（控制理论与控制工程专业论文）多天线通信系统智能信号处理和天线选择技术研究.pdf

中文摘要 摘要 无线通信业务的快速增长要求开发更多的通信资源，天线阵列技术就是一种利用空间资 源的有效手段，它扩充了传统通信中的频域、时域和码域资源，从而能够有效地增强信号传 输强度并增加系统容量。在c d m a 的智能天线系统中，自适应天线阵列通过刘接收或发送 信号的实时波束赋形，将天线增益对准信号传输的方向，从而能够节省发射功率、增加骨棒 性。作为智能天线的扩展，m i m o 系统在接收发射两瑞均使用多天线阵列，不仪像智能天线 那样增强了信号稳定性，更重要的是在强散射环境下并行传输多路信号，从而突破传统通信 系统的容量瓶颈，大幅度提高系统的信道容量。 然而，实际的无线通信信道受不同变化环境因素的影响。月终端通常处于移动状态， 这些都要求实时陛的在线无线信号处理方式。在智能天线技术中，虽然对不删的用户具有 1 i 同的波束，但4 ；可能完全抑止多用，之间的干扰( m a i ) 且与环境噪声相比具有更强的 干扰性。因此，多用户检测技术作为一种智能化的接收手段被用在c d m a 系统中，成为一 种关键信号处理技术。目前，已经提出了多种多用户检测方法，如最优检测、解相芙检测 器、m m s e 匹配滤波等，但很多方法不是计算复杂度太高不适合信号的实时处理，就是多 用广检测的性能有限，不能充分利用通信资源。针对这一问题。研究者们提出了更有效的解 决方法，如盲自适应方法和本文介绍的基于s v m 的智能检测方法。 支持向量机( s v m ) 是基于v v a p n i k 统计学习理论的一种智能机器学习方法。近年来t 它也成为无线通信信号处理上的一种智能化先进处理技术。然而传统的s v m 的处理需要 求解有约束的二次规划问题这样的处理速度很难满足存线应用，尤其存洲练样奉数较大 的情况下。因此研究者们提出了各种算法来改进s v m 的诫练速度，如s m o 方法、l s - s v m 方法等，但这砦方法在实际的应用中仍有一定的局限性。针对这问题，我们提出了 f o s v c 算法。该算法通过k k t 条件判别新增加的训练序列，只选择那些违反k kt 条 件的样本来构造当前口雌东样本集。它不但加快了样本的训练速度，还通过灵活的样本递增方 式解决了文时信号处理的样本获取问题。仿真结果表明，在相 司的条什下，f o s v c 算法在 分类错误率与传统s v m 方法相当，且具有更少的支持向重数和吏短的训练时问，因而尾 种高效的在线实时分类算法。 多用户检测的目标就是在给定接收信号的条件下判别出目标用户实际发送的信号，基于 通信信号的二值性，检测的目标也就是判断用户发送信号是( + 1 ) 还是( 一1 ) ，这可以看作为 一个典型的二分类问题。我们在给定的多用户检测模型下，将我们提出的f o s v c 算法用于 一般的多用户检测问题。在处理过程中，通过训练序列的连续批增加方式实时训练划驯器， 而刁i 需要其它的复杂运算( 如矩阵求逆) ，从而简化了处理过程。实验结果显示该快速递 增算法有效地抑制了多用户干扰和环境噪声，检测误码率明显低丁：一般m m s e 多用户检测 嚣，因此是一种有效的多用户检测方法。 m i m o 系统通过发射端和接收端均采用多天线阵元的方式：增强了接收信号的鲁棒性和 信道容量。然而，多天线的使用增大了系统的硬件成本和信号处理的复杂度，天线选择技术 通过从全部天线中选取部分天线进行信号处理的方式，以系统容量的微小损失大大节省了处 理硬件的成本和数据处理的复杂度。天线选择技术除了用于传统的天线分集以外，更蕈要的 是它通过在不同的子信道中并行传输独立的数据流，从丽突破了传统无线系统的容最瓶颈。 显著提高系统的通信容量，即空间复用。在这两种应用下天线选择技术具有不同的准则和 选择方法。结合信道的空间相关性，天线选择通过信道的解相关在保持系统商容量的同时更 中文摘要 加有效地利用了收发天线。 在天线选择技术中，最优的选择算法具有指数级的高复杂度不适合信号处理的实时运 算。为了降低天线选择算法的计算复杂度，而又保持m i m o 系统的高容量，我们对信道矩 阵进行了特征值分解( s v d ) 然后在此基础上推导了天线选择的容量损失因子并基于该损 失凶子提出了基f 特征空间的选择算法。其中。基于特征空间的渐消天线选择( e v b g e ) 算 法通过循环消去性能最”差”的单个天线，最终选定要求的天线数。仿真实验袭明该算法比最 优算法的执行效率高，且中断容量性能与最优选择算法相当。 为了进一步降低处理的复杂度，在给定的条件下，我们提出了基于特征空间的简化算 法。该简化算法只需要信道矩阵的一次s v d 分解，然后根据分解后的非零特征值及其对应 的特征向量构成的特钲空间直接进行选取，我们通过对比说明了该简化算法等价于特征空闼 上的基j ：范数的天线选择( n b s ) 算法。仿真实验表明，与最优算法和e v b g e 算法相比，该 筒化算法具有最快的计算速度，月在给定的条件下，中断容悬性能逼近于最优选择算法，从 咖为天线选择技术的实际应用提供了一种叫选方式。 