阵列信号处理(知识点)
西工大《阵列信号处理》考点整理
西工大《阵列信号处理》复习考点整理考试形式：一、8道问答题，每道题5分；二、六道大题，包括PPT 上老师给出的那一道。
一1. 均匀线列阵在波束扫描时，波束图怎么变化？当波束指向法线方向时，波束图具有最窄的主瓣宽度；随着阵元指向逐渐远离法线方向，主瓣一直指向所调方向并且展宽；除了指向法线方向外，主瓣都关于波束倾角轴不对称；当达到某一临界角时不能形成波束，但是在端射方向又可以形成波束。
且在端射方向形成一个较宽的主瓣。
2．DI 是什么？DI 表示指向性指数，其表达式为D 为方向性，是阵列和孔径的一个常用性能度量。
⎰⎰⋅=ππφθθφθπφθ200),(sin 41),(P d d P D T T 3. DC 加权的特点（1）旁瓣级给定时，主瓣宽度最小； （2）主瓣宽度给定时，旁瓣级最低； （3）等旁瓣级。
4. 频域快拍模型是什么，步骤是什么，常用的频域快拍取的时间有什么关系？ （1）记住《最优阵列处理技术》245页图5.1 （2）步骤：①把总的观测时间T 分为K 个不重叠的时间区域，区域长度为△T ； ②对时域快拍进行FT ；③对频域向量（频域快拍）进行窄带波束形成； ④对上述频域信号进行IFT 。
（3）△T 的选择准则①△T 必须远大于平面波通过阵列的传播时间；②△T 依赖于输入信号的带宽和信号的时域谱，16≥∆⋅T B （B*△T 足够大，选用频域快拍模型）。
5. 什么是均匀阵的瑞利限？常规波束形成分辨率的极限。
表达式为6. 空间白噪声的阵增益的相关计算。
阵列增益ωA 的定义为阵列的输出SNR 和一个阵元上的输入SNR 的比值。
下标“ω”表示空域不相关的噪声输入。
表达式如下：22101)()(--====∑nN n nin o SNR SNR A ωωωωω对于一个标准线阵（阵元间距为d=λ/2），白噪声阵列增益等于阵列的方向性D ； 对于一个均匀加权阵列，有ωn =1/N(n=0,…，N-1)，N A =ω(或单位为dB 时，为N log 10) 7. N 元ULA 可以分辨有多少来波？可以分辨N-1个来波个数（N 元阵有1个参考元，所以自由度为N-1）.二1. 对于阵元数N =5和N =6两种情况，推导并绘制标准均匀线列阵指向阵列法线方向，均匀加权得到的波束图)(u B ，注意旁瓣个数以及端射方向的波束形状。
阵列信号处理的基本知识分析
加性噪声。
将整个阵列的输出信号写成矩阵形式为：
x(t ) As(t ) n(t )
A [a( ),, a( )] 为阵列流行矩阵、空间信 号方向矢量、阵列响应矩阵。
1 P
a( ) [1 e
1 P
j 2 d sin /
,, e
j 2 ( M 1 ) d sin /
式中L为阵列最大口径，F和 为信号中心频率 和该频率对应的波长。 远场假设 即辐射源到阵列的距离远大于阵列的最大口 径，从而入射到阵列的信号波前可近似为平 面波前(d ).
L2
入射信号统计特性 空间入射信号平稳且各态历经，可以用时 间平均代替集合平均。一般还假定各入射 信号统计独立。 E{s(t ) s (t )} diag{ ,, } 噪声统计特性 空时白高斯噪声；色噪声环境下需要稳健 的算法。 E{n(t )n (t )} I
阵元之间的互藕 有关因素：阵元之间的间距大小，系统工作 频段，采用的传感器类型等。 设所有阵元之间的藕合系数矩阵为C，则考 虑到阵元间互藕的阵列输出信号模型为：
x(t ) CAs (t ) n(t )
阵元位置 阵元测向的关键信息是空间信号入射到各阵 元的相对延迟相位，而这一相位依赖于阵元 之间的空间位置，阵元位置误差直接导致延 迟相位估计误差，从而影响信号参数估计。 阵列模糊 阵元间距大于 / 2 时，影响空间信号到达角 的可辨识性和确定性，需要解决阵列模糊问 题。
H 2 2 s1 sP
H 2
信号数目 属于信号检测问题(AIC,MDL,etc)，一般 假定先验已知。
二、阵列信号处理的主要内容
信号参数估计(DOA，频率，极化参数，距离， 时延等): 谱估计方法(子空间方法，波束形成 方法)，参数化方法(最大似然，基于子空间逼 近方法)。
课件2：阵列信号处理数学基础
谱定理，也就是矩阵A的特征值分解定理，其中Λ diag( , , , ), E
1
2
n
[e ,e , ,e ]是由特征向量构成的酉矩阵。
1
2
n
•9
一、代数基础
Kronecker积
定义：p q矩阵A和m n矩阵B的Kronecker积记作A B，它是一个 pm qn矩阵，定义为
a B
11
x
(t)
s (t)e K
jwom ( i )
n
(t)
m
i1 i
m
s (t)为入射到阵列的第i个源信号 i
( )为第m个阵元相对参考点的时延
m
i
n (t)为第m个阵元的加性噪声 m
X (t) [x (t), x (t),, x (t)]T
1
2
M
矩阵表示接收信号 N (t) [n (t), n (t),, n (t)]T
f
f
Khatri Rao积具有如下一些性质：
A⊙(B⊙C) (A⊙B)⊙C
(A B)⊙C A⊙C B⊙C
A⊙B B⊙ A
•12
一、代数基础
Hadamard积
矩阵A 和B IJ IJ的Hadamard积定义为
向量化
a b 11 11
A B a b21 21
a bI1 I1
ab 12 12
1
2
t1 ,t2
E{n(t )nT (t )} 0
1
2
Outline
