硕士论文-移动通信中自适应阵列信号处理关键技术研究

重庆大学硕士学位论文移动通信中自适应阵列信号处理关键技术研究姓名：岳晋申请学位级别：硕士专业：电路与系统指导教师：冯文江20050101中文摘要I摘要自适应阵列天线系统能根据信号的来波方向调整方向图，跟踪期望信号，减少或抵消干扰信号，提高信干噪比。在移动通信系统中，采用自适应阵列天线可以提高频谱利用率、增加系统容量、扩大基站覆盖范围、减小电磁污染，明显改善系统的通信质量。自适应阵列天线已经成为第三代移动通信研究的热点之一。在给定各阵元的取样数据后，自适应阵列天线信号处理的问题一般可以归结到三个方面：信号源数目的确定、波达方向（DOA:DirectionofArrival）的多用户检测和数字波束形成（DBF:DigitalBeamforming）。这几个方面不是相互独立的，而是相互关联的。论文在查阅大量国内外相关科技文献资料的基础上，围绕自适应阵列天线技术中的波达方向估计和数字波束形成技术做了以下几个方面的研究：1.总结了传统的DOA估计算法，在相关和非相关信号等条件下，对基于子空间的MUSIC方法的DOA估计性能进行了分析和仿真研究，并将其与传统的DOA估计方法进行了对比研究。2.MUSIC算法是谱估计算法中的经典算法，它具有测向分辨率高，对信号个数和DOA角度可以进行渐进无偏估计等优点，但是在分辨相关信号时需要进行平滑处理，增加了计算量。针对多用户多径情况下的DOA估计问题，提出了一种空时平滑算法。该算法能有效识别出各来波的DOA，与传统的空间平滑技术相比，该算法分辨高，计算量小。3.提出了基于最大特征值的空时平均处理算法。该方法结合基于最大特征值的DOA估计算法和空时平均处理方法而提出，在保持最大特征值法优点的基础上，引入空时平均处理技术，在低信噪比和小样本的情况下，能有效的提高DOA估计的分辨率和准确度。4.在深入研究基于特征空间（ESB:Eigenspace-based）波束形成算法性能的基础上，提出了基于最大特征值的ESB波束形成算法。算法摒弃了权向量在干扰用户与多径信号空间中的分量，权向量范数更小，输出噪声功率较小，在提高信干噪比的同时能够获得比原ESB算法更快的收敛速度，并对指向误差不敏感。此外，算法受相关干扰和多径干扰的影响小，算法的稳定性和鲁棒性较好。关键词：自适应阵列天线，波达方向，数字波束形成，特征空间，移动通信重庆大学硕士学位论文IIABSTRACTAdaptiveArrayAntennas(AAA)canadjustitsbeampatternsbasedonthearrivaldirectionofsignal,trackingtheanticipantsignal,decreasingorcounteractingtheinterferencesandimprovingtheSIR(SignaltoInterferenceRatio).Theintroductionofadaptivearrayantennasinthemobilecommunicationsystemwilldeveloptheusingoffrequencyspectrum,enlargethecapabilityofthesystem,expandtheradiationofthebasestation,reducetheelectromagneticpollutionandimprovethecommunicationqualityofthesystemobviously.AdaptivearrayantennashavebecomeoneofthespotlightsoftheThirdGenerationmobilecommunication.Giventhesampleddataofeachelement,thesignalprocessingofAAAconsistsofthreeparts:thedeterminationofsourcenumber,theDOA(DirectionofArrival)multi-userdetectionandDBF(DigitalBeamforming).Theyarenotindependent,butassociatedwithoneanother.Havingreadalotoftransactionsintheareaofinterest,theauthoraimsatthesubjectonDOAandDBFinAAAtechnologiesandmakeseffortstostudytheproblemsbelow:1.TheconventionalDOAmethodsaresummarized.TheDOAestimationperformanceofMUSICalgorithminthescenarioofcorrelatedsignalsanduncorrelatedsignalsarestudied.ThentheperformancesofMUSICandthatoftheconventionalmethodsarecomparedwiththesimulationresultsgiven.2.MUSICalgorithmistheclassicalalgorithmtoSpectralanalysis,andithasmanyvirtuesexpectthatSpatialSmoothing,whichthealgorithmneedstodistinguishcorrelatedsignals,resultinexcesswork.Thespatial-temporalsmoothingalgorithmisproposedtodistinguisheachDOAofdifferentpathofdifferentusereffectively.ComparedwiththetraditionalSpatialSmoothingmethod,thespatial-temporalsmoothingmethodcanachievehigherresolution.3.Analgorithmbasedonthelargesteigenvalueusingtemporal-spatialaveragingisproposed.ThealgorithmintegratestheDOAalgorithmbasedonthelargesteigenvalueandtemporal-spatialaveragingmethod.Itkeepsvirtuesoftheformeralgorithmandthroughtemporal-spatialaveragingprocessingtheperformanceofDOAestimationisimprovedgreatly,especiallyontheconditionthatSNR(Signal-to-NoiseRatio)islowandthenumberofsnapshotisnotenough.英文摘要III4.ESB(Eigenspace-based)beamformingalgorithmisintroducedandanimprovedalgorithmbasedonthelargesteigenvalueisproposedonthebaseofit.Theimprovedalgorithmeliminatestheweightofinterferenceusersandmulti-pathsignals,decreasesthenormoftheweightvectorandtheoutputnoisepower,improvesSINRandconvergesmorerapidlythantheoriginalESBalgorithm.Itisnotsensitivetothedirectionerror,correlatedinferenceandmulti-pathinferenceandhasquitegoodstabilityandrobustness.Keywords:AdaptiveArrayAntennas,DOA,DBF,Eigenspace,mobilecommunication1绪论11绪论1.1问题的提出对衰落、有噪移动通信信道的优化检测起源于二十世纪五十年代。鉴于移动通信信道传播的开放性、接收点地理环境的复杂性和多样性以及通信用户的随机移动性，移动信道必然存在路径传播损耗、慢衰落损耗和快衰落损耗[1]。其中路径传播损耗反映了传播在宏观大范围的空间距离上的接收信号电平平均值的变化趋势，与距离的平方成反比；慢衰落损耗反映了中等范围内接收电平的均值变化产生的损耗，遵从对数正态分布；而快衰落损耗反映微观小范围内接收电平均值变化产生的损耗，服从Rayleigh分布或Rician分布。快衰落又分为空间选择性衰落、频率选择性衰落和时间选择性衰落。在实际移动通信中，三类选择性衰落都存在，对移动通信性能影响极为严重。移动通信的信道传输环境较恶劣，多径衰落、时延扩展造成了符号间串扰(ISI:Inter-SymbolInterference)；由于频率复用引入了同信道干扰(CCI:Co-ChannelInterference)；CDMA系统[2]中由于其自身的特点产生了多址干扰(MAI:MultipleAccessInterference)等。以上这些干扰降低了链路性能和系统容量。均衡、码匹配滤波器、RAKE接收、信道编码技术等都可以对抗或者减小上述几种干扰的影响。这些技术利用的都是时域或频域信息，但实际上有用信号的延时样本和干扰信号在时域或频域存在差异的同时，在空域（SpaceDomain）也存在差异。例如，分集天线特别是扇形天线就可看作是对空间资源的初步利用。然而，要想更充分地利用空域信息只有采用基于阵列信号处理技术的智能天线。因此，智能天线可以用于具有复杂电波传播环境的移动通信中。此外，随着移动通信用户数迅速增长和人们对通话质量要求的不断提高，要求移动通信网在大容量下仍具有较高的话音质量。经研究发现，阵列信号处理可以将无线电信号导向具体的方向，产生空间定向波束，使天线主波束对准用户信号到达方向（DOA:DirectionofArrival），旁瓣或零陷对准干扰信号到达方向，达到充分高效利用移动用户信号并抵消或抑止干扰信号的目的。同时，利用各个移动用户间信号空间特征的差异，通过阵列天线技术在同一信道上接收和发射多个移动用户信号而不发生相互干扰，使无线电频谱的利用和信号传输更为有效。在不增加系统复杂度的情况下，使用智能天线可以满足服务质量和网络扩容的需要。因此，在第三代移动通信系统的研究中倍受关注。重庆大学硕士学位论文21.2自适应阵列天线技术的发展与现状20世纪90年代以来，阵列处理技术[3]引入移动通信领域，很快形成了一个新的研究热点。最初的阵列处理技术主要用于雷达、声纳、军事抗干扰通信，用来完成空间滤波和定位等。近年来，随着移动通信的发展及对移动通信电波传播、组网技术、天线理论等方面的研究逐渐深入，现代数字信号处理技术的迅速发展，数字信号处理芯片处理能力的不断提高，使得利用数字技术在基带形成天线波束，提高天线系统的可靠性与灵活程度成为可能。在给定各阵元的取样数据后，自适应阵列天线信号处理的问题一般可以归结到三个方面：信号源数目的确定、波达方向（DOA）的多用户检测和数字波束形成（DBF）。这几个方面不是相互独立的，而是相互关联的。许多DOA估计算法需要已知或估计信源数。检测入射到阵列的信源数，是大多数超分辨DOA估计方法中的关键一步。在基于特征分解的方法中，是通过估计最小特征值的重数来估计信源数的。但实际输入样本协方差矩阵是利用样本的有限集合形成，最小特征值不一定精确相等。估计信源数时，为检测特征值是否相等或接近，人们提出了各种统计方法，如序列假设（SH:Sequ