关键诃：智能天线，多输入多输出，多址干扰，多用户检测天线选择，支持向量 机，特征值分解，中断容量，信千噪比 一u 一 英文摘要 a b s t r a c t t h er a p i dd e v e l o p m e n to ft h ev a r i o u ss e r v i c e si nt h ew i r e l e s sc o m m u n i c a t i o ns u c ha s t h em u l t i m e d i as e r v i c er e q u i r e sm o r er e s o m y c e $ f o rc o m m u n i c a t i n g t h em u l t i p l ee l e m e r i t so f a n t e n n a ( m e a ) i sa l le f f e c t i v et e c h n i q u ef o ru s i n gt h es p a c er e s o u r c e ，w h i c ht o t a l l ye x p a n d s t h et r a d i t i o n a lr e s o u r c e si n c l u d i n gf r e q u e n c y , t i m ea n dc o d e t h e r e f o r e ，t h eu s i n go fn i e a c a ni m p r o v et h es i g n a lt r a n s p o r t i n ga n di n c r e a s et h es y s t e mc a p a c i t y i nc d m as y s t e m s w i t ht h es m a r ta n t e n n a t h ea d a p t i v ea n t e n n aa r t a yc a nm a x i m i z et h ea n t e n n ag a i no nt h e d i r e c t i o no fs i g n a lw i t ht h er e a l t i m eb e a m - f o r m i n go ft h et r a n s m i t e d r e e e i v e ds i g n a l s oi t c a ns a v et h ep o w e ra n de n h a n c et h er o b u s t n e s so ft h es y s t e m a st h ee x t e n s i o no fs m a r t a n t e n n a ，m u l l i p l ei n p u tm u l t i p l eo u t p u t ( m i m o ) s y s t e mu s e sm u l t i p l ee l e m e n ta n t e n n ai n b o t ht h et r a n s m i t t e ra n dt h er e c e i v e r ，w h i c hm a k e st h er e c e i v e ds i g n a lm o r es t r o n g ，t h e m o r ei m p o r t a n ti st h a tm i m 0c a ns i m u l t a n e o u s l yt r a n s m i td i f i e r e n td a t ai n d e p e n d e n t l yi n t h er i c hs c a t t e re n v i r o n m e n t t h e r e f o r e m i m 0c a nb eu s e dt os u p p r e s st h e i n t e r f e f e n c ea n d i n c r e a s et h ec a p a c i t yo ft h ec d m as y s t e m se f f e c t i v e l y h o w e v e r t h ec h a n n e ii nt h er e a ic o m m u n i c a t i o n si ev a r i a t i o n a lb e c a u s eo ft h ed i f i e r e n t e n v i r o n m e n ta n dt h ef l o a t i n gu s e r s ，w h i c hs h o w st h a tt h ew i r e l e s ss i g n a lp r o c e s s i n gm u s tb e r e a l t i m e i ns m a r ta n t e n n a s ，t h em u l t i p l ea c c e