一、矩阵代数相关知识 二、信源和噪声模型 三、阵列天线统计模型 四、阵列响应矢量/矩阵 五、阵列协方差矩阵的特征值分解 六、信源数估计方法
•19
阵列信号处理(知识点)
信号子空间：设N 元阵接收p 个信源，则其信号模型为：()()()()1piiii x t s t a N t θ==+∑在无噪声条件下，()()()()()12,,,P x t span a a a θθθ∈称()()()()12,,,P span a a a θθθ为信号子空间，是N 维线性空间中的P 维子空间，记为P N S 。
P N S 的正交补空间称为噪声子空间，记为N P N N -。
正交投影设子空间m S R ∈，如果线性变换P 满足，()1),,,2),,,0m mx R Px S x S Px x x R y S x Px y ∀∈∈∀∈=∀∈∀∈-=且则称线性变换P 为正交投影。
导向矢量、阵列流形设N 元阵接收p 个信源，则其信号模型为：()()()()1piiii x t s t a N t θ==+∑，其中矢量()i ia θ称为导向矢量，当改变空间角θ，使其在空间扫描，所形成的矩阵称为阵列流形，用符号A 表示，即(){|(0,2)}a A θθπ=∈波束形成波束形成（空域滤波）技术与时间滤波相类似，是对采样数据作加权求和,以增强特定方向信号的功率，即()()()()HHy t W X t s t W a θ==，通过加权系数W 实现对θ的选择。
最大似然已知一组服从某概率模型()f X θ的样本集12,,,N X X X ，其中θ为参数集合，使条件概率()12,,,N f X X X θ最大的参数θ估计称为最大似然估计。
不同几何形态的阵列的阵列流形矢量计算问题假设有P 个信源，N 元阵列，则先建立阵列的几何模型求第i 个信源的导向矢量()i i a θ 选择阵元中的一个作为第一阵元，其导向矢量()1[1]i a θ=然后根据阵列的几何模型求得其他各阵元与第一阵元之间的波程差n ∆，则确定其导向矢量()2jn i a eπλθ∆=最后形成N 元阵的阵列流形矢量()11221N j j N Pe A e πλπλθ-∆∆⨯⎡⎤⎢⎥⎢⎥⎢⎥=⎢⎥⎢⎥⎢⎥⎣⎦ 例如各向同性的NxM 元矩形阵，阵元间隔为半个波长，当信源与阵列共面时：首先建立阵列几何模型：对于第m 行、第n 列的阵元，其与第1行、第1列阵元之间的波程差为(1)sin()(1)cos()mn i i n d m d θθ∆=---故：()1122(sin()cos())22((1)sin()(1)cos())11N j j d j j d N M NM P NM Pe e A e e ππθθλλππθθλλθ-∆-∆---⨯⨯⎡⎤⎡⎤⎢⎥⎢⎥⎢⎥⎢⎥⎢⎥⎢⎥==⎢⎥⎢⎥⎢⎥⎢⎥⎢⎥⎢⎥⎣⎦⎣⎦而当信源与阵列不共面时： 首先将信源投影到阵列平面然后建立阵列模型对于第m 行、第n 列的阵元，其与第1行、第1列阵元之间的波程差为[(1)sin()(1)cos()]sin()mn i i i n d m d θθϕ∆=-+-故：()1122(sin()cos())cos()22((1)sin()(1)cos())cos()11N j j d j j d N M NM P NM Pe e A e e ππθθϕλλππθθϕλλθ-∆-∆---⨯⨯⎡⎤⎡⎤⎢⎥⎢⎥⎢⎥⎢⎥⎢⎥⎢⎥==⎢⎥⎢⎥⎢⎥⎢⎥⎢⎥⎢⎥⎣⎦⎣⎦线性约束最小方差准则（LCMV ）的自适应波束形成算法： 对于信号模型：()()()0X t s t a J N θ=++， 波束形成输出：()()()()0()H H H yt W X t s t W a W J N θ==++LCMV 准则实际上是使()0HW a θ为一个固定值的条件下，求取使得()HWJ N +方差最小的W 作为最有权值，即：()0min .H X W HW R Ws t W a Fθ⎧⎪⎨⎪=⎩，其中F 为常数利用拉格朗日乘子法可解得：()10X opt W R a μθ-=当取1F =时，则()()11H X a R a μθθ-=，μ的取值不影响SNR 和方向图。
现代数字信号处理课件：阵列信号处理
阵列信号处理
2. 阵列信号协方差矩阵分解 阵列信号协方差矩阵R=E[XXH]可以写作
R
E[ x1 x1 ] E[x2 x1]
E[ x1 x2 ] E[x2 x2]
E[ x1 xM E[x2 xM
] ]
E[
xM
x1
]
E[xM x2]
E[
xM
xM
]
(7.1.11)
这是一个Hermitian方阵，则其特征分解为
di l c
1 c
( xi
sin
cosj
yi
cos
cosj
zi
sinj )
(7.1.4)
通常情况下，考虑空间有N个独立远场窄带信号入射到
M个阵元的阵列上，且有零均值高斯白噪声n(t)，可以得到
阵列的输出为
x1(t) exp( j2πf011)
x2 (t
)
exp(
j2πf0
21 )
UHRU=Σ
(7.1.13)
将R=ARSAH+σ2I代入上式，可得
UH(ARSAH+σ2I)U=Σ 而酉矩阵U满足UHU=I，因此
(7.1.14)
UHARSAHU=Σ－σ2I
(7.1.15)
由上面的分析可知，Σ可分为两部分: 一是与信号对应
的大特征值，由ARSAH和RN提供；二是与噪声对应的小特征 值σ2，由RN提供。即
则各阵元第k次快拍的采样值的矩阵形式为
X(k)=AS(k)+N(k)
(7.1.7)
由于S(k)随k变化，且其初相通常为均匀分布，一阶统
计量(均值)为零，所以不能直接采用一阶统计量来提取方向
