简介：面向需要在MATLAB中实现三维极坐标可视化的工程师与科研人员，这份示例以天线三维方向图绘制为切入点，解决surf、mesh只能基于笛卡尔坐标绘图、缺乏现成三维极坐标函数的痛点，给出完整可运行的解决路径，对电磁仿真与数据可视化场景尤为实用。包内包含2个文件，以Plot3D.m脚本和对应的rE数据csv为主，脚本演示了从极坐标到笛卡尔坐标的转换思路，csv文件存放用于绘制的方向图数据，整体压缩包仅320KB，轻量易读，便于直接复用。已有16174人学习下载，适合天线设计、电磁仿真领域读者快速参考。通过对照HFSS仿真结果验证绘图准确性，读者可直接运行脚本观察三维方向图效果，也可作为教学演示素材，借鉴坐标转换与surf着色的实现逻辑，覆盖从数据读取、坐标转换到图形渲染的完整流程，迁移到自己的数据可视化与天线分析任务中，用于课程设计、论文插图或工程验证。1. 三维方向图为什么必须用极坐标：从一堆 theta、phi 到立体花瓣做天线仿真的人多半遇到过这个尴尬：数据表里密密麻麻排着 theta、phi、gain 三列，想在 MATLAB 里画一张漂亮的立体方向图，结果直接plot3(theta, phi, gain)拉出来是一张扭曲的贴片，换成surf转直角坐标又变成一只刺猬，主瓣形状完全看不出来。问题不在于数据，而在于方向图天生是球坐标里的东西——每个方向对应一个增益值，只有让半径等于增益、角度保持球坐标语义，画出来的形状才真正反映辐射特性。这种画法就是三维极坐标绘图。这篇笔记以天线三维方向图为例，把从坐标变换、数据预处理到 MATLAB 成图、调参、避坑的完整链路拆开讲，适合正在处理仿真数据或课程设计里需要出方向图成果的从业者和学生。2. 球坐标转直角坐标：原理、公式与 MATLAB 最小绘制骨架2.1 为什么普通直角坐标画不好方向图天线方向图数据本质上定义在一个球面上，每个采样点由两个角度确定：极角 theta（通常从 +z 轴往下量）和方位角 phi（从 +x 轴在 xy 平面内逆时针量）。增益值 G(theta, phi) 是这个方向上的辐射强度。如果直接把 theta 和 phi 当作 x、y，把 gain 当作 z 画曲面，等于把球面强行展开成平面，主瓣会拉伸变形，副瓣位置完全错位。更常见也更隐蔽的错误是：把 theta、phi、gain 三个向量直接喂给scatter3或plot3。这等于把球坐标当成直角坐标用，画出来的点云在空间里乱窜，形状跟实际方向图毫无对应关系。三维极坐标绘图的本质是：保持角度网格不变，把增益值映射到半径上，再用surf绘制。这样画出来的曲面，任何一个方向上的半径长度都直接对应增益大小，肉眼看过去就是立体的花瓣形。这才是方向图该有的呈现方式。2.2 坐标变换公式与 MATLAB 的 sph2cart 陷阱要从球坐标转到直角坐标，标准公式是：x = r * sin(theta) * cos(phi) y = r * sin(theta) * sin(phi) z = r * cos(theta)其中 theta 是极角，phi 是方位角，r 是增益。这个公式没问题，但 MATLAB 自带的sph2cart函数用的是另一套定义：[x, y, z] = sph2cart(az, el, r)它的az是方位角，el是仰角（从 xy 平面往上量）。天线方向图里常用的是 theta（从 +z 轴往下量），两者差一个余角关系：az = phi el = 90 - theta % 角度制也就是说，el = 0对应 xy 平面，el = 90对应 +z 轴。如果你直接把 theta 塞进 el，方向图就会整体歪掉——theta = 0 时本该指向天顶，结果变成指向水平方向，主瓣朝天变成朝前，这是很经典的翻车。实际写代码时我一般不用sph2cart，而是按公式手写，理由有两点：一是公式里 theta、phi 的物理意义跟仿真软件导出的定义完全一致，不容易错位；二是手写公式方便按列向量或矩阵直接运算，不用额外想数据维度的问题。2.3 最小可运行的三维极坐标绘制骨架先给一个最基础的骨架，能跑通再往上加东西。