阵列信号处理---均匀线阵和均匀加权线阵

2023-12-04 01:44

本文主要是介绍阵列信号处理---均匀线阵和均匀加权线阵,希望对大家解决编程问题提供一定的参考价值,需要的开发者们随着小编来一起学习吧!

均匀线阵

均匀线性阵列(ULA:Uniform Linear Array):有N个阵元位于z轴上且具有均匀间距d。

一般都把阵列的中心放在坐标系的原点。如下图

阵元的位置为

p z n = ( n − N − 1 2 ) d , n = 0 , 1 , … , N − 1 p_{z_n}=\big(n-\frac{N-1}{2}\big)d,n=0,1,…,N-1 pzn=(n2N1)dn=0,1,,N1

p x n = p y n = 0 p_{x_n}=p_{y_n}=0 pxn=pyn=0

则流形矢量 v k ( k ) v_k(k) vk(k)

v k ( k z ) = [ e j ( N − 1 2 ) k z d , e j ( N − 1 2 ) k z d , … , e j ( N − 1 2 ) k z d ] T v_k(k_z)=\big[e^{j(\frac{N-1}{2})}k_zd,e^{j(\frac{N-1}{2})}k_zd,…,e^{j(\frac{N-1}{2})}k_zd\big]^T vk(kz)=[ej(2N1)kzdej(2N1)kzdej(2N1)kzd]T

其中,

k z = − 2 π λ c o s θ k_z=-\frac{2\pi}{\lambda}cos\theta kz=λ2πcosθ

频率-波数响应函数

Υ ( ω , k ) = ω H v k ( k ) = ∑ n = 0 N − 1 ω n ∗ e − j ( n − N − 1 2 ) k z d \pmb{\Upsilon} (\omega,k)=\pmb{\omega} ^H\pmb{v}_{\pmb{k}}(k)=\sum_{n=0}^{N-1}\omega_n^*e^{-j(n-\frac{N-1}{2})k_zd} Υ(ω,k)=ωHvk(k)=n=0N1ωnej(n2N1)kzd

Ψ = − k z d = 2 π λ c o s θ d = 2 π λ u z d \Psi=-k_zd=\frac{2\pi}{\lambda}cos\theta d=\frac{2\pi}{\lambda}u_zd Ψ=kzd=λ2πcosθd=λ2πuzd

u z u_z uz为z轴的方向余弦, u z = c o s θ u_z = cos\theta uz=cosθ

则有,

Υ Ψ ( Ψ ) = e − j N − 1 2 Ψ ∑ n = 0 N − 1 ω n ∗ e − j n Ψ \pmb{\Upsilon}_{\Psi} (\Psi)=e^{-j\frac{N-1}{2}\Psi}\sum_{n=0}^{N-1}\omega_n^*e^{-jn\Psi} ΥΨ(Ψ)=ej2N1Ψn=0N1ωnejnΨ

Υ Ψ ( Ψ ) \pmb{\Upsilon}_{\Psi} (\Psi) ΥΨ(Ψ)为在 Ψ \Psi Ψ空间的频率-波束响应函数。

仅在区域 0 ≤ θ ≤ π 0 \le \theta \le \pi 0θπ − 1 ≤ u z ≤ 1 -1 \le u_z \le 1 1uz1代表传播的信号,因此可视区域为 − 2 π d λ ≤ Ψ ≤ 2 π d λ -\frac{2\pi d}{\lambda}\le \Psi \le \frac{2\pi d}{\lambda} λ2πdΨλ2πd − 2 π λ ≤ k z ≤ 2 π λ -\frac{2\pi }{\lambda}\le k_z \le \frac{2\pi }{\lambda} λ2πkzλ2π

定义

z = e j Ψ z=e^{j\Psi} z=ejΨ

则有

Υ z ( z ) = z − N − 1 2 ∑ n = 0 N − 1 ω n ∗ z n \pmb{\Upsilon}_z (z)=z^{-\frac{N-1}{2}}\sum_{n=0}^{N-1}\omega_n^*z^n Υz(z)=z2N1n=0N1ωnzn

θ \theta θ u u u空间下的阵列流形矢量如下:

[ v θ ( θ ) ] n = e j ( n − N − 1 2 ) 2 π d λ c o s θ , n = 0 , … , N − 1 [v_{\theta}(\theta)]_n=e^{j(n-\frac{N-1}{2})\frac{2\pi d}{\lambda}cos \theta},n=0,…,N-1 [vθ(θ)]n=ej(n2N1)λ2πdcosθn=0N1

[ v u ( u ) ] n = e j ( n − N − 1 2 ) 2 π d λ u , n = 0 , … , N − 1 [v_{u}(u)]_n=e^{j(n-\frac{N-1}{2})\frac{2\pi d}{\lambda}u},n=0,…,N-1 [vu(u)]n=ej(n2N1)λ2πdun=0N1

分别在三种不同的空间 θ 、 u 、 Ψ \theta、u、\Psi θuΨ下对应的波束方向图

B θ ( θ ) = ω H v θ ( θ ) = e − j ( N − 1 2 ) 2 π d λ c o s θ ∑ n = 0 N − 1 ω n ∗ e j n 2 π d λ c o s θ , 0 ≤ θ ≤ π B_\theta(\theta)=\omega ^H v_\theta(\theta)=e^{-j(\frac{N-1}{2})\frac{2\pi d}{\lambda}cos\theta}\sum_{n=0}^{N-1}\omega_n^*e^{jn\frac{2\pi d}{\lambda}cos\theta},0\le \theta \le \pi Bθ(θ)=ωHvθ(θ)=ej(2N1)λ2πdcosθn=0N1ωnejnλ2πdcosθ0θπ

B u ( u ) = ω H v u ( u ) = e − j ( N − 1 2 ) 2 π d λ u ∑ n = 0 N − 1 ω n ∗ e j n 2 π d λ u , − 1 ≤ u ≤ 1 B_u(u)=\omega ^H v_u(u)=e^{-j(\frac{N-1}{2})\frac{2\pi d}{\lambda}u}\sum_{n=0}^{N-1}\omega_n^*e^{jn\frac{2\pi d}{\lambda}u},-1\le u \le 1 Bu(u)=ωHvu(u)=ej(2N1)λ2πdun=0N1ωnejnλ2πdu1u1

B Ψ ( Ψ ) = ω H v Ψ ( Ψ ) = e − j ( N − 1 2 ) Ψ ∑ n = 0 N − 1 ω n ∗ e j n Ψ , − 2 π d λ ≤ Ψ ≤ 2 π d λ B_\Psi(\Psi)=\omega ^H v_\Psi(\Psi)=e^{-j(\frac{N-1}{2})\Psi}\sum_{n=0}^{N-1}\omega_n^*e^{jn\Psi},-\frac{2\pi d}{\lambda}\le \Psi \le \frac{2\pi d}{\lambda} BΨ(Ψ)=ωHvΨ(Ψ)=ej(2N1)Ψn=0N1ωnejnΨλ2πdΨλ2πd

对于均匀线阵,通常用 Ψ \Psi Ψ来表示阵列流形,

v Ψ ( Ψ ) = [ e − j ( N − 1 2 ) Ψ , e − j ( N − 3 2 ) Ψ , … , e j ( N − 3 2 ) Ψ , e j ( N − 1 2 ) Ψ ] v_\Psi(\Psi)=\big[e^{-j(\frac{N-1}{2})\Psi},e^{-j(\frac{N-3}{2})\Psi},…,e^{j(\frac{N-3}{2})\Psi},e^{j(\frac{N-1}{2})\Psi}\big] vΨ(Ψ)=[ej(2N1)Ψej(2N3)Ψej(2N3)Ψej(2N1)Ψ]

可以看到均匀阵列流形矢量具有共轭对称性,也可以写为如下形式:

v Ψ ( Ψ ) = e − j ( N − 1 2 ) Ψ [ 1 , e − j Ψ , … , e j ( N − 1 ) Ψ ] v_\Psi(\Psi)=e^{-j(\frac{N-1}{2})\Psi}\big[1,e^{-j\Psi},…,e^{j(N-1)\Psi}\big] vΨ(Ψ)=ej(2N1)Ψ[1ejΨej(N1)Ψ]

