基于幅相扰动的改进Memetic算法的波束成型算法

为了提高天线波束成型算法的收敛性能,基于改进的Memetic算法对幅相扰动最优权值的搜索,提出了一种新的上行MIMO-SDMA智能天线系统的波束成型算法.仿真结果表明,该算法具有很好的收敛性能和较高的效率,基于该算法的智能天线系统不仅能够对干扰方向进行自适应控零而且还能同时使最大增益主瓣与期望信号的方向一致,使系统的信噪比得到提高,很好地实现上行MIMO-SDMA.     

采用时空联合检测算法的智能天线系统

智能天线技术是应用于TD－SCDMA系统的关键技术之一,智能天线系统从接收信号中获取方向信息,通过DSP算法动态地产生波束,实时地跟踪移动用户的运动,从而达到有效抑制干部,增加系统容量的目的,与传统的天线系统相比,智能天线能有效地消除邻近小区的干扰,简要介绍智能天线的概念,并提出一种新颖的用于智能天线系统的时空联合检测算法,同时给出该算法对于TD－SCDMA系统上行链路在室外环境下的仿真结果。     

基于动量衰减哈密顿算法的波束形成技术研究

智能天线的非线性优化问题中求解代价函数最佳解的算法主要有基于梯度的算法(GBA)和随机搜索算法(RA).GBA算法收敛速度快,但有时会陷入一个局部最小值;RA算法不会陷入局部最小值,但收敛速度慢.研究及仿真结果表明,将哈密顿算法应用到该问题的求解中,能较好地解决GBA和RA存在的冲突问题,采用哈密顿算法的电控寄生天线,能够更灵活地使主波束对准期望用户波达方向,并在干扰方向形成更深的零陷.     

智能天线的MUSIC算法研究

智能天线系统是具有自适应信号处理能力的天线阵列,利用数字信号处理技术对多个不同的用户产生多个空间波束,每个波束各自自动地对准不同用户的来波方向,把零陷方向对准干扰方向,从而消除多址干扰,提高移动通信系统的性能。智能天线应用的一个关键问题是对用户的入射角度进行估计,即波达方向(DOA)估计问题,MUSIC算法是DOA估计的一种,是利用输入协方差矩阵的特征结构,具有高分辩能力的多重信号分类技术。通过对MUSIC算法的仿真,验证了MUSIC算法具有稳定、高分辨、高精度和计算量较小的优点。     

智能天线中的波束形成算法

首先介绍了智能天线的发展和研究现状，智能天线能够自适应地跟踪用户信号，抑制干扰，增加通信容量，提高频谱复用率，在第三代移动通信系统中占有重要地位.作为智能天线的核心技术之一，波束形成算法引起了众多学者的广泛关注。着重讨论了智能天线中波束形成的各种算法，根据算法对信号处理方式的不同，把它分为三大类,并对其中比较典型的算法进行了讨论。最后，对波束形成算法中的一类比较重要的盲波束形成算法进行了分类介绍。     

基于遗传算法的天线波束方向主瓣位置控制的研究

天线波束方向形成是智能天线中的一项重要技术。经典的波束形成算法多涉及复杂的矩阵运算且收敛速度慢。因此本文提出将遗传算法应用于阵列天线波束形成中,并以一维均匀直线等幅天线阵波束方向主瓣位置控制为例进行仿真研究。仿真结果验证了遗传算法在得到满意解情况下,运算更加简单收敛速度快。实际应用表明,基于遗传算法的天线波束方向形成技术是切实可行的,且具有很好的推广潜力。     

基于自适应猫群算法的多目标波束赋形

针对大规模阵列天线波束赋形中智能优化算法精度不高、收敛速度不快等问题,提出一种自适应猫群算法.在猫群算法的基础上,使其基本参数根据迭代次数及适应度函数值自适应改变,并在搜寻模式中加入赌轮盘和精英选择相结合的策略,以增加种群多样性.多种智能优化算法的性能仿真对比分析表明,自适应猫群算法具有快速收敛、全局寻优的能力.将该算...     

