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。     

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.     

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．     

基于特征结构提取的盲自适应波束形成算法

在所有盲自适应波束形成算法中,ＳＣＯＲＥ无疑是一种出色的算法,然后,求解过程中所需进行的奇异值分解而导致的巨大运算量令人无法忍受。本文把它归结为一类特征结构的提取问题,提出了一个合适的代价函数,通过对代价函数取极小可以提取所需要的最大特征值,从而将运算量大大降低,计算机仿真验证了这种方法的正确性。     

半盲算法在自适应波束形成中的应用

文章介绍了半盲算法在自适应波束形成中的应用,根据半盲算法的原理,先运用基于子空间的正交投影波束形成方法确定初始权值,目的是得到次优权值,再用最小二乘恒模算法(LSC-MA)进行迭代。通过计算机对三种自适应波束形成算法的仿真对比,证明了半盲算法收敛稳定,可抑制干扰,恢复期望信号,从而也证实了该算法的可行性,有效性。     

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。     

改进的低复杂度幅度相位估计波束形成算法

针对低复杂度的最小方差方法虽降低计算复杂度但成像质量不高的问题,提出了一种改进的低复杂度幅度相位估计波束形成算法.通过抽取协方差矩阵的有效行来计算自适应加权值,其中,有效行数的选取由更加准确的高斯相位相干系数确定,然后再用高斯相位相干因子对加权矢量做进一步修正,从而达到降低复杂度的同时保证成像质量的目的.通过实验验证,将改进算法与原算法和另一种降低复杂度的波束域方法进行对比分析,充分证明了改进算法在降低复杂度和提升成像质量方面的优越性.     

基于改进广义线性组合算法的极化阵列稳健波束形成

为提升极化阵列波束形成的稳健性,将广义线性组合(general linear combination, GLC)算法应用于极化阵列. 分析了GLC算法在较高输入信噪比条件下,阵列存在阵元扰动和期望信号(signal of interest, SOI)波达方向(direction of arrival, DOA)误差时,输出的信干噪比随快拍数增加而下降的原因,并提出了一种结合转换函数的改进GLC算法. 所提算法根据采样协方差矩阵(sample covariance matrix, SCM)特征值相关参数的大小,对信噪比进行判断. 信噪比较高时,采用改进GLC算法计算对角加载量(diagonal loading level, DLL);信噪比较低时,采用原GLC算法计算DLL,从而使得所提算法在任意输入信噪比和快拍下的输出信干噪比均大于或等于原GLC算法. 通过主瓣干扰条件下的计算机仿真实验验证了所提算法的有效性.      

实数域多用户数字波束形成方法的分析与仿真

在实数域讨论了智能天线系统中的多用户数字波束形成方法,智能天线可以通过阵列天线技术在同一信道中利用多个波束同时给多个用户发送不同的信号,以提高通信容量,推导了多用户天线阵等效激励模型的实数形式,并从空间信道均衡的角度在实数解释了多用户波束形成原理,进一步提出了多用户数字波束形成方法,仿真结果表明,上述方法能够有效地解决智能天线系统中下行选择性发送的问题,并有硬件结果简单,兼容性好,利于软件无线电实现等优点。     

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。     

CAB盲自适应波束形成性能分析及改进算法

分析CAB盲自适应波束形成算法中有限采样数据导致的sinc窗循环泄漏效应及其在循环频率误差存在的性能,提出了种改进的CAB算法-遗忘因子CAB算法（F-CAB）,该算法无需对循环频率进行估计,理论分析表明,在F-CAB算法中估计循环相关矩阵时引入遗忘因子可以大大降低算法对循环频率误差的敏感性,由仿真结果可知,在循环频率误差比较小的情况下,F-CAB算法具有良好的性能。     

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。     

4阶量算法在盲波束形成上的应用

对波束形成算法性能进行了比较,考虑盲波束形成算法具有不需要阵列流形、到来方向、训练序列以及干扰和噪声的自相关矩阵等先验知识的特点,设计了基于4阶累积量盲波束形成器·由于直接利用入射信号的高阶量统计信息,不仅可以有效地消除高斯噪声的影响,而且可以消除加性非高斯噪声的影响·仿真实验结果证明,与最小方差无畸变响应的波束形成器(MVDR)相比,作者所提出算法适用于多径传播环境,具有收敛速度快,对信噪比的变化有更好的鲁棒性等特点·     

一种新的自适应波束形成优化算法

结合信号处理技术引入了哈密顿优化算法,将哈密顿算法(HA)作为解决电控寄生天线(ESPAR)的自适应波束形成技术非线性问题的工具.将描述粒子运动的哈密顿方程用来解决优化问题,势能作为波束形成的代价函数,动能由动量代替,研究结果表明,该算法为寻求代价函数的全局最小值提供了一个更大的可能性.仿真结果也说明了采用哈密顿算法的ESPAR天线能够灵活地驾驭其主波束和零陷.     

自反阵的广义特征值反问题

讨论如下广义特征值反问题:给定矩阵X,对角阵Λ和广义反射阵P,求自反阵A,B使得AX=BXΛ,给出了(A,B)的一般表达式.我们把上述问题解的全体记为SAB.然后,讨论了上述问题的最佳逼近问题:给定任意矩阵A*,B*,求矩阵(A~,B~)∈SAB,使得在F-范数意义下(A~,B~)为(A*,B*)的最佳逼近.证明了此问题有惟一解,并给出解的表达式,算法及数值例子.     

Smale方法在广义特征值问题中的应用

求解非线性方程组的 Smale 方法是一个稳定的整体牛顿方法,但是,由于Smale 边界条件不易验证也不易满足,至使在实际应用中常遇到障碍。本文给出了Smale 方法在对称矩阵广义特征值问题中的一个应用。