阵列信号处理学习笔记(二)--空域滤波基本原理

阵列信号

阵列信号处理学习笔记(一)–阵列信号处理定义

阵列信号处理学习笔记(二)–空域滤波基本原理


文章目录

  • 阵列信号
  • 前言
  • 一、阵列信号模型
    • 1.1 信号的基本模型
    • 1.2 阵列的几何构型
    • 1.3 均匀直线阵的阵列信号基本模型
  • 总结


前言

MOOC 阵列信号处理 国防科技大学电子科学学院

视频地址


一、阵列信号模型

1.1 信号的基本模型

空域信号是指含有方向信息的信号,即带方向信息的随机信号。

例如演奏会里听众听到来自舞台方向的音乐就是一个属于特定方向的点源信号,演奏结束后来自听众席上的的股掌声是来自不同方向上的分布式信号。演奏的乐声有不同的音域,意味着具有一定的信号带宽,现场听到的声音包含着噪声,干扰,属于随机信号,具有一定的不确定性。

在这里插入图片描述

这样看来,空域信号可以建模成一个带方向信息的随机信号,不妨考虑一个简单的确定性复信号S(t),信号以时间为自变量,随时间发生变化。信号的幅度A(t)对应了信号的功率,信号中心频率f(c)代表了系统工作的频点,信号的相位与载波频率有关。包括了信号携带的信息,初始相位等等。在这个模型中,信号的参数有幅度,频率,相位都以时间为自变量,是一个时域表达,对这个信号做傅里叶变换,可以获得信号的频域表达,即信号的频谱。通常它占据一定的信号带宽,为了分析的方便,不妨假设这是一个窄带信号,单个传感器阵元接收到的信号x(t),包含了确定性信号以及系统随机的加性噪声n(t),这个噪声通常可以假设成广义平稳的高斯信号。属于随机信号。信号与噪声之间相互独立不相关。

注意到此时信号模型X(t)中没有明显的方向信息,要进行空域信号建模就可以在这个基础上引入与方向有关的参数。

在这里插入图片描述
雷达接收的空域信号是以电磁波辐射的方式向外辐射能量的,它形成了空间中的电磁场。电磁信号空间分布就好像荡漾的水波,有时高有时低,但总是从信号源传播而来,电磁场看不见摸不着要怎么样测量呢,为了测量这个变化的电场,一个简单的办法是伸出一根杆子,在这个杆子上均匀放置传感器,去感受空间不同位置的变化,就像在野外寻找不同小鸟的叫声,在不同位置会听到大小不同的声音,我们来回走动获得不同位置的采样,进而判断声音的方向,这根杆子上均匀放置的传感器,就形成了均匀直线阵

1.2 阵列的几何构型

在这里插入图片描述

直线阵是最基本的阵列几何构型,它属于线阵,如果按照特殊的曲线排列,例如圆形进行排列,就是圆阵,如果阵元之间间距相等,就是均匀陷阵, 反之是非均匀线阵。均匀直线阵是我们生活中最常见的阵列,线阵在我们的生活中非常常见,很多车辆的倒车雷达,wifi的路由器,手机麦克风阵等都属于线阵。其中均匀直线阵是最常见的几何构型,如果将传感器阵元按照平面或立体面去摆放,就得到了平面阵和立体阵。

在这里插入图片描述

如防空预警雷达就是面阵,可穿戴的柔性天线,航母上的球形声呐属于立体阵。

下面就将信号的基本模型与最基本的均匀直线阵结合,探讨均匀直线阵的阵列信号基本模型。

1.3 均匀直线阵的阵列信号基本模型

在这里插入图片描述
考虑自由空间中的一个点信源,它发射的电磁波被空间中放置的一个均匀直线阵所接收,如果信源离均匀直线阵阵元距离很远,发射的电磁波就可以等效成一个平面波前到达阵列,在平面波前上所有的信号相位都是一致的。这一假设也称为远场假设。

