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．     

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.     

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。     

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束形成算法

提出一种基于小波变换的智能天线波束形成算法(WL-SMILMS)。该算法采用小波函数将夹杂干扰噪声的来波信号变换在多尺度频域,对高频部分采用采样矩阵求逆算法(SMI)进行权矢量更新,对低频部分采用最小均方误差算法(LMS)进行权矢量更新,用两部分融合后的权矢量更新滤波器抽头权值,实现数字波束形成。该算法克服了SMI算法计算复杂度高、旁瓣偏高的缺点,比LMS算法具有更好的收敛性,实现了收敛率和计算复杂度的高度兼顾。     

用于智能天线技术中的MMSE波束成形器

近年来，智能天线正受到越来越多的重视，它可以有效地提高移动通信系统的容量，改善系统的信噪比。智能天线的自适应波束成形中，有多种不同的自适应波速成形算法，在这里我们重点讨论使用MMSE算法的波束成形器，因为使用MMSE接收机在静态（或者恒参）信道中，MMSE接收机的性能比较好。文中首先简单介绍智能天线技术，然后通过对MMSE算法和MV算法，设定条件进行仿真对比，来阐述MMSE算法的优势和选择它的场合。     

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。     

多径信道中智能天线波束形成算法的研究

在多径信道（近似于实际情况）的条件下,分别采用MMSE算法与MV算法进行智能天线中波束形成的软件模拟与比较分析,设定干扰信号与有用信号存在相同功率的情况下进行仿真测试。由仿真图可以看出,在该环境下波束形成器可以获得最大接近40 dB的增益,同时还可以比较出该条件下MMSE算法比MV算法更优。理论分析与仿真结果相符。     

TD-SCDMA智能天线发信波束形成实现方案研究

证明了现有TD-SCDMA智能天线系统的发信部分只能用于基带波形的预均衡,根本不具备信号来波方向(DOA)检测、波束形成、空分多址这些智能天线系统应具备的基本功能,将形成一个上行容量大于下行容量的特殊系统,不能达到3G移动通信系统的基本要求.给出一种在TD-SCDMA系统中实现DOA检测,波束形成的基本方法,可以起到空分多址的作用.若使用该技术改造现有的TD-SCDMA系统,可以大幅度提高TD-SCDMA系统的性价比.     

智能天线几种非盲算法性能仿真的比较

介绍了无线通信CDMA系统中智能天线非盲算法求权模型,用迭代的自适应算法进行了模拟,获得了三种常用的非盲算法在不同运动环境下的仿真结果,并进行了性能比较。     

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。     

一种基于特征矢量波束形成算法

针对已有算法不能很有效地处理相关干扰,引起期望信号相消的现象,提出一种基于特征矢量的新的智能天线波束赋形方法,并用Matlab对其进行了仿真,仿真结果表明：这种算法在相干环境下,能有效的抑制相关干扰,在期望方向形成最大波束。     

一种基于神经网络的快速盲波束形成算法

定义了一种新的映射关系,有效地简化了应用径向基函数神经网络(RBFNN)实现波束形成时训练数据的产生.采用两个网络并行处理的方法提高了网络收敛速度,通过后续处理逼近维纳解.仿真实验表明,该算法的信号跟踪能力与最小方差无畸变响应(MVDR)算法的跟踪能力十分接近.但由于该算法结合了神经网络容错能力强的特点和并行计算的结构优势,比MVDR算法更有效地提高了运行速度,并且对系统误差具有更强的鲁棒性.     

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。     

基于软件无线电的智能天线技术

智能天线是第三代移动通信中的重要技术 ,也是当今电信十大热门技术之一 ,它是在软件无线电基础上提出的天线设计新概念 ,是数字多波束形成技术与软件无线电结合的产物 ,它对提高系统容量具有巨大潜力。着重讨论基于软件无线电的智能天线的结构和算法     

鲁棒RLS波束形成算法

分析了多径传播环境下,信号方向向量的偏差和采样样本数目的变化对自适应波束形成算法性能的影响,提出了一种鲁棒RLS波束形成算法·该算法具有收敛速度快,抗扰动性强,误差小的特点·采用鲁棒RLS波束形成算法不但降低了波束形成器对于信号方向向量的偏差的敏感程度,而且可以保证阵列输出的信干噪比(SINR)接近最优值,仿真实验验证了所提算法的有效性·实验结果表明即使在强扰动或偏差存在的情况下,采用鲁棒RLS算法可使系统具有良好的SINR,而且可以改善加权向量的归一化偏差·     

一种新型的恒模自适应阵列初始化方法

智能天线在移动通信中的应用已经引起了广泛的关注．恒模阵列能够形成自适应波束，但其初始权矢量的选取影响着对所需信号的捕获性能．该文提出一种在信号到达方向(DOA)已知的情况下，基于泰勒(Taylor)阵列的恒模阵列权值初始化新方法．仿真结果表明，这种新方法不仅能解决抗干扰问题，还可加快恒模算法的收敛速度．     

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。