隨著移動(dòng)通信的發(fā)展，TD-SCDMA智能天線中，下行采用波束形成技術(shù)，提高下行信干比，增強(qiáng)覆蓋。在3GPP LTE 協(xié)議TS 36.213 Release 8中定義了7種下行發(fā)射模式，其中模式7為單天線端口（端口5）即為通常所述的波束賦形模式[1]，主要用途是提高SINR、增加小區(qū)的覆蓋范圍。LTE標(biāo)準(zhǔn)支持波束形成技術(shù)，該技術(shù)是針對(duì)基站使用小間距的天線陣列，為用戶形成特定指向的波束。

    采樣矩陣求逆（SMI）算法是自適應(yīng)波束形成中常用的方法，它收斂快，干擾抑制效果好。在數(shù)值分析中，SMI算法要估計(jì)接收信號(hào)的自相關(guān)矩陣，自相關(guān)矩陣的特征值的分散度(條件數(shù)) 要大于數(shù)據(jù)矩陣本身，條件數(shù)越大，數(shù)值魯棒性越差，顯然任何一種不求自相關(guān)矩陣而直接對(duì)數(shù)據(jù)矩陣計(jì)算的算法都會(huì)得到較SMI好的數(shù)值特性[2]。QR分解，它通過(guò)對(duì)輸入數(shù)據(jù)矩陣做QR分解完成協(xié)方差矩陣的估計(jì)，進(jìn)而求得權(quán)向量，具有更好的數(shù)值特性和固有的高度并行性[3]，因此在實(shí)際的各種系統(tǒng)中得到了廣泛的應(yīng)用。但當(dāng)采樣數(shù)較少，采樣協(xié)方差矩陣估計(jì)值的噪聲特征值分散會(huì)導(dǎo)致波束形成算法的性能下降問(wèn)題。
    針對(duì)此缺陷，本文提出了對(duì)角加載奇異值（DSVD）分解的算法，該算法首先對(duì)采樣數(shù)據(jù)矩陣進(jìn)行奇異值（SVD）分解，再利用對(duì)角加載技術(shù)能減弱小特征值對(duì)應(yīng)的噪聲波束的影響這一優(yōu)勢(shì)，實(shí)現(xiàn)對(duì)角加載，DSVD算法不僅提高了算法的性能而且降低了復(fù)雜度。


3 仿真結(jié)果
    仿真條件：假設(shè)信號(hào)的波達(dá)方向?yàn)?°，干擾源的波達(dá)方向分別為50°（干擾噪聲比為30 dB）SNR=20 dB。圖1為采樣數(shù)N=300 QR分解算法和DSVD分解算法的陣列方向圖；圖2為采樣數(shù)N=30 QR分解算法和DSVD分解算法的陣列方向圖；圖3為QR分解算法和DSVD分解算法的陣列輸出SINR隨采樣數(shù)的變化曲線；圖4為采樣數(shù)N=20 的QR分解算法、DSVD算法的陣列輸出信干噪比SINR隨信噪比SNR的變化曲線；圖5為采樣數(shù)N=20 的QR分解算法與DSVD算法的BER比較圖。

    從圖1可以看出，在采樣數(shù)較大的情況下，兩種算法的方向圖都在期望信號(hào)處形成了很高的增益，達(dá)到了提取期望信號(hào)的目的，在干擾方向50°上都形成了零陷，抑制了干擾，兩種算法形成的零陷一樣深。從圖2可以看出，在采樣數(shù)較少的情況下，QR分解算法的旁瓣較高，其性能很不理想，但DSVD算法的旁瓣都較低，對(duì)旁瓣性能的改善非常明顯。從圖3可以看出，文中的QR分解算法和DSVD分解算法都有很高的輸出SINR，而且這兩種算法的輸出SINR接近，對(duì)角加載的算法在采樣數(shù)較少的情況下的就有很好的性能，且其性能優(yōu)于沒(méi)有進(jìn)行對(duì)角加載的算法的性能。從圖4也可以看出，對(duì)角加載SVD算法的輸出SINR高于QR算法的SINR。再結(jié)合圖5，可以得出DSVD算法的性能優(yōu)于QR算法的性能，可以提高波束形成算法的性能。

    在自適應(yīng)波束形成算法中，QR算法優(yōu)于SMI算法，提高了數(shù)據(jù)魯棒性。DSVD分解算法和QR分解算法都有很好的性能，能實(shí)現(xiàn)正確的波束形成，提高系統(tǒng)增益。仿真結(jié)果證明了在采樣數(shù)較少的情況下，通過(guò)DSVD算法，降低了小特征值及其特征向量的擾動(dòng)，使DSVD分解算法的性能優(yōu)于QR分解算法的性能。
參考文獻(xiàn)
[1] 曾召華.LTE基本原理與關(guān)鍵技術(shù)[M].西安: 西安電子科技大學(xué)出版社, 2010.
[2] 張引，黃建國(guó).基于特征結(jié)構(gòu)的可變對(duì)角加載波束形成算法[J].電聲技術(shù),2008,32(11):61-64.
[3] 倪淑燕，程乃平，倪正中.固定樣值數(shù)目的QR分解遞推算法[J]. 通信學(xué)報(bào)，2010,31（8A）：195-200.
[4] Yuen Chau, Sun Sumei, Zhang Jiankang.Comparative study  of  QRS in closed-loop beamforming systems[J]. in Proceedings of the IEEE Military Communications Conference, Orlando, FL, Oct. 2007.
[5] CARLSON B D. Covariance matrix estimation errors and diagonal loading in adaptive arrays[J]. IEEE Trans, Aerospace and Electronic Systems, 1988, 24(4)：397-401.