智能天线中的波达方向估计技术研究概要

智能天线技术原理及其应用

智能天线技术原理及其应用一、智能天线技术的原理智能天线原名自适应天线阵列(AAA,Adaptive Antenna Ar-ray)。

最初的智能天线技术主要用于雷达、声纳、抗干扰通信等，用来完成空间滤波和定位，后来被引入移动通信系统中。

智能天线通常包括波束转换智能天线(Switched Beam Antenna)和自适应阵列智能天线(Adaptive Array Antennal。

智能天线的原理是将无线电的信号导向具体的方向，产生空间定向波束，使天线主波束对准用户信号到达方向DOA(DirectionofArrlnal)，旁瓣或零陷对准干扰信号到达方向，达到充分高效利用移动用户信号并删除或抑制干扰信号的目的。

同时，智能天线技术利用各个移动用户间信号空间特征的差异，通过阵列天线技术在同一信道上接收和发射多个移动用户信号而不发生相互干扰，使无线电频谱的利用和信号的传输更为有效。

在不增加系统复杂度的情况下，使用智能天线可满足服务质量和网络扩容的需要。

总之。

自适应阵列智能天线利用基带数字信号处理技术，通过先进的算法处理，对基站的接收和发射波束进行自适应的赋形，从而达到降低干扰、增加容量、扩大覆盖和提高无线数据传输速率的目的。

移动通信信道传输环境较恶劣。

实际环境中的干扰和多径衰落现象异常复杂。

多径衰落、时延扩展造成的符号间串扰ISI、FDMATDMA系统(如GSM)由于频率复用引入的同信道干扰、CDMA系统中的MAI等都使链路性能、系统容量下降。

使用自适应阵列天线技术能带来很多好处，如扩大系统覆盖区域、提高系统容量、提高数据传输速率、提高频谱利用效率、降低基站发射功率、节省系统成本、减少信号间干扰与电磁环境污染等。

自适应阵天线一般采用4-16天线阵元结构，在FDD中阵元间距1／2波长，若阵元间距过大，则接收信号彼此相关程度降低：太小则会在方向图形成不必要的栅瓣，故一般取半波长。

而在TDD 中，如美国Ar-rayComm公司在PHS系统中的自适应阵列天线的阵元间距为5个波长。

智能天线技术的原理与应用分析

智能天线技术的原理与应用分析摘要：目前，先进的科学技术发展加速了通信行业的进步。

通信技术和质量的提高，使许多不同类型的新生事物不断涌现。

当前智能天线在通信行业的使用变得越来越广泛，并且取得了良好的成绩。

本文分析了智能天线的原理，并对智能天线的在通信中的应用进行探讨。

关键词：智能天线技术无线通信原理应用智能天线技术采用空分复用技术，根据信号传播方向上的不一致性把具有相同时隙、相同频率的信号在空域区域进行区分，能够大幅度提高频谱资源的利用效率、减少地形、建筑等对电波传播的影响。

随着无线通信系统容量需求的增加，智能天线技术将会更广泛的应用到无线通信中。

1、智能天线的原理智能天线原名自适应天线阵列(AAA，Adaptive Antenna AHay)。

最初的智能天线技术主要用于雷达、声纳、抗干扰通信、定位、军事方面等。

用来完成空间滤波和定位。

后来被引入移动通信系统中。

智能天线通常包括波束转换智能天线fSwikhed BearIl Antenna)和自适应阵列智能天线(Adap Iive AmIy Antenna)。

智能天线的原理是将无线电的信号导向具体的方向，产生空间定向波束，使天线主波束对准用户信号到达方向DOA(DirectionofArrinal)，旁瓣或零陷对准干扰信号到达方向，达到充分高效利用移动用户信号并删除或抑制干扰信号的目的。

同时，智能天线技术利用各个移动用户问信号空间特征的差异，通过阵列天线技术在同一信道上接收和发射多个移动用户信号而不发生相互干扰，使无线电频谱的利用和信号的传输更为有效。

在不增加系统复杂度的情况下，使用智能天线可满足服务质量和网络扩容的需要。

总之，自适应阵列智能天线利用基带数字信号处理技术，通过先进的算法处理，对基站的接收和发射波束进行自适应的赋形，从而达到降低干扰、增加容量、扩大覆盖和提高无线数据传输速率的目的。

目前，自适应阵列智能天线已经成为智能天线发展的主流。

移动通信信道传输环境较恶劣。

波达方向估计的一种改进SVD算法

波达方向估计的一种改进SVD算法摘要:本文主要研究智能天线算法中的关键技术波达方向估计(DOA)。

针对相干信号源的信号子空间与噪声子空间相互渗透,导致空间协方差矩阵缺秩从而经典算法失效的问题,本文基于奇异值分解(SVD)算法,提出了一种改进的SVD算法。

该算法利用入射信号矩阵的最大特征向量元素包含所有入射信号信息的性质,进行矩阵重构,并对重构矩阵进行特征值分解得到噪声子空间和信号子空间,最后利用经典谱估计算法得到相干信源的入射方向。

仿真试验结果表明改进SVD算法性能优于原始算法。

关键词:波达方向估计多重信号分类算法矢量奇异值算法移动通信逐渐成为现代通信的主要方式,但频谱资源随着用户的增多而日益匮乏,无线信道的传输环境导致的信号衰减、衰落和时延扩展也严重影响了通信质量。

针对上述问题,智能天线技术旨在用有限的频谱资源容纳尽可能多的用户。

智能天线的基本工作原理就是根据接收信号自动调节天线接受阵列的幅度和加权值,从而达到最佳的发射和接收效果。

作为智能天线技术的基础,基于特征结构的空间谱估计经典算法有MUSIC算法[1]、ESPRIT[2]算法等。

由于MUSIC算法和ESPRIT 算法在最优化的建立过程中,要求信号的自相关矩阵要有正定性,即信号在空间中是非相干的,因此经典的MUSIC算法和ESPRIT算法对相干信号都没有很好的分辨能力。

学者为此进行了广泛研究[3～7]。

本文主要介绍空间谱估计的系统结构模型和算法模型,针对无线环境中经常出现的相干信号源的问题,在研究常用解相干算法的基础上,提出了一种改进的SVD算法,并通过仿真实验进行验证,证明该算法相对传统算法具有优越性。

1 相干信号源接收信号模型由于信号传播的复杂环境,若建立严格的数学模型需要提供物理环境的完整描述,不利于信号算法性能的研究,故本文使用的是简化信号模型。

假设信号源是窄带信号,那么窄带信号的复包络可以表示为:其中,为第个阵元作用于第个信号的增益;为第个阵元工作于时间的噪声;为第个信号在传播到第个阵元的时间延迟。

智能天线技术在CMMB监测中的应用

智能天线技术在CMMB监测中的应用摘要:在分析目前中国移动多媒体广播(CMMB)监测系统信号接收存在问题基础上,提出了将智能天线技术应用于CMMB监测系统的设计思路,同时简要介绍了智能天线工作原理及优点,并由仿真结果展示了智能天线的应用。

