이동통신 환경에서 매개변수와 비매개변수추정 알고리즘을 토대로 DOA와 적응 빔성형 알고리즘을 연구하고 분석하였다. 매개변수추정 알고리즘에서는 배열안테나로 수신된 신호의 상관행렬로부터 신호성분과 잡음성분에 대한 고유치를 구하고, 그 고유치들로부터 전력스펙트럼을 판별하였다. 반면에 비매개변수추정 알고리즘에서는 입사각의 함수로써 신호에너지를 추정하기 위하여 고분해능과 잡음억압을 도출하도록 비이차놈을 사용하여 규칙화 목적함수를 최소화하였다. 그리고 나서, 신호와 잡음공간 조정벡터로부터 DOA를 추정하였고, 공간벡터에 의하여 도출된 가중치를 적용하여 적응 빔성형 패턴을 개선하였다. 따라서 희소강제조정을 갖는 개선된 방향성 추정 알고리즘은 다른 알고리즘들과 비교하여 잡음 억제와 고분해능을 갖는다.
이동통신 환경에서 매개변수와 비매개변수추정 알고리즘을 토대로 DOA와 적응 빔성형 알고리즘을 연구하고 분석하였다. 매개변수추정 알고리즘에서는 배열안테나로 수신된 신호의 상관행렬로부터 신호성분과 잡음성분에 대한 고유치를 구하고, 그 고유치들로부터 전력스펙트럼을 판별하였다. 반면에 비매개변수추정 알고리즘에서는 입사각의 함수로써 신호에너지를 추정하기 위하여 고분해능과 잡음억압을 도출하도록 비이차놈을 사용하여 규칙화 목적함수를 최소화하였다. 그리고 나서, 신호와 잡음공간 조정벡터로부터 DOA를 추정하였고, 공간벡터에 의하여 도출된 가중치를 적용하여 적응 빔성형 패턴을 개선하였다. 따라서 희소강제조정을 갖는 개선된 방향성 추정 알고리즘은 다른 알고리즘들과 비교하여 잡음 억제와 고분해능을 갖는다.
The DOA(direction of arrival), which is based on parametric and nonparametric estimation algorithm, and adaptive beamforming algorithm for mobile communication environments are researched and analyzed. In parametric estimation algorithm, eigenvalues of the signal component and the noise component ar...
The DOA(direction of arrival), which is based on parametric and nonparametric estimation algorithm, and adaptive beamforming algorithm for mobile communication environments are researched and analyzed. In parametric estimation algorithm, eigenvalues of the signal component and the noise component are obtained from correlation matrix of received signal by array antenna and power spectrum of the received signal is discriminated from them. Otherwise, in nonparametric estimation algorithm, we minimize a regularized objective function for finding a estimate of the signal energy as a function of angle, using nonquadratic norm which leads to supper resolution and noise suppression. And then, DOA is estimated by the signal and noise spatial steering vector, and adaptive beam-forming pattern is improved by weight vectors obtained from the spatial vector. Therefore, the improved directional estimation algorithm with regularizing sparsity constraints offers super-resolution and noise suppression compared to other algorithms.
The DOA(direction of arrival), which is based on parametric and nonparametric estimation algorithm, and adaptive beamforming algorithm for mobile communication environments are researched and analyzed. In parametric estimation algorithm, eigenvalues of the signal component and the noise component are obtained from correlation matrix of received signal by array antenna and power spectrum of the received signal is discriminated from them. Otherwise, in nonparametric estimation algorithm, we minimize a regularized objective function for finding a estimate of the signal energy as a function of angle, using nonquadratic norm which leads to supper resolution and noise suppression. And then, DOA is estimated by the signal and noise spatial steering vector, and adaptive beam-forming pattern is improved by weight vectors obtained from the spatial vector. Therefore, the improved directional estimation algorithm with regularizing sparsity constraints offers super-resolution and noise suppression compared to other algorithms.
* AI 자동 식별 결과로 적합하지 않은 문장이 있을 수 있으니, 이용에 유의하시기 바랍니다.
