自适应波束形成及算法
第3章 自适应波束形成及算法
（3.2 自适应波束形成的几种典型算法）
3.2 自适应波束形成的几种典型算法
自适应波束形成技术的核心内容就是自适应算法。目前已提出很多著名算法，非盲的算法中主要是基于期望信号和基于DOA 的算法。常见的基于期望信号的算法有最小均方误差（MMSE ）算法、小均方（LMS ）算法、递归最小二乘（RLS ）算法，基于DOA 算法中的最小方差无畸变响应（MVDR ）算法、特征子空间（ESB ）算法等[9]。
3.2.1 基于期望信号的波束形成算法
自适应算法中要有期望信号的信息，对于通信系统来讲，这个信息通常是通过发送训练序列来实现的。根据获得的期望信号的信息，再利用MMSE 算法、LMS 算法等进行最优波束形成。
1．最小均方误差算法（MMSE ） 最小均方误差准则就是滤波器的输出信号与需要信号之差的均方值最小，求得最佳线性滤波器的参数，是一种应用最为广泛的最佳准则。阵输入矢量为： 1()[(),,
()]T
M
x n x n x n =
（3-24）
对需要信号()d n 进行估计，并取线性组合器的输出信号()y n 为需要信号
()d n 的估计值?()d
n ，即 *?()()()()H T d n y n w x n x n w === （3-25） 估计误差为：
?()()()()()H e n d n
d n d n w x n =-=-
（3-26）
最小均方误差准则的性能函数为：
2
{|()|}E e t ξ= （3-27）
式中{}E 表示取统计平均值。最佳处理器问题归结为，使阵列输出
()()T
y n w X n =与参考信号()d t 的均方误差最小，即：
2{
|()|}M i n E e t
式（3-28）也就是求最佳权的最小均方准则。
由式（3-26）～（3-28）得：
2*{|()|}{()()}E e t E e n e n ξ==
2{|()|}2R e []T H
xd
xx E d n
w r w R w =-+ （3-29）
其中，Re 表示取实部，并且：
[(
)()]H xx R E x n x n = （3-30）
为输入矢量()x n 的自相关矩阵。
*[(
)()]xd r E x n d n = （3-31）
为输入矢量()x n 与需要信号()d n 的互相关矢量。
一般而言，是通过确定向量函数的梯度的零点而使该函数最小的。一个复向量函数的梯度定义为：
???
???
?
???????????+
????
??
?
???????????=?--)()()()()(10
10
w w w w w f b f b j f a f a f M M
（3-32）
其中，i i i jb a w +=。由此定义可以发现
)(2)(2)(=?=?=?w c c
c w Aw
Aw w H H H
（3-33）
关于权矢量求梯度，得到梯度算子：
2((()))22w E t r R W ε?=-+ （3-34）
令梯度算子为零，可以得到最小均方误差准则下的最佳权矢量opt W 应该满足的方程为：
x x o p
t x R W r =
式（3-34）称为正规方程（Normal Equation ）。若xx R 满秩，则有 1
o p t x x
x d W R r -=
（3-36）
我们经常把此最佳权矢量称为维纳解,亦即利用MMSE 得到的阵列天线的最优权向量。
2．最小均方算法（LMS ） 最小均方算法（LMS ）是B.Widrow 和Hoff 于1960年提出的。由于实现简单且对信号统计特性变化具有稳健性，所以应用非常广泛。LMS 算法是基于最小均方误差准则（MMSE ）的维纳滤波器和最陡下降法提出的，约束的LMS 算法在每步迭代中对加权有约束。无约束的LMS 算法则在每步迭代中无约束，由于未知信号方向，其利用一个参考信号更新加权。
该算法以瞬时量代替统计平均量，故只在统计平均的意义下才与最速梯度下降法等效，其解与后者相比也呈现不同程度的波动。尽管如此LMS 算法仍以其简单的原理和较少的计算量受到重视，在自适应领域中占有重要地位。
对于实时无约束的LMS 利用参考信号计算加权向量： (1)()(()w n w n g w n μ+=-
（3-37）
其中μ是正常数，即步长，控制算法的收敛特性；(())g w n 是梯度的无偏估计。
2(())[|(1)|]()()2()H H MSE n E r n n Rw n n z =++-w w w 第n 步迭代后，有：
()()|2()2n MSE Rw n z
=?=-W w w w
（3-38）
其中[()()],()z E x n r n r n =是在时刻n 得到的期望信号的估计。注意第1n +步的阵列输出利用了第n 步所得的权向量和新的阵列数据(1)x n +，即
()()(1)H y n w n x n =+。
通常将R 和z 用估计值替代，第n +1步迭代的梯度为：
(())2(1)(1)()2(1(1)H g n n n n n r n =++-++w x x w x )
2(
1)(()n n ε*
=+x w （3-39）
其中(())w n ε是阵列信号与参考信号间的误差，即
(())()(1)(1)H w n w n x n r n ε=+-+。设max λ为R 的最大特征值，当max 1μλ<时，算法是稳定的，权的平均估计收敛于最佳权。
总的来说，LMS 算法是数字信号处理中最经典的算法之一。它的主要优点就是能够稳定收敛，而且结构简单，实现方便。但是主要缺点是收敛速率问题。算法性能对阵列信号协方差矩阵的特征值分布很敏感，当特征值散步范围较大时
（即存在一个强干扰信号或其它一些弱干扰信号），算法收敛速度很慢。
3．递归最小二乘算法（RLS ） LMS 算法的收敛依赖于R 的特征值。在R 的特征值扩展较大时，算法收敛较慢。这个问题在递归最小二乘算法（RLS ）中可以得到解决。
在LMS 算法中，将第n 步迭代时的步长μ用一个增益矩阵1()R n -取代，得到加权的更新为：
1*()(1)()()((1))
w n w n R n x n w n ε-=---
（3-39）
其中 000()(1)()()()()n
H
n k H k R n R n x n x n x k x k δδ-==-+=∑
（3-40）
0δ是比1小但接近于1的实数（常称为遗忘因子），用于对过去数据指数加权，使迭代趋向于降低过去取样数据的重要性。
3.2.2 基于DOA 的波束形成算法
基于波达角（DOA ）估计的波束形成算法的基本思想就是需要预先知道期望信号的DOA ，从而获得其导向矢量。根据期望信号的导向矢量，可以采取MVDR 算法、特征子空间法等进行最优波束形成。
1．最小方差无畸变响应算法（MVDR ） 采用在通信、雷达信号处理中具有重要应用的最小输出能量（minimum output energy, MOE ）准则来设计权向量
w 。采样后的信号都以离散的形式表示，考虑使N 次快拍的输出能量的平均值
最小，即
2
2
1
1
1
1
min |()|min |()|N
N
H
n n y n n N
N ===∑∑w w w
x
（3-41）
观测信号向量()n x 的样本自相关矩阵?xx
