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.     

基于智能天线的LMS算法的研究

对智能天线中的自适应波束成形算法进行研究,并利用Matlab软件对固定步长和变步长两种LMS算法进行计算机仿真实验。仿真结果表明,变步长的LMS算法均方误差收敛效果较好,波束形成对干扰信号的抑制更加精确,有较强的实用性。     

一种新变步长LMS算法及在自适应波束形成中的应用

LMS算法是智能天线自适应波束形成算法中的经典算法,由于其步长固定,造成收敛速度和稳态失调之间的矛盾。为了解决这一问题,提出一种新的变步长LMS算法,并在算法中引入误差信号的自相关估计,大大降低了噪声的干扰,对算法进行仿真,得到了最优的参数设置。利用蒙特卡罗方法对算法进行了性能评估,与传统的LMS算法、NLMS算法相比,新的变步长LMS算法具有更快的收敛速度和较小的稳态误差及优良的抗噪性能。     

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。     

自适应阵列智能天线抗干扰性能研究

分析了自适应阵列智能天线的基本原理,给出了基于复数LMS算法的自适应阵列智能天线波束形成方法,同时对该智能天线抗干扰性能进行了Matlab仿真,理论分析和仿真结果表明:自适应阵列智能天线阵能够实时地调整天线方向,使天线的主波束对准期望信号方向,零陷对准干扰方向从而抑制干扰信号,在干扰和低信噪比环境下,接收端使用智能天线可以大大降低误码率,该智能天线具有较强的抗干扰性能。     

智能天线自适应滤波器算法研究及分析比较

对几种最常见的智能天线LMS自适应滤波器算法进行了较全面的性能比较,并利用Matlab程序仿真分析了不同算法的误差、收敛速度和稳定性等.分析结果表明,改进的LMS自适应滤波器算法相对于传统的LMS自适应滤波器算法在减小误差方面优势明显.     

一种改进的LMS/F组合算法及其在同址干扰抵消中的应用

在研究最小均方算法LMS(Least Mean Squre)、最小四阶算法LMF(Least Mean Fourth)和LMS/F组合算法的基础上,引入修正因子γ对LMS/F组合算法进行改进。改进的LMS/F组合算法在保持LMS/F组合算法优良的收敛精度和稳定性的基础上,进一步提高了收敛速度和对时变系统的跟踪特性。改进的算法参数调整简单、高效且运算量小,仿真结果与理论分析相一致,证实了该算法的优异性能。     

智能天线中的干扰抑制算法研究

智能天线技术是是第三代移动通信系统采用的抗干扰关键技术.智能天线技术研究的核心是波束赋型的算法,但各种算法均存在计算量大和收敛速度较慢等缺点,如何提高系统性能成为一个重要课题.提出了一种新的用于智能天线中抑制干扰的波束形成算法,阐述了阵列天线波束形成的最佳权向量技术和估计信号波达方向的改进MUSIC算法,并对其进行了仿真实验.理论分析及仿真结果表明,与目前其它方法相比,具有空间分辨力高、计算量小、稳健性好等优点,有较强的实用性.     

基于麦克风阵列的语音增强研究

麦克风阵列的自适应算法通过迭代运算获取波束形成的最优权矢量时,噪声模型的估计是一个非常关键的因素.它的好坏直接影响着系统波束形成的性能.系统地分析了最小均方(LMS)自适应语音增强算法,并针对阻塞矩阵在估计噪声时存在的缺陷,在该算法的基础上提出了一种利用最小值控制递归平均(MCRA)来估计噪声的方法.将此方法应用于波束形成,并用 Matlab 软件进行仿真.仿真实验结果表明,MCRA 估计出的噪声使 LMS 自适应语音增强的效果更好和抗噪性更强.     

改进相关矩阵估计的LMS牛顿算法分析与仿真

在LMS牛顿算法中权值的更新采用了输入信号矢量的相关矩阵估计，不同的估计方法对算法的性能影响很大，该文分析了一种改进相关矩阵估计的LMS牛顿算法，该算法通过对LMS牛顿算法中的相关矩阵采用改进的指数加权估计，大大提高了算法的性能，同时维持了适中的计算复杂度。此外，还比较了LMS牛顿算法与RLS算法，从原理上说明了它们的密切联系；指出算法改善性能的关键在于变步长特性，即步长随着时间增加而逐渐变小，使得算法既可以保持较快的收敛速度，又获得了较小的失调。算法在智能天线中的仿真结果表明，该算法具有比常规LMS牛顿算法更优的性能。     

步长随输入信噪比变化的LMS算法

介绍了归一化最小均方误差(LMS)算法,分析了它在平稳环境噪声下步长不能自动调整的弊端。然后提出了步长随输入信噪比变化的LMS算法,分析了步长调整规律。根据该算法在噪声抵消的起始阶段收敛性能差并可能出现发散的现象,对该算法进行了修正,即在起始阶段采用归一化LMS算法,之后利用步长随信噪比变化的LMS算法。通过对语音信号的消噪仿真,表明修正的步长随输入信噪比变化的LMS算法收敛性能好,输出信号的信噪比有了较大的提高。     

