《稳健的移动用户发射功率估计方法【文献综述】》由会员分享，可在线阅读，更多相关《稳健的移动用户发射功率估计方法【文献综述】（6页珍藏版）》请在金锄头文库上搜索。
1、毕业设计文献综述电子信息科学与技术稳健的移动用户发射功率估计方法摘要：近年来，移动通信发展迅猛，移动用户数量迅速增长。而对移动用户的发射功率估计的性能会影响功率控制的性能。所以，我们需要一种稳健的移动用户的发射功率估计方法来提高资源的利用率，避免能源浪费。本文首先介绍了移动通信的历史和稳健的移动用户发射功率估计方法的必要性，而这个方法主要是基于稳健的波束形成算法，然后总结了各种波束形成算法的优缺点，最后就其稳健性对各种方法行进分析和研究。关键词：移动通信；功率估计；自适应波束形成；稳健1、引言移动通信是指通信双方至少有一方处在运动状态中的通信1。纵观移动通信的演进及发展（如图1所示），它大致经
2、历了如下几个阶段：移动通信最早出现在20世纪20年代，当时美国底特律市警察使用的车载无线电系统是宽带为2MHZ的专用网。20世纪40年代贝尔公司建立了第一个公用汽车电话网，提出了蜂窝和频率复用的概念，实现了从专用网向公用网的过渡。20世纪60年代中期，移动通信采用大区制，中小容量技术，实现了自动选频与自动接续功能。1978年，贝尔实验室制成先进的移动电话系统（AMPS），建成蜂窝移动通信网，大大提高了系统容量。20世纪80年代至今，是数字移动通信系统的发展和成熟时期。近20年来，移动通信用户数量迅猛增长，网络用户容量需求大量增加。在市场和技术的推动下，移动通信得到了迅速的发展，成为了当今通信发
3、展的主流2。图1 移动通信的演进及发展功率估计是通信系统中的重点研究方向之一。在实际移动通信应用中,基站需要知道移动用户的发射功率以便实现对基站和移动用户的功率控制。而对功率估计的性能会影响功率控制的性能。如果功率估计过低，则要增大发射功率，这样会造成能源浪费，这与现在国家倡导的绿色节能相悖；功率估计过高，则要减少发射功率，这样会造成通信质量的严重下降。因此能对移动用户发射功率进行稳健估计具有非常重要的理论和现实意义。移动用户的发射功率估计主要是依靠阵列建模和波束形成的理论，故我们将问题转化为对一种稳健的波束形成的方法的研究。本论文研究的重点问题是自适应波束形成技术的稳健性，并侧重于Capon
4、方法和矩阵加权方法的研究。2、有关自适应波束形成的现状分析2.1 概况阵列信号处理中自适应波束形成理论最早可追溯到二十世纪六十年代，迄今己有近五十年的历史，其间主要经历了三个阶段：早期主要集中在自适应波束控制上，如自适应相控阵列、自适应波束操控天线等。上世纪七十年代主要集中在自适应零点控制上，如自适应滤波，自适应置零技术，自适应副瓣对消等。八十年代以后的研究则主要关注于空间谱估计，如子空间谱估计、最大似然谱估计等等。随着研究的加深，自适应波束形成算法已日趋完善。 自适应阵列的优良性能是通过自适应算法来实现的，有四种流行的准则来确定自适应权。它们是：(1)最小均方误差准则；(2)最大信号干扰噪声
5、比准则；(3)最大似然比准则；(4)最小噪声方差准则。在理想条件下，这四种准则得到的权是等价的。因此在自适应算法中选用哪一种性能度量并不重要，选择什么样的算法来调整阵列波束方向图进行自适应控制是非常重要的。其原因在于各种自适应控制算法虽然都能收敛到相同或相似的稳态维纳解，但它们却直接决定着自适应天线的暂态响应时间和算法实现的复杂程度 。在一些应用场合(如对付“闪烁”的干扰信号)，自适应天线的暂态响应时间持续过长是不可以接受的。但是，要求自适应算法(例如经典的LMS算法)同时具有良好的暂态性能和稳态性能往往又是相互矛盾的。长期以来，人们一直在探求既具有良好的稳态性能而暂态性能仍比较好的自适应算法