结果表明,此举可以大大提高CMMB监测系统接收信号性能指标,最后给出了具体的实现方案。

关键词:智能天线多径干扰波达方向波束形成“中国移动多媒体广播”(China Mobile Multimedia Broadcasting,简称CMMB)是指利用数字广播电视技术、通过地面或卫星广播电视覆盖网,面向七寸以下小屏幕、小尺寸多种便携移动终端,如手机、PDA、MP3、MP4、数码相机、笔记本电脑等接收设备以及在火车、汽车、轮船、飞机上的小型车载接收终端,随时随地的、点对面的提供广播电视节目和信息服务。

中国移动多媒体广播(CMMB)是实现广播电视多元化覆盖的重要新手段与新媒体,目前已经建成为全世界最大的移动广播覆盖网,为完善广播电视监测手段,保护CMMB用户的基本权益,对CMMB进行监测是非常必要的。

1 中国移动多媒体广播传输信道特性1.1 信号传输覆盖方式在CMMB的覆盖系统构成中,主要采用S波段大功率卫星与地面同频增补网络相结合的技术体制,同时结合U波段地面覆盖网络实现信号传输与覆盖。

S波段卫星网络广播信道用于直接接收,Ku波段上行,S波段下行;分发信道用于地面增补转发接收,Ku波段上行,Ku波段下行,由地面增补网络转发器转为S波段发送到移动终端;同时为实现城市人口密集区域移动多媒体广播电视信号的有效覆盖,采用U波段地面无线发射构建城市U波段地面覆盖网络。

1.2 CMMB信号接收存在的问题CMMB信号频段范围包括S波段和U波段,其中S波段占用频率为2.633～2.660GHz,属于微波范畴。

U波段占用频率为470～798MHz,属于超短波范畴,占用频率与模拟开路电视相同。

提高智能天线DOA估计准确性的研究

Ｊｎ２０ａ．０７
ＲｅｅｒｈｏｈｎｒａｅｏｍａｔＡｎｅｎｓａｃｆｔｅＩｃｅｓｆＳｒｔｎａＤＯＡｔｍａｅＶｅａｉｙＥｓｉｔｒｃｔ
ＺＨＡＯａ — ｏｇ，ＡＮＧｎ，ＸｉｎｈｎＹＪｕＺＨＡＯａ —ｉｇＸｉｎｌｎ
等方面，智能天线显示了明显的优势，成为人们在提高无线移动通信系统性能时首选的技术．采用智能
信道干扰＿．２波束旁瓣或零点对准信号干扰方向如］
图２所示．智能天线既可以用在基站，也可以用在
天线系统也能够增加通信系统的容量，使许多用户
在同一区域内使用相同的无线信道，节省了频率资源．应用智能天线还可以增加覆盖范围，降低功率消耗，改善链路质量等等［．１］
维普资讯
第２０卷
第１期
传感技术学报
ＣＩＥＥＪＵＮＬＯＥＳＲＮＣＵＴＲＨＮＳＯＲＡＦＳＮＯＳＡＤＡＴＡＯＳ
Ｖｏ＿０Ｎｏ１ｌ２．
２００７年１月
（ｎｔｕｅｆＩｆｒｔｏｎｉｅｒｎｈｎａｉｅｓｙ。Ｘｉａ１０４ｈｎ）ＩｓｔｔｎｏｍａｉｎＥｇｎｅｉｇＣａｇ’ｎＵｎｖｒｉｉｏｔ ’ ｎ７０６，Ｃｉａ
ＡｂｔａｔＴｈｓａｔｌｎｒｄｃｓｔｅｃａａｔｒｓｉｓａｄａｖｎｅｆｓｒｎｅｎｉｈｉｉｓｆｗｉｅｓｒｃ：ｉｒｉｅｉｔｏｕｅｈｈｒｃｅｉｔｎｄａｃｓｏｍａｔａｔｎａｗｈｃｓｎｕｅｏｒ— ｃｃｌｓｏｅｓｃｍｍｕｉａｉｎｓｓｅｎｃｔｙｔｍ，ａｄａｓｉｅｏｎｗｌｄｅｏｈｍａｔａｔｎａｔａａｙｅｈｍａｔａ－ｏｎｌｏｇｖｓｓｍｅｋｏｅｇｆｅｓｒｎｅｎ．ＩｎｌｓｓｔｅｓｒｎｔｔｎａＳＭｕｉａｉｈｔｃａｏｔＤ０Ａｓｉｔｎｄｔｉｅｎ ’ ｓｃｒｔｍｅｉｂｕｅｔｍａｅｉｅａｌ．ＢｙｃｌｕａｉｇｅｕｂｙｒｔｎｉｙａｔｎａａｒｙｉａｃｌｔｎｑａｌｏｕｄｔｎｅｎｒａｎｔｅｓｍｕａｅｏｔａｈｉｌｔｆＭａｌｂ，ｗｅｆｕｄｔｅｐｏｌｍｓｉＵＳＣｒｔｍｅｉｗｈｎｔｅｓｇａｏｒａｄｔｅｎｉｅｏｎｈｒｂｅｎＭＩａｉｈｔｅｈｉｎｌｗｅｎｈｏｓｃｐｐｗｅｈｎｅｎｉｅｔｅｓｌｔｎｏｈｓｐｏｌｍ．ｅｉｎｖｔｖｌｒｎｏｗａｄａｍａｈｍｏｅ．ｅｕｅｏｒｃａｇ，ａｄｇｖｈｏｕｉｆｔｉｒｂｅＷｎｏａｉｅｙｂｉｇｆｒｒｔｄＴｈｓｏｏｈｓｍａｈｍｏｅｉｒｖｓｔｅｖｒｃｔｆｔｅＭＵＳＣａｉｍｅｉｉｓｉｔｎｈｏｎｆｔｅｕｅｎｆｔｉｔｄｍｐｏｅｈｅａｉｙｏｈＩｒｔｈｔｃｎｅｔｍａｉｇｔｅｃｕｔｏｈｓｒａｄｔｅｐｅｉｉｎｏｈ）ｅｔｔａｇｌ．ｈｒｃｓｏｆｔｅＤ（ＡｓｉｅｌｒｅｙｍａＫｅｒｓｓｒｎｅｎ；ｙｗｏｄ：ｍａｔａｔｎａＭＵＳＣａｉｈｔｃＤ０Ａｓｉｔ；ｔｄＩｒｔｍｅｉ；ｅｔｍａｅｍ线ＤＯＡ估计准确性的研究

