KR100390072B1

KR100390072B1 - Method for processing signal of adaptive array smart antenna in array smart antenna system

Info

Publication number: KR100390072B1
Application number: KR10-2001-0008019A
Authority: KR
Inventors: 김제우; 박종현; 심복태; 노상훈; 장태련
Original assignee: (주)텔레시스테크놀로지
Priority date: 2001-02-17
Filing date: 2001-02-17
Publication date: 2003-07-04
Also published as: KR20020067731A

Abstract

가. 청구범위에 기재된 발명이 속한 기술분야end. The technical field to which the invention described in the claims belongs

적응 빔 방식의 스마트 안테나에서 적응 빔 알고리즘에 관한 기술이다.It is a technique related to the adaptive beam algorithm in the smart antenna of the adaptive beam method.

나. 발명이 해결하고자 하는 기술적 과제I. The technical problem to be solved by the invention

적응 빔 방식의 스마트 안테나에서 constant envelope 특성에 관계없이 안정되고 우수한 성능을 제공할 수 있고 데이터의 처리를 실시간으로 처리할 수 있으며, 많은 연산량이 발생하지 않는 적응 빔 방식의 스마트 안테나 장치에서 적응빔 알고리즘을 제공한다.In the adaptive beam type smart antenna, it is possible to provide stable and excellent performance regardless of the constant envelope characteristic, and to process data in real time, and the adaptive beam algorithm in the adaptive beam type smart antenna device that does not generate a large amount of computation. To provide.

다. 발명의 해결방법의 요지All. Summary of Solution of the Invention

본 발명의 제1실시 예에 따른 방법은 적응 배열 스마트 안테나 장치의 적응 배열 처리부에서 신호를 처리하기 위한 방법으로서, 배열 안테나들로부터 수신되는 입력신호를 수신하여 소정 횟수만큼 수신하여 입력신호 행렬을 생성하는 제1과정과, 초기 값으로 주어진 조정(steering) 행렬과 상기 입력신호 행렬을 이용하여 코스트 함수를 최소화하는 전송신호 행렬을 계산하는 제2과정과, 상기 계산된 전송신호 행렬과 상기 입력신호 행렬을 이용하여 상기 코스트 함수를 최소화하는 조정 행렬을 계산한 후 상기 조정 행렬을 단위 원 상에 사상하여 상기 사상된 값을 조정행렬을 설정하는 제3과정과, 상기 조정 행렬을 표준화한 후 상기 조정 행렬의 수렴 여부를 검사하는 제4과정과, 상기 조정 행렬이 수렴할 경우 상기 계산된 전송신호 행렬로 데이터를 복조하는 제5과정으로 이루어진다.The method according to the first embodiment of the present invention is a method for processing a signal in an adaptive array processing unit of an adaptive array smart antenna device, and receives an input signal received from array antennas a predetermined number of times to generate an input signal matrix. And a second process of calculating a transmission signal matrix that minimizes a cost function using a steering matrix and an input signal matrix, which are given as initial values, and the calculated transmission signal matrix and the input signal matrix. Calculating a steering matrix that minimizes the cost function using; and mapping the steering matrix onto a unit circle to set the mapped value to the adjusted matrix; and after normalizing the steering matrix, the steering matrix A fourth step of checking whether convergence is performed; and if the steering matrix converges, demodulating data into the calculated transmission signal matrix. It is made up of the fifth process.

또한 상기 제5과정은 상기 조정 행렬이 수렴할 경우 상기 조정 행렬로부터 가중치를 계산하고 상기 계산된 값을 이용하여 전송신호 행렬을 재계산하여 데이터를 복조하여 수행하도록 구성할 수도 있다.In addition, the fifth process may be configured to calculate weights from the steering matrix when the steering matrix converges, recalculate the transmission signal matrix using the calculated value, and demodulate the data.

그리고 상기 조정 행렬이 수렴하지 않을 경우 상기 조정 행렬이 수렴할 때까지 상기 제2과정 내지 상기 제3과정을 반복 수행한다.If the steering matrix does not converge, the second to third processes are repeatedly performed until the steering matrix converges.

라. 발명의 중요한 용도la. Important uses of the invention

적응 빔 방식의 스마트 안테나에 사용할 수 있다.It can be used for an adaptive beam type smart antenna.

Description

Signal processing method of adaptive array smart antenna in array smart antenna system {METHOD FOR PROCESSING SIGNAL OF ADAPTIVE ARRAY SMART ANTENNA IN ARRAY SMART ANTENNA SYSTEM}

본 발명은 안테나 장치 및 그 제어 방법에 관한 것으로, 특히 스마트 안테나 장치 및 그 제어 방법에 관한 것이다.The present invention relates to an antenna device and a control method thereof, and more particularly, to a smart antenna device and a control method thereof.

통상적으로 안테나 장치는 소정의 주파수를 가지는 신호를 수신하기 위한 장치이다. 이러한 안테나는 원거리 통신을 위해 개발되어 현재에는 이동통신 시스템의 기지국 및 단말기 등에 다양하게 사용되고 있다. 이러한 안테나의 비약적인 발전으로 인하여 현재 스마트 안테나(smart antenna)란 개념이 등장하기에 이르렀다. 스마트 안테나란 기지국이나 이동통신 단말의 안테나의 빔(beam) 형성 과정에서 특정 목적으로 신호처리를 거쳐 빔을 형성하는 지능형 안테나를 말한다. 이러한 스마트 안테나는 IMT-2000(International Mobile Telecommunication - 2000)에서 사용이 거의 확실시되고 있으며, 스마트 안테나를 사용하여 시스템을 구성할 경우 시스템의 용량이 증가시킬 수 있다.Typically, an antenna device is a device for receiving a signal having a predetermined frequency. Such antennas have been developed for long-distance communication and are currently used in various ways such as base stations and terminals of mobile communication systems. The rapid development of such antennas has led to the emergence of the concept of smart antennas. The smart antenna refers to an intelligent antenna that forms a beam through signal processing for a specific purpose in a beam formation process of an antenna of a base station or a mobile communication terminal. Such smart antennas are almost certainly used in IMT-2000 (International Mobile Telecommunications-2000), and the capacity of the system may be increased when the system is configured using the smart antennas.

이러한 스마트 안테나는 가용 주파수 자원의 부족을 해결해 줄 대안으로 떠오르고 있다. 특히 스마트 안테나를 사용할 경우 적은 전력으로도 기존의 시스템과 동일한 혹은 그 이상의 성능을 낼 수 있어 시스템의 용량을 증대시킬 수 있다. 상기한 스마트 안테나의 기본 원리는 간섭신호 속에서 원하는 신호만을 추출해 내는 것으로, 원하는 신호의 방향으로는 큰 이득을 주고 다른 방향으로는 적은 이득을 주어서 동일한 전송 전력에 대해 송수신단이 더 많은 전력을 얻도록 하는 것이다. 즉, 원하는 가입자가 있는 곳에서는 보강간섭이 일어나도록, 그리고 원치 않는 가입자는 간섭신호로 작용하여 상쇄간섭이 일어나도록 동작을 하는 방식인데 이러한 방식을 빔성형(Beamforming) 이라고 한다.Such smart antennas are emerging as an alternative to solve the shortage of available frequency resources. In particular, the use of smart antennas can achieve the same or better performance than existing systems with less power, increasing system capacity. The basic principle of the smart antenna is to extract only the desired signal from the interference signal, which gives a large gain in the direction of the desired signal and a small gain in the other direction so that the transmitting and receiving end can obtain more power for the same transmission power. To do that. In other words, where there is a desired subscriber, the constructive interference occurs, and the unwanted subscriber acts as an interference signal to cancel the interference. This method is called beamforming.

상기 스마트 안테나 사용 시 장점은 크게 3가지로 설명할 수 있다.Advantages of using the smart antenna can be largely described as three.

첫째로, 신호가 분산되지 않고 원하는 곳으로 모이므로 신호의 이득(Gain)을 증가시킬 수 있다. 따라서 기지국 당 커버(cover)할 수 있는 영역이 증가하며, 또한 이득이 증가함으로 인해 단말기의 전력 소비를 줄일 수 있고, 이로 인하여 배터리 사용시간도 증가시킬 수 있다.First, the gain of the signal can be increased since the signal gathers where it is desired without being dispersed. Therefore, the area that can be covered (cover) per base station is increased, and the gain increases, thereby reducing the power consumption of the terminal, thereby increasing the battery life.

둘째로, 원하지 않는 방향의 신호는 효과적으로 제거되므로 간섭신호의 제거가 가능하다. 특히 코드분할다중접속(CDMA : Code Division Multiple Access) 시스템과 같이 간섭신호에 약한 시스템에서는 큰 효과를 기대할 수 있다. 따라서 코드분할다중접속 시스템에서 음성 통신의 경우에는 보다 많은 가입자를 수용할 수 있고, 데이터 통신의 경우에는 고속 데이터 통신을 가능하게 된다.Secondly, since unwanted signals are effectively removed, interference signals can be removed. In particular, in a system that is weak to interference signals such as a code division multiple access (CDMA) system, a large effect can be expected. Therefore, in the code division multiple access system, more subscribers can be accommodated in the case of voice communication, and high-speed data communication is possible in the case of data communication.

셋째로, 스마트 안테나는 공간적인 필터 효과도 아울러 수행하기 때문에 다중경로(Multipath)의 효과를 많이 감소시킬 수 있다.Third, since the smart antenna performs spatial filter effects as well, the effects of multipath can be greatly reduced.

빔성형 방식에 근거하여 스마트 안테나의 방식을 분류하면 고정 빔 방식(switched beam smart antenna)과 적응 빔 방식(adaptive beam smart antenna)으로 분류할 수 있다. 고정 빔 방식은 안테나의 빔 패턴이 고정되어 있는 것을 사용하는 방식으로, 안테나 패턴과 패턴 사이에 사용자가 위치하게 되면 성능이 감소하는 결과를 가지고 올 수도 있다. 반면 적응 빔 방식은 안테나의 패턴이 시간이나 혹은 주위 환경에 따라서 변하게 하는 것으로, 고정 빔에 비하여 좀더 지능적으로 환경에 적응하도록 하는 것이 가능하며, 사용자에게 직접 빔을 형성할 수 있는 장점이 있다. 따라서 스마트 안테나의 알고리즘은 크게 고정 빔 방식의 알고리즘과 적응 빔 방식의 알고리즘으로 구분할 수 있다.If the smart antenna scheme is classified based on the beamforming scheme, it may be classified into a switched beam smart antenna and an adaptive beam smart antenna. The fixed beam method uses a fixed beam pattern of the antenna, and may result in a decrease in performance when the user is positioned between the antenna pattern and the pattern. On the other hand, the adaptive beam method is to change the pattern of the antenna according to the time or the surrounding environment, it is possible to adapt to the environment more intelligently than the fixed beam, there is an advantage that can form a beam directly to the user. Therefore, the algorithm of the smart antenna can be largely divided into a fixed beam algorithm and an adaptive beam algorithm.

고정 빔 방식 스마트 안테나는 신호가 강한 방향을 찾아 그 방향의 빔을 선택하는 것이 주 연구 대상이다.In the fixed beam type smart antenna, the main research target is to find a direction in which a signal is strong and select a beam in that direction.

적응 빔 방식 스마트 안테나의 알고리즘은 크게 3가지 알고리즘으로 접근할수 있다.The algorithm of the adaptive beam type smart antenna can be approached into three algorithms.

첫째는 직접 도착 알고리즘(DOA(Direction of Arrival) based algorithm)이다. 상기 직접 도착 알고리즘은 방향탐지 알고리즘을 사용하여 신호의 입사 방향을 찾은 후 찾은 방향에 대하여 빔성형을 수행하는 방식이다. 방향탐지 알고리즘에는 MUSIC, Pisarenko, ESPRIT, ML 방식 등이 있으며, 빔성형 방식은 conventional beamforming, LCMV 등이 있다.The first is the Direction of Arrival (DOA) based algorithm. The direct arrival algorithm uses a direction detection algorithm to find a direction of incidence of a signal and then perform beamforming on the found direction. Direction detection algorithms include MUSIC, Pisarenko, ESPRIT, ML, etc., and beamforming methods include conventional beamforming and LCMV.

둘째는 연속 훈련 알고리즘(training sequence based algorithm)이 있다. 상기 training sequence에서 알 수 있는 바와 같이 사전에 미리 알고 있는 신호를 근거로 하여 빔 패턴(beam pattern)을 결정하는 방법이다. 이 방식에는 SMI, LMS, RLS 등이 있으며, training sequence를 사용하므로 제한적이기는 하지만 구현이 비교적 용이한 장점이 있다.Second is the training sequence based algorithm. As can be seen in the training sequence, a beam pattern is determined based on a signal known in advance. This method includes SMI, LMS, RLS, and the like, although the training sequence uses a limited but relatively easy implementation.

마지막은 블라인드 스마트 안테나 알고리즘(blind smart antenna algorithm)이다. 상기 방법은 training sequence를 사용하지 않고 다만 신호의 특성만을 이용하여 빔 패턴(beam pattern)을 결정하는 방식이다. 여기에는 신호의 배열(constellation)의 특성을 이용한 CMA(constant modulus algorithm) 및 FA(finite alphabet) 알고리즘과, 오버 샘플링 특성을 이용한 cyclo-stationary 방법 및 high order statistic 방법이 있다. 블라인드 스마트 안테나 알고리즘은 training sequence와 같은 overhead나 제한조건이 없는 장점이 있으나 복잡한 단점이 있다.The last is the blind smart antenna algorithm. The method is a method of determining a beam pattern using only the characteristics of a signal without using a training sequence. There are a constant modulus algorithm (CMA) and a finite alphabet (FA) algorithm using characteristics of constellation, a cyclo-stationary method and a high order statistic method using oversampling characteristics. Blind smart antenna algorithm has the advantage that there is no overhead or constraint like the training sequence, but there is a complex disadvantage.

적응 빔 방식 중 블라인드 스마트 안테나 방식에 대한 많은 방법이 연구되고있으며, 또한 제안되고 있다. 상기 블라인드 스마트 안테나 방식은 크게 스펙트럼 추정 방식(spectral estimation)과 매개변수 추정 방식(parameter estimation)으로 분류할 수 있다.Among the adaptive beam schemes, many methods for the blind smart antenna scheme have been studied and proposed. The blind smart antenna method can be broadly classified into a spectral estimation method and a parameter estimation method.

스펙트럼 추정 방식은 power maximization 방식과 LS-SCORE(least square spectral self coherence restoral)방식이 대표적이다. 또한 상기 방식들 중 대부분 고유치 분리법(eigen decomposition)에 근간을 둔 방식들이며, 그 중에서도 MCGM(modified conjugate gradient method) 방식은 실시간 처리가 가능하면서도 비교적 좋은 성능을 보인다.Spectral estimation methods are power maximization and LS-SCORE (least square spectral self coherence restoral). In addition, most of the above methods are based on eigen decomposition, and among them, modified conjugate gradient method (MCGM) shows relatively good performance while real-time processing is possible.