在这里插入图片描述
在这里插入图片描述

以直线阵给你的某个阵元为参考阵元1,那么相邻阵元接收到的信号x(t),与参考阵元信号s(t)信号差一个时间T,不妨假设两个阵元间距为d,点信源入射方向与均匀直线阵阵列夹角为Q,那么平面波前到达阵元2后还要再走dcosQ这样一个距离才能到达参考阵元1.两者相差的传播时延T = dcos(Q) /c 。
在基本信号模型与远场假设的前提下,阵元2与参考阵元1之间的相位差,可以表示为在这里插入图片描述
由于工作频率fc = c/入 。因此可以得到阵元2的接收信号形式,对于N个阵元的均匀直线阵,如果以第一个阵元接收的信号为s(t)为参考,那么依次类推,第N个阵元接收到的信号可以表示为在这里插入图片描述

在这里插入图片描述

观察这些相位,这个相位与波长入阵元间距d角度Q,以及阵元数目N有关。注意到如果入不变,那么每个阵元接收到的信号都有一个类似的相位,阵元与阵元之间的差是固定的,是可以实现相干叠加的。

在这里插入图片描述

相干:指的是信号与信号之间完全相同。

信号具有相干性,意味着不同信号相加后信号的频谱不会发生改变,可以获得信号能量的最大积累,即雷达信号处理中的相参积累,这样一个概念运用到阵列中,就称为相干阵。意味着空间同一信源到达阵列各阵元处的信号满足相干性。这些信号的频谱相加后频谱不发生改变,后续也可以在阵元之间进行相干处理,在相干阵中,点源信号到达各阵元的最大时差Tmax足够小,小到不影响各阵元处信号的包络,如果信号的时间分辨率为Tres为1/B, B为信号带宽,假设阵列的最大尺寸为L,信源在空间中的传播速度为v,那么我们就有最大时差=L/v,它要远小于时间分辨率1/B。这意味着带宽B要远小于v/L。如果空间信源传播速度一定,阵列固定,那么相干阵要满足的条件就是信号带宽必须足够小,因此一般也称相干阵为窄带阵,或称信号为窄带信号,这与我们常用的窄带信号定义,信号带宽远小于其中心频率是一致的,反之,如果阵列上各阵元信号不能满足阵列相加后频谱不变,就不能直接进行相干叠加,这样的阵列称为非相干阵列。相应的信号带宽比较宽,属于宽带信号。

此时,阵列通常需要对宽带信号进行聚焦或者划分子带,转换称窄带信号后再进行处理,因此均匀直线阵信号模型有两个最基本的假设,远场,窄带。
在这里插入图片描述
在这一假设下,阵列接收的是平面波前,信号的工作波长入可以看作是个固定的值,这也意味着相位在这里插入图片描述
会在0到2PI的这样的区间中进行变化。由于cosQ本身的区间是[-1,1]。通常会令阵元间距不大于最高频率信号波长的1/2,即d<=入/2.

阵元间距d=入/2是方便的一种选择。反之当d>入/2时,阵元间的相位差会超过一个相位区间产生空间模糊,此时称之为稀疏阵。

实际的雷达阵列

在这里插入图片描述
左边是占据几百米范围的超视距雷达阵列天线,右边是只有几枚硬币大小的毫米波天线。
如果不考虑空间模糊,假设d=入/2,超视距雷达工作在米波段,它的波长远远大于工作在毫米波段的毫米波天线。所以阵列尺寸之间有着较大差别。

在这里插入图片描述
对于空间阵列,阵元N接收信号的时间差T_N为(N-1)dsinQ /c 空域处理的时间差与角度有关,阵元的位置相当于对空间进行了采样,这一相位差包含着阵列和方向的信息,这些阵元接收的信号形成了一个时域快拍。如果将这些信号用矢量表示可以表示成一个Nx1维的矢量,在窄带远场的假设前提下,它与阵列结构和来波方向有关,称为方向矢量或导向矢量,在窄带条件下,导向矢量只依赖于阵列的几何结构(已知)和波的传播方向(未知)。运用导向矢量我们就实现了基本信号与阵列的结合。建立了基本的阵列信号模型,阵列几何构型不同,阵列导向矢量也就不同。对阵列信号建模,本质上就要勾画出准确的阵列导向矢量模型。


