用于IMT-2000码分多址无线通信的智能天线.pdf

上传人:1****2 文档编号:1154838 上传时间:2018-04-03 格式:PDF 页数:51 大小:1.32MB
返回 下载 相关 举报
摘要
申请专利号:

CN00137659.4

申请日:

2000.11.10

公开号:

CN1317892A

公开日:

2001.10.17

当前法律状态:

授权

有效性:

有权

法律详情:

授权|||实质审查的生效|||公开

IPC分类号:

H04J13/02

主分类号:

H04J13/02

申请人:

SK泰力康姆株式会社;

发明人:

权赫文; 宋柳承

地址:

韩国汉城

优先权:

1999.11.10 US 60/164,552

专利代理机构:

柳沈知识产权律师事务所

代理人:

马莹

PDF下载: PDF下载
内容摘要

一种用于智能天线系统的在不使用本征值求取技术情况下根据最大信号对噪声加干扰输出功率比(SINR0)产生加权矢量的方法。在伪噪声(PN)解扩之后而非在接收机之前采用该加权矢量,以进行信道估计和数据码元解调。该方法包括下列步骤:设置初始加权矢量w(0)和收敛参数或初始本征值;接收新的后PN处理矢量y(i)和新的预PN处理矢量x(i);在抽点索引k时使用多个新定义的公式更新加权矢量w(k),由此获得性能最佳的加权矢量。

权利要求书

1: 一种在智能天线系统中用于在没有拉格郎日乘式的情况下根据最大 输出功率标准生成加权矢量的方法,其中,在伪噪声(PN)解扩之后而非在接 收机之前应用该加权矢量,以进行信道估计和数据码元解调,包括下列步 骤: 设置初始加权矢量w(0)和初始本征值λ(0); 接收新的后PN处理数据y(k); 在抽点索引k时更新加权矢量w(k): w ( k ) = w ( k - 1 ) - 1 2 1 λ ( k ) ▿ ( k ) = w ( k - 1 ) + [ y ( k ) - w ( k - 1 ) z ( k ) ] z * ( k ) λ ( k ) ]]> w ( k ) = w ( k ) w 1 ( k ) ]]> 其中,(k)是价值函数的M×1梯度矢量, * 是共轭运算,λ(k)是矩阵 R yy (k)自协方差的本征值,w 1 (k)是w(k)的第一元素,和z(k)是阵列输出: z(k)=w H (k-1)y(k) 其中H代表共轭转置,由此产生加权矢量。
2: 如权利要求1的方法,其中,如果初始加权矢量w(0)设置为(1,...,1) T , 本征值λ(k)更新为: λ(k)=fλ(k-1)+|z(k)| 2 其中,省略系数f设置为0.9,和初始本征值λ(0)为M。
3: 如权利要求2的方法,其中,当SINR足够大时,最佳阵列加权矢量 w(k)接近y(k)的自相关矩阵的主本征值;并且价值函数为: J(w(k))=E‖y(k)-w(k)w H (k)y(K)‖ 2        =tr(R yy (k))-2tr(w H (k)R yy (k)w(k))+tr(w H (k)R yy (k)w(k)w H (k)w(k)) 其中,tr是跟踪运算,而R yy (k)是自相关矩阵。
4: 如权利要求3的方法,其中,自相关矩阵为: R yy ( k ) = E { y l , m = 1 ( k ) · · · y l , m = M ( k ) y l , m = 1 · · · y l , m = M ( k ) H } ]]>
5: 如权利要求4的方法,其中,如果加权矢量w(k)与到达信道矢量a(k) 成正比,则当加权矢量是最佳时,均方差E|y(k)-w(k)w H (k)y(k)| 2 变成零。
6: 如权利要求5的方法,其中如果加权矢量w(k)使价值函数最小,阵 列输出功率z(k)最大。
7: 一种在智能天线系统中使用本征矢量求取技术根据最大信号与干扰 加噪声输出功率比(SINR 0 )生成加权矢量的方法,其中,在伪噪声(PN)之后而 非在接收机之前应用该加权矢量,以进行信道估计和数据码元解调,包括下 列步骤: 接收新的后PN处理矢量y(i)和新的预PN处理矢量x(i); 设置在抽点(snapshot)k时用户指状部件的后PN相关信号矢量y为: y(k)=s(k)+i(k)+n(k)=s(k)+v(k) 其中,s(k)是通过衰落信道的M×1所需用户信号矢量;i(k)是M×1PN 扩频干扰信号矢量;n(k)是M×1热噪声矢量;和v(k)=i(k)+n(k)是干扰加噪 声矢量; 计算最佳加权矢量w(k)为: w(k)=ξR vv -1 (k)a(k) w ( k ) = w ( k ) w 1 ( k ) ]]> 其中 R vv ( k ) = G G - 1 ( R xx ( k ) - 1 G R yy ( k ) ) ]]> 其中,G是PN扩频处理增益;R xx (k)是M×1个x(i),即预PN解扩阵 列样本矢量的M×M自相关矩阵;R yy (k)是M×1个y(i),即后PN解扩阵列 样本矢量的M×M自相关矩阵;而a(k)是信道矢量,由此产生加权矢量。
8: 如权利要求7的方法,其中信道被估计为具有矩阵R yy (k)-R xx (k)的最 大本征值的本征矢量,因为信道矢量a(k)是如下获得的: (R yy (k)-R xx (k))a(k)=λa(k)
9: 一种在智能天线系统中在不使用本征矢量求取技术的情况下,根据最 大信号与干扰加噪声输入功率比(SINR O )生成加权矢量的方法,其中在伪噪声 (PN)之后而非在接收机之前采用该加权矢量,以进行信道估计和数据码元解 调,包括下列步骤: 设置初始加权矢量w(0)和收敛参数; 接收新的后PN处理数据y(i)和新的预PN处理矢量x(i); 更新在抽点索引k时的加权矢量w(k): 根据当前抽点间隔内的样本,获得一个预PN解扩阵列样本矢量x(k)的 自相关矩阵R xx (k); 采用相对于w(k)的信噪比(SINR)的梯度矢量(k)递归地更新最佳加权 矢量,其中,新的最佳加权矢量可以获得为: w ( k ) = w ( k - 1 ) + 2 ( G - 1 ) μ D 2 ( k ) [ { D ( k ) + | z ( k ) | 2 } z * ( k ) y ( k ) - G | z ( k ) | 2 R xx ( k ) w ( k - 1 ) ] ]]> w ( k ) = w ( k ) w 1 ( k ) ]]> 其中,μ是收敛参数;G是PN处理增益,等于每码元的码片数量,z(k) 是阵列输出;和 D(k)=Gw H (k-1)R xx (k)w(k-1)-|z(k)| 2 ,由此产生加权矢量。 11.如权利要求9的方法,其中,如果R xx (k)近似为: R xx (k)≈x(k)x H (k), 标量g(k)为: g(k)=w H (k-1)x(k), 则获得新的最佳加权矢量为: w ( k ) = w ( k - 1 ) + 2 ( G - 1 ) μ C 2 ( k ) [ { C ( k ) + | z ( k ) | 2 } z * ( k ) y ( k ) - G | z ( k ) | 2 g ( k ) x ( k ) ] ]]> C(k)=fC(k-1)+G|g(k)| 2 -|z(k)| 2 , 其中f是省略系数。

