主要内容

lcmvweights

窄带线性约束最小方差(淋巴细胞脉络丛脑膜炎病毒)beamformer权重

描述

例子

wt= lcmvweights (若干,分别地,)返回窄带linearly-constrained最小方差(淋巴细胞脉络丛脑膜炎病毒)beamformer权重,wt相控阵。当应用到数组的元素,这些权重引导数组的响应特定的到达方向或方向。淋巴细胞脉络丛脑膜炎病毒波束形成要求beamformer响应信号从一个感兴趣的方向是通过指定增益和相位延迟。然而,权力从干扰信号和噪声从其他方向是最小化。额外的约束可能会实施专门取消输出功率来自已知的方向。中包含的约束矩阵,若干。每一列的若干代表一个单独的约束向量。所需的响应每个约束都包含在响应向量,分别地。这个论点传感器空间协方差矩阵。传感器阵列中的所有元素都假定为各向同性。

例子

全部折叠

构造一个10-element half-wavelength-spaced行数组。然后,计算所需的到达方向的淋巴细胞脉络丛脑膜炎病毒重量的0度方位。实施三个方向约束:一个空在-40度,一个单元所需的响应方向到达0度,和另一个零在20度。传感器空间协方差矩阵包括两个信号到达-60和60度和-10分贝各向同性的白噪声。

N = 10;d = 0.5;elementPos = (0: n - 1) * d;sv = steervec (elementPos (-40 0));resp = (0 1 0) ';Sn = sensorcov (60 [-60], elementPos db2pow (-10);

计算beamformer权重。

w = lcmvweights (sv、职责、锡);

数组模式计算权重的阴谋。

vv = steervec (elementPos [90:90]);情节([90:90],mag2db (abs (w *)))网格轴([-90、90、-50、10]);包含(的方位角(度));ylabel (“归一化功率(dB)”);标题(淋巴细胞脉络丛脑膜炎病毒阵列模式的);

图包含一个坐标轴对象。坐标轴对象与标题淋巴细胞脉络丛脑膜炎病毒阵列模式包含一个类型的对象。

上面的图显示,最大的收获是获得在0度。此外,实施取消在-40和20度的约束,这些情节中可以看到。null -60和60度出现淋巴细胞脉络丛脑膜炎病毒的基本属性beamformer压制的力量中包含两个面波,导致了传感器空间协方差矩阵。

输入参数

全部折叠

约束矩阵指定为复值,N——- - - - - -K复数矩阵。在这个矩阵N表示传感器阵列的元素的个数K代表的数量限制。矩阵的每一列指定一个约束beamformer权重。的数量K必须小于或等于N

例子:[0,0,0;1,2,3;0,0,0)

数据类型:
复数的支持:金宝app是的

期望的响应指定为复数,K1列向量,K的数量限制。向量中每个元素的值所需的响应的约束中指定相应的列若干

例子:[45;0]

数据类型:
复数的支持:金宝app是的

传感器空间协方差矩阵指定为复值,N——- - - - - -N矩阵。在这个矩阵,N表示传感器元素的数量。协方差矩阵包含元素的差异数据和传感器元素之间的协方差。它包含所有输入信号和噪声的贡献。

例子:[45;0]

数据类型:
复数的支持:金宝app是的

输出参数

全部折叠

Beamformer权重作为一个返回N1,复数向量。在这个向量,N代表了数组中元素的个数。

更多关于

全部折叠

Linear-Constrained最小方差Beamformers

淋巴细胞脉络丛脑膜炎病毒的beamformer计算权重数组的总输出功率最小化,但受到一些限制(见范树[1],p . 527)。为了引导数组的响应到达一个特定的方向,选择权重生产单位获得当应用于指导向量的方向。这个需求可以被认为是一个约束的权重。额外的限制可能适用于废阵列响应来自其他的信号到达方向如包含噪声的来源。让(阿兹1el1),(阿兹2el2)、……(阿兹KelK)的设置方向约束的实施。每个方向都有一个相应的转向向量, c k ,数组的响应向量是由转向 c k H w 。的共轭转置向量用上标符号H。时施加约束所需的响应时需要beamformer转向向量权重法, c k ,

c k H w = r k

这种反应可以被指定为统一让数组通过信号从一个特定的方向。它可以是零废弃的反应。所有的约束都可以收集到一个单独的矩阵,C,所有的反应到一个列向量, R 。这允许在矩阵形式表示的约束

C H w = R

的淋巴细胞脉络丛脑膜炎病毒beamformer选择重量最小化总输出功率

P = w H 年代 w

受上述限制。年代表示传感器空间相关矩阵。功率最小化的解决方案

w = 年代 1 C ( C H 年代 1 C ) 1 R

和它的推导中可以找到[2]

引用

[1]凡树木上半叶最优阵列处理。纽约,纽约州:Wiley-Interscience, 2002年。

[2]约翰逊,h和愤怒。阵列信号处理。恩格尔伍德悬崖,新泽西:Prentice Hall出版社,1993年。

[3]Van Veen,最初和k·m·巴克利。“波束形成:多功能空间滤波”方法。IEEE ASSP杂志,5卷2号4-24页。

扩展功能

介绍了R2013a