基于低复杂度自适应信号处理的波束成形技术研究

摘要

现代无线通信系统中，用户对信息传输速率和传输质量的需求日益提高，如何有效应对上述挑战并提高系统容量和频谱效率，是每一代无线移动通信技术中最关注的问题。作为移动通信空中接口关键技术之一的多天线技术，自然引起了人们的广泛关注。本文主要研究多天线技术中的波束成形技术，其本质是一种在空间域上进行滤波的处理方式，它具有灵活的波束控制，较高的处理增益和极强的干扰抑制等优点。另外，多载波调制技术中的正交频分复用(OFDM)技术是一种高数据速率、高频谱利用率的技术，它能很好地对抗信道中的多径衰落，有效提高系统的可靠性。因此将波束成形技术和OFDM技术相结合的研究可以同时兼顾系统的传输速率、系统容量以及系统可靠性，具有非常重要的理论意义和实际价值。
　　首先，论文介绍了波束成形的基本原理以及天线阵列模型中最简单最常用的均匀线性阵列(ULA)天线模型，在此模型的基础上，分别介绍了不同设计准则（MMSE准则，MSINR准则，CMV准则和CCM准则）不同滤波结构（DFB结构和GSC结构）以及不同自适应迭代算法（LMS算法和RLS算法）下，如何找到一个最优的波束成形权值系数使得滤波器输出最优。然后对于上述提到的两种盲波束成形准则——CMV准则和CCM准则，论文详细分析推导了如何求解其对应的波束成形权值系数，仿真结果证实CCM-RLS-GSC算法在输出SINR性能和MSE性能等评价标准上要优于其他算法。
　　其次，在CCM-RLS-GSC算法的基础上，论文提出了一种低复杂度的时间平均自适应遗忘因子调节（TAVFF）机制，该机制利用CCM准则下的代价函数瞬时值来调节RLS迭代算法中的遗忘因子参数，使得遗忘因子的变化与系统的工作环境相匹配。与其他遗忘因子调节机制相比，本论文提出的TAVFF机制计算复杂度最低。对采用该机制后的CCM-RLS-GSC波束成形算法，进行了详细的代价函数凸性分析、波束成形权值系数收敛分析和稳态MSE性能分析，并用matlab进行了MSE理论推导值和仿真结果值的对比验证。matlab仿真结果证实了该改进算法使得系统在输出SINR稳态性能、收敛速度性能上有进一步的提升，且在平稳及非平稳环境下都能很好的工作。
　　再次，从大规模阵列天线的实用场景出发，论文继续探索了稳态性能更好，收敛速度更快，计算复杂度更低的信号处理算法。在介绍已有降阶算法（MSWF降阶法，JIO降阶法，JIDF降阶法）和集员滤波算法（SMF算法）的基础上，提出了CCM准则下的JIDF-SMF联合降阶降复杂度算法，它一方面通过联合内插抽取滤波(JIDF)降阶法来滤除阵列天线接收的冗余信息以提升系统性能，另一方面利用SMF技术，只有当波束成形滤波器的输出结果不再满足误差边界条件时，才启动更新算法，以此来降低算法的总体计算复杂度。在此基础上，还提出了误差边界的时变调节方法和降阶参数自适应选取机制来进一步地提升算法性能，并详细地给出了波束成形权值系数和内插器基矢量的稳态性能分析和超量MSE的稳态性能分析。matlab仿真结果证实了论文所提出的算法MSE仿真结果值与理论值接近，与已有算法相比，提出的算法计算复杂度更低，输出SINR稳态性能和收敛速度更优，且在平稳和非平稳工作环境下都能正常工作。
　　最后，联合移动通信中的关键调制技术——OFDM技术，论文研究了OFDM系统中的波束成形(DBF-OFDM)算法。考虑到实际OFDM系统中子载波数目较大时，对每一路子载波都运行波束成形算法将产生非常庞大的计算量。为解决此问题，论文分别在频域和空域上提出了相应的改进算法，即频域多项式插值法和空域分簇法。前者利用了相邻子信道间的相关性，这样只需计算特定子载波上的波束成形权值系数，剩余子载波上的值可通过内插的方法计算得到。后者则通过将接收端天线分隔成数目较小的天线子簇，同样可以有效地降低系统的计算复杂度。此外，还将这两类算法进行了联合，可以更进一步的降低复杂度。matlab仿真实验证实了在极小的性能损失下，上述改进算法可以极大的降低系统复杂度。