智能天线波达方向估计算法的研究的开题报告

智能天线波达方向估计算法的研究的开题报告一、选题背景随着通信技术的发展，无线通信系统越来越普及。

其中，天线是无线通信中非常重要的组成部分，能够显著地影响到系统的性能。

智能天线技术在无线通信中的应用越来越广泛，它能够实现信号的自适应波束形成，提高系统的传输效率和可靠性。

其中，波达方向估计算法是智能天线技术中的重要一环，能够较好地提高波束形成的精度和效率。

因此，对于智能天线波达方向估计算法的研究具有重要意义。

二、研究意义智能天线技术可应用在无线通信中的不同领域，例如无线电视、卫星通信、蜂窝移动通信等等。

波达方向估计算法是智能天线技术的重要组成部分，能够进一步减少系统的误码率、提高频谱利用率和信道容量等指标，从而提高系统的性能和可靠性。

因此，深入研究智能天线波达方向估计算法对于推广智能天线技术、提高通信系统性能具有重要意义。

三、研究内容本研究计划针对智能天线波达方向估计算法进行一系列的研究，具体包括以下内容：1）分析和总结当前智能天线波达方向估计算法的研究现状；2）对比研究不同的智能天线波达方向估计算法，包括传统的方向搜索算法、最小二乘估计算法、互相关算法、子空间分解算法等；3）分析比较不同算法的优缺点以及应用场景；4）针对现有算法存在的问题，提出改进的方向并进行实验验证；5）最终设计实用的智能天线波达方向估计算法，应用到通信系统中进行性能测试。

四、研究方法本研究的研究方法主要包括文献调研、数学建模、仿真实验和性能测试等。

具体来讲，通过查阅大量的文献资料，深入了解现有智能天线波达方向估计算法的研究现状和存在的问题。

然后，根据不同算法的原理和特点，建立相应的数学模型进行仿真实验，并针对实验结果进行分析和总结。

最后，将优化后的算法应用到实际通信系统中，进行性能测试，验证所提算法的有效性和可行性。

五、预期成果（1）对现有智能天线波达方向估计算法的优缺点进行深入分析，并提出改进方向；（2）设计一种能够提高波束精度和效率的智能天线波达方向估计算法；（3）完成仿真实验和性能测试，验证所提算法的有效性和可行性；（4）撰写一份详细的研究报告，论述智能天线波达方向估计算法的研究背景、意义、方法和成果等方面的内容。

波达方向估计的一种改进SVD算法

协方差矩阵缺秩从而经典算法失效的问题，本文基于奇异值分解（ＳＶＤ）算法，提出了一种改进的ＳＶＤ算法。该算法利用入射信号矩阵的最大特征向量元素包含所有入射信号信息的性质，进行矩阵重构，并对重构矩阵进行特征值分解得到噪声子空间和信号子空间，最后利用经其谱估计算法得到相干信漾的入射方向。仿真试验结果表明改进ＳＶＤ算法性能优于原始算法。关键词：波达方向估计多重信号分类算法矢量奇异值算法
ＫｅｙＷｏｒｄｓ：ＤＯＡｌｍｕｌｔｉｐｌｅｓｉｇｎａｌｃｌａｓｓｉｆｉｃａｔｉｏｎａｌｇｏｒｉｔｈｍｌＳＶＤａｌｇｏｒｉｔｈｍ
ＺｈａｎｇＹｕｙｉ
・
（ＳｈａｎｇｈａｉＡｉｒｃｒａｆｔＤｅｓｉｇｎＡｎｄＲｅｓｅａｒｃｈＩｎｓｔｉｔｕｔｅ，ＳｈａｎｇＨａｉ，２０１２１０，Ｃｈｉｎａ）
ｓｉｇｎａｌ，ｔｈｅｒｅｃｏｎｓｔｒｕｃｔｅｄｍａｔｒｉｘｏｆｉｎｃｉｄｅｎｔｓｉｇｎａｌｃａｎｂｅｄｅｃｏｍｐｏｓｅｄｉｎｔｏｎｏｉｓｅｓｕｂｓｐａｃｅａｎｄｓｉｇｎａｌＳＵｂｓｐａｃｅｉｎｏｒｄｅｒｔｏｏｂｔａｉｎｔｈｅｉｎｃｉｄｅｎｔｄｉｒｅｃｔｉｏｎｏｆｃｏｈｅｒｅｎｔｓｏｕｒｃｅｓｕｓｉｎｇｃｌａｓｓｉｃｓｐｅｃｔｒａｌｅｓｔｉｍａｔｉｏｎａｌｇｏｒｉｔｈｍ．Ｅｘｅｒｐｉｍｅｎｔａｌｓｉｍｕｌａｔｉｏｎｓｈｏｗｓｔｈｅｐｅｒｆｏｒｍａｎｃｅｏｆｔｈｅｎｅｗａｌｇｏｒｉｔｈｍｉｓｂｅｔｔｅｒｔｈａｎｔｈｅｏｒｉｇｉｎａｌａｌｇｏｒｉｔｈｍ．

阵列信号处理概述研究背景及意义和波达方向估计技术

阵列信号处理概述研究背景及意义和波达方向估计技术1 概述阵列信号处理作为信号处理的一个重要分支，在通信、雷达、声呐、地震、勘探、射电天文等领域获得了广泛应用和迅速发展。

对所有探测系统和空间传输系统，空域信号的分析和处理是其基本任务。

将多个传感器按一定方式布置在空间不同位置上，形成传感器阵列。

并利用传感器阵列来接收空间信号，相当于对空间分布的场信号采样，得到信号源的空间离散观测数据。

阵列信号处理的目的是通过对阵列接收的信号进行处理，增强所需要的有用信号，抑制无用的干扰和噪声，并提取有用的信号特征以及信号所包含的信息。

与传统的单个定向传感器相比，传感器阵列具有灵活的波束控制、高的信号增益、极强的干扰抑制能力以及高的空间分辨能力等优点，这也是阵列信号处理理论近几十年来得以蓬勃发展的根本原因。

阵列信号处理的最重要应用包括：①信（号）源定位——确定阵列到信源的仰角和方位角，甚至距离（若信源位于近场）；②信源分离——确定各个信源发射的信号波形。

各个信源从不同方向到达阵列，这一事实使得这些信号波形得以分离，即使他们在时域和频域是叠加的；③信道估计——确定信源与阵列之间的传输信道的参数（多径参数）。

阵列信号处理的主要问题[]1包括：波束形成技术——使阵列方向图的主瓣指向所需方向；零点形成技术——使天线的零点对准干扰方向；空间谱估计——对空间信号波达方向的分布进行超分辨估计。

空间谱估计技术是近年来发展起来的一门新兴的空域信号处理技术，其主要目标是研究提高在处理带宽内空间信号（包括独立、部分相关和相干）角度的估计精度、角度分辨率和提高运算速度的各种算法。

在所有利用空间谱估计技术来实现对到达方向（DOA）估计的方法中，以R. O. Schmidt 提出的MUSIC 算法最为经典且最有代表性。

Schmidt 在MUSIC 算法中提出了信号子空间的概念，即在维数大于信号个数的观测空间中进行子空间的划分，找出仅由噪声贡献生成的空间（噪声子空间）和由信号和噪声共同作用产生的空间，根据这两个子空间的基底以及阵列流型即可得到待测方向满足的方程，由其解得到来波方向的估计。

