最小方差无失真响应波束形成器资料.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感兴趣频率上响应保持恒定。 对于一个线性M阶横向滤波器来说，假设滤波器的输入为u(n)，u(n-1)，…，u(n-M+1)，则输出为： (2.1) 对于正弦激励这一特殊情况，设输入： (2.2) 代入(2.1)中，可以得到： (2.3) 于是，约束条件为，寻找一组最优的滤波器系数，满足平均输出功率最小的同时使得在特定频点w0处满足： (2.4) (2.1)与(2.4)描述的是时域约束最优滤波问题。对于天线均匀间隔的线性阵列，从空间的角度来看，假设在n时刻，一个平面波沿着与阵列垂直方向成θ0角度的方向入射到阵列上，如图2-1所示： 图2-1 平面波入射到线性阵列上 所产生的波束形成器的输出为： (2.5) 其中，u0(n)是天线接收到的信号。wk是波束形成器的权值。于是空间的约束条件就变为，寻找一组最优的权值wk，使得对于特定的入射方向θ0，满足： (2.6) 从式(2.4)与式(2.6)可以看出，时域约束与空间约束从数学角度来看是等效的。 利用拉格朗日乘子算法来求解这个约束最优化问题。可以得到期望的最优权向量为： (2.14) 以w0表征的波束形成器，称为线性约束最小方差（LCMV）波束形成器。在g=1 的特殊情况下，式(2.14)可以简化为： (2.15) 这个波束形成器被约束成沿着对应于θ0的观测方向产生无失真响应。于是对于MVDR算法有以下三个关系式： 1) 波束形成器的权向量： (2.16) 2) MVDR（空间）功率谱： (2.17) 其中为M×1的阵列流形矢量。 3) MVDR波束形成器的自适应空间响应为： (2.18) 3、实验参数设置 1）MVDR波束形成实验 仿真一个8阵元的天线阵，来波方向分别是0度、30度和60度，30度方向是干扰信号，快拍数设为512，约束条件为对于0度和60度g=1，对于30度方向g=0，相当于在30度方向上天线阵的增益为0，形成一个零陷，画出其天线阵的方向图和功率谱图。 2）基于LMS算法的MVDR波束形成 天线阵的阵元数是5，相对于阵列线的法线方向用弧度来度量，则目标信号与干扰信号入射角度可表示为 目标信号 干扰 增益向量 空间响应的定义为 信噪比是10dB，分别针对20、100和200次快拍数，研究不同干噪比（20dB 30dB 40dB）下天线阵的方向图，并对应三种干噪比设LMS算法的步长分别为来保证LMS算法是收敛的。最后针对干噪比为20dB，步长为，研究不同快拍数对波束形成的影响，分别设20、25和30次 4、实验过程及结果分析 1）MVDR波束形成（运行mvdr）： 从功率谱图中可以看到，MVDR的谱估计可以很好地辨别出来波信号的方向，而从波束形成的图中可以看到天线阵在30度干扰方向上形成了一个很深的零