s si n t e r f e r e n e e ( m a i ) c a n tb et o t a l l ys u p - p r e s s e da n di ti sm o r ef o r c e f u l i n t e r f e r e n o f ! t h a nt h ee n v i r o n m e n tn o i s ea l t h o u g hi tp r o v i d e s t h ed i f f e r e n tb e a m sf o rt h ed i f f e r e n tt m e r s s ot h em u l t i p l eu s e rd e t e c t i o n ( m u d ) a ni n - t e l l i g e n tm e t h o db e c o m e so n eo ft h ek e yt e c h n i q u e si nc d m as y s t e m n o w ，m a n y o fm u d m e t h o d sh a v eb e e ns u g g e s t e ds u c h t h eo p t i m a ld e t e c t o r ，d e c o r r e l a t i n ga n dm m s em u d a l g o r i t h m s b u tt h e ya r et o oc o m p l e xt os a t i s 印t h er e a l t i m ea p p l i c a t i o n ，o rt h ep e r f o r m a n c e o ft h e mi sl i m i t e dw h i c hc a n tn e et h ec o m m u n i c a t i o nr e s o u r c e sw e l l ，t or e s o l v et h i sp r o b l e m ， s o m em o r er e s u l t f l l lm e a i h sa r er a i s e ds u c ha st h eb l i n da d a p t i v em e t h o d sa n dt h ei n t e l l i g e n t d e t e c t i o nb a s e do l is v mi n t r o d u c e dl a t e r s u p p o r tv e c t o rm a c h i n e ( s v m ) i so n eo ft h em o s te f f e c t i v em a c h i n el e a r n i n gm e t h o d s ， w h i c ha r eb a s e do np r i n c i p l e so fs t r u c t u r a lr i s km i n i m i z a t i o na n ds t a t i s t i c a il e a r n i n gt h e o r y , r e c e n t l y , s v mh a sb e c o m ean e wa d v a n c e dt e c h n i q u ef o rt h es i g n a lp r o c e s s i n go ft h ew i r e l e s s c o m m u n i c a t i o ns y s t e m h o w e v e r t h ec o n v e n t i o n a ls v mn e e d st or e s o l v et h en p c o m p l e x q u a d r a t i cp r o g r a m m i n gp r o b l e m ，t h et i m er e s u m i n go fw h i c hm a k e si td i f f i c u l tt oa p p l yt h e r e a l t i m ep r o c e s s i n g e s p e c i a l l yw i t ht h el a z g et r a i n i n gd a t ae e t a st h er e s u l t ，s o m ei m p r o v e d a l g o r i t h m ss u c ha ss m o l s s v ma n d8 0o l lh a v eb e e ns u g g e s t e d b u tt h e yh a v et h el i m i t e d a p p l i c a t i o nc o n d i t i o n s ow er a i s e d t h ef a s to n l i n es u p p o r tv e c t o rc