声纳波束形成成像算法

Ⅰ GLFore的声学成像仪是通过OptiNav BF波束形成算法来计算的吗急

对的，它的声学成像仪麦克风数量多，而且麦克风的形状是环形的，采集的数据更精准。

Ⅱ MATLAB 程序详解（关于波束形成）

你这里有两个程序，第二个程序与第一个实质上是一样的，区别就是信号与导向矢量的写法有点不同，这里我就不注释了。还有，我下面附了一段我自己的写的程序，里面有SIM算法。G-S正交化算法等。是基于圆阵形式的，你的算法是基于线阵的，他们程序上的区别在于导向矢量的不同。我的算法是某项目中的，保证好使。建议学习波束形成技术，注意把程序分块，例如分成，求导向矢量；最优权值；形成波束等等。
程序如下：
4单元均匀线阵自适应波束形成图
clear
clc
format long;
v=1;
M=4;
N=1000;%%%%%%%快拍数
f0=21*10^3;%%%%%%%%%%%信号与干扰的频率
f1=11*10^3;
f2=15*10^3;
omiga0=2*pi*f0;%%%%%%%信号与干扰的角频率
omiga1=2*pi*f1;
omiga2=2*pi*f2;
sita0=08; %信号方向
sita1=04; %干扰方向1
sita2=21; %干扰方向2
for t=1:N %%%%%%%%%%%%信号
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 %%%%%%%%%%%%信号的导向矢量：线阵的形式
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; %阵列对信号的完整响应
R=R+x*x';%信号的协方差矩阵
end
R=R/N;%%%%%%%%%协方差矩阵，所有快拍数的平均
miu=1/(ad'*inv(R)*ad);%%%%%%这个貌似是LMS算法的公式，具体我记不太清，这里是求最优权值，根据这个公式求出，然后加权
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_;%%%%%%%对信号进行加权，消除干扰
v=v+1;
end
y_max=max(y(:));%%%%%%%%%%%%%%%归一化
y_1=y/y_max;
y_db=20*log(y_1);

sita=0:pi/100:pi;
plot(sita,y)
Xlabel（‘sitaa’）
Ylabel（‘天线增益db’）

4单元均匀线阵自适应波束形成
目标
clear
clc
format long;
v=1;
M=4;阵元数
N=100;
f0=21*10^3;
omiga0=2*pi*f0;
sita0=06;%信号方向
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('天线增益’)
%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%
%%%%%%%%%我的程序%%%%%%%%%%%%%%%
function jieshousignal
%期望信号数：1个
%干扰信号数：4个
%信噪比已知
%干燥比已知
%方位角已知
clc;
clear all;
close all;
%//参数设置===========================================
1=0;
2=0;
3=0;
% for rrr=1:16000
signal_num=1; %signal number
noise_num=5; %interference number
R0=06; %圆的半径
SP=2000; %Sample number
N=8; %阵元数
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;%%干扰1的方位角
d2=100*pi/180;%干扰2的方位角
d3=147*pi/180;%干扰3的方位角
d4=200*pi/180;%干扰4的方位角
d5=250*pi/180;%干扰5的方位角
d6=150*pi/180;%目标的方位角

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

%//====================操纵矢量==========================================
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;
% //==========================干扰信号的随机包络=========================
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;%信号加干扰
XX2=A1*SS1; %接收到的干扰
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算法----------------------------------------
Rd=X*S0'/SP;
R=X*X'/(SP*1);
Wc_SMI=pinv(R)*Rd/(Rd'*pinv(R)*Rd);%权向量
Wc_SMI=Wc_SMI/norm(Wc_SMI);
Y_SMI=Wc_SMI'*X; %SMI算法恢复出来的信号

%//-------------------------------------GS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算法恢复出来的图像

%//----------------------------------MMSE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算法恢复出来的信号
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('原始信号');
% xlabel('采样快拍数');
% ylabel('信号幅度');
% figure(2)
% plot(real(Y_SMI));
% title('运用SMI算法处理出的信号');
% xlabel('采样快拍数');
% ylabel('信号幅度');
% figure(3)
% plot(real(Y_GS));
% title('运用G-S算法处理出的信号');
% xlabel('采样快拍数');
% ylabel('信号幅度');
% 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算法波束形成图');
xlabel('方位角');
ylabel('俯仰角');
zlabel('幅度/dB');
figure(7)
mesh(20*log10(F_GS))
title('G-S算法波束形成图');
xlabel('方位角');
ylabel('俯仰角');
zlabel('幅度/dB');

Ⅲ 急求波束形成概念和自适应波束形成概念！！

波束形成就是 让波束的方向图在你期望的方向形成主瓣，可以通过波束形成器，同时抑制噪声信号和干扰信号。
自适应波束形成器就是通过自适应算法（SMI，LMS等）让传感器根据来波信号的信息实现波束形成。
前者传感器的权值是事先确定的，指定固定方向，也就是静态权，后者权值是自适应调制的．．．