DOA文献综述

DOA文献综述阵列信号处理摘要：阵列信号处理是信号处理领域内的重要分支，在近年来得到了迅速发展。

智能天线技术的核心是自适应天线波束赋形技术，提高系统容量，降低发射功率并提高接收灵敏度。

同时，波达方向估计是阵列信号处理的一个主要研究领域，在雷达、通信、声纳、地震学等领域都有着广泛的应用前景。

通过研究经典的多重信号分类（MUSIC）算法，对波达方向（DOA）的估计。

关键词：智能天线技术；波达方向；MUSIC算法；波达方向（DOA）估计。

引言：阵列信号处理主要的研究方向是自适应阵列处理和空间谱估计。

空间谱估计主要目的是估计信号的空域参数或信源位置，如果能得到信号的空间谱，就能得到信号的波达方向（DOA）。

波达方向估计指的是要确定同时处在空间某一区域内多个感兴趣信号的空间位置，即各个信号到达阵列参考阵元的方向角。

1.空间谱估计原理空间谱估计就是利用空间阵列实现空间信号的参数估计。

空间谱估计系统应该由三部分组成：空间信号入射、空间阵列接收及参数估计。

在研究过程中，需要确定假设条件。

有以下几条：点源假设、窄带信号假设、阵列与模拟信道假设、噪声假设等构成估计系统。

2.阵列信号DOA估计的常用方法（1）传统波束形成法，主要思想是：在某一时刻使整个阵列对某一个方向进行估计，测量输出功率。

在输出功率上，能产生最大功率的方向就是DOA估计。

（2）Capon最小方差法，主要思想是：通过最小化总体输出的功率，来降低干扰的影响，从而对来波方向进行估计。

（3）子空间类算法，主要思想是：利用阵列接收数据的协方差矩阵R的两条性质：特征向量的扩张空间可分解成两个正交子空间，即信号子空间和噪声子空间；信号源的方向向量与噪声子空间正交。

3.影响DOA估计结果的因素信号的DOA估计结果受到多种因素的影响，既与入射信号源有关，也与实际应用中的环境有关。

以下给出比较重要的影响因素。

（1）阵元数。

一般来说，在阵列其它参数一样的情况下，阵元数越多，超分辨算法的估计性能越好；（2）阵元间距。

智能天线

智能天线科技名词定义中文名称：智能天线英文名称：smart antenna定义：采用天线阵列，根据信号的空间特性，能够自适应调整加权值，以调整其方向圆图，形成多个自适应波束，达到抑制干扰、提取信号目的的天线。

所属学科：通信科技（一级学科）；移动通信（二级学科）本内容由全国科学技术名词审定委员会审定公布智能天线智能天线是一种安装在基站现场的双向天线，通过一组带有可编程电子相位关系的固定天线单元获取方向性，并可以同时获取基站和移动台之间各个链路的方向特性。

智能天线的原理是将无线电的信号导向具体的方向，产生空间定向波束，使天线主波束对准用户信号到达方向DOA(Direction of Arrinal)，旁瓣或零陷对准干扰信号到达方向，达到充分高效利用移动用户信号并删除或抑制干扰信号的目的。

目录类型智能天线可以分为两种类型：交换波束天线和适应阵列。

交换波束交换波束使用许多窄波束天线，每个指向一个微有不同的方向，以此覆盖整个120度扇区。

当扇区内的移动用户移动时，系统内的智能天线从一个天线变换到另一个天线。

适应阵列适应阵列使用一个阵列天线和成熟的数字信号处理来从一个位置到下一个位置转换天线束。

发展历程９０年代以来，阵列处理技术引入移动通信领域，很快形成了一个新的研智能天线原理图究热点－智能天线（ＳｍａｒｔＡｎｔｅｎｎａｓ）?智能天线应用广泛，它在提高系统通信质量、缓解无线通信日益发展与频谱资源不足的矛盾、以及降低系统整体造价和改善系统管理等方面，都具有独特的优点。

最初的智能天线技术主要用于雷达、声纳、军事抗干扰通信，用来完成空间滤波和定位等。

近年来，随着移动通信的发展及对移动通信电波传播、组网技术、天线理论等方面的研究逐渐深入，现代数字信号处理技术发展迅速，数字信号处理芯片处理能力不断提高，利用数字技术在基带形成天线波束成为可能，提高了天线系统的可靠性与灵活程度。

智能天线技术因此用于具有复杂电波传播环境的移动通信。

未来通信中的智能天线设计

未来通信中的智能天线设计在当今数字化飞速发展的时代，通信技术的革新犹如一场永不停歇的赛跑。

其中，智能天线设计正逐渐成为提升通信质量和效率的关键因素。

智能天线，简单来说，就是一种能够根据通信环境和用户需求自动调整波束方向和形状的天线系统。

它就像是通信领域中的“智能导航员”，能够精准地将信号发送到目标方向，并有效地减少干扰和噪声。

过去，传统的天线设计往往采用固定的波束模式，无法灵活适应复杂多变的通信场景。

比如在高楼林立的城市中，信号容易受到建筑物的阻挡和反射，导致通信质量下降。

而智能天线则可以通过实时监测和分析信号环境，动态地调整波束，确保信号的稳定传输。

那么，智能天线是如何实现这种智能调控的呢？这主要依赖于一系列先进的技术和算法。

首先是波束形成技术，它能够通过控制天线阵元的相位和幅度，合成特定方向的波束。

比如说，当手机用户位于某个特定方向时，智能天线可以将波束集中指向该用户，从而提高信号强度和质量。

其次，自适应算法在智能天线中也起着至关重要的作用。

这些算法能够根据接收到的信号特征，实时计算出最优的波束参数。

常见的自适应算法包括最小均方误差算法、递归最小二乘算法等。

通过不断地优化和调整，智能天线能够在各种复杂的环境中保持良好的通信性能。

在未来通信中，智能天线设计面临着诸多挑战。

一方面，随着 5G乃至 6G 技术的发展，通信频段不断扩展，对智能天线在高频段的性能提出了更高的要求。

高频信号的传播特性更加复杂，波束的控制难度也更大。

另一方面，未来通信场景将更加多样化和复杂化，如物联网、车联网等新兴应用场景的出现，使得智能天线需要同时服务于大量的终端设备，并且要保证不同设备之间的通信互不干扰。

这就要求智能天线具备更强的多用户处理能力和更高的频谱效率。

为了应对这些挑战，研究人员正在不断探索新的智能天线设计方案。

例如，采用新材料和新工艺来制造天线，以提高天线的性能和集成度。

同时，结合人工智能和机器学习技术，让智能天线能够更加智能地学习和适应不同的通信环境。

基于MATLAB的智能天线及仿真

基于MATLAB的智能天线及仿真摘要随着移动通信技术的发展，与日俱增的移动用户数量和日趋丰富的移动增值服务，使无线通信的业务量迅速增加，无限电波有限的带宽远远满足不了通信业务需求的增长。

