CN111898087A - 阵列天线子向量循环约束优化波束形成系统及方法 - Google Patents

阵列天线子向量循环约束优化波束形成系统及方法 Download PDF

Info

Publication number
CN111898087A
CN111898087A CN202010758203.2A CN202010758203A CN111898087A CN 111898087 A CN111898087 A CN 111898087A CN 202010758203 A CN202010758203 A CN 202010758203A CN 111898087 A CN111898087 A CN 111898087A
Authority
CN
China
Prior art keywords
vector
sub
output
signal
constraint
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Granted
Application number
CN202010758203.2A
Other languages
English (en)
Other versions
CN111898087B (zh
Inventor
周渊平
夏文龙
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Sichuan University
Original Assignee
Sichuan University
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Sichuan University filed Critical Sichuan University
Priority to CN202010758203.2A priority Critical patent/CN111898087B/zh
Publication of CN111898087A publication Critical patent/CN111898087A/zh
Application granted granted Critical
Publication of CN111898087B publication Critical patent/CN111898087B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F17/00—Digital computing or data processing equipment or methods, specially adapted for specific functions
    • G06F17/10—Complex mathematical operations
    • G06F17/16—Matrix or vector computation, e.g. matrix-matrix or matrix-vector multiplication, matrix factorization
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F30/00—Computer-aided design [CAD]
    • G06F30/20—Design optimisation, verification or simulation
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F2111/00—Details relating to CAD techniques
    • G06F2111/04—Constraint-based CAD
    • Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
    • Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
    • Y02D—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN INFORMATION AND COMMUNICATION TECHNOLOGIES [ICT], I.E. INFORMATION AND COMMUNICATION TECHNOLOGIES AIMING AT THE REDUCTION OF THEIR OWN ENERGY USE
    • Y02D30/00—Reducing energy consumption in communication networks
    • Y02D30/70—Reducing energy consumption in communication networks in wireless communication networks

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Mathematical Physics (AREA)
  • Computational Mathematics (AREA)
  • Mathematical Optimization (AREA)
  • Data Mining & Analysis (AREA)
  • Pure & Applied Mathematics (AREA)
  • General Engineering & Computer Science (AREA)
  • Mathematical Analysis (AREA)
  • Computing Systems (AREA)
  • Computer Hardware Design (AREA)
  • Evolutionary Computation (AREA)
  • Algebra (AREA)
  • Geometry (AREA)
  • Databases & Information Systems (AREA)
  • Software Systems (AREA)
  • Variable-Direction Aerials And Aerial Arrays (AREA)

Abstract

本发明涉及通信技术，解决了目前阵列天线波束形成LCMV算法计算复杂度高的问题，提供了一种阵列天线子向量循环约束优化波束形成系统及方法，其技术方案可概括为：将现有技术中需要一次性计算的波束向量w分割为M个子向量分别计算，并循环计算，同一时间所占用的系统资源较少，计算复杂度降低，适用于阵列天线接收机。

