企业官网建设流程全解析

简介：本资源是一份面向通信工程、雷达系统及信号处理方向初学者与实践者的MATLAB相控阵波束扫描仿真教学包，聚焦波束形成原理、动态扫描机制与方向图可视化等核心问题，适用于课程设计、毕业设计及科研入门场景。压缩包为RAR格式，共含2个MATLAB脚本文件（.m），总大小仅2KB，轻量精炼：其中包含实现波束方向图绘制与极坐标增益显示的核心函数，支持线阵配置下的实时相位调控与扫描动画生成。已有1060人学习下载，反映出其在高校教学与自学实践中的高频使用价值。读者可直接运行代码观察波束随扫描角变化的动态过程，理解阵元间距、工作频率与相位差之间的定量关系，并基于源码快速拓展至多频段扫描、宽角覆盖或干扰抑制等进阶仿真任务，是掌握MATLAB phased工具箱基础应用的实用起点。

1. 项目概述：从静态到动态，让波束“活”起来

在雷达、通信和声纳这些领域，相控阵天线绝对是个明星技术。它的核心魅力在于，不需要物理转动天线，仅通过电子方式控制阵列中每个辐射单元的相位，就能让天线波束在空间里灵活地“指哪打哪”。对于工程师和学生来说，理解波束如何随相位变化而扫描，是掌握相控阵原理的关键一步。而Matlab，作为工程计算和仿真的瑞士军刀，无疑是实现这一可视化过程的绝佳工具。

很多人会用Matlab画出一个特定指向的静态波束方向图，这解决了“知其形”的问题。但“知其所以然”，则需要看到波束连续扫描的动态过程。一个生动的、可交互的“动图”，能将抽象的相位差、波程差概念，转化为直观的波束指向变化，对于教学演示、方案验证和报告展示都极具价值。这个项目，就是要解决如何用Matlab，从生成一组离散的波束方向图数据开始，一步步将它们合成为清晰、流畅的GIF或视频动画，完整呈现相控阵波束扫描的“生命”轨迹。无论你是刚接触阵列天线的新手，还是需要优化扫描算法性能的工程师，这个动态可视化过程都能带来更深的洞察。

2. 核心原理与模型构建：相位差如何驱动波束转向

在动手写代码之前，我们必须把背后的物理和数学模型吃透。波束扫描的本质是“干涉”，利用的是波的叠加原理。当多个阵元同时辐射电磁波时，它们在空间远场某点的场强会叠加。如果每个阵元发出的波到达该点时相位相同，则同相叠加，信号最强，形成波束最大值方向（主瓣）。通过给不同阵元施加不同的相位偏移，我们就能人为地控制这个“同相叠加”发生在哪个空间方向上。

2.1 一维线阵的波束形成公式推导

我们从最简单的一维均匀直线阵入手。假设有N个阵元，等间距d排列在一条直线上。通常以阵列中心或一端作为相位参考点。对于期望波束指向与阵列法线方向夹角为θ的情况，相邻阵元之间由于波程差引起的空间相位差为：

Δφ_space = (2π/λ) * d * sin(θ)

其中λ是波长。为了让波束最大值指向θ方向，我们需要用移相器补偿这个空间相位差，即给第n个阵元施加一个激励相位φ_n：

φ_n = - (2π/λ) * d * n * sin(θ) （以阵列中心为参考时，n从-(N-1)/2 到 (N-1)/2）

那么，远场观察方向与法线夹角为θ’处的总场强E(θ‘)，就是所有阵元辐射场的矢量和。假设每个阵元是各向同性的点源，其方向图函数为f(θ‘)，则阵列方向图F(θ‘)为：

F(θ‘) = f(θ‘) * Σ [ I_n * exp(j * (φ_n + (2π/λ) * d * n * sin(θ‘)) ) ]

其中I_n是第n个阵元的激励幅度（通常为等幅分布，即I_n=1），j是虚数单位。这个求和项就是著名的阵列因子。对于均匀等幅线阵，其阵列因子可以简化为一个辛格函数（sinc）的形式：

AF(θ‘) = sin( N * π * d/λ * (sin(θ‘) - sin(θ)) ) / sin( π * d/λ * (sin(θ‘) - sin(θ)) )

