智能天线自适应波束赋形算法的研究

山西电子技术　２００７年第１期　通信技术　智能天线自适应波束赋形算法的研究　白振锋萧宝瑾　（太原理工大学信息工程学院，山西太原０３００２４）　摘要：智能天线作为３Ｇ及未来移动通信的核心技术，是当前通信领域的研究热点。阐述了智能天线的基本　原理，并对自适应波束赋形算法进行了分类，较为详细地比较和分析了几种算法的特点及其适用条件。基于算法　的现状，提出了未来的研究方向。　关键词：智能天线；自适应波束赋形；算法分类　中图分类号：ＴＮ８２８．６　文献标识码：Ａ　ｌ智能天线　快，而且鲁棒性好，但它对天线单元与信道的要求较高，而且　随着微计算机和数字信号处理技术的发展，智能天线技　用户信号并不一定在波束中心，当用户位于波束边缘及干扰　术已经成为移动通信中最具有吸引力的技术之一。由于受　信号位于波束时，接收效果最差，所以多波束天线不能　到通信原理的，智能天线通常应用于移动通信中的基站　实现信号最佳接收。　（ＢＳ）端，其基本思想是利用多个天线单元空间的正交性和　２．２自适应波束赋形　各用户信号空间特征的差异，采用数组天线技术，根据某种　自适应天线阵列是智能天线的主要类型，它着眼于信号　接收准则自动调节各天线数组的加权向量，产生空间定向波　环境的分析与权集实时优化，它采用自适应算法，完成用户　束，使天线主波束对准用户信号到达方向，旁瓣或零陷点对　信号接收和发送，动态响应速度相对较慢，其方向图没有固　准干扰信号到达方向，以达到充分高效地利用移动用户的有　定的形状，随着信号及干扰而变化。自适应天线阵列系统采　用信号并抑制或删除干扰信号的目的，从而达到最佳接收和　用数字信号处理技术识别用户信号到达方向，并在此方向形　发射，使得在同一信道上接收和发送多个用户的信号互相不　成天线主波束，它的优点是算法较为简单，可以得到最大的　干扰，将同频率或同时隙、同码道的信号区分开来，最大限度　信号干扰比。自适应波束赋形算法根据一定的最优准则导　地利用有限的信道资源。根据采用的天线方向图形状，可以　出，常用的准则有：最小均方误差准则、最小二乘准则、最大　将智能天线分为两类：多波束智能天线和自适应方向图智能　信噪比准则和线性约束最小方差准则等。自适应波束赋形　天线。　算法数目众多，分类方法各不相同。本文针对移动通信环境　２波束赋形　及信号特点，根据是否需要发射端发射参考信号，将自适应　波束赋形算法分为非盲和盲两大类，非盲算法基于发射端发　波束赋形是根据系统性能指标，形成对基带信号的最佳　送时域参考信号，盲算法不需要发射端发送参考信号。　组合或者分配。其主要任务是补偿无线传播过程中由空间　损耗、多径效应等因素弓Ｉ入的信号衰落与失真，同时降低同　３自适应波束赋形算法　信道用户间的干扰。波束赋形的基本过程是：在建立系统模　３．