聲納波束形成成像演算法

Ⅰ GLFore的聲學成像儀是通過OptiNav BF波束形成演算法來計算的嗎急

對的，它的聲學成像儀麥克風數量多，而且麥克風的形狀是環形的，採集的數據更精準。

Ⅱ 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=08; %信號方向
sita1=04; %干擾方向1
sita2=21; %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=06;%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===========================================
1=0;
2=0;
3=0;
% for rrr=1:16000
signal_num=1; %signal number
noise_num=5; %interference number
R0=06; %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);
%
% 1=1+q_1;
% 2=2+q_2;
% 3=3+q_3;
% end
% 1/16000
% 2/16000
% 3/16000

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');

Ⅲ 急求波束形成概念和自適應波束形成概念！！

波束形成就是 讓波束的方向圖在你期望的方向形成主瓣，可以通過波束形成器，同時抑制雜訊信號和干擾信號。
自適應波束形成器就是通過自適應演算法（SMI，LMS等）讓感測器根據來波信號的信息實現波束形成。
前者感測器的權值是事先確定的，指定固定方向，也就是靜態權，後者權值是自適應調制的．．．

Ⅳ 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

Ⅳ 有誰知道聲納測距技術

工作頻率，主動式工作頻率的典型值為3～3.5千赫 ，被動式0.5～3千赫；加大發射功率,最高已達1兆瓦；加大換能器基陣尺寸，裝在潛艇首部的大型球形陣直徑已接近5米,貼鑲在潛艇舷側的線列陣長達60米左右，潛艇拖曳線列陣長度在百米以上；使用可作垂直波束掃描的換能器基陣，能選擇利用三種傳播途徑；採用先進的信號處理技術,其中最重要的有多波束形成,時間壓縮相關接收,分波束相關定向,高分辨力譜估計和線譜檢測等；採用集成電路和微型組件，實現全數字化。70年代初以來,普遍採用數字計算機和微處理器,進行信號處理和全系統的控制和監視，使提取和綜合信息的數量和質量大幅度提高，操縱控制和檢修更為方便。在提高聲納的戰術技術性能，使聲納具有多功能、高可靠性與可維修性等方

Ⅵ 聲吶探測器的工作原理

聲吶探測器的工作原理是發出聲波後，接受反射回來的聲信號。雷達依賴的電磁波在水下衰減嚴重，根本不足以用於遠距離的探測。而聲波是由物體振動產生，在水中的傳播距離非常遠，水中一聲巨大的爆炸，上千公里遠的地方也能聽到。

聲吶裝置一般由基陣、電子機櫃和輔助設備三部分組成。基陣由水聲換能器以一定幾何圖形排列組合而成，其外形通常為球形、柱形、平板形或線列行，有接收基陣、發射機陣或收發合一基陣之分。電子機櫃一般有發射、接收、顯示和控制等分系統。

輔助設備包括電源設備、連接電纜、水下接線箱和增音機、與聲吶基陣的傳動控制相配套的升降、回轉、俯仰、收放、拖曳、吊放、投放等裝置，以及聲吶導流罩等。

換能器是聲吶中的重要器件，它是聲能與其它形式的能如機械能、電能、磁能等相互轉換的裝置。

(6)聲納波束形成成像演算法擴展閱讀

計算機的應用使聲吶向智能化方向發展。

用計算機進行聲吶波束形成、信號處理、目標跟蹤與識別、系統控制、性能監測、故障檢測等。可大大提高聲吶的性能。

隨著第五代計算機(即人工智慧計算機)的問世，聲吶也正在向智能化方向發展。神經網路的研究取得了令人矚目的進展，它與計算機技術和信號處理技術相結合，使聲吶智能化成為可能。

由均勻傳播介質、各向同性雜訊場和單個平面波信號條件下的聲吶設計發展為開發和利用非平面波、非高斯、非平穩信號和雜訊實際特性的環境處理的聲吶設計，以獲取和佔有更多的信息和知識，大幅度提高聲吶檢測距離、定位精度、識別正確率和目標運動分析/跟蹤能力。

數字式聲吶的基本功能是測向和測距，目標識別的功能通常由聲吶 員通過鑒別目標輻射雜訊來完成。隨著聲吶技術的發展，國外的一些聲納已具備目標識別功能，甚至專門配置魚雷報警聲吶。