这个公式是核心。波束指向θ就藏在里面。当我们改变期望指向θ时，整个函数图形就会在sin(θ‘)轴上平移，体现在直角坐标或极坐标里，就是波束主瓣的移动。

注意：栅瓣问题。公式中分母有可能为零，产生栅瓣（在非期望方向出现与主瓣等大的波瓣）。为了避免栅瓣，阵元间距d通常需要满足d ≤ λ/2（当扫描角θ在±90°范围内时）。在仿真中，我们可以故意设置d > λ/2，来直观演示栅瓣的出现，这对于理解阵列设计约束非常重要。

2.2 从公式到Matlab离散化计算

在Matlab中，我们无法对连续的θ‘进行计算，需要将其离散化。通常，我们将观察角度范围（如-90°到90°）均匀采样为M个点。对于每一个扫描角度θ（我们想让它动起来的角度），我们都要计算一遍所有M个观察角度θ‘上的阵列因子幅度|AF|。

计算过程是一个双重循环：外层循环遍历不同的波束指向θ（用于生成动画的每一帧），内层循环（可向量化）遍历所有观察角度θ‘，计算每个θ‘对应的AF值。最终，我们会得到一个二维矩阵，行对应观察角度θ‘，列对应不同的波束指向θ（即动画的帧索引）。

3. Matlab仿真环境搭建与核心代码实现

理论清晰后，我们进入实战环节。我将分步拆解代码，并解释每一部分的设计意图和关键参数。

3.1 初始化与参数设置

首先，我们定义仿真的基本物理和几何参数。这些参数直接影响波束图的形态。

% 相控阵波束扫描动画仿真 clear; close all; clc; % 1. 基本参数设置 fc = 10e9; % 工作频率 10GHz，典型雷达频段 c = 3e8; % 光速 lambda = c / fc; % 波长 N = 16; % 阵元数量 d = 0.5 * lambda; % 阵元间距，设为半波长以避免栅瓣 % 2. 角度网格设置 theta_deg = -90:0.1:90; % 观察角度范围（度），分辨率0.1° theta_rad = deg2rad(theta_deg); % 转换为弧度，用于计算sin值 M = length(theta_deg); % 观察角度点数 % 3. 扫描角度设置（波束指向，即动画的每一帧） scan_angle_deg = -60:1:60; % 波束扫描范围从-60度到60度，步进1度 scan_angle_rad = deg2rad(scan_angle_deg); num_frames = length(scan_angle_rad); % 动画总帧数 % 4. 初始化阵列因子矩阵 AF_matrix = zeros(M, num_frames); % M行（观察角），num_frames列（扫描角）

参数选择解析：

• fc=10e9：选择X波段（8-12GHz）作为示例，这是雷达常用频段，波长在厘米级，便于理解。
• N=16：阵元数适中，既能清晰展示波束形状（主瓣窄，旁瓣结构可见），又不会导致计算量过大。
• d = 0.5*lambda：这是避免出现栅瓣的经典条件。在仿真中你可以尝试改为0.7*lambda或lambda，观察栅瓣如何产生。
• theta_deg分辨率0.1°：这是一个平衡选择。分辨率太高（如0.01°）计算量大，动画生成慢；分辨率太低（如1°）波束图会显得粗糙，主瓣峰值可能捕捉不准。0.1°对于演示目的通常足够平滑。
• scan_angle_deg步进1°：决定了动画的流畅度。1°的步进在±60°范围内产生121帧，动画已经比较平滑。如果追求极致流畅或扫描范围小，可以增加到0.5°；如果只想看关键位置，可以设为5°或10°。

