简介一个基于LMS最小均方算法的4元阵列波束成形MATLAB脚本面向无线通信、雷达与信号处理方向的学习者演示多天线系统如何通过迭代调整阵元权重实现高增益、低旁瓣的定向波束。压缩包仅含1个m文件整体约1KB文件精简而结构完整覆盖阵列几何初始化、期望信号建模、LMS权重更新、波束方向图绘制以及均方误差性能评估等核心环节可直接运行并验证不同条件下波束主瓣与旁瓣的变化。已有127人学习适合作为自适应波束形成的轻量级入门实例。脚本采用四元均匀线阵通过修改来波方向、阵元间距和迭代步长即可观察主瓣宽度、旁瓣电平与收敛速度之间的权衡LMS算法结构简单、计算量小但固定步长下收敛速度与稳态误差存在取舍这一参数敏感性可帮助读者深入理解算法特性也为进一步研究NLMS、RLS等改进算法提供了可复现的对照基础。1. 4元阵列LMS波束成型为什么低旁瓣比高增益更难得接触自适应波束成形的第一年我栽过最大的跟头不是主瓣增益不够而是旁瓣压不下来。4元阵列只有4个阵元自由度非常有限既要让主瓣对准来波方向又要把旁瓣压到主瓣以下10 dB以上这其实是一个多目标折中问题。标着brick9a9标识的lms_4array.zip压缩包解压后只有一个lms_4array.m脚本但它把“高增益低旁瓣”的目标完整落在了一次LMS迭代里。这份资源适合刚开始做阵列信号处理的同学也适合想在仿真里快速验证低旁瓣方案的工程师——只要电脑上装了MATLAB改几个参数就能直观看到波束方向图的变化。2. 阵列信号模型与LMS算法的收敛逻辑2.1 4元阵列的几何与信号模型波束成型的物理基础是阵元之间的相位差。4元阵列最常见的配置是均匀线阵ULA四个阵元沿一条直线等间距排列。用数学语言描述阵元位置可以写成N 4; % 阵元数量 lambda 1; % 归一化波长 d 0.5 * lambda; % 阵元间距取半波长 pos (0:N-1) * d; % 阵元位置坐标这里用归一化波长是为了避免在仿真里纠缠实际频率。波束方向图只与阵元间距相对于波长的比值有关所以lambda1是最通用的做法后续如果需要换算到真实频段只需把lambda改成c/fc即可。阵元间距为什么取半波长可以从两个角度看。从空间采样角度阵元相当于对空间进行离散采样半波长满足空间奈奎斯特条件不会出现方向模糊从阵列方向图角度间距小于半波长会让主瓣变宽、旁瓣电平升高间距大于半波长则可能出现栅瓣。栅瓣比旁瓣更棘手它等于在错误方向上也形成了一个主瓣会直接把干扰和噪声引进来。所以除非有特殊需求d0.5*lambda是最稳妥的默认值。信号模型方面典型仿真会把接收向量构造成三部分期望信号、干扰、噪声。假设期望信号从10度方向入射干扰从-30度方向入射那么第k次快拍的接收向量是theta_s 10; % 期望来波方向度 theta_i -30; % 干扰方向度 snr 20; % 信噪比dB snri 20; % 干噪比dB a_s exp(1j * 2 * pi * pos. * sind(theta_s) / lambda); a_i exp(1j * 2 * pi * pos. * sind(theta_i) / lambda); s sqrt(10^(snr/10)) * randn(1,1); % 期望信号采样 j sqrt(10^(snri/10)) * randn(1,1); % 干扰采样 noise 1/sqrt(2) * (randn(N,1) 1j*randn(N,1)); % 复高斯噪声 x a_s * s a_i * j noise;a_s和a_i分别是期望信号和干扰的导向矢量pos.把行向量转成列向量sind保证角度单位是度。这里的核心是2*pi*pos*sind(theta)/lambda算出了信号到达每个阵元时相对于参考阵元的空间相位差。这个相位差是后面所有自适应算法的数据来源一旦写错整个波束图就没有意义了。2.2 LMS权重迭代从MSE到波束方向图LMS算法走的是最速下降路线。定义阵列输出y(n) w^H(n) x(n)其中w(n)是4x1的复权重向量x(n)是当前快拍的接收向量。误差是期望响应d(n)与输出之差e(n) d(n) - y(n)目标函数是均方误差E[|e(n)|^2]但LMS不做统计平均而是用瞬时值|e(n)|^2代替梯度于是得到最经典的更新式w w mu * e * x;其中e是误差的共轭因为MATLAB里默认是共轭转置标量e的共轭转置就是它的共轭。