CN103888228A - 一种多天线系统干扰抑制装置及方法 - Google Patents

Abstract

本发明公开了一种多天线系统干扰抑制装置及方法，其方法包括以下步骤：S1：根据时域接收基带信号向量y_m估计出本征域变换矩阵U，对接收的基带信号做变换，得到基带接收信号在干扰的本征域表征r_m＝Uy_m；S2：每一个采样时刻，对M根天线的变换值Uy₁[n],Uy₂[n],…,Uy_M[n]做加权合并，得到本征域估计值S3：将对本征域估计值进行逆变换得到期望信号估计值本发明的有益效果是：相比于传统的干扰抑制合并算法(Interference Rejection Combining,IRC)，本发明充分利用了窄带干扰的能量在本征域上分布的不均匀性，将干扰抑制合并，取得了更好的干扰抑制效果。

Description

一种多天线系统干扰抑制装置及方法

技术领域

本发明涉及数字干扰抑制技术，特别是涉及一种多天线系统干扰抑制装置及方法。

背景技术

窄带干扰是通信系统中一种常见的干扰类型，在干扰抑制方向，已有的研究大多针对特定的系统，如码分多址(Code Division Multiple Access,CDMA)系统以及正交频分复用(Orthogonal Frequency Division Multiplexing,OFDM)系统。

天线阵列技术被广泛的应用于通信系统中，通过在接收端配置天线阵列，即在接收端使用多根天线进行信号接收，是最常见并且研究得最多的多天线配置方式。多天线接收可利用信号和信道的性质，将接收到的多径信号分离成互不相关的多路信号，并将这些多路信号分离的能量按一定的规则合并起来，使接收到的有用信号能量最大，从而提高接收信号的信噪比，达到提高系统容量的目的。在实际使用中，常用的是最大比合并(Maximal Ratio Combining,MRC)以及干扰抑制合并(Interference Rejection Combining,IRC)技术。

IRC可以被认为是一种更高级的分集接收功能，它可以改善上行链路的质量，提高上行信号的增益。相较于传统的MRC算法，IRC考虑了干扰的空间特性，抗干扰的效果更为明显。

(1)最大比合并：在接收端由多个分集支路，经过相位调整后，按照适当的增益系数，同相相加，再送入检测器进行检测。在接收端各个不相关的分集支路经过相位校正，并按适当的可变增益加权再相加后送入检测器进行相干检测。最大比合并方法在收端只需对接收信号做线性处理，然后利用最大似然检测即可还原出发端的原始信息。

(2)干扰抑制合并：最大比合并算法没有考虑干扰的影响，在有干扰的情况下，将干扰和白噪声统一看作噪声，在有干扰存在的时候失去效果。IRC算法将干扰和噪声分开考虑，在最大均方误差(Minimum Mean Square Error,MMSE)准则下，IRC算法的对各路信号加权的权值表达式如下：

ω_o＝R^-1h；

其中，R为接收信号r的自相关矩阵，R＝E{rr^H}＝hh^H+R_z，z＝gj+v为干扰加噪声信号向量，R_z是干扰加噪声的自相关矩阵，R_z＝E{zz^H}，带入接收信号向量的表达式r＝hd+z后得：

${\mathrm{\ω}}_o=\frac{R_z^{-1}h}{1+h^H{R}_z^{-1}h}.$

分析上面两种类型，分别具有以下特点：最大比合并过程简单、易实现，合并增益与分集支路数N成正比，在噪声为系统主导因素的情况下，MRC具有最佳的抗衰落和抗噪声性能。当系统中存在较大干扰时，对于干扰很大的分支，MRC给予的权值也很大，因此这些分支的干扰被放大，致使性能恶化。

IRC可以被认为是一种更高级的分集接收技术，它可以改善链路的质量，提高信号的增益。相较于传统的MRC算法，IRC考虑了干扰的空间特性，抗干扰的效果更为明显，但是IRC不具有针对性，对于窄带干扰没有很好的利用其特性。

发明内容

本发明的目的在于克服现有技术的不足，提供一种新型的多天线系统干扰抑制装置及方法，充分利用窄带干扰在本征域能量集中的特点，并在本征域运用干扰抑制合并，取得比传统IRC算法更好的干扰抑制效果。

