波束形成算法及其新进展.pptVIP

实验2：研究基于频域LMS的自适应波束形成算法（FLMS-ABF）和LMS自适应波束形成算法（LMS-ABF）波束形成性能对比，在实验中SNR=20，迭代次数为500。图3.5给出了它们波束形成的方向图。从图3.5可以看出与LMS-ABF 相比，FLMS-ABF在15o、65o等干扰方向具有较小值，即具有较好的干扰抑制的能力。所以与LMS-ABF相比，FLMS-ABF具有较好的波束形成性能。 图3.5 算法的波束形成方向图 第三十页，共七十四页，2022年，8月28日 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 第三十一页，共七十四页，2022年，8月28日 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，提取一定范围的空域频率。根据空域频率与DOA一一对应的关系，也就是对一定范围的DOA进行提取，这样就可消除了带外DOA信号对带内DOA信号的干扰。 第三十二页，共七十四页，2022年，8月28日 算法性能分析 1 收敛速度 如前文分析在波束形成中引入FFT，实现频域上的波束形成的主要目的是提高收敛速度。频域自适应波束形成算法的收敛速度得到了提高。带通滤波可以消除带外的干扰信号。在频域上进行带通滤波，只截取了与期望信号有关的信息，所以带通滤波后的信号维数大大下降，导致LMS算法计算量和存储量大大降低，收敛速度进一步的提高。假设阵列中传感器数量M和带通滤波后的序列长M/4，则LMS算法本来有M-1个自由度，经过带通滤波后，只有M/4-1个自由度，所以LMS收敛速度大大提高。 2 复杂性分析 与时域最小均方 (LMS) 自适应波束形成算法相比，本文提出这种降维的频域自适应波束形成算法增加FFT的额外的计算量。但频域变换都有快速算法，计算量不大。阵列中传感器数量M，LMS算法每迭代一次的复数加法次数2M，复数乘法的次数约为2M+1。FFT中复数加法次数M*log2M，复数乘法次数为复杂度M/2*log2M。当M=64，FFT只相当于2-3次LMS迭代。而且FFT已经有现成硬件，实现容易。经FFT变换后信号自相关性下降，之后的LMS算法收敛速度提高。同时在波束形成中引入带通滤波，带通滤波后信号的维数大大下降，使得LMS算法计算量和存储量大大降低。总体而言，本文提出的自适应波束形成算法的计算量与时域LMS自适应波束形成算法相比增加的计算量较少。 第三十三页，共七十四页，2022年，8月28日 仿真中采用64天线的均匀线形阵列，阵列间距为λ/2 。为了与其它算法比较性能，采用相同初值和步长。假设有6个信源，它们的DOA为5o 、15o 、25o 、35o 、65o 、80o。SNR=10；信道为AWGN。对阵列接收信号的一列进行FFT，得到它们的空域频谱，如图3.7所示，从空域频谱中我们很容易估计出信号的空域频率。谱峰在右边是因为负频率的原因。 图3.7 接收信号的空域频谱 第三十四页，共七十四页，2022年，8月28日 实验1：研究降维的频域自适应波束形成算法（RFD-ABF）和LMS自适应波束形成算法（LMS-ABF）收敛性能对比。图3.8给出了RFD-ABF和LMS-ABF的学习曲线。从图3.8可以看出：RFD-ABF 比LMS-ABF 收敛速度要快得多；LMS-ABF需要上千次迭代才能收敛到满意的数值，而且RFD-ABF只要几十次迭代就能收敛到较小的数值。 图3.8算法的收敛性能比较 第三十五页，共七十四页，2022年，8月28日 实验2：研究RFD-ABF和LMS-ABF性能对比。图3.9给出了它们波束形成的