波束形成
测绘技术中的波束形成原理解析
测绘技术中的波束形成原理解析波束形成（Beamforming）是一种广泛应用于测绘技术中的关键原理，它具有重要的地理信息获取功能。
本文将分析波束形成的原理及其在测绘技术中的应用，并讨论其相关技术的发展和潜在的应用前景。
一、波束形成原理简介波束形成是一种通过改变天线阵列中天线的相位和振幅来控制信号主瓣（main lobe）方向的技术。
简单来说，波束形成可以使天线的感知范围聚焦在一个特定的区域，从而提高信号的准确性和分辨率。
波束形成技术的基础是多个天线的组合，这些天线通过相位控制和加权信号进行波束的形成。
相位控制决定了天线阵列中每个天线的发射和接收间的时间差，而加权信号则决定了每个天线对信号的贡献程度。
通过合理的相位控制和加权信号的配比，波束形成可以实现从多个方向接收和发射信号。
二、波束形成在测绘技术中的应用1. 雷达测绘波束形成在雷达测绘中具有广泛应用，特别是合成孔径雷达（SAR）技术。
通过合理的波束形成，SAR可以实现很高的分辨率，从而提供精确的地理信息。
此外，波束形成还可以抑制杂波和干扰信号，提高雷达信号的质量。
2. 海底测绘在海底测绘中，波束形成被用于侧扫声呐和多波束测深仪等设备。
这些设备通过控制声波的发射和接收角度，实现对海底地形的高精度测绘。
波束形成可以减少多次测量和数据处理的复杂性，提高测绘的效率和准确性。
3. 卫星遥感卫星遥感技术在大规模地理信息获取中具有重要作用。
通过波束形成技术，遥感卫星可以将接收到的微弱信号进行聚焦，从而提高信号的强度和分辨率。
波束形成还可以根据需要对特定区域进行高精度的遥感测量，为地理信息的提取和分析提供支持。
三、波束形成技术的发展及应用前景随着科学技术的进步和测绘需求的不断增长，波束形成技术得到了不断改进和拓展。
在传统的波束形成技术基础上，出现了多个改进和扩展版本，如自适应波束形成、非线性波束形成等。
这些新技术不仅进一步提高了测绘的精度和效率，还扩大了波束形成的应用领域。
lms波束形成算法
lms波束形成算法摘要：1.引言2.LMS波束形成算法的基本原理3.LMS波束形成算法的优缺点4.应用场景及实例5.总结与展望正文：【引言】波束形成算法是无线通信系统中的一项关键技术，它通过调整天线阵列的信号相位来实现多用户的信号传输和干扰抑制。
LMS（Least Mean Squared，最小均方）算法作为一种自适应波束形成算法，因其简单、易于实现的特点，被广泛应用于实际系统中。
本文将详细介绍LMS波束形成算法的基本原理、优缺点、应用场景及实例。
【LMS波束形成算法的基本原理】LMS波束形成算法是基于最小均方误差（MMSE）准则的。
其基本原理如下：1.首先，根据接收到的信号，计算天线阵列的权值向量。
2.然后，根据权值向量和接收信号的协方差矩阵，计算期望输出信号的功率。
3.接着，根据期望输出信号的功率和实际输出信号的功率，计算最小均方误差。
4.最后，根据最小均方误差，不断更新天线阵列的权值向量，使实际输出信号更接近期望输出信号。
【LMS波束形成算法的优缺点】1.优点：- 结构简单，计算量小，易于实现；- 对阵列噪声和快拍噪声具有较好的抗干扰性能；- 能够在线学习，适应信道环境的变化。
2.缺点：- 收敛速度较慢，对慢变信道不太适用；- 易受到初始权值的影响，可能导致收敛到局部最优解；- 在存在多个用户的情况下，性能可能会受到影响。
【应用场景及实例】LMS波束形成算法广泛应用于以下场景：1.无线通信系统：通过调整天线阵列的权值，实现多用户的信号传输和干扰抑制。
2.阵列信号处理：例如，在声呐系统中，对多个目标信号进行分辨和跟踪。
3.通信信号处理：如OFDM（正交频分复用）系统中，用于抑制子载波间的干扰。
以下是一个简单的实例：假设一个M×N的天线阵列，接收到的信号为N个用户的叠加信号，同时存在加性噪声。
通过LMS算法，我们可以自适应地调整天线阵列的权值，使得接收到的信号经过波束形成后，尽可能接近理想的用户信号。
波束形成算法原理
波束形成算法原理波束形成（Beamforming）是一种通过合理设计信号传输过程中的波束来达到增强接收信号或抑制干扰的技术。
