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．然而，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．

一种具有快速收敛特性的盲自适应波束形成算法

本文提出了一种基于信号的周期平稳特性的具有快速收敛特性的盲波束形成新方法。该盲算法应用了ＲＬＳ技术，仿真实验证明该算法的收敛速度快于Ｃａｓｔｅｄｏ

一种新的天线阵列盲自适应波束形成算法

针对DS-CDMA的上行链路多用户检测,提出了一种基于天线阵列的盲自适应波束形成算法。针对强干扰采用线性约束最小方差准则(LCMV),利用正交分解将LCMV简化为非约束的最小化优化问题,采用共轭梯度(CG)算法求得最优解。对期望用户信号波形的使用保证了用户符号信息的最优恢复。仿真结果表明,该算法相对传统算法可以获得更高的信号干扰比(SINR)。该算法不需要天线阵列单元数大于用户数,因此具有更好的实用性。

一种归一化快速盲自适应波束形成算法

提出了一种具有快速跟踪能力和允许大输入动态范围的归一化盲自适应波束形成新算法．计算机仿真计算表明。

基于自适应CKF的恒模盲波束形成算法

针对均匀线阵,利用信号的恒模特性,与容积卡尔曼滤波相结合,提出一种新的盲自适应波束形成算法。通过对恒模算法的优化代价函数进行变换,使其满足系统状态空间模型。利用容积卡尔曼滤波算法进行自适应滤波,以实现抑制干扰和消除噪声。所提算法对状态空间模型中的系统噪声和过程噪声进行了自适应处理,免除滤波噪声参数的设置,增强了算法的通用性,并引入了收敛因子,加速系统的收敛速度。仿真结果表明了该算法的正确性和有效性。

预警雷达的盲自适应波束形成新算法

针对预警机 PD雷达 ,提出一种盲自适应波束形成新算法。在未知阵列响应矢量的条件下 ,利用信号的多普勒信息 ,估计出期望信号的波达方向。采用此波达方向作为导向矢量 ,校正 ESB波束形成算法的约束导向矢量 ,从而提高波束形成算法的性能。当期望信号含于相关矩阵时 ,它能够有效地抑制信号对消现象。它可应用于在波束中有多个期望信号的场合。

用于MIMO-OFDM无线通信系统的一种新的自适应半盲波束形成算法

该文根据MIMO-OFDM物理层结构和无线移动矩阵信道的特性,从神经网络和信息论观点详细推导了一种新的多天线阵列自适应半盲波束形成器算法.与常规的盲估计和导频辅助信道估计算法不同的是,本文提出的新的半盲算法在权矢量自适应更新时,不断地用基于导频估计的权矢量进行修正.最后,用实际的HIPERLAN2协议进行了计算机仿真.结果表明这种算法不增加发射信号功率和不占用额外带宽,能提高天线增益性能和有效地提取出期望的发射信号,在收敛速度和BER性能方面优于常规的导频辅助信道估计算法.该波束形成器能自适应调整权矢量,其更新方式与TDMA和CDMA相似,所以本算法可直接用于有天线阵列的基于OFDM的第三代(3G)和三代后(3G beyond)的无线通信系统.

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。

信号–误差恒模算法在盲自适应波束形成中的应用

提出了一种信号–误差恒模(CM)算法。用Godard恒模算法推导出来的权值迭代公式中的误差用一个变化的信号来代替。信号–误差恒模算法的优点是权值计算公式的乘积被一个信号变化代替,并且如果步长选择为2的一个负幂,那么乘法就被一个移位操作代替,这很容易快速实现。计算机仿真表明,信号–误差CM算法比Godard CM算法不仅快速收敛而且跟踪能力强;两种方法抑制了多径但不会使其消失,信号–误差CM算法的抑制能力更强一些。

高信噪比低信干比环境下盲自适应波束形成

本文针对通信双方是合作方这一特点,利用信号的周期平稳性,提出了一种能够适应于高信噪比、低信干比环境的盲自适应波束形成算法,采用了特征向量识别的方法,较好地解决了CAB、CCAB等方法存在的主特征向量误判的问题。该方法不需要系统提供波束指向和估计目标信号方向、具有对系统误差的稳健性,能够较好地抑制干扰。模拟实验验证了本文的方法。

