一种下行波束赋形的方法及装置制造方法及图纸

本发明专利技术公开了一种下行波束赋形方法，包括通过信道估计得到一个用户的信道冲激响应的估计，并根据该用户信道冲激响应的估计计算该用户的空间相关矩阵；根据所述空间相关矩阵确定所述空间相关的主特征向量、主特征值、次特征向量以及次特征值；将所述空间相关矩阵的主特征向量及次特征向量，按照其主特征值及次特征值的大小进行比例平均加权，得到所述用户的下行波束赋形加权向量；使用所述下行波束赋形加权向量，对所述用户的下行信号进行加权，并通过射频发射机发射出去。本发明专利技术还公开了利用上述方法的下行波束赋形装置。通过本发明专利技术的方法及装置可以最快的速度跟踪无线信道的变化，获得最优的下行波束赋形效果。

【技术实现步骤摘要】

本专利技术涉及智能天线技术，特别涉及到一种实现智能天线系统下行波束赋形的方法及装置。
技术介绍
近年来，智能天线已经成为移动通信中最具吸引力的技术之一。智能天线基于自适应天线阵原理，采用空分多址技术，利用信号在传输方向上的差别，将相同频率、相同时隙或相同码道的信号区分开来，可以最大限度地利用有限的信道资源，增大系统的容量。智能天线的波束赋形是实现智能天线的关键技术之一，所述的波束赋形是指利用现代数字信号处理技术，选择合适的波束赋形算法，动态形成空间定向波束，跟踪每个用户的方法。通过正确的波束赋形可以使智能天线阵方向图的主瓣对准用户信号到达方向，旁瓣或零陷对准干扰信号到达方向，相当于为每个用户形成一个跟踪他的高增益天线，从而达到充分利用移动用户信号，并抵消或最大程度的抑制干扰信号的目的。图1显示了现有智能天线系统进行下行波束赋形的基本流程，主要包括以下步骤a、根据智能天线阵中每根天线接收到的信号，采用某种波束赋形算法计算每根天线对应每个用户的波束赋形加权因子。现有波束赋形算法基本上可以分为两大类时间参考算法和空间参考算法。所述的时间参考算法包括有训练序列的非盲自适应算法以及不需要训练序列的盲算法，这些算法根据接收信号的特性来确定每根天线的加权因子，主要包括抽样矩阵求逆(SMI)算法、递归最小平方(RLS)算法及最小均方算法(LMS)等等。所述的空间参考算法通常是根据接收信号的到达方向(DOA)估计确定智能天线阵中各个天线的加权因子。在实际应用中，采用较多的空间参考法有固定DOA法、最大功率特征值分解法、以及最大信噪比特征值分解法等等。b、使用步骤a计算得到的每根天线对应每个用户的波束赋形加权因子，分别对每个用户待发送的数据进行加权，生成每个用户要在每根天线上发送的数据。c、将每个用户要在每根天线上发送的数据加载到对应的天线上发送。通过上述波束赋形，智能天线可以为每个用户分别形成对准该用户的定向波束，因此，与无方向性天线相比，具有较大的上、下行链路的天线增益，较低的发射功率，以及较高的信噪比等优点。使用智能天线可以有效地克服信道传输衰落的影响。通过实验证明，在现有的下行波束赋形方法中，对于宽带的移动通信系统而言，例如时分双工-同步码分多址(TD-SCDMA)系统，最大功率特征值分解法是一种适合宽带移动通信系统并且性能较好的波束赋形方法。现有利用最大功率特征值分解来进行下行波束赋形的方法是通过以下基本步骤实现的首先，通过信道估计得到用户的信道冲激响应；然后，再根据用户的信道冲激相应计算得到该用户的空间相关矩阵；最后，求解所述空间相关矩阵主特征值所对应的主特征向量，并将该主特征向量作为下行波束赋形的加权向量，实现下行波束赋形。但是，在上述方法中，求解所述空间相关矩阵主特征向量时的计算复杂、计算量大，因而导致使用现有方法进行波束赋形的耗时较长，无法快速跟踪无线信道的变化，实现准确的下行波束赋形。
技术实现思路
为了解决上述问题，本专利技术提供了一种下行波束赋形的方法，大大降低波束赋形的计算量，实现下行波束赋形快速跟踪无线信道的变化，获得最优的下行波束赋形效果。本专利技术所述下行波束赋形的方法，包括A、通过信道估计得到一个用户的信道冲激响应的估计，并根据该用户信道冲激响应的估计计算该用户的空间相关矩阵；B、根据所述空间相关矩阵确定所述空间相关的主特征向量、主特征值、次特征向量以及次特征值；C、将所述空间相关矩阵的主特征向量及次特征向量，按照其主特征值及次特征值的大小进行比例平均加权，得到所述用户的下行波束赋形加权向量；D、使用所述下行波束赋形加权向量，对所述用户的下行信号进行加权，并通过射频发射机发射出去。