在无线通信系统中，波束形成可以提高系统的容量、覆盖面积和抗干扰能力。
本文将介绍波束形成算法的原理和相关参考内容。
波束形成算法的原理如下：1. 传输信号：首先，发送端根据波束形成算法生成一组复振幅和相位的权值。
这些权值可以根据不同的算法计算，如最大比合并（Maximum Ratio Combining，MRC）、分集最小均方差（Minimum Mean Square Error，MMSE）和零交叉零自相关函数（Zero-Crossing Zero-Autocorrelation，ZZC）。
然后，通过适当的信号加工方法，将这些权值应用到各个天线上的信号上，形成波束。
2. 传输过程：在传输过程中，波束会呈现出不同的形状，如定向波束、扇形波束和全向波束。
这些形状的选择取决于特定的场景和需求。
波束的形成可以通过调整天线的振子阵列或调整天线的振子单元来实现。
3. 接收信号：接收端的天线会检测到波束形成后的信号，并利用相应的算法对这些信号进行处理。
常见的算法包括最大比合并（Maximum Ratio Combining，MRC）、分集最小均方误差（Minimum Mean Square Error，MMSE）和零交叉零自相关函数（Zero-Crossing Zero-Autocorrelation，ZZC）。
这些算法主要用于合并波束形成的信号，并提高接收端的信号质量和抗干扰能力。
波束形成算法的设计和实现涉及到多个方面的知识，包括信号处理、天线设计、无线通信系统的基本原理等。
以下是一些相关参考内容：1. 《无线通信中的波束形成技术》（作者：李维佳，出版时间：2019年）：这本书详细介绍了波束形成技术在无线通信系统中的应用。
书中提供了波束形成算法的设计方法和实现技巧，并以实际案例展示了波束形成技术的实际效果。
mvdr波束形成算法
mvdr波束形成算法MVDR波束形成算法全称为最小方差无偏估计（Minimum Variance Distortionless Response），也被称为逆滤波器法（Inverse Filtering）。
该算法是一种基于自适应滤波的波束形成技术，可以用于抑制干扰并提高信噪比。
在信号处理中，MVDR波束形成算法是基于传感器阵列收集到的多个输入信号进行处理和滤波，其目标是得到一个合成信号，使得该合成信号的信噪比尽可能高，同时抑制干扰的影响。
具体实现方法是通过自适应滤波器不断地调整各传感器的权重系数，使得输出信号的方差最小，从而达到抑制干扰的目的。
MVDR波束形成算法的主要优点是可以针对复杂的信号环境进行处理，并能够有效地抑制强干扰的影响，提高接收信号的质量和精度。
同时该算法还可以灵活地适应不同的信号类型，具有较好的通用性和适用性。
MVDR波束形成算法的主要步骤包括：确定阵列几何结构，计算协方差矩阵，根据所选目标函数构造约束条件，最小化方差估计，以获取最佳波束形成滤波器。
总之，MVDR波束形成算法是一种常用的自适应波束形成技术，可以用于抑制干扰和提高信噪比，在语音识别、雷达图像处理等领域有着广泛的应用。
MVDR波束形成算法的公式如下：先定义d(θ)为到达角为θ的信号入射方向与阵列垂线之间的夹角，s(n)为阵列接收到的输入信号向量，w(n)为自适应滤波器系数向量，x(n)为合成信号向量，则可得到以下公式：其中，HH表示共轭转置。
MVDR波束形成算法的目标是最小化输出信号的方差，即：其中，E[\cdot]E[⋅]表示期望操作。
进一步地，我们可以引入约束条件来保证信号不失真，即：由此，可以得到MVDR波束形成算法的优化问题表达式为：通过求解该优化问题，可以得到最佳的自适应滤波器系数向量w(n)w(n)，从而实现MVDR波束形成的功能。
波束形成 算法
波束形成算法
波束形成算法是一种利用阵列信号处理方法，通过调整合成波束的权重和相位，以实现信号增强或抑制的技术。
其目的是改变阵列天线的指向性，从而增强感兴趣的信号，抑制干扰和噪声。
常见的波束形成算法包括最小均方误差（Least Mean Square, LMS）算法、最大信噪比（Maximum Signal-to-Noise Ratio, MSNR）算法、最大似然（Maximum Likelihood, ML）算法和
