论文部分内容阅读
随着全球通信业务的迅速发展,作为个人通信主要手段的无线移动通信技术正引起人们极大关注。未来无线通信系统将对速度、覆盖范围和不同系统间的兼容等性能要求越来越高,定向性和抗干扰能力成为天线的主要性能指标,研究如何进行干扰抑制和减少多径衰落的影响已成为提高无线移动通信系统性能的一个重要课题。随着移动通信、卫星通信、雷达等领域系统功能的日趋复杂化,智能天线、多波束天线、数字波束成形(DBF)技术等具有自适应功能的天线的应用和研究不断深入,快速生成所需方向图、波束按需分配或生成特殊形状的波束等方面的研究正蓬勃发展起来。
阵列天线方向图综合就是求解天线各阵列单元激励的加权值,使天线阵列方向图趋近期望形状的一门技术。本文对自适应天线及方向图综合相关领域进行了研究,并在前人工作的基础上,对收敛速度和稳定性进行改进,提出了两种新的方向图综合算法:利用牛顿迭代的模值逼近算法和利用牛顿下山法的模值逼近算法。这些算法有效提高了方向图综合的效率和性能。
本文首先对传统天线存在的问题和局限性进行了介绍,阐述了自适应天线的出现和发展过程,简要描述了自适应天线的基本原理,并对目前较著名的一些天线方向图综合和波束成形方法进行概要的介绍和比较。
而后,基于LMS算法,本文提出了一种利用牛顿迭代法的方向图模值逼近综合算法。该算法对旧算法在两个方面作了改进:(1)采取将所求方向图的模值逼近于目标方向图的方法,比之前迭代方法约束条件放宽,更容易实现;(2)利用牛顿迭代法二次收敛的特性,加快了方向图综合的收敛速度,使天线方向图综合计算效率得到明显提高。
但是,由于牛顿迭代法存在一个弊端:如果迭代初值偏离最优值较远,则牛顿迭代法就可能不稳定甚至发散。针对该问题,本文对利用牛顿法的模值逼近算法,给出采用牛顿下山法的模值逼近算法,有效地提高了方向图综合算法的稳定性。对以上这两种模值逼近算法,均编写了相应的C++程序进行建模仿真,验证了算法的有效性。
最后,本文对前面的研究做了简要总结,并提出了作为目前人工智能和系统优化领域的热点研究方法:遗传算法GA(GeneticAlgorithm),作为进一步研究阵列天线方向图综合的方向。