多波束形成的基本原理十篇

多波束形成的基本原理篇1

关键词： 数字波束形成； 雷达； 天气探测； 阵列天线校正

中图分类号： TN957?34 文献标识码： A 文章编号： 1004?373X（2014）03?0069?04

Application of DBF in digital array weather radar

MU Wen?zheng， ZHU Zi?ping， LIU Zhi?ying

（The 38th Research Institute， China Electronic Technology Group Corporation， Hefei 230088， China）

Abstract： The application of DBF technology in weather radar can obtain meteorological datas in different height layer at the same time， which makes the weather observations more precise， and provide better technical means for subsequent meteorological products retrieval. The principle of DBF is introduced firstly， then the notices in the DBF design of weather radar development are expounded， finally the detection effect of actual meteorological target is given.

Keywords： DBF； radar； weather detection； antenna array calibration

0 引 言

天气无时无刻不在影响着人们的生产和生活，对天气的准确探测一直是人们的追求，雷达作为天气探测的重要传感器，在天气探测和预报方面发挥着重要作用。军用雷达发展迅速，将先进的军用雷达技术运用到天气探测，是人们发展天气雷达的自然思路，数字阵列雷达即是其中一例。

数字阵列雷达是相控阵雷达的先进形式，在波束形成上与传统相控阵雷达有很大不同。传统相控阵雷达在形成接收波束时，通过控制射频或中频的幅度和相位，形成所需要的波束，系统多采用模拟器件，不仅幅相控制精度差，系统可靠性低，而且不够灵活；数字阵列雷达在形成接收波束时处理的是数字I/Q信号，通过复数乘法累加实现，因此形成的波束也称计算波束。在形成发射波束时，数字阵列雷达将计算的发射相位送给阵面，通过控制阵面组件中的DDS控制辐射电磁波的初始相位，从而在空间合成功率，形成特定方向的发射波束。与传统相控阵雷达相比，数字阵列雷达不仅幅相控制精度高、阵面误差可实时修正，而且在不损失功率的前提下形成多个接收波束，是一种先进的雷达体制。

将数字阵列雷达用于天气探测，是天气雷达发展的趋势。本文研究的是数字阵列天气雷达的关键技术之一：数字波束形成（DBF）。在介绍DBF基本原理的基础上，阐述它在天气雷达研制过程中需要解决的问题，并给出了该体制雷达对实际气象目标的探测效果。

1 DBF基本原理

数字阵列雷达的设备组成和信号处理流程[1?4]如图1所示。

图1 数字阵列雷达设备组成和信号处理流程

DBF是采用数字信号处理的方法，对某一方向的入射信号，补偿由于传感器在空间位置不同而引起传播路程差所带来的相位差，实现该方向回波的同相叠加，从而实现该方向回波最大能量接收。完成某一方向的波束形成，也就完成了该方向的空间滤波。由于DBF通过计算实现，因此所形成的波束也称计算波束。

在工程上，数字波束形成的原理表达式为：

[B（k）=n=0N-1X（n）*C（n）*W（n）*Sk（n）]

其中，[n=0，1，2，…，N-1]为阵元序列；[k=0，1，2，…，K-1]为需要形成的波束序列。式中各乘积因子的含义：[X（n）]为阵元接收到的复信号；[C（n）]为通道校正因子；[W（n）]为加窗系数；[Sk（n）]为第[k]个波束的理想指向系数。可见，数字波束形成就是完成复数乘法累加运算，为积分的数字化形式，改变一组系数[Sk，]相当于改变一次天线阵面的形状，从而也就改变波束指向[5?9]。图2为一维均匀线阵数字波束形成仿真结果，设置阵元数目为128个，同时形成14个接收波束，加-40 dB切比雪夫权。

图2 一维均匀线阵数字波束形成仿真结果

2 工程设计

在工程设计DBF时，主要考虑以下问题：系统组成、阵面发射校正和接收校正、发射相位码计算、接收权系数计算、FPGA和DSP的任务分配等，下面对这几个问题进行阐述。

2.1 系统组成

数字波束形成采用数字信号处理的方法形成波束，因此在系统上划归为信号处理，完成数字波束形成任务的插件位于信号处理分机中。数字阵列天气雷达信号处理分机插件布局示意图如图3所示，工作原理为：

（1） DBF插件通过光纤传输控制字给阵面DAM，同时接收DAM下传的数字I/Q信号；

（2） DBF插件通过乘法累加运算完成接收数字波束形成，通过上传发射相位码给DAM，通过DAM中的DDS控制辐射电磁波的初始相位，完成发射数字波束形成；

（3） DBF插件将形成的接收数字波束通过数据交换插件传给DSP插件，由DSP插件完成脉冲压缩、滤波和参数估计等任务；

（4） 定时接口插件产生雷达系统所需要的时序，同时生成控制字送给数据交换插件，数据交换插件根据控制字实时重构各插件之间的高速数据通路，实现插件间指令流和数据流的传输；

（5） 零槽计算机为系统计算机，完成对插件管理、与监控和终端之间进行网络通信等；

（6） 分机有两块电源，互为备份，构成热冗余，提高分机的可靠性。

图3 信号处理分机插件布局示意图

2.2 阵列天线校正

数字阵列雷达属于有源相控阵雷达，有源器件的使用，会给通道引入误差，该误差在每次开机时均不同，但在工作期间其值随时间变化很小；天线加工过程中也会引入误差。这些误差会导致通道间的幅相不一致，通道间幅相不一致会使形成的波束指向与加权系数和发射相位不匹配，引起波束副瓣电平抬高，降低雷达的测量精度甚至测量错误，因此在数字波束形成前要对雷达进行通道校正。

通道校正分为接收校正和发射校正，二者都是为了修正信号传输通路中幅相不一致的影响，使相同信号经过所有的传输通道后具有相同的输出。不管接收校正还是发射校正，工程上均可以通过内校和外校来实现，所谓内校是修正通道的有源部分，外校是修正通道的无源部分。由于无源部分的误差是恒定的，不随时间变化，因此只需要通过一次外校和一次内校将其计算得到，保存下来即可。以后每次开机进行全通道校正时，在内校的基础上加上保存的无源部分的误差，就可以将校正网络和实际回波路径之间的差异修正掉，得到正常通道的校正值。

为了保持发射幅度的一致性，雷达发射时往往对每个单元进行满幅度激励，因此发射校正只需要考虑校正相位，不需要考虑校正幅度。计算发射校正相位时，可以选择某一单元的相位作为参考，也可以选择一个固定值作为参考，例如选0。当选择0值作参考时，将采集到的每个单元的发射校正数据的相位取反即可。

对于接收校正，和发射校正类似，也是既可以选择某一个单元的值作为参考，也可以选择一个固定值作为参考，选择固定值作为参考的好处是可以避免参考单元坏掉的情况。如果选择某一单元作参考，当接收到的测试信号为：

[xi=aiejθi=Ii+jQi]

式中：[i=0，1，2，…，N-1]为阵元编号。假如选择[x0]作参考单元，则接收校正系数为：

[Ci=x0xi=x0x*ixix*i=x0x*ixi2]

当选择一个固定值作参考时，公式推导类似。

2.3 数字波束形成

数字波束形成的硬件平台为基于CPCI的通用DBF插件，考虑到阵面规模（128个单元）不是很大，一块DBF板就可以完成任务，实现对高速采样数据的多接收波束形成。通用DBF插件为FPGA+DSP架构，FPGA完成定点乘法累加计算、与阵面和数据交换插件进行数据通信，另外兼顾和系统计算机之间进行CPCI总线通信；DSP为板卡的辅处理器，主要完成收发校正系数计算、根据控制指令更新DBF加权系数、产生测试数据等[10]。图4为DBF插件原理框图，图5为数字波束形成逻辑结构图，需要注意的是，由于FPGA乘法器的运行速度比数据采样速率高很多，为了节省资源，可以对乘法器进行时分复用，即一套乘法器形成多个接收波束，通过循环乘法累加的方式得到结果。

图4 通用DBF插件原理框图

2.4 调试过程

DBF虽然算法原理简单，但调试时有很多困难，原因主要有以下几个方面：

（1） 需要处理的是高速数据，而且实时性较强。对于阵面送下来的数字I/Q，需要在每个距离单元上形成多个接收波束，也就是说要对同一距离单元所有阵元的采样数据做多组乘法累加运算，运算量大。这对乘法器数量有限的FPGA来说，需要时分复用乘法器，增加了设计难度。

图5 数字波束形成逻辑结构图

（2） 数字波束形成一般通过FPGA实现，原因是FPGA做乘法有较高的并行度，但FPGA设计时需要考虑时序，因此设计时软件bug隐藏比较深，不易查找，另外还存在仿真难度大、工程编译时间长等困难。

（3） DBF插件在整个雷达中起承上启下的作用，对上要控制阵面、接收阵面回波，对下要向信号处理输出合成后的波束数据，这就要求DBF插件在形成波束的同时，还要承担大量的接口任务。一旦出现问题，不管是计算错误、传输错误还是控制错误，都要从DBF节点采集数据进行分析，因此导致参与联试时间长。

为了减小上述问题的影响，在设计DBF时，就要全面考虑、做好模块测试工作和板卡BITE，尽量多留观察节点，并将节点数据送至监控界面显示，这样便于快速定位问题。一旦出现问题可以运行测试数据，逐一将节点数据和Matlab结果比对，顺序排查。

图6是数字波束形成自检画面。

图6 DBF自检

图7是单波束观测气象目标结果（速度场）。

图8是同时观测14个波束的结果（仰角分层）。

图7 单波束观测气象目标结果（速度场）

图8 14个波束观测气象目标结果（仰角分层）

3 结 语

数字阵列雷达是先进的雷达技术体制，将其应用于天气探测，可以同时获取不同高度层的气象数据，使得对天气的观测更加精细，为后续气象产品反演提供更好的技术手段。本文在给出数字波束形成基本原理的基础上，对工程设计问题进行了阐述，并给出了对实际气象目标的探测效果。

参考文献

[1] 朱子平.天气雷达信号处理系统应用研究[D].成都：电子科技大学，2007.