Description

阵列天线子向量循环约束优化波束形成系统及方法
技术领域
本发明涉及通信技术，特别涉及无线信号接收的技术。
背景技术
阵列天线或智能天线接收机能显著提高接收信噪比，并抑制干扰，大幅度提高接收机性能，是新一代无线通信技术发展的一个重要方向。波束形成是阵列天线的一个主要功能，通过波束形成，提高期望信号的接收增益，同时降低干扰信号的接收增益，以此显著提高接收机的信干噪比。在天线阵列中通过对每根天线信号进行加权合并，实现波束形成。波束性能包括指向、旁瓣、干扰抑制等，其取决于加权值的选取与算法优化。现有波束形成优化算法通常有LCMV(Linearly Constrained Minimum Variance，线性约束最小方差)、MMSE(Minimum Mean Squares Error，最小均方差)、RLS(Recursive Least Squares，最小二乘递归)及LMS(Least Mean Squares，最小均方)等。现有波束形成算法普遍存在计算复杂度高的缺陷，导致计算时间长、跟踪速度慢及硬件成本高等问题，直接影响系统的整体性能。
设阵列天线的天线数量为N，x是阵列接收信号向量，w是波束形成向量，C是约束矩阵，g是约束值向量，R＝E[xxH]是接收信号自相关矩阵，式中，E是求期望值运算，H是向量共轭转置操作。则传统LCMV波束形成优化算法如下：
Figure BDA0002612270840000011
其解为：
w＝R-1CH(C R-1CH)-1g
该式中，计算向量w需要先计算逆阵R-1，对于一个天线数量为N的阵列，矩阵R的尺度为N×N。当N较大时，逆阵R-1的计算复杂度是很高的。在实际应用中，计算大尺度矩阵R的逆阵不仅难以实现，且耗时长，会拖慢波束跟踪速度，降低系统性能。这是该式解的一个缺陷。
发明内容
本发明的目的是要解决目前阵列天线波束形成LCMV算法计算复杂度高的问题，提供一种阵列天线子向量循环约束优化波束形成系统及方法。
本发明解决上述技术问题，采用的技术方案是，
阵列天线子向量循环约束优化波束形成系统，包括加法单元、算法优化单元、参考信号输入端、信号输出端及至少两路接收优化信道，各路接收优化信道的输出端分别与加法单元的各输入端一一对应连接，加法单元的输出端作为信号输出端；
针对任意一路接收优化信道，其包括接收天线、放大滤波模块、解调模块及乘法模块，所述接收天线作为该路接收优化信道的输入端，接收天线与放大滤波模块的输入端连接，放大滤波模块的输出端与解调模块的输入端连接，解调模块的输出端与乘法模块的一个输入端连接，乘法模块的输出端作为该路接收优化信道的输出端；
所述算法优化单元包括参考信号输入端、至少与接收优化信道数量相同的解调信号输入端、至少与接收优化信道数量相同的复数权值输出端及至少与接收优化信道数量相同的反馈信号输入端，各路接收优化信道的放大滤波解调模块的输出端分别与一个解调信号输入端一一对应连接，各路接收优化信道的乘法模块的另一个输入端分别与一个复数权值输出端一一对应连接，各路接收优化信道的乘法模块的输出端分别与一个反馈信号输入端一一对应连接，参考信号输入端用于输入参考信号；
所述算法优化单元根据各乘法模块的输出信号及各解调模块的输出信号优化其输出的各复数权值，具体为：设w为该天线阵列的波束向量，将w中的元素分割为N个不同的波束子向量，则向量
Figure BDA0002612270840000021
其中，
Figure BDA0002612270840000022
是第j个波束子向量，j＝1,2,…,N，N为接收优化信道数量，(T)是求向量转置操作，算法优化单元根据各乘法模块的输出信号及各解调模块的输出信号直接对子向量wj进行优化，在每一个更新周期，一次优化更新一个子向量wj，然后优化更新下一个子向量wj+1，依次推进，完成所有子向量的优化更新后即完成一个更新周期，接着再重复进行下一个更新周期，优化过程循环进行，以此获得整体优化波束向量，即输出的各复数权值。
具体的，为提供一种算法优化单元的计算方法，则所述算法优化单元根据各乘法模块的输出信号及各解调模块的输出信号优化其输出的各复数权值，具体为：
设置约束矩阵C及约束系数向量q，设置输入信号向量x＝[x1,x2,......,xN]T、波束向量w＝[w1,w2,......,wN]T及输入信号自相关矩阵R＝E[x*xT]，则wi代表第i个复数权值，xi代表第i个放大滤波解调模块的输出信号，这里，(T)是求向量转置操作，(*)是求复数共轭操作，(E)是求期望值操作，则加法单元的输出信号为y＝wHx；
将波束向量w分割为M个子向量，则有
Figure BDA0002612270840000023
M为大于等于1且小于等于N的正整数，这里
Figure BDA0002612270840000024
是第j个权值子向量，j为大于等于1且小于等于M的正整数；
对应的，也将输入信号向量x分割为M个子向量，则有
Figure BDA0002612270840000025
这里
Figure BDA0002612270840000026
是第j个输入信号子向量，其对应于权值向量的子向量
Figure BDA0002612270840000031
也将系统约束矩阵C分割为M个子矩阵，则有
Figure BDA0002612270840000032
这里
Figure BDA0002612270840000033
是第j个约束子矩阵；则对应乘法模块的子向量输出为
Figure BDA0002612270840000034
余阵列的输出
Figure BDA0002612270840000035
优化时，包括以下步骤：
步骤1、获取系统约束矩阵
Figure BDA0002612270840000036
并设置约束向量q及波束子向量
Figure BDA0002612270840000037
令j＝1，这里，Nj是第j个波束子向量的尺度；
步骤2、获得此时的输入信号子向量
Figure BDA0002612270840000038
输入信号向量
Figure BDA0002612270840000039
加法模块的输出y＝wHx，及对应乘法单元的输出信号为