mu是步长。这个式子看起来简单但它同时做了两件事一是让权重往误差减小的方向移动二是让权重自动在干扰方向形成零陷。零陷的本质就是让阵列输出在干扰方向上尽可能小反映在方向图上就是旁瓣被压下去。收敛条件是0 mu 2/λmaxλmax是输入相关矩阵的最大特征值。理论归理论实际没人会去算特征值。经验做法是取输入信号功率的倒数乘以一个小系数。如果信号功率大约是1mu在0.001到0.01之间比较安全。这个区间是许多仿真验证过的既不会发散也不会慢到让人失去耐心。收敛速度的问题在4元阵列上尤其明显。因为阵元少自由度只有3LMS在特征值分布不均匀时小特征值对应的模式收敛得很慢。这会影响旁瓣的压低程度因为旁瓣区往往由这些小特征值模式构成。你可以做一个实验固定mu0.005分别用200、1000、5000个快拍跑同一组数据会看到旁瓣电平随快拍数增加逐渐降低。这就是收敛过程在方向图上的直接体现。2.3 旁瓣来源与低旁瓣设计的取舍波束方向图是权重对各个方向导向矢量的响应。计算方式是在一个角度范围内逐点扫描angles -90:0.5:90; pattern zeros(size(angles)); for a 1:length(angles) a_scan exp(1j * 2 * pi * pos. * sind(angles(a)) / lambda); pattern(a) w * a_scan; end plot(angles, 20*log10(abs(pattern))); set(gca, YLim, [-60 5]);这个方向图里主瓣是最高峰其他峰都是旁瓣。为什么会有旁瓣从数学上方向图近似是权重的空间傅里叶变换均匀线阵情形下有限长的权重序列不可能做到完美的带通响应旁瓣就是截断效应的泄露。4元阵列相当于一个只有4个抽头的空间滤波器频率选择性天然有限旁瓣不可能被完全消除只能压低和重新分布。低旁瓣设计因此是一个多目标权衡。压低旁瓣的常见做法是加窗比如汉明窗、切比雪夫窗但这会牺牲主瓣宽度也就是角度分辨率下降。LMS不需要显式加窗它把干扰方向的能量作为误差的一部分通过最小化MSE让权重在那些方向自适应地形成低响应。如果你的仿真里只有期望信号和均匀噪声没有干扰LMS的旁瓣电平会接近均匀加权的结果一旦加入干扰它就会主动在干扰方向压低响应这就是自适应波束成型比固定波束更灵活的地方。3. 读透 lms_4array.m核心模块与可改参数3.1 初始化阵列几何、信号频率与角度单位打开lms_4array.m头部是一堆赋值语句看起来平淡其实每一个都会影响最终方向图。按我的习惯拿到脚本第一件事就是看参数区把每个变量的含义标出来lambda 1; % 归一化波长 N 4; % 阵元数 d lambda / 2; % 阵元间距 pos (0:N-1) * d; % 阵元位置向量 fs 1000; % 采样率只影响信号生成 K 1000; % 快拍数注意fs和K的取值只在生成时域波形时有意义。如果脚本直接用复基带信号fs甚至可以不出现。我在本地试的时候发现有些版本把d直接写成了0.5但没写lambda这时候如果后面代码里用了d/lambda就会报错或方向图异常所以要确认单位是归一化波长还是米。角度单位是另一个雷区。MATLAB 的sin默认弧度sind默认度。一个脚本里如果混用早期可能看不出来但一旦来波方向取60度以上误差会非常明显。我建议全篇统一用sind并在注释里写明“所有角度单位均为度”。这种注释在复用脚本时能帮你省下大量排查时间。3.2 信号快照构造期望信号、干扰与噪声信号模型部分直接决定LMS的学习对象。