CN100401650C - 一种智能天线自适应波束形成及数据解调方法 - Google Patents

Abstract

本发明涉及数字无线通讯中智能天线的接收/发射技术领域，尤其涉及一种智能天线自适应波束形成及数据解调方法。本发明采用以最小均方误差的近似解替代维纳解作为初始值，在此基础上估计噪声功率，求出δ²值，构造广义相关矩阵X·X^H+δ²I，进而运用维纳解求得权值W＝(X·X^H+δ²I)^-1·X·d^H。本发明避免了奇异阵导致权值的不稳定，扩大了智能天线算法的适用范围，同时简化了系统结构，提高了运算速度，可以实时跟踪用户的快速移动并且可以对抗多个干扰，从根本上克服现有技术的运算量大、实现难度高、速度慢以及系统结构夏杂的缺点。

Description

一种智能天线自适应波束形成及数据解调方法

技术领域

本发明涉及数字无线通讯中智能天线的接收/发射技术领域，特别涉及一种PHS系统(Personal Handy-phone System)智能天线基站的自适应波束形成及数据解调方法。

背景技术

近年来在移动通信领域，以频率的有效利用、通信品质的提高为目的的智能天线技术的应用受到越来越多的关注。所谓智能天线技术即采用两个以上的单天线阵元组成天线阵，每个阵元接收到的信号经过射频处理后用适当的权值进行加权求和，可以达到定向接收的效果，一个权矢量对应着一定的波束方向图。加权的实质是一种空间滤波，智能天线也可以认为是一种SDMA(Spatial Division Multiple Access，空分多址)技术。SDMA中通过天线阵列接收信号，并通过数字信号处理进行数字波束赋形，也就是通过调整天线阵列所接收信号的相位和幅度使所需信号得到加强，而其它干扰信号得以削弱，最终使所需信号的信噪比最大。

PHS系统智能天线基站是较早的将智能天线商业化的通信系统之一。智能天线基站在接收时，根据通过多个天线阵元所接收的信号前置码或唯一字等预置信号内容已知部分的信息，一边调整加权矢量，一边分离出来自特定移动台的信号；在发送时，利用修改的加权矢量，使定向性向着特定的移动台，从而在某种程度上防止干扰维持通信质量，在空间复用方式下进行多个移动台的通信。

至今，人们提出了不少与智能天线技术相关的专利，如中国发明专利申请公开说明书CN1235389A公开的一种自适应天线，基站从通过空间复用进行通信的多个移动台以包含互不相同的唯一字的形式来发送通信数据，同时利用唯一字作参考信号，按照最小均方误差方式从空间复用的信号中分离出多个移动台的通信数据，而且利用其结果，采用定向波束向各移动台发送通信数据。中国发明专利说明书CN1147061C公开的一种基站设备以及控制天线射束方向的方法中，无线基站把计算出对应于多个动态的移动台每一个的第一个加权向量，通过以所述第一加权向量加权由多个天线接收到的信号从所述多个移动台中的每一个抽出发送来的信号的周期；以及对与所述多个移动台的每一个由所述多个天线发送以所述第一加权向量加权得到的信号的发送周期组合起来作为一个循环周期，以时分多路复用反复于多个移动台进行通信。

智能天线系统中最核心的技术是自适应波束形成技术，智能天线系统对通信系统的改善程度主要取决于自适应波束形成方法的性能。其中自适应波束形成方法的计算复杂度和收敛速度是制约自适应天线发展的难题之一。上述涉及自适应智能天线的专利中，或者只是提出了系统实现的框架，没有具体的实现方法；或者提出的所用自适应波束形成方法运算复杂，实现中较为繁琐。

发明内容

本发明的目的是为了克服上述智能天线系统的缺点，解决自适应智能天线实现复杂的问题，提出一种简洁有效的智能天线自适应波束形成方法。

本发明的核心思想是，采用以最小均方误差的近似解作为初始值，在此基础上估计噪声功率，构造广义相关矩阵，进而对广义相关矩阵运用维纳解求得权值。

本发明的目的之一在于提供一种智能天线自适应波束形成方法，根据天线阵列所接收信号的已知信息，求得上行接收信号的加权矢量，通过上行加权矢量调整下行加权矢量来自适应形成指向移动台的波束，其特征在于求上行接收信号的加权矢量的步骤包括以下步骤：

