基于MATLAB對線陣天線進行泰勒加權

相控陣天線——基于MATLAB對線陣進行泰勒加權

目錄

前言

一、泰勒綜合

二、單元間距的改變對泰勒陣列方向圖的影響

三、單元數的改變對泰勒陣列激勵分布的影響

四、副瓣電平SLL對泰勒陣列激勵幅度的影響

五、副瓣電平SLL對泰勒陣列方向圖的影響

六、泰勒陣列和切比雪夫陣列的比較

七、副瓣電平和陣元個數間的關系

八、MATLAB代碼

總結


前言

????????前面討論了經典的道爾夫-切比雪夫綜合方法,由此得到的切比雪夫陣列其方向圖是最佳的,即在相同陣列長度情況下對給定的副瓣電平,其主瓣寬度是最窄的,或對給定的主瓣寬度,所得副瓣電平是最低的。但切比雪夫陣列兩端單元的激勵幅度容易發生跳變,不利于饋電。與切比雪夫綜合法密切相關的另外一種經典綜合方法一一泰勒綜合法。采用泰勒綜合法設計的泰勒陣列,其方向圖只是靠近主瓣某個區域內的副瓣電平接近相等,隨后單調地減小。如果設計得當,激勵幅度分布的變化在陣列兩端是單調減的,不會出現兩端單元激勵幅度跳變的情況。本文介紹根據方向圖的副瓣電平對相控陣線陣天線進行泰勒加權(綜合),并通過MATLAB仿真分析泰勒加權方法的優缺點。


提示:以下是本篇文章正文內容,歡迎各位閱讀,轉載請附上鏈接。

一、泰勒綜合

????????采用泰勒綜合法設計的泰勒陣列,其方向圖只是靠近主瓣某個區域內的副瓣電平接近相等,隨后單調地減小,有利于提高天線方向性系數。如果設計得當,激勵幅度分布的變化在陣列兩端是單調減的,不會出現兩端單元激勵幅度跳變的情況。泰勒綜合法設計靈活,適應面寬,在工程設計中得到廣泛應用。

????????對于一個長為L的連續線源,其空間因子(即方向圖函數)可表示為:

F(u,A)=\cos(\pi\sqrt{u^{2}-A^{2}}) , u=\frac{L}{\lambda}\cos\theta

此式即為理想的空間因子。根據u的取值可分為主瓣區和副瓣區:

|u|\leqslant A,為主瓣區:F(\theta)=\cosh(\pi\sqrt{A^{2}-u^{2}})

|u|\geqslant A,為副瓣區:F(\theta)=\cos(\pi\sqrt{u^{2}-A^{2}})

? ? ? ? 引入基本函數\frac{\sin(\pi u)}{\pi u}

? ? ? ? 引入波瓣展寬因子\sigma,改造理想空間因子:

F(u,A)=\cos[\pi\sqrt{(u/\sigma)^{2}-A^{2}}],\quad\sigma\geqslant1

其零點位置為:

????????u_{n}=\pm\sigma\sqrt{A^{2}+\left(n-1/2\right)^{2}}\quad,\quad n=1,2,\cdots

? ? ? ? ?改造基本函數構建泰勒空間因子:

S(u)=C\frac{\sin(\pi u)}{\pi u}\frac{\prod_{n=1}^{\overline{n}-1}[1-(u/u_{n})^{2}]}{\prod_{n=1}^{\overline{n}-1}[1-(u/n)^{2}]},\quad C=\cosh(\pi A)

????????該空間因子的含義是:把基本函數的前元\overline{n}-1個零點用改造的理想空間因子的零點取代,而第\overline{n}個以 后的零點保持為基本函數的零點,即

u_n=\pm\sigma\sqrt{A^{2}+\left(n-1/2\right)^{2}},1\leq n\leq\overline{n}-1

u_n=\pm n,n\leq n<\infty

????????典型的問題是對單元數為N,間距為d的直線陣,采用泰勒綜合法綜合其激勵分布(各單元的激勵電流I),使其陣因子方向圖的副瓣電平為-R_{0}?dB。

????????顯然,秦勒綜合時的已知參數是NdR_{0dB}泰勒綜合步驟如下:

????????① 計算,其中int表示取整數部分

????????????????R_{0}=10^{R_{0dB}/20}

A=\frac{1}{\pi}arccoshR_{0}=\frac{1}{\pi}\ln(R_{0}+\sqrt{R_{0}^{2}-1})

\overline{n}=int\left(2A^{2}+1/2+1\right)