[2] 张光义.相控阵雷达技术[M].北京：电子工业出版社，2006.

[3] 张明友.数字阵列雷达和软件化雷达[M].北京：电子工业出版社，2008.

[4] 马晓岩，向家彬.雷达信号处理[M].长沙：湖南科技出版社，1999.

[5] 刘和周，宋秀芬.基于阵列天线雷达系统校正的方法和工程应用[J].雷达与对抗，2007（1）：40?43.

[6] 吕继荣，朱子平，胡爱明.数字波束形成技术在雷达信号处理中的实现[J].中国科技信息，2008（12）：39?41.

[7] 吕继荣，朱子平.通道间幅相差异对DBF的影响及解决方法[J].中国科技信息，2008（11）：34?37.

[8] 朱子平，吕继荣，洪一.数字波束形成在雷达中的应用与分析[J].中国电子科学研究院学报，2006（3）：244?247.

多波束形成的基本原理篇2

关键词： 阵列信号处理； 稳健波束形成； 矢量相关测向； 导向矢量相关拟合； 交汇对接

中图分类号： TN911?34 文献标识码： A 文章编号： 1004?373X（2014）18?0026?04

Vector correlation direction?finding method based on robust Capon beamforming technology

REN Xiao?song1， YANG Jia?wei1， CUI Wei2， WU Si?liang2， OU Chun?xiang1， ZHU Zhen?hong1， CHEN Yan1

（1. China Aerospace Science & Industry Academy of Information Technology， Beijing 100070， China； 2. Beijing Institute of Technology， Beijing 100081， China）

Abstract： In order to compensate the influence of the array antenna steering vector mismatch， the vector correlation direction finding method based on the robust Capon beamforming technology is proposed. Different from the conventionnal correlation interference direction finding technology using the phase difference， the new method uses robust Capon beamforming technology to estimate the true steering vector of the target signal， and then determe the direction of the target signal by the steering vector correlation fitting. The selection principle of uncertain constraint parameter was obtained through simulation analysis. The simulation results shows that the method can compensate the impact of the steering vector mismatch， and measure the target signal direction accurately.

Keywords： array signal processing； robust beamforming； vector correlation direction finding； steering vector correlation fitting； intersection docking

0 引 言

采用微波雷达进行空间交会对接测角具体技术实现方式主要包括：多基线干涉仪测角与和差波束比幅单脉冲测角[1]。在实际应用中天线阵列不可避免地存在各种误差（如通阵元位置扰动误差、通道幅相误差），这些误差会导致实际的阵列流型与理想状态存在偏差、接收到的实际信号与理想信号存在偏差，从而使得基于多基线干涉仪测角方法性能下降、出现解模糊错误；使得利用标准Capon波束形成技术[2]（SCB）形成的方向图与理想方向图存在偏差，从而导致导致波束扫描测角方法性能的下降[3?5]。

为了克服阵列误差带来的阵列流型失配和输出信干噪比下降等不利影响，在过去30年里，出现了很多优秀的改善波束形成的稳健性方法，主要可分为基于特征空间的自适应波束形成、多点约束和对角加载技术等几类[3，6?12]。其中，典型算法包括线性约束最小方差（LCMV） 波束形成技术，该方法是通过增加点约束、导数约束等条件，对自适应权矢量进行有效的约束，从而提高算法的稳健性，但该算法占用了系统的自由度，增加了系统的复杂度。文献[13]提出了基于不确定集的稳健Capon波束形成方法（RCB），该方法将要估计的信号功率作为目标函数，在给定的误差范围内对导向矢量进行搜索，选择与波束形成输出功率的最大值对应导向矢量作为真实导向矢量的估计，并用估计的导向矢量进行波束形成。该方法的最大优点在于其权矢量具有扩展的对角加载形式。

本文基于RCB算法提出用于航天器空间交会对接的矢量相关测角方法，弥补阵元位置扰动等系统误差的影响，估计目标信号真实导向矢量，通过相关搜索，实现目标信号来波方向的准确测量。

1 阵列信号模型

假设[K]个窄带远场信号入射到[M]元均匀线阵[（ULA）]上[（K

[X（t）=AS（t）+N（t）] （1）

式中快拍矢量[X（t）=x1（t），x2（t），…，xM（t）T]；噪声矢量[N（t）=n1（t），n2（t），…，nM（t）T]均为[M×1]维的阵列接收数据；信号包络[S（t）=s1（t），s2（t），…，sK（t）T]；基于均匀线阵的导向矢量矩阵[A=a1，a2，…，aK]，其中[ai]为第[i]个信号对应的导向矢量。

图1 等距线阵示意

以第一个阵元为参考阵元，则等距线阵的导向矢量可表示为式（2）：

[ai=a（θi） =1，ej2πλdsinθi，ej2πλ2dsinθi，…，ej（M-1）2πλdsinθiT] （2）

式中：[λ]为目标信号波长；[θi]为第[i]个信号来波方向；[d]为阵元间距。

阵列的输出是对接收信号矢量[X（t）]在各阵元上分量的加权和，加权矢量为[W=[w1，w2，…，wM]T]，其中[wq]为第[q]个加权系数，则阵列的输出为：

[y（t）=WHX（t）=m=1Mw*mxm（t）] （3）

阵列输出功率为：

[P=E{y（t）2}=E{WHX（t）XH（t）W}=WHE{X（t）XH（t）}W] （4）

式中[E{?}]表示数学期望；定义[R=E{X（t）XH（t）}]为阵列接收信号的相关矩阵。

2 基于RCB算法的矢量相关测角

2.1 稳健Capon波束形成技术原理

RCB是由LiJian提出的一种自适应波束形成的稳健算法，该算法将实际期望信号导向矢量约束于某种不确定集中，对导向矢量进行搜索，选择与波束形成输出功率的最大值对应的导向矢量作为真实导向矢量的估计，从而有效避免了因阵列流形失配而导致的性能下降，所得自适应权具有对角加载形式。其加载量可由误差不确定集的参数计算，既克服了加载量难以控制的不足，也达到了提高稳健性，优化输出性能的目的。基于球形不确定集约束的稳健Capon波束形成算法的优化模型如下：

[minas～ asHRass.t. as-as～2≤ε] （5）

式中：[ε]为球形不确定集约束参数；[as～]代表理想信号导向矢量，可以由实际的天线阵列形式得到；[as]代表实际的导向矢量。对于该最优化问题，最优解取在约束集合的边界上，因此得二次等式约束的二次最优化问题如下：

[minas～ asHRass.t. as-as～2=ε] （6）

在上述等式约束下，可以避免平凡解[as=0]的出现，除非[ε=as～2]即此时[as=0]位于约束集合的边界上。对于上述等式约束最优化问题，利用Lagrange乘数法进行有效求解有：

[f（as，λ）=asHR-1as+λL（as-a～s2-ε）] （7）

式中[λL]为Lagrange乘数。对式（7）关于[as]求导，并令其等于0，可得最优解：[a^s=R-1λL+I-1a～s]；利用矩阵求逆引理可得：[a^s=a～s-I-λLR-1a～s]。

因此根据标准Capon波束形成算法最优加权矢量的计算公式可得：[ω0=（R+1λLI）-1a～saHs～（R+1λLI）-1R（R+1λLI）-1a～s]；最优Lagrange乘数[λL]可以利用牛顿迭代法通过求解约束方程[g（λL）=（I+λR）-1a～s2=ε]获得；然后代入最优权矢量表达式[a^s=a～s-I-λLR-1a～s]，从而获得对目标信号导向矢量的估计值；代入最优加权矢量的计算公式即得最优导向矢量估计值。

RCB算法原理示意图如图2所示，[θs?]代表理想导向矢量[a～s]对应方向，[θs]代表真实导向矢量对应方向。假设阵元数M=2，则[as-as～2≤ε]表示以[a～s]为中心、半径为[ε]的球。最优导向矢量的估计就是在球形区域[as-as～2≤ε]内搜索使[asHRas]最小的导向矢量[a^s]；最优导向矢量出现在球的边界上，即[as-as～2=ε]，通过Lagrange乘数法的求解可以获得目标信号真实导向矢量的估计值[a^s]。