Ⅳ 多波束关键技术——波束形成原理

余平 刘方兰 肖波

第一作者简介：余平，男，高级工程师，1993年毕业于长春地质学院仪器系电子仪器及测量技术专业，现主要从事多波束技术应用与海洋地质调查技术管理工作。

（广州海洋地质调查局 广州 510760）

摘要 换能器阵元的不同排列组合决定其指向性，波束形成是多波束测量的关键技术。文中通过数学计算总结了不同换能器阵进行波束形成的工作原理，并介绍了利用二维DFT进行频域波束形成的一般方法。最后结合现役多波束测深系统，简单解释说明不同系统所采用的波束形成技术。

关键词 多波束 阵元 指向性 波束形成 测深

1 前言

我国自20世纪90年代初以来，为满足近海航道、大洋调查和国家经济专署区及大陆架勘测的需要，陆续从欧美等国家引进了大量的多波束测深系统（见表1），这些多波束测深系统涵盖了深水、中深水和浅水等不同海域，我国多波束技术应用迎来了第一个高峰期。

进入21世纪后，随着旧多波束测深系统的老化以及多波束新技术的推出，多波束测深系统的更新换代已经展开，高精度、高覆盖、高波束数的多波束系统在一些专项中开始应用。在多波束测深系统的实际使用中，从事多波束测量的技术人员针对不同多波束测深系统所存在的问题进行了大量的研究工作，并出版了多波束技术专着，撰写了大量的论文。在这些应用型的研究成果中，关于多波束测深系统工作原理的关键技术——波束形成技术，要么是一个简单的比喻，要么是笼统大概的说明。本文试图在总结不同形式的波束形成原理的基础上，结合实际应用，阐述不同系统波束形成的模式，从而进一步理解多波束测深系统的工作原理。

2 波束形成原理

所谓波束形成是指将一定几何形状（直线、圆柱、弧形等）排列的多元基阵各阵元输出经过处理（例如加权、时延、求和等）形成空间指向性的方法（田坦等，2000）。波束形成也是将一个多元阵经适当处理使其对某些空间方向的声波具有所需响应的方法。波束形成的方法有很多，特别是在实际应用中，随着微电子技术、计算技术的快速发展，数字信号处理技术使时域、频域下的波束形成方法相互贯穿。

表1 我国目前已安装并使用的多波束测深系统（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

波束形成技术来自于基阵具有方向性的原理（蒋楠祥，2000）。设一个由N个无方向性阵元组成的接收换能器阵（如图1）。各阵元位于空间点（x_n，y_n，z_n）处，将所有阵元的信号相加得到输出，就形成了基阵的自然指向性。此时，若有一远场平面波入射到这一基阵上，它的输出幅度将随平面入射角的变化而变化。

当信号源在不同方向时，由于各阵接收信号与基准信号的相位差不同，因而形成的和输出的幅度不同，即阵的响应不同。

如果上述阵是一N元线阵，阵元间距为d，各阵元接收灵敏度相同，平面波入射方向为θ（如图2）。各阵元输出信号为：

F₀（t）=Acos（ωt）（1）

南海地质研究.2005

……

图2 线阵几何形状

Fig.2 Geometry shape of line array transcer

南海地质研究.2005

其中A为信号幅度；ω为信号角频率；φ为相邻阵元接收信号间的相位差，Re为取实部，有：

南海地质研究.2005

所以，阵的输出为：

南海地质研究.2005

因为：

南海地质研究.2005

则：

南海地质研究.2005

所以：

南海地质研究.2005

上式两边同时除以NA进行归一化处理，得：

南海地质研究.2005

R（θ）表明，一个多元阵输出幅度大小随信号入射角而变化。一般而言，对于一个任意的阵形，无论声波从哪一个方向入射，均不可能形成同相相加或得到最大输出，只有直线阵或空间平面阵才会在阵的法线方向形成同相相加，得到最大输出。然而，任意阵形的阵经过适当的处理，可在预定方向形成同相相加，得到最大输出，这就是波束形成的一般原理。

2.2 直线阵相移波束形成

在前面讨论的基础上，直线阵相移波束形成的根本目的是：在相邻阵元之间插入相移β，则直线阵的求和输出为：

南海地质研究.2005

归一化阵输出幅度变为：

南海地质研究.2005

所以主波束方向满足：

φ-β=0

即：

南海地质研究.2005

所以：

南海地质研究.2005

或：

南海地质研究.2005

上式表明：在阵元间插入不同的相移β，可以控制主波束位于不同的方向，这种在阵元之间插入相移使主波束方向控制于不同方位的方法称为相移波束形成。在窄带（主动声呐）应用中，一般常用相移波束形成方法。

2.3 直线阵时延波束形成

在直线阵相移波束形成的讨论中，有：

南海地质研究.2005

因为：

β=2πfτ

所以：

南海地质研究.2005

上式表明：在阵元间插入不同的时延τ，可以控制主波束位于不同的方向，这种在阵元之间插入时延使主波束方向控制于不同方位的方法称为时延波束形成。在宽带（被动声呐）应用中，一般常用时延波束形成方法。

2.4 圆阵波束形成

圆形阵的阵元一般均匀分布在圆周上。由于圆阵是几何上关于原点对称的，因而没有方向性。无自然的指向性波束，必须对阵元信号进行延迟或相移才能形成方向性，即使其补偿成一个等效的线阵。简单的实现方法是电子开关波束形成方法，这种方法利用电子开关进行控制，将一组延迟线接入不同阵元，以形成不同方位的波束。

以16元圆阵为例说明。假定只用圆弧上的七个阵元形成波束（如图3），如果目标信号从正前方来，为了形成同相相加，必须将各阵元信号延迟补偿到图中所示的直线（蓝色）上。设两相邻阵元所在圆弧的圆心角为α₀，则各阵元所需的相应延迟为：

南海地质研究.2005

τ₁=τ₇=0（15）

南海地质研究.2005

2.5 弧形阵波束形成

弧形阵的波束形成是圆阵波束形成的一种特殊情况，分布在弧形阵上阵元最终必须投影到一个等效的线阵中。如以时延来完成指向性的控制，各阵元的时延算法与“圆阵波束形成”的例子相同。

2.6 频域波束形成

从前面讨论中可知，一个波束形成器可对空间某方位的信号有响应，而抑制其它方位的信号，因此，波束形成实际上是一种空间滤波过程。根据线性系统理论，波束形成也是一种卷积运算，因而可用频域的乘积实现。所以波束也可以在频域内形成，这就是频域波束形成。频域波束形成常采用离散傅里叶变换（DFT），可以用数字信号处理中的快速傅里叶变换（FFT）加以实现，因此频域波束形成比时间域波束形成运算量要小（曹洪泽等，2002）。

设均匀间隔直线阵有N个阵元，间距为d。对阵元i的输出信号x_i（t）进行采样，取L点作DFT运算，即：

南海地质研究.2005

其中i为阵元号，k为谱线号，l为时间序号。因此X_i（k）表示第i号阵元接收的时间序列的谱。

其次，对同一序号k的谱线作空间傅里叶变换，将X_i（k）重排为X_k（i），进行下列运算：

南海地质研究.2005

其中m为波束号；w_i为阵元的幅度权值；Y_k（m）代表k号频率分量的第m号波束输出。这就是利用二维DFT实现频域波束形成的方法。

3 结论

综上所述，换能器的指向性是波束形成原理的基础。目前我国现役的多波束测深系统主要包括SeaBea m系列、Elac Botto mChart系列、EM系列、SeaBat系列和Atlas DS系列等^［4］，由于各系统生产厂家和工作水深范围不同，多波束系统采用的换能器、发射频率不同，因此，不同系统采用的波束形成方法也不尽相同。

Sea Bea m 2112深水多波束测深系统发射频率12 KHz，发射器和水听器独立安装，其中发射器14个模块，水听器8个模块共80个通道。水听器是4个模块一组共两组呈“V”型安装，换能器是典型的“米勒十字交叉”（Mill s Cr oss）安装模式。即便如此，波束形成原理符合直线阵相移波束形成原理。1998年8月，厂家根据合同对系统进行升级，在仅更换DSP 板的情况下，使系统的波束数从121个升级为151个，应该是运用了高级数字信号处理器完成的直线阵相移波束形成下的数字内插波束形成技术（移位边带波束形成）。EM120深水多波束测深系统的发射接收器也是独立安装，属于线性的“米勒十字交叉”结构阵，其基本的波束形成原理也是符合直线相移波束形成原理，由于其波束数已大大提高，应该还综合有频域波束形成技术。

EM950（或EM1002）中深水多波束测深系统发射频率95kHz，发射器和水听器二合一安装，波束数120个。换能器是一个半径为45cm的半圆弧形阵，作为一个高发射频率的主动声呐系统，采用的是弧形阵时延和相移波束形成技术的综合。EM3000浅水多波束测深系统发射频率300kHz，波束数120个，换能器是一个圆形阵（李家彪等，周兴华等，1999），采用技术与EM950类似。

SeaBat系列多波束系统在国内主要以浅水多波束测深系统为主，浅水多波束系统的换能器一般都是采用发射器和水听器二合一安装方式。SeaBat8101多波束测深系统的发生频率240kHz，波束数101个。换能器是一个直径为32cm的圆形阵，采用的波束形成方式与EM系列的类似。

Atlas Fansweep系列是利用侧扫声呐技术计算多个水深数据的多波束测深系统，与真正多波束测深系统比较起来技术指标相对落后。由于厂家产品开发战略转变的原因，深水多波束系统在近两年才推出。Atlas DS系列多波束系统在国内还没有用户，据称其新一代多波束系统采用了Chirp技术，接收波束数将超过300个，因此其波束形成技术应该主要以频域波束形成技术为主。

参考文献

曹洪泽，李蕾等.2002.一种基于FFT 波束形成的BDI 算法分析研究.海洋技术，21（2），55～59

蒋楠祥.2000.换能器与基阵.哈尔滨：哈尔滨工程大学出版社，50～75

李家彪等.1999.多波束勘测原理技术与方法.北京：海洋出版社，6～9

田坦，刘国枝，孙大军.2000.声呐技术.哈尔滨：哈尔滨工程大学出版社，63～120

周兴华，刘忠臣，傅命左等.1999.多波束海底地形勘测技术规程.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 有谁知道声纳测距技术

工作频率，主动式工作频率的典型值为3～3.5千赫 ，被动式0.5～3千赫；加大发射功率,最高已达1兆瓦；加大换能器基阵尺寸，装在潜艇首部的大型球形阵直径已接近5米,贴镶在潜艇舷侧的线列阵长达60米左右，潜艇拖曳线列阵长度在百米以上；使用可作垂直波束扫描的换能器基阵，能选择利用三种传播途径；采用先进的信号处理技术,其中最重要的有多波束形成,时间压缩相关接收,分波束相关定向,高分辨力谱估计和线谱检测等；采用集成电路和微型组件，实现全数字化。70年代初以来,普遍采用数字计算机和微处理器,进行信号处理和全系统的控制和监视，使提取和综合信息的数量和质量大幅度提高，操纵控制和检修更为方便。在提高声纳的战术技术性能，使声纳具有多功能、高可靠性与可维修性等方

Ⅵ 声呐探测器的工作原理

声呐探测器的工作原理是发出声波后，接受反射回来的声信号。雷达依赖的电磁波在水下衰减严重，根本不足以用于远距离的探测。而声波是由物体振动产生，在水中的传播距离非常远，水中一声巨大的爆炸，上千公里远的地方也能听到。

声呐装置一般由基阵、电子机柜和辅助设备三部分组成。基阵由水声换能器以一定几何图形排列组合而成，其外形通常为球形、柱形、平板形或线列行，有接收基阵、发射机阵或收发合一基阵之分。电子机柜一般有发射、接收、显示和控制等分系统。

辅助设备包括电源设备、连接电缆、水下接线箱和增音机、与声呐基阵的传动控制相配套的升降、回转、俯仰、收放、拖曳、吊放、投放等装置，以及声呐导流罩等。

换能器是声呐中的重要器件，它是声能与其它形式的能如机械能、电能、磁能等相互转换的装置。

(6)声纳波束形成成像算法扩展阅读

计算机的应用使声呐向智能化方向发展。

用计算机进行声呐波束形成、信号处理、目标跟踪与识别、系统控制、性能监测、故障检测等。可大大提高声呐的性能。

随着第五代计算机(即人工智能计算机)的问世，声呐也正在向智能化方向发展。神经网络的研究取得了令人瞩目的进展，它与计算机技术和信号处理技术相结合，使声呐智能化成为可能。

由均匀传播介质、各向同性噪声场和单个平面波信号条件下的声呐设计发展为开发和利用非平面波、非高斯、非平稳信号和噪声实际特性的环境处理的声呐设计，以获取和占有更多的信息和知识，大幅度提高声呐检测距离、定位精度、识别正确率和目标运动分析/跟踪能力。

数字式声呐的基本功能是测向和测距，目标识别的功能通常由声呐 员通过鉴别目标辐射噪声来完成。随着声呐技术的发展，国外的一些声纳已具备目标识别功能，甚至专门配置鱼雷报警声呐。

