CN106788648A - 一种智能天线系统的自适应波束形成方法 - Google Patents

Abstract

一种智能天线系统的自适应波束形成方法，其步骤主要是：A、通信信号的接收和离散处理，得到离散的通信信号矩阵X(k)，B、信号滤波，将通信信号矩阵X(k)输入自适应滤波器得到滤波值y(k)；C、误差信号的计算，将期望信号d(k)分别减去滤波值y(k)，得到滤波器在k时刻的误差信号e(k)；D、误差信号对数变换的获得，滤波器根据当前时刻k的误差信号，即当前时刻k的误差信号e(k)；滤波器据此算出当前时刻k的残差信号e(k)的对数变换形式ξ(k)；E、权向量更新，滤波器生成当前时刻k的增益向量κ(k)，随后，滤波器算出下一时刻(k+1)的权向量W(k+1)；F、迭代，令k＝k+1,重复A、B、C、D、E的步骤,直至滤波结束。该方法对冲击噪声和高斯噪声的噪声抑制能力好，残留误差小。

Description

一种智能天线系统的自适应波束形成方法

技术领域

本发明属于移动通信系统中的智能天线系统的自适应波束形成方法。

背景技术

随着无线通信系统技术的快速发展，智能天线，即自适应天线阵列成为了移动通信的研究热点。通过将多个天线按一定拓扑结构在空间中排列组成天线(传感器)阵列，并对空间信号进行接收和滤波，抑制干扰信号，提取出期望信号。与传统的单个天线接收信号相比，阵列天线有着更加灵活的波束控制，更强的干扰抑制能力和空间分辨能力。随着近年来大规模集成电路的发展，阵列信号处理得当了长足的发展和应用。

自适应波束形成，是基于阵列天线和现代信号处理技术发展起来的一种新的阵列信号处理方法。前端是基于天线阵列接收信号的方向角估计；后端是基于方向角的波束调整。首先根据预知的参考信号和系统的输出得到误差信号，然后由波束形成算法根据误差信号和对天线阵列接受的数据进行加权处理来控制方向函数，使得波束形成的方向图在期望信号上产生高增益、窄波束，而在干扰信号的对应角度产生抑制，这样达到一个空间滤波器的目的。传统的最小均方算法的系统波束形成原理是：利用最陡梯度法来寻找滤波器抽头权向量W(k)，系统的输入信号为X(k)，d(k)为期望输出信号，y(k)为滤波器输出，通过使d(k)与y(k)的误差最小，使得自适应滤波器算法的输出尽可能逼近未知系统的输出，当滤波器收敛后，我们认为两者的传输特性基本一致时，即干扰信号得到很好的抑制。

在目前的自适应波束形成算法中，较成熟，也是使用的最广泛的方法有以下两种：

(1)复数最小均方滤波(LMS)方法

参考文献1“D.P.Mandic,S.Kanna and S.C.Douglas,Mean square analysis ofthe CLMS and ACLMS for non‐circular signals:The approximate uncorrelatingtransform approach,IEEE Int.Conf.Acoust.,Speech,Signal Process.SouthBrisbane,2015,pp.3531–3535”。该方法是将复数LMS算法引入自适应波束形成中，具有较低的计算复杂度，一定程度上提高了算法收敛速度。但是该方法是基于最小均方准则(假设噪声方差有限)推导得到的。在强冲击噪声环境下，方差是无穷的，会导致该方法性能非常不稳定。

(2)递归最小二乘(RLS)方法

参考文献2“A.H.Sayed,Fundamentals of Adaptive Filtering,Wiley-Interscience,New York,2003”。该文献提出了一种RLS消除方法。由于该方法基于递归策略，因此收敛速度快。但是，和文献1类似，该方法仍然基于最小均方准则，因此在冲击噪声下很不稳定。

发明内容

本发明的发明目的就是提供一种鲁棒的自适应波束形成方法，该方法对冲击噪声和高斯噪声的噪声抑制能力好，残留误差小。

本发明实现其发明目的所采用的技术方案是，一种智能天线系统的自适应波束形成方法，其步骤如下：

A、通信信号的接收和离散处理

选用8根天线构成的均匀线阵列天线接收通信信号，阵列中相邻天线的间距为通信信号波长的1/2；将天线接收的通信信号离散化处理得到离散的通信信号矩阵X(k)，通信信号矩阵X(k)包括带干扰信号的期望信号矩阵S(k)和噪声矩阵N(k)，即：X(k)＝AS(k)+N(k)；