１需要参考信号的算法　型的基础上，描述系统中各处的信号，再根据系统性能要求，　需要参考信号的算法要求在实现智能天线定向波束时　将信号的组合或分配表述为一个数学问题并寻求其最优解。　必须有预知参考信号。此类算法具备技术成熟、理论深刻的　２．１多波束赋形　优点，不足之处是需要参考信号参与，应用受限，且有时参考　多波束天线在工作时。天线方向图形状基本不变，其利　信号存在误差，影响整个系统的技术指标。根据需要参考信　用多个并行波束覆盖整个用户区，每个波束的指向是固定　号的不同又分为需参考波形和参考波达方向两种算法。　的。波束宽度也随天线元数目而确定。当用户在小区中移动　３．１．１需参考波形的算法　时。它通过测向确定用户信号的到达方向，然后根据信号的　需参考波形的算法有最小均方算法（ＬＭＳ）、递归最小平　到达方向选取合适的阵元加权，将方向图的主瓣指向用户方　方算法（ＲＬｓ）、抽样协方差矩阵求逆算法（ＳＭＩ）等。　向，从而提高用户的信噪比。基站在不同的相应波束中进行　１）ＬＭＳ算法　选择，使接收信号最强。多波束智能天线对处于非主瓣区域　ＬＭＳ算法是在最小均方误差准则（ＭＭＳＩ）指导下，利用　的干扰，是通过控制低的旁瓣电平来确保抑制的。与自适应　最陡梯度法推导出来的，其原理如下：　智能天线相比，固定形状波束智能天线无需迭代、响应速度　假设参考信号为ｄ（　），数字波束形成网络处理函数为　收稿日期：２００６—０７—１５第一作者白振锋男２８岁硕士研究生　维普资讯 http://www.cqvip.com

第１期　ｗ，则系统的输出信号为：　ｙ（ｎ）：　白振锋，等：智能天线自适应波束赋形算法的研究　５５　ｘ（”），”＝０，１，２，…，Ｎ一１，Ｒ的无偏估计可由简单的平均　Ｎ（，１）　．来得到，即：Ｒ（ｎ）：　１　（，１）　Ｎ－２　＿＿ｘ（”）ｘＨ（”），其中Ｒ（，１）表示”　其误差为：Ｐ（，１）＝ｄ（，１）一　［ｄ２（，１）］一２Ⅵ　Ｎ（”）：ｄ（　）一　根据ＭＭＳＥ准则，要求均方误差最小，所以：Ｅ［Ｐ　（　）］＝Ｅ　＋Ｗｒ丁Ｒｚ２・ｗ　其中：Ｒｘｄ为有用信号和参考信号的互相关系数，Ｒａ－ｘ为有　时刻的估计，Ｘ（，　）表示阵列信号取样。当有新的取样数据　时，Ｒ更新为：Ｒ（　＋１）：　旦　Ｌ　≠　１）一　，　利用矩阵逆定理，更新矩阵Ｒ的逆为：Ｒ　（，１）：Ｒ　（”一　１＋　Ｈ（　）Ｒ一　（　一　用信号的自相关系数，对　取梯度，再令其为零可得：Ｗｏｅｒ　＝Ｒ船＿‘Ｒ．ｒｄ。由此可见，当知道参考波形信号ｄ（”）时，可　取得最佳权值，方法是：ｗ　（　＋１）＝ｗ　（”）十　［ｅ　１）ｘ　（　）　，且Ｒ－Ｉ（０）＝　’Ｊ＝Ｌ　、ｕ　一　（，　）］　（７１）］：　：Ｅ［　］＝Ｅ［２ｅ（７Ｉ）　］，　一㈤　所以　［ｅ　（　）］＝一２Ｅ［ｅ（　）ｘＮ（”）］，可得ｗ　（　＋１）＝　ＷＮ（ｎ）＋　［Ｐ（＂）‰（　）］　其中　为常数，它决定了步速度。