[논문 리뷰] Blind Adaptive Beamforming Based on Constrained Constant Modulus RLS Algorithm for Smart Antennas

Lei Wang, Rodrigo C. de Lamare|arXiv (Cornell University)|2013. 03. 07.

Advanced Adaptive Filtering Techniques참고 문헌 14인용 수 3

한 줄 요약

이 논문은 스마트 안테나에서 블라인드 적응 beamforming을 위한 제약 조건이 있는 일정 모듈러스 순차 최소 제곱법(비례적 CCM-RLS) 알고리즘을 제안한다. RLS 최적화를 활용하여 수렴 속도를 가속화하고 강인성을 향상시킨다. 이 방법은 수렴 속도, 추적 능력, 방향성 벡터 불일치 및 환경 변화에 대한 저항성 측면에서 기존의 SG 및 RLS 기반 beamformer보다 뛰어나다.

ABSTRACT

In this paper, we study the performance of blind adaptive beamforming algorithms for smart antennas in realistic environments. A constrained constant modulus (CCM) design criterion is described and used for deriving a recursive least squares (RLS) type optimization algorithm. Furthermore, two kinds of scenarios are considered in the paper for analyzing its performance. Simulations are performed to compare the performance of the proposed method to other well-known methods for blind adaptive beamforming. Results indicate that the proposed method has a significant faster convergence rate, better robustness to changeable environments and better tracking capability.

연구 동기 및 목표

• 기존의 블라인드 적응 beamforming 알고리즘의 느린 수렴 속도와 낮은 강인성 문제를 해결하기 위해.
• 확률적 경사법(SG)의 스텝 사이즈 민감성과 국소 최적해에 대한 제약를 극복하기 위해.
• 간섭자 수나 방향의 급격한 변화가 있는 비정상 환경에서의 추적 성능 향상하기 위해.
• 행렬 역행렬 최적화를 통해 계산 복잡도를 줄이면서도 높은 성능를 유지하기 위해.
• 신호의 도래 방향이나 어레이 만델라에 대한 사전 지식이 없이도 강인하고 신속하게 수렴하는 beamforming 솔루션 개발하기 위해.

제안 방법

• 제안된 CCM-RLS 알고리즘은 신호 도래 방향에 대한 사전 지식 없이 어레이 가중치를 최적화하기 위해 제약 조건이 있는 일정 모듈러스(CCM) 비용 함수를 사용한다.
• 수렴 속도를 향상시키기 위해 스텝 사이즈를 상관 행렬의 역행렬로 대체하기 위해 순차 최소 제곱법(RLS) 최적화를 적용한다.
• 역행렬 갱신의 계산 복잡도를 줄이기 위해 행렬 역행렬 보조정리를 적용한다.
• 신호의 관심 대상(SOI)을 유지하면서 간섭과 노이즈의 세기를 최소화하기 위해 선형 제약 조건을 유지한다.
• BPSK 변조 신호의 일정 모듈러스 성질에서 비용 함수를 유도하여, 일정한 에너지 레벨을 이용해 블라인드 추정을 향상시킨다.
• 도래 방향(DOA) 추정 오차와 같은 방향성 벡터 불일치 및 환경 변화에 강인하도록 설계되어 있다.

실험 결과

연구 질문

• RQ1 CCM-RLS 알고리즘이 CMV-SG 및 CCM-SG에 비해 수렴 속도와 정상 상태 SIR(신호 대 간섭 노이즈비)에서 어떻게 성능을 발휘하는가?
• RQ2 DOA 추정 오차로 인한 방향성 벡터 불일치 상황에서 CCM-RLS의 성능은 어떠한가?
• RQ3 CCM-RLS 알고리즘은 갑작스럽게 간섭자 수나 방향이 변화할 경우 얼마나 잘 추적하는가?
• RQ4 스텝 사이즈 조정 없이도 RLS 기반 CCM 접근법이 SG 기반 방법보다 더 신속한 수렴을 달성할 수 있는가?
• RQ5 갑작스럽게 변화하는 신호 환경이 있는 비정상 환경에서 CCM-RLS 알고리즘이 어떻게 강인성을 유지하는가?

주요 결과

• CCM-RLS 알고리즘은 CMV-SG 및 CCM-SG에 비해 유의미하게 빠른 수렴 속도를 보이며, 200개 이내의 샘플에서 정상 상태 SIR에 도달한다.
• 이deal한 방향성 벡터 조건에서 CCM-RLS는 CMV-RLS 및 모든 SG 기반 방법보다 높은 정상 상태 출력 SIR를 달성한다.
• 방향성 벡터 불일치(±1° 오차) 상황에서도 CCM-RLS 알고리즘이 뛰어난 성능를 유지하지만, CMV-RLS는 불일치에 민감하여 성능가 급격히 떨어진다.
• 1000 및 2000번째 샘플에서 새로운 간섭자가 시스템에 진입할 경우, CCM-RLS 알고리즘은 CMV-RLS 및 SG 기반 방법보다 더 신속하게 정상 상태로 회복하고 SIR 저하도 적다.
• 알고리즘은 갑작스러운 변화(2000번째 샘플에서 간섭자 진입 및 퇴장) 이후에도 높은 SIR를 유지하는 강력한 추적 능력을 보여준다.
• 스텝 사이즈 대신 행렬 역행렬을 사용한 RLS 적용은 특히 동적 환경에서 안정성 향상과 더 빠른 적응을 가능하게 하여 성능 향상을 이룬다.