% 定义角度网格：theta 取 0~pi，phi 取 0~2*pi theta = linspace(0, pi, 91); % 极角采样 phi = linspace(0, 2*pi, 181); % 方位角采样 [Theta, Phi] = meshgrid(theta, phi); % 模拟一个方向图增益：cos^n 模型，线性值 n = 2; G = abs(cos(Theta).^n); G(G < 0.05) = 0.05; % 下限裁剪，避免半径趋近 0 时出现尖刺 % 球坐标转直角坐标 R = G; X = R .* sin(Theta) .* cos(Phi); Y = R .* sin(Theta) .* sin(Phi); Z = R .* cos(Theta); % 绘制：把 CData 显式设为 G，让颜色反映增益 figure; surf(X, Y, Z, G, 'EdgeColor', 'none'); axis equal; xlabel('X'); ylabel('Y'); zlabel('Z'); colormap(jet); colorbar;这段代码里有两个关键点。第一个是G(G < 0.05) = 0.05这行：cos^n 模型在 theta 接近 90° 时增益趋近 0，如果直接当半径用，半径接近 0 的网格点会让曲面在中心区域拧成麻花，裁剪下限后至少曲面是平滑的。第二个是surf(X, Y, Z, G)的第四个参数，它把曲面的颜色数据显式指定为增益矩阵 G，而不是默认的高度 Z。很多新手画出来方向图形状对但颜色乱，就是因为少了这个参数。theta 和 phi 的采样密度决定了曲面的平滑度。91 和 181 只是骨架级别，能看到大致形状，真正出图至少取 181×361，否则花瓣边缘会因为网格太粗出现明显的折线感。3. 天线方向图数据到三维极坐标成图：可完整复现的代码与仿真数据导入3.1 方向图数据的两种来源与增益单位换算实际场景里，G 的来源通常有两种。一种是理论模型，比如阵列综合公式、cos^n 模型，画出来做验证用；另一种是电磁仿真软件导出的数据表，常见格式是每一行包含 theta、phi、gain 三列，gain 单位是 dBi 或 dB。这里有个单位换算的坑：上面公式里的 r 必须是线性幅度，不能是 dB。dB 值是功率比的对数，如果直接把 -10 dB 当成半径，半径就成负数了，画出来的曲面向内凹陷甚至穿过原点，方向图完全没法看。换算公式是：G_lin = 10.^(G_dB / 20) % 电压幅度 G_lin = 10.^(G_dB / 10) % 功率幅度方向图数据到底是电压还是功率，取决于仿真软件导出时的选项。我一般按功率处理，因为方向图默认画的是功率方向图。如果只是看形状，归一化之后电压和功率的区别不明显；但如果要对比副瓣电平的数值，就必须统一口径。3.2 从角度网格到完整成图：可复现代码下面这段代码我把从数据到成图的完整流程串起来，用模拟数据演示，替换成自己的数据就能直接用。% 参数设置 N_theta = 181; % 极角采样数，含 0 和 pi N_phi = 361; % 方位角采样数，含 0 和 2*pi n = 3; % cos^n 模型的指数，n 越大主瓣越窄 % 1. 生成角度网格 theta = linspace(0, pi, N_theta); phi = linspace(0, 2*pi, N_phi); [Theta, Phi] = meshgrid(theta, phi); % 2. 构造方向图增益（线性幅度），带旁瓣效果 % 用 cos^n 叠加一个低幅度的 cos 项来模拟旁瓣 G = abs(cos(Theta).^n) + 0.1 * abs(cos(3*Theta)); % 3. 归一化与下限裁剪 G = G / max(G(:)); G(G < 0.02) = 0.02; % 4. 球坐标转直角坐标 R = G; X = R .* sin(Theta) .* cos(Phi); Y = R .* sin(Theta) .* sin(Phi); Z = R .