\sigma=\frac{\overline{n}}{\sqrt{A^{2}+\left(\overline{n}-1/2\right)^{2}}}

????????② 確定單元位置

z_{n}=\Bigg(n-\frac{N+1}{2}\Bigg)d,n=1,2,\cdots,N

這樣確定的單元位置對奇、偶數陣列均可,但所得I是從左到右順序排列的。

????????③ 確定變量

p_{n}=\frac{2\pi}{L}z_{n}, L=Nd

????????④ 計算各單元的激勵電流

I_{n}\left(z_{n}\right)=1+2\sum_{m=1}^{\overline{n}-1}\overline{S}\left(m\right)\cos\left(mp_{n}\right), n=1,2,\cdots,N

其中

\overline{S}(m)=\begin{cases}1 ,\quad m=0\\\frac{[(\overline{n}-1)!]^2}{(\overline{n}+m-1)!\cdot(\overline{n}-m-1)!}\prod_{n=1}^{\overline{n}-1}\left\{1-\frac{m^2}{\sigma^2[A^2+(n-1/2)^2]}\right\}, 1\leqslant m\leqslant\overline{n}-1\\0 ,\quad m\geqslant\overline{n}\end{cases}

????????對于泰勒加權可以直接通過以上步驟去綜合,也可以直接使用MATLAB自帶的函數去綜合。這里我們使用MATLAB自帶的函數去綜合。

I=taylorwin(N,n_bar,SLL); %N為陣元數,n_bar是公式中的符號,SLL為副瓣電平,I包含各陣元的激勵幅度

????????仿真參數設置為:

f=2e9; %頻率,單位Hz

N=20; %陣元數

mu=1/2; %陣元間距÷波長

theta0=0;%波束指向角度,單位°

SLL=-30; %副瓣電平,單位dB

二、單元間距的改變對泰勒陣列方向圖的影響

????????仿真參數設置如下:

f=2e9; %頻率,單位Hz

N=10; %陣元數

theta0=0;%波束指向角度,單位°

SLL=-20; %副瓣電平,單位dB

????????依次設置d=\frac{1}{4}\lambdad=\frac{1}{2}\lambdad=\frac{3}{4}\lambdad=\lambda,觀察方向圖及激勵幅度分布。

? ? ? ? 可知,隨著間距的增大,主瓣寬度變窄,副瓣增多,當d=\lambda時方向圖出現柵瓣。

三、單元數的改變對泰勒陣列激勵分布的影響

?????????仿真參數設置如下:

f=2e9; %頻率,單位Hz

theta0=0;%波束指向角度,單位°

mu=1/2; %陣元間距÷波長

????????當SLL=-20dB時,依次設置N=15,20,25,30,35,觀察激勵幅度的分布;當SLL=-40dB時,依次設置N=15,20,25,30,35,觀察激勵幅度的分布。

? ? ? ? 可見,泰勒陣列兩端單元的激勵幅度不會像切比雪夫陣列那樣發生跳變。

四、副瓣電平SLL對泰勒陣列激勵幅度的影響

??????????仿真參數設置如下:

f=2e9; %頻率,單位Hz

theta0=0;%波束指向角度,單位°

mu=1/2; %陣元間距÷波長

N=20; %陣元數

????????當N=20時,依次設置SLL=-20,-25,-30,-35,-40dB,觀察激勵幅度的分布。????????

五、副瓣電平SLL對泰勒陣列方向圖的影響

????????仿真參數設置如下:

f=2e9; %頻率,單位Hz

N=16; %陣元數

theta0=20;%波束指向角度,單位°

mu=1/2; %陣元間距÷波長

????????依次設置SLL=-10,-20,-30,-40dB,觀察方向圖。

????????由圖可見,單元數N和間距d不變,隨著方向圖副瓣電平的降低,主瓣寬度將略有增大。當副瓣電平比較低時,泰勒陣列和切比雪夫陣列的方向圖比較接近。

六、泰勒陣列和切比雪夫陣列的比較

????????仿真參數設置如下:

f=2e9; %頻率,單位Hz

N=32; %陣元數

theta0=0;%波束指向角度,單位°

mu=1/2; %陣元間距÷波長

SLL=-30; %副瓣電平,單位dB

? ? ? ? 可見,切比雪夫綜合得到的激勵幅度分布在陣列兩端出現了跳變,而泰勒綜合方法所得結果則為單調減少的。切比雪夫綜合方法得到的方向圖為等副瓣電平,而泰勒綜合方法得到的方向圖副瓣電平只有緊靠主瓣的幾個副瓣電平接近相等,其余副瓣電平是遞減的。

????????在相同單元數和單元間距的情況下,泰勒陣列的副瓣越低,則其激勵分布和方向圖就越接近相同情況下的切比雪夫陣列。

七、副瓣電平和陣元個數間的關系

? ? ? ? 一個N單元陣列,當d=\lambda /2時,其方向圖的零點個數為N-1,主瓣兩側各有副瓣N/2-1個,應有N/2-1>\overline{n},則

