基于恒模特性的盲波束形成算法研究

摘要

盲波束形成不需要参考信号，而是利用用户信号自身的特性进行波束形成，是克服共信道干扰，实现多用户波束形成的有效方法之一，在雷达、声呐和无线通信等领域有着广阔的应用前景，因而成为近年来的研究热点。基于恒模特性的盲波束形成算法以其收敛较快，能有效减少干扰对恒包络信号造成的影响等优点，逐渐成为一类重要的实现用户信号最佳接收的盲波束形成算法。然而，在低信噪比的情况下，算法的性能会急剧下降，而实际的通信环境往往并不理想，因此，对基于恒模特性的盲波束形成算法的研究具有深刻的理论意义和较深的实际意义。
　　本文主要对基于恒模特性的盲波束形成算法进行了研究，首先阐述了盲波束形成的研究背景和意义，并对其研究现状及发展进行了归纳;然后对比分析了四种典型的自适应波束形成准则，在此基础上介绍了几种常用的盲波束形成算法;最后深入研究了经典的基于恒模特性的盲波束形成算法，重点研究了最小二乘恒模算法(LSCMA)。
　　由于权重向量的共轭对称约束，基于共轭对称约束的最小二乘恒模算法(W-LSCMA)具有较快的收敛速度和较高的输出信干噪比(SINR)性能。然而，在低信噪比的环境下，W-LSCMA算法不能准确地捕获期望信号，而且收敛速度大大下降。为了解决上述问题，提出了改进的W-LSCMA算法(CW-LSCMA)，通过增加期望信号方向向量的约束来保证信号的无失真响应。仿真实验结果表明，在低信噪比的环境下，CW-LSCMA算法既保持了W-LSCMA算法的高输出SINR性能，又能准确地捕获期望信号，而且算法能够快速地收敛。
　　针对传统的LSCMA算法(T-LSCMA)因其阵列方向图的高旁瓣水平而导致输出SINR性能降低的问题，提出了基于混合范数约束的最小二乘恒模算法(MN-LSCMA)，利用T-LSCMA算法的阵列方向图具有特殊稀疏分布的特性，对主瓣和旁瓣分别进行(e)∞范数和(e)1范数最小化约束，保证了较高的阵列增益对准主瓣方向而较小的阵列增益集中在旁瓣，从而达到了降低旁瓣的目的。仿真实验结果表明，在低信噪比的情况下，与T-LSCMA算法相比，MN-LSCMA算法具有更低的旁瓣水平、更快的收敛速度和更高的输出SINR性能。

目录

声明

摘要

第1章 绪论

1．1 研究背景及意义

1．2 研究现状及发展趋势

1．3 论文的主要内容及章节安排

1．4 本章小节

第2章 阵列信号处理基本理论

2．1 智能天线

2．1．1 智能天线技术

2．1．2 智能天线的结构

2．1．3 智能天线的工作原理

2．2 阵列信号处理的统计模型

2．2．1 前提及假设

2．2．2 窄带信号的延迟

2．2．3 统计模型

2．3 自适应波束形成准则

2．3．1 自适应波束形成准则的分类

2．3．2 最佳滤波准则

2．3．3 准则对比

2．4 盲波束形成算法

2．4．1 盲波束形成算法的分类

2．4．2 基于高阶累积量的算法

2．4．3 基于周期平稳性的算法

2．4．4 恒模算法

2．4．5 解扩重扩算法

2．5 本章小结

第3章 基于恒模特性的盲波束形成算法

3．1 信号模型

3．2 随机梯度恒模算法

3．2．1 算法描述

3．2．2 步长因子对算法收敛性的影响

3．3 最小二乘恒模算法(LSCMA)

3．3．1 LSCMA算法

3．3．2 仿真结果及分析

3．3．3 预处理最小二乘恒模算法

3．4 递归最小二乘恒模算法

3．5 解析恒模算法

3．6 本章小结

第4章 改进的最小二乘恒模算法

4．1 信号模型

4．2 基于共轭对称约束的LSCMA算法

4．2．1 最大输出SINR下的权重向量

4．2．2 W-LSCMA算法

4．2．3 CW-LSCMA算法

4．2．4 仿真结果及分析

4．3 基于混合范数约束的LSCMA算法

4．3．1 稀疏性理论

4．3．2 基于混合范数约束的LSCMA算法

4．3．3 仿真结果及分析

4．4 本章小结

第5章 结论

参考文献

致谢