Ⅶ 格雷弗声学成像仪的成像算法是什么

格雷弗声学成像仪拥有全球独创的自适应OptinNav BF波束形成算法。拥有40颗高灵敏度数字MEMS麦克风，可以看到噪音的来源。

Ⅷ 什么是声纳

潜艇声纳

装备在潜艇上的各种声纳的统称。用于对水面舰艇、潜艇和其他水中目标进行搜索、识别、跟踪和水声通信等。核动力攻击潜艇装备的声纳种类繁多，性能优良，有的装备各种声纳达15部左右。核动力战略导弹潜艇和常规动力攻击潜艇装备声纳5～10部。
潜艇声纳的种类与水面舰艇声纳基本相同，但在声纳配置、换能器布阵和战斗使用方式上，有自己的特点。现代潜艇大多按多站系统设计和配置各型声纳和水声测量设备。典型的潜艇声纳系统由警戒声纳、攻击声纳、探雷声纳、通信声纳、识别声纳、被动测距声纳、环境噪声记录分析仪、声速测量仪、声线轨迹仪和有关计算机设备等组成。有的系统还包括一部拖曳线列阵声纳。系统内各声纳之间可进行数据传递，有的几部声纳共用一个换能器基阵或某些信号处理部件，或共同配合完成一项任务。有的多站系统还配置集中显示和操纵的显控台。多站声纳系统的优点是信息综合性强,便于集中控制,各站功能互相配合。现代潜艇声纳的换能器基阵多采用贴镶式，布设在艇壳表面，如在艇首外壳布设马蹄形阵，或沿整个舷侧或耐压壳体上部布设线列阵。贴镶式基阵不破坏艇体线型，不占据艇内空间位置，能争取到较大的基阵尺寸，提高基阵性能。20世纪60年代开始，大批核动力潜艇已将有利于声纳工作的艇首空间用来安装大型换能器基阵，而把艇首鱼雷发射管移至基阵后两侧(见图)。为保持潜艇的隐蔽性，潜艇声纳系统在大多数情况下 ，以被动工作方式对水中目标进行警戒 、探测、跟踪、识别和定位。只是在鱼雷射击前，以主动方式对水中目标定位，为鱼雷武器射击指挥系统提供目标精确坐标数据。潜艇声纳系统还不断对所在海区的声传播条件和本艇噪声进行监测和分析，以便选择最佳的战术机动和声纳使用方式。
现代潜艇声纳一般都能选择利用直达声、海底反射声和深海声道三种水声传播途径进行工作。在潜艇以低速航行时，潜艇声纳对舰艇最大探测距离的典型值(海里)如下表。
第二次世界大战期间及其以前的潜艇声纳多采用单一换能器或简单基阵，通过机械旋转产生水平方向上的单波束扫描，只能对单个目标进行定位和跟踪。工作频率集中在20～30千赫，主动式发射功率不超过800瓦。信号处理限于简单的滤波和放大。对目标存在与类型的判断主要靠操作人员的听觉 、 视觉和经验。只能利用直达声传播途径,探测距离很近,主动式1～1.5海里，被动式2～3海里。测向精度1°～3°。主动测距精度约±1％，不能测定目标深度，没有被动测距的功能。
第二次世界大战后声纳技术的发展，使现代潜艇声纳具有以下主要特点：采用低的工作频率，主动式工作频率的典型值为3～3.5千赫 ，被动式0.5～3千赫；加大发射功率,最高已达1兆瓦；加大换能器基阵尺寸，装在潜艇首部的大型球形阵直径已接近5米,贴镶在潜艇舷侧的线列阵长达60米左右，潜艇拖曳线列阵长度在百米以上；使用可作垂直波束扫描的换能器基阵，能选择利用三种传播途径；采用先进的信号处理技术,其中最重要的有多波束形成,时间压缩相关接收,分波束相关定向,高分辨力谱估计和线谱检测等；采用集成电路和微型组件，实现全数字化。70年代初以来,普遍采用数字计算机和微处理器,进行信号处理和全系统的控制和监视，使提取和综合信息的数量和质量大幅度提高，操纵控制和检修更为方便。在提高声纳的战术技术性能，使声纳具有多功能、高可靠性与可维修性等方面，都取得长足的进步。
发展趋势：研制具有更高定位精度的被动测距声纳，以满足水中武器实施全隐蔽攻击的需要；继续发展采用低频线谱检测的潜艇拖曳线列阵声纳，实现超远程的被动探测和识别；研制更适合于浅海工作的潜艇声纳，特别是解决浅海水中目标识别问题；大力降低潜艇自噪声，改善潜艇声纳的工作环境。
如今，无论在海面、水下，还是在地上、空中，都布置着各种反潜兵力，比如反潜水面舰艇、反潜潜艇、海岸固定声纳站、电子侦察机、侦察卫星、反潜固定巡航机以及反潜直升机等，它们在三维空间共同构成了立体反潜体系。

要发现在水下活动的潜艇并击沉它，探测设备和反潜武器是必不可少的。作为反潜战尤其是水面舰艇的“水下耳目”的声纳，目前仍旧是探测潜艇的最为有效的工具。

声纳(SONAR)的意思是“声导航和测距”（SOund Navigation And Ranging）。60年代以来，以低频、大功率、大基阵为特点的声纳问世；随着微电子技术的发展，各种规模的集成电路取代了晶体管，计算机也进入了声纳技术领域，出现了一批全新的数字化声纳。

什么是声纳呢？声纳是利用声波在水下的传播特性，通过电声转换装置和信号处理，完成水下目标探测和通讯任务的设备。按照搜索方式，声纳可以分为：多波束声纳、三维声纳、扫描声纳、旁视声纳等。按装备对象可分为水面舰艇声纳、潜艇声纳、海岸固定声纳、固定翼机声纳和直升机机载声纳等。

声纳的种类如此繁多，让我们看其中的一种声纳，就是舰壳声纳，今天的水面舰艇声纳集自动化、传感器、继承电路、计算机、海洋工程等高技术于一身，他的工作频率低，作用距离远，能够分析复杂信号，测向精度和可靠性较高。水面舰艇的舰壳声纳，顾名思义就是安装在水面舰艇壳体上的声纳。水面舰艇的舰壳声纳的最突出成就莫过于新的声传播的探索和应用（深海声道会聚区和海底反射）。
我们知道，声波在海水中的传播特性，决定声纳的使用效果同时也是声纳设计的重要依据之一。由于舰载声纳的作用距离受到水文条件的影响很大，因此了解和掌握声波在海水中的传播特性是至关重要的。声速是声波在海水里传播的速度，它与温度、盐度、压力有关，由于日光、气温、海流、风浪等因素的影响，使得声速随着深度而变化。通常以声线代表自声源发出的能量传播途径的曲线，如果声速随着深度而增加，则声线折回海面；如果声速随着深度而减小，则声线折向海底。这样造成声波在海水中传播情况的复杂性。在这基础上，可供舰壳声纳采用的声传播途径有如下三种。