Figure BDA00026122708400000310
计算信号自相关矩阵
Figure BDA00026122708400000311
及互相关向量
Figure BDA00026122708400000312
步骤3、计算各个波束子向量，计算公式为：
Figure BDA00026122708400000313
步骤4、组合各波束子向量得到波束向量
Figure BDA00026122708400000314
然后判断j+1是否大于M，若是则令j＝1，并回到步骤2，否则令j＝j+1，并回到步骤2。
进一步的，所述约束矩阵C可以根据输入的参考信号计算，其计算公式为：
C＝E[sx*]
其中，s是参考信号。
具体的，为细化如何将波束向量w分割为M个子向量，则有：在将波束向量w分割为M个子向量时，每两个分割出的子向量之中至少有一个不同的复数权值，且针对任意一个分割出的子向量，其中的各复数权值为相邻的各复数权值。
再进一步的，为细化如何将权值向量w分割为M个子向量，则有：在将波束向量w分割为M个子向量时，每两个分割出的子向量之中所包含的复数权值的数量相同或不同。
阵列天线子向量循环约束优化波束形成方法，应用于上述阵列天线子向量循环约束优化波束形成系统，包括：
设置约束矩阵C及约束系数向量q，设置输入信号向量x＝[x1,x2,......,xN]T、波束向量w＝[w1,w2,......,wN]T及输入信号自相关矩阵R＝E[x*xT]，则wi代表第i个复数权值，xi代表第i个放大滤波解调模块的输出信号，这里，(T)是求向量转置操作，(*)是求复数共轭操作，(E)是求期望值操作，则加法单元的输出信号为y＝wHx；
将波束向量w分割为M个子向量，则有
Figure BDA0002612270840000041
M为大于等于1且小于等于N的正整数，这里
Figure BDA0002612270840000042
是第j个权值子向量，j为大于等于1且小于等于M的正整数；
对应的，也将输入信号向量x分割为M个子向量，则有
Figure BDA0002612270840000043
这里
Figure BDA0002612270840000044
是第j个输入信号子向量，其对应于权值向量的子向量
Figure BDA0002612270840000045
也将系统约束矩阵C分割为M个子矩阵，则有
Figure BDA0002612270840000046
这里
Figure BDA0002612270840000047
是第j个约束子矩阵；则对应乘法模块的子向量输出为
Figure BDA0002612270840000048
余阵列的输出
Figure BDA0002612270840000049
优化时，包括以下步骤：
步骤1、获取系统约束矩阵
Figure BDA00026122708400000410
并设置约束向量q及波束子向量
Figure BDA00026122708400000411
令j＝1，这里，Nj是第j个波束子向量的尺度；
步骤2、获得此时的输入信号子向量
Figure BDA00026122708400000412
输入信号向量
Figure BDA00026122708400000413
加法模块的输出y＝wHx，及对应乘法单元的输出信号为
Figure BDA00026122708400000414
计算信号自相关矩阵
Figure BDA00026122708400000415
及互相关向量
Figure BDA00026122708400000416
步骤3、计算各个波束子向量，计算公式为：
Figure BDA00026122708400000417
步骤4、组合各波束子向量得到波束向量
Figure BDA00026122708400000418
然后判断j+1是否大于M，若是则令j＝1，并回到步骤2，否则令j＝j+1，并回到步骤2。
具体的，所述约束矩阵C可以根据输入的参考信号计算，其计算公式为：
C＝E[sx*]
其中，s是参考信号。
进一步的，为细化如何将波束向量w分割为M个子向量，则有：在将波束向量w分割为M个子向量时，每两个分割出的子向量之中至少有一个不同的复数权值，且针对任意一个分割出的子向量，其中的各复数权值为相邻的各复数权值。
具体的，为细化如何将波束向量w分割为M个子向量，则有：在将波束向量w分割为M个子向量时，每两个分割出的子向量之中所包含的复数权值的数量相同或不同。
本发明的有益效果是，在本发明方案中，采用上述阵列天线子向量循环约束优化波束形成系统及方法，可见，其将现有技术中需要一次性计算的波束向量w分割为M个子向量分别计算，并循环计算，同一时间所占用的系统资源较少，计算复杂度降低。
附图说明
图1是本发明实施例中阵列天线子向量循环约束优化波束形成系统的系统框图。
具体实施方式
下面结合实施例及附图，详细描述本发明的技术方案。
本发明的阵列天线子向量循环约束优化波束形成系统，其系统框图参见图1，包括加法单元、算法优化单元、参考信号输入端、信号输出端及至少两路接收优化信道，各路接收优化信道的输出端分别与加法单元的各输入端一一对应连接，加法单元的输出端作为信号输出端；
针对任意一路接收优化信道，其包括接收天线、放大滤波模块、解调模块及乘法模块，所述接收天线作为该路接收优化信道的输入端，接收天线与放大滤波模块的输入端连接，放大滤波模块的输出端与解调模块的输入端连接，解调模块的输出端与乘法模块的一个输入端连接，乘法模块的输出端作为该路接收优化信道的输出端；
算法优化单元包括参考信号输入端、至少与接收优化信道数量相同的解调信号输入端、至少与接收优化信道数量相同的复数权值输出端及至少与接收优化信道数量相同的反馈信号输入端，各路接收优化信道的放大滤波解调模块的输出端分别与一个解调信号输入端一一对应连接，各路接收优化信道的乘法模块的另一个输入端分别与一个复数权值输出端一一对应连接，各路接收优化信道的乘法模块的输出端分别与一个反馈信号输入端一一对应连接，参考信号输入端用于输入参考信号；
算法优化单元根据各乘法模块的输出信号及各解调模块的输出信号优化其输出的各复数权值，具体为：设w为该天线阵列的波束向量，将w中的元素分割为N个不同的波束子向量，则向量