R 为： 1
1?()()
N
H
xx
n n n N
==∑R x x
（3-42）
则式（3-41）对应的准则可以变换成：
2
1
1
1
1
min
|()|min (()())N
N
H
H
n n y n n n N
N ===∑∑w w w x x
w
?min H xx
w w =w
R
（3-43）
当N →∞时，则可以得到：
2
2
1
1
{|()|}lim
|()|
N
H xx N n E y n y n w R w
N
→∞===∑
（3-44）
将式（3-44）离散化后带入上式可得：
2{|()|}E y n =
2
2
22221
{|()|}|()|{|()|}|()|||J
H
H d d i i i E s n E s n θθσ=++∑w a w a w （3-45）
从上式可以看出，第一项为期望信号，第二项为干扰信号之和，第三项为加性噪声项。此时如果权向量w 满足约束条件：
()()1
H H d d w a a w θθ==（波束形成）
（3-46）
()0,(1,
,)H i w a i J θ==（零陷形成）
（3-47）
则波束形成器将只会提取期望信号，而拒绝所有其它干扰信号。因此，最佳波束形成器的设计变成了在上述约束条件下使输出能量{
}2
()E y n 最小化。
用Largange 算法求解该优化问题。根据式（3-42）和式（3-45）构造目标函
数()J w ：
()[1()]
H H xx d J w w R w w a λθ=+-
（3-48）
令()/0J ??=w w ，可求得：
1
()opt xx d w R a λθ-=
（3-49）
将上式求得的opt w 代入波束形成约束条件式（3-45），可求得λ：
1
1
()()
H d xx d a R a λθθ-=
（3-50）
再将求得的λ的值代入式（3-46），可得到最终使输出能量最小化的最佳波束形成器为：
1
1
()
()()
xx d opt
H
d xx d θθθ--=R a w a R a （3-51）
2．特征子空间法算法（ESB ） 设有L 个干扰以JL J θθ,,1 方向，一个期望信号以d θ方向入射到M 元阵，假设信号源数L +1 ()()()()() J d d n n s n n θ=++x A J a n ()() n n =+As n （3-52） 式中 1()[(),(),,()T d L n s n J n J n =s （3-53） 为期望信号和干扰信号构成的信号矢量。 1[()(), ,()] d J JL θθθ=A a ,a a （3-54） 为(1)M L ?+维方向矢量矩阵。 M M ?维输入矢量相关矩阵可表示为： 2{()()}H H xx s E n n σ==+R x x AR A I （3-55） 设(1)M L >+，则xx R 有（L +1）个大特征值和(1)M L --个等于2σ的特征值： 22121>===>≥≥≥++σλλλλλM L L （3-56） 相应的M 个归一化正交特性矢量1, ,M q q ： 1 { H i j =q q j i j i ≠= （3-57） 式中11,,+L λλ 为信号（期望和干扰信号）产生的特征值，相应的特征矢量集11{, ,}L +q q 或(1)M L ?+维矩阵 11[, ,]s L +=Q q q （3-58） 称为信号子空间。22,,σλλ=+M L 为噪声产生的特征值，相应的集2{, ,} L M +q q 或 2[, ,] n L M +=Q q q （3-59） 称为噪声子空间。 由MVDR 算法得到的最优权值为： 11 ()()() xx d MVDR H d xx d θθθ--=R a w a R a （3-60） 将其投影到信号子空间可得： H o p t s s M V D R =w Q Q w （3-61） 3.3 基于MATLAB 的波束形成算法仿真 为验证各种波束形成算法的性能，本论文通过计算机仿真来实现了基于期望信号和基于DOA 算法中典型的几种波束形成算法进行了仿真[10]。主要包括，基于期望信号的最小均方误差算法（MMSE ）和最小均方算法（LMS ），基于DOA 的最小方差无畸变响应算法（MVDR ）和特征子空间算法（ESB ），并进行一定的分析，其中测试软件是Matlab 。 3.3.1 仿真条件 信号模型采用了八元均匀线阵，不失一般性，阵元间隔取为0.5λ，λ为载波波长，且/c f λ=。假设有3远场窄带信号从不同方向入射，这3信号分别为：一个期待信号与两个干扰信号，其中期望信号的波达方向是60，两个干扰信号的波达方向是40-和20，且在每个阵元上加有复高斯白噪声i N (18i ≤≤)。 参数假设如表3-1所示： 表3-1参数假设 40 3.3.2 算法流程设计 本论文波束形成算法设计流程框图如图3-2所示。 图3-2算法框图 首先假设各种参数，再利用Matlab语言产生三种BPSK信号，其中一种作为期望信号，另外两种是干扰信号，在信道上加上高斯白噪声，此后产生输入信号 矢量矩阵X ，通过一定的算法准则生成最佳权值，然后生成波束图进行研究。 3.3.3 仿真结果 1．最小均方误差算法（MMSE ） 运行Matlab 程序，可生成的波束方向图如图3-3所示。 从图3-3中可以看出，在期望信号方向即20方向获得了较大增益，而在干扰信号方向即 40-和60方向有较深的零陷，因此准则算法可以较好地收敛到所需 图3-3 MMSE 算法波束方向图 2．最小均方算法（LMS ） 运行Matlab 程序，可得LMS 波束形成算法方向图如图3-4所示，收敛图如图3-4所示。 从图3-4中可以看出，在期望信号方向即20方向获得了较大增益，然而在干扰信号方向即 40-和60方向却没有较深的零陷，该准则算法可以较好地收敛到所需信号方向，具有捕获能力，但是抑制干扰方向能力很弱。 3．线性约束最小方差准则（LCMV ） 线性约束最小方差（LCMV ）准则的核心部分见式（3-19）和式（3-20）生成的波束图如图3-5所示。 从图3-5中可以看出，在期望信号方向即20方向获得了较大增益，而在干扰信号方向即 40-和60方向有较深的零陷，但是较之MMSE 的波束图，零陷较浅，不过也具有一定的捕获能力。 图3-4LMS算法波束方向图 图3-5利用LCMV准则生成波束图 4．特征子空间算法（ESB）特征子空间算法（ESB）的核心部分见式（3-60），运行Matlab程序，得到波束图如图3-6所示。 图3-6 ESB 算法波束方向图 从图3-6中可以看出，在期望信号方向即20方向获得了较大增益，然而在干扰信号方向即 40 和60方向却没有较深的零陷，所以具有捕获能力，但是抑制干扰方向能力很弱。 3.4 本章小结 本章首先分析了常见的准则，着重分析了最小均方误差准则和线性约束最小方差准则，然后对各种算法进行了分类与比较，比较详细地介绍了数字波束形成技术，其中对线阵波束形成做了比较彻底的分析，最后通过计算机仿真来实现了最小均方误差算法、最小均方算法、最小方差无畸变响应算法、线性约束最小方差准则和特征子空间算法，并进行一定的分析和比较，其中测试软件是Matlab ，得出了比较准确的结果。