KR100474291B1

KR100474291B1 - Update method for beamforming weight vector of rake receiver

Info

Publication number: KR100474291B1
Application number: KR10-2002-0033800A
Authority: KR
Inventors: 김상준
Original assignee: 엘지전자 주식회사
Priority date: 2002-06-17
Filing date: 2002-06-17
Publication date: 2005-03-10
Also published as: CN1266861C; CN1467941A; KR20030096782A

Abstract

본 발명은 스마트 안테나 기술을 채택한 빔포머 구조를 가지는 2차원 레이크 수신기에서 빔포밍 웨이트 벡터를 구하여 업데이트하는 기술에 관한 것이다. 이러한 본 발명은, 웨이트 벡터의 초기치를 추정하는 제1과정과; 상기 추정된 초기치를 이용하여 벡터와 스칼라를 계산하는 제2과정과; 상기 계산된 벡터와 스칼라를 이용하여 미분 탐색접근으로 웨이트 벡터를 업데이트 및 표준화 처리하는 제3과정에 의해 달성된다.The present invention relates to a technique for obtaining and updating a beamforming weight vector in a two-dimensional rake receiver having a beamformer structure employing smart antenna technology. The present invention includes a first step of estimating an initial value of a weight vector; Calculating a vector and a scalar using the estimated initial value; A third process of updating and normalizing a weight vector using a differential search approach using the calculated vector and scalar is achieved.

Description

UPDATE METHOD FOR BEAMFORMING WEIGHT VECTOR OF RAKE RECEIVER}

본 발명은 스마트 안테나 기술을 채택한 빔포머 구조를 가지는 2차원 레이크 수신기의 빔포밍 웨이트 벡터를 계산하는 블라인드 알고리즘에 관한 것으로, 특히 스마트 안테나들에 의한 업링크 빔포밍 기술에 바탕을 둔 기지국 시스템에 적합한 빔포밍 웨이트 벡터(beamforming weight vector)를 구하여 업데이트할 수 있도록 한 레이크 수신기의 빔포밍 웨이트 벡터 업데이트 방법에 관한 것이다. The present invention relates to a blind algorithm for calculating a beamforming weight vector of a two-dimensional rake receiver having a beamformer structure employing smart antenna technology, and is particularly suitable for a base station system based on uplink beamforming technology by smart antennas. A beamforming weight vector updating method of a rake receiver capable of obtaining and updating a beamforming weight vector.

최근 들어, 무선통신 시스템에서 가입자의 급속한 증가로 인하여 기지국의 용량이 포화 상태에 이르고 있으며, 무선 이동 서비스의 요구가 증대되고 있는 실정에 있다. 이의 대응 방법으로써, 다중 안테나를 사용하는 빔포밍 기술을 사용하면 다중 사용자 간섭(multiuser interference)에 의한 MAI(MAI: Multiple Access Interference)를 효과적으로 줄일 수 있어 기지국 시스템의 용량뿐만 아니라 셀의 커버리지도 확대할 수 있다. 하지만, 이러한 스마트 안테나 기술이 WCDMA 또는 CDMA-2000 업링크 수신기에 적용되면 빔포머를 위한 웨이트 벡터를 계산해 주어야 한다.Recently, due to the rapid increase of subscribers in the wireless communication system, the capacity of the base station is approaching saturation, and the demand for wireless mobile service is increasing. As a countermeasure, the beamforming technique using multiple antennas can effectively reduce the multiple access interference (MAI) caused by the multiuser interference, thereby increasing the coverage of the cell as well as the capacity of the base station system. Can be. However, when such smart antenna technology is applied to a WCDMA or CDMA-2000 uplink receiver, a weight vector for a beamformer needs to be calculated.

기지국에서 선택된 안테나 어레이 출력신호들을 최적으로 결합하는 동작을 빔포밍 또는 스페이셜 필터링이라고 한다. 이렇게 적응 안테나 또는 안테나 어레이 출력들을 최적으로 결합하여 멀티패스 페이딩의 효과를 줄이고, 스페이셜 디멘션을 이용하여 동일 채널 간섭(Co-channel Interference)을 억제하게 된다. 안테나 어레이 출력들을 최적의 상태로 결합하기 위해서는 웨이트 벡터들을 계산하는 적응형 신호 처리부를 필요로 한다. The operation of optimally combining the antenna array output signals selected by the base station is called beamforming or spatial filtering. The optimal combination of adaptive antenna or antenna array outputs reduces the effects of multipath fading and suppresses co-channel interference using spatial dimensions. In order to optimally combine the antenna array outputs, an adaptive signal processor for calculating the weight vectors is required.

