System.ArgumentOutOfRangeException: 索引和长度必须引用该字符串内的位置。 参数名: length 在 System.String.Substring(Int32 startIndex, Int32 length) 在 zhuanliShow.Bind()
【技术实现步骤摘要】
本申请涉及数据处理领域,具体地,涉及一种增强nsb算法主瓣指向性的波束赋形方法及其系统。
技术介绍
1、现代无线通信领域对更快、更可靠网络的需求不断增加。自适应天线可以通过采用自调节算法来控制信号的发送和接收,从而潜在地解决这些需求。从估计传入信号的方向,到产生所需的辐射方向图,再到最终建立低噪声的通信,自适应算法已经成为一种有效的解决方案,因为它们显著降低了波束赋形过程的延迟。在一个复杂多变的环境中,波束赋形需要做到实时响应,每当目标方向或干扰方向发生变化,都必须重复操作,然而不同方向的干扰信号都会对天线的工作造成干扰,严重时将导致天线无法正常工作;天线的主瓣是指向接收目标的方向,较多的干扰也增加了主瓣的偏移,严重影响天线的传输能力;因此通过自适应波束赋形以便同时将主瓣指向目标信号,并在干扰信号上放置零点。到目前为止,nsb(null steering beamformer)算法已被用作确定性波束赋形技术之一,该算法生成馈电权重来引导主瓣并产生高精度零点抑制干扰信号;在深度学习领域也被用于数据集的产生。但随着干扰数量的增长,主瓣角度的变大,主瓣指向精度的误差随之变大。在传统领域,从而影响了天线的传输能力;在深度学习领域,主瓣的偏移就会影响数据集的准确性,进而影响神经网络最终的效果;因此增强nsb算法主瓣指向性是本
亟待解决的问题。
技术实现思路
1、本申请为了克服现有技术存在的不足,提供一种增强nsb算法主瓣指向性的波束赋形方法及其系统,通过增加一个限制位干扰点,来限制主瓣
2、本申请提供一种增强nsb算法主瓣指向性的波束赋形方法,包括以下步骤:确定波束的主瓣点角度、干扰点角度和角度分辨率;根据波束的主瓣点角度、干扰点角度,增加限制位干扰点角度;根据主瓣点角度、干扰点角度和限制位干扰点角度确定权向量;根据权向量,调整阵列天线各单元的幅度值和相位值,实现波束赋形。
3、如上的,其中,主瓣点角度和干扰点角度范围为:主瓣点角度θmain∈(-50°,50°),若干个干扰点角度θnull∈(-60°,60°)。
4、如上的,其中,根据波束的主瓣点角度、干扰点角度,增加限制位干扰点角度包括,设已确定的主瓣点角度为doa1,干扰点角度为doai(i=2,3,…,n),首先确定出各干扰点与主瓣点的角度距离,然后利用增强主瓣指向性算法,根据角度距离在主瓣点周围增加一个限制位角度,限制主瓣角的偏移。
5、如上的,其中,主瓣角的偏移标准为:|doa(θ)-aoa(θ)|<0.5°,其中,doa(θ)为主瓣点目标角度,aoa(θ)为主瓣点实际角度。
6、如上的,其中,根据主瓣点角度、干扰点角度和限制位干扰点角度确定权向量包括,采用nsb算法进行权向量的确定。
7、一种增强nsb算法主瓣指向性的波束赋形系统,包括角度确定单元、限制位干扰点角度增加单元、权向量确定单元以及波束赋形实现单元;角度确定单元用于确定波束的主瓣点角度、干扰点角度和角度分辨率;限制位干扰点角度增加单元用于根据波束的主瓣点角度、干扰点角度,增加限制位干扰点角度;权向量确定单元用于根据主瓣点角度、干扰点角度和限制位干扰点角度确定权向量;波束赋形实现单元用于根据权向量,调整阵列天线各单元的幅度值和相位值,实现波束赋形。
8、如上的,其中,角度确定单元中,主瓣点角度和干扰点角度范围为:主瓣点角度θmain∈(-50°,50°),若干个干扰点角度θnull∈(-60°,60°)。
9、如上的,其中,限制位干扰点角度增加单元根据波束的主瓣点角度、干扰点角度,增加限制位干扰点角度包括,设已确定的主瓣点角度为doa1,干扰点角度为doai(i=2,3,…,n),首先确定出各干扰点与主瓣点的角度距离,然后利用增强主瓣指向性算法,根据角度距离在主瓣点周围增加一个限制位角度,限制主瓣角的偏移。
10、如上的,其中,限制位干扰点角度增加单元主瓣角的偏移标准为:|doa(θ)-aoa(θ)|<0.5°,其中,doa(θ)为主瓣点目标角度,aoa(θ)为主瓣点实际角度。
11、如上的,其中,权向量确定单元根据主瓣点角度、干扰点角度和限制位干扰点角度确定权向量包括,采用nsb算法进行权向量的确定。
