软件天线关键技术研究.pdf

摘摘 要要 摘摘 要要 随着无线通信产业的蓬勃发展 无线通信业务的数据量迅速增加 如何通过有限 的频率带宽传输更多数据成为目前无线通信领域中的焦点问题 软件天线技术能够在 不改变信号带宽的情况下提高通信系统的容量 是一种很有前景的下一代通信技术 与采用固定波束赋形算法的智能天线相似 软件天线与智能天线均通过波束赋形算法 来提高系统容量 与智能天线不同的是 软件天线能根据环境不同而自动配置最优的 波束赋形算法 目前有三类波束赋形算法 分别为基于波达方向的波束赋形 基于时间参考的波 束赋形和基于信号结构的波束赋形算法 不同算法在不同电波传播环境下的性能会有 所差别 有些算法在一定的环境下甚至会失效 软件天线将不同的算法以软件的形式 存储起来 在不同环境下通过调用最优算法来实现最佳的天线性能 是一种既能利用 智能天线的优点 又能最大限度避免其缺点的无线通信技术 目前软件天线的研究正 处于起步阶段 很多关键技术仍然有待研究 实现软件天线的关键技术包括对通信环 境的分类和识别 研究各种算法在不同通信环境下的性能 提出各种环境下算法的选 择策略 本文围绕软件天线关键技术进行研究 主要工作如下 首先研究了无线电传播模型 无线电传播环境非常复杂 本文研究了各种无线电 传播现象及典型微小区及宏小区模型 并对宏小区模型基站侧的无线通信信道参数进 行了数值模拟 研究并比较了各种波束赋形算法在不同环境下的性能 计算了基于波达方向类的 波束赋形算法和基于时间参考的波束赋形算法在各种环境下的性能 数值模拟和计算 表明基于波达方向类算法对信号信噪比的改善效果受空间扩散环境的影响较大 基于 时间参考类算法对训练序列的载波及符号恢复有一定的要求 根据各种算法的特点及 在各种环境下性能比较的结果 提出了软件天线的算法选择策略 无线电环境识别是算法选择的基础 本文提出了一种改进MUSIC(Multiple Signal Classification)算法来识别环境的方法 计算表明所提出的算法不仅能反映信号的空间 特征 也能反映信号的时延特征 阵列信号存在一定的线性结构 利用阵列天线所接 收信号的线性结构可进行信号的盲识别 本文提出了一种使用盲信号估计技术的环境 识别算法 该方法可以同时识别多个信道阶数不同的用户的电波传播环境 并能反映 I 各用户的信道空间及时延特性 波达方向(Direction of Arrival, DOA)识别对基于来向角的波束赋形算法很重要 本 文讨论了各种波达方向估计算法 并研究了各种环境因素对DOA 算法的影响 阵列的误差对基于子空间的波达方向识别及波束赋形算法会产生一定的影响 有 时甚至会使算法失效 本文研究并建立了阵列位置误差 增益不一致及互耦所引起的 阵列误差模型 根据位置误差的特点 提出了一种基于子空间优化的校正算法 其校 正精度能满足子空间类算法的要求 同时 本文也讨论了互耦所引起的阵列误差的校 正算法 针对互耦误差对MVDR (Minimum Variance Distortionless Response)波束赋形 算法性能的影响 提出一种改进的MVDR,算法来校正互耦误差造成的影响 本文所研究的算法分类及选择策略 环境识别方法以及阵列的校正方法等对软件 天线系统的实现有重要的意义 关键词关键词 软件天线 数字波束赋形 算法选择 环境识别 关键词关键词 II ABSTRACT With the development of wireless communication industry, wireless data traffic is increasing quickly. How to transfer more date by limited bandwidth is at the center of concern in wireless communication field. Software antenna tec