说明书


用于IMT-2000码分多址无线 通信的智能天线

    本发明一般涉及无线通信领域,更具体地涉及用于码分多址无线通信的智能天线的开发。

    大多数波束形成技术已经被设计用于基于全球移动通信系统(GSM)和时分多址(TDMA)的蜂窝系统,它们在下列文章中描述,M.Viberg等人的“基于子空间配合的传感器阵列处理(Sensor Array Processing Based on SubspaceFitting)”,IEEE Trans.on Acoustics,Speech,Signal Processing,vol.ASSP-39,no.5,PP.1110-1121,May 1991;M.Taferner等人的“一种新的采用宽零点的基于DOA的波束形成算法(A Novel DOA-Based Beamforming Algorithm withBroad Nulls)”,International Symposium on Personal,Indoor and Mobile RadioCommunication’99,Osaka,Japan,September 1999:A.Kuchar等人的“用于GSM1800基站的实时智能天线处理(Real-Time Smart Antenna Processing forGSM1800 Base Station)”,IEEE Vehicular Technology Conferenc’99,Houston,TX,May16-20,1999;A.Kuchar等人的“用于GSM基站的一种坚固的基于DOA的智能天线处理(A Robust DOA-Based Smart Antenna Processing for GSM Base Stations)”,IEEE International Conference on Communicaiton’99,Vancouver,June 6-10,1999;J.H.Winters的“具有平坦衰落的数字移动无线电系统IS-54中采用自适应阵列捕获和跟踪信号(Signal Acquisition andTracking with Adaptive Arrays in Digital Mobile Radio Systems IS-54 with FlatFading)”,IEEE Transactions on Vehicular Technology,vol.VT-42,no.4,pp.377-384,July 1993;J.H.Winters的“天线分集对无线通信系统容量地影响(The Impact of Antenna Diversity on the Capacity of Wireless Communication Systems)”,IEEE transactions on Communication,vol.COM-1 4,no.4,pp.1740-1751,april 1994;J.Razavilar等人的“具有智能天线的软件无线电结构:有关算法和复杂性的教导(Software Radio Architecture with Smart Antennas:ATurorial on Algorithms and Complexity)”,IEEE Journal on Selected Areas inCommunications,vol.17,no.4,pp.662-676,April 1999;S.Anderson等人的“用于移动通信系统的一种自适应天线阵列(An Adaptive Arrays for MobileCommunication Systems)”,IEEE Transactions on Vehicular Technology,vol.VT-40(1),pp.230-236,February 1991;S.Talwar等人的“使用天线阵列的多共信道数字信号的盲目估计(Blind Estimation of Multiple Co-Channel DigitalSignals Using an Antenna Array)”,IEEE Signal Processing Letters,vol.(1)-2,pp.29-31,February 1994;L.Tong等人的“多个独立信号源的波形保持盲目估计(Waveform-Preserving Blind Estimation of Multiple IndependentSources)”,IEEE Transactions on Acoustics,Speech,Signal Processing,vol.ASSP-41,no.7,pp.2461-2470,July 1993中进行了描述。波束形成技术不适合于直接序列(DS)码分多址(CDMA)系统,因为有下列原因。首先,在CDMA无线电系统中的所有用户共用信道并且他们的数量可以容易超过天线数量。另外,由于多径传播和每个传输路径可能包括不同时间延迟的直接、反射和散射路径的情况,不能良好地定义阵列主瓣。因此,基于方向寻找的波束形成技术难以应用。在移动站到基站的链路中也没有训练或基准信号。因此,基于基准信号的技术不能使用。

    一种智能天线被定义为具有盲目技术的自适应天线阵列。这不需要任何训练信号或预先的空间信息。近来,用于估计矢量信道的技术和相应的自适应波束形成器已经被开发用于CDMA无线电系统,如同在Ayman f.Naguib等人的文章“具有M元正交调制和小区站天线阵列的无线电CDMA的性能(Performance of Wireless CDMA with M-ary Orthogonal Modulation and Cell Site Antenna Arrays)”,IEEE Joumal on Selected Areas in Communications,vol.14,No.9,pp.1770-1783,December 1996;Arogyaswami J.Paulraj等人的文章“用于无线电个人通信的空-时调制解调器(Space-Time Modems forWireless Personal Communications)”,IEEE Personal communications,vol.5.No.1,pp.36-48,February 1998中所描述的。在该技术中,在每个指状部件(并联的接收器,用于将系统中所需用户与多径成分隔离)的每个天线上对执行代码滤波。预-和后-相关阵列协方差矩阵的本征结构用于估计信道 矢量和派生出对应的自适应波束形成器。该技术扩展到利用RAKE(瑞克)指状部件的多径传播情况。产生的总接收机结构称为波束形成器RAKE。波束形成器RAKE是一种盲目技术,因为它不需要任何训练信号,尽管假设了每个用户每个指状部件的扩展码的全部知识。它不需要有关信号传播的任何假设和因此适合于不同传播设置。

    当信号环境由于所需要和不需要的非稳定信号而经常改变时,自适应波束形成器必须连续更新加权矢量以匹配变化的环境。在Ayman F.Nauguib等人文章中的自适应算法基于所产生的本征矢量和一种本征值求取方法,并且被设计成使信号对干扰加噪声的输出功率比(SINR0)最大。尽管在AymanF.Nauguib等人文章中的智能天线表现了在误码率(BER)性能上与现有智能天线相比的明显改善,但它们需要大量计算和应用于实际领域中并不简单。这些繁重的计算是因为对于天线阵列输出的M×M个自协方差矩阵的本征值和本征矢量的计算。