最后发现MMSE 的各项性能指标比较令人满意。 多波束形成技术研究 陈晓萍 （中国西南电子技术研究所，四川成都610036） 摘要：讨论了跟踪与数据中继卫星系统（TDRSS）中关于多波束形成的算法，优选的有LMS自适应方式和相位调整自适应方式；并简单介绍了波束控制和波束形成的实现。 关键词：TDRSS；多波束形成；LMS自适应算法；相位调整自适应算法 一、前言 随着航天技术的发展，要求测控通信站能高覆盖地对飞船等多个目标进行测控通信。要解决这个问题靠现有地面测控网和业务接收站已不能满足要求，需要建立天基测控通信系统，即跟踪与数据中继卫星系统(TDRSS)。 TDRSS把测控通信站搬移到天上同步定点轨道的中继星上，从上向下观测中低轨卫星、飞船、航天飞机等空间飞行器，从而提高了覆盖率。为了减轻中继星的复杂性和负担，将中继卫星观测到的数据和信息传到地面，由地面中心站进行处理。TDRSS中继星相控阵天线同时与多个用户航天器保持跟踪，地面站到航天器的正向通讯为时分多波束，反向通讯为码分和同时多波束。为了减轻中继星的负担，中继星上只装有形成正向天线波束扫描所需的电调移相器，由地面终端计算并发出指令，调节星上移相器相位，让天线波束以时分方式扫描对准各用户航天器，在对准期间完成正向数传。多个用户航天器送到中继星的反向数传信号在星上进行多波束形成会大大增加中继星的复杂性，反向信号经星上阵列天线接收和变换，各阵元收到的信号用频分多路方式相互隔离送往地面，由地面接收前端将频分多路还原成同频多路阵元输出，交由终端进行相控阵多波束形成处理。所谓波束形成, 就是利用开环控制或闭环自适应跟踪方法，对不同反向到达的信号用不同的权系数矢量对各阵元输出进行幅度和相位加权, 使各阵元收到的同一用户信号在合成器中得以同相相加, 输出信号最大, 干扰和噪声最小。当存在多个目标时, 地面终端利用码分多址方法和利用多个波束形成器并行地完成各目标的波束合成处理完成各用户的数传与测控。 二、多波束形成算法 数据中继卫星系统在多址方式下，服务对象一般分布在较低的地球轨道上，当用户星离地面的轨道高度在3 000 km以下时，中继星各阵元波束宽度只要26°就可覆盖地球周围的所有用户星。 当用户星以最大速度10 km/s运动,用户星穿过3.5°宽的合成波束所需的时间最短为205 s，所以中继星跟踪用户星所需的波束移动角速度是很小的。假定波束移动步进量为阵合成波束宽度3.5°的5％即0.175°，波束步进间隔时间长达10.5 s。只要计算机能在10.5 s 内依据用户星位置更新相控阵的相位加权系数，就会使合成波束移动并时刻对准目标。 按照目标的捕获与跟踪过程，多波束形成应有3种工作方式：主波束控制方式（开环）、扫描方式（开环）及自跟踪方式（闭环）。 当有先验信息如根据目标的轨道方程计算出目标在空中的当前位置时，可采用开环的主波束控制方式, 由用户星的实时俯仰角和方位角，计算机算出加权系数矢量，送到多波束处理器完成波束加权合成。用户星相对中继星来说角度移动缓慢，随着用户星的移动，计算机实时逐点计算出权系数矢量，可维持主波束的开环跟踪。主波束控制方式一般用于目标的初始捕获，完成后进入自动跟踪状态。 如果没有先验信息不知道目标的起始位置，可以采用波束扫描方式，根据事先制定的空 摘要 随着高速、超高速信号采集、传输及处理技术的发展,数字阵列雷达已成为当代雷达技术发展的一个重要趋势。数字波束形成(DBF)技术采用先进的数字信号处理技术对阵列天线接收到的信号进行处理,能够极大地提高雷达系统的抗干扰能力,是新一代军用雷达提高目标检测性能的关键技术之一。并且是无线通信智能天线中的核心技术。 本文介绍了数字波束形成技术的原理，对波束形成的信号模型进行了详细的推导，并且用matlab仿真了三种计算准则下的数字波束形成算法，理论分析和仿真结果表明以上三种算法都可以实现波束形成，并对三种算法进行了比较。同时研究了窄带信号的自适应波束形成的经典算法。研究并仿真了基于最小均方误差准则的LMS算法、RLS算法和MVDR自适应算法，并且做了一些比较。 关键词：数字波束形成、自适应波束形成、智能天线、最小均方误差、最大信噪比、最小方差 ABSTRACT With the development of high-speed, ultra high-speed signal acquisition, transmission and processing technology, digital array radar has became an important trend in the development of modern radar technology. Digital beamforming (DBF) technology uses advanced digital signal processing technology to process the signal received by antenna array. It can improve the anti-jamming ability of radar system greatly and it is one of the key technology。It is the core of the smart antenna technology in wireless communication too。 This paper introduces the principle of digital beam forming technology, the signal model of beam forming was presented, And the digital beam forming algorithm under the three calculation criterion was simulated by MATLAB, theoretical analysis and simulation results show that the three algorithms can achieve beamforming, and made some comparison between the three algorithms. At the same time, made some study about the adaptive narrow-band signal beam forming algorithm. Learned and Simulateded the LMS algorithm base on minimum mean square error criterion and RLS algorithm and MVDR algorithm, and do some comparison Key Words:DBF, ADBF, Smart antenna, The minimum mean square error, The maximum signal to noise ratio 第四章智能天线自适应波束成形算法简介 4.1 引言 智能天线技术作为一种新的空间资源利用技术，自20世纪90年代初由一些学者提出后，近年来在无线通信领域受到了人们的广泛关注。