www.paper.edu
朱齐驱
北京邮电大学电信工程学院，北京（100876）
E-mail：zhuqiqu@gmail
摘 要： 本文介绍了一种智能天线在消除邻近小区同频段干扰用户方面的应用， 给出了智能 天线的关键算法描述， 仿真结果图， 结果显示智能天线技术的引入对系统性能有很大的提升。 关键词：智能天线，波束赋形，同频干扰
1. 引言
现有的蜂窝移动通信系统(如3G系统)提供的数据速率在小区中心和小区边缘有很大的 差异， 不仅影响了整个系统的容量， 而且使用户在不同的位置得到的服务质量有很大的波动。 因此，目前正在研发的新一代宽带无线通信系统，如3GPP、LTE、IEEE 802.20、B3G等，都 不约而同地将提高小区边缘性能作为主要的指标之一。 最常见的消除小区干扰的方法是频率 复用(FDMA)，即不同小区采用不同的
频段，但是这样频谱效率也相应地降低了。智能天线 采用的是空分复用(SDMA)的思想，在空域上区分出期望用户和干扰用户， 在保证频域效率的 前提下又提高了小区边缘性能[1]。 本文对多用户OFDM上行链路系统进行了仿真和分析，小区内用户区分依靠频分，而邻 小区的用户频带由于和参考小区的用户频带相同， 参考小区的接收天线在接收邻小区的信号 时，会对参考小区的用户信号接收形成干扰。原理如下图所示。当采用智能天线时能较好地 消除此类干扰。
BS 1 MS_inter BS 2 Adjacent Cell
MS Reference Cell
图1.小区干扰示意图
文章第2节给出了智能天线阵列的接收模型， 第3节给出了智能天线中的到达角估计算法 和波束赋形算法，第4节给出了仿真结果，说明及描述。
2. 智能天线阵列模型[2]
智能天线阵列一般可分为等距离直线阵列和等距离圆线阵列。 当阵列排列为等距离直线 排列时，如下图所示：
-1-
www.paper.edu
图 2.等距离直线排列天线阵拓扑图
当阵列排列为等距离圆线排列时，如下图所示：
图 3.等距离圆线排列天线阵拓扑
等距离直线天线阵上 M 个阵元的响应矢量为：
1 ⎡ ⎤ ⎢ ⎥ ⎢ exp(− j 2π d cos θ i ) ⎥ λ ⎥ A(θ i ) = ⎢ ⎢ ⎥ ... ⎢ ⎥ ⎢exp[− j 2π ( M − 1) d cos θ ]⎥ i ⎥ ⎢ λ ⎣ ⎦
其中 M 为天线阵列中阵元的数目，d 为 a 阵上的 M 个阵元响应矢量为：
（1）
r ⎡ ⎤ exp(− j 2π cos(0 − θi )) ⎢ ⎥ λ ⎢ ⎥ r 2π ⎢ ⎥ exp(− j 2π cos( − θ i )) ⎥ A(θi ) = ⎢ M λ ⎢ ⎥ M ⎢ ⎥ ⎢ ⎥ r 2π − θ i )) ⎥ ⎢exp(− j 2π cos(( M − 1) * M λ ⎣ ⎦
-2-
（2）
www.paper.edu
3. 智能天线中的自适应技术
一般地， 智能天线中的自适应滤波技术分为基于参考信号和盲估计两种。 基于参考信号 的算法有 LMS（最小均方误差），RLS（递归最小二乘），DMI（直接矩阵求逆）三种。 盲估计的算法有基于 DOA 和基于信号特性的算法等。 这里采用的是盲估计中较常用的基于 DOA 的算法，分为 music 到达角估计和 MVDR 波束赋形两个步骤。
3.1. music 到达角估计[2]
假设 u(t ) 为各个天线上接收的信号。则 u(t ) 用公式表示为：
⎡ s0 (t ) ⎤ u(t ) = ∑ a(φl ) sl (t ) + n(t ) = [a(φ0 ),...a(φD −1 )] ⎢ ... ⎥ + n(t ) = As(t ) + n(t ) ⎢ ⎥ l =0 ⎢ sD-1 (t ) ⎥ ⎣ ⎦
D −1
(3)
式中 sl (t ) 、 φl 、 a(φl ) 分别是第 l 个信源所对应的发送信息、入射角、导引向量。算法步骤 为： 1. 收集输入样本 u k
R uu =
2. 对 R uu 特征分解
^
^
1 K −1 ∑ uk uH k K k =0
