大学和成都电子科技大学等高校也正在进行有关智能天线方面的研究。可见智能天线在移动通信系统中的理论研究时间较短最近几年随着计算技术和电子技术的发展才开始在基站系统上得到初步应用但还存在许多需要改进的难题。随着移动无线技术的发展和人们对通信业务的需求的不断增加智能天线的理论也在不断丰富和发展。近年来在无线蜂窝通信中为了抵抗色散衰落和同信道干扰、提高通信系统的容量和链路的稳定性把智能天线扩展到移动终端构成多输入多输出(MIMO)系统并与OFDM系统相结合已成为了后G通信系统的一个重要研究领域【l’”。此外在智能天线系统中一个传输信号沿多条路径到达接收机的天线阵列信道随着移动终端(MS)的运动和多径的变化而具有时变性导致传输信号即使在同一时刻达到不同天线阵元存在很大的随机性。在描述信道和设计接收机算法时信号到达方向(DOA)是一个关键性的属性例如由于MS的移动或周围环境的变化无线信道也相应发生快速变化但是主要的DOA变化较慢这样就可根据DOA来描述信道。除了多径衰落另一个决定通信链路质量的信道特性是角度扩展(AngularSpread)角度扩展与DOA密切相关它本质上是决定天线阵列分集增益的~个重要因素。虽然目前已提出了很多DOA估计理论和算法但是在无线通信环境下的DOA估计方法不同于雷达和声纳等应用的DOA估计方法。一个主要的原因是雷达和声纳大多假设信源是点源然而在无线电子科技大学博士论文移动通信中发射机与接收机之间为非视距传播。由于在小尺度范围内(小于几百米或几十个波长)多径效应导致接收信号是信源经角度扩展后从大量不同方向到来的扩展信号(包括时延扩展和角度扩展)的叠加一般的DOA估计不能在无线移动通信环境得到正确的结果。研究在时变多径散射信道下的移动目标自适应跟踪算法正成为一项很有使用价值同时在信号处理理论上具有挑战性的难题。因此如何有效地在智能天线中实现移动目标DOA跟踪和波束形成是亟待解决的问题。.论文研究工作概述本论文主要讨论智能天线中的自适应阵列信号处理技术针对智能天线系统中存在的一些问题开展了一些工作重点研究了智能天线中的波束形成和移动目标跟踪算法。概括起来本文的主要研究内容及创新点如下.提出了一种基于Kalman滤波理论的移动台自适应跟踪算法。在时变散射通信环境下提出了一种基于Kalman状态方程的移动目标自适应跟踪算法。为了提高跟踪算法的精度和减少算法的复杂度我们将基于最大似然的DOA估计原理和子空间方法结合起来提出了一种次优化DOA估计算法并从理论上给出了一种更为简洁的最大似然DOA估计定理的证明。提出的次优算法利用最大似然DOA估计算法的参数估计思想对信号协方差矩阵进行参数化利用子空间方法实现未知参数的快速寻优。因此该算法具有最大似然算法的高精度和子空间算法的低复杂度的优点不但可以估计出DOA还可以估计角度散射方差。为了跟踪时变散射移动目标的DOA变化把估计的DOA值作为动态系统的观测值建立相应的观测方程和DOA变化的过程方程利用Kalman滤波方程进行移动目标的自适应跟踪。计算机仿真分析了角度散射对DOA算法性能的影响验证了提出的次优DOA估计算法和移动目标跟踪算法的性能。.提出一种基于多旁瓣抵消器的自适应波束形成器算法。多旁瓣抵消器是一种很重要的波束形成器算法理论框架引起了人们的不断研究。其关键技术是如何滤掉空间期望信号方向的匹配滤波器旁瓣泄漏所引入的干扰信号。对有用信号中残余的误差进行最优化抵消的阻塞矩阵是影响多旁瓣抵消器的复杂度和性能的主要因素。