l a s s i f i c a t i o n ( f o s v c ) a l g o r i t h mw h i c ho n l yu s e st h et r a i n i n gd a t av i o l a t i n gk k tc o n d i t i o n s ，w h i c hl e a d st of a s t e r s p e e d o nt h eo t h e rh a n d ，f o s v cc a np e r i o d i c a l l yr e t r a i nt h ev a r i o u ss a m p l es e tt h a ti s u p d a t e db yt h en e ws a m p l e ，w h i c ha c c o r d st ot h er e a ls i g n a lp r o c e s s i n g s i m u l a t i o nr e s u l t s s h o w e dt h a tt h ef o s v co u t p e r f o r m st h eo t h e rs v m si nt e r mo ft h en u m b e ro fs v sa n d t r a i n i n gt i m ew h i l ek e e p i n gt h ec o m p a r a b l ec l a a s i f i c a t i 0 1 3 , e r r o r s t h eo b j e c to fm u l t i u s e rd e t e c t i o ni st oe s t i m a t et h et r a n s m i t t e ds i g n a l sa c c u r a t e l ya st h e r e c e i v e ds i g n a l sa r ek n o w n t h i si sat y p i c a lb i n a r yc l a s s i f i c a t i o np r o b l e ma b o u tt h es i g n a l v a l u e ( + 1 ) a n d ( - 1 ) t os o l v et h i sp r o b l e me f f e c t i v e l yw i t ht h eg i v e nm o d e l ，am u l t i u s e r d e t e c t i o nm e t h o db a s e do nf o s v ca l g o r i t h mi 8p r o p o s e di nt h ed i s s e r t a t i o n i tg e t st h e d e t e c t o rb yr e t r a i n i n gw i t ht h es u c c e s s i v e l ya d d e dn e wb a t c ho fd a t aa n dd o n tn e e dc o m p l e x - 1 1 1 英文摘要 c o m p u t i n gs u c ha sr e s o l v i n gt h ei n v e r s eo fc o v a r i a n c em a t r i x ，w h i c hs i m p l i f i e dt h et r a i n i n g p r o c e d u r e s i m u l a t i o nr e s u l t si l l u s t r a t e dt h a tt h ep e r f o r m a n c eo ft h ef o s v cd e t e c t o rw a s m a c hb e t t e rt h a nt h a to fm m s ed e t e c t o rb e c a u s ei tc a ns u p p r e s sm a ia n dn o i s ew e l l a sw eh a v ek n o w n m i m oh a sr o b u s t n e s so fs i g n a la n dt h eh i g h e rc a p a c i t yw i t hu s i n g m u l t i p l ee l e m e n to fa n t e n n a ( m e a li nb o t ht h er e c e i v e ra n dt h et r a n s m i t t e r h o w e v e r m e a n e e d sm o r et h ec o s to ft h er fc h a i n sh a r d w a r ea n di n c r e a s e s t h ec o m p l e x i t yo ft h es i