CN106712825B - 一种基于粒子群的自适应波束成型干扰抑制方法 - Google Patents

一种基于粒子群的自适应波束成型干扰抑制方法 Download PDF

Info

Publication number
CN106712825B
CN106712825B CN201710080087.1A CN201710080087A CN106712825B CN 106712825 B CN106712825 B CN 106712825B CN 201710080087 A CN201710080087 A CN 201710080087A CN 106712825 B CN106712825 B CN 106712825B
Authority
CN
China
Prior art keywords
sub
particle
particle swarm
phase search
space
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Active
Application number
CN201710080087.1A
Other languages
English (en)
Other versions
CN106712825A (zh
Inventor
余莉
韩方剑
黄少冰
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Lansi (Ningbo) Intelligent Technology Co.,Ltd.
Original Assignee
Hunan Shunmiao Communication Technology Co ltd
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Hunan Shunmiao Communication Technology Co ltd filed Critical Hunan Shunmiao Communication Technology Co ltd
Publication of CN106712825A publication Critical patent/CN106712825A/zh
Application granted granted Critical
Publication of CN106712825B publication Critical patent/CN106712825B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04B—TRANSMISSION
    • H04B7/00—Radio transmission systems, i.e. using radiation field
    • H04B7/02—Diversity systems; Multi-antenna system, i.e. transmission or reception using multiple antennas
    • H04B7/04—Diversity systems; Multi-antenna system, i.e. transmission or reception using multiple antennas using two or more spaced independent antennas
    • H04B7/06—Diversity systems; Multi-antenna system, i.e. transmission or reception using multiple antennas using two or more spaced independent antennas at the transmitting station
    • H04B7/0613—Diversity systems; Multi-antenna system, i.e. transmission or reception using multiple antennas using two or more spaced independent antennas at the transmitting station using simultaneous transmission
    • H04B7/0615—Diversity systems; Multi-antenna system, i.e. transmission or reception using multiple antennas using two or more spaced independent antennas at the transmitting station using simultaneous transmission of weighted versions of same signal
    • H04B7/0617—Diversity systems; Multi-antenna system, i.e. transmission or reception using multiple antennas using two or more spaced independent antennas at the transmitting station using simultaneous transmission of weighted versions of same signal for beam forming
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
    • H04L25/00—Baseband systems
    • H04L25/02—Details ; arrangements for supplying electrical power along data transmission lines
    • H04L25/03—Shaping networks in transmitter or receiver, e.g. adaptive shaping networks
    • H04L25/03006—Arrangements for removing intersymbol interference
    • H04L25/03012—Arrangements for removing intersymbol interference operating in the time domain
    • H04L25/03019—Arrangements for removing intersymbol interference operating in the time domain adaptive, i.e. capable of adjustment during data reception
    • H04L25/03057—Arrangements for removing intersymbol interference operating in the time domain adaptive, i.e. capable of adjustment during data reception with a recursive structure

Landscapes

  • Engineering & Computer Science (AREA)
  • Computer Networks & Wireless Communication (AREA)
  • Signal Processing (AREA)
  • Power Engineering (AREA)
  • Variable-Direction Aerials And Aerial Arrays (AREA)

Abstract

一种基于粒子群的自适应波束成型干扰抑制方法，其技术方案是在经典粒子群方法的基础上，将解空间分成多个子相位空间，然后在每一个子相位空间运用粒子群方法来搜索相应相位空间中的最优值。最后从所有子相位空间最优值中挑选出整个相位空间的最优值。这种基于粒子群的自适应波束成型干扰抑制方法，可以避免现有波束成型算法容易陷入局部最优值得不足，且能使收敛速度更快。

