阵列信号基础:天线阵列模型

天线阵列模型

0. 前言

阵列信号处理基础本质上属于参数估计问题,和信道估计知识基本上别无二致。末学在这里整理了阵列信号处理的基础知识。

3. 天线阵列模型1

天线阵元之间的摆放位置影响着阵列接收信号的数学模型,不同的天线阵列模型有着不一样的应用场景,并影响着阵列信号处理的方法。

3.1 均匀线阵

ula1

假设 M M M 个阵元等距离排列成一条直线,阵元间距为 d d d。假设选取最左边的天线阵元作为参考点,则第 m m m 个天线阵元相对于参考点的时间延迟可以表示为
τ m ( θ i ) = ( m − 1 ) d sin ⁡ θ i v \tau_m(\theta_i) = \frac{(m-1)d \sin \theta_i}{v} τm(θi)=v(m1)dsinθi

  • 各天线阵元之间的互耦效应忽略不计,且阵元间距为最高频率源信号的半波长,即 d = λ 2 d=\frac{\lambda}{2} d=2λ

  • 传播距离远大于阵列大小,即信号在介质中以平面波的形式到达阵列。

  • 接收机各个通道拥有完全相同的特性。

根据以上假设,方向向量可以写为
a ( θ i ) = [ 1 , e j π sin ⁡ θ i , e j 2 π sin ⁡ θ i , ⋯   , e j ( M − 1 ) π sin ⁡ θ i ] T \mathbf{a}(\theta_i) = \left[1,e^{j\pi \sin \theta_i},e^{j2\pi \sin \theta_i},\cdots,e^{j(M-1)\pi \sin \theta_i} \right]^T a(θi)=[1,esinθi,ej2πsinθi,,ej(M1)πsinθi]T

在这里很尴尬地说,我用了好久的模型都是 e − j ( k − 1 ) π β i e^{-j(k-1)\pi \beta_i} ej(k1)πβi,今天才发现如果参考点为第一个阵元在最左边的话,指数应该是没有符号的,也就是上面的式子是正确的!
%%
当然,如果是如下图这种,参考阵元第一个在最右边,从右往左建模,则需要加符号!
%%
updated by 2019/7/19

update

3.2 L 型阵

ll

如图为 L 型阵列模型,在 x x x 轴和 y y y 轴均 M M M 个阵元,阵元间距为 d d d K K K 个信源,二维入射角为 ( θ i , φ i ) (\theta_i,\varphi_i) (θi,φi) x x x 轴上的接收信号模型可以视为线性阵列, y y y 轴同理:
X = A x S + N x Y = A y S + N y \begin{aligned} X &= A_xS+N_x \\ Y &= A_yS+N_y \end{aligned} XY=AxS+Nx=AyS+Ny

其中,方向矩阵为
A x = [ a x ( θ 1 , φ 1 ) , ⋯   , a x ( θ K , φ K ) ] A y = [ a y ( θ 1 , φ 1 ) , ⋯   , a y ( θ K , φ K ) ] a x ( θ i , φ i ) = [ 1 , e − j 2 π λ d cos ⁡ θ i sin ⁡ φ i , ⋯   , e − j 2 π λ ( M − 1 ) d cos ⁡ θ i sin ⁡ φ i ] T a y ( θ i , φ i ) = [ 1 , e − j 2 π λ d sin ⁡ θ i sin ⁡ φ i , ⋯   , e − j 2 π λ ( M − 1 ) d sin ⁡ θ i sin ⁡ φ i ] T \begin{aligned} A_x &= \left[a_x(\theta_1,\varphi_1),\cdots,a_x(\theta_K,\varphi_K)\right] \\ A_y &= \left[a_y(\theta_1,\varphi_1),\cdots,a_y(\theta_K,\varphi_K)\right] \\ a_x(\theta_i,\varphi_i) &= \left[1,e^{-j\frac{2\pi}{\lambda}d \cos\theta_i \sin\varphi_i},\cdots,e^{-j\frac{2\pi}{\lambda}(M-1)d \cos\theta_i \sin\varphi_i}\right]^T \\ a_y(\theta_i,\varphi_i) &= \left[1,e^{-j\frac{2\pi}{\lambda}d \sin\theta_i \sin\varphi_i},\cdots,e^{-j\frac{2\pi}{\lambda}(M-1)d \sin\theta_i \sin\varphi_i}\right]^T \end{aligned} AxAyax(θi,φi)ay(θi,φi)=[ax(θ1,φ1),,ax(θK,φK)]=[ay(θ1,φ1),,ay(θK,φK)]=[1,ejλ2πdcosθisinφi,,ejλ2π(M1)dcosθisinφi]T=[1,ejλ2πdsinθisinφi,,ejλ2π(M1)dsinθisinφi]T