本发明的目的是通过以下技术方案来实现的：一种多天线系统干扰抑制装置，它包括信号变换模块、加权合并模块和信号反变换模块；

信号变换模块：用于对接收信号向量做变换，得到接收信号在干扰本征域的表征；

加权合并模块：用于根据MMSE准则对变换后的信号做加权合并；

信号反变换模块：用于对输出的加权合并后的信号做反变换，得到信号的时域表征。

所述的信号变换模块包括估计自相关矩阵子模块、计算变换矩阵U子模块和信号变换子模块；

估计自相关矩阵子模块：由接收信号向量的时间平均估计计算出其自相关矩阵；

计算变换矩阵U子模块：对接收信号向量的自相关矩阵做特征值分解（EVD分解），得到变换矩阵U；

信号变换子模块：将求得的变换矩阵U作用于接收信号向量得到接收信号向量在干扰的本征域表征向量。

所述的加权合并模块包括计算权值向量子模块和合并子模块；

计算权值向量子模块：由接收信号在本征域的表征向量计算出权值向量；

合并子模块：对接收信号在本征域的表征向量进行加权合并，得到期望信号在本征域的估计值。

一种多天线系统干扰抑制方法，它包括以下步骤：

S1：根据时域接收基带信号向量y_m估计出本征域变换矩阵U，对接收的基带信号做变换，得到基带接收信号在干扰的本征域表征r_m＝Uy_m；

S2：每一个采样时刻，对M根天线的变换值Uy₁[n],Uy₂[n],…,Uy_M[n]做加权合并，得到本征域估计值 $\tilde{d}={\left[\tilde{d}\right[1],...,\tilde{d}[N\left]\right]}^T;$

S3：将对本征域估计值进行逆变换得到期望信号估计值

所述的步骤S1包括以下子步骤：

S101：根据时域接收基带信号向量y_m求其自相关矩阵的计算步骤如下：

对于第m根接收天线，其基带接收信号由如下N维向量表示：

y_m＝h_ms+g_mi+n_m；

N为一个干扰符号时间内采样点数，s为期望信号向量，i为干扰信号向量，n_m为高斯白噪声向量；

接收信号的时域自相关矩阵由下式表示：

$C_y^m=E\left\{y_m{y}_m^H\right\}={\left|h_m\right|}^2{C}_s+{\left|g_m\right|}^2{C}_i+{\mathrm{\σ}}_n^{2}I;$

其中，C_s为期望信号的时域自相关矩阵，因为传输的信号是随机的、相互独立的，故C_s＝I，C_i为干扰的自相关矩阵，

为高斯白噪的时域自相关矩阵，

为噪声方差，由接收信号的时域平均得到；

S102：求出本征域变换矩阵U：

对C_i作特征值分解（EVD分解）为：

C_i＝U^HΛU；

其中，UU^H＝I，Λ为对角矩阵，其对角元为C_i的特征值；

由

的特征值分解（EVD分解）求得本征域变换矩阵U；

S103：对接收的基带信号做变换，得到基带接收信号在干扰的本征域表征r_m＝Uy_m：

r_m＝Uy_m＝h_md+g_mj+v_m；

其中，d=Us，j=Ui，v_m＝Un_m，得到：

C_d＝E{dd^H}＝I；

C_j＝E{jj^H}＝Λ；

$C_v=E\left\{v_m{v}_m^H\right\}={\mathrm{\σ}}_n^{2}I.$

所述的步骤S2包括以下子步骤：

S201：计算权值向量：第n个时刻M根天线的采样值表示如下：

$\left[\begin{array}{c}{r}_1\left[1\right]\\ .\\ .\\ .\\ r_M\left[n\right]\end{array}\right]=\left[\begin{array}{c}{h}_1\\ .\\ .\\ .\\ h_M\end{array}\right]d\left[n\right]+\left[\begin{array}{c}{g}_1\\ .\\ .\\ .\\ g_M\end{array}\right]j\left[n\right]+\left[\begin{array}{c}{v}_1\left[n\right]\\ .\\ .\\ .\\ v_M\left[n\right]\end{array}\right];$