3.2 波束方向图计算（向量化实现）

为了提高计算效率，我们应尽量避免使用嵌套的for循环。利用Matlab的矩阵运算能力，我们可以将计算向量化。

% 5. 计算阵列因子（向量化方法，效率高） % 生成阵元位置索引（以阵列中心为相位参考） n = (0:N-1) - (N-1)/2; % 例如N=16时，n = -7.5, -6.5, ..., 6.5, 7.5 % 更常见的整数索引（以第一个阵元为参考）为： n = 0:N-1; % 这里使用中心参考，公式上更对称，但两种方式最终方向图形状一致。 % 构建观察角度矩阵和扫描角度矩阵，用于向量化计算 % theta_mat: 每一列都是相同的观察角度向量，共num_frames列 % scan_mat: 每一行都是相同的扫描角度向量，共M行 [theta_mat, scan_mat] = meshgrid(theta_rad, scan_angle_rad); theta_mat = theta_mat'; % 转置，使维度变为 M x num_frames scan_mat = scan_mat'; % 核心计算：阵列因子 % 对于均匀线阵，阵列因子 AF = sum( exp(j * k * d * n * (sin(theta) - sin(scan_angle))) ) % 其中 k = 2*pi/lambda k = 2 * pi / lambda; % 利用矩阵乘法和bsxfun（或隐式扩展，Matlab R2016b以后）实现高效计算 % 步骤：先计算每个(n, theta, scan)组合的相位 phase_term = k * d * n(:) .* (sin(theta_mat) - sin(scan_mat)); % 这里是关键！维度扩展 % n(:)是Nx1列向量，与(M x num_frames)矩阵运算，利用广播机制得到(N x M x num_frames)的三维数组 % 然后对第一个维度（阵元维度n）求和 AF_matrix = sum(exp(1j * phase_term), 1); % 对第1维求和，结果维度为 (1 x M x num_frames) AF_matrix = squeeze(AF_matrix); % 去掉单一的维度，得到 M x num_frames AF_dB = 20 * log10(abs(AF_matrix) / N); % 归一化并转换为dB值，主瓣最大值为0dB

代码关键点解析：

1. 相位参考点选择：代码中以阵列中心为参考（n包含负值），这样计算出的方向图完全对称。如果以一端为参考（n = 0:N-1），公式中的相位项会多出一个线性项，但最终归一化的方向图形状是完全相同的。中心参考在数学上更优雅。
2. 向量化技巧：meshgrid生成网格矩阵，结合Matlab的隐式扩展（自动广播）功能，一次性计算出所有(观察角，扫描角)组合对应的、对所有阵元求和的相位项。这比写双重循环快数十倍甚至上百倍，尤其是当M和num_frames较大时。
3. 归一化处理：abs(AF_matrix) / N是幅度归一化，因为等幅激励下，当波束指向与观察方向一致时，同相叠加，理论最大幅度就是N。转换为分贝（dB）标度是天线方向图的惯例，可以清晰地显示主瓣、旁瓣和零陷的动态范围（通常旁瓣比主瓣低十几到几十dB）。

3.3 动态可视化与动画生成

计算得到AF_dB这个二维矩阵后，我们就可以制作动画了。我们将采用两种主流方式：生成GIF图片和生成MP4视频。

% 6. 动态可视化设置 fig = figure('Position', [100, 100, 1200, 500]); % 设置大一些的图窗 % 预定义颜色映射，使主瓣在动画中更醒目 custom_cmap = jet(256); % 为生成GIF做准备 gif_filename = 'phased_array_beam_scanning.gif'; delay_time = 0.05; % GIF每帧之间的延迟时间（秒），控制播放速度 for frame_idx = 1:num_frames current_scan_angle = scan_angle_deg(frame_idx); % 子图1：直角坐标下的方向图 subplot(1, 2, 1); plot(theta_deg, AF_dB(:, frame_idx), 'b-', 'LineWidth', 1.5); hold on; % 标记当前扫描角度和主瓣峰值 [max_gain, max_idx] = max(AF_dB(:, frame_idx)); plot(theta_deg(max_idx), max_gain, 'ro', 'MarkerSize', 10, 'MarkerFaceColor', 'r'); plot([current_scan_angle, current_scan_angle], ylim, 'k--', 'LineWidth', 1); % 扫描角度指示线 hold off; grid on; box on; xlabel('观察角度 (度)'); ylabel('归一化方向图增益 (dB)'); title(sprintf('直角坐标 - 波束指向: %.1f°', current_scan_angle)); xlim([-90, 90]); ylim([-50, 0]); % 固定y轴范围，便于观察变化 legend('方向图', '主瓣峰值', '扫描指向', 'Location', 'best'); % 子图2：极坐标下的方向图（更直观反映空间指向） subplot(1, 2, 2); polarplot(theta_rad, abs(AF_matrix(:, frame_idx))/N, 'r-', 'LineWidth', 1.5); % 极坐标用线性幅度 hold on; % 在极坐标中标记扫描角度 polarplot([current_scan_angle, current_scan_angle]*pi/180, [0, 1], 'k--', 'LineWidth', 1.5); hold off; title(sprintf('极坐标 - 波束指向: %.1f°', current_scan_angle)); rlim([0, 1]); % 径向范围固定为0-1 % 整体图标题 sgtitle(sprintf('均匀线阵波束扫描仿真 (N=%d, d=%.2fλ)', N, d/lambda)); drawnow; % 刷新图形 % 捕获当前帧并写入GIF文件 frame = getframe(fig); im = frame2im(frame); [imind, cm] = rgb2ind(im, 256); if frame_idx == 1 imwrite(imind, cm, gif_filename, 'gif', 'Loopcount', inf, 'DelayTime', delay_time); else imwrite(imind, cm, gif_filename, 'gif', 'WriteMode', 'append', 'DelayTime', delay_time); end end disp(['GIF动画已保存为: ', gif_filename]);

