单脉冲测角-和差比幅法

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.mzph.cn/news/144633.shtml

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email:809451989@qq.com,一经查实,立即删除!

相关文章

CSS Form表单布局

效果图 <Tab IsCard"true"><TabItem Text"表单信息-DIV版本"><div class"row"><div class"col"><label for"field1">工程名称:</label><input class"form-control" type&…

SQL练习---619.出现一次的最大数字

题目 分析 首先确定表的来源只有一个表数字表&#xff0c;再者判断他是不是单一数字&#xff0c;&#xff08;想到的是直接按数字分组&#xff0c;通过count函数来判断是否为单一数子&#xff09;&#xff0c;然后求最大值。 题解 select Max(num) as num from MyNumbers wh…

爬虫项目(12):正则、多线程抓取腾讯动漫,Flask展示数据

文章目录 书籍推荐正则抓取腾讯动漫数据Flask展示数据 书籍推荐 如果你对Python网络爬虫感兴趣&#xff0c;强烈推荐你阅读《Python网络爬虫入门到实战》。这本书详细介绍了Python网络爬虫的基础知识和高级技巧&#xff0c;是每位爬虫开发者的必读之作。详细介绍见&#x1f44…

CSS花边001:无衬线字体和有衬线字体

CSS常用示例100专栏目录 本专栏记录的是经常使用的CSS示例与技巧&#xff0c;主要包含CSS布局&#xff0c;CSS特效&#xff0c;CSS花边信息三部分内容。其中CSS布局主要是列出一些常用的CSS布局信息点&#xff0c;CSS特效主要是一些动画示例&#xff0c;CSS花边是描述了一些CSS…

【算法总结】归并排序专题(刷题有感)

思考 一定要注意归并排序的含义&#xff0c;思考归并的意义。 主要分为两个步骤&#xff1a; 拆分 每次对半分(mid l r >> 1)输入&#xff1a;raw整块&#xff0c;输出&#xff1a;raw左块 raw右块 合并 每次都要对raw左块、 raw右块按照某种规则进行合并输入&#xf…

《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…

手把手教你搭建属于自己的快递小程序

在数字化时代&#xff0c;小程序已经成为各行各业连接用户、提供服务、创造价值的重要工具。其中&#xff0c;快递寄件小程序因其实用性和广泛的需求&#xff0c;成为很多企业和开发者关注的焦点。本文将详细介绍如何快速创建快递寄件小程序&#xff0c;以及如何利用它实现盈利…

振南技术干货集:比萨斜塔要倒了,倾斜传感器快来!(1)

注解目录 1、倾斜传感器的那些基础干货 1.1 典型应用场景 &#xff08;危楼、边坡、古建筑都是对倾斜敏感的。&#xff09; 1.2 倾斜传感器的原理 1.2.1 滚珠式倾斜开关 1.2.2 加速度式倾斜传感器 1)直接输出倾角 2)加速度计算倾角 3)倾角精度的提高 &#xff08;如果…

MyBatis-Plus 系列

目录&#xff1a; 一、 Spring Boot 整合 MyBatis Plus 二、MyBatisPlus 多数据源配置 三、MybatisPlus —注解汇总 四、MyBatis Plus—CRUD 接口 五、MyBatis-Plus 条件构造器 六、MyBatis-Plus 代码生成器 MyBatis-Plus (opens new window)&#xff08;简称 MP&#xff09…

#[量化投资-学习笔记018]Python+TDengine从零开始搭建量化分析平台-正态分布与收益率

正态分布(Normal Distribution)又叫高斯分布、常态分布。通常用来描述随机变量的概率分布。 自然界的数据分布通常是符合正态分布规律的&#xff0c;比如说人的身高、体重。但是非自然界数据就不一定了。尤其是经过人为加工过的数据。 金融领域大量使用正态分布来计算收益率和…

