一、智能天线实验系统的研究(论文文献综述)
安娜[1](2021)在《2.1GHz频段5G NR与现有通信系统的兼容性分析研究》文中研究表明2020年,随着5G业务量的不断上升,频谱资源的需求量将持续增加,未来5G的全面部署将面临频谱资源短缺和建设运维成本大的问题。根据我国通信系统的实际部署情况,现考虑在2.1GHz频段进行频谱重耕,探索该频段部署NR FDD系统的可能性。在该频段进行频谱重耕,可提高频谱资源利用率,充分利用低频段频谱资源优越的传播特性;同时可充分利用已有的通信网络基础建设,减少5G网络全面覆盖时的运维成本。频谱重耕的前提是确保预部署系统和该频段已部署通信系统间的干扰在各系统的干扰评估准则之内。基于上述需求和企业需求,论文结合理论分析,搭建系统级仿真平台模拟2.1GHz频段NR FDD系统和LTE FDD系统、WCDMA系统、MSS系统的干扰共存。本文的研究内容主要分为三部分:(1)NRFDD系统与LTE FDD系统的共存研究。明确了 2.1GHz频段NR FDD系统和LTE FDD系统基站和用户间的干扰场景,确定各自系统的干扰评估准则。计算上下行链路的隔离度ACIR。通过蒙特卡洛方法搭建系统级仿真平台,并不断校准,保证仿真结果的可靠性。给出了仿真平台的整体架构、关键子模块的实验方案。基于仿真平台,给出了两系统在2.1GHz频段的邻频共存结果。(2)NRFDD系统与WCDMA系统的共存研究。确定两系统间干扰的研究场景和研究假设,计算隔离度ACIR。搭建静态仿真平台,给出仿真平台中WCDMA系统架构和关键子模块功率控制模块的实验方案。分析不同部署方式、不同NR系统功率控制参数、不同天线相同系数下,两系统在2.1GHz频段临频共存所需的额外隔离度。(3)NRFDD系统与MSS系统的干扰共存研究。明确NR FDD系统和GEO卫星通信系统在2.1GHz频段共存时地对空、空对地、地对地的四种干扰场景和干扰评估准则。计算两系统间的隔离度ACIR。搭建仿真平台,给出仿真平台中MSS系统架构和关键子模块包括网络拓扑等的实验方案。分析NR系统功率控制参数、天线的相关系数和水平维度对两系统在2.1GHz频段临频共存的干扰影响。
王子阳[2](2021)在《基于智能天线的灾区环境搜救定位方法研究》文中提出自然灾害的发生往往在眨眼之间,由于灾后的黄金救援时间非常短暂,快速准确的灾区环境探查定位技术的重要性与日俱增。然而灾区环境极为复杂,可能出现通信设施遭到破坏,需要部署临时基站,多径效应与信号衰减严重,且会发生基站与定位装置之间视距路径被遮挡的情况,导致现有的基于视距路径的定位方法效果不佳。面对这些挑战,本文结合智能天线,提出一种基于智能天线的灾区环境单基站搜救定位方法。智能天线可以控制入射波的反射方向,利用智能天线对电磁波的调控功能,本文提出的定位方法可以在基站与定位终端间主动构建最优的毫米波MIMO(Multiple-Input Multiple-Output,多入多出)信号传播路径,实现高精度定位。本文针对智能天线在灾区非视距环境中的定位应用进行了深入研究,主要有如下研究工作和内容:1.现有基于智能天线的信道模型通常被建模为从基站发射端经由智能天线到接收机的路径之和,在智能天线阵列每一个阵元引入一个复数增益。这样的模型仅考虑到阵元数目,忽视了智能天线的物理特性,例如辐射方向及信道路径损耗。因此,本文基于智能天线的物理特性,建立了更接近实际的新型路径损耗模型,将智能天线的尺寸、阵元数量、天线系统的电磁特性都考虑在内。通过仿真验证,相同场景中智能天线相较于有源的中继器件,在达到8bit/s/Hz的速率情况下,阵元数目为400的智能天线可以降低14.7%的功率。2.传统定位模型是基于视距路径建立的,其在处理非视距、多径等复杂问题时存在较大系统误差;与此同时,与传统微波传输相比,毫米波由于其传播特性,信道的有效散射体个数非常少,多径部分表现出很强的稀疏特性;毫米波信号的短波长使更大规模的MIMO系统成为可能,从而实现更窄的波束赋形。针对上述存在的问题以及毫米波MIMO系统的特点,本文结合提出的路径损耗模型建立了智能天线协助的非视距定位模型,计算了接收信号的表达式,并利用分布式压缩感知理论对原始信号进行还原,得到重构信道及定位参数。通过仿真验证,本文使用的分布式压缩感知同步正交匹配追踪算法相比于其他算法拥有更高的重构精度。3.部分非视距优化模型仅考虑了电磁波的斯涅耳反射传播,并未考虑电磁波传播路径可控情况下的定位方法。智能天线使电磁波具有可控的传播路径,即定位系统可根据需要控制电磁波传播路径,从而使电磁波的传播过程与测量过程(如测距、测角等)统一到定位系统框架内。针对新的需求,本文结合智能天线对电磁波的反射/折射特性设计了基于智能天线的三阶段定位方法,采用扫描-定位-优化的思路提高接收信号的信噪比,实现更高的定位精度。仿真结果表明,在旋转角未知的情况下,优化后的定位精度可以提高57.9%:在旋转角已知的情况下,优化后的定位精度可以提高38.6%。相比于现有非视距定位方法,本文提出的定位方法可以获得更高的定位精度。
马巧娣[3](2020)在《GSM-R系统中智能天线DOA估计算法研究》文中研究指明随着我国铁路运输业的飞速发展,列车的行驶速度不断提高。由于铁路通信系统信道的快速时变特性,而引发了信道中的干扰、多径衰落、容量损失和频谱效率降低等一系列问题,这对铁路专用移动通信系统GSM-R提出了更高的要求。近年来智能天线技术在移动通信系统中的成功应用为解决这些问题带来了新思路。智能天线早期应用于军事通信、雷达和声呐等领域,可实现空间滤波和识别定位。后因其可以显着降低移动通信系统中的干扰、减少信号衰落、提高系统容量以及实现移动台定位等优势而被发展应用于更多复杂的移动通信环境中。其中DOA(Direction of Arrival,波达方向)估计作为智能天线的核心技术,在很大程度上决定着智能天线的性能。经过长期的研究,现已出现了很多经典的DOA估计算法。本文对传统类和基于子空间类的DOA估计算法进行了详细的介绍并仿真比较。仿真结果显示,基于子空间的MUSIC、Root-MUSIC、ESPRIT和LS-ESPRIT算法都能够实现高分辨率的DOA估计。但这类算法仅适用于静态场景中,而铁路移动通信系统GSM-R的高速移动会引起信源位置时刻变化,因此需要对GSM-R系统中的信源DOA进行实时跟踪以提高DOA估计的可靠性。基于上述分析,本文在最后一章首先建立了采用智能天线技术的GSM-R系统结构的简单模型,并分析了GSM-R系统中高速移动状态下的智能天线阵列信号数学模型,进而展开对适用于GSM-R系统的DOA跟踪算法的研究。目前,比较具有代表性的子空间跟踪算法,PASTd(Projection Approximation Subspace Tracking with deflation,紧缩近似投影子空间跟踪)算法,因其实时性强、计算量小、收敛快而被广泛应用到DOA跟踪中。而由于现实中高速列车复杂的行驶环境,可能存在列车接收信号DOA比较靠近或变化轨迹出现交叉重合的情况,对此,PASTd跟踪算法不能做到准确地匹配跟踪。为解决这一问题,本文研究了一种将卡尔曼滤波器与PASTd算法相结合的算法并对此算法进行了简化。最后通过仿真实验验证,简化的结合算法不仅能够实现高速移动的GSMR系统中DOA的实时准确地跟踪估计,而且复杂度低。
