皮智能天线中的LMS自适应波束形成研究

自适应波束形成是智能天线的核心技术,其主要思想是利用自适应算法调整阵列权向量,使天线主瓣指向有用信号,干扰方向对准零陷,尽可能地提高阵列输出所需信号的强度,同时减小干扰信号的强度,从而提高阵列输出的信噪比.运用MATLAB仿真对LMS算法收敛性能进行常规研究,但重点研究了收敛因子、阵元个数、阵元间距等阵列系统因素,以及阵列接收信号过程中两波束夹角对LMS自适应波束形成性能的影响,为进一步优化自适应波束形成的性能奠定了基础.     

基于CMA算法的智能天线自适应波束形成研究

自适应波束形成是智能天线的核心技术,其主要思想是利用自适应算法调整阵列的权向量,将各阵元接收到的信号进行加权求和,把天线阵列形成的波束“导向”到特定方向上。本文介绍了恒模算法（CMA）和最小二乘恒模算法（LS—CMA）两种盲波束形成算法并运用Matlab软件对两种算法进行仿真分析,仿真结果表明,LS—CMA具有更快的收敛速度以及更好的抗干扰能力。     

一种变步长LMS波束形成算法性能研究

智能天线的自适应算法通过迭代运算获取波束形成的最优权值矢量时,收敛速度和稳态误差是衡量一个算法是否优良的关键因素。它们的好坏直接影响着系统波束形成的性能。系统地分析了传统的最小均方（LMs）算法的收敛速度以及稳态误差的性能,在此基础上提出了一种新的变步长LMS算法,将此算法应用于波束形成,并用Matlab软件进行仿真。仿真结果表明,改进后的算法较传统LMS具有较快的收敛速度和较小的稳态误差。     

智能天线自适应波束形成算法的研究

智能天线的自适应算法通过迭代运算获取用于波束形成的最优权值矢量时,是否具有较快的收敛速度和较小的稳态误差成为决定波束形成性能的主要因素。据此提出在传统的LMS算法中引入变步长和变换域的思想,采用改进的自：适应算法用于波束形成。MATLAB仿真结果表明,该算法具有较快的收敛速度和较小的稳态误差,波束形成的性能更优。     

基于LMS算法的天线波束方向图仿真研究

最小均方（LMS）算法是一种常用的天线波束形成算法。本文首先对LMS算法的一般原理进行了研究,然后对LMS算法进行了改进,将固定步长改为变步长,最后应用Matlab对算法进行了仿真。仿真结果表明改进的LMS算法具有良好的效果,收敛速度比经典LMS算法更快,对天线性能有一定的提高。     

顽健自适应波束形成算法

针对方向向量偏差会导致最小均方(LMS)算法的性能急剧下降这一问题,提出了一种基于可变对角载入的顽健自适应波束形成算法.采用最陡下降法对信号方向向量进行优化求解,并在每次迭代过程中更新对角载入值,进而求出最优的权重向量,避免了矩阵求逆运算和特征值分解运算,大大降低了计算复杂度.通过建立步长与输入信号的关系得到可变的步长因子,克服了收敛速度和稳态误差之间的矛盾.该算法收敛速度快,抗扰动性强,对信号方向向量偏差具有很强的顽健性,从而改善了阵列输出的信干噪比,使其更接近最优值.理论分析和仿真结果表明与传统自适应波束形成算法相比,所提顽健算法具有更好的性能.     

一种基于自适应阵列天线的波束赋形算法

自适应阵列天线中的数字波束赋形(DBF)技术是智能天线数字信号处理部分的核心.提出了一种可用于自适应阵列波束赋形的SMI-LMS算法--由SMI(采样协方差矩阵求逆)算法决定LMS(最小均方)算法的初始权向量.该算法充分结合了SMI算法收敛速度快和LMS算法稳态误差小的优点,能在较强干扰环境下,确保权向量的快速收敛和跟踪速度.与传统的LMS算法相比,SMI-LMS算法具有良好的收敛性能、较快的跟踪速度和较小的输出误差,并可以有效改善自适应方向图的副瓣性能.仿真结果验证了该结论.     

一种智能天线降维频域波束形成算法的研究

本文提出一种智能天线降维的频域自适应波束形成（RFD—ABF）算法,该算法先对接收信号进行FFT,然后再带通滤波,最后通过LMS算法实现了频域的自适应波束形成。此算法可以有效降低信号的维数,消除干扰信号,大大降低计算量和存储量,通过对此算法收敛速度和有效抑制干扰的仿真,验证了智能天线降维频域波束形成算法的可行性,为智能天线技术在第三代移动通信系统应用提供理论基础。     

流星余迹通信中的智能天线技术研究

针对流星余迹通信原理及信道特点,建立了适用于流星余迹通信系统的智能天线系统模型。在热区跟踪上,使用波束切换技术;而对于可用流星余迹使用自适应数字波束形成技术。针对流星余迹持续时间短的特点,为了获得最佳接收性能,缩短等待时间,对自适应算法提出了收敛速度快、计算复杂度小的要求,这里采用变步长LMS算法与判决导向算法相结合的半盲自适应算法,并对半算法进行了仿真分析。     

基于MUSIC和LMS算法的智能天线设计

基于来渡方向估计和自适应波束成形的智能天线系统,用多重信号分类(MUSIC)算法实现来波方向估计,辨识天线阵列上接收信号的各个方向,使用最小均方误差(LUS)的自适应算法控制天线的主辩方向,实现对期望信号的跟踪,同时实现对干扰信号的零陷处理.文中使用Matlab编程进行计算机仿真,通过仿真结果,MUSIC算法可以识别天线接收端的信号的入射方向,LMS算法可以实现对干扰信号的抑制.     