6、。当然，算法性能的改进通常是以复杂性和运算量的增加为代价获得的。基本的自适应算法包括： Howells和Applebaum建立的自适应阵列输出信噪比(SNR)最大化算法； Widrow等人提出的使阵列实际输出和“期望”响应(也被称为参考信号)之间均方误差最小的LMS算法。分析表明，SNR最大化算法与LMS算法的性能也比较接近，都收敛于最优维纳解。SNR最大化算法使用了“波束导向矢量”代替LMS算法中的“参考信号”。因此，前者一般用于所需信号绝大部分时间是不存在的场合，后者则要求所需信号是存在的。针对不同的应用条件，每一种基本算法又有许多变型。例如，Compton曾提出功率反演算法，它实质上是L
7、MS算法的一种修正形式，可以克服经典LMS算法中形成参考信号的困难。SNR最大化算法和LMS算法的实现均采用闭环结构的自适应处理器，实现简单、方便，非常适合采用模拟方法实现(也可以采用数字方法实现)。主要缺点是算法的收敛性能对阵列响应协方差矩阵的特征值散布很敏感，存在敛缓慢甚至无法收敛问题。为了获得更加短暂的暂态响应性能，采样矩阵求逆(SMl)算法和Gram-Schmidt正交化算法等具有快速收敛特性的自适应波束形成算法逐渐受到人们的重视和应用3。而在实际工程应用中SMI算法中，估计Rn时要求是数据IID（Independent Identically Distribution）,有时不可直接
8、获得。在非均匀样本下，还存在奇异检测问题4。2.2 Capon方法传统的Capon波束形成算法在理想情况下具有好的分辨力和更好的抗干扰能力。但是在实际中往往存在导向矢量指向等误差，此时，Capon波束形成算法的性能会受到很大的影响7-8。在过去的三十年来许多方法已经被提出用以提高Capon波束形成器的稳健性。线性约束方法。通过增加适当的约束条件（包括点以及导数约束）9-10，使自适应加权向量能满足这些约束条件，从而达到算法的稳健性。然而，这些约束条件并没有明确与阵列导向矢量不确定性有关。此外，由于在算法中增加了许多的约束条件，不仅占用了系统的自由度，而且增加了系统的复杂性，并且如果约束条件不适
9、当，则可能使算法变得不收敛或者收敛速度缓慢。对角加载（包括它的扩展版本）已经成为一种流行的方法用以提高Capon波束形成器的稳健性。对角加载方法是通过把额外的二次约束要么加在权矢量本身的欧几里德范数上，或者在理想权矢量差异上。有时，对角加载方法被提出用于由于使用采样协方差矩阵带来的各种问题以及更好的控制峰值旁瓣响应上。然而，对于大多数的这些方法，目前并不清楚如何选择基于阵列导向矢量不确定性的对角加载量。基于特征空间的自适应波束形成方法。经过对有限次快拍和系统误差存在情况下的自适应波束形成技术研究表明，自适应波束形成性能的下降主要是由噪声子空间的扰动引起的，因此人们便摒弃自适应权矢量在噪声子空间
10、的分量而仅保存留在信号子空间中的分量，从而提高波束形成的性能，这种方法被称为基于特征空间的自适应波束形成方法。基于特征空间的自适应波束形成方法需要对噪声协方差矩阵的先验知识。因此，它们对噪声协方差矩阵的不精确认识以及阵列导向矢量的误差同时表现出敏感性。使该方法对阵列导向矢量的误差表现出稳健并不能根治其对噪声协方差矩阵的不精确认识的敏感问题。2.3 矩阵加权方法传统的阵列是在输出端用矢量加权（图2）进行波束的合成。图2 矢量加权示意图众所周知的比较经典的采用矢量加权的自适应波束形成也就是标准的Capon波束形成。然而由于不足的快拍，变化的环境等等原因，传统的自适应Capon波束形成的内在问题就是
11、变化的主瓣形状（或者是没有主瓣）并且旁瓣峰值水平不可控制。然而，在许多应用方面保持一定的主瓣形状以及一定规格的旁瓣峰值是必须的14。另一个问题就是Capon波束形成对导向适量误差以及小采样，幅相误差比较敏感。许多方法已经被提出用于提高其稳健性并且使其波束可控制11-13.文献15提出通过一定程度上的迭代算法对主瓣和旁瓣进行控制，但是却不能把其控制到比较精确的预设规格。所谓的矩阵加权方法(图3)就是在阵列输出端采用矩阵用于波束的合成。图3 矩阵加权示意图许多例子以及理论证据表明，通过半正定松弛获得的最佳权矩阵只有很少的大特征值，通常只有一个大特征值。当矩阵的秩为1时，矩阵的方法就变为矢量的方法，
