一种新的基于LMS的自适应半盲多用户检测算法

深入研究了最小均方(least mean square,LMS)盲多用户检测,提出多载波码分多址(multicarrier CDMA,MC-CDMA)系统下一种基于子空间约束LMS的自适应半盲多用户检测算法.该算法设计了一种最小输出能量(minimum output energy,MOE)半盲检测器,给出一种子空间约束LMS算法自适应得到MOE检测器的权向量.为了降低计算复杂度,采用修正的紧缩近似投影子空间跟踪(projection approximation subspace tracking with deflation,PASTd)算法自适应跟踪信号子空间.通过利用小区内所有用户的扩频码有效地抑制了多址干扰,将权向量约束在信号子空间,降低了噪声子空间的影响,从而提高了收敛速度,改善了输出信号干噪比和误码率性能,仿真实验验证了该算法的有效性.     

基于集员共轭梯度的约束自适应波束成形算法

针对传统波束成形计算复杂度过大的问题,提出一种基于集员共轭梯度的约束自适应波束成形算法。运用共轭梯度算法原理,在期望信号功率保留的约束条件下使输出方差最小,得到权重向量,避免计算输入信号的协方差逆矩阵,有效达到收敛。集员方法运用时变边界约束条件,实行数据选择性更新,减少计算复杂度。该算法运用集员方法和共轭梯度,避免重复计算,得到有效的权重向量,保证良好的收敛性能。又对算法进行计算复杂度和收敛性能分析。仿真结果表明,与其他传统算法相比,该算法在保证良好的收敛性能的同时,大大减少了计算复杂度。     

抑制快速运动宽带干扰的稳健波束形成算法

作者从宽带信号模型出发,通过对扰动干扰方向上空时二维导向矢量的分析,修正了权值训练期间得到的宽带干扰协方差矩阵,并结合对角加载技术,确定空时波束形成器的对角加载量,修正了多线性约束空时自适应波束形成算法的最优权值,推导出一种抑制快速运动宽带干扰的空时波束形成算法,该方法有效地实现宽带干扰的零陷加宽,提高了宽带波束形成算法的稳健性.     

基于SVRGD的机载预警雷达自适应波束形成算法

自适应波束形成是机载预警雷达数字信号处理的一个关键环节。针对传统最小均方误差(least mean square, LMS)算法在短快拍数条件下的波束形成性能下降以及因迭代震荡易收敛于局部最优值的问题,提出了一种基于机器学习的随机方差减小梯度下降(stochastic variance reduction gradient descent, SVRGD)自适应波束形成方法。首先,建立面阵列接收信号数据模型。其次,基于随机梯度下降原理,引入方差缩减法通过内外循环迭代方式进行梯度修正,以减小随机梯度估计的方差,建立算法模型与实现流程。最后，通过设置平面阵列仿真场景,分析SVRGD自适应波束形成算法在波束形成、抗干扰、收敛速度等方面的性能,验证了该算法在低快拍数、强干扰和强噪声背景下具有的优良能力。     

一种基于OBE的智能天线波束形成算法

根据OBE算法原理,提出一种智能天线自适应波束形成盲算法。首先建立自适应算法的信号模型,讨论了算法的结构,该算法是建立在解扩、重扩判决指导上,对均方误差准则下的最优权值进行迭代估计;然后分析了OBE算法的原理,在此基础上构建了自适应波束形成的迭代式。最后对算法的性能进行了仿真,仿真结果表明:该算法达到了自适应波束形成的要求,与LS-DRMTA算法相比具有更佳的收敛和输出性能。     

模糊步长LMS算法及其性能分析

以均方误差、输出与误差信号的相关系数作为衡量LMS算法收敛程度的标准及模糊推理系统的输入,提出了一种用零阶Sugeno模糊推理系统自适应调整步长的模糊步长LMS(FSS-LMS)算法,并从理论上分析了FSS-LMS算法的计算复杂度及其收敛性能。分析结果指出FSS-LMS算法的计算复杂度与传统LMS算法基本相当,但它具有更大的灵活性。自适应系统辨识的仿真结果表明FSS-LMS比传统的LMS算法及其它一些变步长LMS算法具有更好的收敛性能。     