매개변수 추정 방식은 ML(maximum likelihood) 방식, ILSP(iterative least square projection) 방식 등이 대표적이다. ML(maximum likelihood) 방식은 최초로 사용된 방법으로 우수한 성능을 가지나 계산량이 너무 많아 사용하기가 어렵다는 문제가 있다. ILSP(iterative least square projection) 방식은 ML 방식의 least square 해를 반복(iterative)하게 계산함으로써 계산량을 현격히 줄였으나 여전히 실시간 처리에는 적용하기 어렵다는 문제점을 가지고 있다. 상기 ILSP 방식은 신호의 constant envelope 특성을 이용하는 정율 알고리즘(CMA : constant modulus algorithm) 방식과 함께 사용하여 계산량을 크게 줄일 수 있다.The parameter estimation method is typical such as a maximum likelihood (ML) method or an iterative least square projection (ILSP) method. The ML (maximum likelihood) method is a method used for the first time and has excellent performance, but has a problem that it is difficult to use because the calculation amount is too large. The iterative least square projection (ILSP) method significantly reduces the amount of computation by iteratively calculating the least square solution of the ML method, but still has a problem in that it is difficult to apply to real-time processing. The ILSP method can be used in conjunction with a constant modulus algorithm (CMA) method using the constant envelope characteristic of a signal, thereby greatly reducing the amount of computation.

따라서 상기한 방식들을 함께 사용한 ILSP-CMA(iterative least square projection based constant modulus algorithm) 방식은 신호의 constant envelope 특성을 이용하여 반복(iterative)하게 해를 구하는 방식으로 안정된 동작을 보이며 우수한 성능을 보인다. 그러나 ILSP-CMA 방식은 신호의 constant envelope 특성을이용하므로 constant envelope 특성을 갖지 않는 신호에 대해서는 적용이 어렵다. 또한 ILSP-CMA 방식은 N snapshot에 대한 입력을 수신한 후에 MxN 입력신호 행렬을 생성하여 이를 블록 처리(block processing)를 수행하는 방식이다. 따라서 이 방식은 latency가 발생하는 문제점이 있으며 또한 순간적으로 많은 연산량과 메모리가 요구되는 문제가 있다.Therefore, the ILSP-CMA (iterative least square projection based constant modulus algorithm) method using the above-described methods shows stable operation and excellent performance by iteratively solving the solution using the constant envelope characteristic of the signal. However, since the ILSP-CMA method uses the constant envelope characteristic of the signal, it is difficult to apply the signal that does not have the constant envelope characteristic. In addition, the ILSP-CMA method performs a block processing by generating an MxN input signal matrix after receiving an input of N snapshots. Therefore, this method has a problem that latency occurs and also requires a large amount of computation and memory at the moment.

그러면 이하에서 ILSP-CMA 방식에서 수행되는 알고리즘에 대하여 배열 안테나의 구성을 이용하여 더 상세히 설명한다.Next, the algorithm performed in the ILSP-CMA method will be described in more detail by using the configuration of the array antenna.

도 1은 전형적인 적응 배열 안테나의 구조를 도시한 블록 구성도이다. 그러면 도 1의 구성에 대하여 설명한다.1 is a block diagram showing the structure of a typical adaptive array antenna. Next, the configuration of FIG. 1 will be described.

배열 안테나(101)는 M개의 안테나들로 구성되며, 각 안테나들은 동일한 특성을 가진다. 상기 배열 안테나(101)에 구비되어 있는 각 안테나들의 간격은 d 만큼 균등하게 위치하며, k번째 신호원에서 안테나로 입사되는 신호의 입사각은 θ_k가 된다. 상기 배열 안테나(101)에서 수신된 신호는 빔성형 전처리부(Pre-beamforming block)(102)로 입력된다. 상기 빔성형 전처리부(102)는 post-beam forming의 결과나 사전 정보를 이용하여 개략적인 빔성형(beamforming)을 수행한다. 따라서 상기 빔성형 전처리부(102)는 필요한 경우에 둘 수도 있는 선택적인 블록(optional block)이다. 상기 빔성형 전처리부(102)에서 개략적인 빔성형이 이루어진 신호는 역확산부(De-spreader)(103)로 입력된다. 상기 역확산부(103)는 코드분할다중접속 시스템인 경우에 필요한 것이다. 상기 역확산부(103)는 역확산을 먼저 수행하여 타신호원인 간섭신호의 크기를 줄임으로써 신호처리를 용이하게 하기 위해 구비된다. 이러한 역확산부(103)는 상기 도 1에 도시한 바와 같이 위치하도록 구성할 수도 있으며, 후술되는 적응 배열 처리부(105)의 후단에 위치하도록 구성할 수도 있다. 또한 상기 역확산부(103)는 코드분할다중접속 시스템에서 사용되는 것이므로 코드분할다중접속 시스템이 아닌 경우에는 필요하지 않다. 상기 적응 배열 처리부(105)로 입력되는 신호는 상기 M개의 배열 안테나들로부터 수신되는 신호이므로 [X1, X2, …, XM]으로 M개의 신호가 된다.The array antenna 101 is composed of M antennas, and each antenna has the same characteristics. The intervals of the antennas provided in the array antenna 101 are equally spaced by d, and the incident angle of the signal incident from the k th signal source to the antenna is θ _k . The signal received by the array antenna 101 is input to a pre-beamforming block 102. The beamforming preprocessor 102 performs a schematic beamforming by using the result of post-beam forming or prior information. Thus, the beamforming preprocessor 102 is an optional block that may be placed if necessary. The beamforming signal of the beamforming preprocessor 102 is input to the de-spreader 103. The despreading unit 103 is required in the case of a code division multiple access system. The despreader 103 is provided to facilitate signal processing by performing despreading first to reduce the size of the interference signal as another signal source. The despreading unit 103 may be configured to be positioned as shown in FIG. 1 or may be configured to be positioned at a rear end of the adaptive array processing unit 105 to be described later. Also, since the despreading unit 103 is used in the code division multiple access system, it is not necessary when the despreading unit 103 is not a code division multiple access system. Since the signal input to the adaptive array processing unit 105 is a signal received from the M array antennas, [X1, X2,... , XM] to make M signals.

그러면 상기 수신된 신호들이 상기 적응 배열 처리부(105)에서 처리되는 과정을 설명한다. 상기 적응 배열 처리부(105)는 M개의 신호들마다 각각 가중치를 적용하기 위한 가중치 연산기들(108, 109, …, 110)과 상기 가중치 연산기들(108, 109, …, 110)의 출력을 더하는 가산기(111)와 오차 발생기(107) 및 적응 알고리즘 처리기(106)로 구성된다. 그러면 상기 적응 배열 처리부(105)에서 수신된 신호가 처리되는 과정을 설명한다. 상기 적응 배열 처리부(105)의 출력된 신호(112)와 기준 신호 S_k(113)는 오차 발생기(107)로 입력된다. 상기 오차 발생기(107)는 입력된 두 신호를 이용하여 오차 신호를 생성하여 적응 알고리즘 처리기(106)로 출력한다. 상기 적응 알고리즘 처리기(106)는 입력된 오차신호로부터 소정의 알고리즘에 따라 각 입력신호들(X₁, X₂, …, X_M)(104)의 가중치(weight factor)들(W₁, W₂, …, W_M)을 계산하여 가중치 연산기들(108, 109, …, 110)로 출력한다. 이에 따라 가중치 연산기들(108, 109, …, 110)은 역확산부로부터 수신되는 각 입력신호들(X₁, X₂, …, X_M)(104)을 상기 적응 알고리즘 처리기(106)로부터 수신된 가중치들(W₁, W₂, …, W_M)을 이용하여 연산한다. 이와 같이 연산된 값들은 모두 가산기(111)로 입력된다. 상기 가산기(111)는 입력된 신호들을 가산하여 출력한다.Next, a process in which the received signals are processed by the adaptive array processor 105 will be described. The adaptive array processor 105 adds weight calculators 108, 109,... 110 to apply weights to M signals, and adds outputs of the weight calculators 108, 109,..., 110. And an error generator 107 and an adaptive algorithm processor 106. Next, a process in which the signal received by the adaptive array processor 105 is processed will be described. The output signal of the adaptive array processor 105 112 and the reference signal S _k 113 are input to an error generator 107. The error generator 107 generates an error signal using two input signals and outputs the error signal to the adaptive algorithm processor 106. The adaptive algorithm processor 106 performs weight factors W ₁ and W ₂ of the respective input signals X ₁ , X ₂ ,..., X _M , 104 according to a predetermined algorithm from the input error signal. , ..., W _M ) is calculated and output to the weight calculators 108, 109,..., 110. Accordingly, the weight calculators 108, 109,..., 110 receive the respective input signals X ₁ , X ₂ ,..., X _M ) 104 received from the despreader from the adaptive algorithm processor 106. The calculated weights W ₁ , W ₂ ,..., W _M are calculated. The values calculated in this manner are all input to the adder 111. The adder 111 adds the input signals and outputs the added signals.

그러면 상기 적응 배열 처리부(105)의 전형적인 동작을 좀 더 살펴본다.The following describes a typical operation of the adaptive array processor 105.

전체 K개의 신호원으로부터 전송되는 신호는 배열 안테나부(101)의 M개의 안테나에서 m번째 안테나로 수신되는 신호는 하기 <수학식 1>과 같다.Signals transmitted from all K signal sources are received from the M antennas of the array antenna unit 101 by the m th antenna, as shown in Equation 1 below.

상기 <수학식 1>에서 s_k(t)는 k번째 신호원으로부터 전송된 신호이다. 그리고 θ_k는 k번째 신호원으로부터 안테나로 수신되는 입사각이며, v_m(t)는 m번째 안테나에 가산된 백색잡음이다. 이때 상기 안테나들 사이의 간격 d를 λ/2로 하면 상기 <수학식 1>은 하기 <수학식 2>와 같이 변경된다.In Equation 1, s _k (t) is a signal transmitted from a k th signal source. Θ _k is the angle of incidence received by the antenna from the k-th signal source, and v _m (t) is the white noise added to the m-th antenna. In this case, when the distance d between the antennas is λ / 2, Equation 1 is changed to Equation 2 below.

상기 <수학식 1>과 상기 <수학식 2>는 K개의 신호원과 N개의 snapshot에 대하여 행렬 형태로 도시하면 하기 <수학식 3>과 같이 구성할 수 있다.Equation 1 and Equation 2 may be configured as shown in Equation 3 below in the form of a matrix of K signal sources and N snapshots.

상기 <수학식 3>에서 X는 배열 안테나로 입력되는 신호행렬로 M×N 크기를 나타내며, A는 steering 행렬로 M×K 크기를 나타내고, S는 신호원의 전송신호 행렬로 K×N 크기를 나타내며, V는 M×N 크기를 나타내는 잡음 행렬이다. 따라서 상기 <수학식 3>의 X, S, A는 하기 <수학식 4>와 같이 도시할 수 있다.In Equation 3, X denotes a M × N size as a signal matrix input to an array antenna, A denotes an M × K size by a steering matrix, and S denotes a K × N size by a transmission signal matrix of a signal source. Where V is a noise matrix representing M × N magnitude. Therefore, X, S, and A in Equation 3 may be shown as Equation 4 below.

상기 <수학식 4>에서 X(n)은 n번째 배열 안테나로 입력된 신호이며, S_K는 k번째 신호원의 전송신호이고, A_k는 k번째 steering 벡터로 이들을 다시 수학식으로 표시하면 하기 <수학식 5>와 같이 도시할 수 있다.In Equation 4, X (n) is a signal input to an n th array antenna, S _K is a transmission signal of a k th signal source, and A _k is a k th steering vector. It can be shown as in Equation 5.

만일 상기 시스템이 코드분할 다중접속 시스템인 경우에는 수신단에서 역확산부(103)를 통해 역확산이 이루어진다. 이때 원하지 않는 다른 신호원의 신호는 제거되므로 원하는 특정한 k번째 신호원만이 있는 시스템으로 간략하게 모델링 될 수 있으므로 상기 <수학식 5>에서 S와 A는 하기 <수학식 6>과 같이 간략화 할 수 있다.If the system is a code division multiple access system, despreading is performed through the despreader 103 at the receiving end. In this case, since signals of other unwanted signal sources are eliminated, S and A in Equation (5) can be simplified as shown in Equation (6). .

적응 배열 안테나 시스템은 상기 <수학식 4>를 이용하여 최적의 해를 갖는 steering 행렬 A를 구하는 것으로 상기 도 1의 적응 배열 처리부(105)에서 이를 구하게 된다. 그런데 상기 X=AS에서 알고 있는 값은 상기 <수학식 4>의 입력신호 행렬 X가 되며, 신호원의 전송행렬 S와 steering 행렬 A는 알 수 없다. 입력 신호 행렬 X로부터 전송행렬 S와 steering 행렬 A를 추정(estimation)하기 위하여 대표적으로 사용되는 방법은 최대 우도율(MA : maximum likelihood) 추정이다. 상기 ML 추정은 하기 <수학식 7>의 cost function F(A, S)를 하기 <수학식 8>과 같이 최소화시키는 문제가 된다.The adaptive array antenna system obtains a steering matrix A having an optimal solution by using Equation 4 and obtains it from the adaptive array processing unit 105 of FIG. However, the value known from X = AS becomes the input signal matrix X of Equation 4, and the transmission matrix S and the steering matrix A of the signal source are not known. The typical method used to estimate the transmission matrix S and the steering matrix A from the input signal matrix X is the maximum likelihood (MA) estimation. The ML estimation becomes a problem of minimizing the cost function F (A, S) of Equation 7 as shown in Equation 8.

상기 <수학식 7> 내지 상기 <수학식 8>에서는 squared Frobenius form이다. 그러면 이하에서 도 2를 참조하여 상기 <수학식 7> 내지 상기 <수학식 8>의 최적의 해를 반복(iterative)하여 구하기 위한 방법 중 대표적인 방법인 ILSP-CMA 방법에 대하여 설명한다.In <Equation 7> to <Equation 8> Is the squared Frobenius form. Next, the ILSP-CMA method, which is a representative method of the method for iteratively obtaining the optimal solution of Equations 7 to 8, will be described with reference to FIG. 2.

도 2는 squared Frobenius form의 최적의 해를 구하기 위한 ILSP-CMA 방법의 순서도이다. 이하 도 1 내지 도 2를 참조하여 ILSP-CMA 방법에 대하여 설명한다.2 is a flow chart of the ILSP-CMA method for obtaining an optimal solution of a squared Frobenius form. Hereinafter, the ILSP-CMA method will be described with reference to FIGS. 1 and 2.

ILSP-CMA(iterative least square projection based constant modulus algorithm) 방식은 상기 <수학식 7> 및 <수학식 8>에서 입력신호 행렬 X로부터 최적의 A와 S를 구하기 위해, 행렬 S가 constant envelope 특성을 가지는 것으로 가정한다. 그리고 이로부터 반복적으로 해를 구하는 방법이다.The iterative least square projection based constant modulus algorithm (ILSP-CMA) method has a constant envelope characteristic in order to obtain optimal A and S from the input signal matrix X in Equations 7 and 8 above. Assume that From this iteratively find a solution.

200단계에서 반복계수 i를 0으로, steering 행렬 A를 초기치 A⁰로 설정한다. 그리고 202단계로 진행하여 스넵샷(snapshot)이 N개 수신될 때까지 대기한다. 이는 N개의 스넵샷을 수신하여 입력신호 행렬 X를 생성하기 위함이다. 따라서 202단계에서 N개의 스넵샷을 수신하면 204단계로 진행하여 반복계수 i를 1 증가시킨다. 그리고 206단계로 진행한다. 206단계로 진행하면 steering 행렬 A^i-1을 이용하여 F(A,S:X)를 최소화시키는 전송신호 행렬 Sⁱ를 하기 <수학식 9>와 같이 least square의 해를 구한다.In step 200, the iteration coefficient i is set to 0 and the steering matrix A is set to an initial value A ⁰ . In operation 202, the processor waits until N snapshots are received. This is to generate an input signal matrix X by receiving N snapshots. Therefore, if N snapshots are received in step 202, the process proceeds to step 204 to increase the iteration coefficient i by one. Then proceed to step 206. Proceeding to step 206, using the steering matrix A ^i-1 to solve the least square solution as shown in Equation 9 to minimize the transmission signal matrix S ⁱ to minimize F (A, S: X).

상기 <수학식 9> 및 이하에서 ()^H는 Hermitian operation을 나타낸다.In Equation 9 and below, () ^H represents a Hermitian operation.

상기 전송신호는 constant envelope 특성을 가지므로 전송신호 행렬 Sⁱ를 가장 가까운 단위 원(unit circle) 상에 사상(mapping)한다. 상기한 바와 같이 사상이 완료되면 208단계로 진행하여 상기 구해진 전송신호 행렬 Sⁱ를 이용하여 F(A, S:X)를 최소화시키는 steering 행렬 Aⁱ를 하기 <수학식 10>과 같이 least square를 이용하여 구한다.Since the transmission signal has a constant envelope characteristic, the transmission signal matrix S ⁱ is mapped onto the nearest unit circle. When the mapping is completed as described above, the process proceeds to step 208 and the steering matrix A ⁱ which minimizes F (A, S: X) is obtained using the obtained transmission signal matrix S ⁱ . Obtain by using

상기 steering 행렬 Aⁱ의 각 열(column)의 원소(element)를 Aⁱ의 각 열 벡터(vector)의 첫 번째 원소로 나누어 표준화한다. 상기와 208단계에서 표준화를 수행한 이후에 210단계로 진행하여 steering 행렬 Aⁱ가 수렴(converge)하는가를 검사한다. 상기 검사결과 steering 행렬이 수렴을 하면 반복을 종료하고 212단계로 진행한다. 그러나 steering 행렬이 수렴하지 않는 경우 204단계로 진행하여 상기한204단계 내지 210단계의 과정을 되풀이하게 된다. 212단계로 진행하면 전송신호 행렬 S를 이용하여 데이터를 복조거나 또는 steering 행렬 A를 이용하여 가중치 팩터(weighting factor) W를 계산하고, 이를 이용하여 전송신호 행렬 S를 계산함으로써 데이터를 복조한다.The elements of each column of the steering matrix A ⁱ are normalized by dividing by the first element of each column vector of A ⁱ . After standardization is performed in step 208 and step 210, the process proceeds to step 210 to check whether the steering matrix A ⁱ converges. If the steering result converges, the procedure ends and the process proceeds to step 212. However, if the steering matrix does not converge, the process proceeds to step 204 to repeat the above steps 204 to 210. In operation 212, the data is demodulated using the transmission signal matrix S or the weighting factor W is calculated using the steering matrix A, and the data is demodulated by calculating the transmission signal matrix S using the steering matrix A. FIG.

상기한 방법의 ILSP-CMA 방식은 신호의 constant envelope 특성을 이용하여 반복하여 해를 구하는 방법이다. 따라서 co-channel interference 환경에서도 안정된 동작을 보이며, 우수한 성능을 가진다.The ILSP-CMA method of the above method is a method of repeatedly solving the solution using the constant envelope characteristic of a signal. Therefore, it shows stable operation in co-channel interference environment and has excellent performance.

그러나 상기 ILSP-CMA 방법은 constant envelope 특성을 가지지 않는 신호의 경우에 적용이 어렵다는 문제가 있다. 또한 상기 ILSP-CMA 방법에서는 입력신호 X는 M×N 크기의 행렬로 N 스넵샷에 대한 입력을 수신한 후 M×N의 입력신호를 생성해야 한다. 그런 후 이를 단위 블록으로 하여 블록 처리를 수행해야 한다. 따라서 블록 처리를 수행하기 위해 적어도 블록 크기 이상의 메모리를 항상 구비하고 있어야 한다. 또한 블록이 입력된 후 입력된 블록에 대하여 연산을 수행할 경우 순간적으로 많은 연산량이 발생하게 되는 문제가 발생한다. 따라서 이를 저장하기 위한 메모리가 요구되는 문제가 있었다.However, there is a problem that the ILSP-CMA method is difficult to apply to a signal having no constant envelope characteristic. In addition, in the ILSP-CMA method, the input signal X should generate an M × N input signal after receiving an input for N snapshot in a matrix of size M × N. Then, block processing should be performed using this as a unit block. Therefore, at least a block size or more memory must always be provided to perform block processing. In addition, when a block is input and a calculation is performed on the input block, a large amount of calculation occurs at a moment. Therefore, there is a problem that a memory for storing it is required.

따라서 본 발명의 목적은 constant envelope 특성에 관계없이 안정되고 우수한 성능을 제공할 수 있는 스마트 안테나 장치 및 그 제어 방법을 제공함에 있다.Accordingly, an object of the present invention is to provide a smart antenna device and a control method thereof that can provide stable and excellent performance regardless of the constant envelope characteristic.

본 발명의 다른 목적은 데이터의 처리를 실시간으로 처리할 수 있는 스마트안테나 장치 및 방법을 제공함에 있다.Another object of the present invention is to provide a smart antenna device and method capable of processing data in real time.

본 발명의 또 다른 목적은 많은 연산량이 발생하지 않으며 메모리의 크기를 줄일 수 있는 스마트 안테나 장치 및 방법을 제공함에 있다.It is another object of the present invention to provide a smart antenna device and method that can reduce the size of the memory does not occur a large amount of calculation.

상기한 목적들을 달성하기 위한 본 발명의 제1실시 예에 따른 방법은 적응 배열 스마트 안테나 장치의 적응 배열 처리부에서 신호를 처리하기 위한 방법으로서, 배열 안테나들로부터 수신되는 입력신호를 수신하여 소정 횟수만큼 수신하여 입력신호 행렬을 생성하는 제1과정과, 초기 값으로 주어진 조정(steering) 행렬과 상기 입력신호 행렬을 이용하여 코스트 함수를 최소화하는 전송신호 행렬을 계산하는 제2과정과, 상기 계산된 전송신호 행렬과 상기 입력신호 행렬을 이용하여 상기 코스트 함수를 최소화하는 조정 행렬을 계산한 후 상기 조정 행렬을 단위 원 상에 사상하여 상기 사상된 값을 조정행렬을 설정하는 제3과정과, 상기 조정 행렬을 표준화한 후 상기 조정 행렬의 수렴 여부를 검사하는 제4과정과, 상기 조정 행렬이 수렴할 경우 상기 계산된 전송신호 행렬로 데이터를 복조하는 제5과정으로 이루어진다.The method according to the first embodiment of the present invention for achieving the above objects is a method for processing a signal in the adaptive array processing unit of the adaptive array smart antenna device, by receiving an input signal received from the array antenna a predetermined number of times A first step of receiving and generating an input signal matrix; a second step of calculating a transmission signal matrix minimizing a cost function using a steering matrix and an input signal matrix given as initial values; and the calculated transmission A third process of calculating an adjustment matrix for minimizing the cost function using a signal matrix and the input signal matrix, and then mapping the adjustment matrix onto a unit circle to set the mapped value to the adjusted matrix; A fourth step of checking whether the steering matrix converges after normalizing a; and calculating the convergence matrix when the steering matrix converges The fifth process is to demodulate data into a transmission signal matrix.

상기한 목적들을 달성하기 위한 본 발명의 제2실시 예에 따른 방법은 적응배열 스마트 안테나 장치의 적응 배열 처리부에서 신호를 처리하기 위한 방법으로서, 배열 안테나들로부터 수신되는 입력신호를 수신하여 소정 횟수만큼 수신하여 입력신호 행렬을 생성하는 제1과정과, 초기 값으로 주어진 조정(steering) 행렬과 상기 입력신호 행렬을 이용하여 코스트 함수를 최소화하는 전송신호 행렬을 계산한 후 상기 전송신호 행렬을 단위 원 상에 사상하는 제2과정과, 상기 사상된 전송신호 행렬과 상기 입력신호 행렬을 이용하여 상기 코스트 함수를 최소화하는 조정 행렬을 계산한 후 상기 조정 행렬을 단위 원 상에 사상하여 상기 사상된 값을 조정행렬로 설정하는 제3과정과 상기 설정된 조정 행렬을 표준화하여 한 후 상기 조정 행렬의 수렴 여부를 검사하는 제4과정과, 상기 조정 행렬이 수렴할 경우 상기 계산된 전송신호 행렬로 데이터를 복조하는 제5과정으로 이루어진다.A method according to a second embodiment of the present invention for achieving the above object is a method for processing a signal in the adaptive array processing unit of the adaptive array smart antenna device, by receiving an input signal received from the array antenna a predetermined number of times A first process of receiving and generating an input signal matrix, calculating a transmission signal matrix minimizing a cost function using a steering matrix given as an initial value and the input signal matrix, and then converting the transmitted signal matrix into a unit circle image. A second process of mapping to and calculating an adjustment matrix that minimizes the cost function using the mapped transmission signal matrix and the input signal matrix, and then mapping the adjustment matrix onto a unit circle to adjust the mapped value. After the third process of setting the matrix and standardizing the set adjustment matrix, the convergence matrix is examined for convergence. Is a fourth process and a fifth process of demodulating data into the calculated transmission signal matrix when the steering matrix converges.

또한 상기 제5과정은 상기 조정 행렬이 수렴할 경우 상기 조정 행렬로부터 가중치를 계산하고 상기 계산된 값을 이용하여 전송신호 행렬을 재계산하여 데이터를 복조하여 수행할 수도 있다.The fifth process may be performed by demodulating data by calculating weights from the steering matrix and recalculating the transmission signal matrix using the calculated values when the steering matrix converges.

또한 상기 조정 행렬이 수렴하지 않을 경우 상기 조정 행렬이 수렴할 때까지 상기 제2과정 내지 상기 제3과정을 반복 수행한다.If the steering matrix does not converge, the second to third processes are repeated until the steering matrix converges.

상기한 목적들을 달성하기 위한 본 발명의 제3실시 예에 따른 방법은 적응 배열 스마트 안테나 장치의 적응 배열 처리부에서 신호를 처리하기 위한 방법으로서, 초기 시에 조정 행렬과 전송 신호 행렬과 입력신호 행렬을 미리 설정된 초기 값으로 설정하는 제1과정과, 상기 제1과정 후 배열 안테나로부터 입력 신호가 수신되면 상기 입력 신호 행렬을 갱신하는 제2과정과, 상기 갱신된 입력신호 행렬과 상기 조정 행렬을 이용하여 코스트 함수를 최소화하는 전송신호 행렬을 계산하는 제3과정과, 상기 계산된 전송신호 행렬과 상기 입력신호 행렬을 이용하여 코스트 함수를 최소화하는 조정 행렬을 계산하고 상기 조정행렬을 단위원상에 사상하여 상기 사상된 값을 조정행렬로 설정하고 상기 조정 행렬을 표준화하여 갱신하는 제4과정과, 상기 전송신호 행렬을 이용하여 입력된 데이터를 복조하는 제5과정으로 이루어진다.A method according to a third embodiment of the present invention for achieving the above objects is a method for processing a signal in the adaptive array processing unit of the adaptive array smart antenna device, the initial adjustment matrix, the transmission signal matrix and the input signal matrix A first process of setting the preset initial value, a second process of updating the input signal matrix when an input signal is received from the array antenna after the first process, and using the updated input signal matrix and the steering matrix A third step of calculating a transmission signal matrix for minimizing a cost function; and calculating an adjustment matrix for minimizing a cost function by using the calculated transmission signal matrix and the input signal matrix, and mapping the adjustment matrix on a unit circle. A fourth step of setting a mapped value as an adjustment matrix and normalizing and updating the adjustment matrix; and the transmission signal row A comprises a fifth step for demodulating the input data by using.

또한 상기 제5과정은 상기 조정 행렬을 이용하여 가중치를 계산한 후 이를 이용하여 전송신호 행렬을 계산하고, 상기 계산된 전송신호 행렬을 이용하여 데이터를 복조하여 수행할 수도 있다.In addition, the fifth process may be performed by calculating a weight using the steering matrix, calculating a transmission signal matrix using the steering matrix, and demodulating data using the calculated transmission signal matrix.

본 발명에 따른 제4실시 예에서는 상기한 방법에 MA(moving average) 방법을 더 적용하여 수행하며, 본 발명에 따른 제5실시 예에서는 상기 제3실시 예에 FM(forgetting factor)의 방법을 이용하여 구성한다.In a fourth embodiment according to the present invention, a moving average (MA) method is further applied to the above-described method, and in the fifth embodiment according to the present invention, the method of the FM (forgetting factor) is used in the third embodiment. To configure.

도 1은 전형적인 적응 배열 안테나의 구조를 도시한 블록 구성도,1 is a block diagram showing the structure of a typical adaptive array antenna;

도 2는 squared Frobenius form의 최적의 해를 구하기 위한 ILSP-CMA 방법의 순서도,2 is a flow chart of an ILSP-CMA method for obtaining an optimal solution of a squared Frobenius form.

