KR100830499B1

KR100830499B1 - 스마트 안테나를 이용한 통신 시스템에서 가중치를추정하는 방법

Info

Publication number: KR100830499B1
Application number: KR1020020088007A
Authority: KR
Inventors: 임빈철
Original assignee: 엘지전자 주식회사
Priority date: 2002-12-31
Filing date: 2002-12-31
Publication date: 2008-05-21
Also published as: KR20040061717A

Abstract

본 발명은 통신 시스템에 관한 것으로. 특히 스마트 안테나를 이용한 통신 시스템에서 가중치를 추정하는 방법에 관한 것이다. 상기 스마트 안테나를 이용한 통신 시스템에서 가중치를 추정하는 방법은 수신된 신호를 원하는 신호의 제1 성분과, 간섭 및 잡음 신호의 제2 성분으로 분리하고, 허미션(Hermitian) 특성과, 토에플리치(Toeplitz) 특성을 갖는 자기 상관 행렬들의 추정을 위해 상기 추정된 엘리먼트들을 배치하여 상기 자기 상관 행렬들을 추정하고, 상기 추정된 자기 상관 행렬들을 이용하여 수신 신호 대 간섭 및 잡음 신호 전력비를 최대로 하는 가중치를 추정한다.

가중치 벡터

Description

스마트 안테나를 이용한 통신 시스템에서 가중치를 추정하는 방법{Method of estimating a weight vector in a communication system having a smart antenna}

도 1은 본 발명에서 이용되는 스마트 안테나를 채용한 수신기의 일 예를 나타낸 블록 다이어그램이다.

도 2는 본 발명의 바람직한 일 실시예에 따른 가중치 벡터를 갱신하는 절차를 나타낸 플로우 차트.

도 3은 본 발명의 바람직한 다른 실시예에 따른 가중치 벡터를 갱신하는 절차를 나타낸 플로우 차트.

본 발명은 통신 시스템에 관한 것으로. 특히 스마트 안테나를 이용한 통신 시스템에서 가중치를 추정하는 방법에 관한 것이다.

일반적으로, 스마트 안테나의 가중치를 구하기 위해서는 신호 전력 대 잡음 신호 전력비를 최대화하는 기법이 많이 사용된다. 상기 가중치를 계산하기 위해서 그래디언트(gradient)를 구하는 과정에서 입력 신호의 상관 행렬이 필요하다. 등간격으로 배치된 배열 안테나의 상관 행렬은 허미션(Hermitian)이면서, 토에플리츠(Toeplitz) 특성을 갖는다. 상기 허미션 특성은 그러나, 종래 기술에서는 이용되는 상관 행렬은 허미션 특성만 만족하고, 상기 토에플리츠 특성을 만족하지는 않는다.

시간의 흐름에 따라 가변하는 무선 채널의 통신 환경에 따라 스마트 안테나의 가중치를 구하는 적응 알고리즘 방법은 LMS(Least Mean Square), RLS, MSINR(Maximum Signal to Interference and Noise Ratio), CMA(Constant Modulus Algorithm) 등 많은 알고리즘들이 제안된 바 있으나, 이들 방법들을 두 그룹으로 구분하자면, 학습 데이터가 있는 알고리즘과, 학습 데이터가 없는 알고리즘이 있다. LMS와 RLS가 전자에 속하는 알고리즘들이며, 나머지는 후자에 속하는 알고리즘들이다.

학습 데이터가 필요한 알고리즘은 결과 신호와 원하는 신호를 비교하여 그 오차의 평균 자승(mean square)을 줄이도록 가중치를 학습시킨다. LMS는 가중치의 갱신량을 오차와 수신 신호의 곱으로 구성한다. 이 LMS 방법은 계산량이 적어서 구현이 용이하다. RLS는 상관 행렬의 역행렬을 갱신함에 있어서 행렬 변환 보조 정리(Matrix Inversion Lemma)를 이용하여 역행렬의 직접적인 계산을 없앤 방법이다.

학습 데이터가 필요한 알고리즘에서 MSINR은 결과 신호의 SINR을 최대화하도록 가중치를 구하는 표준으로써 여러 가지 기법들이 제안되었다. CMA는 디지털 통신 시스템의 경우에 이진 신호를 송신하므로 송신 신호의 크기는 항상 일정하다는 특성을 이용한 방법이다. LMS와 비슷한 학습식을 갖는다.