图2 RCB算法原理

2.2 矢量相关测角原理

对于确定的天线阵和目标信号，有式（1）、式（2）所示的接收信号模型和与目标信号方向有关的导向矢量。由式（2）可知，在信号波长和阵元间距一定的条件下，加权向量和导向矢量与目标信号方向有关。加权向量和导向矢量形式与相关干涉测角方法中使用的相位差样本具有相同的效果。因此，可以借鉴相关干涉仪的测角原理，利用导向矢量进行目标信号角度的测量[14?17]。

对于确定入射信号（与其对应的导向矢量[as（θ）]），可按式（8）所示代价函数进行计算获得相关序列，并以相关序列的极大值方向作为目标信号方向的测量值：

[P（θi）=aHs（θ）・a（θi）aHs（θ） ・as（θ）・aH（θi） ・a（θi）] （8）

式中：[a（θi）（i=1，2，…，N）]为[θL，θR]测角范围内等间距选取若干个入射角为[θi（i=1，2，…，N）]信号对应的导向矢量，作为本地的参考样本。

由于阵元位置扰动等系统误差的影响，很难获得目标信号真实导向矢量[as（θ）]，这势必会影响相关测角性能。因此，借鉴RCB原理，提出基于RCB算法的矢量相关测角方法；在[θL，θR]测角范围内利用RCB算法对目标信号真实导向矢量[as（θ）]进行估计，将[as（θ）]的最优估计值按照代价函数式（8）进行相关运算，从而实现目标信号方向的测量。

2.3 算法步骤

步骤1： 针对基于球形不确定集约束稳健Capon波束形成算法进行求解：

（1） 根据阵列系统误差经验知识确定参数[ε]；

（2） 利用Lagrange乘数法和牛顿迭代法对目标信号真实导向矢量[as（θ）]进行估计；

（3） 利用最优加权向量控制波束指向目标信号。

步骤2：将估计得到的导向矢量[as（θ）]与本地存储的导向矢量样本[a（θi）][（i=1，2，…，N）]在[θL，θR]范围内按照代价函数式（8）进行相关运算，形成相关序列。

步骤3：搜索相关序列中的极大值，极大值点对应的[θi]即为真实目标信号方向。

3 仿真分析

在空间交会对接环境中主要以单目标信号为主，因此设置仿真条件：目标信号为窄带单信号源，来波方向为[0°]；天线为10阵元的均匀直线阵、每个阵元均为全向天线、理想状态下相邻阵元间距为半个波长；阵元位置扰动引起导向矢量误差范数为[as-as～2=0.543 6]（利用SCB生成方向图偏离真实信号方向[0.8°]）；采样快拍数为200。

在上述假设条件下，利用相同的快拍数据针对参数[ε]对测向结果的影响进行分析如图3所示。可以发现随着参数[ε]从小到大变化，导向矢量相关图最大值点对应角度（即测向结果）趋向于真实值[0°]；当[ε]大到一定数值后，测向结果趋于稳定。因此，得出同文献[18]相似的结论；区别在于本方法以测向精度为衡量准则，根据经验设定较大的参数[ε]时可以实现目标信号的准确测量。

图3 测角结果随参数[ε]变化情况示意

在设置参数[ε=6]情况下，RCB算法可以有效克服阵元位置扰动系统误差的影响，生成的方向图接近于理想状态下方向图，并且对准目标信号方向；而SCB受到系统误差的影响生成的方向图偏离目标信号方向。方向图对比示意如图4所示。

在设置参数[ε=6]情况下，利用本文算法在[θL，θR]范围内按照代价函数式（8）形成相关序列，相关序列的最大值即对应目标信号方向，测角误差为[0.02°]；而标准Capon空间谱估计算法[3]，由于受到阵列系统误差的影响，测量结果偏离真实信号方向，测角误差达到了[0.8°]。对比示意如图5所示。

图4 方向图对比

图5 空间谱估计与矢量相关测角对比

由述仿真分析可知，本文所提算法在合理设置参数[ε]时，可以有效弥补阵元位置扰动等系统误差的影响，实现对目标信号来波方向的准确测量。

4 结 语

本文在空间交会对接微波测量技术背景下，为了弥补阵元位置扰动等系统误差对测向性能的影响，提出了基于稳健Capon波束形成技术的矢量相关测角方法，对不确定集约束参数的选择进行了仿真分析。通过仿真可知，在不确定集约束参数合理设置的情况下，该方法能够准确测量目标信号方向。

参考文献

[1] 刘嘉兴.空间微波交会雷达综述[J].电视技术，2001（1）：13?18.

[2] CAPON J. High resolution frequency?wave numberspectrum analysis [J]. Proceedings of IEEE， 1969， 57： 1408?1418.

[3] 王永良，丁前军，李荣峰.自适应阵列处理[M].北京：清华大学出版社，2009.

[4] 刘聪锋.稳健自适应波束形成算法[M].西安：西安电子科技大学出版社，2012.

[5] ABRAMOVICH Y I， SPENCER N K， GOROHKOV A Y. Resolving manifold ambiguities in direction of arrival estimation for nonuniform linear antenna arrays [J]. IEEE Transactions on Signal Processing， 1999， 47（10）： 2629?2643.

[6] VINCENT F， BESSON O. Steering vector errors and diagonal loading [J]. IEEE Proc?Radar Sonar Navigation， 2004， 151（6）： 337?343.

[7] 徐定杰，贺瑞，沈锋.单志明基于收缩方法的稳健自适应波束形成算法[J].华中科技大学学报：自然科学版，2012，40（12）：75?79.

[8] 杨鹏，杨峰，聂在平，等.基于阵列流型分离的稳健自适应波束形成[J].遥测遥控，2012，33（2）：22?26.

[9] BESSON O， VINCENT F. Performance analysis of beamformers using generalized loading of the covariance matrix in the presence of random steering vector errors [J]. IEEE Transactions on Antennas Propagation， 2005， 53（2）： 452?459.

[10] ZHU L Y， ER M H. A robust minimum variance beamformer with new constraint on uncertainty of steering vector [J]. Signal Processing， 2006， 86： 2243?2254.

[11] ROBERT G L， STEPHEN P B. Robust minimum variance beamforming [J]. IEEE Transactions on Signal Processing， 2005， 53（5）： 1684?1696.

[12] VORBYOV S A， GERSHMAN A B， LUO Z Q. Robust adaptive beamforming using worst case performance optmiization a solution to the signal mismatch problem [J]. IEEE Transactions on Signal Processing， 2003， 51（2）： 313?324.

[13] LI J， STOICA P， WANG Z S. On robust Capon beamforming and diagonal loading [J]. IEEE Transactions on Signal Processing， 2003， 51（7）： 1702?1715.

[14] 安效君.改进的干涉仪测向方法研究[J].无线电工程，2009， 39（3）：59?61.

[15] WU Y W， RHODES S， SATORIUS E H. Direction of arrival estimation via extended phase interferometry [J]. IEEE Transactions on AES， 1995， 31（1）： 375?381.

[16] 肖秀丽.干涉仪测向原理[J].中国无线电，2006（5）：43?49.

多波束形成的基本原理篇3

【关键词】TD-SCDMA 智能天线 广播波束赋形 网络优化

1 引言

中国移动TD-SCDMA在湖南长沙正式放号商用已过去一年半。一年多以来，得益于TD网络优化工作的持续深入，TD网络质量得到了明显的改善。TD无线网络优化，主要是通过调整各种相关的无线网络工程参数和无线资源参数，提高系统的关键无线网络指标。其中工程参数优化主要是通过调整天线的倾角、方向角和挂高等或者更换天线类型来达到控制小区的覆盖范围、减少导频污染、控制系统内干扰水平的目的；无线资源参数优化主要是通过调整各种相关的无线资源参数，使得网络的接入成功率、切换成功率和掉话率等指标维持在一个运营商和客户都满意的水平上。

智能天线是TD的关键技术之一，它提高了接收灵敏度，抑制干扰信号，提高了系统容量，这都是智能天线的显著优点。除此之外，智能天线还具有一个相对普通天线最大的优点――智能天线广播波束赋形，这一特点可以给优化工作带来很大的灵活性和便利性。

2 智能天线广播波束赋形基本原理

智能天线本质上是一种多阵元天线系统，通过对各阵元赋予激励信号不同的相位和幅度（也称权值）可以产生不同的波束宽度或半功率角以及半功率角的水平偏移，即形成不同的波束赋形，可以是业务波束的赋形，也可以是广播波束的赋形。

业务波束是在建立具体的通话链路后形成的。智能天线首先对有用信号及干扰信号的方向进行预测，根据预测结果对每一个用户形成一个跟踪波束，自适应地将跟踪波束的主瓣方向对准用户信号方向，同时波束的零点方向对准干扰信号方向，从而降低干扰，扩大小区半径，提高系统容量。

广播波束是在广播时隙TS0和下行导频时隙DwPTS中形成的。智能天线广播波束赋形的原理可以参考图1。

在广播时隙或下行导频时隙，基带输出信号通过功分器分发到智能天线的N个激励单元，每个激励单元对通过本分路的信号施以相应的激励（也称为权值）Wi（i=1,2,…,N），包括对幅度的激励和对相位的激励。经过激励的各分路信号经过射频组件后从各自的天线单元发射出去，而智能天线的广播波束赋形图即是各天线单元辐射场图的合成。其合成方向图的数学表示为：

