快速稳健的LMS自适应波束形成算法

研究天线阵通信问题,传统的最小均方误差(LMS)自适应波束形成算法,需要积累足够多的快拍数据后才能进行权值计算,运算时间较长,且存在波达方向(DOA)估计误差性能严重下降的现象.针对上述现象,为提高速度和精度,提出一种快速稳健的LMS自适应波束形成方法.算法是一种自适应迭代算法,不需要累积足够多的快拍数据计算权矢量,减少了权值计算时间.同时基于导向矢量展开的方法,通过梯度搜索相位误差矢量,将它补偿到不精确已知的期望信号导向矢量上,以获得真实的期望信号导向矢量.算法提高了运算速度和稳定性.计算机仿真验证了方法的有效性和正确性.     

认知无线电中发射端多波束形成算法及接收端低旁瓣波束形成算法

在认知用户基站发射端,针对多用户产生多波束使每个波束的主瓣方向对准目标信号 而零陷对准干扰方向,实现多用户同频通信从而提高频谱的利用率。而接收端需要波束形成 算法具有抗干扰的能力,因此,本文提出了适用于授权用户基站接收端的低旁瓣波束形成算 法,在主用户面对干扰时,其接收信号质量不会大幅下降。仿真实验验证了本文的算法。     

智能天线波束形成的分析与仿真

波束形成是智能天线的关键技术之一。在介绍智能天线结构模型基础上,对其基本原理进行研究,分析了波束形成技术,并对波束方向图进行了仿真及比较。     

一种改进的智能天线盲波束形成算法

将空分多址技术引入无线通信系统中,针对无线电信号普遍具有的循环平稳特性,提出了非线性条件下的改进盲波束形成算法。通过对算法的权向量进行再次优化,改善了方向图零陷的位置和深度,提高了输出SINR。优化算法的输出SINR对导引向量随机误差具有稳健性,对期望信号的功率变化表现出不敏感的特性,算法具有很好的理论价值以及应用前景。理论分析与计算机仿真实验都证明了算法的有效性。     

波束形成算法研究与改进

近年来,智能天线在抗干扰方面应用广泛,多种不同的自适应波束成形算法被相继提出。首先讨论了LMS、GSC、MMSE三种波束形成算法的性能,对于均匀线性阵列天线,在相同条件的情况下,通过计算机仿真比较了三种算法的特点。最后提出了对MMSE算法的改进,通过对单个天线逐个权值的调整,使阵列输出信号与参考信号差异最小,减少计算复杂度,自适应地产生最优权值,实现了很好的抗干扰效果。     

稳健特征子空间波束形成算法及其性能分析

基于特征子空间的稳健波束形成算法能够用于改善一般导向矢量失配的稳健性,而且相比于其它算法实现简单,然而方法在低的信噪比和较高的信号加噪声子空间维数条件下,性能急剧恶化,而且信号加噪声子空间的维数必须是已知的。为改善波束形成稳定性,提出了基于L-曲线的方法用于信号子空间及其维数的稳健估计,使得该算法的应用条件得以满足,其中还提出了广义SINR,并详细分析了理想条件下信号子空间的选取对算法性能的影响,最后进行了详细的仿真试验和性能分析,验证了所提出方法的正确性和有效性。     

基于Toeplitz化的单快拍稳健波束形成

现有的单快拍波束形成算法多是基于空间平滑原理提出的,缺点是损失了阵列孔径,且降低了系统的自由度。对此提出了一种基于Toeplitz化的单快拍稳健波束形成方法:首先Toeplitz化接收数据的协方差矩阵,然后根据约束准则得到实际期望信号的导向矢量,利用Capon法得到最优权。该方法充分利用了阵列的孔径和自由度,保证了期望信号方向的增益,且对阵列误差具有一定的稳健性。仿真实验验证了所提方法的有效性。     

智能天线中变步长LMS自适应波束形成算法研究

波束形成算法是智能天线研究的核心内容,可以使天线有效地接收期望信号并抑制干扰信号,但各种算法均存在计算量大、收敛速度慢、稳态误差大等缺点.为提高系统性能,提出了一种改进的变步长LMS自适应波束形成算法,其步长因子由上一步长因子和自相关误差共同确定.对新算法的性能进行了理论分析,并推导了确保算法收敛的参数α的取值范围.计算机仿真结果与理论分析一致,与现有的变步长算法相比,新的变步长LMS算法具有较快的收敛速度、较小的稳态误差以及较低的算法复杂度,非常适用于智能天线波束形成问题.     

