CN101436893A - 智能天线中抑制干扰的波束赋形装置及方法 - Google Patents

Abstract

本发明涉及通信技术领域，尤其公开了一种智能天线中抑制干扰的波束赋形的方法及装置，首先，根据接收的上行信号，对期望用户和干扰用户进行信道估计，并估计期望用户的来波方向、干扰用户的来波方向；进而构造期望用户的干扰矩阵；基于期望用户的干扰矩阵和空间协方差矩阵，计算期望用户的波束赋形权向量；再将期望用户的波束赋形权向量作为赋形权值加权各天线幅相，对期望用户下行波束赋形。所述波束赋形装置，用于根据所述赋形方法进行赋形处理。应用本发明，能够抑制干扰，在较强干扰情况下，仍能正确确定期望用户的空间特征，实现较佳的下行波束赋形。

Description

智能天线中抑制干扰的波束赋形装置及方法

技术领域

本发明涉及移动通信技术领域的波束赋形技术领域，尤其涉及一种适用于时分同步码分多址(TD-SCDMA)通信系统的智能天线中的波束赋形装置及方法。

背景技术

智能天线实际上是利用共享同一信道的不同用户之间的空间特征差异来实现信道倍增的，使用同一频道、同一时隙和同一码字的用户只要信号的空间特征不同，就可以通过空域滤波实现用户信号的分离。通过多个天线阵列所接收的信号进行幅相加权，来获得所需要的天线波束指向，以实现空间分离。波束赋形方法是智能天线中的核心技术之一。波束赋形方法主要目的是尽量使期望信号方向上的增益增大，同时使干扰方向的增益减少。

在没有干扰情况下，现有的基于上行接收信号的功率最大准则的波束赋形算法能获得较好的性能。但是存在较强干扰下，期望用户的空间特征将受到影响，严重影响系统的下行波束赋形性能。

因而，需要一种新的波束赋形装置及方法，能够抑制干扰，在较强干扰情况下，仍能正确确定期望用户的空间特征，实现较佳的下行波束赋形。

发明内容

本发明所要解决的技术问题在于，提供一种智能天线中抑制干扰的波束赋形装置及方法，实现抑制干扰，在较强干扰情况下正确确定期望用户的空间特征、实现下行波束赋形。

本发明提供一种智能天线中抑制干扰的波束赋形装置，包括依次串连连接的上行信号信道估计模块、来波方向解析模块、干扰矩阵生成模块、权向量计算模块、加权赋形模块，所述来波方向解析模块还与权向量计算模块相连，其中：

所述上行信号信道估计模块，用于对基站接收的上行信号进行处理，根据接收的上行信号，对期望用户和干扰用户进行信道估计；

所述来波方向解析模块，用于根据所述上行信号信道估计模块对上行信号进行信道估计的结果，构造各用户信道冲激响应矩阵，计算期望用户的空间协方差矩阵，并估计期望用户的来波方向，同时由干扰用户信道冲激响应估计干扰用户来波方向；

所述干扰矩阵生成模块，用于根据来波方向解析模块确定的各干扰用户与期望用户来波方向差值以及来波方向解析模块确定的各干扰用户信道冲激响应矩阵，计算各干扰用户的信道冲激响应功率最大值，并构造期望用户的干扰矩阵；

