基于神經(jīng)網(wǎng)絡(luò)技術(shù)的自適應(yīng)波束成形方法的研究.pdf

1、近年來，隨著對波束形成技術(shù)中實時性要求的提高，神經(jīng)波束形成算法的研究受到眾多專家和學(xué)者的關(guān)注?；诰€性代數(shù)的自適應(yīng)波束形成算法需要用到矩陣的求逆運算，運算量大，影響實時性。神經(jīng)網(wǎng)絡(luò)方法具有高度的異步并行處理能力，很強的容錯和函數(shù)逼近能力，并且易于在超大規(guī)模集成電路，光學(xué)硬件或具有特殊用途的大規(guī)模并行硬件上并行實現(xiàn)，可有效地提高自適應(yīng)波束形成器的性能，具有很高的研究價值和較強的實用價值。 本文考慮到帶有單層隱含層的徑向基函數(shù)神經(jīng)網(wǎng)

2、絡(luò)具有可實現(xiàn)不同維數(shù)空間之間的映射，逼近任意非線性函數(shù)的特點。針對陣列信號處理中關(guān)鍵技術(shù)之一的自適應(yīng)波束形成問題，提出了一種基于徑向基函數(shù)網(wǎng)絡(luò)模型的并行算法。該算法將最優(yōu)權(quán)向量分解成實部向量和虛部向量的疊加形式，進行并列數(shù)據(jù)處理，不僅收斂速度快，而且抗干擾能力強，對系統(tǒng)誤差具有很強的魯棒性。由于無需知道信號或信道的特性和陣列方向向量等先驗知識，具有較強的實用性。 針對基于特征空間的自適應(yīng)波束形成算法，利用次元分析算法實時計算矩陣

3、的特征向量，提出了一種添加懲罰項的權(quán)向量更新次元分析算法。系統(tǒng)介紹了提案算法的穩(wěn)定性、收斂性和與波束形成問題在數(shù)學(xué)描述上的相似性。實驗結(jié)果證明了提案算法穩(wěn)定性強，收斂速度快，能有效地用于抑制干擾、消除噪聲和實時跟蹤期望信號。 針對實際應(yīng)用中，由于對傳播環(huán)境、信源、傳感器陣列的假設(shè)可能被破壞，導(dǎo)致算法的性能下降的問題。提出一種權(quán)向量長度恒定的約束最差情況性能最優(yōu)波束形成器。采用次元分析算法實時更新權(quán)重向量，實現(xiàn)魯棒自適應(yīng)波束形成。