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。     

智能天线的SMI算法与RLS算法

本文简要介绍了智能天线的基本思想,着重对智能天线应用较多的SMI算法和RLS算法进行了仿真,并对仿真结果进行了比较.     

多输入多输出智能天线中的自适应波束形成算法

基于传统的LMS算法,提出了一种新的MIMO智能天线自适应波束形成算法,即LMS-MIMO算法.与传统的LMS算法相比,LMS-MIMO算法在发射端和接收端同时采用了智能天线技术.仿真结果表明,LMS-MIMO算法性能明显优于LMS算法,并且随着发射和接收天线阵元数目的增加,其系统性能得到了进一步改善.     

最小误码率波束的形成算法

在经典自适应波束形成算法中,常采用均方误差准则,但对于一个通信系统来说,误码率是评价其性能的一个很重要的参数。利用核密度估计方法,由概率密度函数得到系统误码率与波束权值的关系,提出了一种自适应波束形成算法,在迅速收敛得到系统较小误码率的同时,得到最优的波束方向。仿真实验证明该方法优于经典的最小均方误差方法。     

智能天线中一种抑制干扰的波束形成算法

提出了一种新的用于智能天线中极大抑制干扰的波束形成算法，在干扰信号的导向矢量矩阵的零空间内，经过正交基矢量的线性组合，用最小二乘法求得最接近期望信号导向矢量、并同时对各个干扰信号零陷的权值。与MVDR算法相比，本算法对干扰的抑制更加有效。     

基于改进粒子群算法的自适应波束形成

基于最小均方误差准则,将自适应波束形成的权值求解问题表示为多目标优化模型,利用提出的改进粒子群优化算法,获得了阵列最优权值向量.改进粒子群优化算法中引入动态邻域拓扑结构,自适应调整粒子的领域搜索范围,避免粒子陷入局部最优.仿真结果表明:所提算法的收敛速度优于传统算法.     

基于FPGA的智能天线数字波束的形成与实现

提出了数字波束形成的方法,该方法是利用FPGA进行空域滤波,通过DSP浮点运算,高效地实现权值估计,避免高位加法进位影响计算速度。同时使用软件方式完成自适应算法的更新,增强了系统灵活性,是一种简便易行的实现方法。     

基于特征提取的智能天线波束校正问题研究

基于阵列相关矩阵的特征分解技术，提出了特征值门限提取的智能天线波束校正方法。特征分解得到特征值与对应特征矢量后，通过门限提取，摒弃部分小特征值，使特征谱结构保持良好的稳健性。仿真结果表明：该方法能够有效抑制信号对消，改善旁瓣电平性能，收敛速度优于传统方法，具有良好的波束校正能力。     

恒模算法在智能天线盲波束形成中的应用

介绍了随机梯度恒模算法和最小二乘恒模算法以及它们在智能天线盲波束形成中的应用,分析了每一种方法的特点,并以八元均匀线阵为例,利用计算机模拟仿真给出了这两种算法的收敛性能．     

浅谈智能天线的波束形成技术

在介绍智能天线的结构与基本原理的基础上,分析了多种波束形成技术,并通过仿真比较了其性能和特点。     

基于小波变换的智能天线波达方向估计研究

对比两种经典的智能天线波达方向(Direction of Arrival,DOA)估计算法——延迟-相加算法、多重信号分类(Multiple SignalClassification,MUSIC)算法,提出了一种基于小波变换的智能天线波达方向估计算法(Smart Antennas Direction of Arrival Eseimation Based on Wavelet Transformer,SADOAWT),该算法利用小波变换,将来波信号变换在多尺度频域,针对不同频域采用不同算法以实现分辨率、计算复杂度的高度兼顾.计算机仿真结果表明,新算法复杂度较低,克服了延迟-相加算法分辨率低、副瓣较多的缺点,避免了MUSIC算法遇到相关信号分辨率降低的问题.     