信息。而二阶统计量可以消除信号S(k)的随机初相，可以用
阵列信号处理全.ppt
▪平面阵
图1.5
▪立体阵
图1.6
b. 参数化数据模型
假设N元阵分布于二维平面上，阵 元位置为：
rl xl , yl ,l 1,2, , N
一平面波与阵面共面，传播方向矢
量为： 1 cos ,sin T
c
y
r
x 图1.7：二维阵列
几何结构
阵元
l 接收信号为：xl
t s rl,t
滤波：增强信噪比 获取信号特征：信号源数目 传输方向（定位）及波形 分辨多个信号源
定义：
➢传感器——能感应空间传播信号并且能以某 种形式传输的功能装置
➢传感器阵列(sensors array)——由一组传感 器分布于空间不同的位置构成
由于空间传播波携带信号是空间位置和时
间的四维函数，所以：
连续：面天线
波动方程的任意解可以分解为无穷多个“单频”
解的迭加（传播方向和频率分量均任意）。
波动方程的单频解可以写成单变量的函数：
sr,t Aexp[ j(t kT r) Aexp[ j t T r ]
式中 k ，其大小等于传播速度的倒数，其方向与 传播方向相同，常称为慢速矢量(slowness vector)。
2. G.Strang,"Linear Algerbra and Its Applications", Academic Press,New York ,1976.(有中译本， 侯自新译，南开大学出版社，1990)
§2.1线性空间和希尔伯特空间
一、符号及定义
1. 符号
以后我们常用字母加低杆表示矢量和矩阵，
实际阵列
空间采样方式 虚拟阵列（合成阵列如SAR）
空时采样示意图如下：
第四章 阵列信号处理
通常信号的频带B比载波 ω 小很多，即s(t)变化 相对 ω 缓慢，则延时
1 c
r α <<
T
1 B
则可以认为 s (t − r α ) ≈ s (t ) 即信号包络 在各阵元上差异可忽略——窄带信号。
4.2 等距线阵与均匀圆阵
一、等距线阵 M个阵元等距排成一直线，阵元间距为d，到达波 的方向角定义为与阵列法线的夹角 θ ，称为波 达方向（DOA）。 在三维空间中还可以 θ θ 确定信源方位角 ψ
d
5
4
y
ψ
2
1
x
等距线阵（ULA）的方向向量
aULA (θ ) = [1, e = [1, e
−j 2π − j k d sin θ −j
,L, e
2π
− j k ( M −1) d sin θ T
]
λ
d sin θ
,L, e
λ
( M −1) d sin θ
]T
若有多个信源(p个),波达方向分别为 θ i (i − 1, L, p) 方向矩阵为
A = [a(θ1 ), a(θ 2 ),L, a(θ p )] = 1 ⎡ ⎢ e − j 2λπ d sin θ1 =⎢ ⎢ L ⎢ − j 2λπ ( M −1) d sin θ1 ⎣e ⎤ π − j 2λ d sin θ p ⎥ L e ⎥ ⎥ L L π − j 2λ ( M −1) d sin θ p ⎥ L e ⎦ L 1
θ
d sin θ
Vandermonde矩阵
阵列结构不允许其方向向量和空间角之间模糊， 等距线阵阵元间距不能大于 λ ，则可以保证 2 方向矩阵中各个列向量线性独立。 二、等距线阵的阵列响应与方向图 在单个信源情况下，阵列输出为各阵元信号的加 权和（不考虑噪声），
阵列信号处理(知识点)
信号子空间：设N 元阵接收p 个信源，则其信号模型为：()()()()1piiii x t s t a N t θ==+∑在无噪声条件下，()()()()()12,,,P x t span a a a θθθ∈L称()()()()12,,,P span a a a θθθL 为信号子空间，是N 维线性空间中的P 维子空间，记为P N S 。
P N S 的正交补空间称为噪声子空间，记为N P N N -。
正交投影设子空间m S R ∈，如果线性变换P 满足，()1),,,2),,,0m mx R Px S x S Px x x R y S x Px y ∀∈∈∀∈=∀∈∀∈-=且则称线性变换P 为正交投影。
导向矢量、阵列流形设N 元阵接收p 个信源，则其信号模型为：()()()()1piiii x t s t a N t θ==+∑，其中矢量()i ia θ称为导向矢量，当改变空间角θ，使其在空间扫描，所形成的矩阵称为阵列流形，用符号A 表示，即(){|(0,2)}a A θθπ=∈波束形成波束形成（空域滤波）技术与时间滤波相类似，是对采样数据作加权求和,以增强特定方向信号的功率，即()()()()HHy t W X t s t W a θ==，通过加权系数W 实现对θ的选择。
最大似然已知一组服从某概率模型()f X θ的样本集12,,,N X X X K ，其中θ为参数集合，使条件概率()12,,,N f X X X θK 最大的参数θ估计称为最大似然估计。
