数字波束形成DBF.docx

数字波束形成DBF.docx

《数字波束形成DBF.docx》由会员分享，可在线阅读，更多相关《数字波束形成DBF.docx（28页珍藏版）》请在冰豆网上搜索。

数字波束形成DBF

资料范本

本资料为word版本，可以直接编辑和打印，感谢您的下载

数字波束形成-DBF

地点：

__________________

时间：

__________________

说明：

本资料适用于约定双方经过谈判，协商而共同承认，共同遵守的责任与义务，仅供参考，文档可直接下载或修改，不需要的部分可直接删除，使用时请详细阅读内容

摘要

随着高速、超高速信号采集、传输及处理技术的发展,数字阵列雷达已成为当代雷达技术发展的一个重要趋势。

数字波束形成（DBF）技术采用先进的数字信号处理技术对阵列天线接收到的信号进行处理,能够极大地提高雷达系统的抗干扰能力,是新一代军用雷达提高目标检测性能的关键技术之一。

并且是无线通信智能天线中的核心技术。

本文介绍了数字波束形成技术的原理，对波束形成的信号模型进行了详细的推导，并且用matlab仿真了三种计算准则下的数字波束形成算法，理论分析和仿真结果表明以上三种算法都可以实现波束形成，并对三种算法进行了比较。

同时研究了窄带信号的自适应波束形成的经典算法。

研究并仿真了基于最小均方误差准则的LMS算法、RLS算法和MVDR自适应算法，并且做了一些比较。

关键词：

数字波束形成、自适应波束形成、智能天线、最小均方误差、最大信噪比、最小方差

ABSTRACT

Withthedevelopmentofhigh-speed,ultrahigh-speedsignalacquisition,transmissionandprocessingtechnology,digitalarrayradarhasbecameanimportanttrendinthedevelopmentofmodernradartechnology.Digitalbeamforming（DBF）technologyusesadvanceddigitalsignalprocessingtechnologytoprocessthesignalreceivedbyantennaarray.Itcanimprovetheanti-jammingabilityofradarsystemgreatlyanditisoneofthekeytechnology。

Itisthecoreofthesmartantennatechnologyinwirelesscommunicationtoo。

Thispaperintroducestheprincipleofdigitalbeamformingtechnology,thesignalmodelofbeamformingwaspresented,AndthedigitalbeamformingalgorithmunderthethreecalculationcriterionwassimulatedbyMATLAB,theoreticalanalysisandsimulationresultsshowthatthethreealgorithmscanachievebeamforming,andmadesomecomparisonbetweenthethreealgorithms.Atthesametime,madesomestudyabouttheadaptivenarrow-bandsignalbeamformingalgorithm.LearnedandSimulatededtheLMSalgorithmbaseonminimummeansquareerrorcriterionandRLSalgorithmandMVDRalgorithm,anddosomecomparison

KeyWords:

DBF,ADBF,Smartantenna,Theminimummeansquareerror,Themaximumsignaltonoiseratio

TOC\o"1-3"\h\z\uHYPERLINK\l"_Toc389211073"第1章绪论PAGEREF_Toc389211073\h1

HYPERLINK\l"_Toc389211074"1.1背景介绍PAGEREF_Toc389211074\h1

HYPERLINK\l"_Toc389211075"1.1.1数字波束形成在国内外的发展及现状PAGEREF_Toc389211075\h1

HYPERLINK\l"_Toc389211076"1.1.2展望PAGEREF_Toc389211076\h3

HYPERLINK\l"_Toc389211077"1.2论文内容PAGEREF_Toc389211077\h4

HYPERLINK\l"_Toc389211078"第2章DBF原理及应用PAGEREF_Toc389211078\h5

HYPERLINK\l"_Toc389211079"2.1窄带信号模型PAGEREF_Toc389211079\h5

HYPERLINK\l"_Toc389211080"2.2空间匹配滤波器PAGEREF_Toc389211080\h6

HYPERLINK\l"_Toc389211081"2.3阵列方向图PAGEREF_Toc389211081\h7

HYPERLINK\l"_Toc389211082"2.4阵列增益PAGEREF_Toc389211082\h9

HYPERLINK\l"_Toc389211083"2.5波束宽度PAGEREF_Toc389211083\h10

HYPERLINK\l"_Toc389211084"2.6相位扫描的带宽限制PAGEREF_Toc389211084\h10

HYPERLINK\l"_Toc389211085"2.7智能天线PAGEREF_Toc389211085\h11

HYPERLINK\l"_Toc389211086"2.7.1天线结构PAGEREF_Toc389211086\h11

HYPERLINK\l"_Toc389211087"2.7.2实现原理PAGEREF_Toc389211087\h11

HYPERLINK\l"_Toc389211088"2.7.3技术分类PAGEREF_Toc389211088\h12

HYPERLINK\l"_Toc389211089"2.7.4应用领域PAGEREF_Toc389211089\h13

HYPERLINK\l"_Toc389211090"2.8本章小结PAGEREF_Toc389211090\h14

HYPERLINK\l"_Toc389211091"第3章最优波束形成准则PAGEREF_Toc389211091\h15

HYPERLINK\l"_Toc389211092"3.1最小均方误差准则PAGEREF_Toc389211092\h15

HYPERLINK\l"_Toc389211093"3.2最大信噪比准则PAGEREF_Toc389211093\h17

HYPERLINK\l"_Toc389211094"3.3线性约束最小方差（LCMV）准则PAGEREF_Toc389211094\h18

HYPERLINK\l"_Toc389211095"3.4仿真结果PAGEREF_Toc389211095\h19

HYPERLINK\l"_Toc389211096"3.4.1mmse准则下的仿真PAGEREF_Toc389211096\h19

HYPERLINK\l"_Toc389211097"3.4.2MSNR准则下的仿真PAGEREF_Toc389211097\h20

HYPERLINK\l"_Toc389211098"3.4.3LCMV准则下的仿真PAGEREF_Toc389211098\h21

HYPERLINK\l"_Toc389211099"3.5三种准则的对比PAGEREF_Toc389211099\h22

HYPERLINK\l"_Toc389211100"3.6本章总结PAGEREF_Toc389211100\h23

HYPERLINK\l"_Toc389211101"第4章自适应波束形成算法PAGEREF_Toc389211101\h24

HYPERLINK\l"_Toc389211102"4.1经典自适应波束形成算法PAGEREF_Toc389211102\h24

HYPERLINK\l"_Toc389211103"4.2最小均方（LMS）算法PAGEREF_Toc389211103\h25

HYPERLINK\l"_Toc389211104"4.3递归最小二乘（RLS）算法PAGEREF_Toc389211104\h26

HYPERLINK\l"_Toc389211105"4.4最小方差无畸变响应（MVDR）PAGEREF_Toc389211105\h27

HYPERLINK\l"_Toc389211106"4.5经典自适应算法的仿真PAGEREF_Toc389211106\h28

HYPERLINK\l"_Toc389211107"4.5.1LMS算法的仿真PAGEREF_Toc389211107\h28

HYPERLINK\l"_Toc389211108"4.5.2RLS算法仿真PAGEREF_Toc389211108\h30

HYPERLINK\l"_Toc389211109"4.5.3MVDR算法仿真PAGEREF_Toc389211109\h32

HYPERLINK\l"_Toc389211110"4.5.4三种算法比较PAGEREF_Toc389211110\h33

HYPERLINK\l"_Toc389211111"4.6本章总结PAGEREF_Toc389211111\h34

HYPERLINK\l"_Toc389211112"第5章完成的工作PAGEREF_Toc389211112\h35

HYPERLINK\l"_Toc389211113"5.1总结PAGEREF_Toc389211113\h35

HYPERLINK\l"_Toc389211114"5.2存在的问题与解决方法PAGEREF_Toc389211114\h35

HYPERLINK\l"_Toc389211115"参考文献PAGEREF_Toc389211115\h36

HYPERLINK\l"_Toc389211116"致谢PAGEREF_Toc389211116\h37

HYPERLINK\l"_Toc389211117"外文资料原文PAGEREF_Toc389211117\h38

HYPERLINK\l"_Toc389211118"外文资料译文PAGEREF_Toc389211118\h42

主要缩略语表

绪论

1.1背景介绍

信号是信息的载体与表现形式,信息蕴含在信号的某些特征之中。

信号处理的目的就是提取、恢复和最大限度的利用包含在信号特征中的信息。

信号处理技术早期的研究主要集中在一维信号处理中,并在一维信号处理与分析中取得了很多重要成果。

随着信号处理技术的发展,人们将传感器布置在空间的不同位置而组成传感器阵列,用传感器阵列对空间信号进行接收和釆样,将信号处理技术从时域扩展到空域,开辟了空域阵列信号处理这一技术领域[9]。