g n a l p r o c e s s i n g a n t e n n as e l e c t i o ni sa1 0 w - c o s tl o w - c o m p l e x i t ya l t e r n a t i v et oc a p t u r em a n yo f t h ea d v a n t a g e so fm i m 0s y s t e m s w h i c hs e l e c t sp a r t i a la n t e n n a sf r o ma l la n t e n n a sf o rt h e f o l l o w i n gs i g n a lp r o c e s s i n g m i m oc a nb eu s e dt oi n c r e a s es p a c ed i v e r s i t ya n dc h a n n e lc a - p a c i t y a c c o r d i n g l y , a n t e n n as e l e c t i o nh a sd i f i e r e n tc r i t e r i o na n dm e t h o d sf o rt h et w ot a r g e t s i nr e a ls y s t e m s 。t h ec h a n n e l so fm i m 0i sc o r r e l a t e dw h i c hl e a d st ot h er a n ko fc h a n n e lm a - t r i xi sr e d u c e d a n t e n n as e l e c t i o no n l yu s e ss o m ee f f e c t i v ea n t e n n a st h r o w 【g ht h ec h a n n e l d e c o m p o s i t i o n t h eo p t i m a la l g o r i t h m so fa n t e n n as e l e c t i o ni st of i n dt h eb e s ts u b s e to ft h ec h a n n e l t h r o u g he x h a u s ts e a r c h i n g ，w h i c hh a st h ee x p o n e n t i a lc o m p l e x i t yd e g r e ea n dl e a dt ob eu n f i t f o rt h er e a l t i m es i g n a lp r o c e s s i n g t or e d u c et h et o m p l e x i t yo ft h et h ea n t e n n as e l e c t i o n a l g o r i t h m sw i t ht h eh i g hc h a n n e lc a p a c i t y , t h ea n t e n n as e l e c t i o na l g o r i t h m sb a s e do nt h e e i g e n v e c t o r sa r ep r o p o s e di n t h i sd i s s e r t a t i o nw i t hu s i n gt h ed e c o m p o s i t i o no ft h ec h a n n e l t h ee i g e n v e c t o r s - b a s e dg r a d u a l l ye l i m i n a t i o n ( e v b g e ) s e l e c t i o na l g o r i t h mi t e r a t i v e l ye r a s e s t h ew o r s te l e m e n to fa n t e n n a su n t i lt h er e s ti sr e q u i r e d t h es i m u l a t i o nr e s u l ti l l u s t r a t e dt h e a l g o r i t h mo u t p e r f o r m e dt h eo p t i m a la l g o r i t h mi nw a s t i n gt i m e ，a n dw h o s eo u t a g ec a p a c i t y a l m o s te q u a l e dt ot h a to ft h eo p t i m a l i na d d i t i o n ，t h es i m p l ea l g o r i t h mo fe v b g ei sa l s or a i s e dt om a k et h ec