    如同在Maggie Dunham等人的文章“无限的T3和更远(Tetherless T3 andBeyond)”所提到的无限的T3和未来的无线通信中,Interim Report,NationalScience Foundation Workshop on November 19-20,1998(在URL:http://WWW.cudenver.edu/public/engineer/T3-Workshop/T3Report-12-98.html可以获得),需要“快速协议/算法”用于“时空变化的信道”。基于最大输出功率而非最大SINR0的简单智能天线在D.Shim等人“CDMA移动通信中用于智能天线系统的基于拉格郎日公式的一种新的盲目自适应算法(A New BlindAdaptive Algorithm Based on Lagrange’s Formula for a Smart Antenna inCDMA Mobile Communications)”IEEE Vehicular Technology Conference,pp.1160-1664,Ottawa,May 1998;Yoo S.song等人的“用于CDMA无线通信的一种简单智能天线的简单分析(Simple Analysis of a Simple Smart Antennafor CDMA Wireless Communications)”IEEE Vehicular Technology Connference,Houston,TX,pp.254-258,May 16-20,1999;提交给IEEE Joumal on SelectedArea in Communications,June 1999的Yoo S.song等人的“用于码分多址无线通信的一种简单智能天线的分析(Analysis of a Simple Smart Antenna for CodeDivision Multiple Access Wireless Communications)”文章中,明显减少了计算的数量。D.Shim等人文章中的研究表示了与Yoo S.song等人文章中结果类似的性能。可是,D.Shim等人文章中的最大输出功率标准利用了拉格郎日乘式方法并且导致了稍微高的计算负荷(5.5M,与Yoo S.song等人文章中的4M相比)。最大输出功率标准可以获得自适应和高效率天线加权矢量,如果扩频处理增益足够高(例如在IS-95CDMA系统中的21dB)。所接收的多径强度在实际中可能不相等。这些算法的弱点是,如果在PN解扩后不需要的信号强或如果信号对干扰输入功率比(SIRi)低,则弱路径信号的最佳加权矢量可能跟踪一个不需要的用户或强路径信号方向。

    在未来的CDMA无线通信系统中,低SIRi工作比高SIRi更重要。需要开发出一种智能天线算法,不仅使SINR最大而且也具有比较小的计算负荷。在本发明中,发明了两个这种智能天线算法,并且与Ayman.F.Naguib等人文章中采用本征矢量求取的现存智能天线和Yoo S.Song等人文章中基于最大输出功率标准的现存智能天线进行比较。四个算法中的两个在每个抽点(snapshot)只需要4M量级的计算负荷,其中M是基站中一个扇区的天线数量。所发明的另一算法需要4M+2M2量级的计算负荷,并且基于最大SINR0标准。所有三个算法不需要本征值和本征矢量的任何计算。所有三个智能天线加权矢量在后PN处理之后应用,如Ayman.F.Naguib等人文章所述,以利用DS-CDMA系统相对于其它时分多址(TDMA)或频分多址(FDMA)系统的优点。参照用户数量对误码率(BER)进行分析和模拟。

    在cdma2000反向链路中的交叉伪噪声(PN)扩频和解扩以及导频辅助信道估计是与IS-95码分多址(CDMA)无线通信系统的一些主要不同特点。这些不同特征包括在本发明中。然后,呈现没有本征矢量求取的三个简单智能天用于未来实现高速低成本直接序列CDMA无线通信系统,并且与具有本征矢量求取的常规智能天线进行比较。两个只需要在每个抽点4M量级的计算负荷,其中M是基站上一个扇区内的天线数量。另一算法需要4M×2M2量级的计算负荷。它们中的两个是基于最大信号对干扰加噪声输出功率比(SINR0)标准,如同常规算法,而另一个基于最大输出功率标准。所有三个简单智能天线用于时间和空间变化的信道。由于产生本征矢量求取,常规智能天线需要大于M2量级并且实施困难和成本高。应用相等和不相等强Jake衰落信道。考虑了离散和区群干扰模型两者。分析、模拟具有智能天线的CDMA系统的比特(码元)误码率(BER),并且与现有天线的进行比较。可以看出4M量级的两个简单智能天线可以表现得比不相等强度衰落环境和/或区群干扰用户下的现有天线更好。通常,基于最大SINR标准而没有本征矢量求取的2M2+4M量级的另一简单智能天线算法表现出所考虑的四个智能天线中的最好性能。附录提供MATLAB程序的源代码,用于核实本发明权利要求书。

    为更完整理解本发明和其优点,结合附图和参照下列说明,其中相似标号代表相似部件,图中:

    图1是利用按照本发明方法的基于cdma2000反向链路配置3的复PN扩频的方框图;

    图2具有利用本发明方法的cdma2000反向链路的智能天线处理器的接收机示意性总方框图;

    图3是用于表示cdma2000无线电配置3中反向业务信道的复PN解扩的示意图;

    图4是用于表示预PN解扩阵列样本矢量x(k)的自相关矩阵估计器Rxx(k)的示意图;

    图5是用于描述后PN解扩阵列样本矢量y(k)的自相关矩阵估计器Ryy(k)的示意图;

    图6是流程图,用于按照本发明基于最大输出功率标准而没有拉格郎日乘式的智能天线;

    图7是流程图,用于按照本发明修改的智能天线,基于具有本征矢量求取的最大SINR标准;

    图8是流程图,用于按照本发明另一个实施例的基于最大SINR标准而没有本征矢量求取的新智能天线;

    图9是流程图,用于按照本发明另一个实施例的基于最大SINR标准而没有本征矢量求取的更简化智能天线;

    图10A说明当实际的干扰模型用于N=10用户时,在天线阵列矢量的第二元素中实部和虚部分量的均值和方差;

    图10B表示当实际的干扰模型用于N=30用户时,在天线阵列矢量的第二元素中实部和虚部分量的均值和方差;

    图10C表示当实际的干扰模型用于N=70用户时,在天线阵列矢量的第二元素中实部和虚部分量的均值和方差;

    图10D表示当实际的干扰模型用于N=70用户时,在天线阵列矢量的第二元素中实部和虚部分量方差的和;

    图10E表示当简化干扰模型用于N=10用户时,在天线阵列矢量的第二元素中实部和虚部分量的均值和方差的图形;

    图10F表示当简化干扰模型用于N=30用户时,在天线阵列矢量的第二元素中实部和虚部分量的均值和方差的图形;

    图10G表示表示当简化干扰模型用于N=70用户时,在天线阵列矢量的第二元素中实部和虚部分量的均值和方差的图形;

    图10I表示当简化干扰模型用于N=70用户时,在天线阵列矢量的第二元素中实部和虚部分量方差的和的图形;

    图11表示对于简化和实际的干扰模型的模拟BER结果与信号数量N的对应图,其中也表示了当M=3天线、L=2相等强度Jake衰落多径、移动速度50km/h和EbNo=20dB、并且利用没有拉格郎日乘式的最大输出功率标准时的理论智能天线BER结果;

    图12表示cdma2000反向链路中通过利用导频辅助信道估计的BER减弱的图,其中假设相等强度多径衰落、M=3天线,L=2路径和Eb/No=20dB;

    图13A表示相等强度多径衰落情况下的智能天线BER结果的图,其中假设M=3天线、L=2路径和Eb/No=20dB;