其中，步骤A所述计算通过公式Ri＝λRi+(1-λ)hihiH实现，其中，Ri为所述空间相关矩阵，λ为平滑因子，可取为0至1之间的小数，hi为所述用户的信道冲激响应的估计，hiH表示hi的转置。步骤B所述确定包括以下步骤B1、计算所述空间相关矩阵的主特征向量初始近似向量；B2、根据空间相关矩阵的主特征向量初始近似向量确定所述空间相关矩阵的主特征值及主特征向量；B3、计算所述空间相关矩阵的次特征向量初始近似向量；B4、根据所述空间相关矩阵的次特征向量初始近似向量确定空间相关矩阵的次特征值以及次特征向量。步骤B1所述计算包括B11、对所述空间相关矩阵的对角元素进行检索与排序，找出其中的最大值cj与次大值ck以及与所述最大值cj和次大值ck对应的列向量rj和rk；B12、判断不等式|cj-ck|＜0.1cj是否成立，如果成立，则令所述主特征向量初始近似向量e0＝cjrj+ckrk；否则，令所述主特征向量初始近似向量e0＝rj；B13、对所述主特征向量初始近似向量进行规格化。在步骤B2中，通过幂迭代法确定所述空间相关矩阵的主特征值及主特征向量，包括以下步骤B21、设置幂迭代次数，并令所述空间相关矩阵的主特征向量所述主特征向量初始近似向量；B22、判断所述幂迭代次数是否为0，如果是，则所述幂迭代完成，执行B24；否则，执行步骤B23；B23、令本次幂迭代后的所述主特征向量为本次迭代前主特征向量与所述空间相关矩阵之积，并对本次幂迭代后的主特征向量进行规格化，然后将所述幂迭代次数减1，并返回步骤B22；B24、根据公式Ei＝eiHRiei计算幂迭代后所述主特征向量对应的特征值，其中，Ei为所述主特征值，ei为所述主特征向量，eiH为所述主特征向量ei的转置，Ri为所述空间相关矩阵。在步骤B2中，通过瑞利商迭代法确定所述空间相关矩阵的主特征值及主特征向量，包括B211、设置瑞利商迭代次数，并令所述空间相关矩阵的主特征向量所述主特征向量初始近似向量；B212、判断所述瑞利商迭代次数是否为0，如果是，则所述幂迭代完成，执行B215；否则，执行步骤B213；B213、利用公式B＝Ri-(eiHRiei)×eye(M)计算第一中间变量B；其中，Ri为所述空间相关矩阵，ei为所述主特征向量，eiH为所述主特征向量ei的转置，函数eye(M)表示表示M×M的单位方阵；M为智能天线阵的天线单元数目；B214、解方程By＝ei，得到第二中间变量y，并对所述第二中间变量y进行规格化得到所述主特征向量，然后返回步骤B212；B215、根据公式Ei＝eiHRiei计算所述主特征向量对应的特征值Ei。步骤B3所述计算包括B31、从所述空间相关矩阵中去除其主特征值以及主特征向量对所述空间相关矩阵的贡献得到去除主特征值以及主特征向量后的空间相关矩阵；B32、对所述去除主特征值及主特征向量后的空间相关矩阵的对角元素进行检索与排序，找出其中的最大值cj与次大值ck以及与所述最大值cj和次大值ck对应的列向量rj和rk；B33、判断不等式|cj-ck|＜0.1cj是否成立，如果成立，则令所述次特征向量初始近似向量e1＝cjrj+ckrk；否则，令所述次特征向量初始近似向量e1＝rj；B34、对所述次特征向量初始近似向量进行规格化。在步骤B4中，通过幂迭代法确定所述空间相关矩阵的次特征值及次特征向量，包括B41、设置幂迭代次数，并令所述空间相关矩阵的次特征向量等于所述次特征向量初始近似向量；B42、判断所述幂迭代次数是否为0，如果是，则所述幂迭代完成，执行B4本文档来自技高网...

【技术保护点】
一种下行波束赋形的方法，其特征在于，包括：Ａ、通过信道估计得到一个用户的信道冲激响应的估计，并根据该用户信道冲激响应的估计计算该用户的空间相关矩阵；Ｂ、根据所述空间相关矩阵确定所述空间相关的主特征向量、主特征值、次特征向量以 及次特征值；Ｃ、将所述空间相关矩阵的主特征向量及次特征向量，按照其主特征值及次特征值的大小进行比例平均加权，得到所述用户的下行波束赋形加权向量；Ｄ、使用所述下行波束赋形加权向量，对所述用户的下行信号进行加权，并通过射频发射机 发射出去。

【技术特征摘要】

【专利技术属性】
技术研发人员：李晋声，
申请(专利权)人：普天信息技术研究院，
类型：发明
国别省市：11[中国|北京]