문제 정의
본 논문에서는 스마트 안테나 시스템에서 원하는 신호의 방향으로 빔을 성형하기 위해 신호의 DOA를 추정하는 방법인 매개변수추정 알고리즘과 비매개변수추정 알고리즘에 대하여 연구하였다. 매개변수추정 알고리즘인 MUSIC 알고리즘에서는 등 간격으로 배열된 안테나 소자에 입사되는 신호의 상관 행렬로부터 고유치를 계산하였고, 고유치에 관계된 고유벡터를 이용하여 전력 스펙트럼을 얻을 수 있었다.
본 논문에서는 일반적인 매개변수 추정 알고리즘(parametric estimation algorithm)에서 나타나는 문제점을 보완하고, 이동통신 환경에서 입사신호의 방향성을 정확히 추정할 수 있는 개선된 비매개변수 추정 알고리즘(nonparameteric estimation algorithm)을 제안한다. 우선적으로 기존의 DOA 추정방법들의 문제점을 보완하기 위하여, 수신된 다중신호의 상관행렬로부터 고유치(eigen value)를 찾아내는 MUSIC (multiple signal classification) 알고리즘의 특성과 방향성 분해능의 성능을 파악한다.
가설 설정
또한 방향성 조정(steering) 벡터는 0º에서 180º까지를 1º 씩 분할하여 구성하였으며, 중심 주파수가 1.95GHz인 다중 입사신호의 수는 3개와 5개로 가정하여 DOA 추정 결과 값을 산출하였다.
안테나로 들어오는 입사신호의 입사각을 추정하기 위하여 배열 소자의 수는 각각 12개의 배열구조를 가지며, 배열 간격은 0.474λ로 등 간격으로 가정하였다.
제안 방법
그리고 계산된 고유치를 내림차순으로 정렬하여 기준치보다 작은 고유치를 σ2 = 10– 3으로 설정하여 신호 부분과 잡음 부분으로 구분하였다.
우선적으로 기존의 DOA 추정방법들의 문제점을 보완하기 위하여, 수신된 다중신호의 상관행렬로부터 고유치(eigen value)를 찾아내는 MUSIC (multiple signal classification) 알고리즘의 특성과 방향성 분해능의 성능을 파악한다. 그리고 다중신호의 상관행렬을 계산하는 과정에서 나타날 수 있는 특이(singular) 현상을 해결하는 방안으로써 비매개변수 추정 알고리즘을 도입하여 입사신호의 방향성 특성을 개선한다.
본 알고리즘에서는 희소강제와 방위분해능을 향상시키는 데 적합한 비이차방정(nonquadratic)의 조정기능을 갖는 비이차놈(nonquadratic norm)을 도입함으로써 다중 입사신호에 대하여 DOA를 결정하고, 결정된 DOA을 토대로 가중치를 산출한다. 그리고 산출된 가중치를 원하는 방향으로 빔을 성형시킬 수 있도록 빔성형패턴 식에 적용하여 적절한 적응 복사패턴을 구한다. 또한, 배열 안테나로 입사되는 공간 신호원의 에너지 크기와 방향에 따라 분해능의 조정기능을 갖는 비이차놈의 p 값과 분해능변수 α 값을 최적으로 수렴시킬 수 있는 개선된 알고리즘을 제안한다.
또한 비매개변수추정 알고리즘인 비이차놈결정 알고리즘을 시뮬레이션하는 과정에서는 수렴조건을 δ = 0.001 이하로 놓고, 고분해능과 잡음억제의 목적을 달성할 수 있도록 놈결정 파라미터 p와 α를 가변시켜 가면서 방향성 추정능력을 산출하였으며, 고분해능 파라미터인 α의 수렴도를 개선하였다.
매개변수추정 알고리즘인 MUSIC 알고리즘에서는 등 간격으로 배열된 안테나 소자에 입사되는 신호의 상관 행렬로부터 고유치를 계산하였고, 고유치에 관계된 고유벡터를 이용하여 전력 스펙트럼을 얻을 수 있었다. 또한 확인된 DOA를 선형 배열 안테나에 적용시켜 가중치를 계산하였고, 가중치에 따른 배열 안테나의 빔 성형 패턴을 고찰하였다. 그리고 비매개변수추정 알고리즘인 놈결정 알고리즘에서는 놈인자를 결정하는 p와 α를 최적화시킴으로서 다중신호의 방향성 추정과 분해능을 더욱 향상시킬수 있었으며, 원하는 방향으로 빔성형을 더욱더 적응적으로 형성할 수 있었다.
