存在循环频率误差时的盲自适应波束形成

绝大多数通信信号都具有循环平稳特性，利用信号的循环平稳特性可以进行真正的盲自适应波束形成，例如CAB类算法以及基于特征空间的盲波束形成算法^[3]。但当循环频率存在误差时，上述算法的性能将急剧下降。本文提出一种改进算法，在估计循环相关短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，计算机仿真验证了理论分析的正确性。     

遗忘因子在卡尔曼滤波自适应波束形成的应用

使用卡尔曼滤波控制的自适应波束形成,具有高收敛速率,低失调量,可用于非平稳过程等优点。系统建模是卡尔曼滤波的基础,系统模型不准确带来的验前数据误差,使滤波器精度降低,可能造成发散,本文提出的带遗忘因子卡尔曼滤波算法能补偿模型误差。通过计算机模拟,其模拟结果表明了该方法是有效的。     

多普勒信号的稳健盲自适应波束形成

针对假设的多普勒频率和真实的多普勒频率之间的误差会导致盲波束形成的性能急剧的下降这一事实. 首先分析了存在多普勒误差时的最小均方误差准则意义下的盲自适应波束形成的性能, 然后提出了一种有效的算法来对抗多普勒误差, 该算法是一迭代过程, 可以在线估计出真实的多普勒频率. 计算机仿真验证了提出算法的有效性.     

基于累积量的盲自适应波束形成技术

本文研究了在阵列信号处理中使用累积量的问题,以及在相干多径环境中基于累积量的盲自适应波束形成技术。该技术能在阵列几何结构和阵列流形未知的条件下,自适应调整权系数使阵列输出的信号干扰加噪声比最大。     

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 等人提出的随机梯度算法     

一种基于互相关神经网络的声呐盲波束形成方法研究

针对水声环境和水声信号的特点，提出了一种基于神经网络的声呐盲波束形成算法。该方法利用水声信号的循环平稳特性把波束形成权向量的求解问题转化为阵列接收信号互相关函数的奇异值分解问题；引入一种互相关神经网络求解阵列接收信号相关函数的奇异值，从而减小了运算的代价，可高效实现盲波束形成。提出的改进互耦Hebbian学习规则有效地提高了神经网络权值的更新速度，为问题的实时求解提供了有效的途径。该方法还能抑制噪声和干扰的影响，表现出较强的顽健性。仿真实验验证了算法的正确性。     

基于多普勒信号的盲自适应波束形成技术

本文相控阵多普勒雷达盲自适应波束形的问题,利用信号的多普勒信息,提出了一种新的盲自适应波束形成方法。     

一种稳健的周期平稳信号的盲波束形成算法

因为不需信号个数和导向向量等任何参考信息,基于周期平稳信号的盲波束形成算法在信号处理领域得到非常广泛的应用,然而这类方法是建立在循环频率准确已知基础上的,在实际应用中往往不是如此,循环频率的估计误差将导致算法性能变差,为了改进这点不足,在传统的循环自适应波束形成(CAB)算法的基础上,提出了一种改进的 CAB 盲波束形成算法,经理论分析和计算机仿真,证明了该算法是有效的.     

基于神经网络的盲波束形成

利用径向基函数神经网络来实现无线通信中智能天线的波束形成. 利用了信号相关阵的对称性质,仅考虑相关阵中的上三角(或下三角)的部分元素作为网络的输入量,计算量较小.进一步提高了运算速度,具有收敛快且准确的优点.计算机模拟实例证明结果与理论相吻合,表明了该方案的有效性.     

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。     

一种稳健的自适应波束形成算法

一般自适应波束形成的主瓣和零陷比较尖锐,当存在指向误差,干扰信号或天线平台快速运动时,若实时处理速度跟不上,将导致干扰抑制能力下降,采用高速处理算法代价太大.本文研究了利用导数约束法来改进广义旁瓣相消器的稳健性,对信号的自相关矩阵进行改进,使主瓣和零陷展宽,仿真试验表明该方法对指向误差和当干扰或天线平台快速运动时都具有很好的稳健性.     