最直接的是声直接传播。这种声直接传播的距离比较近，一般不超过10海里。随着“低频、大功率、大基阵”的发展，使得深海声道会聚区和海底反射技术成为可能。

什么是深海声道会聚区呢？在深海海区，太阳照射使得海面的温度增加，而深处的温度是不变的，加上海水的压力随深度而增加，导致了声纳随深度的变化先减小后增大，这样就存在一个稳定的声道，当声波借助于深海声道所形成的会聚效应传播时，能够达到30海里的距离。

什么又是海底反射呢？由于海底、海面两个反射面的存在，当声源以某一个倾角发射时，声波遇到海底发生反射返回海面，乃至重新返回海底，这样的不断反射可以获得大约15海里的探测距离。

声纳技术在现代战争中发挥着巨大的作用，随着声传播理论以及其他理论的发展，声纳技术必将具有更多的智能化、更强的探测性，在海底发挥着“海底望远镜”的重大功能。

Ⅸ 波束形成的基本原理

波束赋形算法研究包括以下几个方面: 1. 常规的波束赋形算法研究。即研究如何加强感兴趣信号,提高信道处理增益,研究的是一

般的波束赋形问题。

2. 鲁棒性波束赋形算法研究。研究在智能天线阵列非理想情况下,即当阵元存在位置偏差、

角度估计误差、各阵元到达基带通路的不一致性、天线校准误差等情况下,如何保证智能

天线波束赋形算法的有效性问题。

3. 零陷算法研究。研究在恶劣的通信环境下,即当存在强干扰情况下,如何保证对感兴趣信

号增益不变,而在强干扰源方向形成零陷,从而消除干扰,达到有效地估计出感兴趣信号的

目的。

阵列天线基本概念(见《基站天线波束赋形及其应用研究_白晓平》)

阵列天线(又称天线阵)是由若干离散的具有不同的振幅和相位的辐射单元按一定规律排列并相互连接在一起构成的天线系统。利用电磁波的干扰与叠加，阵列天线可以加强在所需方向的辐射信号，并减少在非期望方向的电磁波干扰，因此它具有较强的辐射方向性。组成天线阵的辐射单元称为天线元或阵元。相邻天线元间的距离称为阵间距。按照天线元的排列方式，天线阵可分为直线阵，平面阵和立体阵。

阵列天线的方向性理论主要包括阵列方向性分析和阵列方向性综合。前者是指在已知阵元排列方式、阵元数目、阵间距、阵元电流的幅度、相位分布的情况下分析得出天线阵方向性的过程;后者是指定预期的阵列方向图，通过算法寻求对应于该方向图的阵元个数、阵间距、阵元电流分布规律等。对于无源阵，一般来说分析和综合是可逆的。

阵列天线分析方法

天线的远区场特性是通常所说的天线辐射特性。天线的近、远区场的划分比较复杂，一般而言，以场源为中心，在三个波长范围内的区域，通常称为近区场，也可称为感应场;在以场源为中心，半径为三个波长之外的空间范围称为远区场，也可称为辐射场。因此，在分析天线辐射特性时观察点距离应远大于天线总尺寸及三倍的工作波长。 阵列天线的辐射特性取决于阵元因素和阵列因素。阵元因素包括阵元的激励电流幅度相位、电压驻波比、增益、方

1/35页

Ⅹ 高手些谢谢！

摘要：本文讨论了智能天线技术在未来移动通信系统中的重要作用。澄清不同的智能天线技术的实现：组件空间和波束空间的方式方法，并分析了智能天线的TDMA方式的系统结构的实现。最后，应用智能天线技术，并讨论了智能天线技术的困难，并讨论了自适应天线相结合的多波束天线的新方案。

关键词：移动通信[13]智能天线[6]多波束智能天线[1]自适应阵列智能天线[1]

随着全球通信的飞速发展服务，个人通信作为未来无线移动通信技术引起极大关注的主要手段。如何消除同信道干扰（CCI），多址干扰（MAI）和多径衰落的影响的人成为在无线移动通信系统中考虑了改进的性能的主要因素。使用数字信号处理技术的智能天线，产生的光束在空间的定向，用户信号，旁瓣或零陷干扰信号的到来的取向方向的到达天线主波束方向的取向，以实现充分和有效地利用该移动用户的删除或抑制干扰信号，并且信号的目的。和其他日益深入的技术和成熟相比，干扰削减，应用研究智能天线技术在移动通信变得更加方兴未艾，显示出巨大的潜力。

