智能天线的smi算法与rls算法

《智能天线的smi算法与rls算法》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、万方数据科技信息。计算机与信息技术oSCmNCE玳FoRMATl0N2006年第1l期智能天线的SMI算法与RLS算法孙燕1徐筱麟2于斌1(1．解放军理工大学通信工程学院研究生三队江苏南京210007；2．解放军理工大学通信工程学院移动教研室江苏南京210007)摘要：拳文简要介绍了智能天线的基本思想，着重对智能天线应用较多的SMI算法和RLS算法进行了仿真．并对仿真结果进行了比较。关键词：智能天线；采样矩阵求逆(sMI算法)；递归最小二乘算法(RLs算法)1．引言20世纪90年代初，随着移动通信的发展，阵列信号处理技术作为提高频谱有效利用率的一种技术被引入移动通信领域。形

2、成了智能天线这个新的研究领域，在未来的第三代移动通信系统中，将发挥重要的作用。智能天线的基本思想是利用各用户信号空间特征的差异．采用阵列天线技术，根据某个接收准则自动调节各天线阵元的加权向量．达到最佳接收和发射，使得在同一信道上接收和发送多个用户的信号而不互相干扰。智能天线根据信号的空间特性差异区分信号，它在传统的时分多址(『rDMA)、频分多址(FDMA)和码分多址(cDMA)之外引入了第四种多址方式：空分多址fSDMA)。2．采样矩阵求逆(SMI算法)采样矩阵求逆(SMI)算法又称为DMI(直接矩阵求逆)算法。SMl算法根据估计的采样协方差矩阵直接由正规方程计算权矢量，

3、能克服协方差矩阵特征值分散对加权矢量收敛速度的影响，因而可达到很高的处理速度。根据最大似然准则，采集信号矢量x的n次采样，可构成R。和k的最佳估计矗。=}。；x(㈣；庐}．；x(i)d(i)n为采样的样本数，它构成训练问题。相关矩阵的最大似然估计意味着：当n—m时，R。=尺。，rf～。这一估计被称为采样相关矩阵。用于计算采样相关矩阵的瞬态映像的总数n称为采样支持。对平稳数据，采样支持越大，相关矩阵的估计越好。将月。和r。代替式(13)中的月。和～可以进行权值计算彤Ⅷ=尺。。。7d(31仿真实验：40阵元的线阵，噪声为单位方差，干扰方向为lOo。功率为70dB，有用信号的方位

4、角为00，对于一lOo

5、¨，T_1fr，’rI．．

6、r．』；n厂I．‘：JTp舢∞=面赢围2(1一￡

7、m0”2(己m击”1‘(4)仿真实验：20阵元的线阵，干扰方向为200，功率50dB，噪声为单位方差。pn．工～，＼、一，～／6、，，、、，?。i’1，_v’⋯j!一●隹粳覃彤戚嚣⋯-∞■态头●～加■杰唛■一100■忑映●瑚‘椰。o‘2D龠月‰)∞帕60∞图3图3中点虚线表示n=30，虚线表示n=40，长虚线表示n=loo，实线是最佳波束形成器的SINR损耗。可见，训练样本越多，sINR损耗越小。SMI算法收敛速度较快，但是需要矩阵求逆运算，复杂度较高。3．RLS算法RLS算法称为递归最小二乘算法，RLs算法基于递归采样协方差矩阵求逆算法计算天线加权向量。设x(n)为输入矢

8、量，W(n)为加权矢量，本地参考矢量为d(n)。对d(i)的估计式可以表示为Ⅳd(i)=2。lDt(nh(i一七十1)(5)t=l估计误差Ⅳe(o刊力j(毋；趔i)一∑机加弦u“+1)(6)I=I假设i<1及i>n时x(i)=d(i)=0。RLS算法可表述如下：W‘。l：=凛m弘k(7)l下转第31页)万方数据科技信息。计算机与信息技术osc砸NcE矾FoRMA．noN2006年第ll期有几种常用方法：1．将误码块的运动矢量设为O；2．使用参考帧中同一位置宏块的运动矢量来替代；3．误码块相邻的图像块的运动矢量的均值或中值来替代。为了更好的恢复图像，Lam在文9】中提出的边界

9、匹配算法(BMA)，这种方法是用前一帧中和当前块的周围边界像素的MAD最小的块的Mv作为当前丢失块的MV。由于基于块的运动矢量恢复常常会有方块效应，Al—Mu8lla㈤1提出运动场插值法(FMI)，先选定几个运动矢量作为控制矢量，采用内插的方法得到误码块内每个像素的运动矢量，宏块中像素点p(x，y)的运动矢量v(x，y)用下面公式计算：y(蕾y)=(11^)(17∥n"。(1—柚Vn+(11谚。V札+z矶Vm(4)其中zF』二巫；扎=』二坠o『％L，r，T(X。和X。分别是宏块左右边界的x坐标，yB和”分别是宏块底