(1)利用初始权值W₀和阵列接收信号X进行波束形成得到输出信号 $Y=W_0^H\·X,$ 其中上标H表示共扼转置运算；

(2)对Y做差分解调得到数据比特流P_d；

(3)计算阵列接收信号的自相关矩阵R＝X·X^H；

(4)对判决出的P_d进行再调制，取P_d的部分数据D_P与已知的调制UW(Unique word，唯一字)调制信号D_UW构造参考信号D＝[D_UW D_P]；

(5)计算相关矩阵R的条件数λ，并判别，如果λ＞λ_m，其中λ_m是预先设定的值，则进行步骤(6)；否则进行步骤(8)；

(6)构造广义相关矩阵X·X^H+δ²I，δ²为噪声功率系数，I为单位阵；

(7)利用广义相关矩阵求逆方法得到上行接收权值W＝(X·X^H+δ²I)^-1·X·d^H，其中，d是接收到的码流，上标-1表示求逆运算；

(8)利用维纳解求得上行接收权值W＝(X·X^H)^-1·X·d^H。

本发明的另一个目的还在于提供一种使用智能天线自适应波束解调数据的方法，根据天线阵列所接收信号的已知信息，求得上行接收信号的加权矢量，通过加权矢量来解调接收的信号，其特征在于解调数据的步骤包括以下步骤：

(a)对输入信号的数据进行预处理；

(b)对预处理过的数据进行位同步；

(c)估计和补偿载波频偏和相位偏移；

(d)获取初始权值并选择参考信号；

(e)利用广义相关矩阵求逆算法，通过获取的初始权值和选择的参考信号求得加权矢量；

(f)利用得到的加权矢量合并数个单通道信号形成波束；

(g)对加权后形成的波束进行解调，得到解调数据。

本发明由于采用了广义矩阵求逆的自适应波束形成方法，同现有的自适应波束形成方法相比具有很多优点。本发明采用以最小均方误差的近似解替代维纳解作为初始值，在此基础上估计噪声功率，求出δ²值，构造广义相关矩阵X·X^H+δ²I，进而运用维纳解求得权值W＝(X·X^H+δ²I)^-1·X·d^H。需要说明的是，当输入信噪比较高时，矩阵R＝X·X^H存在奇异现象，从而导致所求权值不稳定，使得智能天线系统整体性能变差，加进因子δ²I，不仅解决了矩阵奇异的不稳定性问题，还提高了系统的适用范围。

本发明方法与传统的矩阵求逆及最小均方误差迭代自适应方法相比具有以下特点：

第一，利用已知前导符号求优化权值，作为初始权值，使得初值的选取更加接近理想权值，大大提高了算法跟踪速度，满足了通讯系统实时处理的要求。

第二，采用批处理算法，避免了迭代算法的不收敛问题，步骤简洁、计算快速，降低了硬件实现的难度，更易于工程实现。

第三，采用广义矩阵求逆算法避免了，奇异矩阵导致的权值不稳定现象，提高了智能天线系统整体性能和适用范围。

第四，算法能跟踪用户的波达方向，自适应的调节权矢量。能在期望用户的波达方向形成波束最大指向，而在干扰用户方向形成零陷，有效的抑制干扰的影响。

总之，采用本发明提供的方法实现自适应波束形成，会使系统构成简化，技术难度和运算量大大降低，研发周期缩短，工程实现方便，同时使得PHS智能基站处理的性能大大提高。

附图说明

图1本发明所述自适应波束形成方法流程图；

图2本发明广义相关矩阵求逆自适应波束形成算法流程图。

具体实施方式

下面结合附图对技术方案的实施作进一步的详细描述，根据这些流程图和结构图，同一领域的技术人员可以很容易实现这些模块。

图1是本发明所述自适应波束形成方法流程图。在自适应方式智能天线中，对应空域或空、时域处理的权值可依据一定的自适应算法进行任意调整，以对当前的传输环境进行最大可能匹配，相应的智能天线接收/发射波束可以是任意指向的。在实践中由于算法常常十分复杂，实现起来较为困难。因此，优化系统结构、减少算法计算量，是本发明的出发点。本发明所阐述的方法可按如下几个步骤实现：

第一步(102)，数据预处理。在实际通信中信道衰落较大，需要较高的量化位数以满足足够的动态范围。但是，这会造成后续计算量的增加，对DSP运算量的压力较大。同时，在自适应算法中，输入信号幅度对智能效果影响较大，需要对信号幅度进行限制。

