CN100382633C - 一种基于软件无线电的智能天线实现方法 - Google Patents

Abstract

本发明公开了一种基于软件无线电的智能天线实现方法，应用于具有智能天线的通讯系统，其特征在于，包括：根据阵列接收信号的相关矩阵的特征值和带内功率谱偏差，将通信环境分为不同类型的信道，并针对不同类型的信道采用不同的波束形成方法。本发明方法可以实现在多种复杂的通信环境中均取得良好的通信质量。

Description

一种基于软件无线电的智能天线实现方法

技术领域

本发明涉及数字无线通讯中智能天线的接收/发射技术，特别涉及一种TDMA方式的智能天线基站的自适应波束形成方法。

背景技术

近年来在移动通信领域，以频率的有效利用、通信品质的提高为目的的智能天线技术的应用受到越来越多的关注。所谓智能天线技术即采用两个以上的单天线阵元组成天线阵，每个阵元接收到的信号经过射频处理后用适当的权值进行加权求和，可以达到定向接收的效果，一个权矢量对应着一定的波束方向图。加权的实质是一种空间滤波，智能天线通过天线阵列接收信号，并通过数字信号处理进行数字波束赋形，也就是通过调整天线阵列所接收信号的相位和幅度使所需信号得到加强，而其它干扰信号得以削弱，最终使所需信号的信噪比最大。

TDMA(Time Division Multiple Access，时分多址)方式的智能型基站是较早的将智能天线商业化的通信系统之一。智能型基站在接收时，根据通过多个天线阵元所接收的信号前置码或唯一字等预置信号内容已知部分的信息，一边调整加权矢量，一边分离出来自特定移动台的信号；在发送时，利用改加权矢量，使定向性向着特定的移动台，从而在某种程度上防止干扰维持通信质量，在空间复用方式下进行多个移动台的通信。

至今，人们提出了不少与智能天线技术相关的专利，如中国专利99815952(计算自适应天线阵列系统最优权向量的信号处理方法和设备，公开号：CN1334978)，提出计算阵列天线系统最优权向量的自适应程序，该阵列天线系统提供在盲信号环境下在沿移动目标信号源方向上具有其最大增益的波束模式，通过使SINR(信号对干扰+噪声的比率)最大的阵列系统的最优权向量来提高通信的质量和通信的容量。中国专利96194112(基站设备，以及一种控制天线射束方向的方法，公开号：CN1185250)，无线基站把计算出对应于多个移动台的每一个的第一个加权向量，通过以所述第一加权向量加权由多个天线接收到的信号从所述多个移动台的每一个抽出发送来的信号的周期；以及对与所述多个移动台的每一个由所述多个天线发送以所述第一加权向量加权得到的信号的发送周期组合起来和作为一个循环周期，以时分多路复用反复于多个移动台进行通信。

智能天线系统中最核心的技术是自适应波束形成技术，智能天线系统对通信系统的改善程度主要取决于自适应波束形成方法的性能。其中自适应波束形成方法的计算复杂度和收敛速度是制约自适应天线发展的难题之一。上述涉及自适应智能天线的专利中，或者只是提出了系统实现的框架，没有具体的实现方法；或者提出的所用自适应波束形成方法仅采用单一的波束计算方法，这样难以在多种复杂的通信环境中均有良好的通信质量。

发明内容

本发明所要解决的技术问题是提供一种更具体的、基于软件无线电的智能天线实现方法，以解决现有采用单一自适应波束形成方法的智能天线难以应对在多种复杂的通信环境中提供通信质量的技术问题。

为达到上述目的，本发明提供了一种基于软件无线电的智能天线实现方法，应用于具有智能天线的通讯系统，其特点在于，包括：根据阵列接收信号的相关矩阵的特征值和带内功率偏差，将通信环境分为不同类型的信道，并针对不同类型的信道采用不同的波束形成方法。

