智能天线自适应算法MATLAB仿真分析与研究(毕业设计)

Click to edit Master text styles,Second level,Third level,Fourth level,Fifth level,Click to edit Master title style,本科毕业设计,本科毕业设计,智能天线自适应算法MATLAB仿真分析与研究,信,工,程,通,201041302121,李,指导老师：,Table of Contents,本选题研究的意义,2,智能天线概述和,常见自适应算法,3,MATLAB仿真分析与研究,4,论文遇到的难题与解决方法,5,毕业设计任务要求,1,总结与致谢,6,1.毕业设计任务要求,1,分析研究几种经典的自适应算法，如最小均方算法、递推最小二乘算法、恒模算法，并且进行相应的 MATALB仿真,2,对智能天线的波束赋形进行MATLAB仿真实验，并且对所提三种算法进行测试和数据分析,，,3,对比不同自适应算法的优劣，主要针对其算法的收敛特性、运算复杂度及抗干扰性等；分析波束成形图以及所得数据。,本论文主要对几种最常见的智能天线自适应滤波器算法进行较为全面的性能比较,并利用MATLAB程序进行仿真分析不同算法的误差、收敛速度和稳定性等。,主要分为以下三部分：,2.本选题研究的意义,智能天线的前景无可限量，现实中已经有很多国家投入了大量的资金和技术支持，并相继取得了一些瞩目的成就。目前对于智能天线的研究主要体现在,解决,下面两个问题:,一是研究讨论了智能天线在无线通信系统中的实用可行性和有效性，在一定条件下，利用波束赋型技术和自适应算法，自适应地调整加权系数，使得主波束方向聚焦于用户信号，在更好的跟踪有用信号的同时，抑制了噪声干扰信号，保持最佳通信，提高了通信系统的容量和频率利用系数。,二是在理论方面研究掌握了智能天线的基本结构和原理，提出了性能优劣测量的准则，并且研究了天线阵列的自适应算法，为通信系统的优化提供了很多理论支持。,自适应算法作为智能天线的关键组成成分，在处理数字信号和自适应调整天线方向发挥着重要作用，如何提高收敛特性和减少运算复杂度也相应地成为我们讨论的重要课题。所以，研究智能天线及其自适应算法具有一定意义！,RESEARCH,RIS,SINGIFICANCE,3.智能天线概述和常见自适应算法,智能天线是,由,自适应天线阵列,，,它主要由天线阵列、波束形成网络和自适应算法,三部分组成,，智能天线基本机构图如下所示：,天线阵列,天线阵元的数量与其配置方式会影响智能天线的性能优劣，通常我们听到天线阵列有线阵,，圆阵、三角阵，不规则阵和随机阵等,波束形成,网络,波束形成网络主要是根据自适应算法对用户信号进行数字化处理，从而得到真正需要跟踪的信号,自适应算,法处理,自适应处理器是根据阵列加权综合技术和最优化波束形成算法产生来波方向的权值,3.1 智能天线概述,3.2 常见自适应算法,LMS最小,均方算法,RLS递推,最小二乘,算法,CMA恒模,算法,最小均方（LMS）自适应算法就是一种以期望响应和滤波输出信号之间误差的均方值最小为准的，依据输入信号在迭代过程中估计梯度矢量，并更新权系数以达到最优的自适应迭代算法。LMS算法是一种梯度,最陡,下降方法，其显著的特点是它的简单性。这算法不需要计算相应的相关函数，也不需要进行矩阵运算。,递推,最小二乘,是一种,自适应横向滤波器的递归算法,，,即给定n-1次迭代滤波器抽头权向量最小二乘估计，依据新到达的数据计算n次迭代权向量的最新估计。,恒模算法（CMA）属于盲自适应算法，在不需要任何参考信号的情况下，普通的均衡器一般需要经过训练和跟踪两个阶段，而盲均衡技术在天线的发射端发送训练序列，仅知道信号输出输入的统计特性即可，它在信号眼图中，即使眼图不张开，也能收敛。,4.,MATLAB仿真分析与研究,LMS算法MATLAB仿真实验,本实验将分,三,个步骤完成:,先定义参变量M,、,N,w=zeros(M,N,3,2)f=zeros(M,N,3,2)，括号里的3和2分别用来控制3种步长因子和a的两个不同参数,然后，对不同的参数a、不同的步长因子u和不同的试验次数M分别进行N次迭代来获得每个点的权值系数。