《白帽子讲web安全》笔记

第八章 文件上传漏洞 文件上传漏洞是指用户上传了一个可执行的脚本文件&#xff0c;并通过此脚本文件获得了执行服务器端命令的能力 文件上传后导致的常见安全问题一般有&#xff1a; ❍ 上传文件是Web脚本语言&#xff0c;服务器的Web容器解释并执行了用户上传的脚本&#xf…

【Apache Doris】审计日志插件 | 快速体验

【Apache Doris】审计日志插件 | 快速体验 一、 环境信息1.1 硬件信息1.2 软件信息 二、 审计日志插件介绍三、 快速 体验3.1 AuditLoader 配置3.1.1 下载 Audit Loader 插件3.1.2 解压安装包3.1.3 修改 plugin.conf 3.2 创建库表3.3 初始化3.4 验证 一、 环境信息 1.1 硬件信…

vscode文件夹折叠问题

今天发现一个vscode的文件夹显示的问题&#xff0c;首先是这样的&#xff0c;就是我的文件夹里又一个子文件夹&#xff0c;子文件夹里有一些文件&#xff0c;但是我发现无法折叠起这个子文件夹&#xff0c;总是显示全部的文件&#xff0c;这让我备份很难&#xff0c;具体参考 h…

C51--PC通过串口(中断)点亮LED

B4中的&#xff1a;REN允许 / 禁止串行接收控制位 REN 1为允许串行接收状态。 接收数据必须开启。所以SCON&#xff1a;0101 0000 &#xff1b;即0x50 如何知道数据已经接收 RI位&#xff1a;当收到数据后 RI 1&#xff08;由硬件置一&#xff09; 硬件置一后必须用软件…

【广州华锐互动】VR居家防火逃生模拟演练增强训练的真实性

VR软件开发公司广州华锐互动在消防培训领域已开发了多款VR产品&#xff0c;今天为大家介绍VR居家防火逃生模拟演练系统&#xff0c;这是一种基于虚拟现实技术的消防教育训练设备&#xff0c;通过模拟真实的火灾场景&#xff0c;让使用者身临其境地体验火灾逃生过程&#xff0c;…

搭建成功simulink-stm32硬件在环开发环境

本次实验所使用的软件版本和硬件平台参数如下&#xff1a; Matlab版本: 2021b STM32硬件平台&#xff1a;YF_STM32_Alpha 1R4(参考自STM32 Nucleo F103RB官方开发板) YF_STM32_Alpha开发板 STM32 Nucleo F103RB 开发板 2.1 STM32硬件支持包下载 读者朋友平时使用的是和谐版M…

在vue项目里面使用index.ts进行统一导出

目录 一、概述 二、具体实践 2.1创建目录 2.2index.ts文件内容展示 2.2在需要的vue文件里面import 2.3vue全代码 三、实际效果 一、概述 一般我们在做项目的时候会发现vue文件里面没有export default 转而替代的是使用同目录下index.ts进行统一导出 好处&#xff1a;能…

Flutter有状态组件StatefulWidget生命周期

StatefulWidget是Flutter中的一个有状态的组件&#xff0c;它的生命周期相对复杂一些。下面是StatefulWidget的生命周期方法及其调用顺序&#xff1a; 1. createState(): 当StatefulWidget被插入到Widget树中时&#xff0c;会调用createState()方法来创建与之关联的State对象。…

【开源】基于Vue.js的校园二手交易系统的设计和实现

目录 一、摘要1.1 项目介绍1.2 项目详细录屏 二、功能模块2.1 数据中心模块2.2 二手商品档案管理模块2.3 商品预约管理模块2.4 商品预定管理模块2.5 商品留言板管理模块2.6 商品资讯管理模块 三、实体类设计3.1 用户表3.2 二手商品表3.3 商品预约表3.4 商品预定表3.5 留言表3.6…

如何正确使用GPT工具

引言 在快速发展的数字时代&#xff0c;人工智能&#xff08;AI&#xff09;已成为科研领域的一个不可或缺的工具。特别是像ChatGPT这样的AI聊天机器人&#xff0c;它通过高效的语言模型和深度学习算法&#xff0c;为科研工作者提供了前所未有的辅助。从文献搜索到数据分析&…