上述的方法，其特点在于，所述不同类型的信道包括：加性高斯白噪声干扰信道、同道干扰信道和码间干扰信道；所述波束形成方法包括：最大比合并的波束形成方法、改进的衡模波束形成方法和改进的维纳解波束形成方法。

上述的方法，其特点在于，所述方法进一步包括如下步骤：步骤一，对阵列接收信号数据进行预处理；步骤二，进行信号数据的同步；步骤三，对信号数据进行载波频偏和相位偏移的估计和补偿；步骤四，根据信号数据进行信道类型的识别；步骤五，根据信道类型选择波束形成方法并进行上行权值计算；步骤六，波束形成；步骤七，采用

解调方法进行解调；步骤八，进行CRC校验；步骤九，进行下行权值的计算。

上述的方法，其特点在于，所述步骤四进一步包括：步骤a，计算阵列接收信号的自相关矩阵R＝X·X^H；步骤b，根据下式求得对应于特征矢量V的特征根λ：R·V＝λ·V， ${\mathrm{\λ}}_1\≥{\mathrm{\λ}}_2\≥,...={\mathrm{\λ}}_M={\mathrm{\σ}}_N^2,$ 其中σ_N ²是噪声功率；步骤c，估计阵列接收信号各通道的功率分别为P₁，P₂，…，P_M；步骤d，进行有效特征根的判别：σ_N ²为噪声功率，如果 $\mathrm{\λ}\≥{\mathrm{\σ}}_N^2+{\mathrm{\δ}}_{\mathrm{\λ}},$ 则视该λ为有效特征根，其中δ_λ为根据实际系统确定的具体参数；步骤e，带内功率偏差比较|P_i-P_j|＜δ_p，其中i，j＝1，2，…M，且i≠j，δ_p为根据实际系统确定的具体参数；步骤f，根据参数判断对信道分类如下：信道类型一：有效特征根数为1，且功率偏差较小，此时信道中只有期望信号和加性高斯白噪声，时延扩展较小；信道类型二：有效特征根数为1，且功率偏差较大，此时信道中既有期望信号也有干扰信号，但时延扩展不大，有一定的角度扩展，主要表现为同信道干扰；信道类型三：有效特征根数大于1，且功率偏差较小，此时期望信号的时延扩展较大，角度扩展较小，主要表现为码间干扰；信道类型四：有效特征根数大于1，且功率偏差较大，此时期望信号和干扰信号均存在一定的时延扩展和角度扩展。

上述的方法，其特点在于，所述步骤五包括：针对所述信道类型一采用最大比合并的波束形成方法，针对信道类型二采用改进的衡模波束形成方法，针对所述信道类型三采用改进的维纳解波束形成方法。

上述的方法，其特点在于，所述步骤一进一步包括：对数据进行归一化，降低数据的幅值，以便于步长的选取，使自适应算法尽快收敛；对参考信号进行A/D量化，扩大幅值，使参考信号的幅度与实际信号的幅度大小尽量一致。

上述的方法，其特点在于，所述步骤二还包括：在位同步完成后，取部分码元做隔位相关运算进行码元同步。

上所述的方法，其特点在于，所述步骤八中采用ITU-T 16位CRC，若CRC校验结果正确，则进行下一步骤；否则，舍弃该数据。

上述的方法，其特点在于，所述通讯系统为时分多址方式的个人手持电话系统。

上述的方法，其特点在于，所述步骤九进一步包括：将上行权值取共轭并乘上校正权值，从而将上行权值直接用于下行权值。

本发明的技术效果在于：

本发明由于采用了基于软件无线电的自适应波束形成方法，同现有的自适应波束形成方法相比具有很多优点。本发明利用接收阵列数据对通信信道进行估计和识别，将信道分为加性高斯白噪声信道、同道干扰信道和码间干扰信道，再根据不同的信道类型选择合适的(如最大比合并、改进的衡模和改进的维纳解等)波束形成算法。本发明解决了采用单一自适应波束形成算法的局限性，提高了智能天线系统的适用范围。此外，本发明所述的方法能跟踪用户的波达方向，自适应的调节权矢量；能在期望用户的波达方向形成波束最大指向，在干扰用户方向形成零陷，有效的抑制干扰的影响。

