论文部分内容阅读
摘 要：本文考虑将具有空间分隔特性的智能天线用于认知无线电系统的下行链路，并比较了LMS及改进算法以及SMI-LSCMA算法，使SU 能够更加灵活地利用频谱和空间资源，在不干扰PU的情况下共享信道。此外，还对基于智能天线的认知无线电系统的波速成形理论做了对比分析。结果表明：加入了智能天线的认知无线电，对于波束成形理论更有优势，基于智能天线的认知无线电系统能获得更多的传输机会，吞吐量有较大提升，且PU越活跃，吞吐量提升倍数越高。
关键词：波束成形算法；智能天线；认知无线电
随着不断优化的无线通信技术的高速发展，可利用的无线频谱资源也日益减少，鉴于这种资源的不可再生性，促使越来越多的开发者想到更优化的利用方式。传统的的频段的分配方式是将频段分配给固定的用户，但这种方式的不科学在于某些频段的利用率极低，严重的导致的频段资源的使用不平衡。这种方式也不能适应高速发展的无线电技术。基于这些原因，认知无线电（cognitive radio，CR）应运而生。主要原理为设定主用户（primary user，PU）和次用户（secondary user，SU），次用户是非授权用户，能够感知到空间中的空闲信道，当主用户不占用信道时，次用户在对主用户不造成干扰的情况下对其空闲的注册信道进行信息传输。认知无线电是一种智能软化无线电，其具有频谱感知能力。当周围电磁环境存在频谱空穴时，能自动感知到，同时通过规定的通信协议和相关的算法将发射接收信号的参数调整到最佳状态。由此可见，认知无线电不仅具有通信功能，而且还需具备频谱探测能力，具有多功能特征，必须借助于软件无线电来实现。认知无线电已成为目前无线通信领域的一大研究热点。
1 认知无线电的智能天线波束形成理论
智能天线系统的主要部分为天线阵列、波束形成单元和自适应控制单元。天线阵列是对发射和接收机信号处理的辐射部分，波速的形成部分是由这部分的天线单元感知的空间信号相加权得到的。智能天线的重要部分是自适应控制单元，主要的功能是在相应的算法和优化准则下，能适应周围电磁环境的变化，利用数字信号处理的技术，调节阵元的加权幅度和相位，使空间定向波束动态地产生，从而跟踪用户信号的到达方向，最大可能的抑制干扰，提高信噪比。
2 智能天线中LMS自适应波束形成算法的研究
同样众多的研究者将目光放在LMS算法上，这种基本的算法是将天线方向图的主瓣对准特定方向，而零陷对准干扰信号。和传统的天线相比，自适应天线的特定是调整阵列波束以期望得到最大输出功率，因此自适应天线阵列实时的自动调整权值来实现主波束的优化。一般来说，在某种准则下达到最优的主波束的算法，研究的最多的准则有最小均方误差准则（MMSE），最大信噪比（MaxSNR），最小方差（MV）准则等。在一定的最优准则基础上，形成了自适应波束算法，学者们也都对此进行了大量的研究工作，就现在提出的各类自适应波束形成算法而言，主流的分类包括非盲算法和盲算法两个大类。对于非盲算法是将发射信号指定为已知信号，利用发射信号来形成波束的算法。而对于非盲算法有最小均方误差算法（LMS）等，由于LMS算法具有计算复杂度低、在平稳环境中的收敛性好等一些特点，近年来成为自适应算法中应用最广泛的算法。
3 改进的LMS算法
在基本LMS算法中，采用变步长的方法来解决基本LMS中收敛速度慢和有小稳态误差的问题。基本的算法思路为在刚开始迭代的时候，选择大的步长，从而可以获得非常快的收敛速度，而在趋近wopt附近时，逐步使迭代步长减小，从而获得小的稳态误差。使步长随着稳态误差逐步趋近于零。这样看来，采用变步长的方法实际上是寻找一条变化曲线，要求在零点附近能最大限度的达到平衡。
4 OFDM系统中时域和频域波束形成的比较
近几年来，新一代移动通信的核心技术OFDM被普遍的研究。将智能天线和其相结合能进一步提高频谱利用率和系统的容量。在此系统中，智能天线算法可分为时域波束和频域波束的形成。事实上，Post-FFT性能优于Pre-FFT（以算法复杂度为代价），通过仿真得出，两种方法在不同情况下分别优于对方。这对于不同系统参数和信道情况下时两种算法的选择有着重要意义。
5 加入扩频序列的SM I-LSCMA算法