（1）

其中，i表示第i个单元，k为波数，dx为相邻单元的间距，θ为离阵面法线方向的偏离角。|Wi|为单元激励权值Wi的幅度部分，φi为Wi的相位部分。fi(θ)为第i个单元在阵中的有源方向图（以第i个单元的相位中心为相对坐标原点），F(θ)为合成的阵列方向图。

在天线仿真或实际的天线测量中，通常容易获得第i个单元在阵中的有源方向图fi’(θ)，其与fi(θ)的对应关系为：

（2）

因此，合成方向图F(θ)也可以表示为：

（3）

由式（3），F(θ)也可进一步表示为fi’(θ)的复权值叠加：

（4）

式（4）中，由于fi’(θ)已经获得（可以是测量得到或从天线厂家得到），通过试探改变复权值Wi的设置，就可以不断地调整合成方向图F(θ)，从而尽可能地逼近所期望合成的广播波束方向图Fdest(θ)。最终，把能够实现F(θ)与Fdest(θ)最佳逼近的一组权值（W1,W2,…,Wn）作为智能天线的广播波束权值输入，就可以得到与期望广播覆盖效果的最佳逼近。这就是智能天线广播波束赋形的基本原理。

通过多种方式对广播波束的赋形，可以实现对广播信号覆盖的控制，如：（1）改变波束宽度，需要注意的就是旁瓣的抑制问题；（2）改变波束的指向，使得广播波束可以根据负载的变化改变扇区的指向；（3）改变波束的形状，形成特殊场景需要的覆盖形状，比如马鞍形。图2给出了广播波束赋形的一种效果，通过赋形使方向图成为马鞍形（图2右），这种效果可以应用于一些特殊场景。

3智能天线广播波束赋形在优化工作中的应用

TD智能天线的高可调谐性决定了TD无线网络的优化模式必然与GSM无线网络有着显著区别：前者主要是通过对智能天线各阵元的权值参数调整来实现，而后者主要通过对2G天线的机械调整来实现。具体的区别如表1所示：

表1TD智能天线和GSM天线在网络优化中的差异

主要区别点 智能天线 2G常规天线

基站覆盖的优化手段 权值调整和机械调整 机械调整（调整倾角和方位角）、更换天线类型（调整天线的增益和半功率角）

天线半功率角的大小 需通过权值参数来控制广播波束宽度，波束宽度可根据需求灵活配置 出厂固定配置，有30度、65度、90度、120度等类型，属硬件特性

方位角的

调整 可通过调整权值来实现波束水平偏移 机械调整

覆盖形状的

调整 通过权值调整可灵活地调整小区的覆盖形状，尤其适用于特殊场景的优化 无法灵活调整

在日常优化过程中，可以利用智能天线广播波束赋形的特点来实施网络优化，通过修改天线权值即可改变广播波束宽度或波束形状，甚至方位角。这里给出利用广播波束赋形实施TD无线网络优化的流程，如图3所示。

（1）采用路测的方法（也可以基于用户投诉），采集目标小区的覆盖数据；

（2）对数据进行分析，找出弱覆盖、覆盖盲区或导频污染区等问题区域；

（3）结合电子地图和基站分布情况，确定问题区域最合理的主覆盖小区，进而确定该小区的覆盖边界和覆盖区域形状；

（4）将所希望的小区覆盖边界和形状输入到中国移动开发的智能天线广播波束赋形软件中，得到本小区多阵元天线的广播波束赋形参数文件，通过OMCR端配置对应小区天线的广播波束赋形参数从而对问题区域进行优化；

（5）每次调整完广播波束的赋形参数，按照原有路线再次路测，采集新的数据来验证优化效果是否达到预期的水平，循环往复，直到整个网络的指标达到满意的程度。

在上述优化流程中，比较关键的环节是步骤（4），该环节可以通过中国移动开发的智能天线广播波束赋形软件实现。该软件能够基于给定的广播波束赋形图，通过人工辅助调节的方式得到一组最佳权值，用该组权值作为智能天线的输入而产生的实际广播波束赋形能够实现与目标广播波束赋形尽可能地逼近。图4所示为该软件界面。

4 结束语

利用TD智能天线广播波束赋形特点，同时借助于智能天线广播波束赋形软件，通过修改智能天线的权值数据从而改变广播波束宽度或波束形状甚至方位角，可以高效实施网络覆盖优化。这种优化方式在工程建设阶段的网络优化中，可减少工程参数调整的工程实施难度，降低施工危险，加快网络覆盖优化的速度；在维护阶段的网络优化中，可大大减少日常网络优化上天面调整天馈系统的工作量，很大程度地降低由于反复上站造成的站址业主反感度，有利于协调移动公司和业主的关系。

相比目前所采用的人工调整工程参数的方法，调整广播波束的方法具有精度高、调整方便、调整前后对比方便、可以网络化操作等特点，有利于网络优化向集中化、信息化、标准化、智能化方向发展。

参考文献

[1]李世鹤. TD-SCDMA第三代移动通信系统标准（第1版）[M]. 北京: 人民邮电出版社,2003.

[2]彭木根,王文博. TD-SCDMA移动通信系统（第2版）[M]. 北京: 机械工业出版社,2007.

[3]黄小实. 浅谈TD-SCDMA智能天线基本原理和测试方法[J]. 电子设计应用,2009(10): 10-11.

【作者简介】

多波束形成的基本原理篇4

【关键词】TD-LTE MIMO TM8 双流波束赋形

1 引言

TD-LTE在R9阶段新增了双流波束赋形技术，共八种传输模式，每种模式对应了不同的MIMO（Multiple-Input Multiple-Output，多输入多输出）传输形式，其中模式7、模式8又是针对TDD系统所特有的波束赋形技术[1]，模式7的波束赋形技术在一阶段测试时，已经较为充分地验证了其性能的优越性。针对边缘用户以及无线环境不理想的情况下，TM7（单流波束赋形）对于改善无线环境、提高用户感知、提升小区的整体吞吐量有着较为重要的作用。TM3（开环空间复用）目前采用的2*2MIMO，可以针对同一个用户传输双流，理论上翻倍地提高了单用户的峰值吞吐量，直接体现了TD-LTE系统的性能优越性[2]。正是基于此，TM8（双流波束赋形）同时取纳了开环空间复用与单流波束赋形的优点，将空间复用与波束赋形有机地结合起来，这样在改善无线环境的同时又能尽量合理地提高用户的吞吐量。

2 TM8原理简介

双流波束赋形技术应用于信号散射体比较充分的条件下，是智能天线波束赋形技术和MIMO空间复用技术的有效结合，在TD-LTE系统中，利用TDD信道的对称性，同时传输两个赋形数据流来实现空间复用，并且能够保持传统单流波束赋形技术广覆盖、提高小区容量和减少干扰的特性，既可以提高边缘用户的可靠性，还能有效提升小区中心用户的吞吐量[3]。

根据多天线理论可知，接收天线数不能小于空间复用的数据流数。8天线双流波束赋形技术的使用，接收端至少需要有2根天线。根据调度用户的情况不同，双流波束赋形技术可以分为单用户双流波束赋形技术和多用户双流波束赋形技术。

2.1 单用户

单用户双流波束赋形技术：由基站测量上行信道，得到上行信道状态信息后，基站根据上行信道信息计算两个赋形矢量，利用该赋形矢量对要发射的两个数据流进行下行赋形。采用单用户双流波束赋形技术，使得单个用户在某一时刻可以进行两个数据流传输，同时获得赋形增益和空间复用增益，从而可以获得比单流波束赋形技术更大的传输速率，进而提高系统容量。

2.2 多用户

多用户双流波束赋形技术：基站根据上行信道信息或者UE反馈的结果进行多用户匹配，多用户匹配完成后，按照一定的准则生成波束赋形矢量，利用得到的波束赋形矢量为每一个UE、每一个流进行赋形。

多用户双流波束赋形技术利用了智能天线的波束定向原理，实现多用户的空分多址。

2.3 应用场景

8天线双流波束赋形技术是TD-LTE建网的主要技术，应用于室外场景的宏小区覆盖，可以有效地增加空间隔离度，降低数据流之间的干扰。利用4+4双极化天线，使用双流波束赋形技术可实现室外宏小区覆盖。

2.4 双流波束赋形的参考信号时频图

LTE R9版本中对于DM-RS（Demodulation Reference Signal，解调参考信号）参考信号的引入不是R8解调参考信号的简单延伸，而是一个新的结构。如果基于R8的DM-RS结构，将难以实现，因而R9版本引入了一个新的、更加面向未来的结构，而不是扩展R8结构以支持两个参考信号。如图1所示，在双流波束赋形的传输模式下，采用12个资源块对的参考信号，这12个资源块均为两个参考信号所用，参考信号之间的干扰是通过给连续的参考符号对使用相互正交的模式来处理，即正交覆盖代码（OCC），除了相互正交的模式，还可以给这些参考符号使用一个伪随机序列[4]。该序列对这两个参考信号相同，因此不会影响传输参考信号之间的正交性。相反，伪随机序列是为了在所谓的MU-MIMO传输的情况下区分给不同终端的解调参考。

