54 sz. MIK szerzıdés mellékleteke ELMÉLETE II

TANULMÁNY 2007/30510/52 sz., 2007/30510/53 sz., 2007/30510/54 sz. MIK szerzıdés mellékleteke

ADAPTÍV ANTENNARENDSZEREK ELMÉLETE II. Készítették: Farkasvölgyi Andrea, Horváth Márk, Kovács Péter Budapesti Mőszaki és Gazdaságtudományi Egyetem Szélessávú Hírközlés és Villamosságtan Tanszék 2007. április 30.

Adaptív antennarendszerek elmélete II 2007/30510/52 sz., 2007/30510/53 sz., 2007/30510/54 sz. szerzıdés mellékleteke Készítette: Farkasvölgyi Andrea, Horváth Márk, Kovács Péter, BME-HVT, 2007. április 30.

Célkitőzések Az adási irányú digitális nyalábformálás segítségével a bázisállomások az adott

felhasználó

irányába

tudják

koncentrálni

a

rádiófrekvenciás

teljesítményt, aminek következtében jelentısen javul a jel-interferencia viszony, csökken a többi felhasználó felé az interferencia. Mindezek következtében jelentısen növekszik a rendszer kapacitása, vagyis nagyobb forgalom bonyolítható le. Mivel az EM kisugárzás a kívánt irányban valósul meg, ezért lényegesen csökkenthetı az alkalmazott adóteljesítmény, ezáltal jelentıs javulás érhetı el a környezet és a felhasználó elektromágneses terhelésében. A vételi irányú adaptív digitális nyalábformálás révén a bázisállomások az adott felhasználó irányából érkezı jelre fókuszálják iránykarakterisztikájukat. A dinamikus fókuszálás segítségével lehetıség nyílik a mobil állomás iránykövetésére is. Egyidejőleg a hasznos jel követésével lehetıség van az iránykarakterisztika nullhelyeinek az irányítására is, melyek segítségével nagymértékben elnyomhatók az interferenciák. A módszer további elınye, hogy a mobil rendszerekben szükségszerően fellépı fading hatását is számottevıen redukálja. Adaptív algoritmusokon alapuló iránymérés útján lehetıség nyílik a mobil terminálok szögbeli pozíciójának a konvencionális módszerekhez képest pontosabb bemérésére és követésére. Mindez lehetıséget ad a forgalom térbeli eloszlására vonatkozó pontosabb statisztikák készítésére. Az adaptív antenna adaptációja során az EM környezeten kívül figyelembe kell venni az adott alkalmazás sajátosságait, azaz szerves egységben kell kezelni a többi minıség javító módszerekkel. Ezért jelen projektben fontos a különbözı diverziti-módszerek és a több-bemenető, több-kimenető (MIMO) technikák tanulmányozása ill. kutatása is.

A projekt célja az adaptív antennarendszerek és azok mobil rendszerekben történı alkalmazásának kutatása, fejlesztése a rádiós átvitel hatékonyságának növelése érdekében.

2


A projekt feladata a mobil terminálok közötti interferenciák adaptív antennarendszerek alkalmazásával történı csökkentésének kutatása. Megvizsgálásra kerül:

az adás irányú digitális nyalábformálás, melynek segítségével a bázisállomások az adott felhasználó irányába tudják koncentrálni a rádiófrekvenciás teljesítményt, aminek következtében jelentısen javul a jel-interferencia viszony, csökken a többi felhasználó felé az interferencia. Mindezek következtében jelentısen növekszik a rendszer kapacitása, vagyis nagyobb forgalom bonyolítható le. Mivel az EM kisugárzás

a

kívánt

irányban

valósul

meg,

ezért

lényegesen

csökkenthetı az alkalmazott adóteljesítmény és ezáltal jelentıs javulás érhetı el a környezet elektromágneses terhelésében.

a vétel irányú adaptív digitális nyalábformálás, melynek segítségével a bázisállomások az adott felhasználó irányából érkezı jelre fókuszálják iránykarakterisztikájukat.

A

dinamikus

fókuszálás

segítségével

lehetıség nyílik a mobil állomás iránykövetésére is. Szimultán a hasznos

jel

követéssel

lehetıség

van

az

iránykarakterisztika

nullhelyeinek az irányítására is, melyek segítségével nagymértékben elnyomhatók az interferenciák. A módszer további elınye, hogy a mobil rendszerekben szükségszerően fellépı fading hatását is számottevıen redukálja.

Adaptív algoritmusokon alapuló iránymérés, melynek segítségével lehetıség

nyílik

a

mobil

terminálok

szıgbéli

pozíciójának

a

konvencionális módszerekhez képest pontosabb bemérésére és követésére. Mindez lehetıséget ad a forgalom térbeli eloszlásánakra vonatkozó pontosabb statisztikák készítésére.

Az adaptív antenna adaptivációjánál az EM környezeten kívül figyelembe kell venni az adott alkalmazás sajátosságait, azaz szerves egységben kell kezelni a többi minıség javító módszerekkel. Ezért jelen projektben fontos a különbözı diverziti-módszerek és a több-bemenető, több-kimenető (MIMO) technikák tanulmányozása ill. kutatása is. Ipari

kapcsolat

(A

partnerek

aktivitása,

összefoglalás

az

eddigi

tapasztalatokról negyedéves bontásban) 3


A projekt megvalósítása során együttmőködünk a Bonn Magyarország Kft-vel. Az együttmőködés fı területei a mikrohullámú hardver fejlesztés, az RF mérések elvégzése. Bonn Magyarország Kft-vel folyamatos együttmőködésben vagyunk. Ezen együttmőködés biztosítja számunkra a mikrohullámú hardverfejlesztésekhez szükséges technológiai hátteret.

Együttmőködés

az

1.1.1

számú

Mobil

hálózatok

hullámterjedési

szempontjainak vizsgálata címő projekttel. Projekt vezetı neve: Dr. Nagy Lajos. Az együttmőködés keretében a már kifejlesztett a 16 csatornás vételi irányú nyalábformáló rádiórendszerüket átprogramoztuk az 1.1.1 projekt ígényeinek megfelelıen a MIMO többcsatornás mérés céljából. A méréseket közösen elvégeztük, a mérési eredményekbıl közös publikációt készítettünk.

4


A kutatás-fejlesztés fı területei A tématerületen elvégzett kutatásainkra és fejlesztéseinkre alapozva a következı fıbb kutatás-fejlesztési tervet tartjuk célszerőnek az induló negyedévre:

Elméleti vizsgálatok

Antennák elmélete Elvégzendı feladatok •

Elemi sugárzók modelljének kutatása

•

Elemi sugárzókból felépülı antenna rendszer modelljének kutatása

•

Antennarendszer elemei között fellépı kölcsönös impedancia térelméleti vizsgálata

•

Antennarendszer elemei között fellépı kölcsönös impedancia mérési elvének kidolgozása

Antennás jelfeldolgozás Elvégzendı feladatok •

A jelfeldolgozó adaptív antennarendszerek módszereinek általános elméleti tanulmányozása és kutatása

•

Nyalábformálási módszerek általános tanulmányozása és kutatása

•

Interferencia szőrési módszerek általános tanulmányozása és kutatása

Kísérleti kutatások és fejlesztések Kísérleti modell •

Késérleti 4 elemő digitális nyalábformálású (DBF) adó antennarendszer realizációjának az elıkészítése

A

tématerületen

az

elsı

negyedévben

elvégzett

kutatásainkra

és

fejlesztéseinkre alapozva a következı fıbb kutatás-fejlesztési tervet tartjuk célszerőnek a második negyedévre:

5



Antennák térelmélete

Elvégzendı feladatok •

Antennarendszer szimulációjának továbbfejlesztése

•

Antennarendszer elemei között fellépı kölcsönös impedancia térelméleti modell továbbfejlesztése

•

Sávszélesség-iránykarakterisztika kapcsolat elméleti vizsgálata

Antennás jelfeldolgozás


Iránymérési módszerek általános tanulmányozása és kutatása

•

Iránykövetési módszerek általános tanulmányozása és kutatása

•

Az

antennarendszer

elemei

között

fellépı

kölcsönös

impedancia

iránykarakterisz-tikára ill. iránymérésre gyakorolt hatásának kutatása

Kísérleti kutatások és fejlesztések

Elvégzendı fejlesztések •

4 elemő kísérleti DBF modell rendszertervének elkészítése.

•

Labview DBF vezérlıprogram elkészítése

•

DBF jelfeldolgozó egység kifejlesztése

Az elsı negyedév eredményeire támaszkodva folytatjuk kutatás-fejlesztési tevékenységünket. A II. negyedévben jelentısen elıreléphetünk a DBF hardver modell kifejlesztésében. Az elsı negyedév során kíváló együttmőködést alakítottunk ki a projektben közremőködı Bonn Magyarország Kft-vel, amely együttmőködés biztosítékot jelent a hardver kísérletek és fejlesztések vonatkozásában.

6


A kutatás-fejlesztés fı területei A tématerületen az elsı és második negyedévben elvégzett kutatásainkra és fejlesztéseinkre alapozva a következı fıbb kutatás-fejlesztési tervet tartjuk célszerőnek a második negyedévre:


Antennák térelmélete


Sávszélesség-iránykarakterisztika kapcsolat további elméleti vizsgálata

Antennás jelfeldolgozás


Korrelált rádióforrások mérési problémájának a vizsgálata

•

Korrelációromboló algoritmusok vizsgálata

•

DBF mérési eljárás kidolgozása



4 elemő kísérleti DBF modell kifejlesztése

•

Labview DBF vezérlıprogram véglegesítése és kiegészítése analízis modullal

•

DBF jelfeldolgozó egység szoftver továbbfejlesztése

•

Elızetes mérések elvégzése a DBF rendszeren

Az elsı és második negyedév eredményeire támaszkodva folytatjuk kutatásfejlesztési tevékenységünket. A II. negyedévben jelentısen elıreléptünk a DBF hardver modell kifejlesztésében. A III. negyedévben reális célkitőzésnek érezzük

a

digitálisan

vezérelhetı

antennairánykarakterisztikájú

antennarendszer (DBF) kifejlesztését.

7


Kapcsolatunk folyamatos a projektben közremőködı Bonn Magyarország Kftvel, amely együttmőködés biztosítékot jelent a hardver kísérletek és fejlesztések vonatkozásában.

A tématerületen az elsı, második és harmadik negyedévben elvégzett kutatásainkra és fejlesztéseinkre alapozva a következı fıbb kutatásfejlesztési tervet tartjuk célszerőnek a negyedik negyedévre:


Általános és antennás jelfeldolgozás


A mérendı környezet kvázistacionaritásának hatása

•

Becslések jóságának vizsgálata

•

Vételi DBF mérési eljárás kidolgozása

•

Kalibrációs módszer továbbfejlesztése a 4 elemő kísérleti DBF modellre



Kalibráció elvégzése a 4 elemő kísérleti DBF modellre

•

DBF karakterisztikák mérése a 4 elemő kísérleti DBF modellel

•

4 elemő kísérleti vételi irányú antennarendszer(4RAA) rendszertervének elkészítése

•

A 4RAA vezérlıprogramjának fejlesztése Labview alatt

•

Szimulációs program készítése a 4RAA vizsgálatára

Az elsı három negyedév eredményeire támaszkodva folytatjuk kutatásfejlesztési tevékenységünket. Az elsı két negyedévben fıleg elméleti síkon tanulmányoztuk a tématerületet. A II. negyedévben jelentısen elıreléptünk a DBF hardver modell kifejlesztésében. A III. negyedévben elkészült az UMTS sávban

mőködı

digitálisan

vezérelhetı

antennairánykarakterisztikájú

antennarendszerünk (DBF), mellyel már az elızetes mérések is megtörténtek. 8


Kapcsolatunk folyamatos a projektben közremőködı Bonn Magyarország Kftvel, amely együttmőködés biztosítékot jelent a hardver kísérletek és fejlesztések vonatkozásában.

9


2006 júliusától az együttmőködés a résztvevıvel, ill. a Bonn Magyarország Kft. ipari partnerrel aktív. Ezen együttmőködés biztosítja számunkra a DBF mikrohullámú hardver fejlesztésénél a technológiai hátteret.

Együttmőködésben vagyunk az 1.1.1 számú Mobil hálózatok hullámterjedési szempontjainak vizsgálata címő projekttel. Jelenleg az együttmőködés a MIMO rendszerekre irányul. Reményeink szerint ez az együttmőködés segít bennünket az antennarendszerek MIMO alkalmazásai lehetıségeinek a kutatásában.

10


1. FEJEZET (SZERZİ FARKASVÖLGYI ANDREA) BEVEZETİ ANTENNARENDSZEREK ALAPJAI

Apertúra típusú antennák esetében az antenna geometriai mérete a hullámhossz sokszorosa. A forgásparaboloid antenna tipikus példája az apertúra antennáknak. Geometriai kialakítását úgy végezték, hogy az a merılegesen beesı síkhullámot egy pontba, a fókuszpontba győjtse össze. Definiáljuk az antennánk elıtt a síkot, melyen keresztül az EM energiaáramlás realizálódik. Ennek a síknak a neve az antenna apertúrája. Az antenna a vétel során az ezen a síkon áthaladó EM hullámokat összegzi a fókuszpontjában. Mivel az összegzés folytonos, ezért a vett jelet az apertúrán lévı komplex EM jelamplitúdó súlyozott integráljaként kapjuk. Felmerül a kérdés, lehetne-e ugyanezen apertúra diszkrét pontokban történı mintavételezésével, majd az egyes értékek összegzésével hasonló eredményt kapni. Elkészíthetı-e a folytonos apertúra antenna diszkrét változata? Ha igen, akkor milyen megkötésekkel?

