阵列流形与阵因子的计算及数字波束形成

这篇具有很好参考价值的文章主要介绍了阵列流形与阵因子的计算及数字波束形成。希望对大家有所帮助。如果存在错误或未考虑完全的地方,请大家不吝赐教,您也可以点击"举报违法"按钮提交疑问。

1. 阵列的方向图

由相同阵元构成的天线阵列,其方向图由两部分相乘得到,第一部分是阵元的方向图,只与阵元本身有关;第二部分取决于阵元间的电流比及相位差,与阵元本身无关,称为阵因子。不妨令阵列的方向图为 f ( θ , ϕ ) f(\theta,\phi) f(θ,ϕ),则有:
f ( θ , ϕ ) = f 0 ( θ , ϕ ) f a r r ( θ , ϕ ) f(\theta,\phi) = f_0(\theta,\phi) f_{arr}(\theta, \phi) f(θ,ϕ)=f0(θ,ϕ)farr(θ,ϕ)
其中, f 0 ( θ , ϕ ) f_0(\theta,\phi) f0(θ,ϕ)为阵元的方向性函数(方向图); f a r r ( θ , ϕ ) f_{arr}(\theta, \phi) farr(θ,ϕ)为阵因子; θ \theta θ ϕ \phi ϕ的定义如下图所示。
阵列流形与阵因子的计算及数字波束形成

在后文的讨论中,将分析 F a r r ( θ , ϕ ) F_{arr}(\theta, \phi) Farr(θ,ϕ)为归一化的阵因子,其满足 F a r r ( θ , ϕ ) = f a r r ( θ , ϕ ) max ⁡ [ f a r r ( θ , ϕ ) ] F_{arr}(\theta, \phi) = \frac{f_{arr}(\theta, \phi) }{ \max{ \left[ f_{arr}(\theta, \phi) \right] } } Farr(θ,ϕ)=max[farr(θ,ϕ)]farr(θ,ϕ)

