[论文解读] Blind Adaptive Beamforming Based on Constrained Constant Modulus RLS Algorithm for Smart Antennas

Lei Wang, Rodrigo C. de Lamare|arXiv (Cornell University)|Mar 7, 2013

Advanced Adaptive Filtering Techniques参考文献 14被引用 3

一句话总结

本文提出了一种约束常数模递归最小二乘法（CCM-RLS）算法，用于智能波束成形中的盲自适应波束成形，利用RLS优化加速收敛并提高鲁棒性。该方法在收敛速度、跟踪能力以及对导向矢量失配和环境变化的抗性方面优于现有的基于梯度下降（SG）和RLS的波束成形器。

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.

研究动机与目标

• 解决现有盲自适应波束成形算法收敛速度慢和鲁棒性差的问题。
• 克服随机梯度（SG）方法中步长敏感性和陷入局部极小值的局限。
• 在干扰数量或方向发生突变的非平稳环境中，提升波束成形的跟踪性能。
• 通过矩阵求逆优化，在保持高性能的同时降低计算复杂度。
• 开发一种无需事先知晓信号方向或阵列流型的鲁棒、快速收敛波束成形解决方案。

提出的方法

• 所提出的CCM-RLS算法采用约束常数模（CCM）代价函数，在无需事先知晓信号方向的前提下优化阵列权值。
• 采用递归最小二乘（RLS）优化，以相关矩阵求逆替代步长，实现更快收敛。
• 应用矩阵求逆引理，降低更新逆相关矩阵时的计算复杂度。
• 算法保持线性约束以保护期望信号（SOI）功率，同时最小化干扰与噪声功率。
• 代价函数源自BPSK调制信号的常数包络特性，利用其恒包络特性增强盲估计性能。
• 该方法设计为对导向矢量失配及环境变化（如DOA估计误差）具有鲁棒性。

实验结果

研究问题

• RQ1 CCM-RLS算法在收敛速度和稳态SINR方面与CMV-SG和CCM-SG相比如何？
• RQ2 在DOA估计误差导致的导向矢量失配下，CCM-RLS的性能表现如何？
• RQ3 CCM-RLS算法在干扰数量或方向发生突变时的跟踪能力如何？
• RQ4 基于RLS的CCM方法是否能在无需步长调整的情况下实现比SG方法更快的收敛速度？
• RQ5 CCM-RLS算法在存在突发信号环境变化的非平稳环境中如何保持鲁棒性？

主要发现

• 与CMV-SG和CCM-SG相比，CCM-RLS算法实现了显著更快的收敛速度，SINR在少于200个快照内达到稳态。
• 在理想导向矢量场景下，CCM-RLS的稳态输出SINR高于CMV-RLS和所有SG方法。
• 在导向矢量失配（±1°误差）条件下，CCM-RLS算法保持优异性能，而CMV-RLS因对失配敏感而性能显著下降。
• 当新干扰在1000和2000个样本处进入系统时，CCM-RLS算法比CMV-RLS和SG方法更快恢复至稳态，且SINR下降更少。
• 该算法展现出强大的跟踪能力，在2000个样本处出现干扰进入或离开等突发变化后，仍能保持高SINR。
• 采用RLS结合矩阵求逆而非步长，显著提升了稳定性与自适应速度，尤其在动态环境中表现更优。