3 TM8性能探讨

3.1 提高单用户吞吐量

双流波束赋形既采用了双流来提高吞吐量，又采用了波束赋形来抗干扰。由于赋形技术更适合边缘用户，因此相较于开环空间复用，双流波束赋形更适合应用于中点、差点等相关位置。如图2所示：

分别定义好点、中点、差点的SINR范围，为了使对比更加明显，在好点、中点、差点分别采用开环空间复用（TM3）和双流波束赋形（TM8）对单个用户的吞吐量进行测量。从图2可以发现，在好点，TM3的性能与TM8相差无几，基本持平；在中点以及差点，TM8的赋形增益逐渐较好地体现出来，由部分实验结果可知，在中点TM8较TM3的性能提升约40%，在差点TM8的性能体现得更为明显，性能提升约70%。

以上分析均为TM8相较于TM3的性能体现，下面对比一下TM8相较于TM7的性能优劣，如图3所示：

由图3分析可以得出，TM8相较于TM7在好点、中点、差点的性能增益的提高趋势，与TM8跟TM3的增益趋势截然相反。在好点TM3的增益较TM7约为50%，在中点约为25%，在差点TM8的性能与TM7相差无几，基本持平。归其原因，笔者认为：在好点，由于TM8大多采用了双流，速率会成倍提高；在中点，由于信道环境不如好点理想，因而TM8双流与单流均有采用，但整体上会比单流波束赋形速率高；在差点，TM8也大多采用单流，所以与TM7的性能基本持平。

综合各种相关因素，笔者认为TM8更适合应用于无线环境较好的中点环境，相较于TM3、TM7两种常采用的传输模式，性能均有较大提升，从而整体上提高用户的感知。

3.2 提升小区吞吐量

对于小区吞吐量的提升效果验证，通过在全小区采用开环空间复用（TM3）、全小区采用单流波束赋形（TM7）、全小区采用模式3/7自适应、全小区采用TM8四种情况下进行对比测试。测试条件均为单小区20MHz带宽，2：2时隙配置。如图4所示：

由图4可见，TM3、TM7以及TM3/7自适应三种情况下，各自对应的小区吞吐量为TM3/7自适应最高、TM3次之、TM7最低。同时也印证了模式自适应较固定模式的优势，由于TM7始终为单流，因而小区吞吐量最低。这三种情况相较于TM8模式，无论是小区采用开环空间复用还是单流波束赋形的小区吞吐量均不如双流波束赋形的高，TM8对于小区吞吐量的抬升较为明显。统计数据显示，TM8对于小区吞吐量的提升有10%～30%的增益。

3.3 双流波束赋形抗小区间干扰

双流波束赋形由于其赋形特性，对于小区边缘用户间的干扰具有很强的协调作用，从而降低了小区间的干扰。对于小区间的干扰直接体现为SINR指标的抬升，如图5所示：

可以推知在全网平均SINR值以及边缘用户的SINR平均值，TM8模式均较TM7、TM3两种模式的性能有所提升，从而优化了全网的无线环境，实现小区间的干扰协调作用。

4 总结

结合上述分析结果不难发现，双流波束赋形技术无论是在技术实现原理层面还是在现网的实验结果层面，均有一定的技术优势，尤其是对于单用户小区吞吐量的抬升、全网吞吐量的抬升以及无线环境的优化和抗干扰方面均有其自身特点。因此，双流波束赋形是R9阶段TD-LTE不可或缺的一项创新，为推动TD-LTE技术的发展起着较为重要的作用。

参考文献：

[1] 沈嘉，索士强，全海洋. 3GPP长期演进（LTE）技术原理与系统设计[M]. 北京： 人民邮电出版社， 2008.

[2] 王映民，孙韶辉. TD-LTE技术原理与系统设计[M]. 北京： 人民邮电出版社， 2010.

[3] 郭建光，李寿鹏. TD-LTE传输模式性能分析[A]. 2011 TD-LTE网络创新研讨会论文集[C]. 2011.

多波束形成的基本原理篇5

1.1基本概念及工作原理

在移动通信中,智能天线是天线阵在感知和判断自身所处电磁环境的基础上,依据一定的准则,自动地形成多个高增益的动态窄波束,以跟踪移动用户,同时抑制波束以外的各种干扰和噪声,从而处于最佳工作状态。智能天线吸取了自适应天线的抗干扰原理,依靠阵列信号处理和数字波束形成技术发展起来。由于天线有发射和接收两种状态,所以智能天线包含智能化发射和智能化接收两个部分,它们的工作原理基本相同。图1所示的是处于接收状态的智能天线结构图。现以发射状态的智能天线为例,说明波束的形成。将M维信号矢量S(t)=(s1(t),s2(t),...sM(t))T与一个N×M阶加权矩阵W相乘,得到一个N维的阵信号矢量X(t)=W×S(t)。其中,X(t)=(x1(t),x2(t),x3(t),…xN(t))T,在远区产生的场强为:

显然,Σnwnmfn(θ)表示单路信号sm(t)的辐射方向图。一旦天线阵确定下来后,它的方向性函数fn(θ)也随之确定,于是只要通过改变wnm就可形成所需要的辐射方向图。

1.2组成及关键技术

(1)射频部分

射频部分包括阵列天线和高频处理。在移动通信系统中,天线阵通常采用直线阵和平面阵两种方式。阵的形式确定下来后,天线单元的选择非常关键,除了必须满足系统提出的频带、驻波比、增益、极化等性能指标外,在实际中还要做到单元间的互耦小、一致性好和加工方便等,微带天线凭借自身特有的优势,已经在这方面得到广泛的应用。高频处理主要是指对接收或发射信号进行放大,以满足A/D变换或发射功率的要求。考虑到智能天线对误差非常敏感,还要保证射频部分各个支路幅度和相位的一致性。

(2)中频部分

目前受数字器件水平的限制,还不能直接对来自天线单元的微波信号进行采样。较为常用的办法是:先利用下变频器将微波高频信号变到中频,然后使该支路的模拟信号经过滤波和放大等中频处理,最后对它进行采样,典型的实现方法有两种,分别如图2(a)、(b)所示。

图2(a)所示的是双下变频接收机,通过两级混频器,完成高频信号到中频的变换。这种接收机的优点是降低了对A/D变换器采样速率的要求,而且整个接收机的增益分配也有一定的灵活性。图2(b)为直接采样接收机,它借助于更快速度的A/D变换器和其他一些辅助的数字器件,在中频直接对信号进行采样,避免了信道中I和Q两路信号的匹配问题。图中均衡器的作用是补偿各支路间幅度和相位的不一致。

(3)数字波束形成部分

数字波束形成(DBF)是智能天线的核心部分,在硬件上需要有高速率的数字信号处理芯片支持。目前能用于该领域的数字器件主要有两种:一种是通用的DSP芯片,如TMS320系列;另一种是专用集成电路(ASIU),其中最为典型的是能进行大规模并行处理的FPGA。数字波束形成在软件上需要有收敛速度快、精度高的自适应算法,以调整加权系数。目前在通信领域研究得较多的算法主要有:LMS及其改进算法RLS、SMI和CMA等。值得注意的是基于特征值分解的自适应数字波束形成算法越来越受到重视,它不仅能很好地与超分辨测向算法统一起来,而且能自动校正通道不匹配、阵元位置偏差等许多因素所产生的误差,具有很强的鲁棒性(Robust),缺点是计算量大。由于移动通信环境非常复杂,各种算法都有其优缺点,需要相互并用才能取长补短,使系统的性能最佳。

多波束形成的基本原理篇6

行水下隐蔽工程检测的关键技术环节和解决方法；并依托某坝体工程，研究了多波束系统的具体工程检测效果。

关键词：水下隐蔽工程检测多波束

水下隐蔽工程的质量一直是水运工程检测行业关注的焦点，其检测工作中主要存在着地质复杂，水流紊乱以及检测范围狭小等难题。作为常规检测方法的水下探摸、侧扫声纳、水下机器人等均存在测试范围狭小、精度低、速度慢等缺陷，影响了水下检测的质量。因此，有必要引进一种新的技术，提高水下隐蔽工程的检测效果。

多波束检测技术采用了广角度和多信道定向接收技术，能够精确快速测出沿航线一定宽度范围内水下目标的大小、形状和高低变化，从而比较可靠地描绘出水下物体的精细特征。因此研究如何把多波束系统应用于水下隐蔽工程检测具有十分重要的意义。

多波束系统

多波束系统的工作原理主要是利用水下声纳模块发射和接受脉冲声波。多波束系统是由多个子系统组合而成的综合系统，多波束系统大体上可分为多波束声学系统、多波束数据采集系统、数据处理系统、辅助传感器和成果输出系统五个部分。

工程实例应用

某混凝土面板堆石坝于2007年建成后，坝体一直在沉降，个别面板处渗流比较大，因此需检查面板是否存在空洞和不均匀沉降。但是由于地质条件复杂，检测的手段有限。因此考虑尝试利用多波束系统对面板水下部分进行检测，以判断面板是否存在不均匀沉降变形。