附图说明

图1本发明的方法流程图；

图2本发明无线通信环境检测及信道识别流程图；

图3实际通信环境实例图。

具体实施方式

下面结合附图对技术方案的实施作进一步的详细描述。

图1是本发明的方法流程图。在自适应方式智能天线中，对应空域或空、时域处理的权值可依据一定的自适应算法进行任意调整，以对当前的传输环境进行最大可能匹配，相应的智能天线接收/发射波束可以是任意指向的。在实际通信中，信道情况十分复杂，目前来说，采用单一的某一种自适应波束形成方法使得其在各种环境中均有良好得性能，实现起来较为困难。因此，通过分析通信信道的特性，选择相应的较为适合的波束形成算法，从而使智能天线基站具有更广泛的适应性，是本发明的出发点。

本发明的主要内容是，根据阵列接收信号的相关矩阵的特征值和带内功率偏差，将通信环境分为加性高斯白噪声干扰、同道干扰和码间干扰等类型的信道，针对不同类型的信道采用相应的最大比合并(MRC，Maximal RatioCombining)、改进的衡模(Advanced CAM，Advanced Constant ModulusAlgorithm)和维纳解(Wiener)等波束形成方法。本发明改善了单一自适应波束形成算法应用环境的局限性，扩大了智能天线对通信环境的适用范围，可以实时跟踪用户的快速移动并且可以对抗多种干扰环境；同时基于软件无线电的系统结构，与常规智能天线相比并不需要较大硬件成本，大大的提高了智能天线系统的性能价格比。

以下将以TDMA方式的PHS(Personal Handy-phone System，个人手持电话系统，又称小灵通)系统自适应波束形成方法进行说明，这里以CCH时隙为例，至于TCH时隙与之类似，不再详述。

本发明所阐述的方法可按如下几个步骤实现：

步骤101，开始；

步骤102，数据预处理：

在实际通信中信道衰落较大，需要较高的量化位数以满足足够的动态范围。但是，这会造成后续计算量的增加，对DSP运算量的压力较大。同时，在自适应算法中，输入信号幅度对智能效果影响较大，需要对信号幅度进行限制。为了解决上述两个问题，需要对输入信号进行预处理，具体方法为：

首先，对所用数据进行归一化，降低数据的幅值，便于步长的选取，使自适应算法尽快收敛；

其次，对参考信号进行A/D量化，扩大幅值，使参考信号的幅度与实际信号的幅度大小尽量一致。

步骤103，位同步及UW字匹配：

首先，利用帧结构中的PR进行位同步的方法。由于PR被设计为1001重复的码流，所以经过π/4DQPSK调制后的IQ信号与前两位的IQ信号的相位差为π/2。假设调制后PR的码流为：d₁，d₂，…d_N，则有

$d_n/d_{n-2}=e^{j\frac{\mathrm{\π}}{2}}$

由于系统采用的采样率为5倍码元速率，所以，任一采样点和它前面的第10个采样点都相差π/2。假设采样点依次为s₁，s₂…s_L，则有

$s_n/s_{n-10}=e^{j\frac{\mathrm{\π}}{2}}$

为降低噪声的影响，对相隔10个采样点的数据做相干叠加：

$x_k=\underset{l=0}{\overset{L/10-1}{\mathrm{\Σ}}}{s}_{k+l*10{(-j)}^l}$ k＝1，2，…10

其中-j的相位为-π/2，上述相干叠加运算可以不用乘法运算，仅经过加减运算即可完成。

这样处理后我们得到了10个值，将前五个x_k和后五个x_k的模值相加，求这5个值中最大值处即为位同步点。

其次，进行UW字匹配。实际上，经过上述的位同步操作，已经完成了误差在两个码元范围内的码元同步。当实际系统中时延误差小于两个码元持续期时，使用上述的位同步操作就足够了。但是，由于PR序列是以2个码元持续期为周期的周期序列，所以使用PR同步会带来2个码元持续期的相位模糊。为了解决这一问题，可以考虑使用UW字进行码元同步。由于此时位同步已经完成，所以此时实现码元同步较为容易，只要取UW的部分码元做隔位相关运算即可。