상기 웨이트 벡터를 계산하기 위한 빔포밍 알고리즘으로서 방향 탐지 기반의 빔포밍(Direction-Finding based Beamforming), 트레이닝 시퀀스 기반의 빔포밍(Training sequence based Beamforming), 블라인드 빔포밍(Blind Beamforming)을 들 수 있다.The beamforming algorithm for calculating the weight vector may include direction-finding based beamforming, training sequence based beamforming, and blind beamforming.

상기 방향 탐지 기반의 빔포밍 기술은 신호의 입사방향을 감지하는 알고리즘을 사용하여 방향을 탐색한 후 빔포밍을 수행하는데 정확한 어레이 교정(array calibration)이 필수적이고 무선 이동통신 시스템으로의 응용이 매우 제한적이다. 또한, 상기 트레이닝 시퀀스 기반의 빔포밍 기술은 미리 알고 있는 신호를 바탕으로 빔 패턴을 결정한다. 즉, 웨이트 벡터 예측을 위해 기준 신호나 트레이닝 신호가 필요하다. The direction detection-based beamforming technology uses an algorithm that detects the direction of incidence of a signal to perform a beamforming after the direction is searched, and accurate array calibration is essential and its application to a wireless mobile communication system is very limited. to be. In addition, the beamforming technique based on the training sequence determines a beam pattern based on a signal known in advance. That is, a reference signal or a training signal is required for weight vector prediction.

종래 기술에 의한 빔포밍 웨이트 벡터 계산 방법에 있어서는 SINR(SINR: Signal to Interference pulse Noise Ratio) 대신에 SNR(SNR: Signal to Noise Ratio)을 최대화하는 최적화 기준을 사용하여 적응형 빔 형성 알고리즘을 개발하였다.In the beamforming weight vector calculation method according to the prior art, an adaptive beamforming algorithm was developed using an optimization criterion for maximizing signal to noise ratio (SNR) instead of signal to interference pulse noise ratio (SINR). .

종래 기술에 의한 또 다른 빔포밍 웨이트 벡터 계산 방법에 있어서는 자기상관 매트릭스(Autocorrelation Matrix)의 반전(inversion)을 필요로 하는 알고리즘을 기반으로 하고 있다. Another beamforming weight vector calculation method according to the prior art is based on an algorithm requiring an inversion of an autocorrelation matrix.

그러나, 종래 기술에 의한 전자의 빔포밍 웨이트 벡터 계산 방법에 있어서는 SINR 대신에 SNR을 최대화하는 최적화 기준을 사용하고 있기 때문에 아주 높은 전력으로 입사되는 다른 단말기의 간섭신호를 적절히 제거할 수 없는 결함이 있었다. 또한, 종래 기술에 의한 후자의 빔포밍 웨이트 벡터 계산 방법에 있어서는 웨이트 벡터를 업데이트하는 방정식을 유도하는 부분에서 근사 함수로 가정하고 있기 때문에 전체적인 성능에 악영향을 미칠 수 있는 결함이 있었다. However, the conventional beamforming weight vector calculation method of the prior art uses a criterion for maximizing the SNR instead of the SINR, and thus there is a defect in that it is not possible to properly remove the interference signal of another terminal that is incident at a very high power. . In addition, in the latter beamforming weight vector calculation method according to the prior art, since it is assumed as an approximation function in deriving an equation for updating the weight vector, there is a defect that may adversely affect the overall performance.

따라서, 본 발명의 목적은 WCDMA 또는 CDMA-2000 스마트 안테나 시스템에서 SINR을 최대화시키도록 하는 퍼포먼스 표준을 사용하여 미분 탐색 접근(Gradient search approach) 방식으로 빔포밍 웨이트 벡터를 계산하여 적응 빔을 형성하는 레이크 수신기의 빔포밍 웨이트 벡터 업데이트 방법을 제공함에 있다. Accordingly, an object of the present invention is to use a performance standard to maximize SINR in a WCDMA or CDMA-2000 smart antenna system using a performance standard to calculate a beamforming weight vector using a differential search approach to form a rake. A beamforming weight vector update method of a receiver is provided.