所述权向量计算模块，用于基于期望用户的干扰矩阵生成模块构造的干扰矩阵和来波方向解析模块构造的期望用户的空间协方差矩阵，计算期望用户的波束赋形权向量；

所述加权赋形模块，用于根据权向量计算模块计算的赋形权值加权各天线幅相，对期望用户下行波束赋形。

进一步地，所述权向量计算模块，是通过如下方式计算波束赋形权向量的，即：

对从干扰矩阵生成模块获得的干扰矩阵进行协方差运算，将得到的干扰矩阵的空间协方差距阵进行距阵求逆；

将干扰距阵的空间协方差矩阵逆矩阵与期望用户空间协方差矩阵相左乘，得到期望用户考虑干扰的修正的空间协方差矩阵；

对修正的空间协方差矩阵进行SVD分解、或特征分解、或QR分解，将最大特征值对应的特征向量作为下行波束赋形权值。

进一步地，所述权向量计算模块，是通过如下方式计算波束赋形权向量的，即：

对从干扰矩阵生成模块获得的干扰矩阵进行协方差运算，将得到的干扰矩阵的空间协方差距阵进行距阵求逆；

将干扰距阵的空间协方差矩阵逆矩阵与期望用户空间协方差矩阵相左乘，得到期望用户考虑干扰的修正的空间协方差矩阵；

计算阵列的导向矢量；

用阵列导向矢量扫描修正的空间协方差矩阵，得到最大功率对应的阵列导向矢量作为期望用户的波束赋形权向量。

进一步地，所述权向量计算模块，是通过如下方式计算波束赋形权向量的，即：

对从干扰矩阵生成模块获得的干扰矩阵进行QR分解或SVD分解，得到干扰矩阵的零空间正交基；

对干扰矩阵进行QR分解或SVD分解，得到干扰矩阵的零空间正交基；

在干扰矩阵的零空间内寻求期望用户空间协方差矩阵最大特征值对应的特征向量的最优解，作为下行波束赋形权值。

进一步地，所述权向量计算模块，在干扰距阵的零空间内求解期望用户空间协方差距阵最大特征值为主特征向量，该最大特征值对应的特征向量的最优解是最小二乘解。

本发明还提供一种智能天线中抑制干扰的波束赋形的方法，包括如下步骤：

(1)根据接收的上行信号，对期望用户和干扰用户进行信道估计；

(2)根据信道估计结果，构造各用户信道冲激响应矩阵，计算期望用户的空间协方差矩阵，并估计期望用户的来波方向、干扰用户的来波方向；

(3)根据各干扰用户与期望用户来波方向差值、各干扰用户信道冲激响应矩阵、以及计算的各干扰用户的信道冲激响应功率最大值，构造期望用户的干扰矩阵；

(4)基于期望用户的干扰矩阵和空间协方差矩阵，计算期望用户的波束赋形权向量；

(5)将期望用户的波束赋形权向量作为赋形权值加权各天线幅相，对期望用户下行波束赋形。

进一步地，所述步骤(4)中，计算期望用户的波束赋形权向量的方式为：

对从干扰矩阵生成模块获得的干扰矩阵进行协方差运算，将得到的干扰矩阵的空间协方差距阵进行距阵求逆；

将干扰距阵的空间协方差矩阵逆矩阵与期望用户空间协方差矩阵相左乘，得到期望用户考虑干扰的修正的空间协方差矩阵；

对修正的空间协方差矩阵进行SVD分解、或特征分解、或QR分解，将最大特征值对应的特征向量作为下行波束赋形权值。

进一步地，所述步骤(4)中，计算期望用户的波束赋形权向量的方式为：

对从干扰矩阵生成模块获得的干扰矩阵进行协方差运算，将得到的干扰矩阵的空间协方差距阵进行距阵求逆；

将干扰距阵的空间协方差矩阵逆矩阵与期望用户空间协方差矩阵相左乘，得到期望用户考虑干扰的修正的空间协方差矩阵；

计算阵列的导向矢量；

用阵列导向矢量扫描修正的空间协方差矩阵，得到最大功率对应的阵列导向矢量作为期望用户的波束赋形权向量。

进一步地，所述步骤(4)中，计算期望用户的波束赋形权向量的方式为：

对从干扰矩阵生成模块获得的干扰矩阵进行QR分解或SVD分解，得到干扰矩阵的零空间正交基；

对干扰矩阵进行QR分解或SVD分解，得到干扰矩阵的零空间正交基；

在干扰矩阵的零空间内寻求期望用户空间协方差矩阵最大特征值对应的特征向量的最优解，作为下行波束赋形权值。

进一步地，在干扰距阵的零空间内求解期望用户空间协方差距阵最大特征值为主特征向量，该最大特征值对应的特征向量的最优解是最小二乘解。

本发明提出的一种抑制干扰的波束赋形方法及装置，由于考虑了相邻用户对期望用户的强干扰，通过构造干扰用户对期望用户的干扰矩阵，在干扰信号组成的干扰矢量矩阵的零空间内，寻求对期望用户赋形的权矢量的权向量。使得下行波束赋形权向量位于干扰信号矢量矩阵的零空间内，波束赋形装置能够完全抑制(或是极大抑制)来自干扰用户的各个干扰信号，从而提取期望信号，解决了智能天线中由于干扰引起期望用户上行DOA(DirectionOf Arrival，波达方向)估计性能恶化，从而影响下行波束赋形性能问题。能够抑制干扰，在较强干扰情况下，仍能正确确定期望用户的空间特征，实现较佳的下行波束赋形。