对于阻塞矩阵有存在多种构造方法这些方法大多是从阵列响应矢量构成的矩阵计算出一个正交补子空间计算复杂度很大。因此与传统的计算正交补子空间的第一章绪论方法不同我们提出利用一组波束来快速构造阻塞矩阵从而简化了算法的复杂度。另一方面传统的Frost算法对期望信号有较大的抵消对干扰抑制能力较差不利于期望信号提取为了有效提高对于扰信号的抑制能力。为此本文利用最小均方误差(MMSE)准则推导了一种类似LMS算法的干扰信号自适应抵消算法。计算机仿真结果表明比传统的Frost算法相比有更好的抑制干扰性能和低的算法复杂度。.提出了一种基于恒模阵列的盲自适应波束形成算法。当多径问题较为严重时源信号和干扰信号会产生相关叠加。而且在很多实际通信应用中接收机无法得到用于训练自适应波束形成器权向量的参考信号。针对这些问题本文利用恒模阵列结构在源信号独立条件和正交条件下分析了恒模阵列波束形成器的权向量约束问题提出了一种基于恒模阵列的盲自适应波束形成算法。提出的算法的思想是:在独立分量条件下首先对恒模算法得到波束形成器的权系数进行的约束和分解使得在每一级的权向量不会收敛到相同的驻点从而有助于对不同的源信号分别进行波束形成然后在源信号正交条件下考虑到无线信道的时变特性改进了常规的正交化算法通过在正交空间中引入样本相关矩阵使波束形成器的权向量即使在信号相关时仍能保持自适应正交。由于利用了多级恒模阵列结构在每一级恒模阵列中波束形成器的权向量由恒模算法自适应更新得到一个源信号的估计自适应对消器的权向量由LMS算法更新抵消已经得到的源信号生成一个误差信号使得下一级恒模阵列能从误差信号分离出其他源信号。该算法不需要估计所有用户的先验训练序列适合于在多径相关性较强的无线通信环境中智能天线的波束形成。计算机仿真验证了提出的算法的性能。.提出了一种适用于单发射天线多接收天线阵列(SIMO)与OFDM相结合的智能天线波束形成算法。为了进行智能天线OFDM系统的波束形成技术研究首先讨论了FDM系统的物理层结构实现了基于FDM的无线局域网(WLAN).a协议的仿真器作为本论文智能天线OFDM系统的仿真平台。然后考虑到信道均衡是OFDM系统的关键技术之一本文利用收发机双方已知的导频训练符号提出了一种频率选择性衰落信道下的OFDM信道半盲估计与均衡算法并与对现有的OFDM盲信道估计算法进行了性能比较。最后提出了一种用于SIMO.OFDM系统的自适应波束形成算法与传统的波束形成器不同的是该算法利用了时域和频域联合估计波束形成器的权向量。计算机仿真分析了提出的算法的有效性和快速收敛性。一电子辩搜大学搏士论文.提出了一零中用予多输入多输出的天线阵列(MIMO)与OFDM楣结合的智能天线系统半盲自适应波柬形成群法MIMO.OFDM系统性能受到窝间矩眸信道的影镳为了解决这个闫题常用的方法怒用盲自适应波束形成拽术来储计和均衡矩阵信道。其中现真的矩黪信道富算法太多必基于子空间分解鄹Bussgang统计爨豹全富算法。但是这类盲算法都稃在计算量大难以自适应跟踪无线移动信道的对闻变织、收敛速发幔秘符号差错率(SER)性能劐一定程度不随SNR的撼高而相应改管等缺点。本文根据导频符号提出一种熬于导频的自适应波寒影藏算法提出了一零孛叛豹麓于MIMO.OFDM熬智熊天线半塞波象形成算法。在无导频符号周期内提出了一种藻于最大互信息量准则的盲塞逡瘟渡寒形残冀法。