학습 데이터가 필요한 방법들은 별도의 학습 데이터 채널을 송신하거나, 트래픽 채널의 일부분을 학습 데이터로 할당해야 하는 통신 자원의 낭비를 가져온다.

CDMA 시스템에서는 파일럿 채널이 필수적이기 때문에 이 채널을 학습 데이터로 이용하는데, 파일럿 채널은 값이 1 뿐이기 때문에 학습 데이터로는 부족한 면이 있다.

LMS는 계산량이 작아서 구현이 용이하나 수렴속도가 느리다는 약점이 있는 반면에, RLS는 계산량은 많지만 수렴속도가 빠르다는 장점이 있다.

CMA의 경우에는 원하는 신호가 이진 신호일 경우에는 양호한 성능을 보이지만, 8PSK나 16QAM 등의 신호에는 적용할 수가 없다. 즉, 신호의 constellation이 좌우된다.

상기 LMS, RLS, CMA, MSINR 등의 방법들은 일반화된 고유치 문제(generalized eigenvalue problem)를 푸는 것으로 귀결된다. 이때, 사용되는 상관 행렬을 추정함에 있어서, 종래의 방법은 허미션 형태만을 만족하도록 하고 있으나, 등간격으로 배치된 배열 안테나 시스템의 경우에는 토에플리츠 특성도 갖고 있어야 하므로, 상관 행렬의 추정이 제대로 이루어진다고 볼 수 없다. 이러한 허미션 형태만을 갖는 상관 행렬에 근거하는 'Power method', 'Adaptive matrix inverse Lagrange method' 등을 이용하여 일반화된 고유 벡터를 구하도록 하면, 가중치의 학습 과정에서 원하는 방향으로의 학습이 이루어지지 않게 된다.

이상에서 언급한 종래 기술의 문제점을 감안하여 안출한 것으로서, 본 발명 의 목적은 가중치를 갱신하는 방법을 제공하기 위한 것이다.

본 발명의 다른 목적은, 계산량이 적은 가중치를 갱신하는 방법을 제공하기 위한 것이다.

본 발명의 또 다른 목적은 자기 상관 행렬을 이용하는 수렴속도를 단축시킬 수 있는 가중치를 갱신하는 방법을 제공하기 위한 것이다.

이상과 같은 목적을 달성하기 위한 본 발명의 일 특징에 따르면, 스마트 안테나를 이용한 통신 시스템에서 가중치를 추정하는 방법은 수신된 신호를 원하는 신호의 제1 성분과, 간섭 및 잡음 신호의 제2 성분으로 분리하는 단계, 허미션(Hermitian) 특성과, 토에플리치(Toeplitz) 특성을 갖는 자기 상관 행렬들의 추정을 위해 상기 추정된 엘리먼트들을 배치하여 상기 자기 상관 행렬들을 추정하는 단계, 상기 추정된 자기 상관 행렬들을 이용하여 수신 신호 대 간섭 및 잡음 신호 전력비를 최대로 하는 가중치를 추정하는 단계를 포함하여 이루어진다.

바람직하게, 상기 가중치를 추정하는 단계에서, 상기 추정되는 자기 상관 행렬들을 데이터 샘플링 간격 또는 일정 시간 동안 누적하여 이용한다.

바람직하게, 상기 가중치를 추정하는 단계에서, 상기 추정된 가중치에 해당 안테나 엘리먼트의 안테나 이득을 적용한다.

이하 본 발명의 바람직한 일 실시 예에 따른 구성 및 작용을 첨부된 도면을 참조하여 설명한다.

설명의 편의를 위해서 다음의 변수를 정의한다.

s(k) : 송신 신호

N : 안테나 엘리먼트의 개수

v(k) ∈C^N

A : 무선 채널 계수와 안테나 이득을 포함한 벡터

x(k) : As(k)+v(k)

w(k) = 스마트 안테나 가중치 벡터

y(k) = WH(k)x(k) = W^H(k)As(k) + W^H(k)v(k) : 결과 신호

도 1을 참조하면, 다수의 안테나 엘리먼트들을 통하여 수신된 신호 벡터들에 가중치를 적용하는 가중치 적용부(10), 상기 가중치 적용부(10)의 출력 신호들을 모두 더하여 하나의 신호로써 출력하는 덧셈기(20), 수신 신호 벡터들, 상기 덧셈기(20)의 출력 신호, 및 목표값(d)을 이용하여 상기 가중치를 갱신하는 가중치 추정부(30)를 포함하여 구성된다.