o m p l e x i t ym o r e l o w e r ，w h i c ho n l yn e e d so n c es v dc o m p u t i n g t h es i m p l ea l g o r i t h ms e l e c t st h ee l e m e n t so f a n t e n n aa c c o r d i n gt ot h en o n z e r oe i g e n v a l u e sa n dt h o s ee i g e n v e c t o r so fc h a n n e lm a t r i x i t i se q u a lt ot h en o r m b a s e ds e l e c t i o n ( n b s ) a l g o r i t h mi ne i g e n - s p a c e t h ee x p e r i m e n tr e s u l t i n d i c a t e dt h a tt h es i m p l ea l g o r i t h mh a dt h eb e s te x e c u t i n gp e r f o r m a n c ei nt h r e es e l e c t i o n a l g o r i t h m s ，a n dt h a ti t so u t a g ec a p a c i t y w a sv e r yc l o s e dt ot h a to ft h eo p t i m a l ，w h i c h p r o v i d e sa na l t e r n a t i v em e t h o df o ra p p l y i n gt h ea l ：l t e n n as e l e c t i o ni nt h er e a ls y s t e m s k e yw o r d s ：s m a r ta n t e n n a ，m u l t i p l ei n p u tm u l t i p l eo u t p u t ( m i m o ) ，m u l t i p l ea c c i n t e r f e r e n e e ( m a l ) ，m u l t i u s e rd e t e c t i o n ( m u d ) ，a n t e n n as e l e c t i o n ( a s ) ，s u p p o r tv e c t o r m a - c h i n e ( s v m ) ，s i n g u l a rv a l u ed e c o m p o s i t i o n ( s v d ) ，o u t a g ec a p a c i t y , s i g n a lt oi n t e r f e r e n c ea n d n o i s er a t i o ( s l n r ) 一l v 插图目录 插图目录 智能天线的原理结构隰 m i m o 系统结构图 空间时间编码示意图 m i m o 接收端天线选样原理图 本文内容的组织结构 二维训练集的分类超平面沁) + b 分类任务的特征空间映射 有序风险最小化示意图 支持向量的最人距离超平面( 黑体表示支持向量) 典型多用户榆测系统模型 b u i l d d o w n 和b u i l d u p 过程 同步多用户检测中目标用户误码率和信嗓比之间的芙系 异步多用尸检测l h 标j j ；, 误码宰和信噪比之问的关系 目标用户误码率和用户数之间的关系 m l m 0 系统结构网 单反射模型图 m i m o 信道的s v d 分解及并行子信道示意陶 空时编码的m i m 0 系统 空时格形码的8 p s k 8 状态编黔器结构 发射分集方案结构图， 发射分集方案结构图 m j m o 系统的天线选择示意图 m i m o 系统的空问复用天线选择对容量影响示意图 v 3 ， 0 n 坞 蝎 沈 篮 髂 幻 的 w 鼹 鹃 凹 晒 ；g ；8 酊 粥 恐 h 坞 “ 纰 粥 拟 跗 睨 粥 “ 硒 毗 邻 “ 粕 郫 钾 粥 蚺 插图目录 5 - 1 在胍= 3 ，= 8 ，s n r = 2 0 d b 情况下，e v b g e 算法在 不同l ，下1 0 系统中断信邀容量的曲线阁8 8 5 2 在y t = 3 ， 0 = 8 ，l r = 3 情况下，e v b g e 算法在 不同s r 下1 0 系统中断信道容量的曲线图8 9 5 - 3 在n t = 3 ， 。