该算法瘸耱经耀终表示僖道籍簿豹行彝量瓣{}线性关系用最大信息量准则计算神经网络的权值实现自适应波束形成器的投彝霪更薪。诗簿捉嫠粪结鬃表馥在BER方甏饔显位子瑷有载警频辅韵信道估计算法。。论文内容安排全文共分七章各鬻的主要内容安排如下:第一章简要介绍了论文的研究背景和目的概述了国内外的研究现状以及论文豹主要互幸车。第二露介绍锗能天线系统的基本原理同时介绍了波束形成和DOA估计的技术特点。第三章基于最大似然的DOA传计原骥和子窆间方法提出了~季申次忧DOA估计算法并从理论上给出了~种疑为简洁的最大似然DOA估计定理魏证明必了程薅交教射傣道下跟踪移动霉拣详缓攫导了一耱穆魂嚣稼白适应跟踪算法。第西帮阐述了基于多旁瓣抵消器的波柬形成方法为了简忧了算法的复杂度提出了一神炔速构造阻塞筑蓐的方法为了更加有效她抵消于拨接号利髑最小均方误差(MMSE)准则推导了一种类似LMS算法的干扰信号自适应抵清冀法。第五章在多缀信道下分别针对源信号独立条件和正交条件提出了基于恒模阵列的富自适应波束形成算法用计算机仿真分析了掇出的算法的性能。一第一章绪论第六章在智能天线OFDM系统中建立了一个基于OFDM的无线局域网(WLAN).a协议的仿真器作为本论文OFDM系统的仿真平台。针对OFDM系统对于信道估计误差很敏感这一问题提出了一种频率选择性衰落信道下的OFDM信道半盲估计与均衡算法利用时域和频域联合估计波束形成器的权向量提出了一种SIMO.OFDM系统的自适应波束形成算法。第七章在MIMO.OFDM的智能天线中利用己知导频符号推导了一种自适应波束形成算法在无导频符号周期内提出了一种基于最大信息量准则的盲自适应波束形成算法从而构成本文提出的半盲自适应波束形成算法。第八章为论文的总结并提出了下一步工作有待继续研究的问题。一电子科技大学博士论文第二章基本理论概述为了便于后续论文的算法推导和性能分析本章简要介绍了天线阵列的信号模型和波束形成算法的基本理论给出了几个非常重要的概念和定义。针对实际应用中存在的问题探讨了影响波束形成算法性能的一些重要因素并提出了一些具体的解决方法。由于第三章的移动目标跟踪算法的推导涉及到波达方向(DOA)的估计问题本章还对几种适合于移动无线通信系统的DOA估计算法进行了分析。最后简要探讨了盲波束形成的一些基本原理。.天线阵列的信号模型天线的主要功能是把电磁波转化成可测的感应电压或电流。多个天线在空间按一定拓扑结构形成天线阵列在天线阵列中的单个天线被称为阵元。设有一电磁波从方向(目)入射到阵列天线上其中口为水平方位角西为空间仰角。为简化分析通常作如下假定:.各阵元之间的间距足够小这样当同一信号到达不同的阵元时信号的振幅不变。.阵元之间无互耦合。.所有被天线阵列接收的信号均为离散的平面波且只有有限个源信号。.入射信号的带宽远小于载波频率。一般地假定天线阵列为均匀直线阵列(ULA)ULA结构简单和易于算法分析因此被普遍采用相应的空间坐标如图.。设ULA的天线阵元个数为M阵元间距为d。为了避免空间取样数据模糊(即空间混叠)阵元间距d,通常取d=^A为信号波长信号带宽为B。假设信号是窄带的基带信号入射信号是一个正弦波信号。电磁场在处的瞬时值为:手(‘)=Re(E(rp)e”’)(.)一一第二章基本理论概述进一步假定入射波的发射源距离阵列足够远因此波前可以认为是一个平面即“远场假设”。沿方向后传播的电磁平面波在点的场强丘()可以表示为:五(匕)=卢.s.P一胂‘(.)式中芦表示场的极性s表示场的强度‘表示在空间坐标中从原点到的方向向量。