基于MUSIC和LMS算法的智能天線設(shè)計(jì)
傳統(tǒng)的切換波束方式只是把空間分成幾個(gè)固定扇區(qū),當(dāng)移動臺進(jìn)入扇區(qū)時(shí),切換波束系統(tǒng)選擇一個(gè)收到最強(qiáng)信號的波束用于該用戶。由于用戶信號并不一定在固定波束的中心處,當(dāng)用戶信號位于波束邊緣,干擾信號位于波束中央時(shí),接受效果差,同時(shí)也不能實(shí)現(xiàn)自適應(yīng)干擾置零,抑制干擾差。而智能天線通過自適應(yīng)陣列天線跟蹤并提取各用戶的空間信息,利用用戶位置的不同,使在同一信道中發(fā)送和接收各用戶的信號不發(fā)生相互干擾。
智能天線能夠根據(jù)信號環(huán)境情況自動形成最佳陣列波束,通過在天線中引入自適應(yīng)信號處理,實(shí)現(xiàn)噪聲抵消,在干擾入射方向上產(chǎn)生零陷以及主波束跟蹤有用信號,從而使天線陣具有智能接收的能力,以解決切換波束方式的不足。文中正是結(jié)合多重信號分類算法和最小均方誤差的自適應(yīng)算法來實(shí)現(xiàn)智能天線系統(tǒng)。
1 陣列天線信號模型
在基站天線的遠(yuǎn)場區(qū)域,可以認(rèn)為電磁波以球面波的形式向外輻射,如果接收天線離輻射源足夠遠(yuǎn),在接收的局部區(qū)域可近似為平面波。圖1所示為等距線陣,由M個(gè)陣元組成,設(shè)陣元間距為△x,入射信號s(t)的入射角為θ,即s(t)的波達(dá)方向,以原點(diǎn)為信號的參考點(diǎn),則等距直線陣的方向向量為
其中λ為信號波長。
對于來自d個(gè)方向的信號入射到陣列天線的M個(gè)陣元上,則接收信號寫成矩陣形式為
是噪聲矢量。在陣列信號處理中,一次采樣稱為一次快拍,k表示第k次快拍。
2 多重信號分類算法(MUSIC)
DOA(Direction of Arrivdak)估計(jì)的基本問題就是確定同時(shí)處在空間某一區(qū)域內(nèi)多個(gè)感興趣的信號的空間位置(即多個(gè)信號到達(dá)陣列參考陣元的方向角)。最經(jīng)典的超分辨DOA估計(jì)方法是MUSIC方法。其算法的基本思想是將陣列輸出數(shù)據(jù)的協(xié)方差矩陣進(jìn)行特征值分解,從而得到與信號分量對應(yīng)的信號子空間和信號分量相正交的噪聲子空間,然后利用這兩個(gè)子空間的正交性來估計(jì)信號參數(shù),它是建立在如下假設(shè)基礎(chǔ)上的。
(1)陣列形式為線性均勻陣,陣元間距不大于處理最高頻率信號波長的二分之一;
(2)處理器的噪聲為加性高斯分布,不同陣元間距噪聲均為平穩(wěn)隨機(jī)過程,且相互獨(dú)立,空間平穩(wěn)(各陣元噪聲方差相等);
(3)空間信號為零均值平穩(wěn)隨機(jī)過程,它與陣元噪聲相互獨(dú)立;
(4)信號源數(shù)小于陣列元數(shù),信號取樣數(shù)大于陣列元數(shù)。
如果有D個(gè)信號入射到M元陣列上,則陣列接收到的輸入數(shù)據(jù)向量可以表示為D個(gè)入射波形與噪聲的線性組合。如式(3)和式(4)所示
利用幾何描述,可以把接收向量X和導(dǎo)引向量a(θk)看作M維空間的向量。輸入?yún)f(xié)方差矩陣Rx可以表示如式(5)和式(6)所示
因?yàn)锳是由線性獨(dú)立的導(dǎo)引向量構(gòu)成的,因此是列滿秩的。信號相關(guān)矩陣Rs也是非奇異的(rank(Rs)=D,各信號源兩兩不相關(guān))。
