穩健自適應波束形成演算法

⑴ 圓信號 非圓信號是什麼啊

一個信號的任意旋轉具有相同的一階矩和二階矩，則可稱為圓信號。如QPSK和QAM。一般可以通俗的認為E(s) = 0 E(s^2) = 0.

⑵ MATLAB 程序詳解（關於波束形成）

你這里有兩個程序，第二個程序與第一個實質上是一樣的，區別就是信號與導向矢量的寫法有點不同，這里我就不注釋了。還有，我下面附了一段我自己的寫的程序，裡面有SIM演算法。G-S正交化演算法等。是基於圓陣形式的，你的演算法是基於線陣的，他們程序上的區別在於導向矢量的不同。我的演算法是某項目中的，保證好使。建議學習波束形成技術，注意把程序分塊，例如分成，求導向矢量；最優權值；形成波束等等。
程序如下：
4單元均勻線陣自適應波束形成圖
clear
clc
format long;
v=1;
M=4;
N=1000;%%%%%%%快拍數
f0=21*10^3;%%%%%%%%%%%信號與干擾的頻率
f1=11*10^3;
f2=15*10^3;
omiga0=2*pi*f0;%%%%%%%信號與干擾的角頻率
omiga1=2*pi*f1;
omiga2=2*pi*f2;
sita0=0.8; %信號方向
sita1=0.4; %干擾方向1
sita2=2.1; %干擾方向2
for t=1:N %%%%%%%%%%%%信號
adt(t)=sin(omiga0*t/(N*f0));
a1t(t)=sin(omiga1*t/(N*f1));
a2t(t)=sin(omiga2*t/(N*f2));
end
for i=1:M %%%%%%%%%%%%信號的導向矢量：線陣的形式
ad(i,1)=exp(j*(i-1)*pi*sin(sita0));
a1(i,1)=exp(j*(i-1)*pi*sin(sita1));
a2(i,1)=exp(j*(i-1)*pi*sin(sita2));
end
R=zeros(M,M);
for t=1:N
x=adt(t)*ad+a1t(t)*a1+a2t(t)*a2; %陣列對信號的完整響應
R=R+x*x';%信號的協方差矩陣
end
R=R/N;%%%%%%%%%協方差矩陣，所有快拍數的平均
miu=1/(ad'*inv(R)*ad);%%%%%%這個貌似是LMS演算法的公式，具體我記不太清，這里是求最優權值，根據這個公式求出，然後加權
w=miu*inv(R)*ad;
%%%%%%形成波束%%%%%%%%%%%%%%%%%%%
for sita=0:pi/100:pi
for i=1:M
x_(i,1)=exp(j*(i-1)*pi*sin(sita));
end
y(1,v)=w'*x_;%%%%%%%對信號進行加權，消除干擾
v=v+1;
end
y_max=max(y(:));%%%%%%%%%%%%%%%歸一化
y_1=y/y_max;
y_db=20*log(y_1);

sita=0:pi/100:pi;
plot(sita,y)
Xlabel（『sitaa』）
Ylabel（『天線增益db』）

4單元均勻線陣自適應波束形成
目標
clear
clc
format long;
v=1;
M=4;陣元數
N=100;
f0=21*10^3;
omiga0=2*pi*f0;
sita0=0.6;%信號方向
for t=1:N
adt(t)=sin(omiga0*t/(N*f0));
end
for i=1:M
ad(i,1)=exp(j*(i-1)*pi*sin(sita0));
end
R=zeros(4,4);
r=zeros(4,1);
for t=1:N
x=adt(t)*ad;
R=R+x*x.';
end
R=R/N;
miu=1/(ad.'*inv(R)*ad);
w=miu*inv(R)*ad;
for sita=0:pi/100:pi/2
for i=1:M
a(i,1)=exp(j*(i-1)*pi*sin(sita));
end
y(1,v)=w.'*a;
v=v+1;
end
sita=0:pi/100:pi/2;
plot(sita,y)
xlabel('sita')
ylabel('天線增益』)
%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%
%%%%%%%%%我的程序%%%%%%%%%%%%%%%
function jieshousignal
%期望信號數：1個
%干擾信號數：4個
%信噪比已知
%乾燥比已知
%方位角已知
clc;
clear all;
close all;
%//參數設置===========================================
www1=0;
www2=0;
www3=0;
% for rrr=1:16000
signal_num=1; %signal number
noise_num=5; %interference number
R0=0.6; %圓的半徑
SP=2000; %Sample number
N=8; %陣元數
snr=-10; %Signal-to-Noise
sir1=10; %Signal-to-Interference one
sir2=10; %Signal-to-Interference two
sir3=10; %Signal-to-Interf
sir4=10;
sir5=10;
%//================noise Power-to-signal Power====================
factor_noise_1=10.^(-sir1/10);
factor_noise_2=10.^(-sir2/10);
factor_noise_3=10.^(-sir3/10);
factor_noise_4=10.^(-sir4/10);
factor_noise_5=10.^(-sir5/10);
factor_noise_targe=10.^(-snr/10);

% //======================== ===============

d1=85*pi/180;%%干擾1的方位角
d2=100*pi/180;%干擾2的方位角
d3=147*pi/180;%干擾3的方位角
d4=200*pi/180;%干擾4的方位角
d5=250*pi/180;%干擾5的方位角
d6=150*pi/180;%目標的方位角

e1=15*pi/180;%%干擾1的俯仰角
e2=25*pi/180;%干擾2的俯仰角
e3=85*pi/180;%干擾3的俯仰角
e4=50*pi/180;%干擾4的俯仰角
e5=70*pi/180;%干擾5的俯仰角
e6=85*pi/180;%目標的俯仰角
% //====================目標信號==========================
t=1:1:SP;
fc=2e7;
Ts=1/(3e10);
S0=5*cos(2*pi*fc*t*Ts);%目標信號
for kk=1:N
phi_n(kk)=2*pi*(kk-1)/N;
end