본 발명에 의한 레이크 수신기의 빔포밍 웨이트 벡터 업데이트 방법은, 초기 추정치로서 다음 값을 사용하는 제1과정과;A beamforming weight vector updating method of a rake receiver according to the present invention includes: a first step of using a next value as an initial estimate;

여기서, 은 역확산(despreading)과 채널라이제이션(dechannelization)된 m번째 심볼 데이터(symbol data)로 구성된 벡터이다. 즉, , 는 p번째 안테나의 역확산과 디채널라이제이션된 심볼 데이터이다. 는 의 초기치이다. 어퍼 인덱스(upper Index) T는 트랜스포즈(transpose)를 나타낸다. 는 역확산되기 전의 수신 신호의 벡터로서, 이고, 는 p번째 안테나의 수신 신호이다. 그리고, 빔포밍 웨이트 벡터는 다음과 같다. here, Is a vector consisting of m-th symbol data despreading and dechannelized. In other words, , Is the despread and dechannelized symbol data of the p-th antenna. Is Is the initial value of. Upper Index T stands for transpose. Is the vector of the received signal before despreading, ego, Is the received signal of the p-th antenna. The beamforming weight vector is as follows.

새로운 입력신호 벡터를 사용하여 다음과 같이 벡터나 스칼라를 계산하는 제2과정과;A second process of calculating a vector or a scalar using a new input signal vector as follows;

웨이트 벡터를 다음과 같이 업데이트하고 표준화 처리하는 제3과정으로 이루어지는 것으로,It consists of a third process of updating and standardizing the weight vector as follows:

이와 같은 본 발명의 작용을 첨부한 도 1을 참조하여 상세히 설명하면 다음과 같다.When described in detail with reference to Figure 1 attached to the operation of the present invention as follows.

빔포머의 가중치를 구하는 문제를 라그랑주 곱셈기(Lagrange multiplier)를 사용하여 SINR을 최대화하는 다음의 코스트 함수(cost function)로 공식화할 수 있다.Beamformer Weight Can be formulated as the following cost function that maximizes the SINR using a Lagrange multiplier.

여기서, 는 실수이다. H는 복소 공액 전치(Complex Conjugate Transpose)를 의미한다. 인덱스 k,p는 k번째 사용자 단말기의 p번째 다중신호를 의미한다. 는 바람직한 신호(s) 즉, k번째 사용자 단말기의 p번째 다중신호의 자기공분산 행렬(autocovariance matrix)이고, 는 다른 모든 간섭(interference)신호와 노이즈 합(u)의 자기공분산 매트릭스이다.here, Is a mistake. H stands for Complex Conjugate Transpose. The indexes k and p refer to the p th multiple signals of the k th user terminal. Is the autocovariance matrix of the preferred signal s, i.e., the p-th multiplex of the k-th user terminal, Is a self-covariance matrix of all other interference signals and noise sums u.

여기서, N은 안테나의 개수이다. 따라서, 빔포머의 가중치 에 대해 의 제약(constraint)을 두어 다음의 [수학식3]과 같이 일반화된 고유치 문제로 풀 수 있다.Where N is the number of antennas. Thus, the weight of the beamformer About The constraint of can be solved by generalized eigenvalue problem as shown in [Equation 3].

상기 에 관해서 코스트 함수의 미분(gradient)을 취하면 다음의 [수학식4]와 같은 식이 도출된다.remind By taking the gradient of the cost function with respect to Eq. (4),

여기서, 인덱스 "m"은 n번째 스냅샷(snapshot)을 의미하고, "*"는 복소 공액을 의미한다. 웨이트 벡터는 미분 탐색 접근에 의해 다음의 [수학식5]와 같이 업데이트된다. Here, the index "m" refers to the nth snapshot and the "*" means complex conjugate. The weight vector is updated as shown in Equation 5 by the differential search approach.

여기서, 는 스텝 사이즈이다. 그리고, 공분산 행렬(covariance matrix)은 다음의 [수학식6],[수학식7]과 같이 구해진다.here, Is the step size. The covariance matrix is obtained as shown in Equations 6 and 7 below.

여기서, 는 망각 인수(forgetting factor)이다.here, Is the forgetting factor.

그리고, 웨이트 벡터는 다음의 [수학식9]와 같이 표준화 처리된다. The weight vector is normalized as shown in Equation 9 below.