Ⅶ 格雷弗聲學成像儀的成像演算法是什麼

格雷弗聲學成像儀擁有全球獨創的自適應OptinNav BF波束形成演算法。擁有40顆高靈敏度數字MEMS麥克風，可以看到噪音的來源。

Ⅷ 什麼是聲納

潛艇聲納

裝備在潛艇上的各種聲納的統稱。用於對水面艦艇、潛艇和其他水中目標進行搜索、識別、跟蹤和水聲通信等。核動力攻擊潛艇裝備的聲納種類繁多，性能優良，有的裝備各種聲納達15部左右。核動力戰略導彈潛艇和常規動力攻擊潛艇裝備聲納5～10部。
潛艇聲納的種類與水面艦艇聲納基本相同，但在聲納配置、換能器布陣和戰斗使用方式上，有自己的特點。現代潛艇大多按多站系統設計和配置各型聲納和水聲測量設備。典型的潛艇聲納系統由警戒聲納、攻擊聲納、探雷聲納、通信聲納、識別聲納、被動測距聲納、環境雜訊記錄分析儀、聲速測量儀、聲線軌跡儀和有關計算機設備等組成。有的系統還包括一部拖曳線列陣聲納。系統內各聲納之間可進行數據傳遞，有的幾部聲納共用一個換能器基陣或某些信號處理部件，或共同配合完成一項任務。有的多站系統還配置集中顯示和操縱的顯控台。多站聲納系統的優點是信息綜合性強,便於集中控制,各站功能互相配合。現代潛艇聲納的換能器基陣多採用貼鑲式，布設在艇殼表面，如在艇首外殼布設馬蹄形陣，或沿整個舷側或耐壓殼體上部布設線列陣。貼鑲式基陣不破壞艇體線型，不佔據艇內空間位置，能爭取到較大的基陣尺寸，提高基陣性能。20世紀60年代開始，大批核動力潛艇已將有利於聲納工作的艇首空間用來安裝大型換能器基陣，而把艇首魚雷發射管移至基陣後兩側(見圖)。為保持潛艇的隱蔽性，潛艇聲納系統在大多數情況下 ，以被動工作方式對水中目標進行警戒 、探測、跟蹤、識別和定位。只是在魚雷射擊前，以主動方式對水中目標定位，為魚雷武器射擊指揮系統提供目標精確坐標數據。潛艇聲納系統還不斷對所在海區的聲傳播條件和本艇雜訊進行監測和分析，以便選擇最佳的戰術機動和聲納使用方式。
現代潛艇聲納一般都能選擇利用直達聲、海底反射聲和深海聲道三種水聲傳播途徑進行工作。在潛艇以低速航行時，潛艇聲納對艦艇最大探測距離的典型值(海里)如下表。
第二次世界大戰期間及其以前的潛艇聲納多採用單一換能器或簡單基陣，通過機械旋轉產生水平方向上的單波束掃描，只能對單個目標進行定位和跟蹤。工作頻率集中在20～30千赫，主動式發射功率不超過800瓦。信號處理限於簡單的濾波和放大。對目標存在與類型的判斷主要靠操作人員的聽覺 、 視覺和經驗。只能利用直達聲傳播途徑,探測距離很近,主動式1～1.5海里，被動式2～3海里。測向精度1°～3°。主動測距精度約±1％，不能測定目標深度，沒有被動測距的功能。
第二次世界大戰後聲納技術的發展，使現代潛艇聲納具有以下主要特點：採用低的工作頻率，主動式工作頻率的典型值為3～3.5千赫 ，被動式0.5～3千赫；加大發射功率,最高已達1兆瓦；加大換能器基陣尺寸，裝在潛艇首部的大型球形陣直徑已接近5米,貼鑲在潛艇舷側的線列陣長達60米左右，潛艇拖曳線列陣長度在百米以上；使用可作垂直波束掃描的換能器基陣，能選擇利用三種傳播途徑；採用先進的信號處理技術,其中最重要的有多波束形成,時間壓縮相關接收,分波束相關定向,高分辨力譜估計和線譜檢測等；採用集成電路和微型組件，實現全數字化。70年代初以來,普遍採用數字計算機和微處理器,進行信號處理和全系統的控制和監視，使提取和綜合信息的數量和質量大幅度提高，操縱控制和檢修更為方便。在提高聲納的戰術技術性能，使聲納具有多功能、高可靠性與可維修性等方面，都取得長足的進步。
發展趨勢：研製具有更高定位精度的被動測距聲納，以滿足水中武器實施全隱蔽攻擊的需要；繼續發展採用低頻線譜檢測的潛艇拖曳線列陣聲納，實現超遠程的被動探測和識別；研製更適合於淺海工作的潛艇聲納，特別是解決淺海水中目標識別問題；大力降低潛艇自雜訊，改善潛艇聲納的工作環境。
如今，無論在海面、水下，還是在地上、空中，都布置著各種反潛兵力，比如反潛水面艦艇、反潛潛艇、海岸固定聲納站、電子偵察機、偵察衛星、反潛固定巡航機以及反潛直升機等，它們在三維空間共同構成了立體反潛體系。

