空间波束形成matlab仿真,自适应波束形成Matlab仿真
2021年2月27日发(作者:融合英文)
信息与通信工程学院
阵列信号处理实验报告
<
p>
(自适应波束形成
Matlab
仿真)<
p>
学
号:
XXXXXX
专
业:
XXXXXX
学生姓名:
XXX
任课教师:
XXX
2015
年
X
月
题目
:自适应波束形成
Matlab
仿真
1.
算法简述:
自适应波束形成,
源于自适应天线的一个概念。
接收端的信号处理,
可以通
过将各阵元输出进行加权求和,将天线阵列波束“导向”到一个方向上,对期
望
信号得到最大输出功率的导向位置即给出波达方向估计。
<
/p>
波束形成算法是在一定准则下综合个输入信息来计算最优权值的数学方法,
线性约束最小方差准则(
LCMV
)是最重要、最常用
的方法之一。
LCMV
是对有
用信号形
式和来向完全已知,
在某种约束条件下使阵列输出的方差最小。
该准则
属于广义约束,缺点是需要知道期望分量的波达方向。准则的代价函数为
J
(
w
)
?
w
H
Rw
,约束条件为
w
H
a
(
?
)
?
f
;最佳解为
w
H
R
?
1
c
[
c
H
R
<
br>?
1
c
]
?
1
f
。
2.
波束形成原理
以一维
M
元等距离线阵为例,如图
1
所示,设空间信号为窄带信号,每个
通道用一个附加权值系数来调整该通道的幅度和相位
。
x
1
(<
/p>
n
)
x
1
(
n
)<
p>
x
1
(
n
)
……..
w
1
(
?
)
w
1
(
?
)
w
1
(
?
)
y
p>
(
n
)
图
1
波束形成算法结构图
这时阵列的输出可以表示为:
y
p>
(
t
)
?
w
i
(
?
)
x
i
(
<
br>t
)
?
i
*
?
1
M
如果采用矢量来表示各阵元输出及加权系数,即
x
(
t
)
<
br>?
[
x
1
(
t
)
x
2
(
t
)
x
p>
M
(
t
)]
T
w
(<
p>
?
)
?
[
w
1
(
?
)
w
2
(
?
)
w
M
(<
/p>
?
)]
T
那么,阵列的输出也可以用矢量表示为
y
(
t
)
?
w
H
(
?
p>
)
x
(
t
)
为了在某一方向
?
上补偿各阵元之间的时延以形成一个主瓣,常规波束形成
器在期
望方向上的加权矢量可以构成为
w
(
?
)
?
[
p>
1
e
?
j
??
e
?
j<
p>
(
M
?
1)
??
]
T
p>
观察此加权矢量,
发现若空间只有一个来自方向
?
的信号,
其方向矢量
?
(
?
)
的表示形式与此
权值矢量相同。则有
y
(<
p>
t
)
?
w
H
(
?
)
x
(
t
)
?
?
H
(
?<
/p>
)
x
(
t
)
这时常规波束形成器的输出功率可以表示为
<
br>P
CBF
(
?
<
br>)
?
E
[
y
(
t
)
2
]
?
w
H
p>
(
?
)
Rw
(
?
)
?<
p>
?
H
(
?
)
R
?
(
?
)
式中矩阵
<
br>R
为阵列输出
x
(
t
)
的协方差矩阵。
3.
实验内容与结果:
实验使用均匀线阵
,
阵元间距为信号波长的一半,
输入信号为
1
个
BPSK
信
<
br>号,
2
个非相干的单频干扰,设置载波频率
10MHz
、采样频率
50MHz
<
br>、快拍数
300
、信噪比
-25
dB
、信干比
-90dB
、信号方位角
0
、干扰方位角
?
40
和
50
,分析
阵元数分别在
3
、
6
、
9
和
12<
p>
时波束图的变化。实验结果见图
1
。
图
1
不同阵元数情况下的波束图
4.
仿真分析
由上图可知,在已知实验条
件下,均匀线阵阵元数不小于信号干扰总数时,
应用
LCMV<
/p>
方法得到的波束图在信噪比很低的情况下可以有效抑制非相干干
扰
;对于信号方向虽然波束主瓣可以较准确地指向信号来向,但阵元数为
4
时,
主瓣波束宽度较大,
旁瓣增益较大;
当阵元数增加,
主瓣波束逐渐变窄并且能精
准地指向
信号来向,同时旁瓣数目增加、增益逐渐变小。因此,增加阵元的数目
可以有效地提高波
束形成精度,
同时主瓣变窄,
旁瓣变小,
使得输出信噪比有效
提高。
5.
程序
clear all;
close all;
clc;
%---------------------------------
%
信号参数设置
Signal_No = 1;
Interference_No =
2;%
小于五
S_No =
Signal_No + Interference_No;
%
信号总数
sensor_No = 12;
%
阵元数
azimuth = [0*pi/180 -40*pi/180
50*pi/180 30*pi/180 20*pi/180];
%
方位角
Fs = 50e6;
Fc = 10e6;
F1 = [8e6 9e6
10e6 11e6];
%
干扰功率
RB = 1e6;
M = 2;
wavelength = 3e8/Fc;
d =
wavelength/2;
K = 300;
%
快拍数
Ps = 0;
%dB
SNR = -15;
SIR = -90;
%
二进制
空间波束形成matlab仿真,自适应波束形成Matlab仿真相关推荐
- 空间波束形成matlab仿真,自适应波束形成Matlab仿真.doc
信息与通信工程学院 阵列信号处理实验报告 (自适应波束形成Matlab仿真) 学 号:XXXXXX 专 业:XXXXXX 学生姓名:XXX 任课教师:XXX 2015年X月 题目:自适应波束形成Mat ...