其中，r_m[n]为r_m的第n个元素；

M维向量形式表示为：

r[n]＝hd[n]+gj[n]+v＝hd[n]+z[n]；

其中，z[n]为干扰加噪声；

由MMSE准则得到加权的权值向量为：

${\mathrm{\ω}}_o\left[n\right]=\frac{R_z^{-1}\left[n\right]h}{1+h^H{R}_z^{-1}\left[n\right]h};$

其中，为干扰加噪声的自相关矩阵，R_z[n]由E{r[n]r[n]^H}估计得到；

S202：加权合并：加权合并值

每个采样点的加权合并值构成的向量就是期望信号在本征域的估计值。

本发明的有益效果是：相比于传统的干扰抑制合并算法(Interference Rejection Combining,IRC)，本发明充分利用了窄带干扰的能量在本征域上分布的不均匀性，将干扰抑制合并，取得了更好的干扰抑制效果。

附图说明

图1本发明的典型的多天线系统基带接收机结构图；

图2为本发明的干扰抑制装置结构图；

图3为本发明的信号变换模块结构图；

图4为本发明的加权合并模块结构图；

图5为本发明与常见的接收端合并算法的性能对比图。

具体实施方式

下面结合附图进一步详细描述本发明的技术方案，但本发明的保护范围不局限于以下所述。

如图1所示，多天线系统基带接收机包括：干扰抑制模块、解调模块和信宿模块，其中：

干扰抑制模块：将M根天线的基带接收信号向量合并，抑制干扰；

解调模块：对数据进行解调处理，得到比特级数据；

信宿模块：将接收的比特数据与发射的比特级数据进行比较，计算误码率。

如图2所示，一种多天线系统干扰抑制装置，它包括信号变换模块、加权合并模块和信号反变换模块；

信号变换模块：用于对接收信号向量做变换，得到接收信号在干扰本征域的表征；

加权合并模块：用于根据MMSE准则对变换后的信号做加权合并；

信号反变换模块：用于对输出的加权合并后的信号做反变换，得到信号的时域表征。

如图3所示，所述的信号变换模块包括估计自相关矩阵子模块、计算变换矩阵U子模块和信号变换子模块；

估计自相关矩阵子模块：由接收信号向量的时间平均估计计算出其自相关矩阵；

计算变换矩阵U子模块：对接收信号向量的自相关矩阵做特征值分解（EVD分解），得到变换矩阵U；

信号变换子模块：将求得的变换矩阵U作用于接收信号向量得到接收信号向量在干扰的本征域表征向量。

如图4所示，所述的加权合并模块包括计算权值向量子模块和合并子模块；

计算权值向量子模块：由接收信号在本征域的表征向量计算出权值向量；

合并子模块：对接收信号在本征域的表征向量进行加权合并，得到期望信号在本征域的估计值。

一种多天线系统干扰抑制方法，它包括以下步骤：

S1：根据时域接收基带信号向量y_m估计出本征域变换矩阵U，对接收的基带信号做变换，得到基带接收信号在干扰的本征域表征r_m＝Uy_m；

S2：每一个采样时刻，对M根天线的变换值Uy₁[n],Uy₂[n],…,Uy_M[n]做加权合并，得到本征域估计值 $\tilde{d}={\left[\tilde{d}\right[1],...,\tilde{d}[N\left]\right]}^T;$

S3：将对本征域估计值进行逆变换得到期望信号估计值

所述的本征变换步骤S1包括以下子步骤：

S101：根据时域接收基带信号向量y_m求其自相关矩阵

的计算步骤如下：

对于第m根接收天线，其基带接收信号由如下N维向量表示：

y_m＝h_ms+g_mi+n_m；

N为一个干扰符号时间内采样点数，s为期望信号向量，i为干扰信号向量，n_m为高斯白噪声向量；

接收信号的时域自相关矩阵由下式表示：

$C_y^m=E\left\{y_m{y}_m^H\right\}={\left|h_m\right|}^2{C}_s+{\left|g_m\right|}^2{C}_i+{\mathrm{\σ}}_n^{2}I;$

