簡介
信息處理部分是
智慧型天線的核心部分,主要包括
超解析度陣列處理和自適應
波束形成算法兩個方面。超解析度陣列處理的目的是獲得空間信號的參數,這些參數主要包括信號的數目、信號的來向、信號的調製方式及射頻頻率等,其中信號的來向對於實現
空分多址和自適應抑制干擾有著重要作用。從是否需要
參考信號(導頻序列或導頻信道)的角度來劃分,這些算法可分為盲算法、半盲算法和非盲算法三類。非盲算法是指藉助於參考信號的算法。由於傳送時的參考信號是預先知道的,對接收到的參考信號進行處理可以確定出信道回響,再按一定準則(如著名的迫零準則)確定各加
權值,或者直接根據某一準則自適應地調整權值(也即算法模型的抽頭係數),以使輸出誤差儘量減小或穩定在可預知的範圍內。非盲算法相對盲算法而言,通常誤差較小,
收斂速度也較快,但傳送參考信號浪費了一定的系統
頻寬。
波束形成
數字波束形成器是全數位化
超聲成像的基礎,也是高性能彩超的保證。
數字波束形成包括發射和接收兩個部分。數字是接收波束形成的關鍵技術,它通過使用順序儲存器
FIFO或隨機存取存儲器雙連線埠
RAM替代模擬式波束形成器中的
LC延時線來實現波束聚焦,即以數字延時補償替代模擬延時的補償。數字延時不僅能實現精確延時補償,實現所謂的逐點跟蹤式動態聚焦,還能方便實現動態孔徑、動態變跡控制,克服模擬式延時補償存在的諸多固有缺點,
通道數增加不受限制,是圖像品質得以全面提高。
所謂波束形成是指將一定幾何形狀(直線、圓柱、弧形等)排列的多元基陣各陣元輸出經
過處理(例如加權、時延、求和等)形成空間指向性的方法。
波束形成算法
波束形成算法是智慧型天線研究中最核心的內容。波束形成算法根據基於的對象不同可以分為基於方向估計的
自適應算法,工程中天線主波束效率快速估算,基於訓練信號或者參考信號的方法和基於信號結構的波束形成方法;,根據是否需要發射參考信號,保持各波束主波束無畸變,保持各波束主波束無畸變,分為非盲算法和盲算法。接下來本文將具體介紹這幾種算法。
波束形成算法是智慧型天線研究中最核心的內容。按照不同的準則,可以將波束形成算法分為許多種類。例如根據基於的對象不同,可將波束形成算法分為以下3類。
(1)基於方向估計的自適應算法。這類算法分為兩種情況。第一種情況,參考用戶信號方向已知。這時可根據不同的準則(如線性約束最小方差準則、最大似然準則和最大信噪比準則等)計算自適應權值。第二種情況,參考用戶信號方向未知。這時可根據多信號分類(
MUSIC)、旋轉不變技術信號參數估計(
ESPRIT)等方法等估計信號
DOA。這類方法雖然在分析上較方便,但是存在運算複雜度高、對誤差敏感度高等問題。
(2)基於訓練信號或者參考信號的方法。這類算法不需要估計信號到達方向,對天線本身的結構也沒有太多的限制。但是這類算法存在的問題是發射訓練信號需要先驗載波和符號的恢復,這對於存在同信道干擾的情況比較困難,而且發射訓練信號會降低頻譜的利用率。
(3)基於信號結構的波束形成方法。這類算法利用信號的時域特性來計算權值,利用了恆模特性、有線集碼、循環平穩特性和
高階統計量等,對誤差比較穩健,不需要信號的方向信息。但是,這類算法存在的問題是收斂速度較慢。
另一種更常用的分類方法是根據是否需要發射參考信號,將波束形成的算法分為非盲算法和盲算法。
(1)非盲算法通過發射訓練序列或者導頻信號來確定信道回響,然後根據一定的準則調整權值。常用非盲算法包括最小均方(
LMS)算法、直接矩陣求逆(
DMI)算法和遞歸最小二乘(RLS)算法。
(2)盲算法不需要發射訓練序列或者導頻信號,接收端將自己傳送的信號作為參考信號進行估計,然後調整權值。典型的盲算法包括兩種:一種是利用信號特徵的盲算法,比如利用信號恆模特性的恆模算法,利用信號循環平穩性的周期平穩性算法,還有有限符號集算法;另一種是利用
DOA的盲算法。提取
DOA信息的算法如
MUSIC、
ESPRIT等。