为了减小系统的复杂性　及计算量，Ｅ［ｅ（　）ＸＮ（　）］近似为瞬时期望值，即：Ｅ［ｅ（，　）　ＸＮ（，Ｉ）］：Ｐ（”）　（，１），则得权值表达式：ＷＮ（ｎ＋１）＝ＷＮ　（，１）＋　（，Ｉ）　（　）。　ＬＭＳ算法结构简单，成本低，抗多径干扰效果明显，干　扰功率越大其抗干扰效果越好。如果干扰源的数目多于阵　元数，且干扰功率小，则抗干扰效果不理想，需要其它抗干扰　手段，如跳频等加以辅助。ＬＭＳ算法不仅要用到参考波形　信号，且还要求参考波形信号有一定精度，否则系统工作会　不理想，甚至无法工作。在ＬＭＳ算法中，大胆提出Ｅ［　（，ｚ）　ＸＮ（，ｚ）］＝ｅ（　）ｘＮ（　），这种提法本身有不足之处，仅当，ｚ　趋向无穷大时，其统计意义才成立。　２）递归最小平方算法（ＲＬＳ）　ＬＩＶＩＳ的收敛依赖于Ｒ的特征值，当Ｒ的特征值扩展较大　时，算法收敛很慢。这个问题在递归最小平方算法（ＲＬｓ）中　可得到解决。在ＬＭＳ算法中，将第ｎ步迭代时的步长　用一　个增益矩阵尺　（，　）取代，得到加权的更新式为：　（，　）＝　（，？一１）一Ｒ一’（　）　（，Ｉ）ｅ　（ｕ，（，Ｉ一１））。　其中，Ｒ（　）＝　０Ｒ（７１—１）＋　（，１）　（，１）＝　∑　（愚）　（愚），　是比ｌ小但接近于１的实数（常称为　遗忘因子），用于对过去数据指数加权，使迭代趋向于降低过　去取样数据的重要性。　将ＲＬＳ和ＬＭＳ算法在移动通信环境下进行计算机模　拟，表明ＲＬＳ比ＬＭＳ算法在平坦衰落信道的性能要好。　ＲＬＳ算法以最小平方为准则，所用误差函数取值是每时刻对　所有输人信号的重估计值，然后选择每一时刻权值的最优可　能值，故这种算法的信号非平稳适应性强、收敛速度比ＬＭＳ　快且对矩阵的信号相关性不敏感。不足之处是由于时刻需　对信号重估，信号码元间计算量大。　３）抽样协方差矩阵求逆算法（ＳＭＩ）　抽样协方差矩阵求逆算法（ＳＭＩ）中将相关矩阵Ｒ用它　的估计值替代来计算权向量。对于阵列信号的Ｎ个取样点　÷Ｊ，ｃＯ　ｅ０为常数。　随着取样数增加，矩阵不断更新并趋近于它的真实值，　估计的权向量会趋向于最佳权，即当　一ｏ。，Ｒ（　）一Ｒ，则　Ｗ（　）一ｗ或ｗ　（ＭＳＥ表示使均方误差最小）。在　ＭＭＳＥ准则下的算法，如ＬＭＳ，ＲＬＳ等都是闭环的，相对开　环算法来说收敛速度较慢，且算法的性能指标对协方差矩阵　Ｒｘｄ很敏感，一旦参考信号或输人信号导致Ｒｘｄ变坏，就不　利于系统工作甚至无法收敛。ＳＭＩ算法能很好解决这一矛　盾，它属开环自适应，利用最大似然原理（ＭＬ），通过对取样　协方差矩阵直接估计加权系数ｗ来实现与特征值无关的最　大收敛速度。ＳＭＩ算法的不足之处在于需要高速度、高性能　的数字信号处理器来实现加权系数ｗ变化，并且如果协方　差矩阵呈病态，则求逆过程难以进行。　３．１．２需要参考方向到达角的算法　这种算法一般在最大信噪扰比（ＭｓＩＮＲ）准则下工作，　其工作过程如下：　．　