列滿秩的A和非奇異的Rs可以保證,在入射信號數(shù)D小于陣元數(shù)M時(shí),M×M的矩陣ARsAH是半正定的,且秩為D。
由線性代數(shù)的基本知識,這意味著ARsAH的特征值vi中,有M—D個(gè)為零特征值。從輸入?yún)f(xié)方差矩陣Rx的角度看,Rx的特征值中有M—D個(gè)等于噪聲方差σ2n。然后尋找Rx的特征值,使λ1是最大特征值,λM是最小特征值,因此有式(10)
但是實(shí)際中是使用有限個(gè)數(shù)樣本估計(jì)自相關(guān)矩陣Rx的,所有對應(yīng)于噪聲功率的特征值(λD+1…,λM)并不相同,而是一組差別不大的值。隨著用以估計(jì)Rx的樣本數(shù)的增加,表征它們離散程度的方差逐漸減小,它們將會轉(zhuǎn)變?yōu)橐唤M比較接近的值。最小特征值的重?cái)?shù)K一旦確定,利用M=D+K的關(guān)系,就可以確定信號的估計(jì)個(gè)數(shù)D^。所以信號的估計(jì)個(gè)數(shù)由式(11)給出
通過尋找與Rx中近似等于σ2n的那些特征值對應(yīng)的特征向量最接近正交的導(dǎo)引向量,可以估計(jì)與接收信號相關(guān)的導(dǎo)引向量。
分析表明,協(xié)方差矩陣的特征向量屬于兩個(gè)正交子空間之一,稱之為特征子空間(信號子空間)和非主特征子空間(噪聲子空間)。相應(yīng)于DOA的導(dǎo)引向量位于信號子空間,因而與噪聲子空間正交。通過在所有可能的陣列導(dǎo)引向量中搜尋那些與非主特征向量張成的空間垂直的向量,就可以確定DOA。
為尋找噪聲子空間,構(gòu)造一個(gè)包含噪聲特征向量的矩陣,如式(19)所示
因?yàn)橄鄳?yīng)于信號分量的導(dǎo)引向量引噪聲子空間特征向量正交,即對于θ為多徑分量的DOA時(shí),aH(θ)VnVHna(θ)=0。于是多個(gè)人射信號DOA可以通過確定MUSIC空間譜的峰值作出估計(jì),這些峰值由式(20)給出
a(θ)和Vn的正交性將使分母達(dá)到最小,從而得到定義的MUSIC譜的峰值。MUSIC譜中個(gè)最大峰值對應(yīng)于入射到陣列上的信號的DOA。
3 MUSIC算法的實(shí)現(xiàn)
MUSIC算法的實(shí)現(xiàn)步驟可以總結(jié)如下
(1)收集輸入樣本X(i),i=1,…,N,估計(jì)輸入?yún)f(xié)方差矩陣,如式(21)所示
(2)對上面得到的協(xié)方差矩陣Rx進(jìn)行特征分解,如式(22)所示
(3)利用最小特征值λmin的重?cái)?shù)K估計(jì)信號數(shù)D^,如式(23)所示
D^=M-K (23)
按特征值的大小順序,把與信號個(gè)數(shù)D^相等的特征值和對應(yīng)的特征向量看作信號子空間,把剩下的M一D^個(gè)特征值和對應(yīng)的特征向量看作噪聲子空間,得到噪聲矩陣,如式(24)所示
(5)使θ變化,找出PMUSIC^(θ)的D^個(gè)最大峰值,得到DOA的估計(jì)值。
4 基于LMS算法的自適應(yīng)波束算法
LMS算法是一種自適應(yīng)波束賦形算法,通過迭代來求解最小均方誤差(MMSE)準(zhǔn)則下的最優(yōu)權(quán)重。自適應(yīng)算法包括兩個(gè)步驟,具體過程是:
第一步:假設(shè)陣列天線所接收到的信號可以表示為x(k)=[x0(k),x2(k),…,xM-1(k)]H,對當(dāng)前第k次快拍接收信號的加權(quán)系數(shù)為w=[w0,w1,…,wM-1]H,波束賦形器的輸出可以寫為y(k)=wH(k)x(k),輸出信號y(k)與期望信號s(k)的誤差信號為e(k)=s(k)一y(k);
第二步:根據(jù)公式w(k+1)=w(k)+2μx(k),求取對k+1次快拍的加權(quán)向量值,其中μ為固定步長因子,0<μ<1/λmax,λmax為Rxx最大特征值。
5 仿真實(shí)驗(yàn)和性能評估
智能天線系統(tǒng)實(shí)現(xiàn)先根據(jù)MUSIC算法得到天線陣列接收端的信號方向,然后選擇期望信號,使用LMS算法實(shí)現(xiàn)自適應(yīng)波束成形,使得發(fā)射信號方向指向所選擇信號的入射方向。
仿真實(shí)驗(yàn)一:模擬4個(gè)窄帶信號分別以20°,40°,60°,80°方向的信號入射到均勻線陣上,陣元間距為入射信號波長的1/2,信號間互不相關(guān),與噪聲相互獨(dú)立,噪聲為理想高斯白噪聲,天線個(gè)數(shù)為8,采樣快拍次數(shù)為l 280。仿真結(jié)果,如圖2所示,采用MUSIC算法可以很好的估計(jì)出入射信號個(gè)數(shù)和方向。
仿真實(shí)驗(yàn)二:由仿真實(shí)驗(yàn)一,MUSIC算法可以識別天線接收端的信號的入射方向,而自適應(yīng)波束成形通過最小二乘算法(LMS)來實(shí)現(xiàn)。選擇40°的波達(dá)方向信號進(jìn)行波束賦形和對其它方向信號進(jìn)行干擾抑制的仿真。
仿真條件:天線陣列的個(gè)數(shù)是8,陣元間距為入射信號波長的l/2,噪聲為理想高斯白噪聲,信噪比lO dB,采樣快拍次數(shù)為1 280次,μ取值為0.001,仿真結(jié)果,如圖3顯示,在40°主瓣方向上的幅度響應(yīng)比其他方向至少大10 dB,對20°和60°方向的干擾信號實(shí)現(xiàn)了很好的干擾抑制。
6 結(jié)束語
文中采用MUSIC和LMS算法實(shí)現(xiàn)智能天線系統(tǒng)。由仿真結(jié)果可以看出MUSIC算法能夠識別出等距線形天線陣列上入射信號的方向,采用LMS算法能夠?qū)崿F(xiàn)自適應(yīng)波束賦形,對干擾信號進(jìn)行有效抑制。但是對于MUSIC算法,如果入射信號相關(guān)時(shí),相關(guān)信號會導(dǎo)致陣列接收數(shù)據(jù)的協(xié)方差矩陣秩的虧缺,從而使得信號特征向量發(fā)散到噪聲子空間去,導(dǎo)致某些相關(guān)源的方向矢量與噪聲子空間不完全正交,無法正確估計(jì)信號源方向,此時(shí)MUSIC算法就會失效,所以這個(gè)時(shí)候應(yīng)該考慮先解除信號的相關(guān)性。而對于固定步長的LMS算法,雖然算法簡單,μ值應(yīng)為一個(gè)保持不變的估計(jì)值,且事先須取得輸入信號的統(tǒng)計(jì)特性。但隨著向最優(yōu)解方向的前進(jìn),權(quán)值的調(diào)整由粗到細(xì),μ值也應(yīng)該由大到小改變,使收斂迅速趨近最優(yōu)解,所以未來將采用變步長的LMS算法。但本實(shí)現(xiàn)方案對于其它陣列結(jié)構(gòu),如圓形天線陣列自適應(yīng)波束成形的有效性和復(fù)雜度則有待進(jìn)一步研究。