* cos(Theta); % 5. 绘图 figure('Color', 'white'); surf(X, Y, Z, G, 'EdgeColor', 'none', 'FaceAlpha', 0.95); axis equal; grid off; view(135, 20); % 方位角 135 度，俯仰角 20 度 colormap(jet); colorbar; title('三维极坐标方向图（归一化线性增益）'); xlabel('X'); ylabel('Y'); zlabel('Z');代码逻辑分五步：生成角度网格、计算增益、归一化裁剪、坐标变换、绘图。meshgrid生成的 Theta 和 Phi 都是 361×181 的矩阵，所有后续运算都是逐元素操作，所以 X、Y、Z、G 四个矩阵维度完全一致，这是surf能正确绘制的前提。参数层面有几个值得注意的地方。n取 3 时主瓣宽度适中，n 越大主瓣越尖锐，适合模拟高增益天线，但过大的 n 会让曲面在 theta 接近 0 和 pi 的两极点处拉伸得很陡。FaceAlpha设成 0.95 而不是 1，是为了让曲面有一定透明度，旋转视角时能看到背面的轮廓，但不会像 0.8 那样明显透光。view(135, 20)是经验值，135 度的方位角能让主瓣朝向画面右前方，看起来立体感最强。3.3 仿真数据表格导入与网格重排仿真软件导出的 CSV 或文本文件，典型排列方式是 phi 外层循环、theta 内层循环，也就是先固定一个 phi，遍历所有 theta，再换下一个 phi。读入之后需要按这个顺序 reshape 成矩阵。% 读取仿真导出的数据表 data = readmatrix('antenna_pattern.csv'); theta_col = data(:, 1); phi_col = data(:, 2); gain_dB = data(:, 3); % 获取唯一角度值，确认采样点数 theta_uniq = unique(theta_col); phi_uniq = unique(phi_col); N_theta = length(theta_uniq); N_phi = length(phi_uniq); % reshape 成矩阵，MATLAB 按列填充，默认 phi 外层循环 Theta = reshape(theta_col, N_theta, N_phi)'; Phi = reshape(phi_col, N_theta, N_phi)'; G_dB = reshape(gain_dB, N_theta, N_phi)'; % dB 转线性并归一化 G_lin = 10.^(G_dB / 10); G_lin = G_lin / max(G_lin(:)); % 坐标变换与绘图 R = G_lin; X = R .* sin(Theta) .* cos(Phi); Y = R .* sin(Theta) .* sin(Phi); Z = R .* cos(Theta); figure; surf(X, Y, Z, G_lin, 'EdgeColor', 'none'); axis equal; colormap(turbo); colorbar;reshape 那一行的转置最容易出错。MATLAB 的reshape是按列填充的，如果原始数据是 phi 外层循环，每 N_theta 行换一个 phi，那么直接reshape(theta_col, N_theta, N_phi)得到的结果第一列是第一个 phi 的所有 theta，反了。所以先 reshape 成 N_theta×N_phi 再转置，才能得到标准的 Theta 矩阵。如果仿真软件导出顺序相反，改成不转置即可。