도 3은 스마트 안테나의 특정 조건에 따른 steering 행렬의 성상도,3 is a constellation diagram of a steering matrix according to a specific condition of a smart antenna;

도 4는 본 발명의 제1실시 예에 따라 적응 배열 처리부에서 수행되는 흐름도,4 is a flowchart performed by the adaptive arrangement processing unit according to the first embodiment of the present invention;

도 5는 본 발명의 ILSP-SVM 방법과 ILSP-CMA 방법 및 ILSP-SVMCMA 방법간의 성능에 대한 시뮬레이션 결과 그래프,5 is a simulation result graph of the performance between the ILSP-SVM method, ILSP-CMA method and ILSP-SVMCMA method of the present invention;

도 6은 본 발명의 제2실시 예에 따라 적응 배열 처리부에서 수행되는 흐름도,6 is a flowchart performed by the adaptive arrangement processing unit according to the second embodiment of the present invention;

도 7은 블록 프로세싱을 처리하는 ILSP 방법에 따라 적응 배열 처리부에서 수행되는 흐름도,7 is a flowchart performed by an adaptive arrangement processing unit according to an ILSP method for processing block processing;

도 8은 본 발명의 제3실시 예에 따라 적응 배열 처리부에서 수행되는 흐름도,8 is a flowchart performed by the adaptive arrangement processing unit according to the third embodiment of the present invention;

도 9는 본 발명의 제4실시 예에 따라 적응 배열 처리부에서 수행되는 흐름도,9 is a flowchart performed by the adaptive arrangement processing unit according to the fourth embodiment of the present invention;

도 10은 본 발명의 제5실시 예에 따라 적응 배열 처리부에서 수행되는 흐름도,10 is a flowchart performed by the adaptive arrangement processing unit according to the fifth embodiment of the present invention;

도 11은 SLSP-MA 방식과 SLSP-FM 방식의 steering 벡터의 수렴속도를 시뮬레이션 한 결과에 따른 그래프,11 is a graph according to the simulation result of the convergence speed of the steering vectors of the SLSP-MA method and the SLSP-FM method;

도 12는 본 발명의 제2실시 예와 제4실시 예 및 제5실시 예의 빔 패턴을 시뮬레이션 한 결과도,12 is a result of simulating beam patterns of the second, fourth, and fifth embodiments of the present invention;

도 13은 M=10, BPSK 변조, 코드분할다중접속 시스템의 처리이득 PG=63인 경우 AWGN 환경 하에서 사용자별 BER performance 시뮬레이션 그래프.FIG. 13 is a graph of BER performance simulation for each user in an AWGN environment when M = 10, BPSK modulation, and PG = 63 in processing gain of a code division multiple access system. FIG.

이하 첨부된 도면을 참조하여 본 발명을 상세히 설명한다.Hereinafter, the present invention will be described in detail with reference to the accompanying drawings.

먼저 본 발명의 제1 실시 예에 따라 상기 도 1의 적응 배열 처리부(105)에서 수행되는 방식을 설명한다. 본 발명의 제1실시 예에서는 ILSP-SVM(iterative least square projection based steering vector mapping) 방식을 이용한다. 상기 방법은 constant envelope 특성을 이용하지 않는다. 따라서 신호의 특성에는 어떠한 제한 조건도 가해지지 않는다. 즉, 종래기술에서 살펴본 ILSP-CMA 방식과 같은 신호 특성의 제한을 받지 않는다. 본 발명의 제1실시 예에 따른 방법에서는 신호를 처리함에 있어서, 입력 신호 X는 N개의 스넵샷에 대한 입력을 수신한 후에 M×N 입력 신호 행렬을 생성한다. 그리고 이를 단위로 블록으로 처리한다. 따라서 본 발명의 제1실시 예에서는 순간적으로 많은 연산량이 발생하는 것과 메모리를 필요로 하는 것과 같은 문제점을 해결하지는 못한다. 그러면 본 발명의 제1실시 예에 따른 과정을 전반적으로 설명하면 하기와 같다.First, the method performed by the adaptive array processing unit 105 of FIG. 1 according to the first embodiment of the present invention will be described. In the first embodiment of the present invention, an iterative least square projection based steering vector mapping (ILSP-SVM) scheme is used. The method does not use the constant envelope feature. Therefore, no limitation is imposed on the characteristics of the signal. That is, the signal characteristics such as the ILSP-CMA method described in the prior art are not limited. In the method according to the first embodiment of the present invention, in processing a signal, the input signal X generates an M × N input signal matrix after receiving inputs for N snapshots. And it is processed as a block in units. Therefore, the first embodiment of the present invention does not solve problems such as instantaneous amount of computation and memory requirements. Then, the overall process according to the first embodiment of the present invention will be described.

본 발명의 제1실시 예에 따른 ILSP-SVM 방식은 상기 <수학식 7>과 상기 <수학식 8>에서 입력신호 행렬 X로부터 최적의 A와 S를 구하기 위해 배열 안테나의 기하학적(geometric)인 특성을 이용한다. 즉, 상기 방식은 steering 행렬 A를 배열 안테나의 기하학적인 특성을 이용하여 매핑을 수행한다. 이를 예를 들어 설명한다. 상기 배열 안테나부(101)의 구성이 등간격 선형 배열(Uniform linear arry) 방식의 배열 안테나를 사용한다고 가정하면, steering 행렬 사이의 위상차(phase difference)의 특성으로부터 steering 행렬을 단위 원(unit circle) 상에 사상하는 것이 가능하다. 이를 도 3을 참조하여 설명하면 하기와 같다.The ILSP-SVM method according to the first embodiment of the present invention has a characteristic that is geometric of the array antenna to obtain optimal A and S from the input signal matrix X in Equations 7 and 8 Use That is, the method performs the mapping of the steering matrix A by using the geometric characteristics of the array antenna. This will be described with an example. Assuming that the configuration of the array antenna unit 101 uses an array antenna of a uniform linear array method, the steering matrix is derived from a characteristic of a phase difference between steering matrices. It is possible to map to the phase. This will be described with reference to FIG. 3.

도 3은 배열 안테나의 개수 M을 10개, 입사각을 11.5°(degree)로 가정하였을 때의 steering 행렬의 성상도(constellation of Steering Matrix)이다. 상기 도 3에 보여지는 바와 같이 steering 행렬의 각 원소들이 단위 원 상에 존재함을 알 수 있다. 상기 도 3의 성상도에 도시된 바와 같이 steering 행렬은 (0.0)의 중점을 중심으로 반지름 1의 단위 원을 구성하는 점들로 이루어진다. 또한 이 특성을 이용하여 steering 행렬 Aⁱ를 사상하여 적응 알고리즘을 수행한다. 그러면 이러한 특성을 가지는 ILSP-SVM에 따라 처리되는 과정을 도 4를 참조하여 상세히 살펴본다.FIG. 3 is a constellation of steering matrix when the number M of array antennas is assumed and the incidence angle is 11.5 degrees (degree). As shown in FIG. 3, it can be seen that each element of the steering matrix exists on a unit circle. As shown in the constellation of FIG. 3, the steering matrix is composed of points constituting a unit circle of radius 1 around the midpoint of (0.0). In addition, the adaptive algorithm is performed by mapping the steering matrix A ⁱ using this property. Next, a process performed according to the ILSP-SVM having such characteristics will be described in detail with reference to FIG. 4.

도 4는 본 발명의 제1실시 예에 따라 적응 배열 처리부에서 수행되는 흐름도이다. 이하 도 1 내지 도 4를 참조하여 본 발명의 제1 실시 예에 따라 적응 배열 처리부(105)에서 수행되는 과정을 상세히 설명한다.4 is a flowchart performed by the adaptive arrangement processing unit according to the first embodiment of the present invention. Hereinafter, a process performed by the adaptive alignment processor 105 according to the first embodiment of the present invention will be described in detail with reference to FIGS. 1 to 4.

300단계에서 반복계수 i를 0으로, steering 행렬 A를 초기치 A⁰로 설정한다. 그리고 302단계로 진행하여 스넵샷(snapshot)이 N개 수신될 때까지 대기한다. 이는 N개의 스넵샷을 수신하여 입력신호 행렬 X를 생성하기 위함이다. 따라서 302단계에서 N개의 스넵샷을 수신하면 304단계로 진행하여 반복계수 i를 1 증가시킨다. 그리고 306단계로 진행한다. 306단계로 진행하면 steering 행렬 A^i-1을 이용하여 F(A,S:X)를 최소화시키는 전송신호 행렬 Sⁱ를 상기 <수학식 9>와 같이 least square의 해를 구한다. 그런 후 308단계로 진행하면 전송신호 행렬 Sⁱ를 이용하여 F(A, S:X)를 최소화시키는 steering 행렬 Aⁱ를 상기 <수학식 10>과 같이 least square의 해를 구한다. 상기 steering 행렬 Aⁱ는 단위 원 상에 존재하므로 이 특성을 이용하여 Aⁱ를 가장 가까운 단위 원(unit circle) 상에 사상(mapping)한다. 그리고 Steering 행렬 Aⁱ의 각 열(column)의 원소(element)를 Aⁱ의 각 열 벡터(vector)의첫 번째 원소로 나누어 표준화한다.In step 300, the iteration coefficient i is set to 0 and the steering matrix A is set to an initial value A ⁰ . In operation 302, the processor waits until N snapshots are received. This is to generate an input signal matrix X by receiving N snapshots. Therefore, if N snapshots are received in step 302, the process proceeds to step 304, whereby the iteration coefficient i is increased by one. Proceed to step 306. Proceeding to step 306, the least square solution is solved using the steering matrix A ^i-1 to minimize the F (A, S: X) transmission signal matrix S ⁱ as shown in Equation (9). Thereafter, in step 308, the steering matrix A ⁱ that minimizes F (A, S: X) is solved using the transmission signal matrix S ⁱ to obtain the least square solution as shown in Equation 10. Since the steering matrix A ⁱ is on a unit circle, this characteristic is used to map A ⁱ onto the nearest unit circle. The elements of each column of the steering matrix A ⁱ are divided and normalized by the first elements of each column vector of A ⁱ .

상기한 표준화 작업이 종료되면 310단계로 진행하여 Steering 행렬 Aⁱ가 수렴(converge)하는가를 검사한다. 상기 검사결과 행렬 Aⁱ가 수렴하는 경우 312단계로 진행하고, 수렴하지 않는 경우 304단계로 진행하여 상술한 304단계 내지 308단계를 반복 수행한다. 이는 상기한 steering 행렬이 수렴할 때까지 이루어진다.When the above standardization is finished, the process proceeds to step 310 to check whether the Steering matrix A ⁱ converges. If the check result matrix A ⁱ converges, the process proceeds to step 312, and if it does not converge, the process proceeds to step 304 and steps 304 to 308 are repeated. This is done until the steering matrix converges.

상기 과정을 통해 수렴이 이루어져 312단계로 진행하면, 전송신호 행렬 S를 이용하여 데이터를 복조하거나, 또는 Steering 행렬 A로부터 가중치(weighting factor) W를 구하고 이로부터 전송신호 행렬 S를 계산하여 데이터를 복조한다.If the convergence is made through the above process and proceeds to step 312, the data is demodulated using the transmission signal matrix S, or the weighting factor W is obtained from the steering matrix A and the transmission signal matrix S is calculated therefrom to demodulate the data. do.

만약 코드분할다중접속 시스템인 경우에 전송하는 신호원은 다수이나 역확산부(103)에서 역확산이 이루어진 후에는 간섭 신호인 타 신호원은 제거되고 원하는 신호원 1개만 존재하게 된다. 따라서 상기한 성질을 이용하면 상기 <수학식 9> 및 상기 <수학식 10>에서 steering 행렬 A와 전송신호 행렬 S는 각각 Mx1 및 1xN과 같이 일차원 배열이 된다. 그러므로 pseudo-inverse의 결과와 Hermitian의 결과가 같아진다. 따라서 이 경우에는 상기 <수학식 9>와 상기 <수학식 10>은 하기의 <수학식 11>과 <수학식 12>와 같이 간단히 계산하는 것이 가능하다. 그러므로 상기 <수학식 11>과 <수학식 12>의 결과를 상술한 도 4의 흐름도에 적용하는 것이 가능하다.If the code division multiple access system transmits a large number of signal sources, but after despreading in the despreading unit 103, other signal sources that are interference signals are removed and only one desired signal source exists. Therefore, using the above properties, the steering matrix A and the transmission signal matrix S in Equations 9 and 10 become one-dimensional arrays as Mx1 and 1xN, respectively. Therefore, the result of pseudo-inverse is equal to that of Hermitian. Therefore, in this case, Equation 9 and Equation 10 may be simply calculated as in Equation 11 and Equation 12 below. Therefore, it is possible to apply the results of Equations 11 and 12 to the flowchart of FIG. 4 described above.

이와 같이 코드분할 다중접속 시스템의 경우에는 역확산을 수행한 후에 신호의 특성을 이용하면 상기 <수학식 11>과 상기 <수학식 12>와 같이 행렬 S 및 행렬 A를 간단하게 계산할 수 있게 되어 계산을 빠르게 간편하게 수행할 수 있게 된다.As described above, in the code division multiple access system, when the despreading is performed and the characteristics of the signal are used, the matrix S and the matrix A can be easily calculated as shown in Equations 11 and 12. This can be done quickly and easily.

또한 본 발명의 제1실시 예인 ILSP-SVM 방법에서와 같이 steering vector의 특성을 이용하여 해를 구하는 방식은 등 간격 선형 배열 (Uniform linear array) 방식의 antenna 배치에 뿐만이 아니라 타 antenna 배치 방식에도 적용이 가능하다.Also, as in the ILSP-SVM method according to the first embodiment of the present invention, a solution using the characteristics of the steering vector is not only applied to the antenna arrangement of the uniform linear array but also to other antenna arrangement. It is possible.

도 5는 본 발명의 제1실시 예인 ILSP-SVM 방법과 종래기술에서 언급한 ILSP-CMA 방법과의 성능을 컴퓨터 시뮬레이션을 통하여 성능을 비교한 그래프이다. 상기 두 방법간의 성능 비교 시 조건은 각각 20°(degree) 및 50°(degree)로 입사되는 2명의 사용자가 임의의 데이터(random data)를 BPSK 변조하는 것을 가정하였을 경우이다. 상기 도 5의 (a)는 상기 20°로 입사되는 사용자에 대하여 BER(bit error rate) 성능을 비교한 경우의 그래프이다. 또한 도 5의 (b)는 기지국으로부터 동일한 거리에 두 사용자가 위치할 경우 SOI(Signal over interference) 성능을 비교한 경우의 그래프이다. 그리고 도 5의 (c)는 기지국으로부터 사용자 1이 사용자 2보다2배 가까운 거리에 있을 때의 SOI를 비교한 경우의 그래프이다.Figure 5 is a graph comparing the performance of the ILSP-SVM method and the ILSP-CMA method mentioned in the prior art through a computer simulation of the first embodiment of the present invention. When comparing the performances of the two methods, the condition is assuming that two users incident at 20 ° (degree) and 50 ° (degree) respectively perform BPSK modulation on random data. FIG. 5A is a graph comparing bit error rate (BER) performance for a user incident at 20 °. FIG. 5B is a graph comparing signal over interference (SOI) performance when two users are located at the same distance from the base station. And (c) of FIG. 5 is a graph when the SOI when the user 1 is 2 times closer than the user 2 from the base station is compared.

상기 도 5에서 알 수 있는 바와 같이 ILSP-SVM 방법을 사용할 경우 종래기술에서 설명된 ILSP-CMA 방법보다 성능이 우수함을 알 수 있다. 더욱이 ILSP-SVM 방식은 steering vector의 특성을 이용하므로 전송신호가 constant envelope 특성을 가지 BPSK 변조신호에서는 물론이고 constant envelope 특성을 가지지 않는 경우에도 적용이 가능하게 된다.As can be seen in FIG. 5, it can be seen that the performance of the ILSP-SVM method is superior to that of the ILSP-CMA method described in the prior art. In addition, the ILSP-SVM method utilizes the characteristics of the steering vector, so that the transmission signal can be applied to a BPSK modulated signal having a constant envelope characteristic as well as a constant envelope characteristic.