李威[4](2018)在《基于智能天线的毫米波雷达目标识别技术》文中研究说明随着近年来汽车数量的不断增加,交通事故发生频繁,高级驾驶员辅助系统(Advanced Driver Assistant Systems,ADAS)的应用使得未来车辆能够在危急的环境中辅助驾驶员工作,并能提醒他们潜在的危险。车辆环境感知系统是汽车高级驾驶员辅助系统的关键,而汽车传感器则充当了汽车的“五官”来感知周围环境。毫米波雷达因其探测精度高、实时性好和适用性强等特点而备受关注。对应毫米波雷达天线和算法的研究也是学术界研究的热点。近年来智能天线领域的理论越来越多应用于车载毫米波雷达。智能天线分为多波束智能天线和自适应阵智能天线。智能天线最初广泛应用于雷达、声呐及军事通信领域,智能天线也叫自适应阵列天线,它由天线阵、波束形成网络、波束形成算法三部分组成。它通过预先设定满足某种准则的算法去调节各阵元信号的加权幅度和相位,从而调节天线阵列的方向图形状,以达到增强所需信号,抑制干扰信号的目的,毫米波雷达中目前智能天线主要采用微带阵列天线。本文围绕智能天线在汽车毫米波雷达目标识别的研究展开,以实际项目为依据,采用理论分析、仿真实验、工程验证相结合的方法,对毫米波雷达系统智能天线的两个主要组成部分:多发多收阵列天线设计和数字波束形成(Digital Beam Forming,DBF)算法进行了分析研究,提出了稳健自适应波束形成算法,对比目前的密度聚类算法,提出了基于神经网络的聚类算法来定义先验预测区域,并在此基础上研究了毫米波雷达目标跟踪、识别算法。同时研制了77GHz毫米波雷达系统,并对所提算法进行实验验证。本文主要的研究内容包括以下几个方面:(1)毫米波雷达前端多发多收(Multiple-Input Multiple-Output,MIMO)阵列天线的设计与应用。分别以切比雪夫多项式和泰勒多项式为理论依据进行两种不同的阵列天线研究,其中切比雪夫阵列天线研究目标为获得最优的副瓣电平和波束宽度设计,而泰勒阵列天线研究目标为使得靠近主瓣的副瓣具有最佳方向图分布。首先在采用切比雪夫多项式阵列天线研究中,基于微带天线偏差因素模型分析,提出一种对10元串馈微带天线的加权优化方法,来修正理论设计,对该方法进行了仿真和制作实际样品测试,优化效果和理论分析符合。其次,在采用泰勒多项式分布阵列天线研究中,对泰勒分布的参数进行了分析,提出了一种可以实现水平空域划分的阵列天线,以实现雷达的宽广范围覆盖和远距离探测的目的。在泰勒多项式分布阵列天线的模型建立过程中,进行三波束水平空域划分的模型设计,同时进行了相移馈电网络分析和研究,最后对所设计的泰勒多项式阵列天线进行仿真并制成实际样品进行实测,而仿真和实测结果均与理论分析相符合。(2)提出一种基于稀疏贝叶斯学习(Sparse Bayesian Learning,SBL)的稳健自适应波束形成算法和一种新的雷达扫描策略。首先对智能天线的自适应波束形成技术进行了进一步的理论推导,基于贝叶斯理论提出一种基于SBL的稳健自适应波束形成算法。该算法基于空间信号的稀疏特性,采用稀疏贝叶斯学习方法获得干扰加噪声协方差矩阵的鲁棒最大似然估计,并得到期望方向上的导向矢量估计,进而求得波束形成器的最优权矢量。对应有效目标和无效目标的问题。对比传统密度聚类算法,研究和采用了神经网络聚类算法,设计实现了对不同属性目标的分类,对应了传统密度聚类对应分类适应性差的问题,并根据分类结果将雷达探测区域进行重构,区分出先验预测区域和无效区域,在此理论基础上提出一种基于先验预测区域的扫描策略算法,减少了对无效区域的扫描时间,大大提高了基于智能天线的数字波束形成雷达扫描效率。仿真结果表明,基于SBL的稳健自适应波束形成算法在较大的输入信噪比范围内和低快拍数的情况下达到了较好的阵列输出性能,且对于指向误差具有很好的稳健性,算法计算复杂度低、收敛速度快。(3)对雷达目标识别算法展开研究。首先研究了二维FFT对雷达回波信号的信息处理,以计算目标距离和速度;研究了DBF,通过对权值的控制,使得阵列方向图的主瓣对准期望信号,零陷对准干扰信号,从而实现高速置零、天线自校正、超低副瓣、超分辨、自适应空时处理和复杂的能量等。研究了恒虚警算法对干扰噪声的滤除、排除虚假目标,研究了多目标检测算法,以对多个有效目标的准确识别,卡尔曼滤波算法则是实现对有效目标的实时跟踪。基于以上研究,为了验证雷达目标识别的准确性,将雷达系统识别的目标投射到视觉系统中,研究雷达系统和视觉系统融合的方式来对目标进行识别。由实车中的雷达系统和视觉系统的空间安装位置建立模型,对两个系统之间的坐标转换关系进行研究,从而建立两个系统之间的空间融合模型;因为毫米波雷达和摄像头的工作频率有差异,这里的参考基准一般选择更低频率的雷达系统,通过多线程同步程序设计的方法,构建雷达系统和视觉系统的时间融合模型。针对图像与雷达融合产生的延时问题,研究了基于均值漂移的目标跟踪算法。最后搭建实验平台,进行了毫米波雷达目标探测实验和车载雷达与视觉系统融合的实验,实验结果证明了融合的有效性以及基于毫米波雷达目标识别的准确性。
马晓峰[5](2017)在《低轨对地通信智能天线波束形成技术研究》文中研究表明低轨(Low Earth Orbit,LEO)通信卫星位于750km-1800km轨道高度,单星对地最长连续通信时间不超过10分钟,在此期间对地俯仰角度变化约±55°。理想的星载对地多波束接收天线应该具有如下特性:(1)为了实现地面任意位置用户的等灵敏度通信,固定捕获波束方向图采用等通量增益设计;(2)考虑到用户和干扰角度的时变特性,在信号捕获阶段需要形成零陷对准干扰的捕获波束,在信号跟踪通信阶段则需要形成用户方向高增益且零陷对准干扰的跟踪波束。本文主要针对有限突发用户低轨卫星通信对地大张角范围用户快速捕获、高增益跟踪以及空域抗干扰的实际需要,开展对地赋形方向图快速综合算法、赋形方向图快速零陷生成与跟踪算法、方向图主瓣保形自适应波束形成算法、快速用户与干扰角度估计算法的研究与实验验证。本文的主要工作和创新点如下:1、提出了一种具有同时多波束方向图在轨动态重构和自适应干扰抑制能力的星载智能天线体系架构。在该架构下,多波束智能天线由若干对地等通量覆盖的固定捕获波束以及若干动态跟踪波束组成;系统对多用户和可能存在的强干扰进行实时角度估计;所有捕获和跟踪波束实时调整干扰零陷位置进行空域干扰抑制,同时跟踪波束动态调整波束指向确保通信链路的高增益。2、已有的基于最小均方误差准则的高性能方向图综合算法,计算量大,算法的可调参数选择没有明确依据,不适合星载平台在线实时计算。针对上述问题,提出了基于快速方向图功率逼近(Fast Power Approximation,FPA)准则的迭代相位更新(Iterative Phase Update,IPU)算法 FPAIPU 和直接相位更新(Direct Phase Update,DPU)算法FPADPU,从方向图功率逼近角度确定方向图不同区域在代价函数中的权重,代价函数设计更加合理,物理意义明确。然后,在静态方向图问题模型的基础上提出了迭代零陷跟踪(Iterative Nulls Tracking,INT)算法FPAINT。FPAINT算法具有简单快速的迭代公式,主瓣保形和旁瓣控制下的干扰零陷动态跟踪能力强,运算量相比现有算法降低2~3个数量级。3、方向图综合过程中经常需要进行权重向量与方向图之间的转换,运算量大。针对上述问题,采用迭代傅里叶变换(Iterative Fourier Transform,IFT)技术进行算法加速,将该技术推广到三角栅格平面阵列,分析了阵元间距大于半波长时可能出现的问题,给出了改进手段。然后,将IFT加速技术和子空间投影技术应用于干扰角度动态变化的零陷跟踪方向图综合中来,提出了一种IFT加速的干扰子空间正交投影(Iterative Fourier Transform Interference Subspace Projection,IFTISP)算法。