设输人信号为：ＸＮ（，１）：ＡＵ＋，ｌ＋ｉ，其中：ＡＵ为有用　的输人信号，Ａ为信号振幅表达式，Ｕ为信号相位，　为噪　声，ｉ为干扰，令Ｊ＝ｉ＋　为信号干扰噪声值之和，即：Ｘ＝　ＡＵ＋ｌ　阵列天线中相位依次后移且相移可能不等，表达式为Ｕ＝　［Ｐ一扣１　Ｐ一扣２　…　Ｐ一　］丁，其中ａＮ＝　丝ｓｉｎ　，　为第　个信号的人射角。经过天线系统后信号变为：　（　）＝　（，１）＝　（　）　，信噪扰比为ＳＩＮＲ＝　＝　，其中　为有用输人信号功率，Ｐｔ为噪声干扰功　ｔ　ｆｒⅢ　率，要使ＳＩＮＲ最大，可以利用正定的Ｈａｍｉｌｔｏｎ矩阵变换及　柯西施瓦茨不等式，得ＳＩＮＲ≤ＪＡ　川ＤｒＵ　ＩＪ　，式中Ｄ为ＲⅡ　的归一化正交矩阵，且当Ｗ＝　”　Ｕ时等式成立，即　ＳＩＮＲ最大，所以Ｗ＝ｗ　＝　Ⅱ－１Ｕ为最佳权值。　其中　为常数，决定了计算步速度，Ｒ”为噪声干扰自相　关系数，由此可见Ｗ＝　是和方向角有关的量，如果预　先知道波达方向角ＤＯＡ，则ｗ　可顺利求出，也就是由信　号输人方向角来确定最优权值Ｗｏｐｒ。观察此时最优权值　ｗ　，发现它和前面ＭＭＳＥ准则下的加权值很相似，只要　Ｕ和ＲｏＭ等价，则模式完全相同，所以可利用ＭＭＳＥ准则　下的算法实现ＭＳＩＮＲ下的计算，故在ＭＭＳＥ准则下主要任　务是确定ＤＯＡ，确定ＤＯＡ的方式很多，最典型的有：多重信　维普资讯 http://www.cqvip.com

山西电子技术　２００７年　号分类（ＭＵＳＩＣ）和通过旋转不变技术的信号参数估计（Ｅｓ—　ＰＲＩＴ），其中ＭＵＳＩＣ方法既适用于噪声的方向判定，又可用　这种思路，Ｒｏｎｇ提出了最小平方解扩——再扩频多目标阵列　（ＬＳ－ＤＲＭＴＡ）算法。第ｉ个用户的ＬＳＤＲＭＴＡ算法如下：　于信号的判定，它要求对协方差矩阵进行特征值分解，并进　行谱峰搜索，计算量很大，且实时性不好。ＥＳＰＲＩＴ算法无　需谱峰搜索，处理速度快，实时性强，主要解决矩阵的信号方　向，缺点是要求两个子矩阵形式完全相同，参量匹配时有困　难，故使用也受限。　３．２不需要参考信号的盲估计算法　ｘ（ｚ）＝［　（１＋　），　（２＋ｌＫ），…，　（（ｚ＋１）Ｋ）］　Ｙｉ（ｚ）＝［　（ｚ）ｘ（ｚ）］　＝［　（１＋ｌＫ），　（２＋ｌＫ），…，　ｙｉ（（ｚ＋１）Ｋ）］丁　（　“＝ｓｇｎ｛＆［　★＝１＋　ｙｉ（ｈ）ｃｉ（ｋ一　ｄ）］｝　（Ｚ）＝ｂｕ［Ｃｉ（１＋ｌＫ—ｋｄ），Ｃｉ（２＋ｌＫ—ｋ　），…，Ｃｉ（（１＋　Ｚ）Ｋ—ｋ　）］　不需要参考信号的盲估计算法（ＢｌｉｎｄＭｅｔｈｏｄ）不需参考　信号的参与来实现智能天线的功能。这类算法不需用参考　信号而直接用天线收到信号的统计特性加以分析，取得有用　信号、分离干扰噪声，再调整权值。主要有恒模算法　（ＣＭＡ）、判决引导（ＤＤ）算法、子空间法（ｓｓ），自相干恢复算　法（ＳＣＯＲＥ），共轨梯度法（ＣＧＡ）等。　