要發現在水下活動的潛艇並擊沉它，探測設備和反潛武器是必不可少的。作為反潛戰尤其是水面艦艇的「水下耳目」的聲納，目前仍舊是探測潛艇的最為有效的工具。

聲納(SONAR)的意思是「聲導航和測距」（SOund Navigation And Ranging）。60年代以來，以低頻、大功率、大基陣為特點的聲納問世；隨著微電子技術的發展，各種規模的集成電路取代了晶體管，計算機也進入了聲納技術領域，出現了一批全新的數字化聲納。

什麼是聲納呢？聲納是利用聲波在水下的傳播特性，通過電聲轉換裝置和信號處理，完成水下目標探測和通訊任務的設備。按照搜索方式，聲納可以分為：多波束聲納、三維聲納、掃描聲納、旁視聲納等。按裝備對象可分為水面艦艇聲納、潛艇聲納、海岸固定聲納、固定翼機聲納和直升機機載聲納等。

聲納的種類如此繁多，讓我們看其中的一種聲納，就是艦殼聲納，今天的水面艦艇聲納集自動化、感測器、繼承電路、計算機、海洋工程等高技術於一身，他的工作頻率低，作用距離遠，能夠分析復雜信號，測向精度和可靠性較高。水面艦艇的艦殼聲納，顧名思義就是安裝在水面艦艇殼體上的聲納。水面艦艇的艦殼聲納的最突出成就莫過於新的聲傳播的探索和應用（深海聲道會聚區和海底反射）。
我們知道，聲波在海水中的傳播特性，決定聲納的使用效果同時也是聲納設計的重要依據之一。由於艦載聲納的作用距離受到水文條件的影響很大，因此了解和掌握聲波在海水中的傳播特性是至關重要的。聲速是聲波在海水裡傳播的速度，它與溫度、鹽度、壓力有關，由於日光、氣溫、海流、風浪等因素的影響，使得聲速隨著深度而變化。通常以聲線代表自聲源發出的能量傳播途徑的曲線，如果聲速隨著深度而增加，則聲線折回海面；如果聲速隨著深度而減小，則聲線折向海底。這樣造成聲波在海水中傳播情況的復雜性。在這基礎上，可供艦殼聲納採用的聲傳播途徑有如下三種。

最直接的是聲直接傳播。這種聲直接傳播的距離比較近，一般不超過10海里。隨著「低頻、大功率、大基陣」的發展，使得深海聲道會聚區和海底反射技術成為可能。

什麼是深海聲道會聚區呢？在深海海區，太陽照射使得海面的溫度增加，而深處的溫度是不變的，加上海水的壓力隨深度而增加，導致了聲納隨深度的變化先減小後增大，這樣就存在一個穩定的聲道，當聲波藉助於深海聲道所形成的會聚效應傳播時，能夠達到30海里的距離。

什麼又是海底反射呢？由於海底、海面兩個反射面的存在，當聲源以某一個傾角發射時，聲波遇到海底發生反射返回海面，乃至重新返回海底，這樣的不斷反射可以獲得大約15海里的探測距離。

