联合随机波束成形与迫零预编码的多波束选择

随机波束成形(RBF)在系统用户足够多时,具有与最优预编码方案相同的容量尺度,当系统用户少时,性能却下降严重。针对该问题,提出了联合RBF和迫零波束成形(ZFBF)的广播信道预编码方案。该方案利用RBF实现用户的初步调度,然后要求初选用户附加反馈量化的信道方向信息(CDI)和信道质量信息(CQI),在基站根据CDI和CQI反馈完成最终波束选择和ZFBF预编码。仿真结果表明,所提出的预编码方案,与现有的增强型RBF相比,在基本不增加上行链路反馈量的前提下,可明显提高系统和容量。     

薄窄砂体流动单元划分方法研究

流动单元是储层物性特征的综合反映。从薄窄砂体储集层的基本特征出发,探讨影响渗流特征的地质因素,研究薄窄砂体储集层流动单元的划分方法,然后针对研究区目的层段进行流动单元研究。将研究区目的层段划分为26个垂向流动单元,在取芯井分析的基础上,结合其它静态资料将目的层段流动单元分为Ⅰ、Ⅱ、Ⅲ、Ⅳ四种类型,并建立各流动单元的分类标准,对非取芯井按测井解释的物性参数进行流动单元的分类,最后绘制出各沉积单元的平面流动单元分布图。     

智能天线在卫星定位抗干扰中的应用

介绍了自适应波束形成技术的基本原理,结合卫星定位系统的特点,提出了一种将自适应波束形成技术应用于卫星定位接收机抗干扰系统的解决方案.该方案利用卫星星历和惯性导航器件的输出来构造卫星信号的方向向量,对阵列接收信号的协方差矩阵利用其最大似然估计逼近,在最大化输出SINR准则下求出相应的最佳权值向量.仿真结果显示利用该最佳权值向量能够有效地对单干扰和多干扰在干扰来向形成深度零陷,同时在卫星信号来向保持一定的增益,能较好地满足卫星定位抗干扰系统对前端天线阵抗干扰能力的需求.     

基于RCB与锁相环的跟踪鉴别测向方法

为了弥补阵列天线导向矢量失配和相位测量噪声对测向性能的影响,提出一种基于稳健capon波束形成技术(robust capon beamforming,RCB)和锁相环的矢量最优估计与跟踪鉴别测向方法。首先基于RCB与锁相环原理,对目标来波信号导向矢量进行最优估计与跟踪测量;然后在稳定、准确跟踪导向矢量的基础上,借鉴扩频接收机伪码鉴相原理确定来波信号方向。仿真分析表明,该方法能够弥补阵列流型失配和相位噪声的影响、突破角度相关间隔的限制,准确测量来波信号的方向。     

线性受限最小二乘恒模波束形成算法

将线性受限条件运用于最小二乘,提出了一种线性受限最小二乘恒模波束形成算法,称为LC-LSCMA,并将它与传统的最小二乘恒模波束形成算法(LSCMA)及预解扩最小二乘恒模波束形成算法(P-LSCMA)进行了仿真比较。仿真结果表明,提出的LC-LSCMA算法比LSCMA及P-LSCMA的信干比性能和误码率性能要好,特别在低信噪比情况下性能仍优于LSCMA。     

基于声透镜粒子群算法的自适应噪声对消算法

在复杂的语音获取应用环境中,麦克风阵列接收的信号难免会产生方向、幅度和相位的模糊问题。提出了一种基于声透镜粒子群算法的自适应噪声对消算法。通过声透镜波束形成技术采集语音信号,将粒子群算法应用于自适应噪声对消中解决获取信息模糊问题。Matlab计算机仿真结果表明本算法与传统自适应噪声抵消算法相比具有更好的噪声抵消能力和性能,信噪比大大提高,且可以有效解决语音数据的模糊问题。     

广义特征值盲波束形成的低复杂度自适应算法

提出了一种线性低复杂度盲自适应Lagrange乘子波束形成算法．基于最大信干燥比准则(MSINR)的特征值波束形成将导致广义特征值(GE)问题,新算法通过把GE问题表示成期望信号和干扰噪声信号协方差矩阵特征值的函数,用线性迭代的方法搜索最大GE,并利用最陡下降法更新权向量;提出方法被用于W—CDMA智能天线基站上行信号接收．数值仿真结果表明,与其他算法相比,在未牺牲系统BER性能的同时,提出算法具有更快的收敛速度和更低的计算复杂度;算法总的计算复杂度约为O(7N)(N为天线元数目)．     

基于波束形成的列车噪声源识别麦克风平面阵列性能仿真研究

麦克风阵列的几何结构形成了麦克风阵列工作时性能的基本限制,是影响噪声源识别系统性能的关键因素之一.对十字阵(37阵元)、六角阵(37阵元)、矩形阵(36阵元)在均匀加权时方向性、角度分辨率等性能进行仿真定量对比研究：十字阵具有最好的方向性为71.6 dB,六角阵具有最好的空间对称性且能抑制栅瓣;阵元数目变化时主瓣宽度的对比,表明阵元数大于100时增加阵元对改善角度分辨率作用不大;主瓣宽度与频率关系,显示随频率增加3种阵列输出信号畸变程度基本相同.     

利用多波束智能天线提高Wiamx MESH网络集中调度性能的方法

在Wimax（IEEE802.16）Mesh网络集中调度机制中,通常采用树形拓扑,由于数据都是往来于Mesh基站（MBS,Mesh Base Station）的,越靠近MBS的节点,需要中继的数据越多,因此越可能成为影响网络吞吐量的瓶颈节点。当采用全向天线时,使用各种先进的调度算法都不能有效解决这个瓶颈问题。提出了在网络节点上（尤其是在瓶颈节点上）使用多波束智能天线,使更多链路可以并行传输,从而有效解决瓶颈问题。仿真结果表明,提出的方法可以显著提高网络吞吐量,而且,仅在瓶颈节点上使用多波束智能天线,可以在性能与代价之间进行折中。     

基于PCNN与混合加权的多波束声呐图像镶嵌方法

多波束声呐图像是进行海底底质分类与目标识别的主要数据源之一。原始反向散射强度经过改正处理后仍存在残余误差,需要进行图像镶嵌以削弱残差的影响,构建大区域声呐图像。本研究针对多波束声呐图像镶嵌中的拼接线消除与信息综合问题,提出一种在NSST域内结合PCNN与混合加权的图像镶嵌方法。首先,对单条带声呐图像进行NSST分解,再对重叠区低频项按照混合加权进行镶嵌,高频项按照PCNN进行镶嵌。实验结果表明,在拼接线消除方面,镶嵌后条带拼接线两侧声强均值差由-6.18降为-1.29 dB;在信息综合方面,镶嵌结果的信息熵相对于混合加权法提升2.5%,空间频率提升31.6%。本研究方法能够在削弱拼接线的同时,有效综合相邻条带纹理信息,实现多波束声呐图像的镶嵌。