不同几何形态的阵列的阵列流形矢量计算问题假设有P 个信源，N 元阵列，则先建立阵列的几何模型求第i 个信源的导向矢量()i i a θ 选择阵元中的一个作为第一阵元，其导向矢量()1[1]i a θ=然后根据阵列的几何模型求得其他各阵元与第一阵元之间的波程差n ∆，则确定其导向矢量()2jn i a eπλθ∆=最后形成N 元阵的阵列流形矢量()11221N j j N Pe A e πλπλθ-∆∆⨯⎡⎤⎢⎥⎢⎥⎢⎥=⎢⎥⎢⎥⎢⎥⎣⎦M 例如各向同性的NxM 元矩形阵，阵元间隔为半个波长，当信源与阵列共面时：首先建立阵列几何模型：对于第m 行、第n 列的阵元，其与第1行、第1列阵元之间的波程差为(1)sin()(1)cos()mn i i n d m d θθ∆=---故：()1122(sin()cos())22((1)sin()(1)cos())11N j j d j j d N M NM P NM Pe e A e e ππθθλλππθθλλθ-∆-∆---⨯⨯⎡⎤⎡⎤⎢⎥⎢⎥⎢⎥⎢⎥⎢⎥⎢⎥==⎢⎥⎢⎥⎢⎥⎢⎥⎢⎥⎢⎥⎣⎦⎣⎦M M而当信源与阵列不共面时： 首先将信源投影到阵列平面然后建立阵列模型对于第m 行、第n 列的阵元，其与第1行、第1列阵元之间的波程差为[(1)sin()(1)cos()]sin()mn i i i n d m d θθϕ∆=-+-故：()1122(sin()cos())cos()22((1)sin()(1)cos())cos()11N j j d j j d N M NM P NM Pe e A e e ππθθϕλλππθθϕλλθ-∆-∆---⨯⨯⎡⎤⎡⎤⎢⎥⎢⎥⎢⎥⎢⎥⎢⎥⎢⎥==⎢⎥⎢⎥⎢⎥⎢⎥⎢⎥⎢⎥⎣⎦⎣⎦M M线性约束最小方差准则（LCMV ）的自适应波束形成算法： 对于信号模型：()()()0X t s t a J N θ=++， 波束形成输出：()()()()0()H H H yt W X t s t W a W J N θ==++LCMV 准则实际上是使()0HW a θ为一个固定值的条件下，求取使得()HWJ N +方差最小的W 作为最有权值，即：()0min .H X W HW R Ws t W a Fθ⎧⎪⎨⎪=⎩，其中F 为常数利用拉格朗日乘子法可解得：()10X opt W R a μθ-=当取1F =时，则()()11H X a R a μθθ-=，μ的取值不影响SNR 和方向图。
阵列信号处理
阵列信号处理是信号处理的一个年青的分支，属于现代信号处理的重要研究内容之一，其应用范围很广，可用于雷达、声呐、通信、地震勘察、射电天文和医用成像等众多领域。
阵列信号处理是将一组传感器在空间的不同位置按一定规则布置形成的传感器阵列（尽管采用的传感器的类型可以不同，如天线、水听器、听地器、超声探头、X射线检测器，但是传感器的功能是相同的，它是连接信号处理器和感兴趣的空间纽带），用传感器阵列发射能量和（或）接收空间信号，获得信号源的观测数据并加以处理。
阵列信号处理的目的是从这些观测数据中提取信号的有用特征，获取信号源的属性等信息。
目前，阵列信号处理在雷达及移动通信等领域有着广泛而重要的应用。
在相控阵雷达体制中，自适应波束形成技术在抑制杂波干扰方面起着关键的作用。
在移动通信中，基于阵列信号处理的波达方向估计技术，使移动通信进入一个崭新的阶段。
本论文首先介绍阵列信号处理的基础知识。
在此基础上，着重讨论阵列波束形成技术，非理想线性阵列的雷达信号波达方向和多普勒频率估计，均匀圆形阵列的信号波达方向估计和复杂信号的波达方向及参数估计等四方面内容。
这些内容都是阵列信号处理领域的研究热点。
它们无论对阵列信号处理的理论发展还是实际应用，都有重要的意义。
目前，人们普遍关注在阵列响应矢量未知情况下，自适应波束形成问题，即盲自适应波束形成技术。
本文第一方面介绍了最基本的阵列波束形成方法，即最小均方误差波束形成器，线性约束最小方差波束形成器和基于特征空间的波束形成器（ESB）。
在此基础上，提出一个基于特征空间的盲自适应波束形成算法。
此算法首先根据高分辨波达方向估计方法，估计信号源的波达方向，然后以此方向形成约束导向矢量，进而计算出ESB波束形成算法的最优权矢量，最后，对期望目标形成笔状波束。
此算法能够有效地抑制信号的对消现象，并且能够应用于在波束中有多个期望信号的场合。
当阵列存在各种误差时，一般高分辨波达方向估计方法（如MUSIC）的估计性能严重下降。
阵列信号处理的基本知识分析
diag{g ej1 ,, g e } jM
1
M
阵元之间的互藕 有关因素：阵元之间的间距大小，系统工作 频段，采用的传感器类型等。 设所有阵元之间的藕合系数矩阵为C，则考 虑到阵元间互藕的阵列输出信号模型为：
x(t) CAs(t) n(t)
阵元位置 阵元测向的关键信息是空间信号入射到各阵 元的相对延迟相位，而这一相位依赖于阵元 之间的空间位置，阵元位置误差直接导致延 迟相位估计误差，从而影响信号参数估计。
信号参数估计(DOA，频率，极化参数，距离， 时延等): 谱估计方法(子空间方法，波束形成 方法)，参数化方法(最大似然，基于子空间逼 近方法)。
Ref[1] H.krim and M.Viberg, Two decdees of array processing research: the parametric approach, IEEE signal processing Magazine, Vol.13, Vol.4, 1996. Ref.[2] D.H.Johnson, D.E.Dudgeon, Array signal processing, Prentice-Hall,1993. Ref.[3] IEE Proc. 1991. Ref.[4] Vaccaro, R.J, The past, present, and the future of underwater acoustic signal processing, IEEE Signal Processing Magazine, Vol.15 , No.4 , 1998.