阵列信号处理是将一组传感器按照一定的规则布置在空间的不同位置,组成传感器阵列,利用传感器阵列对接收到的空间信号进行空域或者空时多维处理的方式,以增强有用目标信号,抑制无关干扰和噪声信号,提取信号的相关特征,估计信号的参数。

与传统单个传感器的一维信号处理相比,阵列信号处理具有更为灵活的波束指向控制,更高的输出信号处理增益,更为精确的空间分辨率等优点,因此阵列信号处理得到了很大的发展,应用领域不断扩大,现已成功应用于雷达和声纳目标检测、无线通讯、射电天文、生物医学、地震探测等诸多工程领域[10]。

阵列信号处理主要研究内容包括数字波束形成（DBF）和自适应波束形成（ADBF）等。

ADBF技术又称为自适应空域滤波,通过对各阵元输入信号自适应加权以实现空域自适应滤波,ADBF技术可以有效增强有用信号,抑制干扰和噪声信号,具有极其重要的理论意义和工程应用价值,本文的研究也正围绕此方面展开。

1.1.1数字波束形成在国内外的发展及现状

数字波束形成的概念来源于军事上雷达和声纳所采用的自适应阵列天线，目的是为了自适应的控制天线波束的主瓣使其对准目标，控制天线波束的零陷，使其对准干扰源，从而可以在强干扰环境下有效地发现和探测目标。

数字波束形成的概念自1959年由VanAtta提出以来，到目前已经经历了四十多年的发展历程，大体上可以划分为四个阶段[1]：

第一个十年的研究集中在自适应波束控制上（六十年代）。

如：

自适应相控阵列天线，自适应波束控制天线等。

50年代，美国出于卫星通信增强信号的需要，开始研究最初意义上的自适应天线。

1964年5月，IEEETrans.onAP第一次出版自适应天线专辑，总结了主波束自适应控制阶段的发展[2]。

第二个十年研究集中在自适应零陷控制上（七十年代）。

如：

自适应滤波，自适应调零与旁瓣对消，自适应杂波控制等。

1976年9月，IEEETrans.onAP第二次出版自适应天线专辑，总结了零向自适应控制阶段的发展。

第三个十年的研究主要集中在空间谱估计上（八十年代）。

如：

最大似然谱估计，最大熵谱估计，特征空间正交谱估计等。

1986年3月，IEEETrans.onAP第三次出版自适应天线专辑，总结了DOA估计的空间谱估计阶段的发展。

在八十年代，自适应天线阵从理论研究进入了广泛应用阶段，但主要限于雷达和声纳领域。

最近十年的研究主要集中在：

（1）结合移动通信的智能天线的实现技术上（九十年代至今）[13]

90年代初陆续有人提出将自适应阵列天线技术应用于移动通信，90年代初开始世界各大通信公司纷纷介入智能天线研究：

美国ArrayComm公司率先推出智能天线系统应用于无线本地环路（WLL），美国Metawave公司已有针对GSM和IS95的智能天线产品。

在日本，ATR光电通信研究所研制基于加锁处理的自适应波束形成处理方式的智能天线。

欧洲通信委员会在RACE计划中开展了TSUNAMI子计划，它由德国，英国，丹麦和西班牙合作完成。

在中国，信息产业部电线科学技术研究院所属的信威公司成功的开发出用于WLL的TDD方式S-CDMA产品，并计划将其改进，推广应用于我国提出的TD-SCDMA方案中。

深圳华为、中兴新通信目前均有一只队伍进行智能天线方面的研究。

（2）DBF在有源相控阵雷达系统中的应用[5]