它是在微波技术、自动控制理论、数字信号处理(DSP)技术和软件无线电技术等多学科基础上综合发展而成的一门新技术。智能天线技术从实质上讲是利用不同信号在空间上的差异，对信号进行空间上的处理。与FDMA,TDMA及CDMA相对应，智能天线技术可以认为是一种空分多址SDMA技术，它使通信资源不再局限于时域、频域和码域，而是拓展到了空间域。它能够在相同时隙、相同频率和相同地址码情况下，根据用户信号在空域上的差异来区分不同的用户。智能天线技术与其它通信技术有机相结合，可以增加移动通信系统的容量，改善系统的通信质量，增大系统的覆盖范围以及提供高数据率传输服务等。 4.2 智能天线技术及其优点 智能天线，即具有一定程度智能性的自适应天线阵，自适应天线阵能够在干扰方向未知的情况下，自动调节阵列中各个阵元的信号加权值的大小，使阵列天线方向图的零点对准干扰方向而抑制干扰，增强系统有用信号的检测能力，优化天线方向图，并能有效地跟踪有用信号，抑制和消除干扰及噪声，即使在干扰和信号同频率的情况下，也能成功地抑制干扰。如果天线的阵元数增加，还可以增加零点数来同时抑制不同方向上的几个干扰源。实际干扰抑制的效果，一般可达25--30dB以上。智能天线以多个高增益的动态窄波束分别跟踪多个移动用户，同时抑制来自窄波束以外的干扰信号和噪声，使系统处于最佳的工作状态。 智能天线利用空域自适应滤波原理，依靠阵列信号处理和数字波束形成技术发展起来，它主要包括两个重要组成部分，一是对来自移动台发射的多径电波方向进行到达角(DOA)估计，并进行空间滤波，抑制其它移动台的干扰；二是对基站发送信号进行数字波束形成，使基站发送信号能够沿着移动电波的到达方向发送回移动台，从而降低发射功率，减少对其它移动台的干扰。在普遍采用扩频技术的CDMA系统中，采用智能天线的优势主要体现在以下几个方面： 1) 提高了基站接收机的灵敏度 基站接收到的信号，是来自各天线单元和收信机接收到的信号之和，如果采 波束赋形算法研究包括以下几个方面: 1.常规的波束赋形算法研究。即研究如何加强感兴趣信号,提高信道处理增益,研究的是一 般的波束赋形问题。 2.鲁棒性波束赋形算法研究。研究在智能天线阵列非理想情况下,即当阵元存在位置偏差、 角度估计误差、各阵元到达基带通路的不一致性、天线校准误差等情况下,如何保证智能天线波束赋形算法的有效性问题。 3.零陷算法研究。研究在恶劣的通信环境下,即当存在强干扰情况下,如何保证对感兴趣信 号增益不变,而在强干扰源方向形成零陷,从而消除干扰,达到有效地估计出感兴趣信号的目的。 阵列天线基本概念（见《基站天线波束赋形及其应用研究_ 白晓平》） 阵列天线（又称天线阵）是由若干离散的具有不同的振幅和相位的辐射单元按一定规律排列并相互连接在一起构成的天线系统。利用电磁波的干扰与叠加，阵列天线可以加强在所需方向的辐射信号，并减少在非期望方向的电磁波干扰，因此它具有较强的辐射方向性。组成天线阵的辐射单元称为天线元或阵元。相邻天线元间的距离称为阵间距。按照天线元的排列方式，天线阵可分为直线阵，平面阵和立体阵。 阵列天线的方向性理论主要包括阵列方向性分析和阵列方向性综合。前者是指在已知阵元排列方式、阵元数目、阵间距、阵元电流的幅度、相位分布的情况下分析得出天线阵方向性的过程；后者是指定预期的阵列方向图，通过算法寻求对应于该方向图的阵元个数、阵间距、阵元电流分布规律等。对于无源阵，一般来说分析和综合是可逆的。 阵列天线分析方法 天线的远区场特性是通常所说的天线辐射特性。天线的近、远区场的划分比较复杂，一般而言，以场源为中心，在三个波长范围内的区域，通常称为近区场，也可称为感应场；在以场源为中心，半径为三个波长之外的空间范围称为远区场，也可称为辐射场。因此，在分析天线辐射特性时观察点距离应远大于天线总尺寸及三倍的工作波长。阵列天线的辐射特性取决于阵元因素和阵列因素。阵元因素包括阵元的激励电流幅度相位、电压驻波比、增益、方 LOW C OST PHASED ARRAY ANTENNA TRANSCEIVER FOR WPAN APPLICATIONS Introduction WPAN (Wireless Personal Area Network) transceivers are being designed to operate in the 60 GHz frequency band and will mainly be used for home environment radio links. So far, three basic technologies have been developed for implementing these WPAN devices: 1. Transceivers with a fixed antenna beam and wide aperture: have limited RF performance and no user-tracking ability. 2. MIMO (Multi Input Multi Output): have potential user-tracking ability, but also have marginal RF performance due to high losses that affect waves at 60 GHz reflected by the walls which cancels the potential advantage. 3. Digital Active Phased Array Antenna systems (APAA): have user-tracking ability and good RF power density. In principle digital APAA can handle both compressed as well as uncompressed signals. Digital beam forming is performed by dividing the baseband signal power in as many parts as there are antenna array elements. Then, the bit stream corresponding to each antenna element is digitally phased accordingly with the requested phase value. Now the phased bit streams are used for modulating the RF carrier in one or more steps. At last the modulated carriers are radiated by the antenna array. The baseband processor is complex and expensive; the related conventional RF subsystem is complex and