使用相关序列方法做相位校准(附仿真代码)

news2024/9/20 18:32:50

        TI对天线幅相校准提出了标准的方法和流程,可参考这篇文档使用级联毫米波传感器的成像雷达参考设计1(TI文档)-CSDN博客的3.3节。这里使用自相关序列的方法来对相位做校准。

        自相关(Autocorrelation),也叫序列相关,是一个信号与其自身在不同时间点的互相关。非正式地来说,自相关是对同一信号在不同时间的两次观察,通过对比来评判两者的相似程度。自相关函数就是信号x(t)和它的时移信号x(t-τ)的乘积平均值。它是时移变量τ的函数。

        用数学的语言表述,则是:自相关函数是信号在时域中特性的平均度量,它用来描述信号在一个时刻的取值与另一时刻取值的依赖关系。数学上是这样定义的:

        

        假设有一个余弦信号: 

        根据定义,有:

        

        当相位相等时,相关曲线的幅值最大,可以利用这一特性来估算天线不同通道之间的相位差,然后做相位校准。

        这里以TI的AWR2944芯片为例,仿真4发4收DDMA模式下的天线通道相位校准。

        首先,生成16个虚拟接收通道的信号,由于目标位置相同,收到的信号除了相位,幅度和频率都一样,这样画图时就会混叠在一起,不方便观察,因此这里给每个信号添加一个直流偏置,使得每个通道的信号能从幅度上区分。

        增加直流分量的各通道信号如下,每个通道的余弦信号非常直观,可以看到每个信号的幅值、频率基本一样,但相位略有区别。

       对每个通道做FFT,可以看到每个通道的频谱,通过峰值搜索得到频率值。

        最后以第1各通道为基准,计算与所有通道的相关函数,通过给定不同时延(与相位线性变化),得到相关曲线。再搜索所有相关曲线的最大值,索引得到相位偏差值。

        计算结果表明,通过校准,平均相位误差可以调整到小于2°。

        完整代码如下。

% 发射波形和接收波形信号
clc;clear;
close all;
N = 16;                 % 通道数
L = 1000;               % 时域信号序列长度      
fs = 60000;             % 采样频率
ts = 1/fs;              % 采样时间间隔
t = ts:ts:L*ts;         % 时间序列
phase = 0:0.1*pi:(N-1)*0.1*pi;  % 每个通道的初始相位,单位弧度
A = 2.5:2.5:N*2.5;
s = zeros(N, L);        
ss = zeros(N, L);       % 增加直流分量用于区分显示
f = 259;                % 信号频率

for i = 1:N
    s(i,:) = cos(2*pi*f*t + phase(i)) + 0.1*randn(1,L);
    ss(i,:) = A(i) + s(i,:);
end
% 画出时域信号
figure;
plot(t, s);
grid on;
title('混叠在一起的16通道信号');
figure;
plot(t, ss);
grid on;
legend('1','2','3','4','5','6','7','8','9','10','11','12','13','14','15','16');
title('用直流幅度区分的16通道信号');

Nf = 65536;              % 计算FFT的点数
df = fs/Nf;              % 频率分辨率
s_fft = zeros(N,Nf);     % s的FFT结果 
for i = 1:N
    s_fft(i,:) = 10*log10(abs(fft(s(i,:),Nf)));
end
% 画出FFT幅值结果
figure;
for i = 1:N
    subplot(4,4,i);
    plot((1:Nf/2)*df,s_fft(i,(1:Nf/2)));
    ylim([-10,30]);
    grid on;
    title(num2str(i));
end
suptitle('FFT频率分析-dB');

% 通过最大幅值响应计算频率
[fft_max, index] = max(s_fft,[],2);
f_cal = index*df;
f_cal = mean(f_cal);
f_error = f_cal - f;

% 相移精度,单位°
d_phase = 360*f*ts;
min_dots = 360 / d_phase;
corr_num = floor(min_dots) + 1;
s_corr_sum = zeros(N,corr_num);
% 通过自相关(互相关)计算相移,这里只取一个周期用来计算
for i = 1:N
    for j = 1:corr_num
        s_corr = s(1,j:j+corr_num-1).*s(i,1:corr_num);
        s_corr_sum(i,j) = sum(s_corr);
    end
end
% 画出时域信号相关曲线
figure;
for i = 1:N
    subplot(4,4,i);
    plot(1:corr_num,s_corr_sum(i,:));
    grid on;
    title(num2str(i));
end
suptitle('第1通道为基准的相关曲线');

% 取自相关最大值索引为相移值
[max_sum,index] = max(s_corr_sum,[],2);
phase_cal = index*d_phase;
phase_error = phase_cal - phase'*180/pi;      % 这里单位转成°
phase_mean_error = mean(phase_error(2:N));


参考资料:

雷达编程实战之幅度与相位标定-CSDN博客

自相关与互相关_自相关和互相关-CSDN博客

互相关延时估计 Matlab仿真_互相关函数求时延原理-CSDN博客

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/1322295.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

Hypervisor Display架构

Hypervisor Display架构部分 1,所有LA侧的APP与显示相关的调用最终都会交由SurfaceFlinger处理 2,SurfaceFlinger会最终调用android.hardware.graphics.composer2.4-service服务 3,android.hardware.graphics.composer2.4-service服务会调用G…

http代理的静态ip如何实现YouTube运营?有何优势?

一、静态ip是什么?静态住宅ip有什么优势? 静态ip是指网络中某个设备(如计算机、路由器)拥有的永久不变的ip地址,它的ip地址在设备与网络连接后,由网络管理员手动配置或预留,并且不会轻易更改。…

紫光FPGA学习之常见报错

紫光pango design suite报错: 一、4005: [D:/**/rtl/burstORsingle.v(line number: 47)] Logic for ddr_head_addr_rr does not match a standard flip-flop. 看来看去都没有发现这个定义没有问题呀,检查发现: 原来代码: always…

2023本四前端社招面经

美团 全程问项目,根据项目提问,SEO优化方案,还出了一道动态规划的题 SEO优化方案 一、内部优化 META 标签优化:例如:TITLE,KEYWORDS,DESCRIPTION (TDK)等的优化 内部链接…

轻量封装WebGPU渲染系统示例<53>- 多盏灯灯光照在地面的效果

WebGPU实时渲染实现模拟多盏灯的灯光照在地面的效果灯光效果 。 当前示例源码github地址: https://github.com/vilyLei/voxwebgpu/blob/feature/material/src/voxgpu/sample/MultiLightsTest.ts 当前示例运行效果: 此示例基于此渲染系统实现,当前示例TypeScript源…

Java版直播商城规划:电商源码、小程序、三级分销与免 费搭建全攻略

【saas云平台】打造全行业全渠道全场景的saas产品,为经营场景提供一体化解决方案;门店经营区域化、网店经营一体化,本地化、全方位、一站式服务,为多门店提供统一运营解决方案;提供丰富多样的营销玩法覆盖所有经营场景…

git命令查看提交代码行数和次数

右键点击Git Bash Here 查看代码提交次数 git log --since2022-7-1 --before2022-8-1 --author"XXXX" --pretty%aN |sort |uniq -c | sort -k1 -n -r查看代码提交行数 git log --since2022-8-1 --before2022-9-1 --authorXXXX --prettytformat: --numstat |awk {add…

无锡市某厂区工人上岗未穿工作服,殒命车间 富维AI守护每位工友

2018年12月23日,凌晨6点半左右,江阴华士某铜业公司轧球车间内,独自上夜班的操作工朱某正在操作行车吊运一筐切好的铜粒,吊运完成后,他开始解除料筐上的吊具。就在这时,意外突然发生,他身上穿着的…

前端开发新趋势:Web3、区块链和虚拟现实

目录 前言 Web3:下一代互联网 区块链技术 去中心化应用程序(DApps) 区块链:重塑数字世界 数字钱包 NFT(非同质化代币) 虚拟现实:沉浸式体验 WebVR和WebXR 三维图形 新挑战与机会 性…

中海达加入通信行业首个“北斗+5G专业委员会”

12月12日,广东省通信学会“北斗5G专业委员会暨北斗5G产业联盟”在广州成立。中国电信广东公司、中海达、华为、中兴、高德、小米等52家成员单位代表共约100人参加大会。作为全国通信行业首个“北斗5G专业委员会”,旨在加强北斗5G自主创新,构建…

【Hive】——DQL

1 SELECT 1.1 语法 从哪里查询取决于FROM关键字后面的table_reference。可以是普通物理表、视图、join结果或子查询结果。 [WITH CommonTableExpression (, CommonTableExpression)*] SELECT [ALL | DISTINCT] select_expr, select_expr, ...FROM table_reference[WHERE wh…

sqlserver-事物日志

文章目录 前言事务日志逻辑体系结构事务日志物理体系结构虚拟日志文件 (VLF)事务日志的循环性质日志截断事务日志备份事务日志支持的操作恢复个别的事务。启动事务时恢复所有未完成SQL Server事务。将还原的数据库、文件、文件组或页前滚至故障点。支持事务复制。支持高可用性和…

虾多拉:帮助Shopee卖家提升运营效果的强大工具

在如今的电商领域,Shopee已经成为了一家备受欢迎的在线购物平台。然而,面对激烈的竞争,卖家们需要找到一种方法来提升他们的运营效果,实现更高的销售额和利润。幸运的是,有一款名为虾多拉(Shopdora&#xf…

迅为RK3588开发板瑞芯微国产化工业ARM核心板AI人工智能

性能强 iTOP-3588开发板采用瑞芯微RK3588处理器,是全新一代AloT高端应用芯片,采用8nm LP制程,搭载八核64位CPU,四核Cortex-A76和四核Cortex-A55架构,主频高达2.4GHz,8GB内存,32GB EMMC。 四核心…

复旦团队提出思维交流框架EoT,由CoT到EoT,可跨模型通信,表现更出色

大型语言模型(LLM)通过利用庞大的训练语料和强大的计算资源,在众多 NLP 任务中表现卓越。然而,在理解和进行推理方面,这些模型仍显得相对薄弱,仅依靠增加模型的大小无法解决这一问题。 然而,现…

tcp/ip协议2实现的插图,数据结构5 (22 - 章)

(103) 103 二二1 协议控制块 结构 file, socket , rawcb , inpcb , tcpcb 之间的联系 (104) 104 二二2 回顾总结ip选项和 ip 多播一 ip_dooptions 中对源路由的处理 (105) 105 二二3 回顾总结ip选项和 ip 多播二 选项的定义图与源路由变化图 (106) 106 二二4 回顾总结ip选项和 …

微信小程序长按图片识别二维码

设置show-menu-by-longpress"true"即可&#xff0c;长按图片后会弹出一个菜单&#xff0c;若图片中包含二维码或小程序码&#xff0c;菜单中会有响应入口 <image src"图片地址" show-menu-by-longpress"true"></image>官方说明

Netty应用(七) ----MQTT编解码器

目录 0.前言1. MqttEncoder--编码器1.1 构造方法1.2 encodeConnectMessage -- 连接消息1.3 encodeConnAckMessage - 确认连接1.4 encodePublishMessage -- 发布消息1.5 encodeSubscribeMessage - 订阅主题1.6 encodeUnsubscribeMessage - 取消订阅1.7 encodeSubAckMessage - 订…

姿态识别、目标检测和跟踪的综合应用

引言&#xff1a; 近年来&#xff0c;随着人工智能技术的不断发展&#xff0c;姿态识别、目标检测和跟踪成为了计算机视觉领域的热门研究方向。这三个技术的综合应用为各个行业带来了巨大的变革和机遇。本文将分别介绍姿态识别、目标检测和跟踪的基本概念和算法&#xff0c;并探…