基于矩陣優化理論的自適應數字波束形成算法研究

張　晨，謝　潔

(南京電子技術研究所，　南京 210039)

?

·信號處理·

基于矩陣優化理論的自適應數字波束形成算法研究

張晨，謝潔

(南京電子技術研究所，南京 210039)

自適應數字波束形成作為天線技術和數字信號處理融合的產物，近年來成為跨領域的研究熱點，并且廣泛應用到新一代的相控陣雷達和移動通信中。文中提出一種基于矩陣流形理論的自適應波束形成算法。不同于傳統的波束形成算法，該算法將波束形成問題轉化為高維優化問題，并引入矩陣流形優化理論，在Stiefel流形上求解該問題。由于降低了求解問題的維度，限制了最優解的范圍，該算法相比于傳統的自適應波束形成算法，具有收斂速度快、運算量小、魯棒性好的優點。

自適應波束形成；矩陣優化；相控陣雷達；流形

0　引　言

隨著數字信號處理以及天線技術的日新月異，自適應數字波束形成[1]作為二者融合產生的一種新型的技術，越來越多地應用到新一代的相控陣雷達[2]及通信系統中；在第四代移動通信系統(LTE-A)中，更是將其命名為智能天線技術[3]。自適應數字波束形成是陣列天線用于復雜信號環境的一種波控技術。其基本思想是將多元陣列的各陣元輸出加權求和，根據相應的最優化準則，通過自適應算法，使陣列的輸出對不同空間方向的信號產生不同的響應，實現陣列波束指向控制和干擾、旁瓣對消，從而獲得比較高的信干噪比[4]。

自適應波束形成的概念由Van Atta于1959年提出，但因為硬件條件的限制，早期的研究拘泥于自適應波束的控制；近年來，由于數字信號處理和微處理器技術的飛速發展，自適應數字波束形成技術也隨之成熟，應用范圍從相控陣雷達，擴展到通信系統。因此，如何設計一種收斂速度快、運算量小，且魯棒性優越的自適應波束形成算法，便成為該領域研究的核心。

傳統的幾種自適應波束形成算法各有其優劣性：最小均方(LMS)算法基于梯度運算[5]，易于實現，但是收斂速度受協方差矩陣的特征值分布影響，當特征值范圍較大時，收斂速度很慢。矩陣求逆(SMI)算法收斂速度較快[6]，但是運算量太大，硬件實現復雜，尤其當采樣數較少時，會影響波束的副瓣性能，不能有效抑制干擾，嚴重時會引起自適應主波束的畸變。遞歸算法(RLS)由于避免了直接求逆[7]，在一定程度上克服了SMI算法運算量大的缺點，但該算法收斂速度慢于SMI算法，且數值不穩定，容易收斂到奇異點。

1　自適應波束形成原理與模型

1.1自適應波束形成原理

自適應波束形成是一種控制反饋的波控技術，且發射和接收端均可應用。它根據一定的準則，采用數字信號處理技術，計算天線陣列的加權矢量，通過對信號進行加權合并，在有用信號方向上形成主波束，而在干擾方向上形成零陷，從而提高信號的輸出信干噪比。

1.2自適應置零

自適應置零作為適應波束形成的一個典型應用，從本質上說就是空間上的自適應濾波：通過自適應的波束控制器，來不斷調整輔助天線的加權系數，使得天線方向圖波束在干擾方向呈現阻態特性，從而在保持主瓣特性的同時，使得從天線副瓣進來的干擾衰減到最小。

如圖1所示，自適應置零的基本流程如下：

圖1　自適應置零原理框圖

(1)對輔助天線進行干擾采樣，計算出各輔助天線的干擾協方差矩陣R

(1)

式中：[]H代表共軛轉置；xm(k)代表第m個輔助通道k時刻的采樣點。

(2)計算主副天線的干擾相關矩陣P(m)

(2)