１）恒模算法（ＣＭＡ）　由Ｇｏｆｏｒｄ和Ｔｒｅｉｃｈ提出并逐步完善，它无需参考信号，　仅利用从接收端接收的信号进行自适应调整来完成包络信　号的产生，其模型如下：　设接收端为Ｎ维信号　（ｎ），如它为包络信号则经过　权值ｗ处理后输出也应为包络信号。输出为：Ｙ（ｎ）＝　ｗ　（７１）＝　（　）Ｗ　ＣＭＡ算法中的目标函数是：Ｇ（　）：Ｅ［Ｉ　ｙ（”）Ｉ　一Ｉ　ａ　Ｉ　］　，　Ｄ（　）＝Ｅ［Ｉｙ（　）Ｉ　一ＲＰ］　Ｆｒ　ｆ　ｆ４１　其中Ｒ＝　｝Ｌ　Ｌ　Ｉ｝　　Ｉ　Ｊ　，‰为信号源发出的原信号，为方便起　见一般令Ｐ：２，且在阵列天线中应用ＣＭＡ算法时一般令：　ａ　＝Ｒｖ：１，则有：Ｇ（。）－Ｅ［ｆｙ（－）ｆ。一１］。，Ｄ（０　Ｅ［ｆｙ（　）　Ｉ　一１］　选择最快梯度法使权值最优：ｗ（　＋１）＝　＋　ｗ［Ｄ　］，　对ｗ求导数得权值表达式：Ｗ（　＋Ｉ）＝Ｗ（　）＋　（　）　（　），其中：ｅ（　）＝Ｙ（　）［Ｉ　Ｙ（　）１　～１］。这样根据　（　）　及．），（，ｚ）＝ＷＴＸＮ（，ｚ），无需参考信号的参与，求出权值ｗ，　达到目标。　很多通信环境中难以找到参考信号或参考信号不准确，　盲估计算法可以从根本上消除由此带来的系统振荡甚至无　法工作等情况。ＣＭＡ算法除了盲估计算法的一般特性外，　它还能很好地补偿多径衰落，克服信号间的时间延迟，对抗　干扰。ＣＭＡ算法不足之处是对相位的变化不敏感，故在信　号有较大相位变化或是相位调制时使用受限，另外该算法的　原型收敛速度较慢，且到最优权值时有较大的剩余误差，不　能很好的收敛于全局最小点，不能满足高精度通信的要求，　同时也要求输人信号的数目小于阵元数，否则效果不好。　２）解扩．再扩频算法　解扩．再扩频（Ｄｅｓｐｒｅａｄ　Ｒｅｓｐｒｅａｄ，ＤＲ）算法适用于ＣＤ—　ＭＡ系统，它利用用户的ＰＮ码信息来识别不同的用户。在　划分好的一定的通信区域内，每个用户的ＰＮ码是唯一的，　而且对发射端和接收端都是预先已知的，因此可以考虑利用　用户的ＰＮ码信息进行天线阵加权向量的自适应调整。基于　（ｆ＋１）＝［ｘＵ）ｘ＂（１）ｒ　ｘ（１）ｔ－ｉ　（　）　这里ｃ　（ｋ）是第ｉ个用户的扩频信号的第ｋ个采样，　是对　应于延时ｒ　的采样数目。　ＣＤＭＡ系统中，用于产生参考信号的ＰＮ码各不相同，Ｐ　个用户就可以产生Ｐ个不同的波束用于各个用户信号的接　收，因而ＤＲ算法具有信号选择性，特别适用于多目标问题。　同时，采用ＤＲ算法进行自适应波束赋形，每个用户的波束　形成器结构是相同的。　ＤＲＭＴＡ充分利用了用户的前导　序列，具有很多优点：在ＬＳ－ＤＲＭＴＡ中，不同用户的加权因　子估计是以波束形成器端口输出信号与期望用户信号之间　误差最小为准则，不会出现不同加权因子收敛于相同的值，　因此不需要Ｇｒａｍ—Ｓｅｈｒａｉｄｔ正交化过程；如果用户码元没估　计正确，将导致加权因子的ｎ相移，但不会影响波束赋形，波　束在期望用户来波方向上仍有较高的增益，对来自其他方向　的干扰信号有所抑制；波束形成器输出端口数不受天线阵元　数的，当系统扩展时，更多的输出端口可以非常容易地　添加到波束形成器上，添加的端口使用原有的射频和基带信　号变换装置，大大降低系统代价。　