IFTISP 算法在干扰零陷跟踪过程中,具有稳健和精确的控制主瓣区形状和权重系数动态范围的能力。4、基于方向图综合的零陷抗干扰算法,需要预先进行干扰角度估计。针对无干扰角度先验信息的应用需要,将基于线性约束最小方差(Linear Constraint Minimum Variance,LCMV)和广义旁瓣相消(Generalized SidelobeCanceler,GSC)的自适应阵列理论引入方向图综合,提出了波束保形自适应波束形成(Adaptive Interference Nulling with Pattern Maintaining,AINPM)算法,在高精度方向图主瓣保形的基础上,自适应抑制旁瓣区域干扰。AINPM算法通过构建主瓣协方差矩阵并选取其主特征向量作为主瓣增益约束;通过松弛权重向量二次约束得到闭式最优权重向量表达式;最后通过优化协方差矩阵的对角加载量,得到优化的权重向量。所提出的GSC架构下的AINPM算法具有兼顾方向图主瓣保形性能和计算量低的特点。5、针对智能天线对地大张角范围内任意位置突发多用户和干扰快速角度估计的需要,开展和差单脉冲快速精确角度估计研究。首先,在提高测角速度方面,提出了一种基于可控测角误差和测角范围的单脉冲和差波束方向图综合优化算法,可以在给定测角误差条件下,最大化有效测角区间,或者在给定的测角范围内,最小化测角误差。在此基础上,提出了粗测与精测结合的分步快速单脉冲角度估计算法,在不影响测角误差的前提下,有效减少了角度估计时间。接着,在减小测角误差方面,提出了基于三阶泰勒展开的单脉冲角度估计算法,详细推导了基于三阶展开的二维单脉冲测角公式,有效改善了二维单脉冲鉴角曲面引入的测角误差。6、设计和构建了L波段19阵元三角栅格六边形圆极化智能天线实验验证系统,完成了基于该智能天线平台的算法移植和微波暗室性能指标自动测试环境的构建,完善了智能天线的主要指标体系。开展了本文所提出智能天线关键技术的实验验证。通过系统实验验证了快速静态波束/零陷波束的综合技术、基于覆盖区域方向图保形的自适应波束形成技术和快速角度估计技术等智能天线关键技术的可行性、高效性和稳定性。为智能天线在星载通信系统中的应用奠定了基础。
周林[6](2015)在《甚/特高频智能天线波达方向估计及相关技术研究与实现》文中研究指明智能天线技术是现代阵列信号处理中的重要研究内容,在雷达、通信、电子对抗等诸多领域有着极为广阔的应用前景。由于其在提高频谱利用率、增加系统容量及抑制干扰等方面具有良好的性能,因而吸引了国内外大量的专家学者及科研机构进行深入系统的研究。本文基于某通信预研项目背景,针对阵列小型化、低成本、实时性、高性能、高机动性等实际应用需求,重点对甚/特高频智能天线波达方向估计及相关技术的应用及实现进行分析与研究。本文主要工作如下:1.考虑到基于特征值分解的子空间类谱估计算法中,信源数小于阵元数的应用制约,研究给出了一种基于虚拟阵列旋转的改进MUSIC算法,通过将子阵列串联合并,扩展了接收阵列自由度,在保证算法统计性能不变的前提下,实现了信源数大于阵元数时的DOA估计,仿真对比实验验证了该算法的正确性,为实现阵列小型化、低成本等提供了一种新方法。2.由于基于信息论准则的信源数估计算法只能适用于高斯白噪声,而基于对角加载技术的估计算法则依赖于最优加载量的选择,同时经典盖氏圆盘法的调整因子需要根据经验值人为设定,因而存在很大的应用局限性;本文提出了一种基于特征值加权的盖氏圆盘改进算法(SGDE),其充分利用盖氏圆心和盖氏圆半径的相似分组特性,通过酉变换后得到圆心不变而盖氏圆半径的大小分组差异增强的新盖氏圆,同时给出了一种新的信源数判定准则;仿真实验说明了该算法随信噪比、信源数、空间相关度因子、信源夹角、信源功率差等变化时,其算法性能满足SGDE>MGDE>GDE。3.重点研究幅相误差条件下的阵列校正及DOA估计问题。由于经典有源校正与联合迭代自校正算法的估计性能均依赖于先验信息的精度,存在很大的应用局限性;而基于Hadamard乘积运算的无需先验信息且独立于相位误差的自校正算法虽实现了阵列误差和DOA的同时估计,但计算复杂度高,搜索效率低,本文改进了其干扰因子分量,并给出了一种将二维搜索谱转化为一维搜索谱的新方案,算法思路简单,实现方便,理论分析与仿真实验表明算法在任意阵型和阵元数下,当信源数为2时可获得与经典MUSIC算法相同的估计性能。4.针对工程应用中DOA估计的快速实现问题,首先推导给出任意中心对称阵列的预处理—酉变换方案,将算法处理过程从复数域映射到实数域处理空间;针对特征值分解的硬件实现过程中,经典Jacobi和CORDIC算法的顺序“扫描”和规则化迭代效率低下、计算量大的问题,文中基于目标矩阵的大值分布规律和旋转角逼近特性提出了一种Jacobi并行排序优化算法和CORDIC坐标旋转迭代算法,在对高维矩阵进行特征值分解时,减少计算量实现快速收敛;同时给出了一种基于门限约束的一维空间谱搜索算法和基于数字量化的二维空间谱完备搜索策略,将极值点搜索问题转化为FPGA中的零值搜索和符号查询过程,减少计算量,满足了某工程应用中的准实时响应需求。5.针对系统的自动化、智能化需求,基于软件无线电思想研制了一套智能天线接收处理信息系统,给出了一种固定中频还原和数控混频滤波的上变频新方案,适用于该系统的宽带及高频工作特性;并结合软件化和数字化思想设计了一套智能天线控制信息系统,其包含了在线控制、信道监控、信息存储、离线分析等子系统,软件操作简单、灵活,配置方便,减少了系统维护成本和人员配备。通过闭环测试和多次外场试验进一步验证了本文所提算法和系统方案的可行性和正确性。
陈杰[7](2013)在《采用智能天线阵的无线通信系统研究和设计》文中研究表明进入21世纪以来,结合阵列天线和数字信号处理技术的智能天线(Smart antenna)技术已经成为第三代(3G)移动通信系统的关键技术之一。智能天线的数字波束形成(DBF)能形成定向波束和波束零陷,从而有效地抑制干扰,提高系统容量和通信质量。并且,智能天线技术已经被写入WCDMA、CDMA2000和TD-SCDMA的移动通信技术标准。也正因为如此,对智能天线通信系统的研究和设计有着重大的理论意义和工程实用价值。本文结合科研实际需求,对移动平台智能天线通信系统的天线阵、自适应波束合成、抗干扰、数字收发信机等关键技术进行了研究、实现和测试。作者的主要工作和创造性成果可以概括为:1.研制出一种基于现场可编程门阵列(FPGA)的低成本发信机,实现了直接射频调制无线串口通信的发射功能。其基本的工作流程是FPGA接收来自上位个人计算机(PC)的指令,经格式转换、编码后对载波进行调制。整个设计以FPGA为核心,包括一个数字锁相环、一个调制器及一个双路数模转换器。并且,该发信机采用数字正交相移键控(QPSK)调制,依赖FPGA的强大功能分别实现了数字、模拟调制和扩频功能,还能实现跳频功能。2.基于双极化平面天线阵,研究了波束合成、极化分集和微波移相技术。针对移动平台应用的特点,提出了适用于平面天线阵的数字微波波束切换和数字波束合成的联合结构与算法。射频信号通过数字微波移相系统完成俯仰面微波波束切换,采用数字信号处理技术形成水平面数字波束。搭建了硬件平台,测试结果表明了设计方法的正确性。3.设计实现了自适应波束形成和抗干扰技术模块,采用时分多址技术(TDMA)使得每一个用户的数据传输在固定时段进行,而在数据保护时段采用多重信号分类(MUSIC)方法对波达方向(DOA)进行估计。