또한, 배열 안테나로 입사되는 공간 신호원의 에너지 크기와 방향에 따라 분해능의 조정기능을 갖는 비이차놈의 p 값과 분해능변수 α 값을 최적으로 수렴시킬 수 있는 개선된 알고리즘을 제안한다.
본 논문에서 가정한 다중입력 신호원은 이동통신환경에서의 DOA 추정능력을 확인하기 위해 방향성과 페이딩을 포함하는 WCDMA 신호를 사용하였다. 안테나로 들어오는 입사신호의 입사각을 추정하기 위하여 배열 소자의 수는 각각 12개의 배열구조를 가지며, 배열 간격은 0.
개선된 비매개변수 추정 알고리즘은 다중 신호원으로부터 입사신호원의 방향을 추정하기 위해 시간적 관측에서 합성된 목적함수를 최소화하는 변환 구조를 이용하게 된다[9-13]. 본 알고리즘에서는 희소강제와 방위분해능을 향상시키는 데 적합한 비이차방정(nonquadratic)의 조정기능을 갖는 비이차놈(nonquadratic norm)을 도입함으로써 다중 입사신호에 대하여 DOA를 결정하고, 결정된 DOA을 토대로 가중치를 산출한다. 그리고 산출된 가중치를 원하는 방향으로 빔을 성형시킬 수 있도록 빔성형패턴 식에 적용하여 적절한 적응 복사패턴을 구한다.
그리고 계산된 고유치를 내림차순으로 정렬하여 기준치보다 작은 고유치를 σ2 = 10– 3으로 설정하여 신호 부분과 잡음 부분으로 구분하였다. 신호 방향성 조정 벡터에 직교하는 잡음 공간 고유벡터 EN을 계산하였고, 계산된 잡음 공간 고유벡터를 식(7)에 적용하여 MUSIC 스펙트럼을 산출하였다. 또한 비매개변수추정 알고리즘인 비이차놈결정 알고리즘을 시뮬레이션하는 과정에서는 수렴조건을 δ = 0.
본 논문에서는 일반적인 매개변수 추정 알고리즘(parametric estimation algorithm)에서 나타나는 문제점을 보완하고, 이동통신 환경에서 입사신호의 방향성을 정확히 추정할 수 있는 개선된 비매개변수 추정 알고리즘(nonparameteric estimation algorithm)을 제안한다. 우선적으로 기존의 DOA 추정방법들의 문제점을 보완하기 위하여, 수신된 다중신호의 상관행렬로부터 고유치(eigen value)를 찾아내는 MUSIC (multiple signal classification) 알고리즘의 특성과 방향성 분해능의 성능을 파악한다. 그리고 다중신호의 상관행렬을 계산하는 과정에서 나타날 수 있는 특이(singular) 현상을 해결하는 방안으로써 비매개변수 추정 알고리즘을 도입하여 입사신호의 방향성 특성을 개선한다.
이론/모형
의 값을 최소화시킨다. 식(8)에서 수치적 최적화 문제를 해결하기 위하여 반이차(half-quadratic) 조정법을 사용한다. 반이차조정법은 비이차형(non-quadratic)의 최적화 문제를 이차형(quadratic) 문제의 수열로 변환시킨다.
성능/효과
p와 α를 최적화시킴으로써 입사 방향에 따라 달라지는 다중신호의 DOA 판별능력을 더욱 향상 시킬 수 있었다.
계산된 가중치는 안테나 소자 간의 간격을 0.474λ 씩 등간격으로 배열하여 얻어진 결과이며, 배열소자의 중심을 기준으로 대칭적인 공액복소 값을 얻을 수 있었다.
특히, 스마트 안테나 시스템은 여러 개의 안테나 소자를 배열하여 각각의 안테나 소자에 수신되는 신호들의 이득 및 위상을 조절함으로써, 기지국에서 원하는 사용자의 방향으로부터 전파되어 오는 신호만을 수신하고 그 이외의 방향에서 전파되어 오는 다중간섭에 의한 잡음신호 레벨을 크게 감소시켜 시스템의 성능을 향상시키고 기지국의 채널 용량을 증가시키는 시스템이다. 그리고 기존 시스템을 사용할 때에 비해 단말기의 전력 소비를 줄일 수 있고 단말기의 통화 시간 및 배터리 사용 시간을 증가시킬 수 있다.