2. 理论模型

假设任意阵列中共有 M M M个阵元,第 m m m个阵元在三维空间中的坐标为 p m = [ x m , y m , z m ] T \boldsymbol{p}_m=\left[ x_m,y_m,z_m \right]^T pm=[xm,ym,zm]T。此外,假设在距离原点 r r r,方位角为 θ \theta θ,与 z z z轴夹角为 ϕ \phi ϕ的位置存在信号源;信号源向三维空间中辐射的均匀球面波,频率为 f f f、波长为 λ \lambda λ。显然,可以得到信号源在三维空间中的坐标为 p s = [ r sin ⁡ ϕ cos ⁡ θ , r sin ⁡ ϕ sin ⁡ θ , r cos ⁡ ϕ ] T \boldsymbol{p}_s = \left[ r \sin\phi \cos \theta, r \sin\phi \sin \theta, r \cos \phi \right]^T ps=[rsinϕcosθ,rsinϕsinθ,rcosϕ]T;则在第 m m m个阵元处接收到的信号可以表示为,
s ( t , p m ) = e j [ ω t − k m ⋅ ( p m − p s ) ] ; m = 0 , 1 , ⋯   , M − 1 s(t,\boldsymbol{p}_m) = e^{j \left[ \omega t - \boldsymbol{k}_m \cdot \left( \boldsymbol{p}_m - \boldsymbol{p}_s \right) \right] };m=0,1,\cdots,M-1 s(t,pm)=ej[ωtkm(pmps)];m=0,1,,M1
其中, k m = 2 π λ p m − p s ∥ p m − p s ∥ 2 \boldsymbol{k}_m=\frac{2 \pi}{\lambda}\frac{\boldsymbol{p}_m - \boldsymbol{p}_s}{\left\Vert \boldsymbol{p}_m - \boldsymbol{p}_s \right\Vert_2} km=λ2πpmps2pmps为波数,其方向表征了电磁波传输的方向; ( p m − p s ) \left( \boldsymbol{p}_m - \boldsymbol{p}_s \right) (pmps)的意义在于将信号源平移到坐标系原点后,第 m m m个阵元在空间中的坐标。
在绝大多数应用场景中,为便于分析,往往进行“远场”假设,即,
∀ i , j = 0 , 1 , ⋯   , M − 1 , ∥ p i − p j ∥ 2 ≪ r \forall i,j=0,1,\cdots,M-1, \left\Vert \boldsymbol{p}_i - \boldsymbol{p}_j \right\Vert_2 \ll r i,j=0,1,,M1, pipj 2r
在这种情况下,从信号源辐射的均匀球面波可以近似地视为均匀平面波,进而在第 m m m个阵元处接收到的信号可以简化为:
s ( t , p m ) = e j ( ω t + k 0 ⋅ p s − k 0 ⋅ p m ) ; m = 0 , 1 , ⋯   , M − 1 s(t,\boldsymbol{p}_m) = e^{j \left( \omega t + \boldsymbol{k}_0 \cdot \boldsymbol{p}_s - \boldsymbol{k}_0 \cdot \boldsymbol{p}_m \right) };m=0,1,\cdots,M-1 s(t,pm)=ej(ωt+k0psk0pm);m=0,1,,M1
其中,若第 0 0 0个阵元放置在原点,则有,
k 0 = − 2 π λ p s ∥ p s ∥ 2 = − 2 π λ [ sin ⁡ ϕ cos ⁡ θ , sin ⁡ ϕ sin ⁡ θ , cos ⁡ ϕ ] T \boldsymbol{k}_0 = - \frac{2 \pi}{\lambda}\frac{\boldsymbol{p}_s}{\left\Vert \boldsymbol{p}_s \right\Vert_2} = - \frac{2 \pi}{\lambda} \left[ \sin\phi \cos \theta, \sin\phi \sin \theta, \cos \phi \right]^T k0=λ2πps2ps=λ2π[sinϕcosθ,sinϕsinθ,cosϕ]T

3. 阵列流形与阵因子的计算

值得说明的是,阵列信号处理考察的是在特定的采样时间 t 0 t_0 t0,不同阵元接收到的数据,称之为“快拍”。 假设阵列中各个阵元的激励幅度相同,当空间中存在 i i i个信号源,且其幅度分别为 { A i ∣ i = 1 , 2 , ⋯   } \left\{ A_i \left| i=1,2,\cdots \right. \right\} {Aii=1,2,}时,则在 t 0 t_0 t0时刻,阵列接收的快拍数据可以表示为:
x = e j ( ω t 0 + k 0 ⋅ p s ) ∑ i A i a ( θ i , ϕ i ) \boldsymbol{x} = e^{j \left( \omega t_0 + \boldsymbol{k}_0 \cdot \boldsymbol{p}_s \right)} \sum_i A_i \boldsymbol{a}(\theta_i,\phi_i) x=ej(ωt0+k0ps)iAia(θi,ϕi)
其中, a ( θ , ϕ ) = [ e − j k 0 ⋅ p 0 , e − j k 0 ⋅ p 1 , ⋯   , e − j k 0 ⋅ p M − 1 ] T \boldsymbol{a}(\theta,\phi) = [e^{-j\boldsymbol{k}_0 \cdot \boldsymbol{p}_0},e^{-j\boldsymbol{k}_0 \cdot \boldsymbol{p}_1},\cdots,e^{-j\boldsymbol{k}_0 \cdot \boldsymbol{p}_{M-1}}]^T a(θ,ϕ)=[ejk0p0,ejk0p1,,ejk0pM1]T即为阵列流形。同时,阵因子可以通过阵列流形计算获得,即
f a r r ( θ , ϕ ) = ∥ a ( θ , ϕ ) ∥ 1 = ∑ m = 0 M − 1 e − j k 0 ⋅ p m \begin{aligned} f_{arr}(\theta, \phi) &= \Vert \boldsymbol{a}(\theta,\phi) \Vert_1 \\ &=\sum_{m=0}^{M-1} e^{-j\boldsymbol{k}_0 \cdot \boldsymbol{p}_m} \end{aligned} farr(θ,ϕ)=a(θ,ϕ)1=m=0M1ejk0pm
值得说明的是,本文假设阵列中各个阵元的激励幅度相同;在激励幅度不同的情况下,可以在 a ( θ , ϕ ) \boldsymbol{a}(\theta, \phi) a(θ,ϕ)中的各个元素前增加权重进行计算。