다음으로 본 발명의 제2실시 예에 대하여 설명한다.Next, a second embodiment of the present invention will be described.

본 발명의 제2실시 예에서는 ILSP-SVMCMA(iterative least square projection based steering vector mapping and constant modulus algorithm) 방법으로 배열 안테나부(101)의 기하학적(geometric)인 특성과 함께 신호의 constant envelope 특성을 동시에 이용하는 방식이다. ILSP-SVMCMA 방식은 신호처리를 함에 있어서 ILSP-CMA 방식과 같이 입력신호 X는 N개의 스넵샷(snapshot)에 대한 입력을 수신한 후에 MxN 입력신호 행렬을 생성하고, 이를 단위 블록으로 블록 처리를 수행하는 방식이다. 따라서 이와 같은 블록 처리(block processing)를 수행하므로 블록 처리로 인하여 적어도 블록 크기 이상의 메모리를 필요로 한다.In the second embodiment of the present invention, the constant envelope characteristic of the signal is simultaneously used together with the geometrical characteristics of the array antenna unit 101 by the method of iterative least square projection based steering vector mapping and constant modulus algorithm (ILSP-SVMCMA). That's the way. In the ILSP-SVMCMA method, the input signal X, like the ILSP-CMA method, generates an MxN input signal matrix after receiving inputs for N snapshots, and performs block processing as a unit block. That's the way it is. Therefore, since such block processing is performed, at least a block size of memory is required due to block processing.

본 발명에서 제안하는 ILSP-SVMCMA 방법의 스마트 안테나의 구조와 동작을 설명하면 하기와 같다. ILSP-SVMCMA 방법은 상기 <수학식 7> 및 <수학식 8>에서 입력신호 행렬 X로부터 최적의 A와 S를 구하기 위해 배열 안테나의 기하학적인 특성과 전송신호의 constant envelope 특성을 동시에 이용한다. 즉, 상기 방법은steering 행렬 A를 배열 안테나의 기하학적인 특성을 이용하여 매핑하고 전송신호 행렬 S를 constant envelope 특성을 이용하여 mapping 한다.The structure and operation of the smart antenna of the ILSP-SVMCMA method proposed by the present invention are as follows. The ILSP-SVMCMA method simultaneously uses the geometrical characteristics of the array antenna and the constant envelope characteristics of the transmission signal to find the optimal A and S from the input signal matrix X in Equations 7 and 8 above. That is, the method maps the steering matrix A using the geometric characteristics of the array antenna and the transmission signal matrix S using the constant envelope characteristic.

이를 예를 들어 설명하면 하기와 같다. 등 간격 선형 배열 (Uniform linear array) 방식의 배열 안테나를 사용한다고 가정하면, 전송신호 행렬 S을 단위 원(unit circle) 상에 매핑한다. 그리고 steering 행렬 사이의 위상차(phase difference)의 특성으로부터 steering 행렬을 단위 원(unit circle) 상에 매핑한다. 그러면 도 6을 참조하여 본 발명의 제2실시 예에 따른 흐름을 상세히 살펴본다.This will be described as an example. Assuming that an array antenna of uniform linear array method is used, the transmission signal matrix S is mapped onto a unit circle. The steering matrix is then mapped onto a unit circle from the characteristics of the phase difference between the steering matrices. Next, the flow according to the second embodiment of the present invention will be described in detail with reference to FIG. 6.

도 6은 본 발명의 제2실시 예에 따라 적응 배열 처리부에서 수행되는 흐름도이다. 이하 도 1 내지 도 6을 참조하여 본 발명의 제2실시 예에 따라 적응 배열 처리부에서 수행되는 과정들을 상세히 설명한다.6 is a flowchart performed by the adaptive arrangement processing unit according to the second embodiment of the present invention. Hereinafter, the processes performed by the adaptive array processor according to the second embodiment of the present invention will be described in detail with reference to FIGS. 1 to 6.

400단계에서 반복계수 i를 0으로, steering 행렬 A를 초기치 A⁰로 설정한다. 그리고 402단계로 진행하여 스넵샷(snapshot)이 N개 수신될 때까지 대기한다. 이는 N개의 스넵샷을 수신하여 입력신호 행렬 X를 생성하기 위함이다. 따라서 402단계에서 N개의 스넵샷을 수신하면 404단계로 진행하여 반복계수 i를 1 증가시킨다. 그리고 406단계로 진행한다. 406단계로 진행하면, Steering 행렬 A^i-1을 이용하여 F(A,S:X)를 최소화시키는 전송신호 행렬 Sⁱ를 상기 <수학식 9>를 이용하여 least square의 해를 구한다. 이는 상기 도 2 또는 도 4에서 설명한 바와 같다.. 그런 후상기 전송신호는 constant envelope 특성을 가지므로 전송신호 행렬 Sⁱ를 가장 가까운 단위 원 상에 사상한다.In step 400, the iteration coefficient i is set to 0 and the steering matrix A is set to an initial value A ⁰ . In operation 402, the processor waits until N snapshots are received. This is to generate an input signal matrix X by receiving N snapshots. Therefore, if N snapshots are received in step 402, the process proceeds to step 404 to increase the iteration coefficient i by one. Proceed to step 406. Proceeding to step 406, F by the Steering matrices A ^i-1: with the transmission signal matrix S ⁱ which minimizes the (A, S X) using the <Equation 9> is obtained by the least square. This is the same as described with reference to FIG. 2 or FIG. 4. Since the transmission signal has a constant envelope characteristic, the transmission signal matrix S ⁱ is ^mapped onto the nearest unit circle.

상기한 과정을 수행한 후 408단계로 진행하여 전송신호 행렬 Sⁱ를 이용하여 F(A,S:X)를 최소화시키는 steering 행렬 Aⁱ를 상기 <수학식 10>을 이용하여 least square의 해를 구한다. 상기 Steering 행렬 Aⁱ는 단위 원 상에 존재하므로 이 특성을 이용하여 Aⁱ를 가장 가까운 단위 원 상에 사상한다. 그런 후 Steering 행렬 Aⁱ의 각 열 원소를 Aⁱ의 각 열 벡터의 첫 번째 원소로 나누어 표준화한다. 상기한 과정을 수행한 후 410단계로 진행하여 Steering 행렬 Aⁱ가 수렴하는가를 검사한다. 사기 검사결과 steering 행렬 Aⁱ가 수렴하는 경우 412단계로 진행하고, 수렴하지 않는 경우 404단계로 진행하여 상기 steering 행렬 Aⁱ가 수렴할 때까지 상기 404단계 내지 408단계를 반복 수행한다.After performing the above process, the process proceeds to step 408 where the steering matrix A ⁱ which minimizes F (A, S: X) using the transmission signal matrix S ⁱ is solved for the least square solution using Equation 10 above. Obtain Since the steering matrix A ⁱ exists on the unit circle, it maps A ⁱ on the nearest unit circle using this property. Then normalize each column element of the steering matrix A ⁱ by dividing it by the first element of each column vector of A ⁱ . After performing the above process, the process proceeds to step 410 to check whether the Steering matrix A ⁱ converges. Performs fraud check result steering matrices A ⁱ if the convergence repeatedly conducted, and the step 404 to step 408 until the process proceeds to step 404 if it does not converge to the steering matrix A ⁱ converges to the step 412.

상기 412단계로 진행하면 전송신호 행렬 S를 이용하여 데이터를 복조하거나, 또는 Steering 행렬 A를 이용하여 가중치(weighting factor) W를 구하고 이로부터 전송신호 행렬 S를 계산하여 데이터를 복조한다.In step 412, the data is demodulated using the transmission signal matrix S, or the weighting factor W is obtained using the steering matrix A, and the transmission signal matrix S is calculated therefrom to demodulate the data.

이상에서 기술한 바와 같이 ILSP-SVMCMA 방식 역시 코드분할 다중접속 시스템의 경우 역확산(de-spreading)을 수행하면 상기 제1실시 예에서 설명한 바와 같이 간섭신호원인 타 신호원은 제거되고 신호원 1개만 존재한다. 따라서 상기 <수학식 9>와 상기 <수학식 10>은 <수학식 11>과 <수학식 12>와 같이 행렬 S 및 행렬 A를 간단히 계산할 수 있다. 즉, 이를 이용하여 계산을 간단하게 수행할 수 있게 된다.As described above, in the case of the ILSP-SVMCMA method, in the case of the code division multiple access system, when de-spreading is performed, other signal sources, which are interference signal sources, are removed as described in the first embodiment, and only one signal source is used. exist. Accordingly, Equations 9 and 10 may simply calculate the matrix S and the matrix A as shown in Equations 11 and 12. That is, the calculation can be easily performed using this.

또한 본 발명의 ILSP-SVM 방법에서와 같이 steering vector의 특성을 이용하여 해를 구하는 방식은 등 간격 선형 배열 (Uniform linear array) 방법의 안테나 배치에 뿐만이 아니라 다른 안테나 배치 방식에도 적용이 가능하다. 상기 도 5에서 도시된 바와 같이 본 발명의 제2실시 예에 따른 방식과 종래기술에서 설명한 ILSP-CMA 방식과의 성능이 개선됨을 알 수 있다.In addition, as in the ILSP-SVM method of the present invention, a solution using the characteristics of the steering vector is applicable not only to the antenna arrangement of the uniform linear array method but also to other antenna arrangement methods. As shown in FIG. 5, it can be seen that the performance of the method according to the second embodiment of the present invention and the ILSP-CMA method described in the related art are improved.

본 발명의 제2실시 예에서는 배열 안테나의 기하학적인 특성과 함께 신호의 constant envelope 특성을 동시에 이용하므로 종래기술의 ILSP-CMA 방식이나 제1실시 예로 설명한 ILSP-SVM 방식 보다 성능이 우수해 진다. 또한 코드분할다중접속 시스템의 경우 역확산을 수행하므로 역확산의 성질을 이용하면 행렬 S와 행렬 A의 계산이 간단해짐을 알 수 있다. 즉, 계산이 간단해지므로 계산이 더욱 빠르게 수행되므로 실시간성의 확보가 용이해진다.In the second embodiment of the present invention, since the constant envelope characteristic of the signal is simultaneously used together with the geometrical characteristics of the array antenna, the performance is superior to that of the conventional ILSP-CMA method and the ILSP-SVM method described in the first embodiment. In addition, in the code division multiple access system, since the despreading is performed, the calculation of the matrix S and the matrix A is simplified by using the property of the despreading. That is, since the calculation is simplified, the calculation is performed more quickly, thereby making it possible to secure real-time performance.

그러면 상기 본 발명에 따른 방법 및 종래기술에서 언급되고 있는 ILSP 방법에 대하여 도 7의 흐름도를 참조하여 설명한다.Next, the method according to the present invention and the ILSP method mentioned in the related art will be described with reference to the flowchart of FIG. 7.

도 7은 블록 프로세싱을 처리하는 ILSP 방법에 따라 적응 배열 처리부에서 수행되는 흐름도이다. 이하 도 1 내지 도 7을 참조하여 ILSP 방법에 따라 적응 배열 처리부에서 수행되는 과정들을 상세히 설명한다.7 is a flowchart performed by the adaptive arrangement processing unit according to the ILSP method of processing block processing. Hereinafter, processes performed by the adaptive alignment processor in accordance with the ILSP method will be described in detail with reference to FIGS. 1 to 7.

또한 설명의 편의를 위해 사용되는 시스템이 코드분할다중접속 시스템의 경우로 가정한다. 따라서 역확산 후의 신호의 특성을 이용하여 상기 <수학식 11> 및 상기 <수학식 12>와 같이 행렬 S 및 행렬 A를 계산하는 방법에 대한 예를 보인 것이다. 따라서 코드분할다중접속 시스템이 아닌 경우에는 동일한 개념을 <수학식 11> 및 <수학식 12> 대신에 상기 <수학식 9> 및 상기 <수학식 10>을 적용할 수 있음을 밝혀 둔다.In addition, it is assumed that the system used for convenience of description is a code division multiple access system. Therefore, an example of a method of calculating the matrix S and the matrix A as shown in Equations 11 and 12 using the characteristics of the signal after despreading is shown. Therefore, in the case of the code division multiple access system, the same concept may be applied to Equation 9 and Equation 10 instead of Equation 11 and Equation 12.

500단계에서 반복계수 i를 0으로, steering 행렬 A를 초기치 A_k^0로 설정한다. 상기 행렬 A는 하기 <수학식 13>과 같이 도시할 수 있다.In step 500, the iteration coefficient i is set to 0 and the steering matrix A is set to an initial value A_k ^ 0. The matrix A may be represented as in Equation 13 below.

상기 <수학식 13>과 같이 초기 값을 설정 한 후 502단계로 진행하여 N개의 스넵샷을 수신하여 입력신호 행렬 X를 생성한다. 상기 502단계에서 N개의 스넵샷을 수신하면 504단계로 진행하여 반복 계수 i를 1 증가시킨다. 그런 후 506단계로 진행한다.After setting the initial value as shown in Equation 13, the process proceeds to step 502 to receive N snapshots to generate an input signal matrix X. If N snapshots are received in step 502, the process proceeds to step 504 to increase the iteration coefficient i by one. Then proceed to step 506.

506단계로 진행하면, Steering 행렬 A^i-1을 이용하여 F(A,S:X)를 최소화시키는 전송신호 행렬 Sⁱ를 하기 <수학식 14>와 같이 least square의 해를 구한다.In operation 506, the least squares solution is solved using the steering matrix A ^i-1 to minimize the F (A, S: X) transmission signal matrix S ⁱ as shown in Equation 14 below.

일반적으로 전송신호는 constant envelope 특성을 가지므로 상기 특성을 가지는 전송신호인 경우에 전송신호 행렬 Sⁱ를 가장 가까운 단위 원 상에 사상한다. 이는 전송신호가 constant envelope 특성을 가지는 경우로 한정된다. 만일 상기 특성을 가지지 않는 경우는 이를 수행하지 않는다.In general, since a transmission signal has a constant envelope characteristic, in the case of a transmission signal having the characteristic, the transmission signal matrix Si is ^mapped onto the nearest unit circle. This is limited to the case where the transmission signal has a constant envelope characteristic. If it does not have the above characteristics are not performed.

상기 506단계를 수행한 후 508단계로 진행하면 상기 504단계에서 구해진 전송신호 행렬 Sⁱ를 이용하여 F(A,S:X)를 최소화시키는 steering 행렬 Aⁱ를 하기 <수학식 15>를 이용하여 least square의 해를 구한다.After performing step 506 and proceeding to step 508, the steering matrix A ⁱ is minimized by using the transmission signal matrix S ⁱ obtained in step 504 using Equation 15 below. Find the least square solution.

