菜单
　　
    摘要在目标信号的导向矢量不明确的情况下，我们提出了自适应窄带波束形成的递归贝叶斯方法。导向矢量是一个复高斯随机向量模型，它的特征导向矢量是不确定的。本文应用贝叶斯模型，提出了一种最小均方误差的递归算法。这种算法可以看作是一个由给出观测数据的随机导向矢量的后验概率密度函数加权后得出的有条件的最小均方误差的混合。本论文提出的递归贝叶斯波束形成可以利用直到当前时间的所有观测数据所得出的导向矢量的有关信息，并且它可以估计导向矢量的递归性。仿真结果表明，本论文提出的波束形成器优于线性约束最小方差、子空间投影和其他基于块的贝叶斯波束成形器，它的性能与拥有真实导向矢量的最优最大信噪比波束形成器相类似。5660
    关键词  阵列处理 贝叶斯模型 自适应波束形成 导向矢量的不确定性
    最小均方误差估计
    毕业设计说明书（论文）外文摘要
    Title    Recursive Bayesian Beamforming For Steering    
                  Vector Uncertainties  
    Abstract
    Abstract—A recursive Bayesian approach to adaptive narrowband beamforming for uncertain steering vector of interest signal is presented. The steering vector is modeled as a complex Gaussian random vector that characterizes the level of steering vector uncertainty. Applying Bayesian model, a recursive algorithm for minimum mean square error (MMSE) estimation is developed. It can be viewed as a mixture of conditional MMSE
    estimates weighted by the posterior probability density function(PDF) of the random steering vector given the observed data.The proposed recursive Bayesian beamformer can make use of the information about steering vector brought by all the observed data until the current time, and estimate the steering vector recursively. Numerical simulations show that the proposed
    beamformer outperforms linearly constrained minimum variance(LCMV), subspace projection and another block-based Bayesian beamformer, and it has similar performance to the optimal Max-SNR beamformer with the true steering vector.
    Keywords  Array processing, Bayesian model, adaptive beamforming,
    steering vector uncertainty, minimum means quare error(MMSE) estimation
    目   次
    1    绪论    1
    1.1课题研究的背景    1
    1.2自适应波束形成的研究发展以及应用前景    2
    2    自适应天线阵列基础    3
    2.1自适应天线阵列的组成    3
    2.2自适应天线阵列统计模型    4
    2.3波到达方向估计    7
    3    自适应波束形成    8
    3.1窄带波束形成    8
    3.2波束形成算法准则及算法结构    10
    3.2.1.最大信干噪比(MSINR)准则    10
    3.2.2.最小均方误差(MMSE)准则    11
    3.2.3.最小噪声方差(MNV)准则    11
    3.3经典自适应波束形成算法    12
    4    贝叶斯波束形成    13
    4.1贝叶斯波束形成背景    13
    4.2贝叶斯波束形成的信号模型    14
    4.3最小均方误差估计与贝叶斯波束形成的推导    14
    4.4贝叶斯波束形成的递归实现    15
    4.5数值模拟及对比    18
    结论    24
    致谢    25
    参考文献    26
    1    绪论
    1.1课题研究的背景
    自1959年Van Atta提出了自适应天线阵列这个术语以来，自适应阵列天线技术经过几十年的研究，其理论已有了长足的发展，被广泛应用于雷达、声纳、导航、语音信号处理、地震监测、射电天文以及生物医学工程等众多军事及国民经济领域，特别是近年来，随着计算机和数字信号处理技术的飞速发展，DSP芯片的处理能力日益提高，价格也趋于合理，这就促进了自适应信号处理技术的发展，同时，随着移动通信业务的不断扩大，在有限的频谱资源和不断增长的系统容量需求之间形成了矛盾，而在实际的通信系统中广泛存在的多径干扰、多址干扰、信道衰弱等也对系统性能和容量产生了严重的影响，因而在阵列天线上发展起来的自适应阵列信号处理技术成为解决问题的关键。
  1. 上一篇：基于能量均衡的无线传感网分簇拓扑算法研究
  2. 下一篇：MATLAB的通信系统仿真+文献综述+BFSK源程序

  1. 线阵DOA估计及波束形成算法MATLAB实现

  2. MATLAB波束成形方法仿真分析

  3. VirtualLab自由空间内高斯光束传输过程的研究

  4. Farrow时域延时宽带数字波束形成研究与实现

  5. 全双工MIMO中继协作通信系...

  6. K波段锥形波束天线阵列设计研究HFSS仿真

  7. 低轨卫星智能天线对地快...

  8. 现代简约美式风格在室内家装中的运用

  9. 上市公司股权结构对经营绩效的影响研究

  10. 巴金《激流三部曲》高觉新的悲剧命运

  11. 中国传统元素在游戏角色...

  12. NFC协议物理层的软件实现+文献综述

  13. C++最短路径算法研究和程序设计

  14. g-C3N4光催化剂的制备和光催化性能研究

  15. 江苏省某高中学生体质现状的调查研究

  16. 浅析中国古代宗法制度

  17. 高警觉工作人群的元情绪...

　　

About

优尔论文网手机版...

主页：http://www.youerw.com

关闭返回