基于MATLAB仿真的LCMV和LCEC算法性能比较.docVIP

基于MATLAB仿真的性能比较 均匀直线阵列信号模型 3个窄带信号入射到阵元数为16的均匀直线间距为。对阵列接收数据进行采样，则第次采样数据表示为： 其中，分别为两个干扰信号方向为噪声信号。方向矢量 LCMV算法原理 LCMV准则：选择权重系数，使得在对有一定约束的条件下，阵列输出的方差最小，即最小。利用拉格朗日乘子法得系数的最优解为 为约束条件。 ，信号一个方向。因此最优解可以 求得的最优权矢量在能保证期望信号方向增益一定的情况下，使系统输出功率最小，从而有效地抑制干扰和噪声。 LCEC算法原理 对信号协方差矩阵的特征分解得到干扰子空间，提取干扰信息，然后通过干扰特征向量来抑制干扰，即相当于对干扰方向施加零点约束。 函数所示 拉格朗日乘子法得系数的最优解为 ，，信号一个方向。因此最优解可以 仿真结果分析 波束主宽度为。看到在和处方向图幅均-30dB。因此可以考虑在个角度处产生零陷。 两个干扰角度大于波束宽度 ，干扰角度分别为：teta1=25°和theta2=45°。 为下的和波束，可以看到在5°和5°有很明显的零陷。 2 图3所示均为下的和波束可以看到在5°和5°基本都有很明显的零陷。可以发现的干扰子空间也会对结果造成一定的影响。中协方差矩阵的特征值= [1.8e5 1.4e5 0.64 0.61 0.59 0.56 0.54 0.52 0.51 0.48 0.46 0.44 0.41 0.40 0.38 0.36]，可以看到个值明显大于其他特征值原理特征值的特征向量为子空间，即的前两个值对应的特征子空间 （1）：16*2维 （2）：16*3维 图3 图3-1中的干扰子空间为前两个特征值对应的特征向量，可以看到性能很好，并且的保持静态方向图。-2中的干扰子空间为前个特征值对应的特征向量，把一部分噪声也当成了干扰信号进行抑制在和处了零陷，但是方向图改变挺多。 干扰角度小于波束宽度 ，干扰角度分别为：teta1=44°和theta2=45° （1）快拍数为512 如图4所示为下的和波束，可以看到在441°和4.97°有很明显的零陷偏离要求角度。 4 图5所示为下的和波束下的方向图形状失真度比下很多 图5 （2）为 图6 对比图的两个图，发现快拍数偏少的情况下，下零陷位置下的零陷位置要准确些。 ：M clear all;clc;close all; %% --------参数设置（均匀直线阵）--------- f=35e9; c=3e8; lamda=c/f; d=0.5*lamda; k=2*pi/lamda; N=16; %% ---------方向图---------- theta=-90:0.01:90; L=length(theta); a=zeros(N,L); for i=1:N a(i,:)=exp(j*k*(i-1)*d*sind(theta)); end v=ones(N,1); s=v*a; s1=abs(s); s2=s1/max(s1); s=20*log10(s2); figure(1); plot(theta,s); xlabel(theta); ylabel((dB)); title(静态和波束); grid on; %% ---------、干扰信号及噪声信号------ M=512;% theta0=0; theta1=38;%干扰角度 theta2=40;%干扰角度 a0=exp(j*k*(0:N-1)*d*sind(theta0)); a1=exp(j*k*(0:N-1)*d*sind(theta1)); a2=exp(j*k*(0:N-1)*d*sind(theta2)); I1=zeros(N,M); I2=zeros(N,M); n=zeros(N,M); for ii=1:M AM_I1=100*randn(1); AM_I2=100*randn(1); I1(:,ii)=AM_I1*a1;%干扰信号 I2(:,ii)=AM_I2*a2;%干扰信号2 n(:,ii)=0.5*(randn(N,1)+j*randn(N,1));%噪声 end X=I1+I2+n; %% -------计算LCMV权重系数------ R=X*X/M; c=a0; f=1; w_lcmv=inv(R)*c*inv(c*inv(R)*c); y_lcmv=w_lcmv*a; y_lcmv=abs(y