无线通信中的空时自适应信号处理.pdf 9页

'中国http://www.paper.edu.cn科技论文在线#无线通信中的空时自适应信号处理**洪玺，王文杰，殷勤业（西安交通大学电子与信息工程学院，西安710049）5摘要：针对远距离无线通信接收机处的多径效应与干扰信号影响，本文提出一种基于空时自适应信号方法。该方法基于多级维纳滤波分解，对输入信号在空域和时域内联合处理，可以在有效改善接收误码率性能的同时抑制干扰信号的影响。此外，该方法还具有低复杂度的特点，提高了处理的实时性。本文还给出了一种对视距和多径散射环境均适用的多级维纳滤波级数选择方法，增强了计算资源使用的准确性。本文方法在实现上对输入信号的结构设计要10求宽松，与已有空时自适应处理方法相较，在复杂度、谱效率和发射功率利用率上更有优势。关键词：空时自适应信号处理；非视距；多级维纳滤波器；降秩算法；低复杂度中图分类号：TN911.72SpaceandTimeAdaptiveSignalProcessinginWireless15CommunicationHONGxi,WANGwenjie,YINqinye(ElectronicandInformationEngineeringSchool,Xi"anJiaotongUniversity,Xi"an710049)Abstract:Abstract:Todealwiththeeffectsofmultipathandinterferenceonlongdistancewirelesscommunicationreceiver,wegiveaspaceandtimeadaptiveprocessing(STAP)method.Thismethod20basedonmultistagewienerfilter(MSWF)decomposition,processesreceivedsignalsinspatialandtemporaldomaintogether,thenitcaneffectivelyimprovereceivingbiterrorrateperformanceandsuspendinterferenceeffort.Besides,themethodhasagoodfeatureoflowcomplexity,whichmakestheprocessingmuchreal-time.What’smore,wealsogiveaneasywaytodeterminethenumberofstagesofMSWF-STAPinbothLine-of-Sightandmultipathenvironment,whichmakesitconsuming25calculationresourceaccuately.ComparedwithknowSTAPalgorithms,themethodinthispaperhasalowerrequestonsignalstructure,buthasadvantagesincomplexity,spectrumefficiencyandtransmittingpowersaving.Keywords:STAP;Non-Line-of-Sight;MSWF;reduced-rankalgorithm;lowcomplexity300引言多天线技术在无线通信中应用可以扩大收发信机的覆盖范围并改善接收机的灵敏度。尤其是在远距离通信中，空域自适应滤波是远距离通信节点改善视距信号质量、对抗干扰信号影响的重要手段之一。在视距(Line-of-Sight,LOS)条件下，空域自适应信号处理(SpaceAdaptiveProcessing,SAP)通过在空域内对用户方向形成波束，并在干扰信号的来波方向设置35“零陷”，可以有效抑制干扰信号的影响。在非视距(Non-Line-of-Sight,NLOS)环境下，较为显著的多径效应使得输入信号在空域和时域内都有扩展。然而，传统级联式处理对空域和时域的处理是独立的，无法同时应对两个自由度内的联合扩展，这导致传统多天线接收机在信号散射较为明显时无法获得较好的接收性能。空时自适应处理(SpaceandTimeAdaptiveProcessing,STAP)是一种高效利用信号自由度[1][2][3][4][5]40的抗干扰信号处理方法，已在诸如雷达、导航信号处理等多个领域中应用。