其中，k为当前采样时刻，A为期望信号在天线阵列上的方向矩阵；

B、信号滤波

将通信信号矩阵X(k)输入自适应滤波器得到滤波值y(k)，y(k)＝W(k)^HX(k)；其中，上标H代表共轭转置，W(k)为自适应滤波器在当前采样时刻k的抽头权系数；当前采样时刻k<8时，W(k)＝0；

C、误差信号的计算

将期望信号中校验时刻k₀的校验信号d(k₀)减去校验时刻k₀的滤波值y(k₀)，得到滤波器在校验时刻k₀的误差信号e(k₀)，e(k₀)＝d(k₀)－y(k₀)；当前采样时刻k≠k₀时，当前采样时刻k的误差信号e(k)，由下式得出

e(k)＝d(k₀)－y(k)；

D、误差信号对数变换的获得

滤波器算出当前采样时刻k的误差信号e(k)的对数变换形式ξ(k)，其中，log表示底数为10的对数运算，||表示绝对值运算；

E、权向量更新

滤波器生成当前采样时刻k的增益向量B(k)，

式中，λ表示遗忘因子，其取值范围为0.9～1；P(k)为当前采样时刻k的递归矩阵，由公式P(k)＝λ^-1P(k-1)-λ^-1B(k)x^H(k)P(k-1)得到，其大小为8×8；当前采样时刻k<8时，P(k)＝0；；

随后，滤波器算出下一时刻(k+1)的权向量W(k+1)，W(k)＝W(k-1)+B(k)[d(k)-X^H(k)W(k-1)]；

F、迭代

令k＝k+1,重复A、B、C、D、E的步骤,直至滤波结束。

与现有技术相比，本发明的有益效果是：

一、本发明基于对残差信号进行连续对数变换递归运算得到，连续对数变换，由于通过一个对范数的积分得到，可以有效的收集传感器获取的空间信息，相比于其它方法避免了有效信息的流失，能够有效的限定滤波器在冲击噪声下的参数，并且，对数变换能够在一定程度上压缩冲击噪声引起的高幅值，进一步提高算法的稳定性。

二、本发明采用的递归运算可以大幅度收敛速度和算法稳定性，在强噪声环境下降低偏差约10dB左右。因此，本发明对冲击噪声信号与现有算法相比有着更好的噪声抑制能力；对高斯信号和现有算法有着类似的噪声抑制性能。

下面结合附图和具体实施方式对本发明进行详细说明。

附图说明

图1是本发明方法与文献1、文献2方法的仿真实验的波束形成对比图。

图2是本发明方法与文献1、文献2方法的学习曲线对比图。

具体实施方式

实施例

本发明的一种具体实施方式是，一种智能天线系统的自适应波束形成方法，其步骤如下：

A、通信信号的接收和离散处理

选用8根天线构成的均匀线阵列天线接收通信信号，阵列中相邻天线的间距为通信信号波长的1/2；将天线接收的通信信号离散化处理得到离散的通信信号矩阵X(k)，通信信号矩阵X(k)包括带干扰信号的期望信号矩阵S(k)和噪声矩阵N(k)，即：X(k)＝AS(k)+N(k)；

其中，k为当前采样时刻，A为期望信号在天线阵列上的方向矩阵；

B、信号滤波

将通信信号矩阵X(k)输入自适应滤波器得到滤波值y(k)，y(k)＝W(k)^HX(k)；其中，上标H代表共轭转置，W(k)为自适应滤波器在当前采样时刻k的抽头权系数；当前采样时刻k<8时，W(k)＝0；