%//====================操縱矢量==========================================
A=[conj(exp(j*2*pi*R0*cos(d6-phi_n)*sin(e6)));conj(exp(j*2*pi*R0*cos(d1-phi_n)*sin(e1)));conj(exp(j*2*pi*R0*cos(d2-phi_n)*sin(e2)));conj(exp(j*2*pi*R0*cos(d3-phi_n)*sin(e3)));conj(exp(j*2*pi*R0*cos(d4-phi_n)*sin(e4)));conj(exp(j*2*pi*R0*cos(d5-phi_n)*sin(e5)))]';
A1=[conj(exp(j*2*pi*R0*cos(d1-phi_n)*sin(e1)));conj(exp(j*2*pi*R0*cos(d2-phi_n)*sin(e2)));conj(exp(j*2*pi*R0*cos(d3-phi_n)*sin(e3)));conj(exp(j*2*pi*R0*cos(d4-phi_n)*sin(e4)));conj(exp(j*2*pi*R0*cos(d5-phi_n)*sin(e5)))]';

% //==========================================================Power of the interference
% // depending on the signal power and SIR
Ps1=0;
Ps2=0;
Ps3=0;
Ps4=0;
Ps5=0;
S1=zeros(1,SP);
S2=zeros(1,SP);
S3=zeros(1,SP);
S4=zeros(1,SP);
S5=zeros(1,SP);

Ps0=S0*S0'/SP; % signal power
Ps1=Ps0*factor_noise_1;
Ps2=Ps0*factor_noise_2;
Ps3=Ps0*factor_noise_3;
Ps4=Ps0*factor_noise_4;
Ps5=Ps0*factor_noise_5;
% //==========================干擾信號的隨機包絡=========================
S1=normrnd(0,sqrt(Ps1/2),1,SP)+j*normrnd(0,sqrt(Ps1/2),1,SP);
S2=normrnd(0,sqrt(Ps2/2),1,SP)+j*normrnd(0,sqrt(Ps2/2),1,SP);
S3=normrnd(0,sqrt(Ps3/2),1,SP)+j*normrnd(0,sqrt(Ps3/2),1,SP);
S4=normrnd(0,sqrt(Ps4/2),1,SP)+j*normrnd(0,sqrt(Ps4/2),1,SP);
S5=normrnd(0,sqrt(Ps5/2),1,SP)+j*normrnd(0,sqrt(Ps5/2),1,SP);
%//
S=[S0;S1;S2;S3;S4;S5];
SS1=[S1;S2;S3;S4;S5];

X=A*S;%信號加干擾
XX2=A1*SS1; %接收到的干擾
Pw_noise=sqrt(Ps0*factor_noise_targe/2);
a1=randn(N,SP);
a2=randn(N,SP);
a1=a1/norm(a1);
a2=a2/norm(a2);
W=Pw_noise*(a1+sqrt(-1)*a2);
X=X+W;

% //--------------------------SMI演算法----------------------------------------
Rd=X*S0'/SP;
R=X*X'/(SP*1);
Wc_SMI=pinv(R)*Rd./(Rd'*pinv(R)*Rd);%權向量
Wc_SMI=Wc_SMI/norm(Wc_SMI);
Y_SMI=Wc_SMI'*X; %SMI演算法恢復出來的信號

%//-------------------------------------GS演算法------------------
m=1;
for i=1:400:2000
X2(:,m)=XX2(:,i);
m=m+1;
end
a=zeros(1,8);
phi_n=zeros(1,8);
phi=0:pi/180:2*pi;
theta=0:pi/180:pi/2;
for kk=1:8
a(kk)=1;
phi_n(kk)=2*pi*(kk-1)/8;
end

x1=zeros(1,8);
x2=zeros(1,8);
x3=zeros(1,8);
x4=zeros(1,8);
x5=zeros(1,8);
x1=X2(:,1)';
x2=X2(:,2)';
x3=X2(:,3)';
x4=X2(:,4)';
x5=X2(:,5)';

Z1=x1;
Z1_inner_proct=Z1.*conj(Z1);
Z1_mode=sqrt(sum(Z1_inner_proct));
Y1=Z1./Z1_mode;

Inner_proct=sum(x2.*conj(Y1));
Z2=x2-Inner_proct*Y1;

Z2_inner_proct=sum(Z2.*conj(Z2));
Z2_mode=sqrt(Z2_inner_proct);
Y2=Z2./Z2_mode;

Inner_proct1=sum(x3.*conj(Y1));
Inner_proct2=sum(x3.*conj(Y2));
Z3=x3-Inner_proct1*Y1-Inner_proct2*Y2;

Z3_inner_proct=sum(Z3.*conj(Z3));
Z3_mode=sqrt(Z3_inner_proct);
Y3=Z3./Z3_mode;

Inner_proct1_0=sum(x4.*conj(Y1));
Inner_proct2_0=sum(x4.*conj(Y2));
Inner_proct3_0=sum(x4.*conj(Y3));
Z4=x4-Inner_proct1_0*Y1-Inner_proct2_0*Y2-Inner_proct3_0*Y3;

Z4_inner_proct=sum(Z4.*conj(Z4));
Z4_mode=sqrt(Z4_inner_proct);
Y4=Z4./Z4_mode;

