波束赋形原理(Beam Forming)

波束赋形

波束赋形原理

波束赋形的目标是根据系统性能指标，形成对基带（中频）信号的最

佳组合或者分配。具体地说，其主要任务是补偿无线传播过程中由空间损耗、多径效应等因素引入的信号衰落与失真，同时降低同信道用户间的干扰。因此，首先需要建立系统模型，描述系统中各处的信号，而后才可能

根据系统性能要求，将信号的组合或分配表述为一个数学问题，寻求其最

优解。

1． 系统模型

根据应用场合的不同，一般可以将波束赋形算法分为上行链路应用以

及下行链路应用。无论是哪种情况，总可以用一个时变矢量（MIMO）信道

来描述用户端与基站端的信号关系，如图2所示。对于上行链路，多个发

射信号实质上是K个用户设备同时发送的信号，基站则使用多个天线单元

接收信号，对其进行处理和检测，这时发送端的信号分配仅在各个支路分

别进行；对于下行链路，基站仍可能使用多个天线单元向特定用户发射信号，但用户设备使用单天线检测与其有关的信号，这时接收部分降为一维，信号组合也仅对于单路信号进行。

根据图2的系统模型，就可以描述发送端的原始信号与接收端实际接

收信号之间的关系，通常根据研究重点的不同，对于原始信号以及实际接

收信号的位置会有不同的定义。对于波束赋形技术，一般其研究的范围从

发送端扩谱与调制单元的输出端，到接收端解扩与解调单元的输入端，而

研究过程中又常将信号分配单元输出端到信号组合单元输入端之间的部分

合并，统称为无线移动信道，由于无线移动通信环境的极度复杂，无法得

到其输入输出关系的确切描述，一般采用大量测量和理论研究相结合的方法，使用有限的参数描述该信道。采用这种方法后，就可以得到受干扰有

噪信号与原始信号的关系，并据此在一定程度上恢复信号。因此，波束赋

形的一般过程为：

⑴根据系统性能指标（如误码率、误帧率）的要求确定优化准则（代

价函数），一般这是权重矢量与一些参数的函数；

⑵采用一定的方法获得需要的参数；

⑶选用一定的算法求解该优化准则下的最佳解，得到权重矢量的值。

可以发现，由于通信环境复杂，上述过程的每一阶段都可有不同的实

现方案，因此产生了大量的波束赋形算法，如何衡量和比较其性能也成为

波束赋形技术研究的一个重要方面。

2． 波束赋形算法的性能

由于波束赋形技术建立在通信环境模型以及系统模型的基础上，因此在考察波束赋形算法的性能时，要考虑到环境因素的影响以及其对于系统的要求，以便于得到更符合实际需要的性能估计。综合各种因素，一般可以从以下几个方面考察波束赋形算法的性能。

⑴算法运算性能：这主要包括算法的收敛速度、复杂程度、精度、稳定性以及对误差的正确判断性等。前四项指标是常见的衡量算法性能的指标，而最后一项在智能天线应用领域有特别的意义。在实际的通信系统中，由于天线规模等实际条件的限制以及移动无线信道复杂情况的影响，对波达方向的测量估计误差较大，因此对于采用基于波达方向估计的波束赋形算法，能否降低其对误差的敏感度就显得十分重要，尤其是在下行链路中，一旦发生较大的指向偏差，不仅会使得目标用户无法获得一定质量的信号，还可能会带来对其他用户的干扰，从而导致系统性能急剧下降。

⑵算法的测量要求：主要包括算法需要了解的信道特征参量的种类和数量以及是否需要提供参考信号等。信道特征参量的种类可以包括多普勒频移、入射信号的角度分布以及相应的时延分布等；而数量则是指需要了解的信道的数量，如在了解天线与目标用户间信道的同时是否需要了解天线与其他非目标用户（干扰源）之间的信道参量等。通过预定义的参考信号进行信道估计是一种常用的方法，不同的算法对是否需要参考信号以及对参考信号长度等参数会有不同的要求。⑶算法对系统的其他要求：主要包括达到一定性能需要的天线单元数目、是否有对传输协议的额外要求(如是否需要反馈链路)、是否对输入信号有一定的要求(如是否为恒包络的调制信号)等。

3． 波束赋形技术的现状及发展方向

波束赋形技术发展过程中，出现了大量的具体技术，其命名、分类并不完全统一，加之近年来与其他技术（如联合检测、功率控制等）的结合乃至融合，使得相关的具体技术更显纷繁复杂。通常可以依据的分类有，根据应用场合的不同将波束赋形技术分为上行链路波束赋形和下行链路波束赋形；根据其所使用的信道特征参量的种类，可分为使用信道空域参量的技术和使用信道空时域参量的技术；根据不同的波束赋形技术对于问题采用的描述方法，可分为优化类和自适应滤波器类；根据波束赋形技术计算使用的方法可分为线性算法和非线性算法。

