智能天线的波束形成算法与实现

Implementation and Beam-forming Algorithm of Smart Antenna
XIE Wan-cheng
(Loudi Vocational & Technical College, Loudi Hunan 417000, China)
【Abstract】A method for beam formation of smart antenna based on genetic algorithm is described, which has a good convergence. As compared to the traditional LMS algorithm, the genetic algorithm has a better overall search capability, and for the complicated search space, can quickly find the optimal solution. FPGA is utilized for conducting the spatial filter, realizing weight estimation through the float-point calculation of DSP, thus preventing high-order addition carry from lowering the calculation speed and making easy implementation of smart antenna beam forming algorithms.
的幅度和相位均可以改变。自适应控制网络是智能天线的核
心，该单元的功能是根据一定的算法和优化准则来调节各个阵
元的加权幅度和相位，动态的产生空间的定向波束。
波束形成网络
x1(t)
ω1
θ ksk(t)
x2(t) xn(t)
A/D 或者 D/A 转换
ω2
∑
ωn
y(t)
1 智能天线的基本结构
智能天线的实质就是一种具有测向和波束形成能力的天 线阵列，利用数字信号处理技术，产生空间定向波束，使天线 主波束对准期望用户信号波达方向，旁瓣或零陷对准干扰信号 波达方向，从而达到充分利用移动用户信号，删除或抑制干扰 信号，提高信噪比的目的[1]。智能天线的基本结构如图 1 所示， 智能天线主要有天线阵列、模数转换、数字波束形成网络和智 能算法控制器四个部分组成。其中波束形成网络是由每个单元
天线接收信号 加权因子
FPGA1
FPGA2
FPGA3
输出信号Y
图2 空域滤波器的功能 设天线阵为8元圆阵，接收的信号为： X＝[x1,x2,…,x8]， xm＝xmi＋jxmq (m＝1,2,…,8)。 由信号处理器计算出的加权因子为： W＝[w1,w2,…,w8]，wm＝wmi＋jwmq (m＝1,2,…,8)。
良好的全局搜索能力，对于复杂的搜索空间，能快速地找到最优解。利用FPGA进行空域滤波，通过DSP浮点运算，高效地实现
权值估计，避免高位加法进位影响权值速度，使得智能天线波束形成算法的实现简便易行。
【关键词】智能天线；波束形成算法；空域滤波；FPGA
【中图分类号】TN92
【文献标识码】A
【文章编号】1002-0802(2009)01-0115-02
【Key words】smart antenna; beam forming algorithm; spatial filter; FPGA
0 引言
天线的空间感应信号加权相加，其全系数为复数，即每路信号
通信技术中，智能天线可以降低同信道干扰，增加系统 容量，智能天线的关键技术在于波束形成算法的选择。而在 实际系统中，智能天线算法的复杂性和实时实现的可能性之 间必须进行折中。如果实用的智能天线算法还不能解决时延 超过一个码片宽度的多径干扰，也无法克服高速移动多普勒 效应造成的信道恶化时，在多径衰落严重的高速移动环境 下，必须将智能天线的波束形成算法和其他抗干扰的数字信 号处理技术结合使用，这样才可能达到最佳的效果。
文中利用Altera公司的EPF10KE系列器件以及该公司提 供的Max＋plusⅡ10.0开发软件实现了智能天线系统中的波 束形成网络。阵列天线由8元圆形阵组成，自适应信号处理 器由TI公司的TMS320C6701完成，而波束形成网络由3片 FPGA来实现。阵列天线接收信号经过AD和下变频器件后输 出基带(I，Q)数据进FPGA，8路接收信号的基带数据I，Q分 量(每路I，Q分量均为12 bit)进入FPGA后，一方面在统一的 采样时钟控制下完成加权求和运算，即空域滤波；另一方面， 为DSP算法运算提供样本数据。考虑波束形成算法运算量较 大，为了使运算结果有较高的精度和动态范围，DSP进行算 法运算的样本数据宽度为12位，但同时考虑资源消耗和系统 要求，FPGA进行最终的波束形成(空域滤波)只保留数据样本 和权值的9位(8位数据位，1位符号位)进行运算，最终空域滤 波后输出结果取为14位二进制补码数据。
2009 年第 01 期，第 42 卷 总第 205 期
通信技术 Communications Technology
Vol.42，No.01,2009 No.205,Totally
智能天线的波束形成算法与实现
谢完成
（娄底职业技术学院，湖南 娄底 417000）
【摘 要】提出了一种基于遗传算法的波束形成方法。该方法具有很好的收敛性，与传统的LMS算法相比，遗传算法具有
自适应算法控制器
图 1 智能天线的基本结构
2 波束形成的遗传算法
智能天线波束形成算法是对波束形成网络的加权矢量的 最优值进行求解。选择什么样的算法进行调整波束方向图的自 适应控制是非常重要的，原因是自适应控制的算法决定着暂态 响应的速率和实现电路的复杂度。自适应算法控制器所起的作 用是自动地调整加权，以便于实现所需要的空间和频率滤波，
3 波束形成算法的实现
智能天线将采用数字方法实现波束成形，即数字波束形 116