针对其基金项目：国家博士点基金(20130201110014);国家863项目(2015AA011306)作者简介：洪玺(1990-)，男，博士研究生，主要研究方向：阵列信号处理、导航信号处理通信联系人：殷勤业(1950-)，男，教授，博导，主要研究方向：无线通信信号处理、阵列信号处理.E-mail:qyyin@xjtu.edu.cn-1- 中国http://www.paper.edu.cn科技论文在线[6][7][8]高复杂度的特点，已有相关研究提出主成分元法、互谱分析法和子空间跟踪等方法对STAP的复杂度予以改善，但多受制于基于输入信号的特征值分解。多级维纳滤波(Multistage[5][9]WienerFilter,MSWF)因其低复杂度的特点已在雷达、导航等领域内广泛应用，该方法在求解时不需要求逆或特征值分解等复杂计算，显著提升了相关算法的实时性。[5]介绍了一45种基于MSWF的空时域滤波方法，可以有效地改善多天线接收机的信干噪比性能。[10]介绍了一种利用滤波输出均方误差(MeanSquareError,MSE)快速确定SAP-MSWF分解级数的方法，但实验表明，仅根据MSE确定MSWF-STAP分解级数会有较大的误差。本文在接收机前端的信号处理部分使用STAP，利用空域和时域的自由度有效对抗了多径效应和干扰信号的影响，并利用MSWF较为明显的降低STAP在实现中的复杂度，并给50出了一种在视距和多径散射环境中均可工作的MSWF级数的选取方法，使MSWF级数的选取更有目的性，避免了计算资源的浪费。1信号模型简单考虑，设置接收机天线阵列为均匀线阵(UniformLinearArray,ULA)，天线阵元数为N，阵元间距为d。在远距离点对点通信系统中，由于信号传播路径上有物体反射和遮55挡，使得信号沿着不同路径入射接收天线阵列，路径间的时延大小互不相同，则对于任意一条路径而言，其在天线阵列上的响应可以用下式表示：12fjdcsinieChiiti(1)2fjNc1sdinCie其中，C为真空中的光速，f为信号中心的频率，、和分别为第i条路径的路径衰ciii减因子、入射阵列角度和时延大小。因为遮挡物体通常集中于接收机附近，则可以近似认为60不同路径上的多普勒频偏近似相等，这里假设接收机已实现频率同步。接收机天线阵列输出经过下变频与信号采样，按照空域角度划分，可以将信道响应用离散信号的形式表示为：12fhh1,11,LjdcsinkKLeC1hhHnl=2,12,L(2)lkl00jN2fc1sdinkhhN,1NL,eC其中，K为输入信号的空域入射角度数，L为时延扩展等效长度。当K=1时，信道仅有一条传播路径，相当于在视距环境中传播；随着K的增加，散射路径数逐渐增加，而当接收65机附近散射较为显著时，可以认为是服从复高斯分布的。与传统级联式信号处理相较，l如图1所示的空时二维联合处理结构可以增加信号处理的自由度，更充分的利用输入信号的空域和时间分集。此时，阵列得到的信号扩展为空时二维，则其输出的第i次空时快拍如(3)所示。其中，M为空时滤波器的时域抽头数目，H为空时信道响应，si为期望信号，ei为噪声与输入干扰信号。-2- 中国http://www.paper.edu.cn科技论文在线TsTsTswwww1,11,21,M11,MTsTsTswwww2,12,22,M12,MTsTsTswwwwN,1N,2NM,1NM,70图1空时二维接收阵列Fig.1SpatialandTemporalReceivingArrayei,1,1hh1,Li1,1e,1,2siL1hhe1,Li1,1,1,MsxHi1=se(3)iiisihhNL,,N1eiN,,1esiN,,2iM1hhNL,,N1eiNM,,2基于多级维纳滤波的空时处理75观察(3)可以发现，接收机空时阵列的输出与空域阵列的输出具有相似性，可以认为(3)中的期望信号由(1LM)“信源”构成，而H是这些“信源”对应的空时域导向矢量。这种相似性使得接收机可以利用类似于空域信号处理的方法在空时域中处理信号。通常接收机是已知待接收用户的导频序列的，故可以利用这一点从(3)中估计出期望信号s，并对抗干扰信号的影响。假设接收机已频率同步，基于最小均方误差准则，空时二维i80滤波的接收权系数可以由(4)求出：2Hminwxs(4)stiiwst其中，表示模值。进而得到该准则下的最优空时权系数：1wR=γ(5)stxxs其中，R和γ分别为输入信号x的自相关矩阵和与期望信号的互相关向量，工程实现上常xxsi85以(6)表示R和γ的估计，式中L是估计中用到的空时快拍数，则空时滤波权系数又可以xxss表示为wR=ˆ1γˆ。为了简化记号，下面以R和γ表示Rˆ和γˆ。