1智能天线技术的起源和发展

通常包括多波束智能天线和自适应智能天线阵列智能天线。最初广泛应用于智能天线

雷达，声纳及军事通信，价格等因素一直未能因其他通信领域的普及。近年来，现代数字信号处理技术的迅速发展，数字信号处理芯片的处理能力不断提高，芯片的价格已经可以接受的现代通信系统。同时，在基带形成天线波束的使用数字技术成为可能，以代替模拟电路的天线波束形成的方法，提高天线系统，智能天线技术的可靠性和灵活性，因此，开始了在移动通信中使用。另一方面，移动通信用户的数量正在迅速增加，人们正在通话质量的要求也在不断提高，这就需要高容量电池仍处于高语音质量。智能天线可以用来满足产能扩张的需求，又不在系统案件的复杂程度显着增加。不同于传统的扇区天线和天线分集的方法，所述全向接收天线，以提供窄指向性波束为在基站中的有限区域用信号的发送和接收方向上的每个用户，充分利用了信号的发射功率的，减少电磁污染的排放造成的全向信号和相互干扰。不同于传统的时分多址（TDMA），频分多址（FDMA）或码分多路访问（CDMA）模式，引入智能天线的第四维寻址模式：空分多址（SDMA）方式。在同一时隙中，在相同的频率或相同的地址码，则用户仍然可以不同传播路径的基础上的信号空间的区别。时空滤波器对应于智能天线在多个不同的用户并发控制的定向天线波束，用户可以显着减少彼此之间的信号干扰。具体而言，智能天线会改善下列性质的将来的移动通信系统：？（a）扩大系统的覆盖区域，（2），以增加系统容量，（3）以提高频谱利用效率，（4），以减少所述基站的发射功率节省系统成本，减少电磁污染之间的信号干扰。

智能天线可以通过模拟电路来实现：在第一图表根据进给方向，以确定所述天线的激发系数，然后确定是喂养饲料的波束形成网络的网络。由于进料，以形成一个矩阵连线，这是复杂的实现，而增加数组元素的数目，这就增加了电路的复杂性。为此，利用数字方法实现了所谓的数字波束形成DBF的移动通信用智能天线波束形成的将来（数字波束形成）的天线。软件设计采用自适应算法更新完成后，将无法更改系统硬件配置的前提下，提高了系统的灵活性。

<br的智能天线技术

2实施/>智能天线可分为两类：多波束智能天线和自适应阵列智能天线，简称多波束天线和自适应阵列天线。使用多个平行光束，以覆盖整个用户区是一个固定点的每个波束的

多波束天线，波束宽度是与数组元素的数目被确定来确定。如在小区中的移动用户，基站选择不同的相应波束接收到的最强信号。因为用户信号不一定是固定在梁的中心，当用户是在光束中，当干扰信号位于波束接收最坏的中心的边缘，在多波束天线可以达到最佳的信号接收，它通常被用作接收天线。但是，相比具有自适应阵列天线，具有简单结构的多波束天线，无需用户信号的优点的到达方向的确定。

使用自适应阵列天线到天线元件4的结构16的1/2波长，当阵元间距过大的阵元间距，接收信号降低的相关度彼此，太小的图案形成的不需要的光栅波瓣，但一般取半波长。分布式数组元素的方法是线性的，环型和扁平型。自适应天线的主要类型的智能天线，全向天线，可以实现接收和发送信号的用户完成。形成在该方向上使用数字信号处理技术来识别到达与天线主波束的用户信号指示的自适应阵列天线系统。根据不同用户的信号传播方向不同的空间信道的空间，相当于有线传输线的信号的自适应阵列天线，有效地克服干扰的系统的影响。

用对美元的加权接收信号，形成天线波束数字方法的智能天线，主波束对准，使得用户信号的方向，而干扰信号的调零天线图案形成或较低的功率模式的方向获得，以抑制干扰。取决于天线的波束成形处理，智能天线的方法分为两类：组件处理空间和光束空间的方法，下面分别进行讨论。

2.1组件空间方法

空间处理组件，所述天线图案的输出对齐以到达的主瓣用户信号的方向的方向。因为数组元素成分信号，而不进行模数转换（ADC），直接加权等处理，所谓的装配空间的方法。

2.2不同波束处理和装配间隙空间的做法是，从数组中的元素成分，受到相应的处理（信号接收和模拟数字转换器（ADC），例如作为快速傅立叶变换），得到一组相互正交的空间波束，然后通过波束选择，从可根据需要部分或全部波束形成器输出图案的阵列选择。

因为用户经常信号淹没在噪声和干扰信号，并且很难获得所接收信号的最佳权重矩阵元素。使用波束空间方式可以从以上几个光束，以获得该信号满足质量要求，从而减少了计算量选择最强的信号光束和降低系统的复杂性，同时满足的前提下接收阵列。

智能天线技术在实施过程中可以使用不同的算法，有最小均方算法（LMS），递归最小二乘算法（RLS）和恒模算法（CMA）。其中最小均方（LMS），递归最小二乘算法（RLS）的系统，以提供与用户的参考信号，以计算误差，控制阵列的权重相关联的信号。恒模（CMA）算法利用阵列输出信号恒包络原理，无需参考信号，是盲均衡方法。考虑整体的通信系统中，智能天线技术无关的方式传统的多址和调制类型可应用于TDMA，FDMA或CDMA多址系统。然而，在具体实施过程中，天线接收结果是有区别的。