????????N>2(\overline{n}+1)

八、MATLAB代碼

https://download.csdn.net/download/m0_66360845/89493202icon-default.png?t=N7T8https://download.csdn.net/download/m0_66360845/89493202


總結

????????以上就是今天要分享的全部內容,本文介紹了泰勒加權方法對線陣進行綜合,同時也分析了間距、單元數,副瓣電平等參數對激勵幅度以及方向圖的影響,最后還比較了切比雪夫加權和泰勒加權。

本文來自互聯網用戶投稿,該文觀點僅代表作者本人,不代表本站立場。本站僅提供信息存儲空間服務,不擁有所有權,不承擔相關法律責任。
如若轉載,請注明出處:http://www.pswp.cn/web/41134.shtml
繁體地址,請注明出處:http://hk.pswp.cn/web/41134.shtml
英文地址,請注明出處:http://en.pswp.cn/web/41134.shtml

如若內容造成侵權/違法違規/事實不符,請聯系多彩編程網進行投訴反饋email:809451989@qq.com,一經查實,立即刪除!

相關文章

量化交易在不同經濟周期中的表現

量化交易&#xff0c;作為一種基于算法和數學模型的交易方法&#xff0c;其在不同經濟周期中的表現受到了市場參與者的廣泛關注。量化交易策略的設計使其能夠在多種市場環境中尋找投資機會&#xff0c;無論是經濟擴張期還是衰退期&#xff0c;都能夠展現出其獨特的適應性和效率…

7.6數據結構作業

// 練習一 struct K { double a; //8 char b; //1 char c; //1 double d; //8 };//24 // 練習二 struct L { int a; //4 double b; //8 char c; //1 };//24 // 練習三 struct M { char a;//1 int b; //4 char c; //1 double d; //8 };//24 /…

(5) 深入探索Python-Pandas庫的核心數據結構:Series詳解

目錄 前言1. Series 簡介2. Series的特點3. Series的創建3.1 使用列表創建Series3.2 使用字典創建Series3.3 使用列表和自定義索引創建Series3.4 指定數據類型和名稱 4. Series的索引/切片4.1 下標索引&#xff1a;基于整數位置的索引4.2 基于標簽的索引4.3 切片4.4 使用.loc[]…

觸感網絡:WebKit 振動(Vibration API)的交互新維度

觸感網絡&#xff1a;WebKit 振動&#xff08;Vibration API&#xff09;的交互新維度 在數字化時代&#xff0c;用戶體驗的追求已經不僅限于視覺和聽覺&#xff0c;觸覺反饋也逐漸成為網頁交互設計的重要組成部分。WebKit 作為眾多現代瀏覽器的核心技術引擎&#xff0c;對振動…

Linux 文件描述符 fd

當然&#xff0c;以下是一些關于 Linux 文件描述符&#xff08;fd&#xff09;的示例&#xff0c;以清晰、分點表示和歸納的形式給出&#xff1a; 1. 文件描述符的基本概念和用途 定義&#xff1a;文件描述符是一個非負整數&#xff0c;用于指代被進程所打開或使用的文件、套…

Leetcode 59. 螺旋打印矩陣

題目描述 給你一個正整數 n &#xff0c;生成一個包含 1 到 n2 所有元素&#xff0c;且元素按順時針順序螺旋排列的 n x n 正方形矩陣 matrix 。 示例 1&#xff1a; 輸入&#xff1a;n 3 輸出&#xff1a;[[1,2,3],[8,9,4],[7,6,5]] 示例 2&#xff1a; 輸入&#xff1a;n…

c++中new和delete重載的一點介紹

通義千問中作答的&#xff0c;感覺回答的比自己總結的好&#xff1a; 實際上&#xff0c;你可以在C中重載new和delete運算符。重載new和delete允許你自定義內存分配和釋放的行為&#xff0c;這對于實現特殊的內存管理策略非常有用&#xff0c;例如&#xff1a; 內存池&#xf…

系統遷移從CentOS7.9到Rocky8.9

我有兩臺阿里云上的服務器是CentOS7.9&#xff0c;由于CentOS7已經停止支持&#xff0c;后續使用的話會有安全漏洞&#xff0c;所以需要盡快遷移&#xff0c;個人使用的話目前兼容性好的還是RockyLinux8&#xff0c;很多腳本改改就能用了。 一、盤點系統和遷移應用 查看當前系…

