在自适应波束形成算法中，QR分解具有很好的数值特征和固有的高度并行性。但当采样数较少，采样协方差矩阵估计值的噪声特征值分散会导致波束形成算法的性能下降问题，QR算法的性能就会下降。针对此缺陷，提出了对角加载奇异值（DSVD）分解的算法，该算法先对采样数据所构成的矩阵进行重构、分解、再重构、再分解,最后实现对角加载。通过仿真结果可以看到,DSVD算法不仅避免了对阵列协方差矩阵的估计和求逆,而且减少了估计运算量和估计误差，在复杂度与性能之间进行折衷。

FLP_BLP_FBLP 算法比较，以及FLP_MEM_MNM算法比较

利用MATLAB实现了基于凸优化的波束形成，可以选择不同的阵列形式，利用凸优化的方法进行波束形成，可以学习下

该程序是根据阵列信号处理编写，程序是3_4_广义旁瓣相消器（GSC）的波束形成算法及其改进，主要根据波束形成技术来进行DOA估计

利用MATLAB仿真了基于导向矢量不确定集的稳健Capon波束形成算法，将最终的结果进行对比，对学习Capon有一定的帮助

全球导航卫星系统（GNSS）接收机采用自适应天线阵进行抗干扰时，传统的自适应算法形成的旁瓣增益较大，干扰信号方向零陷较宽，会滤除部分有用信号。针对传统自适应算法的不足，分析了基于子空间投影的抗干扰波束形成算法，先采用正交子空间投影技术消除接收信号中的强干扰信号，再通过一种加权准则提高信号质量，可避免传统自适应算法的缺点。仿真结果表明，与单一的加权准则、子空间投影技术与线性约束最小方差准则相结合的算法相比，子空间投影技术与最大化信噪比准则相结合的算法能够得到近似相等的信噪比，且在干扰方向形成较窄的零陷，从而提高系统抗干扰性能。

利用MATLAB实现了常规的波束形成，包括阵元间距对方向图的影响、方向图仿真、三维网格图以及最终波束形成的结果

数字波束形成算法仿真实现,一篇不错的文章，详细介绍了波束形成算法的基础知识，希望对大家有所帮助。

vc编写的关于波束形成处理的算法程序，可以实现对32阵元和64阵元的信号进行处理。

1 引 言 　　在雷达及声纳信号处理系统中，波束形成算法通常采用DSP软件编程实现，控制逻辑电路采用CPLD来完成，这种方法具有软件编程灵活、功能易于扩展的优点，但对于实时性能要求很高的系统，如雷达、声纳探测和超声成像等系统中为了提高对目标变化实时跟踪和测量，就必须尽量缩短信号处理的时间，过长的运算处理时间会对水下目标的探测性能产生较大的影响。声纳的检测能力就会迅速下降，以至完全失去检测能力，而自适应波束形成技术（ABF）就是声纳能够根据周围环境噪声场的变化，不断地自动调节本身的参数以适应周围环境，抑制干扰并检出有用信号。因此采用FPGA来实现自适应波束形成算法是满足复杂海洋环境超声阵列波束形