Структура системы презентация

Содержание

Структура системы Рис. 2. Комбинированный метод (Beamspace Adaptive Cancellation) ЦАР с вспомогательными приемными лучами, формируемыми из полной приемной апертуры или ее частей. В таком случае адаптивные коэффициенты: -

Слайд 1Структура системы



















Рис.

1. Линейная антенная решетка, формирующая адаптивную ЦАР (Adaptive Beamformer)

Схема построения, использующая одну ЦАР.
Адаптивные коэффициенты рассчитываются с помощью информации, полученной с каждого элемента ЦАР.
В качестве критерия – максимизация отношения мощности сигнала к мощности помеха + шум (SINR), поэтому расчет весовых коэффициентов производится следующим образом:

где k – констанста, зависящая от задачи (MVDR – Minimum Variance Distortionless Response; SMI – Sample Matrix Inversion):

- помеховая ковариационная матрица

- пространственный управляющий вектор антенной решетки в направлении на цель


Слайд 2Структура системы
Рис. 2. Комбинированный метод
(Beamspace Adaptive Cancellation)
ЦАР с вспомогательными

приемными лучами, формируемыми из полной приемной апертуры или ее частей.
В таком случае адаптивные коэффициенты:

- помеховая ковариационная матрица вспомогательных каналов

- вектор взаимной корреляции между основным каналом и вспомогательными


Слайд 3Структура системы
Рис. 3. Комбинированный метод (Sidelobe Сanceller)
















Аналоговая основная антенная решетка и вспомогательная ЦАР. Критерий минимизации среднеквадратической ошибки. В таком случае адаптивные коэффициенты:

- помеховая ковариационная матрица вспомогательных каналов

- вектор взаимной корреляции между основным каналом и вспомогательными

Основной канал

Вспомогательные каналы


Слайд 4Обращение матрицы
Возможные варианты
Точные методы прямого вычисления:
Метод Гаусса-Жордана
Использование матрицы алгебраических дополнений
Итерационные методы:
Метод

Шульца
Метод Якоби
Метод Гаусса - Зейделя
Точные методы использующие разложение матриц:
LU-разложение
Разложение Холецкого, LDLT разложение
Корневое разложение
QR-разложение
Процесс Грама-Шмидта
Отражения Хаусхолдера
Повороты Гивенса




Слайд 5Обращение матрицы
QR разложение


Слайд 6Обращение матрицы
QR разложение с использованием поворотов Гивенса
Поворот Гивенса


Слайд 7Обращение матрицы
QR разложение с использованием поворотов Гивенса


Слайд 8Обращение матрицы
Пример QR разложения с использованием поворотов Гивенса


Слайд 9Обращение матрицы
Реализация в виде систолического массива


Слайд 10Обращение матрицы
Метод модифицированных квадратичных поворотов Гивенса (MSGR)

QR Decomposition-Based Matrix Inversion for

High Performance Embedded MIMO Receivers. Lei Ma, Member, IEEE, Kevin Dickson, Member, IEEE, John McAllister, Member, IEEE, and John McCanny, Fellow, IEEE. IEEE TRANSACTIONS ON SIGNAL PROCESSING, VOL. 59, NO. 4, APRIL 2011.

Данный алгоритм позволяет:
Работать с комплексными числами
Избавиться от необходимости вычислять квадратные корни
В процессе работы не получить 0 на главной диагонали
Получить на главной диагонали треугольной матрицы действительные числа


Слайд 11Обращение матрицы
Оценка времени расчета и требуемых ресурсов
Общее время выполнения RT и

латентность LT, выраженные в систолических циклах T

Количество необходимых комплексных арифметических устройств


Слайд 12Обращение матрицы
Пример
ПЛИС 5AGXMB5G4F40I5
семейства Arria V GX


Слайд 13Моделирование

























Цель
Помеха


Слайд 14Моделирование


Слайд 15Моделирование
Рис. . Зависимость мат. ожидания потерь SINR в зависимости от отношения

(число отсчетов в обучающей выборке/число вспомогательных каналов)

Необходимо проводить оценку ковариационной матрицы.
В литературе приводятся оценочные соотношения.
Например, для гарантированных потерь не более 3 дБ число отсчетов в обучающей выборке должно удовлетворять выражению:

где M – число элементов в антенной решетке вспомогательного канала.
На практике используют:


Слайд 16Моделирование


Слайд 17Моделирование


Слайд 18Моделирование


Слайд 19Моделирование


Слайд 20Моделирование


Слайд 21Моделирование


Слайд 22Моделирование
Количество отсчетов в обучающей выборке сильно влияет на форму ДНА после

адаптации

Слайд 23Моделирование


Слайд 24Моделирование


Слайд 25Моделирование


Слайд 26Моделирование


Слайд 27Моделирование


Слайд 28Моделирование


Слайд 29Моделирование
Худшие случаи (ортогональное угловое расположение помех)


Слайд 30Моделирование
Худшие случаи (ортогональное угловое расположение помех)


Слайд 31Моделирование
Худшие случаи (ортогональное угловое расположение помех)


Слайд 32Моделирование
Худшие случаи (ортогональное угловое расположение помех)


Слайд 33Благодарим за внимание!


Обратная связь

Если не удалось найти и скачать презентацию, Вы можете заказать его на нашем сайте. Мы постараемся найти нужный Вам материал и отправим по электронной почте. Не стесняйтесь обращаться к нам, если у вас возникли вопросы или пожелания:

Email: Нажмите что бы посмотреть 

Что такое ThePresentation.ru?

Это сайт презентаций, докладов, проектов, шаблонов в формате PowerPoint. Мы помогаем школьникам, студентам, учителям, преподавателям хранить и обмениваться учебными материалами с другими пользователями.


Для правообладателей

Яндекс.Метрика