均匀加权线阵

考虑均匀加权的情况,此时

ω = 1 N 1 \omega=\frac{1}{N}\pmb{1} ω=N11

1 \pmb{1} 1 N ∗ 1 N*1 N1的单位向量

则在 Υ \pmb{\Upsilon} Υ空间的频率-波束函数如下

Υ Ψ ( Ψ ) = 1 N e − j N − 1 2 Ψ ∑ n = 0 N − 1 e − j n Ψ = 1 N e − j N − 1 2 Ψ [ 1 − e j N Ψ 1 − e j Ψ ] \pmb{\Upsilon}_{\Psi} (\Psi)=\frac{1}{N}e^{-j\frac{N-1}{2}\Psi}\sum_{n=0}^{N-1}e^{-jn\Psi}=\frac{1}{N}e^{-j\frac{N-1}{2}\Psi}\big[\frac{1-e^{jN\Psi}}{1-e^{j\Psi}}\big] ΥΨ(Ψ)=N1ej2N1Ψn=0N1ejnΨ=N1ej2N1Ψ[1ejΨ1ejNΨ]

或者

Υ Ψ ( Ψ ) = 1 N s i n ( N Ψ 2 ) s i n ( Ψ 2 ) , − ∞ < Ψ < ∞ \pmb{\Upsilon}_{\Psi} (\Psi)=\frac{1}{N}\frac{sin(N\frac{\Psi}{2})}{sin(\frac{\Psi}{2})},-\infty < \Psi < \infty ΥΨ(Ψ)=N1sin(2Ψ)sin(N2Ψ)<Ψ<

N N N为奇数时, Υ Ψ ( Ψ ) \pmb{\Upsilon}_{\Psi} (\Psi) ΥΨ(Ψ)是周期函数,周期为 2 π 2\pi 2π。如果 N N N为偶数时,波瓣在 − + 2 π 、 − + 6 π ^+_-2\pi、^+_-6\pi +2π+6π处的值为负值,周期为 4 π 4\pi 4π。对于任意的N值, ∣ Υ Ψ ( Ψ ) ∣ |\pmb{\Upsilon}_{\Psi} (\Psi)| ΥΨ(Ψ)的周期为 2 π 2\pi 2π

频率-波束函数在dB下的表示为:

Υ d B ( Ψ ) = 10 l o g 10 ∣ Υ Ψ ( Ψ ) ∣ 2 \pmb{\Upsilon}_{dB} (\Psi) = 10log_{10}|\pmb{\Upsilon}_{\Psi} (\Psi)|^2 ΥdB(Ψ)=10log10ΥΨ(Ψ)2

仿真:

N = 11 N=11 N=11时,单个周期 θ ∈ ( − π , 0 ) \theta \in (-\pi,0) θ(π,0)内,则 Ψ ∈ [ − 2 π d λ , 2 π d λ ] \Psi \in \big[-2\pi\frac{d}{\lambda},2\pi\frac{d}{\lambda}] Ψ[2πλd,2πλd]空间下的频率-波束响应函数图,阵元间距 d d d为半波长

仿真结果如下:

代码如下:

c = 3e8;
f0 = 77e9;
lambda = c / f0;
d = lambda / 2; %阵元间距为半波长N = 11; %阵元个数
theta = -pi:0.0001:0; %theta域的可视区域为[-pi,0]
Uz = cos(theta); %u域的可视区域为[-1,1]Psi = 2*pi*d*Uz/lambda; %Psi域的可视区域为[-2*pi*d/lambda,2*pi*d/lambda]
Upsilon = 1/N * sin(N*Psi/2) ./ sin(Psi/2); %Psi空间的频率-波束响应
Upsilon_dB = 10*log10(abs(Upsilon).^2); %db
figure('color','w');
subplot(121)
plot(Psi/pi,Upsilon);xlabel('\Psi/pi');ylabel('频率-波束响应函数');
title('单个周期频率-波束响应函数');
subplot(122)
plot(Psi/pi,Upsilon_dB);xlabel('\Psi/pi');ylabel('频率-波束响应函数(dB)');
title('单个周期频率-波束响应函数(dB)');ylim([-25,0]);