然后,通过最小方差无畸变响应(MVDR)波束合成技术形成水平面数字波束和抗干扰波束零陷。测试结果表明对来自4单元水平均匀线性阵列的数字信号,系统将主波束指向方位角0°的同时,在方位角56°形成了-30dB的抗干扰波束零陷,同时波束副瓣不超过-10dB。4.基于70MHz中频信号,研究和设计了中频数字接收机。通过模数转换(ADC)和数字下变频(DDC)技术将数字中频信号变换成基带数字信号;对接收到的正交极化信号进行加权合并的数字分集以增强信号,采用划窗法实现数据的同步;借助于计算机的串口,将解码后的信息显示在计算机屏幕上。搭建了数字接收机硬件平台,测试结果表明所设计接收机的误码率低于10-5。5.提出一种现场可编程门阵列直接射频正交调制的无线通讯发信机,基带数字处理芯片和射频正交调制器直接连接,编制了数字编码和调制软件;以FPGA控制下的微波移相器对射频载波进行移相的方法灵活地实现2,8,16,32,64相PSK调制。测试结果表明,无线发信系统的误码率达到了常见的正交调制技术的误码率水平,但却更简单,成本更低。6.开发了一种适合于该平面阵列的处理方法。该方法能够以全数字方式估计波达方向,并能以两种不同方式进行波束形成。系统中各模块的设计尽可能地采用了数字化设计,提高了系统的灵活性和适用性,使系统控制和升级简洁方便。
郭建英[8](2011)在《智能天线技术及其在移动通信中的应用研究》文中认为智能天线作为提高移动通信系统性能的关键技术,已经成为移动通信领域的研究热点。文章介绍了智能天线的原理、移动智能天线技术对系统性能参数提高的估计,分析了应用中的实际问题和今后的发展方向。
宋晓勤,宋平[9](2008)在《智能天线教学实验系统的实现》文中研究指明智能天线是移动通信系统中广泛采用的一种新技术。本文主要介绍在移动通信实验箱中增加智能天线实验功能时对智能天线阵列类型、下行波束赋形、上行波束成形和天线校准等关键算法的选择以及智能天线教学实验系统的整体实现方案。由于实验系统可对信道环境等实验条件做适当简化,因而可以通过合理设计,在不影响实验效果的前提下,降低实验系统的复杂度和成本。
周围[10](2008)在《移动通信智能天线关键技术研究》文中研究指明智能天线可以改善通信链路性能,大大提高系统容量,提高频谱利用效率,现已成为移动通信中的研究热点。本文系统地阐述了移动通信系统中智能天线的基本理论和相关技术,重点对其中几个核心问题:空时信道特性与建模理论、自适应数字波束形成算法、高分辨的DOA估计算法(重点是相干多径环境下的有效算法)、抗干扰技术(尤其是抗相干干扰)、空时信道多维参数联合估计、空时二维处理理论等方面进行了较为深入研究。对于空时信道特性和相关建模理论,论文首先介绍了无线空时信道的特点,从理论上分析了时延扩展、多普勒频率扩展和角度扩展对智能天线的频率相关性、时间相关性和空间相关性的影响。在此基础上,(1)本文首次对移动通信环境中不同散射环境下(如拉普拉斯分布、截尾高斯分布等)智能天线的相关性进行了理论推导和数值仿真,得出了天线相关性与散射分布特性之间的定量关系,为移动通信智能天线设计提供了理论依据。(2)对于建模理论,在简单介绍常用的Lee模型及其改进模型、几何单反射(GBSB)模型、高斯广义平稳不相关散射(GWSSUS)模型和扩展抽头延迟线模型等模型的基础上,根据ITU建议的不同环境下的功率时延谱和功率角度谱,本文提出了一种基于统计特性仿真不同空时信道的方法,该方法简便有效,容易构造出适用于不同环境的信道模型,仿真结果验证了该模型能够同时反映信道的空间、时间以及频率特性。对于波束形成技术,论文简介了LMS和RLS两种非盲算法,重点对恒模算法(CMA)和最小二乘解扩重扩多目标恒模算法(LS-DRMTCMA)两类盲算法进行了深入研究,通过仿真实验对其性能进行了对比分析。在此基础上,(1)论文针对常规恒模算法收敛速度与稳态误差之间的矛盾,基于一种新的代价函数,提出了一种新的自适应步长控制方法,该算法基于高斯函数实现恒模误差和步长之间的非线性映射,参数控制简单,具有超线性加速收敛作用,能够同时兼顾收敛速度、稳态误差和抗随机噪声性能,改善了恒模阵列性能。(2)对于非平稳信道,信号随机衰落会导致同级阵列上各输入信号相对功率快速变化,而恒模算法只是简单地捕捉功率最强信号,这会造成各级阵列捕获的信号摇摆不定,从而无法对目标用户实现稳定的捕获或跟踪,为此,在前述算法基础上,本文进一步提出了一种非对称的步长控制机制,既保证了各级阵列对目标用户的快速捕获,又能保证各级阵列对目标用户的稳定跟踪,提高了阵列抗衰落性能。对于波达方向估计,论文在介绍常用DOA估计算法的基础上,针对常规MUSIC和ESPRIT不能处理相干源、能够估计的DOA数不能超过阵元数M、不适用于有色噪声且多径分量DOA与用户配对难等特点,按均匀直线阵和均匀圆阵分别研究了适合蜂窝系统中多用户相干多径环境的DOA估计算法。(1)对于均匀直线阵,利用阵列输出四阶累积量对上行信号空间特征实现了全盲估计,并将其用于相干多径环境下的多用户信号DOA的估计。该方法不依赖于信号具体特征,能够抗任意加性高斯噪声,利用M个阵元最多可以估计2M2/3个DOA,可以突破传统的MUSIC或ESPRIT算法的局限,并使各多径分量与用户自动配对。通过仿真实验研究了估计方差与信噪比和快拍数之间的关系,验证了算法的有效性和鲁棒性。基于空间特征估计,构建了空间滤波器组,实现了多用户信号分离与信源恢复。(2)对于均匀圆阵,分别介绍了阵元空间MUSIC、实波束空间MUSIC和UCA-ESPRIT,通过仿真实验研究了各种算法的性能。由于这些算法都不适用于相干源,而常规的空间平滑技术不能直接用于圆阵,论文采用预处理将均匀圆阵转化为模式空间虚拟线阵后再通过平滑处理,实现了圆阵相干源DOA估计。相干多径环境下,智能天线性能会严重恶化。论文对此提出了相应的改进方法。(1)针对现有空间平滑解相干算法的不足,本文基于充分利用子阵列自相关和互相关矩阵信息的思想,提出了一种新的自适应全局加权空间平滑算法(AGWSS),该算法大大提高了小型阵列的解相关性能。该算法是完全自适应的,无需信源角度的先验知识或对其进行预估计。(2)在AGWSS中首次提出采用对称化处理的思想保证平滑后相关矩阵的Hermite对称性,并在此基础上首次导出了AGWSS最优平滑权矩阵的闭式解。(显式表达,不同于某些其它算法的隐式表达)。(3)在AGWSS基础上,针对某些应用场所平滑后相关矩阵应满足半正定的要求,通过本文的对称化处理,在平滑后相关矩阵Toeplitz化、Hermite对称化和半正定的约束下,并基于原始-对偶内点障碍函数法,本文又提出了半正定的全局加权空间平滑算法(SD-AGWSS)。将其用于相干环境下DOA估计,大大提高估计性能,尤其在相干源角度间隔很小或信噪比较低时,分辨能力大大提高。相干多径环境下,常用的波束形成算法性能都将严重恶化,甚至出现期望信号被对消的现象,而常规的空间平滑算法解相干能力较差,且会损失阵列有效孔径。(1)本文提出了一种改进的波束形成方案:首先利用本文提出的AGWSS算法进行自适应全局加权空间平滑,可以最大程度解相关;然后利用LCMV准则直接矩阵求逆(DMI)得到子阵波束形成器最佳权矢量;在此基础上,为了克服平滑引起的孔径损失,充分利用剩余自由度,论文分别提出在二次零陷加深准则下和在噪声增益最小化准则下的二次加权,大大提高了阵列抗相干(关)干扰和抗噪声能力。(2)论文还首次从理论上和仿真实验定量分析对比了不同平滑算法的解相干能力(相干抑制因子)。