4. 典型阵列的数字波束形成与MATLAB仿真

数字波束形成的关键在于正确地设置阵列流形,前文我们阐述了其一般形式,即
a ( θ , ϕ ) = [ e − j k 0 ⋅ p 0 , e − j k 0 ⋅ p 1 , ⋯   , e − j k 0 ⋅ p M − 1 ] T \boldsymbol{a}(\theta,\phi) = [e^{-j\boldsymbol{k}_0 \cdot \boldsymbol{p}_0},e^{-j\boldsymbol{k}_0 \cdot \boldsymbol{p}_1},\cdots,e^{-j\boldsymbol{k}_0 \cdot \boldsymbol{p}_{M-1}}]^T a(θ,ϕ)=[ejk0p0,ejk0p1,,ejk0pM1]T
换言之,阵列流形中的第 m m m个元素可以表示为:
[ a ( θ , ϕ ) ] m = e − j k 0 ⋅ p m = e j 2 π ( x m sin ⁡ ϕ cos ⁡ θ + y m sin ⁡ ϕ sin ⁡ θ + z m cos ⁡ ϕ ) λ \left[ \boldsymbol{a}(\theta,\phi) \right]_m = e^{-j\boldsymbol{k}_0 \cdot \boldsymbol{p}_m} = e^{\frac{j2 \pi \left( x_m \sin\phi \cos \theta + y_m \sin\phi \sin \theta + z_m \cos \phi \right) }{\lambda}} [a(θ,ϕ)]m=ejk0pm=eλj2π(xmsinϕcosθ+ymsinϕsinθ+zmcosϕ)
依据上式,可以对任意阵列进行波束形成,相关的性能参数由阵列的排布决定。

下面,本节将结合具体的阵列形式,给出仿真MATLAB仿真结果。在仿真中采用相同的信号源,该信号源向空间中辐射高频段的电磁波,其频率 f = 15 M H z f=15MHz f=15MHz,波长 λ = 20 m \lambda = 20m λ=20m;在三维空间中,其矢径为 r = 1000 k m r=1000km r=1000km,方位角为 ϕ = 4 5 ∘ \phi=45^{\circ} ϕ=45,仰角为 9 0 ∘ − θ = 4 5 ∘ 90^{\circ}-\theta=45^{\circ} 90θ=45

4.1 均匀直线阵列

不妨令阵元数量 M = 30 M = 30 M=30,阵元间距 d = 8 m d = 8m d=8m,各个阵元沿 x x x轴分布,则第 m m m个阵元的坐标可以表示为:
p m = [ m d , 0 , 0 ] T ; m = 0 , 1 , ⋯   , M − 1 \boldsymbol{p}_m=\left[ md,0,0 \right]^T;m=0,1,\cdots,M-1 pm=[md,0,0]T;m=0,1,,M1
因此,均匀直线阵列的阵列流形可以表示为:
a ( θ , ϕ ) = [ 1 , e j 2 π d sin ⁡ θ cos ⁡ ϕ λ , ⋯   , e j 2 π ( M − 1 ) d sin ⁡ θ cos ⁡ ϕ λ ] T \boldsymbol{a}(\theta,\phi) = \left[1,e^{ \frac{j 2 \pi d \sin \theta \cos \phi}{\lambda} },\cdots,e^{ \frac{j 2 \pi (M - 1) d \sin \theta \cos \phi}{\lambda} } \right]^T a(θ,ϕ)=[1,eλj2πdsinθcosϕ,,eλj2π(M1)dsinθcosϕ]T