Description

一种基于粒子群的自适应波束成型干扰抑制方法
技术领域
本发明涉及无线通信信号实时处理领域，特别涉及一种自适应波束成型干扰抑制方法，具体是一种基于粒子群的自适应波束成型干扰抑制方法。
背景技术
基于频域的经典滤波方法无法处理干扰信号频率和期望信号频率相接近的情况，这对于无线通信干扰抑制来说无疑是严重的缺陷。而自适应波束成型技术作为一种空域滤波器，能在提高期望信号增益的同时抑制干扰信号和噪声信号，提高信干噪比，所以在很多无线通信信号实时处理领域获得越来越广泛的应用。
最小均方算法(Least Mean Square，LMS)是波束成型技术中的经典算法。LMS算法虽然简单，但收敛速度缓慢，且容易陷入局部最优值。这对于高性能实时处理系统来说是严重的缺陷。
粒子群算法(Particles Swarm Optimization，PSO)属于进化算法，由Kennedy和Eberhart于1995年提出，是一种群体智能搜索算法，其原理在于模拟鸟群觅食的过程搜索全局最优解。与诸如遗传算法、退火算法等进化算法相比，粒子群除了具有易于硬件实现的优势外，在搜索全局最优值和收敛速度方面的性能也更加优越。然而，传统的粒子群方法无法完全避免陷入局部最优值，且容易出现早熟的情况，尤其是解决多峰值寻优问题时更是如此。
发明内容
本发明要解决的技术问题是:针对现有波束成型算法收敛速度慢，容易陷于局部最优等不足，通过对粒子群算法进行改进，提供一种基于分区间粒子群(PartitionParticles Swarm Optimization，PPSO)的自适应波束成型干扰抑制方法。
本发明技术方案的基本思路是：本发明在经典粒子群方法的基础上，将解空间分成多个子相位空间，然后在每一个子相位空间运用粒子群方法来搜索相应相位空间中的最优值。最后从所有子相位空间最优值中挑选出整个相位空间的最优值。
本发明的技术方案是：一种基于粒子群的自适应波束成型干扰抑制方法，其特征在于，包括以下步骤：
第一步，构建一个具有N个阵元的均匀分布线阵列的自适应波束成型模型；
为表述方便，设时刻n天线阵接收原始输入信号XN(n)＝[X0(n),…,XN-1(n)]T,N为天线阵元数量，S(n)是参考信号，E(n)是误差信号，WN(n)＝[W0(n),…,WN-1(n)]T为权向量，Y(n)为输出信号，以上各参数均为复数；
第二步，将解空间分成多个子相位空间；
第(1)步，将解空间映射到相位空间，转换成幅角公式，其表示如下：
Figure BDA0001225627720000021
其中，|wi|,
Figure BDA0001225627720000022
分别表示Wi的幅值和相位，i＝0,1,…N-1。简化上述公式，表示如下：
Figure BDA0001225627720000023
其中,
Figure BDA0001225627720000024
Figure BDA0001225627720000025
Figure BDA0001225627720000026
Figure BDA0001225627720000027
这样，[φ1,…,φN-1]为解向量；
记φi∈Ri,则R1×R2×…×RN-1构成了N-1维相位搜索空间；
此时，自适应波束成型的输出信号则为如下形式：
Figure BDA0001225627720000031
W0 *表示W0的共轭，
Figure BDA0001225627720000032
表示
Figure BDA0001225627720000033
的共轭转置。
定义归一化输出
Figure BDA0001225627720000034
如下：
Figure BDA0001225627720000035
定义归一化期望信号
Figure BDA0001225627720000036
如下：
Figure BDA0001225627720000037
第(2)步，将相位搜索空间分割成子相位搜索空间；
将Ri分成M等分{Ri1,…,RiM},1＝1,…N-1，M是2的倍数，
Figure BDA0001225627720000038
Figure BDA0001225627720000039
d＝1,…M，则相位搜索空间被分割成MN-1个N-1维的子相位搜索空间：
ψd＝R1l×…×RN-1，m,l,m＝1,…M,d＝1,…MN-1
第三步，采用分区间粒子群优化算法对每个子相位搜索空间求最优解：