Inner_proct1_1=sum(x5.*conj(Y1));
Inner_proct2_1=sum(x5.*conj(Y2));
Inner_proct3_1=sum(x5.*conj(Y3));
Inner_proct4_1=sum(x5.*conj(Y4));
Z5=x5-Inner_proct1_1*Y1-Inner_proct2_1*Y2-Inner_proct3_1*Y3-Inner_proct4_1*Y4;

Z5_inner_proct=sum(Z5.*conj(Z5));
Z5_mode=sqrt(Z5_inner_proct);
Y5=Z5./Z5_mode;
%Y1
%Y2
%Y3
%Y4
%Y5
w0=zeros(1,8);
w=zeros(1,8);
for mm=1:8;
w0(mm)=exp(-j*2*pi*R0*cos(d6-phi_n(mm))*sin(e6));
end
dd1=sum(w0.*conj(Y1))*Y1;
dd2=sum(w0.*conj(Y2))*Y2;
dd3=sum(w0.*conj(Y3))*Y3;
dd4=sum(w0.*conj(Y4))*Y4;
dd5=sum(w0.*conj(Y5))*Y5;
w=w0-dd1-dd2-dd3-dd4-dd5;
Wc_GS=w;
Wc_GS=Wc_GS/(norm(Wc_GS));
Y_GS=Wc_GS*X; %GS演算法恢復出來的圖像

%//----------------------------------MMSE演算法-----------------------
Rd=X*S0'/SP;
R=X*X'/(SP*1);
Wc_MMSE=pinv(R)*Rd;
Wc_MMSE=Wc_MMSE/norm(Wc_MMSE);
Y_MMSE=Wc_MMSE'*X; %MMSE演算法恢復出來的信號
S0=S0/norm(S0);
Y_GS=Y_GS/norm(Y_GS);
Y_SMI=Y_SMI/norm(Y_SMI);
Y_MMSE=Y_MMSE/norm(Y_MMSE);

% figure(1)
% plot(real(S0));
% title('原始信號');
% xlabel('采樣快拍數');
% ylabel('信號幅度');
% figure(2)
% plot(real(Y_SMI));
% title('運用SMI演算法處理出的信號');
% xlabel('采樣快拍數');
% ylabel('信號幅度');
% figure(3)
% plot(real(Y_GS));
% title('運用G-S演算法處理出的信號');
% xlabel('采樣快拍數');
% ylabel('信號幅度');
% figure(4)
% plot(real(Y_MMSE));
% for i=1:SP
% ss(i)=abs(S0(i)-Y_SMI(i))^2;
% end
% q_1=mean(ss);
% for i=1:SP
% ss1(i)=abs(S0(i)-Y_GS(i))^2;
% end
% q_2=mean(ss1);
% for i=1:SP
% ss2(i)=abs(S0(i)-Y_MMSE(i))^2;
% end
% q_3=mean(ss2);
%
% www1=www1+q_1;
% www2=www2+q_2;
% www3=www3+q_3;
% end
% www1/16000
% www2/16000
% www3/16000

phi=0:pi/180:2*pi;
theta=0:pi/180:pi/2;

%
% % //------------------------ 形成波束-----------------------------------------
F_mmse=zeros(91,361);
F_smi=zeros(91,361);
F_gs=zeros(91,361);
for mm=1:91
for nn=1:361
p1=sin(theta(mm));
p2=cos(phi(nn));
p3=sin(phi(nn));

q1=sin(e6);
q2=cos(d6);
q3=sin(d6);
for hh=1:8
w1=cos(phi_n(hh));
w2=sin(phi_n(hh));
zz1=q2*w1+q3*w2;
zz2=p2*w1+p3*w2;
zz=zz2*p1-zz1*q1;
F_mmse(mm,nn)= F_mmse(mm,nn)+conj(Wc_MMSE(hh))*(exp(j*2*pi*R0*(zz2*p1)));
F_smi(mm,nn)=F_smi(mm,nn)+conj(Wc_SMI(hh))*(exp(j*2*pi*R0*(zz2*p1)));
F_gs(mm,nn)=F_gs(mm,nn)+conj((Wc_GS(hh))')*(exp(j*2*pi*R0*(zz2*p1)));

end
end
end

F_MMSE=abs(F_mmse);
F_SMI=abs(F_smi);
F_GS=abs(F_gs);
figure(5)
mesh(20*log10(F_MMSE))
figure(6)
mesh(20*log10(F_SMI))
title('SMI演算法波束形成圖');
xlabel('方位角');
ylabel('俯仰角');
zlabel('幅度/dB');
figure(7)
mesh(20*log10(F_GS))
title('G-S演算法波束形成圖');
xlabel('方位角');
ylabel('俯仰角');
zlabel('幅度/dB');

⑶ 聲學成像儀是一款什麼功能性的儀器

GLFore聲學成像儀是一款便捷式的實時聲學成像儀，可以將聲音以彩色等高線圖的方式將聲源可視化，形成類似於熱成像儀對物體溫度的探測效果。本設計採用了優化螺旋形陣列，針對高瞬態雜訊源的檢測進行了優化，同時對於穩態雜訊源亦可以獲得極佳的檢測效果。

ACAM100具備快速的圖象捕捉的能力，同時高靈敏度的麥克風可以實時檢測到微小但卻惱人的低頻雜訊，例如嗡嗡聲、摩擦聲、吱吱聲等採用傳統聲學測量儀器通常難以定位的雜訊。

主要功能

• 硬體

  堅固耐用一體化設計

  高靈敏度數字MEMS麥克風

  高達5M相素解析度光學攝像頭

  高速實時同步數據傳輸分析

  質量輕，高便攜性，整體重量<3kg

  無需外置控制/採集設備

• 軟體

  全球獨創的自適應OptiNav BF波束形成演算法

  高達98FPS的圖象更新率(與信號源接入方式關聯)