expensive as well. The digital APAA system becomes even more complex when the bit stream is not directly available: this happens when the signal is still compressed. In this case, the baseband processor must first perform a decompression function in order to make available the bit stream. This additional function can significantly increase the cost of the digital APAA. Moreover, if multiple radiated channels are required, the above process and its complications will be multiplied by the number of contemporary channels that are to be handled. We could conclude that ANALOG APAA should be the best technical solution. In fact, analog APAA can handle compressed and uncompressed signals because the signal 第37卷第4期(总第146期)2008年9月 火控雷达技术 Fire Control Radar Technology Vol.37No.4(Series 146) Dec.2008 收稿日期:2008-08-06 作者简介:王建强,男,1984年生,硕士研究生,研究方向为雷达信号设计与处理。 文章编号:1008-8652(2008)04-014-05 自适应数字波束形成在大型面阵中的应用 王建强 黄金杰 (西安电子工程研究所 西安 710010) 【摘要】 ADBF 技术使得雷达能根据干扰特性,自适应地在干扰方向形成零点,以对付强有源 干扰。另外,大部分雷达还需要天线具有低或超低副瓣,以提高雷达在强杂波背景下检测目标的能力。随着相控阵雷达阵元数的增多,需要处理的数据量变大,在很短的时间内实现DB F 面临很多问题。本文针对大型面阵,讨论了如何利用修正的采样矩阵求逆算法,在有限快拍数内根据干扰环境自适应地形成零点,同时实现天线超低副瓣性能的问题。仿真结果表明了方法的有效性。 关键词:大型面阵;数字波束形成;对角加载;超低副瓣 中图分类号:TN821+ 18;TN958192 文献标志码:A Application of Adaptive Digital Beam forming in Large Planar Phased Array System Wang Jianqiang Huang Jinjie (X i ’an Elect ronic Engi neeri ng Research I nstit ute ,X i ’an 710100) Abstract :The radar can be enabled to form null beam in t he jamming direction adaptively according to t he jamming p roperties by using ADBF technology so as to co unter t he intensive active jamming.In addi 2tion ,most radars also require t hat t he antenna has low or ult ralow sidelobe so as to improve t he detect 2ability for t he target against t he st rong clutter background.As increment of p hased array radar element s ,t he data quantity needs to be p rocessed becomes large.So ,t here are lot s of problems to implement DB F in very short period.Aiming at large planar arrays ,t his paper discusses how to form null beam adaptively in t he limited snap shot s according to t he jamming environment by using t he modified sampling mat rix inver 2sing (SM I )algorit hm and realize t he ultra -low sidelobe performance of t he array antenna simultaneously.The simulation result s p rove t he effectiveness of t his met hod. K eyw ords :large planar array ;DBF ;diago nal loading ;ult ra -low sidelobe 1 引言 在实际的信号环境中,不可避免地存在着不需 要的干扰和噪声信号,它通过方向图的副瓣或者主波束进入接收系统,随着雷达的发展,抗干扰问题变得越来越重要。自适应数字波束形成技术具有快速 自适应干扰置零、超低副瓣、密集多波束、灵活的雷 达功率和时间控制等重要优点,显著改善相控阵雷达多方面的性能。目前,关于自适应数字波束形成的理论仍然在发展之中,针对线阵系统自适应数字波束形成的应用已经不少,但是如何在阵元数目增多的面阵,尤其是大型面阵实现ADB F ,依然在探讨和摸索之中。随着雷达对更高分辩率、更远作用距 第3章 自适应波束形成及算法 （3.2 自适应波束形成的几种典型算法） 3.2 自适应波束形成的几种典型算法 自适应波束形成技术的核心内容就是自适应算法。目前已提出很多著名算法，非盲的算法中主要是基于期望信号和基于DOA 的算法。常见的基于期望信号的算法有最小均方误差（MMSE ）算法、小均方（LMS ）算法、递归最小二乘（RLS ）算法，基于DOA 算法中的最小方差无畸变响应（MVDR ）算法、特征子空间（ESB ）算法等[9]。 3.2.1 基于期望信号的波束形成算法 自适应算法中要有期望信号的信息，对于通信系统来讲，这个信息通常是通过发送训练序列来实现的。根据获得的期望信号的信息，再利用MMSE 算法、LMS 算法等进行最优波束形成。 1．最小均方误差算法（MMSE ） 最小均方误差准则就是滤波器的输出信号与需要信号之差的均方值最小，求得最佳线性滤波器的参数，是一种应用最为广泛的最佳准则。