Figure BDA0002612270840000051
其中，
Figure BDA0002612270840000052
是第j个波束子向量，j＝1,2,…,N，N为接收优化信道数量，(T)是求向量转置操作，算法优化单元根据各乘法模块的输出信号及各解调模块的输出信号直接对子向量wj进行优化，在每一个更新周期，一次优化更新一个子向量wj，然后优化更新下一个子向量wj+1，依次推进，完成所有子向量的优化更新后即完成一个更新周期，接着再重复进行下一个更新周期，优化过程(这里的优化过程即是指上述一个更新周期)循环进行，以此获得整体优化波束向量，即输出的各复数权值。
为提供一种算法优化单元的计算方法，则算法优化单元根据各乘法模块的输出信号及各解调模块的输出信号优化其输出的各复数权值，可具体为：
设置约束矩阵C及约束系数向量q，设置输入信号向量x＝[x1,x2,......,xN]T、波束向量w＝[w1,w2,......,wN]T及输入信号自相关矩阵R＝E[x*xT]，则wi代表第i个复数权值，xi代表第i个放大滤波解调模块的输出信号，这里，(T)是求向量转置操作，(*)是求复数共轭操作，(E)是求期望值操作，则加法单元的输出信号为y＝wHx；
将波束向量w分割为M个子向量，则有
Figure BDA0002612270840000061
M为大于等于1且小于等于N的正整数，这里
Figure BDA0002612270840000062
是第j个权值子向量，j为大于等于1且小于等于M的正整数；
对应的，也将输入信号向量x分割为M个子向量，则有
Figure BDA0002612270840000063
这里
Figure BDA0002612270840000064
是第j个输入信号子向量，其对应于权值向量的子向量
Figure BDA0002612270840000065
也将系统约束矩阵C分割为M个子矩阵，则有
Figure BDA0002612270840000066
这里
Figure BDA0002612270840000067
是第j个约束子矩阵；则对应乘法模块的子向量输出为
Figure BDA0002612270840000068
余阵列的输出
Figure BDA0002612270840000069
优化时，包括以下步骤：
步骤1、获取系统约束矩阵
Figure BDA00026122708400000610
并设置约束向量q及波束子向量
Figure BDA00026122708400000611
令j＝1，这里，Nj是第j个波束子向量的尺度；
步骤2、获得此时的输入信号子向量
Figure BDA00026122708400000612
输入信号向量
Figure BDA00026122708400000613
加法模块的输出y＝wHx，及对应乘法单元的输出信号为
Figure BDA00026122708400000614
计算信号自相关矩阵
Figure BDA00026122708400000615
及互相关向量
Figure BDA00026122708400000616
步骤3、计算各个波束子向量，计算公式为：
Figure BDA00026122708400000617
步骤4、组合各波束子向量得到波束向量
Figure BDA00026122708400000618
然后判断j+1是否大于M，若是则令j＝1，并回到步骤2，否则令j＝j+1，并回到步骤2。
其具体理论依据及推导过程如下：
以将波束向量w分割为2个子向量为例，设是输入信号向量x的一个子向量，
Figure BDA00026122708400000620
是波束向量w的一个子向量，其对应于子阵列的子向量
Figure BDA00026122708400000621
Figure BDA00026122708400000622
是向量x的余向量，
Figure BDA00026122708400000623
是向量w的余向量，其对应于余阵列的余向量
Figure BDA00026122708400000624
Figure BDA00026122708400000625
是约束矩阵C的一个子矩阵，
Figure BDA00026122708400000626
是约束矩阵C的余矩阵，即
Figure BDA00026122708400000627
波束形成器输出为y＝wHx，其子阵列的输出为
Figure BDA0002612270840000071
余阵列的输出
Figure BDA0002612270840000072
式中，T表示转置操作，H表示共轭转置操作，则阵列波束形成的优化准则如下：
Figure BDA0002612270840000073
展开上式得：
Figure BDA0002612270840000074
Figure BDA0002612270840000075
因此，该式可以表达为：
Figure BDA0002612270840000076
拉格朗日乘子为
Figure BDA0002612270840000077
设置
Figure BDA0002612270840000078
计算得
Figure BDA0002612270840000079
Figure BDA00026122708400000710
Figure BDA00026122708400000711
其中，λ是拉格朗日乘数向量；
根据
Figure BDA00026122708400000712
可得：
Figure BDA00026122708400000713
Figure BDA00026122708400000714
Figure BDA00026122708400000715
因此可以得到
Figure BDA00026122708400000716
进一步可得
Figure BDA0002612270840000081
这里，Ud是互相关向量，根据
Figure BDA0002612270840000082
式及
Figure BDA0002612270840000083