在噪声抵消应用中自适应滤波算法性能的仿真比较

介绍了噪声抵消的原理和从强噪声背景中自适应滤波提取有用信号的方法,并对最小均方(LMS,LeastMeanSquares)、归一化LMS(NLMS,NormalizedLeastMeanSquares)和递推最小二乘(RLS,RecursiveLeastSquares)三种基本自适应算法进行了对比研究。计算机模拟仿真结果表明,这几种算法都能通过有效抑制各种干扰来提高强噪声背景中的信号检测特性。相比之下,RLS算法具有良好的收敛性能,除收敛速度快于LMS算法和NLMS算法以及稳定性强外,而且具有更高的起始收敛速率;更小的权噪声,更大的抑噪能力。     

一类不确定非线性系统的鲁棒自适应控制

针对一类具有未知控制方向、未知参数以及未建模动态的非线性系统,提出了一种带有死区修正的鲁棒自适应递推控制策略.该策略不需要控制方向符号的先验知识.根据参数的上下界先验信息,分别将光滑投影算法和非连续投影算法与参数自适应律结合起来,既抑制了参数的漂移,又使估计参数达到了最小.算法保证了闭环系统所有信号的有界性,同时使得跟踪误差收敛于零的任意小邻域内.     

欠控制方向非线性系统的鲁棒自适应控制

针对一类控制方向未知且具有未建模动态的非线性系统,提出了一种鲁棒自适应控制策略.算法推广了已有的鲁棒自适应非线性控制方法.控制算法保证闭环系统所有信号是一致终值有界的.同时,通过调整控制器设计参数,闭环系统能够实现期望的性能要求.仿真结果进一步说明了理论分析的有效性.     

基于广义秩模型的分数低阶协方差波束形成

在广义秩信号模型基础上,设计了一种鲁棒波束自适应波束形成方法。通过引入分数低阶变换来抑制非高斯稳定分布噪声, 提出脉冲噪声环境下能够处理信号失配的鲁棒波束形成器算法,并讨论了分数低阶协方差矩阵的可逆性。由于采用Frobenius范数建立明确的模型来刻画期望阵列响应与数据的协方差矩阵之间的不确定性,因此所提算法具有解析闭合形式解。仿真结果表明：与传统波束形成算法相比,所提算法在脉冲稳定分布噪声和信号失配同时存在的情况时具有更好的鲁棒性。     

一种改进鲁棒性的CAB盲波束形成算法

基于边界误差性能最优准则的鲁棒性方法是波束形成算法领域内的最新研究热点,将该鲁棒性方法与CAB(周期自适应波束形成)算法相结合,提出了一种新的改进鲁棒性的CAB盲波束形成算法。该算法与采用传统对角线加载技术的R-CAB盲波束形成算法相比,进一步提高了稳健性和输出信干噪比。计算机仿真验证了该算法的可行性和有效性。     

基于新最速下降算法的自适应波束形成

针对阵列信号处理中自适应波束形成技术的抗干扰问题, 提出一种基于新的最速下降法的波束形成算法。新的最速下降法将多元二次凸优化问题转换为一元二次问题, 通过循环迭代的方式使求出的极值点向高维凸优化问题的极值点逼近, 最终使结果收敛到最优解。将这种算法应用于自适应波束形成, 提高自适应波束形成的收敛速度、抗干扰能力和低快拍下工作的能力。经过仿真验证, 与基于最小均方算法以及改进最小均方算法的波束形成方法进行比较, 所提出的波束形成算法具有抗强干扰、收敛速度快、能在低快拍条件下工作的优点。     