自适应语音消噪算法的研究与仿真

针对语音通信中的噪声问题,对最小均方误差(LMS)算法进行研究。研究发现,该算法在收敛速度与稳态误差之间始终存在着矛盾,为此在F-LMS算法的基础上,提出一种改进的LMS算法,该算法通过引入误差加权累加的平均值的方法来更好地解决两者之间的矛盾,并通过计算机仿真证实了该算法具有良好的收敛性能和稳态性能,最后利用传统的LMS算法、F-LMS算法和改进的LMS算法对带有噪声的信号进行了消噪处理,结果表明:在三种算法中,改进的LMS算法的噪声消除效果最好。     

相位激励赋形多波束形成算法分析及仿真实现

数字波束形成是天线技术与数字信号处理技术结合的产物,是智能天线实现空分多址的关键技术.采用相位激励赋形多波束形成技术,给出了智能天线数字多波束形成的优化算法,利用该算法对均匀圆环阵天线各单元权值进行计算,仿真实现了均匀圆环阵天线多波束方向图,在不同方向上同时得到了多个波束.该算法计算复杂度低,空间隔离度好.阵元呈圆环状分布,具有全向搜索特性,克服了直线阵搜索的缺点.该方法还可用于任意单元构成的不均匀阵列天线,以及波束展宽和扇形波束的形成.     

基于NLMS算法的自适应滤波器的研究与应用

对改进的NLMS自适应滤波器算法与传统的LMS算法进行了较全面的性能比较,利用Matlab程序分别仿真分析了两种算法的误差、收敛速度和稳定性等特性。在改进的NLMS算的基础上给出了自适应滤波器的原理结构,并仿真了其在去除噪声信号中的应用。分析结果表明：改进的NLMS自适应滤波器算法相对于传统的LMS自适应滤波器算法在减小误差方面优势明显。以上NLMS自适应滤波器特性分析结果对于智能天线设计具有指导意义。     

改进变步长LMS自适应预失真算法研究

在数字预失真过程中,针对传统的最小均方差(LMS)自适应算法收敛速度较慢和稳态误差较大的缺点,通过分析各种改进的变步长LMS算法的优势和劣势,提出了一种组合曲线的归一化变步长LMS数字预失真算法。仿真结果表明,新算法在保证预失真效果的前提下,算法性能得到极大提升。     

一种新的LMS自适应滤波算法分析仿真研究

传统变步长最小均方(LMS)算法存在收敛速度慢、易受噪声干扰等缺点,为了提高算法的性能,通过对变步长LMS算法进行分析研究,在步长因子x(n)与误差信号e(n)的相关统计量之间建立一种新的非线性函数关系,提出了一种新的变步长LMS自适应滤波算法。该算法采用误差信号的自相关时间均值来调节步长,并用绝对估计误差的扰动量以加快自适应滤波器抽头权向量的收敛。理论分析与计算机仿真结果表明:与SVSLMS和G-SVSLMS算法比较,该算法具有较快的收敛速度、较小的稳态误差以及较强的抗干扰能力。     

基于箕舌线变步长LMS算法的分析与改进

研究系统跟踪性能和误差问题,为了改善基于箕舌线的变步长最小均方(LMS)算法的收敛速度和对信号输入端不相关噪声的抗干扰性,首先对现有的典型变步长LMS算法进行了分析归纳.在箕舌线变步长LMS算法(TCLMS)的基础上通过结合其他典型算法的优点,提出了TCLMS算法的改进算法.算法不仅继承了TCLMS算法计算复杂度低的优点,并且通过引入动量项与前后误差的自相关估计对其收敛速度慢,抗不相关噪声干扰性能差的特性进行了改善.在MATLAB进行仿真,结果表明,改进算法具有收敛速度快,计算复杂度低,稳态误差小,抗噪声能力强等特点.     

一种基于酉变换的修正ESB波束形成算法仿真

为了减小基于特征空间（ESB）自适应波束形成算法的运算量并提高小快拍数条件下的自适应波束形成性能,该文提出了一种基于酉变换的修正ESB自适应波束形成算法。该算法利用酉变换将复协方差矩阵转换为实矩阵,然后对其求逆和特征分解进行自适应波束形成,因此其运算量比ESB自适应波束形成算法小得多。由于计算变换后的矩阵的过程具有前后向平均的效果,相当于快拍数加倍,从而可提高小快拍数时波束形成的性能,增大输出信干噪比。算法在智能天线中的仿真结果表明,该算法具有比ESB算法更优的性能。     

基于单权值顺序优化准则的自适应波束优化算法

为了降低自适应天线阵列波束成形算法的复杂度,加快算法的收敛速度,基于单权值顺序优化SWO准则,给出了自适应阵列成形算法权值的快速收敛和更新方法。通过对该算法的理论分析与仿真,结果表明,相对于其它自适应波束优化算法,新方法能获得更高的收敛速度。而且在无须预设参数的前提下,基于单权值顺序优化准则的算法在能够达到与基于最小均方误差准则（MMSE准则）的优化算法相似性能的同时,使运算复杂度下降,收敛速度提高,因而更具有可实现性。     

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.