  可導出圖片、視頻以及BIN格式文件進行回放

  實時Real-Time的聲音成像

  可對脈沖形雜訊進行檢測

  可對高瞬態雜訊進行優化

  全自動圖象匹配優化功能

  可實時對分析頻率范圍進行調整

  可實時對測量距離進行調整

  線性/指數圖象平均

  高效的後處理（頻譜，圖譜，值列表）

• 符合人體工程學硬體設計

  工業產品所發出的雜訊，通常是由於設計缺陷、磨損戒其他問題導致的。單靠裸眼和耳朵想要准確地定位異音、異響是非常困難的，這時GLFore 聲學成像儀就有了用武之地。然而目前市場上的類似產品都過於笨重，只能配合三腳架進行使用。整個安裝、架設過程過於復雜，受限於其幾何尺寸，常常難以靠近待測的表面進入狹窄的測量空間內進行實驗。

• GLFore ACAM100聲學成像儀配備自適應波束成型技術，得益於最先進的波束成型技術，GLFore ACAM100聲學成像儀可以將信號調理，數據採集和波束成型過程全部集成在一塊晶元中。保證可以實時同步以高速度處理高精度的雜訊圖像。同時配備低功耗晶元供電，這使得設備的整體重量可以降到3kg，便於使用和攜帶。體積微小的MEMS麥克風也就成就了GLFore聲學成像儀的便攜設計及高速、准確的測量。

⑷ 3G的核心技術是什麼

1 Rake接收技術
在窄帶蜂窩系統中，存在嚴重的多徑衰落。但是在寬頻CDMA 系統中，不同的路徑可以獨立接收，從而可以對分辨出的多徑信號分別進行加權調整，使其合成後的信號得以增強，從而可以降低多徑衰落所造成的負面影響。這種技術稱為Rake接收技術。為實現相干形式的Rake接收，需發送未經調制的導頻符號，以使得接收端能夠在確知已發信號的條件下估計出多徑信號的相位，並在此基礎上實現相干方式的最大信噪比合並。WCDMA採用用戶專用的導頻信號，而CDMA2000下行採用公用導頻信號。用戶專用的導頻信號僅作為備選方案用於使用智能天線的系統，上行信道則採用用戶專用的導頻信道。
Rake分集接收技術的另外1種體現形式是宏分集和越區軟切換技術。當移動終端處於越區切換時，參與越區切換的基站向該移動終端發送相同的信息，移動台則把來自不同基站的多徑信號進行分集合並，從而改善移動終端處於越區切換時的接收信號質量，並保證越區切換時的數據不丟失。這種技術稱為宏分集和越區軟切換。WCDMA系統和CDMA2000系統都支持宏分集和越區軟切換。
2 信道編譯碼技術
第三代移動通信系統的另外1項核心技術是信道編解碼技術。在第三代移動通信系統的主要提案中，除了採用IS-95CDMA系統相類似的卷積編碼技術及交織外，還採用了Turbo編碼技術及RS卷積級聯碼技術。卷積碼具有記憶能力，可以採用維特比解碼，具有很高的編碼增益。而交織技術可將信道傳輸中的突發性錯誤變成隨機性錯誤，這有利於對付信道傳輸中因突發性干擾而引起的長連串錯誤。交織不會引入冗餘碼，所以不會降低頻譜利用率。Turbo編碼器採用2個並行相連的系統遞歸卷積編碼器，並加上1個交織器。2個卷積編碼器的輸出經過串並變換及打孔操作後輸出。相應的解碼器由首尾相連、中間由交織器和解交織器隔離的2個以迭代方式工作的軟判輸出卷積解碼器組成。這種Turbo編碼方式一般用於第三代系統中的高速數據業務傳輸。RS編碼是1種多進制編碼技術，適用於存在突發錯誤的通信系統。
3 功率控制技術
在移動通信中，移動終端到基站的鏈路上容易出現「遠近效應」問題，也就是說，離基站近的移動終端的路徑損耗比遠方移動終端的路徑損耗低。如果所有的移動終端都使用相同的發射功率，附近的移動終端必然要干擾遠方的移動終端，因此需要採用功率控制來解決這個問題。
常用的CDMA功率控制技術可分為開環、閉環和外環功率控制3種類型。在WCDMA 和CD-MA2000系統中，上行信道採用了開環、閉環和外環功率控制技術，下行信道則採用了閉環和外環功率控制技術。當然，功率控制技術也存在一些缺點，首先是不能從根本上消除多址干擾，其極限是各個用戶的接收功率都相同時的接收性能；其次是佔用信道傳遞功率控制信息，存在演算法收斂速度、性能與用戶移動速度有關和系統復雜等。
4 多用戶檢測技術

多用戶檢測是CDMA系統中抗干擾的關鍵技術。在實際的CDMA系統中，各信號間存在一定相關性，這是多址干擾(MAI)存在的根源，由個別用戶產生的MAI雖然很小，但隨著用戶數的增長或信號功率的增大，MAI就成為WCDMA通信系統的1個主要干擾。傳統檢測技術完全按照經典直接序列擴頻理論對每個用戶的信號分別進行擴頻碼匹配處理，因而抗MAI能力較弱。多用戶檢測技術是在傳統檢測技術的基礎上，充分利用造成MAI的所有用戶信號信息對單個用戶進行檢測，從而具有優良的抗干擾能力，解決了遠近效應問題，降低了系統對功率控制精度的要求，因此可更有效地利用上行鏈路的頻譜資源，顯著提高系統容量。