-25
-30
-35
-40
-45
-50
-80 -60 -40 -20
0
20
阵列信号处理 psf 点扩散函数 反卷积
阵列信号处理中的点扩散函数（PSF）及反卷积一、引言在现代通信和雷达系统中，阵列信号处理扮演着举足轻重的角色。
阵列信号处理是指利用阵列几个接收器（天线或传感器）的信号，通过合理的处理方法，提高信号的接收性能。
其中，点扩散函数（PSF）和反卷积是阵列信号处理中的重要概念，对信号处理和系统性能的分析具有重要的意义。
二、点扩散函数（PSF）的定义和作用1. 点扩散函数（PSF）的定义点扩散函数（Point Spread Function）是指在给定系统下，点源信号经过系统传输后，其在接收端形成的响应函数。
它不仅包含了传输系统的影响，也反映了系统对信号的扩散程度和变形情况。
2. PSF在阵列信号处理中的作用在阵列信号处理中，PSF可以用来描述阵列接收器对来自空间不同方向的信号的响应和传输特性。
通过PSF分析，我们可以深入了解阵列接收器的特性，优化阵列的布局和参数设置，以提高目标信号的接收性能。
三、反卷积在阵列信号处理中的应用1. 反卷积的基本原理反卷积是指在接收端对接收到的信号进行处理，尝试去除或减弱信号经过传输过程中受到的扩散和变形影响，使得恢复的信号更加接近原始信号。
在阵列信号处理中，反卷积可以用来提高系统的分辨率和准确性，减小信号在传输过程中的误差和失真。
2. 反卷积在阵列信号处理中的应用通过反卷积的处理，我们可以在一定程度上弥补传输过程中的信号质量损失，并实现对目标信号的更加准确的采集和分析。
这对于通信系统的误码率控制、雷达目标识别和跟踪等方面具有重要的意义。
四、个人观点和总结在阵列信号处理中，点扩散函数（PSF）和反卷积是两个非常重要的概念，对于理解和优化阵列信号处理系统具有重要的意义。
通过对PSF和反卷积的深入研究和应用，我们可以更好地了解阵列接收器的特性，提高系统的性能和准确性。
我个人认为，未来随着通信技术和雷达技术的发展，PSF和反卷积的研究将会更加深入，为阵列信号处理领域带来更多的突破和创新。
阵列信号处理-1
n = −∞
∑A
∞
n
exp[ jnω 0 (t − α ⋅ x )]
（2.15） 由以上分析可以得到如下结论：传播的电 磁波 ，无论其信号是何种形式，均满足波 动方程。且任意方向传播的电磁波可同时 存在。
1 T An = ∫ s(u) exp(− jnω0u)du T 0
球面波波动方程： 球面波波动方程：
第一章
绪论
信号处理研究的内容
信号处理主要 研究方向
从复杂环境中 提取有用信号
由检测到的信号中 提取信息
信号处理的发展
起源于17世纪 50年代前期 分离元件 速度低 体积大 可靠性差
速度高 体积小 可靠性高
60年代后期 集成电路
信号处理的发展
信号处理前期
信号处理后期
时域信号处理 （一维）
图像处理
波束形成；
窗函数； 阵列的形成； 数字波束形成等；
阵列处理方法；
抗干扰； 超分辨；
空间目标参数的获取和估计； 两大类： 空间滤波； 空间谱估计；
阵列信号处理的主要目的： 1）增加信噪比 空间采样； 空间滤波； 2）利用阵列信号处理，对波源的个数、传播 方向、位置等参数进行估计。 3）对运动目标进行跟踪。
（2.1）
（2.2）
这里，J为电流密度： 2.3 进一步可推导出电磁波的波动方程表示式：
J = σE
∂ ∂ ∂ 1 ∂ E ( 2 + 2 + 2 )E = 2 2 ∂x ∂y ∂z c ∂t
2 2 2 2
2.4
假设波动方程的解为： 2.5 为计算方便，对这种形式的方程解作进一步的假 设，将解用指数形式表示：即 s ( x , y , z , t ) = A exp[ j (ω t − k x x − k y y − k z z )] 2.6 将其带入波动方程 (2.4)中，可以得到：
阵列信号处理的基本知识
a
பைடு நூலகம்11
各通道同步采集假设
阵列接收信号需要进行采样和Ａ／Ｄ变换 为数字信号后进入DSP处理器进行算法处 理。
Nyquist采样率
宽频段信号：采用欠采样率(空时欠采 样)，需要解模糊算法。
a
12
对信号和噪声的假设
窄带假设
信号带宽远小于信号波前跨越阵列最大口径 所需要的时间的倒数，即有如下假设：
1
P
波传播的方向信息含于载波上，而不是复包络上， 即与波形无关(这与时域信号处理不同)，空间信 息含于载波上，时域信息含于信号包络上。
a
7
对阵列及其通道的假设 阵元的方向性：
空间入射信号示意图
a ( ) [ f ( ) e , ,f( ) e] 1
j k • p 1
a
j k • p M T
B L 1
F
式中L为阵列最大口径，F和为信号中心频率 和该频率对应的波长。
远场假设
即辐射源到阵列的距离远大于阵列的最大口
径，从而入L2射到阵列的信号波前可近似为平
面波前(d ).