상기 가중치 추정부(30)의 가중치 갱신은 다음 도 2 및 도 3을 이용하여 자세히 설명하기로 한다.

도 2는 본 발명의 바람직한 일 실시예에 따른 가중치 벡터를 갱신하는 절차를 나타낸 플로우 차트이다.

도 2를 참조하면, 초기치 가중치 벡터가 w(0)이라고 가정한다.(S10) 그리고, 새로 수신된 신호 벡터가 x(k)라고 가정한다.(S11) 상기 수신 신호 벡터 x(k)를 x_s(k)(=As(k))와 x_v(k)(=v(k))으로 분리한다.(S12) 예를 들어, CDMA(code division multiple access) 시스템에서는, 상기 수신 신호 벡터 x(k)는 역확산 전 신호를 x_v(k)(=v(k))로 간주하고, 역확산 한 후의 신호를 x_s(k)(=As(k))로 간주하는 코드 필터링 기법을 이용할 수 있다.

상기 분리된 x_s(k)(=As(k))와 x_v(k)(=v(k))를 이용하여 다음 수학식 1 및 수학식 2와 같이 각각의 자기 상관 행렬을 구한다.(S13)

상기

,

는 각각 다음 수학식 3과 수학식 4와 같다.

=

=

상기 수학식 3 및 수학식 4에서

및

은 각각 다음 수학식 5와 수학식 6과 같다.

=

상기 수학식 1 내지 수학식 6의 계산에 의해 상기 자기 상관 행렬들

와

은 허미션(Hermitian)과 토에플리츠(Toeplitz) 형태를 갖게 하는 특징이다.

따라서, 결과 신호 y(k)의 SINR(Singal Interference Noise Ratio)(

(k)=

)을 최대화하기 위해서

에 대한 그래디언트 g(k)를 계산한다. (S14)

상기 g(k)는 다음 수학식 7과 같다.

g(k)=

상기 가중치 추정부(30)에 의한 가중치 벡터 w(k)는 다음 수학식 8과 같이 갱신한다.

w(k+1)=w(k)+μg(k)

상기 수학식 8에서 μ는 갱신량을 조절하는 학습 계수이다.

만일, x_s(k)(=As(k))의 계수 A를 추정할 수 있다면, CDMA 시스템에서 파일럿 채널을 이용하여 A를 추정가능하다, 다음 수학식 9의 제한된 갱신 식을 얻을 수 있다. (S15)

상기 P는 다음 수학식 10으로 정의된다.

상기 수학식 10에서,

를 만족한다. 상기 I는 항등 행렬을 지시한다.

도 3은 본 발명의 바람직한 다른 실시예에 따른 가중치 벡터를 갱신하는 절 차를 나타낸 플로우 차트이다.

본 발명의 다른 실시예에서, 상기 가중치 추정부(30)는 데이터가 입력될 때마다 가중치를 갱신하는 것이 아니라, 일정 시간(예를 들어, 1 슬롯이나 1 프레임)동안 수신된 신호를 모두 모아 한 번에 자기 상관 행렬들을 계산하고, 이 자기 상관 행렬들을 바탕으로 갱신식을 수회 반복하여 가중치를 갱신한다.

도 3을 참조하면, 먼저 k가 1일 때, 가중치 w(1)를 가정한다.(S20). 그리고, 새로 수신된 신호 벡터가 x(k)라고 가정한다.(S21) 상기 수신 신호 벡터 x(k)를 x_s(k)(=As(k))와 x_v(k)(=v(k))으로 분리한다.(S22) 예를 들어, CDMA(code division multiple access) 시스템에서는, 상기 수신 신호 벡터 x(k)는 역확산 전 신호를 x_v(k)(=v(k))로 간주하고, 역확산 한 후의 신호를 x_s(k)(=As(k))로 간주하는 코드 필터링 기법을 이용할 수 있다.