通信系統中的傳統檢測器都是單用戶檢測器，它將所需用戶的信號當作有用信號，而將其它用戶的信號都作為干擾信號對待。但從資訊理論的角度看，CDMA系統是一種多輸入、多輸出的信道。因此單用戶檢測器不能充分利用信道容量。多用戶檢測的基本思想就是把所有用戶的信號都當作有用信號，而不是干擾信號來處理，這樣就可以充分利用各用戶信號的用戶碼、幅度、定時和延遲等信息，從而大幅度地降低多徑多址干擾。目前，主要有兩種基本的方法來實現多用戶檢測：一是線性檢測法，它的基本想法是通過線性變換來消除不同用戶間的相關性，使得送入每個用戶的檢測器的信號只與自己的信號相關；二是相減式干擾對消器，它在送入匹配濾波器輸入端的信號中減去本地估計出的來自其它用戶的多址干擾，從而消除多址干擾。
5 智能天線
智能天線是1種自適應陣列天線。它由天線陣、波束形成網路、波束形成演算法三部分組成，通過各陣元信號的加權幅度和相位來改變陣列的方向圖形狀，具有測向和調零功能，能夠把主波束對准入射信號並自適應實時跟蹤信號，同時將零點對准干擾信號，從而抑制干擾信號，提高信號的信噪比，改善整個通信系統的性能及能夠識別不同的入射方向的直射波和反射波。智能天線實現了所謂的空分多址(SDMA)方式，其突出優點是能夠減少或濾除同道干擾和多址干擾，能顯著提高通信系統的容量。我國提出的TD-SCDMA系統中，就採用了先進的智能天線技術。
基站智能天線包括2個重要組成部分：一是用來對來自移動終端發射的多徑電波方向進行到達角估計，並進行空間濾波，抑制其他終端的干擾；二是對基站發送的信號進行波束成形，使基站發送信號能夠沿著終端電波的到達方向發送回終端，從而降低發射功率，減小對其他終端的干擾。智能天線技術能夠在較大程度上抑制多用戶干擾，從而提高系統容量。
6 軟體無線電
目前第三代移動通信系統各種不同的標准極大地限制了移動用戶的全球漫遊和未來個人通信，而軟體無線電最有希望解決這些問題。在1個可編程的通用硬體平台上，裝載相應的軟體就可以適應不同標準的移動終端和基站，從而保證各種移動設備之間的無縫互聯。我國提出的TD-SCDMA標准就採用了軟體無線電技術。軟體無線電是隨著計算機技術的發展、大規模集成電路技術的進步和晶元處理速度的不斷提高特別是數字信號處理器(DSP)、現場可編程門陣列(FPGA)等可編程數字器件的快速發展而產生的1種新的無線通信技術。傳統的基於專用集成電路(ASIC)的無線通信系統的全部功能由硬體實現，只能工作於單一頻段、單一調制方式，不同體系結構的通信系統難以相互溝通。軟體無線電是在1個通用、開放的硬體平台上採用軟體技術通過可編程的DSP、FPGA實現無線通信系統的各種功能。在移動通信系統採用軟體無線電技術，有益於實現與不同頻帶、帶寬和調制方式的通信系統的互聯、互通；系統的升級和嵌入新技術更方便；便於開發新的增值業務；能更充分地利用有限的頻譜資源。因此，軟體無線電必將成為未來移動通信中的主流技術，在第三代移動通信中有廣闊的應用前景。

⑸ 多波束關鍵技術——波束形成原理

余平 劉方蘭 肖波

第一作者簡介：余平，男，高級工程師，1993年畢業於長春地質學院儀器系電子儀器及測量技術專業，現主要從事多波束技術應用與海洋地質調查技術管理工作。

（廣州海洋地質調查局 廣州 510760）

摘要 換能器陣元的不同排列組合決定其指向性，波束形成是多波束測量的關鍵技術。文中通過數學計算總結了不同換能器陣進行波束形成的工作原理，並介紹了利用二維DFT進行頻域波束形成的一般方法。最後結合現役多波束測深系統，簡單解釋說明不同系統所採用的波束形成技術。

關鍵詞 多波束 陣元 指向性 波束形成 測深

1 前言

我國自20世紀90年代初以來，為滿足近海航道、大洋調查和國家經濟專署區及大陸架勘測的需要，陸續從歐美等國家引進了大量的多波束測深系統（見表1），這些多波束測深系統涵蓋了深水、中深水和淺水等不同海域，我國多波束技術應用迎來了第一個高峰期。

進入21世紀後，隨著舊多波束測深系統的老化以及多波束新技術的推出，多波束測深系統的更新換代已經展開，高精度、高覆蓋、高波束數的多波束系統在一些專項中開始應用。在多波束測深系統的實際使用中，從事多波束測量的技術人員針對不同多波束測深系統所存在的問題進行了大量的研究工作，並出版了多波束技術專著，撰寫了大量的論文。在這些應用型的研究成果中，關於多波束測深系統工作原理的關鍵技術——波束形成技術，要麼是一個簡單的比喻，要麼是籠統大概的說明。本文試圖在總結不同形式的波束形成原理的基礎上，結合實際應用，闡述不同系統波束形成的模式，從而進一步理解多波束測深系統的工作原理。

2 波束形成原理

所謂波束形成是指將一定幾何形狀（直線、圓柱、弧形等）排列的多元基陣各陣元輸出經過處理（例如加權、時延、求和等）形成空間指向性的方法（田坦等，2000）。波束形成也是將一個多元陣經適當處理使其對某些空間方向的聲波具有所需響應的方法。波束形成的方法有很多，特別是在實際應用中，隨著微電子技術、計算技術的快速發展，數字信號處理技術使時域、頻域下的波束形成方法相互貫穿。