Ha továbbra is a folytonos apertúra antenna esetet tekintjük és a képzeletbeli apertúra mögött különbözı fıirányú, de azonos apertúra mérető antennákat alkalmazunk felváltva ugyanarra az EM környezetre, akkor azt tapasztaljuk, hogy az apertúrán lévı térerısség mezı különbözı feldolgozásaival eltérı eredményeket kapunk. Vagyis több információ van az apertúrán, mint amire a konkrét antenna koncentrál (fókuszál). A forgásparaboloid antenna az apertúrán –vagyis egy kiterjedt felületen- lévı komplex jelet transzformál egydimenziós komplex jellé. Ez a dimenzióvesztés a realizációból fakad. Mintavételezzük ugyanezen apertúrát, vagyis elemi mintavevı antennákból mintavevı rácsot alkotunk az apertúrán. Ebben az esetben az apertúrán lévı jelek összegzése integrál helyett szummává egyszerősödik, és lehetıség van minden egyes mért érték amplitúdójának és fázisának módosítására az összegzést megelızıen. Ez a módszer is ugyanazon dimenzióvesztéssel jár, azonban az összegzés elıtti amplitúdó és fázis módosítások határozzák meg az antenna térbeli szőrı karakterisztikáját, vagyis iránykarakterisztikáját. Mivel módosító értékek nem a geometriából adódnak, hanem teljes egészében mi 11


határozzuk meg, ezért lehetıségünk van az apertúra mögé szinte bármilyen antenna létrehozására. Vagyis általános esetben a szabadságfokunk nem csökken.

Az antennarendszerek adta lehetıségek jobb megértéséhez vizsgáljuk meg annak elvi alapjait.

Térbeli folyamatok [1,2,38]

Modell [1,2] A vizsgálódásunkat az antennasorra végezzük el. Az így kapott eredmények igazak lesznek a 2 dimenziós antennarács esetében is. A közvetlen 2D tárgyalásmód olyan bonyolult egyenletekhez vezetne, melyek nagyon megnehezítenék a tématerület megismerésének útját.

Antennasor Az elektromágneses tér mintavételezésére antennasort használunk, melyre a következı megkötéseket tesszük: • lineáris ekvidisztáns térbeli elrendezés, • N elemszám, • az 1.1 ábrán látható funkcionális felépítés.

1.

2. z1

h1

3.

N.

z2 h2

z3 h3

zN hN

Σ y

12


A feldolgozandó elektromágneses környezet: • relatíve keskenysávú, vagyis:

B << 1 . f0

Az antennasorra beesı elektromágneses hullámok széles spektrumot fednek le, ezért a keskenysávúság követelményét az egyes antennaelemek mögött lévı vevık keskenysávúságával lehet teljesíteni.

z1

zN

Tételezzük fel, hogy az N elembıl álló antennarendszerünkbe ϑ irányból síkhullám esik be (1.2 ábra). A beérkezı hullámfrontról adott t µ idıpillanatban az antennasor térbeli mintát vesz. Mivel síkhullám esik be az antennára, ezért a

mintavételi

pontokon

megjelenı

jelek

amplitúdója

jó

közelítéssel

megegyezik. A fázis viszont lineárisan változik. A vett jel fázisa a k. elemen:

∆Φk = k∆Φ , ahol ∆Φ a két szomszédos elem közötti fáziskülönbség, melynek oka az úthosszkülönbség:

13


∆R = d sin ϑ . Az ennek megfelelı két szomszédos elem közötti fáziskülönbség:

∆Φ = ∆Rβ 0 = dβ 0 sin ϑ = d

2π

λ0

sin ϑ ,

és végül a k. elemhez tartozó fázis:

∆Φ k = k∆Φ = k 2π

d

λ0

sin ϑ .

Ha kissé plasztikusabban képzeljük el a beesı síkhullámot, akkor az egy szinuszos jel metszetet alkot az antennasorunkkal, ahol a szinusz frekvenciája a beesési szögtıl függ.

A mintavételezés nem idıben, hanem térben játszódik le. Az idıbeli frekvencia, – köznapi értelemben frekvencia - definíció szerint az idıegységre esı periódusszám. Ebbıl kézenfekvıen adódik a térbeli frekvencia definíciója: a hosszegységre esı periódusszám. Két elem között a periódusszám:

n=

∆Φ d = sin ϑ , 2π λ0

és a térbeli frekvencia:

fd =

n 1 = sin ϑ . d λ0

A térbeli frekvencia értéke a beesési szögtıl függ, maximális értékét

ϑ=

π 2

14


esetén veszi fel, ekkor

fd =

1

λ0

.

ϑ = 0 esetében pedig f d = 0 . A térbeli frekvencia negatív is lehet. A valós EM környezetben az antennára minden irányból esik be EM hullám, ha egyéb jel nincs, akkor a zaj, amely beesı teljesítmény szintén rendelkezhet

irányfüggéssel.

A

tér

különbözı

irányaiból

beesı

teljesítménysőrőséget leíró függvény a szögbéli teljesítménysőrőség (PAD: Power Angular Density). Hasonlóan, mint idıbeli jelek esetében, itt is érvényesül a mintavételi tétel, ami azt mondja ki, hogy egy alapsávi folyamatot a maximális frekvenciájú összetevıjéhez képest legalább a kétszeres sőrőséggel kell mintavételezni ahhoz, hogy az eredeti folyamat a mintáiból torzítatlanul visszaállítható legyen. A maximálisan elıforduló térbeli frekvencia:

fd =

1

λ0

,

és így a szükséges térbeli mintavételi frekvencia:

f ds ≥ 2 f d =

2

λ0

és a mintavételi távolság:

ds =

1 λ0 ≤ . f ds 2

15


Térbeli FIR szőrı Az 1.4 ábrán az antennasorral megvalósított antenna látható.

1.

2. z1

h1

3.

N.

z2 h2

z3 h3

zN hN

Σ y

Az antennasor egyes elemein lévı jeleket megszorozzuk egy-egy komplex konstanssal, majd összegezzük az így kapott jeleket. Ha azt akarjuk, hogy az antenna fıiránya az antennasorra merıleges legyen, akkor a szorzók azonosak. A merıleges irányból beesı síkhullám azonos fázisban érkezik az antennasor elemeire, így akkor kapjuk a kimeneten maximális jelszintet, ha ezeket a vektorokat fázismódosítás nélkül fázisban adjuk össze.

Minden esetben a fázishelyes összeadás adja a maximális jelet. Ezért ha a fıirányunkat ki akarjuk téríteni a merılegesbıl, akkor az antennasoron létrejött, a kitérítés mértékével arányos lineáris fázismenetet kell kompenzálni a komplex szorzásokkal. Példaként forgassuk el egy 4 elemő antenna fınyalábját 30 fokkal. A Θ 0 = 30o irányból beesı síkhullám a következı vett jel vektort hozza létre:

[

z T = sT (Θ0 ) = 1 e − j∆Φ

e − j 2 ∆Φ

e − j 3∆Φ

] 16


ahol

∆Φ = d

2π

λ0

sin Θ0

Legyen az elemek között a távolság fél hullámhossz:

d=

λ0 2

ekkor

∆Φ = d

2π

λ0

sin Θ 0 =

λ0 2π π sin 30 o = 2 λ0 2

radián, vagyis ∆Φ = 90o .

Megállapodás szerint s (Θ 0 ) -vel jelöljük a Θ 0 irányból beesı síkhullám által gerjesztett vett jel vektorát. Mivel a fıirány Θ 0 irányba történı fordítása azt jelenti, hogy ebbıl az irányból érkezı síkhullámra kell a maximális eredmény adódjon, vagyis az s (Θ 0 ) vektor elemeit kell azonos fázisba hozni és utána összeadni. Ebbıl az antennánk súlyvektorára a következı adódik:

h(Θ 0 ) = s ∗ (Θ 0 ) kifejtve:

sT (Θ 0 ) = 1 e − j∆Φ

[

e − j 2 ∆Φ

[

e+ j 2 ∆Φ

hT (Θ0 ) = 1 e + j∆Φ

e − j 3∆Φ e + j 3∆Φ

]

] 17


A felírásból jól látható, hogy a h súlyvektor elemeinek fázistolása rendre kompenzálja a Θ 0 irányból beesı síkhullám lineáris fázismenetét és így biztosítja a maximális nyereséget. Iránykarakterisztika Az 1.4 ábrát tekintve az y kimenetre felírhatjuk:

N

y = z h = h z = ∑ hi zi T

T

i =1

Tapogassuk le a h súlyvektorral rendelkezı antenna iránykarakterisztikáját. Vagyis vezessünk körbe az antennán az s (ϑ ) egységnyi amplitúdójú síkhullámot. Ekkor a nem normalizált, iránykarakterisztika a következı:

N

F (ϑ ) = y (ϑ ) = s (ϑ )h = h s(ϑ ) = ∑ hi si (ϑ ) T

T

i =1

ahol

[

sT (ϑ ) = 1 e − j∆Φ ∆Φ = d

2π

λ0

e − j 2 ∆Φ

e − j 3∆Φ

]

sin ϑ

visszahelyettesítve

N

F (ϑ ) = ∑ hi e − j (i −1)∆Φ , i =1

vagyis az irányszőrı (iránykarakterisztika) a szőrıkoefficiensek vektorának (súlyvektor) Fourier transzformáltjaként adódik.

18


F (ϑ ) = F {h} Az irányszőrı és a frekvencia-tartománybeli szőrı teljes analógiában vannak. Tekintsük az 1.6 ábrán látható diszkrét idejő FIR szőrıt

T

T

T

hT Σ y

A szőrı amplitúdó átviteli karakterisztikája a szőrı súlyfüggvényének Fourier transzformáltjaként adódik.

N

H (ω ) = F {h} = T ∑ hi e − jiωT i =1

T a mintavételezés idıköze. A kitevıben lévı ωT szorzat fázis értéket jelent.

∆Φ = ω T Ezt alkalmazva a következı formában is felírhatjuk a szőrı amplitúdó átviteli karakterisztikáját: 19


N

H (ω ) = T ∑ hi e − ji∆Φ i =1

Ez utóbbi kifejezés teljes analógiában van az antennára felírt összefüggéssel.

N

F (ϑ ) = ∑ hi e − j (i −1)∆Φ i =1

N

H (ω ) = T ∑ hi e − ji∆Φ

↔

i =1

Ha összevetjük a két kifejezés ∆Φ -re vonatkozó tartalmát:

∆Φ = ω T

↔

∆Φ = d

2π

λ0

sin ϑ

akkor a következı megfeleltetéseket fedezhetjük fel: T ↔d

ω ↔ 2π

1

λ0

sin ϑ

frekvenciára felírva:

f ↔

1

λ0

sin ϑ

Ezzel visszajutottunk a térbeli frekvencia definiáló egyenletéhez. Mivel antennáknál közvetlen jelentıséggel F (ϑ ) iránykarakterisztika bír és nem a térbeli frekvenciás kifejezés:

1  F ( f d ) = F  sin ϑ  ,  λ0 

20


ezért analóg párként célszerő a térbeli frekvencia helyett a szöget választani

ω ↔ϑ . Ha tovább vizsgáljuk a térbeli körfrekvencia képletét, akkor megállapíthatjuk, hogy a szög és a térbeli frekvencia között szinuszos

ωd = 2π

1

λ0

sin ϑ

nemlineáris kapcsolat van. Hasonlítsuk össze a szinusz és a lineáris függvényeket. A következık állapítható meg: •

a

szinusz

függvény

π

tartományra

tartományban

egyértelmő,

ismétli

a

másik

π

önmagát.

Ennek következményeként F (ϑ ) iránykarakterisztika π -re egyértelmő és az antennasor felett és alatt megegyezik. Ez az elrendezés szimmetriáját tekintve nyilvánvaló tulajdonság. •

Kis szögek esetében a szinusz jó közelítéssel megegyezik a lineáris függvénnyel, azonban a szög növekedtével a szinusz meredeksége csökken. Ennek következményeként a ±

π 2

szögtartományban pásztázó F (ϑ )

iránykarakterisztika irányélességi szöge minimális a 0 környezetében, majd a szélek felé rohamosan romlik. Gyakorlati alkalmazás szempontjából általában elfogadható a ±

π 3

tartomány alkalmazása, ami a teljes 2π letapogatása esetében három antennasor alkalmazását eredményezi az 1.8 ábrán látható módon.

Ezen elrendezésben az egyes antennarendszerek mögött lévı síktükör egyben a szimmetriából adódó nyalábot is kiküszöböli.

21


A nemlinearitási probléma ellenére megállapíthatjuk, hogy az Idı-frekvencia ↔ távolság-szög tartományok analógiájának következtében az idı-frekvencia tartományban már kidolgozott leírási, tervezési és jelfeldolgozási módszerek a távolság-szög tartományban is alkalmazhatók. Ennek demonstrálására tekintsük az idıfrekvencia tartománybeli leírás jól ismert modulációs tételét: h(t ) ↔ H (ω ) ⇔ h(t )e jω 0 t ↔ H (ω − ω0 )

ugyanez diszkrét idejő szőrıkre hT = [h1 h2 K hN ]

hi = h(iT ) és e jω 0 iT vagyis a h(t )e jω 0 t diszkrét idejő leírásban:

[h e

jω 0T

[h e

j∆Ψ

1

1

h2e j 2ω 0T

K hN e jNω 0T

h2e j 2 ∆Ψ K hN e jN∆Ψ

]

]

ahol ∆Ψ = ω0T

Ennek a kifejezésnek a Fourier transzformáltja a szőrı amplitúdó átviteli karakterisztika, ami ugyancsak H (ω − ω0 ) .

22


Megjegyzendı, hogy a mintavételezés miatt a diszkrét idejő rendszerek mindig periodicitást mutatnak a mintavételi frekvenciára, vagyis jelen szőrınk is függetlenül attól, hogy alkalmazunk frekvencia eltolást vagy sem.

Elektronikus pásztázás Térjünk most át az analógiában lévı antennás problémára. Az eltolás itt az antenna meglévı – h vektorhoz tartozó -, iránykarakterisztikájának a szögbéli eltolását, vagyis annak elforgatását jelenti. Az elforgatott eredeti karakterisztikához tartozó vektor most is

[h e

j 0 ∆Ψ

1

h2e j1∆Ψ K hN e j ( N −1)∆Ψ

]

alakú. Figyelembe véve az analógiákat

∆Ψ = d

2π

λ0

sin Θ 0

És így az elforgatott iránykarakterisztika: F (ϑ − Θ0 ) .

Vegyük észre, hogy az antenna iránykarakterisztika alakjáért a h súlyvektor felelıs, míg a fıirány elforgatásának szögéért az e j (i −1)∆Ψ szorzótényezık. Fogjuk össze ezen szorzótényezıket r forgató vektorba.