最小方差无偏（Minimum Variance Unbiased, MVU）算法等。
LMS算法是最简单的一种波束形成算法，它通过不断迭代调
整权重和相位，最小化输出信号与期望信号之间的均方误差，从而达到波束指向性的优化。
MSNR算法则基于最大化信号与噪声的比值，通过调整权重
和相位以最大化输出信号的信噪比，从而实现波束形成的优化。
ML算法则是基于概率统计的方法，通过似然函数最大化，估
计出最适合的权重和相位配置，从而实现波束形成。
MVU算法则是一种无偏估计方法，通过最小化误差的方差，
以实现波束形成的优化。
以上只是几种常见的波束形成算法，实际应用中还有很多其他的算法和改进方法，具体选择哪种算法要根据具体的应用场景和需求进行评估和选择。
波束形成原理
波束形成原理波束形成原理是指在无线通信系统中，如何通过天线来形成指定方向的波束，从而实现对特定区域的信号覆盖和接收。
波束形成技术是无线通信系统中的重要技术之一，它可以提高系统的频谱利用率和抗干扰能力，同时也可以改善用户体验和网络覆盖范围。
本文将对波束形成原理进行详细介绍。
首先，波束形成的原理是基于天线阵列的。
天线阵列是由多个天线单元组成的，这些天线单元之间的间距是根据波束宽度和波束方向来设计的。
在波束形成过程中，通过控制各个天线单元的相位和振幅，可以使得发射的信号在特定方向上形成波束。
这样一来，就可以实现对特定区域的信号覆盖和接收。
其次，波束形成的原理是基于波束赋形技术的。
波束赋形技术是通过对发射信号的相位和振幅进行调节，从而使得信号在空间中形成指定方向的波束。
这种技术可以在不改变信号频率和功率的情况下，实现对特定方向的信号传输和接收。
通过波束赋形技术，可以有效地减小信号的波束宽度，提高信号的方向性和覆盖范围，从而提高系统的频谱利用率和抗干扰能力。
此外，波束形成的原理还涉及到波束跟踪技术。
波束跟踪技术是指在移动通信系统中，通过对移动用户的位置和运动状态进行监测和跟踪，从而实时调整波束的方向和角度，以保证信号能够准确地覆盖到移动用户所在的位置。
通过波束跟踪技术，可以有效地提高移动通信系统的覆盖范围和通信质量，同时也可以降低系统的功耗和干扰程度。
综上所述，波束形成原理是通过天线阵列、波束赋形技术和波束跟踪技术来实现的。
通过这些技术手段，可以实现对特定区域的信号覆盖和接收，提高系统的频谱利用率和抗干扰能力，改善用户体验和网络覆盖范围。
波束形成技术在5G和未来的通信系统中将扮演着越来越重要的角色，它将成为无线通信系统中的关键技术之一。
波束形成概述
波束形成概述波束形成是一种利用天线阵列的技术，通过合理控制天线的发射相位和幅度，使得发射的无线电波在空间中形成一个指向特定方向的波束。
波束形成技术在通信、雷达、无线电定位等领域具有重要应用。
波束形成的基本原理是利用天线阵列中的各个天线之间的相位差来控制波束的方向。
通过调整各个天线的相位，可以使得波束在特定方向上增强，而在其他方向上衰减。
这样就可以实现向特定方向传输能量，从而提高通信质量或者实现目标探测和定位。
在通信系统中，波束形成可以用来提高信号的传输效率和可靠性。
传统的无线通信系统中，无线信号会以均匀的方式辐射到周围空间，造成能量的浪费和干扰。
而利用波束形成技术，可以将信号集中在特定的方向上，减少能量的损耗和干扰的影响。
这样就可以提高信号的传输距离和传输速率，提高通信质量。
在雷达系统中，波束形成可以用来实现目标探测和定位。
传统的雷达系统通过旋转天线来扫描周围空间，效率较低。
而利用波束形成技术，可以将雷达波束集中在目标方向上，提高目标的探测概率和定位精度。
同时，波束形成还可以实现对多个目标的同时探测和跟踪，提高雷达系统的多目标处理能力。
除了通信和雷达领域，波束形成技术还在无线电定位、无线电导航、无线电成像等领域有广泛应用。
通过利用波束形成技术，可以实现对特定目标的定位和成像，提高定位精度和图像清晰度。
在无线电导航系统中，波束形成可以用来实现对目标的导航和定位，提高导航的准确性和可靠性。
