最小方差无失真响应波束形成器.docxVIP

PAGE \* MERGEFORMAT9 最小方差无失真响应波束形成器实验 1、实验内容和目的 1） 通过LMS算法在波束形成上的应用加深对LMS算法的理解，掌握LMS算法的matlab编程。 2）初步学习阵列信号的处理方法，掌握波束形成的原理，深入理解最小方差无失真响应波束形成的方法，并将LMS自适应算法应用其中，比较不同信噪比和迭代次数对波束形成的影响。 2、基本原理分析 1）LMS 算法原理 LMS算法一般来说包括两个基本过程：滤波过程和自适应过程。滤波过程来计算线性滤波器的输出及输出结果与期望响应的误差。自适应则是利用误差来自动调节滤波器的参数。LMS算法也是一个递推的算法。 设是滤波器在n时刻产生的均方误差，其梯度计算如下： 其中R和p分别是输入的自相关矩阵和输入与期望输出的互相关矩阵： 则梯度向量的瞬态估计为： 由最速下降算法可以得到抽头向量更新的递推关系式： 整个LMS算法归纳总结如下： 参数设置： M=抽头数（滤波器长度） μ=步长参数 其中是抽头输入功率谱密度的最大值，而滤波器长度M为中到大 初始化： 如果知道抽头权向量的先验知识，则用它来选择的合适值，否则令。 更新滤波过程： 2）MVDR波束形成。 在一些滤波器应用中，人们希望所设计滤波器在一定约束条件下使均方误差最小化，如，要求在要求线性滤波器的平均输出功率最小化的同时要求在一些特定的