可视化技巧与心得：

1. 双视图对比：直角坐标图擅长精确显示增益值和旁瓣结构，而极坐标图则能直观展示波束在360度空间中的指向和宽度。两者结合，信息更完整。
2. 固定坐标轴：在动画中，固定直角坐标的ylim和极坐标的rlim至关重要。如果坐标轴随数据自动变化，观众会感到眩晕，无法聚焦于波束形状的变化本身。
3. 清晰的标记：用红色圆点标出主瓣峰值，用黑色虚线标出理论扫描角度。这能帮助观众立刻抓住“波束是否准确指向了预设方向”这个关键点。
4. GIF生成参数：DelayTime控制播放速度。0.05秒（即20帧/秒）是一个比较流畅的设置。Loopcount设为inf让GIF无限循环播放。

注意：极坐标图的幅度。在极坐标中，我们通常绘制线性幅度（abs(AF)/N），范围在[0,1]之间，这样图形看起来是一个凸起的“花瓣”。如果绘制dB值（负值），在极坐标中显示效果会很差（大部分区域缩在中心）。因此，极坐标和直角坐标的纵轴量纲是不同的，需要在标题或图例中说明。

3.4 进阶：生成更高质量的视频文件

GIF方便预览和嵌入网页，但颜色和分辨率有损失。对于报告或演示，生成MP4视频是更专业的选择。

% 7. 生成MP4视频（可选，需要安装对应编码器） video_filename = 'phased_array_beam_scanning.mp4'; % 尝试创建VideoWriter对象，如果失败则提示 try v = VideoWriter(video_filename, 'MPEG-4'); v.FrameRate = 20; % 帧率，与GIF的DelayTime对应 1/0.05=20 v.Quality = 90; % 质量，0-100 open(v); % 重新遍历帧并写入视频（可以复用上面的绘图循环，但这里为了清晰重写逻辑） for frame_idx = 1:num_frames % ... (此处重复上面的绘图代码，但移除GIF写入部分) ... drawnow; % 捕获帧并写入视频 writeVideo(v, getframe(fig)); end close(v); disp(['MP4视频已保存为: ', video_filename]); catch ME warning('无法创建MP4视频文件，可能缺少编码器。将仅生成GIF。'); disp(['错误信息: ', ME.message]); end

视频生成要点：

• 帧率：FrameRate应设置为1/DelayTime，以保持和GIF相同的播放速度。
• 质量：Quality设置为90能在文件大小和画质间取得很好平衡。
• 错误处理：使用try-catch块是因为某些Matlab环境可能未安装MPEG-4编码器。如果失败，程序会优雅降级，至少保证GIF生成。

