多波束形成的基本原理篇1

【关键词】TD-SCDMA 智能天线 广播波束赋形 网络优化

1 引言

中国移动TD-SCDMA在湖南长沙正式放号商用已过去一年半。一年多以来，得益于TD网络优化工作的持续深入，TD网络质量得到了明显的改善。TD无线网络优化，主要是通过调整各种相关的无线网络工程参数和无线资源参数，提高系统的关键无线网络指标。其中工程参数优化主要是通过调整天线的倾角、方向角和挂高等或者更换天线类型来达到控制小区的覆盖范围、减少导频污染、控制系统内干扰水平的目的；无线资源参数优化主要是通过调整各种相关的无线资源参数，使得网络的接入成功率、切换成功率和掉话率等指标维持在一个运营商和客户都满意的水平上。

智能天线是TD的关键技术之一，它提高了接收灵敏度，抑制干扰信号，提高了系统容量，这都是智能天线的显著优点。除此之外，智能天线还具有一个相对普通天线最大的优点――智能天线广播波束赋形，这一特点可以给优化工作带来很大的灵活性和便利性。

2 智能天线广播波束赋形基本原理

智能天线本质上是一种多阵元天线系统，通过对各阵元赋予激励信号不同的相位和幅度（也称权值）可以产生不同的波束宽度或半功率角以及半功率角的水平偏移，即形成不同的波束赋形，可以是业务波束的赋形，也可以是广播波束的赋形。

业务波束是在建立具体的通话链路后形成的。智能天线首先对有用信号及干扰信号的方向进行预测，根据预测结果对每一个用户形成一个跟踪波束，自适应地将跟踪波束的主瓣方向对准用户信号方向，同时波束的零点方向对准干扰信号方向，从而降低干扰，扩大小区半径，提高系统容量。

广播波束是在广播时隙TS0和下行导频时隙DwPTS中形成的。智能天线广播波束赋形的原理可以参考图1。

在广播时隙或下行导频时隙，基带输出信号通过功分器分发到智能天线的N个激励单元，每个激励单元对通过本分路的信号施以相应的激励（也称为权值）Wi（i=1,2,…,N），包括对幅度的激励和对相位的激励。经过激励的各分路信号经过射频组件后从各自的天线单元发射出去，而智能天线的广播波束赋形图即是各天线单元辐射场图的合成。其合成方向图的数学表示为：

（1）

其中，i表示第i个单元，k为波数，dx为相邻单元的间距，θ为离阵面法线方向的偏离角。|Wi|为单元激励权值Wi的幅度部分，φi为Wi的相位部分。fi(θ)为第i个单元在阵中的有源方向图（以第i个单元的相位中心为相对坐标原点），F(θ)为合成的阵列方向图。

在天线仿真或实际的天线测量中，通常容易获得第i个单元在阵中的有源方向图fi’(θ)，其与fi(θ)的对应关系为：

（2）

因此，合成方向图F(θ)也可以表示为：

（3）

由式（3），F(θ)也可进一步表示为fi’(θ)的复权值叠加：

（4）

式（4）中，由于fi’(θ)已经获得（可以是测量得到或从天线厂家得到），通过试探改变复权值Wi的设置，就可以不断地调整合成方向图F(θ)，从而尽可能地逼近所期望合成的广播波束方向图Fdest(θ)。最终，把能够实现F(θ)与Fdest(θ)最佳逼近的一组权值（W1,W2,…,Wn）作为智能天线的广播波束权值输入，就可以得到与期望广播覆盖效果的最佳逼近。这就是智能天线广播波束赋形的基本原理。

通过多种方式对广播波束的赋形，可以实现对广播信号覆盖的控制，如：（1）改变波束宽度，需要注意的就是旁瓣的抑制问题；（2）改变波束的指向，使得广播波束可以根据负载的变化改变扇区的指向；（3）改变波束的形状，形成特殊场景需要的覆盖形状，比如马鞍形。图2给出了广播波束赋形的一种效果，通过赋形使方向图成为马鞍形（图2右），这种效果可以应用于一些特殊场景。

3智能天线广播波束赋形在优化工作中的应用

TD智能天线的高可调谐性决定了TD无线网络的优化模式必然与GSM无线网络有着显著区别：前者主要是通过对智能天线各阵元的权值参数调整来实现，而后者主要通过对2G天线的机械调整来实现。具体的区别如表1所示：

表1TD智能天线和GSM天线在网络优化中的差异

主要区别点 智能天线 2G常规天线

基站覆盖的优化手段 权值调整和机械调整 机械调整（调整倾角和方位角）、更换天线类型（调整天线的增益和半功率角）

天线半功率角的大小 需通过权值参数来控制广播波束宽度，波束宽度可根据需求灵活配置 出厂固定配置，有30度、65度、90度、120度等类型，属硬件特性

方位角的

调整 可通过调整权值来实现波束水平偏移 机械调整

覆盖形状的

调整 通过权值调整可灵活地调整小区的覆盖形状，尤其适用于特殊场景的优化 无法灵活调整

在日常优化过程中，可以利用智能天线广播波束赋形的特点来实施网络优化，通过修改天线权值即可改变广播波束宽度或波束形状，甚至方位角。这里给出利用广播波束赋形实施TD无线网络优化的流程，如图3所示。

（1）采用路测的方法（也可以基于用户投诉），采集目标小区的覆盖数据；

（2）对数据进行分析，找出弱覆盖、覆盖盲区或导频污染区等问题区域；

（3）结合电子地图和基站分布情况，确定问题区域最合理的主覆盖小区，进而确定该小区的覆盖边界和覆盖区域形状；

（4）将所希望的小区覆盖边界和形状输入到中国移动开发的智能天线广播波束赋形软件中，得到本小区多阵元天线的广播波束赋形参数文件，通过OMCR端配置对应小区天线的广播波束赋形参数从而对问题区域进行优化；

（5）每次调整完广播波束的赋形参数，按照原有路线再次路测，采集新的数据来验证优化效果是否达到预期的水平，循环往复，直到整个网络的指标达到满意的程度。

在上述优化流程中，比较关键的环节是步骤（4），该环节可以通过中国移动开发的智能天线广播波束赋形软件实现。该软件能够基于给定的广播波束赋形图，通过人工辅助调节的方式得到一组最佳权值，用该组权值作为智能天线的输入而产生的实际广播波束赋形能够实现与目标广播波束赋形尽可能地逼近。图4所示为该软件界面。

4 结束语

利用TD智能天线广播波束赋形特点，同时借助于智能天线广播波束赋形软件，通过修改智能天线的权值数据从而改变广播波束宽度或波束形状甚至方位角，可以高效实施网络覆盖优化。这种优化方式在工程建设阶段的网络优化中，可减少工程参数调整的工程实施难度，降低施工危险，加快网络覆盖优化的速度；在维护阶段的网络优化中，可大大减少日常网络优化上天面调整天馈系统的工作量，很大程度地降低由于反复上站造成的站址业主反感度，有利于协调移动公司和业主的关系。

相比目前所采用的人工调整工程参数的方法，调整广播波束的方法具有精度高、调整方便、调整前后对比方便、可以网络化操作等特点，有利于网络优化向集中化、信息化、标准化、智能化方向发展。

参考文献

[1]李世鹤. TD-SCDMA第三代移动通信系统标准（第1版）[M]. 北京: 人民邮电出版社,2003.

[2]彭木根,王文博. TD-SCDMA移动通信系统（第2版）[M]. 北京: 机械工业出版社,2007.

[3]黄小实. 浅谈TD-SCDMA智能天线基本原理和测试方法[J]. 电子设计应用,2009(10): 10-11.

【作者简介】

李文利：工程师，硕士毕业于北京邮电大学信号与信息处理专业，现任职于中国移动通信集团湖南有限公司长沙分公司网络优化中心，主要从事GSM及TD无线网络优化工作。

多波束形成的基本原理篇2

关键词：数字波束形成；通道均衡；接收通道校正;远场信号

中图分类号：TN958 文献标识码：A

文章编号：1004373X(2008)0502503

Research on Calibration Method for Receiving Channel in DBF

WANG Yuyang

(No.38th Research Institute,China Electronic Technology Group Corporation,Hefei,230031,China)

Abstract：DBF technology is a new radar technology based on the principle of analog beam forming and ditigal signal processing method.The equalization of amplitude and phase in receiving channels is a very important factor that influence the performance of DBF.The principle of channel equalization,its algorithm and implementing method is described in this paper.With engineering illustrations,an implementing method of receiving channel calibration isdiscussed.This method uses testing signal instead of far field signal to complete receiving channel calibration.So the radar based on the technology of DBF is not only easy to use,but also has very high practical value.

Keywords：DBF；channels equalization；receiving channels calibration;far-field signal

1 引 言

DBF技术是在原来模拟波束形成原理的基础上，引入数字信号处理方法之后建立的一门雷达新技术。数字波束形成就是用数字方式将由于传感器在空间位置不同引入的传播程差导致的相位差进行补偿，从而实现各路信号之间信号同相叠加，使得观测方向能量最大接收，形成特定方向上目标信号检测。

DBF实现的多波束形成系统有着可同时产生多个独立可控波束而不损失信噪比、波束特性由权矢量控制且灵活可变、天线有较好的自校正和低副瓣能力等优点,尤其是由于在基带上保存了全部天线阵单元信号的信息,因而可以通过数字信号处理的方法对阵列信号进行处理,以获得波束的优良性能。

接收通道的幅相一致性是影响DBF性能的关键因素，本文介绍了通道均衡的原理和算法以及工程实现方法，并给出一则工程实现接收通道校正技术的实例。其研制成果已应用在多部相控阵雷达中，缩小了我国在这个领域与其他国家之间的差距，具有重要的经济意义和军事意义。

2 通道均衡的基本原理

2.1 概述

近年来，随着阵列信号处理技术的广泛应用，人们逐渐认识到有许多因素会影响到阵列信号处理机的性能。其中，当利用加权控制技术形成方向图零点或者极低旁瓣区的时候，接收通道的幅度和相位误差也极大地影响天线的性能，包括系统输出的信噪比、响应速度、调零深度和测向的超分辨率。

在本文所述的阵列天线雷达信号处理系统中，在实际工作环境下，每个通道都包括阵元和馈电线路，射频放大与变频，中频处理，I/O支路和A/D变换的数字输出,任一环节有误差都会引起通道不一致。显然，由于模拟器件和模拟器件所构成的电路都不可能做得完全相同，并且，在工作中，模拟电路的状态也会不断的变化。因此，对于众多的接收通道要求其工作特性在任何时刻完全一致是不可能的。互耦的存在使得各个阵元的输出不同，各个接收通道的幅、相误差以及同一通道内I/O支路的正交误差都是造成通道不一致的重要因素。

在零中频接收机中，为了保存阵面接收的目标回波信号幅度和相位信息，需要采用相干相位检波器，要求两支路输出的是相互正交的I/O基带信号。然而，由于两个本振信号的正交误差和两支路特性的不一致，可以用两支路的增益不同，相位不正交和有不同的直流偏移来表示。若采用图1所示的中频直接采样相位检波器，则可以在较大程度上避免产生I/O支路的正交误差。

基于上述说明，我们知道了通道之间特性的不一致对于阵列信号处理系统的性能影响非常大。一般地，不一致性表现在正交误差，通道之间由于种种原因造成的误差等等。前一种可以通过图1所示采样通道解决问题,而通道之间的误差只能通过均衡技术来解决。

2.2 通道均衡的原理及其算法

从上文可以看出，通道失配对于阵列信号处理系统的性能影响十分严重，必须对其进行补偿。传统的单频信号法只能在通道的某一频率点上进行补偿，而不能在通道的整个频带内进行补偿，因此是不完善的。

假设有两个通道,设他们的频率响应分别为H1(jw)和H2(jw)，则有：

为了使得两通道有一致的频率响应，可在通道1中加入频率响应为a(w)ejφ(w)的均衡器，或者在通道2中加入频率响应为[SX(]1-a(w)[SX)]e- jφ(w)的均衡器。

对于多通道处理器，可以选择一个通带内最为平坦，畸变最小的通道作为参考通道，其余各个通道与他作比较，以取得一致的、具有良好滤波特性的频率传递函数。这样处理，需要一个比较选择的过程。也可以简单地以任意一个通道作为参考，在其他各个通道中插入均衡器，使得其他所有通道与参考通道相一致。均衡器可以选用具有一定幅、相频率特性的FIR滤波器,这样N个通道需要N-1个均衡器。这样做仅仅保证了各个通道频率特性相一致，但是每一个通道不一定具有良好的滤波特性。因此，也可以采用另一种方案，以理想的中频滤波器特性作为“参考”，所有通道中全部加入均衡器，使得所有的通道的频率特性尽可能地接近理想状态。这样做同样也有缺点，由于作为“参考”的不是实际通道，因此假若输入信号有非线性误差，就不可避免地引入到均衡过程中。

不论何种方案，其均衡原理是相同的，下面介绍通道均衡的基本原理。

假定共有K个通道以及参考通道，设参考通道的频率响应为Tref(jw),其余通道的频率响应为Ti(jw),(i=1,…,k),插入通道之后的滤波器的频率响应为Hi(jw),(i=1,…,k),均衡器为N阶FIR滤波器，抽头时延设为Δ，则有:

道具有相同的时延。

图2给出了多通道均衡器的原理图。设图中时延线的传递函数为e－jwΔ,Δ是延迟时间单位，那么N阶FIR有限长滤波器的频率响应可以表示为:

为N点FIR滤波器权系数矢量；(w)为相移矢量。由┦(3)可见，改变就可以改变频响特性，满足均衡要求。

一般来说，要准确实现Hi(jw)，需要无限多抽头数。然而均衡的精度也与权值精度有密切的关系。利用数字电路实现均衡时，有量化误差。抽头愈多，各个抽头调节误差积累起来，可能反而影响调节精度。因此，抽头数通常是有限的，即存在一个最佳抽头数值。

由上面的叙述可以知道，要对通道进行均衡也就是在通道之后串接滤波器，只要确定滤波器的阶数，系数向量就可以利用数字器件实现。

3 通道均衡的工程实现

3.1 通道均衡的工程实现方法及实例

实际工程应用中，要求DBF处理采用多个接收通道，各个通道之间的相位一致性和通道本身的平稳性是DBF实现的关键。校正框图如图3所示，接收系统频率源产生的测试信号由行波校正网络收集端馈入，分别耦合到各路接收机，各路接收机将测试信号放大并下变频至10 MHz中频，经中频汇流环和车外电缆进入I/Q形成分机，通过LVDS送入DBF电路。

设第i路接收通道的信号可表示为:

当用测试信号形成波束时，直接将第i路测试数据做一个共扼运算，而幅度用校正通道幅度的平方，以此形成各个通道实际所需要的权值，即:

实际上采用的是用测试信号对通道进行校正，以此对外部回波进行波束形成得到各个不同波束指向的接收信号。用测试通道信号对各个通道进行校正时，天线上的各个阵元之间没有校正，但由于天线各个阵元在天线完成后，各个天线之间的参数是不随时间变化的，或者说变化不大。为此，这个参数在天线完成之后，利用外场测试信号做一次完整的测试，假定接收通道的信号为:

利用式(5)和式(7)，利用外场数据除以内场数据形成实际天线对应的参数公式为:

这个公式得到的数据文件可以作为一个标准文件存放在特定存储单元内。实际工作时只要用内部的测试信号就可以校正由于时间和温度等因素引入的各路接收机幅度和相位不一致变化问题。

设第i路接收通道的信号为xi(t)=aie－jφi，则实际工作时的校正权为：

3.2 测试结果

使用上述校正方法，在某雷达整机上，采用-50 dB两

种加权，在两个不同的工作频率下，对测试信号扫描形成的垂直波瓣，所有10个波束，最大副瓣低于-47-8 dB，如图4,图5所示，从实际结果来看，这种校正方法可以获得较为满意的校正结果。

图中纵坐标表示分贝数；横坐标为合成后的角度值，每200个刻度代表一个波束的扫描角度0°～45°，共十个波束循环。十个波束的指向角覆盖0°～20.5°。

4 结 语

本文介绍了对数字波束形成的性能影响最大的因素――接收通道均衡的原理、算法以及具体的工程实现方法，并举出一个实例给出测试结果。接收通道均衡算法的好坏直接影响数字波束形成的性能，而选择合适的算法还可以降低相控阵雷达操作上的复杂程度。本文介绍的实例已成功应用于多部雷达中，且效果较好性能稳定，具有很高的实用价值。

参考文献

［1］朱荣新，方姚生，王晓峰.雷达数字波束形成器的研究与实现[M].现代雷达，2003，25（2）：46-49.

［2］张睿，赵永波，向骥，等.基于FPGA的数字波束形成系统的设计实现[M].火控雷达技术，2006，35（1）：77-80.

多波束形成的基本原理篇3

关键词：智能天线；移动通信；应用

Abstract: With the vigorous development of mobile communication, rapid increase in the number of users, the spectrum resource becomes more and more intense, how to use the existing spectrum resources to further expand capacity has become a key problem in the development of mobile communication. Smart antenna is regarded as a kind of future mobile communications development trend. Based on the basic principles of smart antennas, uses and its application in mobile communication to wait undertook specific elaborate.

Key words: smart antenna; mobile communication; application

中图分类号：S972.7+6

一、智能天线的基本原理

在移动通信中,智能天线是天线阵在感知和判断自身所处电磁环境的基础上,依据一定的准则,自动地形成多个高增益的动态窄波束,以跟踪移动用户,同时抑制波束以外的各种干扰和噪声,从而处于最佳工作状态。智能天线吸取了自适应天线的抗干扰原理,依靠阵列信号处理和数字波束形成技术发展起来。智能天线包括多波束天线阵列和自适应天线阵列,后者是智能天线的主要形式。智能天线技术主要基于自适应天线阵列原理,天线阵收到信号后,通过由处理器和权值调整算法组成的反馈控制系统,根据一定的算法分析该信号,判断信号及干扰到达的方位角度,将计算分析所得的信号作为天线阵元的激励信号,调整天线阵列单元的辐射方向图、频率响应及其它参数。利用天线阵列的波束合成和指向,产生多个独立的波束,自适应地调整其方向图,跟踪信号变化,对干扰方向调零,减弱甚至抵消干扰,从而提高接收信号的载干比,改善无线网基站覆盖质量,增加系统容量。

二、智能天线对移动通信系统的影响

1．智能天线的优点。智能天线对系统性能的改善如下：a．提高系统容量。智能天线采用窄波束接收和发射移动用户信号，降低了其他用户的干扰，因此对于自干扰系统如CDMA系统，可以有效地提高系统容量；同时，采用空分技术复用信道，也增加了系统容量。b．增大覆盖范围。波束形成是多根天线的矢量叠加，等效为天线增益的增加，也就是提高了基站接收机的灵敏度和基站发射机的EIRP有效全向辐射功率。这意味着在同样的接收和发射条件下可以达到更远的通信距离，因此增大了覆盖范围。c．降低系统干扰。采用窄波束的主瓣接收和发射信号，旁瓣和零点抑制干扰信号，可以降低系统干扰，提高阵列的输出信噪比，即提高系统的抗干扰能力。除外，它对于移动系统中的多径干扰也有一定的削弱作用。d．降低系统成本。由于波束形成的增益可以减小对功放的要求，降低基站的成本，并提高可靠性；同时可以减小移动台的体积和重量，延长了移动台的电池使用寿命，降低移动台的成本。e．增加增值业务。智能天线可以获得移动用户的方位信息，同其他技术配合可以实现移动用户的无线定位。无线定位目前是移动通信领域的热点技术，将来的市场潜力巨大，这是一项很有实用价值的增值业务。

2．智能天线存在的问题。a．增加了系统复杂度。智能天线需要高效的算法、高速的DSP器件，满足实时性处理要求。智能天线的算法结构应该尽量能够兼容常规的处理结构，便于系统灵活配置，降低成本。采用智能天线的基站要能够和常规基站混合组网，兼容网络侧的管理和维护。b．增加了通道校正。如果要在基带完成波束形成，则需要进行通道校正，提高了通道要求。

三、智能天线在移动通信中的用途

(1)抗衰落。在陆地移动通信中,电波传播路径由反射、折射及散射的多径波组成,随着移动台移动及环境变化,信号瞬时值及延迟失真的变化非常迅速且不规则,造成信号衰落。采用全向天线接收所有方向的信号,或采用定向天线接收某个固定方向的信号,都会因衰落使信号失真较大。如果采用智能天线控制接收方向,天线自适应地构成波束的方向性,使得延迟波方向的增益最小,减小信号衰落的影响。智能天线还可用于分集,减少衰落。电波通过不同路径到达接收天线,其方向角各不相同,利用多副指向不同的自适应接收天线,将这些分量隔离开,然后再合成处理,即可实现角度分集。

(2)抗干扰。用高增益、窄波束智能天线阵代替现有FD-MA和TDMA基站的天线。与传统天线相比,用12个30°波束天线阵列组成360°全覆盖天线的同频干扰要小得多。将智能天线用于CDMA基站,可减少移动台对基站的干扰,改善系统性能。抗干扰应用的实质是空间域滤波。智能天线波束具有方向性,可区别不同入射角的无线电波,可调整控制天线阵单元的激励“权值”,其调整方式与具有时域滤波特性的自适应均衡器类似,可以自适应电波传播环境的变化,优化天线阵列方向图,将其“零点”自动对准干扰方向,大大提高阵列的输出信噪比,提高系统可靠性。

(3)增加系统容量。为了满足移动通信业务的巨大需求,应尽量扩大现有基站容量和覆盖范围。要尽量减少新建网络所需的基站数量,必须通过各种方式提高频谱利用效率。方法之一是采用智能天线技术,用多波束板状天线代替普通天线。由于天线波束变窄,提高了天线增益及C /I指标,减少了移动通信系统的同频干扰,降低了频率复用系数,提高了频谱利用效率。使用智能天线后,毋需增加新的基站就可改善系统覆盖质量,扩大系统容量,增强现有移动通信网络基础设施的性能。

(4)实现移动台定位。目前蜂窝移动通信系统只能确定移动台所处的小区,如果增加定位业务,则可随时确定持机者所处位置,不但给用户和网络管理者提供很大方便,还可开发出更多的新业务。 在陆地移动通信中,如果基站采用智能天线阵,一旦收到信号,即对每个天线元所连接收机产生的响应作相应处理,获得该信号的空间特征矢量及矩阵,由此获得信号的功率估值和到达方向,即用户终端的方位。通过此方法,用两个基站就可将用户终端定位到一个较小区域。

四、智能天线在移动通信中的具体应用

(1)用于FDMA系统。据研究,与通常的三扇区基站相比,C /I值平均提高约8dB,大大改善了基站覆盖效果；频率复用系数由7改善为4,增加了系统容量。在网络优化时,采用智能天线技术可降低无线掉话率和切换失败率。

(2)用于TDMA系统。无线能量在时间和空间上都受到限制,智能波束切换规则可提高C /I指标。据研究,用4个30°天线代替传统的120°天线,C /I可提高6dB,提高了服务质量。在满足GSM系统C /I比最小的前提下,提高频率复用系数,增加了系统容量。

（3）用于CDMA系统。在CDMA系统中,智能天线可进行话务均衡,将高话务扇区的部分话务量转移到容量资源未充分利用的扇区;通过智能天线灵活的辐射模式和定向性,可进行软/更软切换控制;智能天线的空间域滤波可改善远近效应,简化功率控制,降低系统成本,也可减少多址干扰,提高系统性能。

(4)用于无线本地环路系统。在无线本地环路系统中,基站对收到的上行信号进行处理,获得该信号的空间特征矢量,进行上行波束赋形,达到最佳接收效果。由于本系统采用TDD方式,可将上行波束赋形数据直接用于下行发射信号,实现对下行波束的赋形。天线波束赋形等效于提高天线增益,改善了接收灵敏度和基站发射功率,扩大了通信距离,并在一定程度上减少了多径传播的影响。

(5)用于DECT、PHS等系统。DECT、PHS都是基于TDD方式的慢速移动通信系统。欧洲在DECT基站中进行智能天线实验时,采用和评估了多种自适应算法,并验证了智能天线的功能。日本在PHS系统中的测试表明,采用智能天线可减少基站数量。近期受移动“本地通”业务的启发,我国一些地方提出利用PHS等技术建设“移动市话”,期望与蜂窝移动网争夺本地移动用户群。由于PHS等系统的通信距离有限,需要建立很多基站,若采用智能天线技术,则可降低成本。

(6)用于第三代移动通信。采用智能天线技术可提高第三代移动通信系统的容量及服务质量,W-CDMA系统就采用自适应天线阵列技术,增加系统容量。在第三代移动通信系统中,我国SCDMA系统是应用智能天线技术的典型范例。SCDMA系统采用TDD方式,使上下射频信道完全对称,可同时解决诸如天线上下行波束赋形、抗多径干扰和抗多址干扰等问题。该系统具有精确定位功能,可实现接力切换,减少信道资源浪费。

五、结束语

多波束形成的基本原理篇4

关键词： 小波变换； 智能天线； 波束形成； 神经网络

中图分类号： TN821.91?34 文献标识码： A 文章编号： 1004?373X（2013）13?0091?03

Application of wavelet transform in smart antenna beam forming technology

LIU Hong?bo1， GAO Jun1， HUANG Gao?ming1， LIU Qin?tao2

（1. College of Electronics Engineering， Naval Engineering University， Wuhan 430033， China；

2. Department of Information and Technology， College of Science and Arts， Jianghan University， Wuhan 430056， China）

Abstract： Smart antenna is a current research focus. Basic principle of beam forming is introduced. The existing beam forming algorithms are classified and their performances are compared in accordance with the bind algorithm and non?blind algorithm. The adaptive beamforming algorithm based on wavelet transform and wavelet package is compared. Multi?resolution signal based on wavelet transform and beam forming algorithm based on wavelets neural network is analyzed. The prospect of the wavelet transform in optimal basis selection and the conjoint analysis with blind adaptive algorithm are looked forward.

Keywords： wavelet transform； smart antenna； beam forming； neural network

0 引 言

智能天线原名为自适应天线阵列[1]，是从军事领域的实际需求中发展起来的新型技术，主要用于雷达、声纳和抗干扰通信等方面，主要用来完成空间滤波和定位等功能。近年来，随着移动通信的发展以及天线理论等方面研究的逐渐深入，智能天线开始用于具有复杂电波传播环境的移动通信系统。为此，用于移动通信的自适应天线阵列也成智能天线（Smart Antenna）。

由于傅里叶变换是一种全局变换，无法表述信号的时域局部性质，而这种性质恰恰是非平稳信号最根本和最关键的性质。小波变换是一种信号的时频分析，它具有多分辨率的特点，可以方便地从混有强噪声的信号中提取原始信号，被誉为分析信号的显微镜。小波变换是继傅里叶变换之后信号处理领域重大发现，小波变换的优点是适合分析时间局部信号，并且频域的分辨率较高。因此，把小波变换应用到智能天线波束形成方面是当前的研究热点之一。

1 智能天线波束形成原理和准则

自适应天线发展至今50多年中，大体上分成四个发展阶段[2]：前两个阶段主要集中在自适应波束控制上和自适应零点控制上，诸如自适应滤波、自适应旁瓣对消等；第三个阶段主要集中在空间谱估计上，诸如最大似然谱估计、特征空间正交谱估计等等[3]；最近十几年，主要在智能天线的技术实现方面。智能天线的优点是增加覆盖范围、降低系统功耗、对多径处理可以改善链路质量和提高系统容量方面。