第(1)步：初始化子相位搜索空间ψd的基本粒子：
为简化起见，ψd记为
Figure BDA00012256277200000310
设置粒子个数为m；
第i个粒子在第k次迭代时的位置向量：
Figure BDA00012256277200000311
Figure BDA00012256277200000312
第i个粒子在第k次迭代时的速度向量：
Figure BDA00012256277200000313
第i个粒子历史最优位置：Ppbest＝(pbest1,pbest2,...pbestN-1)；
粒子群全局历史最优位置：Pgbest＝(pgest1,pgest2,...pgestN-1)；
随机初始化基本粒子及初始速度，k＝1；
第(2)步：更新粒子的速度和位置：
粒子的速度和位置更新公式设置如下：
Figure BDA0001225627720000041
Figure BDA0001225627720000042
Figure BDA0001225627720000043
Figure BDA0001225627720000044
其中，c1,c2是两个常数，通常为2；r1,r2是两个范围为[0,1]的随机数；ωk是惯性权重，主要用来平衡算法的局部和全局搜索能力；
Figure BDA0001225627720000045
其中，1>ωmax>ωmin>0,ωmax,ωmin分别为ω的最大值和最小值，k为迭代次数，K为迭代次数的上限；
根据以上公式更新粒子群，得到新的粒子群；
第(3)步，计算适应度函数：
Figure BDA0001225627720000046
优化的目标是最小化适应度函数；
第(4)步，在满足收敛条件时，得到该子相位搜索空间ψd的最优解
Figure BDA0001225627720000047
否则，返回第三步第(2)步继续执行；
其中，所述的收敛条件为：
J≤ε(ε为一个极小值)或者迭代次数达到设置值；
第四步，对上面得到的各个子相位搜索空间最优值求全局最优值：
Figure BDA0001225627720000048
发明附图
图1是本发明算法总体流程图；
图2是自适应波束成型空域滤波模型图；
图3是4×4分区间粒子的初始相位分布图；
图4是本发明PPSO和标准LMS算法所对应的幅度方向图；
图5是算法的均方误差(Mean Squared Error，MSE)收敛曲线图；
具体实施方式
下面以一个三天线自适应波束成型干扰抑制这一具体实例说明本发明的实施方式，图1是本发明的总体流程图，整个流程可分为四个大的步骤：
第一步，构建一个具有三个阵元的均匀分布线阵列的自适应波束成型模型；
图2是自适应波束成型空域滤波模型图,其中，ADC表示模数转换器(AnalogDigital Converter)；
为表述方便，设时刻n的三天线阵接收原始输入信号X3(n)＝[X0(n),X1(n),X2(n)]T,S(n)是参考信号，E(n)是误差信号，W3(n)＝[W0(n),W1(n),W2(n)]T为权向量，Y(n)为输出信号，以上各参数均为复数；
第二步，将解空间分成多个子相位空间；
第(1)步，将解空间映射到相位空间，转换成幅角公式，其表示如下：
Figure BDA0001225627720000051
其中，|wi|,
Figure BDA0001225627720000052
分别表示Wi的幅值和相位，i＝0,1,2。简化上述公式，表示如下：
Figure BDA0001225627720000053
其中,
Figure BDA0001225627720000054
Figure BDA0001225627720000055
Figure BDA0001225627720000061
Figure BDA0001225627720000062
这样，[φ1,φ2]为解向量；
记φi∈Ri,i＝1,2，则R1×R2构成了二维相位搜索空间；
此时，自适应波束成型的输出信号则为如下形式：
Figure BDA0001225627720000063
定义归一化输出
Figure BDA0001225627720000064
如下：
Figure BDA0001225627720000065
定义归一化期望信号
Figure BDA0001225627720000066
如下：
Figure BDA0001225627720000067