步骤104，载波频偏和相位偏移的估计和补偿。假设数据流中有一段已知序列(SS+PR+UW)，设为s₁，s₂…s_N，载波频偏估计值由下式给出：

$e^{j\widehat{\mathrm{\ω}}}=\frac{\underset{n=2}{\overset{N}{\mathrm{\Σ}}}{x}_n{s}_n^{*}{\left(x_{n-1}{s}_{n-1}^{*}\right)}^{*}}{\left|\underset{n=2}{\overset{N}{\mathrm{\Σ}}}{x}_n{s}_n^{*}{\left(x_{n-1}{s}_{n-1}^{*}\right)}^{*}\right|}$

相位偏移的估计值由下式给出：

$e^{j\widehat{\mathrm{\θ}}}=\frac{\underset{n=1}{\overset{N}{\mathrm{\Σ}}}{x}_n{e}^{-j\widehat{\mathrm{\ω}}n}{s}_n^{*}}{\left|\underset{n=1}{\overset{N}{\mathrm{\Σ}}}{x}_n{e}^{-j\widehat{\mathrm{\ω}}n}{s}_n^{*}\right|}$

估计出载波频偏和相位偏移后，使用下式进行补偿：

$y_n=x_n{e}^{-j\widehat{\mathrm{\ω}}n-j\widehat{\mathrm{\θ}}}$

通常情况下，参考序列选取的长度越长，载波频偏和相位估计的结果就越好，所以尽量选取所有的已知序列作为参考序列。通过实际得到的数据进行仿真结果显示，不是每一组数据都能完全频偏和相位补偿，有些数据可以完全补偿过来，有些数据可以大部分补偿。总之，经过上面的方法处理后，可以大大改善载波频偏和相位偏移的影响。

步骤105，信道类型的识别。具体实施方法在下文结合图2说明。

步骤106，自适应算法的选择及上行权值的计算。根据加性高斯白噪声干扰、同道干扰和码间干扰等类型的信道环境特征对信道分类，对于信道类型1、信道类型2、信道类型3和信道类型4分别选择最大比合并、改进的衡模及采样矩阵求逆等波束形成方法。

最大比合并方法和采样矩阵求逆方法均有一定程度的应用，这里不再详述。

改进的恒模算法主要过程如下：

根据维纳解得到恒模算法的初始权值W₀＝(X·X^H)^-1·X·d^H，其中d为参考信号，X·X^H＝R为阵列接收信号的自相关矩阵，在信道识别时R值已经求出，这里可以直接引用。

在本专利的恒模算法中，恒模最陡下降的实现方法的代价函数为：

J＝E{||w^H(n)x(n)|-|α||²}

其中 $\mathrm{\α}=W_0^H\·X\left(0\right),$ 更新方向选取迭代公式：

w(n+1)＝w(n)-μx(n)e^*(n)

式中 $e\left(n\right)=2[y\left(n\right)-\frac{y\left(n\right)}{\left|y\left(n\right)\right|}],$ μ为步长。

步骤107，波束形成。将数个单通道信号进行合并形成波束Y＝W^H·X。

步骤108，

解调。采用解调方法如下：

将奇序号和偶序号的码元分离，分别进行判决，具体操作为：

$z_{2n-1}=\mathrm{sign}\left(y_{2n-1}{e}^{-\mathrm{j\π}/4}\right)e^{\mathrm{j\π}/4}/\sqrt{2}$

$z_{2n}=\mathrm{sign}\left(y_{2n}\right)/\sqrt{2}$

其中sign(y)表示分别对y的实部和虚部取符号。

步骤109，CRC校验。采用ITU-T 16位CRC，即在每帧上增加16比特冗余位，其生成多项式为1+x⁵+x¹²+x¹⁶。若CRC校验结果正确，则进行下一步骤；否则，舍弃该数据。