式,可得子向量优化解如下：
Figure BDA0002612270840000084
根据上式可见，LCMV波束形成算法可以通过一个周期循环优化方法来实现。阵列波束形成向量w可以被分割为多个子向量wd，利用
Figure BDA0002612270840000085
式逐一依次计算每一个子向量，每一次计算是一个局部优化过程，多次局部循环优化最终可使阵列波束获得其全局优化。
为提供设置约束矩阵C的方法，则有所述设置约束矩阵C是指人工设置约束矩阵C或根据输入的参考信号计算出的约束矩阵C，可以用下面方法计算：
C＝E[sx*]
其中，s是指参考信号。
为细化如何将波束向量w分割为M个子向量，则可有：在将波束向量w分割为M个子向量时，每两个分割出的子向量之中至少有一个不同的复数权值，且针对任意一个分割出的子向量，其中的各复数权值为相邻的各复数权值。举例如下：设将波束向量w＝[w1,w2,......,w6]T分割为3个子向量，则可为
Figure BDA0002612270840000086
及
Figure BDA0002612270840000087
也可为
Figure BDA0002612270840000088
及
Figure BDA0002612270840000089
等。
为细化如何将权值向量w分割为M个子向量，则可有：在将波束向量w分割为M个子向量时，每两个分割出的子向量之中所包含的复数权值的数量相同或不同。举例如下：设将波束向量w＝[w1,w2,......,w6]T分割为3个子向量，则可为
Figure BDA00026122708400000810
及
Figure BDA00026122708400000811
也可为
Figure BDA00026122708400000812
及
Figure BDA00026122708400000813
等。
阵列天线子向量循环约束优化波束形成方法，应用于上述阵列天线子向量循环约束优化波束形成系统，包括：
设置约束矩阵C及约束系数向量q，设置输入信号向量x＝[x1,x2,......,xN]T、波束向量w＝[w1,w2,......,wN]T及输入信号自相关矩阵R＝E[x*xT]，则wi代表第i个复数权值，xi代表第i个放大滤波解调模块的输出信号，这里，(T)是求向量转置操作，(*)是求复数共轭操作，(E)是求期望值操作，则加法单元的输出信号为y＝wHx；
将波束向量w分割为M个子向量，则有
Figure BDA0002612270840000091
M为大于等于1且小于等于N的正整数，这里
Figure BDA0002612270840000092
是第j个权值子向量，j为大于等于1且小于等于M的正整数；
对应的，也将输入信号向量x分割为M个子向量，则有
Figure BDA0002612270840000093
这里
Figure BDA0002612270840000094
是第j个输入信号子向量，其对应于权值向量的子向量
Figure BDA0002612270840000095
也将系统约束矩阵C分割为M个子矩阵，则有
Figure BDA0002612270840000096
这里
Figure BDA0002612270840000097
是第j个约束子矩阵；则对应乘法模块的子向量输出为
Figure BDA0002612270840000098
余阵列的输出
Figure BDA0002612270840000099
优化时，包括以下步骤：
步骤1、获取系统约束矩阵
Figure BDA00026122708400000910
并设置约束向量q及波束子向量
Figure BDA00026122708400000911
令j＝1，这里，Nj是第j个波束子向量的尺度；
步骤2、获得此时的输入信号子向量
Figure BDA00026122708400000912
输入信号向量
Figure BDA00026122708400000913
加法模块的输出y＝wHx，及对应乘法单元的输出信号为
Figure BDA00026122708400000914
计算信号自相关矩阵
Figure BDA00026122708400000915
及互相关向量
Figure BDA00026122708400000916
步骤3、计算各个波束子向量，计算公式为：
Figure BDA00026122708400000917
步骤4、组合各波束子向量得到波束向量
Figure BDA00026122708400000918
然后判断j+1是否大于M，若是则令j＝1，并回到步骤2，否则令j＝j+1，并回到步骤2。
其具体理论依据及推导过程同上。
为提供设置约束矩阵C的方法，则有所述设置约束矩阵C是指人工设置约束矩阵C或根据输入的参考信号计算出的约束矩阵C，可以用下面方法计算：
C＝E[sx*]
其中，s是指参考信号。
为细化如何将波束向量w分割为M个子向量，则可有：在将波束向量w分割为M个子向量时，每两个分割出的子向量之中至少有一个不同的复数权值，且针对任意一个分割出的子向量，其中的各复数权值为相邻的各复数权值。举例如下：设将波束向量w＝[w1,w2,......,w6]T分割为3个子向量，则可为
Figure BDA0002612270840000101
及
Figure BDA0002612270840000102
也可为
Figure BDA0002612270840000103
及
Figure BDA0002612270840000104
等。
为细化如何将波束向量w分割为M个子向量，则可有：在将波束向量w分割为M个子向量时，每两个分割出的子向量之中所包含的复数权值的数量相同或不同。举例如下：设将波束向量w＝[w1,w2,......,w6]T分割为3个子向量，则可为
Figure BDA0002612270840000105
及
Figure BDA0002612270840000106
也可为
Figure BDA0002612270840000107
及
Figure BDA0002612270840000108
等。