(1) 本文在三维坐标系中推导均匀直线阵列的阵列流形;而现有文献大多在二维坐标系中推导均匀直线阵列的阵列流形,故不需要考虑仰角,因而在大多数资料中没有 cos ⁡ ϕ \cos \phi cosϕ这一项;

(2) 均匀直线阵列仅有一维的角度分辨能力,在三维空间中,为了获得正确的方位角,需要利用 cos ⁡ ϕ \cos \phi cosϕ将二维平面从 x O y xOy xOy平面转化到“信号源与均匀直线阵列各个阵元所在的平面”。反之,若在阵列流形中没有设置正确的仰角,将会导致方位角的估计错误;

(3) 不难发现 cos ⁡ ϕ = cos ⁡ ( − ϕ ) \cos \phi = \cos (-\phi) cosϕ=cos(ϕ),故均匀直线阵列会出现测角模糊的问题,其不模糊的测角范围是 [ 0 ∘ , 18 0 ∘ ] \left[ 0^{\circ}, 180^{\circ} \right] [0,180]

阵列流形与阵因子的计算及数字波束形成

(a) 从均匀直线阵列的仿真结果可知,当在仰角为 4 5 ∘ 45^\circ 45处进行波束形成时,可以在正确的方位上( 4 5 ∘ 45^\circ 45)获得峰值;当在仰角为 0 ∘ 0^\circ 0处进行波束形成时,估计的方位为 6 0 ∘ 60^\circ 60,与结果显然不符;进而说明在三维空间中,即便没有仰角分辨能力,均匀直线阵列的阵列流形仍然需要考虑仰角
(b) 在均匀直线阵列的仿真结果中,在仰角维度的波瓣极宽,说明均匀直线阵列没有仰角分辨能力。

4.2 均匀矩形阵列

假设均匀矩形阵列共有 M x = 30 M_x = 30 Mx=30行, M y = 30 M_y =30 My=30列阵元;在每一行,阵元间距 d x = 8 m d_x = 8m dx=8m;在每一列,阵元间距 d y = 8 m d_y = 8m dy=8m,则第 i i i行、第 j j j列的阵元的坐标可以表示为:
p i j = [ i d x , j d y , 0 ] T i = 0 , 1 , ⋯   , M x − 1 ; j = 0 , 1 , ⋯   , M y − 1 \begin{aligned} & \boldsymbol{p}_{ij}=\left[ id_x,jd_y,0 \right]^T \\ & i=0,1,\cdots,M_x-1;j=0,1,\cdots,M_y-1 \end{aligned} pij=[idx,jdy,0]Ti=0,1,,Mx1;j=0,1,,My1
若按 j ⊗ i j \otimes i ji的形式向量化阵列排布,则均匀矩形阵列的阵列流形可以表示为:
a ( θ , ϕ ) = a y ( θ , ϕ ) ⊗ a x ( θ , ϕ ) \boldsymbol{a}(\theta,\phi) = \boldsymbol{a}_y(\theta,\phi) \otimes \boldsymbol{a}_x(\theta,\phi) a(θ,ϕ)=ay(θ,ϕ)ax(θ,ϕ)
其中, ⊗ \otimes 为克罗内克积,
a x ( θ , ϕ ) = [ 1 , e j 2 π d x sin ⁡ θ cos ⁡ ϕ λ , ⋯   , e j 2 π ( M x − 1 ) d x sin ⁡ θ cos ⁡ ϕ λ ] T a y ( θ , ϕ ) = [ 1 , e j 2 π d y sin ⁡ θ sin ⁡ ϕ λ , ⋯   , e j 2 π ( M y − 1 ) d y sin ⁡ θ sin ⁡ ϕ λ ] T \begin{aligned} \boldsymbol{a}_x(\theta,\phi) &= \left[1,e^{ \frac{j 2 \pi d_x \sin \theta \cos \phi}{\lambda} },\cdots,e^{ \frac{j 2 \pi (M_x - 1) d_x \sin \theta \cos \phi}{\lambda} } \right]^T \\ \boldsymbol{a}_y(\theta,\phi) &= \left[1,e^{ \frac{j 2 \pi d_y \sin \theta \sin \phi}{\lambda} },\cdots,e^{ \frac{j 2 \pi (M_y - 1) d_y \sin \theta \sin \phi}{\lambda} } \right]^T \end{aligned} ax(θ,ϕ)ay(θ,ϕ)=[1,eλj2πdxsinθcosϕ,,eλj2π(Mx1)dxsinθcosϕ]T=[1,eλj2πdysinθsinϕ,,eλj2π(My1)dysinθsinϕ]T
阵列流形与阵因子的计算及数字波束形成
(a) 不难发现,均匀矩形阵列具有方位角、仰角的二维分辨能力,且均匀矩形阵列在 [ 0 ∘ , 36 0 ∘ ] [0^\circ,360^\circ] [0,360]的方位角范围内,不会出现测角模糊。

