基于智能优化算法的自适应波束形成技术研究

基于智能优化算法的自适应波束形成技术研究

ID:37071945

大小:1.26 MB

页数:88页

时间:2019-05-16

基于智能优化算法的自适应波束形成技术研究_第1页
基于智能优化算法的自适应波束形成技术研究_第2页
基于智能优化算法的自适应波束形成技术研究_第3页
基于智能优化算法的自适应波束形成技术研究_第4页
基于智能优化算法的自适应波束形成技术研究_第5页
资源描述:

《基于智能优化算法的自适应波束形成技术研究》由会员上传分享,免费在线阅读,更多相关内容在学术论文-天天文库

1、分类号:密级:UDC:编号:工学硕士学位论文基于智能优化算法的自适应波束形成技术研究硕士研究生:王佳安指导教师:黄平副教授学科、专业:控制科学与工程论文主审人:王伟教授哈尔滨工程大学2018年3月分类号:密级:UDC:编号:工学硕士学位论文基于智能优化算法的自适应波束形成技术研究硕士研究生:王佳安指导教师:黄平副教授学位级别:工学硕士学科、专业:控制科学与工程所在单位:自动化学院论文提交日期:2018年1月论文答辩日期:2018年3月学位授予单位:哈尔滨工程大学ClassifiedIndex:U.D.C:ADissertationfortheDegreeofM.EngResearc

2、honAdaptiveBeamformingBasedonIntelligentOptimizationAlgorithmCandidate:WangJiaanSupervisor:ViceProfHuangPingAcademicDegreeAppliedfor:MasterofEngineeringSpecialty:ControlScienceandEngineeringDateofSubmission:January,2018DateofOralExamination:March,2018University:HarbinEngineeringUniversity哈尔滨工程

3、大学学位论文原创性声明本人郑重声明:本论文的所有工作,是在导师的指导下,由作者本人独立完成的。有关观点、方法、数据和文献的引用已在文中指出,并与参考文献相对应。除文中已注明引用的内容外,本论文不包含任何其他个人或集体已经公开发表的作品成果。对本文的研究做出重要贡献的个人和集体,均已在文中以明确方式标明。本人完全意识到本声明的法律结果由本人承担。作者(签字):日期:年月日哈尔滨工程大学学位论文授权使用声明本人完全了解学校保护知识产权的有关规定,即研究生在校攻读学位期间论文工作的知识产权属于哈尔滨工程大学。哈尔滨工程大学有权保留并向国家有关部门或机构送交论文的复印件。本人允许哈尔滨工程

4、大学将论文的部分或全部内容编入有关数据库进行检索,可采用影印、缩印或扫描等复制手段保存和汇编本学位论文,可以公布论文的全部内容。同时本人保证毕业后结合学位论文研究课题再撰写的论文一律注明作者第一署名单位为哈尔滨工程大学。涉密学位论文待解密后适用本声明。本论文(□在授予学位后即可□在授予学位12个月后□解密后)由哈尔滨工程大学送交有关部门进行保存、汇编等。作者(签字):导师(签字):日期:年月日年月日摘要阵列信号处理有很多分支,其最重要的就是采用了位于空间中的不同位置的传感器阵列。自适应波束形成作为其较重要的一个研究内容同样采用了传感器阵列对信号进行采集。根据所采集的信号对各个阵列的

5、加权系数进行相应调整,这样来实现信号的最优接收。而最优权矢量的求取直接决定着能否对干扰进行有效地抑制,所以针对最优权矢量的求取展开研究具有十分重要的意义。首先,对信号处理的基本知识进行简要介绍,包括数学模型的建立、波束形成的原理和方向图、统计最优波束形成的基本准则等,并选取常用的几种波束形成算法进行分析。其次,介绍入侵杂草算法(InvasiveWeedOptimization,IWO),将IWO应用于波束形成自适应权矢量求取中。针对IWO在处理问题时所出现的寻优速率慢和全局性不高问题,提出了改进的杂草算法(ModifiedInvasiveWeedOptimization,MIWO)

6、。该算法中杂草种子采取根据适应度值分段式扩散方法,保证了植株粒子快速收敛到全局最优解。仿真证明MIWO对干扰信号的抑制更好,更加适合自适应波束形成。然后,针对MIWO在干扰增加时无法准确对准干扰信号形成零陷这一问题,提出了一种改进的鸡群优化波束形成算法,鸡群算法(ChickenSwarmOptimization,CSO)通过将种群分为寻优能力及寻优方式均不同的三种子群,加快了整个群体的寻优能力的同时保证全局性。并针对CSO在波束形成过程中,方向图的旁瓣信号电平较高的问题,提出了三种改进的鸡群算法,通过理论分析及仿真验证选出了最优鸡群优化算法,改进的鸡群算法(ModifiedChic

7、kenSwarmOptimization,MCSO)可在复杂情况下依旧准确的对干扰信号进行抑制。最后,分别将MIWO及MCSO应用于自适应波束形成中,并进行了相应的仿真验证。仿真结果表明:MIWO凭借其种子方差随适应值进行改变的特性,形成的零陷深,对干扰抑制强。MCSO凭借其独特的寻优方式,在处理复杂函数时仍旧可以保持较高的寻优精度,能准确的对准干扰信号并形成有效抑制,抗干扰稳定性强,输出信干噪比高。关键词:阵列信号处理;波束形成;方向图;入侵杂草优化算法;智能鸡群优

当前文档最多预览五页,下载文档查看全文

此文档下载收益归作者所有

当前文档最多预览五页,下载文档查看全文
温馨提示:
1. 部分包含数学公式或PPT动画的文件,查看预览时可能会显示错乱或异常,文件下载后无此问题,请放心下载。
2. 本文档由用户上传,版权归属用户,天天文库负责整理代发布。如果您对本文档版权有争议请及时联系客服。
3. 下载前请仔细阅读文档内容,确认文档内容符合您的需求后进行下载,若出现内容与标题不符可向本站投诉处理。
4. 下载文档时可能由于网络波动等原因无法下载或下载错误,付费完成后未能成功下载的用户请联系客服处理。