第(2)步，将二维相位搜索空间分割成子相位搜索空间；
将Ri分成M等分{Ri1,…,RiM},1＝1,…N-1，图3是一个M＝4，即将相位搜索空间R1×R2分割成16个子相位搜索空间的示例说明；
图3为一个4行4列共16个方块组成的图像，横坐标代表R1的取值范围，纵坐标代表R2的取值范围，分别为[-π,-π)，将Ri分成4等分，得到
Figure BDA0001225627720000068
Figure BDA0001225627720000069
这样相位搜索空间被分割成16个二维的子相位搜索空间：
ψd＝R1l×R2m,l,m＝1,…4,d＝1,…16
也就是图3的每个方块，其横坐标和纵坐标对应其子相位搜索空间的取值范围；
第三步，采用分区间粒子群优化算法对每个子相位搜索空间求最优解：
第(1)步：初始化子相位搜索空间ψd的基本粒子：
为简化起见，ψd记为
Figure BDA00012256277200000610
设置粒子个数为m，取为8，随机初始化基本粒子的位置及初始速度；
图3中每个小方块代表一个子相位搜索空间，其中的小颗粒代表第i个粒子在第k次迭代时的位置向量；
第i个粒子在第k次迭代时的位置向量：
Figure BDA0001225627720000071
Figure BDA0001225627720000072
第i个粒子在第k次迭代时的速度向量：
Figure BDA0001225627720000073
第i个粒子历史最优位置：Ppbest＝(pbest1,pbest2,...pbestN-1)；
粒子群全局历史最优位置：Pgbest＝(pgest1,pgest2,...pgestN-1)；
第(2)步：更新粒子的速度和位置：
Figure BDA0001225627720000074
Figure BDA0001225627720000075
Figure BDA0001225627720000076
Figure BDA0001225627720000077
其中，c1,c2是两个常数，取为2；r1,r2是两个范围为[0,1]的随机数；ωk是惯性权重，主要用来平衡算法的局部和全局搜索能力；
Figure BDA0001225627720000078
其中，1>ωmax>ωmin>0,ωmax,ωmin分别为ω的最小值和最大值，分别取值为0.9和0.4，k为迭代次数，K为迭代次数的上限，取为1000；
根据以上公式更新粒子群，得到新的粒子群；
第(3)步，计算适应度函数：
Figure BDA0001225627720000079
优化的目标是最小化适应度函数；
第(4)步，在满足条件J≤10-4或者迭代次数达到1000时，得到该子相位搜索空间ψd的最优解
Figure BDA0001225627720000081
否则，返回第三步第(2)步继续执行；
第四步，对上面得到的各个子相位搜索空间最优值求全局最优值：
Figure BDA0001225627720000082
图4表示本发明PPSO和标准LMS算法所对应的幅度方向图，横坐标表示角度[-180°,180°]，纵坐标表示归一化幅度值，该图表示信号入射方位角与自适应滤波器空域增益关系。其中蓝色、红色、绿色和黑色曲线分别对应PSO、分割成4个区间的PPSO(2×2PPSO)、分割成16个区间的PPSO(4×4PPSO)和LMS算法所得到的幅度方向图。由图可知，所有的这些算法都能对60°方向(干扰方向)的信号进行零陷处理并在0°方向(期望信号方向)的信号提供很好的幅度增益，也就是对干扰方向的信号进行抑制的同时保护期望信号，其中分割成4×4区间的PPSO可以获得最大的信号增益，而LMS则对应获得最小的信号增益。
图5分别展示了2×2PPSO和4×4PPSO算法和步长因子为0.001(为了获得更小的均方误差曲线的方差值)算法对应的MSE性能曲线。其横坐标表示算法迭代次数，而纵坐标表示dB值。其中图5(1)中红色、绿色和蓝色曲线分别对应4×4PPSO、2×2PPSO和标准PSO算法，图5(2)中的曲线对应LMS算法。由图可以看出2×2PPSO和4×4PPSO(4×4PPSO的MSE曲线更低)算法在迭代2000次左右时便可以稳定收敛，PSO算法则需要迭代4000次左右，LMS则需要15000次左右才能获得稳定的收敛结果，由此可以判断PPSO算法可以获得更快更好的收敛性能，比标准PSO算法和LMS算法都更加快速地收敛。