智能天线的自适应波束形成算法的研究

智能天线是未来移动通信的关键技术，阐述了智能天线的基本原理，对自适应波束形成算法进行了分类，讨论了各种算法的适用条件和性能，最后分析了智能天线算法分集及其应用。     

智能天线系统中基于频率转换的最优波束形成

针对采用频分双工(FDD)方式的智能天线系统,文中提出了一种基于频率转换、无需波达方向(DOA)估计的波束优化算法,解除了频率差异的约束,使得下行波束优化可以直接使用上行接收的阵列响应协方差矩阵.结合FDD的CDMA智能天线系统,还给出了一套无需DOA估计的下行最优波束形成算法的实现方案.     

一种基于RLS和RVSSLMS智能天线波束赋形算法

根据智能天线波束赋形算法必须考虑设备的复杂性和收敛速度的要求,提出一种结合RLS和RVSSLMS算法各自优点的RLS-RVSSLMS波束赋形算法,并用Matlab进行了仿真。仿真结果表明：RLS-RVSSLMS既具有RLS算法收敛速度快的特点,同时保持了LMS算法计算量小的特点。     

Composite multiobjective optimization beamforming based on genetic algorithms

All the parameters of beamforming are usually optimized simultaneously in implementing the optimization of antenna array pattern with multiple objectives and parameters by genetic algorithms （GAs）. Firstly, this paper analyzes the performance of fitness functions of previous algorithms. It shows that original algorithms make the fitness functions too complex leading to large amount of calculation, and also the selection of the weight of parameters very sensitive due to many parameters optimized simultaneously. This paper proposes a kind of algorithm of composite beamforming, which detaches the antenna array into two parts corresponding to optimization of different objective parameters respectively. New algorithm substitutes the previous complex fitness function with two simpler functions. Both theoretical analysis and simulation results show that this method simplifies the selection of weighting parameters and reduces the complexity of calculation. Furthermore, the algorithm has better performance in lowering side lobe and interferences in comparison with conventional algorithms of beamforming in the case of slightly widening the main lobe.     

关于多目标演化算法的策略分析

基于Pareto排序算法的多目标演化算法是多目标演化算法所采用的重要方法,本文叙述了多目标演化算法(MOEAs)的有关概念,在分析已有算法的一些性能和特征的基础上,结合演化算法的有关概念,重点基于Pareto排序算法分析了影响多目标演化算法性能的两大方面:求解过程中解集合的多样性、均匀性分布的保持与维护以及解的收敛性,分析了MOEAs设计中需要注意的策略问题以及今后研究的重点.     

基于信道状态信息反馈的特征波束形成算法

在多输入多输出通信系统中,为了有效地降低系统的误符号率,提出了一种特征波束形成算法。在假设接收端能准确地完成信道估计,并能及时将信道的互相关矩阵反馈到发射端的基础上,研究了接收和发射均采用多天线的特征波束形成算法,对其性能进行了详细的分析和推导,并在此基础上研究了波束形成与空时块码的结合以提高系统的频谱利用率。计算机仿真结果表明,在接收端采用多根天线相对于单根天线能明显降低系统的误符号率。特征波束形成算法通过同时提供波束形成增益和分集增益位置,有效地提高了系统性能。     

相关天线下基于波束成型多用户MIMO-OFDM系统子载波分配研究

针对波束成型多用户MIMO-OFDM系统,以优化系统性能为目标,给出一种在天线具有相关性条件下基于部分信道状态信息的子载波分配算法.该算法采用克罗内克(Kronecker)模型作为相关天线的信道模型,并用信道状态统计信息来描述该模型的传递过程,从而得到相应的子载波分配原则.实验结果表明:系统性能不仅与收发两端的天线数量有关,也与天线相关矩阵中的相关系数以及延时反馈参数有关.     