Claims (9)

1.阵列天线子向量循环约束优化波束形成系统，其特征在于，包括加法单元、算法优化单元、参考信号输入端、信号输出端及至少两路接收优化信道，各路接收优化信道的输出端分别与加法单元的各输入端一一对应连接，加法单元的输出端作为信号输出端；
针对任意一路接收优化信道，其包括接收天线、放大滤波模块、解调模块及乘法模块，所述接收天线作为该路接收优化信道的输入端，接收天线与放大滤波模块的输入端连接，放大滤波模块的输出端与解调模块的输入端连接，解调模块的输出端与乘法模块的一个输入端连接，乘法模块的输出端作为该路接收优化信道的输出端；
所述算法优化单元包括参考信号输入端、至少与接收优化信道数量相同的解调信号输入端、至少与接收优化信道数量相同的复数权值输出端及至少与接收优化信道数量相同的反馈信号输入端，各路接收优化信道的放大滤波解调模块的输出端分别与一个解调信号输入端一一对应连接，各路接收优化信道的乘法模块的另一个输入端分别与一个复数权值输出端一一对应连接，各路接收优化信道的乘法模块的输出端分别与一个反馈信号输入端一一对应连接，参考信号输入端用于输入参考信号；
所述算法优化单元根据各乘法模块的输出信号及各解调模块的输出信号优化其输出的各复数权值，具体为：设w为该天线阵列的波束向量，将w中的元素分割为N个不同的波束子向量，则向量
Figure FDA0002612270830000011
其中，
Figure FDA0002612270830000012
是第j个波束子向量，j＝1,2,…,N，N为接收优化信道数量，T是求向量转置操作；算法优化单元根据各乘法模块的输出信号及各解调模块的输出信号直接对子向量wj进行优化；在每一个更新周期，一次优化更新一个子向量wj，然后优化更新下一个子向量wj+1，依次推进，完成所有子向量的优化更新后即完成一个更新周期，接着再重复进行下一个更新周期，优化过程循环进行，以此获得整体优化波束向量，输出各复数权值。
2.如权利要求1所述的阵列天线子向量循环约束优化波束形成系统，其特征在于，所述算法优化单元根据各乘法模块的输出信号及各解调模块的输出信号优化其输出的各复数权值，具体为：
设置约束矩阵C及约束系数向量q，设置输入信号向量x＝[x1,x2,......,xN]T、波束向量w＝[w1,w2,......,wN]T及输入信号自相关矩阵R＝E[x*xT]，则wi代表第i个复数权值，xi代表第i个放大滤波解调模块的输出信号，这里，T是求向量转置操作，*是求复数共轭操作，E是求期望值操作，则加法单元的输出信号为y＝wHx；
将波束向量w分割为M个子向量，则有
Figure FDA0002612270830000013
M为大于等于1且小于等于N的正整数，这里
Figure FDA0002612270830000021
是第j个权值子向量，j为大于等于1且小于等于M的正整数；
对应的，也将输入信号向量x分割为M个子向量，则有
Figure FDA0002612270830000022
这里
Figure FDA0002612270830000023
是第j个输入信号子向量，其对应于权值向量的子向量
Figure FDA0002612270830000024
也将系统约束矩阵C分割为M个子矩阵，则有
Figure FDA0002612270830000025
这里
Figure FDA0002612270830000026
是第j个约束子矩阵；则对应乘法模块的子向量输出为
Figure FDA0002612270830000027
余阵列的输出
Figure FDA0002612270830000028
优化时，包括以下步骤：
步骤1、获取系统约束矩阵
Figure FDA0002612270830000029
并设置约束系数向量q及波束子向量
Figure FDA00026122708300000210
令j＝1，这里，Nj是第j个波束子向量的尺度；
步骤2、获得此时的输入信号子向量
Figure FDA00026122708300000211
输入信号向量
Figure FDA00026122708300000212
加法模块的输出y＝wHx，及对应乘法单元的输出信号为
Figure FDA00026122708300000213
计算信号自相关矩阵
Figure FDA00026122708300000214
及互相关向量
Figure FDA00026122708300000215
步骤3、计算各个波束子向量，计算公式为：
Figure FDA00026122708300000216
步骤4、组合各波束子向量得到波束向量
Figure FDA00026122708300000217
然后判断j+1是否大于M，若是则令j＝1，并回到步骤2，否则令j＝j+1，并回到步骤2。