步骤110，下行权值的计算。由于PHS系统采用TDD的工作方式，上行信号和下行信号工作在同一频点，经过同一信道，而且收发时间间隔仅为2.5ms，可以认为上下行信道特性保持不变。所以，上行权值可以直接用于下行权值，只需将上行权值取共轭并乘上校正权值即可。

步骤111，结束。

图2是无线通信环境检测及信道识别流程图，如图所示，包括：

步骤201，计算阵列接收信号的自相关矩阵R＝X·X^H。

步骤202，根据下式求得对应于特征矢量V的特征根λ：

R·V＝λ·V

记 ${\mathrm{\λ}}_1\≥{\mathrm{\λ}}_2\≥,...={\mathrm{\λ}}_M={\mathrm{\σ}}_N^2,$ 其中σ_N ²是噪声功率。

步骤203，估计阵列接收信号各通道的功率分别为P₁，P₂，…，P_M。

步骤204，有效特征根的判别，假设σ_N ²为噪声功率，如果 $\mathrm{\λ}\≥{\mathrm{\σ}}_N^2+{\mathrm{\δ}}_{\mathrm{\λ}},$ 则视该λ为有效特征根，其中δ_λ为根据实际系统确定的具体参数。

步骤205，带内功率偏差比较|P_i-P_j|＜δ_p，其中i，j＝1，2，…M，且i≠j，δ_p为根据实际系统确定的具体参数。

步骤206，根据参数判断对信道分类。信道类型1(206.1)：有效特征根数＝1，且功率偏差较小；此时信道中只有期望信号和加性高斯白噪声，时延扩展较小。信道类型2(206.2)：有效特征根数＝1，且功率偏差较大；此时信道中既有期望信号也有干扰信号，但时延扩展不大，有一定的角度扩展，主要表现为同信道干扰。信道类型3(206.3)：有效特征根数＞1，且功率偏差较小；此时期望信号的时延扩展较大，角度扩展较小；主要表现为码间干扰。信道类型4(206.4)：有效特征根数＞1，且功率偏差较大；此时期望信号和干扰信号均存在一定的时延扩展和角度扩展。

图3为某一区域无线通信环境的示意图。信道类型1处远离基站300，信号功率较弱，噪声较强；信道类型1处采用多波束最大比值合并。信道类型2点受来自其它小区的同信道干扰，影响系统性能；信道类型2处采用改进的恒模算法抵抗同信道干扰。信道类型3处由于各多径分量的时延差较大，存在严重的码间干扰；信道类型3处采用改进的维纳最优解算法进行数字波束形成。

由上可知，本发明公开了一种基于软件无线电技术的智能天线实现方法，本发明方法与传统的智能天线方法相比具有以下特点：

第一，通过分析通信信道的特性，选择相应的较为适合的波束形成算法，从而使智能天线基站具有更广泛的适应性，大大提高了算法跟踪速度，满足了通讯系统实时处理的要求。

第二，采用软件无线电技术的自适应算法选择方法，避免了单一的某一种自适应波束形成方法的局限性，方法切换简洁、计算快速，降低了硬件实现的难度，易于工程实现。

第三，采用基于软件无线电技术的波束形成算法，易于基站系统的升级和维护。

第四，算法能跟踪用户的波达方向，自适应的调节权矢量。能在期望用户的波达方向形成波束最大指向，而在干扰用户方向形成零陷，有效的抑制干扰的影响。

总之，采用本发明提供的方法实现波束形成，在花费较小的硬件成本条件下，极大的提高了智能天线基站系统的性能价格比，工程实现方便，同时使得智能基站处理的性能大大提高。

以上所述仅为本发明的较佳实施例，并非用来限定本发明的实施范围；凡是依本发明所作的等效变化与修改，都被本发明的专利范围所涵盖。

Claims (10)