[

r T = e j 0 ∆Ψ

e j1∆Ψ K e j ( N −1)∆Ψ

]

A tervezés során elıször célszerő a karakterisztika alakjára optimalizált tervezést elvégezni, majd az így kapott h súlyvektorra még alkalmazni az r forgató vektort.

23


A forgatás következményeként – feltéve, hogy annak tartománya nem nagyobb mint ±

π 3

-, az iránykarakterisztika jó közelítéssel megırzi alakját.

Az elmondottakra tekintsünk két példát. Mindkét esetben N=16 elemő ekvidisztáns antennasort vizsgálunk. Az elemek közti távolság legyen

d=

λ0 2

Az elforgatás szöge: Θ 0 = 30o

és ennek megfelelıen

∆Ψ = d

2π

λ0

sin Θ 0 =

λ0 2π π sin 30o = , vagyis ∆Φ = 90o . 2 λ0 2

A bemutatott elsı esetekben a h vektor: hT = [1 1 K 1] ,

míg az 1.10 ábrákon bemutatott második esetekben a h vektorra emelt koszinuszos súlyozást alkalmazunk a nagyobb melléknyaláb elnyomás érdekében.

a. esetekben

[

rT = e j 0

]

e j10 K e j ( N −1)0 = [1 1 K 1]

b. esetekben

[

r T = e j 0 ∆Ψ

]

e j1∆Ψ K e j ( N −1)∆Ψ ,

24


ahol ∆Φ = 90o .

Mivel az antenna fıirányának módosítása dinamikusan is elvégezhetı, ezért ezen elv alkalmazásával realizálni tudunk az elektronikus iránykövetést (pl. Mobil állomás követése, mőhold követése, stb.) vagy elektronikus pásztázást mely segítségével -a szkenner képalkotásával analóg módon- lehetıségünk van RF spektrumban történı képalkotásra. Egy hazai fejlesztéső X-sávban mőködı repülıgép fedélzeti képalkotó radar által mért mikrohullámú kép látható. És egy X-sávban mőholdról mért mikrohullámú kép látható.

Az r forgatóvektorral módosított antenna blokkséma az 1.12 ábrán látható.

hT

rT

Σ

y

Realizációnál a két komplex szorzást kiváltható eggyel.

25


hir = hi ri

Mivel

hir = hir e jarc (hi ) r

ezért hardware realizációnál a komplex szorzó megvalósításának egyik lehetséges módja egy vezérelhetı csillapító és egy vezérelhetı fázistoló alkalmazása.

hi

abs(hiri)

ATT

arc(hiri)

∆Φ

hiri ri

Az analógiák összefoglalása A táblázatban néhány, a további fejezetek tárgyalását leegyszerősítı analógia található.

Analógiák Idı-frekvencia

Távolság-szög

t idı

x távolság

f frekvencia

ϑ szög

T mintavételi idıköz

d mintavételi idıköz

f t mintavételi frekvencia

f s mintavételi frekvencia

26


F (ϑ ) iránykarakterisztika

H (ω ) szőrı

Adó- és vevıantenna összehasonlítása Az antennarendszer fentiekben ismertetett leírásmódja természetesen adásra és vételre egyaránt igaz, azzal a kiegészítéssel, hogy az összegzı hálózat is reciprok, vagyis adáskor elosztóhálózatként viselkedik. Ennek megfelelıen az eddig tárgyalt szabadságfokunk és lehetıségeink az iránykarakterisztika kialakítására, az adásra és a vételre is egyaránt fennállnak. Van egy fontos különbség adás és vétel között. Adáskor az antenna határozza meg a vonatkozó EM környezetet, vételkor viszont csak megfigyeli azt.

Vevıantenna Ugyanazon megfigyelendı EM környezetben pl. különbözı irányokba forgathatjuk

az

antenna

fıirányát.

Bármilyen

is

legyen

az

aktuális

iránykarakterisztika, azt csak a h súlyvektor (forgatás is beleértve) határozza meg. A teljes vizsgált szögtartományban az EM környezetet viszont a mért z vektor jellemzi. A z vektorban tehát megtalálható a teljes környezetre vonatkozó mérési eredmény. Az, hogy mire fókuszálunk, -vagyis melyik irányba fordítjuk az antennánk fınyalábját-, csak a konkrét h vektor alkalmazásánál dıl el. Ennek megfelelıen, ha a mért z vektort szétosztjuk M részre és az így létrejött M db az eredetivel azonos z vektorok mindegyike mögé kiépítünk egy-egy h vektorral szorzó és összegzı hálózatot, akkor M darab különbözı antennát realizálhatunk azonos idıben, mely antennák ugyanabban az EM környezetben dolgoznak.

27


1.hT

M.hT Σ

Σ

1.y

M.y

A realizációban az N darab elemi antenna (mintavevı eszköz) közös, azonban az utána következı szőrıhálózat többszörözötten szerepel. A szőrı darabszáma M. Az M darab szőrıt ez esetben a jelfeldolgozás eszközeinek tekinthetjük és csak

a

jelfeldolgozás

kapacitását

kellett

M-szeresére

növelni.

Még

egyértelmőbbé válik a ”jelfeldolgozás” mint funkcionális rész leválasztása, ha vizsgáljuk az 1. 15 ábrán látható tipikus vevı struktúrát.

28


linear antenna array used as receiver

calibrating signal

Coupler S I N G L E

S I N G L E

S I N G L E

R X

R X

R X

N E T W O R K

N E T W O R K

N E T W O R K

Splitter

local osc.

pi/2 I

Q LP

LP

SH & ADC

SH & ADC

Digital Interface

High speed multichannel digital interface Host PC

Ebben az esetben az elemi antenna által vett komplex jeleit IQ vevık dolgozzák fel és digitalizálják, vagyis a z komplex vektor adatként áll rendelkezésünkre. Ennek megfelelıen a jelfeldolgozás digitális jelfeldolgozást jelent és a vonatkozó kapacitás is DSP kapacitás. Vételi antenna esetében megmérjük az apertúrán a komplex térerısség függvényt, majd azt különbözı szempontok szerint kiértékeljük. Az apertúrán lévı komplex térerısség viszont nem más, mint az EM környezet adott frekvenciára vonatkozó hologramja. Holografikus kiértékelést alkalmazva így akár az EM környezet 3D képét is megkaphatjuk. A holografikus kiértékelés nagy DSP kapacitást igényel, ezért kezdeti kísérletek során optikai jelfeldolgozást alkalmaztak. Az apertúra komplex térerısség függvényét az elemi antennával mérték az adott RF frekvencián, azonban az eredményt analóg módon filmlemezre rögzítették. Ezáltal létrejött az adott frekvenciára 29


vonatkozó hologram. Ezek után a kapott képet optikailag lekicsinyítették az alkalmazandó laser hullámhossz és a mérési hullámhossz arányával. Az így létrejövı sík képet a laserrel megvilágítva létrejön a 3D hologram.

30


Adóantenna zavarvédelmi szerepe Az adás során alkalmazott karakterisztika lehet egyszerően csak a vevıre fordított fınyaláb – ez esetben a vevı irányszögének elızetes ismerete szükséges -, de lehet a vételi környezetet jobban figyelembe vevı is. Ez pl. akkor fordul elı, ha minimalizálni szeretnénk adónk zavaró hatását más vevıkre nézve. Az antenna az elnyomható zavaró hatását a zárósávjában, vagyis a melléknyalábokon kisugárzott teljesítménnyel okozza. A nyers erı módszere

ez

esetben

a

melléknyalábszint

csökkentése,

vagyis

a

melléknyaláb csillapítás növelése. Az apertúra típusú antennákat a melléknyaláb elnyomás szerint a következı kategóriákba sorolják:

Átlagos

13-30dB

Nagy melléknyaláb elnyomású

30-40dB

Extra nagy melléknyaláb elnyomású

>40dB

A nagy melléknyaláb elnyomást az apertúra megvilágítási függvényének megfelelı súlyozásával, un. ablakfüggvény alkalmazásával lehet elérni. A már jelfeldolgozásból jól ismert ablakfüggvények itt is alkalmazhatók, az iránykarakterisztika és a megvilágítási függvény Fourier transzformációs kapcsolata

miatt.

Szokványosnak

tekinthetı

primersugárzók

igen

bekorlátozzák a realizálható ablakfüggvényeket. Réssugárzó sor azonban alkalmas majdnem tetszıleges megvilágítási függvény kialakítására. A réssugárzó sorral, vagy más típusú antennarendszerrel megvalósított extra nagy melléknyaláb elnyomású antennák esetében két lényeges probléma adódik: •

a sugárzó elemek kölcsönös egymásra hatása (csatolás, kölcsönös impedancia),

•

a nagy gyártási pontosság.

Az egymásrahatás figyelembe vétele bonyolult térelméleti modelleket és számításokat igényel. A gyártási pontosság technológiai kérdés.

31


Az AWACS radar S-sávú antennája réssugárzósor rendszerő és -50dB melléknyaláb elnyomást valósít meg. Tervezésénél maximálisan figyelembe vették az elemi sugárzók közötti csatolást. A sugárzó réseket pedig speciálisan a feladatra kialakított, nagy pontosságú NC-vezérléső géppel marták.

Az ablakfüggvény hatásának vizsgálatához és szemléltetéséhez tekintsük az ábrákon látható szimulációs eredményeket. A 16 elemő azonos gerjesztéshez tartozó iránykarakterisztika, valamint az 5 elemő Csebisev iránykarakterisztika futtatási

eredményei

kerülnek

bemutatásra

Descartes

koordináta

rendszerben. Az ábrázolás logaritmikus, az osztás 10dB, de a 3dB-es vonal is felrajzolásra került.

32


A Csebisev tervezés eredményeként a melléknyaláb elnyomás 13dB-rıl 20dB-re növekszik. Jól megfigyelhetı a Csebisev szőrıkre jellemzı egyenletes melléknyalábszint.

A megelızıen szereplı 1.9/a és 1.9/b ábrákon érdemes megfigyelni, hogy a melléknyalábok szintjének csökkenésével kiszélesedik a fınyaláb. Ez az energia-megmaradás axiómája miatt van, hiszen a melléknyalábokból hiányzó energiát valahová át kellett csoportosítani. Fent említett példák jól mutatják a melléknyaláb elnyomás növelésének elvét. A gyakorlatban ennél jóval nagyobb melléknyaláb elnyomásra is szükség lehet, ekkor a megfelelı ablakfüggvény további kutatása szükség.

Az ablakfüggvény alkalmazásánál sokkal kifinomultabb módszer a kisugárzott teljesítménynek csak azon irányokban történı elnyomása, amely irányokban a zavar szempontjából védeni kívánt vevık helyezkednek el. Amennyiben ezen szögek elızetesen ismertek, azokra az iránykarakterisztika szintézis során nullhelyeket illesztünk, a fınyalábot pedig a szándékolt vevıre irányítjuk. Megjegyzendı, hogy az N elemő antennarendszerünk iránykarakterisztikája (N-1)-ed rendő komplex polinommal is leírható. Az algebra alaptételének értelmében (N-1)-ed rendő polinomnak maximum (N-1) gyöke lehet, vagyis a maximális nullhelyek száma N-1. Ha a vevık szögbéli pozíciói nem ismertek – általában ez a helyzet -, akkor azokat meg kell határoznunk. A meghatározás alapvetıen mérést jelent, melyet az antennarendszerünk vevı üzemmódjában tudjuk elvégezni. A mérési eredményeket pedig visszacsatoljuk a megfelelı karakterisztika kialakítása végett.

Megállapíthatjuk, hogy az antennarendszerünk szabadságfoka által adott adó irányú iránykarakterisztika optimalizációt kétféleképpen tudjuk elvégezni: •

az esetek kis részében, amikor a vevık elhelyezkedése ismert, ekkor ez a rendelkezésre álló adatokon alapuló szabályzást jelent,

•

az esetek nagy részében, amikor a vevık elhelyezkedése nem ismert, ekkor ez mérésen alapuló szabályzást jelent. 33


Megjegyzendı, hogy a második eset feltételezi, hogy a zavar szempontjából védeni kívánt vevık rendelkeznek adóval is, ami lehetıvé teszi a bemérésüket. Az optimalizáció során mindkét esetben alkalmazkodik az adóantenna a környezethez (vevık elhelyezkedése), ezért az ebben a rendszerben mőködı adóantenna adaptív. Fontos, hogy a környezet (vevık elhelyezkedése) folyamatosan rendelkezésre álljon, és annak változását kövesse az optimalizált antennaszintézis.

Vevıantenna zavarvédelmi szerepe Általában a vételi antenna célja a számunkra hasznos vételi jel minél nagyobb erısítése és a vétel minıségét zavaró interferenciák és a zaj elnyomása. Ezt egyben kifejezve a jel/(interferencia+zaj) növelése.

 S  Max  h I + N 

Keressük azt a h súlyvektort, amely esetében a jel/(interferencia+zaj) viszony maximális. Ha az S jel, az I interferenciák és az N zaj teljesítményének szögbéli eloszlásai apriori ismertek, a szőrı szintézis elvégezhetı. Általában a venni kívánt S jel szükséges paraméterei adottak. A gondot az jelenti, hogy az I interferenciák és az N zaj teljesítményének szögbéli eloszlásai apriori nem ismertek, vagyis azokat meg kell mérni. Ez a mérés elvégezhetı és így ezzel együtt a vételi antenna karakterisztikájának optimalizációja is. Fontos megjegyezni, hogy sztochasztikus folyamat –szerencsés esetben stacionermérését kell elvégezni és ezért bármely mérés csak becslésnek tekinthetı. Természetesen ez esetben is alkalmazható a ”nyers erı” a melléknyaláb növelésének a nem adaptív módszere.

34


RÁDIÓ IRÁNYMÉRÉS

Konvencionális iránymérés A feladat az antennát körülvevı EM környezet mérése. Konkrétan az antennába beesı átlagteljesítmény mérése a beesési szög függvényében. Jelöljük S(ϑ)-val az antennára beesı teljesítményt a ϑ beesési szög függvényében. S(ϑ) PAD (Power Angular Density) az antennára beesı átlagteljesítmény sőrőségfüggvénye, dimenziója idı/frekvenciatartománybeli

jelek

S(ω)

PSD

W . Ezzel analóg az rad

(Power

Spectral

Density)

függvénye, ami a jel teljesítményének frekvencia szerinti megoszlását mutatja.