表1 我國目前已安裝並使用的多波束測深系統（2004年前）Table1 Multibeam sound system has been installed and used in China（Before 2004）

2.1 波束形成一般原理

波束形成技術來自於基陣具有方向性的原理（蔣楠祥，2000）。設一個由N個無方向性陣元組成的接收換能器陣（如圖1）。各陣元位於空間點（x_n，y_n，z_n）處，將所有陣元的信號相加得到輸出，就形成了基陣的自然指向性。此時，若有一遠場平面波入射到這一基陣上，它的輸出幅度將隨平面入射角的變化而變化。

當信號源在不同方向時，由於各陣接收信號與基準信號的相位差不同，因而形成的和輸出的幅度不同，即陣的響應不同。

如果上述陣是一N元線陣，陣元間距為d，各陣元接收靈敏度相同，平面波入射方向為θ（如圖2）。各陣元輸出信號為：

F₀（t）=Acos（ωt）（1）

南海地質研究.2005

……

圖2 線陣幾何形狀

Fig.2 Geometry shape of line array transcer

南海地質研究.2005

其中A為信號幅度；ω為信號角頻率；φ為相鄰陣元接收信號間的相位差，Re為取實部，有：

南海地質研究.2005

所以，陣的輸出為：

南海地質研究.2005

因為：

南海地質研究.2005

則：

南海地質研究.2005

所以：

南海地質研究.2005

上式兩邊同時除以NA進行歸一化處理，得：

南海地質研究.2005

R（θ）表明，一個多元陣輸出幅度大小隨信號入射角而變化。一般而言，對於一個任意的陣形，無論聲波從哪一個方向入射，均不可能形成同相相加或得到最大輸出，只有直線陣或空間平面陣才會在陣的法線方向形成同相相加，得到最大輸出。然而，任意陣形的陣經過適當的處理，可在預定方向形成同相相加，得到最大輸出，這就是波束形成的一般原理。

2.2 直線陣相移波束形成

在前面討論的基礎上，直線陣相移波束形成的根本目的是：在相鄰陣元之間插入相移β，則直線陣的求和輸出為：

南海地質研究.2005

歸一化陣輸出幅度變為：

南海地質研究.2005

所以主波束方向滿足：

φ-β=0

即：

南海地質研究.2005

所以：

南海地質研究.2005

或：

南海地質研究.2005

上式表明：在陣元間插入不同的相移β，可以控制主波束位於不同的方向，這種在陣元之間插入相移使主波束方向控制於不同方位的方法稱為相移波束形成。在窄帶（主動聲吶）應用中，一般常用相移波束形成方法。

2.3 直線陣時延波束形成

在直線陣相移波束形成的討論中，有：

南海地質研究.2005

因為：

β=2πfτ

所以：

南海地質研究.2005

上式表明：在陣元間插入不同的時延τ，可以控制主波束位於不同的方向，這種在陣元之間插入時延使主波束方向控制於不同方位的方法稱為時延波束形成。在寬頻（被動聲吶）應用中，一般常用時延波束形成方法。

2.4 圓陣波束形成

圓形陣的陣元一般均勻分布在圓周上。由於圓陣是幾何上關於原點對稱的，因而沒有方向性。無自然的指向性波束，必須對陣元信號進行延遲或相移才能形成方向性，即使其補償成一個等效的線陣。簡單的實現方法是電子開關波束形成方法，這種方法利用電子開關進行控制，將一組延遲線接入不同陣元，以形成不同方位的波束。

以16元圓陣為例說明。假定只用圓弧上的七個陣元形成波束（如圖3），如果目標信號從正前方來，為了形成同相相加，必須將各陣元信號延遲補償到圖中所示的直線（藍色）上。設兩相鄰陣元所在圓弧的圓心角為α₀，則各陣元所需的相應延遲為：

南海地質研究.2005

τ₁=τ₇=0（15）

南海地質研究.2005

2.5 弧形陣波束形成

弧形陣的波束形成是圓陣波束形成的一種特殊情況，分布在弧形陣上陣元最終必須投影到一個等效的線陣中。如以時延來完成指向性的控制，各陣元的時延演算法與「圓陣波束形成」的例子相同。

2.6 頻域波束形成

從前面討論中可知，一個波束形成器可對空間某方位的信號有響應，而抑制其它方位的信號，因此，波束形成實際上是一種空間濾波過程。根據線性系統理論，波束形成也是一種卷積運算，因而可用頻域的乘積實現。所以波束也可以在頻域內形成，這就是頻域波束形成。頻域波束形成常採用離散傅里葉變換（DFT），可以用數字信號處理中的快速傅里葉變換（FFT）加以實現，因此頻域波束形成比時間域波束形成運算量要小（曹洪澤等，2002）。

設均勻間隔直線陣有N個陣元，間距為d。對陣元i的輸出信號x_i（t）進行采樣，取L點作DFT運算，即：

南海地質研究.2005

其中i為陣元號，k為譜線號，l為時間序號。因此X_i（k）表示第i號陣元接收的時間序列的譜。

其次，對同一序號k的譜線作空間傅里葉變換，將X_i（k）重排為X_k（i），進行下列運算：

南海地質研究.2005

其中m為波束號；w_i為陣元的幅度權值；Y_k（m）代表k號頻率分量的第m號波束輸出。這就是利用二維DFT實現頻域波束形成的方法。

3 結論

綜上所述，換能器的指向性是波束形成原理的基礎。目前我國現役的多波束測深系統主要包括SeaBea m系列、Elac Botto mChart系列、EM系列、SeaBat系列和Atlas DS系列等^［4］，由於各系統生產廠家和工作水深范圍不同，多波束系統採用的換能器、發射頻率不同，因此，不同系統採用的波束形成方法也不盡相同。