    图13B表示相等强度多径衰落情况下的智能天线BER结果的图,其中假设M=10天线、L=2路径和Eb/No=20dB;

    图14A表示不相等强度多径衰落并且al=12‾=0.9]]>和al=22‾=0.1]]>情况下的智能天线BER结果的图,其中假设M=3天线,L=2路径和Eb/No=20dB;

    图14B表示不相等强度多径衰落并且al=12‾=0.9]]>和al=22‾=0.1]]>情况下的智能天线BER结果的图,其中假设M=10天线、L=2路径和Eb/No=20dB;

    图15A表示区群干扰和不相等强度多径衰落并且al=12‾=0.9]]>和al=22‾=0.1]]>情况下的智能天线BER结果的图,其中假设M=3天线,L=2路径,和Eb/No=20dB;

    图15B表示区群干扰和不相等强度多径衰落并且al=12‾=0.9]]>和al=22‾=0.1]]>情况下的智能天线BER结果的图,其中假设M=10天线,L=2路径,和Eb/No=20dB;

    图16表示区群干扰和不相等强度多径衰落并且al=12‾=0.9]]>和al=22‾=0.1]]>情况下的智能天线的弱路径角度跟踪性能的图,其中假设M=3天线,L=2路径,和Eb/No=20dB;

    图17表示区群干扰和不相等强度多径衰落并且al=12‾=0.9]]>和al=22‾=0.1]]>情况下的智能天线的强路径角度跟踪性能的图,其中假设M=3天线,L=2路径,和Eb/No=20dB;

    图18是一个表,列出了针对所需信号的入射角θ1的平均角度增益;

    图19是一个表,表示了实际和简化的干扰模型的比较;

    图20是表3,列出了在相等强度信道(0.5,0.5)、L=2、Eb/No=20dB情况下的误码率;

    图21是一个表,列出了在不相等强度信道(0.9,0.1)、L=2、Eb/No=20dB情况下的误码率;和

    图22是一个表,列出了不相等强度信道(0.9,0.1)、L=2、Eb/No=20dB和区群干扰情况下的误码率。

    系统模型

    图1表示基于cdma2000(即3G CDMA)反向链路配置3的复PN扩频,在TIA,cdma2000物理层Interim V&V Text(版本8.3),March 16,1999中描述。导频信道中输入数据dnI(k)是1而业务信道中dnQ(k)是±1的随机序列,其中k代表码元索引。假设码元速率等于智能天线加权矢量适配率(即,抽点速率)。按照版本8.3中的规定,导频幅度A0选择为反向业务信道的倍。导频和业务信道分别与正交沃尔士码bnI(i)=1和bnQ(i)=±1交替序列相乘。通过使用乘法器11-16,将同相(I)和正交相位(Q)数据利用anI(i)=anI(i)+janQ(i)进行PN扩展。PN扩展码信号写成{A0dnI(k)bnI(i)+jA0dnQ(k)bnQ(i)}(anI(i)+janQ(i))={A0+jdnQ(k)bnQ(i)}(anI(i)janQ(i)),其中i和k代表分别码片和码元(或抽点)索引。在带通滤波器H(f)17和18之后的等效低通I和Q分量表示为SnI(i)+jSnQ(i)。通过两个路径19和20和天线22的来自用户n的发射信号Sn(t)写成:sn(t)=Re{P(snI(t))+jsnQ(t)ej2πfct}(k-1)TC≤T≤kTC]]>(1)

    其中P是发射功率。Jake衰落模型用于给定移动速度和载波频率的每个多径,如在W.C.Jakes,Jr.Ed.的“微波移动通信(Microwave MobileCommunications)”Wiley,1974书中描述。

    图2表示按照本发明具有cdma2000反向链路的智能天线处理器的接收机的总方框图。假设来自N个用户的到达角方向(DOA)是独立随机变量,并且来自相同移动用户的L个多径信号的DOA也是独立的。在M个天线的线性阵列中的天线间隔d选择为λ/2,其中九是等于给定载波频率/fc和光束C3×108m/s的C/fc的波长。假设该阵列天线是相同的并且具有对任何方向相同的响应。通过所有天线接收相同的信号,并且M个天线的输出信号相等,除了空间相位差e-j2π(m-1)(dsinθ)/λ=e-jπ(m-1)sinθ,m-1,……,M之外,其中来自所需信号的平面波以相对于阵列法线θ角度入射到阵列上。天线阵列响应矢量a(θ)可以写成:

    α(θ)=(1e-jπsinθ…e-j(M-1)πsinθ)T    (2)

    其中T是转置,而θ是入射角。在第m天线AntM上的接收信号rm(t)可以写成:rm(t)=Σn=1NΣl=1L{sn(t-τ1,n)a1,n(t)ejφ1,n(t)e-j(m-1)πsinθ1,n(t)}+nm(t)---(3)]]>

    其中τ1,n,a1,n(t),φ1,n(t),θ1,n(t)分别是来自用户n的第一条路径的多径延迟、幅度、相位和入射角,和nm(t)是双面频率谱密度N0/2的热噪声。下标1=1,…,L,m=1,….,M,和n=1,…,N分别代表指状部件(或路径)、天线和移动用户的索引。

    图2中每个天线Ant1、…、AntM的输出由本地混频器30-1、…、30-M和31-1、…、31-M单独进行下变频。本地混频器30-1、…、30M和31-1、…、31-M被校准,以便来自混频器的相位失真相同。具有零平均值和N0/2方差的高斯独立基带热噪声加入到每个天线输出的I和Q分量中。IS-95中指定的基带滤波器H(f)或狄拉克δ脉冲滤波器被使用。由于使用两种基带滤波器所引起的BER差不明显。基带滤波器32-1到32-M的输出信号在每个码片周期TC中采样并且由x1,m(i)表示,其中i代表码片索引。选择所需要的用户为n=1,为便于表示,去掉了用户索引。在1和10之间多径延迟δl选择随机整数(分别表示TC和10TC)。当TC是1/1.2288M=0.813μs,而码元速率是19.2kps时,可以代表实际多径延迟。所接收样本利用an(i-δ1)=anT(i-δ1)+janQ(i-δ1)通过解扩模块37和39进行复PN解扩,其中PN码捕获装置提供多径延迟δ1的信息。

