波束形成算法及其新进展.ppt

**从图1我们可以看出在信噪比较低的情况下，新的算法相比较MVDR算法，具有较低的旁瓣和更加精确的主瓣。图2表明随着信噪比的增加MVDR算法的方向图发生畸变，主瓣偏移期望信号的方向，甚至完全陷零，原因在于MVDR算法本身不能避免对信号自相关矩阵的求逆，在高信噪比的情况下，小特征值的扰动问题特别的明显，实际上，通过实验仿真发现，当SNR＞0时，MVDR算法的方向图就已经随机的受到上述问题的影响。实验仿真2实验仿真条件与实验仿真1相同，但是快拍仅为30，比较了SMI和ADL-SMI方法的波束形成方向图。当快拍数有限时，即使在如图4.4所示SNR＝－10dB的低信噪比情况下，SMI算法仍然不能很好的形成波束。而ADL-SMI算法仍然保持很好的波束形成能力。当快拍数较多的情况下，如图4.2所示SNR＝8dB时，SMI和ADL-SMI保持相近的波束形成能力，但是在快拍数有限的情况下，如图4.5所示同样的信噪比下，SMI算法已经失效。图4.4SNR＝－10dB波束形成方向图比较图4.5SNR＝8dB波束形成方向图比较第53页,共76页，2024年2月25日，星期天4.2投影预变换法在改变自适应波束畸变问题上，人们还提出一种预变换处理方法，利用变换矩阵将接收到的阵列数据变换到另一个域中进行处理，来改善自适应副瓣性能，该方法主要式利用目标方向的初始估计和阵列流形的先验知识。用T对阵列接收数据作变换Z=TX。由此得到变换域的协方差矩阵：变换域的目标方向向量：由此得到自适应权向量：第54页,共76页，2024年2月25日，星期天变换矩阵为，其中特征分解后前d个大特征向量组成，即由于T的维数为N*d维，变换域协方差矩阵为d*d维，为满秩矩阵，矩阵求逆不会出现病态问题。同时由于dN，达到降维处理的效果，运算量大大降低利用投影预变换方法，使得误差得到抑制，从而达到抑制小特征值扩散的目的，明显改善自适应方向图副瓣性能，并提高了自适应算法的收敛速度，对系统误差具有较强的稳健性。第55页,共76页，2024年2月25日，星期天仿真：预投影波束形成算法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25，快拍数为200的情况下，我们用计算机分别仿真出LCMV方法和预投影得到的波束形成方向图。DOA分别取5o，20o，30o，40o，50o和60o。图4.6DOA=20o的波束形成方向图从图4.6中我们可以看出，预投影方法（Proj）方法与LCMV波束形成方法相比具有较低的旁瓣，较好的主瓣和波束形成方向图。在低信噪比情况下，预投影方法与LCMV方法相近第56页,共76页，2024年2月25日，星期天4.3基于特征结构的自适应波束形成算法SMI算法的前提条件是数据协方差矩阵中不包含期望信号，为了克服SMI算法在期望信号较大时会产生波束畸变及性能下降等问题，人们提出了基于特征结构波束形成算法ESB（Eigenspace-BasedAlgorithm）。4.3.1基于特征结构的算法有限次快拍下的协方差矩阵作特征分解我们知道,的列矢量张成信号子空间，而的列矢量张成噪声子空间。第57页,共76页，2024年2月25日，星期天在SMI算法中，权为在理想情况下，期望信号位于信号子空间。仅为信号子空间的分量，噪声子空间的分量为零ESB算法就是基于这种原理，屏弃权矢量在噪声子空间中的分量而仅保留在信号子空间中的分量，成为基于特征结构的自适应波束形成方法或投影方法。优缺点：当数据协方差矩阵中含有较强的期望信号时，该方法较为有效。而当期望信号功率较小时，直接摈弃权矢量在噪声子空间中的分量将会有较大的误差。第58页,共76页，2024年2月25日，星期天仿真：ESB波束形成算法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分别为-25和25时，快拍数为200的情况下，我们用计算机分别仿真出LCMV方法和ESB方法得到的波束形成方向图。DOA分别取5o，20o，30o，40o，50o和60o。期望的DOA为40o。图4.7SNR=25的波束形成方向第59页,共76页，2024年2月25日，星期天图4.8SNR=-25的波束形成方向图不成立原因：从图4.8中我们可以看出在低信噪比情况下，ESB方法与LCMV方法相比具有较高的旁瓣，波束形成图较差。这是因为在低信噪比情况下，噪声子空间与方向矢量不满足正交性。第60页,共76页，2024年2月25日，星期天4.3.2ESB算法的改进作特征分解后，特征值从大到小排列，计算第P+1和P+2两个特征值