3.如权利要求2所述的阵列天线子向量循环约束优化波束形成系统，其特征在于，所述约束矩阵C可以根据输入的参考信号计算，其计算公式为：
C＝E[sx*]
其中，s是参考信号。
4.如权利要求1所述的阵列天线子向量循环约束优化波束形成系统，其特征在于，在将波束向量w分割为M个子向量时，每两个分割出的子向量之中至少有一个不同的复数权值，且针对任意一个分割出的子向量，其中的各复数权值为相邻的各复数权值。
5.如权利要求4所述的阵列天线子向量循环约束优化波束形成系统，其特征在于，在将波束向量w分割为M个子向量时，每两个分割出的子向量之中所包含的复数权值的数量相同或不同。
6.阵列天线子向量循环约束优化波束形成方法，应用于如权利要求1-5任一项所述的阵列天线子向量循环约束优化波束形成系统，其特征在于，包括：
设置约束矩阵C及约束系数向量q，设置输入信号向量x＝[x1,x2,......,xN]T、波束向量w＝[w1,w2,......,wN]T及输入信号自相关矩阵R＝E[x*xT]，则wi代表第i个复数权值，xi代表第i个解调模块的输出信号，这里，T是求向量转置操作，*是求复数共轭操作，E是求期望值操作，则加法单元的输出信号为y＝wHx；
将波束向量w分割为M个子向量，则有
Figure FDA0002612270830000031
M为大于等于1且小于等于N的正整数，这里
Figure FDA0002612270830000032
是第j个权值子向量，j为大于等于1且小于等于M的正整数；
对应的，也将输入信号向量x分割为M个子向量，则有
Figure FDA0002612270830000033
这里
Figure FDA0002612270830000034
是第j个输入信号子向量，其对应于权值向量的子向量
Figure FDA0002612270830000035
也将系统约束矩阵C分割为M个子矩阵，则有
Figure FDA0002612270830000036
这里
Figure FDA0002612270830000037
是第j个约束子矩阵；则对应乘法模块的子向量输出为
Figure FDA0002612270830000038
余阵列的输出
Figure FDA0002612270830000039
优化时，包括以下步骤：
步骤1、获取系统约束矩阵
Figure FDA00026122708300000310
并设置约束向量q及波束子向量
Figure FDA00026122708300000311
令j＝1，这里，Nj是第j个波束子向量的尺度；
步骤2、获得此时的输入信号子向量
Figure FDA00026122708300000312
输入信号向量
Figure FDA00026122708300000313
加法模块的输出y＝wHx，及对应乘法单元的输出信号为
Figure FDA00026122708300000314
计算信号自相关矩阵
Figure FDA00026122708300000315
及互相关向量
Figure FDA00026122708300000316
步骤3、计算各个波束子向量，计算公式为：
Figure FDA00026122708300000317
步骤4、组合各波束子向量得到波束向量
Figure FDA00026122708300000318
然后判断j+1是否大于M，若是则令j＝1，并回到步骤2，否则令j＝j+1，并回到步骤2。
7.如权利要求6所述的阵列天线子向量循环约束优化波束形成系统，其特征在于，所述约束矩阵C是根据输入的参考信号计算的，其计算公式为：
C＝E[sx*]
其中，s是参考信号。
8.如权利要求6所述的阵列天线子向量循环约束优化波束形成方法，其特征在于，在将波束向量w分割为M个子向量时，每两个分割出的子向量之中至少有一个不同的复数权值，且针对任意一个分割出的子向量，其中的各复数权值为相邻的各复数权值。
9.如权利要求8所述的阵列天线子向量循环约束优化波束形成方法，其特征在于，在将波束向量w分割为M个子向量时，每两个分割出的子向量之中所包含的复数权值的数量相同或不同。
CN202010758203.2A 2020-07-31 2020-07-31 阵列天线子向量循环约束优化波束形成系统及方法 Active CN111898087B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202010758203.2A CN111898087B (zh) 2020-07-31 2020-07-31 阵列天线子向量循环约束优化波束形成系统及方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202010758203.2A CN111898087B (zh) 2020-07-31 2020-07-31 阵列天线子向量循环约束优化波束形成系统及方法