下面是构造快照的完整代码假设每个快拍独立snr 20; % 信噪比 dB snri 20; % 干噪比 dB theta_s 10; % 期望信号方向 theta_i -30; % 干扰方向 a_s exp(1j * 2 * pi * pos. * sind(theta_s) / lambda); a_i exp(1j * 2 * pi * pos. * sind(theta_i) / lambda); X zeros(N, K); % 接收数据矩阵 d_ref zeros(1, K); % 期望响应 for k 1:K s_k sqrt(10^(snr/10)) * randn(1, 1); i_k sqrt(10^(snri/10)) * randn(1, 1); noise sqrt(0.5) * (randn(N, 1) 1j * randn(N, 1)); X(:, k) a_s * s_k a_i * i_k noise; d_ref(k) a_s(1) * s_k; % 以参考阵元上的期望信号作为期望响应 end这段代码里d_ref是关键。LMS需要一个参考信号才能知道“理想输出是什么”。在波束成型场景里常见做法是用期望信号在参考阵元上的采样值也就是a_s(1)*s_k。这样算法会在抑制干扰和噪声的同时把输出信号尽量对齐到这个参考。如果不乘a_s(1)只写s_k会让权重附带一个额外相位修正最终也能收敛但权重值和方向图会有细微差别。3.3 LMS迭代与权重重构迭代部分是最核心的但代码非常短。LMS的特点就是简单唯一的状态变量是权重向量ww zeros(N, 1); % 初始权重 mu 0.005; % 步长 err zeros(1, K); % 记录每步误差 for k 1:K x_k X(:, k); y w * x_k; % 当前输出 e d_ref(k) - y; % 误差 w w mu * conj(e) * x_k; % 权重更新 err(k) abs(e)^2; % 记录瞬时误差 endconj(e)和e在标量情况下等价但写成conj(e)更清晰避免读者误以为是向量转置。更新式里的x_k没有除以任何归一化因子意味着mu必须根据信号功率预先调整。如果mu太大err会发散如果太小w几乎不动方向图长时间保持初值状态。迭代完成后权重w就是最终的自适应权重。你可以用w计算方向图也可以把它导出给其他模块用。注意这里的w并没有归一化所以方向图的纵轴是相对幅度通常以0 dB为参考看主瓣相对旁瓣的高度差而不是绝对增益。3.4 波束图与MSE输出脚本最后通常是一张方向图和一张MSE曲线。方向图计算可以复用扫描代码MSE曲线直接画errfigure; plot(10*log10(err), LineWidth, 1); xlabel(Iteration); ylabel(MSE (dB)); title(LMS Convergence); figure; plot(angles, 20*log10(abs(pattern)), LineWidth, 1.2); grid on;MSE曲线是判断收敛状态的直接依据。理想的曲线是前几十拍快速下降然后进入一个小的稳态波动。如果曲线一直缓慢下降说明快拍数可能不够或者步长太小。方向图则要看主瓣是否对准theta_s旁瓣最高点是否明显低于主瓣。下表是调参时最常用的检查点检查项正常表现异常表现主瓣指向峰值在 theta_s 附近峰值偏移或镜像主瓣宽度4元阵列约20~30度过宽或过窄最大旁瓣电平低于主瓣10 dB以上旁瓣几乎与主瓣持平MSE稳态值接近噪声功率明显高于噪声功率迭代是否稳定曲线有波动但无发散曲线出现NaN或指数上升4. 在MATLAB里把波束跑起来从解压到出图4.1 zip解压与脚本运行环境lms_4array.zip解压后只有一个lms_4array.m文件没有数据文件也没有子文件夹所以部署非常简单。Windows用户在资源管理器里右键选择“全部解压缩”Linux用户可以用unzip lms_4array.zip -d ~/lms_demo cd ~/lms_demo打开MATLAB后把当前文件夹切换到解压目录。如果你在命令行直接敲lms_4arrayMATLAB会自动搜索当前路径和所有已添加的路径。为了避免脚本找不到可以在脚本开头加一句clear all; close all; clc;确保工作区干净。如果是2020以后的MATLAB版本需要注意脚本里是否用了vpa、polarplot之类的老函数如果报错直接在命令行查help就能看到替代调用方式。核心的randn、plot、exp都是最基础函数任何带MATLAB的环境都能跑通。