4. 参数影响分析与高级仿真案例

掌握了基础仿真后，我们可以通过修改参数，深入探究相控阵的各种特性。

4.1 阵元间距对栅瓣的影响

让我们验证一下理论：阵元间距d大于半波长时，会在某些扫描角度出现栅瓣。

% 案例1：观察不同阵元间距下的方向图（固定扫描角为30度） d_ratios = [0.4, 0.7, 1.0, 1.5]; % 阵元间距与波长的比值 fixed_scan_angle = 30; % 度 figure('Position', [100, 100, 1000, 800]); for i = 1:length(d_ratios) d_current = d_ratios(i) * lambda; % 重新计算阵列因子（仅针对一个扫描角） u = pi * d_current / lambda * (sind(theta_deg) - sind(fixed_scan_angle)); AF = sin(N * u) ./ (N * sin(u)); AF(abs(u) < 1e-10) = 1; % 处理分母为零的情况（主瓣峰值处） AF_dB_current = 20*log10(abs(AF)); subplot(2, 2, i); plot(theta_deg, AF_dB_current, 'LineWidth', 1.5); grid on; box on; xlabel('观察角度 (度)'); ylabel('增益 (dB)'); title(sprintf('d = %.1fλ, 扫描角=%.0f°', d_ratios(i), fixed_scan_angle)); xlim([-90, 90]); ylim([-50, 0]); hold on; plot([fixed_scan_angle, fixed_scan_angle], ylim, 'r--', 'LineWidth', 1); % 标记出明显的栅瓣位置（增益大于-20dB的副瓣） [peaks, locs] = findpeaks(AF_dB_current, 'MinPeakHeight', -20); plot(theta_deg(locs), peaks, 'go', 'MarkerSize', 8, 'MarkerFaceColor', 'g'); hold off; if i == 1 legend('方向图', '扫描方向', '栅瓣', 'Location', 'best'); end end sgtitle('阵元间距对栅瓣的影响 (N=16)');

运行这段代码，你会清晰地看到：

• d=0.4λ时，只有主瓣，旁瓣电平很低。
• d=0.7λ时，在远离主瓣的大角度可能出现栅瓣（取决于扫描角）。
• d=1.0λ和1.5λ时，栅瓣非常明显，甚至在某些角度出现多个与主瓣幅度相近的波瓣。这在实际系统中是必须避免的，因为它会导致角度模糊和干扰。

4.2 阵元数量对波束宽度的影响

波束宽度（主瓣宽度）是相控阵的重要指标，它与阵元数量N成反比。

% 案例2：观察不同阵元数量下的波束宽度（固定d=0.5λ，扫描角0度） N_list = [8, 16, 32, 64]; d_fixed = 0.5 * lambda; scan_angle = 0; figure; for i = 1:length(N_list) N_current = N_list(i); n_idx = (0:N_current-1) - (N_current-1)/2; phase_shift = -2*pi/lambda * d_fixed * n_idx(:) * sind(scan_angle); AF = zeros(size(theta_deg)); for ang_idx = 1:length(theta_deg) array_response = exp(1j * (2*pi/lambda * d_fixed * n_idx(:) * sind(theta_deg(ang_idx)) + phase_shift(:))); AF(ang_idx) = sum(array_response); end AF_dB_current = 20*log10(abs(AF)/N_current); plot(theta_deg, AF_dB_current, 'LineWidth', 1.5, 'DisplayName', sprintf('N=%d', N_current)); hold on; % 计算-3dB波束宽度（近似） peak_power = max(10.^(AF_dB_current/10)); % 找到峰值功率（线性） half_power = peak_power / 2; idx_3dB = find(10.^(AF_dB_current/10) >= half_power); beamwidth_approx = theta_deg(idx_3dB(end)) - theta_deg(idx_3dB(1)); fprintf('N=%d时，近似-3dB波束宽度约为：%.2f度\n', N_current, beamwidth_approx); end hold off; grid on; box on; xlabel('观察角度 (度)'); ylabel('归一化增益 (dB)'); title(sprintf('阵元数量对波束宽度的影响 (d=0.5λ, 扫描角=%.0f°)', scan_angle)); legend('show', 'Location', 'best'); xlim([-30, 30]); % 放大看主瓣区域 ylim([-40, 0]);

