CN105282761A - 一种快速lms自适应波束形成的方法 - Google Patents

Abstract

本发明公开了一种快速LMS自适应波束形成的方法，旨在公开一种计算快速、稳态失调小的波束形成方法，其算法为首先进行权值的初始化设置，确定算法初始化条件；然后程序开始获取输入信号以及参考信号的值，对信号进行滤波、误差估计和变步长，求出权值更新向量。并判断其是否收敛，若不收敛，则返回对输出进行滤波处理，若收敛，则算法结束。此方案适用于60GHz无线通信系统。

Description

一种快速LMS自适应波束形成的方法

技术领域

本发明涉及通信技术领域，尤其是涉及一种应用于60GHz无线通信系统的快速LMS自适应波束形成的方法。

背景技术

智能天线能有效地提高频谱的利用率，是解决频率资源匮乏的一种有效途径，同时还可以提高系统容量和通信质量。它最初广泛应用于雷达声纳等军用领域，由于价格等因素一直未能普及到其他通信领域。经过多年的发展，技术越来越成熟。近年来，将它应用到民用移动通信中的研究也越来越受到关注。

智能天线的核心技术之一就是自适应数字波束形成技术。数字波束形成技术是将天线与数字信号处理技术相结合，利用空间特性来改进接收系统输出信噪比的，通过软件编程在自适应信号处理器上实现的。它不用对硬件做任何操作，只需通过修改软件，就可以方便地更新系统，以适应不同环境和不同应用场合的要求。数字波束形成智能天线可通过自适应算法调整加权值，任意改变方向图，在有用信号方向形成主波束，而在其它用户方向增益较低或形成零陷，减少了其它用户所引起的多址干扰，同时还可以降低接收信号的衰落程度，提高系统性能。

步长、信号到达角、阵元个数和阵元间距都会对60GHz无线通信天线输出有影响。当系统确定后，步长、信号到达角、阵元个数和阵元间距等参数就已经确定了，影响因素就只剩下步长因子了，步长因子对算法的收敛速度影响很大。步长的合理选择将对算法的收敛速度、对时变天线阵系统的跟踪速度和稳态误差等产生直接的影响。为了能够精确定位感兴趣的信号，可以通过减小步长来实现，但是太小的步长又将会降低算法的收敛速度，不能使天线阵及时调整到最优权值矢量。这一内在的矛盾使得固定步长的自适应LMS(最小均方)算法在收敛速度和稳态误差之间不能同时满足，实际应用时，必须合理选择步长，权衡两个性能之间的关系步长因子的取值对算法的性能起到至关重要的作用。作为调控算法迭代过程中的唯一变量，步长因子的取值是影响自适应LMS算法收敛速度快慢的至关重要原因。因此，自适应LMS算法性能的改进也都围绕着步长因子而进行研究。

传统的LMS算法由于采用的是固定步长因子，算法在收敛速度、稳态失调以及对时变系统的跟踪能力之间存在着很大的矛盾。即小的步长因子能够保证算法进入稳态后具有较小的失调误差，但是算法收敛速度很差，并且对时变系统的跟踪能力也会变差；另一方面，大点的步长因子虽说确保了算法具有较快的收敛速度以及良好的时变系统的跟踪能力，但是这以大的稳态失调作为代价。为了解决这对矛盾，变步长LMS算法应运而生，该类算法的基本思想是，当更新权系数距离最佳权系数较远时，选取较大的步长，以此加快算法的收敛速度以及对时变系统的跟踪能力；当更新权系数接近最佳权系数时，釆用小步长，保证算法在进入稳态之后具有小的失调。

发明内容

本发明主要是解决现有技术所存在的一些变步长LMS算法仍然不能很好地解决固定步长自适应滤波算法存在的收敛速度、跟踪速度和收敛精度之间的矛盾等技术问题，提供一种应用于60GHz无线通信系统的快速LMS自适应波束形成计算方法，能在具有较高的收敛速度、跟踪速度同时确保收敛精度。

