基于特征空间和LCMV的波束形成新算法

本文提出了一种改进的特征空间算法——GEBB,它基于多约束LCMV准则和特征空间算法。新算法的权值具有更小范数和更小的输出噪声,另外,算法根据是否保留约束具有一定灵活性。     

一种低旁瓣数字波束形成方法

线性约束最小方差准则(LCMV)在波束形成技术中得到了广泛的应用.但是,很多情况下,它会产生偏高旁瓣.本文基于多线性约束最小方差准则,提出了一种降低旁瓣的波束形成算法.该算法通过搜索技术寻找到已形成波束图的最高旁瓣点,建立对应方向矢量上的增益方程,将其添加到原来的LCMV准则约束条件中,然后利用多线性约束最小方差准则进行权值更新,实现旁瓣的降低.该算法不仅适用于均匀阵列,还适用于非均匀阵列,仿真结果表明了该算法的正确性和有效性.     

一种基于线性约束的自适应方向图控制方法

提出了一种基于线性约束最小方差波束形成（LCMV）的自适应方向图控制方法。该方法通过在原有线性约束基础上构造新的线性约束,然后根据新组成的线性约束进行LCMV自适应波束形成,所得到的自适应方向图在固定零点方向和干扰方向形成零陷的同时保留了期望静态方向图的副瓣电平特性,从而能够减小快变干扰的影响,并且计算十分简便。计算机仿真证明了本文方法的有效性。     

特征空间算法及仿真

本文的算法利用特征分解得到信号子空间,然后将基于线性约束最小方差准则（LCMV）的权向量投影到信号子空间得到特征空间算法的权向量,并对算法进行了仿真。仿真结果表明算法具有较好的性能、很快的收敛速度。     

特征空间算法及仿真

本文的算法利用特征分解得到信号子空间,然后将基于线性约束最小方差准则(LCMV)的权向量投影到信号子空间得到特征空间算法的权向量,并对算法进行了仿真.仿真结果表明算法具有较好的性能、很快的收敛速度.     

基于多线性约束的旁瓣抑制技术

针对常规波束形成器的方向图旁瓣过高的问题,建立了天线阵列对信号的接收模型。对基于线性约束最小方差(Linear Constrained Minimum Variance,LCMV)准则的波束形成器性能进行了分析,提出了一种基于多约束LCMV的旁瓣抑制方法。通过搜索寻找到降低旁瓣级和主瓣展宽程度的多约束条件,并将求得的加权向量投影到基于特征结构的投影矩阵上。对该算法进行了计算机仿真,验证了算法的可行性,并分析了仿真结果,指出了算法的优点与不足。     

多点约束空时抗干扰算法的研究

提出了一种多点约束下的GNSS接收机空时抗干扰算法。从多点约束LCMV准则的等效GSC结构入手,对其前向分解过程进行了简化与改进,使计算复杂度降低到与单点约束问题相当;随后利用Householder多级维纳滤波(MWF)算法求解GSC结构中的经典维纳滤波问题,并利用MWF的分解特性对其后向迭代过程进行改进,得到了一种阶递归的实现结构,大大提高了算法的实时性,并可根据MSE值自适应地估计降维维数。给出了完整的算法流程,并进行了仿真实验,验证了算法的有效性。     

水声通信中RLS—LCMV波束形成算法的研究

RLS算法作为一种自适应波束形成算法,以其算法简单有效而得到广泛的应用。分析了多径传播环境下,不同信号方向的方向图及功率,SNR变化对自适应波束形成算法性能的影响。将RLS-LCMV自适应算法用于水声传感器阵列信号的波束形成,完成了在线性约束最小方差（LCMV）下波束形成的仿真。该算法具有收敛速度快,抗扰动性强的特点。     

改进的LCMV算法在多波束形成中的应用

基于线性约束最小方差(LCMV)算法的自适应波束形成技术,得到的方向图能保证期望信号方向增益最大,非期望方向形成零陷。但实际应用中由于不可避免的存在阵元位置误差、阵元相位误差及指向误差等(统称为相位误差),使约束的导向矢量与真实期望信号的导向矢量不一致,从而影响系统的性能。改进的LCMV波束形成算法——基于迭代二阶锥的唯相位波束形成技术,通过改变移相器的相位,使各阵元输出信号相位一致,在多个方向上形成主波束,阵列输出功率最大。     

一种新的天线阵列盲自适应波束形成算法

针对DS-CDMA的上行链路多用户检测,提出了一种基于天线阵列的盲自适应波束形成算法。针对强干扰采用线性约束最小方差准则(LCMV),利用正交分解将LCMV简化为非约束的最小化优化问题,采用共轭梯度(CG)算法求得最优解。对期望用户信号波形的使用保证了用户符号信息的最优恢复。仿真结果表明,该算法相对传统算法可以获得更高的信号干扰比(SINR)。该算法不需要天线阵列单元数大于用户数,因此具有更好的实用性。     

基于高阶累积量的LCMV波束形成算法

基于高阶累积量的线性约束最小方差（LCMV）波束形成算法具有自动抑制高斯白噪声及任意高斯色噪声的能力,而且能够实现最优阵列扩展,达到扩展阵列有效孔径的目的。仿真结果表明该算法与传统的 LCMV波束形成算法相比可以有效地减少主瓣宽度、降低旁瓣电平及增加零陷深度。     