MU-MISO场景下最优化和速率的波束赋形

研究了在一个多用户的下行网络中,基于完美信道状态信息(CSI)的波束赋形设计问题.在该场景下,基站配备多天线,每一个用户为单天线.基站将采用发送波束赋形与用户进行通信.考虑在发送总功率受限的情况下,最大化所有用户的和速率.由于目标函数形式复杂并且是非凸的,导致求解困难.为此,提出了一种基于迫零准则的波束赋形方案.该方案将原问题分解为两个子问题,分别求解.仿真结果表明:相比于传统的基于SLNR的波束赋形方案,所提的方案的性能更好.     

基于波束成形的MIMO-OFDM插值算法

针对MIMO-OFDM系统中波束成形线性球状插值算法复杂度过大并且只适用于非量化波束成形的情形,提出了一种通用的插值算法.该算法通过在导频子载波上反馈波束成形向量,同时利用信道频域相关性,内插重构非导频子载波上的波束成形向量,极大地降低了每个子载波在波束成形时的反馈开销.同时,考虑到实际系统的可实现性,在通用插值算法基...     

基于FPGA的SLC-LSCMA算法的波束形成器的设计与实现

 以SLC-LSCMA算法为基础,利用该算法的高稳定性和快速收敛的特性,设计实现了一个16元均匀圆阵的波束形成器;该波束形成器利用复数乘法器和累加器实现复输入信号和复加权因子的相乘和累加,与传统算法准则设计的波束形成器相比具有消耗硬件资源少、运算速度快等特点.该波束形成器采用硬件描述语言Verilog HDL设计,利用Quartus Ⅱ 8.0进行了综合和布线,最终以Altera公司的EP2C35F672C6芯片为下载目标,其时序仿真可稳定工作在50MHz的时钟频率下.本设计可广泛应用于移动通信和卫星通信领域.     

多用户MIMO空分多址下行链路预编码算法研究

针对多输入多输出(MIMO)空分多址下行链路,每个接收天线看成独立的用户来分配波束,联合正交随机波束成形(ORBF)和迫零波束成形(ZFBF)实现了每用户配置多天线的预编码方法。为了降低计算复杂度,提出了联合线性结合技术的RBF-ZFBF的下行链路预编码方案。该方案利用ORBF确定初选用户,每个用户利用线性结合技术获得有效SINR,所选用户将使用线性结合方法获得的信道质量信息(CQI)和信道方向信息(CDI)反馈到基站,完成用户选择、波束选择和最终预编码。实验结果表明,该算法与每用户单天线方案相比,提高了系统吞吐量,证实了所提算法的有效性。     

多约束条件下基于改进遗传算法的移动机器人路径规划

针对在多约束条件下移动机器人在路径规划中搜索效率低、收敛速度慢的缺点,提出多约束条件下基于改进遗传算法的移动机器人路径规划,充分考虑路径长度、平滑度以及困难度这3种因素的影响,通过分析多约束条件下遗传算法在初始化种群时计算方法的不足,提出利用SPS(surrounding point set)算法,通过在障碍物周围生成点来产生初始路径,以提高算法快速生成初始种群的能力;增加平滑算子和删除算子,删除相对最终路径而言不必要的点,同时使路径更加平滑;结合小生境法以保持种群多样性,避免出现算法早熟现象.仿真结果表明,改进后的算法在路径长度,路径平滑度以及路径困难度方面均有一定的优势,同时算法的收敛速度也略有提高.     

图像分割背景下群体智能优化算法的性能对比

 针对目前研究相对薄弱的群体智能优化算法的性能对比问题,搭建数字图像为生命栖息环境的群体智能优化算法的性能对比平台,提出基于最优个体变化的收敛关联度和收敛面积的新型性能评价指标,并具体进行了遗传算法、粒子群算法、人工鱼群算法、细菌觅食算法等多种群体智能优化算法的性能比较与测试.实验结果显示,所提出的评价平台和性能评价指标能够合理有效地对比不同搜索机制下智能群体的寻优能力.