３）其它盲估计算法　子空间算法（ｓｓ），它是将整个信号先分解开提取有用信　号后再合成，由于计算量大，只有在用户数目不太大时才能　正常使用，故使用受限。　自相干恢复算法（ｓｃｏｍ￣）利用信号的周期平稳特性，　如载频、波特率等，能无需知道太多的其它信息而提取有用　信号。这种算法的适应性很强，但信号结构提取时计算量　大，现代信号处理的发展可以满足这方面的要求，实时性仍　不太好。　共轨梯度法（ＧＧ．Ａ）是求权值时较好的方法，它的迭代公　式简单、收敛速度比最快下降法快，有二次收敛特性，剩余误　差很小，能进入准最小点。不足之处是在系统初始化时参数　的指向可能不是真正的下降方向，这样易导致算法无法收敛，　故要求误差函数是凸的。所以很多系统是将ＯＧＡ和最快梯　度法混合使用，先让后者对系统初始化，再选择ＣＧＡ算法来　使系统收敛，这样充分利用二者的优点来达到最佳状态。　４结论　本文着重阐述了智能天线系统中的算法问题，由这些算　法可以看出，通信的精确度、方便性和系统的复杂度、计算量　是矛盾的，它们之间存在辩证统一的关系。另外，从可实现　的角度来讲，如果在天线阵前端装上信号预处理器，例如　维普资讯 http://www.cqvip.com

第１期　白振锋，等：智能天线自适应波束赋形算法的研究　５７　Ｎｏｌｅｎ级联网络、格莱姆一施密特级联网络等，可大大改善系　统的收敛速度以及对相关矩阵特征值敏感等问题，在此基础　上的各种算法也就更接近实际通信环境的要求。基于当前　自适应波束赋形的现状，今后的研究可能趋于以下方面：探　索有效的，着重于突破阵列物理的数字波束赋形技术；根据业务和信道环境的不同，确定不同的自适应算法实现结　［３］　Ｒｏｎｇ　Ｚ．Ｓｉｍｕｌａｔｉｏｎ　ｏｆ　Ａｄａｐｔｉｖｅ　Ａｒｒａｙ　Ａｌｇｏｒｉｔｈｍｓ　ｆｏｒ　ＣＤＭＡ　Ｓｙｓｔ￣．Ｍ．Ｓ．Ｔｈｅｓｉｓ，Ｔｈｅ　Ｖｉｒｇｉｎｉａ　Ｐｏｌｙｔｅｃｈｎｉｃ　Ｉｎｓｔｉｔｕｔｅ　Ｓｔａｔｅ　Ｕｎｉｖｅｒｓｉｔｙ，１９９６．　［４］ＳｗｉｎｄｌｌｅｈｕｍｔＡ，ＤａａｓＳ，Ｙａｎｇ　Ｊ．Ａｎａｌｙｓｉｓｏｆ　ａＤｅｃｉｓｉｏｎ　Ｄｉｒｃｔｅｅｄ　Ｂｅａｍｆ０Ｈｎｅｒ［Ｍ］．ＩＥＥＥ　Ｔｒａｍ　ｏｎ　Ｓｉｇ．Ｐｒｏｃ，４３　（１２）：２９２０—２９２７，Ｉ）ｅｅｅｍｈｅｒ　１９９５．　构以及参数的选取准则。　参考文献　［５］Ｐｅｔｒｕｓ　Ｐ．Ｎｏｖｅｌ　Ａｄａｐｔｉｖｅ．Ａｒｒａｙ　Ａｌｇｏｒｉｔｈｍｓ　ａｎｄ　Ｔｈｅｉｒ　Ｉｍｐａｃｔ　ｏｎ　Ｃｅｌｌｕｌａｒ　Ｓｙｓｔｅｍ　Ｃａｐａｃｉｔｙ．ＰｈＤ　Ｔｈｅｓｉｓ，Ｔｈｅ　［１］邱天爽，魏东兴，唐洪，等．