    图3表示了复PN解扩的细节。由y1m(i)=y1mI(i)+jy1mQ(i)代表PN解扩输出。图2中的指状部件1的智能天线处理器38对第k抽点采用预PN处理矢量x1(i)=(x1,m=1(i),…,x1,m=M(i))T和后PN处理矢量y1(i)=(y1,m=1(i),…,y1, m=M(i))T,i=(k-1)G,….,kG,其中G是每个码元的PN码片数量,并且称为处理增益(等于64)。然后,图2中的智能天线处理器38为指状部件1产生加权矢量w1(k)=(w1,m=1(k),….,w1,m=M(k))T。加权矢量w1(k)应用在PN解扩后而不是在接收机之前进行信道估计和数据码元解调。对于指状部件1,在图2中第m天线AntM上的每个导频信道估计模块42和44中的导频辅助信道估计可以写成:a^l,m(i)e-jφ^l,m(i)=1ECA0NpΣj=i=Np+1iyl,m(j)wl,m*(j),m=1,...,M---(4)]]>其中*代表共轭运算,而Np是估计窗口内的码片数量。对于业务码元解调,从乘法器40和41输出的加权的PN扩频信号y1,m(j)w1,m*(k)在乘法器45和46上被乘以由沃尔什码发生器43产生的沃尔什码bi*(i)=b*(i-δ1)的共轭和信道估计a^l,m(i)e-jφ^l,m(i)]]>,然后在累加器47和48上在码元周期内进行累加。从每个累加器的输出由u1,m(k)表示并且写为:ul,m(k)=Σi=(k-1)GkGyl,m(i)wl,m*(i)bl*a^l,m(i)e-jφ^l,m(i)---(5)]]>

    在累加器49和150上对m和1分别执行空间和时间RAKE(瑞克)组合,并且写为:u(k)=Σl=1LΣm=1Mul,m(k)-----(6)]]>

    软判决变量u(k)可以送给或者维特比软判决解码器151或者硬判决模块器152。本发明使用硬判决152,并且分析和模拟码元(比特)错误概率。

    智能天线算法

    图2中的智能天线阵列处理器38可能需要预PN处理数据x1(i)和后PN处理数据y1(i)的自相关矩阵Rxx(k)和Ryy(k)。图4和5分别表示如何对指状部件1自适应地估计自相关矩阵Rxx(k)和Ryy(k)。在图4中的矩阵运算等于:Rxlxl(k)=Σi=(k-1)GkGxl(i)xlH(i)----(7)]]>

    其中H代表共轭转置。在图5中,PN扩频样本y1,m(j)在码元周期上被相加以估计Ryy(k)。由于正交沃尔什码,在相加后,业务信道分量被抑制而导频信道信息通过。自相关矩阵Ryy(k)可以估计为:Ryy(k)=E{yl,m=1(k)···yl,m=M(k)yl,m=1···yl,m=M(k)H}---(8)]]>

    在此部分考虑四个智能天线算法。它们中的两个是新发明的。其中一个是由发明人在Yoo S.Song等人的文章“用于码分多址无线通信的简单智能天线分析(Analysis of a Simple Smart Antenna for Code Division Multiple AccessWireless Communications)”中新发明的,在IEEE Journal on Selected Area inCommunications,June 1999提出。另一个算法是由发明人根据上述Ayman F.Naguib文章中的最大SINR输出标准修改的智能算法。

    1)基于最大输出功率而不用拉格郎日乘式的智能天线

    图6表示了在Yoo S.Song等人的文章中由发明人发明的智能天线流程图,其通过使用消肿的投影近似子空间跟踪(PASTd)(在B.Yang的文章“PASTd算法对排序和子空间跟踪的扩展(An Extension of the PASTdAlgorithm to Both Rank and Subspace Tracking)”,IEEE Signal ProcessingLetter,vol 2,no9,pp179-182中描述)使均方误差(MMSE)最小而不是使SINR最大,没有应用拉格郎日乘式。当SINR足够大时,在步骤51和52,最佳阵列加权矢量w(k)接近自相关矩阵y(k)的主本征向量。对于高SINR,价值(cost)函数可以写成:

    J(w(k))=E‖y(k)-w(k)wH(k)y(k)‖2

    =tr(Ryy(k))=2tr(wH(k)Ryy(k)w(k)+tr(wH(k)Ryy(k)wH(k)w(k))    (9)

    其中tr是跟踪运算。指状部件索引1为简洁省略。在步骤54和55,在抽点索引k的更新的加权矢量w(k)写为:w(k)=w(k-1)-121λ(k)▿(k)=w(k-1)+[y(k)-w(k-1)z(k)]z*(k)λ(k)---(10)]]>w(k)=w(k)w1(k)-----(11)]]>

    其中,(k)是公式(9)中价值函数的M×1梯度矢量,*是共轭运算,λ(k)是自协方差矩阵Ryy(k),w1(k)是w(k)的第一元素,在步骤53,z(k)是阵列输出,为:

    z(k)=wH(k-1)y(k)            (12)

    初始加权矢量w(0)被设置为(1,……,1)T。本征值λ(k)更新为:

    λ(k)=fλ(k-1)+|z(k)|2      (13)

    其中省略(forgetting)系数f被设置为0.9,初始本征值λ(0)为M。这样,通过利用公式(10)-(13)每个抽点只占用4M计算周期,这明显小于现有算法。注意到在公式(9)中对y(k)的w(k)wH(k)运算变成从y(k)到y(k)的相同映射,尽管它不是相同矩阵,并且当加权矢量是最佳时,即如果加权矢量w(k)与到达信道矢量a(k)成正比,均方差E[‖y(k)-w(k)wH(k)y(k)‖2]变成零。也注意,公式(9)中第一项与优化无关,公式(9)中第二和第三项的和变成-wH(k)Ryy(k)w(k)=-|z(k)|2,当wH(k)w(k)=1时,它是输出功率|Z(k)|2的负数。换句话说,阵列输出z(k)的功率最大,如果加权矢量w(k)使公式(9)的估计函数最小的话。该算法可以在2G或3G CDMA系统中有效,因为扩频增益通常足以使所需用户信号在形成阵列输出功率和加权矢量的波束图中占主导以跟踪所需用户信号的方向。该算法的缺点是,当其它用户数量少时,如果PN解扩后的不需要用户信号功率强,最佳加权矢量可能跟踪不需要用户信号。D.Shim等人文章中的研究也利用了一种最大阵列输出标准,和表示类似于本发明结果的性能。可是,D.Shim等人文章中的最大输出功率标准利用了拉格郎日乘式方法并且产生了比4M稍微高的5.5M计算负荷。

    2)基于最大SINR输出采用本征向量求取的智能天线

    图7表示了按照本发明修改的智能算法的流程图,基于Ayman F.Naguib等人文章中的最大SINR输出标准。在步骤61,用户的指状部件的后PN相关信号矢量可以写为:在抽点k位置,

    y(k)=s(k)+i(k)+n(k)=s(k)+v(k)             (14)

    s(k)是通过衰落信道的M×1所需用户信号矢量,i(k)是M×1 PN扩频干扰信号矢量,n(k)是M×1热噪声矢量,和v(k)=i(k)+n(k)是干扰加噪声矢量。在步骤62,在智能天线波束形成器上的SINR可以写为:SINR(w(k))=wH(k)RSS(k)w(k)wH(k)RVV(k)w(k)-----(15)]]>