为了解决上述两个问题，需要对输入信号进行预处理，具体方法为：

首先，对所用数据进行归一化，降低数据的幅值，便于步长的选取，使自适应算法尽快收敛；

其次，对参考信号进行A/D量化，扩大幅值，使参考信号的幅度与实际信号的幅度大小尽量一致。

第二步(103)，位同步及UW字匹配。

首先，利用帧结构中的前导序列(PR，Preamble)进行位同步的方法。由于PR被设计为1001重复的码流，所以经过π/4DQPSK调制后的IQ信号与前两位的IQ信号的相位差为π/2。假设调制后PR的码流为：d₁，d₂，…d_N，则有

$d_n/d_{n-2}=e^{j\frac{\mathrm{\π}}{2}}$

由于系统采用的采样率为5倍码元速率，所以，任一采样点和它前面的第10个采样点都相差π/2。假设采样点依次为s₁，s₂…s_L，则有

$s_n/s_{n-10}=e^{j\frac{\mathrm{\π}}{2}}$

为降低噪声的影响，对相隔10个采样点的数据做相干叠加：

$x_k=\underset{l=0}{\overset{L/10-1}{\mathrm{\Σ}}}{s}_{k+l\×10}{(-j)}^l,k=\mathrm{1,2},...10$

其中-j的相位为-π/2，L为一次采样的最大数量，l是将一次采样的全部数据每10个分为一组的组序号，k＝1，2，…10为一组中10个采样点的序号，S_k+1表示第l组第k个采样点的数据，x_k为相干叠加后的数据，上述相干叠加运算可以不用乘法运算，仅经过加减运算即可完成。

这样处理后我们得到了10个值，将前五个x_k和后五个x_k的模值相加，求这5个值中最大值处即为位同步点。

其次，进行UW字匹配。实际上，经过上述的位同步操作，已经完成了误差在两个码元范围内的码元同步。当实际系统中时延误差小于两个码元持续期时，使用上述的位同步操作就足够了。但是，由于PR序列是以2个码元持续期为周期的周期序列，所以使用PR同步会带来2个码元持续期的相位模糊。为了解决这一问题，可以考虑使用UW字进行码元同步。由于此时位同步已经完成，所以此时实现码元同步较为容易，只要取UW的部分码元做隔位相关运算即可。

第三步(104)，载波频偏和相位偏移的估计和补偿。假设数据流中有一段已知序列SS+PR+UW，其中SS(Start symbol)为起始符号，设为s₁，s₂…s_N，N为采样点数，载波频偏估计值

由下式给出：

$e^{j\widehat{\mathrm{\ω}}}=\frac{\underset{n=2}{\overset{N}{\mathrm{\Σ}}}{x}_n{s}_n^{*}{\left(x_{n-1}{s}_{n-1}^{*}\right)}^{*}}{\left|\underset{n=2}{\overset{N}{\mathrm{\Σ}}}{x}_n{s}_n^{*}{\left(x_{n-1}{s}_{n-1}^{*}\right)}^{*}\right|}$

上标*表示共扼运算，相位偏移的估计值

由下式给出：

$e^{j\widehat{\mathrm{\θ}}}=\frac{\underset{n=2}{\overset{N}{\mathrm{\Σ}}}{x}_n{e}^{-j\widehat{\mathrm{\ω}}n}{s}_n^{*}}{\left|\underset{n=2}{\overset{N}{\mathrm{\Σ}}}{x}_n{e}^{-j\widehat{\mathrm{\ω}}n}{s}_n^{*}\right|}$

估计出载波频偏和相位偏移后，使用下式进行补偿，得到补偿后的数据y_n：

$y_n=x_n{e}^{-j\widehat{\mathrm{\ω}}n-j\widehat{\mathrm{\θ}}}$

通常情况下，参考序列选取的长度越长，载波频偏和相位估计的结果就越好，所以尽量选取所有的已知序列作为参考序列。通过实际得到的数据进行仿真结果显示，不是每一组数据都能完全频偏和相位补偿，有些数据可以完全补偿过来，有些数据可以大部分补偿。总之，经过上面的方法处理后，可以大大改善载波频偏和相位偏移的影响。

第四步(105)，初始权值的获取及参考信号的选择。权值初值的选取对广义相关矩阵求逆算法的性能有较大的影响，必须选取好的初值，以保证算法快速跟踪。由于同一用户的不同时隙之间只相隔5ms，所以可以选取前面时隙的权值作为权值初值。对于第一个时隙，可以采用下面的方法获取权矢量初值。