12、本申请具有以下有益效果:
13、本申请通过增加一个限制位,来限制主瓣角的偏移,提高了天线主瓣的指向性,进一步增强了天线的传输能力;波束赋形方法的算法简单,速度快,可以集成到现有波束赋形算法中,并以微不足道的额外计算成本带来总体改进。相较传统nsb波束赋形算法,本申请提出的波束赋形方法,仅通过增加限制位的简单操作,将nsb算法主瓣偏移率有效降低;在深度学习领域对数据集的生成也有积极影响。
本文档来自技高网...【技术保护点】
1.一种增强NSB算法主瓣指向性的波束赋形方法,其特征在于,包括以下步骤:
2.如权利要求1所述的增强NSB算法主瓣指向性的波束赋形方法,其特征在于,主瓣点角度和干扰点角度范围为:主瓣点角度θmain∈(-50°,50°),若干个干扰点角度θnull∈(-60°,60°)。
3.如权利要求2所述的增强NSB算法主瓣指向性的波束赋形方法,其特征在于,根据波束的主瓣点角度、干扰点角度,增加限制位干扰点角度包括,设已确定的主瓣点角度为DoA1,干扰点角度为DoAi(i=2,3,…,n),首先确定出各干扰点与主瓣点的角度距离,然后利用增强主瓣指向性算法,根据角度距离在主瓣点周围增加一个限制位角度,限制主瓣角的偏移。
4.如权利要求2所述的增强NSB算法主瓣指向性的波束赋形方法,其特征在于,主瓣角的偏移标准为:|DoA(θ)-AoA(θ)|<0.5°,其中,DoA(θ)为主瓣点目标角度,AoA(θ)为主瓣点实际角度。
5.如权利要求1所述的增强NSB算法主瓣指向性的波束赋形方法,其特征在于,根据主瓣点角度、干扰点角度和限制位干扰点角度确
6.一种增强NSB算法主瓣指向性的波束赋形系统,其特征在于,包括角度确定单元、限制位干扰点角度增加单元、权向量确定单元以及波束赋形实现单元;
7.如权利要求6所述的增强NSB算法主瓣指向性的波束赋形系统,其特征在于,角度确定单元中,主瓣点角度和干扰点角度范围为:主瓣点角度θmain∈(-50°,50°),若干个干扰点角度θnull∈(-60°,60°)。
8.如权利要求7所述的增强NSB算法主瓣指向性的波束赋形系统,其特征在于,限制位干扰点角度增加单元根据波束的主瓣点角度、干扰点角度,增加限制位干扰点角度包括,设已确定的主瓣点角度为DoA1,干扰点角度为DoAi(i=2,3,…,n),首先确定出各干扰点与主瓣点的角度距离,然后利用增强主瓣指向性算法,根据角度距离在主瓣点周围增加一个限制位角度,限制主瓣角的偏移。
9.如权利要求7所述的增强NSB算法主瓣指向性的波束赋形系统,其特征在于,限制位干扰点角度增加单元主瓣角的偏移标准为:|DoA(θ)-AoA(θ)|<0.5°,其中,DoA(θ)为主瓣点目标角度,AoA(θ)为主瓣点实际角度。
10.如权利要求6所述的增强NSB算法主瓣指向性的波束赋形系统,其特征在于,权向量确定单元根据主瓣点角度、干扰点角度和限制位干扰点角度确定权向量包括,采用NSB算法进行权向量的确定。
...【技术特征摘要】
1.一种增强nsb算法主瓣指向性的波束赋形方法,其特征在于,包括以下步骤:
2.如权利要求1所述的增强nsb算法主瓣指向性的波束赋形方法,其特征在于,主瓣点角度和干扰点角度范围为:主瓣点角度θmain∈(-50°,50°),若干个干扰点角度θnull∈(-60°,60°)。
3.如权利要求2所述的增强nsb算法主瓣指向性的波束赋形方法,其特征在于,根据波束的主瓣点角度、干扰点角度,增加限制位干扰点角度包括,设已确定的主瓣点角度为doa1,干扰点角度为doai(i=2,3,…,n),首先确定出各干扰点与主瓣点的角度距离,然后利用增强主瓣指向性算法,根据角度距离在主瓣点周围增加一个限制位角度,限制主瓣角的偏移。
4.如权利要求2所述的增强nsb算法主瓣指向性的波束赋形方法,其特征在于,主瓣角的偏移标准为:|doa(θ)-aoa(θ)|<0.5°,其中,doa(θ)为主瓣点目标角度,aoa(θ)为主瓣点实际角度。
5.如权利要求1所述的增强nsb算法主瓣指向性的波束赋形方法,其特征在于,根据主瓣点角度、干扰点角度和限制位干扰点角度确定权向量包括,采用nsb算法进行权向量的确定。
6.一种增强nsb算法主瓣指向性的波束赋形系统,其特征在于,包括角...
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。