4.3 均匀圆形阵列

假设均匀圆形阵列共有 M = 96 M=96 M=96个阵元,阵列半径为 R = 120 m R = 120m R=120m,阵列圆心位于原点,则第 m m m个阵元的坐标可以表示为:
p m = [ R cos ⁡ 2 π m M , R cos ⁡ 2 π m M , 0 ] T ; m = 0 , 1 , ⋯   , M − 1 \boldsymbol{p}_m = \left[ R \cos{\frac{2 \pi m}{M}}, R \cos{\frac{2 \pi m}{M}}, 0 \right]^T;m=0,1,\cdots,M-1 pm=[RcosM2πm,RcosM2πm,0]T;m=0,1,,M1
因此,均匀圆形阵列的阵列流形可以表示为:
a ( θ , ϕ ) = [ 1 , e j 2 π d R ( cos ⁡ 2 π M sin ⁡ ϕ cos ⁡ θ + cos ⁡ 2 π M sin ⁡ ϕ sin ⁡ θ ) λ , ⋯   , e j 2 π d R [ cos ⁡ 2 π ( M − 1 ) M sin ⁡ ϕ cos ⁡ θ + cos ⁡ 2 π ( M − 1 ) M sin ⁡ ϕ sin ⁡ θ ] λ ] T \boldsymbol{a}(\theta,\phi) = \left[1,e^{ \frac{j 2 \pi d R \left( \cos{\frac{2 \pi}{M}} \sin\phi \cos \theta + \cos{\frac{2 \pi}{M}} \sin\phi \sin \theta \right)}{\lambda} },\cdots,e^{ \frac{j 2 \pi d R \left[ \cos{\frac{2 \pi (M-1) }{M}} \sin\phi \cos \theta + \cos{\frac{2 \pi (M-1)}{M}} \sin\phi \sin \theta \right]}{\lambda} } \right]^T a(θ,ϕ)=[1,eλj2πdR(cosM2πsinϕcosθ+cosM2πsinϕsinθ),,eλj2πdR[cosM2π(M1)sinϕcosθ+cosM2π(M1)sinϕsinθ]]T

阵列流形与阵因子的计算及数字波束形成

(a) 不难发现,均匀圆形阵列具有方位角、仰角的二维分辨能力,且均匀矩形阵列在 [ 0 ∘ , 36 0 ∘ ] [0^\circ,360^\circ] [0,360]的方位角范围内,不会出现测角模糊。文章来源地址https://www.toymoban.com/news/detail-489977.html