3.3 均匀平面阵

mmm

假设有 K K K 个信号源,均匀平面阵列指的是 M M M 个天线阵元等间距的排列成一个正方形或者矩形,如上图所示由 M × N M\times N M×N 个阵元组成。 x x x 轴方向有 N N N 个间距为 d d d 的均匀线阵, y y y 轴方向有 M M M 个间距为 d d d 的均匀线阵。如果选取原点为参考点,另外某个阵元的坐标可以写为 ( x n , y m ) (x_n,y_m) (xn,ym),于是时延差可以写为

τ n , m ( φ k , θ k ) = x n sin ⁡ φ k cos ⁡ θ k + y m sin ⁡ φ k sin ⁡ θ k v a n , m ( φ k , θ k ) = exp ⁡ ( − j w 0 τ n , m ( φ k , θ k ) ) X = A S + N S = [ s 1 ( t ) , ⋯   , s K ( t ) ] T ∈ C K × 1 A = [ a ( θ 1 , φ 1 ) , ⋯   , a ( θ K , φ K ) ] ∈ C N M × K \begin{aligned} \tau_{n,m}(\varphi_k,\theta_k) &= \frac{x_n\sin\varphi_k\cos\theta_k + y_m\sin\varphi_k\sin\theta_k}{v}\\ a_{n,m}(\varphi_k,\theta_k) &= \exp\left(-jw_0\tau_{n,m}(\varphi_k,\theta_k)\right) \\ X &= AS+N \\ S &= \left[s_1(t),\cdots,s_K(t)\right]^T \in \mathbb{C}^{K \times 1}\\ A &= \left[a(\theta_1,\varphi_1),\cdots,a(\theta_K,\varphi_K)\right] \in \mathbb{C}^{NM \times K} \end{aligned} τn,m(φk,θk)an,m(φk,θk)XSA=vxnsinφkcosθk+ymsinφksinθk=exp(jw0τn,m(φk,θk))=AS+N=[s1(t),,sK(t)]TCK×1=[a(θ1,φ1),,a(θK,φK)]CNM×K
简单解释下这里的时延差公式怎么来的:
由之前的 ULA 基础可知,沿着入射波方向的长度差等于阵元 ( x n , y m ) (x_n,y_m) (xn,ym) 到原点直连距离 r r r 乘以入射波与平面阵法线的夹角角度的正弦 sin ⁡ φ k \sin \varphi_k sinφk
即这段沿着入射波方向的长度差为 r ⋅ sin ⁡ φ k r\cdot \sin \varphi_k rsinφk。而在 x o y xoy xoy 平面上,
x n 2 + y m 2 = r 2 x n = r cos ⁡ θ k y m = r sin ⁡ θ k \begin{aligned} x_n^2+y_m^2 &= r^2 \\ x_n &= r \cos \theta_k \\ y_m &= r \sin \theta_k \end{aligned} xn2+ym2xnym=r2=rcosθk=rsinθk
于是就有
r = r ( cos ⁡ 2 θ k + sin ⁡ 2 θ k ) = r cos ⁡ θ k ⋅ cos ⁡ θ k + r sin ⁡ θ k ⋅ sin ⁡ θ k = x n cos ⁡ θ k + y m sin ⁡ θ k \begin{aligned} r&=r(\cos^2 \theta_k+\sin^2 \theta_k) \\ &=r \cos \theta_k \cdot \cos \theta_k + r \sin \theta_k \cdot \sin \theta_k \\ &=x_n \cos \theta_k+ y_m \sin \theta_k \end{aligned} r=r(cos2θk+sin2θk)=rcosθkcosθk+rsinθksinθk=xncosθk+ymsinθk

