无线通信智能天线技术的未来发展趋势.doc

《无线通信智能天线技术的未来发展趋势.doc》由会员上传分享，免费在线阅读，更多相关内容在学术论文-天天文库。

1、无线通信智能天线技术的未来发展趋势摘要　本文介绍了智能天线收发机结构的最新进展及其优点，探讨了无线通信智能天线技术的未来发展趋势以及所面临的问题。关键词　智能天线　无线通信　分集　波束成形1、引言　　智能天线原名自适应天线阵列(AAA，AdaptiveAntennaArray)。最初的智能天线技术主要用于雷达、抗干扰通信、定位及军事通信方面等，完成空间滤波和定位功能。近年来，随着移动通信的发展以及对移动通信电波传播、组网技术、天线理论等方面的研究逐渐深入，智能天线开始用于具有复杂电波传播环境下的移动通信。为此，移动通信研究者给应用于移动通信的自适应天线阵起了

2、一个较吸引人的名字——智能天线　(英文名为SmartAntenna或IntelligentAntenna)。　　智能天线系统在无线链路的发射端和/或接收端带有多根天线，为了利用移动无线信道的空间特征，智能天线系统中的信号都进行了自适应处理。根据信号处理是位于通信链路的发射端还是接收端，智能天线技术被定义为多入单出(MIS0，MultipleInputSingleOutput)、单入多出(SIM0，SingleInputMultipleOutput)和多入多出(MIMO，MultipleInputMultipleOutput)。充分利用空间维数可以增加无线网络

3、的容量。　　在无线通信技术的发展中，智能天线已成为一个最活跃的领域，近年内，几乎所有先进的无线通信系统都将采用此技术。智能天线技术对无线通信系统所带来的优势是目前任何技术难以替代的。智能天线技术已经成为无线通信中最具有吸引力的技术之一。　　到目前为止，无线系统中的智能天线都被作为增强技术，在它们的设计阶段都没有考虑复杂度和性能折衷的优化；而在下一代无线系统中，智能天线技术将是系统设计固有的部分。目前对于智能天线的研究主要集中在下列几个方面：　　(1)高级智能天线处理算法的设计和开发，该算法对变化的传播特性和网络条件具有适应性和健壮性。　　(2)系统性能的优化

4、策略和不同无线系统、平台之间的透明操作。　　(3)根据信道和干扰模型对提出的算法和策略进行实际性能的评估，研究合适的性能度量和仿真方法。2、智能天线收发机结构在如图1所示的一个多发射多接收天线系统中，发送的数据块需要进行编码和复星座图的映射。在空时加权后，每个符号被映射到一个发射天线；信号通过无线信道后，在接收天线中首先进行解复用，然后通过加权、解调、解码来恢复最初的发送数据。图1　智能天线收发机结构　　对于MISO或者MIMO信道，一些文献中给出了大量的发射机制，这些机制分别可以使频谱效率最大、速率最高、信噪比最大(SNR，SignaltoNoiseRat

5、io)，它们都依赖信道状态信息(CSI，ChannelStateInformation)在发射端和接收端的已知程度。CSI在接收端通过信道估计可以获得，然后通过反馈可以通知发射端。然而，对于频分双工(FDD，FrequencyDivisionDuplex)系统则必须考虑到信道的互易性。信道估计可以通过发射训练序列方法或者盲估计来获得。盲估计通常是利用接收到的信号的一些特性，比如恒定包络和有限字符等进行估计。　　对于发射端不需要CSI的发射机制，可以通过引入空域编码或者采用空间复用增益来利用空间维数。空域编码方法是通过增加空间和时间的冗余度；空时编码则是在不同

6、的天线上发射同一信号的编码冗余形式。接收到的信号通过最大似然(ML，MaximumLikelihood)译码器进行检测。最早的空时编码是空时格码(STTC，Space-TimeTrellisCode)，在这种方式下，接收端需要多维维特比算法。STTC可以提供的分集等于发射天线的数目，提供的编码增益取决于码字的复杂度而无需牺牲带宽效率。空时分组编码(STBC，Space-TimeBlockCode)可以提供与STTC相同的分集增益，但是它没有编码增益。又由于STBC在译码时只需要线性处理，因此通常都使用STBC。用于两根发射天线的STBC码(由Alamouti

7、提出的)已经被第三代移动标准采纳。空时编码技术一般假设CSI在接收端是完全已知的，当CSI在两端都未知时，人们提出了酉空时编码和差分空时编码。　　分层空时结构通过在水平层上或者对角层上发送独立的编码数据流来获得空间复用增益。所谓的垂直贝尔实验室分层空时(V-BLAST，VerticalBellLabsLayeredSpace-Time)编码就是这种结构。为了检测出发送的数据，接收机必须对空间信道进行解复用，为此出现了各种不同的方法，如迫零(ZF，ZeroForcing)方法、最小均方误差(MMSE，MinimumMeanSquareError)方法和最大似然

8、(ML，MaximumLikelihood)方法。Z