如果原始数据排列不规整，比如某个角度点缺失或有重复采样，就别用 reshape，改用griddata插值到规则网格上：theta_q = linspace(0, pi, 181); phi_q = linspace(0, 2*pi, 361); [Theta_q, Phi_q] = meshgrid(theta_q, phi_q); G_q = griddata(theta_col, phi_col, G_dB, Theta_q, Phi_q, 'linear');griddata的'linear'是常用的三角插值算法，速度快且不会出现过冲。注意原始数据里 theta 定义是弧度还是角度，MATLAB 的三角函数默认弧度，仿真软件导出时一般给角度制，直接用会得到非常离谱的结果。我的习惯是一进脚本就统一转成弧度再参与运算。4. 视角、颜色与网格调参：让方向图立体、可读且适合报告4.1 视角调整：view 与 rotate3d 的配合方向图是三维曲面，视角选不对，主瓣和副瓣会叠在一起，看起来像一团乱麻。MATLAB 的view(az, el)接受两个参数：az 是方位角，el 是俯仰角。这两个参数需要根据主瓣指向来调整。如果主瓣在 +z 方向，我一般用view(135, 20)：这个角度能看到主瓣从画面中央向上伸出，副瓣在前方和侧方展开，层次最分明。如果主瓣在 +x 方向，改用view(90, 10)让视线垂直于主瓣轴向。还有个技巧是交互式旋转之后把视角读出来：[az, el] = view(); % 手动旋转到位后读取当前视角这个数值保存下来，下次画同一批数据直接用。比一次次试角度快得多。旋转视角本身用rotate3d开启，不需要额外设置。4.2 颜色映射：用 colormap 和 clim 控制动态范围颜色映射的方向图不只是好看，它承担着表达增益数值的功能。jet是从蓝到红的经典映射，动态范围大但颜色过渡不均匀；turbo是 jet 的改进版，过渡更平滑，色彩失真小；parula是 MATLAB 默认色图，颜色单调但印刷友好。我画方向图常用turbo，因为主瓣和副瓣的色差最明显。更关键的参数是颜色范围。默认情况下 MATLAB 会把颜色映射到 CData 的最小值和最大值之间。但方向图数据常有极端值，比如某个旁瓣的增益特别小，不裁剪会让主瓣区域的颜色层次被压缩掉。用clim控制范围：clim([0.05 1]); % 旧版本用 caxis把下限设成 0.05，意味着所有低于 0.05 的增益都映射到色图最冷的颜色，主瓣区域的细节就显现出来了。这个值不是随便设的，要看数据分布：我一般先画一次用默认范围，然后看 colorbar 上主瓣区域占多少比例，再决定裁剪下限。4.3 网格密度与曲面平滑：shading 和插值theta 和 phi 的采样数直接决定曲面的流畅度。采样太少，花瓣边缘会出现明显的折痕；采样太多，数据量大但视觉提升有限。经验值是极角 181 点、方位角 361 点，对应 1° 分辨率，足够平滑且矩阵运算量很轻。另一个影响视觉平滑的是shading选项。surf 默认是 faceted 模式，每个网格面片都用纯色填充，能看到明显的马赛克边界。改成shading interp之后，颜色在网格点之间线性插值，曲面看起来像连续渐变的，方向图会显得精致很多。代价是 interp 模式下面片边缘不再有描边，主瓣轮廓的锐度稍微下降，但对方向图这种渐变数据来说利大于弊。如果需要更精细的曲面，可以先用interp2把角度网格加密，再重算坐标：Theta_fine = interp2(Theta, 2); % 插值到更密网格 Phi_fine = interp2(Phi, 2); G_fine = interp2(G, 2);interp2的第二个参数是插值倍数，2 表示每个方向翻倍。注意插值之后要用新网格重算 X、Y、Z，不能插值坐标矩阵，否则曲面几何和颜色会打架。4.4 多方向图叠加对比做阵列设计时经常要对比不同激励幅度下的方向图。最直观的做法是在同一坐标系里叠加两个曲面。但方向图叠在一起互相遮挡，需要配合透明度。hold on; G2 = abs(cos(Theta).^4); % 更窄的主瓣 G2 = G2 / max(G2(:)); X2 = G2 .* sin(Theta) .* cos(Phi); Y2 = G2 .* sin(Theta) .* sin(Phi); Z2 = G2 .