stxxsxxsxxs1LsRxˆxHxiiLsi1(6)1Lsγˆxsi=xsiLsi-3- 中国http://www.paper.edu.cn科技论文在线为了使接收机空时阵列在时域内有足够的自由度以均衡信道的影响，通常使其时域滤波器抽头数M大于信道的长度L。如此一来，时域处理资源上的冗余也降低了接收机对于信90号同步精度的要求。在LOS情况下，符号粗同步后，若空时阵列完全覆盖信号在时域内的延展，则w将对应于成型滤波器小数时延后的响应，滤波后可实现符号的精同步。st-1从(5)可以知道，空时滤波权系数的求解需要预先得到R。而在实现上随着矩阵维度的x-13增加，求逆运算的复杂度也显著上升。对于(5)式而言，R的计算复杂度为((NM))，直x接求逆求解w将花费较多时间，不利于工程实现。当R的部分特征值较大时，可以用部分stx95特征值和与之对应的特征向量构成对R近似表示：xMsHRuxjjju(7)j其中，和u分别表示R的前M个大特征值和与之对应的特征向量，一般而言，有用信jjxs号和干扰信号的功率大于噪声功率，故这些特征向量通常属于空时域中有用信号和干扰信号[6]所对应的子空间。将(7)带入(5)可以得到基于特征分解的空时滤波权系数近似表达式：1H100wUΛUγ(8)stsssxs其中，Λ为R的前M个大特征值为对角元素的对角阵，U为与此特征值相对应的特征向sxss量构成的列空间。当M较小时，利用[8]中的方法可以较为容易的得到Λ和U，并通过(8)sss降低w求解过程中的计算量。但由(3)可以看出，接收机空时阵列输出信号的子空间维度与st图1中时域抽头数M是正相关的，这使得当M较大时，Λs和Us的维度也较大，需要较长105时间的迭代求解，导致w求解的复杂度仍很高。st由[7]可以知道，空时滤波中基于R的特征分解通常需要U有较高的维度，而从滤波效xs果上看，适当选取少部分特征向量就可以近似得到(8)的性能。[11][12]指出基于多级维纳滤波(MSWF)可以将空时阵列的输出沿着γ方向在Krylov空间中展开，通过适当级数的分解，xs便可以近似得到最优的滤波效果，同时回避了R的求逆和特征值分解运算，较为明显的降x110低了w求解过程中的复杂度。stsd0e0xx=de011wc10x1d2e2B1c2w1x2e3Bw22图2多级维纳滤波器典型结构Fig.2ClassicStructureofMSWFHcB0(9)jj115投影后可以得到：Hdcx(10)jjj1HxBx(11)jjj1γExd(12)jjj-4- 中国http://www.paper.edu.cn科技论文在线由(9)和(10)可以得到：120Edd0,i2(13)jij[5][8]对c和B的选取有很多种方法，出于简单考虑这里使c和B满足：jjjjcγγjdxxjj11jj11d(14)HBIccjNMjj各级滤波输出为：edwe(15)jjj+1j1125根据最小均方误差准则，并结合(13)，各级的滤波权系数为：1w(16)jjjEee(17)jjjEedEdd(18)jjj11jj由(10)、(14)和(18)又可以得到：130γ(19)jdxjj11利用图2中各级cj、Bj和wj1间的关系，最后可以得到wst。完整的求解过程如算法1所示。[12]指出随着MSWF级数增多，滤波输出的均方误差呈现快速下降后趋于稳定的变化趋势。这说明了，过度分解并不会提升滤波性能，恰当分解级数的选择有利于节约处理资源。[10]介绍了几种MSWF分集级数选取的方法，但这些方法中判决门限的选取判决仅针对信135号LOS传播的情况，无法直接在多径散射场景中应用。这里针对(3)中的信道场景，在[10]中GDP(GeneralizedDiscrepancyPrinciple)方法基础上，给出了一种简单有效的级数选取方法，其过程如算法1所示。可以看出这种方法以“相邻两次分解间滤波输出的均方误差的差值”作为待考察变量，避免了信道衰落对接收信号信噪比的影响，扩大了MSWF级数估计的应2用场景。判断分解级数时，门限数值与接收到的噪声功率、天线数N和STAP处理时0n22140的过采样率R有关，而在实现中，接收机可以得到对的估计[13]，所以方法中假设已nn知是合理的。在判断是否继续分解时，大部分输入参数可由(17)、(18)和(19)得到，无需额外计算。算法1MSWF迭代分解与级数确定145从算法1可以看出，每一级MSWF的分解中除法运算和平方根运算需要分别执行两次和一次，而主要的复杂度主要集中于如何得到cj和Bj以及与之对应的(10)和(11)求解。其中-5- 中国http://www.paper.edu.cn科技论文在线对B和(11)消耗了主要的运算复杂度。