4.2 第一次运行先看默认结果再动手第一次运行不要改任何参数直接执行lms_4array终端会打出一些提示信息如果脚本里没有打印输出那至少会弹出两个图窗一个是MSE收敛曲线一个是波束方向图。用这两个图建立基准。记录三件事主瓣峰值对应的角度、最大旁瓣电平、MSE稳态值。这个基准很重要。后续每改一个参数都要和基准对比才能看出趋势。如果一上来就同时改三个参数出了问题很难定位是哪个参数造成的这就是排错里最基本的控制变量法。4.3 参数调整实验步长、阵元间距、来波方向接下来做三个单向实验。第一个实验改步长mu 0.0005; % 比默认值小一个数量级重跑脚本你会发现MSE曲线下降得更慢但稳态波动更小旁瓣可能稍微变高因为迭代次数不足。把K从1000提高到5000情况会改善。这说明了步长和快拍数的联动关系步长小需要的快拍数就多。第二个实验改阵元间距d 0.4 * lambda;主瓣会变宽旁瓣相对均匀。再改成0.6 * lambda主瓣变窄但可能在±90度边界出现大旁瓣或者栅瓣。这个实验让你直观理解半波长约束的物理意义。第三个实验改来波方向theta_s 45; theta_i -45;当期望信号接近阵列端射方向90度或-90度时4元阵列的波束图会出现空域模糊主瓣不对称、旁瓣抬高。这是因为端射方向的有效孔径不再等于阵元间距之和而是变小了。这种非理想情况在实际系统里很常见预先知道它有用。如果想做批量扫参不要手动一次次改而是写一个循环把不同mu的方向图叠加到同一张图上figure; for mu [0.001, 0.005, 0.01] % 在这里重跑LMS迭代得到权重w % 计算pattern plot(angles, 20*log10(abs(pattern)), DisplayName, [mu, num2str(mu)]); hold on; end legend;这样一步就能看出步长对旁瓣电平的全局影响比单次实验更直接。4.4 从波束图读结果主瓣宽度、旁瓣电平和零陷深度读方向图时我一般会直接在图上用数据游标取点。主瓣宽度定义为相对主瓣峰值下降3 dB的两个角度之差。4元阵列在0度方向主瓣宽度通常在20度到30度之间如果引入幅度窗或自适应算法主瓣可能更宽。旁瓣电平是主瓣以外区域的最大值通常用dB表示。如果脚本里加了干扰方向图在干扰方向附近会出现一个凹口也就是自适应零陷。零陷深度不是越深越好因为深零陷会消耗阵列自由度导致其他方向旁瓣整体抬高。这里有一个取舍LMS自动平衡总输出功率和误差所以它倾向于在干扰方向和期望方向之间做一个折中而不是把干扰完全逼到负无穷。看到零陷深度在-20 dB附近是正常的追求-40 dB需要增大阵元数量或者改用更高阶算法。5. 避坑LMS波束成型常见的五个翻车现场5.1 现象波束主瓣方向偏了峰跑到镜像位置原本设的期望方向是10度方向图峰值却出现在-10度。原因大概率是导向矢量的相位符号写反了。接收模型里导向矢量应该用exp(1j * 2*pi*pos*sind(theta)/lambda)如果漏了1j直接取实三角函数或者sind写成了sin相位关系就会变成镜像。解决单独打印导向矢量和手算的某一列对比。比如0度时所有元素应为130度时相邻元素相位差应为2*pi*d*0.5/lambda即pi/2。这一步能快速定位公式错误。我在调试时还会检查pos是不是行向量如果pos是列向量pos.就变成了行向量乘出来的维度会报错这是MATLAB初学者最容易踩的坑。5.2 现象迭代不收敛权重爆炸成NaN或无穷大这是最经典的LMS翻车。原因是步长太大超出收敛半径。信号功率越大允许的最大步长越小。我用mu 0.01跑输入功率为10的仿真直接爆掉改成0.001后立刻稳定。解决先用mean(abs(X(:)).^2)算出输入平均功率把mu初始值定为1/(4 * 平均功率)然后只减不增。如果这个值仍然爆检查是否存在直流偏移或异常大的扰动比如randn生成了某个极端值。增加一个简单的保护逻辑也能避免权重发散if any(isnan(w)) warning(weight diverged, reduce mu); break; end这个保护能让你在长仿真里第一时间发现问题而不是等到最后画图才发现方向图是一片乱码。5.3 现象旁瓣高得离谱甚至出现和主瓣一样高的栅瓣栅瓣不是自适应算法造成的是阵列几何决定的。