Bartlett módszer A legegyszerőbb iránymérési vagy másképp nevezve S(ϑ) becslési módszer, ha az antenna fınyalábjával pásztázva tapogatjuk le a vizsgálandó szögtartományt, miközben a letapogatási szög függvényében regisztráljuk az antenna kimenetén megjelenı jel átlagteljesítményét.

1.

2. z1

h1

3.

N.

z2 h2

z3 h3

zN hN

Σ y

35


Ahhoz, hogy az antennánkkal maximálisan vegyük a ϑ irányból beesı jelet, a következı súlyvektort kell alkalmaznunk:

[

hT (ϑ ) = 1 e + j∆Φ L e + j ( N −1)∆Φ

]

ahol ∆Φ = ∆Rβ 0 = dβ 0 sin ϑ = d

2π

λ0

sin ϑ

Tudjuk, hogy a ϑ irányból beesı egységnyi amplitúdójú síkhullám önmagában a következı vett vektort okozná:

[

]

s T (ϑ ) = 1 e − j∆Φ L e − j ( N −1)∆Φ ,

ebbıl következıen h(ϑ ) = s ∗ (ϑ )

A kimeneti jel y (ϑ ) = z T h = hT z = z T s * (ϑ ) = s H (ϑ )z

ebbıl a vett jel átlagteljesítménye:

{

} {(

)(

) }= M {s (ϑ )zz s(ϑ )} = s (ϑ )M {zz }s(ϑ )

S (ϑ ) = M y (ϑ ) = M s H (ϑ )z z T s ∗ (ϑ ) 2

∗

H

H

H

H

mivel

{ }

R = M zz H

36


vagyis a környezet térbeli korrelációs mátrixa, ezért S(ϑ)-ra a következı kifejezés adódik: S (ϑ ) = s H (ϑ )Rs (ϑ )

A mátrix szorzást kifejtve:

S (ϑ ) =

N −1

q Re ∑ ( )

i = − N −1

i

i

− ji∆Φ

,

N − i ahol qi =   0

i
Megállapíthatjuk, hogy a teljesítmény irány szerinti megoszlása megkapható a környezet térbeli korrelációs mátrixának Fourier transzformáltjaként.

S (ϑ ) = F {R}

Ezt a fajta becslés Fourier, konvencionális vagy Bartlett elnevezés alatt ismert.

Láthatjuk, hogy újabb analógiák jöttek létre az iránymérés kapcsán. Célszerő ezért kiegészíteni korábbi táblázatunkat ezekkel.

Analógiák Idı-frekvencia

Távolság-szög

t idı

x távolság

f frekvencia

ϑ szög

T mintavételi idıköz

d mintavételi idıköz

f t mintavételi frekvencia

f s mintavételi frekvencia

H (ω ) szőrı

F (ϑ ) iránykarakterisztika

R(τ) korrelációs függvény

R korrelációs mátrix

S(ω) PSD

S(ϑ) PAD

37


Mivel

az

idı/frekvencia tartományban

az

spektrálbecslés,

a távolság/szög

tartományban a iránybecslés alapvetı jelentıséggel bír, ezért érdemes még mélyebben foglalkoznunk ezzel a problémával. Mindkét esetben sztochasztikus folyamatokkal van dolgunk. Az idı/frekvencia tartománybéli leírásmód jobban kezelhetı számunkra, hiszen a jelfeldolgozási feladatok nagy részében ebben a tartományban dolgozunk. A kötött kapcsolat az idı/frekvencia és a távolság/szög tartományok között (pl. körfrekvenciára nézve: ω ↔

2π

λ0

sin ϑ ) egyszerővé teszi az oda-vissza átjárást.

A könnyebb követhetıség miatt a mélyebb, részletekbe menı tárgyalást az idı/frekvencia leírásmódban végezzük.

Sztochasztikus folyamat spektruma Sztochasztikus folyamatok teljesítmény sőrőség spektrumát PSD (Power Spectral Density) a folyamat autokorrelációs függvényének Fourier-transzformáltja adja:

S (ω ) = F{R (τ )} =

+∞

∫ R(τ )e

− jωτ

dτ .

−∞

A csak τ -tól függı R(τ ) autokorrelációs függvény létezése szükséges feltétele az

S (ω ) létezésének, vagyis a folyamatnak legalább gyengén stacionernek kell lennie. Léteznek un. kvázistacioner folyamatok, melyek esetében, -szintén a Fouriertranszformációs definíciót hasznáva-, a teljesítmény sőrőség spektrum az idınek lassan változó függvénye lesz. Az x(t ) folyamat kvázistacioner, ha

  τ   τ  τ  τ R (t ,τ ) = R t + , t −  = E x t +  x∗  t −  2  2   2   2 

autókorrelációs függvény t-nek lassan változó függvénye. Egy másik definíció segítségével jobban rávilágíthatunk a kvázistacionaritás lényegére.

38


Az x(t ) folyamat α -függı, ha autokorrelációs függvényére igaz, hogy R (t ,τ ) = 0 , ha τ > α . Az α -függı x(t ) folyamat kvázistacioner, ha

R (t + µ ,τ ) ≅ R (t ,τ ) , ha µ < α .

A kvázistacioner folyamat spektruma:

Ψ (ω , t ) = Fτ {R (t ,τ )} =

+∞

∫ R (t ,τ )e

− jωτ

dτ

−∞

A valóságos folyamatok jelentıs része kvázistacioner az antenna forgása, valamint a céltárgy mozgása és a reflexiós képességének fluktuációja miatt.

PSD becslés véges megfigyelt intervallum alapján Tekintsük egy sztochasztikus folyamat valamely realizációjának véges megfigyelt intervallumát. Ezen rendelkezésre álló (mért) adatok alapján kívánunk minél jobb becslést adni a folyamat teljesítmény sőrőség spektrumára. A becslésünknek két problematikus része van: 1. a sztochasztikus folyamat egy realizációja alapján becslünk, 2. az adott realizációnak is csak véges intervallumát ismerjük.

Az egy realizáció alapján történı becslés megszorítást jelent az ily módon spekrálbecsülhetı folyamatokra vonatkozóan. Mivel az S (ω ) az R(τ ) közvetlen transzformáltja, ezért a gyengén stacioner sztochasztikus folyamatok csak azon részhalmaza jöhet számításba, amelyeknél legalább másodrendig az idıbeli, valamint a halmaz átlagok megegyeznek. Az ilyen folyamatokat másodrendően ergódikus folyamatoknak nevezzük. Másodrendően ergódikus folyamat esetében az R(τ ) teljes tartományon vett meghatározásához szükségünk van az x(t ) realizáció (− ∞, ∞ ) intervallumon való ismeretére. 39


+T

R (τ ) = lim

1 T → ∞ 2T

τ 



τ

∫ x t + 2  x t − 2 dt

−T

Konvencionális, nem adaptív spektrálbecslés A véges intervallum problémája ott jelentkezik, hogy az x(t ) folyamat ismert intervalluma alapján [− T , T ] kell R(τ ) -t becsülni. Kétféle idıátlaggal fogjuk ezt megtenni:

1. Unbiased becslés

1 R (τ ) = 2T − τ

+T − τ 2

∫τ

T

−T +

 τ  τ x t +  x∗  t − dt 2  2 2 

2. Biased

1 RT (τ ) = 2T

becslés +T − τ 2

∫τ

−T +

 τ  τ x t +  x∗  t − dt 2  2 2 

A két becslés a következı kapcsolatban áll egymással:

RT (τ ) = RT (τ )q2T (τ ) ahol a q2T (τ ) a [− 2T ,2T ] tartójú háromszög függvény. Az RT (τ ) esetében a variancia nagyobb, mivel ott a tényleges integrálási úttal normalizáljuk az integrált, míg az RT (τ ) esetében ez τ -tól függetlenül konstans: 2T. Ez azt eredményezi, hogy τ növekedtével egyre rövidebb intervallumon integrálunk, ami a variancia növekedését vonná maga után, -mint az meg is történik RT (τ ) esetében-, azonban az integrálási út csökkenését függetlenül hagyó 2T normalizálás lenyomja ezeket a tartományokat, így RT (τ ) varianciája sokkal kedvezıbb, mint

40


RT (τ ) -é. A variancia csökkenésnek az ára, hogy az R T ( τ ) biased becslés. Halmaz átlagolással tetszıleges mértékig csökkenthetı a variancia, azonban a biased megmarad:

{

}

E RT (τ ) = R(τ ) p2T (τ )

 τ   p2T (τ ) = R(τ )q2T (τ ) E{RT (τ )} = R(τ )1 − T 2   ahol a p2T (τ ) és q2T (τ ) a [− 2T ,2T ] tartójú impulzus és háromszög függvények. Mindkét esetben a becsült autokorrelációs függvény Fourier-transzformáltját tekintjük a PDS becslésnek.

{

}

+T

S (ω ) = F R (τ ) = ∫ RT (τ )e − jωτ dτ T

T

−T

+T

ST (ω ) = F{RT (τ )} = ∫ RT (τ )e − jωτ dτ −T

Vizsgáljuk meg RT (τ ) és RT (τ ) becsléseken alapuló PSD-ket, ehhez képezzük ezek halmazátlagát:

E S T (ω ) = F{R (τ ) p2T (τ )} = S (ω ) ∗

sin 2Tω

E{ST (ω )} = F{R (τ )q2T (τ )} = S (ω ) ∗

sin 2 Tω . πTω 2

{

}

πω

Láthatóan mindkét becslés eltér a valóságos S (ω ) -tól, azonban az átlaguk T → ∞ esetében S (ω ) -hoz tart: E{ST (ω )} T → S (ω ) →∞

és

{

}

E S T (ω ) T → S (ω ) . →∞

41


A két spektrálbecslés a következı kapcsolatban áll egymással:

ST (ω ) = S T (ω ) ∗

sin 2 Tω , πTω 2

mivel RT (τ ) = RT (τ )q2T (τ ) .

T-t elegendıen nagyra választva: S T (ω ) ≈ ST (ω ) . Gyakorlati szempontból nem kényelmes S T (ω ) használata, viszont ST (ω ) PSD becslésé igen, mivel ST (ω ) közvetlenül meghatározható az x(t ) folyamat ismert

[− T ,T ] intervalluma alapján: xT (t ) = x(t ) pT (t )

RT (τ ) =

1 xT (τ ) ∗ xT∗ (− τ ) 2T

1 2 1  1 ST (ω ) = F{RT (τ )} = F xT (τ ) ∗ xT (− τ ) = X T (ω )X T∗ (ω ) = X T (ω ) 2T  2T  2T

. Ez a becslés, -bizonyos megszorítások mellett-, alkalmas S (ω ) megfelelıen pontos meghatározására. Mint azt már korábban beláttuk, megfelelıen nagy T esetén

E{ST (ω )} ≅ S (ω ) , azonban ST (ω ) szórása meglehetısen nagy: var{ST (ω )} ≥ E 2 {ST (ω )}.

42


Mivel ST (ω ) túlságosan nagy szórású becslése S (ω ) -nak, ezért S (ω ) nem határozható meg megbízhatóan egy realizáció

[− T ,T ]

intervalluma alapján,

függetlenül attól, hogy az milyen hosszú. Ennek az az oka, hogy ha τ közelít 2T-hez úgy válik RT (τ ) egyre nagyobb szórású becslésévé R(τ ) -nak. Igaz ugyan, hogy RT (τ ) T → R(τ ) , ez azonban nem vonja maga után, hogy ST (ω ) T → S (ω ) , →∞ →∞

mivel az RT (τ ) T → R(τ ) konvergencia nem uniform. →∞ Az ST (ω ) spektrálbecslés variancia csökkentése érdekében simítanunk kell S (ω ) -át. A módszer kellemetlen velejárója, hogy romlik a spektrális felbontás.

Simított spektrum

Az

ST (ω ) spektrum varianciáját, -valamilyen szempontból optimális-,

ablakfüggvény

alkalmazásával

csökkenthetjük.

Általánosan

jellemzı

w(τ ) az

ablakfüggvényekre, hogy a [− 2T ,2T ] intervallumon értelmezett RT (τ ) -t a szélek felé lenyomja, így csökkentve annak a szélek felé növekvı variancia hatását. Az ablakfüggvénnyel S (ω ) -át becslı kifejezés a következıképp alakul:

SW (ω ) =

+2T

∫ R (τ )w(τ )e

− jωτ

T

dτ

− 2T

SW (ω ) = F{RT (τ )w(τ )} = F{RT (τ )}∗ F{w(τ )} =

E{SW (ω )} =

1 ST (ω ) ∗ W (ω ) 2π

1 1 sin 2 Tω E{ST (ω )}∗ W (ω ) = S (ω ) ∗ ∗ W (ω ) . πTω 2 2π 2π

A megbízható becsléshez 1/T-nek jóval kisebbnek kell lennie, mint a W (ω ) sávszélessége. Ez esetben ugyanis: sin 2 Tω ∗ W (ω ) ≈ W (ω ) , πTω 2

43


E{SW (ω )} ≈

1 S (ω ) ∗ W (ω ) . 2π

Az így elıálló becslés varianciája:

var{SW (ω )} ≈

Ew 2 S (ω ) 2T

ω ≠ 0,

ahol E w az ablakfüggvény energiája:

2T

1 Ew = ∫ w (t )dt = 2π − 2T 2

∞

∫ W (ω )

2

dω .

−∞

Ugyanezen becsléshez tartozó bias:

ε = E{S w (ω )} − S (ω ) Kis bias-hoz kis sávszélességő ablakfüggvényt kell választani, ugyanakkor a variancia csökkentése érdekében Ew -nek az ablakfüggvény energiájának is kicsinek kell lennie. Ha T-t elegendıen nagyra választjuk, akkor mindkét feltétel teljesíthetı.

Ablakfüggvény választás Az ablakfüggvény bevezetésének célja ST (ω ) becsült spektrum szórásának a csökkentése.

