广义特征分解以及其在波束形成中的应用

• 作 者: 陈熙
• 机 构: 中国科学技术大学
• 出 处: 中国科学技术大学
• 发表日期: 2012年期
• 关键词: 广义特征分解 波束形成 收缩技术 自适应算法 随机渐近理论 同频干扰

广义特征分解问题广泛地出现在现代信号处理应用中，其中包括模式识别、线性判断分析、错误探查、自适应阵列处理等。广义特征分解技术作为一种实用的统计工具，用来解决主广义特征空间或向量的搜寻问题。在时变通信环境中，由于矩阵束是未知的，需要从随机序列中提取，所以如何提高算法的实时性和跟踪能力成为了关键问题。　　
正交频分复用(OFDM)技术是一种典型的无线多载波调制技术，具有较强的对抗多径衰落的能力。它不仅可以有效对抗无线链路衰落和多径效应，而且由于对子载波的叠加利用，大大提高了频谱的利用率。然而，OFDM通信系统利用的频率带经常被其它通信系统所占用，引发同频干扰(CCI)，通信效果也会受到影响。　　
智能天线采用现代数字处理技术，利用自适应算法，使天线阵列方向图主瓣动态跟踪目标用户信号的来波方向，而使旁瓣或零陷对准干扰信号，从而到达提高系统信号干扰噪声比(SINR)的效果。　　
本文讨论了如何提取前p个主广义特征向量。利用收缩技术，将广义特征分解问题转化为一个无约束的最小化问题，并在此基础上提出一种基于牛顿法的自适应算法。为了提升算法的实时性，改进并给出一种基于近似估计的并行算法，并构建了一个两层神经网络来执行该自适应算法。通过随机渐近理论证明了算法的渐近收敛性。仿真结果展示了算法的有效性。　　
本文利用智能天线技术解决针对带虚载波的OFDM无线通信系统中的同频干扰问题，并考虑采用广义特征分解技术来解决波束形成问题。为应对同频干扰较强的通信环境，提出了一种基于误差矩阵的自适应波束形成算法。首先将广义特征分解问题转化为非线性最优化问题，利用误差矩阵对信号的相关矩阵进行重新估计，并修正非线性损失函数，最后求解出问题的最优权向量。该方法可以增强系统的鲁棒性，最大化SINR。仿真结果表明该算法能够有效地抑制OFDM通信系统的同频干扰。