单脉冲测角-和差比幅法

news2024/11/27 10:44:07

和差比幅法单脉冲测角

      • 单脉冲测角的类型
      • 阵列接收模型
      • 和差波束构造方法
      • 和差比幅测角仿真

单脉冲测角的类型

传统的单脉冲测向方法主要有3种,分别是半阵法、加权法和和差比幅法。其实这3种方法都需要形成和波束和差波束,只是波束形成的方法不同,进一步来说,就是和波束、差波束的权值计算的方法不同。有关半阵法的原理及仿真可以参考博文链接: 单脉冲测角-半阵法。在了解单脉冲测向之前,首先要知道普通波束形成,普通波束形成就是设计一组权值,使得对各个阵元接收到的信号进行加权求和之后,形成一种空间滤波,选择性的接收期望方向的信号而抑制其他方向的信号。在实际情况中,前端处理得到的波束指向角 φ 0 \varphi_0 φ0不一定等于 φ s \varphi_s φs,但真实角度一般出于波束的3dB带宽以内。因此我们就需要一种方法在已知确知波束指向角的情况下测量期望信号的真实方向。单脉冲测角就是用于解决该问题。通常情况下,单脉冲测角需要在阵列的输出端分别形成和波束和差波束,其中和波束要求在波束指向处形成主瓣增益,而差波束则要求在波束指向处形成零陷。然后利用单脉冲比即和差比估计出期望信号方向与波束指向间的插值 Δ φ \Delta_\varphi Δφ
半阵法和加权法最大的局限性在于,它们都需要依赖于阵列的特殊结构。半阵法要求阵列排布具有对称性,加权法只能用于规则阵列,这两种方法都不具有普适性,不同阵列的权向量的表达式形式可能会大相径庭。
下面介绍和差比幅法的原理。

阵列接收模型

在这里插入图片描述

图1. 均匀线性阵接收信号模型

对于均匀线阵,俯仰角 φ \varphi φ的定义域通常为 φ ∈ ( − 9 0 ∘ , 9 0 ∘ ) \varphi \in (-90^{\circ},90^{\circ}) φ(90,90)。设阵列参考点为 ο \omicron ο,即左起第一个阵元。由几何关系我们可以知道,第 m m m个阵元相对于参考点的波程差为 ( m − 1 ) d s i n φ (m-1)d\rm{sin}\varphi (m1)dsinφ,因此我们可以得到第 m m m个阵元相对于参考点的时延 τ m \tau_m τm
τ m = ( m − 1 ) d s i n φ c \tau_m=\frac{(m-1)d\rm{sin}\varphi}{c} τm=c(m1)dsinφ
利用上式,均匀线阵的导向矢量可以表示为:
a ( φ ) = [ 1 , e j 2 π d s i n φ λ , . . . , e j 2 π ( M − 1 ) d s i n φ λ ] T \bm{a}(\varphi)=[1,e^{j\frac{2\pi d\rm{sin}\varphi}{\lambda}},...,e^{j\frac{2\pi (M-1)d\rm{sin}\varphi}{\lambda}}]^{T} a(φ)=[1,ejλ2πdsinφ,...,ejλ2π(M1)dsinφ]T
在均匀线性阵中,要求相邻阵元间距 d ≤ λ / 2 d\leq \lambda/2 dλ/2,否则会造成相位混叠,进而影响单脉冲测角。
由导向矢量,可以得到来波方向为 φ \varphi φ的信号 s ( t ) s(t) s(t)的阵列输出为:
y = a ( φ ) s ( t ) y=\bm{a}(\varphi)s(t) y=a(φ)s(t)

和差波束构造方法

这里采用常见的均匀线性阵为例来解析和差比幅侧向的一般过程。如上图所示,首先考虑一个 M M M阵元的均匀线性阵,阵元间距为半波长 1 / 2 λ 1/2\lambda 1/2λ,阵列波束指向为 φ 0 \varphi_0 φ0。我们首先构造一个和波束,和波束要求波束指向处形成主瓣增益,因此我们取波束指向 φ 0 \varphi_0 φ0处的导向向量为和波束权,即
w Σ = a ( φ 0 ) w_{\Sigma}=a(\varphi_0) wΣ=a(φ0)
和波束得到的信息可以用于测距。差波束要求在波束指向处形成零陷,这里采用的方法是:首先以波束指向 φ 0 \varphi_0 φ0为中心,关于 φ 0 \varphi_0 φ0分别取两个角度 φ l \varphi_l φl φ r \varphi_r φr,这两个角度的选取也是有讲究的,不能够太大,一般情况下,我们选择和波束主瓣的3dB截止角度作为 φ l \varphi_l φl φ r \varphi_r φr的值。假设3dB主瓣宽度为 θ m b s \theta_{mbs} θmbs,则:
φ l = φ 0 − 1 2 θ m b s , φ r = φ 0 + 1 2 θ m b s \varphi_l=\varphi_0-\frac{1}{2}\theta_{mbs},\varphi_r=\varphi_0+\frac{1}{2}\theta_{mbs} φl=φ021θmbs,φr=φ0+21θmbs
3dB主瓣宽度为 θ m b s \theta_{mbs} θmbs的计算公式为:
θ m b s = = 50.7 λ N d c o s φ 0 ( ∘ ) \theta_{mbs}==\frac{50.7\lambda }{ Ndcos\varphi_0}(^\circ) θmbs==Ndcosφ050.7λ()
具体的计算过程可以参考博文波束形成中的主瓣宽度 。
差波束构造为两个波束的差:
Δ ( φ ) = ∣ a H ( φ l ) a ( φ ) ∣ − ∣ a H ( φ r ) a ( φ ) ∣ \Delta(\varphi)=\left| a^H(\varphi_l)a(\varphi) \right|-\left| a^H(\varphi_r)a(\varphi) \right| Δ(φ)= aH(φl)a(φ) aH(φr)a(φ)
同理,比幅法也需要将和波束处理为幅度值,即
Σ ( φ ) = ∣ w Σ H a ( φ ) ∣ \Sigma(\varphi)=\left| w^H_{\Sigma}a(\varphi)\right| Σ(φ)= wΣHa(φ)
因此,可以得到和差波束比幅法的单脉冲比MRC为:
M R C = Δ ( φ ) Σ ( φ ) = ∣ a H ( φ l ) a ( φ ) ∣ − ∣ a H ( φ r ) a ( φ ) ∣ ∣ w Σ H a ( φ ) ∣ MRC=\frac{\Delta(\varphi)}{\Sigma(\varphi)}=\frac{\left| a^H(\varphi_l)a(\varphi) \right|-\left| a^H(\varphi_r)a(\varphi) \right|}{\left| w^H_{\Sigma}a(\varphi)\right|} MRC=Σ(φ)Δ(φ)= wΣHa(φ) aH(φl)a(φ) aH(φr)a(φ)
比幅测向顾名思义,就是以差波束和和波束的幅度比作为单脉冲比,实际上利用了左右波束的对称性,而不局限于阵列本身几何结构的特殊性,因此可以用于共形阵。但是该方法容易受到波束特性的影响,比如阵列的主瓣过宽时,可能会导致测向结果较差。

和差比幅测角仿真

纸上得来终觉浅,绝知此事要躬行。光看懂还不行,自己动手做一些仿真,才能真正的掌握其原理。
考虑一个8阵元结构的均匀线性阵,阵元间距为半波长,波束指向为0°,可以计算得主波束宽度为 θ m b s = 12.68 ° \theta_{mbs}=12.68° θmbs=12.68°,我们暂且取 φ l = − 5 ° \varphi_l=-5° φl= φ r = 5 ° \varphi_r=5° φr=,左右两个波束的角度差可以小一点,后面的分析将会看到,这个角度越小,和差比和角度的线性度越高。
下图是绘制的和差波束
在这里插入图片描述

图2. 比幅法和差波束

可以看到,与半阵法类似,比幅法和波束在期望方向形成了主瓣增益,而差波束在期望方向形成零陷。下面我们绘制单脉冲比MRC曲线。
在这里插入图片描述

图3. 单脉冲比曲线

比幅法的单脉冲比MRC不存在一个显式子表达式,因此只能通过曲线拟合处斜率,然后在单脉冲测向系统种用于测向。在一些文献中看到有人说可以通过查表得方法,我个人觉得也是可行的,首先我们仿真出来大量的点,例如上图中,不同的角度对应不同的比值,取得点越多,角度分辨率越高,得到的表格也越大。实际测角的时候,获取和差波束下信号的幅度,然后计算两者的比值,拿到这个比值后去表格中查找。实际计算除的比值一定是一个浮点数,通过四舍五入的方法取一定的位数,找到表格中相同的值。曲线拟合的话,可以得到一条类似于 y = k x + b y=kx+b y=kx+b的一次函数,将和差比值代进去得到角度。
matlab仿真代码如下:

% 单脉冲测角-和差比幅法仿真
%  Author:huasir 2023.11.16 @Beijing
clear all;close all;clc;
N = 8; %阵元数
theta = (-90:0.1:90); %观测角度范围
theta0 = 0; %波形形成的方向
thetaL = -5; %用于构造差波束的波束1
thetaR = 5; %用于构造差波束的波束2
theta0 = theta0*pi/180; %弧度换算为角度
theta = theta*pi/180; %弧度换算为角度
thetaL = thetaL*pi/180; %弧度换算为角度
thetaR = thetaR*pi/180; %弧度换算为角度
d_lembda = 1/2; %阵元间距比波长,一般采用半波长
%% 构造和差波束
a = exp(j*2*pi*d_lembda*(0:N-1)'*sin(theta)); %导向矢量
wSigma = exp(j*2*pi*d_lembda*(0:N-1)'*sin(theta0)); %和波束权向量
wDeltaL = exp(j*2*pi*d_lembda*(0:N-1)'*sin(thetaL)); %用于构造差波束的波束1的权向量
wDeltaR = exp(j*2*pi*d_lembda*(0:N-1)'*sin(thetaR)); %用于构造差波束的波束2的权向量
ySigma = abs(wSigma'*a); %和波束
yDelta = abs(wDeltaL'*a)-abs(wDeltaR'*a); %差波束
figure;
plot(theta*180/pi,20*log10(ySigma/max(ySigma)),'linewidth',1); %绘制和波束
hold on;
plot(theta*180/pi,20*log10(yDelta/max(yDelta)),'linewidth',1); %绘制差波束
legend('和波束','差波束');
xlabel('方位角/°');ylabel('归一化功率方向图/dB');
axis tight;% axistight 使得图形框图靠近数据
grid on; %添加栅格线
ylim([-30, 0]); % 为了限制y值范围,使得图像显示的更加合理
title(sprintf('阵元数:%d,波束方向:%.0f°',N,theta0))%添加图题
%% 提取主瓣区域附近的和差波束,并计算单脉冲比
m1 = (-5-(-90))/0.1+1; %截取主瓣内部分区域对应的下标
m2 = (5-(-90))/0.1+1;  %截取主瓣内部分区域对应的下标
MRC = yDelta(m1:m2)./ySigma(m1:m2); %%计算单脉冲比
%% 绘制单脉冲比曲线
figure;
plot((-5:0.1:5),MRC,'linewidth',1);
set(gca,'XTick',[-5:1:5]); %设置要显示的坐标轴的刻度
xlabel('角度(°)');ylabel('和差比幅');
axis tight;% axistight 使得图形框图靠近数据
grid on; %添加栅格线
title('和差波束图');

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:http://www.coloradmin.cn/o/1216621.html

如若内容造成侵权/违法违规/事实不符,请联系多彩编程网进行投诉反馈,一经查实,立即删除!

相关文章

批量处理文件夹及子文件夹下文件名

从此烟雨落京城,一人撑伞两人行。 问题描述 下载的资源被打过标记,不能直接使用,甚是痛苦 问题: 所有文件的文件名都加入了【更多it教程 微信号:…】字段,包括当前文件夹和子文件夹的全部文件&#xff0c…

【Spring】bean的基础配置

bean的别名 当在Spring config文件中定义name作为别名后&#xff1a; <?xml version"1.0" encoding"UTF-8"?> <beans xmlns"http://www.springframework.org/schema/beans"xmlns:xsi"http://www.w3.org/2001/XMLSchema-instan…

4. 【自动驾驶与机器人中的SLAM技术】点云中的拟合问题和K近邻

目录 1.在三维体素中定义 NEARBY14&#xff0c;实现 14 格最近邻的查找。2.推导arg max||Ad||22的解为ATA的最大特征向量或者奇异向量。3. 将本节的最近邻算法与一些常见的近似最近邻算法进行对比&#xff0c;比如nanoflann&#xff0c;给出精度指标和时间效率指标。4. 也欢迎大…

创建一个用户test且使用testtab表空间及testtemp临时表空间并授予其权限,密码随意

文章目录 1、连接到数据库2、创建表空间3、创建用户4、授予权限5、测试 1、连接到数据库 sqlplus / as sysdba2、创建表空间 创建testtab表空间 CREATE TABLESPACE testtab DATAFILE /u01/app/oracle/oradata/orcl/testtab.dbf SIZE 50M AUTOEXTEND ON NEXT 5M MAXSIZE …

【以图会意】文件系统从外存到内存到用户空间

首先&#xff0c;在文件目录中&#xff0c;装有很多块FCB&#xff0c;由文件名和i指针两部分构成&#xff0c;指针指向文件所在的索引结点&#xff0c;包含了例如&#xff1a;文件存储权限&#xff0c;文件长度等一系列文件的信息&#xff0c;最重要的当然是物理地址&#xff0…

《变形监测与数据处理》笔记/期末复习资料(择期补充更新)

变形&#xff1a; 变形是物体在外来因素作用下产生的形状、大小及位置的变化&#xff08;随时间域和空间域的变化&#xff09;&#xff0c;它是自然界普遍存在的现象。 变形体&#xff1a; 一般包括工程建筑物、构筑物、大型机械设备以及其他自然和人工对象等。 变形体和变形…

AW2013芯片讲解

文章目录 前言一、AW2013芯片介绍二、AW2013从机地址三、AW2013读写时序AW2013写时序AW2013读时序 四、AW2013的INT引脚五、LED作用和配置描述LED控制PWM控制模式简短编程模式 六、AW2013寄存器讲解总结 前言 本篇文章将带大家学习AW2013芯片的使用。 一、AW2013芯片介绍 AW…

Mistral 7B 比Llama 2更好的开源大模型 (三)

Mistral 7B 比Llama 2更好的开源大模型 Mistral 7B是一个70亿参数的语言模型,旨在获得卓越的性能和效率。Mistral 7B在所有评估的基准测试中都优于最好的开放13B模型(Llama 2),在推理、数学和代码生成方面也优于最好的发布34B模型(Llama 1)。Mistral 7B模型利用分组查询注…

Linux(1):开始

计算机组成概述 计算机&#xff1a;接受用户输入指令与数据&#xff0c;经由中央处理器的数学与逻辑单元处理后&#xff0c;以产生或存储有用的信息。 主要可以分为3个部分&#xff1a;输入单元、主机单元、输出单元。 中央处理器&#xff08;Central Processing Unit, CPU&a…

unity shaderGraph实例-扫描效果

文章目录 效果展示整体结构各区域内容区域1区域2区域3区域4区域5区域6GraphSetttings注意事项使用方法 效果展示 整体结构 各区域内容 区域1 用场景深度减去顶点的View空间的视野深度&#xff08;Z值&#xff09;&#xff0c;这里Z值需要乘-1是因为从相机看到的物体顶点的视野…

UI设计是什么意思?一文给你讲清楚

随着互联网的快速发展&#xff0c;用户界面UI设计在中国也逐渐发展&#xff0c;用户界面UI设计的目的不仅是让用户&#xff0c;有视觉享受&#xff0c;而且解决用户如何与互联网设备交互&#xff0c;因此&#xff0c;用户界面UI设计是通过用户使用习惯、操作逻辑、界面交互和视…

【数据结构高阶】二叉搜索树

接下来我们来开始使用C来详细讲解数据结构的一些高阶的知识点 本期讲解的是二叉搜索树&#xff0c;对于初阶二叉树有所遗忘的同学可以看到这里&#xff1a; 【精选】【数据结构初阶】链式二叉树的解析及一些基本操作 讲解二叉搜索树主要是为了后面的map和set做铺垫&#xff…

安装pycharm选择路径时,点击next无反应

安装的时候断网就可以解决该问题。

空调能量表

数字化应用场景&#xff1a;空调能量监测 定义 空调能量表产品又被称为冷量积算仪、冷量积分仪、能量积分仪、能量积算仪、空调冷热量表、冷量表、能量表等&#xff0c;现阶段行业内没有统一的名称。 作用 用于计量中央空调能耗的仪表&#xff0c;它通过和空调管道流量计和温…

《增长黑客》思维导图

增长黑客这个词源于硅谷&#xff0c;简单说&#xff0c;这是一群以数据驱动营销、以迭代验证策略&#xff0c;通过技术手段实现爆发式增长的新型人才。 近年来&#xff0c;互联网公司意识到这一角色可以发挥四两拨千斤的作用&#xff0c;因此对该职位的需求也如井喷式增长。本…

基于C#实现五家共井

古代数学巨著《九章算数》中有这么一道题叫“五家共井&#xff0c;甲二绠&#xff08;汲水用的井绳&#xff09;不足&#xff0c;如&#xff08;接上&#xff09;乙一绠&#xff1b;乙三绠不足&#xff0c;如丙一绠&#xff1b;丙四绠不足&#xff0c;如丁一绠&#xff1b;丁五…

SQL存储过程和函数

SQL存储过程和函数 变量系统变量用户定义变量局部变量 存储过程存储函数 变量 在MySQL中变量分为三种类型: 系统变量、用户定义变量、局部变量。 系统变量 系统变量 是MySQL服务器提供&#xff0c;不是用户定义的&#xff0c;属于服务器层面。分为全局变量&#xff08;GLOBA…

软件开发和软件测试,到底学哪个好呢?

写在前面&#xff1a;买车没有最好&#xff0c;只有最适合。 类似这类“很难选择”的问题&#xff0c;在知乎上其实有很多。 比如&#xff1a;“该去年薪10w的国家电网&#xff0c;还是去年薪40w的互联网大厂”&#xff1b; 比如&#xff1a;“城里有房&#xff0c;剩下的100…

营业执照识别

目录 1、制作文本检测数据集 2、导出文本检测推理模型 3、制作语义实体识别数据集 4、训练模型 5、模型预测 6、模型导出 7、模型推理 1、制作文本检测数据集 文本检测数据集格式如下&#xff1a; dataset_dir # 数据集根目录&#xff0c;目录名称可以改变 ├── im…