摘要:

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.

摘要:

针对自适应波束形成系统中权值求解计算量大的问题,研究了基于LCMV的逆QR分解算法(IQRD-SMI算法)及其传统脉动流水的GR-TSA实现结构,在Matlab中对算法以脉动阵搭建并进行算法仿真;分析了CORDIC技术的原理以及如何利用它在FP-GA上实现Systolic阵中的处理单元;在此基础上,给出一种基于Systolic阵列的复用IQRD-SMI算法实现结构GR-ITSA,比较了它与已有文献中结构的异同;基于ISE软件,在Xilinx的xc7k325t型FPGA上实现了基于脉动阵列的IQRD SMI算法的底层设计和硬件仿真,并将FPGA定点仿真数据回传Matlab与计算机浮点仿真数据对比,进而进行系统的性能与误差分析.

摘要:

智能天线是第三代移动通信系统的主要关键技术之一.本文在简要介绍智能天线的基本原理、系统组成的基础上,详细论述了智能天线的自适应算法和技术优势.

摘要:

基于遗传算法提出了一种用于卫星智能天线的自适应波束形成算法,在遗传算法的变异操作中使用双变异概率,并将其与最优保留策略和内插交叉算子结合在一起使用,以此来克服传统遗传算法的早熟收敛问题,提高全局收敛能力和可靠性.仿真结果表明,提出的自适应波束形成算法具有良好的收敛性和抗干扰性能,可抵抗卫星通信系统中干扰信号的影响.

摘要:

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,介绍了智能天线的研究进展状况和智能天线的应用.

摘要:

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.

摘要:

针对低快拍情况下自适应波束形成算法性能下降,以及权矢量解算过程中协方差矩阵求逆运算量大的问题,针对最小方差无失真响应(MVDR)算法,采用单位阵和采样协方差矩阵的凸线性组合对低快拍下的协方差矩阵进行修正,在此基础上,引入模糊径向基(RBF)神经网络逼近算法权矢量,通过模糊RBF神经网络实现从阵列协方差矩阵到最优权矢量的非线性映射,避免了矩阵求逆运算.仿真结果表明,当低快拍情况下最小方差无失真响应(MVDR)及最小能量无畸变响应(MPDR)算法出现性能下降时,基于模糊RBF神经网络的波束形成算法仍能快速逼近算法权矢量,波束赋形效果较好,同时可实现算法复杂度的降低及计算量的减少.