期刊检索

  • 2024年第56卷
  • 2023年第55卷
  • 2022年第54卷
  • 2021年第53卷
  • 2020年第52卷
  • 2019年第51卷
  • 2018年第50卷
  • 2017年第49卷
  • 2016年第48卷
  • 2015年第47卷
  • 2014年第46卷
  • 2013年第45卷
  • 2012年第44卷
  • 2011年第43卷
  • 2010年第42卷
  • 第1期
  • 第2期

主管单位 中华人民共和国
工业和信息化部
主办单位 哈尔滨工业大学 主编 李隆球 国际刊号ISSN 0367-6234 国内刊号CN 23-1235/T

期刊网站二维码
微信公众号二维码
引用本文:刘可,钱华明,马俊达.一种基于导向矢量约束的恒模盲波束形成算法[J].哈尔滨工业大学学报,2016,48(9):151.DOI:10.11918/j.issn.0367-6234.2016.09.026
LIU Ke,QIAN Huaming,MA Junda.A constant modulus blind beamforming algorithm based on constrained direction vectors[J].Journal of Harbin Institute of Technology,2016,48(9):151.DOI:10.11918/j.issn.0367-6234.2016.09.026
【打印本页】   【HTML】   【下载PDF全文】   查看/发表评论  下载PDF阅读器  关闭
过刊浏览    高级检索
本文已被:浏览 1103次   下载 818 本文二维码信息
码上扫一扫!
分享到: 微信 更多
一种基于导向矢量约束的恒模盲波束形成算法
刘可, 钱华明, 马俊达
(哈尔滨工程大学 自动化学院, 哈尔滨 150001)
摘要:
针对阵列信号波达角(direction of arrival,DOA)先验信息已知的情况,利用信号的恒模特性,在卡尔曼滤波(Kalman filter,KF)结构下,提出一种附加阵列导向矢量约束的自适应波束形成算法.对约束情况下的卡尔曼滤波目标函数运用拉格朗日乘子法,求得约束条件下的最优估计表达式,并将其推广到无迹卡尔曼滤波(unscented Kalman filter,UKF)算法中,通过约束迭代算法对阵列估计信号的导向角施加约束,实现约束UKF自适应波束形成算法的最优权值分配.仿真过程中,用所提算法与约束恒模迭代最小二乘算法和约束最小方差迭代最小二乘算法作对比,表明表明,该算法在收敛速度、信噪比、稳健性、跟踪性能方面具有较好的性能.
关键词:  信号处理  自适应滤波  无迹卡尔曼滤波  波束形成  约束优化技术
DOI:10.11918/j.issn.0367-6234.2016.09.026
分类号:TN911
文献标识码:A
基金项目:国家自然科学基金(61573113);哈尔滨市科技创新人才研究专项资金(优秀学科带头人)资助项目(2014RFXXJ074)
A constant modulus blind beamforming algorithm based on constrained direction vectors
LIU Ke,QIAN Huaming,MA Junda
(College of Automation, Harbin Engineering University, Harbin 150001, China)
Abstract:
Aiming at the case of the known knowledge of the direction of arrival of the desired signal,by using the constant modulus feature,a new blind adaptive beamforming algorithm is proposed under the frame of the Kalman filter. According to the Lagrange multiplier method,the optimal estimation expression of the system states can be derived by minimizing the constrained cost function. Then,the optimal weight vector of the adaptive beamformer can be obtained by using the iteration and update equations of the unscented Kalman filter. In the simulation,the proposed algorithm is compared with the constrained constant modulus recursive least square (CCM-RLS) and constrained minimum variance recursive least square (CMV-RLS) to demonstrate its effectiveness in the terms of the convergence speed,signal to interference plus noise ratio,robustness to changeable environments and tracking capability in the non-stationary condition.
Key words:  signal processing  adaptive filtering  unscented Kalman filter  beamforming  constrained optimization technique

友情链接LINKS