分别在 N = 10 N=10 N=10 N = 11 N=11 N=11下仿真,得到 Ψ ∈ [ − 10 π d λ , 10 π d λ ] \Psi \in \big[-10\pi\frac{d}{\lambda},10\pi\frac{d}{\lambda}] Ψ[10πλd,10πλd]空间下的频率-波束响应函数图,阵元间距 d d d为半波长

仿真结果如下:

代码如下:

c = 3e8;
f0 = 77e9;
lambda = c / f0;
d = lambda / 2;N = [10,11]; %阵元个数
Psi = -10*pi*d/lambda:0.0001:10*pi*d/lambda; %Psi域的可视区域为[-2*pi*d/lambda,2*pi*d/lambda],对可视区域周期化
figure('color','w');
for i = 1:1:length(N)Upsilon = 1/N(i) * sin(N(i)*Psi/2) ./ sin(Psi/2); %Psi空间的频率-波束响应Upsilon_dB = 10*log10(abs(Upsilon).^2); %dbsubplot(2,2,i);plot(Psi/pi,Upsilon);xlabel('\Psi/pi');ylabel('频率-波束响应函数');title(['阵元数为',num2str(N(i)),'的频率-波束响应函数']);subplot(2,2,i+2)plot(Psi/pi,Upsilon_dB);xlabel('\Psi/pi');ylabel('频率-波束响应函数(dB)');title(['阵元数为',num2str(N(i)),'的频率-波束响应函数(dB)']);ylim([-25,0]);
end

k z k_z kz来表示频率-波数响应:

Υ ( ω : k z ) = 1 N s i n ( N k z d 2 ) s i n ( k z d 2 ) , − ∞ < Ψ < ∞ \pmb{\Upsilon} (\omega : k_z)=\frac{1}{N}\frac{sin(Nk_z\frac{d}{2})}{sin(k_z\frac{d}{2})},-\infty < \Psi < \infty Υ(ω:kz)=N1sin(kz2d)sin(Nkz2d)<Ψ<

Υ ( ω : k z ) \pmb{\Upsilon} (\omega : k_z) Υ(ω:kz)是周期函数,周期为 2 π / d 2\pi/d 2π/d

在三种不同的空间 θ 、 u 、 Ψ \theta、u、\Psi θuΨ下对应的波束方向图

B θ ( θ ) = 1 N s i n ( N 2 2 π λ c o s θ d ) s i n ( 1 2 2 π λ c o s θ d ) , 0 ≤ θ ≤ π B_\theta(\theta)=\frac{1}{N}\frac{sin(\frac{N}{2}\frac{2\pi}{\lambda}cos\theta d)}{sin(\frac{1}{2}\frac{2\pi}{\lambda}cos\theta d)},0\le \theta \le \pi Bθ(θ)=N1sin(21λ2πcosθd)sin(2Nλ2πcosθd)0θπ

B u ( u ) = = 1 N s i n ( π N d λ u ) s i n ( π d λ u ) , − 1 ≤ u ≤ 1 B_u(u)==\frac{1}{N}\frac{sin(\frac{\pi N d}{\lambda} u)}{sin(\frac{\pi d}{\lambda} u)},-1\le u \le 1 Bu(u)==N1sin(λπdu)sin(λπNdu)1u1

B Ψ ( Ψ ) = 1 N s i n ( N Ψ 2 ) s i n ( Ψ 2 ) , − 2 π d λ ≤ Ψ ≤ 2 π d λ B_\Psi(\Psi)=\frac{1}{N}\frac{sin(N\frac{\Psi}{2})}{sin(\frac{\Psi}{2})},-\frac{2\pi d}{\lambda}\le \Psi \le \frac{2\pi d}{\lambda} BΨ(Ψ)=N1sin(2Ψ)sin(N2Ψ)λ2πdΨλ2πd

θ \theta θ空间下,绘制极坐标系下的波束方向图

仿真结果如下:

c = 3e8;
f0 = 77e9;
lambda = c / f0;
d = lambda / 2; %阵元间距为半波长N = 11; %阵元个数
theta = -pi:0.0001:pi; %theta域的可视区域为[-pi,0]B_theta = 1/N * sin(N/2*2*pi/lambda*cos(theta)*d) ./ sin(1/2*2*pi/lambda*cos(theta)*d); %theta空间的频率-波束响应
B_theta_dB = 10*log10(abs(B_theta)); %db
B_theta_dB(B_theta_dB<-35) = -35; %将小于35db的置为35db
figure('color','w');
polarplot(theta,B_theta_dB);
pax = gca;pax.ThetaDir = 'clockwise';
pax.ThetaZeroLocation = 'left';
rlim([-35 0])
title('\theta空间极坐标波束方向图');