= 8 ，s n r 一2 0 d b 情况下，简化的基于特征窄间算法在 不同厶下1 0 系统中断信道容量的曲线图9 0 5 - 4 在n t = 3 ，r = 8 ，l ，= 4 情况下，简化的基于特征守问算法在 不同s 冗下l o 系统1 ，断信道容量的曲线图9 1 表格目录 表格目录 3 - 1 f o s v c 算法与其它算法的训练时间比较( 单位：秒) 3 - 2 f o s v c 算法与其它算法的支持向量数日比较 3 - 3 f o s v c 与传统s v m 训练时闻的比较( 单位：毫秒) 3 - 4 f o s v c 与传统s v m 支持向量数的比较 孓1 最优算法、e v b g e 算法和简化算法的执行时间比较( 单位：秒) i 一 的 弱 ：； 的 盯 中国科学技术大学学位学位论文相关声明 本人声明所呈交的学位论文，是本人在导师指导下进行研究 工作所取得的成果。除已特别加以标注和致谢的地方外，论文中 不包含任何他人已经发表或撰写过的研究成果。与我一同工作的 同志对本研究所做的贡献均已在论文中作了明确的说明。 本人授权中国科学技术大学拥有学位论文的部分使用权， 即：学校有权按有关规定向国家有关部门或机构送交论文的复印 件和电子版，允许论文被查阅或借阅，可以将学位论文编入有关 数据库进行检索，可以采用影印、缩印或扫描等复制手段保存、 汇编学位论文。 保密的学位论文在解密后也遵守此规定。 作者签名： 王孑毳 伽7 年f 月7 日 第。审绪论 第一章绪论 1 1 多天线无线通信概述 2 0 世纪8 0 年代以来，全球范围内无线移动通信得到了前所未有的发展，这种发 展势头还在延续，甚至会更快。随着便携式微机、掌上电脑、智能手机以及p d a 等 的普及，人们对通过无线方式随时随地接入网络获取信息，将会有越来越迫切的需 求。因此，结合无线通信、计算机及网络等资源，为广大用户提供更丰富的业务种 类、更广泛的覆盖范围以及更快捷的接入方式”1 “，成为未来通信系统所必须具备的 能力，也是未来无线通信技术和业务发展的一大趋势。 第一代移动通信系统只能提供简单的模拟语音业务，而且前广泛应用的第二代 移动通信系统实现了语音的数字化，并用时分多址( t i m ed i v i s i o nm u l t i p l ea c e s ， t d m a ) 替代了频分f i j = ( f r e q u e n c yd i v i s i o nm u l t i p l ea c c e s s ，f d m a ) 接入方式，大幅 度提高了系统的接入容量。但随着通信业务的增长，其提供的几十k b p s 的带宽仍 不能满足用户目益增长的对全媒体业务的需求。目前，第三代f 3 g ) 移动通信系统， 如欧洲的w c d m a 、北美的c d m a 2 0 0 0 以及中国的t d s c d m a 方案，都可以在无 线蜂窝网络中提供更加丰富的因特网及多媒体业务。考虑到核心网络传输能力强， 而现有的无线网络又不能提供足够的接入速率来满足用户的多媒体业务需求，人们 开始研究新一代移动通信系统。未来移动通信的目标是，在任何时间、任何地点、 向任何人都能够提供快速可靠的通信服务，具有高数据、高频谱利用率、低发射功 率、灵活业务支撑能力的未来无线移动通信系统需将无线通信的传输容鼋和速率提 高几十倍甚至数百倍。 然而，相对不断发展的各种无线通信业务和宽度数据业务，无线资源尤其是频 谱资源，变的越来越紧张，如何更高效地利用这些有限的通信资源成为无线通信新 技术发展的焦点。目前研究者们通过多天线降元来充分利用通信的空间资源研究 表明，在不增加系统带宽和天线总发送功率的情况下，可有效对抗无线信道衰落的 影响，大大提高系统的频谱利用率和信道容量，是高速数据传输的优选技术之一。 其中多输入多输出( m u l t i p l ei n p u tm u l t i p l eo u t p u t ，m i m o ) 系统通过存信号的接 收和发射端都采用多天线阵元进一步提高了系统性能，也因此成为当前的研究熟点 技术。t e l a t a r ”1 和f o s c h i n i n ”等人对白高斯噪声信道下的m i m o 信道容量的研究表 明，多天线m i m o 可大大提高系统容量。据b e l l 实验室公布的结果，采用8 天线收 发的d b l a s t 系统可获得4 2 b p s h z 的频谱利用率，是单天线收发系统的4 0 多倍”1 。 因此，许多系统都计划采用m i m o 技术，其中包括3 g p p 的w o d m a 系统、无线城 域网i e e e s 0 21 6 、新无线局域网i e e e 8 0 2 1 l n 等。 本文对多天线通信系统中的一些技术进行了探讨。首先，我们从单端使用多天 线阵元的传统智能天线系统入手，分析了它所包括的一些关键技术，并以其中的 多用户榆测技术为切入点，采用具有良好处理能力的支持向量机( s u p p o r tv e c t o r s 1 1 多灭线无线通信概述 m a c h i n e ，s v m l 方法对该技术进行了实现信号处理。然后，我们考虑更泛化的m i m o 系统，并结合实际的实现问题研究了该系统的天线选择技术。在实际介绍各具体技 术之前，我们先简单介绍多天线通信的发展历史。 1 1 1 多天线无线通信的发展 人类采用通信的历史可以追溯到远古时代，直到1 9 世纪末，人们还一直采用最 直观的方式实现简单的信息传递，如古代的烽火、金鼓等。