MIMO智能天线自适应波束赋形算法研究

论文摘要

为了缓解无线通信日益发展与频谱资源不足的矛盾,本文将MIMO技术和智能天线技术相结合,提出MIMO智能天线。MIMO智能天线就是在基站和移动台两端同时使用多根智能天线的技术。智能天线的核心技术是波束赋形（也称波束形成）,其关键在于自适应波束形成算法的选择。本文将自适应波束形成算法分为自适应非盲算法和自适应盲算法分别进行研究,并对各种算法进行比较分析。最小二乘恒模算法（LS-CMA）是基于盲算法中的恒模算法（CMA）；根值MUSIC算法是基于多重信号分类（MUSIC）算法。本文结合非盲算法的最小均方（LMS）算法和采样矩阵求逆（SMI）算法提出矩阵求逆归一化最小均方（MI-NLMS）算法。通过仿真,证明了改进型算法在抑制干扰、增强有用信号以及收敛速度等方面具有明显的改善。

论文目录

• 摘要
• ABSTRACT
• 目录
• 第一章 绪论
• 1.1 课题研究的背景
• 1.2 智能天线的发展进程与国内外现状
• 1.2.1 智能天线的发展进程
• 1.2.2 国内外研究现状
• 1.3 智能天线的优点
• 1.4 本文的主要工作及安排
• 第二章 MIMO智能天线技术概述
• 2.1 智能天线技术
• 2.1.1 智能天线概述
• 2.1.2 智能天线的基本结构
• 2.1.3 智能天线的分类
• 2.2 MIMO多天线技术
• 2.3 MIMO与智能天线相结合
• 2.3.1 MIMO与智能天线比较分析
• 2.3.2 MIMO与智能天线结合
• 2.3.3 MIMO智能天线的优势
• 2.4 本章小结
• 第三章 自适应波束形成算法
• 3.1 自适应波束形成
• 3.1.1 自适应波束形成概述
• 3.1.2 波束形成的基本原理
• 3.2 波束形成器的优化准则
• 3.2.1 最小均方误差（MMSE）准则
• 3.2.2 最大信干噪比（Max SINR）准则
• 3.2.3 最大似然（ML）准则
• 3.2.4 线性约束最小方差（LCMV）准则
• 3.2.5 四种准则的比较
• 3.3 自适应波束形成算法
• 3.3.1 自适应非盲算法
• 3.3.1.1 最小均方（LMS）算法
• 3.3.1.2 采样矩阵求逆（SMI）算法
• 3.3.1.3 递归最小二乘（RLS）算法
• 3.3.1.4 三种非盲算法比较
• 3.3.2 自适应盲算法
• 3.3.2.1 恒模（CMA）算法
• 3.3.2.2 多重信号分类（MUSIC）算法
• 3.4 本章小结
• 第四章 自适应波束形成算法仿真及算法改进
• 4.1 算法仿真
• 4.1.1 最小均方（LMS）算法仿真
• 4.1.2 采样矩阵求逆（SMI）算法仿真
• 4.1.3 递归最小二乘（RLS）算法仿真
• 4.1.4 恒模算法（CMA）仿真
• 4.1.5 多重信号分类（MUSIC）算法仿真
• 4.2 算法的改进
• 4.2.1 最小二乘恒模（LS-CMA）算法
• 4.2.2 根值MUSIC算法
• 4.2.3 共轭梯度（CGM）算法及仿真
• 4.2.4 矩阵求逆归一化最小均方（MI-NLMS）算法
• 4.3 本章小结
• 第五章 论文工作总结及展望
• 5.1 工作总结
• 5.2 MIMO智能天线技术发展展望
• 致谢
• 参考文献
• 附录1 发表论文及科研情况说明