    在步骤64,最佳加权矢量可以写成:

    w(k)=ξRvv-1(k)a(k)                (16)w(k)=w(k)w1(k)-----(17)]]>

    其中RVV(k)=GG-1(Rxx(k)-1GRyy(k))-----(18)]]>

    G=PN扩频处理增益,Rxx(k)=M×M是预PN解扩阵列样本向量M×1x(i)的自相关矩阵,Ryy(k)=M×M是后PN解扩阵列样本向量M×1 y(k)的自相关矩阵,和V(t)是无用信号。在公式(16)中的常数ξ不影响波束形成器SINR输出。在Ayman F.Naguib等人的文章中,信道矢量a(k)被估计为一般本征值问题的主要本征矢量:

    Ryy(k)a(k)=ηRxx(R)a(k)          (19)

    在步骤63,在该发明中,因为信道矢量a(k)满足下列公式,信道矢量a(k)被简单估计为具有矩阵Ryy(k)-Rxx(k)的最大本征值的本征向量,

    (Ryy(k)-Rxx(k))a(k)=λa(k)    (20)

    很明显,通过利用公式(20)获得的加权矢量也使输出SINR最大。利用公式(20)的智能天线的计算负荷在每抽点M2的数量级,而在Ayman F.Naguib等人的文章中,利用公式(19)智能天线的算法每抽点耗费大于M2数量级。在Ayman F.Naguib等人的文章(矩阵计算(Matrix Computations),Baltimore and London,Johns Hopkins University Press,second edition,1989)中,对每个用户的每个指状部件,利用了在G.H.Golub等人的文章中描述的功率方法递归的信道矢量的递归估计。

    对于xx(k),yy(k),uu(k),时间更新公式写成:R^xx(k)=fR^xx(k-1)+x(k)xH(k)-----(21)]]>R^yy(k)=fR^yy(k-1)+y(k)yH(k)-----(22)]]>R^vv(k)=fR^vv(k-1)+GG-1x(k)xH(k)-1G-1y(k)yH(k)-----(23)]]>

    其中,f是省略系数

    3)基于最大SINR输出而没有本征矢量求取的智能天线

    图8表示按照本发明简化的智能天线算法,基于Ayman F.Naguib等人文章的最大SINR标准。在Ayman F.Naguib等人的文章中在后PN解扩之后应用智能天线加权矢量,以使用DS-CDMA系统高于其它时分多址(TDMA)或频分多址(FDMA)系统的优点。在步骤73中,预PN解扩阵列样本矢量x(k)的自相关矩阵Rxx(k)通常可以利用当前抽点间隔获得。使SINR最大的最佳加权矢量可以通过采用针对w(k)的SINR梯度矢量(k)递归更新。在步骤74和75,新的最佳加权矢量可以获得如下:w(k)=w(k-1)+2(G-1)μD2(k)[{D(k)+|z(k)|2}z*(k)y(k)-G|z(k)|2Rxx(k)w(k-1)](24)]]>w(k)=w(k)w1(k)-----(25)]]>

    其中μ是收敛参数,G是PN处理增益,等于每个码元的码片数量,z(k)是阵列输出,和:

    D(k)=GwH(k-1)Rxx(k)w(k-1)-|z(k)|2    (26)

    公式(12)、(24)-(26)即不需要本征值或本征矢量的计算,也不需要任何矩阵的逆,而只需要标量和矢量之间的倍乘及矩阵和矢量之间的乘积。因此,在发明的算法中计算阵列输出z(k)的总计算负荷是每抽点2M2+4M,这明显少于在Ayman F.Naguib等人的文章中的现有算法。

    4)基于最大SINR输出没有本征矢量求取的更简化的智能天线

    图9表示了通过对Rxx(x)进行近似并通过定义标量g(k)来进一步简化公式(24)-(26):

    Rxx(k)≈x(k)xH(k)                        (27)

    在步骤82通常是有效的,

    g(k)=wH(k-1)x(k)                         (28)

    然后,在步骤82和83,公式(24)和(26)变成:w(k)=w(k-1)+2(G-1)μC2(k)[{C(k)+|z(k)|2}z*(k)y(k)-G|z(k)|2g(k)x(k)]--(29)]]>

    C(k)=fC(k-1)+G|g(k)|2-|z(k)|2        (30)

    其中,f是省略系数。公式(12)、(27)-(20)不需要本征值、本征矢量、任何矩阵逆的计算,也不需要任何矩阵和矢量之间乘积的计算,而只需要在标量和矢量之间相乘。因此,利用公式(12)、(29)和(30)的简化算法获得阵列输出z(k)的总计算负荷只是每抽点4M,这远远小于现有算法。

    分析

    当衰落速度与抽点(码元)速率相比低时,多径衰落相位不影响智能天线加权矢量更新处理,这在大多数实际应用中成立。只有多径衰落的幅度影响加权更新处理。该情况可以在下面证明。在抽点k-1的稳态加权矢量与信道矢量a(k)成正比并且可以写为:w(k-1)=1e-jπsinθ(k-1)···e-j(M-1)πsinθ(k-1)---(31)]]>

    然后,根据图5中导频信道的后PN解扩信号y(k)可以写为:y(k)=a(k)ejφ(k)1e-jπsinθ(k)···e-j(M-1)πsinθ(k)---(32)]]>

    该天线阵列输出z(k)可以写为:z(k)=wH(k-1)y(k)=a(k)ejφ(k)Σm=1Me-j(m-1)πsinθ(k)-θ(k-1)--(33)]]>

    例如,如果智能天线处理器使用最大输出功率标准,则等式(10)中的更新的加权矢量可以被写为:w(k)=w(k-1)+[y(k)-w(k-1)z(k)]z*(k)λ(k)=w(k-1)(1-|z(k)|2λ(k))+y(k)z*(k)λ(k)]]>

    c(k)={1-|z(k)|2/λ(k)},其中由于共轭相乘,公式(34)的右侧与衰落相位φ(k)无关。该事实对于模拟也许有用。此外,在抽点间隔内总的不需要信号的相位可以模拟成为统一的随机变量,尽管各个用户N的入射角θn(k)连续改变。该事实对于减少模拟时间有用。

    用Gavg(θ1)代表当来自所需用户的入射角是θ1时通过智能天线获得的对干扰的抑制增益。则当没有智能天线时干扰输出功率是I=(N-1)P时,Gavg(θ1)小于或等于1,并且抑制干扰输出功率变成利用智能天线的Gavg(θ1)I。图18列出了针对θ1的三个平均角度增益;对实部分量的角度增益Gavg,Re,对实部分量的角度增益Gavg,Im,和实部和虚部分量角度增益的和Gavg。如果调制是二进制移相键控(BPSK)而不是正交移相键控(QPSK),则应当使用实部分量的角度增益Gavg,Re,因为位判决是基于实部分量的。如果调制是如同用在cdma2000中的QPSK,则应当使用实部与虚部分量角度增益的和Gavg。