Egy

adott

ablakfüggvénnyel

megvalósított

becslés

jóságát

jellemezhetjük a normalizált szórással:

Ew 2 var{S w (ω )} 2T S (ω ) Ew β= ≈ = . S 2 (ω ) S 2 (ω ) 2T Jó becslés esetén β << 1 . Ez akkor teljesül, ha w(t ) energiája kicsi 2T-hez képest:

Ew ≈ 2Tβ << 2T .

44


Ez a követelmény kielégíthetı a következı w(t ) -re vonatkozó megkötésekkel: • w(t ) szignifikáns értékeit [− M , M ] intervallumban veszi fel, ahol M << 2T , •

w(t ) ≤ 1 ,

• w(t ) ≡ 0 [− 2T ,2T ] intervallumon kívül, •

[− 2T ,2T ]

intervallumon belül, de

[− M , M ]

intervallumon kívül, vagyis ha

T ≥ t > M az ablakfüggvény elenyészik w(t ) ≈ 0 .

Ekkor Ew ≤ 2 M , amibıl a normalizált szórás: β ≤

M . T

Az M megfelelıen kicsi megválasztásával teljesül a kis varianciára vonatkozó kívánságunk. Ugyanakkor M csökkentése a bias növekedését vonja maga után. Ezért az M és a hozzátartozó w(t ) ablakfüggvény megválasztása optimumkeresési feladat. Elıre megválasztott M esetében w(t ) -t úgy keressük, hogy az minimalizálja a biast:

 1 b = min  W ( y ) 2π 

∞



∫ S (ω − y )W ( y )dy − S (ω ) .

−∞

Mint a fentiekbıl látható w(t ) megválasztása kompromisszum az alkalmazás szempontjából még elviselhetı variancia és bias között. Ebbıl következik, hogy nincs általánosan optimális ablakfüggvény, mindig az adott alkalmazás dönti el, hogy melyik ablakfüggvény a legjobb.

Néhány általános összefoglaló megállapítás • az x(t ) folyamat [− T , T ] ismert intervalluma alapján, T bármilyen nagy is, nem lehetséges S (ω ) pontos meghatározása. • Megfelelı ablakfüggvény alkalmazásával megkaphatjuk S (ω ) kissé ´elkent´ változatát, ami viszont megbízhatóan közelíti a tényleges S (ω ) -át. • Ha S (ω ) folytonos ω1 -ben, akkor T megfelelıen nagyra választásával S (ω1 ) tetszıleges pontossággal megközelíthetı.

45


• Ha S (ω ) -ban van diszkrét frekvenciájú szinuszos jel, vagyis vonalas a spektrum, akkor az nem határozható meg közvetlenül. Ilyen esetben a

[− T ,T ]

ablak

nyuzsorításával érhetı el a diszkrét frekvenciás jel pontos meghatározása. • A bias mértéke nem csak a W (ω ) ablakfüggvénytıl függ, hanem a becsülendı

S (ω ) spektrumtól is, következésképp nem létezik a becsülendı spektrumtól elvonatkoztatott optimális W (ω ) . Ez utóbbi megállapítás már elırevetíti az adaptív spektrálbecslés gondolatát.

Numerikus módszerek a fent vázolt spektrálbecslés megvalósítására Ismert az x(t ) folyamat T hosszúságú szegmense: xT (t ) = x(t ) pT (t ) , amely alapján becsüljük S(ω ) teljesítmény sőrőség spektrumot. A következı három módszer az eredményeiket illetıen ekvivalens, viszont azt különbözı számítási utakon, ennélfogva számítási igénnyel határozzák meg. 1. A mérési eredményekbıl meghatározzuk RT (τ ) -t:

RT (τ ) =

1 xT (τ ) ∗ xT (− τ ) 2T

RT (τ ) -ra alkalmazzuk w(τ ) ablakfüggvényt: Rw (τ ) = RT (τ )w(τ )

Képezzük

az

így

létrejött

súlyozott

autokorrelácós

függvény

Fourier-

transzformáltját: S w (ω ) = F{Rw (τ )}

2. Vesszük a mérési eredmények Fourier-transzformáltját:

X T (ω ) = F{xT (t )} Az így megkapott amplitúdó sőrőség spektrumból meghatározzuk a teljesítmény sőrőség

spektrumot:

46


ST (ω ) =

1 2 X T (ω ) 2T

Majd a kapott spektrumot simítjuk az ablakfüggvény Fourier-transzformáltjával:

SW (ω ) =

1 ST (ω ) ∗ W (ω ) 2π

3. Vesszük a mérési eredmények Fourier-transzformáltját:

X T (ω ) = F{xT (t )} Az így megkapott amplitúdó sőrőség spektrumból meghatározzuk a teljesítmény sőrőség spektrumot: ST (ω ) =

1 2 X T (ω ) 2T

Vesszük az ST (ω ) inverz Fourier-transzformáltját: RT (τ ) = F−1{ST (ω )}

RT (τ ) -ra alkalmazzuk w(τ ) ablakfüggvényt: Rw (τ ) = RT (τ )w(τ )

Képezzük

az

így

létrejött

súlyozott

autokorrelácós

függvény

Fourier-

transzformáltját: S w (ω ) = F{Rw (τ )}

A 3. módszer bár több lépést foglal magában, mégis kevesebb mővelettel megvalósítható, mert elkerüli a számításigényes konvolúciót. Az oda-vissza Fouriertranszformációk

viszonylag

kis

számításigényőek,

ha

az

FFT

algoritmust

alkalmazzuk.

47


2. FEJEZET (SZERZİ: HORVÁTH MÁRK)

2006. július hónapban kialakítottuk az elemi antenna modelljét ill. az azokból felépülı antenna rendszer modellje kb. 50%-os készültségben van.

Elvégeztük a digitális nyalábformálás módszereinek általános elméletének tanulmányozását. Demonstrációs programot fejlesztünk a DBF bemutatására. A program készültségi foka kb. 60%.

Folytattuk

a

kisérleti

4

elemő

digitális

nyalábformálású

(DBF)

adó

antennarendszer realizációjának az elıkészítését. A DBF legkritikusabb elemével a vezérelt fázistoló realizációs lehetıségeit vizsgáltuk meg.

2006. augusztus hónapban kialakítottuk az elemi antenna modelljét ill. az azokból felépülı antenna rendszer modellje kb. 80%-os készültségben van.

Elvégeztük a digitális nyalábformálás módszereinek általános elméletének tanulmányozását. Az elméleti alapok jegyzetszerően írásban leírásra kerültek. A vizsgált 1D modellünk:

1.

2. z1

h1

3.

N.

z2 h2

z3 h3

zN hN

Σ y Demonstrációs programot fejlesztünk a DBF bemutatására. A program készültségi foka kb. 90%.

48


Megkezdtük a kísérleti 4 elemő digitális nyalábformálású (DBF) adó antennarendszer realizációjának az elıkészítését.

49


Elvégeztük a két alapvetı fázistolási lehetıség (QAM és vezérelt késleltetı vonal) elméleti összehasonlítását. Vizsgáljuk a két típus realizációs lehetıségeit.

Publikációt készítettünk elı és adtunk be a Kommunikáció 2006. nemzetközi konferenciára.

Kidolgoztuk az antennarendszer elemei között fellépı kölcsönös impedancia vizsgálati modelljét, valamint a vonatkozó mérési eljárást. A modellezést és a mérést egy egyszerően felépíthetı 900MHz-es rendszerre végeztük el.

50


a vizsgált 4 elemő antennarendszer (900MHz)

-8 -10 -12 -14

[dB]

-16

-17

-18 -20

-20

Measured value Calculated value

-22 -24

-25

-26 -28 -30 -32 0,00 0,20 0,40 0,60

0,80 1,00 1,20

distance [m] A csatolás függése a távolságtól (számítás és mérés)

51


Elvégeztük az Interferencia szőrés módszereinek általános tanulmányozását. Az elméleti alapok jegyzetszerően írásban leírásra kerültek. Modellünkben a vevıantenna célja a számunkra hasznos vételi jel minél nagyobb erısítése és a vétel minıségét zavaró interferenciák és a zaj elnyomása.

 S  Max   h I + N 

Keressük azt a h súlyvektort, amely esetében a jel/(interferencia+zaj) viszony maximális.

Az optimalizáció megoldásához tekintsük a következı modellt:

Modell

1.

2. z1

h1

3.

N.

z2 h2

z3 h3

zN hN

Σ y

Az EM környezetre jellemzı vett jel: z =s+n Ahol s a venni kívánt hasznos jel, n pedig a zaj és az interferencia együttesen.

52


A szélsıérték feladat megoldása levezetés nélkül:

h opt = µR n−1s∗

A maximális jel/(interferencia+zaj):

S I+N

= s H R n−1s max

Ahol az R n térbeli korrelációs mátrix, melynek szemléltetésére N=4 esetére tekintsük a következı ábrát:

Software szimuláció Az adaptív iránykarakterisztika MSINR módszerének mélyebb megértéséhez, vizsgálatához és szemléltetéséhez analízis program került kifejlesztésre.

53


Konkrét futási példa:

S jel

0dBm, −45 o

1. interferencia

0dBm, +10o

2. interferencia

0dBm, +46o

Irányfüggetlen zaj

-50dBm

Antenna elemszáma

8

Jól megfigyelhetı, hogy az adaptált iránykarakterisztika nullhelyeket hoz létre a zavaró jelek irányában, ami elég kézenfekvı megoldás. Hangsúlyozzuk azonban, hogy az algoritmus az interferencia irányokat nem ismeri, csak a jelzaj viszonyt maximalizálja. Adaptáció nélkül csak a jelre optimalizált iránykarakterisztikát a következı ábra mutatja.

54


Az interferenciákat a melléknyalábokon keresztül veszi az antenna, ezáltal megnı a zajszint, 44dB-lel romlik a jel-zaj viszony.

Demonstrációs programot fejlesztünk a DBF bemutatására. A program szeptemberben elkészült.

55


Folytattuk

a

kísérleti 4

elemő digitális

nyalábformálású

(DBF) adó

antennarendszer realizációjának az elıkészítését.

Elfogadták az Aspects of Direction Estimation in Mobile Communication Systems címmel beadott publikációnkat a Kommunikáció 2006. nemzetközi konferenciára.

Két TDK dolgozatot készítünk elı digitális nyalábformálás témakörben: Dudás Levente: Intelligens antenna, hardware realizáció Drozdy Árpád: Intelligens antenna, szoftver vezérlés

56

Megtartottuk az Aspects of Direction Estimation in Mobile Communication Systems címmel beadott publikációnkat a Kommunikáció 2006. nemzetközi konferencián.

Folytattuk az antennarendszer elemei között fellépı kölcsönös impedancia térelméleti modell továbbfejlesztését.

Megkezdtük az iránymérési módszerek általános tanulmányozását.

Megkezdtük a DBF jelfeldolgozó egység kifejlesztését.

Két kapcsolódó, digitális nyalábformálással foglalkozó TDK dolgozatot került elıadásra. Dudás Levente: X-sávú intelligens antenna, hardware realizáció Drozdy Árpád: X-sávú intelligens antenna, szoftver vezérlés Dudás Levente elsı helyezést ért el és rektori különdíjban is részesült. Drozdy Árpád dolgozata harmadik helyezett lett.

Folytattuk az iránymérési módszerek általános tanulmányozását.

Folytattuk a DBF jelfeldolgozó egység kifejlesztését.

Továbbfejlesztettük az antennarendszerek szimulációját és

a kölcsönös

impedancia

egy

elméleti modelljét.

A

konkrét

számításokat

korábbi

fejlesztésünkbıl rendelkezésre álló C sávú antennarendszerre végeztük el.


Freq [GHz] 4

4,1

4,2

4,3

4,4

4,5

4,6

4,7

4,8

4,9

5

-20

-25

S12 [dB]

-30

-35

-40

delx

-45

dely -50

kölcsönös impedancia

Sávszélesség-iránykarakterisztika kapcsolat elméleti vizsgálata Számításaink szerint oldalsugárzó esetében 5%-ot nem meghaladó relatív sávszélesség nem okoz gyakorlati szempontból lényeges iránykarakterisztika torzítást.

Orrsugárzó

Vizsgálatainkból

esetében

világossá

vált,

azonban hogy

a

alapvetıen

más

sávszélesség

a

helyzet.

hatása

nagy

jelentıséggel bír és kidolgozása lényegesen nagyobb feladat annál, mint amit

58


megelızıen gondoltunk. Elméleti vizsgálatainkat ezért nagyobb erıvel folytatjuk ezen a területen.

Antennás jelfeldolgozás A Bartlett, Capon (MSINR), és MEM iránybecslı algoritmusokat vizsgáltuk meg. Összehasonlító eredmények:

Módszer

Bartlett, Capon, MEM

S1 jel

50dB, 0 o

S2. jel

50dB, 15o

S3. jel

50dB, 30 o

S4. jel

50dB, 45o

S5. jel

50dB, 60 o


0dB

Antenna

6

elemszáma

59


Megvizsgáltuk a kölcsönös impedancia hatását az iránymérésre. Ez a hatás az iránybecslés során kompenzálható, amennyiben ismert a kölcsönös impedancia mátrix. A kölcsönös impedancia elméleti meghatározására ill. mérésére a 3. és 4. negyedévben kidolgoztuk a megfelelı pontosságú eljárásokat.

Kifejlesztettük a DBF jelfeldolgozó és vezérlı egységet. A kifejlesztett egység elemei:

Vezérlı és jelfeldolgozó kártyák

60


Tápegység

Egybeépített, dobozolt egység

Az egységen futó szoftvereket is kifejlesztettük. DBF jelfeldolgozó és vezérlı egység mőködését méréssel igazoltuk.

Sávszélesség-iránykarakterisztika kapcsolat elméleti vizsgálata Az iránymérésre gyakorolt hatást vizsgáltuk meg. A sávszélesség az antenna elektromos

méretének

nyuzsorodását

okozza.

Így

a

sávszélesség

növekedtével várhatóan romlani fog a felbontás. A Bartlett becslésnél a változás nem jelentıs, ezért ezt külön nem is ábrázolom. A Capon és MEM módszereknél a jelenség jól megfigyelhetı, azonban zavaró hatása még viszonylag nagy, 10%-os relatív sávszélesség esetén sem jelentıs.