聲納技術在現代戰爭中發揮著巨大的作用，隨著聲傳播理論以及其他理論的發展，聲納技術必將具有更多的智能化、更強的探測性，在海底發揮著「海底望遠鏡」的重大功能。

Ⅸ 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

Ⅹ 高手些謝謝！

摘要：本文討論了智能天線技術在未來移動通信系統中的重要作用。澄清不同的智能天線技術的實現：組件空間和波束空間的方式方法，並分析了智能天線的TDMA方式的系統結構的實現。最後，應用智能天線技術，並討論了智能天線技術的困難，並討論了自適應天線相結合的多波束天線的新方案。

關鍵詞：移動通信[13]智能天線[6]多波束智能天線[1]自適應陣列智能天線[1]

隨著全球通信的飛速發展服務，個人通信作為未來無線移動通信技術引起極大關注的主要手段。如何消除同信道干擾（CCI），多址干擾（MAI）和多徑衰落的影響的人成為在無線移動通信系統中考慮了改進的性能的主要因素。使用數字信號處理技術的智能天線，產生的光束在空間的定向，用戶信號，旁瓣或零陷干擾信號的到來的取向方向的到達天線主波束方向的取向，以實現充分和有效地利用該移動用戶的刪除或抑制干擾信號，並且信號的目的。和其他日益深入的技術和成熟相比，干擾削減，應用研究智能天線技術在移動通信變得更加方興未艾，顯示出巨大的潛力。

1智能天線技術的起源和發展

通常包括多波束智能天線和自適應智能天線陣列智能天線。最初廣泛應用於智能天線

雷達，聲納及軍事通信，價格等因素一直未能因其他通信領域的普及。近年來，現代數字信號處理技術的迅速發展，數字信號處理晶元的處理能力不斷提高，晶元的價格已經可以接受的現代通信系統。同時，在基帶形成天線波束的使用數字技術成為可能，以代替模擬電路的天線波束形成的方法，提高天線系統，智能天線技術的可靠性和靈活性，因此，開始了在移動通信中使用。另一方面，移動通信用戶的數量正在迅速增加，人們正在通話質量的要求也在不斷提高，這就需要高容量電池仍處於高語音質量。智能天線可以用來滿足產能擴張的需求，又不在系統案件的復雜程度顯著增加。不同於傳統的扇區天線和天線分集的方法，所述全向接收天線，以提供窄指向性波束為在基站中的有限區域用信號的發送和接收方向上的每個用戶，充分利用了信號的發射功率的，減少電磁污染的排放造成的全向信號和相互干擾。不同於傳統的時分多址（TDMA），頻分多址（FDMA）或碼分多路訪問（CDMA）模式，引入智能天線的第四維定址模式：空分多址（SDMA）方式。在同一時隙中，在相同的頻率或相同的地址碼，則用戶仍然可以不同傳播路徑的基礎上的信號空間的區別。時空濾波器對應於智能天線在多個不同的用戶並發控制的定向天線波束，用戶可以顯著減少彼此之間的信號干擾。具體而言，智能天線會改善下列性質的將來的移動通信系統：？（a）擴大系統的覆蓋區域，（2），以增加系統容量，（3）以提高頻譜利用效率，（4），以減少所述基站的發射功率節省系統成本，減少電磁污染之間的信號干擾。

智能天線可以通過模擬電路來實現：在第一圖表根據進給方向，以確定所述天線的激發系數，然後確定是喂養飼料的波束形成網路的網路。由於進料，以形成一個矩陣連線，這是復雜的實現，而增加數組元素的數目，這就增加了電路的復雜性。為此，利用數字方法實現了所謂的數字波束形成DBF的移動通信用智能天線波束形成的將來（數字波束形成）的天線。軟體設計採用自適應演算法更新完成後，將無法更改系統硬體配置的前提下，提高了系統的靈活性。

<br的智能天線技術

2實施/>智能天線可分為兩類：多波束智能天線和自適應陣列智能天線，簡稱多波束天線和自適應陣列天線。使用多個平行光束，以覆蓋整個用戶區是一個固定點的每個波束的

多波束天線，波束寬度是與數組元素的數目被確定來確定。如在小區中的移動用戶，基站選擇不同的相應波束接收到的最強信號。因為用戶信號不一定是固定在梁的中心，當用戶是在光束中，當干擾信號位於波束接收最壞的中心的邊緣，在多波束天線可以達到最佳的信號接收，它通常被用作接收天線。但是，相比具有自適應陣列天線，具有簡單結構的多波束天線，無需用戶信號的優點的到達方向的確定。