그리고 비매개변수추정 알고리즘인 놈결정 알고리즘에서는 놈인자를 결정하는 p와 α를 최적화시킴으로서 다중신호의 방향성 추정과 분해능을 더욱 향상시킬수 있었으며, 원하는 방향으로 빔성형을 더욱더 적응적으로 형성할 수 있었다.
다중안테나로부터 적응빔을 형성하는 가중치의 값은 안테나 소자의중심부로 갈수록 오차(0.006∠0.116)가 줄어들었지만 가장자리로 가면 점차 오차(0.283∠4.32)가 증가하였다.
그러나 매개변수추정 MUSIC 알고리즘은 DOA 추정각에서 신호를 분별하고 난 이외의 각에서는 -40dB 정도의 신호 분해능을 나타내고 있는 반면에, 비매개변수 놈추정 알고리즘의 경우는 추정각에서 신호분별 능력이 MUSIC 알고리즘보다 매우 우수할 뿐 아니라 신호 추정각 이외의 각에서도 -80dB 이하의 분해능을 지닌 우수한 신호판별 능력을 갖는다. 따라서 비매개변수 놈추정 알고리즘은 매개변수추정 뮤직알고리즘에 비해 DOA 추정각에서 신호판별을 위한 전력 스펙트럼이 3dB 정도 우수하게 나타났으며, 추정각 이외에서도 신호분해능이 40dB 이상 우수하게 나타났다.
또한 가변과정에서 파라미터 α는 추정각의 수렴도와 정확도를 개선시킬 뿐만 아니라 신호원과 잡음원 간의 분해능을 향상시키는 역할을 함을 확인할 수 있었다.
[표 2]는 입사신호가 30º, 90º, 130º 인 방향에서 입사될 때에 가중치에 대한 오차로써, 매개변수추정 알고리즘과 비매개변수추정 알고리즘으로 계산한 결과 값을 비교하여 나타낸 도표이다. 매우 정확한 DOA 추정능력을 갖는 비매개변수추정 알고리즘에서 계산한 가중치와 매개변수추정 알고리즘에서 계산한 가중치를 비교하여 가중치에 대한 오차를 나타내었다. 다중안테나로부터 적응빔을 형성하는 가중치의 값은 안테나 소자의중심부로 갈수록 오차(0.
후속연구
본 논문에서 개선한 DOA 방향성 추정과 적응 빔성형 알고리즘은 제한된 주파수 환경하에서 통신용량을 증가시키고 통화품질을 향상시킬 수 있는 MIMO 시스템과 스마트 안테나 기술에 활용될 수 있을 것으로 사료된다.
질의응답
핵심어
질문
논문에서 추출한 답변
배열 소자로 입사되는 신호의 DOA를 추정하는 방법에는 무엇이 있는가?
스마트 안테나 시스템에서 원하는 방향으로 빔을 성형(beam-forming)하기 위해서는 먼저 신호의 방향성(DOA: direction of arrival)을 추정해야 한다. 배열 소자로 입사되는 신호의 DOA를 추정하는 방법에는 지연합법, 최소분산법, MUSIC알고리즘, ESPRIT 알고리즘, ML법 등이 있다[4-8]. 이러한 방향성추정 알고리즘들은 매개변수추정 알고리즘(parameteric estimation algorithm)으로서 수신된 다중신호의 상관행렬로부터 고유치(eigen value)를 계산하여 입력신호의 도래 방향을 찾아내는 방법이다.
스마트 안테나 시스템이 기존 시스템에 비해 좋은점은?
특히, 스마트 안테나 시스템은 여러 개의 안테나 소자를 배열하여 각각의 안테나 소자에 수신되는 신호들의 이득 및 위상을 조절함으로써, 기지국에서 원하는 사용자의 방향으로부터 전파되어 오는 신호만을 수신하고 그 이외의 방향에서 전파되어 오는 다중간섭에 의한 잡음신호 레벨을 크게 감소시켜 시스템의 성능을 향상시키고 기지국의 채널 용량을 증가시키는 시스템이다. 그리고 기존 시스템을 사용할 때에 비해 단말기의 전력 소비를 줄일 수 있고 단말기의 통화 시간 및 배터리 사용 시간을 증가시킬 수 있다.
스마트 안테나 시스템란?
