自適應(yīng)波束形成Matlab仿真

1、精選優(yōu)質(zhì)文檔-傾情為你奉上精選優(yōu)質(zhì)文檔-傾情為你奉上專心-專注-專業(yè)專心-專注-專業(yè)精選優(yōu)質(zhì)文檔-傾情為你奉上專心-專注-專業(yè)信息與通信工程學(xué)院 陣列信號(hào)處理實(shí)驗(yàn)報(bào)告 （自適應(yīng)波束形成Matlab仿真）學(xué) 號(hào)：XXXXXX專 業(yè)：XXXXXX學(xué)生姓名：XXX任課教師：XXX2015年X月題目：自適應(yīng)波束形成Matlab仿真算法簡(jiǎn)述：自適應(yīng)波束形成，源于自適應(yīng)天線的一個(gè)概念。接收端的信號(hào)處理，可以通過將各陣元輸出進(jìn)行加權(quán)求和，將天線陣列波束“導(dǎo)向”到一個(gè)方向上，對(duì)期望信號(hào)得到最大輸出功率的導(dǎo)向位置即給出波達(dá)方向估計(jì)。波束形成算法是在一定準(zhǔn)則下綜合個(gè)輸入信息來計(jì)算最優(yōu)權(quán)值的數(shù)學(xué)方法，線性約束最小方

2、差準(zhǔn)則（LCMV）是最重要、最常用的方法之一。LCMV是對(duì)有用信號(hào)形式和來向完全已知，在某種約束條件下使陣列輸出的方差最小。該準(zhǔn)則屬于廣義約束，缺點(diǎn)是需要知道期望分量的波達(dá)方向。準(zhǔn)則的代價(jià)函數(shù)為，約束條件為；最佳解為。波束形成原理以一維M元等距離線陣為例，如圖1所示，設(shè)空間信號(hào)為窄帶信號(hào)，每個(gè)通道用一個(gè)附加權(quán)值系數(shù)來調(diào)整該通道的幅度和相位。.圖1 波束形成算法結(jié)構(gòu)圖這時(shí)陣列的輸出可以表示為：如果采用矢量來表示各陣元輸出及加權(quán)系數(shù)，即那么，陣列的輸出也可以用矢量表示為為了在某一方向上補(bǔ)償各陣元之間的時(shí)延以形成一個(gè)主瓣，常規(guī)波束形成器在期望方向上的加權(quán)矢量可以構(gòu)成為 觀察此加權(quán)矢量，發(fā)現(xiàn)若空間只有

3、一個(gè)來自方向的信號(hào)，其方向矢量的表示形式與此權(quán)值矢量相同。則有 這時(shí)常規(guī)波束形成器的輸出功率可以表示為式中矩陣為陣列輸出的協(xié)方差矩陣。實(shí)驗(yàn)內(nèi)容與結(jié)果：實(shí)驗(yàn)使用均勻線陣，陣元間距為信號(hào)波長(zhǎng)的一半，輸入信號(hào)為1個(gè)BPSK信號(hào)，2個(gè)非相干的單頻干擾，設(shè)置載波頻率10MHz、采樣頻率50MHz、快拍數(shù)300、信噪比-25dB、信干比-90dB、信號(hào)方位角、干擾方位角和，分析陣元數(shù)分別在3、6、9和12時(shí)波束圖的變化。實(shí)驗(yàn)結(jié)果見圖1。圖1 不同陣元數(shù)情況下的波束圖仿真分析由上圖可知，在已知實(shí)驗(yàn)條件下，均勻線陣陣元數(shù)不小于信號(hào)干擾總數(shù)時(shí)，應(yīng)用LCMV方法得到的波束圖在信噪比很低的情況下可以有效抑制非相干干

4、擾；對(duì)于信號(hào)方向雖然波束主瓣可以較準(zhǔn)確地指向信號(hào)來向，但陣元數(shù)為4時(shí)，主瓣波束寬度較大，旁瓣增益較大；當(dāng)陣元數(shù)增加，主瓣波束逐漸變窄并且能精準(zhǔn)地指向信號(hào)來向，同時(shí)旁瓣數(shù)目增加、增益逐漸變小。因此，增加陣元的數(shù)目可以有效地提高波束形成精度，同時(shí)主瓣變窄，旁瓣變小，使得輸出信噪比有效提高。程序clear all;close all;clc; %-%信號(hào)參數(shù)設(shè)置Signal_No = 1;Interference_No = 2;%小于五S_No = Signal_No + Interference_No; %信號(hào)總數(shù)sensor_No = 12; %陣元數(shù)azimuth = 0*pi/180 -40