式中：p(k)為主天線k時刻的采樣點。

(3)最優相消準則

存在一組最優的輔助天線的權值W=[w1,w2,…,wn]T，[]T代表轉置，使得R-MW盡可能地接近于0。

為了方便矩陣計算，對于最優準則，等價變換為式(3)的凸優化問題，求解使得目標函數f最小的W

(3)

式中：‖‖為矩陣的范數；I為歸一化矩陣，設置WHW=I的條件是為了保證W為滿秩矩陣，避免出現某一個或多個權值等于零的無意義解。

2　矩陣優化理論與算法

2.1矩陣流形優化理論

矩陣優化理論廣泛應用于通信和控制領域，尤其對于求解高維度的矩陣問題，矩陣優化算法具有良好的收斂特性。

矩陣流形是內嵌在一個更高維度的歐幾里得空間中的集合[8]。進一步可以定義為歐氏空間中滿足一定映射關系或者條件的矩陣子集合。Stiefel流形內嵌在n乘以p維度的高維復數空間里，可以定義為滿足以下條件的矩陣的集合

St(n,p)={X∈￡n×p：XHX=I}

(4)

式中：￡n×p代表n×p維度的復數空間。Stiefel流形是一個緊湊的流形，Stiefel流形的維度為

(5)

從式(5)可以看出，相比傳統的LMS，SMI算法的n×p維度的解空間，Stiefel流形已經降低了解空間的維度；更重要的是，如果將目標函數式(3)在Stiefel流形上重組，就會去掉約束條件WHW=I的束縛，將原本有約束的問題轉化為無約束的問題。

眾所周知，對于一個可微目標函數的優化問題，最直接有效的方法，就是在該問題的約束集內，沿著梯度方向，按照合適的步長，移動目標函數的測試點，直到梯度為零，或目標函數到達極值；這意味著該優化問題得到了局部或者全局最優點。矩陣流形的優化，雖然與之類似[8]，但是也有三個難題：首先，為了定義流形上的算法，以上描述的優化步驟必須映射成矩陣流形上對應的操作；其次，如何得到合適的收斂步長也是決定收斂速度的關鍵因素；最后，目標函數迭代收斂后，必須保證最優解處在流形內。以下分別對這三點進行推導和論述。

由于目標函數式(3)是一個從多維復數空間到一維實數空間的映射，并且是可微函數，因此可以通過推導Stiefel流形上的梯度表達式，最終得出Stiefel流形上的梯度算法來達到自適應波束形成。由文獻[8]可推導出Stiefel流形的梯度方向的表達式為

(6)

式中：DX是目標函數f在X處的一階導數，可分別對X的實部和虛部求一階Jacobian矩陣得到。Stiefel流形里任意一個矩陣X的梯度方向Z是該矩陣的切空間內的元素[8]。Stiefel流形里矩陣X的切空間TX(n,p)定義為

TX(n,p)={Z∈￡n×p：Z=XA+X⊥B,A+AH=I}

(7)

式中：X⊥定義為矩陣X滿足[XX⊥]H[XX⊥]=I的正交補集；A和B為滿秩矩陣。

推導出Stiefel流形的梯度表達式之后，本文基于Armijo Step Rule[9]來設計自適應的線性步長選擇機制，作為目標函數沿Stiefel流形的梯度方向移動時的步長選擇法則。Armijo步長法則要求步長α必須滿足如下兩個不等式

(8)

f(X)-f(X+2α·Z)<α·

(9)

式中：表示矩陣Z的內積。式(8)保證了所選擇的步長能夠盡可能大幅度地減小目標函數，而式(9)主要證明該情況下二倍的步長不是最優的選擇，從而間接保證了收斂步長不至于過大而錯過了最優點。

圖2　Stiefel流形切空間及投影

2.2自適應波束形成算法

總結以上的推導，可以得出基于矩陣優化理論的自適應波束形成的程序化迭代算法[11]。

迭代初始化：隨機生成W=[w1,w2,…,wn]的復數加權矩陣。

(1) 計算Jacobian偏導矩陣[9]：分別計算目標函數式(3)中的f對W的實部和虛部的Jacobian偏導矩陣DR和DI，得到一階微分為DW=DR+j·DI。