一种基于小波变换的图像去噪方法

利用小波系数在相邻尺度上的相关性关系,针对小波系数估计中硬阈值方法和软阈值方法的缺点,通过对双重量收缩函数得到的阈值乘以一个合适系数进行修定的折衷方法,提出了一种新的小波域局部自适应去噪算法.实验结果表明,该方法既可以去除噪声,又可以较好地保留图像的高频细节特征.     

一种基于小波变换的图像去噪方法

利用小波系数在相邻尺度上的相关性关系，针对小波系数估计中硬阈值方法和软阈值方法的缺点，通过对双重量收缩函数得到的阈值乘以一个合适系数进行修定的折衷方法，提出了一种新的小波域局部自适应去噪算法。实验结果表明，该方法既可以去除噪声，又可以较好地保留图像的高频细节特征。     

基于小波变换的低频数字水印嵌入算法

提出了一种基于小波变换低频系数的数字水印嵌入和检测算法．二值水印首先经过Arnold变换后再嵌入在原始图像的低频部分，仍能保持良好的视觉效果，进一步证明了低频部分不是水印的禁区．实验结果表明该算法有较好抗JPEG压缩、低通滤波等攻击的能力．     

一种基于小波变换的鲁棒水印算法

 提出了一种基于小波变换和余弦变换的鲁棒水印算法.此算法首先对原始图像进行一级小波分解,再对其低频系数进行离散余弦变换,调整DCT中频系数的相对值,最后把由{-1,1}组成的伪随机序列嵌入其中.试验结果显示,此算法对JPEG压缩、高斯噪音污染有较强的鲁棒性.     

基于小波包变换的一种降噪算法

白噪声的方差和幅值随着小波变换尺度的增加会逐渐减小 ,而信号的方差和幅值与小波变换的尺度变化无关。因此 ,文章提出一种以小波包能量为基础 ,以降低原始信号与降噪后信号之间的均方误差 (MSE)为目标的基于小波包的降噪算法 ,并与传统的 Donoho的硬阈值降噪算法作了比较。仿真结果表明 ,该算法可以有效去除白噪声干扰 ,并且明显优于传统的 Donoho的硬阈值降噪算法。     

基于小波变换的光声成像算法

为了进一步提高光声重建图像的质量,利用小波变换的多维多分辨率特性对光声图像进行消噪,将小波包的分解和重构理论与统计差值相结合对光声图像的细节部分进行增强。由仿真和实验结果表明,重建图像经过小波降噪和图像增强后,其对比度相对滤波反投影算法的光声像得到了明显的提高,其分辨率由0.55 mm提高到0.48 mm,该算法将为病变组织的正确诊断与治疗提供了更高的精度和准确度。     

基于小波变换的分块融合算法

目前许多关于图像融合的研究都在空域中进行,隐藏水印图像抗攻击的能力较差.本文采用了基于小波变换的图像融合技术,提出了基于小波变换的分块融合算法,使图像的鲁棒性得到很大提高,尤其是抗JPEG压缩和抗噪声干扰的能力较强,算法可应用于数字图像的版权保护和信息隐藏领域.     

基于图像整数小波变换的盲数字水印嵌入算法

提出了一种新的在静态图像中嵌入盲水印的算法.通过调整图像3个高频小波变换域的系数,使之对某个整数取模后的余数符合一定的规律,从而表示水印信息.本算法是一种非线性的算法,其优点是可以嵌入的水印数据量大,从信息隐藏的角度,可达2 b it/p ixe l或更多,且对图像的篡改敏感.算法的思想具有通用性,可以结合其他的图像变换和量化方法,达到预定的要求.     

基于小波变换的彩色图像双盲水印算法

在一般水印研究的基础上,提出了一种基于离散小波变换(DWT)的彩色图像双盲水印算法,利用二维DWT变换对彩色图像的3个彩色分量分别进行多尺度分解,然后将两个加密后的二值水印图像自适应地嵌入到3个彩色分量的DWT系数中.通过滤波过程,能够将这3个二值水印完整地提取出来,并且水印的提取不需要原始图像.实验结果表明:使用该方法嵌入的数字水印对常见的图像处理有较强的鲁棒性,能够使数字媒体的版权得到更好的保护.