这种典型的电磁波一般被称为均匀平面波有关无线通信中的天线基本原理和传播机制在文献【】有详细的论述。图.ULA天线阵列空间几何结构和坐标系统利用文献的结果在接收机天线测得的感应电压为:V=c(一£)豆=cO(一f)乃卵一社‘皇n(o们e开’()式中G(.)是电磁波远场的辐射函数【】c=一.万“切‘。)k是波数k=I正}x/A为波长叩为传播介质所固有的阻抗‘。是输入电流。H(O)合并了入射波的极性和天线的方向特性相当于天线对正弦信号的响应。天线接收到的瞬时电压为:x(t)=Res(t)H(O妒)e‘’日”’】..、=Is(t)H(O矿)Jcos(wtwr<(s(f)H()))、’式中f=石‘/w是相对于参考点在艺处的时IN延迟<表示相角。值得注意是上面的分析建立在单个谐波的基础上在实际应用中一电子科技大学博士论文信号是由多个单频率组成的一个带宽并且场强是时变的。然而如果时间延迟r比信号的带宽小时感应电压瞬时值可以近似表示为式(.)这就是阵列信号处理中的“窄带假设”其实质是信号s(D在阵元间不发生变化也隐含假设天线阵元响应g(o庐)在信号频带内的变化很小。为了简化分析式(.)可表示为基带信号形式:v(t)=J(f)H(O庐)e‘’(.)设M个天线阵元阵元接收信号的阵列模型可表示为:x)=五(f)x(t)嘞(f)lq(口妒)e一丑E:lH(抄e廿t峨p庐)e一砖jIs(t)皇a(庐)s(r)(.)a(庐)是定向向量(steeringvector)有时又被称为阵列响应向量。对于均匀直线阵(ULA)即日=的情况a(臼庐):,e碍sin#...ej掣m’】r。天线阵列每一时刻的空间观测值被称为一次快拍(Snapshot)。将每个阵元的接收信号进行离散取样则在时刻n接收的信号用向量表示为x(n)=【‘(n)工:(行)..%(”)】。因此整个阵列的离散时间模型可以表示为:x(n)=Ma(口k)s(n)'l(")(.)式中a()={i【e“。eJ”f,rur被称为阵列响应向量引入/砑因、埘子的目的是使阵列响应向量的模为方便数学分析。在式(.)中用ff抵消该因子。当有L个电磁波到达阵列时(L)如果天线阵元和接收机是线性的可利用线性叠加原则。把不适合理论模型的信号假设为噪声可以得到在时刻”的多个信源阵列信号模型:土x(n)=a(谚)曲(")l(n)=A()s(厅)l(片)(.)=I式中A(妒)=【a(破)a(杰)..a(丸)】是定向矩阵为了方便起见定义A=A()s(n)=‘(”).如(").屯(n)】。根据中心极限定理如果有很多个高斯噪声信号相加其和服从高斯分布。因此假设n(n)是复数高斯加性白噪声(CAWGN)并有第二章基本理论概述En(n。)“(吗)】口(n。他)I研I(")】=盯为标准方差。假定发射信号是相互独立的随机过程其统计量定义为:研s(月)】=占【s(”)s“(也)】=P(nIH)(.)当信源存在相关性时则信源的协方差矩阵P是非对称矩阵。DOA估计算法的性能很大程度上取决于P。另一个重要的假设条件是信号与噪声不相关。.波束形成器原理波束形成器的基本原理是将M个天线阵元接收的信号用一个加权系数产生期望的输出信号图.描述了波束形成器的两种结构。图.(a)表示用于处理空间取样得到的窄带信号在时刻玎的输出信号y(n)可以表示为:y(H)=w二靠(n)=wx(胛)(.)mI式中W【Ⅵ%...%】是波束形成器的权系数蕾(竹)是第f个天线阵元在”时刻的接收信号。