(3)论文利用自由度理论首次分析了不同平滑算法的子阵划分条件:对M元阵列,WSS最多可以滤除((M-1)1/2-1)个相干干扰,而采用AGWSS时最多可以滤出(M/2-1)个相干干扰。理论分析和仿真实验证明AGWSS算法性能明显优于现有的各种空间平滑算法,尤其适用于移动通信中的小型智能天线。论文进一步研究了智能天线中时空多径信道多维参数联合估计及其干扰抑制问题。(1)针对TD-SCDMA系统中的均匀圆阵,提出了一种新的空时扩展阵列结构,该算法能实现时空信道多径的俯仰角-方位角-时延-多普勒频移四维参数联合估计。本算法同时具备:无需训练序列或预先知道信道冲激响应、可用于多用户环境、每个用户的多径数目可以超过阵元数、且多参数自然配对等特点。在算法处理过程中,可同时从码域、空域、时域和频域对信道中的多址干扰、符号间干扰和多普勒频率干扰进行抑制,大大提高了智能天线抗干扰性能。(2)为了提高多维参数估计时的搜索速度,本文还采用了粒子群优化(PSO)算法进行多维搜索。针对基本粒子群优化算法只适合搜索全局最优的局限性,本文应用“函数变换”将原空时谱函数变换为等高峰函数,并通过修改粒子速度更新公式和“聚积处理”等手段实现了PSO算法在空时谱多峰位搜索中的应用。最后,论文对采用智能天线后移动通信系统的信噪比、系统容量等方面进行了分析,并讨论了智能天线对原有系统可能的影响。
二、智能天线实验系统的研究(论文开题报告)
(1)论文研究背景及目的
此处内容要求:
首先简单简介论文所研究问题的基本概念和背景,再而简单明了地指出论文所要研究解决的具体问题,并提出你的论文准备的观点或解决方法。
写法范例:
本文主要提出一款精简64位RISC处理器存储管理单元结构并详细分析其设计过程。在该MMU结构中,TLB采用叁个分离的TLB,TLB采用基于内容查找的相联存储器并行查找,支持粗粒度为64KB和细粒度为4KB两种页面大小,采用多级分层页表结构映射地址空间,并详细论述了四级页表转换过程,TLB结构组织等。该MMU结构将作为该处理器存储系统实现的一个重要组成部分。
(2)本文研究方法
调查法:该方法是有目的、有系统的搜集有关研究对象的具体信息。
观察法:用自己的感官和辅助工具直接观察研究对象从而得到有关信息。
实验法:通过主支变革、控制研究对象来发现与确认事物间的因果关系。
文献研究法:通过调查文献来获得资料,从而全面的、正确的了解掌握研究方法。
实证研究法:依据现有的科学理论和实践的需要提出设计。
定性分析法:对研究对象进行“质”的方面的研究,这个方法需要计算的数据较少。
定量分析法:通过具体的数字,使人们对研究对象的认识进一步精确化。
跨学科研究法:运用多学科的理论、方法和成果从整体上对某一课题进行研究。
功能分析法:这是社会科学用来分析社会现象的一种方法,从某一功能出发研究多个方面的影响。
模拟法:通过创设一个与原型相似的模型来间接研究原型某种特性的一种形容方法。
三、智能天线实验系统的研究(论文提纲范文)
(1)2.1GHz频段5G NR与现有通信系统的兼容性分析研究(论文提纲范文)
摘要 |
ABSTRACT |
第一章 绪论 |
1.1 论文研究背景及意义 |
1.2 国内外研究现状 |
1.3 论文研究内容与组织架构 |
1.3.1 论文研究内容 |
1.3.2 论文组织结构 |
第二章 系统间干扰共存研究综述 |
2.1 引言 |
2.2 2.1GHz频段通信系统概述 |
2.2.1 5G NR系统 |
2.2.2 LTE系统 |
2.2.3 WCDMA系统 |
2.2.4 卫星移动通信系统 |
2.3 无线通信系统间干扰共存研究 |
2.3.1 干扰原理及类型 |
2.3.2 干扰共存研究方法 |
2.4 本章小结 |
第三章 5G NR系统与LTE系统的干扰共存研究 |
3.1 引言 |
3.2 干扰场景与评估准则 |
3.2.1 干扰场景 |
3.2.2 评估准则 |
3.3 隔离度计算 |
3.3.1 ACLR计算 |
3.3.1.1 NR FDD终端干扰LTE FDD基站的ACIR |
3.3.1.2 LTE FDD终端干扰NR FDD基站的ACIR |
3.3.2 ACS计算 |
3.4 仿真平台设计与实现 |
3.4.1 仿真平台架构 |
3.4.2 仿真平台子模块 |
3.5 仿真结果校准与分析 |
3.5.1 仿真平台校准 |
3.5.2 仿真结果及分析 |
3.6 本章小结 |
第四章 5GNR系统与WCDMA系统的干扰共存研究 |
4.1 引言 |
4.2 干扰场景与保护准则 |
4.2.1 干扰场景 |
4.2.2 保护准则 |
4.3 隔离度计算 |
4.3.1 ACLR计算 |
4.3.2 ACS计算 |
4.4 仿真平台设计与实现 |
4.4.1 仿真平台架构 |
4.4.2 仿真平台子模块 |
4.5 仿真结果分析 |
4.5.1 5G NR系统干扰WCDMA系统 |
4.5.2 WCDMA系统干扰5G NR系统 |
4.5.3 仿真结果小结 |
4.6 本章小结 |
第五章 5GNR系统与MSS系统的干扰共存研究 |
5.1 引言 |
5.2 干扰场景与评估准则 |
5.2.1 干扰场景 |
5.2.2 保护准则 |
5.3 隔离度计算 |
5.3.1 ACLR计算 |
5.3.2 ACS计算 |
5.4 仿真平台设计与实现 |
5.4.1 仿真平台架构 |
5.4.2 仿真平台子模块 |
5.5 仿真结果校准与分析 |
5.5.1 仿真平台校准 |
5.5.2 仿真结果分析 |
5.6 本章小结 |
第六章 总结与展望 |
6.1 论文总结 |
6.2 下一步工作展望 |
参考文献 |
致谢 |
攻读硕士学位期间发表的学术论文目录 |
攻读硕士学位期间参加的项目 |
(2)基于智能天线的灾区环境搜救定位方法研究(论文提纲范文)
摘要 |
ABSTRACT |
第一章 绪论 |
1.1 引言 |
1.2 高精度定位 |
1.3 智能天线 |
1.4 国内外研究现状 |
1.4.1 高精度定位研究现状 |
1.4.2 智能天线相关研究 |
1.5 主要工作及结构安排 |
1.5.1 本文主要工作 |
1.5.2 本文结构安排 |
第二章 智能天线及室内定位相关理论技术 |
2.1 引言 |
2.2 常见室内定位方法 |
2.2.1 基于接收信号强度指示的室内定位技术 |
2.2.2 基于角度的室内定位技术 |
2.2.3 基于时间的室内定位技术 |
2.3 智能天线理论技术 |
2.3.1 广义斯涅耳定律 |
2.3.2 智能天线工作原理 |
2.4 压缩感知理论技术 |
2.5 本章小结 |
第三章 智能天线协助的新型非视距无线定位系统模型 |
3.1 引言 |
3.2 智能天线的路径损耗模型 |
3.3 智能天线协助的接收信号模型 |
3.4 仿真实验及分析 |
3.5 本章小结 |
第四章 基于智能天线的非视距定位方法 |
4.1 引言 |
4.2 智能天线协助的非视距毫米波信道虚拟拟表示 |
4.3 基于分布式压缩感知的信道参数估计及位置估计 |
4.3.1 分布式压缩感知 |
4.3.2 特殊情况下的位置估计方法 |
4.3.3 一般情况下的位置估计方法 |
4.4 基站-智能天线波束赋形配置联合优化 |
4.5 仿真实验及其分析 |
4.5.1 信道重构算法性能分析 |
4.5.2 定位性能分析 |
4.6 本章小结 |
第五章 总结与展望 |
5.1 研究总结 |
5.2 研究展望 |
参考文献 |
致谢 |
攻读学位期间取得的研究成果 |
(3)GSM-R系统中智能天线DOA估计算法研究(论文提纲范文)
摘要 |