另一方面，由于移动通信系统中的同频干扰和多址干扰的影响严重，更影响了无线电波带宽的利用率。

并且无线环境的多变性和复杂性，使信号在无线传输过程中产生多径衰落和损耗。

这些因素严重地限制了移动通信系统的容量和性能。

因此为了适应通信技术的发展，迫切需要新技术的出现来解决这些问题。

这样智能天线技术就应运而生。

智能天线是近年来移动通信领域中的研究热点之一，应用智能天线技术可以很好地解决频率资源匮乏问题，可以有效地提高移动通信系统容量和服务质量。

开展智能天线技术以及其中的一些关键技术研究对于智能天线在移动通信中的应用有着重要的理论和实际意义。

论文的研究工作是在MATLAB软件平台上实现的。

首先介绍了智能天线技术的背景；其次介绍了智能天线的原理和相关概念，并对智能天线实现中的若干问题，包括:实现方式、性能度量准则、智能自适应算法等进行了分析和总结。

着重探讨了基于MATLAB的智能天线的波达方向以及波束形成，阐述了music和capon两种求来波方向估计的方法，并对这两种算法进行了计算机仿真和算法性能分析;关键字:智能天线；移动通信；自适应算法；来波方向； MUSIC算法AbstractWith development of mobile communication technology，mobile users and communication，increment service are increasing，this make wireless services increase so that bandwidth of wireless wave is unfit for development of communication，On the other hand，much serious Co-Channel Interruption and the Multiple Address interruption effect utilize rate of wireless wave’s bandwidth，so the transported signals are declined and wear down，All this has strong bad effect on the capacity and performance of question and be fit for the development of communication，so smart antenna arise Smart Antenna，which is considered to be a solution to the problem of lacking frequency, becomes a hotspot in the Mobile Communication area．With this technology, Capacity of Mobile Communication system can be increased effectively and the quality of service can be improved at the same time. To study Smart Antenna and its key technologies is important both in theory and in practice。

低复杂度阵列信号波达方向估计算法研究

低复杂度阵列信号波达方向估计算法研究阵列信号波达方向估计是阵列信号处理领域中具有重要应用价值的研究课题。

近年来,低运算量、低复杂度的阵列信号波达方向估计算法受到了广泛关注。

阵列信号波达方向估计将多个传感器设置在空间的不同位置组成传感器阵列,利用各个信号在空间位置上的差异,通过对多通道接收机输出数据的处理,获得空间各个信号源来波所对应的方向。

在波达方向估计的发展历程中,基于传统理论和经典方法提出的有关算法既解决了一些实际问题,同时为该领域的发展提供了新的思路。

由于波达方向估计的重要性使得该领域的研究经久不衰,并且对处理算法的性能提出了更高的要求。

本文主要针对低运算量、低复杂度的阵列信号波达方向估计进行深入研究,主要研究成果有:1.针对传统基于子空间的波达方向估计算法中子空间估计运算量大的问题,提出了无需协方差矩阵特征值分解的快速波达方向估计算法。

首先将子空间投影(SP)算法引入波达方向估计,将其与MUSIC算法相结合形成了子空间投影MUSIC算法;将子空间投影算法中大矩阵乘法运算用小矩阵乘积代替,提出了较低运算复杂度和存储量的简化子空间投影MUSIC算法;通过协方差矩阵分解简化子空间投影处理,得到低复杂度和存储量的高效子空间投影MUSIC算法。

2.针对传统二维MUSIC算法中二维谱峰搜索运算量大的问题,提出只需一维谱峰搜索且无需角度配对的低复杂度二维波达方向估计算法。

首先将降维MUSIC算法引入到二维波达方向估计领域,与求根法相结合,得到运算量更低的求根RD-MUSIC算法;将模值约束加入到RD-MUSIC算法的约束条件中,使方向向量的约束性更强,在保持低运算量的同时提高了角度估计性能;用直接求导法对RD-MUSIC算法进行求解,有效增强了方向向量中各元素应满足条件的约束性,同样在保持低运算量的同时进一步提高了角度估计性能。

3.将阵列信号利用过完备基进行稀疏表示,可将波达方向估计问题转化成联合求解阵列信号在过完备基下的稀疏系数过程。

智能天线的MUSIC算法研究

天线，即智能天线，是将阵列天线与先进的信号处理技术相结合，它形成同时具有空、时处理的能力，减小发射功率，可以减小对其他用既又
户的干扰，无形中提高了频谱的使用率，加系统容量。能天线是一增智门综合性很强的学科，及到天线技术、线电传播技术、号检测与涉无信
若
一
，
则因，）∑ｅ一阵子（：伽“ 口
ｍ＝０
其归一化方向图函数为
估计技术、字信号处理技术等学科，能天线的使用将会推动无线数智
通信领域的发展。
删寺Ｉｆ（。ｏ一－『一一）Ｍ『－ｅ～巨）０］Ｏ］ｏ
维普资讯
科技信息
０高校讲台０
ＳＩＮＥ＆Ｔ பைடு நூலகம் ＮＯＦＭＡＩＮＣＥＣＥＨＯＬＧＹＩＯＲＴＯＮ
２００７年
第２８期
智能天线的ＭＵＩＳＣ算法研究
邢超高志坚（．１河南工业大学信息科学与工程学院河南郑州４００；．５０４２中国铁通开封分公司河南开封４５０）７００
ｍ＝０ｍ＝０
△ ∞ 法确定移动用户的具体位置，它们向用户发射信号时．有很小部当只Ｗｅ＝（）（）￡０，分的信号被移动用户截获，射功率的绝大部分被浪费．严重的是发更式中称为阵因子，常情况下，列天线的阵元方向图函数通阵这些浪费的信号以干扰的形式对其它用户的信号产生影响．致系统导是已知且弱变化，以阵列总的方向图函数一般用阵因子近似，究所研容量和信干比的下降。阵因子的特点便能获得阵列天线的所有辐射特性。第三代移动通信系统采用能够根据当前信道情况自适应变化的＾ｌ