附图说明

图1是本发明智能天线中抑制干扰的波束赋形装置的结构框图；

图2是本发明智能天线中抑制干扰的波束赋形方法实施步骤；

图3是本发明智能天线中抑制干扰的波束赋形方法波束赋形权向量计算方式一的步骤流程图；

图4是本发明智能天线中抑制干扰的波束赋形方法波束赋形权向量计算方式二的步骤流程图；

图5是本发明智能天线中抑制干扰的波束赋形方法波束赋形权向量计算方式三的步骤流程图。

具体实施方式

为使本发明的目的、技术方案和优点更加清楚，以下结合附图对本发明作进一步地详细说明。

考虑相邻用户对期望用户的强干扰，本发明中将构造干扰用户对期望用户的干扰矩阵，在干扰信号组成的干扰矢量矩阵的零空间内，寻求对期望用户赋形的权矢量的权向量。使下行波束赋形权向量位于干扰信号矢量矩阵的零空间内，波束赋形装置能够完全抑制(或是极大抑制)来自干扰用户的各个干扰信号，从而提取期望信号，解决智能天线中由于干扰引起期望用户上行DOA(Direction Of Arrival，波达方向)估计性能恶化，从而影响下行波束赋形性能问题。

为在较强干扰下，使得期望用户的空间特征将受到尽可能少的影响，减小对系统的下行波束赋形性能的影响。本发明实施例中，提供一种智能天线中抑制干扰的波束赋形装置以及相应的波束赋形方法。

结合TD-SCDMA系统，考虑期望用户在本小区内，干扰用户位于邻小区的情况，对本发明技术方案进行详细说明。

如图1所示，可以在智能天线中设置如下的波束赋形装置，包括依次串连连接的上行信号信道估计模块、来波方向解析模块、干扰矩阵生成模块、权向量计算模块、加权赋形模块，所述来波方向解析模块还与权向量计算模块相连，其中：

上行信号信道估计模块，用于对基站接收的上行信号进行处理，根据接收的上行信号，对期望用户和干扰用户进行信道估计；

来波方向解析模块，用于根据所述上行信号信道估计模块对上行信号进行信道估计的结果，构造各用户信道冲激响应矩阵，计算期望用户的空间协方差矩阵，并估计期望用户的来波方向，同时由干扰用户信道冲激响应估计干扰用户来波方向；

干扰矩阵生成模块，用于根据来波方向解析模块确定的各干扰用户与期望用户来波方向差值、各干扰用户的信道冲激响应功率最大值、以及来波方向解析模块确定的各干扰用户信道冲激响应矩阵，构造期望用户的干扰矩阵；

权向量计算模块，用于基于干扰矩阵生成模块构造的期望用户的干扰矩阵和来波方向解析模块构造的期望用户的空间协方差矩阵，计算期望用户的波束赋形权向量；

加权赋形模块，用于根据权向量计算模块计算的赋形权值加权各天线幅相，对期望用户下行波束赋形。

所述权向量计算模块计算期望用户的波束赋形权向量的方式，参见图3、图4、图5所示的计算方式。

如图2所示，给出了本发明实施例的智能天线中抑制干扰的波束赋形方法的具体实施步骤，包括：

步骤S101：智能天线中的波束赋形装置根据基站接收的上行信号对期望用户和干扰用户进行信道估计；

步骤S102：波束赋形装置构造各用户信道冲激响应矩阵，计算期望用户的空间协方差矩阵，并估计期望用户的来波方向，同时由干扰用户信道冲激响应估计干扰用户来波方向；

步骤S103：根据各干扰用户与期望用户来波方向差值及各干扰用户信道冲激响应矩阵，计算各干扰用户的信道冲激响应功率最大值，并构造期望用户的干扰矩阵；

步骤S104：基于构造的期望用户的干扰矩阵和期望用户的空间协方差矩阵，计算期望用户的波束赋形权向量；

步骤S105：利用所述赋形权值加权各天线幅相，对期望用户进行下行波束赋形。

在步骤S101中，基站接收上行信号，波束赋形装置根据接收的上行信号对期望用户和干扰用户进行信道估计。其中，基站接收的上行信号，包括本小区和相邻各小区的多用户多径上行信号，邻小区是指本小区的各个相邻小区。