(3)計算A=W+2αZ：

如果f(W)-f(A)≥α·，則令α=2α，重復步驟(3)。

(4)計算B=W+αZ：

(5)重復迭代，直到f(W)收斂到幾乎接近于零的值。

(6)投影W=π(W+αZ)，求得最優權值解W。

從上面的算法流程可以看出，步驟(4)和步驟(5)應用了Armijo步長法則，尋找合適的收斂步進；而迭代過程中流形投影的操作，使得每次迭代的結果都被約束在流形內。

3　仿真與分析

上節闡述了基于矩陣流形優化的自適應波束算法，本節將結合自適應置零的系統模型，對該算法進行蒙特卡洛仿真，同時對比傳統的自適應波束形成算法，進行理論分析。

仿真條件：如圖1所示，本文選取10個輔助天線n=10，干擾信號xm(k)為連續波干擾信號，信號采樣點數k等于1 024。則干擾協方差矩陣R為n×n=10×10維度的矩陣，主副天線的干擾相關矩陣P為n×1=10×1的列向量，最優的輔助天線的權值W=[w1,w2,…,wn]T為n×1=10×1的列向量。

仿真方法：本文進行了100次蒙特卡洛仿真，每次仿真算法迭代300次，并將每次迭代的結果對100次蒙特卡洛仿真取平均值。

仿真對比：設置同樣的仿真條件和目標函數對最小均方算法和遞歸算法進行迭代計算。

歸一化：為了方便計算和對比結果，以下仿真數值均顯示目標函數歸一化之后的計算結果。實際目標函數的具體數值由信噪比的大小決定。

從圖3可以看出基于Stiefel流形(ST算法)的自適應波束算法的收斂性能要遠好于最小均方算法和遞歸算法。

圖3　目標函數迭代結果

將迭代結果帶入自適應置零的準則中，求得自適應置零后的信噪比，如圖4所示。從圖中可以看出，由于ST算法計算得到的天線權值向量更接近最優解，所以其信噪比更高，自適應置零的效果更好。

圖4　自適應置零后的信噪比

仿真結果分析：

(1)如前文闡述，由于矩陣流形優化實際是一種降維運算；尤其當輔助天線個數很多或者干擾源較多時，流形優化算法的求解空間維度要遠小于傳統的高維矩陣算法，如式(5)所示，所以該算法的收斂速度更快。

(2)由于Stiefel流形實際上限制了最優解的范圍WHW=I，避免出現某一個或多個權值等于零的無意義解，使得該算法的魯棒性較好。對比SMI算法，在同樣條件的仿真下，由于SMI算法自身的缺陷，有數次仿真迭代到奇異點，并沒有收斂[12]。這也從另一方面證明了基于Stiefel流形算法魯棒性上的優勢。

(3)相比于SMI算法需要對干擾信號進行平穩采樣，以及LMS算法的收斂速度受協方差矩陣的特征值分布影響[13]，基于Stiefel流形的算法對干擾信號的特征并無特殊要求。這也是該算法的另一個優勢。

4　結束語

本文研究并設計了一種基于矩陣流形理論的自適應波束形成算法。相比于傳統的波束形成算法，該算法將波束形成問題轉化為高維優化問題，并引入矩陣流形優化理論，在Stiefel流形上求解該問題，從而降低了求解問題的維度，限制了最優解的范圍。通過蒙特卡洛數值仿真和理論分析，表明該算法相比于傳統的自適應波束形成算法，具有收斂速度快，運算量小，魯棒性好的優點。

[1]ASSUMPACO H A. Some new signal processors for array of sensors[J]. IEEE Theory Information, 1979, 26(4): 441-453.

[2]GABRIEL W F. Adaptive processing array systems[J]. Proceedings of the IEEE, 1992, 80(1): 152-162.