对于上行链路，由于可以获得可靠的信道实时估计，因此可以采用信道的空时域参量进行波束赋形，以提高上行链路性能。针对移动无线通信系统，尤其是CDMA系统的实际情况，上行链路的波束赋形可以结合信号检测，实现多用户的联合检测。但是应用这一方法存在以下两个问题：算法要求测量所有信道的空时域参数，且测量要求高（除了盲检测算法，大部分算法需要使用训练序列，并要求在获得同步以后进行测量）；计算过于复杂难以实现，尤其是针对多用户的方案。实际可采用的方法有：采用性

能次优但较为简单的方法；设计便于并行运算的结构，以硬件代价满足运算时间方面的要求；或者结合两种方法。其中，通过有限度降低算法性能提高算法可实现性的具体方法包括：减少计算需要的参量；减少计算的维数（如使用训练序列进行初始化，或者分解全局优化问题变为互不相关的局部优化问题的叠加）；选择计算复杂度较低的计算方法等。在保证性能的前提下进一步降低系统结构的复杂度主要依赖于使用结构较为简单的处理单元，根据传统的均衡和检测领域的研究，非线性的系统结构和算法可以大大降低系统结构的复杂度，目前对判决反馈结构、神经网络技术等在波束赋形领域的应用已有初步研究。

对于下行链路，由于条件限制很难在下行链路实现对于信道的可靠实时估计。对于TDD模式的系统，在上下行信道间隔时隙很小的条件下，可以近似认为信道未发生变化，从而可以在下行链路使用由上行数据获得的信道空时域参数的估计值，甚至可以直接使用上行波束赋形的数据。但是对于FDD系统，则一般无法满足上下行信道频率间隔足够小的要求使得两者的变化强相关，因此如果不使用反馈回路获取移动站的测量数据，仅可根据上行数据获得一些与频率变化无关或者弱相关的信道参量，这包括信道的空域参量以及空时域参量的平均值等。其中使用空时域参量平均估计值的方法原理上同使用空时域信道参量的方法并无区别，只是由于缺乏对于信道状况的实时跟踪，性能会有所下降。而仅依赖信道空域参量的算法则符合波束赋形的传统含义，即使基站实现下行指向性发射。

仅依赖信道空域参量的算法需要了解目标移动站与基站的相对位置，为了抑制同信道用户间的干扰可能还需要了解同信道移动站与基站的相对位置。这些信息可以由上行信道数据得到，即根据上行数据对波达方向进行估计，因此这种算法又可称为基于DoA估计的算法，由于使用的信息可以认为与上下行信道载频无关，因此可以适用于TDD或者FDD模式的系统。这类算法的主要局限在于较大的DoA估计误差以及天线单元数限制了算法的性能，因此在实际应用时系统性能并不理想。一般，为了减小天线增益凹陷的指向偏差，必须配合使用凹陷点展宽（Null Broadening）技术，即在计算所得的凹陷点附近形成凹陷区，确保对其他用户的干扰降低到最小的程度。

目前，由于上行波束赋形技术的发展，下行链路性能成为提高系统性能的瓶颈，因此迫切需要有效的方法。在可以获得可靠的空时域参量的条件下（TDD模式的系统，或者使用反馈链路的系统），可以应用空时处理方法，但是在具体的表述、算法的实现等方面仍需进一步的系统研究。如果无法获得可靠的空时域参量（不采用反馈链路的FDD模式的系统），那么基于DoA估计的算法应该是最终的解决方案，但是目前的估计精度很难满足实际系统的需要，必须发展对估计误差不敏感的波束赋形算法。

相关技术

波束赋形直接建立在信道参量的基础上，因此无线移动信道的建模与估计是波束赋形技术的基础，无论是算法描述还是算法性能分析以及仿真都必须依赖这一基石。另外，根据无线传播理论和对各种通信环境的实际测量建立合理的无线移动信道模型，可以降低波束赋形算法对实时测量的要求，是在较小的系统复杂度下实现性能更优的波束赋形算法的一种途径。

上行波束赋形与用户信号检测有密切的关系，在基于CDMA的无线移动通信系统中，波束赋形可结合各种信号检测技术，尤其是多用户检测技术，实现联合检测，这也是波束赋形实用化研究中的一个热点。下行波束赋形与功率分配存在一定的关系，一般希望使用波束赋形实现对于同信道用户的空域（角度域）分辨，而由功率控制技术进一步克服位于同一方向的同信道用户之间的相互干扰，这涉及到上层的控制与分配，并与多种信令过程有关，需要进一步进行研究。

综上所述，智能天线技术可充分利用无线资源的空间可分隔性，提高无线移动通信系统对于无线资源的利用率，并从根本上提高系统容量。波束赋形技术作为智能天线数字信号处理部分的核心，虽然在理论和实际两方面都已进行了大量的研究，但在其表述、数学解法、系统实现以及与其他相关技术的结合使用乃至融合方面仍有大量问题有待解决。但可以肯定，随着信号处理技术的发展以及相关制造技术的进步，智能天线的SDMA方案最终将大大改善实际系统的性能