a
13
入射信号统计特性
空间入射信号平稳且各态历经，可以用时
间平均代替集合平均。一般还假定各入射
信号统计独立。
E { s ( t) s H ( t) } d{ i2 , a ,2 g }
6
将整个阵列的输出信号写成矩阵形式为：
x (t) A (t) sn (t)
A [a () ,,a ()]为阵列流行矩阵、空间信
1
P
号方向矢量、阵列响应矩阵。
a ( ) [ 1 e , ,e ] j2 d si /n
j2( M 1 ) d si /n T
阵列信号处理某高校课程
医学成像中的阵列信号处理
总结词
医学成像中的阵列信号处理主要用于提高成像质量和诊断准确率。
详细描述
医学成像技术如超声成像、核磁共振成像等，利用不同频率的声波或电磁波获取人体内部结构的信息 。阵列信号处理技术可以对接收到的信号进行处理，实现图像增强、去噪和分辨率提升。阵列信号处 理在医学成像中能够提高成像质量和诊断准确率，对于医疗诊断和治疗具有重要意义。
阵列信号处理将进一步与其他 领域的技术融合，如机器学习 、人工智能等。通过跨域协同 ，可以实现更高效、更精准的 信号处理和分析。
随着传感器技术的发展，阵列 的构成和排列方式也将不断创 新。未来的阵列信号处理系统 将更加灵活、多样化和智能化 。
阵列信号处理技术的应用领域 将继续拓展，如智能感知、无 人系统、物联网等新兴领域。 通过与这些领域的交叉融合， 阵列信号处理将发挥更大的作 用和价值。
信号的波束形成
通过调整阵列天线接收信号的相位和幅度，实现信号的 波束形成，增强特定方向的信号强度。
阵列信号的传播特性
信号的空间传播
阵列信号在空间中传播时，会受到环境因素的影 响，如多径效应、阴影衰落等。
信号的方向特性
阵列信号的方向特性包括方向图、波束宽度、副 瓣电平等，这些特性决定了阵列对信号的接收和 定向发射能力。
05
课程总结与展望
课程总结
阵列信号处理的基本原理
阵列信号处理是一门研究如何通过多个传感器接收信号，并通过对这些信号的处理和分析，实现对信号源的定位、跟 踪和识别的学科。其基本原理包括信号的传播、阵列的几何排列、信号的波束形成等。
课程内容与学习目标
本课程介绍了阵列信号处理的基本概念、原理和方法，包括信号模型、阵列模型、信号参数估计、波束形成等。通过 学习，学生应能掌握阵列信号处理的基本理论和方法，并能够运用所学知识解决实际问题。
阵列信号处理读研
阵列信号处理读研一、引言随着信息技术的发展和智能设备的普及，信号处理在各个领域中扮演着重要的角色。
其中，阵列信号处理作为一种高级信号处理技术，具有广泛的应用前景。
因此，越来越多的人选择进行阵列信号处理相关研究，并选择读研深造。
本文将详细探讨阵列信号处理读研的相关内容。
二、阵列信号处理概述2.1 信号处理的基本概念信号处理是指对信号进行采集、转化、编码、解码等一系列操作的过程。
阵列信号处理则将信号处理与阵列技术相结合，通过利用多个传感器接收信号，并利用阵列中的几何结构对信号进行处理和分析。
2.2 阵列信号处理的应用领域阵列信号处理在许多领域中具有重要应用，例如无线通信、声音处理、雷达系统等。
通过阵列信号处理，信号的质量可以得到提高，对于特定目标的检测和定位等任务也更加高效准确。
三、阵列信号处理读研的意义3.1 学术研究意义阵列信号处理涉及到多个学科的知识，包括信号处理、数学、电子工程等。
通过读研，在相关领域进行深入研究，可以掌握先进的理论知识和实践技能，为学术研究做出贡献。
3.2 工程应用意义阵列信号处理在实际应用中有广泛的需求，例如在通信系统中，通过阵列信号处理技术可以提高信号的传输效率和抗干扰能力。
因此，通过读研，可以掌握阵列信号处理的相关原理和技术，为工程应用提供支持。
四、阵列信号处理读研的必备知识4.1 数学基础知识阵列信号处理涉及到许多数学知识，例如线性代数、概率论、信号与系统等。
在读研之前，有一定的数学基础是必要的，可以通过学习相关课程来打好基础。
4.2 信号处理基础知识阵列信号处理是在信号处理的基础上发展起来的，因此在读研之前，需要对信号处理的基本概念、方法和算法等有一定的了解。
可以通过学习相关课程或自学来掌握信号处理的基础知识。
4.3 电子工程知识阵列信号处理涉及到电子工程的相关知识，例如电路设计、电磁波传播等。
在读研之前，可以通过学习相关课程或进行实践操作来掌握电子工程的基本理论和实践技能。
宽带阵列信号处理关键知识点学习笔记
宽带阵列信号处理关键知识点学习笔记第⼀部分宽带阵列信号测向ISSM(Incoherent Signal-Subspace Method)：宽带⾮相⼲信号⼦空间⽅法。
优点：不需要进⾏⾓度预估。
缺点：1、由于该⽅法在每个频段上仅利⽤了宽带信号的部分信息，所以其估计性能不⾼，主要是分辨率低，不能解相关信源。
CSM(Coherent Signal-Subspace Method)：相⼲信号⼦空间算法。
优点：CSM ⽅法不仅估计性能优于⾮相⼲处理⽅法，并且具有处理相关信号的能⼒。
缺点：1、需要对信源的⽅向进⾏预估以便构造聚焦矩阵，所以性能易受到信源⽅位预估精度的影响。
2、CSM ⽅法本质上是⽤窄带模型在聚焦后构成低秩模型来近似宽带结果，从⽽导致其估计结果受到信号短时谱不确定的影响。
宽带阵列信号处理的优点：1、⽬标回波携带的信息量⼤，有利于⽬标检测、参量估计和⽬标特征提取等特点。
2、宽带信号的信息具有较好的抗信号起伏、衰落性能。
M 个阵元的接收机同时采样（快拍），得到⼀次快拍M 个数据（空间采样数据）线阵窄带信号⼀次快拍采样的数据是正弦序列。
相⼲信号源：如多径现象、敌⽅有意同频⼲扰。
信号阵列会接收到不同⽅向上的相⼲信号，相⼲信号会导致信源协⽅差矩阵的秩亏缺，使得信号特征⽮量发散到噪声⼦空间去。