联合(10)、(11)和(14)可以得到：jHxxccXxcd(20)jjj11cjjj1j可以看出对x的求解中可以省去实现中B的相关计算，则(10)和(20)的计算复杂度均为jj150()NML。本方法每一级中判定是否继续分解需要4次加法、4次乘法和一次除法，其相较s3MSWF分解过程的复杂度可忽略不计。与MSWF相较，R的直接求逆复杂度在((NM))以x上，而利用空时快拍实现子空间跟踪[8]在每次迭代时的乘法复杂度为()NMr，其中r为目标子空间维度，但该方法特征子空间维度r大于MSWF分解级数[7]，且在每次迭代时均要用到除法运算，相当于使复杂度提升了一个数量级，由此可以看出基于MSWF的STAP信155号处理可以显著降低算法的复杂度。由于接收信号的导频序列长度是有限的，这会使得当后续信息序列较长时，单次计算得到的滤波权值w无法很好地跟踪信道的变化。为了应对这一现象的影响，本文简单采用了st块状自适应迭代的方式，对相邻符号块的权值修正可以用下式表示：wwpp1Exp()()ieiˆp(21)160其中，w、x()i和eiˆ()分别表示第p个符号块的空时滤波权值、空时阵列输出的第i次快ppp拍和与该快拍相对应的滤波输出误差估计，为每次块状迭代的步长。由于滤波输出后，信号的星座汇聚于理想星座点附近，故可以先对其按照星座映射予以判决，并将判决结果作为对信息序列符号的估计，则eiˆ()可以由下式得到：pHHeipp()constellationwxp()iwxpp()i(22)165其中，constellation表示对信号按照星座映射判决操作。3仿真结果与分析为了评估所提出方法的接收性能，本文给出了不同场景下随信噪比EN变化的误码率b0(BitErrorRate,BER)曲线，各场景中每个信噪比数值上均进行了10000次蒙特卡洛实验。简单设置接收机天线阵为ULA，天线数N4，阵元间距取信号中心频率的半波长。仿真中，170假设有用信号在LOS条件下以空域角度0入射接收天线，时域信道等效长度为1；在NLOS条件下，信号各路径在空域角度范围(40,40)内均匀分布，散射路径数K=100，有用信号各路径时域信道长度为10个基带符号持续时间，各路径上信道的各抽头服从CN01，NKL分布。设置发端输出信号调制方式为QPSK，采用滚降系数0.5的根升余弦成型，单次发送的数据帧由1个导频块和10数据块组成，每块包含256个符号；接收机在两倍过采样下处175理各天线的输出信号，空时滤波器时域抽头数为M=64，并假设各路径收到信号的多普勒频偏大小近似一致且已经过良好的频偏校正，待处理数据已经过符号同步。根据接收天线数和2过采样倍数设置判断是否分解的门限数值=/10。0n图3对比了多天线接收机分别在LOS和NLOS条件下，级联式信号处理和基于MSWF的STAP在不同情况下的BER性能。其中，输入信号符号块间紧密连接，没有保护间隔。180从图3可以看出，在LOS条件下，级联式信号处理的性能优于基于MSWF的STAP，但随着M的减小，后者的性能会不断提升，-6- 中国http://www.paper.edu.cn科技论文在线010-110-210-310-410BER-510LOS,SAP-610LOS,MSWF-STAP,M=16LOS,MSWF-STAP,M=32-7LOS,MSWF-STAP,M=6410NLOS,SAP-8NLOS,MSWF-STAP,M=6410051015E/N(dB)b0图3级联式处理和基于MSWF的STAP在视距和非视距中的性能比较Fig.3AComparisonbetweenSpaceandTimeCascadingProcessingandMSWF-STAPinLOSandNLOS185可以推测M较小时，级联时处理与基于MSWF的STAP性能将趋近于一致，而从图1也可以看出M=1时的STAP将退化为SAP，其性能将与级联时处理是一样的。但需要注意的是，随着M的减小，接收机在处理信号时的同步精度要求也随之上升。从上面的结果可以看出，根据当前信道情况选择合适的M有利于改善基于MSWF的STAP。在NLOS条件下，由于级联式处理无法同时利用信号空域和时域的信息，导致接收机无法正常解调数190据，而此时基于MSWF的STAP仍可正常工作，这说明在NLOS条件下空时联合处理的必要性。图4在图3的LOS条件基础上加入窄带干扰，简单设定窄带干扰为频率落在有用信号频段内的单音信号，并设定干扰信号功率使信干比SIR=0dB。