总结

在这里插入图片描述

阵列信号关心的是空域带有方向信息的随机信号,这个信号与阵列的几何构型有关。基本的均匀直线信号模型通过推导传播时延获得阵列的导向矢量完成信号建模。在这个模型中假设了空间中的点源信号,信号是一个远场传播形成了平面波前,信号对阵列而言通常是一个窄带信号,可以进行相干处理,阵元间距不大于最高频率信号波长的二分之一,是一个非稀疏阵。

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/873925.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

HOW - React 处理不紧急的更新和渲染

目录 useDeferredValueuseTransitionuseIdleCallback 在 React 中&#xff0c;有一些钩子函数可以帮助你处理不紧急的更新或渲染&#xff0c;从而优化性能和用户体验。 以下是一些常用的相关钩子及其应用场景&#xff1a; useDeferredValue 用途&#xff1a;用于处理高优先级…

嵌入式面试总结

C语言中struct和union的区别 struct和union都是常见的复合结构。 结构体和联合体虽然都是由多个不同的数据类型成员组成的&#xff0c;但不同之处在于联合体中所有成员共用一块地址空间&#xff0c;即联合体只存放了一个被选中的成员&#xff0c;结构体中所有成员占用空间是累…

【网络】windows和linux互通收发

windows和linux互通收发 一、windows的udp客户端代码1、代码剖析2、总体代码 二、linux服务器代码三、成果展示 一、windows的udp客户端代码 1、代码剖析 首先我们需要包含头文件以及lib的一个库&#xff1a; #include <iostream> #include <WinSock2.h> #inclu…

前端页面是如何禁止被查看源码、被下载,被爬取,以及破解方法

文章目录 1.了解禁止查看,爬取原理1.1.JS代码,屏蔽屏蔽键盘和鼠标右键1.2.查看源码时,通过JS控制浏览器窗口变化2.百度文库是如何防止抓包2.1.HTPPS2.2. 动态加载为什么看不到?如何查看动态加载的内容?3.禁止复制,如果解决3.1.禁止复制原理3.2.如何破解1.了解禁止查看,爬…

使用scikit-learn进行机器学习:基础教程

使用scikit-learn进行机器学习&#xff1a;基础教程 Scikit-learn是Python中最流行的机器学习库之一。它提供了简单易用的工具&#xff0c;帮助我们进行数据预处理、模型训练、评估和预测。本文将带你通过一个基础教程&#xff0c;了解如何使用scikit-learn进行机器学习。 1.…

【模板代码】用于编写Threejs Demo的模板代码

基础模板代码 使用须知常规模板代码常规Shader模板代码 使用须知 本模板代码&#xff0c;主要用于编写Threejs的Demo&#xff0c;因为本人在早期学习的过程中&#xff0c;大量抄写Threejs/examples下的代码以及各个demo站的代码&#xff0c;所以养成了编写Threejs的demo的习惯…

SAP 采购订单 Adobe 消息输出

目录 1 简介 2 业务数据例子 3 选择增强 & 代码 1&#xff09;BADI: MM_PUR_S4_PO_MODIFY_HEADER 2&#xff09;BADI: MM_PUR_S4_PO_MODIFY_ITEM 4 自定义 Adobe form 1&#xff09;PO Master form 2&#xff09;PO form 5 前台主数据配置 6 后台配置 1&#xf…

昇思22天

CycleGAN图像风格迁移互换 CycleGAN&#xff08;循环生成对抗网络&#xff09;是一种用于在没有成对训练数据的情况下学习将图像从源域 X 转换到目标域 Y 的方法。该技术的一个重要应用是域迁移&#xff0c;即图像风格迁移。 模型介绍 模型简介: CycleGAN 来自于论文 Unpair…

掌握Rust:函数、闭包与迭代器的综合运用

掌握Rust&#xff1a;函数、闭包与迭代器的综合运用 引言&#xff1a;解锁 Rust 高效编程的钥匙函数定义与模式匹配&#xff1a;构建逻辑的基石高阶函数与闭包&#xff1a;代码复用的艺术迭代器与 for 循环&#xff1a;高效数据处理的引擎综合应用案例&#xff1a;构建一个简易…

Mybatis——一对多处理

环境搭建 与多对一相似&#xff0c;有一些地方需要改动&#xff1a; 实体类&#xff1a; Data public class Student {private int id;private String name;private int tid;} Data public class Teacher {private int id;private String name;// 一个老师拥有多个学生priv…

