《智能天线》PPT课件(I)

《《智能天线》PPT课件(I)》由会员上传分享，免费在线阅读，更多相关内容在教育资源-天天文库。

1、3.8智能天线学习目标理解智能天线的原理理解智能天线的接收准则理解智能天线中常用的自适应算理解智能天线的作用3.8智能天线3.8.1智能天线的原理3.8.2智能天线的接收准则3.8.3智能天线中常用的自适应算3.8.4智能天线的作用利用智能天线，借助有用信号和干扰信号在入射角度上的差异，选择恰当的合并权值，形成正确的天线接收模式，即将主瓣对准有用信号，低增益副瓣对准主要的干扰信号，从而可更有效的抑制干扰，更大比例的降低频率复用因子，和同时支持更多用户。从某种角度可将智能天线看作是更灵活、主瓣更窄的扇形天

2、线。另外，智能天线可以通过形成多波束来获得额外信道，而不需要分配额外频谱，从根本上增加了频谱效率。智能天线的又一个好处是可减小多径效应。3.8.1智能天线的原理智能天线之所以称其为智能天线，“智能”不是在于天线，而在于信号处理。在最简单的情况下，天线信号的合并是采用权值矢量进行线性合并，如图3-35所示.作为不同天线输出信号的合并器。智能天线定义强调的是利用从不同空间位置得到的信号，或者也可以说智能天线利用了信道的方向性。具有多天线的接收机能区分不同到达方向的多径分量。输出信号y(i))(1ir)(ir

3、rN)(2ir权重自适应+XXX)(1iw)(2iw)(iwrN...图3-35智能天线结构对一个等间距的元直线阵，如果阵元间距为，信号波长为，信号从相对阵轴法线夹角为的方向入射，如图3-37所示，则t时刻个阵元信号的向量和是（式3-17）（式3-18）式中，天线阵的方向图仅由下式确定（式3-19）归一化方向图以分贝表示为（式3-20）若保持间距不变，增加无方向性的阵元数，由上式可推得当阵元数增加时，方向图主瓣的宽度将减小，并且零点和旁瓣增加。如果天线阵阵元数少，那么对干扰信号进行抑制的零点形成明显减少

4、，这样就减小了在所希望的方向上作用区的灵敏度。克服这种情况的方法之一是使用大型天线阵，提高自适应零点控制的能力。当然随阵元数的增加，费用和复杂性也随之增加。因此在阵的分辨能力、旁瓣电平以及对具体方向上的作用区内所要求的阵元数之间，应该进行综合考虑。3.8.2智能天线的接收准则在波束形成中，权向量通过代价函数的最优化来确定，代价函数的不同，分别对应着不同的方法，这些方法都是通过求合适的权向量来最优化代价函数。自适应波束形成技术经过了几十年的发展，已有许多文献专著专门来介绍波束形成的基本原理和准则。常用的基

5、本准则包括：最小均方误差准则、最大信噪比准则和最小方差准则等。最小均方误差准则旨在使估计误差的均方值最小化，是应用最广泛的一种最佳准则。定义参考信号为，则阵列输出与参考信号的均方误差为（式3-21）为使的均方值最小，代价函数取为（式3-22）展开得（式3-23）（式3-24）其中，，为输入信号的自相关矩阵，为输入信号和参考信号的互相关矩阵。取最小值的最佳权，可由令其对的梯度为零求得（式3-25）得到最小均方误差准则下的最优全向量（式3-26）此解是一种最优维纳解。另外两种基本准则为最大信噪比准则和最小二

6、乘准则。其中最大信噪比准则旨在使有用信号功率和干扰噪声功率之比最大，常用于通信系统中，以实现系统误码率的要求。它的代价函数为（式3-27）据此代价函数求出最优权向量。最小二乘准则旨在使如下的加权平方误差累计代价函数最小，由此得出代价函数为：（式3-28）同理求出最优权向量。虽然这三种准则从表面上看相差很大，但可以证明它们的联系非常紧密，最优权向量都是维纳解的特例。因此，选择哪一种准则并不具有决定意义，而选择哪一种算法进行波束方向图的调整却非常重要的。3.8.3智能天线中常用的自适应算法通过算法可以自动地

7、调整天线增益的权值以便实现所需要的空间滤波和频率滤波。通常对算法的基本要求是收敛快、稳定性好、计算量不能太大、硬件实现容易。目前己经提出的算法有很多，根据计算权矢量所必需的参考信号信息形式大体可分为三种：时间参考方式、盲处理方式和空间参考方式。（1）基于时间参考方式的算法基于时间参考方式的算法根据最小均方误差准则，利用导引信号来恢复信号。这类算法收敛速度较快，可以实现实时跟踪，非常适合多径丰富且信道特性变化剧烈的环境，缺点是需要系统发射训练序列，会占用一定的系统频谱资源。下面列举几种常用的算法。最小均方

8、误差算法（LMS一LeastMeanSquare）基于最小均方误差准则，应用了梯度估计的最陡下降原理，适用于作环境中信号的统计特性平稳但未知的情况。算法迭代公式如下：（式3-29）（式3-30）（式3-31）其中，为迭代步长，它决定着算法收敛的速度，取值必须满足才能保证算法收敛。LMS算法的收敛性态取决于相关矩阵凡的特征结构，当其特征值相差很大时，算法收敛速度很慢，同时受输入信号的功率变化的影响。但是由于算法简便易于实现，它仍然得到了广泛的