• 相控阵天线(一):直线阵列特性和阵列因子


    方向图乘积定理

    任意形式单元天线构成的直线阵如下图所示:
    在这里插入图片描述
    阵中第n个单元的远区辐射场可表示为如下形式:

    在这里插入图片描述
    其中An和an分别表示单元天线的激励幅度和相位,f(θ,φ)为单元天线的方向图函数。
    由上可得,阵列的远区总场为:
    在这里插入图片描述
    化简可得阵列的方向图函数为:
    在这里插入图片描述

    在这里插入图片描述

    阵列因子方向图

    阵列天线的阵因子如下所示:
    在这里插入图片描述
    对于均匀直线阵,单元为等间距 d 排列,激励幅度相同 An = A0 ,激励相位按α 均匀递变(递增或递减),可得均匀直线阵的阵因子为:
    在这里插入图片描述
    绘制不同阵元数N(N=8、16、32)的阵因子方向图如下所示:
    在这里插入图片描述
    不同单元间距d(d=0.3、0.5、1.0)对应的阵列方向图如下所示:
    请添加图片描述
    不同单元数和不同间距与阵列方向图的波束宽度的关系如下所示:
    请添加图片描述
    不同扫描角的阵列方向图绘制如下所示:
    请添加图片描述
    其中随着扫描角度的增加,波束宽度也在增加,如下所示:
    请添加图片描述
    由上式子绘制不同移相量、不同阵元间距与扫描角的关系如下所示:
    请添加图片描述
    从上面的数据我们可以发现如下规律:
    1.第一个旁瓣为–13 dBc,与阵元数量和阵元间距无关;
    2.方向图零点的数量随着阵元数量的增加而增多。
    3.波束宽度随着阵元数增加而减小;
    4.波束宽度随着阵元间距增加而减小;
    5.波束宽度随着扫描角度的增加而增大;

    波束扫描

    对阵列方向图进行波束扫描并绘制动图如下所示:
    24阵元,间距0.5波长的直线阵列因子的方向图如下所示:
    在这里插入图片描述
    24阵元(切比雪夫加权),间距0.5波长的直线阵列方向图,考虑单元方向图的影响,如下所示:
    在这里插入图片描述
    24阵元,间距0.8波长的直线阵列因子的方向图如下所示:
    在这里插入图片描述
    24阵元,间距0.8波长的直线阵列方向图,考虑单元方向图的影响,如下所示:
    在这里插入图片描述
    通过上面的数据我们可以发现如下规律:
    1.主波束的幅值按照单元因子的方向图进行变化;
    2.进行波束扫描的时候,副瓣发生恶化;
    3.当阵元间距大于1倍波长的时候,阵列方向图出现栅瓣;

    阵列方向图和单元方向图

    对不同单元方向图进行阵列方向的绘制,如下所示:
    单元方向图为方波束时的阵列方向图:
    在这里插入图片描述
    单元方向图为宽波束时的方向图:
    在这里插入图片描述
    单元方向图为窄波束的阵列方向图:
    在这里插入图片描述
    通过上面的数据我们可以发现如下规律:
    1.进行波束扫描的时候,副瓣会与单元方向图有关;
    2.单元方向图的波束越宽,扫描方向图的增益下降越少

    方向图乘积定理的python代码示例

    方向图乘积定理的python程序如下所示:

    import math
    import cmath
    import matplotlib.pyplot as plt
    import numpy as np
    class Pattern:
        def radiation(self):
            #单元数量,频率(GHz),位置(mm),幅度,相位(°)
            n_cell = 9
            f = 1.575
            position = [0, 94, 206, 281, 393, 475, 587, 683, 785]
            power = [0.2, 0.8, 0.4, 0.3, 1, 0.9, 0.2, 0.7, 0.4]
            phase = [0, 82, 165, 201, 247, 229, 262, 305, 334]
            #单元方向图
            data_x = np.arange(-180,180,1)
            data_y = np.cos(data_x/180*np.pi)
            mini_a = 1e-5
            #2*pi/lamuda
            k = 2 * math.pi * f / 300
            data_new = []
            #方向图乘积定理
            for i in range(0, len(data_x)):
                a = complex(0, 0)
                k_d = k * math.sin(data_x[i] * math.pi / 180)
                for j in range(0, n_cell):
                    a = a + power[j] * data_y[i] * cmath.exp(complex(0,(phase[j] * math.pi / 180 + k_d * position[j])))
                data_new.append(10*math.log10(abs(a)+mini_a))
            plt.plot(data_x, data_new,"y")
            plt.show()
    def main(argv=None):
        pattern = Pattern()
        pattern.radiation()
    
    if __name__ == '__main__':
        main( )
    
    • 1
    • 2
    • 3
    • 4
    • 5
    • 6
    • 7
    • 8
    • 9
    • 10
    • 11
    • 12
    • 13
    • 14
    • 15
    • 16
    • 17
    • 18
    • 19
    • 20
    • 21
    • 22
    • 23
    • 24
    • 25
    • 26
    • 27
    • 28
    • 29
    • 30
    • 31
    • 32
    • 33
    • 34

    绘制出来的方向图如下所示:
    在这里插入图片描述

  • 相关阅读:
    Spring Boot 应用在 kubernetes 的 sidecar 设计与实战
    2021-02-01
    LeetCode知识点总结 - 437
    STM32--蓝牙
    医疗行业企业供应链系统解决方案:实现医疗数智化供应链协同可视
    基于java的电影社区网站计算机毕业设计源码+系统+lw文档+mysql数据库+调试部署
    微软出品自动化神器【Playwright+Java】系列(十)元素定位详解
    飞书项目发布3个月,已签约理想汽车、安克创新等100余家公司
    代码随想录算法训练营004| 19.删除链表的倒数第N个节点,24. 两两交换链表中的节点,142.环形链表II,面试题 02.07. 链表相交
    Linux的基本使用
  • 原文地址:https://blog.csdn.net/qq_23176133/article/details/120056777