自适应波束形成开题报告.doc

哈尔滨工业大学（威海） 毕业设计（论文）开题报告 题 目 几种自适应波束形成算法性能分析 专 业 电子信息工程 学 号 100250210 姓 名 付鹏成 指导教师 王军 2014年 3月 24日 课题来源及研究的目的和意义 课题来源 自适应阵列天线的研究可以追溯到20 世纪60 年代, 其中最具代表性的工作包括Adams 提出的基于SNR 输出的自适应处理器以及Widrow 提出的宽带和窄带自适应阵列结构。 自适应波束形成通过不同的准则来确定自适应权, 并利用不同的自适应算法来实现。主要的准则有:最小均方误差( MSE) 准则; 最大信噪比( SNR) 准则;最大似然比( LH ) 准则; 最小噪声方差( NV ) 准则等。Monzingo和Miler在他们的专著中阐述了理想情况下这4 种准则是等价的。不管选择什么样的准则, 都是要采用一定的算法调整阵波束方向图, 从而实现自适应控制。 自适应算法的分类有几种, 按照算法的实现可以分为开环算法和闭环算法。早期主要注重于闭环算法的研究, 主要的闭环算法有最小均方( LMS ) 算法、差分最陡下降( DSD) 算法、加速梯度( AG) 算法以及它们的变形算法。闭环算法简单、性能可靠, 不需数据存储。但其主要缺点是收敛于最佳权的响应时间取决于数据特征值分布, 在某些干扰分布情况下, 算法收敛速度较慢, 从而大大限制了它的应用场合。因此, 近20年来, 人们把兴趣更多集中在开环算法研究上。REED 等人最早提出了著名的开环算法: 直接求逆( DMI 或SMI) 法。DMI 法通过直接干扰方差矩阵的逆来求解Winner-Hopf 方程以获得最优权值, 然后作加权相消, 它的收敛速度和相消性能都比闭环算法好得多。随着数字技术的迅速发展, 高速度芯片的产生为开环算法提供了更好的前提条件。 近年来，自适应波束形成算法在通信雷达、声纳、生物医学工程等科技领域 中到了极为广泛的应用。在实际应用中，如果信号源、天线阵列出现误差，传统的自适应波束形成算法性能将会下降。但是对于稳健的自适应波束形成算法。环境及天线阵列的误差和不确定性是必须要考虑的关键问题。这里对稳健的自适应波束形成算法的研究现状与发展动态进行了较为详细的评述。 传统的算法在设计波束形成器时，都是假定在其训练数据中不含有期望信号。这时的波束形成器对于阵列响应误差和有限次快拍数据的稳健性非常好。但 是在许多情况下，干扰和噪声信号的观测数据不可避免地要被期望信号所污染。而即使在理想情况下，这时精确的知道期望信号的方向向量，在有限次快拍训练数据中含有的 响应之间的不匹配。自适应阵列信号处理对于这类误差的反应非常敏感。因为这时期望信号分量会被当作干扰抑制掉。阵列校正误差及观测方向的偏差等现象在实际中经常出现。 引起自适应波束形成算法性能降低的原因除了阵列响应误差外，由于信道的不稳定、干扰和天线的移动、天线的转动等所造成的波束形成器训练数据的不稳定性也是一个主要原因。首先即使在训练数据中不包含期望信号，这种不稳定性也会限制自适应波束形成算法的性能进而当在训练数据中含有期望信号时，波束形成器性能会进一步严重降低；最后如果出现快速移动的干扰。波束形成器的性能将会崩亏。因为这时自适应权向量的收敛速度跟不上干扰的变化，不能有效的对干扰形成零陷。 研究的目的和意义 自适应波束形成算法核心是通过一些自适应波束形成算法获得天线阵列的最佳权重，并最终最后调整主瓣专注于所需信号的到达方向，以及抑制干扰信号，通过这些方式，天线可以有效接收所需信号。在实际应用中，收敛性，复杂性和鲁棒性的速度是在选择自适应波束形成算法时要考虑的主要因素。这次研究将聚焦于最小均方（LMS）算法和样本矩阵求逆（SMI）的算法，分析它们的性能，并在Matlab 的帮助下将这两个算法应用于自适应。 国内外在该方向的研究现状及分析 自适应波束形成算法被广泛用于天线阵列、通信、雷达系统以及生物医学工程。有几种自适应波束形成算法，如最小平均平方算法、采样矩阵求逆算法、恒模算法、递归最小二乘算法、共轭梯度法，等等。在实际应用中，如果信号源、天线阵列出现误差，传统的自适应波束形成算法性能将会下降。但是对于稳健的自适应波束形成算法．环境及天线阵列的误差和不确定性是必须要考虑的关键问题。如今稳健的自适应波束形成算法成为实际应用中的主流。 主要研究内容及研究方案 波束成形 波束成形，源于自适应天线的一个概念。接收端的信号处理，可以通过对多天线阵元接收到的各路信号进行加权合成，形成所需