Módszer

Capon, MEM

S1 jel

50dB, −5o

61


S2. jel

50dB, +5o


0dB

Antenna elemszáma

3

Relatív sávszélesség

0, 5, 10%

Antennás jelfeldolgozás Korrelált rádióforrások mérési problémájának a vizsgálata A jelek korreláltsága a térbeli autókorrelációs mátrix nem megfelelı becslését eredményezi, ami aztán az alkalmazott módszertıl függıen rontja a becslés 62


felbontását, esetleg hibát is okozhat. Ezidáig a Capon és a Bartlett becsléseket vizsgáltuk meg. A Bartlett becslésnél ez nem jelent számottevı romlást. A Capon becslés esetében a grafikonon látható a korreláció és a jelszint felbontásra gyakorolt hatása

Módszer

Capon

S1 jel

50dB, −5o

S2. jel

50dB, +5o


0dB

Antenna elemszáma

3

Korreláltság

0, 90, 95, 99, 100%

Hardver fejlesztés A DBF RF egység rendszertervének elkészítése folyamatban van. Készültségi foka kb.40%.

Sávszélesség-iránykarakterisztika kapcsolat elméleti vizsgálata:

63


3. FEJEZET (SZERZİ: KOVÁCS PÉTER)

DBF jelfeldolgozó és vezérlı egység fejlesztése:

A 16 elemő DBF RF vezérlıegység rendszerterve:

64

A PIC programok folyamatábrái

A PC-s kommunikációt kezelı PIC programjának folyamatábrája:

Ha új adat érkezett a PC-tıl, akkor ezeket megfelelıen rendezi és 8 bites párhuzamos vonalon elküldi a D/A átalakítókat vezérlı PIC-eknek, és visszaellenırzi azokat. Ha nincsen új adat, akkor megvizsgálja, hogy az egyes adócsatornák túlmelegedtek-e, ha igen, akkor lekapcsolja azokat.

A D/A átalakítókat vezérlı PIC programjának folyamatábrája:


Ha újadat érkezett a 8 bites vonalon, akkor azokat megfelelıen rendezve elküldi a D/A átalakítóknak, valamint kikapcsolja az adott adócsatornát, ha erre utasítást kap.

66

A PC-n futó vezérlı szoftver:

A PC-n futó vezérlı program a megadott amplitúdó-, fáziseloszlás, fı sugárzási irány, antennaelemek száma, ezek egymáshoz képesti távolsága alapján, izotrop antennákat feltételezve kiszámítja a várt iránykarakterisztikát (analízis), valamint letölti a szükséges paramétereket a digitális vezérlı egységbe (I és Q vezérlı feszültségek csatornánként). A DBF jelfeldolgozó és vezérlı egységre kidolgozott mérési eljárás elve Az RF adócsatornák átvitele a vezérlı I és Q jelek függvényében nemlineáris, emiatt szükséges minden adócsatorna automatizált mérése, ezen adatok eltárolása, valamint ezekkel való korrekció az egyes letöltendı I és Q értékek esetén. Az átvitel mérése egy HP hálózat analizátorral történik, minden adócsatornánál, minden vezérlı feszültség kombináció esetén, az adott frekvencia sávban a megkívánt felbontással (4 csatorna esetén, a teljes I és Q tartományban egy frekvencián 4096*4096*4=67millió mérési pont) Ehhez a PC-n futó vezérlı szoftver (még fejlesztés alatt):


L-sávú (1,91 GHz) DBF (Digital Beam Forming) RF hardverének kifejlesztése

A hardver elkészítéséhez nélkülözhetetlen a kimeneti csatornák fázisainak vezérlése a 0 .. 360 fok tartományban, továbbá a kimenı jel teljesítményének vezérlése legalább a 0 .. –10 dB tartományban. Az elmúlt idıszakban körültekintıen megvizsgálva a piacon fellelhetı alkatrészeket, arra a megállapításra kellett jutnom, hogy ebben a sávban nem beszerezhetı az idıbeli késleltetést realizáló fázistoló, mely igen szélessávú megoldást biztosítana. Egy alternatívnak tekinthetı – bár keskenyebb sávú megoldás az I/Q modulátor alkalmazása. Jelen hardver I/Q modulátorral fog mőködni, mely kielégíti az alkalmazás sávszélesség igényét.

68


Elkészült a részegység blokkvázlata:

69


Az DBF egység elızetes nyomtatott áramköri terve:

Az antennák paramétereire végzett szimulációs eredmények:

70


Microstrip antenna

Az antenna bemeneti reflexió

Jelenleg az UMTS DBF kísérleti modell rendszerintegrációja történik. Automatizált mérési eljárást dolgoztuk ki és végeztünk el a DBF antenna RF egységének kalibrálására. Az itt bemutatott programok Labview-ben írtuk. A számítógépen futó vezérlı program feladata bekérdezni a felhasználótól a kívánt iránykarakterisztikát, ezt az ideális iránykarakterisztikát kirajzolja és vezérli a soros porton kersztül az antennát. 71


A vezérlı program

A

vezérlı

program

elıre

megadott

táblázatokat felhasználva

képes

kompenzálni a hardver hibáit. A vezérlı program a kívánt irány-karakterisztika megadása után megvizsgálja, hogy melyik csatornán mekkora maximális amplitúdó realizálható. A kimenı fázisokat úgy változtatja, hogy a kimenı jelszint maximális legyen.

Az automatizált mérıprogram 72


Az adatbázis feldolgozó program

Az elkészült RF egység és a négyelemő antenna-sor realizációja

A mérési eredmények a DBF rendszer pontos behangolása és a szoftverek visszapontosítása után a következıképpen alakultak. A négy elemő antennasor

iránykarakterisztikáját

árnyékolt

mérıszobában

megmértük. 73


Méréseink során azt tapasztaltuk, hogy a irány-karakterisztika látványosan jobb lett a kompenzáció hatására.

Azonos amplitúdójú táplálás esetén az iránykarakterisztika, kompenzált (balra) és kompenzálatlan (jobbra) esetben

74


A DBF kísérleti rendszerünket a 2007 március 27-i MIK Workshopon bemutattuk.

2007. április hónapban: A 4 elemő digitális nyalábformálású X és UMTS sávú adó modulok rendszerterve és az elkészült egység képei:

75


Az adóegység paraméterei: •

Mőködési frekvencia tartomány: 1.91GHz és 9..10GHz

•

4 különálló adócsatorna(16-ig bıvíthetı)

•

Digitális amplitúdó- és fázis vezérlés.

•

0,1 fokos fázisraszter (0..360o).

•

0,01 dB-es amplitúdóraszter (max. csillapítás 30dB).

76


Az X sávú egység irány-karakterisztikamérés közben

Antenna irány-karakterisztika kalibrációs módszer továbbfejlesztése és kivitelezése 4 elemő kísérleti DBF modellre: A már korábban elkészült vezérlıszoftver bekérdezi a felhasználótól a kívánt iránykarakterisztikát:

amplitúdók

és

fázisok,

vagy

nullhelyek

alapján.

Szimulálja az iránykarakterisztikát, hardver hibáit kompenzálja, kiszámítja az Ik

gerjesztési

vektorokat,

vezérli

az

antennát.

A

hardver

hibáinak

kompenzálása során a legnagyobb gondot a vezérelt csillapító és fázistoló pontatlansága

okozza.

Az

elıre

kimért

karakterisztikát

szoftveresen

kompenzálni kell. A módszer csak a rendszeres hibákat tudja kompenzálni. A véletlen hibákat és a hımérsékletingadozásból adódó hibát, nem képes kiküszöbölni. jelentékeny

A

hımérsékletingadozás,

karakterisztika

romlást.

A

méréseink megfelelı

alapján

nem

okoz

irány-karakterisztika

kompenzációhoz sok mérési pontra van szükség, melyhez automatizálni kell a 77


mérést. A korábban elkészült vezérlı és mérésautomatizáló program segítségével a következı eredményeket kaptuk: A mérést a V2 épület antenna laborjában végeztük:

Az UMTS sávú egység iránykarakterisztika mérés közben

78


UMTS

sávú

antenna

amplitúdó

karakterisztikája,

mely

erısen

I/Q

beállításfüggı, erıteljes kompenzációt igényel. A fázis karakterisztika megfelelı.

A kalibráció hatása az iránykarakterisztikára 1,9 és 9 GHz-en:

Kalibráció nélkül (9,5 GHz)

Kalibrációval (9,5 GHz)

79


Kalibráció nélkül (1,91 GHz)

Kalibrációval (1,91 GHz)

80


Elkészítettük a 4 elemő kísérleti vételi irányú antennarendszer (4RAA) rendszertervét.

A 4RAA vezérlıprogramjának fejlesztése Labview alatt. Szimulációs program készítése a 4RAA vizsgálatára.

81


Hardware

Four IQ receiver units 16 channels

Software

sampled signals of the antennas Zi

Correlation matrix production RM

Real electromagnetic environment

Direction estimation method

Spatial spectrum display & store

Zi

Simulation data Options: - source direction - source power - sample number - noise power

82


DBF karakterisztikák mérése a 4 elemő kísérleti DBF modellel: UMTS sávú antennasor iránykarakterisztikájának mérése A mérésnél használt antennák a következık:

az 1,9 MHz-es sávra méretezett patch antennák

az adóegység, az összekötı koaxiális kábelek

83


a szélessávú vevıantenna Ebben a mérésben a kalibrációt I-ben és Q-ban egyaránt 31 pontra végezetük. A patch antennák távolsága 0,8 hullámhossz, bemeneti impedanciájuk 50Ω . A vezérlı programmal 0,5 – 1 – 1 – 0,5 amplitúdó eloszlást állítottunk be, ekkor kaptuk a következı iránykarakterisztikákat.

84


Jól megfigyelhetı az elemi sugárzó iránykarakterisztikájának (aszimmetria) és a kompenzációnak a hatása (határozott null-helyek, jobb nyalábstruktúra). Analyzed Radiation Pattern of Linear Antenna Array

90

0 -2 -4 -6 -8 -10 -12 -14 -16 -18 -20 -22 -24 -26 -28 -30 -32 -34

180

270

Analizált iránykarakterisztika Radiation Pattern

90

180

0 -2 -4 -6 -8 -10 -12 -14 -16 -18 -20 -22 -24 -26 -28 -30 -32 -34

270

Mért, de nem kompenzált

85

Adaptív antennarendszerek elmélete II 2007/30510/52 sz., 2007/30510/53 sz., 2007/30510/54 sz. szerzıdés mellékleteke Készítette: Farkasvölgyi Andrea, Horváth Márk, Kovács Péter, BME-HVT, 2007. április 30. Radiation Pattern

90

180

0 -2 -4 -6 -8 -10 -12 -14 -16 -18 -20 -22 -24 -26 -28 -30 -32 -34

270

Kompenzált iránykarakterisztika

Konstans eloszlást beállítva kaptuk a következı eredményeket. Látszik az elemi antenna, illetve a kompenzáció hatása. Analyzed Radiation Pattern of Linear Antenna Array

90

180

0 -2 -4 -6 -8 -10 -12 -14 -16 -18 -20 -22 -24 -26 -28 -30 -32 -34

270

Analizált iránykarakterisztika

86


90

180

0 -2 -4 -6 -8 -10 -12 -14 -16 -18 -20 -22 -24 -26 -28 -30 -32 -34

270

Mért, de nem kompenzált Radiation Pattern

90

180

0 -2 -4 -6 -8 -10 -12 -14 -16 -18 -20 -22 -24 -26 -28 -30 -32 -34

270

Kompenzált iránykarakterisztika 150 fokra beállítva a fı sugárzási irányt (progresszív fázistolás) a következıket kaptuk:

87

Adaptív antennarendszerek elmélete II 2007/30510/52 sz., 2007/30510/53 sz., 2007/30510/54 sz. szerzıdés mellékleteke Készítette: Farkasvölgyi Andrea, Horváth Márk, Kovács Péter, BME-HVT, 2007. április 30. Analyzed Radiation Pattern of Linear Antenna Array

90

180

0 -2 -4 -6 -8 -10 -12 -14 -16 -18 -20 -22 -24 -26 -28 -30 -32 -34

270


90

180

0 -2 -4 -6 -8 -10 -12 -14 -16 -18 -20 -22 -24 -26 -28 -30 -32 -34

270


88


90

180

0 -2 -4 -6 -8 -10 -12 -14 -16 -18 -20 -22 -24 -26 -28 -30 -32 -34

270


89


Hasonlóan az elızıekhez a 195 fokos fı sugárzási irány esetén: Analyzed Radiation Pattern of Linear Antenna Array

90

180

0 -2 -4 -6 -8 -10 -12 -14 -16 -18 -20 -22 -24 -26 -28 -30 -32 -34

270


90

180

0 -2 -4 -6 -8 -10 -12 -14 -16 -18 -20 -22 -24 -26 -28 -30 -32 -34

270


90


90

180

0 -2 -4 -6 -8 -10 -12 -14 -16 -18 -20 -22 -24 -26 -28 -30 -32 -34

270


Az antennákat kicseréltük körsugárzókra (ground-plane antennák), és a távolságukat fél hullámhossznyira változtattuk. Mivel a GP antennák függıleges polarizációjúak, emiatt a vevıantenna polarizációját is ennek megfelelıen kellett megváltoztatni.

adóantenna sor

91


vevıantenna

Konstans amplitúdó eloszlás: Analyzed Radiation Pattern of Linear Antenna Array

90

180

0 -2 -4 -6 -8 -10 -12 -14 -16 -18 -20 -22 -24 -26 -28 -30 -32 -34

270

Analizált iránykarakterisztika

92


90

180

0 -2 -4 -6 -8 -10 -12 -14 -16 -18 -20 -22 -24 -26 -28 -30 -32 -34

270


90

180

0 -2 -4 -6 -8 -10 -12 -14 -16 -18 -20 -22 -24 -26 -28 -30 -32 -34

270


Konstans amplitúdó eloszlás esetén progresszív fázistolás beállításával a fınyaláb irányát 225 fokra változtattuk:

93

Adaptív antennarendszerek elmélete II 2007/30510/52 sz., 2007/30510/53 sz., 2007/30510/54 sz. szerzıdés mellékleteke Készítette: Farkasvölgyi Andrea, Horváth Márk, Kovács Péter, BME-HVT, 2007. április 30. Analyzed Radiation Pattern of Linear Antenna Array

90

0 -2 -4 -6 -8 -10 -12 -14 -16 -18 -20 -22 -24 -26 -28 -30 -32 -34

180

270


90

180

0 -2 -4 -6 -8 -10 -12 -14 -16 -18 -20 -22 -24 -26 -28 -30 -32 -34

270


90

180

0 -2 -4 -6 -8 -10 -12 -14 -16 -18 -20 -22 -24 -26 -28 -30 -32 -34

270

Kompenzált iránykarakterisztika 94


Látható, hogy jellegre a karakterisztikák a várt eredményt mutatják (fınyaláb és melléknyalábok iránya illetve szélessége), azonban az is látható, hogy a 31⋅ 31 pontbeli kalibráció nem elégséges az antennarendszer számára. A

várakozással ellentétben több kisebb melléknyaláb és nullhely is kialakult, amelyek csak a nagyobb felbontású kalibráció segítségével kezelhetık megfelelıen.