,最后,分别绘出该一阶自适应预测器的权值和均方误差瞬时特性图与不同步长因子下的曲线图,，并得出结论,图,1,=,0.00026,时的滤波效果图,4.1 LMS仿真结果,图,2,取,0.26,时的滤波效果图,由以上实验结果分析可归纳为：,偏大时,自适应时间越短,自适应过程越快,但它引起的失调也越大,所以导致滤波结果很模糊，输出信号变化较大，,偏小时,系统比较稳定,输出信号变化小，失调也小,但自适应过程却相应加长了,因此参数,的选择应从整个系统要求出发,在满足精度要求的前提下,尽量减少自适应时间。其实也可,在仿真中发现，LMS算法对u的要求不大，也就是说只要u,的,选择合理,，,算法一般都能够收敛。这说明LMS算法具有很强的实用性。LMS算法,的,确是一种算法相对简单，而性能又相当优越的一种自适应算法。这些特点，使得LMS滤波器越来越多的应用于更广泛的领域。,4.2 LMS仿真结论分析,RLS算法MATLAB仿真实验,本实验将分,2,个步骤完成:,1）,初始化：w(0)=0, R(0)=,I,其中I位单位矩阵,2）,更新：对于n=1、2计算：,4.3 RLS算法仿真实验步骤,4.4 RLS仿真结果,图3 误差,e(k)(,蓝色,),和输出信号,y(k),（红,色）的对比图,图4 滤波器系数变化曲线,算法初始化之后，天线阵列信号的信息可以通过自适应算法RLS得到。在权值迭代调整过程中，利用矩阵运算性质得到信号相关程度，从而显著提高自适应波束的收敛速度。自适应滤波器除噪声系统能够有效地从噪声中恢复出原始信号，但在实际应用中，要注意参考信号与噪声信号的相关性，相关性越大，自适应噪声抵销系统的噪声抵消效果越好。,4.5 RLS仿真结论分析,CMA算法MATLAB仿真实验,常见的恒模算法（CMA）基本原理框图,S(n)是未知的，一般用发送序列的估计值来代替。图中e(n)为均衡器的输出相对估计信号的误差信号； x(n)为均衡器的输入信号,。,y(n)为均衡器的输出信号g(.)为非线性无记忆估计函数,。,4.6 CMA仿真实验原理,4.7 CMA仿真结果,图5 理想,4QAM,调制信号的星座图,图6 经过信道嗓声影晌后的信号星座图,图7 均衡器输出端信号的星座图,图8,CMA,算法的不同步长收敛速度,仿真结果证实，采用大步长，能够加快收敛速度，但同时会带来大的稳态剩余误差和误码率。为了减小算法收敛后的稳态剩余误差和误码率应采用小步长，但会使算法收敛速度变慢。从仿真结果图中可以看出，算法均衡后的星座更加集中、清晰，具有更小的稳态剩余误差和误码率。恒模算法（CMA）属于盲自适应算法，在不需要任何参考信号的情况下，普通的均衡器一般需要经过训练和跟踪两个阶段，而盲均衡技术在天线的发射端发送训练序列，仅知道信号输出输入的统计特性即可，它在信号眼图中，即使眼图不张开，也能收敛。它区别于前面所述的最小均方算法（LMS）和递推最小二乘算法（RLS），主要是误差产生的方式不同。,4.8 CMA仿真结论分析,4.9 三种算法的性能比较,算法,算法优点,算法优缺点,算法类型,LMS,收敛速度慢，但是算法简单易行,需参考信号，收敛速度最慢,非盲算法,RLS,收敛速最度快，计算相对复杂,需参考信号，算法较复杂,非盲算法,CMA,收敛性能好，但是可能收敛到干扰信号,不需参考信号,盲算法,5.,论文遇到的难题与解决方法,难题1：,算法公式推导及如何更好的进行优化,难题2：,MATLAB仿真程序与优化,解决方法：,熟悉算法的公式，在适当定义下用MATLAB编程，用规范的m文件程序进行书写，遇到问题到MATLAB论坛讨教或直接百度。,难题3：,论文,格式问题,解决方法：,按要求严格进行编排，并且及时反馈给指导老师，在老师的帮助下更好地完成论文要求,解决方法：,认真查阅相关资料，结合以前自己参加数学建模时所了解过的算法，进行对比分析。,6.总结与致谢,这次写论文，由于考研准备的原因，写的时间有点匆促，而且在研究算法的时候，很多理论推导和MATLAB仿真都是以前没有接触过的知识，能够顺利完成此次论文，我,要,衷心地感谢,老师和,老师,，是他们的悉心指导和关心让我,不断学习、不断进步！,时光匆匆，岁月悠悠，转眼,即将在,自己,的,大学画上句号。,在这里，我还要,感谢东莞理工学院的培养，感谢这里遇见的所有老师、朋友、同学，,是你们丰富了我的,大学生活,！谢谢你们！,谢谢各位老师观赏,顺祝老师幸福平安、健康快乐,