최근 시공간 처리의 실제적인 구현 방법들은 스마트 안테나(smart antenna) 시스템, 송수신 다이버시티 기법, 시공간 부호 처리 기법을 비롯하여 다중입력에 대한 다중처리 기법인 MIMO (multiple input multiple output)에 대한 관심이 집중되고 있다[3]. 특히, 스마트 안테나 시스템은 여러 개의 안테나 소자를 배열하여 각각의 안테나 소자에 수신되는 신호들의 이득 및 위상을 조절함으로써, 기지국에서 원하는 사용자의 방향으로부터 전파되어 오는 신호만을 수신하고 그 이외의 방향에서 전파되어 오는 다중간섭에 의한 잡음신호 레벨을 크게 감소시켜 시스템의 성능을 향상시키고 기지국의 채널 용량을 증가시키는 시스템이다. 그리고 기존 시스템을 사용할 때에 비해 단말기의 전력 소비를 줄일 수 있고 단말기의 통화 시간 및 배터리 사용 시간을 증가시킬 수 있다.
참고문헌 (16)
심동희, 서동연, 오민석, 최진성, 연철음, “3GPP 다중 안테나 기술 동향 Part I: 송신 다이버시티 및 빔 형성을 중심으로”, SK Telecommunications Review 제12권, 제2호, pp.139-140, 2002.
김성진, 이용석, 김호진, 이현우, “3GPP 다중 안테나 기술 동향 Part II: MIMO를 중심으로”, SK Telecommunications Review 제12권, 제2호, pp.152-167, 2002.
Minseok Kim, “A Study of Implementation of Digital Signal Processing for Adaptive Array Antenna”, Thesis, Division of Electrical And Computer Engineering Yokohama National University Japan, pp.45-49, 2002.
J. H. Winters, “Smart Antennas for Wireles Systems", IEEE Personal Communications, Vol.5, No.1, pp.23-27, 1998.
R. O. Schmidt, “Multiple Emitter Location and Signal Parameter Estimation”, IEEE Transactions on Antennas and Propagation, Vol.34, No.3, pp.276-278, 1986.
B. D. Rao, “Effect of Spatial Smoothing on the Performance of MUSIC and the Minimum-norm Method”, IEEE Proceedings, Vol.137, No.6, pp.449-450, 1990.
R. M. Shubair, M. A. Al-Qutayri, and J. M. Samhan, “A Setup for the Evaluation of MUSIC and LMS Algorithms for a Smart Antenna System”, Journal of Communications, Vol.2, No.4, pp.71-77, 2007.
S. I. Moon, K. S. Lee, and D. Y. Yang, “A Study on Adaptive Beamforming based on MUSIC Algorithm", RIAT, CNU, Vol.14, No.1, pp.48-53, 2003.
Donald Geman, “Constrained Restoration and the Recovery of Discontinuities”, IEEE Trans. on Pattern Analysis and Machine Intelligence, Vol.14, No.3, 1992.
D. M. Malioutov and A. S. Willsky, “A Variational Technique for Source Localization based on a Sparse Signal Reconstruction Perspective”, IEEE International Conference on Acoustics, Speech and Signal Processing, Vol.3, pp.2965-2968, 2002.
C. Y. Chen and P. P. Vaidyanathan, “Quadratically Constrained Beamforming Robust Against Direction-of-Arrival Mismatch”, IEEE Transactions on Signal Processing, Vol.55, No8, pp.4139-4150, 2007.
D. Y. Yang and S. I. Moon, “DOA Estimation of DS-CDMA Signals for Mobile Communication Environment", RIAT, CNU, Vol.14, No.2, pp.159-164, 2003.
J. C. Liberti and T. S. Rappaport, Smart Antennas for Wireless Communications: IS-95 and Third Generation CDMA Applications, Prentice Hall PTR, 1999.
홍영진, “다중경로페이딩이 DDLMS 기반 스마트안테나의 성능에 미치는 영향”, 한국통신학회논문지, 제34권, 제9호, pp.871-879, 2009.
K. M. Jeyanthi and A. P. Kabilan, “A Simple Adaptive Beamforming Algorithm with Interference Suppression”, International Journal of Engineering and Technology, Vol.1, No.1, pp.67-70, 2009.
※ AI-Helper는 부적절한 답변을 할 수 있습니다.