    类似地,在Yoo S.Song等人的文章中所示,当使用M个天线的智能天线阵列时,减少了有效输出热噪声功率。用ρC代表第1多径的平均输出SINR。则ρC可以写为:ρc=a12‾EbL(N0M+Gavg(θ1)I0)-----(35)]]>

    其中a2是第1路径衰落的平均功率。

    如果使用常规多天线阵列而没有加权处理,则SINR改善只可以在热噪声上实现。将没有对干扰的空间抑制增益。这可以解释如下:假设没有热噪声。则每个天线接收相同的干扰信号。常规天线阵列将信号和干扰功率都增加了M倍。这样,利用天线阵列不能改善信号对干扰的输出功率比。现在,假设没有干扰而只有独立热噪声加入到每个天线。则信号输出功率增加了M倍。这样,对于没有智能天线处理的常规天线阵列,ρC可以写为:ρc=a12‾EbL(N0M+I0)-----(36)]]>

    其中,I0=(N-1)P/(W=1/TC)。

    在智能天线后,使用等增益组合(EGC)接收机,并且将独立热噪声加入每个分集信道。在组合器输出上的SINR是各信道SINR的和。J.S.Lee等人的文章(CDMA系统工程手册(CDMA Systems Engineering Handbook),ArtechHouse Publisher,PP959,1998)中的在L个独立瑞利衰落路径下的通用BER公式可以用于具有智能天线处理器的CDMA,并且可以写为:Pb(E)=pLΣl=0L-1L+l-ll(l-p)l-----(37)]]>

    其中p是在第1多径衰落下的码元错误概率,可以写为:p=12(1-ρc1+ρc)-----(38)]]>

    模拟和分析结果

    对于模拟,假设其它用户具有单一多径,并且在所需用户信号中的其它多径被认为是干扰。这样,在公式3中第m个天线的所接收信号近似为:rm(t)=s1(t)a1(t)ejφ1(t)e-j(m-1)πsinθ1(t)]]>+Σn=2Nsn(t-τn)an(t)ejφn(t)e-j(m-1)πsinθn(t)+nm(t)---(39)]]>

    其中公式(39)中的第一项代表来自所需用户的所需指状部件信号(n=1,l=1)。对于快速模拟,干扰(即公式(39)中的第二项)可以简化为:Σn=2Nsn(t-τn)an(t)ejφn(t)e-j(m-1)πsinθn(t)=I(t)e-j(m-1)πsinθ1(t)--(40)]]>

    其中I(t)是具有零平均值和方差等于(N-1)的白高斯随机处理过程,并且θ(t)是从-π/2到π/2的均匀分布随机过程。时间单位t是一个PN码片间隔。

    图10A、10B和10C分别表示了当其它信号数目(N-1)分别等于10、30和70时,使用公式40的左部分,在天线阵列第二单元上实际干扰模型的实部和虚部分量的均值和方差。水乎轴代表帧索引。图10D表示当其它信号数量为70时实际模型实部方差和虚部方差的和。图10E、10F和10G分别表示当其它信号数量(N-1)分别等于10、30和70时,利用公式40的右侧,在天线阵列第二单元上简化的干扰模型实部和虚部的对应均值和方差。

    图10H表示当其它信号数量为70时简化模型实部方差和虚部方差的和。可看出,由于用户沿一界限的圆环持续运动,实际干扰模型样本相关,而由于是白高斯模型,简化干扰模型不相关。图19列出了实际和简化干扰的均值和方差,和它们的差。可看出,当其它信号数量增加时两个模型之间方差的差减小。

    图11表示简化和实际干扰模型中对应于信号数量N的模拟BER结果。为比较,也表示了当假设移动速度为50km/h的情况下M=3天线和L=2等强度Jake衰落多径,即al=12=al=22=0.5时的智能天线的理论BER结果。比特能量与热噪声强度之比(Ed/No/)选择为20dB。使用没有采用拉格郎日乘式的最大输出功率标准。可看出,实际和简化干扰模型之间的BER差不明显,并且两者也都接近理论BER结果。

    图12表示由于在cdma2000反向链路中导频辅助信道估计产生的BER衰减。使用没有拉格郎日乘式的最大输出功率标准。表示了对应于用户数量N的三个BER曲线。三个曲线是:a)假设完整信道估计,使用公式(35)和(37)的理论BER结果:b)采用完整信道信息anejφ1(t)]]>的模拟BER;和c)图1中具有导频辅助信道估计a^nejφ^1(t)]]>的模拟BER。可看出,由于导频信道估计引起的衰减不明显。基于公式(10)-(13)的最大输出功率标准的智能天线使用M=3天线。在导频估计信道估计窗口中的码片数量Np选择为128。当没有智能天线阵列时,信号对热噪声输入之比Eb/No。设置为20dB。假设移动速度为50km/h,模拟L=2等强度Jake衰落多径,即al=12‾=al=22‾=0.5]]>。当用户数量N少于30时,假设N-1个其它用户的入射角线性改变。换句话说,使用公式(40)左侧的实际干扰模型。当用户数量大于30时,利用均匀分布入射角和具有零均值和给定干扰功率(N-1)的高斯变量幅度来模拟总干扰。换句话说,使用公式(40)右侧的简化干扰模型。当N大于30时,单个用户持续变换的入射角模型与所有其它用户随机入射角模型之间的BER差可以忽略。所需用户的入射角每抽点线性改变0.01°。整个模拟中所使用的收敛参数是μ=0.0001。

    图13A表示当在L=2等强度Jake多径衰落下使用M=3天线时,四个新智能天线算法的对应模拟BER结果。为比较,也表示理论智能天线(使用公式(35)、(37))和常规天线阵列的BER结果(使用公式(36)、(37))。来自用户的入射角在一个扇区中均匀分布。可看出,四个智能天线算法性能几乎相同。相对于其他,最大输出功率标准产生了最好性能。基于最大SINR标淮而未采用本征矢量求取的简化的新智能天线最差。所有智能天线的BER结果接近理论值,并且与常规天线阵列相比,表现出明显的容量改善。例如,在3×10-2BER和L=2等强度Jake多径衰落情况下,具有M=3智能天线处理的CDMA可以支持24个用户,而M=3的常规天线阵列只支持10个用户。

    图13B表示当使用M=10天线时,四个新智能天线算法的对应模拟BER结果。与常规天线阵列相比,可看出容量明显改善。例如,在3×10-2BER,L=2等强度Jake多径衰落情况下,采用M=10智能天线处理的CDMA可以支持57个用户,而M=10的常规天线阵列只支持10个用户。图20列出对应于图13A和13B的模拟和理论BER结果。