COBRA雷达：

欧洲先进雷达技术集团总承包，法国汤姆逊公司、德国西门子公司、英国桑伊美公司、美国马丁玛丽埃塔公司等参加。

AN/TPQ-47炮位侦校雷达：

国内，14所，38所在“95”期间研制了一维DBF实验阵，我们学校与206所合作于“十五”期间研制出一个二维的DBF接收阵。

随着移动通信技术的发展,宽带无线通信技术受到广泛的关注。

由于正交频分复用（OFDM）技术具有高的抗干扰和抗多径衰落的能力，因此已经被公认为下一代无线通信系统的核心技术。

尽管OFDM技术能够克服符号间干扰（ISI）的影响，但是由于无线信道是一个多用户信道，存在多径衰落，时延扩展和频率扩展等问题，解决上述问题的传统方法主要包括调制解调、信道编码、均衡、分集和交织等技术，而智能天线技术为这些问题的解决带来了新的思路，认为是无线移动通信技术“最后的疆界”，而数字波束形成技术是智能天线的一个重要研究领域。

当存在干扰甚至强干扰的时候，使用数字波束形成技术能够抑制干扰，降低通信系统误码率，扩大系统容量。

因此在宽带无线系统中，将数字波束形成技术应用到OFDM系统中可以实现高速可靠的数据传输。

同时雷达作为一种特殊的无线电装备，也必然遵循从模拟到数字再到软件化这样的发展道路。

数字波束形成技术被视为新一代雷达所必须采用的技术，它保存了天线阵列单元信号的全部信息，并可采用先进的数字信号处理技术对阵列信号进行处理，可以获得优良的波束性能，方便地得到超分辨和低副瓣的性能，实现波束扫描、自校准和自适应波束形成等。

它的成功应用必将对现代雷达技术的发展产生重大的影响。

在机载雷达上取得成功应用的有源电子扫描阵（AESA）技术，由于AESA是由多个子阵组成，而每个子阵又是由多个T/R模块组成，因此，可以通过数字式波束形成（DBF）技术、自适应波束控制技术和射频功率管理等技术，使雷达的功能和性能得到极大的扩展，可以满足各种条件下作战的需要。

并能因此而开发出很多新的雷达功能和空战战术[10]。

美国应用雷达公司的数字阵列研究。

美国应用雷达公司正在开展多项数字阵列雷达天线的研究。

其中，为导弹防御局研究的是宽带数字波束形成雷达，其发射亦采用数字波束形成技术，为美空军研究实验室研制的是用于雷达和通信x波段数字发射组件。

1.1.2展望

数字波束的形成技术在今后的雷达、移动通信甚至医学射线检测等领域具有广阔的研发空间和发展前景，机遇与挑战并存，随着我国经济的快速发展，也将迎来更大的繁荣。

但是并行性能和实时性能很好的自适应波束形成算法通常需要很大的运算量和较复杂的结构。

目前的硬件性能尚不能完全达到要求。

因此，寻找运算量较小，结构较简单的自适应波束形成算法，是今后研究所追求的目标。

此外，实现算法中的具体参数的优化也对算法最终结果起着重要的作用[1]。

1.2论文内容

本论文内容安排如下：

第一章为绪论，介绍论文研究的背景，主要内容，以及发展历史

第二章主要介绍数字波束形成原理及在无线智能天线中的应用

第三章介绍了最优波束形成三大准则，并且作出仿真，分析和比较

第四章介绍三种常见经典自适应波束形成算法，并加以研究和优点缺点比较。

第五章为全文总结，总结了算法和实现的成果与不足之处，对自己的完成工作做出了总结。

DBF原理及应用

在本章，我们将结合论文研究的课题对DBF原理进行介绍。

以及介绍了以DBF为核心技术的智能天线

2.1窄带信号模型

目前,对于窄带、宽带与超宽带尚无完全统一的定义,不过普遍认可的定义是:

当相对带宽（信号带宽与中心频率之比）小于1%称为窄带（NB）,在1%与25%之间为

宽带（WB）,大于25%则称为超宽带（UWB）。

也有少数观点认为相对带宽小于10%为窄带,在10%与100%之间的为宽带,大于等于100%为超宽带。

本文以下研究均是窄带信号[1]。

首先，考虑N个远场的窄带信号入射到空间某阵列上，其中阵列天线由M个阵元组成，这里假设阵元数等于通道数，即个阵元接收到信号后经各自的传输信道送到处理器，也就是说处理器接收来自M个通道的数据。

