張偉

（天津光電通信技術(shù)有限公司，天津 300221）

移動終端智能天線由于體積、功耗和成本等因素的限制。一般要求所用的算法復雜度較低，實現(xiàn)簡單，同時收斂速度較快。所以選擇合適的算法是一個關(guān)鍵問題。基于訓練序列的算法不需要確定信號的DOA，收斂速度快，有較強的健壯（Robust）性。它在信道特性連續(xù)變化時仍可以很好的工作并且當陣元數(shù)小于信源數(shù)也能較好工作[1]。所以基于訓練序列的算法是移動終端智能天線首選算法。在CDMA系統(tǒng)中，上行和下行鏈路都為每個用戶分配專門的或輔助的導頻信道來發(fā)送導引信號進行同步和功率控制等功能。因此在移動終端使用基于訓練序列的算法是可行的。NLMS算法[2]和RLS算法是兩種廣泛應用的訓練序列算法，RLS算法雖然收斂速度比NLMS算法要快很多，但算法復雜度太高。研究者們發(fā)明了許多性能優(yōu)越的算法，如文獻[1]中提出的最小二乘解擴重擴多目標陣列（Least Square Despread respread Multitarget Array，LSDRMTA）算法，最小二乘解擴重擴多目標CMA算法（LS-DRMTCMA），文獻[2]中的最優(yōu)變步長算法（OVS-LMS）等等。這些算法都是以復雜度的提高為代價來換取系統(tǒng)性能，適合于基站使用。

基于訓練序列的算法，其收斂效果依賴于參考信號的可靠性，參考信號與實際所需信號相關(guān)性越好，其處理效果越好。在TD-SCDMA系統(tǒng)中，信號間的時延大小直接影響信號間的相關(guān)程度，時延擴展越小，信號的相關(guān)程度越高。因此基于訓練序列的算法要求系統(tǒng)具有精確同步和較理想的信道估計。而恒模算法，如CMA算法，只根據(jù)信號的恒定幅度特征來產(chǎn)生參考信號，避開了對信號相關(guān)性的限制，實驗表明在高速傳輸?shù)年懙匾苿油ㄐ畔到y(tǒng)中，應用CMA的自適應陣列能夠獲得良好的誤碼率性能[1]。因此將訓練序列算法與恒模算法相結(jié)合將使算法的健壯性進一步加強。

在TD-SCDMA系統(tǒng)中，每個時隙突發(fā)擁有144chips的訓練序列。在通常的環(huán)境下使用NLMS算法在144次迭代之內(nèi)能夠達到較好的收斂效果。然而在某些惡劣環(huán)境下，算法在訓練序列周期收斂不理想，不能對干擾進行很好的抑制。這時應該考慮如何在訓練序列之后進行進一步的誤差收斂。文獻[1]中提出了一種訓練序列重復迭代算法，但需要更高更新速率和存儲空間。TD-SCDMA系統(tǒng)通常采用QPSK信號調(diào)制，其信號具有恒模特點。因此可以采用將基于訓練序列的算法與恒模算法相結(jié)合來提高系統(tǒng)性能。在此提出一種將NLMS算法和CMA算法相結(jié)合的半盲算法應用到移動終端。在144chips的訓練周期內(nèi)使用NLMS算法，如果在訓練序列周期里達不到收斂效果，在信號周期接著采用恒模算法。

因此我們考慮在144chips周期內(nèi)采用訓練序列d(n)作為參考信號運用NLMS算法，訓練周期完成后檢測誤差信號e(n)的大小。如果e(n)的最后10個樣本低于某一門限值則算法停止。如果高于門限值則進一步采用恒模特征序列作為

參考信號進行CMA算法運算直到連續(xù)10個e(n)樣本達到門限以下。由于NLMS算法和CMA算法處理核心是一樣的（都是基于最小均方誤差準則），算法之間的切換，只需改變期望信號，因此整個過程很容易用硬件實現(xiàn)。同時對于輸入的步長因子，CMA算法由于其步長固定，不需要每次迭代都進行歸一化，因此其實現(xiàn)比NLMS算法要更簡單些。對于誤差門限的選擇，由于NLMS算法的穩(wěn)態(tài)誤差比CMA算法要小，所以誤差門限一般要取大于CMA算法穩(wěn)態(tài)誤差的值。此方法由于在訓練周期內(nèi)已通過NLMS算法對干擾信號達到了一定的抑制，因而解決了后續(xù)CMA算法中的因干擾過強而產(chǎn)生的干擾捕獲問題，從而使CMA算法只收斂于期望信號。

下面針對在訓練序列周期內(nèi)NLMS算法達不到門限值以下的情況進行半盲算法的MATLAB仿真分析。參數(shù)：干擾信號方向-30度，期望信號方向30度，信干比：-5db，信噪比20db，步長因子為0.05，門限平方誤差：0.01；可見在144chips的訓練周期內(nèi)，NLMS算法并沒有達到門限值，因此半盲算法在144次NLMS迭代過后，CMA迭代過程開始，使誤差進一步降低，最后方向圖將主波束對準了期望信號，同時對干擾的抑制達-45db。顯然，半盲算法對干擾的抑制深度和期望信號方向增益都優(yōu)于NLMS算法。在時延擴展較大，時鐘同步出現(xiàn)偏差時，半盲算法仍能很好的工作。半盲算法與NLMS算法相比，其對環(huán)境變化的適應能力（健壯性）加強，因此具有一定的實用價值。

結(jié)束語

本文提出的NLMS算法與CMA算法相結(jié)合的半盲算法與NLMS算法相比具有很大的優(yōu)越性，解決了原算法在訓練序列周期內(nèi)因收斂較慢而達不到誤差門限的問題，具有很強的環(huán)境適應能力。同時其復雜度與NLMS算法相當，因此具有很好的實用價值。新的半盲算法具有很強的健壯性和較低的復雜度，適合TD-SCDMA移動終端智能天線使用。