SMI-LSCMA算法[5]是一種多波束赋形算法，由协方差矩阵求逆（SMI）和最小二乘恒模（LSCMA）构成。
在真实的无线通信环境中，由于众多的用户量和外界的干扰很强。单纯使用恒模算法不能完全恢复用户的信号。正是基于这个原因，将SMI算法和LSCMA算法结合。将SMI算法来确定横模阵列的初始权，权向量的更新用LSCMA方法。由于得到稳定的算法并能捕获特定信号，付出的代价是计算量的增大。和认知无线电结合之后，利用TD-SCDMA系统的扩频序列作为权值更新以及最后收敛的相关信息，加入扩频序列的SMI-LSCMA算法。就理论分析而言，假设系统已知的情况下，如果加入特定接收的信号的扩频序列信息，使算法通过多级对消系统捕获特定接收信号的过程。利用智能天线锁定此扩频接收信号，可以更加快速，准确的收敛于特定的用户信号，这正是该算法的理论依据。
[参考文献]
[1]Robert A Monzingo and Thoms W Miller.Intro-duction to adaptive arrays[M].John Wiley and Sons，Inc.1980.
[2]E R Ferrara.Fast implementation of LMS adaptivefilters[J].IEEE Trans. On ASSP，1980，28（4）：474-475.
[3]D Mansour and A H Gray.Unconstrained frequen-cy-domain adaptive filter[J].IEEE Trans.on AS-SP.1982，30（5）：726-734.
[4]Z S Liu and J Li.A QR-Based least mean squaresalgorithm for adaptive parameter estimation[J].IEEE Trans.on Information Theory，1984，30（2）：275-283.
[5]S S Ahn & B H Laheld.Convergence of the de-layed normalized LMS algorithm with decreasingstep size[J].IEEE Trans.on Signal Processing，1996，44（12）：3008-3016.
关键词：波束成形算法；智能天线；认知无线电
随着不断优化的无线通信技术的高速发展，可利用的无线频谱资源也日益减少，鉴于这种资源的不可再生性，促使越来越多的开发者想到更优化的利用方式。传统的的频段的分配方式是将频段分配给固定的用户，但这种方式的不科学在于某些频段的利用率极低，严重的导致的频段资源的使用不平衡。这种方式也不能适应高速发展的无线电技术。基于这些原因，认知无线电（cognitive radio，CR）应运而生。主要原理为设定主用户（primary user，PU）和次用户（secondary user，SU），次用户是非授权用户，能够感知到空间中的空闲信道，当主用户不占用信道时，次用户在对主用户不造成干扰的情况下对其空闲的注册信道进行信息传输。认知无线电是一种智能软化无线电，其具有频谱感知能力。当周围电磁环境存在频谱空穴时，能自动感知到，同时通过规定的通信协议和相关的算法将发射接收信号的参数调整到最佳状态。由此可见，认知无线电不仅具有通信功能，而且还需具备频谱探测能力，具有多功能特征，必须借助于软件无线电来实现。认知无线电已成为目前无线通信领域的一大研究热点。
1 认知无线电的智能天线波束形成理论
智能天线系统的主要部分为天线阵列、波束形成单元和自适应控制单元。天线阵列是对发射和接收机信号处理的辐射部分，波速的形成部分是由这部分的天线单元感知的空间信号相加权得到的。智能天线的重要部分是自适应控制单元，主要的功能是在相应的算法和优化准则下，能适应周围电磁环境的变化，利用数字信号处理的技术，调节阵元的加权幅度和相位，使空间定向波束动态地产生，从而跟踪用户信号的到达方向，最大可能的抑制干扰，提高信噪比。
2 智能天线中LMS自适应波束形成算法的研究