其中，C_s为期望信号的时域自相关矩阵，因为传输的信号是随机的、相互独立的，故C_s＝I，C_i为干扰的自相关矩阵，

为高斯白噪的时域自相关矩阵，

为噪声方差，

由接收信号的时域平均得到；

S102：求出本征域变换矩阵U：

对C_i作特征值分解（EVD分解）为：

C_i＝U^HΛU；

其中，UU^H＝I，Λ为对角矩阵，其对角元为C_i的特征值；

虽然无法直接通过C_i求得U，但是可以由的特征值分解（EVD分解）求得本征域变换矩阵U；

在一个干扰符号周期内，窄带干扰的采样点具有很强的相关性，这样C_i的前几个特征值会比其他特征值大得多，这意味着干扰的在本征域上能量集中在这些元素中，又因为高斯白噪和期望信号能量均匀分布在本征域上，利用干扰的这种能量在本征域上分布的不均匀性就可以取得更好的干扰抑制合并效果。

S103：对接收的基带信号做变换，得到基带接收信号在干扰的本征域表征r_m＝Uy_m：

r_m＝Uy_m＝h_md+g_mj+v_m；

其中，d=Us，j=Ui，v_m＝Un_m，得到：

C_d＝E{dd^H}＝I；

C_j＝E{jj^H}＝Λ；

$C_v=E\left\{v_m{v}_m^H\right\}={\mathrm{\σ}}_n^{2}I.$

所述的步骤S2包括以下子步骤：

S201：计算权值向量：第n个时刻M根天线的采样值表示如下：

$\left[\begin{array}{c}{r}_1\left[1\right]\\ .\\ .\\ .\\ r_M\left[n\right]\end{array}\right]=\left[\begin{array}{c}{h}_1\\ .\\ .\\ .\\ h_M\end{array}\right]d\left[n\right]+\left[\begin{array}{c}{g}_1\\ .\\ .\\ .\\ g_M\end{array}\right]j\left[n\right]+\left[\begin{array}{c}{v}_1\left[n\right]\\ .\\ .\\ .\\ v_M\left[n\right]\end{array}\right];$

其中，r_m[n]为r_m的第n个元素；

M维向量形式表示为：

r[n]＝hd[n]+gj[n]+v＝hd[n]+z[n]；

其中，z[n]为干扰加噪声；

由MMSE准则得到加权的权值向量为：

${\mathrm{\ω}}_o\left[n\right]=\frac{R_z^{-1}\left[n\right]h}{1+h^H{R}_z^{-1}\left[n\right]h};$

其中，

为干扰加噪声的自相关矩阵，R_z[n]由E{r[n]r[n]^H}估计得到；

S202：加权合并：加权合并值

每个采样点的加权合并值构成的向量

就是期望信号在本征域的估计值。

图5为本发明与常见接收端合并方法的性能对比图，仿真假设接收端有2根天线，即M=2，并且干扰在本征域的能量集中于一个特征值上，即一个特征值为N，余特征值为0。从图中可以看出，在有干扰存在的情况下，MRC方法几乎失效，IRC方法可以有效的抑制干扰，但是针对干扰，本发明所提供的方案具有更好的抑制效果，并且，干扰在本征域上能量越集中，本发明所提供的方案对干扰的抑制效果更好。

以上所述仅是本发明的优选实施方式，应当理解本发明并非局限于本文所披露的形式，不应看作是对其他实施例的排除，而可用于各种其他组合、修改和环境，并能够在本文所述构想范围内，通过上述教导或相关领域的技术或知识进行改动。而本领域人员所进行的改动和变化不脱离本发明的精神和范围，则都应在本发明所附权利要求的保护范围内。

Claims (6)