本发明针对上述技术问题主要是通过下述技术方案得以解决的：一种快速LMS自适应波束形成的方法，包括以下步骤：

S01、天线阵接收原始信号X(n)，n＝1，2，……，N；

S02、对权向量W(n)进行初始化设置；

S03、计算天线阵的输出y(n)＝W^H(n)X(n)；

S04、计算天线阵的误差e(n)＝d(n)-X^T(n)W(n)；

S05、变步长μ(n)＝β(arcsinh(α|e(n)|²)+sech(α|e(n)|)-1)；

S06、更新天线阵的N个权向量W(n+1)＝W(n)+2μ(n)e(n)X(n)；

S07、判断是否收敛，如果不收敛，则挑转到步骤S01，如果收敛则算法结束，天线阵将处理后的信号输入到模数转换器；

其中，N为天线阵元数量，X(n)是输入信号，d(n)是参考信号，参考信号为固定值，也可以根据情况人为进行调整，y(n)是输出信号，e(n)是误差信号，W(n)是权向量信号，μ(n)是变步长，μ(n)是e(n)的Sigmoid函数，α是控制Sigmoid函数形状的常数，β是控制Sigmoid函数范围的常数,H为矩阵共轭转置符号，T为矩阵转置符号。

作为优选，所述收敛的判定方法为

$0<\mathrm{\&mu;}\left(n\right)<\frac{1}{{\mathrm{\&lambda;}}_{\max }},0<\mathrm{\&beta;}<\frac{1}{{\mathrm{\&lambda;}}_{\max }(\arcsin h\left(\mathrm{\&alpha;}\right|e\left(n\right){|}^2)+\sec h\left(\mathrm{\&alpha;}\right|e\left(n\right)\left|\right)-1)}$

其中,λ_max是输入信号向量自相关矩阵的最大特征值。

作为优选，所述步骤S02中，对权向量进行初始化设置为将所有W(n)置为零。

作为优选，天线阵的波束形成器对输出的数据进行误码率抑制以后，再输入到模数转换器，通过模数转换器后再传送到功率放大器，经过功率放大器再通过天线输出。

在60GHz无线通信系统的实际应用中，由于外部干扰阻挡的存在，如发送和接收之间瞬间被障碍物阻挡等等，天线接收到的信号中可能存在某种比较少见、一般情况不考虑的干扰信号，以及其他无法预知的有效信号迅速衰减，通过本方法可以有效消除这些干扰。该算法在输入信号遭受大的干扰并且低信干比(SIR)时,算法的性能也不会收到影响，算法在进入稳态后具有很小的失调。

本发明带来的实质性效果是，很好地解决固定步长自适应滤波算法存在的收敛速度、跟踪速度和收敛精度之间的矛盾。

附图说明

图1是本发明的一种计算过程流程图。

图2是本发明的一种基于快速LMS算法的智能天线自适应波束形成器的结构框图。

具体实施方式

下面通过实施例，并结合附图，对本发明的技术方案作进一步具体的说明。

实施例：本实施例的一种快速LMS自适应波束形成的方法，如图1所示，其流程为程序启动后首先进行权值的初始化设置，确定算法初始化条件；然后程序开始获取输入信号以及参考信号的值，对信号进行滤波、误差估计和变步长，求出权值更新向量。并判断其是否收敛，若不收敛，则返回对输出进行滤波处理，若收敛，则算法结束。每次返回后需要更新X(n)，参考信号d(n)也应当根据需要进行微调。

图2是基于快速LMS算法的智能天线自适应波束形成器的结构框图。来自天线1，…天线n的信号X(n)经过快速LMS算法后分别产生权向量W₁,...,W_n。输入信号X然后经过权向量W进行滤波后产生输出信号y(n)，参考信号和输出信号之差即是误差信号，快速LMS算法根据误差信号更新权向量，该波束形成器是一个闭环反馈系统。图中d(n)是期望输出值,e(n)是误差,v(n)称为主输入端干扰,它可以具体化为测量噪声等。

具体处理过程如下：

(1)权值的初始化设置。权向量W(n)(n＝1,2......,N)可为任意值，一般取值可以为零。

(2)计算天线阵接收的信号X(n)；

(3)计算天线阵的输出y(n)＝W^H(n)X(n)

(4)计算天线阵的误差e(n)＝d(n)-X^T(n)W(n)；

(5)变步长μ(n)＝β(arcsinh(α|e(n)|²)+sech(α|e(n)|)-1)

(6)更新天线阵的N个权向量系数W(n+1)＝W(n)+2μ(n)e(n)X(n)