单个窄带入射时，使其从空域20入射阵列，归一化中心频率为0；多个窄带干扰入射时，使其从20、20、20和20195入射阵列，归一化中心频率分别为-0.4、-0.2、0.2和0.4。固定STAP的时域处理抽头数为M=64。从图4可以看出，当窄带干扰信号数量大于等于天线阵元数时，级联式处理已难以抑制干扰信号的影响，而基于MSWF的STAP仍可以工作，说明了空时联合处理在抑制干扰信号时的优势。图5对比了在LOS和NLOS条件下，基于(8)的STAP(图中为PC-STAP)、基于互谱分200析法[6]的STAP(图中为CSM-STAP)以及本文方法的BER性010-110-210-310BER-410-510SAP,N_interference=1-6MSWF-STAP,N_interference=110SAP,N_interference=4MSWF-STAP,N_interference=4-710024681012Eb/N0(dB)图4级联式处理和基于MSWF的STAP在抑制窄带干扰信号时的性能比较Fig.4AComparisonbetweenSpatialandtemporalCascadingProcessingandMSWF-STAPonAnti-interferenceofNarrow-bandsignals-7- 中国http://www.paper.edu.cn科技论文在线010-110-210-310-410BER-510LOS,MSWF-STAP-610LOS,PC-STAPLOS.CSM-STAP-7NLOS,MSWF-STAP10NLOS,PC-STAP-8NLOS.CSM-STAP10051015Eb/N0(dB)205图5不同STAP方法在视距和非视距场景中的性能比较Fig.5ComparisonbetweendifferentSTAPinLOSandNLOS能差异。上述各方法均以滤波输出均方误差的变化率为子空间维度或MSWF分解级数的判定依据，并根据(21)和(22)对空时滤波系数予以更新。从实验结果中可以看出，在虽然上述210三种方法的性能相近，但本文方法的复杂度明显低于其他方法，具有很好的实时性优势。图6对比了采用最大比合并的MIMO-SC-FDE通信方案和采用MSWF分解的STAP的单载波通信方案之间的BER性能差异。其中，MIMO-SC-FDE对应的数据帧中，各符号块间有64个符号的循环前缀(CyclicPrefix,CP)作为保护间隔，而后者数据帧的符号块间紧密连接，没有保护间隔。从图5中可以看出，在相同单位比特发射215功率的条件下，在LOS场景中，两种方法在高信噪比下的BER性能相近，但是MIMO-SC-FDE方案中发射CP会消耗额外的功率；在NLOS场景中，采用本文方法的通信方案性能优于MIMO-SC-FDE方案1.5~2dB左右。即使不考虑CP引入的信噪比损失，本文方法在高信噪比下的BER性能仍较优的。此结果说明了在NLOS条件下，本文方法可以更好地利用输入信号多径分量在时间上的分集，进而得到更好的接收性能。010-110-210-310BER-410-510NLOS,MWSF-STAPNLOS,MIMO-SC-FDE,noCPpower-610NLOS,MIMO-SC-FDE,CP=64LOS,MIMO-SC-FDE,CP=64-7LOS,MWSF-STAP10051015Eb/N0(dB)220图6MIMO-SC-FDE和基于MSWF的STAP在视距和非视距场景中的性能比较Fig.6AComparisonbetweenMIMO-SC-FDEandMSWF-STAPinLOSandNLOS4结论本文在远距离通信接收机前端应用STAP，联合使用空域和时域的自由度可有效地缓解-8- 中国http://www.paper.edu.cn科技论文在线225多径效应的作用并抑制干扰信号的影响，与传统单载波级联式处理相较，本方法增强了接收机对复杂电磁环境的适应性。实现上使用MSWF较为明显的降低STAP的计算的复杂度，并给出了一种可以在视距和多径散射环境中均可工作的MSWF级数的选取方法，使MSWF级数的选取更有目的性，避免了计算资源的浪费。与MIMO-SC-FDE相较，本方法能够更好的利用输入信号在空域和时域内的信息，并在谱效率和发射功率利用率上更有优势。230[参考文献](References)[1]HaimovichAMandShahA.ApplicationsofSpace-TimeAdaptiveProcessinginWirelessCommunications[C],MILCOM97Proceedings,1997:1098-1102.