Sea Bea m 2112深水多波束測深系統發射頻率12 KHz，發射器和水聽器獨立安裝，其中發射器14個模塊，水聽器8個模塊共80個通道。水聽器是4個模塊一組共兩組呈「V」型安裝，換能器是典型的「米勒十字交叉」（Mill s Cr oss）安裝模式。即便如此，波束形成原理符合直線陣相移波束形成原理。1998年8月，廠家根據合同對系統進行升級，在僅更換DSP 板的情況下，使系統的波束數從121個升級為151個，應該是運用了高級數字信號處理器完成的直線陣相移波束形成下的數字內插波束形成技術（移位邊帶波束形成）。EM120深水多波束測深系統的發射接收器也是獨立安裝，屬於線性的「米勒十字交叉」結構陣，其基本的波束形成原理也是符合直線相移波束形成原理，由於其波束數已大大提高，應該還綜合有頻域波束形成技術。

EM950（或EM1002）中深水多波束測深系統發射頻率95kHz，發射器和水聽器二合一安裝，波束數120個。換能器是一個半徑為45cm的半圓弧形陣，作為一個高發射頻率的主動聲吶系統，採用的是弧形陣時延和相移波束形成技術的綜合。EM3000淺水多波束測深系統發射頻率300kHz，波束數120個，換能器是一個圓形陣（李家彪等，周興華等，1999），採用技術與EM950類似。

SeaBat系列多波束系統在國內主要以淺水多波束測深系統為主，淺水多波束系統的換能器一般都是採用發射器和水聽器二合一安裝方式。SeaBat8101多波束測深系統的發生頻率240kHz，波束數101個。換能器是一個直徑為32cm的圓形陣，採用的波束形成方式與EM系列的類似。

Atlas Fansweep系列是利用側掃聲吶技術計算多個水深數據的多波束測深系統，與真正多波束測深系統比較起來技術指標相對落後。由於廠家產品開發戰略轉變的原因，深水多波束系統在近兩年才推出。Atlas DS系列多波束系統在國內還沒有用戶，據稱其新一代多波束系統採用了Chirp技術，接收波束數將超過300個，因此其波束形成技術應該主要以頻域波束形成技術為主。

參考文獻

曹洪澤，李蕾等.2002.一種基於FFT 波束形成的BDI 演算法分析研究.海洋技術，21（2），55～59

蔣楠祥.2000.換能器與基陣.哈爾濱：哈爾濱工程大學出版社，50～75

李家彪等.1999.多波束勘測原理技術與方法.北京：海洋出版社，6～9

田坦，劉國枝，孫大軍.2000.聲吶技術.哈爾濱：哈爾濱工程大學出版社，63～120

周興華，劉忠臣，傅命左等.1999.多波束海底地形勘測技術規程.8～14

Multibeam Pivotal Technology——Beam Forming

Yu Ping Liu Fanglan Xiao Bo

（Guangzhou Marine Geological Survey，Guangzhou，510760）

for different type of transcer，and introces a universal way of frequency domain beam forming by using 2⁃dimension DFT.Finally，the author simply explains the different beam forming technology which the multibeam have in use.Abstract：Different arranged transcer deter mines the directional property of a transcer array.Multibeampivotal technology——the basis of Beamformingis howto control the directional property of transcer.This article summarizes the theory of beamfor ming with mathematics operation

Key words：Multibeam Transcer Directional Property Beam Forming Sound

⑹ 蘋果筆記本macbook內置話筒問題！

1. MacBook 現在的內置話筒，在機器左方，有兩個小圓點即為內置麥克風的收音位置。

   

2. 配備 Retina 顯示屏的 MacBook Pro 是對細節不懈追求的結果。Apple 的設計師和工程師同心協力，精心打造了 MacBook Pro 的每個組成部分：風扇、通風口、揚聲器、降噪麥克風、螺絲釘，甚至是凹槽的製作工藝。每個細節都經過深思熟慮，沒有任何疏漏。因為對一部如此先進的筆記本電腦來說，每個毫釐間的細節都很重要。

3. 自適應雙麥克風，揚聲器柵格下方設計了兩個精準的麥克風，採用自適應式波束形成演算法，以減少背景噪音和優化音質。
   

⑺ 求穩健的Capon波束形成演算法MATLAB程序！

%%%LCMV在多個來波方向約束下波束形成%%%
clc;clear all;close all;ima=sqrt(-1);esp=0.01;
%%天線參數設定%%
N=16; %陣元數
d_lamda=0.5; %陣元間距與波長的比值
theta=-90:0.5:90; %搜索范圍確定
theta1=-10; %來波方向1
theta2=0; %來波方向2
theta3=40; %來波方向3
theta_jam=70; %干擾方向
L=512; %采樣點數
%%%%%%%%%%%%%%%%%%%%%%%%%

%%信號形成%%
for k=1:L;
a1=10*randn(1);
a2=10*randn(1);
a3=10*randn(1);
ajam=10*randn(1);
an=1;
s(:,k)=a1*exp(ima*2*pi*d_lamda*sin(theta1*pi/180)*[0:N-1]') ...
a2*exp(ima*2*pi*d_lamda*sin(theta2*pi/180)*[0:N-1]') ...
a3*exp(ima*2*pi*d_lamda*sin(theta3*pi/180)*[0:N-1]');
jam(:,k)=ajam*exp(ima*2*pi*d_lamda*sin(theta_jam*pi/180)*[0:N-1]');
n(:,k)=an*(randn(N,1) ima*randn(N,1));
end
%%%%%%%%%%%%%%%%%%%%%%%%%