【doc】波达方向（DOA）估计方法的研究

波达方向（DOA）估计方法的研究第22卷第1期2002年2月杭州电子工业学院JOL3~NALOFK.Lr’IGEHOUll’,b~r1%q’EOFELELq’RONICESG~!EEPdl’IC-波达方向(DOA)估计方法的研究刘顺兰(杭州电子工业学院通信工程分院,浙江杭州31(1037)摘要:本文在介绍传统的DOA估计技术基础上,针对其不足之处,介绍了近年来DOA估计中出现的新的信号处理技术,主要包括高阶累积量,高阶谱技术,时频分析技术,循环平稳信号分析与处理技术等,并介绍了这几种方法的主要基本思想及应用背景.最后给出了MUSIC算法,ESPRIT算法及基于累积量的DOA估计算法的仿真结果.美键词:渡达方向(DOA)估计;多信号分类算法;高阶统计量;时频分析;循环平稳信号中国分类号:TN91123文献标识码:A文章编号:1001—9146{2oo2)o]一01301～050引言波达方向(DOA,DirectionOf.~riva1)估计在无线电通信,雷达,声纳超分辨,地震探测,导航和医学等领域有着广泛的应用,一直是通信,雷达,声纳等领域研究的重点内容之一.经过多年的深入研究,DOA估计理论和技术得到了迅猛的发展,从Capon的高精度极大似然法(MLM)开始,DOA估计经历了两个飞跃:Sctmfidt的MUSIClt3(多信号分类)算法和Roy等人的ESPRIT[(旋转不变技术估计信号参数)算法开创了本征结构法的新纪元,成为DOA估计中最经典,最常用的方法.之后围绕这两种方法,国内外学者提出了许多改进方法(如root—MUSIC,TLS—ESPRIT等),这些方法具有良好的分辨率和相对较小的计算量.但这些传统子空间方法都仅使用了二阶统计量(阵列协方差矩阵),并在信号模型中都假设噪声是白噪声,信号是平稳信号且信号之间是互不相关的,当这些假设其中之一不满足时,传统方法因没有充分利用信号本身蕴含的一些非空域特征,因而其估计性能迅速下降.近l0年来,由于现代信号处理理论的迅速发展,高阶累积量,时一频分析,小波分析,循环平稳信号分析与处理都成为人们研究的热点,在很多领域都得到了广泛的应用.同样,这些理论和方法在DOA估计中也得到了广泛的应用.1传统DOA方法简介考虑采用M元天线阵列.若有D个窄带信号Sk(t)分别以DOA.fk=1,2,…,D)A射,计及测量嗓声和所有信号源的来波,则第i个阵元的输出信号为:【)_(t)e-jw(i1)(I)(1)式中:i1i(t)为测量噪声,所有标号i表示该量属于第i个阵元,标号k 表示第k个信号源,a为阵元收稿日期:2001一l0—22作者简介:TJ顺兰(1965一)女,江苏丹徒人,副教授,硕士,信号与信息处理杭州电子工业学院2602叠对第k个信号源信号的影响,设a=1,m为信号的中心频率,为载波波长.假定各阵元的噪声是零均值白噪声,方差为a2,且与信号不相关.将式1写成向量形式,可得阵列输出信号矩阵:x(t)=As(t)+N(t)(2)式中:X(t)=[x1(t).(t),…,(t)一-T,A=[a(o【),a(.2),…,a(0n)]S(t)=(t),s2(t),…,sn(t)N(t)=:n1(t),n2(t),…,nM(t)ITa():【l’e-,…,e一_1),一,:sin0kA为M×D维的阵列,其各列向量代表天线阵在观察平面内的某种观察特性,是待估参数0k的函数,可称之为阵列向量.X(T)的方差矩阵可写成:R,=E[X(t)X”(t)::ARA”+I(3)若D个窄带信号Sk(t)互不相关,为对角矩阵MUSIC算法通过将X(t)的协方差矩阵进行特征值分解,找出最小特征值的个数n,求出信号源的个数D来,即有D=M—n,同时求得的最小特征值也就是噪声功率.再利用已进行的特征值分解求出信号源的方向0.即将已求得的nE个最小特征值)’mln所对应的n 个相互正交的最小特征向量V.,i=D+1,…,M为列构造一M×(M—D)维噪声矩阵EN:EN=lV+】,VD+2,…VM(4)利用噪声子空间和信号子空间正交的关系,既在信号所在的方向上,有Ea(0)=0.实际做法之一是构造如下函数:1(.)丽1()连续改变0值,其最大值所对应的0就是信号源方向的估计值.ESPRIT类方法仅利用矩阵对的广义特征值来估计DOA.2基于高阶累积量,高阶谱的DOA估计基于信号高阶t大于二阶)累积量能够抑制任意加性高斯噪声的性质,使原有DOA估计算法适应的观测噪声扩展到高斯空间有色噪声或对称分布的非高斯空间有色及白噪声.目前基于高阶累积量,高阶谱的DOA估计国内外都已有一些研究成果J.如国外学者ForsterP.,NikiasCL.13J,PomtB,FriedlanderB.14等都提出了高阶累积量,高阶谱的空间信号DOA估计的一系列方法.国内刘若伦,王树勋,姚敏立,金粱,殷勤业等也都在这方面进行了一定的研究.在式1中,假设信号Sk(t)为零均值非高斯信号,信号之间统计独立;sk(t)的四阶累积量不为零.噪声n.(t)是零均值的高斯白噪声.则其中基于四阶累积量的MUSIC类算法如下:(1)首先计算x(t)的四阶累积量矩阵‰,其中:C4x(Ill1,啦,m3)=cum(x(n),x(n+m1),x(n+Ill2),x(n+Ill3))(6)r1『vP1(2)对四阶累积量矩阵c4x进行奇异值分解c4x=JUtuz]【J【J(3)保留所有对应零奇异值的左奇异矢量U,.(4)基于d(0)=l:a(0)国a(0)]=0,实际做法是构造一个函数P(0)=1/d(0),通过改变0值,搜索P(0)的最大值所对应的0就是信号源方向的估计值.3基于时一频分析的DOA估计在实际应用巾许多典型信号是非平稳的或谱时变的,如雷达中的线性调频信号,通信中的跳频信第l期刘顺兰:波达方向(DOA)估计方法的研究3号,移动信号源等,利用传统的DOA估计方法对这类信号进行估计,往往得不到良好的效果.众所周知联合时频分析是对非平稳信号或谱时变信号进行处理的有效手段.因此可以将时频分析的方法与阵列信号处理相结合,通过时频分布将信号变换到时频域,利用时变滤波提高空间谱估计方法的性能,使得DoA估计方法具有信号选择性以及更好的分辨力,抗各种干扰和有色/无色噪声的能力,并且既适用于平稳信号又适用于时变,非平稳信号.根据这一思想,国内外学者也展开了一些理论研究【”.如 A.BelouchrmliandM..~ninl提出了时一频MUSIC算法.K.Sekham,S.Nagaraj.:.D.Poeppel,andY.Mivashita提出了时一频MEG—MUSIC算法.国内学者金梁,殷勤业于2000年在电子上提出了一种基于信号空时特征结构的时频子空间拟台方法.下面对基于Wigner—Ville分布的时一频blUSIC算法作简单介绍实际信号x(f)的Wigaler—Vine分布定义为:f(t,f】_lx(t+)x(『_{)e出(7)对于非平稳的随机信号X(t),其时频分布可表示为数学期望的形式: f雨(L,f1:E[W(t,f1::E[1x(t+{)x(L一{)e-J出:I(L,r)ed(8)在信号模型式1中不需要假设各源信号是平稳的,但要求已知有用信号时频分布的先验知识且有用信号与其它信号具有不同的时频分布,其它假设条件与传统MUSIC算法相同.这时,阵列信号X(t)的时一频分布矩阵W(t,f)或W(t,f)进行特征分解后其形式与MUSIC 算法中的自相关阵的分解形式类似,固此.基于Wigner—V{l/e分布的时一频MUSIC算法的主要思想就是用时一频分布矩阵W(t,f)或宙(t.f)代替传统的阵列相关矩阵R,通过对W(t,f)或w(t,f)的特征分解得到信号的DOA估计.虽然双线性时频分析有不少优点,但它们具有交叉项或不能保证谱估计的正性,因此在研究过程中可通过时域加窗,频域加窗或时一频域同时加窗等来改善估计效果. 小波分析作为一种新的线性时一频分析方法,也是一种重要的非平稳信号分析与处理方法,在很多领域都得到了应用,目前已有小波分析用于谱估计方面的报道,但很少见.而直接用于DOA估计研究方面的报道几乎没有.4基于循环平稳特性的DOA估计方法通信,雷达,遥测和声纳等系统中,一一些人工信号是一类特殊的非平稳信号,它们的非平稳性表现为周期平稳性,即具有循环平稳特性.这些信号的数字特征是时间的周期函数.