95


Publikációk: •

L. Dudás, P. Kovács, A. Drozdy, R. Seller: Smart AntennaPhase Controlled Linear Antenna Array; AARMS 2007/06 (megjelenés alatt)

•

Magyar András, Korrelált források hatása, korrelációromboló algoritmusok vizsgálata és a véges sávszélesség hatása az antenna

iránykarakterisztikára

adaptív

antennarendszerek

esetén,Magyar András, HTE Konferencia 2007 •

Á.Drozdy:

X-sávú

digitális

nyalábformáló

szoftvere,

méréstechnikája és kalibrációja; HTE Konferencia 2007 •

L. Dudás: Digitális nyalábformálású antenna, HTE Konferencia 2007.

•

Levente DUDÁS, Péter KOVÁCS, Rudolf SELLER: Digital Beamforming

Radioelektronika

2007.

17th

International

Conference 2007, Brno •

Levente DUDÁS, Péter KOVÁCS, Árpád DROZDY, Rudolf SELLER: Digital Beamformer Antenna System 16th IST Mobile& Wireless Communications Summit Budapest, 2007.

•

Levente DUDÁS, Péter KOVÁCS, Rudolf SELLER: Smart antennas13th. ICAMES 2007. Istanbul TURKEY

•

Lajos Nagy, „Omnidirectional antenna design for the C band” Microcoll 2007, 14-16 May 2007, Budapest, Hungary

•

Ákos Németh, László Szücs, Lajos Nagy, „Compact MIMO antenna design” Microcoll 2007, 14-16 May 2007, Budapest, Hungary

•

Andrea Farkasvölgyi, Ákos Németh, Gyula Mikó, Lajos Nagy,“ Receiving diversity measurements in indoor scenario”, Microcoll 2007, 14-16 May 2007, Budapest, Hungary

•

Andrea Farkasvölgyi, Ákos Németh, Gyula Mikó, Lajos Nagy, „Narrowband receiving diversity characterisation of indoor scenario”, 16th IST Mobile & Wireless Communications Summit, Budapest, Hungary, 1-5 July, 2007

96


•

Ákos Németh, László Szücs, Lajos Nagy, „MIMO Cube Formed of Slot Dipoles”, 16th IST Mobile & Wireless Communications Summit, Budapest, Hungary, 1-5 July, 2007

•

Lajos Nagy, „Short Range Device (SRD) propagation modeling for

Indoor

environment”,

16th

IST

Mobile

&

Wireless

Communications Summit, Budapest, Hungary, 1-5 July, 2007 •

Nagy Lajos, „Determinisztikus beltéri hullámterjedési modellek”, Híradástechnika, 2007/03, pp. 2-12

97


Projekt megbeszélés emlékeztetıje

2006 július 3. Résztvevık: Seller R., Mikó Gy., Magyar A., Kovács P. Témák:

Az

elemi

antennára

és

az

antennarendszerre

vonatkozı

követelmények kialakítása. Modellezhetıség vizsgálata.

DBF elméleti vizsgálatának megfogalmazása. Szimulációs környezet megbeszélése.

a kisérleti 4 elemő digitális nyalábformálású (DBF) adó általános rendszerfelépítésének definiálása.

2006 július 24. Résztvevık: Seller R., Mikó Gy., Magyar A., Kovács P., Mirk Zoltán (Bonn Kft.) Témák:

A mikrosztrip elemi antenna szimulációs eredményeinek értékelése. Az antennarendszerben fellépı problémák tárgyalása.

A

DBF

analízis

program

elsı

verziójának

megtekintése,

továbbfejlesztésének a megbeszélése.

A

digitálisan

vezérelt

fázistoló

realizációs

lehetıségeinek

és

problémáinak az áttekintése.

2006 augusztus 8. Résztvevık: Seller R., Mikó Gy., Magyar A., Kovács P., Dudás Levente Témák:

DBF elméleti vizsgálatának tapasztalatainak megbeszélése.

DBF analízis szoftver fejlesztésének az áttekintése

Konferencia publikáció elıkészítése

2006 augusztus 22. Résztvevık: Seller R., Mikó Gy., Magyar A., Kovács P., Dudás Levente

Elemi antenna vizsgálata realizációs szempontból

Fázistolás különbözı elveinek az áttekintı összefoglalása 98


a kisérleti 4 elemő digitális nyalábformálású (DBF) adó általános rendszerfelépítésének definiálása.

Konferencia publikáció véglegesítése

2006 szeptember 5. Résztvevık: Seller R., Magyar A., Kovács P., Dudás Levente

a kisérleti 4 elemő digitális nyalábformálású (DBF) adó kísérleti modelljének tervezése

DBF analízis szofver továbbfejlesztésének megbeszélése.

Digitális

és

analóg

fázistolók

összehasonlítása

alkalmazásunk

szempontjából

2006 szeptember 14. Résztvevık: Seller R., Drozdy Árpád Kovács P., Dudás Levente

a kisérleti 4 elemő digitális nyalábformálású (DBF) adó kísérleti modelljének tervezése

DBF analízis szofver véglegesítése

Interferenciaszőrés szoftver demonstrációjának megbeszélése

2006 szeptember 21. Résztvevık: Seller R., Németh Ákos

Kölcsönös impedancia elméleti vizsgálatának áttekintése

Kölcsönös impedancia mérési eredményeinek összevetése az elméleti eredményekkel

2006. szeptember 28. Résztvevık: Seller R., Magyar András

Interferenciaszőrés demonstrációs szoftver vizsgálata

2006. október 12. Résztvevık: Seller R., Németh Ákos

Kölcsönös impedancia modell továbbfejlesztési lehetıségeinek az áttekintése 99


2006. október 19. Résztvevık: Seller R., Dudás Levente, Drozdy Árpád

DBF vezérlı-jelfeldolgozó egység rendszertervének elıkészítése

Vezérlı LabView program követelményeinek az áttekintése

2006. október 26. Résztvevık: Seller R., Magyar András

Iránymérési módszerek elızetes áttekintése

2006. november 9. Résztvevık: Seller R., Magyar András

Iránymérési módszerek érzékenységének a megbeszélése

2006. november 16. Résztvevık: Seller R., Dudás Levente

DBF vezérlı-jelfeldolgozó egység hardver terveinek az áttekintése

2006. november 30. Résztvevık: Seller R., Dudás Levente, Drozdy Árpád

DBF vezérlı-jelfeldolgozó egység hardver terveinek a véglegesítése

2006. december 1. Résztvevık: Seller R., Magyar András

Iránymérési módszerek jellemzıinek a megbeszélése

2006. december 7. Résztvevık: Seller R., Dudás Levente

DBF vezérlı-jelfeldolgozó egység hardver bemérése

2006. december 11. Résztvevık: Seller R., Dudás Levente, Drozdy Árpád

DBF vezérlı-jelfeldolgozó egység softver bemérése 100


2006. december 14. Résztvevık: Seller R., Németh Ákos

Kölcsönös impedancia vizskálata mikrosztrip antennák esetére

2007. január 11. Résztvevık: Seller R., Magyar András

Sávszélesség hatásainak vizsgálata

2007. január 11. Résztvevık: Seller R., Dudás Levente, Drozdy Árpád, Kovács Péter

DBF vezérlı-jelfeldolgozó egység hardver bemérése

Publikációk elıkészítése

2007. január 18. Résztvevık: Seller R., Dudás Levente, Drozdy Árpád, Kovács Péter

DBF RF egység rendszerterv megbeszélés

2007. január 25. Résztvevık: Seller R., Magyar András

Korreláció hatásának megbeszélése

2007.február 1. Résztvevık: Seller R., Dudás L., Kovács P.,

4 elemő DBF mikro hardver és antenna megbeszélés

4 elemő DBF hardver és vezérlı sofver megbeszélés

2007.február 8. Résztvevık: Seller R., Magyar A

Sávszélesség hatásainak vizsgálata

2007. február 15. Résztvevık: Seller R., Dudás L., Mikó Gy., Kovács P., Drozdy Árpád

4 elemő DBF mérési eljárás kidolgozása 101


DBF vezérlı softver megbeszélés

2007.február 22. Résztvevık: Seller R., Magyar A.,

Korreláció hatásának vizsgálata

2007. március 8 Résztvevık: Seller R., Dudás L., Kovács P., Drozdy Árpád

4 elemő DBF mérési eljárás kidolgozása


2007. március 22 Résztvevık: Seller R., Dudás L., Mikó Gy., Kovács P., Drozdy Árpád

4 elemő DBF mérési eljárás kidolgozása


2007. március 29 Résztvevık: Seller R., Magyar A.,

Korreláció hatásának vizsgálata

2007. április 3:

4 elemő kísérleti 4RAA rendszertervének elkészítése

Résztvevık: Seller Rudolf, Rösner vilmos, Mikó Gyula, Magyar András

2007. április 10: •

A 4RAA vezérlıprogramjának fejlesztése Labview program alatt

•

Résztvevık: Seller, Rösner, Mikó, Magyar)

2007. április 17: •

Vételi irányú antennarendszer (4RAA) rendszertervének véglegesítése

•

Résztvevık: Seller R., Mikó Gy., Rösner V.

2007. április 24: •

A 4RAA vezérlıprogramjának fejlesztése Labview alatt

•

Résztvevık: Seller R., Rösner V., Mikó Gy 102


2007. május 2. •

4 elemő kísérleti vételi irányú antennarendszer (4RAA) rendszerterv elıkészítése

•

Résztvevık: Seller R., Rösner V., Mikó Gy,

2007. május 16. •

A

4RAA

vezérlıprogramjának

fejlesztése

(Labview),

program

kiértékelése •

Szimulációs program készítése a 4RAA vizsgálatára,

•

Résztvevık: Seller R., Rösner V., Mikó Gy, Kovács Péter

2007. május 30. •

DBF karakterisztikák mérése a 4 elemő kísérleti DBF modellel, mérési eredmények kiértékelése.

•

Résztvevık: Seller R., Rösner V, Drozdy Á, Dudás L.

103


Irodalomjegyzék: •

Chi Yuk, Chiu, Ross D. Murch: Experimental Results for a MIMO Cube, 2006

•

Gyula Mikó, Tamás Fábián, Rudolf Seller, CONFIGURABLE 16CHANNEL C BAND 2D ADAPTIVE RADIO DIRECTION FINDER ANTENNA

ARRAY,

HARDWARE

AND

THE

ASPECTS

OF

CALIBRATION, Radioelektronika 2005, Brno, Czech Rep., 2005 •

Laura Garcia-Garcia, Niklas Jaldén, Björn Lindmark, Per Zetterberg(2), Leandro De Haro, MEASUREMENTS OF MIMO CAPACITY AT 1800 MHZ WITH IN- AND OUTDOOR TRANSMITTER LOCATIONS, EUCAP 2006, Nice, France, 2006

•

B. N. Getu and J. B. Andersen, “The MIMO cube—A compact MIMO antenna,” IEEE Trans. Wireless Commun., vol. 4, no. 3, pp. 1136– 1141,May 2005.

•

Beza Negas Getu and Ramakrishna Janaswamy, “ The Effect of Mutual Coupling on the Capacity of the MIMO Cube,” IEEE Wireless Propagation Letters, vol.4, pp. 240-244, 2005.

•

Laszlo Zombory, Mihály Koltai, Elektromagneses terek gepi

•

analizise, Muszaki Konyvkiado, 1979, (in Hungarian)

•

Robert E. Collin, Antennas and Radiowave Propagation. New York: McGRaw-Hill Book Company, 1985.

•

Mats Gustafsson and Sven Nordebo, „Characterization of MIMO Antennas Using Spherical Vector Waves,” IEEE Transactions on Antennas and Propagation, VOL. 54, NO. 9, Sep. 2006 104


•

http://www.mathworks.com/matlabcentral/fileexchange/ loadFile.do?objectId=12491&objectType=file

•

Branka Vucetic and Jinghong Yuan, Space-Time Coding. England: Wiley, 2004

•

Chi Yuk Chiu and Ross D. Murch, “Experimental Results for a MIMO Cube” IEEE Transactions on Antennas and Propagation

•

R. Janaswamy, “Effect of element mutual coupling on the capacity of fixed length linear arrays,” IEEE Antennas Wireless Propagat. Lett., vol. 1, pp. 157-160, 2002.

•

A.von Hippel, Dielectric Materials and Applications, Artech House, Boston, 1995.

•

Lukas Müller and Walter Vollenweider, Measurements of Radio Propagation in Buildings

•

LPRA Conference, Birmingham, England, October 29-31, 1996.

•

Lambertus J. W. van Loon, Mobile In-Home UHF Radio Propagation for Short-Range Devices, IEEE Antennas and Propagation Magazine, Vol. 41, No. 2, April 1999.

•

Donald G. Dudley, Wireless Propagation in Circular Tunnels, IEEE Trans. Antennas Propagat., vol. 53, , pp. 435-441, 2005.

•

Allen Taflove, Susan C. Hagness, Computational Electrodynamics: thr finite-difference time-domain method, Artech House, Norwood, 2005.

•

V. Rodrigez-Pereyra, A.Z. Elsherbeni, C.E. Smith, A Body of Revolution Finite Difference Time Domain Method with Perfectly Matched Layer Absorbing Boundary, PIERS 24, pp. 257-277, 1999. 105


•

Yee, K. S., Numerical Solution of Initial Boundary Value Problems Involving Maxwell’s Equations in Isotropic Media, IEEE Trans. Ant. Prop., 14(3), 302, 1966.