使用自適應陣列天線到天線元件4的結構16的1/2波長，當陣元間距過大的陣元間距，接收信號降低的相關度彼此，太小的圖案形成的不需要的光柵波瓣，但一般取半波長。分布式數組元素的方法是線性的，環型和扁平型。自適應天線的主要類型的智能天線，全向天線，可以實現接收和發送信號的用戶完成。形成在該方向上使用數字信號處理技術來識別到達與天線主波束的用戶信號指示的自適應陣列天線系統。根據不同用戶的信號傳播方向不同的空間信道的空間，相當於有線傳輸線的信號的自適應陣列天線，有效地克服干擾的系統的影響。

用對美元的加權接收信號，形成天線波束數字方法的智能天線，主波束對准，使得用戶信號的方向，而干擾信號的調零天線圖案形成或較低的功率模式的方向獲得，以抑制干擾。取決於天線的波束成形處理，智能天線的方法分為兩類：組件處理空間和光束空間的方法，下面分別進行討論。

2.1組件空間方法

空間處理組件，所述天線圖案的輸出對齊以到達的主瓣用戶信號的方向的方向。因為數組元素成分信號，而不進行模數轉換（ADC），直接加權等處理，所謂的裝配空間的方法。

2.2不同波束處理和裝配間隙空間的做法是，從數組中的元素成分，受到相應的處理（信號接收和模擬數字轉換器（ADC），例如作為快速傅立葉變換），得到一組相互正交的空間波束，然後通過波束選擇，從可根據需要部分或全部波束形成器輸出圖案的陣列選擇。

因為用戶經常信號淹沒在雜訊和干擾信號，並且很難獲得所接收信號的最佳權重矩陣元素。使用波束空間方式可以從以上幾個光束，以獲得該信號滿足質量要求，從而減少了計算量選擇最強的信號光束和降低系統的復雜性，同時滿足的前提下接收陣列。

智能天線技術在實施過程中可以使用不同的演算法，有最小均方演算法（LMS），遞歸最小二乘演算法（RLS）和恆模演算法（CMA）。其中最小均方（LMS），遞歸最小二乘演算法（RLS）的系統，以提供與用戶的參考信號，以計算誤差，控制陣列的權重相關聯的信號。恆模（CMA）演算法利用陣列輸出信號恆包絡原理，無需參考信號，是盲均衡方法。考慮整體的通信系統中，智能天線技術無關的方式傳統的多址和調制類型可應用於TDMA，FDMA或CDMA多址系統。然而，在具體實施過程中，天線接收結果是有區別的。

以提高移動通信系統中，智能天線在基站主要作用的能力的重要手段。對於雙工型全向天線，時分雙工自適應天線（TDD）模式是比較合適的。頻分雙工（FDD）模式，因為在上行鏈路（從用戶到基站）和下行鏈路（從基站到用戶）的頻率間隔為45MHz或80MHz時，受頻率選擇性衰落的無線信號的傳播環境是不一樣的，根據由上行鏈路所計算的權值不能直接應用於下行鏈路。在TDD模式下，上行鏈路和下行鏈路間隔時間短，使用所發送的信號相同的頻率上的下行鏈路的無線傳播環境差異不大，則可以使用相同的權重，在TDD方式比FDD模式更好。工作在較高的頻率，以滿足半波長陣元間距的條件下將來的移動通信系統中，天線的尺寸可以更小，從而使利用智能天線的移動客戶端也是可以的。當

3智能天線研究

目前正在建立技術標準的第三代移動通信，歐洲，日本和美國重視智能天線技術的未來具有重要意義移動通信方案的地位和效力。已經進行了大量的理論分析，同時也建立了一些技術測試平台。

3.1歐洲

歐洲電信委員會（CEC）在比賽中（研究到先進的通訊在歐洲）計劃實施的所謂的海嘯（在該技術智能天線技術的第一階段通用先進的移動基礎設施）智能天線，來自德國，英國，丹麥和西班牙的合作。