目录

声明

致谢

摘要

缩写词列表

插图

表格

第一章 绪论

1．1 研究背景及现状

1．2 研究热点

1．2．1 波束成形技术

1．2．2 降阶降复杂度技术

1．2．3 DBF-OFDM技术

1．3 论文主要内容和结构安排

第二章 波束成形基本原理

2．1 引言

2．2 阵列天线基本原理

2．3 设计准则

2．3．1 最小均方误差(MMSE)准则

2．3．2 最大信干噪比(MSINR)准则

2．3．3 带约束的最小方差(CMV)准则

2．3．4 带约束的恒模(CCM)准则

2．3．5 波束成形仿真准则比较

2．4 自适应迭代算法

2．4．1 最小均方(LMS)自适应算法

2．4．2 递推最小二乘(RLS)自适应算法

2．5 滤波器结构

2．5．1 直接型处理(DFB)结构

2．5．2 广义旁瓣消除器(GSC)结构

2．5．3 GSC结构中阻塞矩阵的构造

2．6 本章小结

第三章 自适应波束成形中的改进技术

3．1 引言

3．2 CMV准则下的自适应波束成形算法

3．2．1 DFB和GSC结构下的CMV-LMS算法

3．2．2 DFB和GSC结构下的CMV-RLS算法

3．3 CCM准则下的自适应波束成形算法

3．3．1 DFB和GSC结构下的CCM-LMS算法

3．3．2 DFB和GSC结构下的CCM-RLS算法

3．4 自适应波束成形算法仿真结果比较

3．4．1 自适应波束成形算法复杂度比较

3．4．2 CMV准则仿真结果比较

3．4．3 CCM准则仿真结果比较

3．5 变遗忘因子改进算法

3．5．1 GVFF自适应调节算法

3．5．2 TAVFF自适应调节算法

3．5．3 TAVFF调节算法性能分析

3．6 改进算法仿真结果分析

3．6．1 遗忘因子调节机制复杂度比较

3．6．2 MSE仿真性能分析

3．6．3 SINR仿真性能分析

3．6．4 非平稳环境下SINR仿真性能分析

3．7 本章小结

第四章 自适应波束成形中的降阶降复杂度技术

4．1 引言

4．2 Eigen-Decomposition(基于特征值分解的)降阶算法

4．3 MSWF(多级维纳滤波)降阶算法

4．3．1 CCM-MSWF-LMS降阶算法

4．3．2 CCM-MSWF-RLS降阶算法

4．4 JIO(联合迭代优化)降阶算法

4．4．1 CCM-JIO-LMS降阶算法

4．4．2 CCM-JIO-RLS降阶算法

4．5 JIDF(联合内插抽取滤波)降阶算法

4．5．1 CCM-JIDF-LMS降阶算法

4．5．2 CCM-JIDF-RLS降阶算法

4．6 Set-membership(集员滤波)降复杂度算法

4．6．1 CCM-SMF-LMS降复杂度算法

4．7 提出的JIDF-SMF联合降复杂度算法

4．7．1 JIDF-SMF联合算法概念介绍

4．7．2 JIDF-SMF联合算法介绍

4．7．3 自动参数选择机制

4．7．4 滤波器参数稳态性能分析

4．7．5 超量MSE的稳态性能分析

4．8 仿真结果分析

4．8．1 波束成形降阶算法复杂度比较结果

4．8．2 提出的JIDF-SMF联合算法仿真结果

4．9 本章小结

第五章 DBF-OFDM下的低复杂度技术

5．1 引言

5．2 OFDM工作原理及数学描述

5．3 DBF-OFDM联合技术

5．4 低复杂度技术

5．4．1 频域零阶插值法

5．4．2 频域线性插值法

5．4．3 提出的频域多项式插值法

5．4．4 提出的空域分簇法

5．4．5 频域多项式插值法与空域分簇法的结合

5．5 仿真结果

5．5．1 算法计算复杂度比较

5．5．2 算法仿真结果比较

5．6 本章小结

第六章 总结与展望

参考文献

攻读博士学位期间主要研究成果及参与的科研项目