提高智能天线DOA估计准确性的研究

简要介绍了智能天线应用于无线通信系统中的特点及优势以及智能天线的一些相关知识.较为详细地分析了智能天线中关于波达方向估计的MUSIC算法.通过对均匀圆形天线阵的MATLAB仿真计算,发现了当信号功率和噪声功率发生变化时MUSIC算法中出现的问题,并提出了问题的解决方案,提出了一种创新性的数学模型.这种数学模型的使用,大大提高了MUSIC算法对用户数估计的准确度和波达方向DOA估计的精度.     

一种基于RSSI的AOA估计算法

在无线传感器网络（WSNs）中,使用阵列天线进行到达角（AOA）估计存在成本昂贵和算法复杂度高的缺点,提出了一种基于接收信号强度指示（RSSI）的AOA估计算法。利用2个旋转的方向图部分重叠的定向天线接收RSSI值,通过双方向图求差法估计目标节点的AOA。实验结果表明：室内实验的AOA估计平均误差为6．7°,室外的平均误差为0．6°。该算法复杂度小,硬件成本低,适用于WSNs的节点定位。     

智能天线中的干扰抑制算法研究

智能天线技术是是第三代移动通信系统采用的抗干扰关键技术.智能天线技术研究的核心是波束赋型的算法,但各种算法均存在计算量大和收敛速度较慢等缺点,如何提高系统性能成为一个重要课题.提出了一种新的用于智能天线中抑制干扰的波束形成算法,阐述了阵列天线波束形成的最佳权向量技术和估计信号波达方向的改进MUSIC算法,并对其进行了仿真实验.理论分析及仿真结果表明,与目前其它方法相比,具有空间分辨力高、计算量小、稳健性好等优点,有较强的实用性.     

TDOA/AOA数据融合定位算法

基于非视距传播（NLOS）环境下的几何结构单次反射统计信道模型,提出了到达时间差/电波到达角（TDOA/AOA）数据融合定位算法。利用TDOA定位算法和AOA定位算法分别估算移动台（MS）位置,然后利用数据融合方法确定MS位置。仿真结果表明,本文算法在NLOS环境下有较高的定位精度,性能优于TDOA定位算法和AOA定位算法。     

基于RBF神经网络的TDOA/AOA定位算法

为了减小NLOS传播的影响,提出基于RBF网络的TDOA/AOA算法。利用RBF神经网络对NLOS传播的误差进行修正,使用TDOA/AOA算法进行定位。仿真结果表明该算法减小了NLOS传播的影响,在NLOS环境下有较高的定位精度,性能优于TDOA/AOA算法、Taylor算法、Chan算法和最小二乘(LS)算法。     

浅析智能天线在移动通信中的应用与发展前景

智能天线被公认为是未来移动通信的一种发展趋势.文章对天线的基本概念、关键技术、系统性能的改善及国外研究状况等进行了阐述,指出了研究过程中存在的问题及发展方向.     

NLOS环境下TDOA/AOA混合定位算法研究

在CDMA的网络环境下,TDOA/AOA混合定位算法能够比Chan算法有较高的定位精度。然而随着AOA测量误差精度的下降,定位精度逐渐下降,甚至低于Chan算法的定位精度。本文在传统的TDOA/AOA混合定位算法加入校正因子,通过逐步迭代的方法,逐渐消除NLOS对TDOA测量值的影响,从而获得比传统TDOA/AOA混合定位算法更高的定位精度。仿真表明：在各种环境下,特别是非视距环境下该方法能够显著提高定位的精度,并且运算量增加较少。     

一种基于范数和相关的MIMO接收天线选择新算法

在MIMO系统中天线选择可以增加系统容量,并能有效地降低MIMO系统的复杂度和射频成本。在对天线选择算法研究的基础上,设计了一种新的基于范数和行向量相关的快速算法获得较大的信道容量。该算法没有矩阵运算,计算复杂度低。最后通过仿真分析与其它算法进行了比较,表明该算法在接收天线数和发送天线数不相等时和最优算法基本一致,优于其他算法。     

一种NLOS环境下的TDOA/AOA定位算法

在LOS环境下,Chan算法有着较好的定位精度,基于Chan算法的到达时间差/到达角(TDOA/AOA)算法比Chan算法有了进一步提高。但是在NLOS环境下,这些算法的精度都将大大下降,由于AOA的测量值有较大误差,TDOA/AOA方法的精度甚至低于Chan算法。并且这些算法的主要缺点是在第一次加权最小二乘法(WLS)中把移动台的横坐标、纵坐标与移动台到服务基站的距离作为三个相互独立的变量,忽略了三者之间的相关性,因此要进行第二次WLS才能得到定位结果,且最终的解为二值根。对误差的均值和方差进行了估计,修正了TDOA与AOA测量值,用Kalman滤波算法对AOA的值进行了估计,利用移动台坐标与AOA之间的关系将三个变量简化为一个,只需一次WLS即可求得唯一解,减少了计算量,消除了根的模糊性。仿真结果表明,该方法简单,计算量小,有较高的定位精度和较好的稳健性,性能优于Chan算法和基于Chan算法的TDOA/AOA算法。     

基于贝叶斯推理的TDOA/AOA定位算法

在视距(LOS)环境下,到达时间差(TDOA)和电波到达角(AOA)定位技术可以获得较高的精度,而在非视距(NLOS)环境下,无法得到良好的定位效果.在非理想信道环境下,蜂窝基站和移动终端之间存在多径传输和NLOS传播的问题,这些因素均会影响定位精度.构建LOS和NLOS传播条件下的实际信道环境模型来研究信号的测量误差特性,利用贝叶斯推理的方法对AOA测量值进行估计,从而有效消除附加噪声的干扰.仿真结果表明,在NLOS环境下,该算法的定位性能优于单纯的TDOA和TDOA/AOA算法.     