当d lambda/2时方向图会出现多余的主瓣级峰值。我见过有人为了追求更窄主瓣把间距加到0.8*lambda结果方向图在±45度出现了伪峰信号直接误判。解决把d保持为0.5*lambda或者最多用到0.6*lambda并验证全角度范围没有第二个峰值。如果需要更窄主瓣正确做法是增加阵元数量而不是拉大间距。4元阵列的物理孔径就是3d想突破分辨率极限必须加阵元这是硬件限制不是算法能绕过去的。5.4 现象MSE曲线像台阶一样掉一段停一段迟迟不收敛原因是输入信号特征值扩散度过大。4元阵列如果期望信号和干扰功率差异很大LMS会先收敛特征值大的模式再慢慢收敛特征值小的模式反映在MSE曲线就是多个下降平台。解决改用NLMS更新式加一个功率归一化项让所有特征值方向上的步长接近一致。还要注意干扰信号不应和期望信号强相关否则两个模式的梯度方向纠缠在一起收敛会极其缓慢。如果干扰和期望信号来自同一个源的延迟副本那是另一类问题需要先做去相关预处理。5.5 现象方向图看起来正常但最后输出的MSE稳态值很高方向图正常说明权重已经让阵列朝向和零陷位置正确但MSE高说明输出信号与期望响应的幅度或相位仍然不匹配。常见原因是期望响应d_ref的功率和实际接收信号中的信号功率不一致。我自己就犯过这个错一开始把d_ref直接设成了s_k没有乘上参考阵元的传播因子a_s(1)导致LMS需要用额外增益去补偿这个幅度差稳态误差自然降不下来。解决让d_ref与阵列接收模型保持同一参考点即用a_s(1)*s_k。改完之后MSE稳态值会明显下降波束图的主瓣增益也会更接近0 dB。6. 进阶在4元阵列上改用归一化LMS并验证低旁瓣下限6.1 从LMS到NLMS一行代码的升级标准LMS的步长固定遇到输入功率波动就容易失控。NLMS在更新式里加入瞬时功率归一化称为归一化LMSw w mu * conj(e) * x_k / (x_k * x_k delta);delta是一个小的正数比如1e-6防止x_k*x_k为0。这里的x_k*x_k是当前快照的能量估计。这样做的好处是步长不再是一个绝对常数而是随输入功率动态缩放在特征值扩散大的场景下收敛速度均匀很多。代价是稳态失调比标准LMS稍高一点因为瞬时功率估计本身有波动。在4元阵列上这个代价不明显NLMS的收敛优势远大于它带来的额外噪声。6.2 扫参验证绘制旁瓣电平与步长的关系闲下来的时候我会做一个旁瓣电平对步长的扫描实验。固定阵列和信号方向把mu从0.0002到0.02按对数间隔取10个值每个值跑1000次迭代记录方向图主瓣以外区域的最大电平mu_list logspace(log10(0.0002), log10(0.02), 10); sl_max zeros(size(mu_list)); for mi 1:length(mu_list) mu mu_list(mi); w zeros(N, 1); for k 1:K x_k X(:, k); y w * x_k; e d_ref(k) - y; w w mu * conj(e) * x_k; end % 计算方向图并提取旁瓣最大值 sl_max(mi) compute_sidelobe(w, pos, lambda, theta_s); end plot(mu_list, sl_max); set(gca, XScale, log);这条曲线会呈现一个明显的凹形太小旁瓣因为收敛不足而偏高太大旁瓣因为稳态波动而抬高。中间的最低点就是当前场景下的最优步长。保存这条曲线以后换信号功率或者来波方向可以先按比例缩小mu再针对微调。6.3 一个实测习惯先固定快拍数再调步长我自己的血泪经验是调参时最容易忽略的是快拍数和步长的耦合。有一次为了追求低旁瓣我把mu调得很小结果方向图看起来不错但MSE还在下降说明权重根本没收敛到稳态只是碰到了一个中间状态。从那以后我每次都会先固定K5000把mu调到让MSE曲线平缓然后再把K降到1000验证稳定性。如果1000快拍下方向图仍然稳定才说明这个参数组合真正可用。这套流程同样适用于这份lms_4array.m。先用默认参数跑通再按上面的思路做步长扫描和快拍验证你会发现低旁瓣不是靠运气得到的而是参数、信号模型和阵列几何共同约束的结果。希望帮到你。本文还有配套的精品资源点击获取