12、对于这种方法的优势可以体现出来，即全局最佳的解可以被有效决定。自适应矩阵的方法保证对强干扰具有自适应调零能力的情况下允许对主瓣以及旁瓣峰值进行严格控制。3、研究展望 随着移动通信的迅猛发展，移动通信的用户数量越来越多，对移动用户的发射功率估计就显得尤为重要，所涉及的研究内容和应用范围越来越广，国内外已经出现现了许多新的波束形算法。但是波束形成的相关工作还没有到达完全解决的程度，其中包括如何进一步提高现有波束形成算法的稳定性，如何降低算法的运算复杂度。另外，波束形成算法与协作通信系统相结合的研究也是一项非常有价值的研究课题。如何寻找一种适用范围广，稳定性强，输出性能好的波束形成算法仍将是今后国内
13、外专家学者的努力方向。个人认为适用范围广是其中最重要的一个目标。4、总结通过先验经验我们知道自适应波束形成在理想情况下性能比较好，但是在现实中往往存在许多误差（导向矢量误差，小采样，幅相误差等等），这就导致其性能严重受到影响。本文的重点在于稳健的自适应波束形成算法，对现阶段自适应波束的形成的发展进行了阐述，着重介绍了Capon波束形成与矩阵加权算法。然而，它们各自存在着优缺点，所以本课题主要研究的就是两者的结合，从而达到对移动用户的发射估计的稳健性。参考文献1 王文博，郑侃. 宽带无线通信技术M. 北京：人民邮电出版社，2007：180-211.2 甘仲民等. 毫米波通信技术与系统M.电子工业
14、出版社,2003年07月第1版:175177.3 杜岩. OFDM的基本原理J. Anywlan，2006（6）：1-114 I.S.Reed.Rapid Convergence rate in adaptive arrays.IEEE,Tans on AES,Vol.AES-10,No.6 19745 叶中付.基于凸优化理论的自适应波束形成技术M.中国科学技术大学博士学位论文，2008年，4月.6 汪晋宽，顾德英.空间自适应信号处理M. 东北大学出版社，2003：222224.7 C. D. Seligson, “Comments on high resolution frequency-w
15、avenumber spectrum analysis,”J Proc. IEEE, vol. 58, pp. 947949, 1970.8 H. Cox, “Resolving power and sensitivity to mismatch of optimum array processors,”J J. Acoust. Soc. Amer., vol. 54, no. 3, pp. 771785, 1973.9 Yao Xie,Jian Li.Adaptive Weighting of Signals via One Matrix Entity(AWESOME)M.University of Florida,200710 Jian Li,Yao Xie,Petre Stocia,Xiayu Zheng,James Ward.Beampattern Synthesis via a Matrix Approach for Signal Power EstimationJ.IEEE,Tansactions on signal processing,vol.55,NO.12,DEC 2007.11 J. Li and P Stoica, Robust Adaptive Beamforming.M.New York, NY: John -.Rapon h or