同样众多的研究者将目光放在LMS算法上，这种基本的算法是将天线方向图的主瓣对准特定方向，而零陷对准干扰信号。和传统的天线相比，自适应天线的特定是调整阵列波束以期望得到最大输出功率，因此自适应天线阵列实时的自动调整权值来实现主波束的优化。一般来说，在某种准则下达到最优的主波束的算法，研究的最多的准则有最小均方误差准则（MMSE），最大信噪比（MaxSNR），最小方差（MV）准则等。在一定的最优准则基础上，形成了自适应波束算法，学者们也都对此进行了大量的研究工作，就现在提出的各类自适应波束形成算法而言，主流的分类包括非盲算法和盲算法两个大类。对于非盲算法是将发射信号指定为已知信号，利用发射信号来形成波束的算法。而对于非盲算法有最小均方误差算法（LMS）等，由于LMS算法具有计算复杂度低、在平稳环境中的收敛性好等一些特点，近年来成为自适应算法中应用最广泛的算法。
3 改进的LMS算法
在基本LMS算法中，采用变步长的方法来解决基本LMS中收敛速度慢和有小稳态误差的问题。基本的算法思路为在刚开始迭代的时候，选择大的步长，从而可以获得非常快的收敛速度，而在趋近wopt附近时，逐步使迭代步长减小，从而获得小的稳态误差。使步长随着稳态误差逐步趋近于零。这样看来，采用变步长的方法实际上是寻找一条变化曲线，要求在零点附近能最大限度的达到平衡。
4 OFDM系统中时域和频域波束形成的比较
近几年来，新一代移动通信的核心技术OFDM被普遍的研究。将智能天线和其相结合能进一步提高频谱利用率和系统的容量。在此系统中，智能天线算法可分为时域波束和频域波束的形成。事实上，Post-FFT性能优于Pre-FFT（以算法复杂度为代价），通过仿真得出，两种方法在不同情况下分别优于对方。这对于不同系统参数和信道情况下时两种算法的选择有着重要意义。
5 加入扩频序列的SM I-LSCMA算法
SMI-LSCMA算法[5]是一種多波束赋形算法，由协方差矩阵求逆（SMI）和最小二乘恒模（LSCMA）构成。
在真实的无线通信环境中，由于众多的用户量和外界的干扰很强。单纯使用恒模算法不能完全恢复用户的信号。正是基于这个原因，将SMI算法和LSCMA算法结合。将SMI算法来确定横模阵列的初始权，权向量的更新用LSCMA方法。由于得到稳定的算法并能捕获特定信号，付出的代价是计算量的增大。和认知无线电结合之后，利用TD-SCDMA系统的扩频序列作为权值更新以及最后收敛的相关信息，加入扩频序列的SMI-LSCMA算法。就理论分析而言，假设系统已知的情况下，如果加入特定接收的信号的扩频序列信息，使算法通过多级对消系统捕获特定接收信号的过程。利用智能天线锁定此扩频接收信号，可以更加快速，准确的收敛于特定的用户信号，这正是该算法的理论依据。
[参考文献]
[1]Robert A Monzingo and Thoms W Miller.Intro-duction to adaptive arrays[M].John Wiley and Sons，Inc.1980.
[2]E R Ferrara.Fast implementation of LMS adaptivefilters[J].IEEE Trans. On ASSP，1980，28（4）：474-475.
[3]D Mansour and A H Gray.Unconstrained frequen-cy-domain adaptive filter[J].IEEE Trans.on AS-SP.1982，30（5）：726-734.
[4]Z S Liu and J Li.A QR-Based least mean squaresalgorithm for adaptive parameter estimation[J].IEEE Trans.on Information Theory，1984，30（2）：275-283.
[5]S S Ahn & B H Laheld.Convergence of the de-layed normalized LMS algorithm with decreasingstep size[J].IEEE Trans.on Signal Processing，1996，44（12）：3008-3016.