1.1 智能天线原理

天线阵列排列方式主要包括：直线阵、平面阵和立体阵等，下面以直线阵的排列形式讲述数学模型[4]。

设天线阵是[M]元等距，阵列单元间距为[d，]入射角为[θ，]信号载频为[ω，]如图l所示。参考阵元为0号阵元，则[M]个阵元接收信号相加可得：

[Y=exp（j（ωt+φ0））n=0M-1Anexp（jn?kdsinθ）] （1）

式中：[k=2π/λ]；[λ]为波长；[An]为信号幅度；[φ0]为元接收信号初始相位。

图1 [M]元等距直线阵

从式（1）可见具有离散傅里叶变换的形式，因此，信号的波达方向谱可对其进行多尺度分析。为避免空间模糊，要求相邻阵元之间必须满足如下约束条件：

[kdsinθ=2πλdsinθπ] （2）

若在[θ]范围[（-π2，π2）]内观察空间信号，则要求：

[dλ2] （3）

1.2 自适应波束形成最佳准则

自适应波束形成是利用现时的输入信号和干扰矢量，采用自适应算法进行处理，以达到通过有用信号或需要方向的信号且抑制干扰的目的。

目前，自适应波束形成通常采用数字方式在基带实现，即自适应数字波束形成（ADBF），自适应数字波束形成在通信中也称为智能天线。

智能天线的输出是在一定的准则下实现最优化，常用的最佳加权系数准则包括三种：最大信噪比准则、最小噪声方差准则和最小均方误差准则。

2 智能天线波束形成算法比较

在己有准则依据的情况下，自适应算法可以分为盲算法和非盲算法，常见算法如图2所示[5]。

图2 常见自适应算法

2.1 非盲算法

非盲自适应波束形成算法需要发射端发送参考信号，常用非盲算法有LMS（最小均方误差）算法、RLS（递归最小均方）算法和DMI（直接矩阵交换）算法等。

LMS算法是基于梯度估计的最陡下降原理，优点是算法简便，缺点是收敛较慢[6]；

DMI算法的优点是收敛速度快，缺点是运算量大，硬件实现复杂；

RLS算法不需要直接进行矩阵求逆运算，可克服DMI算法运算量大的缺点。

2.2 盲算法

盲算法利用信号的某些特性进行自适应波束形成，这些特性包括空域特性、时域特性、频域特性等，由此形成了多种类型的自适应波束形成算法。

盲波束形成不需要阵列校验、操纵矢量、训练序列、干扰和噪声的空间自相关矩阵等先验知识，也不需要参考信号和信号提取。盲自适应波束形成主要包括三种方法：

（1）基于信号特性的盲波束形成方法，主要包括恒模算法（CMA）、基于信号周期平稳型的盲算法（典型算法有CAB算法和SCORE算法）和基于高阶累积量的算法。

其中CMA算法是由Bussgang算法推导出来的，结构简单、运算量小，可自适应地实现。优点是收敛速度快；缺点： CMA实质上是由LMS算法演变而来，所以具有LMS算法的缺点，如对输入信号协方差矩阵特征值分布敏感；虽然CMA能在一个大范围内达到收敛，但该算法的收敛特征不及最小均方误差（MMSE）或最小二乘（LS）。

（2）基于波达方向（DOA）估计的算法，包括多信号分类（MUSIC）算法、旋转不变技术信号参数估计（ESPRIT）等典型算法；

（3）其他盲算法，包括引导判决方法和DR算法等。

3 小波变换在智能天线波束形成中的应用

小波变换在智能天线波束形成中的应用主要包括基于小波变换的自适应波束形成算法、基于小波包的自适应波束形成算法、基于小波变换的多分辨信号波达方向估计法和基于小波神经网络的波束形成算法。

基于小波变换的自适应波束形成算法如图3所示，首先对阵列天线接收到的信号[x（n）]进行多分辨率分解，由于信号与白噪声在不同尺度上的小波变换模极大值表现不同而可以去噪，得到稀疏矩[r（n）]，然后进行LMS 算法。

基于小波包的自适应波束形成算法如图4所示[7]，首先对阵列天线接收到的信号[x（k）]进行小波包分解得到稀疏矩[r（k）]，再进行LMS算法。参考文献[7]进行了仿真实验和性能对比，表明效果比基于小波变换的自适应波束形成算法有改善。

图3 小波域的波束形成算法

图4 小波包的波束形成算法

阵列信号处理领域中关于波达方向估计方面已取得了一些研究成果[4，8?9]。文献[10?11]提出了应用于波达方向估计的通用小波框架，即基于小波分解的多分辨波达方向估计方法（WD?MDoA），基本思路是首先对接收的阵元数据进行空间小波变换，然后将阵元数据分解成多个子带数据，最后对每个子带数据进行波达方向估计。优点是子带滤除了带外的噪声及信号，降低了运算量，缺点是对子带进行波达方向估计可能产生虚假估计。

文献[12]中给出了基于小波神经网络的波束形成算法，利用波束形成算法中基函数的形式相似性，结合神经网络求解波束形成算法，给出了小波变换在智能天线波束形成中的应用新方向。

4 结 语

小波变换作为强大的数学工具，目前在智能天线领域应用的越来越多，是当前研究的热点之一。针对最大信噪比准则、最小噪声方差准则和最小均方误差准则三种最佳加权系数准则，结合盲算法和非盲算法两类自适应算法，分析了小波变换在智能天线波束形成中的应用，具体包括基于小波变换的自适应波束形成算法、基于小波包的自适应波束形成算法、基于小波变换的多分辨信号波达方向估计法和基于小波神经网络的波束形成算法四种，下一步可针对小波变换在选择最优基方面搜寻代价函数开展研究，并结合盲算法进行联合分析。总之，基于小波域的智能天线波束形成算法研究是一个宽广的领域[13]。

参考文献

[1] HAUPT R L. An introduction to genetic algorithms for electromagnetics [J]. IEEE Antennas and Propagation Magazine， 1995， 37（2）： 7?15.

[2] 李叶华.盲源分离在智能天线波束形成技术中应用的理论探讨[D].秦皇岛：燕山大学，2010.

[3] HSU C H. Optimizing beam pattern of adaptive linear phase array antenna using local genetic algorithm [C]// Proceedings of 2005 IEEE Antennas and Propagation Society International Symposium. Washington， DC： IEEE， 2005： 315?318.

[4] 李荣锋.评“基于小波变换的多分辨信号波达方向估计法”[J].系统工程与电子技术，2004，26（12）：1760?1762.

[5] 孙绪宝.无线通信智能天线算法的研究[D].上海：上海大学，2004.

[6] CHOI S W， SHIM D H， SARKAR T K. A comparison of tracking?beam arrays and switching?beam arrays operating in a CDMA mobile communication channel [J]. IEEE Antennas and Propagation Magazine， 1999， 41（6）： 10?56.

[7] 姚李威.基于小波域的智能天线波束形成算法的研究[D].太原：太原理工大学，2006.

[8] CHU Y， FANG W H. A novel wavelet?based generalized sidelobe canceller [J]. IEEE Transaction on Antennas and Propagation， 1999， 47（9）： 1485?1494.

[9] WANG Y Y， FANG W H， CHEN J T. Improved wavelet based beamformers with dynamic subband selection[C]// Proceedings of 1999 IEEE Antennas and Propagation Society International Symposium. Orlando， FL， USA： IEEE， 1999： 1464?1467.

[10] XU W， STEWART W K.Multiresolution?signal direction?of?arrival estimation： a wavelets approach [J]. IEEE Signal Processing Letters， 2000， 7（3）： 66?68.

[11] WANG B H， WANG Y L， CHEN H. Spatial wavelet transform preprocessing for direction of arrival estimation[C]// Proceedings of 2002 IEEE Antennas and Propagation Society International Symposium. [S.l.]： IEEE， 2002： 672?675.

[12] 孙绪宝，钟顺时.基于神经网络的波束形成[J].微波学报，2004，20（4）：83?85.

[13] 李仁和.基于小波分析与MUSIC法的联合算法对信号DOA的估计[J].通信技术，2008，14（9）：47?49.

[14] ATTA L C V. Electromagnetic Reflector： US， 2900802 [P]. 1959?10?06.

[15] REED I S， MALLETT J D， BRENNAN L E. Rapid convergence rate in adaptive arrays [J]. IEEE Transactions on Aerospace and Electronic Systems， 1974， 10（6）： 853?863.