成DBF(Digital Beam-forming)天线。使用软件设计完成自适 应算法更新，可以在不改变系统硬件配置前提下，增加系统 灵活性。智能天线的波束形成算法通过自适应信号处理器实 现，一般均采用高速DSP完成，其最终的波束形成加权运算 可以采用DSP、专用ASIC芯片或FPGA实现[4]。
（下转第119页）
3 FSO 技术的发展现状
在过去的几年，大部分的 FSO 系统的设计均处于较短距 离 100～500 m 的技术水平，大多采用的是中等功率 10～100 mW 激光二极管或小型光电二极管的低成本解决方案[5]。
随着互联网应用的兴起，在许多宽带的技术之中，光 无线通信以其容量和价格的优势，受到越来越多运营公司的 注意，应用的范围不断扩大。现在，一些大型的电信设备公 司对光无线通信系统产生了极大的兴趣，如美国的QWEST，英 国 BT，加拿大 NT 等公司已开始试用这种系统。比较典型的有 Terabeam公司和Airriber公司已将光无线通信应用于商业服 务。2000 年悉尼奥运会上，Terabeam 公司成功地使用 FSO 设 备进行图像传送，在西雅图的四季饭店成功的利用 FSO 设备 向客户提供 100 Mb/s 的数据连接[6]。而 Airriber 公司则在 美国波士顿地区将光无线通信网与光纤SONET网通过光节点连 接在一起，完成了该地区整个光网络的建设。
（1）随机产生一个初始种群； （2）对种群中各个染色体的适应度进行评估； （3）从种群中选择父代染色体进行配对繁殖； （4）对配对染色体进行交叉和变异操作； （5）由交叉和变异生成新一代的种群； （6）判断是否满足遗传算法的终止条件，如果满足， 则停止计算，输出当前最优解；如果不满足，则返回（2）。 在波束形成算法中需要对波束的加权矢量进行优化，从而 实现有用信号的最佳接收，为了提高运算效率，将加权矢量作 为遗传算法的编码染色体。生成初始种群后，要对种群中各个 染色体的适应度进行评价，遗传算法在进化搜索中以适应度函 数作为评价染色体生存能力的依据，采用 SINR 来评价染色体 的适应度，并以此为基础进行选择操作。通过轮盘赌方式选择 染色体，为了避免种群中最优解的丢失，采用保留最优染色体 策略，选择最高适应度值的染色体作为父代染色体，直接保留 到下一代，使父代和子代有同样的生存竞争机会。 遗传算法的性能在很大程度上取决于所采用的交叉算 子，遗传算法容易出现早熟现象，易于陷入局部优化，为了 避免这种情况的发生，采用内插和线性外推两种方式进行交 叉操作[3]。假设在配对池中进行随机配对的父代染色体为ω1 和ω2，采用内插方式进行交叉生成的后代染色体为： ωr 11＝αωr 1 ＋ (1－α)ωr 2 ； ωr 22＝αωr 2 ＋ (1－α)ωr 1。 式中，α在[0，1]区间取值。 采用线性外推方式进行交叉生成的后代染色体为： ωr 11＝ωr 2＋ (ωr 2 －ωr 1) α； ωr 22＝ωr 1 －(ωr 2 ＋ωr 1) α。 内插算法具有很好的收敛性，线性外推算法可以有效 地扩大最优解的搜索空间，避免算法早熟，二者结合可以提 高算法的空间搜索能力和收敛速度。变异操作是保持种群结 构多样性的一种重要手段，随机选择种群中染色体的基因值 进行变异，使遗传算法能够更有效地找到最优解，在此过程 中要确保最优染色体不被丢失。对经过交叉操作和变异操作 产生的染色体的适应度进行评价，将新生的后代染色体加入 到当前种群中生成新的种群。当算法达到设定的最大进化代 数或最优染色体的适应度值达到设定的要求时，终止算法， 输出种群中适应度值最优的染色体。
系统工作流程为：当DSP需要样本数据时，请求FPGA 在内置双口RAM中缓存一定的接收数据，FPGA再通知DSP 读出完成算法运算，DSP在算法运算完成后将权值写回到 FPGA的权值寄存器中，然后再请求数据，依次循环，而FPGA 对每一个样本数据进行加权运算。FPGA进行空域滤波的加 权因子采用块方式更新，由DSP通过算法算出送给FPGA，权 值的计算是智能天线算法的核心所在，考虑到精度，笔者采 用浮点数字信号处理器来完成。数字波束形成是通过加权因 子对空间不同天线的接收信号的加权求和而成，由于加权因 子相当于滤波器系数，而输入的信号为空间位置不同的天线 接收的信号，所以可以将波束形成器等同于一个空域滤波器 来实现。空域滤波器的功能框图见图2。
收稿日期：2008-07-03。 作者简介：谢完成（1966-），男，副教授，主要研究方向为电子与通信技术。
115
所以它是任何自适应智能天线阵的心脏部分。 在普通的 Байду номын сангаасMS 算法中，如果初始权值选择不当或由于输
人信号特征范围较大时，算法的性能会降低甚至发散。另外， 输人信号较大时，LMS 算法受梯度噪声的影响很大。改进的 NLMS 算法缓解了梯度噪声的影响，其收敛速度也快于传统的 LMS 算法。遗传算法具有良好的全局搜索能力，对于复杂的搜 索空间，能快速地找到最优解。遗传算法的一般步骤如下[2]：
在 FSO 领域，国外已经开始了将近 10 年的研究，但是 FSO 产品真正投入使用也就是最近几年的事情。在FSO这个领域里， 国外几个大的 FSO 厂家，包括 LightPointe 公司，AirFiber 公 司，Canon 公司，Terabeam 公司。LightPointe 收到 Corning 和思科系统公司的投资款 3 千多万美元（现已增值至 5 千多万 美元），而AirFiber则获得大概来自北电网络的5千万美元（现 已增值至 9 千多万美元），朗讯科技则投资了 4 亿 5 千万美元的 巨款在 Terabeam 身上（现已增值至 5 亿 8 千多万美元），朗讯科 技则投资了 4 亿 5 千万美元的巨款在 Terabeam 身上。
就国内 FSO 的发展来说，还基本在起步阶段。有几家研 究所与公司由于跟踪这项技术比较早，所以已在实验室作出 了自己的样机，但是还没有一家公司规模性的生产FSO设备。