时域波束形成

clc;
clear all;
close all;
%%确定信号参数
c=1500;
f0=25e3;
fs=125e3;
T=2e-3;
lamda=c./f0;
D=lamda./2;
N=18;
maxdelay=(N-1).*D./c;
Nmaxdelay=round(maxdelay.*fs);
alpha=(-45:0.25:45)*pi./180;
px=(0:N-1).*D;
theta0=40*pi./180;
N_delay0=D.*sin(theta0)./c.*fs;                    
%%信号模型
t=0:1./fs:T;
sig00=sqrt(2).*cos(2.*pi.*f0.*t);
%%时移信号
for mm=1:N;
    sig0(mm,:)=[zeros(1,Nmaxdelay) sig00 zeros(1,Nmaxdelay)];
end
% %% 时域波束形成
len=length(sig0(1,:));
tt=(0:len-1)./fs;
tt1=(Nmaxdelay+1:len-1-Nmaxdelay)./fs;
for mm=1:length(alpha);
     for nn=1:N;
        tc0=(nn-1).*D.*sin(alpha(mm))./c;
        ss(nn,:)=interp1(tt,sig0(nn,:),tt1-tc0);
     end
     sss(mm,:)=sum(ss,1);
     sout(mm)=std(sss(mm,:));
end
figure
    plot(alpha.*180./pi,20*log10(sout));
    xlabel(‘方位角/度‘);
    ylabel(‘波束输出‘);
    title(‘时域波束形成‘);

原文地址:https://www.cnblogs.com/kiki--xiunai/p/10804821.html

时间: 2024-10-21 05:00:08

时域波束形成的相关文章

时域、空域对偶性

厚着脸皮要在同事公众号上写篇文章,尽量浅显.与专业相关,选了这个主题.  一.时域与空域特性 以远场模型(平面波)为例,假设均匀线阵接收的为窄带信号,假设相邻振元间隔为d,入射角为: 从空域坐标来看,相邻振元的间隔为: 等价到时间轴来看,采样点的间距为:,对应时间间隔为: 二.时.空域与采样定理 A-空域角度理解 相邻振元的相位差为: 以干涉仪为例,如果存在相位模糊,有 k为非零整数,如果希望不出现相位模糊 对应扫描边界,则有 容易证明,同干涉仪一样,均匀线阵谱估计中的导向矢量,如果不满足上面的

波束形成

波束形成,也称为空域滤波.与时域FIR滤波器的时间采用线性滤波器处理相似,阵列处理是一种空间采样处理技术,即通过一定布置的空间阵元对空间信号场进行采样,然后经过加权相加处理得到期望的输出结果. 阵列的结构不同效果不同,主要分为线阵.圆阵.三角阵.L阵.球面阵等等. 线阵: %ULA-beamform clear all;close all;clc;N=16; %权个数f=1500;%信号频率c=1500;lambda=c/f;d=0.5*lambda;phi=0:0.01:pi;theta=0:

故障轴承声学信号的时域处理方法

滚动轴承故障声学信号的检测与处理方法一直以来是个热点研究方向,已经有几十年的研究历史,相应的研究论文数以千计.大体上,可以分为两类处理方法,第一类是对采集到的声学信号直接在时域进行处理,第二类是频域处理方法,当然还有一些处理方法属于时频结合. 本文对常见的时域处理方法做一个总结.由于我收集到文献资料并不完整,所以这个总结也只是介绍一些传统的方法.由于本人水平有限,近些年比较流行的声发射(AE)技术及其相关的时域处理方法在本文中并没有涉及. 时域处理方法 在时间域分析和判断轴承声学信号称为轴承故障

滤波器的时域理解

刚接触数字滤波器概念的时候,从频域理解是最直观的.但是在很多时候,比如说大部分的教科书在描述数字滤波器的时候,往往是从时域描述开始的.在时域来描述滤波器的工具是卷积. 卷积可以说是数字信号处理中最重要也最基本的概念之一了,但由于其更多依赖数学公式,因此也往往不易被理解.要在时域理解滤波器的工作过程,其实质就是理解卷积的工作过程. 卷积的概念通常可以从两个方面来理解.一是从输入信号的角度来看,卷积的过程相当于是把一个相对复杂的信号分解成多个单位冲激信号之和,输出则是多个单位冲激响应之和.单位冲激信

加载时域和运行时域

我们经常用到“存储地址和连接地址不同”(术语上称为加载时域和运行时域)的情况: 大多机器上电时是从地址0开始运行的,但是从地址0运行程序在性能方面总有很多限制,所以一般在开始的时候,使用与位置无关的指令将程序本身复制到它的连接地址处,然后使用向pc寄存器赋值的方法跳到连接地址开始的内存上去执行剩下的代码.

时域反射计(TDR)测试原理

什么是TDR? 时域反射计TDR用来测量信号在通过某类传输环境传导时引起的反射,如电路板轨迹.电缆.连接器等等.TDR 仪器通过介质发送一个脉冲,把来自"未知"传输环境的反射与标准阻抗生成的反射进行比较. TDR 显示了在沿着一条传输线传播快速阶跃信号时返回的电压波形.波形结果是入射阶跃和阶跃遇到阻抗偏差时产生的反射的组合. TDR测量的数学基础很简单,但十分重要.从本质上看, TDR 测量基于一系列阻抗比率.大多数 TDR 测量将在内部执行必要的比率计算,显示一个数字结果.TDR测量

时域和频域变换之---傅立叶变换的意义

真是惭愧,学<数字信号处理>好长时间了,也记住了傅里叶变换的公式,也会做FFT程序了,但是居然不知道傅里叶变换的意义何在!真是该!! 还好,算是搞明白了.抛开数学上的意义不说,单说一下实际的一些意义吧.傅里叶变换是将信号从时域转换到频域,这样在时域上一些交叉在一起的.看不出来的信号的特性,在频域上就很明显的能看出来了.比如下图: Figure1,是a=0.4*sin(4*w*(x))的图形,Figure2,是b=1.6*cos(12*w*(x))的图形.这两个图形,在时间轴上,很容易看出来.但

Python科学计算(两)——时域波形和正弦信号的频谱

Python科学计算(两)-- 时域和频域波形为正弦波形信号生成.计算和显示 # -*- coding: utf-8 -*- import numpy as np import matplotlib.pyplot as pl import matplotlib import math import random row = 4 col = 4 N = 500 fs = 5 n = [2*math.pi*fs*t/N for t in range(N)] axis_x = np.linspace(

时域和频域变换之---傅里叶级数的数学推导

废话不多说先列提纲: 0.概述-需求分析-功能描述-受限和缺点改进+知识点预备 1.泰勒级数和傅里叶级数的本质区别,泰勒展开 2.  函数投影和向量正交 3.两个不变函数求导是本身e^x,sinx,cosx也是为什么要傅里叶转换的原因! 4.傅里叶技术推到过程 5.附录参考资料 0.有些时候,尤其是在图像处理中,矩阵运算数据量太大,特征提取量多,此时可以通过时域转频域来减少计算量,而且此转换不会损失数据完整性. 时域转频域的方法有周期函数用傅里叶技术,非周期函数(没有间断点的函数)用傅里叶转换,