SMI-LSCMA盲自适应多波束形成算法研究

提出一种基于协方差矩阵求逆(SMI)和最小二乘恒模(LSCMA)的恒模阵列盲多波束形成算法。该算法由SMI算法决定LSCMA算法的初始权向量,充分利用SMI结合LSCMA算法的所有优点,在干扰信号较强时,确保权向量收敛至弱期望信号。并且有稳定的SINR输出,具有良好的信号分离提取性能。仿真结果证明了SMI-LSCMA算法具有较强的稳健型和较快的收敛速度。

基于海试数据的水声信号自适应波束形成方法性能分析

为了更好验证自适应波束形成技术的实际应用,本文研究了基于海试数据的不同自适应波束形成方法的性能,对比分析CBF算法、MVDR算法、MUSIC算法的优缺点,总结了各算法适用条件及实用性。研究结果表明,在声呐的实际应用中,CBF算法更适用于实时性要求较高、目标数量较少的方位探测;MUSIC算法更适用于实时性要求不高、目标数量较多、目标数量已知的方位探测;MVDR算法更适用于实时性要求不高、目标数量较多、目标数量未知的方位探测。

应用于卫星多波束天线的自适应波束形成算法比较

射频干扰会严重影响卫星通信链路性能 ,而自适应调零天线是一种有效的卫星抗干扰措施 .本文对应用于多波束天线的各种自适应波束形成算法进行对比分析 ,理论分析与仿真结果皆表明 ,DMI和RLS算法相对经典的LMS算法而言 ,在收敛速率和输出信噪干扰比上皆有相当的优越性 .

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·

恒模算法在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盲波束形成中的应用 ,总结了几种适用于多用户盲波束形成的恒模算法 ,分析了每一种方法的特点 ,并以四元均匀线阵为例 ,利用计算机模拟给出了这些算法的收敛性能 .结合恒模算法的研究现状 ,指出了有待研究的几个问题 .

一种基于恒模算法的多用户盲波束形成新方法

提出了一种适用于多用户的盲波束形成新方法 .该方法基于最小二乘恒模算法 ,当最小二乘恒模算法收敛于某一信号后 ,我们导出了算法的权向量与其它用户波达方向的关系 ,进而在不同用户的波达方向上形成初始增益 ,从而实现对所有用户的波束形成 .文中给出了算法的并行和串行实现方案 .

智能天线的原理、自适应波束形成算法的研究进展与应用

智能天线是当前通信领域的研究热点之一。阐述了智能天线的基本原理 ,介绍了上行链路窄带自适应波束形成算法 ,对自适应波束形成算法进行了分类 ,较为详细地讨论了各种算法的特点 。

最坏情况下的鲁棒自适应波束形成算法性能分析

研究了最坏情况下的鲁棒自适应波束形成算法,它通过对角加载提高波束对方向矢量误差的鲁棒性.给出了其最优对角加载因子的近似解析达式,揭示了各种因素如何影响最优加载因子.在此基础上,对该算法进行了性能分析,推导出了关于目标功率估计和信号干扰噪声比的近似表达式.计算机仿真验证了本文的分析.

鲁棒约束恒模自适应波束形成算法

线性约束恒模算法能够有效克服恒模算法中存在的干扰捕获问题,但在信号方向向量存在偏差的情况下,其性能将会受到影响.针对上述问题,本文提出了鲁棒约束恒模自适应算法并对其性能进行了分析.该算法收敛速度快,抗扰动性强,对信号方向向量的偏差具有较强的鲁棒性,改善了系统的输出信干噪比.仿真实验表明,与线性约束恒模算法相比,鲁棒约束恒模算法具有很好的性能.

CDMA系统智能天线盲自适应波束形成

给出了基于最大化信号对干扰和噪声的功率比 (MSINR)准则的盲自适应波束形成在线递推算法 ,旨在提高DS CDMA系统中智能天线的性能。将MSINR准则转化为一种新的等价的无约束准则函数 ,通过最大化此准则函数来在线估计最优波束形成向量。算法直接利用了DS CDMA系统解扩前和解扩后的观测信号 ,无须训练序列。通过在线迭代估计 ,降低了计算波束权值的复杂度。不同通信环境中的仿真结果表明 ,该算法具有较高的估计精度和很好的抗多址干扰能力。