自适应波束形成算法的研究

自适应波束形成是智能天线的关键技术,其核心是通过一些自适应波束形成算法获得天线阵列的最佳权重,并最终最后调整主瓣专注于所需信号的到达方向,以及抑制干扰信号,通过这些方式,天线可以有效接收所需信号。在实际应用中,收敛性,复杂性和鲁棒性的速度是在选择自适应波束形成算法时要考虑的主要因素。本文聚焦于最小均方(LMS)算法和样本矩阵求逆(SMI)的算法,分析了它们的性能,并在Matlab的帮助下将这两个算法应用于自适应波束形成。     

基于遗传算法的部分自适应波束形成方法

将一种改进的遗传算法用于星载平面阵列天线方向图的实时综合。为了使遗传算法适合实时应用,在唯相自适应阵列的基础上进一步采用了部分阵元和部分比特的自适应波束形成,以降低算法计算量,提高其收敛速度。对基于改进遗传算法的唯相阵列部分阵元自适应波束形成和部分比特自适应波束形成进行了研究。模拟实验结果表明,两种方案都能够在波束“凝视”方向满足一定增益的前提下有效抑制来自旁瓣的强干扰,而且具有比传统唯相算法更快的收敛速度。     

智能天线波束形成算法分析

本文重点介绍了自适应方式下的智能天线;然后研究了三种经典的自适应波束形成算法——最小均方误差算法、递归最小二乘算法、恒模算法,并对这三种算法在MATLAB中进行了仿真,分别得出了期望信号在迭代过程中的误差变化,期望信号和干扰信号在迭代过程中的增益变化及迭代完成达到收敛后的天线方向图,分析了收敛速度及各项性能指标,并对三种算法做了性能比较。     

基于子带阵列盲处理的空时干扰抑制

在卫星智能天线终端,传统空时自适应滤波处理中自适应算法需要信号信息而缺乏实时性,阵列处理算法复杂而抗干扰能力不足,针对此问题,提出了一种子带盲自适应阵列处理算法,用于直扩系统空时干扰抑制技术。子带阵列处理相对纯空域处理提高了阵列自由度,相对传统空时的抽头延迟线阵列自适应结构又大大降低了算法复杂度。提出的子带指数型变步长线性约束恒模算法的自适应阵列处理算法能在低算法复杂度下提供较高的收敛速度和收敛精度,不需要发送训练序列,可实现盲自适应波束形成,易于实现实时跟踪信号变化。仿真结果表明新的空时干扰抑制方案具有更好的抗干扰性能。     

基于改进LMS算法的自适应旁瓣对消研究

自适应旁瓣对消是雷达抗干扰的有效方法。为了提高雷达旁瓣对消中算法的收敛速度和稳态性能,针对目前定步长LMS算法存在的问题,本文对该算法进行了分析以及步长改进,提出一种基于双曲余弦函数的自适应变步长LMS算法,并对不同的影响因子进行了仿真分析。通过对加噪的信号进行自适应旁瓣对消仿真分析,仿真结果表明改进的自适应变步长LMS算法对消器可以有效地抑制旁瓣干扰信号,提高对消器的收敛速度和稳态性能,提高输出信噪比。     

WCDMA中一种利用查表LMS算法的自适应阵

本文针对WCDMA中上行链路存在导频信道的特点,并结合变步长LMS算法的优点,提出了一种查表LMS波束形成算法。该算法利用导频信号作为空间波束形成的参考信号,把误差范围和相应的步长存储到列表中,在进行波束形成时所要采用的迭代步长直接在列表中查取。该算法的实现复杂度低,收敛速度快,运算量小。     

阵列天线在超宽带通信系统中的应用研究

本文介绍了时跳-脉冲位置调制(TH-PPM)超宽带信号形式的信号结构,并分析了高斯脉冲波形及其自相关函数的时域特性.给出了一个阵列天线模型,定义并仿真计算了阵列天线的峰值幅度方向图,结果表明,阵元数目越多,阵列波束宽度越窄;同时,提出了二分搜索波束形成算法并进行了仿真,仿真结果表明,该波束形成算法收敛速度快,收敛步数在1~15步之间,能实时调整阵列的主波束方向对准来波的方位,得到信号的最佳接收.     

NLMS算法波束形成性能的研究

通过智能天线中的自适应波束形成技术可自动跟踪有用信号和抑制干扰。文中探讨了自适应波束的形成原理,并运用NLMS自适应算法得出了最优权向量,然后通过仿真分析了天线阵列的结构尺寸、入射信号以及信干比SIR对NLMS算法波束形成器性能的影响。     

基于小波变换的变步长LMS自适应滤波算法

变步长LMS自适应滤波算法通过构造合适的步长因子有效的解决了传统LMS算法收敛速度和稳态误差相矛盾的问题.变换域LMS自适应滤波算法通过正交变换降低了输入信号矩阵的相关性,提高了算法的收敛速度.将这两种算法相结合,提出了一种新的基于小波变换的变步长LMS自适应滤波算法.仿真结果表明,该算法无论是收敛速度还是稳态误差都有了很大的提高.     

TD-SCDMA系统中智能天线的重复迭代自适应算法

提出一种用于TD-SCDMA系统的重复迭代自适应智能天线算法。通过在自适应算法中把阵列输入信号和作为参考信号的训练序列重复使用,可以在短训练序列情况下实现较好的收敛,提高通信系统的传输效率。对LMS算法中全训练序列重复迭代和滑动窗口重复迭代算法进行了仿真,结果表明,在有限训练序列时本算法比传统LMS算法更好地逼近最佳解。