AI在軟件開發中的革新與未來挑戰

目錄 前言 AI工具的廣泛應用與優勢 AI與開發者技能需求的互動關系 AI的未來展望與面臨的挑戰 結語 前言 在當今快速發展的技術領域中&#xff0c;生成式人工智能&#xff08;AIGC&#xff09;正以前所未有的方式改變著軟件開發的面貌。從代碼生成到錯誤檢測&#xff0c;再…

linux內核源碼學習所需基礎

1.面向對象的思想&#xff0c;尤其是oopc的實現方式。 2.設計模式。 這兩點需要內核源碼學習者不僅要會c和匯編&#xff0c;還要接觸一門面向對象的語言&#xff0c;比如c&#xff0b;&#xff0b;/java/python等等任意一門都行&#xff0c;起碼要了解面向對象的思想。 另外li…

MyBatis 框架核心及面試知識要點

1、什么是 MyBatis? MyBatis 是一款優秀的支持自定義 SQL 查詢、存儲過程和高級映射的持久層框架&#xff0c;消除了 幾乎所有的 JDBC 代碼和參數的手動設置以及結果集的檢索 。 MyBatis 可以使用 XML,或注解進 行配置和映射&#xff0c;MyBatis 通過將參數映射到配置的 SOL,形…

FastSpeech2中文語音合成就步解析:TTS數據訓練實戰篇

參考github網址&#xff1a; GitHub - roedoejet/FastSpeech2: An implementation of Microsoft’s “FastSpeech 2: Fast and High-Quality End-to-End Text to Speech” 數據訓練所用python 命令&#xff1a; python3 train.py -p config/AISHELL3/preprocess.yaml -m confi…

ida動態調試-cnblog

ida動態調試 傳遞啟動ida服務 android_server在ida\dbgsrv目錄中 adb push android_server /data/local/tmp/chmod 755 /data/local/tmp/android_server /data/local/tmp/android_serveradb forward tcp:23946 tcp:23946ida報錯:大多是手機端口被占用 報錯提示&#xff1a; …

java面試-java基礎(下)

文章目錄 一、和equals區別&#xff1f;二、hashcode方法作用&#xff1f;兩個對象的hashCode方法相同&#xff0c;則equals方法也一定為true嗎&#xff1f;三、為什么重寫equals方法就一定要重寫hashCode方法&#xff1f;四、Java中的參數傳遞時傳值呢還是傳引用&#xff1f;五…

期末上分站——計組(3)

復習題21-42 21、指令周期是指__C_。 A. CPU從主存取出一條指令的時間 B. CPU執行一條指令的時間 C. CPU從主存取出一條指令的時間加上執行這條指令的時間。 D. 時鐘周期時間 22、微型機系統中外設通過適配器與主板的系統總線相連接&#xff0c;其功能是__D_。 A. 數據緩沖和…

數據庫可視化管理工具dbeaver試用及問題處理。

本文記錄了在內網離線安裝數據庫可視化管理工具dbeaver的過程和相關問題處理方法。 一、下載dbeaver https://dbeaver.io/download/ 筆者測試時Windows平臺最新版本為&#xff1a;dbeaver-ce-24.1.1-x86_64-setup.exe 二、安裝方法 一路“下一步”即可 三、問題處理 1、問…

【深度學習】vscode 命令行下的debug

其實我一直知道vscode可以再命令行下進行debug。 比如 python aaa.py --bb1 --cc2 以前的做法是 去aaa.py 寫死bb和cc 然后直接debug。 直到今天我遇到這個&#xff1a; hydra hydra.main(version_baseNone, config_name/home/justin/Desktop/code/python_project/WASB-SBDT-m…

Truffle學習筆記

Truffle學習筆記 安裝truffle, 注意: 雖然目前truffle最新版是 5.0.0, 但是經過我實踐之后, 返現和v4有很多不同(比如: web3.eth.accounts; 都獲取不到賬戶), 還是那句話: “nodejs模塊的版本問題會搞死人的 !” 目前4.1.15之前的版本都不能用了, 只能安裝v4.1.15 npm instal…

新手學Cocos報錯 [Assets] Failed to open

兩個都在偏好設置里面調&#xff08;文件下面的偏好設置&#xff09;&#xff1a; 1.設置中文&#xff1f; 2.報錯 [Assets] Failed to open&#xff1f; 這樣在點擊打開ts文件的時候就不會報錯&#xff0c;并且用vscode編輯器打開了&#xff0c; 同樣也可以改成你們自己喜歡…

LabVIEW在圖像處理中的應用

abVIEW作為一種圖形化編程環境&#xff0c;不僅在數據采集和儀器控制領域表現出色&#xff0c;還在圖像處理方面具有強大的功能。借助其Vision Development Module&#xff0c;LabVIEW提供了豐富的圖像處理工具&#xff0c;廣泛應用于工業檢測、醫學影像、自動化控制等多個領域…