【LeetCode】day15:110 - 平衡二叉树, 257 - 二叉树的所有路径, 404 - 左叶子之和, 222 - 完全二叉树的节点个数

LeetCode 代码随想录跟练 Day15 110.平衡二叉树257.二叉树的所有路径404.左叶子之和222.完全二叉树的节点个数 110.平衡二叉树 题目描述&#xff1a; 给定一个二叉树&#xff0c;判断它是否是 平衡二叉树 平衡二叉树的定义是&#xff0c;对于树中的每个节点&#xff0c;其左右…

qt自定义控件(QLabel)

先创建自定义控件类painter_label 1.自定义类必须给基类传入父窗口指针 2.重写控件中的方法 3.在UI中创建一个QLabel,右键“提升为”&#xff0c;输入类名

动画革命:Lottie如何改变我们对移动应用交互的认知

在数字世界的浩瀚星空中&#xff0c;每一个像素都跃动着无限创意与想象的火花。当静态的界面遇上动态的魔法&#xff0c;一场视觉盛宴便悄然开启。今天&#xff0c;让我们一同揭开一位幕后英雄的神秘面纱——Lottie&#xff0c;这个在UI/UX设计界掀起波澜的动画利器&#xff0c…

掌握构建自动化:如何在Gradle中使用Init脚本进行构建初始化

掌握构建自动化&#xff1a;如何在Gradle中使用Init脚本进行构建初始化 在现代软件开发中&#xff0c;自动化构建是提高效率和一致性的关键。Gradle&#xff0c;作为一个功能强大的构建工具&#xff0c;提供了丰富的自动化支持。其中&#xff0c;Init脚本是Gradle中用于初始化…

SVN与Git功能差异对比分析

最近在调研学习Git管理和分支模型相关内容&#xff0c;外延到了SVN和Git差异、工作原理等相关细节&#xff0c;学习整理如下。 SVN&#xff08;Subversion&#xff09;与 Git 的最大不同&#xff0c;主要包括以下几个方面&#xff1a; 交流探讨&#xff0c;加入群聊【Java学习…

51.2T 800G 以太网交换机,赋能AI开放生态

IB与以太之争 以太网替代IB趋势明显。据相关报告&#xff1a;2024年TOP500的超算中&#xff0c;采用以太网方案占比48.5%&#xff0c;InfiniBand占比为39.2%&#xff0c;其中排名前6的超算中已有5个使用以太网互联。 开放系统战胜封闭系统仅是时间问题。我们已经看到&#xf…

钡铼EdgeIO系统BL206对接MQTT、Modbus TCP、OPC UA

钡铼EdgeIO系统BL206提供双网口支持交换机级联功能&#xff0c;支持标准MQTT协议、Modbus TCP协议、OPC UA协议&#xff0c;由耦合器与IO模块组成&#xff0c;采用Web配置&#xff0c;内置云驱动、可编程逻辑控制功能&#xff0c;用户点击即可连接云平台。耦合器自带诊断功能&a…

什么是Mappers?Mappers的作用是什么?

在软件开发中&#xff0c;“mappers” 通常指的是数据映射器&#xff08;Data Mappers&#xff09;&#xff0c;它们的主要作用是在应用程序的数据持久化层&#xff08;通常是数据库或其他持久化存储&#xff09;与应用程序的业务逻辑之间建立一个映射层。 具体来说&#xff0…

WebGIS主流的客户端框架比较|OpenLayers|Leaflet|Cesium

实现 WebGIS 应用的主流前端框架主要包括 OpenLayers、Leaflet、Mapbox GL JS 和 Cesium 等。每个框架都有其独特的功能和优势&#xff0c;适合不同的应用场景。 WebGIS主流前端框架的优缺点 前 端 框架优点缺点OpenLayers较重量级的开源库&#xff0c;二维GIS功能最丰富全面…

网络结构-组件-AI(九)

深度学习网络组件 RNN公式讲解计算示意图讲解 CNN计算示意 Normalization(归一化层)Normalization常见两种方式 Dropout层 RNN 循环神经网络&#xff08;recurrent neural network&#xff09; 主要思想&#xff1a; 即将整个序列划分成多个时间步&#xff0c;将每一个时间步的…