自適應(yīng)波束形成Matlab仿真

信息與通信工程學院陣列信號處理實驗報告

自適應(yīng)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(yīng)波束形成Matlab仿真算法簡述：自適應(yīng)波束形成，源于自適應(yīng)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(quán)求和，將天線陣列波束“導(dǎo)向”到一個方向上，對期望信號得到最大輸出功率的導(dǎo)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(quán)值的數(shù)學方法，線性約束最小方差準則(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J(W)=wHRw，約束條件為wHa(9)=f;最佳解為wHR一ic[cHR一ic]tf。波束形成原理以一維M元等距離線陣為例，如圖1所示，設(shè)空間信號為窄帶信號，每個通道用一個附加權(quán)值系數(shù)來調(diào)整該通道的幅度和相位。x(n) x(n) x(n)y(n)圖1波束形成算法結(jié)構(gòu)圖這時陣列的輸出可以表示為：y(t)=丈w*(0)x(t)iii=1如果采用矢量來表示各陣元輸出及加權(quán)系數(shù)，即x(t)=[x(t)x(t)…x(t)]T

1 2 Mw(0)=[w(0)w(0)...w(0)]t1 2 M

那么，陣列的輸出也可以用矢量表示為yt）二WH?）x（t）為了在某一方向e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(quán)矢量可以構(gòu)成為w（e）=[ie-j時…e-j（m-1）時]t觀察此加權(quán)矢量，發(fā)現(xiàn)若空間只有一個來自方向e的信號，其方向矢量?（e）的表示形式與此權(quán)值矢量相同。則有y（t）二WH（e）xt）二aH（e）xt）這時常規(guī)波束形成器的輸出功率可以表示為P（e）二E[yt）2]二WH（e）Rw（e）二aH（e）Ra（e）CBF式中矩陣R為陣列輸出x（t）的協(xié)方差矩陣。實驗內(nèi)容與結(jié)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(shè)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0°、干擾方位角-40。和50°，分析陣元數(shù)分別在3、6、9和12時波束圖的變化。實驗結(jié)果見圖1。10目是更?窓申莊戌?■Pt元B?擰10別sE.MBrw10目是更?窓申莊戌?■Pt元B?擰10別sE.MBrw世圖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(yīng)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clearall;closeall;clc;% %信號參數(shù)設(shè)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*pi/18050*pi/18030*pi/18020*pi/180];%方位角Fs=50e6;Fc=10e6;F1=[8e69e610e611e6]; %干擾功率%二進制%快拍數(shù)%dBRB%二進制%快拍數(shù)%dBM=2;wavelength=3e8/Fc;d=wavelength/2;K=300;Ps=0;SNR=-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(zhuǎn)換Ps_l=10人(Ps/10);Pi」=10人((Ps-SIR)/10);Pn_l=10A((Ps-SNR)/10);% %信號生成bit=randint(1,M_No); %產(chǎn)生信息序列bitstream=[];fori=1:M_Noifbit(i)==1bitstream=[bitstream,ones(1,Fs/RB)];elsebitstream=[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.*bitstream;Signal_R=sqrt(Ps_l)*S_R/sqrt((S_R*S_R'/length(S_R)));Signal」=sqrt(Ps_l)*S_I/sqrt((S_I*S_I'/length(S_I)));%生成BPSK復(fù)信號Signal(1,:)=complex(Signal_R,Signal_I);% %%產(chǎn)生干擾fori=2:Interference_No+1Signal(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% %模擬天線接收% %四次循環(huán)name=['3','6','9','12'];formmm=1:4sensor_No=mmm*3;As=zeros(sensor_No,S_No);fori=1:sensor_Noforii=1:S_NoAs(i,ii)=exp(-1i*2*pi*sin(azimuth(ii))*d/wavelength*(i-1));endendx=As*Signal;%%% %%加噪聲noise_R=randn(sensor_No,Data_No)*sqrt(Pn_l);noise_I=randn(sensor_No,Data_No)*sqrt(Pn_l);noise=complex(noise_R,noise_I);s=x+noise;% %lcmv算法%Ad=[100000000000]';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);% %波束圖figure(1)whitebg('k');all_azimuth=-pi/2:pi/180:pi/2;LMS_R=zeros(1,181);fori=1:181form=1:sensor_NoLMS_R(i)=LMS_R(i)+conj(Wopt(m))exp(-1i*2*pi*sin(all_azimuth(i))*d/wavelength*(m-1));endLMS_P(i)=(abs(LMS_R(i)))人2;endLMS_PdB=10*log10(LMS_P/max(LMS_P));switchmmmcase1plot(all_azimuth*180/pi,LMS_PdB,'--g','LineWidth',2);holdon;case2plot(all_azimuth*180/pi,LMS_PdB,'.b','LineWidth',2);case3plot(all_azimuth*180/pi,LMS_PdB,'-.w','LineWidth',2);case4plot(all_azimuth*180/pi,LMS_PdB,':r','LineWidth',2);endgridon;axis([-9090-7010]);xlabel(方位角(度)')ylabel('陣列增益(dB)')%title(strcat('陣元數(shù)；name([2*mmm-l:2*mmm