通信中的自适应信号处理　Ｖｉｒｇｉｉｎａ　Ｐｏｌｙｔｅｃｈｎｉｃ　ａｎｄ　Ｓｔａｔｅａ　Ｕｎｉｖｅｒｓｉｔｙ，１９９７．　［Ｍ］．北京：电子工业出版社，２００５．１２．　［６］张贤达，保铮．通信信号处理［Ｍ］．北京：国防工业出版　［２］李世鹤．ＴＤ－ＳＣＤＭＡ第三代移动通信系统标准［Ｍ］．　社，２０００．　北京：人民邮电出版社，２００３．　Ｔｈｅ　Ｓｔｕｄｙ　ｏｆ　Ａｄａｐｔｉｖｅ　Ｂｅａｍｆｏｒｍｉｎｇ　Ａｌｇｏｒｉｔｈｍ　ｆｏｒ　Ｓｍａｒｔ　Ａｎｔｅｎｎａｓ　Ｂａｉ　Ｚｈｅｎ－ｆｅｎｇ　Ｘｉａｏ　Ｂａｏ－ｊｉｎ　（Ｃｏｌｌｅｇｅ　ｏｆＩｎｆｏｒｍａｔｉｏｎ　Ｅｎｇｉｎｅｅｒｉｎｇ，Ｔａｉｙｕａｎ　Ｕｎｉｖｅｒｓｉｔｙ　Ｔｅｃｈｎｏｌｏｇｙ，Ｔａｉｙｕａｎ　Ｓｈａｎｚｉ　０３００２４，Ｃｈｉｎａ）　Ａｂｓｔｒａｃｔ：Ｓｍａｒｔ　ａｎｔｅｎｎａｓ　ｉｓ　ｏｎｅ　ｏｆ　ｋｅｙ　ｔｅｃｈｎｏｌｏｇｙ　ｏｆ　３Ｇ　ａｎｄ　４Ｇ　ｉｎ　ｆｕｔｕｒｅ，ｉｔ　ｉｓ　ｐａｉｄ　ｍｕｃｈ　ａｔｔｅｎｔｉｏｎ　ｉｎ　ｃｏｍｍｕｎｉｃａｔｉｏｎ　ｆｉｅｌｄ　ｒｅ—　ｃｅｎｔｌｙ．Ｔｈｅ　ｂａｓｉｃ　ｔｈｅｏｒｙ　ｏｆ　ｓｍａｒｔ　ａｎｔｅｎｎａｓ　ｉｓ　ｅｘｐｏｕｎｄｅｄ　ｎａｄ　ｔｈｅ　ａｄａｐｔｉｖｅ　ｂｅａｒｎｆｏｒｍｉｎｇ　ａｌｇｏｒｉｔｈｍｓ　ａｒｅ　ｄａｓｓｉｆｉｄｅ　ｉｎ　ｔｈｉｓ　ａｒｔｉｃｌｅ．Ｉｔ　ｄｅｌｉ—　ａｃｔｅｌｙ　ｄｉｓｃｕｓｓｅｓ　ｔｈｅ　ａｐｐｌｉｅｄ　ｃｏｎｄｉｔｉｏｎｓ　ｎａｄ　ｐｅｒｆｏｒｍａｎｃ￣ｏｆ　ｅａｃｈ　ａｌｇｏｒｉｔｈｍ．Ｂａｓｅｄ　ｏｌｌ　ｔｈｅ　ｐｒｅｓｅｎｃｅ　ｆｏ　ａｌｇｏｒｉｔｈｍｓ，ｔｈｉｓ　ｐａｐｅｒ　ｂｒｉｎｇｓｆｏｒ—　ｗａｒｄ　ｉｔｓ　ｓｔｕｄｙ　ａｉｍ　ｆｏｒ　ｔｈｅ　ｆｕｔｕｒｅ．　Ｋｅｙｗｏｒｄｓ：ｓｍａｒｔａｎｔｅｎｎａｓ；ａｄａｐｔｉｖｅ　ａｌｇｏｒｉｔｈｍ；ａｌｇｏｒｉｔｈｍ　ｄｉｖｅｒｓｉｔｙ　（上接第３１页）　言实现的，目标器件为ＥＰＩＳＩＯＦ４８４Ｃ５，经过时序仿真，加密　式，通过不同的时隙分别完成明文和初始密钥的字节替换操　输出完全符合实验要求，具体指标为：ｗｏｒｓｔ—ｃａｓｅ　ｔｓｕ：　作，提高了Ｓ盒的利用效率。　４．８０５　ｎｓ。ｗｏｒｓｔ—ｃａｓｅ　ｔｏｏ＝８．４１１　ｎｓ，ｃｌｋ　ｓｅｔｕｐ＝１０３．５６　ＭＨｚ　列混合变换ＭｉｘＣｏｌｕｍｍ（）是基于伽华罗域ＧＦ（２０）上　（ｐｅｒｉｏｄ＝９，６５６　ｎｓ），Ｔ０ｔａｌ　ｌｏｇｉｃ　ｄｅｍｅｎｔｓ＝１５０７，根据数据吞　的多项式乘法运算，由于矩阵运算中的系数是常数，所以可　吐率的计算公式：数据吞吐率＝数据块长度／（时钟周期ｘ轮　以将矩阵分解而简化运算。以第一列为例，ｂｏ＝０２＊ａ０００３　数）【３ｌ，该加密模块的峰值吞吐率可达到１．