5. MATLAB仿真程序源码

%% Author:ZLY
clearvars;
close all;
clc;
%% 信号为单频正弦信号
global c;
global f0;
global lambda;
global t;
global N;
global TxLoc;

c = 3e8;
f0 = 15e6;              % 载波频率
lambda = c / f0;    % 波长
fs = 4 * f0;              % 采样频率
N = 1024;               % 采样点数
t = (0:N-1).' / fs;    % 采样时刻

x = exp(1j * 2 * pi * f0 * t);  % 单频信号
%% 信号源位于远场
% 1、阵元间距 < lambda / 2
% 2、阵列孔径 v.s. 角度分辨力
% TxLoc = [1000e3, 1000e3, 245.5756e3];                       % 远场源,以正北为参照方位角45°,仰角10°(常见的情况)
TxLoc = [1000e3, 1000e3, sqrt(2) * 1000e3];           % 远场源,以正北为参照方位角45°,仰角45°(夸张的情况)
arrayType = 3;
switch arrayType
    case 1
        ULA();
    case 2
        URA();
    case 3
        UCA();
end
%% 均匀线阵的情况
function ULA()

    global c;
    global N;
    global f0;
    global lambda;
    global t;
    global TxLoc;
    
    d = 8;
    M = 30;
    RxLoc = [ d * (0:M-1).', zeros(M, 2)];

    % 生成接收信号,N个快拍的数据
    y = zeros(N, M);
    for ii = 1:M
        tau = norm( RxLoc(ii,:) - TxLoc ) / c;
        y(:,ii) = exp(1j * 2 * pi * f0 * (t - tau));
    end

    % 波束形成
    k = 2 * pi / lambda;
    phi = ( 0 : 359 ) / 180 * pi;            % 与x轴夹角
    theta = ( 90:-1:0 ) / 180 * pi;         % 与z轴夹角
    
    
    DBF = zeros(length(phi), length(theta));
    for ii = 1:length(phi)
        for jj = 1:length(theta)
            a = exp( 1j * k * (0 : M - 1) * d * cos ( phi(ii) ) * sin( theta(jj) ) ).';
            DBF(ii,jj) = sum( abs( y * conj(a) ), 1 );
        end
    end
    
    DBF = DBF ./ max(abs(DBF), [], 'all');
    figure(1);
    mesh(90 - theta / pi * 180, phi / pi * 180, db(DBF));
    xlabel('俯仰角'); ylabel('方位角'); 
    colormap jet; colorbar; view(2);
    axis tight; set(gca, 'CLim', [-40, 0]);
    title('ULA');
    
end

%% 均匀矩形阵列的情况
function URA()

    global c;
    global N;
    global f0;
    global lambda;
    global t;
    global TxLoc;
    
    dx = 8;
    Mx = 30;
    dy = 8;
    My = 30;
    RxLoc = zeros(Mx * My, 3);
    for ii = 1:Mx
        for jj = 1:My
            RxLoc( (ii - 1) * My + jj, :) = [(ii - 1) * dx, (jj - 1) * dy, 0];
        end
    end
    
    % 生成接收信号,N个快拍的数据
    y = zeros(N, Mx * My);
    for ii = 1:Mx * My
        tau = norm( RxLoc(ii,:) - TxLoc ) / c;
        y(:,ii) = exp(1j * 2 * pi * f0 * (t - tau));
    end

    % 波束形成
    k = 2 * pi / lambda; 
    phi = ( 0 : 359 ) / 180 * pi;            % 与x轴夹角
    theta = ( 90:-1:0 ) / 180 * pi;         % 与z轴夹角
    
    DBF = zeros(length(phi), length(theta));
    for ii = 1:length(phi)
        for jj = 1:length(theta)

            ax = exp( 1j * k * (0 : Mx - 1) * dx * cos( phi(ii) ) * sin( theta(jj) ) ).';
            ay = exp( 1j * k * (0 : My - 1) * dy * sin( phi(ii) ) * sin( theta(jj) ) ).';
            a = kron( ay, ax );
            DBF(ii,jj) = sum( abs( y * conj(a) ), 1 );
        end
    end
    