* cos(Theta); surf(X2, Y2, Z2, G2, 'EdgeColor', 'none', 'FaceAlpha', 0.6);透明度FaceAlpha设成 0.6 是权衡结果。太低（0.3 以下）两个曲面都看不清；太高（0.9 以上）叠加区域一片混色。0.6 左右能同时看到前后两层曲面的轮廓。另一个做法是用不同 colormap 分别映射两个曲面，但 MATLAB 单个坐标系只支持一个 colormap，需要借助subplot分别画。我一般还是用透明度对比，因为视觉上更直接。5. 三维极坐标绘图避坑：五个高频翻车现场与对应修法5.1 方向图中心出现一个空洞或者凹陷现象：画出来的方向图在原点附近不是平滑的曲面，而是塌下去一个洞，或者有放射状裂纹。 原因：theta 接近 0 时，sin(theta) 趋近 0，X、Y 坐标都挤到原点附近，但 phi 方向仍然有大量采样点，网格在这里重叠缠绕。如果增益下限裁得不够，R 趋近 0 时曲面在原点处无法形成闭合。 解决：把增益下限设高一些，比如G(G < 0.02) = 0.02；同时 theta 起点不要从 0 开始，从eps开始即可。如果方向图本身有零点指向天顶，可以接受中心有洞，但必须让洞的边缘平滑，方法是增大 theta 采样密度。5.2 方向图整体朝向反了，主瓣朝下现象：画出来主瓣指向 -z 方向，跟仿真软件里的方向图上下颠倒。 原因：仿真软件里 theta=0 的定义和 MATLAB 默认坐标不一致。有的工具把 theta 定义为从 xy 平面往上量（仰角），有的从 +z 轴往下量（极角）。如果按仰角理解的数据直接套用极角公式，主瓣自然朝反。 解决：先确认数据定义。theta=0 时检查增益最大值，如果数据里 theta=0 对应最大增益，说明它实际上是仰角，需要在转换前做theta = pi/2 - theta。验证方法很简单：转换后找一个 theta=0 的点，看它的 z 坐标是否为正，若为正且增益最大，方向就对了。我在项目里每次都做这一步验证，不省。5.3 曲面颜色跟增益不匹配，颜色看起来像高度现象：方向图形状正确，但颜色分布跟标注的增益值对不上，比如副瓣区域颜色比主瓣还亮。 原因：surf(X, Y, Z)默认用 Z 数据作为颜色依据，而方向图里 Z 坐标本身很大，恰好跟增益混在一起。颜色代表的是高度而不是增益。 解决：绘图时显式传入 CData 参数，surf(X, Y, Z, G)，或者在画完之后用set(h, 'CData', G)覆盖。这是最容易忽略的地方，代码贴出来一眼就能看出来，但自己写的时候经常忘。5.4 曲面出现尖刺或褶皱现象：方向图表面不平滑，出现不规则的尖刺，尤其在数据稀疏的区域明显。 原因：增益矩阵里有 NaN 或者异常大值。NaN 会让曲面在某些面片处断裂，异常值会直接拉出一个尖峰。仿真软件在角度超出计算范围时经常输出异常值，比如 -300 dB 这种明显不合理的数。 解决：绘图前检查矩阵：disp(sum(isnan(G(:)))); % 查看 NaN 数量 disp([min(G(:)), max(G(:))]); % 查看数值范围发现 NaN 后用线性插值填补：G = fillmissing(G, 'linear', 1);。异常值用中位数滤波或者阈值裁剪处理。这一步放在坐标变换之前，能省掉大量调图时间。5.5 保存图片时背景变黑或方向图被截断现象：saveas或exportgraphics导出 PNG 后，背景是黑色的，或者曲面边缘被画布切掉。 原因：Figure 默认背景色是白色，但有些情况下gcf的 Color 属性被之前画过的图改成了黑色。截断问题通常是axis equal之后图形范围比画布大，导致边缘溢出。 解决：绘图前强制设置背景色，并把坐标范围留出余量：figure('Color', 'white'); axis equal; axis([-1.1 1.1 -1.1 1.1 -1.1 1.1]); % 留 10% 边距 exportgraphics(gcf, 'pattern.png', 'Resolution', 300);exportgraphics比saveas稳定，支持分辨率设置，300 dpi 足够报告使用。