其中，多小区信道估计采用目前通用的方法，预置接收信号功率门限值P_Signal，选出邻小区上行信号功率超过功率门限P_Signal的信号。利用本小区及邻小区的上行信号中超过预置功率门限值P_Signal的上行信号，进行信道估计，得到各小区的联合信道估计结果。

在步骤S102中，波束赋形装置构造各用户信道冲激响应矩阵，计算期望用户的空间协方差矩阵，并估计期望用户的来波方向，同时由干扰用户信道冲激响应估计干扰用户来波方向。具体实现方式如下：

设某小区的联合信道估计结果用[H₀，H₁，H₂…H_n，…，H_N]表示，其中H₀代表本小区信道冲激响应矩阵，n＝1，2，…时分别代表邻小区1、邻小区2、...的信道冲激响应矩阵。

$H_n={[{\mathrm{ch}\_h}_n^{\left(1\right)},{\mathrm{ch}\_h}_n^2\·\·\·,{\mathrm{ch}\_h}_n^{\left(k\right)},\·\·\·\mathrm{ch}\_h_n^{\left(Q\right)}]}_{M\×Q}$

其中，M代表阵列天线的个数，Q代表信道估计窗的个数。

其中，第n个小区第k个信道估计窗对应的信道冲激响应

，具体表达式如下：

$\mathrm{ch}\_{h_n}^{\left(k\right)}={\left[\begin{array}{cccc}{h}_{n,1}^{(1,k)}& h_{n,2}^{(1,k)}& \·\·\·& h_{n,W}^{(1,k)}\\ h_{n,1}^{(2,k)}& h_{n,2}^{(2,k)}& \·\·\·& h_{n,W}^{(2,k)}\\ \·\·\·& \·\·\·& \·\·\·& \·\·\·\\ h_{n,1}^{(M.k)}& h_{n,2}^{(M,k)}& \·\·\·& h_{n,W}^{(M,k)}\end{array}\right]}_{M\×W}$

W表示窗长，

表示第n个小区第k个信道冲激响应窗的第w个抽头对应于第m根天线的信道冲激响应。

若需要对本小区第i个用户进行DOA(Direction Of Arrival，波达方向)估计，该第i个用户占用第k个信道估计窗，利用步骤S101中得到的信道冲激响应矩阵，则第i个用户的空间协方差矩阵可表示为：

其中，H代表共轭转置。

根据本小区期望用户的空间协方差矩阵R_期望，按照TD-SCDMA系统现有的固定波束扫描方法或者基于最大特征值对应特征向量的DOA估计方法估计期望用户的来波方向。

根据邻小区信道估计结果，构造邻小区各用户信道冲激响应矩阵，  计算邻小区各干扰用户的信道冲激响应功率最大值及对应抽头矢量；

表示第n个小区的第k个信道估计窗的对应w个抽头对应的信道冲激响应矩阵，即

的第w列，表示如下：

$\mathrm{ch}\_h_n^{\left(k\right)}(:,w)={\left[\begin{array}{c}{h}_{n,w}^{(1,k)}\\ h_{n,w}^{(2,k)}\\ \·\\ \·\\ \·\\ h_{n,w}^{(M.k)}\end{array}\right]}_{M\×1}$

取

即计算

的2范数作为所占该信道冲激响应窗用户的第w个抽头的信道冲激响应功率。从1到W依次计算各抽头的信道冲激响应功率值 $({\left|\right|\mathrm{ch}\_h_n^{\left(k\right)}(:,1)\left|\right|}_2,{\left|\right|\mathrm{ch}\_h_n^{\left(k\right)}(:,2)\left|\right|}_2,\·\·\·,{\left|\right|\mathrm{ch}\_h_n^{\left(k\right)}(:,W)\left|\right|}_2).$

求解 $\max \left\{({\left|\right|\mathrm{ch}\_h_n^{\left(k\right)}(:,1)\left|\right|}_2,{\left|\right|\mathrm{ch}\_h_n^{\left(k\right)}(:,2)\left|\right|}_2,\·\·\·,{\left|\right|\mathrm{ch}\_h_n^{\left(k\right)}(:,W)\left|\right|}_2)\right\}$ 得到第n个小区的第k个信道估计窗的最大抽头功率值P_maxvalue_w及该抽头wmax对应的信道冲激响应矩阵 $\mathrm{ch}\_h_n^{\left(k\right)}(:,w\max ).$