其中，X(n)是输入信号，d(n)是参考信号，y(n)是输出信号，e(n)是误差信号，W(n)是权向量信号，μ(n)是变步长，α＞0是控制函数形状的常数，β＞0是控制函数范围的常数。其中(4)、(5)、(6)三式组成了改进的算法的迭代公式。

步长因子对算法的收敛速度影响很大。它的取值大小决定着算法的性能,太大或者太小都不可取。步长因子取值过小,算法的收敛速度慢,跟不上信号的移动；步长因子取值较大的话,会带来很大的噪声,直接影响系统的性能。因此,本专利步长因子的选择,从接收到的信号的统计特性分析估算一个值,按照最优解的方向,由粗到细调整权值,步长因子由大到小逐渐变化。该自适应LMS算法的核心是采用如上述步骤(4)的步长因子迭代公式。

按照本发明提供的应用于60GHz无线通信系统的自适应波束形成快速LMS计算方法，所述自适应波束形成快速LMS计算方法还包括对计算出来的信号的误码率采取抑制。

按照本发明提供的自适应波束形成快速计算方法，所述自适应波束形成快速计算方法应用在超高带宽60GHz智能无线收发器芯片的控制程序中。

本发明采用的波束形成技术的基本思想是：通过将各阵元接收到的信号进行加权求和，把天线阵列形成的波束“导向"到一个方向上，使期望用户信号方向得到最大的输出功率，并相应的对干扰信号进行抑制。

本发明提供的自适应波束形成快速LMS计算方法，其基本思想就是在经典的LMS算法基础上，采用可变步长，且增加权值更新迭代部分。从而降低计算复杂度，大幅度缩短了自适应波束形成计算耗时，同时对干扰信号有比较好的抑制作用。

本文中所描述的具体实施例仅仅是对本发明精神作举例说明。本发明所属技术领域的技术人员可以对所描述的具体实施例做各种各样的修改或补充或采用类似的方式替代，但并不会偏离本发明的精神或者超越所附权利要求书所定义的范围。

尽管本文较多地使用了权向量、步长等术语，但并不排除使用其它术语的可能性。使用这些术语仅仅是为了更方便地描述和解释本发明的本质；把它们解释成任何一种附加的限制都是与本发明精神相违背的。

Claims (4)

1.一种快速LMS自适应波束形成的方法，其特征在于，包括以下步骤：

S01、天线阵接收原始信号X(n)，n＝1，2，……，N；

S02、对权向量W(n)进行初始化设置；

S03、计算天线阵的输出y(n)＝W^H(n)X(n)；

S04、计算天线阵的误差e(n)＝d(n)-X^T(n)W(n)；

S05、变步长μ(n)＝β(arcsinh(α|e(n)|²)+sech(α|e(n)|)-1)；

S06、更新天线阵的N个权向量W(n+1)＝W(n)+2μ(n)e(n)X(n)；

S07、判断是否收敛，如果不收敛，则挑转到步骤S01，如果收敛则算法结束，天线阵将处理后的信号输入到模数转换器；

其中，N为天线阵元数量，X(n)是输入信号，d(n)是参考信号，y(n)是输出信号，e(n)是误差信号，W(n)是权向量信号，μ(n)是变步长，μ(n)是e(n)的Sigmoid函数，α是控制Sigmoid函数形状的常数，β是控制Sigmoid函数范围的常数,H为矩阵共轭转置符号，T为矩阵转置符号。

2.根据权利要求1所述的一种快速LMS自适应波束形成的方法，其特征在于，所述收敛的判定方法为：

$0<\mathrm{\&mu;}\left(n\right)<\frac{1}{{\mathrm{\&lambda;}}_{max}},0<\mathrm{\&beta;}<\frac{1}{{\mathrm{\&lambda;}}_{max}\left(\arcsin h\right(\mathrm{\&alpha;}{\left|e\left(n\right)\right|}^2)+\sec h(\mathrm{\&alpha;}\left|e\left(n\right)\right|)-1)}$

其中,λ_max是输入信号向量自相关矩阵的最大特征值。

3.根据权利要求1或2所述的一种快速LMS自适应波束形成的方法，其特征在于，所述步骤S02中，对权向量进行初始化设置为将所有W(n)置为零。

4.根据权利要求3所述的一种快速LMS自适应波束形成的方法，其特征在于，天线阵的波束形成器对输出的数据进行误码率抑制以后，再输入到模数转换器，通过模数转换器后再传送到功率放大器，经过功率放大器再通过天线输出。