多波束形成的基本原理篇5

1系统原理和结构

如图1所示，假设在二维空间的远场有一个单频声波信号源Bcosωt，频率为f，波长λ，传播速度为c，距离为D，接收阵元等间距排列，距离为d。当信号源满足远场条件时(D≥d2/λ)，回波信号可以被看为一个平面，信号的入射角为α，则相邻阵元的波程差l=d·sinα，由此可得出相邻阵元间的接收时延τ=d·sinα/c，相位差θ=2πfd·sinα/c，相应第p个阵元接收到的回波信号为xp(t)=Bcos(ωt+pθ)，(1)将所有阵元的回波信号进行叠加，并经过几何级数求和后可得y(t)=Bcos(ωt+(p－1)θ/2)·sinnθ2sinθ2．(2)由表达式(2)可以看出叠加信号的大小取决于各信号的相位差θ，当θ为0时，即回波信号垂直于线阵入射时，接收到的能量达到最大值。波束形成的基本原理是为了得到与直线阵元成某一角度α方向上的波束信号，对n个阵元接收到的回波信号进行不同的延时补偿和相位补偿，使这一方向上的信号在x＇轴上同相叠加，而其他方向的回波信号则相互抵消衰减，从而达到基于方向的空间滤波效果［6］。便携式三维声纳系统的结构如图2所示，设备可与船体通过线缆相连或者离线工作。液晶显示屏安装在基板下方，与信号处理板连接，实时显示水下三维图像和多项系统参数。电源板可在线缆提供的外部电源和电池电源之间切换，为各板提供数字电和模拟电，基板负责板间互连和结构固定。声纳发射阵和接收阵被安装在前面板上，探测水平方向120°，垂直方向75°范围内的物体。利用波束形成原理，垂直发射线阵的阵元通过不同的相位差向探测空间的各个方向发射多路声纳脉冲信号，每个方向采用一种频率，用于定位垂直方向，如图3所示，发射阵元材料选用PZT—4型压电陶瓷，具有较高的机电耦合系数。水平接收阵材料选用PZT—5压电陶瓷，具有良好的响应特性，获取的回波信号经过带通滤波后同样利用波束形成原理添加相位和延时补偿，将各路阵元结果叠加后得到所需水平方向上的最强信号。经过多轮的发射和接收循环最终在显示屏上刷新出成像结果，实现水下三维探测。

2系统实现

2．1硬件系统设计

如图4所示，系统硬件主要由信号处理板、接收板和发射板组成。信号处理板完成75路发射信号的产生和二级波束信号处理，实现与液晶屏之间的命令和数据通信，并将采集到的数据上传到上位机。接收板连接水平接收阵的120路换能器，完成信号调理和一级波束形成。发射板用于驱动垂直发射线阵工作。接收板首先对从换能器接收到的微弱电信号进行调理，将信号通过一个放大电路和300～600kHz的带通滤波器，有效信号的衰减小于3dB，使信号满足A/D转换要求。然后模拟前端对声纳信号进行增益控制和同步采样，增益范围20～60dB。采用Xilinx公司的Spartan—6系列FPGA完成第一级的波束形成，其内部集成大量的数字信号处理器(DSP)，可高效完成波束形成运算。两片FPGA各负责60路信号，通过I2C获取当前量程等参数，到处理板的数据传输通过LVDS接口完成。AFE5851是TI公司推出的面向高密度低功耗设备的新型集成模拟前端，集成了16个可变增益放大器和8个12位64MSPSA/D转换器，系统的采样速率为3MSPS，每通道功耗小于20mW。信号处理板的FPGA扩展1GB内存，从DDR中获取正弦波数字信号，采用查找表的方式生成75路发射信号，最后经过D/A转换器生成模拟信号，同时FPGA接收经过预处理的波束信号，实现二级波束形成，通过PCIe总线将结果传输到处理器，用于实时成像。DM8127是基于低功耗的数字媒体处理器，拥有强大的图形处理能力和丰富的接口，平均功耗小于3W，可保证系统在电池供电时保持较长的续航时间。

2．2FPGA系统设计

接收板的FPGA主要完成模拟前端的控制、数据的采集、120路信号的DFT运算、一级波束形成与上传数据等功能。由于随着阵元数量的增长，波束形成算法对硬件系统的性能要求也显著提高，在有限的成本下难以实时完成波束形成运算。为此，采用分级波束形成算法，以30个阵元为一组子阵并行完成－60°～60°范围内31个方向的一级波束形成，再将4个子阵作为4个阵元完成全阵120个方向的二级波束形成，相比直接获取波束结果可减少90%的运算量［7］。接收板的一级波束形成过程如图5所示，首先对各个阵元的150个离散采样点x1［n］做DFT处理，并根据当前所处的频带k提取频域信号X1(k)，再参照各阵元的相移参数θ进行相位补偿［8］，最后将所有结果求和则可得到一级波束信号Rα。图5一级波束形成流程Fig5Processoflevel-1beamforming在信号处理板，信号发射模块通过DDR控制器获取当前方向的75路数据，将发射信号发送到D/A转换器。FP-GA进行二级波束形成时，将每个子阵作为一个阵元，阵元的位置是子阵的中心点。在－60°～60°的范围内均分120个方向，形成某个方向的波束时，从各个子阵元选取方向最接近的一级波束信号，经过角度差调整后与一级波束形成类似，进行相位补偿求和，最终获得以接收基阵中心为原点的120个方向波束信息。

2．3软件系统设计

系统的软件功能主要由4个部分组成，如图6所示。通信部分完成处理器与上位机、FPGA和显示屏的数据传输。数据管理部分实现一些重要图像和数据的本地存储和回放。参数控制需要配置发射脉宽、探测距离档位、TVG控制等参数，同时传递人机交互的信息。系统软件的主体是三维建模，处理器从FPGA接收到的波束信号无法直接用于三维成像，需要先将声纳信息解析为三维坐标平面的点阵信息［9］。处理器接收到的声纳信息包括:波束信号在水平方向的角度α，信号频率k，目标图6便携式三维声纳系统软件功能Fig6Softwarefunctionofportable3Dsonarsystem点到阵元的距离D，信号强度B。数据解析过程需要将这些信息转换到以水平接收阵为x轴，垂直阵为y轴，垂直于换能器平面的方向为z轴的三维坐标系(x，y，z)中。转换公式如下［10］x=D×tgβ1+tg2α+tg2槡β，(3)y=D×tgα1+tg2α+tg2槡β，(4)z=D1+tg2α+tg2槡β．(5)其中，β是目标在垂直方向上的角度，发射扇面的每个方向波束采用不同的频率，通过信号频带k可以得到目标在垂直方向的角度β。由于发射波束和接收波束的方向是固定的，为提高转换效率，避免冗余的耗时运算，处理器预先计算出所有方向的正切值存入数组中，进行坐标转换时可利用查找到的正切值直接完成转换。采用三角网格构建将分散的数据点结合成可显示的图像片段。网格构建的方式选用欧氏距离最近邻原则，首先设定一个阈值，若两点间的距离小于此阈值，则可认为这两点间有相邻关系［11］。声纳系统的探测量程是可调的，使用固定的阈值会导致不同量程下出现大量的连接错误，成像效果不理想。为此，采用动态阈值，每当量程改变时，阈值将根据该量程的最大距离进行调整［12］。

3测试结果

为验证分级波束形成算法的可行性，利用Matlab软件对两种算法进行仿真，设定在线阵中心0°方向有一个声波信号源且满足远场条件。仿真得到的各方向波束结果如图7和图8所示，采用分级算法的主瓣宽度在1°左右，具有和直接算法同样高的分辨率，其旁瓣峰值的增量也小于0．5dB，由此证明:分级波束形成算法既能够取得与直接波束形成算法相同的效果，又可以大幅度减少系统资源占用，提高运行效率。为实际测试系统的水下成像效果，在千岛湖实验基地进行试验。图9为10～40m量程下探测到的湖底地形，通过颜色和纹理的变化可以清楚地看出湖底地形状况。图10为放置了圆筒障碍物后探测到的湖底地形。英国CodaOctopus公司开发的EchoscopeMark系列三维声纳采用大规模的平面阵换能器进行波束信号的发射和接收，与本系统样机的技术指标对比如表1所示。本系统样机与MarkII相比，大幅度减少了接收阵的阵元数量，仅仅牺牲了小部分的系统性能，而离线续航时间可达3h以上，更是将水下重量减轻到了0kgf，总体上仍然能够满足水下精确探测和灵活作业的需求。