依次按照上述步骤计算各个邻小区强干扰用户的P_maxvalue_w、 $\mathrm{ch}\_h_n^{\left(k\right)}(:,w\max ).$

根据各干扰用户的信道冲激响应功率最大值超过门限值的抽头矢量估计对应的干扰用户来波方向；

利用最大的抽头信道冲激响应功率值判定占该信道估计窗的用户是否超过预先设定的门限值P_throshold，超过门限值P_throshold的，记录其对应抽头信道冲激响应矩阵

利用阵列导向矢量扫描各干扰用户的

得到最大功率对应的阵列导向矢量角度，即各干扰信号的来波方向估计。

在步骤S103中，根据各干扰用户与期望用户来波方向差值、各干扰用户的信道冲激响应功率最大值及各干扰用户信道冲激响应矩阵，构造期望用户的干扰矩阵。

判断干扰用户与期望用户的来波方向差，结合智能天线下行赋形波束宽度，在一定差值范围内的不予考虑，在此范围外的，将

计入干扰矩阵中。这样能防止干扰在波束主瓣内，对主瓣的方向产生较大的影响。同时，利用最大的抽头信道冲激响应功率值判定占该信道估计窗的用户是否超过预先设定的门限值P_throshold，超过门限值P_throshold的，将其对应抽头信道冲激响应矩阵

纳入干扰矩阵H_DI中，否则不予考虑。

或结合干扰用户与期望用户的来波方向差，按照最大的抽头信道冲激响应功率值P_maxvaluew判定占该信道估计窗的用户是否超过预先设定的门限值P_throshold，将所有超过门限值P_throshold的用户对应的信道冲激响应抽头矩阵相加，得到另外一种干扰矩阵的表示方法。

在步骤S104中，基于构造的干扰矩阵和期望用户的空间协方差矩阵，计算期望用户的波束赋形权向量，其中，波束赋形权向量可按照以下三种计算方式获得：

如图3所示，给出了波束赋形权向量的第一种计算方式的实施步骤：

步骤S201：计算干扰矩阵的协方差矩阵，并对干扰协方差矩阵进行矩阵求逆；

对干扰矩阵H_DI进行协方差运算，得到干扰矩阵的空间协方差矩阵R_DI。

R_DI＝H_DI×H_DI ^H

R_DI为M×M维方阵，对R_DI进行矩阵求逆，得到

步骤S202：将干扰协方差矩阵逆矩阵与期望用户空间协方差矩阵相左乘，得到期望用户考虑干扰的修正的空间协方差矩阵；

本小区期望用户的空间协方差矩阵R_期望。计算本小区考虑邻小区干扰误差的修正空间协方差矩阵R_modify，即

步骤S203：对修正的空间协方差矩阵做SVD分解(或特征分解、QR分解等)，将最大特征值对应的特征向量作为下行波束赋形权值；

对修正的空间协方差矩阵R_modify做特征分解(或SVD分解、QR分解)，将最大特征值对应的特征向量作为波束形成权值W^(k)。即：

$W^{\left(k\right)}=\left[\begin{array}{c}{w}_1^{\left(k\right)}\\ w_2^{\left(k\right)}\\ \·\\ \·\\ \·\\ w_M^{\left(k\right)}\end{array}\right]$

步骤204：利用赋形权值加权各天线幅相，对期望用户进行下行波束赋形。

如图4所示，给出了波束赋形权向量的第二种计算方式的实施步骤：

步骤S301：计算干扰矩阵的干扰协方差矩阵，并对干扰协方差矩阵进行矩阵求逆；

步骤S302：将干扰协方差矩阵逆矩阵与用户空间协方差矩阵相左乘，得到期望用户考虑干扰的修正的空间协方差矩阵；

步骤S303：计算阵列的导向矢量；

步骤S304：用阵列导向矢量扫描修正的空间协方差矩阵，得到最大功率对应的阵列导向矢量作为期望用户的波束赋形权向量。

如图5所示，给出了波束赋形权向量的第三种计算方式的实施步骤：

步骤S401：对干扰矩阵进行QR分解(或SVD分解)，得到干扰矩阵的零空间正交基；

对干扰矩阵H_DI进行QR分解(或SVD分解)，得到H_DI的零空间正交基Г；本实施例对干扰矩阵进行QR分解。由H_DI＝Q×R，Q为正交矩阵，R为复非奇异上三角矩阵。