它们通常来自于扫描,调制,周期采样和多路传输.自从GARDENER首次提出循环平稳的概念以来,循环平稳统计量对噪声和干扰的特殊抑制作用,使得它逐渐成为信号处理领域中的新热点.为了在提取空间特性的同时充分利用信号的循环平稳特性,近年来人们开始将时空处理技术引入到DOA估中,并与传统方法相结合.提出了CyclicMUSIC,CyclicESPRIT和谱相关子空间拟合等方法由于不同信号的特征循环频率不同,因此这些方法在进行估计时具有选择信号的能力,从而能够大大提高算法的抗干扰能力,分辨力以及其它性能.若随机信号x(t)的k阶矩mk,x”‘是时间t的周期函数,其中,则Ir.,r2,7-k}则{x(t);为k阶循环平稳过程,其k阶a循环矩为:,1T:Mk,..=l寺∑t’Jlk.(t,r)e~p(一Jcttj(9j当k=2时,上式即为循环相关函数.同样,基于空间相关矩阵的特征结构法均可以直接应用于循环相关函数矩阵4杭州电子工业学院2002正5实验结果对MUSIC算法,ESPRIT算法和基于高阶累积量的DOA估计算法,用MA TL~kB编程来仿真这两种方法估计的结果.本次实验都是在均匀线性天线阵,阵元间隔为1/2载波波长即d=1/2k,附加噪声为高斯白噪声,信号源互不相关且和噪声不相关的条件下进行的.图1和图2是MUSIC算法估计的波达方位(角度),阵元数为8,信噪比为0dB,采样点数为4096.其中,图1是两个信号源的真实方位为[一15.,一25.]时的估计结果,结果为:一15.1.,一25.o.].图2是两个信号源的真实方位为[一15.,一25.]时基于高阶累积量估计的结果当阵元数分别取4,和8,信噪比分别取0dB和10dB,采样点数分别取1O24和4096时,经过30次MonteCarlo实验,MLSIC和ESPRIT这两种算法对信号源方位估计的平均结果见表1.通过比较可发现:总起来说,在给定条件下,MUSIC算法的估计结果比较接近真实值,误差较小,即NUSIC的估计性能较好,但是当阵元数取8时,ESPRIT算法的估计性能又优于MUSIC算法;信噪比的变化对估计结果的影响不大;采样点多时估计结果误差比较小.图1MUSIC算法估计的波达方位(度)图2基于高阶累积量估计的波达方位(度)表1MUSIC算法和ESPRIT算法对波达方向估计的结果阵元数方位1方位2算法信噪比(dB)采样点数NM—15.—25.4096一15.1533一24.8733O1O24一l53833—25.16671O4096一l5.1455—25.130OMUSIC1O24一l5.O625一25.【丌0O4096—15.1615一25.1o0O1024—15.1200—25.040O810—15.1125一25.1Oo01O24—15.100O—251000O4O96—l1.5746—28849441O24一l1.1291—28.35761O4o96一l1.4518—28.8521ESPRrr1O24—15.4622—28-864904096—15.0178—24.971081024—15.0148—24.96334096—15.0258—24.97091O1024一l5.O672—24.972O6结论鉴于将现代信号处理技术应用到DOA估计中的研究还处于起步阶段,本文从窄带信源模型角度出发,介绍了目前DOA估计技术的几种常用方法,尤其是近年来研究的新的信号处理技术,如高阶累积量,高阶谱技术,时频分析技术,循环平稳信号分析与处理技术等与传统特征分船法相结合的方法,并介第1期刘顺兰:波达方向(DOA)估计方法的研究5绍了这几种方法的主要基本思想及应用背景.这些新方法或多或少地克服了传统DOA估计方法的缺点.除上面介绍的方珐以外,还有将这些新技术应用于宽带信号源,相关信源等场合的DOA估计方法,在此不一一细述.参考文献:一1]SclmdtR0.MultpleGqfilterLocationandSignalParameterEstimation[Jj./E EETmns,AntermasPropngat,1986,AP一34:276—280:2]RoyR,aihth.ESPRIT—Asuhspaeerotationapproachtoesti mationofpar~aetersofcisoidsinnoise[J]IEEETramASSP,1986,34:134O一1342[3]ForsterP,NikiasCLBeatingEstimationinTheBispecmmlDomain[J_.Pr ocIEEE,1991,39(9):1994—2OO6[4]PoratB.Ffie~mlderB.Directionfi~ngalgorithmshasedo12kigher—ord erStatistics[J_IEEETranSP,1991,39(6):2016—2024.5]姚敏立,金粱,殷勤业.基于累积量的空间特征估计算法及其在智能天线中的应用[JI信号处理,2000,16(1):58—62.[6]MViberg,BOttersten.Sensorarmypnmessingbasedonsubspacem~gCJ] .IEEETram.SP,1991,39(5):1110—1121.[7]ABeJouchr~u,MAⅡ】irL Time—hqlceML’SIC:army1alpmee~ngmethodbasedonsi1alrepresentat ion[J].IEEEsiProeesslngLett,1999,6:109—111[8]JosephKennedv,MarkC,Sullivan.Dimc~onfindingand’$nla~mltemurs ’using$oft~flxeradiom}Ijures[J].IEEECommtm.Mag,1995,62—68.[9]Y uanjlnZheng,DmqdBHTay,LerninLiSilgalextractionaridpowerspect rumestimationusingwavelet∞scalespacefilte~ingandBayess|la[JJsi1alPmce~ing,2000:1535—154910]WA(dl1er.ExploitationofSpectralredundancyineydostatinnarysignal[ JJIEEESP.Magazine,1991:14—36.11]GXu,TKailafllDirection—of—arrivalesfinmhonviaexplocafionofcyc lostationary—Acombinationoftemporalandspalpro-cessing[J].IEEETramonSP,1992,4o(7):1775—1785.12]张贤达,保锋非平稳信号分析与处理[M.北京:国防工业出版社,19989AStudyofDirection—of—Arrival(DOA)EstimationLIAShun-lan(SchoolofCommurgxat~n驴,HangzhouInstituteofElectronicsEngineering,呐Zhejiang310037,)Abstract:thispaper,weintroduceconventionalDOAestimationted~iques.T oovercoltl~theirdisadvantage, werecommendseveralnewsignalprocessingmethodsofDOAestimationan dapplicationbackgrom~d.Thismethodsincludehigher-orderemnulant,higher—orderspectrumtechnigue,Time-ffe queneeanalysis,Cyclostafionarysial analysisandhandletechniqueetc..Finally,Wegivethecomputersimulationr esults.Keywords:DOAestimation;MUSIC;Hig)mr—orderStatistics;Time—fre quenceana1)~is:Cyclostafionatysig,~。