4结束语

本文系统设计并实现了一种水下便携式三维声纳实时成像系统。系统基于低功耗设计，采用优化后的分级波束形成算法高效完成声纳信号处理，通过自适应阈值的网格构建算法实现三维建模。测试结果表明:系统的水下三维实时成像效果良好，并且功耗低，重量轻，能够适应多种复杂的水下工作环境，在港口探测、堤坝巡查、小型湖泊地形绘制、河道工程等方面具有广泛的应用前景。

多波束形成的基本原理篇6

【 关键词 】 多天线通信系统；物理层安全；保密容量；安全传输技术

【 中图分类号 】 TP311 【 文献标识码 】 A

Multi Antenna Communication System Physical Layer Secure and

Reliable Transmission Technology Research Progress

Tang Jie Pan Fei Liao Run-fa Song Huan-huan Wen Hong

（National Key Laboratory of Science and Technology on Communications，

University of Electronic Science and Technology of China SichuanChengdu 610054）

【 Abstract 】 Recently the physical layer security based on the multiple-input and multiple-output （MIMO） communication system has become an important research direction in the field of communication security. This paper summarizes the research of physical layer security of MIMO communication system and comprehensively analyzes the basic principle and the latest research results in this field. Finally， the application scene was pointed out and the problems need to be solved in the future are presented.

【 Keywords 】 physical layer security； mimo communication system； secure transmission method.

1 引言

无线信道的开放性、广播特性使得移动通信网络面临很多的安全威胁。传统通信系统的安全性依赖于攻击方计算资源和时间的有限性假设，随着高速计算机、并行计算等技术的飞速发展，如果密钥一旦泄露或被攻击者通过计算破解，整个安全体系将彻底崩溃。物理层安全旨在利用无线信道的物理特性，以达到Shannon无条件安全为最终目标，其独特优势和严密的理论基础揭示了其巨大的发展前景。

多天线通信技术可以提供很高的数据传输率和频谱利用率，相对单天线通信系统而言，多天线系的信道敏感性为物理层加密提高了丰富的资源，在Wyner的窃听信道模型基础上，大量学者先后针对多天线模型在不同衰落信道环境下的理论安全容量进行了分析。同时，近年来的努力，在多天线通信系统中已经出现了一些代表性的物理层安全传输策略，如结合人工噪声的波束赋形与预编码联合优化策略、利用阵列冗余产生安全增益、天线选择策略、中继协同、跨层安全等。本文总结了多天线通信系统物理层安全发展的现状，全面梳理了多天线通信系统物理层安全基本原理和主要方法，指出其适用场景及有待解决的问题，并对未来发展方向进行展望。

2 多天线通信系统窃听信道模型及保密容量

在信道给定的情况下，总可以在一个最大安全传输效率Cs下实现消息的绝对安全可靠传输，称为该信道条件下的保密容量。根据香农的一次一秘安全理论，Wyner提出的窃听信道模型并证明在窃听信道比合法信道更差的条件下，存在安全编码可以实现无条件秘密通信。Csiszar将这个概念发展为无线广播的窃听信道。

J.Barros研究在准静态衰落信道条件中指出：即使窃听信道优于主信道，依然可以以一定概率条件下实现保密通信，据此提出了中断概率的概念，衡量在特定条件下通信双方可实现保密通信的最大概率。

在多天线环境下， Oggier等人针对MIMO窃听信道场景，刻画了该场景下的安全容量上界。为方便讨论，设MIMO窃听信道中信源Alice有NT根发送天线，合法接收方Bob有NR根接收天线，窃听者Eve有NE根天线，Bob与Eve接收到的信号可以描述为

YBob=HAX+VA

YEve=HEX+VE （1）

其中X为Alice发射复信号，HA与HE分别为NR×NT维和NE×NT维的信道矩阵，VA和VE分别为协方差矩阵为单位矩阵的独立圆对称高斯随机向量。当信号X的平均功率限定时，该系统的保密容量为：

CS=■（log det（I+HAKXHAH）-det（I+HEKXHEH））（2）

Oggier等人的研究对多天线系统物理层安全传输技术的研究提供了理论分析支，为探索实用的物理层安全通信方法奠定了坚实的基础。

3 多天线通信系统物理层安全传输技术及研究进展

3.1 结合人工噪声的波束成形技术

基于波束形成的安全通信主要思想是在各个阵列输出的基础上进行加权求和从而形成发送的天线波束，运用最优准则调节天线阵的各个天线单元的加权向量，提高信号的输出信噪比，以达到抑制干扰、安全通信的目的。Shabnam Shafiee在信道状态信息（CSI）准确的假设下讨论了在MISO窃听信道上的以最优化保密容量为目的的波束成形设计，但是实际中关于窃听端的CSI却很难做到十分准确。

为提高保密通信的中断概率，Satashu.G提出的人工噪声辅助法的核心思想是在发送端人工地产生特定形式的噪声来协助需要传递的信号，针对Eve窃听信道会被衰落，而不会影响到合法接收端Bob对信号的接收。在发送端天线数大于接收端天线数的情况下利用多天线在主信道的零空间内传递人工噪声。令在k时刻发射信号为：

xK=wKuK+zK （3）

wK为波束成形向量，uK为发送序列，zK为高斯分布变量的人工噪声且满足在Alice和Bob的信道矩阵HK的零空间内即HKzK=0且HKwK≠0。则Bob和Eve的接受信号为：

yBobk=Hkwku+nk

yEvek=Gkwku+Gkzk+ek （4）

其中Gk为窃听方Eve的信道矩阵，ek 为信道噪声，在最优化安全容量的求解中得出发送端必须用至少NE个空间维度来产生人工噪声，剩下的空间维度用于传输信息信号，当Eve 具有多个天线或者有多个联合窃听者且其天线数目总和大于Alice 的发送天线数目时，人工噪声可以被Eve计算并完全消除。

通过使用人工噪声法不管窃听信道的信道状态是否好于主信道的信道状态，都可确保实现一定最小速率的保密通信，但是由于人工噪声的引入，造成功率利用率很低，若窃听端增加天线数目，发送方就需要更多的空间维度去产生人工噪声，则用来传输信息信号的空间维度数就会减少。

而在MIMO上行链路中，由于收发天线数目对比与下行相反，而无法应用上述方案。由于人工噪声信号和有用信号同时发送，如何调整两者之间最优的功率分配来增强系统的保密容量也成为研究热点之一。尽管发送人工噪声造成了功率浪费，但在一些对安全要求很高的场合（如军事通信）中，该方法还是可以考虑的。

3.2 阵列冗余法

虽然利用人工噪声与波束成形策略能够有效增强系统的安全性能，但是需要知道精确的窃听者和目的节点的CSI，将导致巨大的反馈开销及复杂度，而且当信道缓慢变化时， Eve可以通过CMA等盲均衡算法估计得到发射符号。

对此，Xiaohua.L提出了基于阵列冗余的随机加权传输方法，使各天线发射信号最后在期望用户接收点同相叠加，合法接收方可以直接进行最大似然解调。在Alice完全知道信道信息hAB的前提下在每次发射符号时随机选取w并使其满足wH hAB=|| hAB || （|| hAB || =（hABH hAB）1/2。若发送功率固定，对权系数进行归一化，Bob和Eve的接受信号为：

xBob（n）=x（n）■|| hAB || +vBob（n） （5）

yeve（n）=x（n）■wH || hAE || +vEve（n） （6）

由于基站在发射每个符号时都随机变换天线， 将会导致窃听者的信道随机快速变化， 导致窃听者无法通过盲均衡算法解调。仿真表明这种方法能够很好地完成无线安全传输的功能， 与经典的使用随机加权系数的方法相比， 阵列冗余方法具有功率利用率更高的特点，但这种方法实现前提是阵列冗余必须存在，这在具体的应用中受到了很大的限制。