若H_DI∈C^M×q，则Q∈C^M×M，R∈C^M×q，H_DI为一个列满秩矩阵，Q的各列表示为[q₁，q₂，...，q_M]，Q为正交矩阵，则有：

span{H_DI(：，1)，H_DI(：，2)，…，H_DI(：，q)}＝span{q₁，q₂，…，q_q}

且span{q₁，q₂，…，q_q}⊥span{q_q+1，q_q+2，…，q_M}

故Q矩阵的后(M-q)个列向量可作为H_DI的正交基矢量，即H_DI矩阵的零空间矢量正交基Г为[q_q+1，q_q+2，...，q_M]。

步骤S402：在干扰矩阵的零空间内寻求期望用户空间协方差矩阵最大特征值对应的特征向量的最优解(如最小二乘解)，作为下行波束赋形权值；

本实施例在H_DI的零空间内，基于最小二乘方法，求解期望用户的最大特征值对应特征向量的最小二乘解。

对期望用户空间协方差矩阵R_期望进行特征分解(或SVD分解、QR分解)，得到最大特征值对应的特征向量W₀；

在H_DI的零空间内求解期望用户的主特征向量W₀的最小二乘解，得到修正的下行波束赋形权矢量：

W＝Г(Г^HГ)^-1Г^H×W₀  。

以上三种计算赋形权值的方法，均是考虑期望用户的强干扰信号，构造干扰用户对期望用户的干扰矩阵，由干扰矩阵对期望用户的空间协方差进行修正得到修正的空间协方差矩阵或在干扰信号组成的干扰矢量矩阵的零空间内，求解期望用户赋形的权矢量，作为下行波束赋形权向量。

本发明的波束赋形方法，能够使下行波束赋形权向量位于干扰信号矢量矩阵的零空间内，波束形成器能够在完全抑制(或是极大抑制)各个干扰信号，解决了智能天线中由于干扰引起期望用户上行DOA估计性能恶化，从而影响下行波束赋形性能问题。相对于现有的基于上行接收信号的功率最大准则的波束赋形算法，能有效地抑制干扰，能使期望用户获得较好的波束赋形性能。

本发明智能天线中抑制干扰的波束赋形方法，任何基于本发明方法得到修正空间协方差矩阵的波束赋形方法均在本发明权利要求内。

本文所述仅为本发明的优选实施例而已，并不用于限制本发明，对于本领域的技术人员来说，本发明可以有各种更改和变化。因此，凡在本发明的精神和原则之内所作的任何修改、等同替换、改进以及更新等等，均应包含在本发明的保护范围之内。

Claims (10)

1、一种智能天线中抑制干扰的波束赋形装置，其特征在于，包括依次串连连接的上行信号信道估计模块、来波方向解析模块、干扰矩阵生成模块、权向量计算模块、加权赋形模块，所述来波方向解析模块还与权向量计算模块相连，其中：

所述上行信号信道估计模块，用于对基站接收的上行信号进行处理，根据接收的上行信号，对期望用户和干扰用户进行信道估计；

所述来波方向解析模块，用于根据所述上行信号信道估计模块对上行信号进行信道估计的结果，构造各用户信道冲激响应矩阵，计算期望用户的空间协方差矩阵，并估计期望用户的来波方向，同时由干扰用户信道冲激响应估计干扰用户来波方向；

所述干扰矩阵生成模块，用于根据来波方向解析模块确定的各干扰用户与期望用户来波方向差值以及来波方向解析模块确定的各干扰用户信道冲激响应矩阵，计算各干扰用户的信道冲激响应功率最大值，并构造期望用户的干扰矩阵；

