第六章——智能天线.ppt

总结 智能天线、MIMO和STC的关系 From Smart Antenna to MIMO Rx Tx From diversity to ST code Rx Tx 组合 From diversity to ST code Rx Tx 组合 x11·s x12·s x1n·s s From diversity to ST code Rx Tx 组合 s1 s2 … sN xk1·sk1 xk2·sk2 xkn·skn 新型网络架构群小区架构 智能天线的缺陷 复杂性 (多个并行收发通路） 大量的繁复计算 大体积的天线阵列 天线设计 ? ? 单阵元天线辐射图 ? ? 单阵元天线辐射图 ? ? 阵列间的藕合 Antenna Array (add MC) T[xk] xk MC Compensation G{T[xk]} Adaptive Algorithm xck yk 　　当一个天线阵元在另外一个阵元的附近辐射时，天线的阻抗和辐射图样会发生变化，会引起辐射图样的最大值和零点的偏移。当阵元间的距离减小时，这些损害会增加。所以，当在自适应算法中不考虑这些影响，总体系统的性能会严重恶化。（ Mutual Coupling(MC)） 阵列天线辐射图 给定一个由相同阵元构成的阵列，其阵列辐射图可以表示成单个阵元辐射图乘以阵列因子得到。 Given an array of identical elements, the total array pattern can be represented by the product of the single-element pattern of the electrical field and the array factor. 阵列因子 对于M x N个相同阵元均匀分布构成的平面阵列，如前面介绍的图10所示，其阵列因子可以表达为： 对应阵元(m, n)的复数因子 最大辐射角 根据波束形成算法调整 到达方向DOA 一旦天线阵列设计完成，DOA算法根据天线阵元上接收信号的延时来计算信号到达方向。 依然以图10为例，(v0 是自由空间的光速) 天线阵元(m, n)上的离散信号采样（时刻k）值为（s信号＋g噪声） xk [m,n] = s(kT-?mn) + gk [m,n] m = 0,1,…,M-1 ， n = 0,1,…,N-1, T 表示采样周期 ? ? 到达方向DOA (m,n)?i, i=Nm+n ，m = 0,1,…,M-1 n = 0,1,…,N-1. xk [i] = s(kT-?i)+ gk [i] ? s(kT)exp(-j2?f?i)+ gk [i] ? s(kT)ai(?, ?) + gk [i] 其中， ai(?, ?) 称作阵列响应因子或导向矢量 （steering vector）的元素。 假设有 p 个来自不同方向的信号 (?q, ?q) , q=0,1,…,p-1, 则有 DOA 算法 ? xk =A sk + gk 矩阵A的列表示信号的导向矢量 对应信号0的DOA the array manifold (矩阵A包含的所有可能线性独立的列的集合) DOA 算法 定义空间相关矩阵 Rxx(k) = E[xk xkH] 它的估计值可写作 Rxx(k) = ?Rxx(k-1)+(1- ?) xk xkH 0?1 表示遗忘因子 如果存在 p 个到达信号，则矩阵Rxx(k) 包含 p 个较大的特征值（相对其余的 MN-p 个特征值 ）。 DOA 算法 以 p 个较大特征值所对应的 p 个特征向量为基就构成了信号子空间，类似的，其余 MN- p 个特征值所对应的特征向量构成的空间叫做噪声子空间。特别地，两个空间是彼此正交的。 由于对应 p 个信号的导向矢量所构成的子空间与信号子空间是相同的，所以它与噪声子空间也是正交的。 所以，信号的DOA可以通过在对应于所有角度的阵列manifold（矩阵A的线性独立的列的集合）中的搜索来确定。即找出 p 个与估计的噪声子空间最正交的向量。 DOA 算法 基于上述原理的DOA算法称作 MUltiple SIgnal Classification (MUSIC) 算法。