    DBF = DBF ./ max(abs(DBF), [], 'all');
    figure(2);
    mesh(90 - theta / pi * 180, phi / pi * 180, db(DBF));
    xlabel('俯仰角'); ylabel('方位角'); 
    colormap jet; colorbar; view(2);
    axis tight; set(gca, 'CLim', [-40, 0]);
    title('URA');
    
end

%% 均匀圆形阵列
function UCA()

    global c;
    global N;
    global f0;
    global lambda;
    global t;
    global TxLoc;
    
    M = 96;     % 96个阵元
    R = 120;     % 半径120m
    
    RxLoc = zeros(M, 3);
    for ii = 1:M
        alpha = (ii - 1) * 2 * pi / M ;
        RxLoc(ii,:) = [R * cos(alpha), R * sin(alpha), 0];
    end
    
    % 生成接收信号,N个快拍的数据
    y = zeros(N, M);
    for ii = 1:M
        tau = norm( RxLoc(ii,:) - TxLoc ) / c;
        y(:,ii) = exp(1j * 2 * pi * f0 * (t - tau));
    end

    % 波束形成
    k = 2 * pi / lambda; 
    phi = ( 0 : 359 ) / 180 * pi;            % 与x轴夹角
    theta = ( 90:-1:0 ) / 180 * pi;         % 与z轴夹角
    
    DBF = zeros(length(phi), length(theta));
    for ii = 1:length(phi)
        for jj = 1:length(theta)
            
            xm = R * cos( (0: M - 1) * 2 * pi / M ).';
            ym = R * sin( (0: M - 1) * 2 * pi / M ).';
            
            a = exp(1j * k * ( xm * cos(phi(ii)) * sin(theta(jj)) + ym * sin(phi(ii)) * sin(theta(jj)) ) );
            DBF(ii,jj) = sum( abs( y * conj(a) ), 1 );
        end
    end
    
    DBF = DBF ./ max(abs(DBF), [], 'all');
    figure(3);
    mesh(90 - theta / pi * 180, phi / pi * 180, db(DBF));
    xlabel('俯仰角'); ylabel('方位角'); 
    colormap jet; colorbar; view(2);
    axis tight; set(gca, 'CLim', [-40, 0]);
    title('UCA');
   
end

到了这里,关于阵列流形与阵因子的计算及数字波束形成的文章就介绍完了。如果您还想了解更多内容,请在右上角搜索TOY模板网以前的文章或继续浏览下面的相关文章,希望大家以后多多支持TOY模板网!

本文来自互联网用户投稿,该文观点仅代表作者本人,不代表本站立场。本站仅提供信息存储空间服务,不拥有所有权,不承担相关法律责任。如若转载,请注明出处: 如若内容造成侵权/违法违规/事实不符,请点击违法举报进行投诉反馈,一经查实,立即删除!

领支付宝红包 赞助服务器费用

相关文章

  • 窄带波束形成——时域与频域常规窄带波束形成

    最近学习了一下《最优阵列处理技术》,应老师要求写一个线性均匀水听器阵列的常规波束形成,由于是初学者,写的可能会有点问题,欢迎大家提出修改建议和指导,写这个主要是记录自己的思考,其次是和初学者进行交流提升。 要实现波束形成,首先得了解频率波束响应

    2024年02月09日
    浏览(38)
  • 多种波束形成算法的Matlab实现

    多种波束形成算法的Matlab实现 波束形成是一种基于阵列信号处理的技术,它将多个传感器的接收信号进行合理加权,以得到指定方向上的信号增强,具有很高的性能和广泛的应用。在本文中,我们将介绍几种常见的波束形成算法,包括LFMBF、LCMV、LFMCW等,并给出相应的Matlab实

