共查询到20条相似文献,搜索用时 46 毫秒
1.
2.
智能天线自适应波束形成算法的研究 总被引:3,自引:1,他引:2
智能天线的自适应算法通过迭代运算获取用于波束形成的最优权值矢量时,是否具有较快的收敛速度和较小的稳态误差成为决定波束形成性能的主要因素。据此提出在传统的LMS算法中引入变步长和变换域的思想,采用改进的自:适应算法用于波束形成。MATLAB仿真结果表明,该算法具有较快的收敛速度和较小的稳态误差,波束形成的性能更优。 相似文献
3.
4.
5.
6.
7.
8.
9.
10.
针对方向向量偏差会导致最小均方(LMS)算法的性能急剧下降这一问题,提出了一种基于可变对角载入的顽健自适应波束形成算法.采用最陡下降法对信号方向向量进行优化求解,并在每次迭代过程中更新对角载入值,进而求出最优的权重向量,避免了矩阵求逆运算和特征值分解运算,大大降低了计算复杂度.通过建立步长与输入信号的关系得到可变的步长因子,克服了收敛速度和稳态误差之间的矛盾.该算法收敛速度快,抗扰动性强,对信号方向向量偏差具有很强的顽健性,从而改善了阵列输出的信干噪比,使其更接近最优值.理论分析和仿真结果表明与传统自适应波束形成算法相比,所提顽健算法具有更好的性能. 相似文献
11.
12.
变换域是一种在强相关信号输入时加快自适应算法收敛的方法,但仍然存在收敛速度的要求与稳态失调的要求相矛盾的问题。本文在变换域最小均方误差算法(transform domain LMS, TDLMS)的基础上提出了一种改进的变步长方案,其变步长因子受到误差自相关的控制,消除了不相关的观测噪声的影响。本文分别在平稳和非平稳状态下,对算法的收敛和稳态性能进行理论分析,并给出了最佳的算法参数。仿真设置相同的稳态误差,结果表明本文算法在平稳状态下比固定步长的算法提前1300点收敛,在非平稳状态下提前1400点收敛,且与文献中其它变步长的算法相比收敛速度均有提升。 相似文献
13.
14.
针对雷达干扰机收发天线之间存在的同频干扰问题,文中研究了基于变步长仿射投影(VSSAP)算法的自适应干扰对消技术。该算法针对仿射投影(AP)算法的定步长因子进行改进,建立了以高斯分布函数为基础改进的步长函数,同时利用误差信号的自相关作为步长函数的自变量,得到步长因子随误差信号变化的函数表达式,从而在加快算法收敛速度的同时改善稳态误差。最终的实验结果证明:该算法的收敛速度和稳态误差明显优于最小均方误差(LMS)及其改进算法,且与参考算法相比,收敛速度大大加快,对消比提高了10 dB左右。在转发式雷达干扰机中,欺骗干扰与压制干扰得到有效抑制,使得目标信号得以较好还原。 相似文献
15.
16.
针对期望信号的实际方向与约束方向有误差这一问题,提出了信号子空间投影与非线性约束条件下最小化输出功率相结合的一种改进波束形成算法。该方法能缩小期望信号导向矢量的误差范围,避免导向矢量误差过大引起的波束形成算法性能下降,而且能使收敛速度更快,对信号导向矢量偏差较大的波束形成有很强的稳健性。 相似文献
17.
一种改进的变步长LMS自适应滤波算法 总被引:1,自引:0,他引:1
传统的固定步长的LMS算法难于同时获取较快的收敛速度与较小的稳态误差,基于这一矛盾,将变步长算法与变换域算法相结合,提出一种改进的LMS自适应算法以获得较快的收敛速度和较小的稳态误差。仿真结果表明,此算法在收敛速度与稳态误差的性能上均不同程度地优于其他同类算法,尤其是在低信噪比的情况下,其性能的优越性更为突出。 相似文献
18.
一种改进的变步长LMS自适应滤波算法 总被引:1,自引:0,他引:1
提出一种改进的变步长LMS(Least Mean Square)算法,该算法在步长参数μ与误差信号e(n)之间建立了一种非线性函数关系,并且分析了参数α,β的取值原则及对算法收敛性能的影响。该关系具有在误差e(n)接近零处缓慢变化的优点,克服了s函数变步长LMS算法在自适应稳态阶段μ(n)取值偏大的缺陷。理论分析和计算机仿真结果表明,改进算法的收敛速度和稳态误差的性能指标都有较大的提高。 相似文献
19.
分析了军事通信中传统恒模盲均衡算法的基本原理,并针对恒模算法收敛速度慢、易陷入局部极小点、收敛速度与稳态剩余误差之间矛盾突出的缺点,提出一种基于峭度和记忆梯度的变步长算法。经过理论分析和实验仿真,证明改进后的算法较传统算法具有更好的均衡效果。 相似文献
20.
对于基于梯度自适应的盲源分离算法,认真选择步长参数以达到好的分离性能是非常必要的。如果为加快收敛速度而增大步长因子,将会导致大的稳态误差,甚至引起算法发散,因此固定步长因子无法解决收敛速度和稳态误差之间的矛盾。本文为EASI算法提出了一种变步长的解决方案。通过建立步长因子与分离矩阵相互差异之间的非线性关系,加快了收敛速度,减小了失调误差。计算机仿真结果与理论分析相一致,证实了该算法明显优于传统的EASI算法。 相似文献