공분산 행렬들의 표현들을 활용함으로써, BGSA(BGSA: Blind Gradient Search Approach)의 계산량을 감소시킬 수 있는 표준화된 적응형 블라인드 알고리즘을 다음의 [수학식10]과 같이 유도한다. By utilizing the representations of the covariance matrices, a standardized adaptive blind algorithm that can reduce the computation of BGSA (Blind Gradient Search Approach) is derived as shown in Equation 10 below.

상기 [수학식10]에서 을 다음의 [수학식11]로 표현할 수 있다.In [Equation 10] above Can be expressed by Equation 11 below.

또한, 상기 [수학식11]에서 을 다음의 [수학식12]로 표현할 수 있다.In addition, in [Equation 11] Can be expressed by Equation 12 below.

상기 [수학식12]에서 을 다음의 [수학식13]으로 표현할 수 있다.In [Equation 12] Can be expressed by the following [Equation 13].

이와 동일한 방법으로, 을 다음의 [수학식14]로 표현할 수 있다.In the same way, Can be expressed by Equation 14 below.

또한, 상기 [수학식14]에서 을 다음의 [수학식15]로 표현할 수 있다.In addition, in [Equation 14] Can be expressed by Equation 15 below.

한편, 웨이트 벡터의 업데이트 방정식을 다음의 [수학식16]을 이용하여 구할 수 있다.Meanwhile, the update equation of the weight vector can be obtained using Equation 16 below.

상기 [수학식16]에서 을 다음의 [수학식17]로 표현할 수 있다.In [Equation 16] above Can be expressed by Equation 17 below.

상기 을 다시 표현하면 다음의 [수학식18]과 같이 된다.remind Is expressed as Equation 18 below.

상기을 다음의 [수학식19]로 표현할 수 있다.remind Can be expressed by Equation 19 below.

여기서, 초기값 로 표현된다.Where initial value It is expressed as

동일한 방식으로 을 다음의 [수학식20]으로 표현할 수 있다.In the same way Can be expressed by Equation 20 below.

여기서, 초기값 로 표현된다.Where initial value It is expressed as

따라서, 은 다음의 [수학식21]로 표현할 수 있다.therefore, Can be expressed by the following Equation 21.

결국, 본 발명에 의한 LBGSA(LBGSA: Linearized Blind Gradient Search Approach)를 다음과 같이 요약할 수 있다.As a result, LBGSA (Linearized Blind Gradient Search Approach) according to the present invention can be summarized as follows.

첫 번째 단계에서는 LBGSA를 위한 초기 추정치(initial guess)로서 다음의 [수학식22]-[수학식27]의 값들을 사용하여 SINR이 최대가 되도록 웨이트 벡터의 초기치를 추정한다.(S1)In the first step, as an initial guess for the LBGSA, the initial value of the weight vector is estimated to maximize the SINR by using the values of Equations 22-27 below (S1).

두 번째 단계에서는 상기추정된 초기치를 이용하여 다음과 같이 벡터나 스칼라들을 계산한다.(S2)In the second step, the vector or scalars are calculated as follows using the estimated initial value (S2).

세 번째 단계에서는 상기 과정을 통해 구한 벡터와 스칼라를 이용하여 미분 탐색접근으로 웨이트 벡터를 다음과 같이 업데이트하고 표준화 처리한다.(S3)In the third step, the weight vector is updated and normalized as follows using a differential search approach using the vector and the scalar obtained through the above process (S3).

상기 [수학식36]에서 분모의 는 벡터의 놈 오퍼레이션(norm operation)으로, 단순히 크기를 나타내는 절대치가 아니다. 즉, 상기 는 벡터 w의 가장 큰 싱귤러(singular) 값을 나타내는 심볼로서, 행 벡터 w에 대해 ||w|| = max(svd(w))= 로 표현된다. 여기서, "svd"는 비정칙치분해(SVD: Singular Value Decomposition)를 의미하고, "max"는 최대치를 의미하며, ""는 행 벡터 w의 공액 복소 전치를 의미한다. Of denominator in [Equation 36] Is the norm operation of the vector, not simply an absolute value of magnitude. That is Is the symbol representing the largest singular value of the vector w. For the row vector w, || w || max (svd (w)) = It is expressed as Here, "svd" means Singular Value Decomposition (SVD), "max" means maximum value, and " "Means the conjugate complex transpose of the row vector w.