상기 분리된 x_s(k)(=As(k))와 x_v(k)(=v(k))를 이용하여 상기 수학식 1 및 수학식 2와 같이 각각의 자기 상관 행렬을 구한다.(S23) 이때, 'k mod L'이 0이 될 때까지 상기 S21 내지 S23 단계를 반복 수행한다. (S24) 'mod'는 k를 L로 나누었을 때의 나머지를 출력한다.

따라서, 결과 신호 y(k)의 SINR(Singal Interference Noise Ratio)(

=

)을 최대화하기 위해서

에 대한 그래디 언트 g를 계산한다. (S26)

상기 g는 다음 수학식 11과 같다.

g=

상기 가중치 추정부(30)에 의한 가중치 벡터 w는 다음 수학식 12와 같이 갱신한다.

w = w+μg

상기 수학식 12에서 μ는 갱신량을 조절하는 학습 계수이다.

만일, x_s(=As)의 계수 A(무선 채널 계수와 안테나 이득을 포함한 벡터)를 추정할 수 있다면, CDMA 시스템에서 파일럿 채널을 이용하여 A를 추정 가능하다, 다음 수학식 13의 제한된 갱신 식을 얻을 수 있다. (S26)

상기 P는 상기 수학식 10과 동일하게 정의된다.

이상의 설명에서와 같이 본 발명은 자기 상관 행렬이 허미션과 토에플리츠 형태를 갖도록 추정함으로써 자기 상관 행렬을 이용하는 그래디언트가 트루 그래디언트(true gradient)에 가깝도록 하여 알고리즘의 수렴속도를 단축시킬 수 있는 효과가 있다.

또한,

를 만족하도록 함으로써 가중치 갱신 식이 수많은 솔루션(solution) 사이를 드리프트하지 않도록 하는 효과가 있다.

MSINR 문제를 일반화된 고유치 문제로 바꾸지 않아 역행렬을 구할 필요가 없다. 상기 역행렬을 구하기 위해 많은 계산량이 필요하므로, 이 계산량을 줄이는 효과가 있다.

자기 상관 행렬을 허미션과 토에플리츠 형태로 추정하기 때문에 자기 상관 행렬의 모든 성분을 알 필요 없이 첫 번째 컬럼이나 로우만 계산하면 되므로 계산량과 저장장치의 크기가 줄어드는 효과가 있다.

이상 설명한 내용을 통해 당업자라면 본 발명의 기술 사상을 일탈하지 아니하는 범위에서 다양한 변경 및 수정이 가능함을 알 수 있을 것이다.

따라서, 본 발명의 기술적 범위는 실시예에 기재된 내용으로 한정하는 것이 아니라 특허청구범위에 의해서 정해져야 한다.

Claims

수신된 신호를 원하는 신호의 제1 성분과, 간섭 및 잡음 신호의 제2 성분으로 분리하는 단계;

상기 분리된 제1성분과 제2성분에 따른 엘리먼트들을 각각의 대각선 상에서 모든 요소들의 값이 같고 허미션(Hermitian) 대칭인 토에플리치(Toeplitz) 행렬이 되도록 배치하여 자기 상관 행렬들을 추정하는 단계; 및

상기 추정된 자기 상관 행렬들을 이용하여 수신 신호 대 간섭 및 잡음 신호 전력비를 최대로 하는 가중치를 추정하는 단계를 포함하여 이루어지는 것을 특징으로 하는 스마트 안테나를 이용한 통신 시스템에서 가중치를 추정하는 방법.
제 1 항에 있어서, 상기 가중치를 추정하는 단계에서,

상기 추정되는 자기 상관 행렬들을 데이터 샘플링 간격 또는 일정 시간 동안 누적하여 이용하는 것을 특징으로 하는 스마트 안테나를 이용한 통신 시스템에서 가중치를 추정하는 방법.
제 1 항에 있어서, 상기 가중치를 추정하는 단계에서,

상기 추정된 가중치에 무선채널 계수와 해당 안테나 엘리먼트의 안테나 이득을 적용하는 것을 특징으로 하는 스마트 안테나를 이용한 통신 시스템에서 가중치를 추정하는 방법.