상기 Steering 행렬 Aⁱ는 단위 원 상에 존재한다. 따라서 이 특성을 이용하여 Aⁱ를 가장 가까운 단위 원 상에 사상한다. 그리고 Steering 행렬 Aⁱ의 각 열의 원소를 Aⁱ의 각 열 벡터(vector)의 첫 번째 원소로 나누어 표준화한다.The steering matrix A ⁱ is on a unit circle. Thus, using this property, A ⁱ is ^mapped onto the nearest unit circle. The elements of each column of the steering matrix A ⁱ are divided and normalized by the first elements of each column vector of A ⁱ .

상기한 과정을 수행한 후 510단계로 진행하여 Steering 행렬 Aⁱ가 수렴하는가를 검사한다. 상기 검사결과 steering 행렬 Aⁱ가 수렴하면 512단계로 진행하고 그렇지 않은 경우 504단계로 진행하여 상기 504단계 내지 508단계를 반복 수행한다.After performing the above process, the process proceeds to step 510 to check whether the Steering matrix A ⁱ converges. If the steering result A ⁱ converges, the process proceeds to step 512. Otherwise, the process proceeds to step 504, and steps 504 to 508 are repeated.

상기한 과정을 통해 수렴이 이루어지는 경우 512단계로 진행하면 전송신호 행렬 S를 이용하여 데이터를 복조하거나, 또는 Steering 행렬 A로부터 가중치(weighting factor) W를 구하고 이로부터 전송신호 행렬 S를 계산하여 데이터를 복조한다.If convergence is made through the above process, the process proceeds to step 512 to demodulate the data using the transmission signal matrix S, or obtain a weighting factor W from the steering matrix A and calculate the data from the transmission signal matrix S therefrom. Demodulate

상술한 예에서는 매 N개의 스넵샷을 입력한 후에 steering 행렬 A와 전송신호 행렬 S를 추정한다. 또한 초기에 steering 행렬이 정상상태에 있다고 하더라도 평균 3~4번의 반복을 수행해야 steering 행렬 A가 수렴하게 되어 M개의 steering 벡터와 N개의 전송신호를 복원할 수 있다. 만약 평균 반복 횟수를 3번으로 가정하면 계산량은 3MN에 비례하는 연산이 필요하다.In the above-described example, the steering matrix A and the transmission signal matrix S are estimated after inputting every N snapshots. In addition, even if the steering matrix is initially in a steady state, it is necessary to perform an average of 3 to 4 repetitions in order to converge the steering matrix A to restore M steering vectors and N transmission signals. If the average number of iterations is assumed to be 3, the computation amount needs to be proportional to 3MN.

그러면 본 발명의 제3실시 예에 따른 SLSP(Sequential least square projection) 방법에 대하여 살펴본다. 본 발명의 제3실시 예에 따른 방법은 매 1개의 입력신호에 대해 순차적으로 해를 구하는 방식이다. 상기 방법은 ILSP 방법들과는 달리 반복적으로 해를 구하지 않고 순차적으로 계산을 하므로 고속처리가 가능하며 실시간 처리에 적합하며, 성능도 우수한 특징을 가진다. 또한 SLSP 방식은 신호처리를 함에 있어서 ILSP 방식과 달리 입력신호 X는 N개의 스넵샷(snapshot)에대한 입력을 수신한 후에 MxN 입력신호 행렬을 생성하여 이를 단위 블록으로 블록 처리를 수행하는 방식이 아니다. 즉, 단지 하나의 입력신호 샘플을 수신한 후에 신호처리를 수행하는 방식이다. 따라서 종래의 블록 처리를 수행하는 경우 발생하는 적어도 블록 크기 이상의 latency가 발생하는 문제점이나, 블록이 입력된 후 상기 입력된 블록에 대하여 블록 처리를 해야 문제가 없어진다. 그러므로 본 발명의 제3실시 예에서는 순간적으로 많은 연산량이 요구되는 문제점을 해결할 수 있다. 다시 말해서 본 발명의 제3실시 예에 따른 방법은 하나의 입력 신호 샘플에 대하여 블록 처리를 수행하므로 순간적으로 많은 계산을 필요로 하지 않고 매 샘플마다 상대적으로 매우 작은 일정한 연산을 계산을 수행하므로 연산을 분산하여 처리할 수 있어 실시간 처리에 매우 적합하다.Next, a sequential least square projection (SLSP) method according to a third embodiment of the present invention will be described. The method according to the third embodiment of the present invention is a method of sequentially solving solutions for every one input signal. Unlike the ILSP methods, the method calculates sequentially without solving the solution repeatedly, so that it is possible to perform high-speed processing, is suitable for real-time processing, and has excellent performance. In addition, unlike the ILSP method, the SLSP method does not perform an input signal X to generate an MxN input signal matrix after receiving inputs for N snapshots, and perform block processing as a unit block. . That is, the signal processing is performed after receiving only one input signal sample. Therefore, there is a problem that latency occurs at least a block size that occurs when the conventional block processing is performed, or a block process is performed on the input block after the block is inputted so that there is no problem. Therefore, the third embodiment of the present invention can solve the problem that a large amount of computation is required instantaneously. In other words, the method according to the third embodiment of the present invention performs a block processing on one input signal sample, and thus does not require many calculations at the moment, and performs a relatively small constant operation for each sample. Because it can be distributed and processed, it is very suitable for real time processing.

도 8은 본 발명의 제3실시 예에 따라 적응 배열 처리부에서 수행되는 흐름도이다. 이하 도 1 및 도 8을 참조하여 본 발명의 제3실시 예에 따라 적응 배열 처리부에서 수행되는 과정들을 상세히 설명한다.8 is a flowchart performed by the adaptive arrangement processing unit according to the third embodiment of the present invention. 1 and 8 will be described in detail the processes performed in the adaptive alignment processing unit according to the third embodiment of the present invention.

이하의 설명에서 설명을 용이하게 하기 위하여 코드분할다중접속 시스템의 경우로 가정하여 설명하며, 역확산 후의 신호의 특성을 이용하여 수행되는 것으로 가정한다. 따라서 시스템이 코드분할다중접속 시스템인 경우 상기 <수학식 11> 및 <수학식 12>와 같이 행렬 S 및 행렬 A를 계산하는 방법을 사용할 수 있다. 또한 코드분할 다중접속 시스템이 아닌 경우에는 동일한 개념의 상기 <수학식 9> 및 <수학식 10>을 사용한다.In the following description, it is assumed that the code division multiple access system is used to facilitate the description, and is assumed to be performed by using the characteristics of the signal after despreading. Therefore, when the system is a code division multiple access system, a method of calculating the matrix S and the matrix A can be used as shown in Equations 11 and 12. In addition, in the case of a code division multiple access system, Equations 9 and 10 of the same concept are used.

먼저 600단계에서 적응 알고리즘 처리기(105)에 처리가 초기 상태인가를 검사한다. 즉 초기화 과정에서 출발하는 경우 602단계로 진행하여 초기화 과정을 수행한다. 그러나 초기 상태가 아닌 경우 604단계로 진행한다. 초기화 과정에서 시작되는 경우 602단계로 진행하여 A를 A_k^0로 설정한다. 이때 상기 A는 상술한 <수학식 13>과 같이 설정되는 것이다. 또한 602단계에서 S를 S_k^0로 설정한다. 상기 S 또한 초기 값이므로 상기 A와 같이 표시되며, 이를 도시하면 하기 <수학식 16>과 같이 도시된다.First, in step 600, the adaptive algorithm processor 105 checks whether the processing is in an initial state. That is, when starting from the initialization process, the process proceeds to step 602 to perform the initialization process. However, if not in the initial state, go to step 604. If it is started in the initialization process, go to step 602 to set A to A_k ^ 0. At this time, A is set as shown in Equation (13). In step 602, S is set to S_k ^ 0. Since S is also an initial value, it is represented as A, which is shown as Equation 16 below.

그리고 X를 X⁰로 설정하며, 이를 수학식으로 도시하면 하기 <수학식 17>과 같이 도시할 수 있다.X is set to X ⁰ , and this may be expressed as Equation 17 below.

상기 <수학식 13>, <수학식 16> 내지 <수학식 17>에 도시한 바와 같이 초기 값을 설정한 후 604단계로 진행한다. 상기 604단계로 진행하면, 1개 스넵샷의 입력신호 X_in이 수신되는가를 검사한다. 상기 검사결과 입력 신호 X_in이 수신되는 경우 606단계로 진행하고 그렇지 않은 경우 신호가 입력될 때까지 대기한다. 즉, 하나의 입력 신호에 대한 처리를 수행하는 것이다.As shown in Equation 13, Equation 16 to Equation 17, an initial value is set, and then operation 604 is performed. In step 604, it is checked whether an input signal X _in of one snapshot is received. If the test result, the input signal X _in is received in step 606, otherwise waits until the signal is input. That is, the processing of one input signal is performed.

606단계로 진행하면, 일련번호(Sequence number) i를 1 증가시킨다. 그리고입력신호 행렬 X를 갱신한다. 즉, 상기 X의 초기 값에 입력되는 샘플에 따라 하기 <수학식 18>과 같이 도시된다.In step 606, the sequence number i is increased by one. The input signal matrix X is then updated. That is, according to the sample input to the initial value of X is shown as in Equation (18).

즉, 상기 <수학식 18>에 도시된 바와 같이 하나의 입력이 존재할 때마나 하나씩 원소가 증가하게 된다. 이와 같이 신호가 입력되어 입력신호 행렬 X를 갱신한 후 608단계로 진행한다. 상기 608단계에서 Steering 행렬 A^i-1를 이용하여 F(A,S:X)를 최소화시키는 전송신호 행렬 S를 하기 <수학식 19>와 같이 least square의 해를 구한다.That is, as shown in Equation 18, the element increases one by one whenever there is one input. In step 608, the signal is input and the input signal matrix X is updated. In step 608, a least square solution is obtained as shown in Equation 19 below, using the steering matrix A ^i-1 to minimize the F (A, S: X).

이때 행렬 S=S_k는 상기 <수학식 19>와 같이 s_k(n=N+i) 에 대해서만 계산을 한다. 또한 전송신호가 constant envelope 특성을 가지는 경우에 상기 전송신호 행렬 S를 가장 가까운 단위 원 상에 사상한다. 따라서 상기 전송신호가 constant envelope 특성을 가지지 않는 경우에는 이를 수행하지 않는다. 상기 전송신호가constant envelope 특성을 가지는 경우 S의 매핑 역시 n=N+i에 대해서만 수행한다. 이를 수학식으로 도시하면 하기 <수학식 20>과 같이 도시할 수 있다.In this case, the matrix S = S _k is calculated only for s _k (n = N + i) as shown in Equation 19. In addition, when the transmission signal has a constant envelope characteristic, the transmission signal matrix S is mapped onto the nearest unit circle. Therefore, if the transmission signal does not have a constant envelope characteristic it is not performed. When the transmission signal has a constant envelope characteristic, mapping of S is also performed only for n = N + i. This may be illustrated as Equation 20 below.

즉, 상기 <수학식 20>에서 볼 수 있는 바와 같이 새로이 입력되는 전송신호에 대하여만 매핑을 수행한다. 그리고 이러한 매핑이 완료되면 610단계로 진행한다. 610단계로 진행하면, 전송신호 행렬 S를 이용하여 F(A,S:X)를 최소화시키는 steering 행렬 Aⁱ를 하기 <수학식 21>과 같이 least square의 해를 구한다.That is, as shown in Equation 20, mapping is performed only on newly input transmission signals. When the mapping is completed, the process proceeds to step 610. In step 610, the steering matrix A ⁱ is minimized using the transmission signal matrix S to obtain the least square solution as shown in Equation 21.

이때 행렬 A~ = ~ A_k^i는 <수학식 21>과 같이 n=N+i 에 대해서만 고려하여 계산한다.In this case, the matrix A ~ = ~ A_k ^ i is calculated by considering only n = N + i as shown in Equation 21.

또한 상기 Steering 행렬 Aⁱ는 단위 원 상에 존재하므로 이 특성을 이용하여 Aⁱ를 가장 가까운 단위 원 상에 사상한다. Steering 행렬 Aⁱ의 각 열 원소를 Aⁱ의 각열 벡터의 첫 번째 원소로 나누어 표준화 한다. 이와 같이 표준화가 완료되면, 612단계로 진행한다. 즉, 이전에 살펴본 ILSP방법과 달리 수렴 여부를 고려하여 반복 계산을 수행하지 않는다.In addition, the Steering matrix A ⁱ is thought to A ⁱ using this characteristic, so resides on the unit circle to the nearest unit circle. Normalize each column element of the steering matrix A ⁱ by dividing it by the first element of the column vector of A ⁱ . When standardization is completed as described above, the process proceeds to step 612. That is, unlike the ILSP method described previously, iterative calculation is not performed considering convergence.

612단계로 진행하면, 전송신호 행렬 S를 이용하여 데이터를 복조하거나, 또는 Steering 행렬 A를 이용하여 가중치(weighting factor) W를 구하고 이를 이용하여 전송신호 행렬 S를 계산하여 데이터를 복조한다.In step 612, the data is demodulated using the transmission signal matrix S, or the weighting factor W is obtained using the steering matrix A, and the transmission signal matrix S is used to demodulate the data.

상술한 바에서 알 수 있듯이 본 발명의 제3실시 예에서는 1개의 스넵샷이 입력될 때마다 새로운 steering 벡터를 계산한다. 이 계산을 위해서 이전 steering 벡터와 현재 입력된 1개의 스넵샷 신호만을 사용하므로 계산량은 M에 비례하는 연산만이 필요하다. 즉, 연산량이 매우 작게 된다.As can be seen from the foregoing, in the third embodiment of the present invention, a new steering vector is calculated every time one snapshot is input. For this calculation, only the steering vector and the current snapshot input signal are used. That is, the amount of calculation becomes very small.

이를 상술하면 본 발명의 제3실시 예인 SLSP(Sequential least square projection) 방법은 매 1개의 입력신호에 대해서 순차적으로 해를 구한다. 따라서 ILSP 방식들과는 달리 반복적으로 해를 구하지 않고 순차적으로 계산을 하므로 고속처리가 가능하며 실시간 처리를 수행할 수 있다. 또한 제3실시 예에 따르면 입력신호 X는 N개의 스넵샷에 대한 입력을 수신한 후에 MxN 입력신호 행렬을 생성하여 이를 단위 블록으로 블록 처리를 수행하는 방식이 아니라, 단지 하나의 입력신호 샘플(sample)만을 수신한 후에 신호처리를 수행한다. 따라서 종래의 블록 처리를 수행하는 방법에 비하여 블록 처리를 위해 블록 크기 이상의 latency가 발생하는 문제점을 해결 할 수 있다. 뿐만 아니라 블록 처리를 수행하지 않으므로 블록이 이 입력된 후 입력된 블록에 대해서 블록 처리를 해야 하므로 순간적으로 발생하는 많은 연산량이 요구되지 않는다.In detail, the sequential least square projection (SLSP) method according to the third embodiment of the present invention sequentially solves every one input signal. Therefore, unlike the ILSP methods, it is possible to perform high-speed processing and real-time processing because it calculates sequentially without solving the solution repeatedly. In addition, according to the third embodiment, the input signal X does not generate an MxN input signal matrix after receiving inputs for N snapshots and performs block processing on the unit block, instead of only one input signal sample. After receiving only), signal processing is performed. Therefore, compared to the conventional method of performing block processing, it is possible to solve the problem that latency occurs more than the block size for block processing. In addition, since block processing is not performed, a block processing must be performed on the input block after the block is inputted, and thus a large amount of computation that occurs instantaneously is not required.