1 8 6 4 年英国物理学家麦 克斯韦预言了电磁波的存在；1 8 8 7 年德国物理学家赫兹用实验产生了电磁波，证实 了麦克斯韦的预言；1 9 0 1 年意大利科学家马克尼第一次在跨越大西洋的无线电波通 信中使用了发射天线”。在随后的一个多世纪以来，在飞速发展的计算机和半导体技 术推动下，无线移动通信理论和技术也在不断地进步。现在，无线系统通信己经发 展到大规模商用并逐渐成为人们日常生活不可缺少的重要通信方式之一。 天线是用来发射和接收电磁波的基本器件，它是任何无线电系统都不可缺少的基 本组成部分。正是由于使用了天线，才使得信息在不同地点通过电磁波进行传输， 实现真正的无线通信，而无需任务物理连接设备。因此，没有天线就无法实现真正 的无线通信。 当前，对无线通信中天线的研究及其应用主要集中在3 个方面一j 。第一个研究领 域就是天线及其天线阵列的电磁设计，主甍包括天线增益、极化方向、波束带宽、 旁瓣电平和方向图等的设计智能天线的很大一部分内容属于这一领域。第二个研 究方向是到达角( d i r e c t i o no fa r r i v a l ，d o a ) 估计，顾名思义就是对到达天线的波阵 列的到达角度进行估计，尽量做到误差最小和分辨力最高，这也是智能天线发生作 用的基础。第三个研究内容就是利用多天线阵列来提高频潜效率、覆盖范围以及链 路的传输性能等，本文后面讨论的m i m o 技术就属于这一范畴。 多接收天线及其接收分集的使用最早由马克尼在1 9 0 8 年提出来能够抗衰落，后 来研究发现能够有效地克服无线蜂窝系统中的共道千扰。经历二次世界大战以后， 对雷达等无线系统的研究成为热点，人们通过天线阵列的自适应信号处理技术提高 了分集性能，以及增加无线信道的容量。1 9 9 4 年，p a u l r a j 和k a i l a t h ”提出在发射端 和接收端同时使用多天线可增加无线信道容量，1 9 9 6 年。r o y 和o t t e r s t e n ”提出多 天线的使用可以在同一信道上支持多个用户。紧接着，b e l l 实验室研究出了一系列的 成果o “。1 ，对多天线的研究起了很大的推动作用，开创了无线通信一场新的技术 革命。 随着全球移动用户数的快速增长，对于移动通信系统的需求越来越大，图像、话 音和数据相结合的多媒体业务和高速率数据业务的业务量将大大增加。因此，第2 代 移动通信系统已不能满足人们多样化的业务需求，甚至出现容量不足的问题。所以 新一代的移动通信系统的研究和发展成为移动通讯领域的研究热点”“”。第3 代蜂窝 移动通信系统l e 是在c d m a 技术上发展起来的，它具有足够的系统容量，能提供更 高质量和更多种类的业务服务。 2 一 第一章绪论 1 2 智能天线 1 2 1 智能天线工作原理和方式 在整个无线移动通信发展中，人们采用了不同的多址接入方式，先后包括 f d m a 、t d m a 和c d m a ( c o d ed i v i s i o nm u l t i p l ea c c e s s ) 等，它们分另1 j 在频域、 时域和码域上实现了用户的多址接入，而空域资源尚未得到充分的利用。智能天线 正是采用空分多址( s p a t i a ld i v i s i o nm u l t i p l ea c c e s s ，s d m a ) ，致力于空域资源的开 发，是一种解决目前频谱资源匮乏、无线系统容量不足的有效途径。从技术发展的 角度，随着电磁学和信号处理的发展，近2 0 年来自适应阵列的研究工作取得了很大 进展，2 0 世纪9 0 年代以来，阵列处理被引入到移动通信领域，很快形成了一个新的 研究热点智能天线( s m a r ta n t e n n a ) 。智能天线不是信道复用的概念，而是一种信 道倍增方式，可与f d m a 、t d m a ，c d m a 等系统完全兼容实现组合的多址方式。 智能天线是基于自适应天线阵列原理“卅的一种智能化天线形式，它通过调节 各阵元信号的加权幅度和相位来改变阵列的方向图形状，使波束总是指向期望方 向，而零点指向干扰方向，实现波束随着信号走，从而提高天线的增益和信干噪比 ( s i g n a lt oi n t e r f e r e n c ea n dn o i s er a t i o ，s i n r ) ，节省发射功率，改善链路质量，增加 系统容量，减少无线系统安装的初期建设费用等目的“，其基本结构原理如图1 - 1 所 示。 围1 - l 智能天线的原理结构图 智能天线技术的基本思想是以多个高增益的动态窄波束分别跟踪多个期望信号， 来自窄波以外的信号被抑制盼硎假设满足天线传输窄带条件，相位差异由入射信 号到达各天线的路线长度差决定，若入射信号为平面波，则相位差由载波波长、入 射角度、天线位置分布唯一确定。因此，在给定的加权值和入射信号强度下，不同 的入射角度将合并输出不同的信号，将两者作图于坐标系中就是所谓的方i 句图。所 3 1 2 智能天线 以，智能天线波束跟踪的不是随机多径信道上移动用户确定的物理方向，而