C、误差信号的计算

将期望信号中校验时刻k₀的校验信号d(k₀)减去校验时刻k₀的滤波值y(k₀)，得到滤波器在校验时刻k₀的误差信号e(k₀)，e(k₀)＝d(k₀)－y(k₀)；当前采样时刻k≠k₀时，当前采样时刻k的误差信号e(k)，由下式得出

e(k)＝d(k₀)－y(k)；

D、误差信号对数变换的获得

滤波器算出当前采样时刻k的误差信号e(k)的对数变换形式ξ(k)，其中，log表示底数为10的对数运算，||表示绝对值运算；

E、权向量更新

滤波器生成当前采样时刻k的增益向量B(k)，

式中，λ表示遗忘因子，其取值范围为0.9～1；P(k)为当前采样时刻k的递归矩阵，由公式P(k)＝λ^-1P(k-1)-λ^-1B(k)x^H(k)P(k-1)得到，其大小为8×8；当前采样时刻k<8时，P(k)＝0；；

随后，滤波器算出下一时刻(k+1)的权向量W(k+1)，W(k)＝W(k-1)+B(k)[d(k)-X^H(k)W(k-1)]；

F、迭代

令k＝k+1,重复A、B、C、D、E的步骤,直至滤波结束。

仿真实验：

为了验证本发明的有效性，进行了仿真实验，并与文献1-2算法进行了对比。

仿真实验采用8个天线组成的线性天线阵列，输入信号为四相键位调控QPSK信号。期望的到达信号角度为0度，噪声信号也为相同幅度的QPSK信号，到达角度分别为-60度和20度。复数最小均方滤波方法的步长为μ＝0.003，递归最小二乘的遗忘因子和本发明的遗忘因子均取为0.99。背景噪声分别为一个α稳定分布的冲击噪声。

图1是自适应波束仿真实验的形成方向图对比图。由图1可知，本发明在对噪声信号(-60度和20度)的噪声抑制能力优于现有文献1-2的方法。在强噪声环境下，波束形成模式图较效果较好的文献2的方法降低偏差约10dB左右。

图2是波束形成算法学习曲线。由图2可知，本发明比文献1、2残留误差更小。在强噪声环境下较效果较好的文献2的方法降低均方偏差约2dB左右。

Claims (1)

1.一种智能天线系统的自适应波束形成方法，其步骤如下：

A、通信信号的接收和离散处理

选用8根天线构成的均匀线阵列天线接收通信信号，阵列中相邻天线的间距为通信信号波长的1/2；将天线接收的通信信号离散化处理得到离散的通信信号矩阵X(k)，通信信号矩阵X(k)包括带干扰信号的期望信号矩阵S(k)和噪声矩阵N(k)，即：X(k)＝AS(k)+N(k)；

其中，k为当前采样时刻，A为期望信号在天线阵列上的方向矩阵；

B、信号滤波

将通信信号矩阵X(k)输入自适应滤波器得到滤波值y(k)，y(k)＝W(k)^HX(k)；其中，上标H代表共轭转置，W(k)为自适应滤波器在当前采样时刻k的抽头权系数；当前采样时刻k<8时，W(k)＝0；

C、误差信号的计算

将期望信号中校验时刻k₀的校验信号d(k₀)减去校验时刻k₀的滤波值y(k₀)，得到滤波器在校验时刻k₀的误差信号e(k₀)，e(k₀)＝d(k₀)－y(k₀)；当前采样时刻k≠k₀时，当前采样时刻k的误差信号e(k)，由下式得出

e(k)＝d(k₀)－y(k)；

D、误差信号对数变换的获得

滤波器算出当前采样时刻k的误差信号e(k)的对数变换形式ξ(k)，其中，log表示底数为10的对数运算，||表示绝对值运算；

E、权向量更新

滤波器生成当前采样时刻k的增益向量B(k)，

$B\left(k\right)=\frac{\mathrm{\&xi;}\left(k\right)P(k-1)x\left(k\right)}{\mathrm{\&lambda;}+\mathrm{\&xi;}\left(k\right)x^H\left(k\right)P(k-1)x\left(k\right)}.$

式中，λ表示遗忘因子，其取值范围为0.9～1；P(k)为当前采样时刻k的递归矩阵，由公式P(k)＝λ^-1P(k-1)-λ^-1B(k)x^H(k)P(k-1)得到，其大小为8×8；当前采样时刻k<8时，P(k)＝0；；

随后，滤波器算出下一时刻(k+1)的权向量W(k+1)，W(k)＝W(k-1)+B(k)[d(k)-X^H(k)W(k-1)]；

F、迭代

令k＝k+1,重复A、B、C、D、E的步骤,直至滤波结束。