学位论文 > 优秀研究生学位论文题录展示

智能天线波达方向估计算法的研究

作　者: 郑乐
导　师: 季飞
学　校: 华南理工大学
专　业: 通信与信息系统
关键词: 智能天线电磁矢量传感器波达方向遗传算法小生境
分类号: TN821.91
类　型: 硕士论文
年　份: 2010年
下　载: 182次
引　用: 1次
阅　读: 论文下载

内容摘要

智能天线技术是第三代移动通信系统中的关键技术,采用该技术可以降低干扰、扩大通信系统的覆盖范围和用户容量、提高空间频谱的利用率。随着通信技术的不断发展,通信数据的传输速率将越来越快,信道环境越来越复杂,人们对有限的空间频谱资源的需求不断提高。而智能天线技术则为解决这些问题带来了新的方法,并且成为第四代移动通信系统的研究热点之一。波达方向估计技术作为智能天线技术中的一个重要部分,也受到了业界的极大关注。智能天线通过采用波达方向估计技术对用户的空间信息进行估计,能够有选择性地接收或发射位于同一信道中的多路信号,降低了信号之间的干扰,增加了通信容量,提高了通信质量。经典的MUSIC(Multiple Signal Classification,多重信号分类)算法和ESPRIT (Estimating Signal Parameters Via Rotational Invariance Techniques,借助旋转不变技术估计信号参数算法)都是一维参数(方位角)的DOA(Direction of Arrival)估计方法,且算法的计算量比较大。而在实际应用中,对于信号波达方向的多维参数(方位角、俯仰角、频率及时延等)的估计更有应用价值。而如果直接将MUSIC算法应用于波达方向的二维参数(方位角、俯仰角)估计则需要进行二维的谱峰搜索,将会使得算法的计算量非常大。同时,基于一维直线阵列的DOA估计算法大多数可以推广到二维面阵或三维天线阵列,从而实现对信号的多维参数估计,但此时估计的性能与阵列结构有很大的关系。而电磁矢量传感器具有较强的方向敏感性和较大的测量信息量,能够估计六维的复矢量信号,并且能够利用信号的极化特性改善标量天线阵列的DOA估计性能,是目前阵列信号处理领域的研究热点。本文对经典的波达方向估计算法进行了改进,并使用MATLAB软件对算法进行了仿真。主要工作有:(1)对智能天线技术进行了分析,接着对电磁矢量传感器阵列的概念、原理作了叙述,并与传统的标量传感器做了比较。重点研究了波达方向估计技术在电磁矢量传感器阵列中的应用。(2)详细阐述了智能天线波达方向估计中的经典算法。重点对MUSIC算法和ESPRIT算法进行了分析。并运用MATLAB软件搭建了仿真平台,分别对MUSIC算法和ESPRIT算法进行仿真,验证算法的有效性,得到了一些有用的结论。(3)对遗传算法展开研究。针对小生境遗传算法,讨论了算法的一般流程,研究了算法在空间二维波达方向估计中的应用,并分析了算法中不同参数设置对算法的影响,得到了较为理想的算法参数设置值。(4)提出了一种改进的基于MUSIC算法的二维波达方向估计算法。本文采用小生境遗传算法应用于电磁矢量传感器阵列的MUSIC算法的多维谱峰搜索。通过实验仿真,验证了小生境遗传算法的有效性。基于小生境遗传算法的MUSIC算法充分利用了遗传算法并行搜索、智能收敛的特点,仿真结果表明,算法得到的角度估计均方根偏差性能比ESPRIT算法要差,而均方根标准方差性能比ESPRIT算法要好。

全文目录

摘要  6-8
Abstract  8-12
第一章绪论  12-16
  1.1 课题的研究背景与意义  12
  1.2 国内外智能天线的研究现状  12-13
  1.3 波达方向估计的研究意义及现状  13-15
  1.4 本文主要内容和章节安排  15-16
第二章智能天线技术介绍  16-22
  2.1 智能天线的基本结构  16-17
  2.2 智能天线的基本原理  17-18
  2.3 智能天线的特点  18-20
    2.3.1 智能天线的优点  18-19
    2.3.2 智能天线的缺点  19-20
  2.4 智能天线的分类  20-21
  2.5 本章小结  21-22
第三章波达方向估计算法  22-40
  3.1 波达方向估计中的阵列信号假设及数学模型  22-24
  3.2 数学模型的统计特性  24-26
  3.3 MUSIC算法  26-31
    3.3.1 MUSIC算法简介  26-27
    3.3.2 MUSIC算法的数学模型  27-28
    3.3.3 MUSIC算法的步骤  28-29
    3.3.4 MUSIC算法的仿真结果及分析  29-31
  3.4 ESPRIT算法  31-39
    3.4.1 ESPRIT算法概述  31
    3.4.2 ESPRIT算法原理  31-34
    3.4.3 ESPRIT算法的步骤  34-35
    3.4.4 ESPRIT算法仿真结果及分析  35-39
  3.5 本章小结  39-40
第四章基于遗传算法的波达方向估计算法  40-57
  4.1 遗传算法简介  40-42
    4.1.1 遗传算法的发展历程  40-41
    4.1.2 遗传算法的特点  41
    4.1.3 遗传算法的应用领域  41-42
  4.2 遗传算法的原理  42-45
    4.2.1 遗传算法的基本术语  42-43
    4.2.2 遗传算法的原理概述  43-45
  4.3 小生境遗传算法  45-47
    4.3.1 小生境遗传算法的原理概述  45
    4.3.2 小生境遗传算法的步骤  45-47
  4.4 小生境遗传算法在MUSIC算法中的应用  47-55
    4.4.1 算法的参数选择  48-49
    4.4.2 仿真与讨论  49-55
  4.5 本章小结  55-57
第五章基于电磁矢量传感器阵列的DOA估计算法  57-68
  5.1 电磁矢量传感器阵列  57-61
    5.1.1 电磁矢量传感器简述  57-58
    5.1.2 电磁矢量传感器在波达方向估计方面的研究现状  58-59
    5.1.3 电磁矢量传感器阵列接收信号模型  59-61
  5.2 适用于矢量传感器的MUSIC算法  61-62
  5.3 算法仿真  62-67
    5.3.1 仿真流程与参数设置  62-63
    5.3.2 算法性能仿真与分析  63-67
  5.4 本章小结  67-68
结论  68-70
参考文献  70-74
攻读硕士学位期间取得的研究成果  74-75
致谢  75

智能天线波达方向估计算法的研究

内容摘要

全文目录

相似论文