傻大方摘要：【数字|数字波束形成递推最小二乘算法研究+源代码( 四 )|波束|形成|最小|算法|研究|源代】20、g andNetwork Throughput. IEEE antennas and Propagation MagazineJ.2002,44(4):106-114. 附录1算法性能测试代码：M=15; %均衡滤波器阶数为2*M+1Lb=10; %信道b长度为L+1%Lb=2; %信道...
按关键词阅读： 形成 研究 算法 数字 源代码 最小 波束
20、g andNetwork Throughput. IEEE antennas and Propagation MagazineJ.2002,44(4):106-114. 附录1算法性能测试代码：M=15;
%均衡滤波器阶数为2*M+1Lb=10;
%信道b长度为L+1%Lb=2;
%信道c长度为L+1%hb=0.4070.8150.407;
%离散时间信道chb=0.04-0.050.07-0.210.500.720.360.000.210.030.07;
%离散时间信道bHb=zeros(2*M+1,2*M+Lb+1);
fork=1:2*M+1;
%信道b的信道矩阵Hb(k,k:1:k+Lb)=hb;
e 。
21、nd%产生伯努利序列和加性白噪声 ， 构建均衡滤波器的输入数据矩阵sigma=1e-3;
%加性白高斯噪声的方差N=2000;
%迭代次数s=randsrc(2*M+Lb+N,1);
%伯努利序列vn=sqrt(sigma)*randsrc(2*M+Lb+N,1);
S=zeros(2*M+Lb+1,N);
%发射信号矩阵SV=zeros(2*M+1,N);
%加性白高斯噪声矩阵Vfork=1:NS(:,k)=s(2*M+Lb+k:-1:k);
V(:,k)=vn(2*M+k:-1:k);
endUb=Hb*S+V;
%均衡滤波器输入数据矩阵Ub%RLS迭代算法dn=S(M+Lb+1,:);
%期望信号lambda= 。
22、0.990;
%RLS遗忘因子delta=0.004;
%RLS调整参数wb_RLS=zeros(2*M+1,N+1);
wb_RLS(M+1,1)=1;
%权向量初始值epsilon=zeros(N,1);
%先验估计误差P1=eye(2*M+1)/delta;
%相关矩阵逆的初始值fork=1:N%RLS算法迭代过程PIn=P1*Ub(:,k);
deno=lambda+Ub(:,k)*PInkn=PIn/deno;
epsilon(k)=dn(k)-wb_RLS(:,k)*Ub(:,k);
wb_RLS(:,k+1)=wb_RLS(:,k)+kn*conj(epsilon(k);
P1=P1/lambda- 。
23、kn*Ub(:,k)*P1/lambda;
endMSEB_RLS=abs(epsilon).2;
%单次实验均方误差MSEB_RLSn=1:2000;
plot(n,MSEB_RLS)title(RLS算法学习曲线)xlabel(迭代次数n)ylabel(MSEB_RLS)axis(020001e-31e+2);
附录2波束形成算法代码：Clc,clear all,close all;
M=16;
%阵元数%d=bochang/2;
%阵元间距为信号波长的一半N=1000;
%快拍数theta_signal=30;
%有用信号的方向theta_interfere1=0;
%干扰信号1的方向theta_inter 。
24、fere2=80;
%干扰信号2的方向theta_interfere3=-80;
%干扰信号3的方向theta_interfere4=60;
%干扰信号4的方向snr=10;
%所有信号的信噪比均为此值linear_snr=10(snr/10);
%线性信噪比值t=1:N;
f0=2e7;
%参考信号的频率s0=5*cos(2*pi*f0*t/(N*f0);
%目标信号for i=1:Mfai0(i,1)=exp(j*(i-1)*pi*sin(pi*theta_signal/180);
%有用信号的相位fai1(i,1)=exp(j*(i-1)*pi*sin(pi*theta_interfere1/180);
。
25、%干扰信号1的相位fai2(i,1)=exp(j*(i-1)*pi*sin(pi*theta_interfere2/180);
%干扰信号2的相位fai3(i,1)=exp(j*(i-1)*pi*sin(pi*theta_interfere3/180);
%干扰信号3的相位fai4(i,1)=exp(j*(i-1)*pi*sin(pi*theta_interfere4/180);
%干扰信号2的相位endpower=0;
for t=1:Npower=power+s0(t)2;
endpower_signal=power/N;
%有用信号功率power_noise=power_signal/linear_ 。
26、snr;
%噪声功率power_interfere1=power_noise*linear_snr;
%干扰信号1的功率power_interfere2=power_noise*linear_snr;
%干扰信号2的功率power_interfere3=power_noise*linear_snr;
%干扰信号2的功率power_interfere4=power_noise*linear_snr;
%干扰信号2的功率s1=normrnd(0,sqrt(power_interfere1/2),1,N)+j*normrnd(0,sqrt(power_interfere1/2),1,N);
%干扰信号1的随机包 。
27、络s2=normrnd(0,sqrt(power_interfere2/2),1,N)+j*normrnd(0,sqrt(power_interfere2/2),1,N);
%干扰信号2的随机包络s3=normrnd(0,sqrt(power_interfere3/2),1,N)+j*normrnd(0,sqrt(power_interfere3/2),1,N);
%干扰信号3的随机包络s4=normrnd(0,sqrt(power_interfere4/2),1,N)+j*normrnd(0,sqrt(power_interfere4/2),1,N);
%干扰信号4的随机包络X0=;
noise= 。
28、tco_wgn(M,N,0.2,2);
for t=1:Nx=s0(t)*fai0+s1(t)*fai1+s2(t)*fai2+s3(t)*fai3+s4(t)*fai4+noise(:,t);
%阵列对信号的完整响应,x为M*1X0=X0;
x;
%X0为N*Mend%*RLS算法*%w=zeros(M,1);
%权矢量初始化lamda=1;
%遗忘因子lamdadelta=10;
c=delta*eye(M,M);
%接收信号样本自相关矩阵的逆矩阵初始化pingjunzhi=zeros(1,N);
mse1=;
for n=1:Nmiu=X0(n,:)*c*X0(n,:);
g=(c*X0(n,:)/(la 。
29、mda+miu);
w=w+g*(s0(n)-X0(n,:)*w);
c=(1/lamda)*(c-g*X0(n,:)*c);
wucha=(abs(s0(n)-X0(n,:)*w)2;
mse1=mse1,wucha;
n=n+1;
end%*单次运算均方误差*%for m=1:100mse=;
for n=1:Nmiu=X0(n,:)*c*X0(n,:);
g=(c*X0(n,:)/(lamda+miu);
w=w+g*(s0(n)-X0(n,:)*w);
c=(1/lamda)*(c-g*X0(n,:)*c);
wucha=(abs(s0(n)-X0(n,:)*w)2;
mse=mse,wucha;
n=n+1;
。
30、endpingjunzhi=pingjunzhi+mse;
m=m+1;
endpingjunzhi1=pingjunzhi/100;
%*100次平均计算均方误差*%y=w*X0;
t=1:N;
figure;
subplot(1,2,1);
plot(t,s0);
title(参考信号);
grid on;
subplot(1,2,2);
plot(t,y);
title(输出信号);
grid on;
l=1:N;
figure;
plot(l,mse1,-r);
title(lamda=1);
grid on;
xlabel(n);
ylabel(mse);
hold on;
plot(l,pingjunzhi1);
legend(单次运算,100次平均);
稿源：(未知)
【傻大方】网址：/a/2021/0801/0023374900.html
标题：数字|数字波束形成递推最小二乘算法研究+源代码( 四 )