资源描述：
《基于最小二乘恒模算法的ofdm波束形成方案new》由会员上传分享，免费在线阅读，更多相关内容在教育资源-天天文库。
1、http://www.paper.edu.cn基于最小二乘恒模算法的OFDM波束形成方案赵翔，袁超伟，刘鸣北京邮电大学通信网络综合技术研究所，北京（100876）E-mail：zhaoxiangbupt@gmail.com摘要：本文根据OFDM信号的特点，在智能天线自适应波束形成算法的基础上，提出一种基于最小二乘恒模算法（LS-CMA）的低复杂度OFDM接收机方案。该方案结合了盲波束形成的优点，同时采用了半盲自适应信道均衡。计算机仿真结果表明，该算法有很好的性能。关键词：OFDM；智能天线；最小二乘恒模算法；半盲自适应信道均衡中图分类号：TN821.引言正交频分
2、复用OFDM技术用多个子载波传输数据，具有抗多径、频谱利用率高的特点。智能天线作为空分多址的技术可应用于OFDM系统的接收端，利用智能天线可以很好的抗共道干扰，使得系统误码率降低。而且OFDM和智能天线都用到了快速傅立叶变换，因此对二者结合技术的研究很快地发展了起来，其中最关键的技术就是自适应波束形成算法。但目前这一领域的波束形成算法基本上都是基于参考信号的，这样就会占用多余的频谱[3~9][1]资源，而基于盲算法的研究还是一个空白领域。于是本文在研究文献中提到的恒模算法的基础上，提出一种基于最小二乘恒模算法(LS-CMA)的接收机方案，该方案将LS-CMA算法
3、创新性的应用于OFDM接收端，并提出用同一个加权向量对所有子载波进行波束形成。[2]在波束形成之后加入半盲自适应均衡，对每一个子载波进行信道均衡，使系统误码率下降。2.系统模型Q在OFDM系统的接收端，采用个阵元的智能天线阵列接收OFDM信号，其子载波个数是N。在发送端，用户数据经过串并转换后映射为频域OFDM符号，再经过反傅立叶变换得到OFDM的时域符号。期望用户的第m个符号期间的时域信号表示为：Tum()=−[umum(,0)(,1)(,?umN1)](1)并行数据um()转换为串行数据后，插入循环前缀，由天线发射出去。接收端的第q个天线阵元上，第m个时域符
4、号去除循环前缀后表示为：Tvm()=−⎡vmvm(,0)(,1)?vmN(,1)⎤(2)qq⎣qq⎦假定信道在一个OFDM符号期间为时不变的，解调后的频域信号表示为：Trmrmrm()[(,1)(,2)==?rmQn(,)],1,2,...N(3)nnnnQQN×个天线阵元上的接收信号组成一维的矩阵：⎡⎤r(,1)r(,1)12mm?r(,1)Nm⎢⎥r(,2)r(,2)mm?r(,2)mR(m)=⎢⎥12N=[]rmrmrm()()?()(4)12N⎢⎥@@@⎢⎥r(,)r(,)mQmQ?r(,)mQ⎣⎦12N-1-http://www.paper.edu.c
5、n每个阵元接收到的信号进行傅立叶变换之后，对每个子载波进行波束形成，设波束形成Q的权向量为维矢量：Twmn(,)=⎡wmnwmn(,)(,)?wmn(,)⎤(5)⎣12Q⎦第m个OFDM符号加权后的输出记为：Tym()=[ymym(,1)(,2)(,)?ymN](6)则：Q*ymn(,)=∑wmnrmqqn(,)(,)(7)q=13.一种新的基于LS-CMA算法的OFDM波束形成方案[1]µ文献中使用的恒模算法（CMA）有两个缺点。第一，步长因子的选择决定着算法性能，步长因子过小则收敛速度很慢，若过大则性能容易失调；第二，算法中需要对每一个子载波分别进行加权向量
6、的更新，计算量非常大，系统实现复杂。µ本文提出的基于最小二乘恒模算法的接收机有两点好处：无需步长因子，算法可实现快速收敛；用一个加权向量对所有子载波进行加权，无需针对每个子载波分别计算加权值。该方案的OFDM系统接收端如图1所示：r1,1⊗wF1y1r1,21sF⊗⊕⊗1T@wr1c1,N1⊗w1y2s输出@⊕⊗2P/SrQ,1⊗@crw2Q,2QQF@F@⊗y@TwNsrQNQN,⊕⊗⊗cwNQLS-CMA半盲信道均衡导频符号图1采用LS-CMA算法的OFDM新型接收机接收机中加入信道均衡器。原因在于方案中用同一个加权向量对所有子载波进行加权，但不同子载波的信
7、道特性是不同的，这样加权会导致误码率的增大，因此考虑对加权后的输-2-http://www.paper.edu.cn出信号进行信道均衡。经过均衡后的输出信号为：smn(,)(,)(,)(1,2,=ymncmnn=?N)(8)Q假设OFDM采用N个子载波，则接收机个阵元收到时域信号经过FFT解调后的频域QN×信号组成了矩阵：⎡⎤r(,1)12mmr(,1)?r(,1)Nm⎢⎥⎢⎥r(,2)r(,2)12mm?r(,2)Nm=(9)R(m)=[]rmrm12()()?rmN()⎢⎥@@@⎢⎥r(,)r(,)mQmQ?r(,)mQ⎣⎦12N采用LS-CMA恒模算法如下
8、：X()l=+[r11(
