1.算法运行效果图预览

2.算法运行软件版本

matlab2022a

3.部分核心程序

.....................................................................
idxx=0;
while idxx<20
.....................................................................
    
    %信道生成

    receivedW = collectPlaneWave(GM.BSarray, [y_1*(1/sqrt(path_loss_t1)) y_2*(1/sqrt(path_loss_t2)) y_3*(1/sqrt(path_loss_i1)) y_3*(1/sqrt(path_loss_i2))], [t1Angles' t2Angles' i1Angles' i2Angles'], Pars.fc);
  
    %添加噪声
    chOut = awgn(receivedW, snr, 'measured');

     %在终端1上没有波束赋形的情况下计算BER
     subplot(3,2,3);
     title='终端1上没有波束赋形的星座图';
     bits=func_OFDM_demod(y_ofdm,chOut(:,end),NOrder,true,title);
     [numbError,ratio]=biterr(x_1,bits);
 
     
     %在终端2上没有波束赋形的情况下计算BER
     subplot(3,2,4);
     title='终端2上没有波束赋形的星座图';
     bits=func_OFDM_demod(y_ofdm,chOut(:,end),NOrder,true,title);
     [numbError,ratio]=biterr(x_2,bits);
 
     %相移波束赋形
  
    % 终端1通过PhaseShiftBeamformer进行波束赋形
    beamformerV1 = phased.PhaseShiftBeamformer('SensorArray',GM.BSarray,'OperatingFrequency',Pars.fc,'PropagationSpeed',Pars.c,'Direction',t1Angles','WeightsOutputPort',true);
    [y1,w1]      = beamformerV1(chOut);

     %在终端1上使用相移波束赋形的情况下计算BER
    subplot(3,2,5); 
    title='终端1上使用相移波束赋形的星座图';
    bits=func_OFDM_demod(y_ofdm,y1,NOrder,true,title);
    [numbError,ratio]=biterr(x_1,bits);
 
     
    % 终端2通过PhaseShiftBeamformer进行波束赋形
    beamformerV2 = phased.PhaseShiftBeamformer('SensorArray',GM.BSarray,'OperatingFrequency',Pars.fc,'PropagationSpeed',Pars.c,'Direction',t2Angles','WeightsOutputPort',true);
    [y2,w2] = beamformerV2(chOut);


     %使用LMS算法进行波束赋形
    subplot(3,2,6); 
    title='终端2上使用相移波束赋形的星座图';
    bits=func_OFDM_demod(y_ofdm,y2,NOrder,true,title);
    [numbError,ratio]=biterr(x_2,bits);
 
    
 
    figure(2);
    subplot(2,2,[1,2]);
    polarplot( deg2rad(az_t1),t1_dist_BS/max(t1_dist_BS,t2_dist_BS), 'or','LineWidth',1.5)
    hold on
    polarplot( deg2rad(az_t2),t2_dist_BS/max(t1_dist_BS,t2_dist_BS),'ob','LineWidth',1.5)
    hold on

    H=pattern(GM.BSarray,Pars.fc,[-180:180],el_t1,'PropagationSpeed',Pars.c,'Type','power','CoordinateSystem','polar','Weights',conj(w1));
    hold on 
    polarplot(H,'r')

    H=pattern(GM.BSarray,Pars.fc,[-180:180],el_t2,'PropagationSpeed',Pars.c,'Type','power','CoordinateSystem','polar','Weights',conj(w2));

    hold on 
    polarplot(H,'b')
   
   
    
    %计算LMS权重
    optimalWeight1 = func_LMS(chOut,y_1,numArray);  
    optimalWeight2 = func_LMS(chOut,y_2,numArray);   

    
    %将接收信号与权重相乘
    y1=chOut*((optimalWeight1));
    y2=chOut*((optimalWeight2));     
    
    %在终端1上使用LMS波束赋形的情况下计算BER
    subplot(2,2,3);
    title='终端1上使用LMS的星座图';
     bits=func_OFDM_demod(y_ofdm,(y1),NOrder,true,title);
    [numbError,ratio]=biterr(x_1,bits);
 
    
    %在终端2上使用LMS波束赋形的情况下计算BER
    subplot(2,2,4);
    title='终端2上使用LMS的星座图';
    bits=func_OFDM_demod(y_ofdm,(y2),NOrder,true,title);
    [numbError,ratio]=biterr(x_2,bits);
 
    pause(1);

end
0044

4.算法理论概述

在移动通信系统中，由于信号传播环境的复杂性，通信信号受到多径效应、干扰和噪声的影响，导致信号质量下降。自适应波束成形技术可以在多天线接收端对信号进行处理，以增强感兴趣的信号，并抑制不需要的干扰和噪声。

自适应波束成形技术的核心思想是通过调整多个天线的权重系数，使得在特定方向上的信号增益最大化，同时减小其他方向上的信号增益。其中，最小均方（LMS）算法是一种常用的自适应算法，用于计算权重系数。以下是LMS自适应波束成形的基本原理：

LMS自适应波束成形技术的实现过程包括以下步骤：

数据采集：从多个天线接收信号，并对信号进行预处理，如去除直流分量等。

初始化权重：初始时，设置权重向量的初始值，通常为随机值或单位向量。

计算输出：根据当前权重向量和接收信号计算输出信号。

计算误差：计算期望响应与实际输出之间的误差信号。

更新权重：使用LMS算法更新权重向量的系数。

重复迭代：重复进行2-5步骤，直至误差信号达到满意的水平或达到预设的迭代次数。

LMS自适应波束成形技术在移动通信系统中有广泛的应用，包括但不限于以下领域：

无线通信：在多天线接收端，通过抑制干扰和多径效应，提高信号质量和通信效率。
无线局域网（WLAN）：用于提升Wi-Fi信号覆盖范围和稳定性。
无线传感器网络：用于在复杂的信号环境中，准确地接收和识别传感器数据。

LMS自适应波束成形技术是一种重要的信号处理方法，通过调整天线的权重系数，实现对特定方向上信号的增强和干扰的抑制。在移动通信系统中，它可以显著提升信号的质量和可靠性，适用于多种应用场景。