Efficient parallel adaptive array beamforming algorithm

For a large-scale adaptive array, the heavy computational load and the high-rate data transmission are two challenges in the implementation of an adaptive digital beamforming system. An efficient parallel digital beamforming (DBF) algorithm based on the least mean square algorithm (PLMS) is proposed. An appropriate method is found to partition the least mean square (LMS) algorithm into a number of operational modules, which can be easily executed in a distributed-parallel-processing fashion. As a result, the proposed PLMS algorithm provides an effective solution that can alleviate the bottleneck of high-rate data transmission and reduce the computational cost. PLMS requires less computational load than that of the conventional parallel algorithms based on the recursive least square (RLS) algorithm, as well as it is easier to be implemented to do real time adaptive array processing. Moreover, low sidelobe of the beam pattern is obtained by constraining the static steering vector with Tschebyscheff coefficients. Finally, a scheme of the PLMS algorithm using distributed-parallel-processing system is also proposed. The simulation results demonstrate that the PLMS algorithm has the same interference cancellation performance as that of the conventional LMS algorithm. Moreover, the PLMS algorithm can obtain the same good beamforming performance, regardless how the algorithm is partitioned. It is expected that the proposed algorithm will be used in a large-scale adaptive array system to deal with real time adaptive digital beamforming processing.     

递归的稳健LCMV波束形成算法

提出了一种针对指向误差、阵元位置误差或阵元相位误差的递归的稳健波束形成方法。该方法基于导向矢量展开算法,在采用线性约束LMS算法递归搜索最优权矢量的同时,搜索真实的期望信号导向矢量。导向矢量的计算采用基于梯度搜索的最优化算法。该方法避免了常规LCMV算法的矩阵求逆运算,所需运算量小。对存在几种特定误差情况的计算机仿真结果表明,该方法稳态性能优越,对期望信号导向矢量的误差具有很好的稳健性。     

存在幅度/相位误差的稳健波束形成

基于线性约束最小方差准则(LCMV)的自适应波束形成器,在存在阵列幅度/相位误差情况下性能会显著下降。针对此情况,基于信号子空间与噪声子空间的彼此正交特性,对存在误差的信号导向矢量和干扰导向矢量,同时向信号子空间投影,然后对投影后的导向约束采用LCMV准则进行自适应波束形成。理论分析和仿真结果表明文中方法对阵列幅度、相位误差具有稳健性。     

稳健的Capon波束形成

针对期望信号假定导向矢量与真实导向矢量存在误差时,常规自适应波束形成将有较大的性能损失,提出了一种稳健的自适应波束形成算法来克服这种误差敏感性。该方法分两步完成,首先估计出实际的导向矢量,然后再用该估计结果求出最优权。通过Lagrange乘子法得到简单的闭式解,它不属于对角加载系列的方法,因而不存在加载量的确定这一问题。最后通过计算机仿真验证了所提方法的有效性与优越性。     

一种优化的自适应总体最小二乘系统辨识算法

对于监督信号和训练信号都含有噪声的系统辨识问题,如果采用经典的最小均方和迭代最小二乘算法进行估计,会带来较大的误差,而直接求解又会有较大的计算量,不利于在线计算.将权向量的求解转化为增广输入向量自相关矩阵瑞利商的受限最佳化问题,对增广输入向量进行遮代估计,同时建立了步长因子和误差信号问的函数关系,这个函数关系是建立在代价函数相对于步长梯度的基础上,而不是基于经验公式.所提算法结构简单,具有更好的稳健性,仿真表明这种算法相对于同类总体最小二乘算法和其他自适应算法有更快的收敛速度和更高的收敛精度.     

基于相对误差互相关函数的变步长LMS算法

许多时变步长自适应滤波算法被用来解决标准LMS算法的固有矛盾,但实验表明这些算法易受独立噪声的干扰,或计算量大、耗时太长。针对上述问题,提出了一种新的变步长LMS自适应滤波算法,它采用相对的误差互相关函数来控制步长更新。该算法计算量小、易于控制,具有快速的收敛速度和较小的失调,不受已存在的非相关噪声的影响,可很好地应用于自适应对消系统中,且在低信噪比环境中仍能保持良好的性能。计算机仿真及实测数据的处理与理论分析结果一致。