CDMA系统中的盲自适应信号处理算法研究：多用户检测与天线阵列波束形成

摘要

无线通信已成为当今最活跃的技术领域之一。人们对各种多媒体业务(如话音，视频，图像，文本，数据等)需求的剧增促使了无线通信技术的快速发展。用于增加无线通信系统容量的传统可用资源是频谱和发射功率。但是，这两种资源恰恰是制约现代无线网络的瓶颈，因为可用的频谱资源有限，而发射功率受到移动台电池能量的限制。这两种资源已不能满足用户数剧增的要求。另一方面，随着芯片技术的发展，处理器的处理能力得到了快速提升，特别是低成本DSP得到了蓬勃的发展。面对这些客观景况，人们开始展开了无线网络智能化研究，目的在于有效地提高系统容量。在这个技术变革中，关键的一环就是开发新的传输技术和先进的接收机信号处理方法，使得在不增加额外频谱和功率需求的前提下，极大地提高无线网络系统容量。本文以CDMA通信系统中的的关键技术多用户检测和天线阵列波束成形作为切入点，来研究无线通信中的先进信号处理技术。 与传统的FDMA、TDMA系统相比，CDMA系统具有频谱效率高、软容量、保密性好以及更大的潜在容量等优点，但是同时也要克服多址干扰和远近效应这两个严重影响系统容量的问题。在CDMA系统中，引入多用户检测技术和天线阵列波束形成技术，可以有效地抑制干扰，提高系统容量。由于与非盲算法相比，盲算法不需要干扰用户的信息和训练序列等优点，因此，本文侧重于盲自适应多用户检测和盲自适应波束形成算法研究。全文研究内容大致可以分为三个部分：多用户检测算法，天线波束成形算法和波束成形算法的推广，即自适应广义特征分解算法。 在多用户检测方面，在现有的递推最小二乘盲自适应多用户检测的基础上，给出了一种改进的算法，即遗忘因子具有自调整器的递推最小二乘盲自适应多用户检测算法。与定遗忘因子最小二乘算法相比，以增加很小的计算复杂度为代价，提高了算法的鲁棒性，它能根据系统的变化而自动调整遗忘因子，当系统趋于静态时，遗忘因子趋于1，以提高稳态精度，而在动态系统中，遗忘因子减小，使算法能有效地跟踪系统参数。文中对算法的收敛性从理论上作了严格分析。最后，在静态环境和动态环境中，对算法性能进行了仿真分析。 在天线阵列波束形成方面，介绍了智能天线技术的基本概念和基本方法。结合CDMA天线阵列系统的接收信号的特殊结构，将MSINR波束形成问题转化为一个无约束的优化问题，在这个具有良好特性的新的损失函数的基础上，推导出了基于递推最小二乘的盲自适应天线阵列波束形成算法。利用Ljung的随机逼近理论，分析了该算法的收敛性。不同信号环境下的仿真结果表明算法具有快速收敛性和良好的动态跟踪能力。 自适应广义特征分解问题事实上是文中盲自适应波束形成算法的延伸。该问题广泛存在于现代信号处理领域，如数据压缩，特征提取，阵列信号处理等。因此，本文对自适应广义特征分解问题做了系统的研究，建立了一套完整的算法理论框架，包括对广义特征分解问题进行数学建模，推导出了三种算法，即估计主广义特征子空间的并行算法，估计主广义特征向量的串行算法以及估计主广义特征向量的并行算法，利用Ljung随机逼近理论分析了三种算法的收敛性，通过数值仿真，分析和验证了算法的性能。 总之，本文的研究工作为现代无线通信信号接收处理提供了新的方法。

目录

文摘

英文文摘

论文说明：插图目录

第一章绪论

1.1蜂窝移动通信系统的发展历程

1.1.1第一代蜂窝移动通信系统

1.1.2第二代蜂窝移动通信系统

1.1.3第三代蜂窝移动通信系统

1.2多址方式

1.2.1频分多址

1.2.2时分多址

1.2.3码分多址

1.2.4空分多址

1.3第三代移动通信系统中的抗干扰关键技术

1.3.1多用户检测技术

1.3.2智能天线技术

1.3.3 2D-RAKE接收机

1.3.4功率控制技术

1.4本文的主要研究内容

第二章多用户检测技术

2.1 DS-CDMA系统模型

2.2最优多用户检测

2.3次优多用户检测

2.3.1线性多用户检测

2.3.2非线性多用户检测器

2.4盲多用户检测

2.4.1 LMS算法

2.4.2 RLS算法

2.5小结

第三章基于具有自调整器的RLS的盲自适应DS-CDMA多用户检测

3.1系统模型

3.2基于自调整器的盲自适应多用户检测算法

3.3算法收敛性分析

3.3.1w1收敛性分析

3.3.2w2收敛性分析

3.3.3 w3收敛性分析

3.4仿真结果

3.4.1时不变系统

3.4.2时变系统

3.5小结

第四章智能天线技术

4.1智能天线分类

4.2自适应天线阵列的工作原理

4.3自适应天线阵列的信号模型

4.4天线阵列的常用准则

4.5天线阵列波束形成算法

4.5.1基于方向角的波束成形

4.5.2基于训练序列的波束成形

4.5.3基于信号结构的波束成形

4.6小结

第五章用于CDMA天线阵列系统的一种快速盲自适应波束成形技术

5.1系统模型

5.2改进的MSINR准则和基于Lagrange的波束成形算法

5.3符合MSINR准则的新的无约束损失函数

5.4盲自适应算法

5.5收敛性分析

5.6仿真结果

5.6.1收敛速度比较

5.6.2动态跟踪能力比较

5.7小结

附图

第六章用于广义特征分解的自适应算法

6.1广义特征分解损失函数的建立

6.2自适应算法

6.2.1估计主广义特征子空间的并行RLS自适应算法

6.2.2用于主广义特征向量跟踪的串行RLS自适应算法

6.2.3用于主广义特征向量跟踪的并行RLS自适应算法

6.2.4讨论

6.3收敛性分析

6.4仿真结果

6.5小结

附图

第七章总结

7.1本文的主要贡献

7.2进一步研究工作的建议

7.3结束语

参考文献

攻读博士学位期间的研究成果

致谢