智能天线自适应波束形成算法的研究

智能天线的自适应算法通过迭代运算获取用于波束形成的最优权值矢量时,是否具有较快的收敛速度和较小的稳态误差成为决定波束形成性能的主要因素。据此提出在传统的LMS算法中引入变步长和变换域的思想,采用改进的自：适应算法用于波束形成。MATLAB仿真结果表明,该算法具有较快的收敛速度和较小的稳态误差,波束形成的性能更优。     

智能天线自适应波束的形成与实现

智能天线利用数字信号处理技术，产生自适应定向波束，使天线主波束对准用户信号到达方向．旁瓣或零陷对准干扰信号到达方向，达到抑制干扰，提高移动通信系统容量的目的。文章研究了自适应波束形成的基本原理及其FPGA实现过程。     

智能天线与自适应数字波束形成技术

相控阵雷达由于阵列天线副瓣偏高容易被电子战系统进行副瓣侦察和干扰。在下一代相控阵雷达的研制中,智能天线已经成为重点发展方向。介绍了智能天线的基本概念、空时联合通道模型,重点阐述了智能天线接收波束形成与发射波束形成的应用。     

基于遗忘因子RLS算法的自适应直达波对消技术

在以民用广播、电视及CDMA等信号为照射源的无源雷达系统中,由于发射信号为连续波信号,直达波和多径信号对雷达回波的干扰很强,影响了目标的检测。为此采用RLS自适应对消处理技术来抑制直达波干扰,针对RLS自适应算法的性能分析,提出了改进RLS自适应处理算法,收到了良好的滤波效果。最后在以广播信号为照射源的实验系统中,根据实际采集的数据进行仿真论证,验证了该方法的可行性。     

高速实时自适应DBF的设计与实现

数字波束形成（DBF）一直是相控阵雷达的关键技术,讨论了DBF的数学原理和工程实现方法,并给出了一种基于FPGA和DSP结构的数字多波束形成系统模块,该DBF模块具有高速数字波束形成、通道校正、自适应于扰置零功能。     

一种基于遗传算法的波束设计方法

提出了基于遗传算法优化思想的波束设计方法,借助计算机对二十元阵进行波束优化设计。结果表明,使用该方法设计的波束与常规方法相比,获得了更低的旁瓣级,充分说明了方法的可行性和有效性,为多元任意阵的波束设计提供了有益参考。     

Beam Forming Networks Using Reduced Size Butler Matrix

Recent trend shows that the reduced size couplers are becoming potential building blocks and have created a continuing demand for the growing wireless communications market. Therefore, this paper presents a new design and realization for reducing the size of the branch-line coupler using eight two-step stubs that operates at 2.45 GHz. In this study, the reduced size branch-line coupler has been implemented on a 4 × 4 Butler Matrix, which generally consists of branch-line coupler, crossover, and phase shifter. The simulation results are obtained by using the advanced design system (ADS) in terms of S-Parameter analysis and the phase difference between the ports. Moreover, this design is realized on a low-cost substrate, e.g., flame resistance board (FR4 Board). The obtained results show that the proposed design has reduced the electrical length of transmission line up to 50% and consequently, the area of the branch-line coupler has been reduced up to 30% from the normal size.     

一种变步长LMS波束形成算法性能研究

智能天线的自适应算法通过迭代运算获取波束形成的最优权值矢量时,收敛速度和稳态误差是衡量一个算法是否优良的关键因素。它们的好坏直接影响着系统波束形成的性能。系统地分析了传统的最小均方（LMs）算法的收敛速度以及稳态误差的性能,在此基础上提出了一种新的变步长LMS算法,将此算法应用于波束形成,并用Matlab软件进行仿真。仿真结果表明,改进后的算法较传统LMS具有较快的收敛速度和较小的稳态误差。