从结果图和打印信息可以看出，阵元数N越大，主瓣越窄，方向性越好，但天线成本和计算复杂度也越高。这是一个典型的工程折中。

4.3 加权（窗函数）对旁瓣的抑制

均匀等幅激励（矩形窗）会产生较高的旁瓣（约-13dB）。在实际应用中，为了抑制旁瓣、减少干扰，会对阵元采用幅度加权（即施加窗函数）。

% 案例3：应用切比雪夫窗降低旁瓣电平 N = 32; d = 0.5 * lambda; scan_angle = 20; % 度 sll_dB = 40; % 期望的旁瓣电平（低于主瓣40dB） % 生成切比雪夫窗权重 cheb_weights = chebwin(N, sll_dB); % 注意：chebwin返回的是线性幅度权重 cheb_weights = cheb_weights / sum(cheb_weights) * N; % 重新归一化，使主瓣增益为0dB（可选） % 计算加窗前后的方向图 theta_rad = deg2rad(-90:0.1:90); % 均匀加权 AF_uniform = zeros(size(theta_rad)); % 切比雪夫加权 AF_cheb = zeros(size(theta_rad)); for ang_idx = 1:length(theta_rad) % 阵列响应向量 array_response = exp(1j * 2*pi/lambda * d * (0:N-1).' * sin(theta_rad(ang_idx) - deg2rad(scan_angle))); % 均匀加权 AF_uniform(ang_idx) = sum(array_response); % 切比雪夫加权 AF_cheb(ang_idx) = sum(cheb_weights .* array_response); end AF_uniform_dB = 20*log10(abs(AF_uniform)/N); AF_cheb_dB = 20*log10(abs(AF_cheb)/max(abs(AF_cheb))); % 归一化到峰值 figure; plot(rad2deg(theta_rad), AF_uniform_dB, 'b-', 'LineWidth', 1.5, 'DisplayName', '均匀加权'); hold on; plot(rad2deg(theta_rad), AF_cheb_dB, 'r-', 'LineWidth', 1.5, 'DisplayName', sprintf('切比雪夫窗 (SLL=%ddB)', sll_dB)); plot([scan_angle, scan_angle], ylim, 'k--', 'LineWidth', 1, 'DisplayName', '扫描方向'); hold off; grid on; box on; xlabel('观察角度 (度)'); ylabel('归一化增益 (dB)'); title('幅度加权对旁瓣的抑制效果 (N=32, d=0.5λ)'); legend('show', 'Location', 'best'); xlim([-90, 90]); ylim([-80, 0]); % 调整y轴下限以观察低旁瓣

运行后可以看到，切比雪夫窗成功地将旁瓣压到了-40dB以下，但代价是主瓣宽度有所展宽。这就是天线设计中的另一个经典权衡：旁瓣电平 vs. 波束宽度。

5. 常见问题、调试技巧与性能优化

在实际仿真过程中，你可能会遇到一些问题。这里记录一些典型的坑和解决方法。

5.1 方向图出现NaN或Inf值

问题描述：在计算阵列因子sin(N*u) ./ sin(u)时，当u接近m*π（m为整数）时，分子分母都趋近于零，在数值计算中可能产生NaN（非数）。

解决方案：使用一个小量容差进行判断和替换。

u = ... % 计算u AF = sin(N * u) ./ sin(u); % 找出分母接近零的索引（即u接近0, π, 2π...的点，对应主瓣和栅瓣峰值） tol = 1e-10; idx_special = abs(sin(u)) < tol; % 在这些特殊点，根据洛必达法则，极限值为 N * cos(N*u) / cos(u)，当u->0时，结果为N % 更简单直接的处理：对于主瓣峰值（u->0），直接赋值为N；对于栅瓣峰值，理论上也是N，但通常我们只关心主瓣 % 这里我们简单地将这些点的AF值设为其极限值N（对于均匀阵） AF(idx_special) = N * cos(N * u(idx_special)) ./ cos(u(idx_special)); % 或者，更稳健地，只处理u绝对值极小的点（主瓣） idx_mainlobe = abs(u) < tol; AF(idx_mainlobe) = N;