波束形成技术的发展离不开计算机和信号处理的支持。
通过计算机和信号处理器，可以实现对天线阵列中各个天线的相位和幅度进行精确控制，实现波束形成的精确调控。
同时，利用信号处理算法，可以对接收到的波束信号进行处理和优化，提高系统的性能和抗干扰能力。
总结起来，波束形成是一种利用天线阵列的技术，通过合理控制天线的发射相位和幅度，使得发射的无线电波在空间中形成一个指向特定方向的波束。
波束形成技术在通信、雷达、无线电定位等领域具有重要应用，可以提高通信质量和系统性能，实现目标探测和定位，提高导航的准确性和可靠性。
第四章 波束形成(Beamforming)
1 x1 (t ) αZ (t ) jφ x (t ) αZ (t )e jφ 2 = αZ (t ) e = Z (t ) = M M M j ( M 1)φ j ( M 1)φ e xM (t ) αZ (t )e = αZ (t )a (θ ) (4.1.6)
a (θ i ) = [1, e
j
2π
λ
d sin(θ i )
,L, e
j
2π
λ
d ( M 1) sin(θ i )
]T
S ( k ) = [ s1 ( k ), s2 ( k ),L, s p ( k )]T
n(k ) = [n1 (k ), n2 (k ),L , nM (k )]T
阵列信号的二阶统计量,阵列协方差矩阵(均值为零)
[
]
(4.1.1)
基带信号Z(t)是接收信号的复包络, 通过对S(t) 解调得到. 阵元接收信号时,各阵元对同一信号有时间延迟.
Sτ ( t ) = S ( t τ ) = Re Z ( t τ ) e
延迟信号的复包络为:
[
j 2 π f cτ
e
j 2πf c t
]
(4.1.2)
Z τ ( t ) = Z ( t τ ) e j 2πf cτ
H = E{[s1(k)a(θ1) +L+ sp (k)a(θp )][s1H (k)aH (θ1) +L+ sp (k)aH (θp )]} H
s1(k) +L+ sp (k) s1(k) +L+ sp (k) M M = E{s } j ( M1)p j ( M1) p s1(k)e j(M1)1 +L+ sp (k)e s1(k)e j(M1)1 +L+ sp (k)e x1(k) H = E{ M [x1(k),L, xp (k)] } xp (k)
- 1、下载文档前请自行甄别文档内容的完整性，平台不提供额外的编辑、内容补充、找答案等附加服务。
- 2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
- 3、如文档侵犯您的权益，请联系客服反馈,我们会尽快为您处理(人工客服工作时间：9:00-18:30)。
3.5 两种特殊的波束形成技术3.5.1协方差矩阵对角加载波束形成技术常规波束形成算法中，在计算自适应权值时用XX R ∧代替其中的X X R 。
由于采样快拍数是有限的，则通过估计过程得到的协方差矩阵会产生一定误差，这样会引起特征值扩散。
从特征值分解方向来看，自适应波束畸变的原因是协方差矩阵的噪声特征值扩散。
自适应波束可以认为是从静态波束图中减去特征向量对应的特征波束图，即:m in1()()()()(()())Ni V V iv iv V i iG Q E E Q λλθθθθθλ*=-=-∑,其中()V G θ是是自适应波束图，()V Q θ是静态波束图，即没有来波干扰信号而只有内部白噪声时的波束状态。
i λ是矩阵X X R 的特征值。
()iv E θ是对应i λ的特征波束图。
由于X X R 是 Hermite 矩阵，则所有的特征值均为实数，并且其特征向量正交，特征向量对应的特征波束正交。
而最优权值的求解表达其中的X X R 是通过采样数据估计得到的，当采样快拍数很少时，对协方差矩阵的估计存在误差，小特征值及对应的特征向量扰动都参与了自适应权值的计算，结果导致自适应波束整体性能的下降。
鉴于项目中的阵列形式，相对的阵元数较少，采样数据比较少，很容易在估计协方差矩阵的时候产生大的扰动，导致波束的性能下降，所以采用对角加载技术来保持波束性能的稳定及降低波束的旁瓣有比较好的效果。
