一种预处理的恒模波束形成算法-AET-电子技术应用

一种预处理的恒模波束形成算法

来源：电子技术应用2014年第3期

尹申燕1, 曾浩2, 赵静2

1. 中电集团第29研究所, 四川成都610036; 2. 重庆大学, 重庆400044

摘要： 传统恒模波束形成算法在干扰信号功率大于期望信号功率情况下会出现干扰捕获现象。针对这一问题，提出一种预处理波束形成算法。预处理波束形成算法利用天线接收的数据矩阵的协方差矩阵构造新的协方差矩阵，使新的协方差矩阵关于期望信号的对角最小化，并用新的协方差矩阵的最小特征值对应的特征向量作为权值的初始值,此算法能够准确地捕获到期望信号并抑制干扰信号。通过仿真证实了算法的有效性。

关键词： 无线网络恒模自适应波束形成干扰捕获特征值分解

中图分类号： TN975
文献标识码： A
文章编号： 0258-7998(2014)03-0094-03

An algorithm of pretreatment constant modules beamforming

Yin Shenyan1, Zeng Hao2, Zhao Jing2

1. CETC-29, Chengdu 610036, China;2. Chongqing University, Chongqing 400044, China

Abstract： Traditional constant modulus beamforming algorithm would capture interference signal when the power of interference signal is greater than the desired signal. For this issue，a pretreatment beamforming algorithm is proposed. The pretreatment beamforming algorithm constructs a new covariance matrix with the data matrix of the array，which minimizes the desired signal of the new covariance matrix, and the minimum eigenvalue can be used as the initial weight value of the corresponding eigenvector. Computer simulation results show that this algorithm could capture desired signal and restrain interference signal accurately.

Key words : constant modulus; adaptive beamforming; interference capture; eigenvalue decomposition

    波束形成技术已广泛用于通信、雷达、声纳等领域[1-2]。波束形成技术通常包括非盲自适应波束合成与盲自适应波束合成。非盲自适应波束形成算法通过发送训练序列或者根据期望信号的波达方向DOA(Direction of Arrival)来捕获期望信号，并抑制干扰信号。但发送训练序列会占用一定的频谱资源[3]，在频谱资源日益紧张的今天无疑不合适宜，而根据期望信号的DOA来捕获期望信号时，期望信号的DOA估计往往存在误差，DOA误差也会导致自适应算法失效[4]，而捕获不到期望信号。盲波束形成算法利用信号本身的性质来捕获信号，如恒模特性、高斯性以及循环平稳性[5-6]。恒模波束形成算法利用了信号的恒模特性来捕获期望信号，不需要训练序列，节省了频谱资源，也不需要考虑期望信号DOA估计存在误差时稳健性差的问题。但传统恒模算法由于仅利用了信号的恒模特性，当期望信号和干扰信号都为恒模信号且干扰信号的功率大于期望信号的功率(即干扰信号的恒模特性大于期望信号的恒模特性)时，传统恒模算法会捕获恒模特性强的干扰信号,出现干扰捕获现象[7]。
    本文利用天线阵列接收到的数据矩阵的协方差矩阵与期望信号的功率，构造新的协方差矩阵，新的协方差矩阵关于期望信号对角最小化，将新的协方差矩阵的最小特征值对应的特征向量作为恒模迭代算法的初始值进行迭代运算，此算法能够很好地克服干扰捕获问题，捕获期望信号并抑制干扰信号。
1 自适应阵列天线模型
    自适应阵列天线包括了天线阵面、射频前端、信号采样和信号处理模块[8]，其结构框图如图1所示。

    由于射频信号频率高，直接射频采样要求后级ADC转换速率高，这样采样数据量增大,后级DSP或FPGA处理的运算量也会加大，系统的实时性变差，故将天线接收到的信号进行下变频到中频处理。天线阵列接收到的模拟射频信号x(t)在射频前端与本振信号混频，得到模拟的中频信号。利用奈奎斯特采样定理对模拟中频信号进行采样，得到数字中频信号，不妨设经ADC采样后的数字中频信号为y(t)，根据应用环境，选择相应的自适应滤波算法得到权矢量w(t)，用权矢量w(t)对各阵元接收到的信号进行加权求和来有效地合并各阵元接收到的信号，以捕获期望信号并抑制干扰信号。

    由图2可知,在期望信号功率大于干扰信号功率的情况下，采用LSCMA自适应滤波算法和预处理的LSCMA自适应滤波算法都能使阵列的主瓣对准期望信号来向，零陷对准干扰信号来向。
    若期望信号功率为8 dB,干扰信号功率为10 dB，其他仿真条件同图2仿真条件一样, 则仿真结果如图3所示。

由图3可知，在当期望信号功率小于干扰信号功率的情况下，采用LSCMA自适应滤波算法，阵列的主瓣对准干扰信号来向，零陷对准期望信号来向，出现了干扰捕获现象；而采用预处理的LSCMA自适应滤波算法，阵列的主瓣仍然能够正确地指向期望信号来向，零陷对准干扰信号来向。
利用接收数据矩阵的协方差矩阵和期望信号的功率构造新的协方差矩阵，并将新的协方差矩阵最小特征值对应的特征向量作为权值的初始值作为权值的初始值，能够克服传统的最小二乘恒模算法在干扰功率比期望信号功率大时出现的干扰捕获的问题。
参考文献
[1] PINSKY M. Application of a simple adaptive estimator for an atmospheric doppler radar[J]. IEEE transactions on geoscience and remote sensing, 2011,49(1):115-127.
[2] KARABCHEVSKY S. FPGA-based adaptive speckle suppression filter for underwater imaging sonar[J]. IEEE journal of oceanic engineering, 2011,36(4): 646-657.
[3] 郭艳, 方大纲, 梁昌洪. 恒模算法在盲波束形成中的应用[J].西安电子科技大学学报,2002,29(5):598-601.
[4] 张雷.稳健自适应波束合成的关键技术研究[D].重庆：重庆大学,2010.
[5] 金亮,何晨.高阶累积量波束形成在DS-CDMA系统中的应用[J]. 上海交通大学学报,2005,39(4):649-652.
[6] 魏安全.循环平稳理论在复杂无线通信环境中应用的研究[D].南京:东南大学,2009.
[7] ADRIAN I S, DALINA Z, JURIAN M. A speed conver gence least squares constant modulus algorithm for smart antenna beamforming[C]. International Conference on Communications,2012:31-34.
[8] 张贤达,保铮.通信信号处理[M].北京：国防工业出版社, 2000.
[9] Fu Hongliang, Feng Guangzeng. A pre-processing blind multiuser detection algorithm based on LSCM using antenna array[J]. Journal of Systems Engineering and Electronics,2006,17(2):309-312.
[10] 石镇.自适应天线原理[M]. 北京：国防工业出版社, 1991.

原创声明：此内容为AET网站原创，未经授权禁止转载。

相关内容