[3]SESIA S, TOUFIK I, BAKER M. LTE: the UMTS long term evolution[M]. London: Wiley Press, 2009.

[4]王俊勇. 自適應數字波束形成算法及其在雷達中的應用研究[D]. 武漢：武漢理工大學，2008.

WANG Junyong. Research on adaptive digital beamforming and apply on radar[D]. Wuhan: Wuhan University of Technology，2008.

[5]肖航. 智能天線中的自適應波束形成算法研究與設計[D]. 成都：電子科技大學，2008.

XIAO Hang. Research and design on the adaptive beam-forming algorithms of smart antenna[D]. Chengdu: University of Electronic Science and Technology of China，2008.

[6]宋云龍. 智能天線的自適應波束形成算法的研究[D]. 重慶：重慶大學，2012.

SONG Yunlong. Research on the adaptive beam-forming algorithms of smart antenna[D]. Chongqing: Chongqing University, 2012.

[7]唐婷婷. MIMO智能天線自適應波束賦形算法研究[D]. 長春：長春理工大學，2006.

TANG Tingting. Research on adaptive beamforming algorithm for MIMO smart antenna system[D]. Changchun: Changchun University of Science and Technology, 2006.

[8]MANTON J H. Optimization algorithms exploiting unitary constraints[J]. IEEE Transactions on Signal Processing, 2002, 50(3): 635-650.

[9]BOYD S, VANDENBERGHE L. Convex optimization[M]. Cambridge: Cambridge University Press, 2004.

[10]張賢達. 矩陣分析與應用[M]. 北京：清華大學出版社, 2004.

ZHANG Xianda. Matrix analysis and application[M]. Beijing: Tsinghua University Press, 2004.

[11]張晨. 干擾對齊預編碼設計的關鍵技術研究[D]. 合肥: 中國科學技術大學, 2013.

ZHANG Chen. The key technologies of interference alignment precoder design[D]. Hefei: University of Science and Technology of China, 2013.

[12]桑懷勝, 李崢嶸. 智能天線的原理、自適應波束形成算法的研究進展與應用[J]. 國防科技大學學報, 2001(6): 85-89.

SANG Huaisheng, LI Zhengrong. The principle, adaptive bean forming algorithm, study status and application of smart antennas[J]. Journal of National University of Defense Technology, 2001(6): 85-89.

[13]陳希信, 尹成斌, 王峰. 一種天波超視距雷達自適應波束形成方法[J]. 現代雷達，2015, 37(1): 29-31.

CHEN Xixin, YIN Chengbin, WANG Feng. An adaptive digital beamforming approach in skywave over-the-horizon radar[J]. Modern Radar, 2015, 37(1): 29-31.

張晨男，1985年生，博士。研究方向為雷達總體技術與信號處理。

謝潔女， 1979年生，高級工程師。研究方向為雷達總體技術與信號處理。

A Study on Adaptive Digital Beamforming Algorithm Based on Matrix Optimization Theory

ZHANG Chen，XIE Jie

(Nanjing Research Institute of Electronics Technology,Nanjing 210039, China)

Adaptive digital beam forming is a fusion of antenna technology and digital signal processing, which has become a hot research topic in the cross domain, and widely used in the new generation of phased array radar and mobile communication. In this paper, an adaptive beamforming algorithm based on matrix manifold theory is proposed. Different from the traditional beamforming algorithms, this algorithm transforms the beamforming problem into a high dimensional optimization problem, and introduces the theory of the optimization of the matrix to solve the problem on the Stiefel manifold. Because the dimension of solving problem is reduced and the range of the optimal solution is limited, compared with the traditional adaptive beamforming algorithms, the proposed algorithm has the advantages of fast convergence speed, small computation quantity and good robustness.

adaptive digital beamforming; matrix optimization; phased array radar; manifold

10.16592/ j.cnki.1004-7859.2016.08.009

張晨Email：ideawith@qq.com

2016-05-03

2016-07-03

TN957

A

1004-7859(2016)08-0039-04