一种自适应稳健波束形成器的仿真研究

针对阵列信号处理问题,关于特征空间的波束形成器是一类重要的稳健波束形成方法,只需已知信号源的个数,就可以达到很好的稳健效果。但这种方法需要不断求解特征空间,当采用批处理方法时存在稳健权值与快拍匹配不够好的缺点,并且若阵元数较大,求解特征子空间需要较大的运算量。为加快收敛速度和提高信噪比,提出主分量分析（PCA）多层感知神经网络可以自适应学习信号的主子空间,引入到特征空间稳健波束形成器的自适应实现中去。采用基于加权信息子空间（WINC）网络具有较快的收敛速度,能够并行计算信号的主子空间,从而很好的实现了自适应稳健波束形成,并进行仿真分析。结果表明,验证的算法具有较好的稳健性能。     

数据含期望信号的重构稳健波束形成

研究稳健波束形成问题.样本数据含期望信号时,若存在导向矢量误差,常规MVDR波束形成会在期望信号方向上产生期望信号对消,性能损失严重.针对上述问题,提出了一种在对称干扰环境下的稳健MVDR波束形成方法.首先消除数据协方差矩阵的实部得到期望信号分量,进而重构出期望信号协方差矩阵,然后从数据协方差矩阵中减去重构的期望信号协方差矩阵,得到仅含有干扰和噪声的协方差矩阵,并以此来实现MVDR的权向量设计.仿真结果表明,改进方法消除了期望信号分量的不良影响,提高了波束形成对系统误差的稳健性.     

异构网中联合载波选择和波束形成的小区选择算法研究

为提高异构网系统容量和热点覆盖,引入了微微小区,但选择微微小区的用户数量很少,且层间干扰异常复杂,微微小区的平均吞吐量和边缘用户性能无法提高。为此,在载波聚合条件下提出一种联合成员载波选择、波束形成的小区选择新算法。通过将该算法与参考算法仿真对比,得出此方案能够协调宏小区与微微小区之间的干扰,进而提高微微小区的平均吞吐量和边缘用户性能,使整个系统的吞吐量得到很大的提高。     

基于子空间跟踪的递推稳健自适应波束形成*

为了解决实时系统应用中,通用秩信号模型的稳健自适应波束形成算法受计算复杂度高的限制这一问题,基于子空间跟踪理论,运用梯度下降法提出了一种递推稳健自适应波束形成算法,有效降低了计算量,提高了系统性能,改善了阵列输出的信干噪比。仿真结果表明,该算法具有快速收敛性与优越的稳健性。     

Joint beamforming and scheduling in the downlink of cognitive radio networks

Cognitive radio has been recently proposed as a promising technology to improve the spectrum utilization. In this paper, we consider a system where a licensed radio spectrum is shared by a primary network and a secondary network. Based on the subspace theory, a novel low-complexity algorithm for secondary user selection has been proposed. On the basis of the scheduling scheme, we jointly consider transmit beamforming, scheduling and power allocation, and subsequently present a complete set of solution for secondary network downlink. Simulation results has shown that our proposed scheme not only can limit the introduced interference at primary users within the tolerable range, but also can achieve high sum-rate throughput of secondary network, simultaneously. Furthermore, as is proved by simulation results, our scheme is very robust due to the fact that only a little tolerable performance drop is introduced when simple but nonoptimal equal power allocation is adopted.     

一种低复杂度的鲁棒自适应波束形成算法

传统基于干扰噪声协方差矩阵（interference-plus-noise covariance matrix,INCM）重构的鲁棒自适应波束形成（robust adaptive beamformer,RAB）算法在多种样本数据协方差矩阵误差和信号导向向量误差的失配环境中具有较强的鲁棒性,但目前主流的INCM重构法都是对信号和干扰的导向向量通过建立凸优化模型来估计,这带来了很高的计算复杂度。为了解决这个问题,提出了一种低复杂度的基于INCM重构的RAB算法。该算法首先将干扰信号的导向向量分解为对应标称项和误差项的和,然后通过一种子空间方法估计得到误差项的单位向量。接下来对一个Capon空间谱功率最大问题进行求解,得到误差项的模值,以此得到重构的INCM。同时利用Capon空间谱中残差噪声的存在,使用交替投影法估计得到期望信号的导向向量,最后得到所提算法的权重向量。仿真实验表明所提算法在多种误差环境下具有较强鲁棒性的同时,还具有较低的计算复杂度。     