    2024年02月09日
    浏览(37)
  • 阵列信号处理笔记(3):阵列调向、栅瓣、半功率波束带宽、端射阵列

      阵列调向是阵列信号处理中一个非常基本的问题,通常阵列调向需要做的就是将主瓣对准某一特定位置。这一骚操作可以通过物理手段实现,例如旋转阵列朝向,或者通过电子方式实现。一个比较经典的例子是基站天线的下倾角调节,如图所示。   这种天线通过一个可调

    2024年02月11日
    浏览(41)
  • 基于FPGA的移相波束形成verilog实现

    欢迎订阅《FPGA学习入门100例教程》、《MATLAB学习入门100例教程》 目录 一、理论基础 二、核心程序 三、测试结果

    2023年04月08日
    浏览(36)
  • 麦克风阵列波束基本概念理解

    本质上是设计合适的滤波器,对于一类固定滤波器系数的阵列来说,无论输入信号或者噪声信号的统计特征如何,其滤波器系数固定不变,此类波束形成叫Fixed Beamforming,固定波束形成好比传统数字信号处理里面的经典滤波器;与此相对的一类就是自适应滤波器,阵列里就有

    2024年02月05日
    浏览(43)
  • 自适应波束形成算法及MATLAB仿真算法(RLS和LMS)

    自适应研究的重点一直都是自适应算法,经典的自适应波束形成算法可分为闭环算法(反馈控制算法)和开环算法(也称直接求解方法)。 一般而言, 闭环算法比开环算法要简单,实现方便,但其收敛速率受到系统稳定性要求的限制 。闭环算法包括最小均方(LMS)算法、差

    2024年02月05日
    浏览(45)
  • 基于无线传感器网络的LC-DANSE波束形成算法matlab仿真

    目录 1.程序功能描述 2.测试软件版本以及运行结果展示 3.核心程序 4.本算法原理 4.1LC-DANSE算法原理 4.2 LCMV算法原理 5.完整程序         在无线传感器网络中,通过MATLAB对比LC-DANSE波束形成算法和LCMV波束形成算法。对比SNR,mse等指标。 MATLAB2022a版本运行        无线传感器网络

    2024年02月20日
    浏览(39)
  • 【阵列信号处理】空间匹配滤波器、锥形/非锥形最佳波束成形器、样本矩阵反演 (SMI) 研究(Matlab代码实现)

    💥💥💞💞 欢迎来到本博客 ❤️❤️💥💥 🏆博主优势: 🌞🌞🌞 博客内容尽量做到思维缜密,逻辑清晰,为了方便读者。 ⛳️ 座右铭: 行百里者,半于九十。 📋📋📋 本文目录如下: 🎁🎁🎁 目录 💥1 概述 📚2 运行结果 🎉3 参考文献 🌈4 Matlab代码实现 空间匹配

    2024年02月14日
    浏览(44)
  • 云计算——云计算部署形成及应用

    作者简介:一名云计算网络运维人员、每天分享网络与运维的技术与干货。   座右铭:低头赶路,敬事如仪 个人主页:网络豆的主页​​​​​ 目录  前言 一.云计算部署形式 1.私有云 (1)私有云优点 (2)私有云缺点 2.社区云/行业云  (1)社区云 (2)行业云 社区云

    2024年02月07日
    浏览(37)
  • 【计算机视觉】二、图像形成——实验:2D变换编辑(Pygame)

    【计算机视觉】二、图像形成:1、向量和矩阵的基本运算:线性变换与齐次坐标   几何基元是计算机图形学中最基本的图形对象,它们是构建更复杂图形的基础单元。常见的几何基元包括: 点(Point) : 由一对或一组坐标值表示的零维对象。 线段(Line Segment) : 由两个端点确定的

    2024年03月22日
    浏览(43)

觉得文章有用就打赏一下文章作者

支付宝扫一扫打赏

博客赞助

微信扫一扫打赏

请作者喝杯咖啡吧~博客赞助

支付宝扫一扫领取红包,优惠每天领

二维码1

领取红包

二维码2

领红包