5.2 动画生成速度太慢

问题描述：当角度分辨率高、扫描帧数多、阵元数量大时，循环计算和绘图会非常耗时。

优化策略：

1. 向量化计算：如前文所示，使用meshgrid和矩阵运算，彻底避免内层循环，这是最大的性能提升点。
2. 预计算：如果阵元权重和位置固定，可以预先计算exp(1j * k * d * n)等不随角度变化的部分。
3. 降低绘图精度：在生成动画的循环中，可以先用较低的角度分辨率（如0.5°或1°）进行快速预览。确定无误后，再提高分辨率生成最终版。
4. 使用parfor并行循环：如果外层循环（扫描角）很多，且计算独立，可以使用并行计算工具箱（Parallel Computing Toolbox）的parfor来加速。但要注意，并行循环内部不能有绘图命令。

   % 确保AF_matrix已预分配内存 AF_matrix = zeros(M, num_frames); parfor frame_idx = 1:num_frames % 计算每一帧的AF，注意变量要独立 current_scan = scan_angle_rad(frame_idx); u = k * d * (sin(theta_rad) - sin(current_scan)); % ... 计算AF ... AF_matrix(:, frame_idx) = AF; end

5. 视频生成优化：在生成MP4视频时，可以考虑先计算并保存所有帧的数据，然后一次性读取并生成视频，避免计算和绘图在循环中交替进行带来的开销。

5.3 极坐标图显示异常

问题描述：使用polarplot绘制dB值导致图形全部缩在中心附近；或者图形显示不全。

解决方案：

• 只绘制线性幅度：如前所述，极坐标的径向坐标应为线性值（0到1）。
• 调整rlim：确保rlim([0, 1])，让图形充满整个圆形区域。
• 处理角度范围：polarplot默认角度范围是0到2π。如果你的观察角度theta_rad是从-π到π，需要将其转换为0到2π，或者使用polaraxes对象进行更精细的控制。

  % 方法：将-pi到pi的角度转换到0到2pi theta_rad_polar = theta_rad; theta_rad_polar(theta_rad_polar < 0) = theta_rad_polar(theta_rad_polar < 0) + 2*pi; polarplot(theta_rad_polar, abs(AF)/N);

5.4 扩展至二维平面阵

一维线阵只能控制一个维度（如方位角）的扫描。要控制俯仰角和方位角两个维度，需要使用二维平面阵。其原理是线阵的扩展，阵列因子是两个一维因子的乘积。

% 二维矩形平面阵波束扫描示例（静态指向） Nx = 8; % x方向阵元数 Ny = 8; % y方向阵元数 dx = 0.5*lambda; dy = 0.5*lambda; scan_az = 30; % 方位扫描角（度） scan_el = 10; % 俯仰扫描角（度） % 生成二维角度网格 [az_deg, el_deg] = meshgrid(-90:1:90, -90:1:90); az_rad = deg2rad(az_deg); el_rad = deg2rad(el_deg); % 计算方向余弦 u = sin(az_rad) .* cos(el_rad); v = sin(el_rad); u0 = sind(scan_az) * cosd(scan_el); v0 = sind(scan_el); % 计算二维阵列因子 AF_2D = zeros(size(az_deg)); for mx = 0:Nx-1 for ny = 0:Ny-1 phase_shift = exp(1j * 2*pi/lambda * (mx*dx*(u - u0) + ny*dy*(v - v0))); AF_2D = AF_2D + phase_shift; end end AF_2D_dB = 20*log10(abs(AF_2D)/(Nx*Ny)); % 绘制三维方向图 figure; surf(az_deg, el_deg, AF_2D_dB, 'EdgeColor', 'none'); xlabel('方位角 (度)'); ylabel('俯仰角 (度)'); zlabel('增益 (dB)'); title(sprintf('二维平面阵方向图 (扫描: Az=%.0f°, El=%.0f°)', scan_az, scan_el)); colorbar; axis tight; view(45, 30);

制作二维扫描动画的逻辑类似，但需要遍历两个角度（方位和俯仰），计算量更大，可视化通常采用三维曲面图随角度变化的动画，或者固定一个角度，展示另一个角度扫描的切片图。

通过这个从原理到实现，从基础到进阶的完整流程，你不仅能用Matlab画出波束图，更能制作出展示其动态扫描过程的“动图”，并深入理解每个参数背后的物理意义和工程权衡。这比单纯看教科书上的公式要直观和深刻得多。在实际操作中，多尝试修改参数，观察图形的变化，是巩固理解的最佳途径。

本文还有配套的精品资源，点击获取