智能天线算法94725.pptVIP

波束形成算法及其新进展 2007/5/31 通信与信息工程学院 目 录 §0.引言 §1.阵列天线的统计模型和DOA估计 §2.常用的波束形成算法 §3.自适应波束形成算法及其改进 §4.其他波束形成算法 §5.总结 引言 波束形成应用于： 雷达 声纳 电子或通信干扰侦察 移动通信 医学领域 等 1.1、阵列信号数学模型 信源为远场、窄带信号。 信源个数d小于阵源数m, dm。 信源为平稳、各态历经、零均值复随机过程。 各通道噪声为加性噪声，彼此独立，也独立于信号。 噪声为平稳高斯过程,均值为零。 1.2、 DOA估计（Direction Of Arrival）波达方向 MUSIC算法 Multiple Signal Classification. 第二节 常用的波束形成算法 2.1波束形成的最佳权向量 通过调整加权系数完成的，阵列的是对各阵元的接收信号向量x(n)在各阵元上分量的加权和。则输出可写作 2.3 波束形成的准则 ·最大信号噪声比准则（MSNR） 使期望信号分量功率与噪声分量功率之比为最大。但是必须知道噪声的统计量和期望信号的波达方向。 ·最大信干噪比准则（MSINR） 使期望信号分量功率与干扰分量功率及噪声分量功率之和的比为最大。 ·最小均方误差准则（MMSE） 在非雷达应用中，阵列协方差矩阵中通常都含有期望信号，基于此种情况提出的准则。使阵列输出与某期望响应的均方误差为最小，这种准则不需要知道期望信号的波达方向。 ·最大似然比准则（MLH） 在对有用信号完全先验无知的情况，这时参考信号无法设置，因此，在干扰噪声背景下，首先要取得对有用信号的最大似然估计。 ·线性约束最小方差准则（LCMV） 对有用信号形式和来向完全已知，在某种约束条件下使阵列输出的方差最小。 仿真一：LCMV波束形成方法在不同信噪比情况下的比较 仿真中阵列中的天线数为16，阵列之间间距为半波长，信道为AWGN，在快拍数为200，SNR分别取-15，5和15的情况下，我们用计算机分别仿真出LCMV方法在不同SNR情况下得到的波束形成方向图。DOA分别取5o，20o，30o，40o，50o和60o。 仿真2：LCMV波束形成方法在不同快拍数情况下的比较 仿真中阵列中的天线数为16，阵列之间间距为半波长，信道为AWGN，在SNR为-15，快拍数分别为2000，200和20的情况下，我们用计算机分别仿真出LCMV方法在不同快拍数情况下得到的波束形成方向图。DOA分别取5o，20o，30o，40o，50o和60o。 第三节 自适应波束形成算法及其改进 3.1 常用自适应波束形成算法 LMS 最小均方 RLS 自适应波束形成算法的比较 SMI（采样矩阵求逆）算法这些算法由于受到快拍数的限制，导致波束旁瓣电平升高，零陷变浅，求采样协方差矩阵要经常更新。 一种极大抑制干扰的波束形成算法 4.2 过饱和系统中波束形成算法 由于在CDMA下,同一小区容纳的用户数较多,且每一路用户都可能产生多个多径信号,因此多址干扰源的个数将会大于阵元个数. 为了考察当入射信号无限增多时权系数的优化解,做如下假设: (1)?? 入射信号角度间相互独立且在[0～2π]范围内均匀分布; (2)??入射信号幅度间相互独立且与入射角度无关,入射信号的功率有限. 定义波束形成器的输出功率对信号总功率的归一化值为 谢谢大家！ 我们发现FFT变换后信号中只有部分与期望信号有关，通过带通滤波，可以有效消除干扰信号，大大降低计算量和存储量，而且在频域上实现带通滤波比较容易。所以提出了一种新的频域自适应波束形成算法，即降维的频域自适应波束形成算法。 3.2.3 降维的频域自适应波束形成算法 本文提出的降维的频域自适应波束形成算法结构见图3.6所示，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。 图3.6降维的频域自适应波束形成的结构 1 空域频率的估计 降维的频域自适应波束形成过程中的重要一步就是空域频率进行粗略估计，这是带通滤波的前提条件。根据前面分析：不同的DOA对应于不同的空域频率，通过对阵列天线接收到的信号进行FFT，得到接收信号的空域频谱，从空域频谱就可方便估计它们的空域频率。同样我们也可利用接收信号的功率谱来估计其空域频率。 2 带通滤波 对接收信号进行频域变换，我们发现频域变换后信号中只有空域频率的附近和周围序列与期望信号有关，通过带通滤波，只提取空域频率的附近数据，这样做还可以有效消除干扰，大大降低计算量和存储量。而且在频域上进行带通滤波实现很容易，相当于加窗，我们只提取窗内的数据，而窗的中心就是期望用户信号的空域频率。这里的带通滤波是对空域频率进行滤波，提取一定