认知无线电网络中接入控制和功率波束形成的联合优化

在认知无线电网络中,针对鲁棒性的多用户接入控制和发射功率波束形成的联合优化问题,提出了基于熵函数光滑近似的联合优化方案。首先,利用L₀-范数最小化将接入控制和发射功率波束两个优化问题转化为一个联合优化问题;然后,利用基于熵函数光滑近似的方法对L₀-范数的非凸性及不连续性问题加以优化;最后,由于光滑可微的目标函数为单峰函数,将问题变形为增广Lagrange函数,利用Armijo梯度下降法得到问题的最优解。数值结果分析表明：新算法在信干噪比（SINR）较低时虽然所提算法的接入量无明显提高,但是在SINR较高时所提算法能显著降低发射功率并提高次用户的接入量。模型中对不确定的信道状态信息（CSI）加以分析,可以使网络更好地适应外界的变化,提高网络的可靠性,所提算法可以有效地实现网络资源的优化配置,提高网络性能。     

宽线性波束形成技术综述

在圆信号的假设条件下,传统的线性波束形成技术仅仅利用了天线阵列观测矢量的协方差矩阵。然而,现代通信领域中的很多人工调制信号具有非圆特性,观测矢量不仅存在协方差矩阵,还存在伪协方差矩阵。宽线性波束形成技术是针对非圆信号环境提出的一类新技术,该类技术通过构造一个包含天线阵列观测矢量及其共轭的扩展观测矢量,建立有利于特定方向信号接收的目标函数及约束,推导出相应的扩展权重矢量。同传统线性波束形成技术相比,宽线性波束形成技术对非圆信号的接收性能有了明显提升,近年来,该类技术成为国内外研究热点之一。本文介绍了圆信号和非圆信号定义,给出了阵列模型并介绍了最小方差无畸变响应波束形成,对各种宽线性波束形成算法进行了综述,并对宽线性波束形成技术的下一步研究方向进行了展望。     

A multi to wideband frequency reconfigurable antenna

A frequency reconfigurable antenna with a simple design structure and biasing circuit is presented. The antenna is able to configure its frequencies to operate either in multiband or wideband modes. The antenna is fed by a coplanar waveguide transmission line. The reconfiguration characteristics of the antenna is achieved by using PIN diode switches. The operating frequencies of the multiband mode are designed within the wideband mode operating range, from 2 to 6 GHz. Both simulated and measured results of S₁₁, radiation pattern and realized gains are verified. The antenna allows a degree of freedom in providing the frequency reconfiguration from multiband to wideband mode and vice versa.     

基于天线选择的全双工中继干扰抑制

在全双工中继协作通信系统中,中继发送端和接收端之间的干扰严重影响了系统的传输性能,因此干扰抑制是全双工模式下的关键问题。与引入权重矩阵的抑制方法不同,介绍了一种在中继发送端和接收端同时进行天线选择的干扰抑制方法。在多天线中继衰落信道系统中,基于最小化干扰信道的信道容量准则,中继发送端和接收端均选择合适的天线子集。在该抑制方法的基础上,理论分析了系统信道容量的闭式表达。仿真结果表明,天线选择方案改善了系统的信道容量和误码率性能,干扰抑制效果明显,同时降低了系统的复杂性。     

Joint optimal sensing time and power allocation for multi-channel cognitive radio networks considering sensing-channel selection

In this paper,we consider a multi-channel cognitive radio network(CRN)where each secondary user(SU)can only choose to sense a subset of channels.We formulate a joint optimization problem of sensingchannel selection,sensing time and power allocation under the constraints of average transmit power budget and average interference power budget,which maximizes the CRN’s total throughput.We propose a greedy algorithm to solve the joint optimization problem,which has much less computational complexity.Moreover,it is shown that the search space of the greedy algorithm can be further pruned.Finally,numerical results demonstrate that the greedy algorithm has comparable performance to the exhaustive search algorithm.