⾣矩阵：n 阶复⽅阵U 的n 个列向量是U 空间的⼀个标准正交基，则U 是⾣矩阵。
也可定义为：H H n U U UUE ==。
充分必要判别条件是：1H U U -=Hermitian 矩阵：矩阵n n A ?满⾜H A A =。
Hermitian 矩阵性质如下：（1） Hermitian 矩阵所有特征值都是实的。
（2） Hermitian 矩阵对应于不同特征值的特征⽮量相互正交。
（3） Hermitian 矩阵可就⾏谱分解及特征分解。
相关系数：*0()()01()()1()()ik ik i k ik i k iki k s t s t s t s t s t s t ρρρρ==<上式中，当信号相⼲时，信号之间只差⼀个复常数。
- 1、下载文档前请自行甄别文档内容的完整性，平台不提供额外的编辑、内容补充、找答案等附加服务。
- 2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
- 3、如文档侵犯您的权益，请联系客服反馈,我们会尽快为您处理(人工客服工作时间：9:00-18:30)。
信号子空间：设N 元阵接收p 个信源，则其信号模型为：()()()()1piiii x t s t a N t θ==+∑在无噪声条件下，()()()()()12,,,P x t span a a a θθθ∈称()()()()12,,,P span a a a θθθ 为信号子空间，是N 维线性空间中的P 维子空间，记为P NS 。
PN S 的正交补空间称为噪声子空间，记为N P N N -。
正交投影设子空间m S R ∈，如果线性变换P 满足，()1),,,2),,,0m mx R Px S x S Px x x R y S x Px y ∀∈∈∀∈=∀∈∀∈-=且则称线性变换P 为正交投影。
导向矢量、阵列流形设N 元阵接收p 个信源，则其信号模型为：()()()()1piiii x t s t a N t θ==+∑，其中矢量()i ia θ称为导向矢量，当改变空间角θ，使其在空间扫描，所形成的矩阵称为阵列流形，用符号A 表示，即(){|(0,2)}a A θθπ=∈波束形成波束形成（空域滤波）技术与时间滤波相类似，是对采样数据作加权求和,以增强特定方向信号的功率，即()()()()HHy t W X t s t W a θ==，通过加权系数W实现对θ的选择。
最大似然已知一组服从某概率模型()f X θ的样本集12,,,N X X X ，其中θ为参数集合，使条件概率()12,,,N f X X X θ 最大的参数θ估计称为最大似然估计。
不同几何形态的阵列的阵列流形矢量计算问题假设有P 个信源，N 元阵列，则先建立阵列的几何模型求第i 个信源的导向矢量()i i a θ 选择阵元中的一个作为第一阵元，其导向矢量()1[1]i a θ=然后根据阵列的几何模型求得其他各阵元与第一阵元之间的波程差n ∆，则确定其导向矢量()2jn i a eπλθ∆=最后形成N 元阵的阵列流形矢量()11221N j j N Pe A e πλπλθ-∆∆⨯⎡⎤⎢⎥⎢⎥⎢⎥=⎢⎥⎢⎥⎢⎥⎣⎦ 例如各向同性的NxM 元矩形阵，阵元间隔为半个波长，当信源与阵列共面时：首先建立阵列几何模型：对于第m 行、第n 列的阵元，其与第1行、第1列阵元之间的波程差为(1)sin()(1)cos()mn i i n d m d θθ∆=---故：()1122(sin()cos())22((1)sin()(1)cos())11N j j d j j d N M NM P NM Pe e A e e ππθθλλππθθλλθ-∆-∆---⨯⨯⎡⎤⎡⎤⎢⎥⎢⎥⎢⎥⎢⎥⎢⎥⎢⎥==⎢⎥⎢⎥⎢⎥⎢⎥⎢⎥⎢⎥⎣⎦⎣⎦而当信源与阵列不共面时： 首先将信源投影到阵列平面然后建立阵列模型对于第m 行、第n 列的阵元，其与第1行、第1列阵元之间的波程差为[(1)sin()(1)cos()]sin()mn i i i n d m d θθϕ∆=-+-故：()1122(sin()cos())cos()22((1)sin()(1)cos())cos()11N j j d j j d N M NM P NM Pe e A e e ππθθϕλλππθθϕλλθ-∆-∆---⨯⨯⎡⎤⎡⎤⎢⎥⎢⎥⎢⎥⎢⎥⎢⎥⎢⎥==⎢⎥⎢⎥⎢⎥⎢⎥⎢⎥⎢⎥⎣⎦⎣⎦线性约束最小方差准则（LCMV ）的自适应波束形成算法： 对于信号模型：()()()0X t s t a J N θ=++， 波束形成输出：()()()()0()H H H yt W X t s t W a W J N θ==++LCMV 准则实际上是使()0HW a θ为一个固定值的条件下，求取使得()HWJ N +方差最小的W 作为最有权值，即：()0min .H X WHW R Ws t W a Fθ⎧⎪⎨⎪=⎩，其中F 为常数利用拉格朗日乘子法可解得：()10X opt W R a μθ-=当取1F =时，则()()11H X a R a μθθ-=，μ的取值不影响SNR 和方向图。
在精确的方向矢量约束条件和相关矩阵精确已知的情况下，LCMV 准则与SNR 准则等效。
对于最有波束形成()1'0|n opt LCMV W R a μθ-=，其中n R 应不含信号分量。
SMI （采样协方差矩阵求逆）算法是在此准则上，用一批次采样数据(),1,2,,i X t i M = 来估计得到n R ，()()()11MHn i i i R M X t Xt M∧==∑此估计为最大似然无偏估计，即：(),n n R M R M ∧→→∞()()()10n opt W M R M a μθ-∧=SMI 算法输出SNR 损失会随着M 的增加而减小，当M →∞，输出无损失；为了使性能损失不超过3dB ，一般取2M N >。