이후, 적응형 업데이트 절차가 계속되는 경우 상기 두 번째 단계로 복귀하여 상기의 과정을 반복 수행하게 된다.참고로, 상기 설명에서 벡터 노테이션(notation)은 와 의 예와 같이 볼드(Bold)체로 표기하였고, 스칼라(scalar)는 처럼 볼드체로 표기하지 않는 방식으로 이들을 구분하여 표시한 것을 알 수 있다.예를 들어, 상기 [수학식8]의 우변을 계산해 보면 스칼라 값이 나온다. 왜냐하면, 분자에 있는 벡터 w는 P×1 벡터이고, 매트릭스 R은 P×P이므로 분자의 최종 계산 결과는 스칼라이며, 분모의 최종 계산 결과도 마찬가지로 스칼라이다. 따라서, 스칼라/스칼라 = 스칼라가 된다.Thereafter, if the adaptive update procedure continues, the process returns to the second step and repeats the above process. For reference, in the above description, the vector notation is Wow As shown in the example in bold (Bold), scalar (scalar) is It can be seen that they are divided and displayed in such a manner as not to be indicated in bold. For example, when the right side of Equation 8 is calculated, a scalar value is obtained. Because the vector w in the molecule is a P × 1 vector and the matrix R is P × P, the final calculation of the molecule is a scalar, and the final calculation of the denominator is also a scalar. Thus, scalar / scalar = scalar.

이상에서 상세히 설명한 바와 같이 본 발명은 WCDMA 또는 CDMA-2000 스마트 안테나 시스템에서 SINR을 최대화시키도록 하는 퍼포먼스 표준을 사용하여 미분 탐색 접근 방식으로 빔포밍 웨이트 벡터를 계산하여 적응 빔을 형성함으로써, 다른 사용자 단말기의 간섭을 줄일 수 있어 기지국 시스템의 용량과 셀의 커버리지도 확대할 수 있는 효과가 있고, 고속의 데이터 서비스가 가능하게 되는 이점이 있다.또한, 적응신호 알고리즘에서 가중치 벡터를 구하는데 중요한 파라미터인 람다를 갱신할 때마다 이전에 구한 람다에 가중치를 부여하는 방식을 취함으로써, 적은 계산량으로 안정적으로 수렴되는 효과가 있다.As described in detail above, the present invention forms an adaptive beam by calculating a beamforming weight vector using a differential search approach using a performance standard for maximizing SINR in a WCDMA or CDMA-2000 smart antenna system. It is possible to reduce the interference of the base station system, thereby increasing the capacity of the base station system and the coverage of the cell, and to enable high-speed data service. Also, lambda is an important parameter for obtaining the weight vector in the adaptive signal algorithm. Each time we update, by weighting the previously obtained lambda, it is possible to stably converge with a small amount of computation.

삭제delete

도 1은 본 발명에 의한 웨이트 벡터 업데이트 방법의 처리과정을 나타낸 신호 흐름도.1 is a signal flow diagram illustrating a process of a weight vector update method according to the present invention.

***도면의 주요 부분에 대한 부호의 설명*** *** Description of the symbols for the main parts of the drawings ***

S1-S3 : 제1-3단계S1-S3: Steps 1-3

Claims

Estimating an initial value of the weight vector; Calculating a vector and a scalar using the estimated initial value; When the weight vector is updated by using the calculated vector and the scalar, the weight vector is updated by weighting the lambda previously obtained and normalized. The beamforming weight vector update method of the rake receiver, characterized in that the third process to obtain the equation as shown in [Equation 8].

[Equation 8]

The method of claim 1, wherein the SINR is maximized when the initial value is estimated.

3. The method of claim 2, wherein the next cost function is set such that the SINR is maximum.

here, Is real number, H is complex conjugate transposition, index k, p is p-th multisignal of k-th user terminal, Is the autocovariance matrix of the p-th multiplex signal of the k-th user terminal, Is a self-covariance matrix of the sum of noise and all other interference signals.

4. The method of claim 2, wherein a Lagrange multiplier is used to maximize the SINR.

2. The method of claim 1, wherein the weight vector is updated by the differential search approach as shown in Equation 5 below.

[Equation 5]

here, Step size

6. The method according to claim 5, wherein the covariance matrix is obtained as in Equations 6 and 7 below.

[Equation 6]

[Equation 7]

here, Oblivion factor