本次检测采用丹麦Reson公司SeaBat7125多波束系统。

1、测区布置

主要从横向和纵向全方位对主板面板进行大范围的立体扫测。主坝面板检测主要集中在面板周围30m，该区域即为测线布置区域。

2、多波束系统调试

多波束系统调试最主要是进行船体坐标系统的建立、设备安装和校准，该环节的工作质量将直接影响最终的检测精度。

在仪器安装定位后，进行船体坐标系的建立，以确定水底测点的空间关系，实现多波束的空间位置转化。并建立一个当地坐标系，实现水深数据到大地坐标系的转换。

坐标系建立后，分别量取GPS天线、罗经、声纳探头相对于参考点的位置，往返各量一次，取其中值。

船体坐标系建立完成后，还需对Seabat7125多波束系统进行安装校准，即测定声纳测头、罗经和运动传感器的安装偏差（roll，pitch，yaw）。

3、多波束原始数据的采集和选取

根据主坝面板特点，对面板进行区域划分。将整个面板沿坝体长度方向划分纵断面，并以某确定断面为起点，右边面板依次标记为R1～R5，左边面板依次标记为L1～L9；将整个坝面沿与坝体垂直方向划分横断面，于基准高程为10m、20m、30m、40m、50m处依次标记为H1～H5（见图1）。

图1某大坝主面板分块标记示意图

本次检测共采集到3345个侧扫剖面的原始数据，每个剖面均包含某处面板由江侧至坝侧的256个数据。选择具有代表性的第2015侧扫剖面数据进行分析，其中每个侧扫剖面含有256个数据，获得侧扫剖面数据的水深与波束序号的关系如图2所示。

图2侧扫剖面深度与波束关系图

图2反映了水深和波束序号的关系，从图中可以看出测船是沿着大坝面板斜面在航行，曲线的形状表示的是大坝面板形状，从测船发射的波束扫描范围为水下6m到1m左右。

4、数据的声速改正

利用多波束系统测得的声速数据对原始数据进行改正。根据声速跟踪法进行声速改正，既可得出相应的声速改正曲线图。其声速改正图如图3所示。

图3剖面声速改正后对比图

从图3可以看出，声速改正后的数据比原始数据略微要小一点，而且这个特点在深度越深的地方越明显，由此可以得知，随着水深的增加，原始数据会出现偏差。

5、数据的涌浪改正

涌浪改正主要是修正涌浪对多波束系统的影响。涌浪改正选用GPS验潮的线性内插值法，进行涌浪数据插值，然后对各水深值进行涌浪改正。

将声速改正后的数据进行涌浪改正，涌浪改正后剖面与深度关系图如图4所示。

图4剖面涌浪改正后对比图

由图4可知，经过涌浪改正和声速改正后的剖面深度数据与原始数据相差不大。

图5中两两曲线之间的空隙即为声速和波浪对多波束系统检测时造成的影响。由图可知，声速的改变和涌浪的误差较小。

图5剖面深度波束关系图

蓝色表示原始数据波束曲线

红色表示声速改正后波束曲线

绿色代表涌浪改正后的波束曲线

6、断面结果分析

将采集到的数据，全部通过声速改正和涌浪改正之后，各水深数据将不再与时间有关而是与坐标系相关，并且将船坐标系统转化到了大地坐标系，然后再进行多波束探头的横摇、侧摇以及纵摇的修正，就可以得出断面图（见图6）。通过深度和高程坐标的关系可以得出14个检测断面的斜率，根据斜率情况，既可判断大坝的面板是否发生了变形和沉降。

图6 断面深度距离关系图

由14个断面的断面图可直接得出每一块面板的高程与水深深度关系。根据高程与水深深度关系可直接计算出14个断面的斜率，结果见表1所示。

表1 断面斜率结果

由于该面板的设计斜率为1：1.4，由表3可知，坝体面板测试区域内的14个断面的斜率与设计斜率基本一致。

7、三维图像分析

为更直观反映检测结果，可利用检测数据直接生成三维成像图，如图7所示。

图7 某大坝三维投影平面图

该图反映了该坝上游面板及水下地形情况，从图7中可以看出，面板测试范围内（L9断面到R5断面）均未出现大的变形及空洞现象，面板深度方向变化均匀，未见不均匀沉降现象。因此可判定该坝面板表面并未发生变形、沉降及空洞，满足设计及使用要求。

多波束形成的基本原理篇7

关键词：被动声呐，三元基阵测距，时延估计，互相关处理，波束形成

 

1 引言

基于三元子阵时延估计的被动噪声测距声呐利用球面波或柱面波的波阵面曲率变化，通过测量各阵元的相对时延，估计目标的距离和方位。其测距精度与时延估计精度、目标距离、方位、基阵孔径、基阵安装精度、信号强度等因素有关，其中时延测量精度是关键。原因主要有三个方面：

第一，虽然增大阵长可减小测时误差带来的影响，但由于声纳装载平台尺度的限制，阵长不能无限增大，所以测距精度取决于测时精度。

第二，可以证明，被动测距的相对误差等价于时延估计的相对误差即：

(1)

根据这一公式，我们可以清楚被动声呐所面临的问题。倘若孔径为51米的等间距布阵的声呐，测量相距25公里的目标，时延差值（最大值）约为17.3,如果要求相对误差为10％，则时延估计精度不能大于1.73,在海洋环境中要做到这一点非常困难。

第三, 在被动声纳定位系统中，时延估计是进入后续处理模块前关键的一步。

随着处理时间的推移，接收信号并不能总是被假设为平稳的。论文参考。海洋作为传播介质具有极其复杂的特征，同时又存在时空相关特性，使得信号辐射本身就是不平稳的，而且，发射和接收之间的相对运动通常也是不可忽略的。传统声呐估计时延的通常方法是，对接收信号适当滤波，计算广义互相关函数，对输出平均秒，选取相关波形图中最大峰对应的时延作为粗延估计值，这里，平均时间受目标运动引起的多普勒的影响（运动导致了互相关损失）。然后，用余弦函数四点内插进行精延估计，最后用Kalman滤波器作为后置处理器对时延测量序列进行滤波。

为提高测距精度，本文对在声呐系统中影响时延估计精度的波束形成、相关系数的处理、采样频率等信号处理环节进行了讨论，并进行必要的仿真分析，旨在确立改善时延估计精度的措施。

1 波束形成的设计

传统声呐的波束形成采用大量的分类元件构成，每个平板阵有四条延迟线形成7个波束，见图1右侧所示，波束号分别为、、、。波束中心（以正横为基准）分别是0、±14.5、±30、±42。每节时延长度约为9.39us，以±β为例，计算依据是：

在相邻波束覆盖处信号损失约为3dB。

现构置一种波束形成器，实现结果见图1左侧所示，软、硬件可以由一片FPGA完成，形成19个对称波束，每节时延长度为约3.9us，计算依据是：

多波束形成的基本原理篇8

吉林省肿瘤医院超声科,吉林长春 130000

[摘要] 超声成像技术是当前医学检测的主要技术，具有安全、无创、实时性好等优点。以图形处理器为基础的超声成像方针平台将使得超声成像技术具有更加广阔的发展前景。本文从超声仿真成像的物理基础、平台设计方案以及图形处理器的渲染流程三个方面对此问题进行了研究。

[

关键词 ] 图形处理器；超声成像；仿真平台

[中图分类号] R445.1

[文献标识码] A

[文章编号] 1672-5654（2014）05（a）-0197-02

1医务人员要了解超声仿真成像的物理基础

1.1超声波传播特性

超声波传在播过程中，遇到反射面、障碍物等不同的物体都会发生不同的传播现象，影响超声波传播的轨迹。如果超声波遇到的发射面的面积在各个方向上的长度都远远大于仪器所发出的声波本身的波长，这时超声波便会发生反射，即向某一个统一的方向继续传播。人体内部的结构更加复杂，也更加细致，一些细微的组织结构其长度甚至仅与超声波仪器所发出的波长相当。因此仪器所发出的超声波在前进过程中如果遇到人体的细微组织时便会发生散射。散射是超声波仪器在对人体进行物理检测时最为普遍的物理现象，仪器甚至可以根据散射的情况来定位人体内部的结构组织。

医务人员要了解，由于人体内部的结构复杂，且处在不断的运动和变化之中，所以使用超声波仪器对人体内部进行检测时，超声波的实际散射轨迹也更加多样和模糊，因此在这样的超声波散射活动中建立精准的数学模型相对较难。通常人们通过目标强度、散射系数、散射衰减系数三种参数来表达超声波在人体传播时所形成的散射情况。

从实际的操作情况来看，超声波在体内传播的过程中难免会发生强度的衰减。这主要是由三种原因造成的。首先是由于超声波自身传播时其波阵面并不是沿着统一的大小向前传播而是不断放大的过程。波阵面的放大自然会导致波强的衰减。其次是由于超声波在人体内遇到不同的人体结构组织所造成的复杂的反射和散射。不规则的反射和散射使得超声波波强的衰减加剧。最后一点是人体内部组织结构的吸收。