智能天線施工項目團隊在基於現場試驗的DECT基站測試模式開始於1995年初。天線陣元組成的1.89GHz的8 RF工作頻率，陣元間距是可調的數組元素分布是線性的，環狀的和平面的三種形式。模型與數字波束形成方法來實現智能天線，採用專用的時代使用TMS320C40晶元作為中央控制科技有限公司ASIC晶元DBF1108完成波束形成。波束空間研究方案，包括裝卸和組裝空間的方法。收發器模塊的方法是全向天線類型，使用TDD雙工模式。信號識別MUSIC演算法的到達方向的系統評估，自適應演算法有NLMS（歸一化最小均方）演算法和RLS（遞歸最小二乘）演算法。

實驗系統，以驗證智能天線的功能，這兩個用戶的四個空間信道（包括上行鏈路和下行鏈路）的時，誤碼率測試系統（BER）比10-3為佳。採用MUSIC演算法的能力的信號方向的用戶識別實驗評價，同時，通過現場試驗，表明該環與該平面天線用於室內通信環境中，而不是像城市環境是一個簡單的線性陣列是比較合適的。

歐洲電信委員會（CEC）准備繼續智能天線技術在ACTS（先進的通信技術和服務）項目，主要集中在以下具體問題研究的第二個階段：最優波束形成演算法，系統研究和系統性能評估協議，多用戶檢測和自適應天線結構，信道估計和微蜂窩和現場試驗優化的空間和時間特徵。

3.2日

ATR光電通信研究所研製的多波束智能天線的波束空間為基礎的方法。天線單元間距半波長平面正方形陣列元件16的布局，射頻工作頻率為1.545GHz。接收信號的模數轉換後的數組元素成分，快速傅立葉變換（FFT）處理，正交波束形成後，分別使用恆模（CMA）演算法或最大比率組合分集演算法。天線數字信號處理的FPGA部分由10完成整板規格為23.3厘米×34.0厘米。

採用恆模（CMA）演算法的多波束天線功能的移動現場試驗證實。理論分析和實驗表明，使用最大比合並（MRC）演算法可以提高多波束天線增益在光束的橫截面。梁內兩個節目被形成，所接收到的信號的最大電平的選擇，而不區分用戶信號到達方向和反饋控制機制，例如硬體跟蹤裝置。

ATR的研究人員已經提出了圖5所示的基於軟體的智能天線的天線的概念：根據不同的用戶環境中，其影響了系統的性能（如雜訊或同信道主要因素干擾符號之間的干擾）是不同的，使用軟體方法來實現使用不同的演算法不同的環境中，例如當雜訊是主要因素使用多波束最大比值合並（MRC）演算法時，當同信道干擾是使用多波束恆模時的主要因素演算法（CMA），為了利用FPGA實時天線配置，以提供分集演算法，完成智能處理。

3.3美國和其他

ArrayComm公司和中國郵電研究院研製辛未應用於無線本地環路（WLL）智能天線系統。用於配置變陣元，12元和4元圓形自適應陣列針對不同的環境選擇ArrayComm公司的產品。在日本進行的田間試驗表明，採用該技術的PHS基站使系統容量提高四倍。使用八個圓形自適應陣列無線在1785MHZ1805MHz工作，使用TDD雙工方式，收發間隔10ms的信威智能天線陣元，最高接收靈敏度可提高9分貝。

另外，美國德克薩斯大學奧斯汀分校的SDMA組建立了智能天線的測試環境，進行實際系統相結合的理論。加拿大麥克馬斯特大學已採用恆模（CMA）演算法開發了4元陣列天線。大學相關研究國內部分也正在進行中。

4結束語

智能天線，以改善近年來系統容量具有巨大潛力，備受關注。然而，由於執行復雜的因素影響的自適應過程中，這是很難捕捉和跟蹤用戶信號動力學，再加上移動的空時信道盲辨識多用戶和多徑的情況下也是困難的，所以使用自適應陣列智能天線在移動環境中存在的困難。從目前的情況來看，智能天線正逐步在固定無線接入系統應用，以滿足用戶的固定和無線傳播環境不斷變化的情況。同時，多波束天線也是一個比較容易實現的折衷。總之，在智能天線用於未來的移動通信系統應基於高性能數字信號處理技術，現有的系統不顯著增加的折衷解決方案的復雜性。