（1）对角加载常数λ当采样数据很少时，自适应波束副瓣很高，SINR 性能降低。
对因采样快拍数较少引起自相关矩阵估计误差而导致的波束方向图畸变，可以采用对角加载技术对采样协方差矩阵进行修正。
修正后的协方差矩阵为:XX XX R R I λ∧=+。
自适应旁瓣抬高的主要原因是对阵列天线噪声估计不足，造成协方差矩阵特征值分散。
通过对角加载，选择合适对角加载λ ，则对于强干扰的大特征值不会受到很大影响，而与噪声相对应的小特征值加大并压缩在λ附近，于是可以得到很好的旁瓣抑制效果。
对于以上介绍的通过 LCMV 准则求得的权值o p t w 经过对角加载后的最优权值为：111()(())H opt XX XX w R I A A R I A f λλ---=++（2）广义线性组合加载技术对角加载常数λ 来修正采样协方差矩阵，能够有效实现波束旁瓣降低的同时提高波束的稳健性。
但是对加载值λ 的确定有一定难度，目前还是使用经验值较多。
于是，来考虑另外一种能够有效实现协方差矩阵的修正，而且组合参数能够精确求解的方法即广义线性组合加载技术。
通过线性组合方式修正后的协方差矩阵为：XX XX R R Iβα∧=+其中XX R为修正后的协方差矩阵，XX R ∧为采样协方差矩阵，α和β为组合参数。
且0,0αβ≥≥，可保证修正后的协方差矩阵XX R为非负定矩阵。
α和β基于最小方差准则（MSE ）确定，2M SE R E R R⎧⎫⎪⎪⎛⎫=-⎨⎬ ⎪⎝⎭⎪⎪⎩⎭即使修正后的协方差矩阵尽可能的接近期望协方差矩阵。
基于最小方差准则（MSE ）的线性组合加载优化问题如下所示：222(1)M SE R I RE R Rαββ⎧⎫⎪⎪⎛⎫=--+-⎨⎬ ⎪⎝⎭⎪⎪⎩⎭其中R 为广义线性组合加载后修正的协方差矩阵，R 为期望协方差矩阵，α和β为对应式中的线性组合参数。
这样很容易解得优化参数α和β如下：,ργανβγργρ==++其中，2E R Rρ∧⎧⎫⎪⎪=-⎨⎬⎪⎪⎩⎭，()tr R M υ=,2I R γν=-,01,1βα≤≤≥,为了从已知数据中得到α和β参数的估计值，需要得到ρ的估计值，计算表达式如下所示：422111()Ni y n RNNρ∧∧==-∑通过修正后的协方差矩阵求得全新权值，实现自适应波束形成，能够有效地降低波束的旁瓣，提高其稳健性。
3.5.2 幅度加权技术对于阵列天线，为了获得低旁瓣性能，通常以加窗函数（即幅度加权）的方法来实现常用的幅度加权函数有：多尔夫-切比雪夫加权、海明加权等等。
另一种加权方式如圆孔径加权，圆孔径加权是加权系数与天线阵元距离阵面中心距离有关的一种加权方式，其形式为：220(1)pr w r r R⎧⎪=⎨-⎪⎩＞R ≤Rr 为阵元距离阵面中心的距离，R 是圆阵面半径，1,2,3,4p P = 为圆孔径加权函数的阶数。
在幅度加权降低波束旁瓣的过程中，把幅度权值的确定与阵列的特殊形式结合起来考虑，能够更有效的实现波束旁瓣的降低。
结合圆孔径加权规律即加权系数与天线阵元距离阵面中心距离有关。
针对项目研究中的七臂圆环阵列，采用幅度加权方式如下：70.51()()2,3,4,5pk k k r k ω-=⎧=⎨=⎩其中，k 代表圆环阵列中的环数，即对每一圆环上的阵元施加相同权值()k ω，7k r - 则代表第（7-k ）个圆环的半径，1,2,3,4p P = 为加权函数的阶数。
3.6 基于粒子群优化的数字波束形成算法3.6.1 算法原理介绍假设有 P 个独立的空间远场窄带信号源{}1()Pi i s t =，分别以方位角与俯仰角为{}1,Pi i i θφ=，同时照射到由 M 个阵元构成的空间信号接收阵列，则第m 个阵元接收信号为：2()1()()(),1,2,,Pj R m i m i x t s t en t m M λ-∆==+=∑∏,其中λ代表信号波长，cos cos cos cos sin m m i i m i i m i R x y z θφθφθ∆=++，(,,)m m m x y z 代表第 m 个阵元的空间坐标，()m n t 代表第 m 个阵元输出的零均值、方差为2σ统计独立的高斯白噪声。
