الگوریتم پرتو تطبیقی برای ضد متراکم

 الگوریتم پرتو تطبیقی برای ضد متراکم

Adaptive beamforming algorithms for anti-jamming

چکیده

آنتن‌های هوشمند دارای قابلیت سرکوب و از بین بردن سیگنال جمینگ هستند، بطوریکه می‌توانند سیگنال را نسبت به تداخل (SINR) بهبود بخشند. پردازش آرایه‌ای اطلاعات در مورد مکان سیگنال برای کمک به متوقف کردن تداخل و افزایش بهره سیگنال با در نظر گرفتن فن‌آوری امیدوار کننده‌ای برای آنتی جمینگ مورد استفاده قرار می‌گیرد. در این مقاله ما سه روش شکل‌دهی پرتو، الگوریتم حداقل مربعات متوسط (LMS) الگوریتم بهینه شده LMS و الگوریتم حداقل مربعات بازگشتی (RLS) را مورد مطالعه قرار می­دهیم. نتایج شبیه سازی بیانگر مقایسه توانایی این سه الگوریتم برای شکل­دهی پرتو در جهت سیگنال مورد نظر و محل صفر گذاری در جهت سیگنال تداخل می­باشد. وابستگی این الگوریتم در SNR و SIR نیز مورد تجزیه و تحلیل قرار می­گیرد. خواهید دید که الگوریتم RLS بهترین راه حل برای برنامه­های کاربردی آنتی جمینگ است.

کلمات کلیدی: پردازش سیگنال آرایه وفقی، آنتی جمینگ، الگوریتم LMS بهینه شده

۱) مقدمه

جمینگ بالقوه در کاربردهای نظامی و غیر نظامی مهم است و البته تبدیل به یک نگرانی عمده برای طراحان سیستم شده است. و تکنیک­های معمول به عنوان سیگنال پارازیت و سیگنال مورد نظر از فرکانس مشابه مفید هستند. روش­های مختلفی برای جلوگیری از پارازیت (جمینگ) اتخاذ شده­اند، از جمله فرکانس رقص[۱] اما این روش نیازمند پهنای باند بسیار زیادی است. فیلتر فضایی [۱۵] بدون نیاز به پهنای باند اضافی می­تواند مشکل را حل کند بدینگونه که سیگنال­ها بر اساس جهت ورود خود فیلتر می­شوند.

الگوریتم­های غیرکور[۲] که در این مقاله مورد بحث هستند به اطلاعات سیگنال مورد نظر نیاز دارند اما الگوریتم­های کور[۳] از جمله الگوریتم­های مدول (CMA) و الگوریتم MUSIC می­توانند زاویه ورود[۴] سیگنال منبع را تخمین بزنند و سپس این اطلاعات جهت، در الگوریتم­های شکل­دهی پرتو غیرکور به شکل پرتو در جهت تخمین زده شده می­تواند مورد استفاده قرار گیرد.

الگوریتم LMS به خاطر سادگی و توانمندی که دارد شناخته شده است. پیچیدگی محاسبات الگوریتم LMS با O(M) نشان داده می­شود[۶]. در حالیکه در سرعت همگرایی  فاقد تغییرات در الگوریتم ارائه شده است، از جمله LMS بهینه شده[۲] الگوریتم متغییر اندازه (VSS-LMS) [12،۱۳،۱،۳]، الگوریتم LMS با طول متغییر [۱۲]، الگوریتم تبدیل دامنه [۱۱]، و اخیرأ الگوریتم CSLMS [9].

الگوریتم LMS بهینه شده تغییر الگوریتم LMS معمولی است که با اندازه گام[۵] بهینه سازی شده است و جزئیات آن در این مقاله مورد بررسی قرار خواهد گرفت. محاسبات پیچیده LMS بهینه شده نیز O(M) می­باشد.

الگوریتم RLS معمولأ سریعتر از الگوریتم LMS همگرا می­شود اما هم قیمت پرداختی آن بیشتر خواهد بود و هم اینکه پیچیدگی آن بیشتر است. چند گونه از الگوریتم RLS در [۱۰] ارائه شده است که یکی از آنها GVFF (گرادیان بر اساس متغییر فاکتور فراموشی)RLS- است. پیچیدگی الگوریتم RLS هست O(M²).

[۱] hopping

[۲] Non-blind

[۳] blind

[۴] DOA : Direction Of Arrival

[۵] Step size

Adaptive beamforming algorithms for anti-jamming

Smart antennas possess the capability of suppressing jamming signal, so they can improve signal to interference plus noise ratio (SINR). Array processing utilizes information regarding locations of signal to aid in interference suppression and signal enhancement and is considered promising technology for anti-jamming. In this paper we studied three beamforming algorithms, Least Mean Square (LMS) algorithm, Optimized-LMS algorithm and Recursive Least Squares (RLS) algorithm.

لینک مقاله اصلی