两维天线阵列波束成型原理Python代码
在讲解两维天线阵列之前，需要了解一维天线阵列波束成形原理，只有了解了一维天线阵列，才能弄明白二维，好了，我们先开始科普一维天线阵列原理。
一维天线阵列原理：
如下图，所示，如果在theda确定的情况下，阵子0和阵子1达到接收机合成的能量，只跟它们的接收相位差有关系，这个理解很重要，如果不理解这点，后面没法分析，他们的相位差分别可以写为：
{0，(d0-d1)/lamda*2*PI}， 备注0，表示阵子0相对自己的相位差。
而由于d0相比阵子0和阵子1的间距d来说足够长，所以d0-d1可以约等于d*sin(theda)，所以相位差可以写为：
[0，d*sin(theda)/lamda*2*PI]
如果把相位改为波形的话，公式如下：
[1，exp(d*sin(theda)/lamda*2*PI)]
同理，如果阵子数为N的阵列，则相位差的波形公式分别为：
[1，exp(1*d*sin(theda)/lamda*2*PI)，exp(2*d*sin(theda)/lamda*2*PI)，，，，，exp((N-1)*d*sin(theda)/lamda*2*PI)]
最终，波形图为所有相位差的波形累加。
二维天线阵列原理：
假设x和y轴平面上分布了M*N个两维阵列，对于任一阵子，其相位差都可以由x和y轴上的相位差分量组成，如下图所示：
x和y轴上的相位差波形矢量分别为：
ax(theda,phi)=[1，exp(1*dx*sin(theda)*cos(phi)/lamda*2*PI)，exp(2*dx*sin(theda)*cos(phi)/lamda*2*PI)，，，，，exp((M-1)*d*sin(theda)*cos(phi)/lamda*2*PI)]
ay(theda,phi)=[1，exp(1*dy*sin(theda)*sin(phi)/lamda*2*PI)，exp(2*dy*sin(theda)*sin(phi)/lamda*2*PI)，，，，，exp((N-1)*d*sin(theda)*sin(phi)/lamda*2*PI)]
任何一个阵子的合成相位，等于x和y的相位差分量的叠加为：
axy(theda,phi) = ax(theda,phi) * ay(theda,phi).转置
均匀平面阵的阵列方向图为：
看到这里，是不是已经明白了，阵列的波形成形原理，如果还不明白，那你就得请我吃饭了，哈哈，当面请教了。
具体两维波束赋形图的python代码，请参见链接：
https://download.csdn.net/download/zippo_wu/12043421
如有具体问题，请加QQ 20112516
两维天线阵列波束成型原理Python代码相关推荐
- 数据可视化之饼状图（原理+Python代码）
数据来源于Kaggle数据集,链接:https://www.kaggle.com/Cornell-University/arxiv 目录 00.前言 一.原理介绍 二.代码实现 三.结果解释 00.前 ...
- RRT* 算法原理以及在二维仿真环境中的实现 -- Python代码实现
RRT* 算法是在 RRT 的基础上做出了一些改进,主要改进的点有两点: 新结点生成后,优化其父结点. 在生成新结点 new_node 后,首先设置一个搜索区域的半径,搜索该区域中的树结点,并计算其中 ...
- Dijkstra 路径规划算法在二维仿真环境中的应用 -- Python代码实现
在上一节中,介绍了 Dijkstra 算法的原理以及在图中的应用,这一节将一步步实现 Dijkstra 路径规划算法在二维环境中的路径规划,来进一步加深对 Dijkstra 算法的理解. 所需要用到的 ...
- 基于模糊C均值聚类（FCM）的图像分割原理+python代码详解
一.模糊 "模糊":一个元素可以不同程度的属于某几个子集,也就是说元素对于集合的隶属度可以在[0,1]上取连续值. 二.步骤 2.1步骤 翻译一下: S1:初始化参数:加权指数m, ...
- 麦克风阵列树莓派python_使用Python代码进行树莓派上的麦阵列声源定位
偶然发现seeedstudio更新了他们的英文版说明书,然而中文版还没更新[捂脸].关于DOA的部分,除了原来的使用ODAS Studio的方法以外,又多加了一些使用Python代码直接进行DOA的章 ...
- 隐马尔科夫模型，第三种问题解法，维比特算法（biterbi) algorithm python代码
上篇介绍了隐马尔科夫模型 本文给出关于问题3解决方法,并给出一个例子的python代码 回顾上文,问题3是什么, 下面给出,维比特算法(biterbi) algorithm 下面通过一个具体例子,来说 ...
- RRT路径规划算法在二维仿真环境中的应用 -- Python代码实现
在上一节中,介绍了 RRT 算法的原理,这一节将一步步实现 RRT 路径规划算法在二维环境中的路径规划,来进一步加深对 RRT 算法的理解. 二维环境的搭建 我们将搭建下图所示的二维环境,绿色点为起点 ...
- 算法-聚类-K均值与模糊K均值：原理+python代码
这篇文章是根据作业修改后得到的,个人感觉写的比较详细了.但还有许多不足,希望大家评论指出. K均值聚类与模糊K均值 1. 算法原理及流程 相关名词解释如表1. 表1-相关名词解释 1.1 K均值算法原 ...
- 维吉尼亚密码原理、代码
1.使用维吉尼亚密码的原因 (1)单表代换密码的安全性不高,一个原因是一个明文字母只有一个密文字母代替 (2)构造多个密文字母表,在密钥的控制下用相应密文字母表中的一个字母来代替明文字母表中的一个字母 ...
最新文章
- HttpHandler(ashx)中获取Session状态
- java泛型程序设计——调用遗留代码
- TypeScript入门教程 之 Promise
- linux命令之awk终极系列
- JavaWeb：Ajax和JSON
- 被后台杀死后，Android应用如何重新走闪屏逻辑
- java int integer_浅谈java中int和Integer的区别
- linux安装思源字体下载,CentOS7安装思源黑体(Source Han Sans)方法
- 单片机蓝牙模块与手机蓝牙通信（3）
- matlab EOF程序
- 2020-11-12
- apt-get安装包失败提示The following packages have unmet dependencies
- 隐马尔科夫模型（HMM）等文章记录
- html2canvas微信头像没绘制,解决使用canvas生成含有微信头像的邀请海
- 周浩正：写给编辑人的信 关于“编辑”
- vue验证手机号、密码验证码、时间、机型、图片类型等
- A hybrid method of exponential smoothing and recurrent
- 博士第六年还没有发Paper是一种什么样的体验？
- ECSHOP商品页调用热销商品的教程
- 自动驾驶研究报告（上）