一种新的GPS接收机宽带干扰抑制方法

该文针对GPS扩频接收机空时自适应处理结构,提出了一种新的极大抑制干扰的波束形成算法。通过估计空时二维功率谱得到各干扰信号的导向矢量矩阵,并求解出该矩阵的一组最接近期望信号导向矢量的正交基,作为空时二维最优权值。仿真结果表明,该算法增强了空时自适应结构方向图的零陷深度,比传统宽带多线性约束LCMV算法更有效地进行干扰抑制,明显提高了信号干扰噪声比。     

MIMO雷达波束形成的低副瓣LCMV算法

针对大口径稀布MIMO雷达副瓣抬高和抗干扰性能劣化的问题,本文提出一种改进的线性约束最小方差（LCMV）波束形成算法。通过密集虚拟干扰构造低副瓣权,并采用修正约束的LCMV算法形成零陷。修正后的约束条件使得方向图达到在指定区域形成零陷,而在非指定区域保持低副瓣的效果。该算法在保持低副瓣电平的同时还能有效抑制干扰,特别是在低系统自由度的条件下能有效解决MIMO雷达方向图低副瓣和远区杂波干扰问题。仿真结果验证了所提算法的有效性。      

基于LCMV的两种干扰抑制算法对比分析

为了对比分析线性约束最小方差(LCMV)准则下的功率倒置(PI)算法和最小方差无失真响应(MVDR)算法的综合抗干扰性能,建立天线阵列接收信号模型。理论分析了LCMV准则以及PI和MVDR算法原理和特点。从对扩频信号捕获和信号载波相位的影响2个方面对比分析了2种抗干扰算法的性能,并利用Matlab对分析结果进行验证及进一步分析,得出MVDR算法抗干扰性能优于PI算法,对卫星导航领域的抗干扰的工程实践有一定的指导和借鉴意义。     

异步DS-CDMA系统盲空时信道估计及多用户检测

该文提出了适用于频率选择性瑞利衰落信道中的异步DS-CDMA系统盲空时信道估计及多用户检测算法。通过研究多径信号码空间和数据矢量空间,采用噪声子空间技术进行异步DS-CDMA系统盲空时信道参数估计,同时利用了多径传播和接收机同步失调的特性,以利于把盲线性滤波优化技术应用于稳健的干扰抑制。使用一种修改的ULV更新算法进行噪声子空间跟踪,该算法不需要相关矩阵的秩估计,直接估计噪声子空间,不进行信号子空间跟踪。并且研究了线性约束最小方差(LCMV)盲空时多用户检测及其基于Householder变换约束最小均方算法(HCLMS)的自适应实现。仿真结果验证了该文算法的有效性。     

约束和非约束频域分组LMS自适应滤波器的快速算法

本文通过将约束和非约束频域分组LMS算法的权值迭代方程转换成时域方程,利用最小二乘法(LS)分别选取最优时变步长收敛因子,得到频域最佳分组算法(FOBA)和非约束频域最佳分组算法(UFOBA),虽然增加了计算量,但计算机仿真结果表明:提高了收敛速度和精度,算法稳定可靠。     

基于MUSIC和LCMV的自适应波束形成系统

提出了在基于来波方向估计和自适应波束成形的相控阵天线系统中,用多重信号分类(MUSIC)算法实现来波方向估计,并使用线性约束最小方差(LCMV)的自适应算法控制天线的主瓣方向,实现对期望信号的跟踪,同时实现对干扰信号的零陷处理。仿真结果表明,MUSIC算法可以有效识别相控阵天线接收端的信号的入射方向,LCMV算法可以实现对有用信号的自适应跟踪和对干扰信号的抑制。     

基于OFDM系统在pre-FFT域的波束形成

为了解决用户多,频谱资源少和系统容量不够的问题,文中主要研究了在正交频分复用（OFDM）系统中时域波束形成原理,运用OFDM的调制技术与智能天线中的波束形成相结合,从而来提高系统容量。并通过MATLAB仿真结果来比较广义旁瓣对消（GSC）,线性约束最小方差（LCMV）和最小方差（MV）算法在OFDM系统中的性能。通过仿真结果表明,广义旁瓣对消算法和线性约束最小方差算法比最小方差算法的效果要好,旁瓣对消效果比较明显。     

自适应变步长正交约束盲源分离算法

将盲源分离算法通常应用到的白化预处理方法转化为权值正交约束条件下的分离算法,使得分离算法由无约束算法转变为有约束算法,消除了在估计白化矩阵时引入的误差和分离输出存在的尺度不确定性。因为算法的收敛速度和稳态误差是一对矛盾,所以结合变步长思想,提出了一种新的自适应变步长的权值正交约束盲源分离算法。该算法步长是基于分离状态的,其学习速率由信号的分离程度自适应地选取,因而能很好地解决收敛速度和稳态误差之间的矛盾。仿真实验表明,该算法比非约束算法,固定步长的权值正交约束的盲源分离算法具有更好的分离性能。     

约束和非约束频域分组LMS自适应滤波器的快速算法

本文通过将约束和非约束频域分组ＬＭＳ算法的权值迭代方程转换成时域方程，利用最小于乘法（ＬＳ）分别选取最优时变步长收敛因子，得到频域最佳分组算法（ＦＯＢＡ）和非约束频域最佳分组算法（ＵＦＯＢＡ），虽然增加了计算量，但计算机仿真结果表明：提高了收敛速度和精度，算法稳定可靠。