$w_0=\frac{1}{N}\underset{n=1}{\overset{N}{\mathrm{\Σ}}}{y}_n{s}_n^{*}$

在DSP实现中，可以为自适应权值开辟固定的地址空间，刚开始工作时，利用同步时隙(SYN，Synchronization burst)计算出初始权值，放在固定的地址空间上，在通信物理时隙(TCH，Traffic channel)时，直接从这个地址上读取权值作为始权值开始运行算法，算法完成后，计算出来的权值又放到这个地址空间上，作为同一用户下一个时隙的初始权值。

第五步(106)，广义相关矩阵求逆自适应波束形成。算法在下文结合图2具体说明。

第六步(107)，波束形成。将数个单通道信号进行合并形成波束Y＝W^H·X。

第七步(108)，解调。采用

解调方法如下：

将奇序号和偶序号的码元分离，分别进行判决，具体操作为：

$z_{2n-1}=\mathrm{sign}\left(y_{2n-1}{e}^{-\mathrm{j\π}/4}\right)e^{\mathrm{j\π}/4}/\sqrt{2}$

$z_{2n}=\mathrm{sign}\left(y_{2n}\right)/\sqrt{2}$

其中，y_2n、y_2n-1分别为对应频偏补偿后的数据y_n的偶序号和奇序号的数据，z_2n、z_2n-1分别对应为判决后的数据z_n的偶序号和奇序号的数据，sign(.)表示取符号运算，且，sign(y)为分别对y的实部和虚部取符号。这是由于调制两比特b₁b₂映射一符号，位b₁决定符号实部(即同相分量)的正负性；位b₂决定符号虚部(即正交分量)的正负性。

第八步(109)，CRC校验。采用ITU-T 16位CRC，即在每帧上增加16bit冗余位，其生成多项式为1+X⁵+X¹²+X¹⁶。若CRC校验结果正确，则进行下一步骤；否则，舍弃该数据。

第九步(110)，下行权值的计算。由于PHS系统采用TDD(Time Division Duplex，时分双工)的工作方式，上行信号和下行信号工作在同一频点，经过同一信道，而且收发时间间隔仅为2.5ms，可以认为上下行信道特性保持不变，所以，上行权值可以直接用于下行权值，只需将上行权值取共轭并乘上校正权值即可。

图2是基于本发明广义相关矩阵求逆自适应波束形成方法流程图。

第一步(202)，首先，利用初始权值W₀和阵列接收信号X进行波束形成得输出信号 $Y=W_0^H\·X;$ 其次，对Y做差分解调得到数据比特流P_d。

第二步(203)，计算阵列接收信号的自相关矩阵R＝X·X^H。

第三步(204)，对判决出的P_d进行再调制，取P_d的部分数据与已知的调制UW字调制信号构造参考信号D＝[D_UW D_P]。

第四步(205)，计算相关矩阵R的条件数λ并判别，如果λ＞λ_m(设定值)，则进行下一步206；否则进行步骤208。

第五步(206)，构造广义相关矩阵X·X^H+δ²I，δ²为噪声功率系数，I为单位阵。

第六步(207)，利用广义相关矩阵求逆方法得到上行接收权值W＝(X·X^H+δ²I)^-1·X·d^H。

第七步(208)，利用维纳解得到上行接收权值W＝(X·X^H)^-1·X·d^H。

Claims (9)

1.一种智能天线自适应波束形成方法，根据天线阵列所接收信号的已知信息，求得上行接收信号的加权矢量，通过上行加权矢量调整下行加权矢量来自适应形成指向移动台的波束，其特征在于求上行接收信号的加权矢量的步骤包括以下步骤：