x x x 轴对应的 N N N 个阵元的方向矩阵和从 y y y 轴对应的 M M M 个阵元的方向矩阵为
A x = [ a x ( θ 1 , φ 1 ) , ⋯   , a x ( θ K , φ K ) ] A y = [ a y ( θ 1 , φ 1 ) , ⋯   , a y ( θ K , φ K ) ] a x ( θ i , φ i ) = [ 1 , e − j 2 π λ d cos ⁡ θ i sin ⁡ φ i , ⋯   , e − j 2 π λ ( N − 1 ) d cos ⁡ θ i sin ⁡ φ i ] T a y ( θ i , φ i ) = [ 1 , e − j 2 π λ d sin ⁡ θ i sin ⁡ φ i , ⋯   , e − j 2 π λ ( M − 1 ) d sin ⁡ θ i sin ⁡ φ i ] T \begin{aligned} A_x &= \left[a_x(\theta_1,\varphi_1),\cdots,a_x(\theta_K,\varphi_K)\right] \\ A_y &= \left[a_y(\theta_1,\varphi_1),\cdots,a_y(\theta_K,\varphi_K)\right] \\ a_x(\theta_i,\varphi_i) &= \left[1,e^{-j\frac{2\pi}{\lambda}d \cos\theta_i \sin\varphi_i},\cdots,e^{-j\frac{2\pi}{\lambda}(N-1)d \cos\theta_i \sin\varphi_i}\right]^T \\ a_y(\theta_i,\varphi_i) &= \left[1,e^{-j\frac{2\pi}{\lambda}d \sin\theta_i \sin\varphi_i},\cdots,e^{-j\frac{2\pi}{\lambda}(M-1)d \sin\theta_i \sin\varphi_i}\right]^T \end{aligned} AxAyax(θi,φi)ay(θi,φi)=[ax(θ1,φ1),,ax(θK,φK)]=[ay(θ1,φ1),,ay(θK,φK)]=[1,ejλ2πdcosθisinφi,,ejλ2π(N1)dcosθisinφi]T=[1,ejλ2πdsinθisinφi,,ejλ2π(M1)dsinθisinφi]T

gs

则可以得到方向矩阵
X = A S + N S = [ s 1 ( t ) , ⋯   , s K ( t ) ] T ∈ C K × 1 A = [ a ( θ 1 , φ 1 ) , ⋯   , a ( θ K , φ K ) ] = [ A x D 1 ( A y ) A x D 2 ( A y ) ⋮ A x D M ( A y ) ] ∈ C N M × K \begin{aligned} X &= AS+N \\ S &= \left[s_1(t),\cdots,s_K(t)\right]^T \in \mathbb{C}^{K \times 1}\\ A &= \left[a(\theta_1,\varphi_1),\cdots,a(\theta_K,\varphi_K)\right] \\ &= \begin{bmatrix} A_x D_1(A_y) \\ A_x D_2(A_y) \\ \vdots \\ A_x D_M(A_y) \end{bmatrix} \in \mathbb{C}^{NM \times K} \end{aligned} XSA=AS+N=[s1(t),,sK(t)]TCK×1=[a(θ1,φ1),,a(θK,φK)]= AxD1(Ay)AxD2(Ay)AxDM(Ay) CNM×K
其中 D i ( ⋅ ) D_i(\cdot) Di() 表示取矩阵的第 i i i 行作为构成对角矩阵的对角元素。

3.4 均匀圆阵

yy

如图所示为均匀圆阵模型, M M M 个阵元均匀分布在圆周上,假设 K K K 个信源,二维入射角为 ( θ i , φ i ) (\theta_i,\varphi_i) (θi,φi),一般取圆周上两个阵元的间距为 λ / 2 \lambda/2 λ/2,对应的圆半径取为 R = λ 4 / sin ⁡ ( π M ) R = \frac{\lambda}{4} / \sin(\frac{\pi}M) R=4λ/sin(Mπ),阵列的第 m m m 个阵元与 x x x 轴的角度用 2 π M ⋅ ( m − 1 ) \frac{2\pi}{M}\cdot (m-1) M2π(m1) 表示。