所述权向量计算模块，用于基于期望用户的干扰矩阵生成模块构造的干扰矩阵和来波方向解析模块构造的期望用户的空间协方差矩阵，计算期望用户的波束赋形权向量；

所述加权赋形模块，用于根据权向量计算模块计算的赋形权值加权各天线幅相，对期望用户下行波束赋形。

2、如权利要求1所述的波束赋形装置，其特征在于，

所述权向量计算模块，是通过如下方式计算波束赋形权向量的，即：

对从干扰矩阵生成模块获得的干扰矩阵进行协方差运算，将得到的干扰矩阵的空间协方差距阵进行距阵求逆；

将干扰距阵的空间协方差矩阵逆矩阵与期望用户空间协方差矩阵相左乘，得到期望用户考虑干扰的修正的空间协方差矩阵；

对修正的空间协方差矩阵进行SVD分解、或特征分解、或QR分解，将最大特征值对应的特征向量作为下行波束赋形权值。

3、如权利要求1所述的波束赋形装置，其特征在于，

所述权向量计算模块，是通过如下方式计算波束赋形权向量的，即：

对从干扰矩阵生成模块获得的干扰矩阵进行协方差运算，将得到的干扰矩阵的空间协方差距阵进行距阵求逆；

将干扰距阵的空间协方差矩阵逆矩阵与期望用户空间协方差矩阵相左乘，得到期望用户考虑干扰的修正的空间协方差矩阵；

计算阵列的导向矢量；

用阵列导向矢量扫描修正的空间协方差矩阵，得到最大功率对应的阵列导向矢量作为期望用户的波束赋形权向量。

4、如权利要求1所述的波束赋形装置，其特征在于，

所述权向量计算模块，是通过如下方式计算波束赋形权向量的，即：

对从干扰矩阵生成模块获得的干扰矩阵进行QR分解或SVD分解，得到干扰矩阵的零空间正交基；

对干扰矩阵进行QR分解或SVD分解，得到干扰矩阵的零空间正交基；

在干扰矩阵的零空间内寻求期望用户空间协方差矩阵最大特征值对应的特征向量的最优解，作为下行波束赋形权值。

5、如权利要求4所述的波束赋形装置，其特征在于，

所述权向量计算模块，在干扰距阵的零空间内求解期望用户空间协方差距阵最大特征值为主特征向量，该最大特征值对应的特征向量的最优解是最小二乘解。

6、一种智能天线中抑制干扰的波束赋形的方法，其特征在于，包括如下步骤：

(1)根据接收的上行信号，对期望用户和干扰用户进行信道估计；

(2)根据信道估计结果，构造各用户信道冲激响应矩阵，计算期望用户的空间协方差矩阵，并估计期望用户的来波方向、干扰用户的来波方向；

(3)根据各干扰用户与期望用户来波方向差值、各干扰用户信道冲激响应矩阵、以及计算的各干扰用户的信道冲激响应功率最大值，构造期望用户的干扰矩阵；

(4)基于期望用户的干扰矩阵和空间协方差矩阵，计算期望用户的波束赋形权向量；

(5)将期望用户的波束赋形权向量作为赋形权值加权各天线幅相，对期望用户下行波束赋形。

7、如权利要求6所述的波束赋形的方法，其特征在于，

所述步骤(4)中，计算期望用户的波束赋形权向量的方式为：

对从干扰矩阵生成模块获得的干扰矩阵进行协方差运算，将得到的干扰矩阵的空间协方差距阵进行距阵求逆；

将干扰距阵的空间协方差矩阵逆矩阵与期望用户空间协方差矩阵相左乘，得到期望用户考虑干扰的修正的空间协方差矩阵；

对修正的空间协方差矩阵进行SVD分解、或特征分解、或QR分解，将最大特征值对应的特征向量作为下行波束赋形权值。

8、如权利要求6所述的波束赋形的方法，其特征在于，

所述步骤(4)中，计算期望用户的波束赋形权向量的方式为：

对从干扰矩阵生成模块获得的干扰矩阵进行协方差运算，将得到的干扰矩阵的空间协方差距阵进行距阵求逆；

将干扰距阵的空间协方差矩阵逆矩阵与期望用户空间协方差矩阵相左乘，得到期望用户考虑干扰的修正的空间协方差矩阵；

计算阵列的导向矢量；

用阵列导向矢量扫描修正的空间协方差矩阵，得到最大功率对应的阵列导向矢量作为期望用户的波束赋形权向量。

9、如权利要求6所述的波束赋形的方法，其特征在于，

所述步骤(4)中，计算期望用户的波束赋形权向量的方式为：

对从干扰矩阵生成模块获得的干扰矩阵进行QR分解或SVD分解，得到干扰矩阵的零空间正交基；

对干扰矩阵进行QR分解或SVD分解，得到干扰矩阵的零空间正交基；

在干扰矩阵的零空间内寻求期望用户空间协方差矩阵最大特征值对应的特征向量的最优解，作为下行波束赋形权值。

10、如权利要求9所述的波束赋形的方法，其特征在于，

在干扰距阵的零空间内求解期望用户空间协方差距阵最大特征值为主特征向量，该最大特征值对应的特征向量的最优解是最小二乘解。

Images