假设信号 1 为期望信号，其它 P-1 个信号为干扰信号，这样上式可改写为：111()(,)()()()j j X t a s t A S t N t θφ=++其中11(,)a θφ代表期望信号()s t 的阵列方向向量，[]2233(,)(,)(,)j PPA a a a θφθφθφ= 代表干扰信号矢量()j s t 对应的阵列流型。
数字波束形成就是以某种波束形成准则为基础，在某种约束条件下计算出阵列的权值矢量[]11,,TMW w w w =，通过对阵元的输出信号进行加权，从而使期望方向上的信号得到加强的同时最大限度地抑制干扰，提高系统的输出信干噪比。
假设求得的第m 个阵元的最佳加权系数为M w ,令[]11,,TMW w w w = 表示加权矢量，则阵列接收的信号为：11()()()()P HHs Jii y t W s t Wst N t -==++∑对于常规的基于最大信号干扰噪声比准则导出 SMI 波束形成算法，尽管是 Wiener 解，但是需要阵列输出信号协方差矩阵求逆。
当阵元数较多时，计算负担相当大，有时甚至无法接受。
本文针对波束形成这一非线性问题，以输出最大信干噪比为准则，给出一种基于粒子群算法的波束形成算法。
粒子群算法是基于群体的优化方法，算法中每个优化问题的解都是搜索空间中的一个粒子，所有粒子都有一个由被优化的函数决定的适应值( fitness value )，每个粒子还有一个速度(v)决定他们飞翔的方向和距离。
然后粒子们就追随当前的最优粒子在解空间中搜索，如此反复，直到满足停止条件，从而得到最优解。
粒子群算法的收敛速度和优化解的性能都与适应度函数的选取有很大的关系，而且粒子数、速度、加速常数及惯性权重都是由经验值确定，因此粒子群算法的关键问题是适应度函数的选取。
不同的优化问题，适应度函数的选取不一样。
由于阵列信号处理中波束形成所要解决的问题是在接收有用信号的同时，最大限度地抑制干扰，从而提高阵列天线的输出信干噪比。
因此，本文以输出最大信干噪比为适应度函数，以输出最大信干噪比为目标来寻求最优权值。
选择接收信干噪比 SINR 作为适应值函数。
阵列输出信号加权和的信号干扰噪声比为:2HHJN W WSIN R WR Wσ=其中2JN J R R I σ=+，J R 代表阵列输出干扰信号的协方差矩阵，JN R 则代表阵列的输出干扰和噪声的协方差矩阵。
上式就可以计算出数字波束形成向量。
下面基于粒子群优化计算，算法中取函数的适应值为:F itness SIN R=在基于粒子群算法的波束形成问题中，定义每一组权值为一个粒子。
在算法的过程中，首先要确定粒子的数目，粒子数根据实际的问题一般取 10～100，粒子数确定后，就要初始化权值和权值更新变化速度，然后通过下面式子计算每个阵元权值的自我更新速度和新的权值。
1012()()k k k k k k v c v c pbest w c gbest w +=+-+-11k k k w w v ++=+其中k v 是权值的自我更新速度矢量，k w 是当前权值的位置，k pbest 代表第 k 次迭代最优解的位置；k gbest 代表整个种群当前最优解的位置，0c 代表速度惯性因子，1c 和2c 代表学习因子。
通常有[]00.4,0.9c ∈，122c c ==。
基于粒子群算法的波束形成算法的计算步骤如下：1) 初始化 n 组阵列的初始权值和 n 组初始速度。
为了多样性，它们都是随机产生的。
2) 根据这 n 组权值和它的更新速度得到 n 组新的权值。
3) 根据天线接收的数据计算每组权值的适应值；对各组权值，若它的适应值优于原来的各组权值的最优解p b e s t ，则设置当前适应值为各组的最优解pbest 。
4) 根据各组权值的个体最优解pbest 找出全局最优解gbest 。
按速度更新公式更新自己的速度，并返回数据。
如此往复直到达到设定的迭代次数，从而得到的全局最优解gbest 就是阵列天线的权值。
用得到的权值对天线的阵进行加权，就可以得到天线的波束输出信号。