阵输入矢量为： 1()[(),, ()]T M x n x n x n = （3-24） 对需要信号()d n 进行估计，并取线性组合器的输出信号()y n 为需要信号 ()d n 的估计值?()d n ，即 *?()()()()H T d n y n w x n x n w === （3-25） 估计误差为： ?()()()()()H e n d n d n d n w x n =-=- （3-26） 最小均方误差准则的性能函数为： 2 {|()|}E e t ξ= （3-27） 式中{}E 表示取统计平均值。最佳处理器问题归结为，使阵列输出 ()()T y n w X n =与参考信号()d t 的均方误差最小，即： 2{ |()|}M i n E e t 多波束形成技术研究 摘要：讨论了跟踪与数据中继卫星系统（TDRSS）中关于多波束形成的算法，优选的有LMS自适应方式和相位调整自适应方式；并简单介绍了波束控制和波束形成的实现。 关键词：TDRSS；多波束形成；LMS自适应算法；相位调整自适应算法 一、前言 随着航天技术的发展，要求测控通信站能高覆盖地对飞船等多个目标进行测控通信。要解决这个问题靠现有地面测控网和业务接收站已不能满足要求，需要建立天基测控通信系统，即跟踪与数据中继卫星系统(TDRSS)。 TDRSS把测控通信站搬移到天上同步定点轨道的中继星上，从上向下观测中低轨卫星、飞船、航天飞机等空间飞行器，从而提高了覆盖率。为了减轻中继星的复杂性和负担，将中继卫星观测到的数据和信息传到地面，由地面中心站进行处理。TDRSS中继星相控阵天线同时与多个用户航天器保持跟踪，地面站到航天器的正向通讯为时分多波束，反向通讯为码分和同时多波束。为了减轻中继星的负担，中继星上只装有形成正向天线波束扫描所需的电调移相器，由地面终端计算并发出指令，调节星上移相器相位，让天线波束以时分方式扫描对准各用户航天器，在对准期间完成正向数传。多个用户航天器送到中继星的反向数传信号在星上进行多波束形成会大大增加中继星的复杂性，反向信号经星上阵列天线接收和变换，各阵元收到的信号用频分多路方式相互隔离送往地面，由地面接收前端将频分多路还原成同频多路阵元输出，交由终端进行相控阵多波束形成处理。所谓波束形成, 就是利用开环控制或闭环自适应跟踪方法，对不同反向到达的信号用不同的权系数矢量对各阵元输出进行幅度和相位加权, 使各阵元收到的同一用户信号在合成器中得以同相相加, 输出信号最大, 干扰和噪声最小。当存在多个目标时, 地面终端利用码分多址方法和利用多个波束形成器并行地完成各目标的波束合成处理完成各用户的数传与测控。 二、多波束形成算法 数据中继卫星系统在多址方式下，服务对象一般分布在较低的地球轨道上，当用户星离地面的轨道高度在3 000 km以下时，中继星各阵元波束宽度只要26°就可覆盖地球周围的所有用户星。 当用户星以最大速度10 km/s运动,用户星穿过3.5°宽的合成波束所需的时间最短为205 s，所以中继星跟踪用户星所需的波束移动角速度是很小的。假定波束移动步进量为阵合成波束宽度3.5°的5％即0.175°，波束步进间隔时间长达10.5 s。只要计算机能在10.5 s 内依据用户星位置更新相控阵的相位加权系数，就会使合成波束移动并时刻对准目标。 按照目标的捕获与跟踪过程，多波束形成应有3种工作方式：主波束控制方式（开环）、扫描方式（开环）及自跟踪方式（闭环）。 当有先验信息如根据目标的轨道方程计算出目标在空中的当前位置时，可采用开环的主波束控制方式, 由用户星的实时俯仰角和方位角，计算机算出加权系数矢量，送到多波束处理器完成波束加权合成。用户星相对中继星来说角度移动缓慢，随着用户星的移动，计算机实时逐点计算出权系数矢量，可维持主波束的开环跟踪。主波束控制方式一般用于目标的初始捕获，完成后进入自动跟踪状态。 如果没有先验信息不知道目标的起始位置，可以采用波束扫描方式，根据事先制定的空间角度扫描轨迹图形，顺序调出各角度位置的加权矢量，形成波束的空中扫描，当波束扫到目标时，波束合成器输出最大信号并给出目标捕获指示，完成目标初始捕获，随即进入波束 3.5 两种特殊的波束形成技术 3.5.1协方差矩阵对角加载波束形成技术 常规波束形成算法中，在计算自适应权值时用XX R ∧ 代替其中的X X R 。由于采样快拍数是有限的，则通过估计过程得到的协方差矩阵会产生一定误差，这样会引起特征值扩散。从特征值分解方向来看，自适应波束畸变的原因是协方差矩阵的噪声特征值扩散。自适应波束可以认为是从静态波束图中减去特征向量对应的 特征波束图，即:m in 1 ()()( )()(()())N i V V iv iv V i i G Q E E Q λλθθθθθλ* =-=-∑,其中()V G θ是 是自适应波束图，()V Q θ是静态波束图，即没有来波干扰信号而只有内部白噪声时的波束状态。i λ是矩阵X X R 的特征值。()iv E θ是对应i λ的特征波束图。 由于X X R 是 Hermite 矩阵，则所有的特征值均为实数，并且其特征向量正交，特征向量对应的特征波束正交。而最优权值的求解表达其中的X X R 是通过采样数据估计得到的，当采样快拍数很少时，对协方差矩阵的估计存在误差，小特征值及对应的特征向量扰动都参与了自适应权值的计算，结果导致自适应波束整体性能的下降。鉴于项目中的阵列形式，相对的阵元数较少，采样数据比较少，很容易在估计协方差矩阵的时候产生大的扰动，导致波束的性能下降，所以采用对角加载技术来保持波束性能的稳定及降低波束的旁瓣有比较好的效果。 （1）对角加载常数λ 当采样数据很少时，自适应波束副瓣很高，SINR 性能降低。对因采样快拍数较少引起自相关矩阵估计误差而导致的波束方向图畸变，可以采用对角加载技术对采样协方差矩阵进行修正。修正后的协方差矩阵为:XX XX R R I λ∧ =+ 。 自适应旁瓣抬高的主要原因是对阵列天线噪声估计不足，造成协方差矩阵特征值分散。通过对角加载，选择合适对角加载λ ，则对于强干扰的大特征值不会受到很大影响，而与噪声相对应的小特征值加大并压缩在λ附近，于是可以得到很好的旁瓣抑制效果。对于以上介绍的通过 LCMV 准则求得的权值o p t w 经过对角加载后的最优权值为：111()(())H opt XX XX w R I A A R I A f λλ---=++ （2）广义线性组合加载技术 对角加载常数λ 来修正采样协方差矩阵，能够有效实现波束旁瓣降低的同时提高波束的稳健性。但是对加载值λ 的确定有一定难度，目前还是使用经验值较多。于是，来考虑另外一种能够有效实现协方差矩阵的修正，而且组合参数 自适应波束形成仿真 一、理想情况 在理想情况下，假设阵列中各阵元是各向同性的且不存在通道不一致、互耦等因素的影响，则()()()t t t =+X AS N 。 在波束形成时，通过适当的时延可以改变阵列的主瓣方向，数字波束形成时可通过复加权来实现，也就是说加权系数可以改变阵列方向图，如果加权系数使得在干扰方向对阵列方向图形成零点，那么就可以完全抑制该干扰，这种加权方式就可通过自适应波束形成的方式来获得。 考虑一个线性阵列，由M=2M ’+1个感应器构成 图1-1 线性阵列空间采样 空间平面波信号为： 0(,)exp[()]s x t j t k x ω=-? 第m 个感应器的坐标为： ?(')m x m M dx =- 感应器的输出为： 0()(,)exp[(('))]m m x y t s x t j t k m M d ω==-- 如果对每个阵列输出采样则信号复包络可构成向量： 1 1 sin sin 2 2 ()[]M M jk d jk d T s a k e e θθ ---= 设干扰（噪声）协方差阵为n R ，则在最大信噪比准则下加权向量w 的最优解为： *1()n s w R a k -= 波束响应 ()(),H p θθθ=∈Θw a 。d 。 。 。 。 。 。 。 1．改变信号、干扰方向 条件：L=1; %采样数（快拍数） SNR=20; %信号的信噪比 INR1=30; %干扰噪声比 INR2=30; %干扰噪声比 (1) 信号方向：0°干扰方向：20°，-20° 权值W 波束响应P (2) 信号方向：-10°干扰方向：-20°，30° 权值W 信息与通信工程学院 阵列信号处理实验报告（自适应波束形成Matlab仿真） 学号：XXXXXX 专业：XXXXXX 学生姓名：XXX 任课教师：XXX 2015年X月 题目：自适应波束形成Matlab 仿真 1. 算法简述： 自适应波束形成，源于自适应天线的一个概念。接收端的信号处理，可以通过将各阵元输出进行加权求和，将天线阵列波束“导向”到一个方向上，对期望信号得到最大输出功率的导向位置即给出波达方向估计。 波束形成算法是在一定准则下综合个输入信息来计算最优权值的数学方法，线性约束最小方差准则（LCMV ）是最重要、最常用的方法之一。LCMV 是对有用信号形式和来向完全已知，在某种约束条件下使阵列输出的方差最小。该准则属于广义约束，缺点是需要知道期望分量的波达方向。准则的代价函数为 Rw w w J H )(=，约束条件为H ()θ=w a f ；最佳解为f c R c c R w 11H 1H ][---。 2. 波束形成原理 以一维M 元等距离线阵为例，如图1所示，设空间信号为窄带信号，每个通道用一个附加权值系数来调整该通道的幅度和相位。 图1 波束形成算法结构图 这时阵列的输出可以表示为： *1 ()()()M i i i y t w x t θ== ∑ 如果采用矢量来表示各阵元输出及加权系数，即 T 12()[()()()]M x t x t x t x t = T 12()[()()()]M w w w w θθθθ= 1()w θ 1()x n 1()w θ 1()x n 1()w θ 1()x n …….. ()y n 那么，阵列的输出也可以用矢量表示为 H ()()()y t t θ=w x 为了在某一方向θ上补偿各阵元之间的时延以形成一个主瓣，常规波束形成器在期望方向上的加权矢量可以构成为 (1)T ()[1e e ]j j M w ωτ ωτθ---= 观察此加权矢量，发现若空间只有一个来自方向θ的信号，其方向矢量()αθ的表示形式与此权值矢量相同。则有 H H ()()()()()y t t t θαθ==w x x 这时常规波束形成器的输出功率可以表示为 2H H ()[()]()()()()CBF P E y t θθθαθαθ===w Rw R 式中矩阵R 为阵列输出()t x 的协方差矩阵。 3. 实验内容与结果： 实验使用均匀线阵，阵元间距为信号波长的一半，输入信号为1个BPSK 信号，2个非相干的单频干扰，设置载波频率10MHz 、采样频率50MHz 、快拍数300、信噪比-25dB 、信干比-90dB 、信号方位角0、干扰方位角40-和50，分析阵元数分别在3、6、9和12时波束图的变化。实验结果见图1。 图1 不同阵元数情况下的波束图 传统的通信系统中，基站天线通常是全向天线，此时，基站在向某一个用户发射或接收信号时，不仅会造成发射功率的浪费，还会对处于其他方位的用户产生干扰。 然而，虽然阵列天线的方向图是全向的，但是通过一定技术对阵列的输出进行适当的加权后，可以使阵列天线对特定的一个或多个空间目标产生方向性波束，即“波束成形”，且波束的方向性可控。波束成形技术可以使发射和接收信号的波束指向所需要用户，提高频谱利用率，降低干扰。 传统的波束成形算法通常是根据用户信号波达方向（DOA）的估计值构造阵列天线的加权向量，且用户信号DOA在一定时间内不发生改变。然而，在移动通信系统中，用户的空间位置是时变的，此时，波束成形权向量需要根据用户当前位置进行实时更新。自适应波束成形算法可以满足上述要求。 本毕业设计将对阵列信号处理中的波束成形技术进行研究，重点研究自适应波束成形技术。要求理解掌握波束成形的基本原理，掌握几种典型的自适应波束成形算法，熟练使用MATLAB仿真软件，并使用MA TLAB仿真软件对所研究的算法进行仿真和分析，评估算法性能。 （一）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，形成所需的理想信号。从天线方向图(pattern)视角来看，这样做相当于形成了规定指向上的波束。例如，将原来全方位的接收方向图转换成了有零点、有最大指向的波瓣方向图。同样原理也适用用于发射端。对天线阵元馈电进行幅度和相位调整，可形成所需形状的方向图。 波束成形技术属于阵列信号处理的主要问题：使阵列方向图的主瓣指向所需的方向。 在阵列信号处理的范畴内，波束形成就是从传感器阵列重构源信号。虽然阵列天线的方向图是全方向的，但阵列的输出经过加权求和后，却可以被调整到阵列接收的方向增益聚集在一个方向上，相当于形成了一个“波束”。 波束形成技术的基本思想是：通过将各阵元输出进行加权求和，在一时间内将天线阵列波束“导向”到一个方向上，对期望信号得到最大输出功率的导向位置即给出波达方向估计。 “导向”作用是通过调整加权系数完成的。对于不同的权向量，上式对来自不同方向的电波便有不同的响应，从而形成不同方向的空间波束。 第35卷第2期电子与信息学报Vol.35 No.2 2013年2月 Journal of Electronics & Information Technology Feb. 2013 基于压缩感知的自适应数字波束形成算法 王 建 盛卫星* 韩玉兵 马晓峰 (南京理工大学电子工程与光电技术学院南京 210094) 摘要：该文根据目标在空间的稀疏性，提出了接收端的基于压缩感知理论的自适应数字波束形成算法。在阵元稀布的情况下，用压缩感知的压缩采样理论，恢复出缺失通道的回波信息，然后用恢复的信号做数字波束形成。该算法所形成的波束具有波束旁瓣低，指向误差小，干扰方向零陷深，而且没有栅瓣等优点，波束性能接近满阵时候的波束性能，而且使用该方法减少的阵元数远远大于其他稀布阵方法减少的阵元数。采用蒙特卡罗方法对该方法进行了性能评估，给出了不同信噪比、不同干噪比、不同快拍情况下的计算结果，仿真结果也验证了该算法的正确性。 关键词：压缩感知；数字波束形成；稀布阵；多测量欠定系统正则化聚焦求解算法 中图分类号：TN911.72 文献标识码：A 文章编号：1009-5896(2013)02-0438-07 DOI: 10.3724/SP.J.1146.2012.00517 Adaptive Digital Beamforming Algorithm Based on Compressed Sensing Wang Jian Sheng Wei-xing Han Yu-bing Ma Xiao-feng (School of Electronic Engineering and Optoelectronic Technology, Nanjing University of Science and Technology, Nanjing 210094, China) Abstract: A new adaptive digital beamforming in receiving end based on compressed sensing is proposed. In the case of sparse array antenna, receiving signal from absence elements can be reconstructed by using the theory of compressed sensing. Adaptive digital beamforming techniques are then adopted to form antenna beams, whose main lobe is steered to desired direction and nulls are steered to the directions of interferences. Simulation results with Monte Carlo method show that the beam performances of the proposed method are approaching to that of full array antenna, and actual antenna elements can be reduced greatly. Key words:Compressed sensing; Digital beamforming; Sparse arrays; Regularized M-FOCUSS 1 引言 阵列天线的口径越大，则波束越窄，增益越高，但所需的阵元数也越多，设备量越大。大型阵列，特别是数字波束形成天线或固态有源相控阵天线，每个天线单元都有一个对应的T/R组件，因而阵列的阵面造价十分昂贵，是雷达耗资的主要部分。在阵列口径尺寸一定的前提下，减少T/R组件数目主要有两种方法：一种是子阵技术，但子阵技术的应用不可避免地会引起栅瓣，从而会减小阵列波束电扫描的范围；另一种方法是稀疏布阵技术。传统的稀布阵方式通常可以节省一半左右的T/R组件，它采用遗传算法等各种优化算法对阵元的位置进行优化，以尽可能降低阵列天线波束的副瓣。但是，这样的优化通常只是针对阵列的静态方向图进行的，当波束扫描或进行自适应干扰抑制时，很难保证波束的性能。 2012-05-02收到，2012-11-12改回 *通信作者：盛卫星 shengwx@https://www.wendangku.net/doc/4e6261125.html, 压缩感知(Compressed Sensing, CS)理论[14]?是一个充分利用信号的稀疏性(或可压缩性)的全新信号采集、编解码理论。该理论指出，只要信号是稀疏的或可压缩的(即在某个变换域上是稀疏的)，那么就可以用一个与变换基不相关的采样矩阵将变换所得的高维信号投影到一个低维空间上，然后通过求解一个优化问题，从这些少量的投影中以高概率重构出原信号。压缩感知理论突破了传统的奈奎斯特采样定理的束缚，实现了对未知信号的边感知边压缩。在一定条件下，只需采样少量数据，就可以通过重构算法精确地恢复出原信号。由于采样数据少，恢复数据精确，该技术已被广泛应用于数据采集[5]、医学成像、雷达[68]?、通信等领域。 本文通过对压缩感知理论以及数字波束形成(DBF)技术的研究，提出了一种双基地系统的DBF 接收阵下的基于压缩感知的自适应数字波束形成算法。该方法适用于DBF接收阵的应用场合。由于发射能量的空间合成和发射方向图等原因，该方法尚不能适用于发射波束形成。该方法利用目标在空域 MVDR自适应波束形成算法研究 摘要 波束形成技术和信号空间波数谱估计是自由空间信号阵列处理的两个主要研究方面。MVDR是一种基于最大信干噪比（SINR）准则的自适应波束形成算法。MVDR算法可以自适应的使阵列输出在期望方向上功率最小同时信干噪比最大。将其应用于空间波数谱估计上可以在很大程度上提高分辨率和噪声抑制性能。本文将在深入分析MVDR算法原理的基础上，通过计算机仿真和海上试验数据处理的结果，分析了MVDR算法在高分辨率空间波数谱估计应用中的性能。同时通过比较对角加载前后的数据处理结果，分析对角加载对MVDR的改进效果。 关键词：波束形成；空间波数谱估计；MVDR；对角加载 Study of MVDR Self-adapting Beam-forming Algorism Abstract Beamforming technology and signal special beam-number spectral estimation are the two major researching emphasis in array signal processing. MVDR is a self-adapting algorism based on the maximal SINR principle. It can self-adaptingly make the array output reach maximum on the expected direction with the lowest SINR. Applying this algorism to special beam-number spectral estimation can to great extent increase the resolution and the inhibition capability. This paper makes a further analysis of MVDR algorism with the result of computer emulation and the processing of experimental data. Furthermore, this paper also shows the improvement of diagonal-loading technology to MVER algorism. Keywords: Beam-forming ；Spatial Wave-number spectral estimation；MVDR；Diagonal loading多波束形成技术研究
数字波束形成
波束成形
波束形成基础原理总结
波束形成技术
自适应数字波束形成在大型面阵中的应用
自适应波束形成及算法
多波束形成方法
波束形成
自适应波束形成
自适应波束形成Matlab仿真
自适应波束成形算法LMS、RLS、VSSLMS
基于压缩感知的自适应数字波束形成算法
MVDR自适应波束形成算法研究