%最優權矢量產生%
x=jam n;
Rx=1/L*x*x'; %求信號相關矩陣
R=pinv(Rx); %相關矩陣求逆
a1theta=exp(ima*2*pi*d_lamda*sin(theta1*pi/180)*[0:N-1]');
a2theta=exp(ima*2*pi*d_lamda*sin(theta2*pi/180)*[0:N-1]');
a3theta=exp(ima*2*pi*d_lamda*sin(theta3*pi/180)*[0:N-1]');
C=[a1theta a2theta a3theta];%方向矩陣
F=[1 1 1]';
Wopt=R*C*(inv(C'*R*C))*F;
%%%%%%%%%%%%%%%%%%%%%%%%%

%%最優波束形成%%
for m=1:length(theta);
a=exp(ima*2*pi*d_lamda*sin(theta(m)*pi/180)*[0:N-1]');
y(m)=Wopt'*a;

end
%%%%%%%%%%%%%%%%%%%%%%%%%
Y=20*log10(abs(y)/max(abs(y)) esp);

%%作圖%%
plot(theta,Y);hold on;grid on;
axis([-90 90 -50 0]);
plot(theta1,-30:0,'.');
plot(theta2,-30:0,'.');
plot(theta3,-30:0,'.');
plot(theta_jam,-30:0,'.');
xlabel('\theta/o');
ylabel('Amplitude in dB');
title('LCMV准則下多個方向波束形成');

⑻ 關於素陣的特徵根有什麼結論

針對傳統平行陣二維測向自由度低問題,提出一種改進型平行互素陣,基於稀疏表示方法和最小二乘法來估計目標方位。該方法首先利用改進型互素陣構建雙平行稀疏陣列,計算平行互素陣的互協方差矩陣。然後通過矢量化處理,利用重排,去冗餘處理生成較大孔徑的虛擬陣列,將二維波達方向(directionofarrival,DOA)估計問題降維為一維DOA估計問題。進一步將一維DOA估計問題轉為復數信號稀疏重構問題,並利用二階錐規劃來進行求解,通過峰值搜索得到方位角信息。最後利用方位角來構建方向矩陣,通過最小二乘方法求解俯仰角。該方法可以在沒有目標先驗信息的條件下,能夠准確估計目標方位,且能夠實現自動配對。相比傳統的平行均勻線陣以及平行互素陣,該方法擴展了陣列虛擬孔徑,提高了估計精度,能夠辨識更多的目標源。實驗模擬驗證了該方法的有效性。一種基於干擾協方差矩陣重構的互素陣穩健自適應波束形成方法，在虛擬均勻陣上重構采樣協方差矩陣，利用投影去除其中的期望信號成分，根據半正定性的約束估計出每個干擾的准確功率和方向，重構干擾協方差矩陣，在雜訊角度區域內估計出雜訊功率，獲得干擾加雜訊協方差矩陣；再將重構出的期望信號協方差矩陣的主特徵值作為期望信號導向矢量，據此可獲得基於互素陣的穩健自適應波束形成器的權矢量，形成穩健自適應波束形成器的輸出。

⑼ 波束形成的基本原理

波束賦形演算法研究包括以下幾個方面: 1. 常規的波束賦形演算法研究。即研究如何加強感興趣信號,提高信道處理增益,研究的是一

般的波束賦形問題。

2. 魯棒性波束賦形演算法研究。研究在智能天線陣列非理想情況下,即當陣元存在位置偏差、

角度估計誤差、各陣元到達基帶通路的不一致性、天線校準誤差等情況下,如何保證智能

天線波束賦形演算法的有效性問題。

3. 零陷演算法研究。研究在惡劣的通信環境下,即當存在強干擾情況下,如何保證對感興趣信

號增益不變,而在強干擾源方向形成零陷,從而消除干擾,達到有效地估計出感興趣信號的

目的。

陣列天線基本概念(見《基站天線波束賦形及其應用研究_白曉平》)

陣列天線(又稱天線陣)是由若干離散的具有不同的振幅和相位的輻射單元按一定規律排列並相互連接在一起構成的天線系統。利用電磁波的干擾與疊加，陣列天線可以加強在所需方向的輻射信號，並減少在非期望方向的電磁波干擾，因此它具有較強的輻射方向性。組成天線陣的輻射單元稱為天線元或陣元。相鄰天線元間的距離稱為陣間距。按照天線元的排列方式，天線陣可分為直線陣，平面陣和立體陣。

陣列天線的方向性理論主要包括陣列方向性分析和陣列方向性綜合。前者是指在已知陣元排列方式、陣元數目、陣間距、陣元電流的幅度、相位分布的情況下分析得出天線陣方向性的過程;後者是指定預期的陣列方向圖，通過演算法尋求對應於該方向圖的陣元個數、陣間距、陣元電流分布規律等。對於無源陣，一般來說分析和綜合是可逆的。

陣列天線分析方法

天線的遠區場特性是通常所說的天線輻射特性。天線的近、遠區場的劃分比較復雜，一般而言，以場源為中心，在三個波長范圍內的區域，通常稱為近區場，也可稱為感應場;在以場源為中心，半徑為三個波長之外的空間范圍稱為遠區場，也可稱為輻射場。因此，在分析天線輻射特性時觀察點距離應遠大於天線總尺寸及三倍的工作波長。 陣列天線的輻射特性取決於陣元因素和陣列因素。陣元因素包括陣元的激勵電流幅度相位、電壓駐波比、增益、方

1/35頁