다음으로 본 발명의 제4실시 예를 살펴본다. 본 발명의 제4실시 예인 SLSP-MA(Sequential least square projection with moving average) 방법은 매 1개의 입력신호에 대해서 이동평균치(MA : moving average)를 이용하여 순차적으로 해를 구하는 방법이다.Next, a fourth embodiment of the present invention will be described. The sequential least square projection with moving average (SLSP-MA) method of the fourth embodiment of the present invention is a method of sequentially obtaining solutions using a moving average (MA) for every one input signal.

상기 제4실시 예는 ILSP 방식들과는 달리 반복적으로 해를 구하지 않고 순차적으로 계산을 수행하므로 고속처리가 가능하며 실시간 처리에 적합하다. SLSP-MA 방식은 상기의 SLSP 방식의 개념은 그대로 사용하되 매 새로운 입력신호가 입력되면 전체 N개의 스넵샷에 대한 MA를 이용하여 해를 구하는 방식이다. 또한 SLSP-MA 방식은 신호처리를 함에 있어서 단지 하나의 입력신호 샘플을 수신한 후에 신호처리를 수행하는 방식이다. 따라서 종래의 블록 처리를 수행하므로 블록 처리에 의해 발생하는 블록 크기 이상의 latency가 발생하는 문제점이나, 블록이 입력된 후 입력된 블록에 대해서 플록 처리를 수행으로 인하여 순간적으로 많은 연산량이 요구되는 문제점을 해결할 수 있다.Unlike the ILSP schemes, the fourth embodiment is capable of high-speed processing and is suitable for real-time processing since calculations are sequentially performed without repeatedly solving the solution. In the SLSP-MA method, the concept of the SLSP method is used as it is, but when a new input signal is input, a solution is obtained by using MAs for all N snapshots. In addition, the SLSP-MA method performs signal processing after receiving only one input signal sample in signal processing. Therefore, the conventional block processing solves the problem of latency that is larger than the block size caused by block processing, or the problem that a large amount of computation is required instantaneously due to the floc processing on the input block after the block is input. Can be.

도 9는 본 발명의 제4실시 예에 따라 적응 배열 처리부에서 수행되는 흐름도이다. 이하 도 1 및 도 9를 참조하여 본 발명의 제4실시 예에 따라 적응 배열 처리부에서 수행되는 과정들을 상세히 설명한다.9 is a flowchart performed by the adaptive arrangement processing unit according to the fourth embodiment of the present invention. 1 and 9 will be described in detail the processes performed in the adaptive array processing unit according to the fourth embodiment of the present invention.

이하에서 본 발명의 제4실시 예를 설명함에 있어서, 설명의 편의를 위해 사용되는 시스템이 코드분할다중접속 시스템의 경우로 가정한다. 즉, 코드분할다중접속 시스템을 사용하므로 역확산 후의 신호 특성을 이용하여 상기 <수학식 11> 및 <수학식 12>와 같이 행렬 S 및 행렬 A를 계산할 수 있다. 또한 만일 사용되는 시스템이 코드분할다중접속 시스템이 아닌 경우에는 상기 수학식들과 동일한 개념인 <수학식 9> 및 <수학식 10>을 적용할 수 있다.In the following description of the fourth embodiment of the present invention, it is assumed that a system used for convenience of description is a case of a code division multiple access system. That is, since the code division multiple access system is used, the matrix S and the matrix A can be calculated using Equation 11 and Equation 12 using signal characteristics after despreading. In addition, if the system used is not a code division multiple access system, Equations 9 and 10, which are the same concepts as the above equations, may be applied.

먼저 700단계에서 적응 알고리즘 처리기(105)에 처리가 초기 상태인가를 검사한다. 즉 초기화 과정에서 출발하는 경우 702단계로 진행하여 초기화 과정을 수행한다. 그러나 초기 상태가 아닌 경우 704단계로 진행한다. 초기화 과정에서 시작되는 경우 702단계로 진행하여 일련번호 I를 0으로 하고, A를 A_k^0로 설정한다. 이때 상기 A는 상술한 <수학식 13>과 같이 설정되는 것이다. 또한 702단계에서 S를 S_k^0로 설정한다. 상기 S 또한 초기 값이므로 상기 A와 같은 방법으로 표시할 수 있다. 이와 같이 표시되는 A는 상기 도 8의 설명 시에 사용된 <수학식 16>과 같다. 그런 후 그리고 X를 X⁰로 설정한다. X 또한 상기 기술된 <수학식 17>과 같다.First, in step 700, the adaptive algorithm processor 105 checks whether the processing is in an initial state. That is, when starting from the initialization process, the process proceeds to step 702 to perform the initialization process. If not, however, the process proceeds to step 704. If it is started in the initialization process proceeds to step 702 to set the serial number I to 0, A to A_k ^ 0. At this time, A is set as shown in Equation (13). In step 702, S is set to S_k ^ 0. Since S is also an initial value, it can be displayed in the same manner as A. A displayed as described above is the same as <Equation 16> used in the description of FIG. 8. Then set X to X ⁰ . X is also as described in Equation 17 described above.

상기 <수학식 13>, <수학식 16> 및 <수학식 17>와 같이 초기 값을 설정한 후 704단계로 진행한다. 상기 704단계로 진행하면, 1개 스넵샷의 입력신호 X_in이 수신되는가를 검사한다. 상기 검사결과 입력 신호 X_in이 수신되는 경우 706단계로 진행하고 그렇지 않은 경우 신호가 입력될 때까지 대기한다. 즉, 하나의 입력 신호에 대한 처리를 수행하는 것이다.After setting initial values as shown in Equation 13, Equation 16 and Equation 17, the process proceeds to step 704. In step 704, it is checked whether an input signal X _in of one snapshot is received. If the test result, the input signal X _in is received in step 706, otherwise waits until the signal is input. That is, the processing of one input signal is performed.

상기 704단계에서 하나의 스넵샷 입력신호가 수신되면 706단계로 진행하여 일련번호(Sequence number) i를 1 증가시킨 후 입력신호 행렬 X를 갱신한다. 이와같이 갱신이 이루어지면 상기 입력신호 행렬 X는 하기 <수학식 22>와 같이 표현된다. 그런 후 708단계로 진행한다.When one snapshot input signal is received in step 704, the controller proceeds to step 706 to increase the sequence number i by 1 and update the input signal matrix X. When the update is made in this manner, the input signal matrix X is expressed by Equation 22 below. Then proceed to step 708.

708단계로 진행하면 Steering 행렬 A^i-1를 이용하여 F(A,S:X)를 최소화시키는 전송신호 행렬 S를 하기 도시된 <수학식 23>을 이용하여 least square의 해를 구한다. 이때 행렬 S=S_k는 하기 <수학식 23>과 같이 s_k(n=N+i)에 대해서만 계산을 수행한다.Proceeding to step 708, the least square solution is obtained by using Equation 23 shown below to solve the transmission signal matrix S minimizing F (A, S: X) using the steering matrix A ^i-1 . In this case, the matrix S = S _k performs calculation only on s _k (n = N + i), as shown in Equation 23 below.

이때 전송신호가 constant envelope 특성을 가지는 경우 전송신호 행렬 S를 가장 가까운 단위 원 상에 사상한다. 이때 S의 매핑 또한 상기 <수학식 20>과 같이 n=N+i에 대해서만 수행한다.In this case, when the transmission signal has a constant envelope characteristic, the transmission signal matrix S is mapped onto the nearest unit circle. At this time, the mapping of S is also performed only for n = N + i as shown in Equation 20.

상기한 과정을 마치면 710단계로 진행하여 전송신호 행렬 S를 이용하여 F(A,S:X)를 최소화시키는 steering 행렬 Aⁱ를 하기 <수학식 24>와 같이 leastsquare의 해를 구한다. 이때 행렬 A ~ = ~ A_k^i는 n=N+i 에 대해서만 고려하여 계산한다.After completing the above process, the controller proceeds to step 710 to solve the least square solution of the steering matrix A ⁱ to minimize F (A, S: X) using the transmission signal matrix S as shown in Equation 24. At this time, matrices A ~ = ~ A_k ^ i are calculated considering only n = N + i.

또한 Steering 행렬 Aⁱ는 단위 원 상에 존재하므로 이 특성을 이용하여 Aⁱ를 가장 가까운 단위 원 상에 사상할 수 있다. 또한 상기 710단계에서 Steering 행렬 Aⁱ의 각 열 원소 Aⁱ의 각 열 벡터의 첫 번째 원소로 나누어 표준화한다. 그리고, 712단계로 진행한다.In addition, since the steering matrix A ⁱ exists on the unit circle, this characteristic can be used to map A ⁱ to the nearest unit circle. Further, in step 710, normalization is performed by dividing by the first element of each column vector of each column element A ⁱ of the steering matrix A ⁱ . The process then proceeds to step 712.

712단계에서 전송신호 행렬 S를 이용하여 데이터를 복조하거나, 또는 Steering 행렬 A로부터 가중치(weighting factor) W를 구하고 이로부터 전송신호 행렬 S를 계산하여 데이터를 복조한다.In step 712, the data is demodulated using the transmission signal matrix S, or the weighting factor W is obtained from the steering matrix A, and the transmission signal matrix S is calculated therefrom to demodulate the data.

이상에서 살펴본 바와 같이 본 발명의 제4실시 예인 SLSP-MA 방법에서는 steering 벡터를 갱신하는 과정에서 N+i번째의 새로운 신호가 입력되었을 때 가장 오래된 정보인 i 번째 신호의 영향은 제거하고, N+i 번째 신호의 영향을 추가하게 된다. 따라서 상기 계산은 전송신호 행렬 S를 갱신하기 위해서 M개의 복소 곱셈과M-1개의 복소 덧셈이 필요하다. 그리고 steering 행렬 A를 갱신하기 위해서 M개의 복소 곱셈과 2M개의 복소 덧셈이 필요하다. 따라서 총 계산량은 2M개의 복소 곱셈과 3M-1개의 복소 덧셈에 비례하는 연산량을 갖는다.As described above, in the SLSP-MA method according to the fourth embodiment of the present invention, when the N + i-th new signal is input in the process of updating the steering vector, the influence of the i-th signal, which is the oldest information, is removed and N + It adds the effect of the i th signal. Therefore, the calculation requires M complex multiplications and M-1 complex additions to update the transmission signal matrix S. In order to update the steering matrix A, M complex multiplications and 2M complex additions are required. Therefore, the total amount of computation has a computation amount proportional to 2M complex multiplication and 3M-1 complex addition.

마지막으로 본 발명의 제5실시 예에 대하여 살펴본다. 본 발명의 제5실시 예에서는 SLSP-FM(Sequential least square projection with forgetting memory) 밥으로 망각 factor(forgetting factor)를 이용하는 방식이다. 상기 제4실시 예의 SLSP-FM 방식 역시 매 1개의 입력신호에 대해서 순차적으로 계산을 수행한 것과 같이 실시간 처리에 적합한 방식이다. 상기 제5실시 예의 방법은 망각인자(forgetting factor)를 이용한다. 또한 SLSP-FM 방식은 신호처리를 함에 있어서 하나의 입력신호 샘플을 수신한 후에 신호처리를 수행한다. 따라서 블록 처리를 수행하는 방식의 문제점들을 해결할 수 있다.Finally, a fifth embodiment of the present invention will be described. In the fifth embodiment of the present invention, a forgetting factor is used as the sequential least square projection with forgetting memory (SLSP-FM). The SLSP-FM method of the fourth embodiment is also a method suitable for real-time processing, such as calculating sequentially for every one input signal. The method of the fifth embodiment uses a forgetting factor. In addition, the SLSP-FM method performs signal processing after receiving one input signal sample. Therefore, problems of the method of performing block processing can be solved.

도 10은 본 발명의 제5실시 예에 따라 적응 배열 처리부에서 수행되는 흐름도이다. 이하 도 1 및 도 10을 참조하여 본 발명의 제5실시 예에 따라 적응 배열 처리부에서 수행되는 과정들을 상세히 설명한다.10 is a flowchart performed by the adaptive arrangement processing unit according to the fifth embodiment of the present invention. Hereinafter, the processes performed by the adaptive array processing unit according to the fifth embodiment of the present invention will be described in detail with reference to FIGS. 1 and 10.

이하에서 본 발명의 제5실시 예를 설명함에 있어서, 설명의 편의를 위해 사용되는 시스템이 코드분할다중접속 시스템의 경우로 가정한다. 즉, 코드분할다중접속 시스템을 사용하므로 역확산 후의 신호 특성을 이용하여 상기 <수학식 11> 및 <수학식 12>와 같이 행렬 S 및 행렬 A를 계산할 수 있다. 또한 만일 사용되는 시스템이 코드분할다중접속 시스템이 아닌 경우에는 상기 수학식들과 동일한 개념인 <수학식 9> 및 <수학식 10>을 적용할 수 있다.In the following description of the fifth embodiment of the present invention, it is assumed that a system used for convenience of description is a case of a code division multiple access system. That is, since the code division multiple access system is used, the matrix S and the matrix A can be calculated using Equation 11 and Equation 12 using signal characteristics after despreading. In addition, if the system used is not a code division multiple access system, Equations 9 and 10, which are the same concepts as the above equations, may be applied.

먼저 800단계에서 적응 알고리즘 처리기(105)에 처리가 초기 상태인가를 검사한다. 즉 초기화 과정에서 출발하는 경우 802단계로 진행하여 초기화 과정을 수행한다. 그러나 초기 상태가 아닌 경우 804단계로 진행한다. 초기화 과정에서 시작되는 경우 802단계로 진행하여 A를 A_k^0로 설정한다. 이때 상기 A는 상술한 <수학식 13>과 같이 설정되는 것이다. 또한 802단계에서 S를 S_k^0로 설정한다. 상기 S 또한 초기 값이므로 상기 A와 같은 방법으로 표시할 수 있다. 이와 같이 표시되는 A는 상기 도 8 또는 도 9의 설명 시에 사용된 <수학식 16>과 같다. 그런 후 그리고 X를 X⁰로 설정한다. X 또한 상기 기술된 <수학식 17>과 같다.First, in step 800, the adaptive algorithm processor 105 checks whether the processing is in an initial state. That is, when starting from the initialization process, the process proceeds to step 802 to perform the initialization process. However, if not in the initial state proceeds to step 804. If it is started in the initialization process, go to step 802 to set A to A_k ^ 0. At this time, A is set as shown in Equation (13). In step 802, S is set to S_k ^ 0. Since S is also an initial value, it can be displayed in the same manner as A. A displayed as described above is the same as <Equation 16> used in the description of FIG. 8 or 9. Then set X to X ⁰ . X is also as described in Equation 17 described above.

