資源描述：
《魯棒自適應波束形成方法的研究》由會員上傳分享，免費在線閱讀，更多相關(guān)內(nèi)容在學術(shù)論文-天天文庫。
1、東北大學碩士學位論文魯棒自適應波束形成方法的研究摘要自適應波束形成在雷達、聲納、地震學、無線通信等領域中有，。泛應用。尤其在最近的幾十年，魯棒波束形成算法得到了長足的發(fā)展，受到全世界眾多學者的關(guān)注。在實際應用過程中，由于傳播環(huán)境、信源、傳感器陣列等諸多條件的復雜變化，引起信號方向向量的偏差，導致現(xiàn)存的自適應波束形成器的性能下降。另外，采樣樣本數(shù)目的變化也會影響自適應波束形成器的性能。魯棒自適應波束形成算法適用小采樣樣本的情況，可以克服信號方向向量的偏差，有效地提高自適應波束形成器的性能，在實際環(huán)境中有廣泛地應用。本
2、文分析了空間陣列信號處理的發(fā)展過程，系統(tǒng)地研究了空間信號處理中的波束形成、權(quán)重更新算法和到來方向DOA估計等，并對魯棒波束形成器的設計方法進行了深入研究，針對通信系統(tǒng)中實際存在的問題，提出了兩種魯棒波束形成算法。分析了多徑傳播環(huán)境下，信號方向向量的偏差和采樣樣本數(shù)目的變化對自適應波束形成算法性能的影響，提出了魯棒遞推最小二乘RLS波束形成算法，有效地解決了在信號方向向量存在偏差的情況下，波束形成算法的有效性和穩(wěn)定性問題。該算法不僅具有收斂速度快、抗擾動性強、誤差小的特點，而且保證陣列輸出的信干噪比SINR接近最優(yōu)值
3、。針對約束最小均方算法CLMS在實際應用中存在的弊端，提出了魯棒約束LMS自適應波束形成算法。該算法不僅對信號方向向量的偏差和采樣樣本數(shù)目的變化具有很好的魯棒性，而且收斂速度快、陣列輸出的信干噪比SINR接近最優(yōu)值。關(guān)鍵詞：波束形成，到來方向，魯棒自適應波束形成算法，遞推最小二乘RLS，約束最小均方CLMS算法一lI—東北大學碩士學位論文ABSTRACTRobustAdaptiveBeamformingAlgorithmABSTRACTAdaptivebeamforminghasfoundnumerousappli
4、cationsinradar，sonar，seismology,microphonearrayspeechprocessing，and，morerecently，inwirelesscommunications．Inparticular，thedevelopmentofrobustadaptivebeamformingspansoverthreedecades．Theperformanceofadaptivebeamformingmethodsisknowntodegradeseverelyinthepresenc
5、eofevensmallmismatchesbetweentheactualandpresumedarrayresponsestothedesiredsignal．Suchmismatchesmayfrequentlyoccurinpracticalsituationsbecauseofviolationofunderlyingassumptionsontheenvironment，sources，orsensorarray．Therefore，robustapproachestoadaptivebeamformi
6、ngappeartobeofprimaryimportanceinthesecases．Theresearchesinthepaperfocusonarraysignalprocessingandrobustadaptivebeamformingmethods．Tosolvetheproblemsofpracticalsituations，someresearchesareasfollows：Theperformaneeoftherecursiveleastsquares(RLS)algorithmdegrades
7、inthepresenceofevenslightmismatchesandsmalltrainingsamplesize．OnthebasisoftheconventionalRLSalgorithm，thepaperdevelopsanovelrobustRLSalgorithmagainstthesignalsteeringvectormismatchesandsmalltrainingsamplesize．Simulationresultsdemonstrateavisibleperformancegain
8、oftheproposedrobustRLSalgorithm．ThepapermakessomeresearchesOnleast—mean—square(LMS)algorithmOnthebasisoftheconstrained—LMSalgorithm，thepaperproposesarobustconstrained—LMS(RCLMS)alg