abstract |
第1章 绪论 |
1.1 课题研究背景及意义 |
1.2 国内外研究现状 |
1.2.1 智能天线的研究现状 |
1.2.2 DOA估计算法的研究现状 |
1.2.3 DOA跟踪算法的研究现状 |
1.3 本论文研究内容与章节安排 |
第2章 智能天线理论基础 |
2.1 智能天线的基本结构 |
2.2 智能天线的分类 |
2.2.1 波束切换天线阵列 |
2.2.2 自适应天线阵列 |
2.3 智能天线工作原理 |
2.4 DOA估计的基础理论 |
2.4.1 阵列信号数学模型 |
2.4.2 数学模型统计特性 |
2.5 本章小结 |
第3章 DOA估计算法的仿真研究与分析 |
3.1 传统类DOA估计算法 |
3.1.1 延迟-相加法 |
3.1.2 Capon最小方差法 |
3.2 子空间类DOA估计算法 |
3.2.1 MUSIC算法 |
3.2.2 Root-MUSIC算法 |
3.2.3 ESPRIT算法 |
3.2.4 LS-ESPRIT算法 |
3.3 仿真实验与结果分析 |
3.3.1 传统的DOA估计算法仿真分析 |
3.3.2 子空间类的DOA估计算法仿真分析 |
3.4 本章小结 |
第4章 GSM-R系统中的DOA跟踪算法 |
4.1 GSM-R系统中的智能天线技术 |
4.1.1 采用智能天线技术的GSM-R系统结构 |
4.1.2 GSM-R系统中天线阵列接收信号模型 |
4.2 DOA跟踪算法研究 |
4.2.1 PAST与 PASTd算法 |
4.2.2 卡尔曼滤波器算法 |
4.2.3 基于卡尔曼滤波器的PASTd算法 |
4.2.4 简化的基于卡尔曼滤波器的PASTd算法 |
4.3 仿真实验与结果分析 |
4.3.1 DOA估计算法与DOA跟踪算法的仿真分析 |
4.3.2 DOA跟踪算法的仿真分析 |
4.4 本章小结 |
第5章 总结与展望 |
5.1 本文工作总结 |
5.2 本文不足之处和展望 |
致谢 |
参考文献 |
(4)基于智能天线的毫米波雷达目标识别技术(论文提纲范文)
中文摘要 |
abstract |
第一章 绪论 |
1.1 课题背景及研究意义 |
1.2 雷达系统与智能天线 |
1.2.1 毫米波雷达系统组成 |
1.2.2 毫米波雷达工作原理 |
1.2.3 智能天线概念 |
1.3 国内外研究现状 |
1.3.1 毫米波雷达发展概述 |
1.3.2 智能天线研究现状 |
1.3.3 目标识别技术研究现状 |
1.4 主要研究内容 |
第二章 毫米波雷达智能天线设计 |
2.1 引言 |
2.2 智能天线理论 |
2.2.1 微带天线理论 |
2.2.2 阵列天线设计 |
2.3 切比雪夫阵列天线设计及其优化 |
2.3.1 微带天线偏差因素模型分析 |
2.3.2 切比雪夫阵列天线设计及其优化 |
2.3.3 天线模型建立及理论仿真 |
2.4 泰勒阵列天线设计及其应用 |
2.4.1 水平空域划分原理 |
2.4.2 泰勒阵列天线设计 |
2.4.3 相移馈电网络设计 |
2.4.4 仿真分析 |
2.5 本章小结 |
第三章 数字波束形成算法和雷达扫描策略研究 |
3.1 引言 |
3.2 数字波束形成原理 |
3.3 基于稀疏贝叶斯学习的稳健自适应波束形成算法 |
3.3.1 稀疏贝叶斯理论 |
3.3.2 基于SBL的稳健自适应波束形成算法 |
3.3.3 算法仿真分析 |
3.4 基于聚类算法的雷达扫描策略 |
3.4.1 聚类算法的分类及其选取 |
3.4.2 数学模型建立与仿真分析 |
3.4.3 基于聚类结果的自适应加权算法改进 |
3.4.4 目标轨迹预测 |
3.5 本章小结 |
第四章 目标识别技术研究 |
4.1 引言 |
4.2 雷达多目标识别算法 |
4.2.1 二维FFT算法 |
4.2.2 雷达恒虚警算法 |
4.2.3 雷达多目标识别算法 |
4.2.4 卡尔曼滤波算法 |
4.2.5 解速度模糊算法 |
4.3 车载雷达与视觉系统的融合 |
4.3.1 车载雷达与视觉系统空间融合 |
4.3.2 车载雷达与机器视觉时间融合 |
4.4 基于均值漂移的目标跟踪算法及实现 |
4.4.1 均值漂移基本理论 |
4.4.2 均值漂移目标跟踪 |
4.5 本章小结 |
第五章 实验研究与结果分析 |
5.1 引言 |
5.2 智能天线设计实验测试 |
5.2.1 切比雪夫阵列天线优化设计实验 |
5.2.2 水平空域划分雷达阵列天线实验 |
5.3 毫米波雷达目标探测实验 |
5.3.1 实验平台搭建 |
5.3.2 毫米波雷达目标探测实验 |
5.3.3 多场景下目标探测实验 |
5.4 车辆雷达与机器视觉融合实验 |
5.4.1 实验平台搭建 |
5.4.2 摄像机内外参数标定及畸变参数求取 |
5.4.3 前方车辆检测效果实验 |
5.4.4 基于目标跟踪的雷达图像融合检测效果 |
5.5 本章小结 |
第六章 总结与展望 |
6.1 总结 |
6.2 展望 |
参考文献 |
攻读学位期间本人出版或公开发表的论着、论文 |
致谢 |
(5)低轨对地通信智能天线波束形成技术研究(论文提纲范文)
摘要 |
ABSTRACT |
论文中通用符号 |
1 绪论 |
1.1 研究背景及意义 |
1.2 国内外研究现状 |
1.2.1 方向图综合技术研究现状 |
1.2.2 和差单脉冲角度估计技术研究现状 |
1.3 低轨卫星通信智能天线需求分析与系统架构 |
1.3.1 低轨卫星智能天线覆盖范围分析 |
1.3.2 阵列天线结构与多波束覆盖需求 |
1.3.3 卫星轨道特性与干扰抑制要求 |
1.3.4 具有自适应抗干扰能力的低轨智能天线系统架构 |
1.4 本文的主要工作 |
2 基于功率逼近的快速方向图综合算法研究 |
2.1 引言 |
2.2 问题模型 |
2.3 快速功率逼近静态方向图综合 |
2.4 快速功率逼近方向图干扰零陷跟踪 |
2.4.1 主瓣覆盖区域固定情况下的零陷跟踪 |
2.4.2 主瓣覆盖区域变化情况下的零陷跟踪 |
2.5 算法性能仿真 |
2.5.1 静态方向图综合仿真 |
2.5.2 干扰零陷跟踪方向图综合仿真 |
2.5.3 加权因子有效性仿真 |
2.6 本章小结 |
3 基于IFT的快速零陷跟踪方向图综合算法研究 |
3.1 引言 |
3.2 不同阵列结构下IFT应用 |
3.2.1 矩形栅格阵列 |
3.2.2 三角栅格阵列 |
3.3 快速零陷方向图综合 |
3.3.1 约束子集投影 |
3.3.2 算法流程 |
3.3.3 可见空间分析 |
3.3.4 波束赋形区、旁瓣区和过渡区的划分 |
3.4 算法性能仿真 |
3.4.1 静态方向图优化仿真 |
3.4.2 零陷跟踪方向图优化仿真 |
3.5 本章小结 |
4 主瓣保形自适应波束形成算法研究 |
4.1 引言 |
4.2 问题模型 |
4.2.1 传统的LCMV波束形成器及其GSC架构 |
4.2.2 主瓣保形自适应波束形成器模型 |
4.3 算法基本原理 |
4.3.1 主瓣子空间约束 |
4.3.2 主瓣保形自适应波束形成算法 |
4.3.3 算法步骤 |
4.4 算法性能仿真 |
4.4.1 均匀线性阵列性能仿真 |
4.4.2 二维面阵性能仿真 |
4.5 本章小结 |
5 宽角度覆盖快速精确角度估计技术研究 |
5.1 引言 |
5.2 问题模型 |
5.2.1 和差单脉冲角度估计方程 |
5.2.2 和差单脉冲角度估计精度模型 |
5.3 粗测与精测结合的分步快速单脉冲角度估计 |