3.3 天线选择策略

天线选择策略已经在多天线通信系统中有着广泛而深入的研究，其同样适用于物理层安全领域，旨在增强系统安全性能的同时，降低硬件运算处理复杂度。文献[11]发现最大比传输可增强系统的安全容量。Nan.Y 分析了当源节点采用发天线选择策略在瑞利衰落信道下的安全容量大于零的概率以及安全中断概率的闭式表达式。

目前多数研究还停留在天线选择安全传输策略可达的安全容量上，如何研究基于选择天线策略的安全传输方案将是未来一个十分重要的方向。

3.4 中继协作

在无法采用多天线技术场景中，为获得空间分集增益虚拟MIMO技术而提出的协作通信技术，与多天线系统类似，可以通过类比多天线系统的保密容量相关理论得到中继续协作通信系统的保密性能的结论。

相对于点对点多天线通信系统来说，协作中继系统的网络结构更加复杂，拥有更多的节点、更复杂的空间信道特征和更多变的信息传输策略，现有大多数多中继协作研究只针对一个中继节点或一次中继传输，一旦扩展到多个中继节点往往会导致实现难度和调度复杂度成倍上涨，而在实际应用中往往会涉及到使用多个中继节点进行多次中继传输的情况，因此目前多数研究在应用上有一定的局限性。

4 多天线通信系统跨层安全传输

目前多数研究基于物理层下的安全传输，对通信信道环境依赖很大，不能保证概率为1的安全，从而不能满足实际的安全需求。通过将物理层安全与传统密码技术结合实现安全增强技术，其物理层信号设计简单，开销较小，能够实现概率为1的安全。

文献[14]中研究了一种基于Alamouti安全编码，设计一种扭曲信号代替了空时码中的符号集来扰乱窃听方解码，窃听者想要从受干扰的信号中获取密钥将会比传统的流加密信号更加困难。

总的来说，利用现代密码学成熟的设计分析方法与物理层安全结合将是未来通信安全领域的重要研究和应用方向。

5 结束语

MIMO 系统能充分利用信道特点，其成为建立合法通信者优势信道的重要手段，未来的重点研究方向是如何更充分地结合不同信道条件实现更大秘密容量的MIMO 系统优势信道建立方法，如何实现与传统保密手段相互融合与互补。

参考文献

[1] C. E. Shannon. Communication theory of secrecy systems. Bell Systematic Technical Journal， vol.28， pp： 656-715， 1949.

[2] A. D. Wyner. The Wire-tap Channel. Bell Systematic Technical Journal， vol.54， pp： 1355-1387， 1975.

[3] I. Csiszar and J. Korner. Broadcast channels with confidential messages. IEEE Trans. Inform. Theory， vol.24， pp： 339-348， 1978.

[4] M. Nloch， J. Barros and M. R. D. Rodrigues， Wireless information theoretic security. IEEE Trans. Inform. Theory， vol.54， no.6， pp： 2515-2534， June， 2008.

[5] A. O. Hero. Secure space-time communication. IEEE Trans. Inform. Theory， vol.49， pp： 3235-3249， 2003.

[6] F. Oggier and B. Hassibi. The secrecy capacity of the mimo wiretap channel. Allerton Conference on Communication， Control and Computing， （Allerton， IL， USA）， 2007.

[7] S. Shafiee and S. Ulukus. Achievable rates in Gaussian MISO channels with secrecy constraints， Proc. IEEE Int. Symp. Information Theory （ISIT），Jun. 2007， pp. 2466-2470.

[8] Amitav.Mukherjee， A.lee. Swindlehurst. Robust Beamforming for Security in MIMI Wiretap Channels with Imperfect CSI， IEEE Trans. Signal. Proc， pp： 351-360， 2011.

[9] Satashu. G and Rohit. N， Member. Guaranteeing Secrecy using Artificial Noise. IEEE Trans. Wire. Commun， vol. 7， no. 6， Jun. 2008， pp： 2180-2189.

[10] X. Li and J. H. Wu. Using antenna array redundancy and channel diversity for secure wireless transmissions. Journal of Communications， vol.2， no.3， pp： 24-32， 2007.

[11] Hirley. A， Richard. D. S， etc. Performance of Transmit Antenna Selection Physical Layer Security Schemes. IEEE Signal. Proc. Let， Jun. 2012， pp： 372-375.

[12] N. Yang， Himal. A.S， Iain B.C. Physical Layer Security of TAX/MRC with Antenna Correlation. IEEE Trans. Inform. Foren. Security， Jan. 2013， pp： 254-259.

[13] Hui. M. W， Miao. L， Xiang. G. X and Qinye. Y， Joint Cooperative Beamforming and Jamming to Secure AF Relay Systems with Individual Power Constraint and No Eavesdropper’s CSI， IEEE Signal. Proc. Let， vol. 20， no. 1， Jan. 2013， pp：39-42

[14] Wen. H， Gong G，Pin-Han. H. MIMO Cross-Layer Secure Communication Architecture Based on STBC. Telecommunications Systems，Aug. 2011，pp：1-12.

[15] Gao Q. N， Zhu. Y，Zhao. Y. Secure MIMO Communication System Based on Time Varying Linear Transformation. In Procee dings of lET International Conference on Wireless， Mobile and Multimedia Networks 2010 （ICWMNN）， Beijing， China，Sept. 2010，pp： 183-186.

作者简介：

唐杰（1987-），男，电子科技大学通信抗干扰技术部级重点实验室博士生；主要研究方向和关注领域：无线通信与信息安全。

潘绯（1989-），女，电子科技大学通信抗干扰技术部级重点实验室博士生；主要研究方向和关注领域：移动通信安全。

廖润发（1989-），男，电子科技大学通信抗干扰技术部级重点实验室硕士生；主要研究方向和关注领域：移动信息安全。

宋欢欢（1989-），女，电子科技大学通信抗干扰技术部级重点实验室硕士生；主要研究方向和关注领域：MIMO系统与空时编码。

多波束形成的基本原理篇7

随着传感器技术、信息处理技术、测量技术与计算机技术的发展，智能驾驶系统（辅助驾驶系统一无人驾驶系统）也得了飞速的发展。消费者越来越注重驾驶的安全性与舒适性，这就要求传感器能识别在同一车道上前方行驶的汽车，并能在有障碍时提醒驾驶员或者自动改变汽车状态，以避免事故诉发生。国际上各大汽车公司也都致力于这方面的研究，并开发了一系列安全驾驶系统，如碰撞报警系统（CW）、偏向报警系统（LDW）和智能巡游系统（ICC）等。国内在这些方面也有一定的研究，但与国外相比仍存在较大的差距。本文将主要讨论多传感器信息融合技术在智能驾驶系统（ITS）中的应用。

1 ICC/CW和LDW系统中存在的问题

1.1 ICC/CW系统中的误识别问题

ICC/CW系统中经常使用单一波束传感器。这类传感器利用非常狭窄的波束宽度测定前方的车辆，对于弯曲道路（见图1（a）），前后车辆很容易驶出传感器的测量范围，这将引起智能巡游系统误加速。如