(4)
R uu V = VΛ
3. 估计信号源数目
^
^
(5)
D =M-K
4．计算 v n 由 Λ 中 D 个最小特征值对应的特征向量组成 v n 5．计算 music 谱
^
（6）
Pmusic (φ ) =
°
a H (φ )a(φ ) a H (φ )Vn VnH a(φ )
（7）
其中 φ 为 0 ~ 180 的遍历, 出 Pmusic 的最大峰值所对应的 φ ，即波达方向的估计。
3.2. MVDR 波束赋形[3]
1967 年 ， Capon 提 出 基 于 目 标 用 户 来 向 约 束 的 MVDR （ Minimum Variance Distortionless Response）法，即在满足 w a 0 = 1 的条件下求 w ，使干扰最小，也就是使
H
w H R N w 最小，解为：
-3-
www.paper.edu
w=
R −1a(φ ) N a (φ )R a(φ )
H −1 N ^ ^
^
(8)
式中， R N 为输入信号中干扰、噪声分量对应的均方值。利用矩阵求逆定理，以便于在实际 系统中更易计算，可以证明上式等价于
^
w opt =
R −1a(φ ) a(φ ) H R −1a(φ )
^ ^
(9)
说明： w opt 为入射角 φ 对应的最佳加权向量。
φ 为 φ 的估计值， R 为输入样本的自相关矩阵， a(φ ) 为 φ 所对应的天线相应矢量。
^
^
^
4. 仿真系统说明，信道场景描述
该论文仿真的是 OFDM 上行链路中较简单的邻近小区干扰的情况。 如图 1 所示，其中参考小区（Reference Cell）中有一个期望用户 MS，用户数据 S1 经 过 OFDM 变换到时域后， 单天线发送。 邻近小区 （Adjoining Cell） 中有一个干扰用户 MS_Inter, 用户数据 S2 经过 OFDM 变换到时域后，单天线发送。 S1 和 S2 经过不同的无线衰落信道到达接收端，接收端为 6 天线的等距离直线天线阵， 天线间距为半波长。由于数据 S1 和 S2 占据的频带相同，互为同频干扰。若接收端不做任 何处理，直接把接收信号变换为频域再做解调，则同频干扰 S2 会对 S1 的解调造成很大的 影响。 而智能天线在空域上把同频干扰 S1 和 S2，区分开来，大大改善了期望用户 MS 数据恢 复的准确性。具体流程为：先收集各根天线上数据样本 u(t ) ；用 3.1 节中提到的 MUSIC 算 法对样本数据进行分析，得到对应 MS 和 MS_Inter 的到达角 ϕ1 和 ϕ 2 ；利用 ϕ1 和 ϕ 2 及噪声 特征向量的矩阵 Vn 用 MVDR 最佳波束赋形器形成天线加权矢量； 将此加权矢量应用于接收 数据 u(t ) ，得到 S1。如下图所示：
-4-
www.paper.edu
图 4. 智能天线算法流程框图
仿真信道环境：时变五径瑞利衰落信道，中心载频 2.11GHz，码片速率 1.2288Mcp/s， 车速为 10km/h。
5. 仿真结果、说明及结论
三个仿真图仿真的是干扰能量比信号能量衰减分别为 0dB，5dB，10dB 的情况。
-5-
www.paper.edu
Decay = 0dB 0.45 0.4 0.35 0.3 BER 0.25 0.2 0.15 0.1 0.05 SA canceling NO SA canceling
0
2
4
6
8
10 SNR
12
14
16
18
20
图 5. 干扰源能量与信号源能量相同时的智能天线效果
Decay = 5dB 0.4 SA canceling without SA canceling
0.35
0.3
0.25 BER 0.2 0.15 0.1 0.05
0
2
4
6
8
10 SNR
12
14
16阵列天线
18
20
图 6. 干扰源能量比信号源能量衰减 5dB 时智能天线效果
-6-
豫公网安备41160202000603
站长QQ:729038198
关于我们
投诉建议