5.3.1 可控测角误差和测角范围和差波束综合 |
5.3.2 粗测和精测结合的分步快速单脉冲角度估计算法 |
5.3.3 算法性能仿真 |
5.4 基于三阶泰勒展开的高精度单脉冲角度估计 |
5.4.1 三阶和差单脉冲角度估计方程简化 |
5.4.2 角度估计值求解与收敛性分析 |
5.4.3 算法性能仿真 |
5.5 本章小结 |
6 智能天线关键技术的实验验证 |
6.1 引言 |
6.2 智能天线系统及其性能测试环境构建 |
6.2.1 智能天线系统组成 |
6.2.2 智能天线性能测试环境构建 |
6.2.3 智能天线性能测试内容和测试方法 |
6.3 智能天线算法性能验证 |
6.3.1 快速功率逼近方向图综合算法验证 |
6.3.2 基于FT的快速零陷跟踪方向图赋形算法验证 |
6.3.3 主瓣保形自适应波束形成抗干扰算法验证 |
6.3.4 快速单脉冲角度估计技术验证 |
6.4 本章小结 |
7 全文总结和展望 |
7.1 全文总结 |
7.2 展望 |
8 附录 |
8.1 附录A |
8.2 附录B |
致谢 |
参考文献 |
附录 |
(6)甚/特高频智能天线波达方向估计及相关技术研究与实现(论文提纲范文)
论文创新点 |
摘要 |
ABSTRACT |
第一章 绪论 |
1.1 研究背景和意义 |
1.2 发展历史和研究现状 |
1.2.1 智能天线的发展历史 |
1.2.2 智能天线的国内外研究状况 |
1.2.3 波达方向估计的研究进展 |
1.3 论文的主要工作和研究内容 |
第二章 智能天线原理及DOA估计基础理论 |
2.1 引言 |
2.2 接收阵列的统计数学模型 |
2.2.1 基本假设 |
2.2.2 数学模型 |
2.3 智能天线原理及经典DOA估计算法 |
2.3.1 智能天线原理 |
2.3.2 MUSIC算法理论 |
2.4 基于虚拟阵列旋转的改进MUSIC算法 |
2.4.1 问题描述 |
2.4.2 算法原理 |
2.4.3 仿真实验 |
2.5 小结 |
第三章 信源数估计方法研究 |
3.1 引言 |
3.2 常规的信源数估计方法 |
3.2.1 信息论准则 |
3.2.2 对角加载法 |
3.2.3 盖氏圆盘法 |
3.2.4 仿真实验 |
3.3 基于特征值加权的盖氏圆盘改进算法 |
3.3.1 问题描述 |
3.3.2 算法原理 |
3.3.3 仿真实验 |
3.4 小结 |
第四章 幅相误差下的阵列校正及DOA估计 |
4.1 引言 |
4.2 阵列误差模型 |
4.2.1 阵列误差分类 |
4.2.2 幅相误差的影响 |
4.2.3 仿真实验 |
4.3 阵列校正及DOA估计算法 |
4.3.1 经典有源校正算法 |
4.3.2 联合迭代自校正算法 |
4.3.3 仿真实验 |
4.4 基于相位误差独立的自校正改进算法 |
4.4.1 算法原理 |
4.4.2 性能分析 |
4.4.3 仿真实验 |
4.5 小结 |
第五章 DOA估计快速实现方法研究 |
5.1 引言 |
5.2 预处理酉变换方案 |
5.2.1 均匀线阵 |
5.2.2 均匀圆阵 |
5.2.3 中心对称阵列 |
5.3 特征值分解的快速实现方法 |
5.3.1 经典特征分解及迭代算法理论 |
5.3.2 Jacobi并行排序优化算法 |
5.3.3 CORDIC坐标旋转迭代算法 |
5.4 谱峰搜索的快速实现方法 |
5.4.1 基于门限约束的一维空间谱快速搜索算法 |
5.4.2 基于数字量化的二维空间谱完备搜索方案 |
5.5 可行性试验验证 |
5.6 小结 |
第六章 基于软件无线电的智能天线接收处理系统 |
6.1 引言 |
6.2 智能天线硬件系统设计 |
6.2.1 硬件平台系统 |
6.2.2 射频前端 |
6.2.3 数字接收机 |
6.2.4 上变频还原模块 |
6.3 智能天线软件信息系统 |
6.3.1 软件系统设计方案 |
6.3.2 在线控制系统 |
6.3.3 信道监控系统 |
6.3.4 信息存储系统 |
6.3.5 离线分析系统 |
6.4 系统性能测试与试验分析 |
6.4.1 闭环测试 |
6.4.1.1 数字处理机性能测试 |
6.4.1.2 系统级联闭环测试 |
6.4.2 外场试验 |
6.4.2.1 阵列校正 |
6.4.2.2 两目标测向 |
6.4.3 算法验证 |
6.4.3.1 改进MUSIC算法 |
6.4.3.2 盖氏圆盘改进算法 |
6.4.3.3 自校正改进算法 |
6.4.3.4 DOA估计的硬件快速实现 |
6.4.4 试验结果分析 |
6.5 小结 |
第七章 总结与展望 |
7.1 全文总结 |
7.2 研究展望 |
参考文献 |
攻读博士学位期间发表的学术论文及专利 |
致谢 |
(7)采用智能天线阵的无线通信系统研究和设计(论文提纲范文)
作者简介 |
摘要 |
ABSTRACT |
第一章 绪论 |
摘要 |
1.1 研究背景和意义 |
1.2 发展历史和研究现状 |
1.3 本文研究内容和主要工作 |
第二章 基本理论概述 |
摘要 |
2.1 引言 |
2.2 智能天线技术 |
2.3 调制技术 |
2.4 接收技术 |
2.5 编码技术 |
2.6 小结 |
第三章 系统的整体框架 |
摘要 |
3.1 引言 |
3.2 系统技术指标要求 |
3.3 系统的通信技术和框架 |
3.4 关键技术分析 |
3.5 小结 |
第四章 数字发信机设计 |
摘要 |
4.1 引言 |
4.2 整体架构 |
4.3 硬件设计 |
4.4 软件设计 |
4.5 小结 |
第五章 智能天线阵控制系统设计 |
摘要 |
5.1 数字微波波束切换和数字波束形成的联合结构和算法 |
5.2 整体结构 |
5.3 射频前端 |
5.4 微波移相器设计 |
5.5 控制系统和时钟设计 |
5.6 小结 |
第六章 数字接收机设计 |
摘要 |
6.1 引言 |
6.2 数字下变频 |
6.3 波达方向估计、数字波束合成和抗干扰技术 |
6.4 同步设计 |
6.5 数字解码 |
6.6 小结 |
第七章 基于智能天线阵的新研究和设计 |
摘要 |
7.1 引言 |
7.2 低成本直接射频正交调制无线发信机的新设计 |
7.3 采用微波移相网络实现 PSK 调制的新技术 |
7.4 天线阵微波和数字波束形成的联合结构和算法 |
7.5 小结 |
第八章 全文总结 |
致谢 |
参考文献 |
攻读博士学位期间的研究成果 |
(9)智能天线教学实验系统的实现(论文提纲范文)
1 关键算法的设计 |
(1) 智能天线阵列类型和频段选择 |
(2) 下行波束赋形算法的选择 |
(3) 上行波束成形和天线校准 |
2 智能天线教学实验系统方案 |
3 结语 |
(10)移动通信智能天线关键技术研究(论文提纲范文)
摘要 |
ABSTRACT |
第一章 引言 |
1.1 移动通信智能天线的概念 |
1.2 移动通信智能天线的发展历史 |
1.3 移动通信智能天线技术的研究现状及本文的主要工作和创新点 |
1.4 本文的内容安排 |
第二章 智能天线的结构及工作原理 |
2.1 天线的基本概念及阵列天线结构 |
2.2 窄带阵列信号模型 |
2.2.1 阵列输入矢量 |
2.2.2 输出信号 |
2.3 均匀直线阵波束形成 |
2.4 智能天线的两种工作方式 |
2.4.1 自适应天线阵列(Adaptive Antenna Arrays) |
2.4.2 切换波束系统(Switched Beam Systems) |