Claims (2)

1.一种基于粒子群的自适应波束成型干扰抑制方法,其特征在于，包括以下步骤：
第一步，构建一个具有N个阵元的均匀分布线阵列的自适应波束成型模型；
为表述方便，设时刻n天线阵接收原始输入信号X N (n)=[X 0 (n),…,X N-1 (n)] T ,其中N为天线阵元数量；
第二步，将解空间分成多个子相位空间；
第（1）步，将解空间映射到相位空间，转换成幅角公式，表示如下：
Figure 585460DEST_PATH_IMAGE001
其中，
Figure 467966DEST_PATH_IMAGE002
,
Figure 906204DEST_PATH_IMAGE003
分别表示
Figure 911069DEST_PATH_IMAGE004
的幅值和相位，i=0,1,…N-1；简化上述公式，表示如下：
Figure 411321DEST_PATH_IMAGE005
其中,
Figure 831938DEST_PATH_IMAGE006
Figure 366824DEST_PATH_IMAGE007
Figure 214694DEST_PATH_IMAGE008
Figure 202242DEST_PATH_IMAGE009
这样，
Figure 426550DEST_PATH_IMAGE010
为解向量；
记
Figure 815943DEST_PATH_IMAGE011
，
Figure 100294DEST_PATH_IMAGE012
是指其中一个维度的实数空间,则
Figure 575137DEST_PATH_IMAGE013
构成N-1维相位搜索空间；
此时，自适应波束成型的输出信号则为如下形式：
Figure 399874DEST_PATH_IMAGE014
Figure 581457DEST_PATH_IMAGE015
表示
Figure 99026DEST_PATH_IMAGE016
的共轭，
Figure 998848DEST_PATH_IMAGE017
表示
Figure 627276DEST_PATH_IMAGE018
的共轭转置，
Figure 663365DEST_PATH_IMAGE019
是对X N (n)的简写；
定义归一化输出
Figure 351835DEST_PATH_IMAGE020
如下：
Figure 801271DEST_PATH_IMAGE021
定义归一化期望信号
Figure 905493DEST_PATH_IMAGE022
如下：
Figure 123985DEST_PATH_IMAGE023
其中，
Figure 921040DEST_PATH_IMAGE024
是指期望信号；
第（2）步，将相位搜索空间分割成子相位搜索空间；
将
Figure 592193DEST_PATH_IMAGE012
分成M等分
Figure 765685DEST_PATH_IMAGE025
，M是2的倍数，
Figure 838683DEST_PATH_IMAGE026
，则相位搜索空间被分割成
Figure 806639DEST_PATH_IMAGE027
个N-1维的子相位搜索空间：
Figure 965088DEST_PATH_IMAGE028
第三步，采用分区间粒子群优化算法对每个子相位搜索空间求最优解：
第（1）步：初始化子相位搜索空间
Figure 473430DEST_PATH_IMAGE029
的基本粒子：
为简化起见，
Figure 604197DEST_PATH_IMAGE029
记为
Figure 805371DEST_PATH_IMAGE030
；
设置粒子个数为m；
第i个粒子在第k次迭代时的位置向量：
Figure 451116DEST_PATH_IMAGE031
；
第i个粒子在第k次迭代时的速度向量：
Figure 700832DEST_PATH_IMAGE032
；
第i个粒子历史最优位置：
Figure 748422DEST_PATH_IMAGE033
；其中，
Figure 120498DEST_PATH_IMAGE034
表示第i个粒子历史最优位置的第N-1个维度分量；
粒子群全局历史最优位置：
Figure 191222DEST_PATH_IMAGE035
；其中，
Figure 306946DEST_PATH_IMAGE036
表示粒子群历史最优位置的第N-1个维度分量；
随机初始化基本粒子及初始速度，
Figure 146726DEST_PATH_IMAGE037
；
第（2）步：更新粒子的速度和位置：
粒子的速度和位置更新公式设置如下：
Figure 689702DEST_PATH_IMAGE038
Figure 44460DEST_PATH_IMAGE039
Figure 901558DEST_PATH_IMAGE040
Figure 658161DEST_PATH_IMAGE041
其中，
Figure 372039DEST_PATH_IMAGE042
,
Figure 417356DEST_PATH_IMAGE043
是两个常数；
Figure 874882DEST_PATH_IMAGE044
,
Figure 423675DEST_PATH_IMAGE045
是两个范围为[0,1]的随机数；
Figure 574034DEST_PATH_IMAGE046
是惯性权重，主要用来平衡算法的局部和全局搜索能力；
Figure 841067DEST_PATH_IMAGE047
其中，
Figure 836705DEST_PATH_IMAGE048
,
Figure 505583DEST_PATH_IMAGE049
,
Figure 826843DEST_PATH_IMAGE050
分别为
Figure 315594DEST_PATH_IMAGE051
的最小值和最大值，k为迭代次数，K为迭代次数的上限；
根据以上公式更新粒子群，得到新的粒子群；
第（3）步，计算适应度函数：
Figure 380502DEST_PATH_IMAGE052
其中X是对X N (n)的简写；
优化的目标是最小化适应度函数；
第（4）步，在满足收敛条件时，得到该子相位搜索空间
Figure 966204DEST_PATH_IMAGE029
的最优解
Figure 130469DEST_PATH_IMAGE053
；否则，返回第三步第（2）步继续执行；
第四步，对上面得到的各个子相位搜索空间最优值求全局最优值：
Figure 434411DEST_PATH_IMAGE054
。
2.根据权利要求1所述的一种基于粒子群的自适应波束成型干扰抑制方法,其特征在于，所述的收敛条件为：
Figure 975114DEST_PATH_IMAGE055
或者迭代次数达到设置值，其中，
Figure 415322DEST_PATH_IMAGE056
为一个极小值。
CN201710080087.1A 2016-10-08 2017-02-15 一种基于粒子群的自适应波束成型干扰抑制方法 Active CN106712825B (zh)