在无线天线中为了以较低的采样率得到离散时间信号通常用下变频器(downconverter)把高频载波信号在频域变换成复基带信号用正交接收机处理相应的同相和正交分量【”。图.(b)表示用于宽带信号处理的波束形成结构其中输入的信号由有每个阵元的一组样本组成构成一个时间窗。该模型的输出信号可表示为:MLy(力)=以x.(n)(.)=k其中L是每个阵元的信道时间延迟阶数。这里定义一个权向量W和一个数据向量x(n)把式(.)和式(.)可重写为:y(H)=W“x(")(.)其中W=【wwl.屹一。】w和x(月)的阶对于式(.)弄:式(.)分别是M和(MP)。由式(.)司见波束形成器的空时处理模型和一个时间信号FIR频率选择滤波器非常相似。一一电子科技大学博士论文(a)图.波束形成器的结构:{l“)(a)窄带模型(b)宽带模型..几种重要参数为了便于论文的算法推导和性能分析这里给出几个非常重要的概念和定义并从信号处理角度阐述其相关的物理性质【】。.空间频率和阵列孔径空间采样频率由阵元间隔d决定定义为U。=/d表示每单位长度(米)的周期数。空间频率定义为U=sine/归一化的空间频率定义为:“皇旦:dsin妒r.)甜A‘由该定义可以把式(.)的阵列响应向量简写为:a()寿口“一叫“Ⅲ。’()因为阵列响应向量的每个元素是相同一个数e。“的连续整数幂所以它是一个Vandermonde向量。阵列孔径是天线阵列采集空间电磁场能量的有效区域。对于ULA阵列孔径是第一个阵元与最后一个阵元之间的距离。孔径越大阵列的分辨率越高。.波束响应和波束形成器分辨率分析波束形成算法性能的一个重要指标是波束响应它是给定的加权向量W对角度的响应。它的计算方法是把波束形成器的权向量W作用于所\//朱彰霉谜川删黔第二章基本理论概述有可能角度的阵列响应向量即:c<妒)=W“#(乒)(。。)()把数值Ic)称为波束模式图(BeamPattern)。对于一个阵元间距d=旯的ULA由式(.)得一/s“/园就ULA的波荣模式可隧报方便她用FFT进行计算。用MATLAB计算枫语富计算波束模式图的代码为:。。fftsh移(露(#Nfft))/sqrt(M)f。)在波束模式图上显著的峰值对应于空间频率“由荚系式=arcsin(u/d)可把空闻频率甜转换成DOA庐。波束形戏器分辨率媛波柬模式图上主波束或是主波束的半功率f.dB)对应的角度间距来表示。已证明‘”孑L径长度为L的阵列的.dB波束分辨率为a九“矗三。.定向响应定向响应是波束形成对阵梦『j响应向量的响应定义为空间能谱:P秘)=题|w”)x)|】(。).波束形成器输出SNR波束形成器戆输毒SNR蔫来餐爨阵确灌益稳能。辩一个ULA信号覆型将式(.)表示的阵列接收信号通过一个权向攫为W的波束形成器得到波束形成器的输出为:y(n)=w《彩=^wa(弦(撑)w”鼍()波束形成器的输出信号功率为:=联ly(n)隆=WRw(.)其中R=露【x)x”(聆)】是阵列接收储号的囱相关矩阵。阵列输出信号y)中有用信号的功率为:冀=占{|ffw建(妒)s(对)|}=A重a|W”a(多){《。)噪声功率为:置=E{wrl(t)}=wRw=llwll(.)所以

用户评论(0)

0/200

精彩专题

上传我的资料

每篇奖励 +2积分

资料评价:

/31
仅支持在线阅读

意见
反馈

立即扫码关注

爱问共享资料微信公众号

返回
顶部