5、*pi/180 50*pi/180 30*pi/180 20*pi/180; %方位角Fs = 50e6;Fc = 10e6;F1 = 8e6 9e6 10e6 11e6; %干擾功率RB = 1e6;M = 2; %二進(jìn)制wavelength = 3e8/Fc;d = wavelength/2;K = 300; %快拍數(shù)Ps = 0; %dBSNR = -15;SIR = -90;M_No = 40; %碼速率等于信息速率Data_No = M_No*Fs/RB;t = 1/Fs:1/Fs:Data_No/Fs;%-%功率轉(zhuǎn)換Ps_l = 10(Ps/10);Pi_l = 10(Ps-SIR

6、)/10);Pn_l = 10(Ps-SNR)/10);%-%信號(hào)生成bit = randint(1,M_No); %產(chǎn)生信息序列bitstream = ;for i = 1:M_No if bit(i) = 1 bitstream = bitstream, ones(1, Fs/RB); else bitstream = bitstream, -ones(1, Fs/RB); endendCarrier_R = cos(2*pi*Fc*t);S_R = Carrier_R .* bitstream;Carrier_I = sin(2*pi*Fc*t);S_I = Carrier_I .* b

7、itstream;Signal_R = sqrt(Ps_l)*S_R/sqrt(S_R*S_R/length(S_R);Signal_I = sqrt(Ps_l)*S_I/sqrt(S_I*S_I/length(S_I);%生成BPSK復(fù)信號(hào)Signal(1,:) = complex(Signal_R, Signal_I);%-% %產(chǎn)生干擾for i = 2:Interference_No +1 Signal(i,:)=sqrt(2*Pi_l)*complex(sin(2*pi*F1(i-1)*t+pi/10*i), sin(2*pi*F1(i-1)*t+pi/10*i);end%-% 模擬

8、天線接收%-%四次循環(huán)name = 3, 6, 9,12;for mmm =1:4sensor_No = mmm*3;As = zeros(sensor_No,S_No);for i = 1:sensor_No for ii = 1:S_No As(i,ii) = exp(-1i*2*pi*sin(azimuth(ii)*d/wavelength*(i-1); endend x = As * Signal;% % %-% %加噪聲noise_R = randn(sensor_No,Data_No)*sqrt(Pn_l);noise_I = randn(sensor_No,Data_No)*sq

9、rt(Pn_l);noise = complex(noise_R, noise_I);s = x + noise;%-%lcmv算法% Ad = 1 0 0 0 0 0 0 0 0 0 0 0 ; Ad = (As(:,1); x1 = s(:,(1:K); Rx=x1*x1/K; alfa=inv(Ad*inv(Rx)*Ad); Wopt=alfa*inv(Rx)*Ad;%-%-%mvdr% Ad = (As(:,1);% x1 = s(:,(1:K);% Rx=x1*x1/K;% QR_Wopt1 = inv(Rx)*Ad;% Wopt=QR_Wopt1./QR_Wopt1(1);%-%波

10、束圖figure(1)whitebg(k);all_azimuth = -pi/2:pi/180:pi/2;LMS_R = zeros(1,181);for i = 1:181 for m = 1:sensor_No LMS_R(i) = LMS_R(i) + conj(Wopt(m) * exp(-1i*2*pi*sin(all_azimuth(i)*d/wavelength*(m-1); end LMS_P(i) = (abs(LMS_R(i)2;endLMS_PdB = 10*log10(LMS_P/max(LMS_P);switch mmm case 1 plot(all_azimut

11、h*180/pi,LMS_PdB,-g,LineWidth,2);hold on; case 2 plot(all_azimuth*180/pi,LMS_PdB,.b,LineWidth,2); case 3 plot(all_azimuth*180/pi,LMS_PdB,-.w,LineWidth,2); case 4 plot(all_azimuth*180/pi,LMS_PdB,:r,LineWidth,2);endgrid on;axis(-90 90 -70 10);xlabel(方位角(度)ylabel(陣列增益(dB)%title(strcat(陣元數(shù),name(2*mmm-1: