智能天线波束形成算法及波达估计算法的研究与性能仿真

摘要

智能天线可以改善通信链路性能，大大提高系统容量，提高频谱利用效率，已成为移动通信中的研究热点。本文系统地阐述了移动通信系统中智能天线的基本理论及核心技术:
　　对于波束形成技术，论文简介了LMS和RLS两种非盲算法，重点对恒模算法(CMA)和最小二乘解扩重扩多目标恒模算法(LS-DRMTCMA)两类盲算法进行了深入研究，通过仿真实验对其性能进行了对比分析。在此基础上，(1)论文针对常规恒模算法收敛速度与稳态误差之间的矛盾，基于一种新的代价函数，提出了一种新的自适应步长控制方法，该算法基于高斯函数实现恒模误差和步长之间的非线性映射，参数控制简单，具有超线性加速收敛作用，能够同时兼顾收敛速度、稳态误差和抗随机噪声性能，改善了恒模阵列性能。(2)对于非平稳信道，信号随机衰落会导致同级阵列上各输入信号相对功率快速变化，而恒模算法只是简单地捕捉功率最强信号，这会造成各级阵列捕获的信号摇摆不定，从而无法对目标用户实现稳定的捕获或跟踪，为此，在前述算法基础上，本文进一步提出了一种非对称的步长控制机制，既保证了各级阵列对目标用户的快速捕获，又能保证各级阵列对目标用户的稳定跟踪，提高了阵列抗衰落性能。
　　对于波达方向估计，论文在介绍常用DOA估计算法的基础上，提出了一种移动目标自适应跟踪算法。该算法包括DOA估计和跟踪两种方法。在DOA估计方法中，我们推导了一种最大似然估计算法;结合最大似然估计方法和子空间方法，提出了一种低复杂度的次优算法，与子空间算法相比，它可以同时估计出DOA和散射方差。为了跟踪时变散射信道下的移动目标DOA，提出了一种基于Kalman滤波理论的自适应跟踪算法。分析和仿真结果表明，提出的次优DOA估计算法性能优于传统的子空间方法，算法复杂度比最大似然估计方法低;提出的移动目标跟踪算法，克服了常规的DOA估计与跟踪算法无法自适应时变散射信道，以及性能依赖于样本协方差矩阵的缺点，并且性能有明显的改进。

目录

声明

摘要

第1章 绪论

1．1 智能天线研究背景及意义

1．2 智能天线历史和现状

1．3 智能天线中的关键技术

1．4 智能天线的应用

1．5 本文主要结构

第2章 智能天线技术基础

2．1 天线基本原理

2．1．1 天线场区

2．1．3 天线基本术语

2．2 天线阵基本原理

2．2．1 直线阵

2．2．2 圆阵

2．3 智能天线的工作方式

2．3．1 自适应天线阵列(Adaptive Antenna Arrays)

2．3．2 切换波束系统(Switched Beam Systems)

2．3．3 两种智能天线的比较

2．4 本章小结

第3章 自适应数字波束形成算法研究

3．1 天线阵列信号模型的建立

3．1．1 阵列输入矢量

3．1．2 输出信号

3．1．3 均匀直线阵波束形成

3．2 波束形成的常用最优准则(最佳波束形成器)

3．2．1 最小均方误差(MMSE)波束形成器

3．2．2 最大信噪比(MaxSNR)波束形成器

3．2．3 线性约束最小方差(LCMV)波束形成器

3．3 波束形成算法研究及改进

3．3．1 数字波束形成(DBF)算法分类

3．3．2 非盲算法研究

3．3．3 盲算法研究及其改进

3．3．4 下行波束形成

3．4 多级恒模阵列中一种改进的恒模算法

3．4．1 多级恒模阵列模型设计

3．4．2 多级恒模阵列中一种改进的恒模算法

3．5 本章小结

第4章 时变散射信道下DOA估计算法研究

4．1 常用的DOA估计算法

4．1．1 传统法

4．1．2 多径MUSIC算法

4．1．3 ESPRIT算法

4．2 多径散射信道模型的建立

4．3 改进的DOA估计算法

4．3．1 基于最大似然的DOA估计算法推导

4．3．2 基于子空间的DOA估计算法研究

4．3．3 次优DOA估计算法设计

4．4 移动目标的跟踪算法设计

4．4．1 跟踪目标的状态方程

4．4．2 跟踪过程

4．5 本章小结

第5章 仿真及性能分析

5．1 波束形成算法仿真

5．1．1 LMS算法和LS-DRMTCMA算法性能仿真

5．1．3 改进的多级恒模算法性能分析

5．2 波达估计算法仿真

5．2．1 次优DOA估计算法性能分析

5．2．2 移动目标跟踪算法的性能分析

5．3 本章小结

第6章 总结

6．1 本文工作内容总结

6．2 存在的不足

6．3 应用前景

参考文献

致谢