- 波束赋形技术lms算法在matlab仿真,自适应波束成形算法LMS、RLS、VSSLMS分解
1.传统的通信系统中,基站天线通常是全向天线,此时,基站在向某一个用户发射或接收信号时,不仅会造成发射功率的浪费,还会对处于其他方位的用户产生干扰.然而,虽然阵列天线的方向图是全向的,但是通过一定技术 ...
- 基于matlab的自适应PSO优化算法仿真
目录 1.算法描述 2.仿真效果预览 3.MATLAB核心程序 4.完整MATLAB 1.算法描述 粒子群优化算法(PSO),粒子群中的每一个粒子都代表一个问题的可能解, 通过粒子个体的简单行为,群体 ...
- 时延估计 matlab,LMS自适应时延估计matlab程序
目前在做个超声波方便的东西,就是计算固定的距离的两点之间超声波的传播时间,因为我以前也没学过自适应滤波的知识,matlab也不怎么懂,所以现在就碰到一些困难. 附件是我用来仿真的一个MATLAB程序, ...
- 基于matlab的智能天线波束方向图仿真,基于MATLAB的智能天线波束方向图仿真
第29卷第6期孝感学院学报V OL,基于M AT LA B的智能天线波束方向图仿真,汪 睿1,(1,3,摘 要:结合一种直线阵智能天线模型,关键词:智能天线,中图分类号:T N911,随着移动通信技术 ...
- 高阶累积量四阶矩_基于四阶累积量的LCMV自适应波束形成算法
任培林 摘要 基于四阶累积量的线性约束最小方差(LCMV)算法的自适应形成波束,通过四噪声阶累积量中所含的冗余成分构建虚拟阵元,避免了相关高斯噪声的影响,保证了方向图能在期望信号方向增益最大,干扰方向 ...
- 波束形成 基于对角加载的稳健自适应波束形成
前言 本人刚刚入门阵列信号处理的波束形成方向,因此仿真过程中可能会出现错误,如果诸位大佬发现仿真过程中有错误,请不吝指出谢谢. 对角加载(Diagonal Loading, DL)是一种比较常用的提高 ...
- 阵列信号处理——LMS自适应波束形成算法
一.LMS自适应波束形成算法 最小均方算法(LMS)采用迭代模式,在每个迭代步骤n时刻的权向量加上一个校正量后,即组成n + 1时刻的权向量,用它逼近最佳权向量.LMS自适应波束形成算法如下表所示: ...
- 自适应波束形成(一)——窄带波束形成和宽带波束形成
在许多波束形成应用中,我们经常需要根据接收到的阵列数据来更新波束形成器系数,以获得不同情境下的最优解决方案.若环境是变化的,系数也要自适应变化,这就是自适应波束形成器. 运用波束形成技术,利用麦克风阵 ...
- 【自适应波束形成算法】 ---- 线性约束最小方差准则(公式推导)
波束形成是阵列信号处理中的一个重要领域.常规的波束形成,可以通过FFT是实现,其权矢量一般由期望方向的导向矢量加窗后得到. 假设有一个由N个阵元组成的线阵,有一来自方向的来波信号入射到阵元上,其导向矢 ...
最新文章
- 原python基础概念整理_Python从头学之基础概念整理
- gtk+-hello,world
- 操作系统角度谈测试管理和自动化测试
- SPOJ - LCS2 Longest Common Substring II(后缀自动机)
- 浅谈web开发以及django的安装和入门
- [转载] scala
- maven没有resource文件夹_maven项目中没有resource文件夹的问题
- java原生怎么发请求,java原生http请求post
- OpenShift 4 - Fedora CoreOS (3) - 定制 CoreOS ISO
- CSRF跨站点伪造请求攻击——脱库及密码修改
- QCA-WIFI技术研讨
- MobileNet_V3—SSD网络模型图文详解
- textarea输入框光标定位问题
- mysql语句alter table_sql语句中ALTER TABLE MODIFY和ALTER TABLE CHANGE的区别?
- PythonProgramming.net Python 金融教程(转)
- Web Scraper入门
- 全面认识当前市面99%的大数据技术框架(附:各大厂大数据技术应用文章)
- C++:Leetcode-滑动窗口-904.水果成篮
- 新纪元财务、进销存一体化软件 v4.0 官方
- Spring Boot(二): 集成Mybatis
热门文章
- hive_实现ip的十进制和点分十进制(xxx.xxx.xxx.xxx)之间的相互转换
- java 性能调优案例_java性能调优实战,java性能调优
- gsp计算机系统系统操作培训,gsp计算机系统操作
- Docker 视频教程 ( 猿课 )
- linux c语言ide,linux下用过的c++IDE
- python snownlp了解_python中snownlp情感分析简易的demo分享
- STM32连接射频si4438模块
- 框架合集:Java框架自学视频教程-动力节点
- libcrypto.so.1.0.0缺失问题
- 微信公众号H5页面:禁止分享操作