•

H. L. Bertoni, UHF Predictions for Wireless Personal Communications, Proceedings of the IEEE, 82, 9, 1994, p. 1333-1356.

•

Constantine A. Balanis, Advanced Engineering Electromagnetics, John Wiley & Sons., 1989

•

Simon R. Saunders, Antennas and Propagation for Wireless Communication Systems, Wiley, 1999.

•

Lajos Nagy, FDTD Field Strength Prediction for Mobile Microcells, ICECOM2005,

18th

Electromagnetics

and

International

Conference

Communications,

12-14

on

Applied

October

2005,

Dubrovnik, Croatioa •

Lajos Nagy, MIMO cube in realistic indoor environment, The European Conference on Antennas and Propagation, EuCAP 2006, 6-10 November 2006, Nice, France

•

Lajos Nagy, Propagation modeling in subway tunnel using FDTD, The European Conference on Antennas and Propagation, EuCAP 2006, 610 November 2006, Nice, France

•

Lajos Nagy, An Improved TDR Method for Determining Material Parameters, XXIII General Assembly of the URSI, Prague, 1990.

Farina A.

Antenna-Based Signal Processing Techniques for Radar

Systems Artech House, Norwood, 1992.

106


Farina A.

Antenna-Based

and

Space-Time

Adaptive

Signal

Processing Techniques, (Tutorial) International Conference, Radar´95, Washington D.C.

Hudson J.E. Adaptive Array Principles Peter Peregrinus Ltd., London 1981.

Steinberg B. Microwave Imaging Techniques Wiley-Interscience Publication John Wiley & Sons Inc., 1991.

Haykin S.

Radar Array Processing

Spinger-Verlag, 1993.

Haykin S.

John Wiley & Sons, 1992.

Nitzberg R.

Adaptive Radar Detection and Estimation

Adaptive Signal Processing for Radar

Artech House, Norwood, 1992.

Nicolau E.

Adaptive Arrays

Elsevier, 1989.

Orfanidis S. Optimum Signal Processing: An Introduction MacMillan Publishing Company, New York, 1985.

Blake L.V.

Radar Range-Performance Analysis

Lexington Books, Toronto, 1980.

Oppenheim A.

Digital Signal Processing

Prentice-Hall, 1975.

Oppenheim A.

Multidimensional Digital Signal Processing


107


Oppenheim A.

Signals and Systems


Nussbaumer H.

Fast

Fourier

Transform

and

Convolution

Algorithms Springer-Verlag, 1982.

Kunt M.

Digital Signal Processing

Artech House, 1986.

Candy J.V.

Signal Processing, The Modern Aproach

McGraw-Hill Book Company, 1988.

Ochi M.K.

Applied Probability & Stochastic Processes


Trees H.L.

Detection, Estimation, and Modulation Theory I.II.III.


Balanis C.A. Antenna Theory, Analysis and Design John Wiley & Sons, 1982.

Barton K.B. Modern Radar System Analysis Artech House, 1988.

Papoulis A. Probability Random Variables, and Stochastic Processes McGraw-Hill, 1991.

Papoulis A. Signal Analysis McGraw-Hill, 1984.

Skolnik M.

Radar Handbook McGraw-Hill, 1990.

Galati G.

Advanced

Radar

Techniques

and

Systems

Peter

Peregrinus Ltd., 1993.

108


Rihaczek A.W.

Principles of High Resolution Radar McGraw-Hill,

1969.

Angell T.S.

Multicriteria Optimization in Arrays

Proc. of JINA'92, pp. 19-25, 1992.

Aumann H.M.

Synthesis of Phased Array Far-Field Patterns

by Focusing in the Near-Field Proc. of the 1989 IEEE National Radar Conf. March 29-30, 1989, Dallas, pp. 48-55.

Belcher M.

Range Sidelobe Suppression in Wideband Phased Array

Radars, Proc. of the 1989 IEEE National Radar Conf. March 29-30, 1989, Dallas, pp. 48-55.

Bradley W.

Super-Resolution Signal Processing Aids RCS Testing

Microwaves & RF, March 1991.

Bresler Y.

On the Number of Signals Resolvable by a Uniform

Linear Array IEEE Trans. on Acoustics, Speech, and Signal Processing Vol. ASSP-34, No.6, December 1986, pp. 1361-1375.

Bresler Y.

Optimum

Beamforming

for

Coherent

Signal

and

Interferences IEEE Trans. on Acoustics, Speech, and Signal Processing Vol. ASSP-36, No.6, June 1988, pp. 833-843.

Champagne B.

Exact Maximum Likelihood Time Delay Estimation

Proc.

Conf.

of

Intl.

on

Acoustics,

Speech

and

Signal

Processing, ICASSP-1989, pp. 2633-2636. 109


Chang D.C. Partial Adaptive Nulling on Monopulse Phased Array Antenna System IEEE Trans. on Antennas and Propagation Vol. AP-40, No.2., February 1992, pp. 121-125.

Clark C.R. Estimation

Main Beam Jammer Cancellation and Target Angle with

a

Polarization-Agile

Monopulze

Antenna

Proc. of the 1989 IEEE National Radar Conf. March 29-30, 1989, Dallas, pp. 48-55.

Cozzens J.

Enumeration of Fully Correlated Signals by Modified

Rank Sequences Proc. of Intl. Conf. on Acoustics, Speech and Signal Processing, ICASSP-1989, pp. 2274-2277.

Friedlander A Sensitivity Analysis of the MUSIC Algorithm Proc. of Intl. Conf. on Acoustics, Speech and Signal Processing, ICASSP-1989, pp. 2811-2814.

Friedlander A Sensitivity Analysis of the MUSIC Algorithm IEEE Trans. on Acoustics, Speech, and Signal Processing Vol. ASSP-38, No.1, October 1990, pp. 1740-1751.

Gabriel W.F. Using Spectral Estimation Techniques in Adaptive Processing Antenna Systems

IEEE Trans.

on

Antennas and

Propagation Vol. AP-34, No.3.,March 1986, pp. 291-300.

Gabriel W.F. Superresolution Techniques and ISAR Imaging Proc. of the 1989 IEEE National Radar Conf. March 29-30, 1989, Dallas, pp. 48-55.

Haber F.

Spatial Spectrum Estimation in a Coherent Signal

Enviroment Using an Array in Motion IEEE Trans. on Antennas and Propagation Vol. AP-34, No.3.,March 1986, pp. 301-310. 110


Hlawatsch F. Linear

and

Quadratic

Time-Frequency

Signal

Representations IEEE trans. on Signal Processing, April 1992, pp. 2167.

Hlawatsch F. Time-Frequency Methods for Signal Processing

Technical Report 1291-0001 University of Rhode Island 1991.

Hung H.

Focussing

Matrices

for

Coherent

Signal-Subspace

Processing, IEEE Trans. on Acoustics, Speech, and Signal Processing Vol. ASSP-36, No.8, August 1988, pp. 1272-1281.

Hwang J.K. Superresolution Frequency Estimation by Alternating Notch Periodogram IEEE Trans. on Signal Processing Vol. 41, No.2. February 1993, pp. 727-741.

Johnson R. Antenna Array Design for Covariance-Based DirectionFinding Methods IEEE Trans. on Antennas and Propagation Vol. AP36, No.11., November 1988, pp. 1537-1544.

Jorgenson M.

Applications of Minimum Redundancy Arrays in

Adaptive Beamforming IEE Proc.-H, Vol. 138., No.5, October 1991, pp. 441-447.

Kesler S.B. Bias and Resolution of the MUSIC and the Modified FBLP Algorithms in the Presence of Coherent Plane Waves IEEE Trans. on Acoustics, Speech, and Signal Processing Vol. ASSP-36, No.8, August 1988, pp. 1351-1352.

Ko C.C.

Adaptive Null-Steering Algorithm for Separating Multiple

Directional Sources in Linear Power-Inversion Arrays IEE Proc.-H, Vol. 139., No.6, December 1992, pp. 477-482.

111


Ko C.C.

An Adaptive Algorithm for Separating and Tracking

Multiple Directional Sources in Linear Arrays, IEEE Trans. on Antennas and Propagation Vol. AP-40, No.3.,March 1992, pp. 261-267.

Lawrence S. A Tutorial Overview of Modern Spectral Estimation Proc. of Intl. Conf. on Acoustics, Speech and Signal Processing, ICASSP1989, pp. 2152-2157.

Linebarger D.

The Effects of Spatial Avaraging on Coherence

and Resolution Proc. of Intl. Conf. on Acoustics, Speech and Signal Processing, ICASSP-1988, pp. 2865-2868.

Linebarger D.

The Effect of Spatial Correlation Matrices in the

Presence of Coherent Signal IEEE Trans. on Acoustics, Speech, and Signal Processing Vol. ASSP-38, No.5, May

Manabe T.

1990, pp. 880-884.

Superresolution of Multipath Delay Profiles Measured by

PN Correlation Method IEEE Trans. on Antennas and Propagation Vol. AP-40, No.5.,May 1992, pp. 500-509.

Najdu P.S.

Improved Maximum Likelihood Spectrum for Direction of

Arrival (DOA) Estimation Proc. of Intl. Conf. on Acoustics, Speech and Signal Processing, ICASSP-1988, pp. 2901-2904.

Nickel U.R.O.

Angle Estimation with Adaptive Arrays and its

Relation to Superresolution IEE Proc., Vol. 134., Pt. H, No.1, February 1987, pp. 77-82.

Ng B.P.

Bearing Estimation Using Unity Response Beamforming

Approach IEE Proc.-H, Vol. 138., No.6, December 1991, pp. 537-541.

Ng.B.P.

Array Shape Self-Calibration Technique for Direction

Finding Problems IEE Proc.-H, Vol. 139., No.6, December 1992, pp. 521-525. 112


Pei S.C.

Modified

Spatial

Smoothing

for

Coherent

Jammer

Supression without Signal Cancellation IEEE Trans. on Acoustics, Speech, and Signal Processing Vol. ASSP-36, No.3, March 1988, pp. 412-414.

Porat B.

On the Asymptotic Relative Efficiency of the MUSIC

Algorithm Proc. of Intl. Conf. on Acoustics, Speech and Signal Processing, ICASSP-1988, pp. 2376-2379.

Robinson E. A Historical Perspective of Spectrum Estimation Proc. of the IEEE, Vol.70, No.9, September 1982, pp. 885-905.

Schell S.V.

Cyclic MUSIC Algorithms for Signal-Selective Direction

Estimation Proc. of Intl. Conf. on Acoustics, Speech and Signal Processing, ICASSP-1989, pp. 2278-2281.

Schmidt R.

Multiple

Emitter

Location

and

Signal

Parameter

Estimation IEEE Trans. on Antennas and Propagation Vol. AP-34, No.3.,March 1986, pp. 276-280

Schmidt R.

Multiple Source DF Signal Processing: An Experimental

System IEEE Trans. on Antennas and Propagation, Vol. AP-34, No.3.,March 1986, pp. 281-290.

Shan T.J.

Adaptive

Beamforming

for

Coherent

Signals

and

Interference IEEE Trans. on Acoustics, Speech, and Signal Processing Vol. ASSP-33, No.3, June 1985, pp. 527-536.

Shan T.J.

On Signal Smoothing for Direction of Arrival Estimation of

Coherent Signals IEEE Trans. on Acoustics, Speech, and Signal Processing Vol. ASSP-33, No.4, August 1985, pp. 806-811.

113


Steyskal H. Digital

Beamforming

Antennas:

An

Introduction

Microwave Journal Vol. 30. January 1987., pp. 107-124.

Steyskal H. Digital Beamforming for Radar Systems Microwave Journal Vol. 32. January 1989., pp. 121-136.

Stoica P.

MUSIC, Maximum Likelihood and Cramer-Rao Bound

Proc. of Intl. Conf. on Acoustics, Speech and Signal Processing, ICASSP-1988, pp. 2296-2299.

Stoica P.

MUSIC, Maximum Likelihood, and Cramer-Rao Bound:

Further Results and Comparisons IEEE Trans. on Acoustics, Speech, and Signal Processing, Vol. ASSP-38, No.12, December 1990, pp. 2040-2050.

Sun Y.

A Pattern Diversity Method for Multiple Coherent Source

Location Proc. of Intl. Conf. on Acoustics, Speech and Signal Processing, ICASSP-1989, pp. 2262-2265.

Wax M.

Detection of Signals by Information Theoretic Criteria

IEEE Trans. on Acoustics, Speech, and Signal Processing Vol. ASSP33, No.2, April 1985, pp. 387-392.

Williams R.T.

An Improved Spatial Smoothing Technique for

Bearing Estimation in a Multipath Environment IEEE Trans. on Acoustics, Speech, and Signal Processing Vol. ASSP-36, No.4, April 1988, pp. 425-432.

Yamada H. Superresolution

Techniques

for

Time-Domain

Measurements with a Network Analizer IEEE Trans. on Antennas and Propagation, Vol. AP-39, No.2.,February 1991, pp. 177-183.

Zhu J.X.

A Performance Comparison of Smoothing Approaches for

High Resolution Active Direction-Finding of Completely Correlated 114


Targets Proc. of Intl. Conf. on Acoustics, Speech and Signal Processing, ICASSP-1988, pp. 2428-2431.

Zhu X.

Adaptive

Beamforming

for

Correlated

Signal

and

Interference: A Frequency Domain Smoothing Approach IEEE Trans. on Acoustics, Speech, and Signal Processing Vol. ASSP-38, No.1, January 1990, pp. 193-195.

Zoltowsky M. On the Performance Analysis of the MVDR Beamformer in the Presence of Correlated Interference IEEE Trans. on Acoustics, Speech, and Signal Processing Vol. ASSP-36, No.6, June 1988, pp. 945-947.

Zoltowsky M. Synthesis of Sum and Difference Patterns Possessing Common Nulls for Monopulse Bearing Estimation with Line Arrays IEEE Trans. on Antennas and Propagation Vol. AP-40, No.1., January 1992, pp. 25-37.

115

54 sz. MIK szerzıdés mellékleteke ELMÉLETE II

Recommend Documents