Applications Claiming Priority (2)

Application Number Priority Date Filing Date Title
CN201610875470 2016-10-08
CN2016108754701 2016-10-08

Publications (2)

Publication Number Publication Date
CN106712825A CN106712825A (zh) 2017-05-24
CN106712825B true CN106712825B (zh) 2020-07-31

Family

ID=58909205

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201710080087.1A Active CN106712825B (zh) 2016-10-08 2017-02-15 一种基于粒子群的自适应波束成型干扰抑制方法

Country Status (1)

Country Link
CN (1) CN106712825B (zh)

Families Citing this family (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN107294589B (zh) * 2017-08-03 2020-10-02 哈尔滨工业大学 基于粒子群优化算法的多波束卫星阵列天线方向图综合方法
CN109143275B (zh) * 2018-07-30 2020-09-22 中国电子科技集团公司第五十四研究所 一种基于粒子群的小型化阵列天线抗干扰实现方法
CN112202483B (zh) * 2020-10-12 2022-10-14 西安工程大学 波束形成方法及装置、电子设备、存储介质
CN113466802B (zh) * 2021-06-30 2023-06-09 中国科学院空天信息创新研究院 基于粒子群算法与最优波束合成方法的距离模糊抑制方法
CN113726382B (zh) * 2021-08-12 2024-02-23 北京邮电大学 可重构智能表面波束成型矩阵生成方法及相关设备

Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN1901396A (zh) * 2006-07-27 2007-01-24 上海交通大学 基于进化算法的多目标优化阵列天线方向图形成方法
CN101272373A (zh) * 2008-05-07 2008-09-24 北京北方烽火科技有限公司 一种自适应模拟正交调制失衡补偿方法和装置
CN103698753A (zh) * 2013-12-19 2014-04-02 武汉大学 一种小型阵列的无源通道校正方法
CN104460318A (zh) * 2013-09-25 2015-03-25 北京化工大学 一种基于闭环过程信息约束的前向通道模型多目标优化辨识整定方法
CN104899374A (zh) * 2015-06-05 2015-09-09 江苏科技大学 基于小波变异风驱动优化算法直线天线阵方向图综合方法

Patent Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN1901396A (zh) * 2006-07-27 2007-01-24 上海交通大学 基于进化算法的多目标优化阵列天线方向图形成方法
CN101272373A (zh) * 2008-05-07 2008-09-24 北京北方烽火科技有限公司 一种自适应模拟正交调制失衡补偿方法和装置
CN104460318A (zh) * 2013-09-25 2015-03-25 北京化工大学 一种基于闭环过程信息约束的前向通道模型多目标优化辨识整定方法
CN103698753A (zh) * 2013-12-19 2014-04-02 武汉大学 一种小型阵列的无源通道校正方法
CN104899374A (zh) * 2015-06-05 2015-09-09 江苏科技大学 基于小波变异风驱动优化算法直线天线阵方向图综合方法