2.4.3 两种智能天线的比较 |
2.5 本章小结 |
第三章 基于智能天线的无线空时信道及其建模方法研究 |
3.1 无线电波传播模型 |
3.2 无线多径信道的冲激响应模型 |
3.3 矢量信道冲激响应模型 |
3.4 无线时变散射信道的时空特性 |
3.4.1 信道的频率特性 |
3.4.2 信道的时间特性 |
3.4.3 信道的空间特性 |
3.4.3.1 阵列天线的空域相关系数理论分析 |
3.4.3.2 不同散射分布环境下智能天线空间相关性分析 |
3.4.3.3 不同散射分布环境下智能天线空间相关性的数值仿真结果 |
3.4.3.4 ~*附:不同概率分布的Matlab实现 |
3.5 基于物理传播的空时信道模型 |
3.5.1 Lee模型及其改进模型 |
3.5.2 基于(散射体)几何单反射(GBSB)统计信道模型 |
3.5.3 高斯广义平稳不相关散射(GWSSUS)模型 |
3.5.4 扩展的抽头延迟线模型 |
3.5.5 其它信道模型 |
3.6 一种时空多径信道建模方法及仿真 |
3.7 本章小结 |
第四章 智能天线中的自适应数字波束形成算法研究 |
4.1 波束形成的常用最优准则(最佳波束形成器) |
4.1.1 最小均方误差(MMSE)波束形成器 |
4.1.2 最大信噪比(MaxSNR)波束形成器 |
4.1.3 线性约束最小方差(LCMV)波束形成器 |
4.2 智能天线中常用的波束形成算法 |
4.2.1 数字波束形成(DBF)算法分类 |
4.2.2 非盲算法 |
4.2.2.1 最小均方算法(LMS) |
4.2.2.2 递归最小二乘法(RLS) |
4.2.3 盲算法 |
4.2.3.1 最速下降恒模算法(Constant Modulus Algorithm,CMA) |
4.2.3.2 最小二乘恒模算法(LS-CMA) |
4.2.3.3 最小二乘解扩重扩多目标阵列(LS-DRMTA) |
4.2.4 下行波束形成 |
4.2.5 波束形成算法仿真试验结果及性能分析 |
4.3 多级恒模阵列中一种改进的恒模算法 |
4.3.1 多级恒模阵列工作原理 |
4.3.2 多级恒模阵列中一种改进的恒模算法 |
4.3.3 改进的恒模算法仿真试验结果及性能分析 |
4.4 本章小结 |
第五章 智能天线中的波达方向(DOA)估计算法 |
5.1 常用的DOA估计算法 |
5.1.1 传统法 |
5.1.1.1 延迟-相加法 |
5.1.1.2 Capon最小方差法 |
5.1.2 MUSIC算法 |
5.1.3 ESPRIT算法 |
5.2 相干多径环境下基于均匀直线阵的信号空间特征和波达方向估计算法研究 |
5.2.1 多径环境下窄带阵列的信号模型 |
5.2.2 均匀线阵中基于四阶累积量的信号空间特征全盲估计方法 |
5.2.3 基于空间特征的多用户多径DOA估计方法 |
5.2.4 利用空间特征估计实现多用户空分多址及信源恢复 |
5.2.5 仿真实验结果及性能分析 |
5.3 相干多径环境下基于均匀圆阵的信号波达方向估计研究 |
5.3.1 基于均匀圆阵的波达方向估计算法 |
5.3.1.1 阵元空间处理算法 |
5.3.1.2 波束空间处理算法 |
5.3.2 相干多径环境下基于均匀圆阵的信号波达方向估计 |
5.3.3 仿真试验结果及性能分析 |
5.4 本章小结 |
第六章 相干多径环境下智能天线的性能改进 |
6.1 空间平滑技术(SPATIAL SMOOTHING) |
6.2 自适应加权空间平滑技术(WSS) |
6.3 一种新的空间平滑算法——自适应全局加权空间平滑(AGWSS)算法 |
6.3.1 问题的提出 |
6.3.2 新的空间平滑算法——自适应全局加权空间平滑(AGWSS)算法 |
6.3.3 自适应全局加权空间平滑中的对称化处理技术 |
6.3.3.1 对称化处理的必要性 |
6.3.3.2 含对称化处理的自适应全局加权空间平滑算法 |
6.3.4 自适应全局加权空间平滑算法的解相干性能分析 |
6.3.5 前/后向自适应全局加权空间平滑算法(FB-AGWSS) |
6.4 基于半正定约束的自适应全局加权空间平滑(SD-AGWSS)算法 |
6.4.1 半正定约束的必要性及半正定规划 |
6.4.2 关于障碍函数 |
6.4.3 利用原始-对偶内点障碍函数法求解半正定约束二次规划 |
6.4.4 关于算法的进一步考虑 |
6.5 利用SD-AGWSS算法改进智能天线在相干多径环境下的DOA估计性能 |
6.5.1 相干源角度间隔很小时不同平滑技术性能对比实验。 |
6.5.2 低信噪比情况下不同平滑技术对相干源的分辨能力实验。 |
6.6 利用AGWSS算法改进LCMV智能天线在相干多径环境下的干扰抑制性能 |
6.6.1 基于LCMV准则的智能天线原理及空间平滑 |
6.6.2 全阵波束形成方案 |
6.6.2.1 利用剩余自由度实现零陷加深(二次零陷) |
6.6.2.2 利用剩余自由度实现噪声抑制 |
6.6.3 利用自由度理论分析不同平滑算法的子阵划分条件 |
6.6.3.1 WSS算法的子阵划分条件 |
6.6.3.2 AGWSS算法的子阵划分条件 |
6.6.3.3 FB-AGWSS算法的子阵划分条件 |
6.6.4 仿真实验及结果分析 |
6.7 本章小结 |
第七章 TD-SCDMA中时空多径信道多维参数联合盲估计及其干扰抑制 |
7.1 TD-SCDMA中一种空时扩展阵列结构及其信号模型 |
7.2 时空信道俯仰角-方位角-时延-多普勒频移四维参数联合估计 |
7.3 利用改进粒子群优化(PSO)算法实现时空信道多维参数联合估计 |
7.3.1 基本PSO算法 |
7.3.2 改进的PSO算法 |
7.4 仿真试验及结果分析 |
7.5 本章小结 |
第八章 智能天线对移动通信系统的影响 |
8.1 采用智能天线后移动通信系统的性能分析 |
8.1.1 智能天线对信噪比的改善 |
8.1.2 上行系统容量估计 |
8.2 智能天线对移动通信系统的影响 |
8.3 本章小结 |
第九章 结论及展望 |
9.1 全文总结 |
9.2 展望 |
致谢 |
参考文献 |
攻博期间取得的研究成果 |
攻博期间参与的科研项目 |
四、智能天线实验系统的研究(论文参考文献)
- [1]2.1GHz频段5G NR与现有通信系统的兼容性分析研究[D]. 安娜. 北京邮电大学, 2021(01)
- [2]基于智能天线的灾区环境搜救定位方法研究[D]. 王子阳. 北京邮电大学, 2021(01)
- [3]GSM-R系统中智能天线DOA估计算法研究[D]. 马巧娣. 西南交通大学, 2020(07)
- [4]基于智能天线的毫米波雷达目标识别技术[D]. 李威. 苏州大学, 2018(06)
- [5]低轨对地通信智能天线波束形成技术研究[D]. 马晓峰. 南京理工大学, 2017(07)
- [6]甚/特高频智能天线波达方向估计及相关技术研究与实现[D]. 周林. 武汉大学, 2015(01)
- [7]采用智能天线阵的无线通信系统研究和设计[D]. 陈杰. 西安电子科技大学, 2013(01)
- [8]智能天线技术及其在移动通信中的应用研究[J]. 郭建英. 濮阳职业技术学院学报, 2011(01)
- [9]智能天线教学实验系统的实现[J]. 宋晓勤,宋平. 电气电子教学学报, 2008(06)
- [10]移动通信智能天线关键技术研究[D]. 周围. 电子科技大学, 2008(11)