波束形成算法是智能天线研究中最核心的内容。波束形成算法根据基于的对象不同可以分为基于方向估计的自适应算法，基于训练信号或者参考信号的方法和基于信号结构的波束形成方法;根据是否需要发射参考信号，分为非盲算法和盲算法。自适应波束形成技术是指根据接收信号的变化来增强特定来波方向的信号，形成于类似的一股波束。波束形成也叫空域滤波，它能利用传感器阵列实现增强有用信号并抑制干扰和噪声的目的。波束形成技术由于具有较强的干扰抑制能力和较高的增益处理能力，被广泛应用于雷达、声呐、无线通信、天文学、麦克风语音阵列处理、医学成像等行业中。在实际应用中自适应波束形成技术测得的信息往往出现失配而造成性能剧烈下降，所以研究具有鲁棒性的自适应波束形成算法一直是学者们研究的热点。传统的自适应波束形成算法大都假设训练数据中不存在有用信号, 故波束形成器的稳健性主要依赖于可利用的无信号训练数据。对于这种情况, 自适应波束形成算法具有足够的稳健性用于克服有用信号的阵列响应误差和有限训练样本数据所引起的影响 ,而且还具有许多的快速收敛技术用于算法的实现。当有用信号的假定阵列响应和其真实值之间存在失配时, 波束形成器的性能将会急剧地下降。中的Capon算法大致原理如下：Capon波束形成器(即最小方差无畸变响应波束形成器)使用部分自由度在期望的观测方向上形成一个波束，利用剩余的自由度在干扰方向上形成零陷。当有多个信号入射传感器阵列时，阵列输出功率将包括期望信号功率和干扰信号的功率。
Capon最小方差法使干扰信号的输出功率最小，以抑制干扰信号，同时使增益在观测方向保持为常数(通常设这个常数为1)。同样,当信号的阵列响应准确已知时 ,较小的训练样本也会引起波束形成器的性能下降。因此 ,稳健性就成为自适应阵列处理的必须要求。在近30年内, 提出了许多方法用于改善自适应波束形成算法的稳健性。关于稳健自适应波束形成算法的研究文献非常多, 其中的每一种算法各具特点 , 但是又具有一定的规律和相似性。其自适应波束形成始终是阵列信号处理的重要研究问题之一，能够通过接收数据的信息，自适应地改变阵列天线阵元的权值，达到无失真地接收期望信号、抑制干扰和噪声的目的。关于自适应波束形成的介绍更多的可以参考文献 [1~9] 。然而，自适应波束形成的性能不仅取决于实现的算法，还取决于阵列的几何结构。因此，波束形成应该同时利用阵列结构和阵列权值来达到最优输出性能[10]。
直线阵列的配置方式中，稀疏阵列相比于均匀线阵具有更好的参数估计性能。稀布阵天线不但可以减少天线单元以降低天线系统的工程成本，而且具有更大的自由度在阵列孔径上布置阵元，可以获取更加优越的天线性能。对于相同的天线数目和阵列孔径，稀布阵比均匀阵更易获得较窄的主瓣、较低的峰值旁瓣。当阵列孔径相同，稀布阵天线由于其相对增大的阵元间距以致减弱了阵元间的互耦效应。因此，稀布阵天线在实际工程中得到了广泛应用。旁瓣电平会随着阵元数的减少而升高，为了降低阵列的旁瓣电平，就需要优化阵列天线的阵元位置和激励。在给阵列孔径、阵元个数、最小阵元间距的条件下，对阵元的位置进行稀布优化设计，获得尽量低的峰值旁瓣电平，这样对于整个天线的性能有更好地提升。
用于自适应波束形成的稀疏阵列设计已被纳入组合天线选择问题中。由于通常采用的凸松弛算法容易受到局部最优的影响，因此针对全局最优性进行了一些具有不同初始点的试验。而且，优化技术的高计算量阻碍了实时自适应阵列的重新配置。在[11]建议利用机器学习算法，特别是支持向量机（SVM） 和人工神经网络（ANN），来解决组合天线选择问题。此外，基于SVM的天线选择对于DOA估计不确定性具有鲁棒性。同时也可以将机器学习，特别是神经网络的运用放在自适应波束的阵列稀疏问题中。利用支持向量机和人工神经网络这两种主要的机器学习算法来解决最优稀疏阵列设计中的组合天线选择问题。它们的高精度，快速的计算速度和针对DOA不确定性的鲁棒性表明ML算法是在快速变化的环境中自适应稀疏阵列重新配置的理想候选解决方案。所以综合Capon自适应波束形成算法和神经网络的机器学习算大这两种，就可以用来构建一个采用Capon算法形成自适应波束形成，并通过神经网络的机器算法来达到天线阵列稀疏的优化设计，得到一个具有鲁棒性的系统。
在自适应波束形成方面, 近几年提出了基于模约束和最差性能最优的思想使得稳健自适应波束形成的算法建模日趋成熟, 但是如何完成这些算法的快速实现仍需进行深入的研究。
因此研究既对有用信号失配具有稳健性, 同时对干扰等参数失配也具有稳健性的算法将是后续研究的重要内容。在对于机器学习算法中，减少复杂操作场景下大型阵列的ML算法训练时间很重要，将成为未来的研究课题。此外稀疏阵列设计准则大多基于最大输出信噪比或最大输出信干噪比准则，可否从全新的角度或领域进行最优稀疏阵列设计，或对已有的算法进行改进，提高精度和速率，是今后研究的重要方向。
参考文献
[1] CAPONJ.HighResolutionFrequency-WavenumberSpec- trumAnalysis[ C] .Proc.IEEE, 1969, 57:1 408-1418.
以上是毕业论文文献综述，课题毕业论文、任务书、外文翻译、程序设计、图纸设计等资料可联系客服协助查找。