DOA文献综述

阵列信号处理摘要：阵列信号处理是信号处理领域内的重要分支，在近年来得到了迅速发展。

智能天线技术的核心是自适应天线波束赋形技术，提高系统容量，降低发射功率并提高接收灵敏度。

同时，波达方向估计是阵列信号处理的一个主要研究领域，在雷达、通信、声纳、地震学等领域都有着广泛的应用前景。

通过研究经典的多重信号分类（MUSIC）算法，对波达方向（DOA）的估计。

关键词：智能天线技术；波达方向；MUSIC算法；波达方向（DOA）估计。

引言：阵列信号处理主要的研究方向是自适应阵列处理和空间谱估计。

空间谱估计主要目的是估计信号的空域参数或信源位置，如果能得到信号的空间谱，就能得到信号的波达方向（DOA）。

波达方向估计指的是要确定同时处在空间某一区域内多个感兴趣信号的空间位置，即各个信号到达阵列参考阵元的方向角。

1.空间谱估计原理空间谱估计就是利用空间阵列实现空间信号的参数估计。

空间谱估计系统应该由三部分组成：空间信号入射、空间阵列接收及参数估计。

在研究过程中，需要确定假设条件。

有以下几条：点源假设、窄带信号假设、阵列与模拟信道假设、噪声假设等构成估计系统。

2.阵列信号DOA估计的常用方法（1）传统波束形成法，主要思想是：在某一时刻使整个阵列对某一个方向进行估计，测量输出功率。

在输出功率上，能产生最大功率的方向就是DOA估计。

（2）Capon最小方差法，主要思想是：通过最小化总体输出的功率，来降低干扰的影响，从而对来波方向进行估计。

（3）子空间类算法，主要思想是：利用阵列接收数据的协方差矩阵R的两条性质：特征向量的扩张空间可分解成两个正交子空间，即信号子空间和噪声子空间；信号源的方向向量与噪声子空间正交。

3.影响DOA估计结果的因素信号的DOA估计结果受到多种因素的影响，既与入射信号源有关，也与实际应用中的环境有关。

以下给出比较重要的影响因素。

（1）阵元数。

一般来说，在阵列其它参数一样的情况下，阵元数越多，超分辨算法的估计性能越好；（2）阵元间距。

彭应宁-波达方向估计算法及应用新进展

d
cos n

} ni (t )
X i (t ) Sn (t ) exp{ jk (i 1) cos n } ni (t )
n 1
k 2
l

，i 1,2,...,m
§3-1 （续）
X 1 (t ) 1 (1 ) 1 ( 2 ) X (t ) ( ) ( ) 2 2 2 2 1 Y (t ) ... ... ... ... X m (t ) m (1 ) m ( 2 ) ... ... 1 ( d ) S1 (t ) n1 (t ) ... ... 2 ( d ) S2 (t ) n2 (t ) ... ... ... ... ... ... ... ... m ( d ) Sd (t ) nm (t )

§3-2 （续）
归结：、由多次快拍估计阵列 1 输出协方差阵：
1 L R YKYKH L K 1 2、对R做特征分解ES , E N , S , N H 1 H 3、构造PMUSIC ( ) ( ) E N E N ( )
§3-3、平滑MUSIC方法

Evans, J; T.j.Shan; Kailath等提出，改进目的：通过平滑 => 恢复Rs满秩性。
§3-3 （续）
§3-3 （续）
Y A( ) S n A( ) (1 ) ( d )
n
( ) 1
e
j 0 n
1 2 d d 1 d 2 m 按大小顺序排列

智能计算技术在智能天线波达方向估计中的应用

体 ” 体的一代代不断进化（群包括复制、交叉和变异等操作）最终收敛到 “ ，最适应环境 ” 的个体，而求从得问题的最优解。ＧＡ也是一种通用的优化算法，其编码技术和遗传操作比较简单，优化不受限制性条件的约束。它的两个最显著特点则是隐含并行性和
维普资讯
维普资讯
２０年第７期０７
对应，把对实际问题的优化过程映射为神经网络系
统的演化过程。
最重要的是，混沌的遍历性特点可作为搜索过程中避免陷入局部极小的一种优化机制。另外，值条件初极其微弱的变化会引起系统行为巨大的变化，即混沌对初值变化有很强的敏感性。利用上述两点，们人提出了混沌优化算法，算法易跳出局部解，计算效率高，广泛应用于非线性优化领域。被
具，或作为算法的运算操作，算法具有较高的优化使
性能、问性能和鲁棒性。时
化算法，目前已在工程中得到了广泛应用（如控制过程、器学习、经网络、机神图像处理等领域）。１７９５年，．ｏｌｄ受生物进化论的启发提出了ＪｌｎＨａ遗传算法（Ａ）Ａ是基于 “ 者生存” Ｇ。Ｇ适自然法则的
自然生物进化过程中的一个规律，最适合自然环境 “
的群体往往产生了更大的后代群体 ” 。
全局解空问搜索。目前，随着计算机技术的发展，ＡＧ

基于支持向量机的波达方向估计

位矩阵，代表共轭转置。
第一作者简介：张秋凝（９７，１８一）河北承德人，北工业大学电子西信息学院硕士研究生，研究方向：器学习天线设计。Ｅｍｉ机 —ａ：ｌ
５３２９１＠ｑ．ｏ。４２７９ｑｃｒｎ
． … …
一
式（）３中上标Ｔ代表矩阵转置。
Ⅳ
图１天线阵的构造
２１年１０１２月７日收到
阵列信号处理算法需计算信号的相关阵：Ｒ＝黜｛｝ＡＡ＋ｔ，Ｅ｛Ｉ＝ＰＴｃ（）４式（）Ｐ＝木｝Ｍ × 矩阵，是Ｎ× ４中Ｅ为Ｍ，Ｎ单
回归问题等领域。
ｉ＝１，， … Ⅳ
式（）Ｋ＝１中ｏ ∞
别为第ｍ个人射信号及其波达角，，第个阵元Ｉ是１
的噪声，也可将式（）达为矩阵形式：１表
＝
Ａ＋凡ｓ
（）２
式（）２中
＝
［１２… ，．Ｔ，，】；ｖ］
ｒ＝［／，２… ，］ｔｒ凡，；，１
Ｓｓ，，ｓ］；＝［ｌ２…，Ｔ５
１
ｅ— 妯口ｊ
１
ｅ— ｊｉ咖
Ａ＝
ｅ— （ｊＮ－１ｄｉＯ）ｓｎｅ— （ｊＮ－１ＫｄｉＯ）ｏｓＭ “
（）３
．
…
… ｒ
法和ＥＰＩ２算法，近基于神经网络的方法也ＳＲＴ＿最
天线阵，Ｍ＜个窄带信号入射天线阵，Ｍ（Ｎ）则等间距线天线阵接收的信号（ｉ＝１ …，）：， Ⅳ 为