基于智能优化算法的自适应波束形成技术研究

发布时间：2020-04-20 07:40

【摘要】：阵列信号处理有很多分支,其最重要的就是采用了位于空间中的不同位置的传感器阵列。自适应波束形成作为其较重要的一个研究内容同样采用了传感器阵列对信号进行采集。根据所采集的信号对各个阵列的加权系数进行相应调整,这样来实现信号的最优接收。而最优权矢量的求取直接决定着能否对干扰进行有效地抑制,所以针对最优权矢量的求取展开研究具有十分重要的意义。首先,对信号处理的基本知识进行简要介绍,包括数学模型的建立、波束形成的原理和方向图、统计最优波束形成的基本准则等,并选取常用的几种波束形成算法进行分析。其次,介绍入侵杂草算法(Invasive Weed Optimization,IWO),将IWO应用于波束形成自适应权矢量求取中。针对IWO在处理问题时所出现的寻优速率慢和全局性不高问题,提出了改进的杂草算法(Modified Invasive Weed Optimization,MIWO)。该算法中杂草种子采取根据适应度值分段式扩散方法,保证了植株粒子快速收敛到全局最优解。仿真证明MIWO对干扰信号的抑制更好,更加适合自适应波束形成。然后,针对MIWO在干扰增加时无法准确对准干扰信号形成零陷这一问题,提出了一种改进的鸡群优化波束形成算法,鸡群算法(Chicken Swarm Optimization,CSO)通过将种群分为寻优能力及寻优方式均不同的三种子群,加快了整个群体的寻优能力的同时保证全局性。并针对CSO在波束形成过程中,方向图的旁瓣信号电平较高的问题,提出了三种改进的鸡群算法,通过理论分析及仿真验证选出了最优鸡群优化算法,改进的鸡群算法(Modified Chicken Swarm Optimization,MCSO)可在复杂情况下依旧准确的对干扰信号进行抑制。最后,分别将MIWO及MCSO应用于自适应波束形成中,并进行了相应的仿真验证。仿真结果表明:MIWO凭借其种子方差随适应值进行改变的特性,形成的零陷深,对干扰抑制强。MCSO凭借其独特的寻优方式,在处理复杂函数时仍旧可以保持较高的寻优精度,能准确的对准干扰信号并形成有效抑制,抗干扰稳定性强,输出信干噪比高。
【图文】：

原理图,波束形成,原理图,向量形式

图 2.2 波束形成原理图法，也称作常规波束形成(CBF)或空间匹配滤波器，，输出端补偿各个阵元的传播时延，以使阵列在有用方向上产生较小的响应。用此方法对整个空间进行。线法获得的阵列输出可以表示为*0( ) ( ) ( ) Mi iiy t w x t 向量形式表示有 0 1( ) ( ), ( ), ( )TMx t x t x t x t 向量形式表示有 0 1( ) ( ), ( ), ( )TMw w t w t w t输出也可用向量表示为( ) ( ) ( )Hy t w x t

方向图,阵元,方向图,有用信号

规波束形成器为了使天线阵在有用信号方向d到各个阵元的时间延迟，因此权矢量应表示成( ) 1, , , Tjwt jMwtw e e 比式(2-9)，不难发现，若空间只有一个有用信号，那么有用信号的导向矢束形成器合适的权向量，即( )CBF dw a 权向量能够令阵列在有用信号角度获得最大的输出增益 ( ) ( )Hd d a a N。显然，此时阵列的输出信噪比最大，而大多数情况下，信号的功率，将干扰信号功率置零。阵列方向图图 2.2 波束形成原理图可知，阵列 N 个接收信号经过加权处理得到的阵列*1( ) ( ) ( )NHi iit t t y w x W X 中，“ ”表示求复共轭转置。阵列方向图如图 2.3 所示。
【学位授予单位】：哈尔滨工程大学
【学位级别】：硕士
【学位授予年份】：2018
【分类号】：TN911.7;TP18

【参考文献】