当精确的方向矢量约束条件和精确的相关矩阵已知的条件不满足时，直接使用()n R M ∧估计n R 求逆会产生信号相消的现象。
SMI 算法的收敛性受n R 特征值分散程度的影响，在超过一定临界值之后，若期望信号不含在R 中，则收敛较快，反之则会变慢；可利用对角加载改善收敛速度。
天线旁瓣相消问题（ASC ）自适应天线旁瓣相消器采用下面的结构，基于最小均方误差准则的最适应波束形成（MSE ）辅助天线增益小，与主天线旁瓣电平相当，无方向性，因此()yt 几乎仅为干扰信号，加在辅助天线的权矢量为1X Xd opt W R r -=；主天线与辅助天线对干扰信号接收输出信号相关性较好时，可获得好的干扰抑制性能。
广义天线旁瓣相消问题属于一种部分自适应设计，其结构框图如下：对于一般的最优波束形成有（LCMV 准则）()m t ()1x t ()2x t ()N x t()()t z t -()x t ()()H n y t C x t =()()HA z t W y t =0min :L 1C:N L L .HW H H H H A W RW F S t W C W C W C F ⎧⨯⨯≥⎪⎨⎪ =-=⎩（1) 其权系数分为两部分：一部分为固定权0W （匹配滤波系数）；另一部分为自适应权A W ，依赖输入数据，计算最优权值时，只需要计算A W 。
令：00H HH A W C F W C ⎧=⎪⎨=⎪⎩ A n W C W = 则：()0HHH A n n W C C W WC C === ，故有0Hn C C =而：0A W W W =-，故00()H H HH H A A W C W W C W C W C F =-=-=故：00A n W W W W C W=-=- 能满足约束方程，可将方程约束条件去掉 得：00min ()()HH n n WW RW W C W R W C W =--，()()10H Hn n n W C RC C RW -=信号被分成两个支路：上支路形成目标检测通道(0W 是匹配滤波权系数)；下支路形成辅助通道，用其加权求和去预测检测通道中的干扰信号进而对消掉。
对于输入信号()x t 有：()()()()()()0000n H H nnx t s t a x t C a C C C a θθθ=+===因为0Hn C C =，故有：()0()(()()())()()()HHH HH n n n n n n nn y t C x t Cs t a x t C Cs t Cx t Cx t θ==+=+=所以下支路中()y t 不含目标信号，仅有干扰，n C 被称为信号阻塞矩阵（Block Matrix ），由n C 保证下支路中不含目标信号。
当精确的方向矢量约束条件或精确的相关矩阵未知时，会产生信号相消的现象。
而进行降维处理之后：()()()()()10HHA n n n W C T R C T C T RW -=令n C T T −−−→记为，则()()10HHA W T RTTRW -=其中T 称为降维处理矩阵，因为0HT C =，故T 可阻塞信号；且T 的维数p N L <- 进行降维处理之后的结构框图为：T 有三种设计方法：1、（Gabriel 法）：由指向干扰方向的波束作为权矢量构成的。
2、（Adams 法）：由指向目标方向邻近波束权矢量构成。
3、由R 的特征分解的特征矢量构成。
MUSIC 算法MUSIC 算法进行DOA 估计的步骤为：1、由阵列数据()i x t 估计相关矩阵，()()^11MHi i i R x t xt M==∑2、对^R 作特征分解，用其P 个大特征值对应的特征向量12,,,p v v v 张成信号子空间PN S （或用其N P -个小特征值对应的特征矢量1,,p N v v + 噪声子空间N P N N -）3、 用搜索矢量()a θ向PNS 作投影，得到()()1N P H i i n i P a v v a θθ-=⎡⎤=⎢⎥⎣⎦∑或用搜索矢量()a θ向N PNN-作投影()()1N H i i n i N P P a v v a θθ=-+⎡⎤=⎢⎥⎣⎦∑4、 计算谱峰：()()()21PHin i S P a a vθθθ===∑，谱峰对应的角度就是波束到达角度。
（或用()()()2111NHn ii P S P a av θθθ=+==∑计算谱峰）()e t ()X t ()1X t n CMUSIC 算法并不能适用于任何几何形态的阵列，不同阵列的()a θ是不一样的，而MUSIC 算法要求()a θ为满秩的范德蒙德矩阵，这个条件有可能不满足。
MUSIC 算法并不能适用于相干源，因为对于相干信源，其相关矩阵^R 有可能不满秩，这样既不能准确知道信源的个数P ，又不能得到准确的信号子空间PN S 和噪声子空间N P N N -。
但可以通过空间平滑法去相关，然后再用MUSIC 算法。
空间平滑法就是将N 元等距线阵分成L 个M 元子阵， 这样对于每一个M 元子阵有()()()()1i i Mi X t A D S t N t θ-=+其中：122sin 2sin 2sin 00Pdj d j d j ee D e πθλπθλπθλ⎡⎤⎢⎥⎢⎥⎢⎥=⎢⎥⎢⎥⎢⎥⎢⎥⎣⎦于是：()()()()122sin 12sin 22sin P dj d j md j P S te S t e D S t S t e πθλπθλπθλ⎡⎤⎢⎥⎢⎥⎢⎥=⎢⎥⎢⎥⎢⎥⎢⎥⎣⎦若信源中存在相干源，则采用这种方法后可破坏其相关性。
通过多个子阵，每个子阵相当于空间平移，因为不同信号由于方向不同，旋转因子不同，将多出的旋转因子归并到信号包络()i S t ，所以然后()i S t 便变得不相干了；然后将各子阵数据在相关域平均。