1.一种多天线系统干扰抑制装置，其特征在于：它包括信号变换模块、加权合并模块和信号反变换模块；

信号变换模块：用于对接收信号向量做变换，得到接收信号在干扰本征域的表征；

加权合并模块：用于根据MMSE准则对变换后的信号做加权合并；

信号反变换模块：用于对输出的加权合并后的信号做反变换，得到信号的时域表征。

2.根据权利要求1所述的一种多天线系统干扰抑制装置，其特征在于：所述的信号变换模块包括估计自相关矩阵子模块、计算变换矩阵U子模块和信号变换子模块；

估计自相关矩阵子模块：由接收信号向量的时间平均估计计算出其自相关矩阵；

计算变换矩阵U子模块：对接收信号向量的自相关矩阵做特征值分解，得到变换矩阵U；

信号变换子模块：将求得的变换矩阵U作用于接收信号向量得到接收信号向量在干扰的本征域表征向量。

3.根据权利要求1所述的一种多天线系统干扰抑制装置，其特征在于：所述的加权合并模块包括计算权值向量子模块和合并子模块；

计算权值向量子模块：由接收信号在本征域的表征向量计算出权值向量；

合并子模块：对接收信号在本征域的表征向量进行加权合并，得到期望信号在本征域的估计值。

4.一种多天线系统干扰抑制方法，其特征在于：它包括以下步骤：

S1：根据时域接收基带信号向量y_m估计出本征域变换矩阵U，对接收的基带信号做变换，得到基带接收信号在干扰的本征域表征r_m＝Uy_m；

S2：每一个采样时刻，对M根天线的变换值Uy₁[n],Uy₂[n],…,Uy_M[n]做加权合并，得到本征域估计值 $\tilde{d}={\left[\tilde{d}\right[1],...,\tilde{d}[N\left]\right]}^T;$

S3：将对本征域估计值进行逆变换得到期望信号估计值

5.根据权利要求4所述的一种多天线系统干扰抑制方法，其特征在于：所述的步骤S1包括以下子步骤：

S101：根据时域接收基带信号向量y_m求其自相关矩阵

的计算步骤如下：

对于第m根接收天线，其基带接收信号由如下N维向量表示：

y_m＝h_ms+g_mi+n_m；

N为一个干扰符号时间内采样点数，s为期望信号向量，i为干扰信号向量，n_m为高斯白噪声向量；

接收信号的时域自相关矩阵由下式表示：

$C_y^m=E\left\{y_m{y}_m^H\right\}={\left|h_m\right|}^2{C}_s+{\left|g_m\right|}^2{C}_i+{\mathrm{\σ}}_n^{2}I;$

其中，C_s为期望信号的时域自相关矩阵，因为传输的信号是随机的、相互独立的，故C_s＝I，C_i为干扰的自相关矩阵，为高斯白噪的时域自相关矩阵，

为噪声方差，由接收信号的时域平均得到；

S102：求出本征域变换矩阵U：

对C_i作特征值分解为：

C_i＝U^HΛU；

其中，UU^H＝I，Λ为对角矩阵，其对角元为C_i的特征值；

由

的特征值分解求得本征域变换矩阵U；

S103：对接收的基带信号做变换，得到基带接收信号在干扰的本征域表征r_m＝Uy_m：

r_m＝Uy_m＝h_md+g_mj+v_m；

其中，d=Us，j=Ui，v_m＝Un_m，得到：

C_d＝E{dd^H}＝I；

C_j＝E{jj^H}＝Λ；

$C_v=E\left\{v_m{v}_m^H\right\}={\mathrm{\σ}}_n^{2}I.$

6.根据权利要求4所述的一种多天线系统干扰抑制方法，其特征在于：所述的步骤S2包括以下子步骤：

S201：计算权值向量：第n个时刻M根天线的采样值表示如下：

$\left[\begin{array}{c}{r}_1\left[1\right]\\ .\\ .\\ .\\ r_M\left[n\right]\end{array}\right]=\left[\begin{array}{c}{h}_1\\ .\\ .\\ .\\ h_M\end{array}\right]d\left[n\right]+\left[\begin{array}{c}{g}_1\\ .\\ .\\ .\\ g_M\end{array}\right]j\left[n\right]+\left[\begin{array}{c}{v}_1\left[n\right]\\ .\\ .\\ .\\ v_M\left[n\right]\end{array}\right];$

其中，r_m[n]为r_m的第n个元素；

M维向量形式表示为：

r[n]＝hd[n]+gj[n]+v＝hd[n]+z[n]；

其中，z[n]为干扰加噪声；

由MMSE准则得到加权的权值向量为：

${\mathrm{\ω}}_o\left[n\right]=\frac{R_z^{-1}\left[n\right]h}{1+h^H{R}_z^{-1}\left[n\right]h};$

其中，

为干扰加噪声的自相关矩阵，R_z[n]由E{r[n]r[n]^H}估计得到；

S202：加权合并：加权合并值每个采样点的加权合并值构成的向量

就是期望信号在本征域的估计值。

Images