123456M

y

d

图2.1

信号源是窄带信号时，假设参考阵元1接收到的远场来波信号可用如下的复包络形式表示

si（t）=ui（t）ejωt

x1t=i=1Nsi（t）（2.1）

其中ω为来波的角频率，uit为第i个来波信号的幅度，则在等距线阵中，第m个阵元接收信号为

xmt=i=0Nsi（t-τmi）+nm（t）（2.2）

其中τmi=dmc*sinθi为表示第i个信号到达第m个阵元时相对于参考阵元的时延，dm=d*（m-1）为线阵第m阵元相对于参考阵元的距离，c为电磁波传输速率，θi为第i个信号入射角度，nm（t）为第m个阵元在t时刻的噪声

又由于是窄波信号当接收信号为窄带信号时,由于信号在时间上变化慢,所以有

sit-τ≈si（t）×e-jωτ（2.3）

则式子（2.2）可以表示为

xmt=i=1Nsi（t）×e-jωτmi+nm（t）（2.4）

将M个阵元在特定时刻接收的信号排列成一个列矢量,得到

x1tx2t⋮xMt=e-jωτ11e-jωτ12⋯e-jωτ1Ne-jωτ21e-jωτ22⋯e-jωτ2N⋮⋮⋯⋮e-jωτm1e-jωτm2⋯e-jωτmN×sitsit⋮sit+n1tn2t⋮nmt（2.5）

将式（2.5）写成矢量形式如下：

X（t）=AS（t）+N（t）（2.6）

式中，X（t）为阵列的M×1维快拍数据矢量，N（t）为阵列的M×1维噪声数据矢量，S（t）为空间信号的N×1维矢量，A为空间阵列的M×N维流型矩阵（导向矢量阵），且

A=a1ωa2ω⋯aNω（2.7）

其中导向矢量[

aiω=e-jωτ1ie-jωτ2i⋮e-jωτMi（2.8）

2.2空间匹配滤波器

波束形成（Beamforming）是指对空间传感器的采样加权求和以增强特定方向信号功率、抑制其它方向的干扰信号或提取波场特征参数等为目的空域滤波。

在阵列信号处理中,称其为常规波束形成（CBF）,同时也称作空间匹配滤波器。

假设阵列接收信号只含期望信号和噪声,且期望信号和噪声互不相关,各阵元噪声为功率相同的高斯白噪声,空间相互独立,给第i个阵元接收到的信号加上权重wi。

再将所有阵元接收到信号相加则阵列接收的信号形式可写成

yt=i=0Mwi×xit+Nt（2.10）

写成矩阵形式就为

yt=WHXt=stWHaθ+Nt（2.11）

其中W=w1w2⋯wM表示权矢量，θ表示期望信号方向,aθ为期望信号的导向矢量,st为期望信号的复包络,Nt为噪声向量。

波束形成算法的关键是寻找最佳权矢量，使得接收到的信号通过W加权后，期望信号加强，其它干扰信号则被抑制。

形成指向我们需要的方向的波束图。

2.3阵列方向图

方向图一般用来形象地描绘天线福射特性随着空间方向坐标的变化关系,是方向性函数的图形表示,定义为给定阵列的权矢量对不同方向信号的阵列响应。

式子（2.11）中Fθ=WHaθ为方向图，当W对某个方向θ0的信号同相相加时得Fθ0的模值最大。

后面试验中，本文将通过方向图验证波束形成算法。

通常将阵列的左边第一个阵元定义为参考阵元。

方向图一般用dB表示,所以将方向图式子取模平方后进行归一化,再取对数为

Gθ=Fθ2maxFθ2（2.12）

Gθ（db）=10logGθ（2.13）

为了使主瓣波束指向期望信号θ0方向,则各阵元在θ0方向必须同相相加,阵列加权矢量即是对各阵元进行相位补偿,因此合适的阵列权矢量就是期望信号的导向矢量,即

W=a（θ0）（2.14）

此时Fθ0=aH（θ0）a（θ0）=M

阵列输出在指向θ0方向的增益