【摘 要】为了优化Wi-Fi自适应波束形成器的性能以提高感知精度,首先阐述最小均方误差和最小二乘准则下的两类自适应波束形成算法,并通过仿真实验分析应用这两类算法的波束形成器在不同阵元数线性阵列的收敛速度和不同信干噪比对算法迭代次数的影响。并针对Wi-Fi感知的时变无线环境,提出RLS-NLMS联合自适应算法权衡波束形成器的收敛速度与跟踪性能,仿真实验结果证明该算法切实可行。
【关键词】自适应波束形成;Wi-Fi感知;LMS算法;RLS算法
0 引言
基于阵列信号处理的波束形成实质上是一类空间滤波技术,其作为近年无线通信的一大热点技术已在多天线通信系统中得到广泛应用,在相同的信噪比和传输速率下,使用波束形成技术可以使系统获得更高的吞吐量和覆盖范围。目前Wi-Fi室内感知是由运动目标反射的无线信号到达接收机,接收机测量由于目标运动引起信道状态信息(Channel State Information,CSI)在时/频/空域的变化从而对目标的距离、速度、方位做出估计。由于无法获得运动目标起止位置、速度等先验信息,所以要求发送方波束形成器在通过相位扫描法使得感知波束扫描获得目标的起点位置后并能持续跟踪目标运动轨迹,接收方波束形成器则需自适应调整零点导向避免将携带目标状态信息的反射信号置入阵列方向图零陷,为此波束形成器的自适应算法应具有较快的收敛速度,并且处于稳态时应具有较高的估计精度和跟踪性能从而减小CSI的测量误差。目前较为广泛应用于智能天线阵列的两类自适应算法是基于最小均方误差准则的最小均方(Least Mean Square, LMS)和归一化最小均方(Normalized Least Mean Square,NLMS)算法以及基于最小二乘准则的递归最小二乘(R