y1

以原点为参考点,则位于 x x x 轴正方向的阵元视为沿着半径方向为轴的参考系。则有时延差:
τ m = 1 , i = R sin ⁡ φ i cos ⁡ θ i v \tau_{m=1,i} = \frac{R \sin\varphi_i \cos\theta_i}{v} τm=1,i=vRsinφicosθi
其中 θ i \theta_i θi 是入射投影与半径方向的轴之间的夹角。同理第 m m m 个阵元即把阵元与原点之间的半径方向作为参考轴,此时入射投影与半径方向的轴之间的夹角为 θ i − 2 π ( m − 1 ) M \theta_i-\frac{2\pi(m-1)}{M} θiM2π(m1)。则有时延差:
τ m , i = R sin ⁡ φ i cos ⁡ ( θ i − 2 π ( m − 1 ) M ) v \tau_{m,i} = \frac{R \sin\varphi_i \cos\left(\theta_i-\frac{2\pi(m-1)}{M}\right)}{v} τm,i=vRsinφicos(θiM2π(m1))
于是阵列方向向量为
A = [ a ( θ 1 , φ 1 ) , ⋯   , a ( θ K , φ K ) ] a ( θ i , φ i ) = [ exp ⁡ ( − j 2 π R sin ⁡ φ i cos ⁡ ( θ i ) ) exp ⁡ ( − j 2 π R sin ⁡ φ i cos ⁡ ( θ i − 2 π M ) ) ⋮ exp ⁡ ( − j 2 π R sin ⁡ φ i cos ⁡ ( θ i − 2 π ( M − 1 ) M ) ) ] \begin{aligned} A &= \left[a(\theta_1,\varphi_1),\cdots,a(\theta_K,\varphi_K)\right] \\ a(\theta_i,\varphi_i) &= \begin{bmatrix} \exp\left(-j2\pi R\sin\varphi_i \cos\left(\theta_i\right)\right) \\ \exp\left(-j2\pi R\sin\varphi_i \cos\left(\theta_i-\frac{2\pi}{M}\right)\right) \\ \vdots \\ \exp\left(-j2\pi R\sin\varphi_i \cos\left(\theta_i-\frac{2\pi(M-1)}{M}\right)\right) \end{bmatrix} \end{aligned} Aa(θi,φi)=[a(θ1,φ1),,a(θK,φK)]= exp(j2πRsinφicos(θi))exp(j2πRsinφicos(θiM2π))exp(j2πRsinφicos(θiM2π(M1)))

3.5 任意三维阵列天线模型

rd

如图所示为任意阵列模型。假设 M M M 个阵元任意分布在空间中,二维入射角为 ( θ i , φ i ) (\theta_i,\varphi_i) (θi,φi),假设有 K K K 个信号源。则入射的方向矢量为:
V = [ sin ⁡ φ i cos ⁡ θ i sin ⁡ φ i sin ⁡ θ i cos ⁡ φ i ] T \mathbf{V} = \begin{bmatrix} \sin\varphi_i\cos\theta_i & \sin\varphi_i\sin\theta_i & \cos\varphi_i \end{bmatrix}^T V=[sinφicosθisinφisinθicosφi]T
如果第 m m m 个阵元的坐标位置为 r m = ( x m , y m , z m ) \mathbf{r}_m = ( x_m, y_m, z_m) rm=(xm,ym,zm) ,波速为 v v v。那么

τ m ( θ i , φ i ) = 1 v ( x m sin ⁡ φ i cos ⁡ θ i + y m sin ⁡ φ i sin ⁡ θ i + z m cos ⁡ φ i ) \tau_{m}(\theta_i,\varphi_i) = \frac{1}{v} \left(x_m \sin\varphi_i\cos\theta_i + y_m \sin\varphi_i\sin\theta_i+ z_m \cos\varphi_i\right) τm(θi,φi)=v1(xmsinφicosθi+ymsinφisinθi+zmcosφi)

因此可得导向矢量:
a ( θ i , φ i ) = [ p 1 ( θ i , φ i ) exp ⁡ ( j 2 π λ r 1 ⋅ V ) p 2 ( θ i , φ i ) exp ⁡ ( j 2 π λ r 2 ⋅ V ) ⋮ p M ( θ i , φ i ) exp ⁡ ( j 2 π λ r M ⋅ V ) ] \mathbf{a}(\theta_i,\varphi_i) = \begin{bmatrix} p_1(\theta_i,\varphi_i) \exp(j \frac{2\pi}{\lambda} \mathbf{r}_1 \cdot \mathbf{V}) \\ p_2(\theta_i,\varphi_i) \exp(j \frac{2\pi}{\lambda} \mathbf{r}_2 \cdot \mathbf{V}) \\ \vdots\\ p_M(\theta_i,\varphi_i) \exp(j \frac{2\pi}{\lambda} \mathbf{r}_M \cdot \mathbf{V}) \end{bmatrix} a(θi,φi)= p1(θi,φi)exp(jλ2πr1V)p2(θi,φi)exp(jλ2πr2V)pM(θi,φi)exp(jλ2πrMV)
对于传统阵列,通常极化矢量 p k ( θ , φ ) = 1 p_k(\theta,\varphi) =1 pk(θ,φ)=1 一般省略。但是对于极化敏感阵列,不同载体的影响产生屏蔽效应,所以 p k ( θ , φ ) p_k(\theta,\varphi) pk(θ,φ) 不能省略。