[2]AnithaM,R.PriyaSiva,andLakshmiMRajaetal.MIMOSystemPerformanceusingVariousModulationsunderDifferentChannelswithSTBC,ZFandMRC[C],2014InternationalConferenceonHighPerformance235ComputingandApplications(ICHPCA),Dec.2014.[3]ZhaoHongwei,ShiYanfang,andZhangBaoqiangetal.Analysisandsimulationofinterferencesuppressionforspace-timeadaptiveprocessing[C],IEEEInternationalConferenceonSignalProcessing,CommunicationsandComputing(ICSPCC),Aug.2014:724-727.[4]GuerciJR,GoldsteinJSandIReedS.OptimalandAdaptiveReduced-RankSTAP[J].IEEETransactionson240AerospaceandElectronicSystems,2000,36(2):647-661.[5]WernerS,WithMandKoivunenV.HouseholderMultistageWienerFilterforSpace-TimeNavigationReceivers[J].IEEETransactionsonAerospaceandElectronicSystems,2007,43(3):975-987.[6]GoldsteinJScottandReedIrvingS.Reduced-RankAdaptiveFiltering[J].IEEETransactionsonSignalProcessing,1997,46(2):492-495.245[7]GoldsteinJScottandReedIrvingS.SubspaceSelectionforPartiallyAdaptiveSensorArrayProcessing[J].IEEETransactionsonAerospaceandElectronicSystems,1997,33(2):539:544.[8]YangB.ProjectionApproximationSubspaceTracking[J].IEEETransactionsonSignalProcessing,1995,43(1):95-107.[9]GoldsteinJScott,ReedIrvingSandZulchPeterA.MultistagePartiallyAdaptiveSTAPCFARDetection250Algorithm[J].IEEETransactionsonAerospaceandElectronicSystems,1999,35(2):645-662.[10]ZhangMing,ZhangAnxueandLiJianxing.FastandAccurateRankSelectionMethodsforMultistageWienerFilter[J].IEEETransactionsonSignalProcessing,2016,64(6):973-984.[11]HonigMichaelLandXiaoWeimin.PerformanceofReduced-RankLinearInterferenceSuppression[J].IEEETransactionsonInformationTheory,2001,47(5):1928-1946.255[12]GoldsteinJScott,ReedIrvingSandScharfLouisL.AMultistageRepresentationoftheWienerFilterBasedonOrthogonalProjections[J].IEEETransactionsonInformationTheory,1998,44(7):2943-2959.[13]ManolakisDG,IngleVK,andKogonSM.StatisticalandAdaptiveSignalProcessing[M].Norwood:ArtechHouse,Inc.,2005.-9-'