1.2声束的物理特性

采用超声波进行人体检测时为了得到更加准确的检测效果需要讲超声波的大部分能量集中在一个规定的区域内，这部分在特定区域内集中的超声波称之为声束。在仪器的实际工作中，仪器设计者需要对光速的形状和宽度两个主要的物理特性进行测量和确定。超声波仪器所发出的超声波的形状尤其是在声束区域内的边界形状以及在距离传感器表面所形成的边界宽度对于仪器研究者而言都是十分重要的研究数据。超声成像设备的单个阵元一般采用声透镜聚焦，换能器线阵一般采用电子聚焦和声透镜聚焦 两种方式。在平行于线阵的方向上采用电子聚焦，在垂直于线阵的方向上采用声透镜聚焦。由于声透镜的声速大于人体组织中的声速，因此采用凹面透镜。

2医务人员应掌握超声成像仿真平台方案

超声成像方针平台是由超声波声束发射器发射出符合仪器检测标准的声束，经过人体的内部的反射最终形成能够在终端以图像形式显示的图形信号和数据。从整体的结构上来看，超声成像仿真平台通常可以分声场仿真模块、波束形成模块和信号处理模块。

声场仿真模块是整个系统的基础模块。整个仿真平台的基本原理是利用超声波所形成的光速在经过人体时所形成不同的反射信号，根据对反射信号进行分析能够的出人体内部组织结构的基本情况。若想实现超声波的集成波束首先需要有基础性的声场。通过对声场内声波的控制形成检测所需要的基础性声束。声场的产生必须符合相关专业的技术标准并且能够在人体所接受的范围之内，避免对人体造成伤害。由于患者病情和身体状况的差异，声场仿真模块必须能够根据实际的检测需求仿真出频率、强度和波长都不同的超声波，从而实现更加复杂的检测方法。

波束形成模块是对于声场仿真模块所形成的超声波进行集成，按照需要检测的相关标准和要求形成声束。波束是进行人体检测的重要载体，声波波束的形成同样需要符合相关的专业要求。只有在特定要求的条件下，超声波的波束才能够在人体中形成有效、可靠地反射，并且依据反射的波束形成有效的信号从而帮助医生对患者进行检查。如果超声波的波束信号不符合规范的标准，那样便无法在人体形成有效的反射，最终会导致形成模糊或者错误的图形信号，这无疑会严重影响到最后医生的诊断。因此波束形成模块在最终基于声场形成超声波的波束时，必须通过专门的检测，只有在检测时通过了对于波束形状和宽度的检测才能够确定为机器的正常运转，可以进行检测，否则应该给出警告提示，告知操作人员对仪器进行校对和调整。

信号处理模块包括信号的采集、处理和显示三个子模块。信号采集子模块是对于仪器发出的超声波束经过人体反射后形成的波束进行采集和基础校验。也就是信号采集模块需要对于采集到的数据的有效性、准确性和可靠性进行初步的校验。只有当校验通过后，信号采集子模块才会将信号传递给信号处理模块。信号处理模块是对信号进行量化处理，从而使得信号能够被信号显示模块所显示。信号处理模块首先需要对于信号采集模块传递过来的信号进行筛选，根据检测类型的不同而选择不同的信号筛选方式，这样可以使得最终的显示结果更加具有针对性。然后信号处理模块根据检测的相关需要，对信号进行不同类型和不同参数的量化，并将量化后的信号传递给信号显示模块。信号显示模块是要对信号进行最终的处理并显示到专门的终端显示器上。由于要求以图形的形式显示，因此信号显示模块需要对于信号进行转换和处理。经过转换和处理后的信号才能够被图形处理器所接受并最终显示到终端屏幕上。信号处理模块是集成计算机硬件处理、显示和软件筛选、计算的综合性模块，是统一的整体。其中不仅要求硬件具有较高的运算速度，同样要求软件具有高效、科学、合理、严谨的计算方法。

3进行图形处理器渲染

GPU 虽然可以被用于通用计算，但是其基本任务仍然是进行图形处理和渲染因此在其硬件结构上，对图形渲染和通用计算进行了一定的平衡。有许多功能模块是通用计算所使用的编程模型和图形渲染流程所共用的。下面本文将分析图形处理器的渲染流程。

在三维空间中，顶点是最重要的坐标点，也是最终要的视觉角度和观察点。在图像处理器中，处理器首选需要确定顶点的位置，通过确定顶点的位置才能够实现对于图像中其他内容的表现。显示生活中点、线和面是图形构成和图像表达的基本要素，图形渲染器重仍然是通过这三个基本要素来表达传递过来的相关信号和信息。

Transformation 和 Lighting。Transformation 是指坐标系的变换。通过传感器和传输介质传递到图形处理器进行渲染的信号时向量图形。这边是为了方便图形处理器进行坐标变换的渲染。顶点虽然是主要的视角和观察点，但在实际的操作中，观察者需要通过其他的角度进行观察从而能够得出更加全面的数据。因此对于坐标系的变换是图形处理器渲染的有一个主要内容。

View port Transformation（Clipping 和 Culling）。坐标的变换是视角转换的基础。通过坐标 变换能够实现在视角变幻时相应的向量发生变化。但要想真正的实现视角转换还需要进行更加细腻的处理。在视线坐标系中，其视野中的空间为三维梯形，因此需要将在此梯形体之外的顶点裁去。之后就可以将此梯形空间转换为一个立方体空间，也即是在屏幕中显示的空间。此时完成了所有的顶点操作。

顶点操作完成之后，图形处理器渲染的基本工作也就完成。接下来是需要根据视图的需要，在顶点之间建立连接线。连接线并不一定全部由直线构成，根据实际的信号情况，连接线可以是由曲线构成。连接线确定好之后相当于图形处理器渲染工作的线条构建基本完成。接下来图形处理器渲染需要对在线条之间围拢形成的平面或者曲面进行表达。点、线和面的表达是一个统一的整体，点用来确定图像的位置，线用来确定图像的结构，面用来确定彼此之间的立体关系。三者必须统一、和谐才能够将要表达的内容完整地表达出来。如果缺乏有效的协调，那线条很可能成为阻碍面表达关系的障碍，过多的点也可能使得线条之间的关系更加复杂。

如在实际应用中，要准确表达出患者身体内部的结构状况。如患者，女，55岁，因右下腹疼痛来院就诊，经图形处理器渲染发现，其甲状腺双侧叶体积增大，右侧叶前后径、左侧叶前后径以峡部前后径都不正常，通过图形处理器渲染，可测到高速湍流频谱、高速低阻抗和高阻抗的动脉频谱，因此，可得结论是单纯性甲状腺肿并峡部低回声结节。

[

参考文献]

[1] 龙祺，彭虎基于GPU的超声成像算法的仿真[J].生物医学工程研究，2010（2）：97-100.

[2] 任努努，陈多芳，陈雪利，等.光学分子影像仿真平台MOSE的设计与实现田捷计算机科学，2011（5）:268-271.

[3] 王强.浅谈医用超声诊断仪超声探头的分类和主要特性[J].计量与测试技术，2009（12）.

多波束形成的基本原理篇9

关键词：波束成形算法；智能天线；认知无线电

随着不断优化的无线通信技术的高速发展，可利用的无线频谱资源也日益减少，鉴于这种资源的不可再生性，促使越来越多的开发者想到更优化的利用方式。传统的的频段的分配方式是将频段分配给固定的用户，但这种方式的不科学在于某些频段的利用率极低，严重的导致的频段资源的使用不平衡。这种方式也不能适应高速发展的无线电技术。基于这些原因，认知无线电（cognitive radio，CR）应运而生。主要原理为设定主用户（primary user，PU）和次用户（secondary user，SU），次用户是非授权用户，能够感知到空间中的空闲信道，当主用户不占用信道时，次用户在对主用户不造成干扰的情况下对其空闲的注册信道进行信息传输。认知无线电是一种智能软化无线电，其具有频谱感知能力。当周围电磁环境存在频谱空穴时，能自动感知到，同时通过规定的通信协议和相关的算法将发射接收信号的参数调整到最佳状态。由此可见，认知无线电不仅具有通信功能，而且还需具备频谱探测能力，具有多功能特征，必须借助于软件无线电来实现。认知无线电已成为目前无线通信领域的一大研究热点。

1 认知无线电的智能天线波束形成理论

智能天线系统的主要部分为天线阵列、波束形成单元和自适应控制单元。天线阵列是对发射和接收机信号处理的辐射部分，波速的形成部分是由这部分的天线单元感知的空间信号相加权得到的。智能天线的重要部分是自适应控制单元，主要的功能是在相应的算法和优化准则下，能适应周围电磁环境的变化，利用数字信号处理的技术，调节阵元的加权幅度和相位，使空间定向波束动态地产生，从而跟踪用户信号的到达方向，最大可能的抑制干扰，提高信噪比。

