摘要 | 第5-6页 |
abstract | 第6-7页 |
第1章 绪论 | 第11-17页 |
1.1 课题的研究背景及意义 | 第11-12页 |
1.2 国内外研究现状 | 第12-14页 |
1.2.1 自适应波束形成发展与现状 | 第12-13页 |
1.2.2 智能优化算法研究发展与现状 | 第13-14页 |
1.3 论文的研究内容及章节安排 | 第14-17页 |
第2章 阵列信号处理与波束形成基础理论 | 第17-35页 |
2.1 引言 | 第17页 |
2.2 阵列信号处理建模 | 第17-18页 |
2.2.1 前提及假设 | 第17页 |
2.2.2 均匀线阵模型 | 第17-18页 |
2.3 波束形成技术 | 第18-25页 |
2.3.1 波束形成原理 | 第19-20页 |
2.3.2 阵列方向图 | 第20-21页 |
2.3.3 波束形成的最佳权向量 | 第21-23页 |
2.3.4 性能参数 | 第23-25页 |
2.4 统计最优波束形成的寻优准则 | 第25-28页 |
2.4.1 最小均方误差(MMSE)准则 | 第25-26页 |
2.4.2 最小噪声方差(MNV)准则 | 第26-27页 |
2.4.3 最大信干噪比(MSINR)准则 | 第27-28页 |
2.4.4 几种准则的比较 | 第28页 |
2.5 自适应波束形成基本算法 | 第28-31页 |
2.5.1 最小方差无失真响应波束形成算法 | 第29-30页 |
2.5.2 线性约束最小方差算法 | 第30页 |
2.5.3 采样矩阵求逆波束形成算法 | 第30-31页 |
2.6 稳健自适应波束形成算法 | 第31-33页 |
2.6.1 对角加载波束形成 | 第31-32页 |
2.6.2 基于特征子空间的稳健波束形成算法 | 第32-33页 |
2.7 本章小结 | 第33-35页 |
第3章 基于杂草算法的自适应波束形成算法 | 第35-55页 |
3.1 引言 | 第35页 |
3.2 经典入侵杂草算法 | 第35-38页 |
3.2.1 入侵杂草算法基本原理和特点 | 第35-37页 |
3.2.2 入侵杂草算法全局收敛的基础 | 第37-38页 |
3.3 基于入侵杂草算法的自适应波束形成 | 第38-42页 |
3.3.1 入侵杂草算法寻优信干噪比函数 | 第38-39页 |
3.3.2 仿真分析 | 第39-42页 |
3.4 入侵杂草算法仿真及结果分析 | 第42-46页 |
3.4.1 多模态函数仿真 | 第42-46页 |
3.4.2 结果分析 | 第46页 |
3.5 改进的入侵杂草算法 | 第46-50页 |
3.5.1 改进方案 | 第46-48页 |
3.5.2 方案比较与结果分析 | 第48-50页 |
3.6 基于杂草算法的自适应波束形成验证分析 | 第50-54页 |
3.6.1 杂草算法与经典算法对比分析 | 第50-52页 |
3.6.2 改进算法之间的仿真对比分析 | 第52-54页 |
3.7 本章小结 | 第54-55页 |
第4章 基于鸡群算法的自适应波束形成算法 | 第55-79页 |
4.1 引言 | 第55页 |
4.2 鸡群优化算法 | 第55-59页 |
4.2.1 鸡群优化算法基本原理和特点 | 第55-57页 |
4.2.2 标准算法流程 | 第57-59页 |
4.2.3 鸡群优化算法全局收敛的基础 | 第59页 |
4.3 鸡群优化算法仿真及结果分析 | 第59-61页 |
4.3.1 多模态函数仿真 | 第60-61页 |
4.3.2 结果分析 | 第61页 |
4.4 基于鸡群优化算法的自适应波束形成 | 第61-66页 |
4.4.1 鸡群优化算法寻优信干噪比函数 | 第61-62页 |
4.4.2 仿真分析 | 第62-66页 |
4.5 改进的鸡群优化算法 | 第66-68页 |
4.5.1 改进公鸡的鸡群优化算法 | 第66-67页 |
4.5.2 改进小鸡的鸡群优化算法 | 第67页 |
4.5.3 混合鸡群优化算法 | 第67-68页 |
4.6 改进算法仿真结果和分析 | 第68-71页 |
4.7 基于鸡群算法的自适应波束形成验证分析 | 第71-75页 |
4.7.1 鸡群算法与杂草算法对比分析 | 第72-73页 |
4.7.2 改进鸡群算法之间的对比分析 | 第73-75页 |
4.8 基于MIWO和MCSO的自适应波束形成验证分析 | 第75-77页 |
4.9 本章小结 | 第77-79页 |
结论 | 第79-81页 |
参考文献 | 第81-85页 |
攻读硕士学位期间发表的论文和取得的科研成果 | 第85-87页 |
致谢 | 第87页 |