상기 <수학식 13>, <수학식 16> 및 <수학식 17>과 같이 초기 값을 설정한 후 804단계로 진행한다. 상기 804단계로 진행하면, 1개 스넵샷의 입력신호 X_in이 수신되는가를 검사한다. 상기 검사결과 입력 신호 X_in이 수신되는 경우 806단계로 진행하고 그렇지 않은 경우 신호가 입력될 때까지 대기한다. 즉, 하나의 입력 신호에 대한 처리를 수행하는 것이다.After the initial values are set as in Equation 13, Equation 16, and Equation 17, the process proceeds to step 804. In step 804, it is checked whether an input signal X _in of one snapshot is received. If the test result, the input signal X _in is received in step 806, otherwise waits until the signal is input. That is, the processing of one input signal is performed.

상기 804단계에서 하나의 스넵샷 입력신호가 수신되면 806단계로 진행하여 일련번호(Sequence number) i를 1 증가시킨 후 입력신호 행렬 X를 갱신한다. 이와 같이 갱신이 이루어지면 상기 입력신호 행렬 X는 상기 <수학식 22>와 같이 표현된다. 그런 후 708단계로 진행한다.If one snapshot input signal is received in step 804, the process proceeds to step 806, in which the sequence number i is increased by 1 and the input signal matrix X is updated. When the update is made in this way, the input signal matrix X is expressed by Equation 22. Then proceed to step 708.

708단계로 진행하면 Steering 행렬 A^i-1를 이용하여 F(A,S:X)를 최소화시키는 전송신호 행렬 S를 상기 도시된 <수학식 23>을 이용하여 least square의 해를 구한다. 이때 행렬 S=S_k는 상기 <수학식 23>과 같이 s_k(n=N+i)에 대해서만 계산을 수행한다. 이때 전송신호가 constant envelope 특성을 가지는 경우 전송신호 행렬 S를 가장 가까운 단위 원 상에 사상한다. 그리고 S의 매핑 또한 상기 <수학식 20>과 같이 n=N+i에 대해서만 수행한다.Proceeding to step 708, the least square solution is solved using Equation 23 shown in the transmission signal matrix S minimizing F (A, S: X) using the steering matrix A ^i-1 . In this case, the matrix S = S _k performs calculation only on s _k (n = N + i) as shown in Equation 23. In this case, when the transmission signal has a constant envelope characteristic, the transmission signal matrix S is mapped onto the nearest unit circle. The mapping of S is also performed only for n = N + i as shown in Equation 20.

상기한 과정을 마치면 810단계로 진행하여 전송신호 행렬 S를 이용하여 F(A,S:X)를 최소화시키는 steering 행렬 Aⁱ를 하기 <수학식 25>와 같이 least square의 해를 구한다. 이때 행렬 A ~ = ~ A_k^i는 n=N+i 에 대해서만 고려하여 계산한다.After completing the above process, the process proceeds to step 810 to solve the least square solution of the steering matrix A ⁱ to minimize F (A, S: X) using the transmission signal matrix S as shown in Equation 25. At this time, matrices A ~ = ~ A_k ^ i are calculated considering only n = N + i.

또한 Steering 행렬 Aⁱ는 단위 원 상에 존재하므로 이 특성을 이용하여 Aⁱ를 가장 가까운 단위 원 상에 사상할 수 있다. 또한 상기 810단계에서 Steering 행렬Aⁱ의 각 열 원소 Aⁱ의 각 열 벡터의 첫 번째 원소로 나누어 표준화한다. 그리고, 812단계로 진행한다.In addition, since the steering matrix A ⁱ exists on the unit circle, this characteristic can be used to map A ⁱ to the nearest unit circle. Further, in step 810, normalization is performed by dividing by the first element of each column vector of each column element A ⁱ of the steering matrix A ⁱ . The process then proceeds to step 812.

812단계에서 전송신호 행렬 S를 이용하여 데이터를 복조하거나, 또는 Steering 행렬 A로부터 가중치(weighting factor) W를 구하고 이로부터 전송신호 행렬 S를 계산하여 데이터를 복조한다.In step 812, the data is demodulated using the transmission signal matrix S, or the weighting factor W is obtained from the steering matrix A, and the transmission signal matrix S is calculated therefrom to demodulate the data.

이상에서 살핀 바와 같이 본 발명의 제5실시 예인 SLSP-FM 방식에서는 steering 벡터를 갱신하는 과정에서 이전의 steering 벡터에 망각인자 f를 곱한 후 새로운 신호로 갱신만을 수행하므로 별도의 기억소자가 필요 없는 이점이 있다. 즉, N+i번째 새로운 신호가 입력되었을 때 가장 오래된 정보인 i번째 신호의 영향을 제거하기 위해서 망각인자를 사용하는 방법이다. 상기 방법을 사용한 계산은 전송신호 행렬 S를 갱신하기 위해서 M개의 복소 곱셈과 M-1개의 복소 덧셈이 필요하고, steering 행렬 A를 갱신하기 위해서 1.25M개의 복소 곱셈과 M개의 복소 덧셈이 필요하다. 따라서 총 계산량은 2.25M개의 복소 곱셈과 2M-1개의 복소 덧셈에 비례하는 연산량을 갖는다.As described above, in the SLSP-FM method according to the fifth embodiment of the present invention, since the steering vector is multiplied by the forgetting factor f in the process of updating the steering vector, only the update is performed with a new signal. There is this. That is, when the N + i th new signal is input, the forgetting factor is used to remove the influence of the i th signal, which is the oldest information. The calculation using the above method requires M complex multiplications and M-1 complex additions to update the transmission signal matrix S, and 1.25 M complex multiplications and M complex additions to update the steering matrix A. Thus, the total amount of computation is proportional to 2.25M complex multiplications and 2M-1 complex additions.

그러면 이상에서 살펴본 본 발명의 각 실시 예들에 대한 성능의 시뮬레이션 결과들을 첨부된 도면을 참조하여 살펴본다. 먼저 도 11을 참조하여 살펴본다.Then, the simulation results of the performance of the embodiments described above will be described with reference to the accompanying drawings. First, referring to FIG. 11.

도 11은 SLSP-MA 방식과 SLSP-FM 방식의 steering 벡터의 수렴속도를 시뮬레이션 한 결과에 따른 그래프를 도시한 도면이다. 상기 도 11에서는 Fb/No=-4[dB],N=100인 경우에 대한 결과이다. 상기 도 11에서 볼 수 있는 바와 같이 대략 100 스넵샷 이후부터 수렴이 되는 것을 알 수 있다.FIG. 11 is a graph illustrating a simulation result of a convergence speed of a steering vector of an SLSP-MA method and an SLSP-FM method. In FIG. 11, the result is the case where Fb / No = -4 [dB] and N = 100. As can be seen in FIG. 11, it can be seen that convergence occurs after approximately 100 snapshots.

도 12는 본 발명의 제2실시 예와 제4실시 예 및 제5실시 예의 빔 패턴을 시뮬레이션 한 결과도이다. 상기 도 12의 시뮬레이션 조건은 하기와 같다. 신호원이 30°(degree)로 입사하고 Eb/No=-4dB, M=10 인 경우 코드분할다중접속 시스템에서 처리이득이 PG=63인 경우에 대한 시뮬레이션 결과이다. 각 방식이 빔 형성 동작을 잘 수행함을 볼 수 있다.12 is a diagram illustrating simulation results of beam patterns of a second embodiment, a fourth embodiment, and a fifth embodiment of the present invention. The simulation condition of FIG. 12 is as follows. The simulation results for the case where the processing gain is PG = 63 in the code division multiple access system when the signal source is incident at 30 ° (degree), and Eb / No = -4dB and M = 10. It can be seen that each scheme performs the beamforming operation well.

도 13은 BER 성능을 시뮬레이션 한 결과로 도 13의 (a)는 신호원 및 간섭 신호가 정지해 있는 경우에 시뮬레이션 한 결과이고, 도 13의 (b)는 간섭신호는 정지해있고 신호원이 이동하는 경우를 도시하였다. 또한 상기 도 13은 M=10, BPSK 변조, 코드분할다중접속 시스템의 처리이득 PG=63인 경우 AWGN 환경 하에서의 결과이다.FIG. 13 is a simulation result of BER performance, and FIG. 13 (a) shows a simulation result when a signal source and an interference signal are stopped, and FIG. 13 (b) shows that the interference signal is stopped and the signal source is moved. The case is shown. FIG. 13 shows the result under the AWGN environment when M = 10, BPSK modulation, and the processing gain PG = 63 of the code division multiple access system.

이상에서 상술한 바와 같이 본 발명에 따른 알고리즘을 스마트 안테나에 적용할 경우 속도를 향상시켜 실시간 처리가 가능해지는 이점이 있다. 또한 constant envelope 특성에 관계없이 안정되고 우수한 성능의 스마트 안테나를 제공할 수 있는 이점이 있다. 뿐만 아니라 많은 연산량이 발생하지 않으며 메모리의 크기를 줄일 수 있는 이점이 있다.As described above, when the algorithm according to the present invention is applied to the smart antenna, there is an advantage that the real-time processing is possible by improving the speed. In addition, there is an advantage to provide a stable and excellent smart antenna regardless of the constant envelope characteristics. In addition, it does not generate a lot of computation and has the advantage of reducing the size of the memory.

Claims

A method for processing a signal in an adaptive array processing unit of an adaptive array smart antenna device,

A first process of receiving an input signal received from array antennas and receiving the input signal a predetermined number of times to generate an input signal matrix;

A second process of calculating a transmission signal matrix that minimizes a cost function using a steering matrix given as an initial value and the input signal matrix;

A third process of calculating an adjustment matrix for minimizing the cost function using the calculated transmission signal matrix and the input signal matrix and then mapping the adjustment matrix onto a unit circle to set the mapped value; ,

A fourth process of normalizing the steering matrix and checking whether the steering matrix converges;

And a fifth process of demodulating the data into the calculated transmission signal matrix when the steering matrix converges.

The method of claim 1,

And if the steering matrix does not converge, repeating the second to third processes until the steering matrix converges.

When the steering matrix converges, a fifth process of demodulating data by calculating a weight from the steering matrix and recalculating a transmission signal matrix using the calculated value is performed. Signal processing method of the antenna.

The method of claim 3,

And if the steering matrix does not converge, repeating the second process to the third process until the steering matrix converges.

A second process of calculating a transmission signal matrix minimizing a cost function using a steering matrix given as an initial value and the input signal matrix and mapping the transmission signal matrix onto a unit circle;

A third process of calculating an adjustment matrix for minimizing the cost function using the mapped transmission signal matrix and the input signal matrix and then mapping the adjustment matrix onto a unit circle to set the mapped value as an adjustment matrix;

A fourth process of standardizing the set steering matrix and checking whether the steering matrix is converged;

The method of claim 5,

The method of claim 7, wherein

A first process of initially setting an adjustment matrix, a transmission signal matrix, and an input signal matrix to a preset initial value;

A second process of updating the input signal matrix as shown in Equation 26 when an input signal is received from the array antenna after the first process;

A third process of calculating a transmission signal matrix minimizing a cost function using the updated input signal matrix and the steering matrix as shown in Equation 27;

A fourth process of calculating an adjustment matrix for minimizing a cost function using the calculated transmission signal matrix and the input signal matrix as shown in Equation 28 below and normalizing and updating the adjustment matrix;

And a fifth process of demodulating the input data using the transmission signal matrix.

The method of claim 9, wherein in the third step,

And a sixth process of mapping the element of the calculated transmission signal matrix to the nearest unit circle when the transmission signal has a constant envelope characteristic. Signal processing method of the antenna.

The method of claim 9 or 10, wherein in the fourth process,

And performing normalization by mapping the calculated steering matrix onto the nearest unit circle.

A second process of updating the input signal matrix as shown in Equation 29 when an input signal is received from the array antenna after the first process;

A third process of calculating a transmission signal matrix minimizing a cost function using the updated input signal matrix and the steering matrix as shown in Equation 30 below;

A fourth process of calculating an adjustment matrix for minimizing a cost function by using the calculated transmission signal matrix and the input signal matrix as shown in Equation 31 below and normalizing and updating the adjustment matrix;

After the weight is calculated using the steering matrix, the transmission signal matrix is calculated using the steering matrix, and a fifth process of demodulating the data using the calculated transmission signal matrix is performed. Signal processing method of smart antenna.

The method of claim 12, wherein in the third process,

The method of claim 12 or 13, wherein in the fourth process,

A second process of updating the input signal matrix as shown in Equation 32 when an input signal is received from the array antenna after the first process;

A third process of calculating a transmission signal matrix for minimizing a cost function using the updated input signal matrix and the steering matrix as shown in Equation 33 below;

A fourth process of calculating a steering matrix for minimizing a cost function using the calculated transmission signal matrix and the input signal matrix as shown in Equation 34 below and normalizing and updating the steering matrix;

The method of claim 15, wherein in the third step,

Adaptive array smart in array smart antenna system, characterized in that the sixth step of mapping the element of the calculated transmission signal matrix to the nearest unit circle when the transmission signal has a constant envelope characteristic Signal processing method of the antenna.

The method of claim 15 or 16, wherein in the fourth process,

A second process of updating the input signal matrix as shown in Equation 35 when an input signal is received from the array antenna after the first process;

A third process of calculating a transmission signal matrix minimizing a cost function using the updated input signal matrix and the steering matrix as shown in Equation 36;

A fourth process of calculating an adjustment matrix for minimizing a cost function using the calculated transmission signal matrix and the input signal matrix as shown in Equation 37 and normalizing and updating the adjustment matrix;

The method of claim 18, wherein in the third step,

The method of claim 18 or 19, wherein in the fourth process,

A second process of updating the input signal matrix as shown in Equation 38 when an input signal is received from the array antenna after the first process;

A third process of calculating a transmission signal matrix minimizing a cost function using the updated input signal matrix and the steering matrix as shown in Equation 39 below;

A fourth process of calculating an adjustment matrix for minimizing a cost function using the calculated transmission signal matrix and the input signal matrix as shown in Equation 40 below, and standardizing and updating the adjustment matrix;

The method of claim 21, wherein in the third step,

The method of claim 21 or 22, wherein in the fourth process,

A second step of updating the input signal matrix as shown in Equation 41 when an input signal is received from the array antenna after the first step;

A third process of calculating a transmission signal matrix for minimizing a cost function using the updated input signal matrix and the steering matrix as shown in Equation 42 below;

A fourth process of calculating an adjustment matrix for minimizing a cost function by using the calculated transmission signal matrix and the input signal matrix as shown in Equation 43 and normalizing and updating the adjustment matrix;

The method of claim 24, wherein in the third step,

The method of claim 24 or 25, wherein in the fourth process,