３２６Ｇｂｐｓ。　＊ａｌ００１　ａ２００１＊ａ３＝０２＊（ａ０　ａＩ）ａ１０ａ２０ａ３，最后一　本设计主要是针对１２８位的明文和密钥进行的，资源耗　步轮密钥加操作可以和列混合揉合成一步，即将上式变为：　费约占整个芯片资源的１４％，将其扩展成十轮流水作业的　ｂｏ＝０２＊ａ０００３＊ａｌ００１＊ａ２００１＊ａ３＝０２＊（ａ０　ａＩ）ａ１０　方式，在对速度要求不高且系统资源有限的场合，是一种不　ａ２０ａ３０ｋ０。　错的选择。　通过分析Ｇ　）域内＊０２模块工作原理，可将位运算简　参考文献　化，以∞［Ｂ７　Ｉｊ２ＢＩ　］＝０２＊ａｏ［Ａ７　Ａ４Ａ３　］为　［１］Ｄａｅｍｅｎ　Ｊ，Ｒｉｊｍｅｎ　Ｊ．ＡＥＳ　Ｐｒ　，Ｒｉｊｎｄａｅｌ，Ｖｅｒｓｉｏｎ　例，１３７＝　，１３６＝Ａ５，Ｂｓ＝Ａ４，Ｂ４＝Ａ３０Ａ７，Ｂ３＝Ａ２０Ａ７，Ｂ２＝　２．１９９９—０９—０３．　ＡＪ，ＢＩ＝Ａｏ０Ａ７，１３ｏ＝Ａ７，整个运算中只包含一个＊０２模块　［２］　ＮＩＳＴ　ｆｄｅｅｒａｌ　Ｉｎｆｏｒｍａｔｉｏｎ　Ｐｒｏｃｅｓｓｉｎｇ　Ｓｔａｎｄａｒｄｓ　Ｐｕｂｌｉａｃ—　和若干个异或运算，它有效地节约了设计资源。　ｔｉｏｎ　Ａｎｏｕｎｃｉｎｇ　ｔｈｅ　Ａｄｖａｎｃｅｄ　Ｅｎｃｒｙｐｔｉｏｎ　Ｓｔａｎｄａｒｄ　３结论　（ＡＥＳ），Ｎｏｖ．２００１．　［３］　董洪波，范明钰，张九华．ＡＥＳ算法介绍和硬件设计　整个设计是在ＱＩＩＡＲＴＵＳⅡ开发平台上采用ＶＨＤＬ语　［Ｊ］．广西师范大学学报，２００５，２３（１）．　ＦＰＧＡ　Ｏｐｔｉｍｉｚａｔｉｏｎ　Ｉｍｐｌｅｍｅｎｔａｔｉｏｎ　ｆｏｒ　ＡＥＳ　Ａｌｇｏｒｉｔｈｍ　ＬｖＹｏｕ。ＬｉｕＧ锄　（１．Ｉｎｓｔｉｔｕｔｅ　ｏｆＣｏｍｍｕｎｉｃａｔｉｎｏｓＥｎｇｉｎｅｅｒｉｎｇ，ＰＬＡＵＳＴ，ＮａｎｊｉｎｇＪｉａｎｇｓｕ　２１０００７，Ｃｈｉａｎ；　２．Ｘｉ’口　ｔｅｌｌｉｔｅ　口　Ｃｏｎｔｒｏｌ　Ｃｅｎｔｅ￣・。Ⅺ’ａＴｌ　Ｓｈａａｎｘｉ　７１００００，　ｉｎａ）　Ａｂｓｔｒａｃｔ：ＴｈｉｓｐａｐｅｒｉｎｔｒｏｄｕｃｅｓｔｈｅｔｈｅｏｒｙｏｆＡＥＳｅｎｃｒｙｐｔｉｏｎ　ｓｔａｎｄａｒｄ　ａｓａｗｈｏｌｅ，ａｎｄ　ｅｘｐｏｕｎｄｓｔｈｅｅｎｔｉｒｅｉｍｐｌｅｍｅｎｔｉｎｇｐｒｏｃｅｓｓ　ｏｆＡＥＳｅｎｃｒｙｐｔｉｏｎａｌｇｏｒｉｔｈｍｉｎ　ｄｅｔ￣１．Ａｉｍｉｎｇ　ａｔ￣Ｌｌｒｃｅｏｐｔｉｍｉｚａｔｉｏｎ，ｏｎｔｈｅｂａｓｉｓｏｆ　ｃｏｍ￣ｎａｔｉｏｎａｎｄ　ｓｉｍｐｌｉｆｉａｃｔｉｏｎｏｆ　ｒｏｕｎｄｏｐｅｒａ—　ｔｉｏｎ，ｉｔ　ｃｏｍｐｌｅｔｅｓ　ｔｈｅｏｐｔｉｍｉｚａｔｉｏｎｉｍｐｌｍｅｅｎｔａｔｉｏｎｏｆＦＰＧＡｆｏｒｉｔｓｅｎｅｒｙｐｔｉｏｎ　ｐａｒｔ．　ｅＫｙ　ｗｏｒｄｓ：ＡＥＳ；ｒｏｕｎｄ　ｏｐｅｒａｔｉｏｎ；ＦＰＧＡ　ｉｍｐｌｍｅｅｎｔａｔｉｏｎ