分别在空间 k z 、 Υ 、 u 、 θ k_z、\Upsilon、u、\theta kzΥuθ下,绘制频率波束响应函数

仿真如下:

代码如下:

c = 3e8;
f0 = 77e9;
lambda = c / f0;
d = lambda / 2; %阵元间距为半波长N = 10; %阵元个数
%theta、kz、Upsilon、u、空间下绘制波束方向图
figure('color','w');
% theta空间
theta = -pi:0.001:pi; %theta域
B_theta = 1/N * sin(N/2*2*pi/lambda*cos(theta)*d) ./ sin(1/2*2*pi/lambda*cos(theta)*d); %theta空间的频率-波束响应
subplot(4,1,1)
plot(theta,abs(B_theta));
title('\theta空间波束方向图');
xlim([-pi,pi]);ylim([0,1])
set(gca, 'XTick', [-pi -pi/2 0 pi/2 pi])
set(gca,'xtickLabel',{180, 90, 0 -90 -180})% u空间
u = -1:0.001:3; %u域 u = cos(theta)
B_u = 1/N * sin(N/2*2*pi/lambda*u*d) ./ sin(1/2*2*pi/lambda*u*d); %u空间的频率-波束响应
subplot(4,1,2)
plot(u,abs(B_u));
title('u空间波束方向图');
xlim([-1,3]);ylim([0,1])
set(gca, 'XTick', [-1 0 1 2 3])% kz域 kz=2*pi/lambda*u
kz = 2*pi/lambda*u;
B_kz = 1/N * sin(N/2*kz*d) ./ sin(1/2*kz*d); %kz空间的频率-波束响应
subplot(4,1,3)
plot(kz*lambda/2,abs(B_kz)); 
title('kz空间波束方向图');
xlim([-pi,3*pi]);ylim([0,1])
set(gca, 'XTick', [-pi 0 pi 2*pi 3*pi]) 
set(gca,'xtickLabel',{'-π/d',0,'π/d','2π/d','3π/d'})
% Psi域 Psi = kz*d
Psi = kz * d;
B_psi = 1/N * sin(N/2*Psi) ./ sin(1/2*Psi); %Psi空间的频率-波束响应
subplot(4,1,4)
plot(Psi,abs(B_psi)); 
title('\Psi空间波束方向图');
xlim([-pi,3*pi]);ylim([0,1])
set(gca, 'XTick', [-pi 0 pi 2*pi 3*pi]) 
set(gca,'xtickLabel',{'-π',0,'π','2π','3π'})

这篇关于阵列信号处理---均匀线阵和均匀加权线阵的文章就介绍到这儿,希望我们推荐的文章对编程师们有所帮助!



http://www.chinasem.cn/article/451647

相关文章

【数字信号处理】一文讲清FFT(快速傅里叶变换)

目录 快速傅里叶变换(Fast Fourier Transform,FFT)FFT的背景快速傅里叶变换(Fast Fourier Transform,FFT)DFT的数学表达实际计算重要性和应用频谱泄露、频谱混叠奈奎斯特采样定理参考链接 快速傅里叶变换(Fast Fourier Transform,FFT) FFT的背景 1、为什么要时域→频域频率?50Hz+频率120Hz

SOC 阵列:创新算力的未来之路

一、SOC阵列的概念与发展历程 SOC 阵列是由多个特定功能集成电路组合在一个芯片上的系统或产品,包含硬件系统及嵌入式软件。从传统集成电路到 SOC 经历多个阶段,初期电路由分立元件组成,后集成到单芯片集成电路中,其发展遵循摩尔定律,从 SSI 到 MSI、LSI 再到代表 VLSI 的 SOC 阵列。SOC 阵列在电子系统中地位凸显,实现小型化、提高效率、降低功耗和整体性能,如在便携设备中使设

《数字信号处理》学习04-离散时间系统中的线性时不变系统

目录 一,系统及离散时间系统   二,离散时间系统中的线性时不变系统 1,线性系统  1) 可加性  2) 比例性(齐次性) 3)叠加原理(叠加性质)  2,时不变系统(移不变系统) 通过前几篇文章的学习,此时我对序列的相关概念和运算已经有所掌握,接下来我将开始学习新的概念“离散时间系统中的线性时不变系统”, 一,系统及离散时间系统  首先需要知道系统的概念,在《信

【Get深一度】信号处理(二)——傅里叶变换与傅里叶级数的区别与联系

1.傅里叶级数和傅里叶变换:  傅里叶级数对周期性现象做数学上的分析 傅里叶变换可以看作傅里叶级数的极限形式,也可以看作是对周期现象进行数学上的分析。 除此之外,傅里叶变换还是处理信号领域的一种很重要的算法。要想理解傅里叶变换算法的内涵,首先要了解傅里叶原理的内涵。 傅里叶原理表明:对于任何连续测量的数字信号,都可以用不同频率的正弦波信号的无限叠加来表示。     傅里叶变

【Get深一度】信号处理(一)——能量信号与功率信号的区别

1.1 能量信号与功率信号的区别         通常情况下,电信号默认为电流(I)或电压(V),有两种主要类型:能量信号、功率信号。相信有朋友现在依然还是傻傻分不清楚这两者之间的区别。 下面我将进行分条详述:(关键词已加黑)        1)能量信号:表现为    确定或随机        2)功率信号:变现为    周期或随机          注:其中随机信号是比较好理解的

【Get深一度】信号处理必经之坎:相关与卷积【由理论至仿真】

相关与卷积的计算公式想必大家一看便懂,可其中奥义,囫囵吞枣,不得奇妙,原理与物理意义,我要吃了你们 相关函数:外衣不神秘,先剥开看看 信号啊信号,多想将你蹂躏,事实上,却反被蹂躏至死 … 信号到底是个什么东西,千百年来为何无数先人前赴后继,说白了就是电磁波;深了点就是电磁波的形状包含了信息;再深了点就是电磁波的形状被编了码或加了密;归根究底,就是电磁波嘛,只不过像是雕刻艺术一样搞得富

《数字信号处理》学习03-矩形序列,实指数序列和复指数序列

目录 一,矩形序列 1,由单位阶跃序列组成  2,由单位冲击序列组成 二,实指数序列 三,复指数序列  这篇文章着重学习:矩形序列,实指数序列和复指数序列。其它序列都比较简单,这里不再赘诉。 相关内容参考自:唐向宏著作的《数字信号处理》P12,电子书籍请通过专栏下的链接下载。 一,矩形序列 矩形序列用 表示。 其中 N 表示矩形序列的序列值 1 的数量(个数)(N

[数字信号处理][Python] numpy.gradient()函数的算法实现

先看实例 import numpy as npsignal = [3,2,1,3,8,10]grad = np.gradient(signal)print(grad) 输出结果是 [-1. -1. 0.5 3.5 3.5 2. ] 这个结果是怎么来的呢? np.gradient 计算信号的数值梯度,也就是信号值的变化率。它使用中心差分法来计算中间点的梯度,并使用前向差分法和后向差分法

【FPGA数字信号处理】并行FIR滤波器

​​在数字信号处理领域,FIR(Finite Impulse Response)数字滤波器是一种非常重要的工具。它具有线性相位、稳定性好等优点,被广泛应用于通信、音频处理、图像处理等领域。 今天介绍一下并行 FIR 数字滤波器的原理以及实现。 一、FIR数字滤波器原理解析 1、数字滤波器 数字滤波器是数字信号处理领域的核心组件,它们对信号进行数学处理以增强或抑制某些特性。 数字滤波器按照

要在nginx中配置后端三个服务器的轮询和加权

要在nginx中配置后端三个服务器的轮询和加权,你可以按照以下步骤进行配置: 打开nginx的配置文件,一般位于/etc/nginx/nginx.conf或/etc/nginx/conf.d/default.conf。 在http块内添加一个upstream块用于定义后端服务器列表。例如,我们定义一个名为backend的upstream块: http {upstream backend