基于智能天线的LMS算法的研究

对智能天线中的自适应波束成形算法进行研究,并利用Matlab软件对固定步长和变步长两种LMS算法进行计算机仿真实验。仿真结果表明,变步长的LMS算法均方误差收敛效果较好,波束形成对干扰信号的抑制更加精确,有较强的实用性。     

智能天线中变步长LMS自适应波束形成算法研究

波束形成算法是智能天线研究的核心内容,可以使天线有效地接收期望信号并抑制干扰信号,但各种算法均存在计算量大、收敛速度慢、稳态误差大等缺点.为提高系统性能,提出了一种改进的变步长LMS自适应波束形成算法,其步长因子由上一步长因子和自相关误差共同确定.对新算法的性能进行了理论分析,并推导了确保算法收敛的参数α的取值范围.计算机仿真结果与理论分析一致,与现有的变步长算法相比,新的变步长LMS算法具有较快的收敛速度、较小的稳态误差以及较低的算法复杂度,非常适用于智能天线波束形成问题.     

智能天线波达方向的互耦分析

智能天线中阵元间互耦的存在,严重影响了天线的性能.基于分析天线阵列模型中阵元间的相互关联的特征的方法,用网络等效的方法描述天线发射、接收场与输入、输出信号之间的关系,即用一个新的网络来表示互耦情况下的电流分配,于是天线阵列可以表示为一个(K 1)*N端的网络,此网络的每个天线元由一个输入端,K个输出端构成(一个输入端是指天线元的馈电端,K个输出端是指假想的辐射函数),当只考虑一个辐射模式时,就可以得到2N端网络,根据网络构造互耦矩阵C,用C矩阵来修正波达方向估算中的互耦,并在MUSIC算法中实现.该方法理论分析与计算仿真表明该算法切实可行,有效并易于实现.     

Ad Hoc网络中基于智能天线的包调度算法

针对智能天线系统中数据包队列头阻塞和“聋节点”问题,提出一种新的数据包调度算法。根据智能天线的方向性网络配置矢量,将节点周边空间划分为干扰区域和自由区域,依次为待发队列中数据包的目的地址匹配可用的自由区域,进行数据传输。仿真结果表明,该算法能有效消除队列头阻塞和“聋节点”,从而提高Ad Hoc网络的吞吐量性能,降低网络时延。     

基于RSSI和智能天线的联合定位算法

研究提高室内定位精度问题,终端定位是无线传感器网络中的关键技术之一,由于室内环境复杂,遮挡物较多,使定位信号减弱。传统RSSI的定位算法使目前室内定位不能满足要求。为解决RSSI测量方法误差较大的问题,提出一种将RSSI测量值与波束切换智能天线相结合的联合定位算法。同时引入了网格和半波瓣的概念,利用波束切换智能天线将信号最强的波束对准终端,同时终端上报RSSI值来联合定位。仿真结果表明,在获得相同定位精度的条件下,方法避免了样本采集,不需要训练时间,为定位精度设计提供了借鉴。     

扩频通信中波束形成自适应算法的实现

自适应算法是智能天线系统中的关键技术。最小均方（LMS）算法具有技术成熟方法简单的特点,它是基于最小均方误差（MMSE）准则,通过迭代的方式寻找最小均方误差,从而得到最佳权值。LMS算法的关键是参考信号的获得,在扩频通信体制中,利用PN码这一已知条件,对接收的信号进行解扩、重扩后可作为参考信号。     

6阵元智能天线赋形方法性能测试研究

本文研究蜂窝小区6阵元智能天线在不同场景下的天线赋形增益,及不同智能天线赋形算法的性能。实验测试结果表明,对于6阵元智能天线,采用赋形比不采用赋形方式能得到3—5dB的增益,采用特征分解赋性算法（EBB）比固定波束赋形算法（GOB）增益高1—3dB左右。     

智能卡中实现ECC算法的关键问题的研究

主要讨论在智能卡中实现ECC(EllipticCurveCryptography)算法的关键问题。ECC算法具有密钥长度短、安全性高、计算效率高等优点,但是ECC算法的实现本身面临着许多问题。同时考虑到智能卡相当于一台微型的计算机,它拥有自己的CPU、存储器和卡内操作系统COS(ChipOperationSystem)。但是在计算能力和存储空间有限的智能卡上实现ECC算法能否取得较好的效果。最后通过对多种实验基础的分析结果上提出了在非接触式智能卡上实现ECC算法的可用性。     

基于波达方向的Steiner多天线信道估计算法

针对多天线OFDM系统中时域信道训练符号采用非正化的数字序列 而导致其矩阵求逆运算计算复杂度高的问题,采用多用户CDMA系统上行链路的信道训练符号设计方法,提出了多天线Steiner信道估计方法。该方法通过时域途径设计的训练符号,使所有发射天线的训练符号矩阵成为一个循环矩阵,从而接收机可用离散傅立叶变换矩阵进行对角化,避免了信道估计矩阵求逆运算。同时,根据Steiner初始信道估计分离出每条路径的有用信息,再用每条路径的空间冲激响应来估计该路径信号的波达方向(Direction of Arrival,DOA),去除天线间接收信号的相干性,有效地利用空间信息提高Steiner信道估计的精度。实验结果表明,通过估计接收信号在每个接收天线上的波达方向角,基于波达方向的Steiner估计算法,在QPSK调制模式下获得了近0.5dB的性能提升,而在16QAM调制方式下可获得近2dB的信噪比增益。