Publications (2)

Publication Number Publication Date
CN111898087A true CN111898087A (zh) 2020-11-06
CN111898087B CN111898087B (zh) 2023-04-14

Family

ID=73182979

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202010758203.2A Active CN111898087B (zh) 2020-07-31 2020-07-31 阵列天线子向量循环约束优化波束形成系统及方法

Country Status (1)

Country Link
CN (1) CN111898087B (zh)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN114204284A (zh) * 2021-12-14 2022-03-18 四川大学 相控阵天线的抗干扰方法及系统

Citations (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2006131036A1 (fr) * 2005-06-08 2006-12-14 Zte Corporation Procede de realisation d'antenne intelligente basee sur une radio logicielle et systeme prevu a cet effet
EP3121740A1 (en) * 2014-05-27 2017-01-25 China Academy of Space Technology Multidisciplinary optimization-based system for determining satellite overall plan, and implementation method
CN107743045A (zh) * 2017-10-10 2018-02-27 四川大学 阵列天线波束形成接收装置及其权值系数优化方法
CN207304556U (zh) * 2017-10-10 2018-05-01 四川大学 阵列天线波束形成接收机
CN109792267A (zh) * 2016-09-30 2019-05-21 索尼公司 无线通信方法和无线通信装置
CN110350957A (zh) * 2018-04-08 2019-10-18 华为技术有限公司 通信的方法和通信装置
CN111262612A (zh) * 2020-01-16 2020-06-09 电子科技大学 一种基于笔形波束的阵列赋形波束解析合成方法

Patent Citations (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2006131036A1 (fr) * 2005-06-08 2006-12-14 Zte Corporation Procede de realisation d'antenne intelligente basee sur une radio logicielle et systeme prevu a cet effet
EP3121740A1 (en) * 2014-05-27 2017-01-25 China Academy of Space Technology Multidisciplinary optimization-based system for determining satellite overall plan, and implementation method
CN109792267A (zh) * 2016-09-30 2019-05-21 索尼公司 无线通信方法和无线通信装置
CN107743045A (zh) * 2017-10-10 2018-02-27 四川大学 阵列天线波束形成接收装置及其权值系数优化方法
CN207304556U (zh) * 2017-10-10 2018-05-01 四川大学 阵列天线波束形成接收机
CN110350957A (zh) * 2018-04-08 2019-10-18 华为技术有限公司 通信的方法和通信装置
CN111262612A (zh) * 2020-01-16 2020-06-09 电子科技大学 一种基于笔形波束的阵列赋形波束解析合成方法

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN114204284A (zh) * 2021-12-14 2022-03-18 四川大学 相控阵天线的抗干扰方法及系统

Also Published As

Publication number Publication date
CN111898087B (zh) 2023-04-14

Similar Documents

Publication Publication Date Title
CN108462521B (zh) 自适应阵列天线的抗干扰实现方法
KR100604822B1 (ko) 서브-어레이 그루핑된 적응 배열 안테나들을 이용하여빔형성 및 다이버시티 이득을 제공하는 무선 페이딩 채널복조기, 이를 구비한 이동 통신 수신 시스템 및 그 방법
CN110289895B (zh) 能效谱效联合优化的大规模mimo下行功率分配方法
US6771219B2 (en) Adaptive beamforming method for smart antenna system
CN102801455A (zh) 波束码本生成方法、波束搜索方法及相关装置
CN114172547B (zh) 基于智能反射面的无线携能通信混合预编码设计方法
CN114285702A (zh) 一种用于毫米波irs协作系统的稀疏级联信道估计方法
CN114338301A (zh) 一种基于压缩感知的ris辅助毫米波系统的信道估计方法
CN103941234A (zh) 一种针对多径信号的波束形成器设计方法
CN110837075A (zh) 一种低复杂度的极化参数估计跟踪装置及方法
CN111983556A (zh) 一种到达角估计的装置及方法
CN111898087B (zh) 阵列天线子向量循环约束优化波束形成系统及方法
CN108415040B (zh) 一种基于子空间投影的csmg波束形成方法
CN1408192A (zh) 利用上行链路加权矢量的天线到达角估算
KR100477619B1 (ko) 어레이 안테나의 널 방향 제어 방법
CN113472409A (zh) 毫米波大规模mimo系统中基于past算法的混合预编码方法
CN110636018A (zh) 一种网格补偿大规模mimo信道估计方法
CN113839696B (zh) 一种在线鲁棒的分布式多小区大规模mimo预编码方法
CN114204284B (zh) 相控阵天线的抗干扰方法及系统
CN114839604A (zh) 一种mimo雷达正交波形设计方法和系统
CN107894597B (zh) 基于线性虚拟阵元的自适应调零方法
CN110208830B (zh) 一种基于空时二维稀疏阵列的导航抗干扰方法
CN108347265B (zh) 一种利用空间稀疏特性的波束接收分集方法及装置
KR100965100B1 (ko) 적응적 빔포밍 장치 및 그 방법
CN112887040B (zh) 一种极化参数估计装置及方法

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination
GR01 Patent grant
GR01 Patent grant