2 智能天线中LMS自适应波束形成算法的研究

同样众多的研究者将目光放在LMS算法上，这种基本的算法是将天线方向图的主瓣对准特定方向，而零陷对准干扰信号。和传统的天线相比，自适应天线的特定是调整阵列波束以期望得到最大输出功率，因此自适应天线阵列实时的自动调整权值来实现主波束的优化。一般来说，在某种准则下达到最优的主波束的算法，研究的最多的准则有最小均方误差准则（MMSE），最大信噪比（MaxSNR），最小方差（MV）准则等。在一定的最优准则基础上，形成了自适应波束算法，学者们也都对此进行了大量的研究工作，就现在提出的各类自适应波束形成算法而言，主流的分类包括非盲算法和盲算法两个大类。对于非盲算法是将发射信号指定为已知信号，利用发射信号来形成波束的算法。而对于非盲算法有最小均方误差算法（LMS）等，由于LMS算法具有计算复杂度低、在平稳环境中的收敛性好等一些特点，近年来成为自适应算法中应用最广泛的算法。

3 改进的LMS算法

在基本LMS算法中，采用变步长的方法来解决基本LMS中收敛速度慢和有小稳态误差的问题。基本的算法思路为在刚开始迭代的时候，选择大的步长，从而可以获得非常快的收敛速度，而在趋近wopt附近时，逐步使迭代步长减小，从而获得小的稳态误差。使步长随着稳态误差逐步趋近于零。这样看来，采用变步长的方法实际上是寻找一条变化曲线，要求在零点附近能最大限度的达到平衡。

4 OFDM系统中时域和频域波束形成的比较

近几年来，新一代移动通信的核心技术OFDM被普遍的研究。将智能天线和其相结合能进一步提高频谱利用率和系统的容量。在此系统中，智能天线算法可分为时域波束和频域波束的形成。事实上，Post-FFT性能优于Pre-FFT（以算法复杂度为代价），通过仿真得出，两种方法在不同情况下分别优于对方。这对于不同系统参数和信道情况下时两种算法的选择有着重要意义。

5 加入扩频序列的SM I-LSCMA算法

SMI-LSCMA算法[5]是一种多波束赋形算法，由协方差矩阵求逆（SMI）和最小二乘恒模（LSCMA）构成。

在真实的无线通信环境中，由于众多的用户量和外界的干扰很强。单纯使用恒模算法不能完全恢复用户的信号。正是基于这个原因，将SMI算法和LSCMA算法结合。将SMI算法来确定横模阵列的初始权，权向量的更新用LSCMA方法。由于得到稳定的算法并能捕获特定信号，付出的代价是计算量的增大。和认知无线电结合之后，利用TD-SCDMA系统的扩频序列作为权值更新以及最后收敛的相关信息，加入扩频序列的SMI-LSCMA算法。就理论分析而言，假设系统已知的情况下，如果加入特定接收的信号的扩频序列信息，使算法通过多级对消系统捕获特定接收信号的过程。利用智能天线锁定此扩频接收信号，可以更加快速，准确的收敛于特定的用户信号，这正是该算法的理论依据。

[参考文献]

[1]Robert A Monzingo and Thoms W Miller.Intro-duction to adaptive arrays[M].John Wiley and Sons，Inc.1980.

[2]E R Ferrara.Fast implementation of LMS adaptivefilters[J].IEEE Trans. On ASSP，1980，28（4）：474-475.

[3]D Mansour and A H Gray.Unconstrained frequen-cy-domain adaptive filter[J].IEEE Trans.on AS-SP.1982，30（5）：726-734.

多波束形成的基本原理篇10

摘要：声波是水中携带信息的最佳载体，水声技术是开展水下通信、探测等常用技术，具有较大的发展潜力。复射线法认为一个复源点的射线束，复源点与等效复源点关系和几何光学源点、等效光源关系是一致的，遵守几何光学ABCD定律，基于此学术界开展了大量基础研究。当前比较成熟的复射线法方法主要包括复射线法追踪法、复射线法近轴近似法、复合复射线法、复射线展开法等，在水声理论中复射线法技术主要用于指向性声场、计算散射场分析。近年来，有关于复射线法研究较少，特别是随着高速水声正交多载波调制（OFDM）通信系统的构建，反射法的应用领域变得十分狭窄，应将复射线法与非相干水声通信、相干水声通信、扩频水声通信相结合，以提高水声波的空间分辨率、提高波束形成算法的稳健性、提高波束形成的抗干扰能力。

关键词：水声技术；复射线法；信息传递

声波是水中携带信息的最佳载体，其在水中的衰减低，水声探查是进行水中远距离目标探测的最有效方法，水声通信是水下中、远距离通信的重要手段。水声通信与无线通信在工作原理、核心技术方面有一定的相通性，但因载体传播速度、信道带宽、多普勒效应效应等方面存在较大的差异。这些差异直接影响水声信道、水声通信系统的构架。水声波通信主要限制因素是浅水区域的温度梯度差异，海面噪声与反射折射引起的多径传播，次要的限制因素是水中声速相对较慢，影响通信的效率。水声通信技术起步较晚，但发展迅速，水声通信的发展历程，是不断的对干扰相抗争的过程，目前已能够实现2000km距离的水声通信。当前技术实现的普遍做法是对现有的技术进行适应性调整与改进。复射线法是一种分析计算高频波场的有效方法，本文尝试基于复射线法分析其在水声通信中的应用价值。

1.复射线法概述

复射线法在实空间代表一个局部非均匀平面波的定向传播，在近轴区表现为高斯波束型式，在过去主要用于描述激光器产生的高斯基模。复射线利用复变函数解析开拓思想，如传播距离、入射角、反射函数等，进行复空间复射线搜索与场强分析。一个复源点的射线束，复源点与等效复源点和几何光学源点、等效光源是一致的，将几何光学ABCD定律作为解析拓延，可得到复射线的ABCD定律。辐射线法将位于点S点波源坐标rs=（xs，ys，zs）从实数域解析延拓到复数域，而达到复原点，复源点近轴区场随着偏轴距离增大而呈现高斯函数的指数凋落，在波束矢量方向产生一个高斯波束场，在远区和口径面形成一个高斯波束，利用复源点和复射线原理能够较方便的处理波束场有关的问题。

2.复射线法在水声通信中的应用

2.1复射线法方法

2.1.1复射线法追踪法

复射线法追踪法遵守传统的射线法的步骤，利用复空间推广的费马原理或函数方程，确定复射线路路径与轨迹方程，根据共振幅扩散、相位积累关系，可计算复射线场地范围，操作简单，但是计算量较大，对于复空间轨迹的搜索非常的困难，特别是在不均质水体媒介如海洋（受重力、洋流、温度的因素影响，不同区域海水密度不尽相同）和复杂的散射体（如水声目标）情况下，几乎无法搜索最终的复轨迹，限制了复射线法在信息来源追踪的中作用。

2.1.2复射线法近轴近似法

若观察点沿波束轴线方向移动，则复距离的实际上等于实距离，而虚部参数维持为一个常数，则这一性质不受反射、折射等因素影响，提示轴向复射线具有实射线的性质，因此这个方向上的观察点，无需进行复射线轨迹搜索，只需要沿波束轴线描计射线，便能够直接求得轴向复射线场。

2.1.3复合复射线法

复射线法在分层媒介传播时，可以在界面之间进行多次内部反射，例如穿过平面介质板。

2.1.4复射线展开法

复射线展开法是利用惠更斯原理的一种计算方法，在惠更斯面上定向复源点代表球面波实源点，能够由惠更斯面上已知幅相分布求出。在实际应用过程中，可采用积分计算离散化为求和形式，考虑到复源点场的定向性，可将无限求和转化为有限求和，简化积分运算。当波束宽参量趋近于0时，复源点转变为实源点，则基于惠更斯原理的计算方法便转变为惠更斯-菲涅尔积分，当波束宽度参量趋近于∞，复源点场即变化为平面波场，计算方法转变为波谱积分。

2.2实践应用

目前，基于复射线理论的通信技术已有了一定的研究成果，包括复杂环境下的电波传播、目标扩散特性分析、地震波的监测、复杂介质性质分析，采用复射线法，可用于某些水声场分析。

2.2.1指向性

声场的复射线分析声辐射器、散射体、噪声源都有一定的指向性，故研究指向性的声场在分层介质传播便有重要的实践意义。复源点场本身具有定向辐射特性，选择复源点参量，便能够在最大辐射区域内，近似表示给定声源特性，利用复射线近轴近似法，能够延拓到复空间，求得指向性声场的传播特性参数。

2.2.2散射场计算

利用复射线开展开法将射波分解为一组定向复源点场，可输入目标特性或入射波特性，然后分别进行射线追踪、复射线展开法分析，计算复射场，当入射波为平面波时，便能够求得目标雷达的参数。结语我国复射线研究已达到国际先进水平，但其更多的是应用于电磁波与电子技术、激光与光纤技术，在水声学的应用较少。随着高速水声正交多载波调制（OFDM）通信系统的构建，水声信道出传输技术有了跨越式的发展，该技术能够有效的抵抗多径时延优势，复射线理论开始遇冷。近年来，水声通信研究内容较少，复射线理论开始遇冷，今后可尝试将复射线与非相干水声通信、相干水声通信、扩频水声通信相结合，以提高水声波的空间分辨率、提高波束形成算法的稳健性、提高波束形成的抗干扰能力。

参考文献：