自適應波束形成Matlab仿真

1、精選優(yōu)質文檔-傾情為你奉上精選優(yōu)質文檔-傾情為你奉上專心-專注-專業(yè)專心-專注-專業(yè)精選優(yōu)質文檔-傾情為你奉上專心-專注-專業(yè)信息與通信工程學院 陣列信號處理實驗報告 （自適應波束形成Matlab仿真）學 號：XXXXXX專 業(yè)：XXXXXX學生姓名：XXX任課教師：XXX2015年X月題目：自適應波束形成Matlab仿真算法簡述：自適應波束形成，源于自適應天線的一個概念。接收端的信號處理，可以通過將各陣元輸出進行加權求和，將天線陣列波束“導向”到一個方向上，對期望信號得到最大輸出功率的導向位置即給出波達方向估計。波束形成算法是在一定準則下綜合個輸入信息來計算最優(yōu)權值的數(shù)學方法，線性約束最小方

2、差準則（LCMV）是最重要、最常用的方法之一。LCMV是對有用信號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。該準則屬于廣義約束，缺點是需要知道期望分量的波達方向。準則的代價函數(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，設空間信號為窄帶信號，每個通道用一個附加權值系數(shù)來調整該通道的幅度和相位。.圖1 波束形成算法結構圖這時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償各陣元之間的時延以形成一個主瓣，常規(guī)波束形成器在期望方向上的加權矢量可以構成為 觀察此加權矢量，發(fā)現(xiàn)若空間只有

3、一個來自方向的信號，其方向矢量的表示形式與此權值矢量相同。則有 這時常規(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。實驗內容與結果：實驗使用均勻線陣，陣元間距為信號波長的一半，輸入信號為1個BPSK信號，2個非相干的單頻干擾，設置載波頻率10MHz、采樣頻率50MHz、快拍數(shù)300、信噪比-25dB、信干比-90dB、信號方位角、干擾方位角和，分析陣元數(shù)分別在3、6、9和12時波束圖的變化。實驗結果見圖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，在已知實驗條件下，均勻線陣陣元數(shù)不小于信號干擾總數(shù)時，應用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；對于信號方向雖然波束主瓣可以較準確地指向信號來向，但陣元數(shù)為4時，主瓣波束寬度較大，旁瓣增益較大；當陣元數(shù)增加，主瓣波束逐漸變窄并且能精準地指向信號來向，同時旁瓣數(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; %-%信號參數(shù)設置Signal_No = 1;Interference_No = 2;%小于五S_No = Signal_No + Interference_No; %信號總數(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;%-%功率轉換Ps_l = 10(Ps/10);Pi_l = 10(Ps-SIR

6、)/10);Pn_l = 10(Ps-SNR)/10);%-%信號生成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復信號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: