智能天线在cdma系统的应用研究new

《智能天线在cdma系统的应用研究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智能天线在CDMA系统的应用研究庄玉双张林让西安电子科技大学雷达信号处理国家重点实验室，陕西西安（710071）摘要：本文研究了智能天线技术的两个主要分支：切换波束阵列（SBA,SwitchingBeamArray）和跟踪波束阵列（TBA,TrackingBeamArray）。SBA根据目标的空间位置从一批预先给定的波束中选择一个波束，为了满足提高通信容量和通信质量的要求，基站的收发方式都必须对每个用户产生一个波束方向图；TBA用自适应波束跟踪目标,由天线阵和实时自适应信号接收处理器组成。本文首先介绍这两种技术

2、的设计算法，然后考虑信道环境的影响，综合评估这两个不同阵列系统的优缺点。关键词：智能天线，切换波束阵列，跟踪波束阵列。1引言移动通信信道传输环境较恶劣，多径衰落、时延扩展造成的符号间串扰ISI（Inter-SymbolInterference）、FDMATDMA系统（如GSM）由于频率复用引入的同信道干扰（CCI，Co-ChannelInterference）、CDMA系统中的MAI（MultipleAccessInterference）等都使链路性能、系统容量下降。均衡、码匹配滤波、RAKE接收、信道编译码技术等都是为了对抗或者减小它们的影响。这些技术利

3、用的都是时、频域信息，而实际上有用信号、其时延样本（DelayVersion）和干扰信号在时、频域存在差异的同时，在空域（入射角DOA，DirectionOfArrival）也存在差异，分集天线（AntennaDiversity）、特别是扇形天线（SectorAntenna）可看作是对这部分资源的初步利用，而要更充分地利用它是采用智能天线技术。当前，随着移动通讯需求的日益增加，智能天线系统的重要性比以往更为突出。采用智能天线系统的目的是同时提高通信容量和通信质量。文献[1]对智能天线的两个主要分支(SBA和TBA)做了一些比较，但是没有考虑信道环境复杂性的

4、影响，它只是对没有多径衰落和时延的信道模型进行了简单的比较。为了比较这两个方法在性能和计算复杂度方面的优越性，本文考虑信了信道环境（多径、角度扩展、多谱勒频移）的影响，综合评估这两个不同阵列系统的优缺点。2跟踪波束阵列（TBA）跟踪波束天线阵是一个由天线阵和实时自适应信号接收处理器所组成的一个闭环反馈控制系统，，结构框图如图1，它用反馈控制方法自动调整天线阵的方向图，使它在干扰方向形成零陷，将干扰信号抵消，而且可以使有用信号得到加强，从而达到抗干扰的目的。由天线阵接收到的信号被加权合并，取得最佳的信噪比系数。采用M个阵元的天线阵，理论上，天线阵的价值能产生

5、M倍天线放大，可带来10lgM的SNR改善。对相同的通信质量要求，移-1-http://www.paper.edu.cn动台的发射功率可减小10lgM。这不但表明可以延长移动台电池寿命或可采用体积更小的电池，也意味着基站可以和信号微弱的用户建立正常的通信链路。对基站发射而言，总功率被分配到M个阵元，又由于采用DBF(DigitalBeamForming)可以使所需总功率下降，因此，每个阵元通道的发射功率大大降低，进而可使用低功率器件。图1跟踪波束阵列结构框图[2,3,4]设计TBA的关键部分是设计计算期望权矢量自适应算法，主要有三种求最大特征矢量的自适应算

6、法：修正共轭梯度算法，拉格朗日公式算法，线性化功率算法。本文计算权矢量采用的是拉格朗日公式算法。该算法能够快速而且精确地产生权矢量，并对每次快拍提供一个适当的波束方向图，一般来说，在标准CDMA系统，目标信号比每个干扰信号越强（差为CDMA系统的处理增益），此算法越精确；当期望信号与干扰信号相比不是很强时，而最大特征矢量近似为目标用户的方向矢量，此时计算最大特征权矢量的方法将产生错误的结果。在不利的信号环境中，由于最大特征矢量与目标方向矢量的计算差异，因此，TBA系统将在目标用户的波束方向图上产生误跟踪。并且在天线阵列输出信号上产生一个附加的相位差。图2是

7、拉格朗日公式算法求取权矢量的流程图。基于拉格朗日公式求取权矢量定义如下：HHJ(w,γ)=wRxxw+γ1(−ww)(1)式（1）中Rxx是N*N的接收信号自相关矩阵，接收信号x为N*1矩阵，γ为拉格朗日乘法器的参数,w为N*1矩阵，N为TBA系统的阵元数，公式中大小写字母分别表示矩阵和矢量，上标H表示矩阵厄米共軛。权矢量按照使公式（1）的最大化以及H的条件对ww=1每次快拍数据进行更新，最大化公式（1）求取权矢量可通过如下迭代公式进行：-2-http://www.paper.edu.cnw(k+)1={[1−μr(k)]I+μRxx(k)}w(k)(2)

8、式（2）中k为快拍数，I为单位矩阵，μ为自适应算法收敛的自适应因子