以提高移动通信系统中，智能天线在基站主要作用的能力的重要手段。对于双工型全向天线，时分双工自适应天线（TDD）模式是比较合适的。频分双工（FDD）模式，因为在上行链路（从用户到基站）和下行链路（从基站到用户）的频率间隔为45MHz或80MHz时，受频率选择性衰落的无线信号的传播环境是不一样的，根据由上行链路所计算的权值不能直接应用于下行链路。在TDD模式下，上行链路和下行链路间隔时间短，使用所发送的信号相同的频率上的下行链路的无线传播环境差异不大，则可以使用相同的权重，在TDD方式比FDD模式更好。工作在较高的频率，以满足半波长阵元间距的条件下将来的移动通信系统中，天线的尺寸可以更小，从而使利用智能天线的移动客户端也是可以的。当

3智能天线研究

目前正在建立技术标准的第三代移动通信，欧洲，日本和美国重视智能天线技术的未来具有重要意义移动通信方案的地位和效力。已经进行了大量的理论分析，同时也建立了一些技术测试平台。

3.1欧洲

欧洲电信委员会（CEC）在比赛中（研究到先进的通讯在欧洲）计划实施的所谓的海啸（在该技术智能天线技术的第一阶段通用先进的移动基础设施）智能天线，来自德国，英国，丹麦和西班牙的合作。

智能天线施工项目团队在基于现场试验的DECT基站测试模式开始于1995年初。天线阵元组成的1.89GHz的8 RF工作频率，阵元间距是可调的数组元素分布是线性的，环状的和平面的三种形式。模型与数字波束形成方法来实现智能天线，采用专用的时代使用TMS320C40芯片作为中央控制科技有限公司ASIC芯片DBF1108完成波束形成。波束空间研究方案，包括装卸和组装空间的方法。收发器模块的方法是全向天线类型，使用TDD双工模式。信号识别MUSIC算法的到达方向的系统评估，自适应算法有NLMS（归一化最小均方）算法和RLS（递归最小二乘）算法。

实验系统，以验证智能天线的功能，这两个用户的四个空间信道（包括上行链路和下行链路）的时，误码率测试系统（BER）比10-3为佳。采用MUSIC算法的能力的信号方向的用户识别实验评价，同时，通过现场试验，表明该环与该平面天线用于室内通信环境中，而不是像城市环境是一个简单的线性阵列是比较合适的。

欧洲电信委员会（CEC）准备继续智能天线技术在ACTS（先进的通信技术和服务）项目，主要集中在以下具体问题研究的第二个阶段：最优波束形成算法，系统研究和系统性能评估协议，多用户检测和自适应天线结构，信道估计和微蜂窝和现场试验优化的空间和时间特征。

3.2日

ATR光电通信研究所研制的多波束智能天线的波束空间为基础的方法。天线单元间距半波长平面正方形阵列元件16的布局，射频工作频率为1.545GHz。接收信号的模数转换后的数组元素成分，快速傅立叶变换（FFT）处理，正交波束形成后，分别使用恒模（CMA）算法或最大比率组合分集算法。天线数字信号处理的FPGA部分由10完成整板规格为23.3厘米×34.0厘米。

采用恒模（CMA）算法的多波束天线功能的移动现场试验证实。理论分析和实验表明，使用最大比合并（MRC）算法可以提高多波束天线增益在光束的横截面。梁内两个节目被形成，所接收到的信号的最大电平的选择，而不区分用户信号到达方向和反馈控制机制，例如硬件跟踪装置。

ATR的研究人员已经提出了图5所示的基于软件的智能天线的天线的概念：根据不同的用户环境中，其影响了系统的性能（如噪声或同信道主要因素干扰符号之间的干扰）是不同的，使用软件方法来实现使用不同的算法不同的环境中，例如当噪声是主要因素使用多波束最大比值合并（MRC）算法时，当同信道干扰是使用多波束恒模时的主要因素算法（CMA），为了利用FPGA实时天线配置，以提供分集算法，完成智能处理。

3.3美国和其他

ArrayComm公司和中国邮电研究院研制辛未应用于无线本地环路（WLL）智能天线系统。用于配置变阵元，12元和4元圆形自适应阵列针对不同的环境选择ArrayComm公司的产品。在日本进行的田间试验表明，采用该技术的PHS基站使系统容量提高四倍。使用八个圆形自适应阵列无线在1785MHZ1805MHz工作，使用TDD双工方式，收发间隔10ms的信威智能天线阵元，最高接收灵敏度可提高9分贝。

另外，美国德克萨斯大学奥斯汀分校的SDMA组建立了智能天线的测试环境，进行实际系统相结合的理论。加拿大麦克马斯特大学已采用恒模（CMA）算法开发了4元阵列天线。大学相关研究国内部分也正在进行中。

4结束语

智能天线，以改善近年来系统容量具有巨大潜力，备受关注。然而，由于执行复杂的因素影响的自适应过程中，这是很难捕捉和跟踪用户信号动力学，再加上移动的空时信道盲辨识多用户和多径的情况下也是困难的，所以使用自适应阵列智能天线在移动环境中存在的困难。从目前的情况来看，智能天线正逐步在固定无线接入系统应用，以满足用户的固定和无线传播环境不断变化的情况。同时，多波束天线也是一个比较容易实现的折衷。总之，在智能天线用于未来的移动通信系统应基于高性能数字信号处理技术，现有的系统不显着增加的折衷解决方案的复杂性。