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
"基于粒子群优化算法的无人机航迹规划";方胜良等;《计算机仿真》;20100831;第27卷(第8期);全文 *

Also Published As

Publication number Publication date
CN106712825A (zh) 2017-05-24

Similar Documents

Publication Publication Date Title
CN106712825B (zh) 一种基于粒子群的自适应波束成型干扰抑制方法
CN107294589B (zh) 基于粒子群优化算法的多波束卫星阵列天线方向图综合方法
CN108919199B (zh) 多波束成像声纳稀疏阵列的旁瓣抑制方法、阵列稀疏方法
CN111551923B (zh) 一种多约束下的均匀线性阵列低旁瓣波束形成优化方法
CN104615854B (zh) 一种基于稀疏约束的波束展宽和旁瓣抑制方法
CN110418353B (zh) 一种基于粒子群算法的边缘计算服务器放置方法
CN109143275B (zh) 一种基于粒子群的小型化阵列天线抗干扰实现方法
Abualhayja'a et al. Comparative study of adaptive beamforming algorithms for smart antenna applications
CN110708103B (zh) 一种无需预延迟的宽带波束形成方法
CN102983896A (zh) 一种投影虚拟天线波束形成方法
CN109856676B (zh) 一种实现地震共反射面叠加参数优化的方法
CN110764069A (zh) 一种基于知识辅助的稀疏恢复stap色加载方法
CN106357316A (zh) 阵列天线的波束赋形方法和装置
CN108736158B (zh) 一种对地超低副瓣设计方法
CN107092017A (zh) 一种基于近场mimo成像的rcs外推方法
CN110138430B (zh) 期望信号doa误差下基于导向矢量估计的稳健宽带波束形成方法
CN109283496B (zh) 一种抗运动干扰和抗导向失配的稳健波束形成方法
CN107479053B (zh) 基于stap的舰载mimo雷达稳健发射与接收联合设计方法
CN107070825B (zh) 一种基于模拟退火狼群优化的小波加权多模盲均衡方法
CN110895327B (zh) 基于直接凸优化建模的鲁棒性自适应波束形成方法
CN111830495A (zh) 一种基于凸优化学习的机载雷达自适应波束形成算法
Huang et al. Adaptive beamforming algorithm for interference suppression based on partition PSO
CN114814772B (zh) 一种基于单目标极化散射矩阵的电大集群目标rcs计算方法
Zhang et al. An improved particle swarm optimizer for IIR digital filter design
CN110749881B (zh) 基于改进双层博弈的无人机集群稳健功率控制方法

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
GR01 Patent grant
GR01 Patent grant
TR01 Transfer of patent right
TR01 Transfer of patent right

Effective date of registration: 20211206

Address after: 315204 room 6-1-604, No. 55, Fuye street, camel street, Zhenhai District, Ningbo City, Zhejiang Province

Patentee after: Lansi (Ningbo) Intelligent Technology Co.,Ltd.

Address before: 410000 Changsha, Hunan: room 1721, building 6, Greenland Central Plaza, Yuelu District, Changsha, Hunan

Patentee before: HUNAN SHUNMIAO COMMUNICATION TECHNOLOGY CO.,LTD.

EE01 Entry into force of recordation of patent licensing contract
EE01 Entry into force of recordation of patent licensing contract

Application publication date: 20170524

Assignee: Changsha Lansi Intelligent Technology Co.,Ltd.

Assignor: Lansi (Ningbo) Intelligent Technology Co.,Ltd.

Contract record no.: X2023980034086

Denomination of invention: An Adaptive Beamforming Interference Suppression Method Based on Particle Swarm Optimization

Granted publication date: 20200731

License type: Common License

Record date: 20230329