Title
Developing an Enhanced Adaptive Antenna Beamforming Algorithm for Telecommunication Applications
Date of Award
5-2020
Document Type
Thesis
Degree Name
Master of Science in Electrical Engineering (MSEE)
Department
Electrical Engineering
First Advisor
Mousa Hussein
Second Advisor
Imad Barhumi
Third Advisor
Josep M. Jornet
Abstract
As a key enabler for advanced wireless communication technologies, smart antennas have become an intense field of study. Smart antennas use adaptive beamforming algorithms which allow the antenna system to search for specific signals even in a background of noise and interference. Beamforming is a signal processing technique used to shape the antenna array pattern according to prescribed criteria.
In this thesis, a comparative study is presented for various adaptive antenna beamforming algorithms. Least mean square (LMS), normalized least mean square (NLMS), recursive least square (RLS), and sample matrix inversion (SMI) algorithms are studied and analyzed. The study also considers some possible adaptive filter combinations and variations, such as: LMS with SMI weights initialization, and combined NLMS filters with a variable mixing parameter. Furthermore, a new adaptive variable step-size normalized least mean square (VSS-NLMS) algorithm is proposed. Sparse adaptive algorithms, are also studied and analyzed, and two-channel estimations sparse algorithms are applied to an adaptive beamformer, namely: proportionate normalized least-mean-square (PNLMS), and lp norm PNLMS (LP-PNLMS) algorithms. Moreover, a variable step size has been applied to both of these algorithms for improved performance. These algorithms are simulated for antenna arrays with different geometries and sizes, and results are discussed in terms of their convergence speed, max side lobe level (SLL), null depths, steady-state error, and sensitivity to noise.
Simulation results confirm the superiority of the proposed VSS-NLMS algorithms over the standard NLMS without the need of using combined filters. Results also show an improved performance for the sparse algorithms after applying the proposed variable step size.
Recommended Citation
Abualhayja'a, Mohammad Omar Tawfiq, "Developing an Enhanced Adaptive Antenna Beamforming Algorithm for Telecommunication Applications" (2020). Electrical Engineering Theses. 9.
https://scholarworks.uaeu.ac.ae/electric_theses/9
Comments
أصبحت الهوائيات الذكية موضع اهتمام للبحث والدراسة باعتبارها عامل تمكين مفتاحي لتكنولوجيا الإتصالات اللاسلكية المتقدمة، تستعمل الهوائيات الذكية خوارزميات تكوين الشعاع التكيّفي ما يسمح لأنظمة الهوائيات بالبحث عن إشارة معينة حتى في ظروف من تداخل الموجات والتشويش. تكوين الشعاع التكيّفي هي تقنية معالجة إشارات تستعمل لتشكيل الطيف الراديوي لمصفوفة الهوائيات وفقاً لمعايير ومقاييس محددة.
في هذه الرسالة تم تقديم دراسة لمقارنة مختلف خوارزميات تكوين الشعاع التكيّفي حيث تم دراسة وتحليل خوارزمية أقل مربع متوسط LMS) ) , وأقل مربع متوسط المعيّر (NLMS) , والمربعات الصغرى المتكررة (RLS) , وانعكاس المصفوفة النموذجي (SMI) . الدراسة تناولت أيضاً طرق لدمج أو تغيير المرشحات )الفلاتر( التكيفية، مثل: أقل متوسط مربع (LMS) وابتداء الأوزان من خلال انعكاس المصفوفة النموذجي SMI) ) , ودمج مرشحات أقل مربع متوسط معيّر (NLMS) باستخدام معامل دمج متغير. إضافة إلى تقديم خوارزمية جديدة هي أقل مربع متوسط المعيّر (NLMS) ذات حجم الخطوة المتغير الجديدة (VSS-NLMS) . أيضاً تم دراسة وتحليل الخوارزميات التكيفية التناثرية ، وتم استخدام اثنتان من خوارزميات تخمين القنوات التكيفية التناظرية على مكون الشعاع التكيفي، هي خوارزمية أقل مربع متوسط المعيّر المتناسبة (PNLMS) ‘ خوارزمية lp المعدل أقل مربع متوسط المعيّر المتناسبة LP-PNLMS) ) . بالإضافة إلى ذلك تم تطبيق حجم الخطوة المتغير على كلتا الخوارزميين لتحسين الأداء.
تم محاكاة هذه الخوارزميات باستخدامها على مصفوفات هوائيات ذات أشكال وأحجام مختلفة، وتم مناقشة النتائج تحت اعتبارات سرعة الاستجابة، وأقصى مستوى للفص الجانبي، وعمق القمع ، ونسبة خطأ الحالة المستقرة، ومقدار التأثر بالتشويش. وقد أظهرت نتائج المحاكاة تفوق الخوارزمية الجديدة (VSS-NLMS ) على (NLMS) الأساسية دون الحاجة لاستعمال مرشحات مدمجة. كذلك تظهر النتائج تحسن أداء الخوارزميات التكيفية التناثرية عند استخدام حجم الخطوة المتغير.