定义传统阵列方向矩阵为: A = [ a ( θ 1 , φ 1 ) , ⋯   , a ( θ K , φ K ) ] A = \left[a(\theta_1,\varphi_1),\cdots,a(\theta_K,\varphi_K)\right] A=[a(θ1,φ1),,a(θK,φK)]

参考文献


  1. 毫米波低复杂度 DOA 估计与波束成形技术的研究 ↩︎

版权声明:本文内容由互联网用户自发贡献,该文观点与技术仅代表作者本人。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。如发现本站有涉嫌侵权/违法违规的内容, 请发送邮件至 dio@foxmail.com 举报,一经查实,本站将立刻删除。

相关推荐


学习编程是顺着互联网的发展潮流,是一件好事。新手如何学习编程?其实不难,不过在学习编程之前你得先了解你的目的是什么?这个很重要,因为目的决定你的发展方向、决定你的发展速度。
IT行业是什么工作做什么?IT行业的工作有:产品策划类、页面设计类、前端与移动、开发与测试、营销推广类、数据运营类、运营维护类、游戏相关类等,根据不同的分类下面有细分了不同的岗位。
女生学Java好就业吗?女生适合学Java编程吗?目前有不少女生学习Java开发,但要结合自身的情况,先了解自己适不适合去学习Java,不要盲目的选择不适合自己的Java培训班进行学习。只要肯下功夫钻研,多看、多想、多练
Can’t connect to local MySQL server through socket \'/var/lib/mysql/mysql.sock问题 1.进入mysql路径
oracle基本命令 一、登录操作 1.管理员登录 # 管理员登录 sqlplus / as sysdba 2.普通用户登录
一、背景 因为项目中需要通北京网络,所以需要连vpn,但是服务器有时候会断掉,所以写个shell脚本每五分钟去判断是否连接,于是就有下面的shell脚本。
BETWEEN 操作符选取介于两个值之间的数据范围内的值。这些值可以是数值、文本或者日期。
假如你已经使用过苹果开发者中心上架app,你肯定知道在苹果开发者中心的web界面,无法直接提交ipa文件,而是需要使用第三方工具,将ipa文件上传到构建版本,开...
下面的 SQL 语句指定了两个别名,一个是 name 列的别名,一个是 country 列的别名。**提示:**如果列名称包含空格,要求使用双引号或方括号:
在使用H5混合开发的app打包后,需要将ipa文件上传到appstore进行发布,就需要去苹果开发者中心进行发布。​
+----+--------------+---------------------------+-------+---------+
数组的声明并不是声明一个个单独的变量,比如 number0、number1、...、number99,而是声明一个数组变量,比如 numbers,然后使用 nu...
第一步:到appuploader官网下载辅助工具和iCloud驱动,使用前面创建的AppID登录。
如需删除表中的列,请使用下面的语法(请注意,某些数据库系统不允许这种在数据库表中删除列的方式):
前不久在制作win11pe,制作了一版,1.26GB,太大了,不满意,想再裁剪下,发现这次dism mount正常,commit或discard巨慢,以前都很快...
赛门铁克各个版本概览:https://knowledge.broadcom.com/external/article?legacyId=tech163829
实测Python 3.6.6用pip 21.3.1,再高就报错了,Python 3.10.7用pip 22.3.1是可以的
Broadcom Corporation (博通公司,股票代号AVGO)是全球领先的有线和无线通信半导体公司。其产品实现向家庭、 办公室和移动环境以及在这些环境...
发现个问题,server2016上安装了c4d这些版本,低版本的正常显示窗格,但红色圈出的高版本c4d打开后不显示窗格,
TAT:https://cloud.tencent.com/document/product/1340