1.一种基于软件无线电的智能天线实现方法，应用于具有智能天线的通讯系统，其特征在于，包括：根据阵列接收信号的相关矩阵的特征值和带内功率偏差，将通信环境分为不同类型的信道，并针对不同类型的信道采用不同的波束形成方法。

2.根据权利要求1所述的方法，其特征在于，所述不同类型的信道包括：加性高斯白噪声干扰信道、同道干扰信道和码间干扰信道；所述波束形成方法包括：最大比合并的波束形成方法、改进的衡模波束形成方法和改进的维纳解波束形成方法。

3.根据权利要求2所述的方法，其特征在于，所述方法进一步包括如下步骤：

步骤一，对阵列接收信号数据进行预处理；

步骤二，进行信号数据的同步；

步骤三，对信号数据进行载波频偏和相位偏移的估计和补偿；

步骤四，根据信号数据进行信道类型的识别；

步骤五，根据信道类型选择波束形成方法并进行上行权值计算；

步骤六，波束形成；

步骤七，采用

解调方法进行解调；

步骤八，进行CRC校验；

步骤九，进行下行权值的计算。

4.根据权利要求3所述的方法，其特征在于，所述步骤四进一步包括：

步骤a，计算阵列接收信号的自相关矩阵R＝X·X^H；

步骤b，根据下式求得对应于特征矢量V的特征根λ：R·V＝λ·V， ${\mathrm{\λ}}_1\≥{\mathrm{\λ}}_2\≥,...={\mathrm{\λ}}_M={\mathrm{\σ}}_N^2,$ 其中σ_N ²是噪声功率；

步骤c，估计阵列接收信号各通道的功率分别为P₁，P₂，…，P_M；

步骤d，进行有效特征根的判别：σ_N ²为噪声功率，如果 $\mathrm{\λ}\≥{\mathrm{\σ}}_N^2+{\mathrm{\δ}}_{\mathrm{\λ}},$ 则视该λ为有效特征根，其中δ_λ为根据实际系统确定的具体参数；

步骤e，带内功率偏差比较|P_i-P_j|＜δ_p，其中i，j＝1，2，…M，且i≠j，δ_p为根据实际系统确定的具体参数；

步骤f，根据参数判断对信道分类如下：信道类型一：有效特征根数为1，且功率偏差较小，此时信道中只有期望信号和加性高斯白噪声，时延扩展较小；信道类型二：有效特征根数为1，且功率偏差较大，此时信道中既有期望信号也有干扰信号，但时延扩展不大，有一定的角度扩展，主要表现为同信道干扰；信道类型三：有效特征根数大于1，且功率偏差较小，此时期望信号的时延扩展较大，角度扩展较小，主要表现为码间干扰；信道类型四：有效特征根数大于1，且功率偏差较大，此时期望信号和干扰信号均存在一定的时延扩展和角度扩展。

5.根据权利要求4所述的方法，其特征在于，所述步骤五包括：针对所述信道类型一采用最大比合并的波束形成方法，针对信道类型二采用改进的衡模波束形成方法，针对所述信道类型三采用改进的维纳解波束形成方法。

6.根据权利要求3、4或5所述的方法，其特征在于，所述步骤一进一步包括：对数据进行归一化，降低数据的幅值，以便于步长的选取，使自适应算法尽快收敛；对参考信号进行A/D量化，扩大幅值，使参考信号的幅度与实际信号的幅度大小尽量一致。

7.根据权利要求6所述的方法，其特征在于，所述步骤二还包括：在位同步完成后，取部分码元做隔位相关运算进行码元同步。

8.根据权利要求6所述的方法，其特征在于，所述步骤八中采用ITU-T16位CRC，若CRC校验结果正确，则进行下一步骤；否则，舍弃该数据。

9.根据权利要求6所述的方法，其特征在于，所述通讯系统为时分多址方式的个人手持电话系统。

10.根据权利要求9所述的方法，其特征在于，所述步骤九进一步包括：将上行权值取共轭并乘上校正权值，从而将上行权值直接用于下行权值。

Images