    图14A表示当M=3时在等强度多径al=12‾=0.9]]>和al=22‾=0.1]]>情况下,四个新智能天线算法的对应模拟BER结果。理论智能天线BER结果针对等强度(M=3,L=1)和(M=3和L=2)。为比较,也表示了常规天线阵列(M=3,L=2)。可看出,在等强度衰落下,所有四个智能天线模拟BER结果接近具有L=1路径衰落的理论智能天线BER结果。这是合理的,因为与弱路径指状部件相比,来自强路径具有强度0.9的指状部件输出占主导。也可看出,当用户数量增加时,基于最大输出功率使用公式(10)-(11)而没有拉格郎日乘式的智能天线比其它智能算法稍好些。当用户数量减少时,基于最大SINR标准使用公式(16)-(23)并采用本征矢量求取的智能天线算法比其它智能算法稍好些。基于最大SINR标准并采用征矢量求取的智能天线算法每抽点采用8个码元,而其它智能天线算法使用瞬时更新,即每抽点一个码元。

    图14B表示当M=10时在不等强度多径具有al=12‾=0.9]]>和al=22‾=0.1]]>情况下,四个新智能天线算法的对应模拟BER结果。可看出,当用户数量增加时,基于最大SINR使用公式(24)-(26)而没有采用本征矢量求取的智能天线比其它智能算法稍好些。图21列出了对应于图14A和B的模拟和理论BER结果。

    图15A表示假设所有用户位于区群地区并且它们的入射角在25度的±5°内时对M=3的对应模拟BER结果。也考虑在不等强度多径al=12‾=0.9]]>和al=22‾=0.1]]>情况下四个新智能天线算法。为比较,表示了具有(M=3,L=2)但没有采用智能天线算法的常规天线。也表示了等强度衰落时具有(M=3,L=1)和(M=3,L=2)的理论智能天线BER结果。可看出,当用户数量增加时,基于最大SINR标准使用公式(16)-(23)并采用本征矢量求取的智能天线可能比L=1的理论智能天线BER结果和(M=3,L=2)的常规天线差。基于最大SINR标准使用公式(24)-(26)而没有采用本征矢量求取的智能天线可能产生比其它算法更好的结果。

    图15B表示假设所有其它用户位于区群区域并且它们的入射角在25度的±5°内时对M=10的对应模拟BER结果。基于最大SINR标准使用公式(16)-(23)并采用本征矢量求取的智能天线可能比(M=10,L=2)的常规天线差。基于最大输出功率标准的智能天线最好。图22列出了对应于图15A和B的模拟和理论BER结果。

    图16和17分别表示当所需路径信号入射角从0度线性改变到60度并且所有干扰入射角在25度的±5°内时弱和强路径的天线跟踪角度性能。使用基于最大SINR输出标准并采用和不采用本征矢量求取的两种智能天线。这些图表示三个新算法可以产生比其它基于最大SINR并采用本征矢量的新算法更好的BER,其等效于在Ayman F.Naguib等人文章中的算法。图16和17表示当干扰信号入射角接近所需信号,既图16和17中从2000到3000的抽点索引时,基于最大SINR而没有采用本征矢量求取的角度跟踪能力可以比具有本征矢量求取的更好。这是因为,没有采用本征矢量求取的新算法使用小收敛参数μ=0.0001,加权矢量的更新增量小,而采用本征矢量求取(其等效于Ayman F.Naguib等人文章中的算法)的其它新算法没有使用任何收敛参数。更新增量大,则产生的角度可能超出跟踪范围。

    结论

    在按照cdma2000反向链路配置的移动发射机和基站接收机中,使用复(交叉)PN扩频和解扩。另外,如在cdma2000反向链路中指定的,使用导频信道。可看出,当在L=2等强度多径衰落下,具有M=3天线的智能天线的估计窗口尺寸是每码元128码片时,由于导频信道估计引起的BER衰减与完整信道估计的BER相比不明显。

    采用交叉PN扩频和解扩的导频辅助CDMA系统使用四个新智能天线算法:(1)基于最大输出功率标准而没有采用拉格郎日乘式的智能天线;(2)基于最大输出SINR标准并采用本征矢量求取的智能天线,其需要较少的计算,但具有与Ayman F.Naguib等人文章中相同的BER;(3)基于最大输出SINR标准而没有采用本征矢量求取的智能天线;和(4)基于最大输出SINR标准没有本征矢量求取的更简化的智能天线。对于实际信道模型,等强度和不等强度多径衰落用于Jake模型。也考虑了区群干扰用户和分散干扰用户。为比较,获得了理论和模拟BER结果两者。

    可看出,基于最大输出功率标准而没有采用拉格郎日乘式的智能天线和基于最大输出SINR标准而没有采用本征矢量求取的智能天线两者比其它性能好。另外,当干扰用户成群和信道是不等强度衰落时,可看出,三个新智能天线算法可以比Ayman F.Naguib等人文章中的表现出更好的BER性能。此外,三个新算法每抽点的计算负荷明显小于现有算法。因此,三个新智能天线算法可以推荐给3G和未来CDMA系统,以增加容量而具有合理和实用的计算负荷。

    尽管为说明目的已经公开了本发明优选实施例,但本领域技术人员应当理解,可在不脱离权利要求书所公开的本发明精神和范围前提下,进行各种修改、增加和减少。

用于IMT-2000码分多址无线通信的智能天线.pdf_第1页
第1页 / 共51页
用于IMT-2000码分多址无线通信的智能天线.pdf_第2页
第2页 / 共51页
用于IMT-2000码分多址无线通信的智能天线.pdf_第3页
第3页 / 共51页
点击查看更多>>
资源描述

《用于IMT-2000码分多址无线通信的智能天线.pdf》由会员分享,可在线阅读,更多相关《用于IMT-2000码分多址无线通信的智能天线.pdf(51页珍藏版)》请在专利查询网上搜索。

一种用于智能天线系统的在不使用本征值求取技术情况下根据最大信号对噪声加干扰输出功率比(SINR0)产生加权矢量的方法。在伪噪声(PN)解扩之后而非在接收机之前采用该加权矢量,以进行信道估计和数据码元解调。该方法包括下列步骤:设置初始加权矢量w(0)和收敛参数或初始本征值;接收新的后PN处理矢量y(i)和新的预PN处理矢量x(i);在抽点索引k时使用多个新定义的公式更新加权矢量w(k),由此获得性能。

展开阅读全文
相关资源
猜你喜欢
相关搜索

当前位置:首页 > 电学 > 电通信技术


copyright@ 2017-2020 zhuanlichaxun.net网站版权所有
经营许可证编号:粤ICP备2021068784号-1