(1)利用初始权值W₀和阵列接收信号X进行波束形成得到输出信号 $Y=W_0^H\·X;$

(2)对Y做差分解调得到数据比特流P_d；

(3)计算阵列接收信号的自相关矩阵R＝X·X^H；

(4)对判决出的P_d进行再调制，取P_d的部分数据D_P与已知的调制唯一字调制信号D_UW构造参考信号D＝[D_UW D_P]；

(5)计算相关矩阵R的条件数λ，并判别，如果λ＞λ_m，其中λ_m是预先设定的值，则进行步骤(6)；否则进行步骤(8)；

(6)构造广义相关矩阵X·X^H+δ²I，δ²为噪声功率系数，I为单位阵；

(7)利用广义相关矩阵求逆方法得到上行接收权值W＝(X·X^H+δ²I)^-1·X·d^H；

(8)利用维纳解得到上行接收权值W＝(X·X^H)^-1·X·d^H；

其中，d表示接收到的码流。

2.根据权利要求1所述的方法，其特征在于：步骤(1)中的初始权值W₀通过下面的方法获得的：

$w_0=\frac{1}{N}\underset{n=1}{\overset{N}{\mathrm{\Σ}}}{y}_n{s}_n^{*}$

其中s₁，s₂…s_N为采样数据，y₁，y₂…y_N为频偏补偿后的数据，N为采样点数。

3.一种使用智能天线自适应波束解调数据的方法，根据天线阵列所接收信号的已知信息，求得上行接收信号的加权矢量，通过加权矢量来解调接收的信号，其特征在于包括如下步骤：

(a)对输入信号的数据进行预处理；

(b)对预处理过的数据进行位同步；

(c)估计和补偿载波频偏和相位偏移；

(d)获取初始权值并选择参考信号；

(e)利用广义相关矩阵求逆算法，通过获取的初始权值和选择的参考信号求得加权矢量；

(f)利用得到的加权矢量合并数个单通道信号形成波束；

(g)对加权后形成的波束进行

解调，得到解调数据。

4.根据权利要求3所述的方法，其特征在于步骤(a)具体包括：

(a1)对所用数据进行归一化，降低数据的幅值；

(a2)对参考信号进行A/D量化，扩大幅值，使参考信号的幅度与实际信号的幅度大小一致。

5.根据权利要求3所述的方法，其特征在于(b)步骤中的位同步过程包括：对相隔10个采样点的数据做相干叠加：

$x_k=\underset{l=0}{\overset{L/10-1}{\mathrm{\Σ}}}{s}_{k+l\×10}{(-j)}^l$ k＝1，2，…10

其中-j的相位为-π/2，S_k+1表示第l组第k个采样点的数据，x_k为相干叠加后的数据；将前五个x_k和后五个x_k的模值相加，求这5个值中最大值处即为位同步点。

6.根据权利要求3所述的方法，其特征在于载波频偏的估计值由下式给出：

$e^{j\widehat{\mathrm{\ω}}}=\frac{\underset{n=2}{\overset{N}{\mathrm{\Σ}}}{x}_n{s}_n^{*}{\left(x_{n-1}{s}_{n-1}^{*}\right)}^{*}}{\left|\underset{n=2}{\overset{N}{\mathrm{\Σ}}}{x}_n{s}_n^{*}{\left(x_{n-1}{s}_{n-1}^{*}\right)}^{*}\right|},$ 其中s₁，s₂…s_N为已知序列。

7.根据权利要求3所述的方法，其特征在于相位偏移的估计值由下式给出：

$e^{j\widehat{\mathrm{\θ}}}=\frac{\underset{n=1}{\overset{N}{\mathrm{\Σ}}}{x}_n{e}^{-j\widehat{\mathrm{\ω}}n}{s}_n^{*}}{\left|\underset{n=1}{\overset{N}{\mathrm{\Σ}}}{x}_n{e}^{-j\widehat{\mathrm{\ω}}n}{s}_n^{*}\right|},$ 其中s₁，s₂…s_N为已知序列。

8.根据权利要求3所述的方法，其特征在于初始值的获取是使用下式得出的：

$w_0=\frac{1}{N}\underset{n=1}{\overset{N}{\mathrm{\Σ}}}{y}_n{s}_n^{*}$ ，其中W₀为初始权值，s₁，s₂…s_N为采样数据，y_n为频偏补偿后的数据，N为采样点数。

9.根据权利要求3所述的方法，其特征在于进行 $\frac{\mathrm{\π}}{4}\mathrm{DQPSK}$ 解调的具体方法如下：将奇序号和偶序号的码元分离，分别进行判决，具体操作为：

$z_{2n-1}=\mathrm{sign}\left(y_{2n-1}{e}^{-\mathrm{j\π}/4}\right)e^{\mathrm{j\π}/4}/\sqrt{2}$

$z_{2n}=\mathrm{sign}\left(y_{2n}\right)/\sqrt{2}$

其中，y_2n、y_2n-1分别表示频偏补偿后的数据中偶序号和奇序号的数据，z_2n、z_2n-1分别表示判决后的数据Zn中偶序号和奇序号的数据，sign(.)表示取符号运算，且sign(y)表示分别对y的实部和虚部取符号。

Images