6. 进阶技巧：动态旋转导出 GIF，验证主瓣指向和旁瓣形态静态方向图能看出大概形状，但想确认主瓣到底对准哪个方向、副瓣有没有穿模，最好的办法是让它转起来。动态旋转还有一个实际用途：在答辩或报告里放一张 GIF，比十张静图都能说明问题。生成 GIF 的思路很简单：循环改变view的方位角，每一帧截图写入 GIF 文件。关键是延迟时间和循环步长的配合。步长太大动画跳动明显，步长太小文件体积膨胀。我一般用 3° 一步，从 0° 转到 357°，共 120 帧。% 在之前绘图代码的基础上，增加动态导出部分 figure('Color', 'white'); surf(X, Y, Z, G, 'EdgeColor', 'none', 'Shading', 'interp'); axis equal; axis off; % 隐藏坐标轴，让图形占满画布 clim([0.02 1]); colormap(turbo); filename = 'antenna_rotate.gif'; for az = 0:3:357 view(az, 20); % 俯仰角固定 20 度，方位角步进 drawnow; frame = getframe(gcf); [A, map] = rgb2ind(frame.cdata, 256); if az == 0 imwrite(A, map, filename, 'gif', 'LoopCount', Inf, 'DelayTime', 0.05); else imwrite(A, map, filename, 'gif', 'WriteMode', 'append', 'DelayTime', 0.05); end end这段代码有几个细节值得说明。rgb2ind(frame.cdata, 256)把真彩帧量化到 256 色，这是 GIF 格式的限制，量化后颜色会有细微偏差，但对方向图这种连续渐变的数据影响很小。LoopCount, Inf让 GIF 无限循环，DelayTime, 0.05约等于每秒 20 帧，旋转速度适中。如果觉得动画太晃，把步长改小到 2°、DelayTime 加到 0.08，会更平滑。动态旋转不仅是演示工具，也是验证手段。我会在旋转过程中盯着主瓣的末端轨迹：如果主瓣的半径最大值对应的方向始终稳定在一个锥面上，说明方向图数据正常；如果主瓣在旋转过程中忽长忽短，说明增益矩阵里有异常值或者坐标变换有误。另外，旋转视角时还能看清曲面在 theta=0 和 theta=pi 两个极点处是否闭合流畅，这是静态图最容易藏问题的地方。从那以后，我每画完一张三维方向图，都会强制走一遍旋转导出流程。不为了出图，就为了把曲面从各个方向审视一遍，确认数据没问题、绘制没走样。这个过程相当于给图做了体检，比单看一个固定视角安心得多。实践下来，绝大多数静态图发现不了的毛病，转一圈就暴露了。希望这篇笔记能让你少走这些弯路，画出的方向图一次成型。本文还有配套的精品资源，点击获取
简介：面向需要在MATLAB中实现三维极坐标可视化的工程师与科研人员，这份示例以天线三维方向图绘制为切入点，解决surf、mesh只能基于笛卡尔坐标绘图、缺乏现成三维极坐标函数的痛点，给出完整可运行的解决路径，对电磁仿真与数据可视化场景尤为实用。包内包含2个文件，以Plot3D.m脚本和对应的rE数据csv为主，脚本演示了从极坐标到笛卡尔坐标的转换思路，csv文件存放用于绘制的方向图数据，整体压缩包仅320KB，轻量易读，便于直接复用。已有16174人学习下载，适合天线设计、电磁仿真领域读者快速参考。通过对照HFSS仿真结果验证绘图准确性，读者可直接运行脚本观察三维方向图效果，也可作为教学演示素材，借鉴坐标转换与surf着色的实现逻辑，覆盖从数据读取、坐标转换到图形渲染的完整流程，迁移到自己的数据可视化与天线分析任务中，用于课程设计、论文插图或工程验证。1. 三维方向图为什么必须用极坐标：从一堆 theta、phi 到立体花瓣做天线仿真的人多半遇到过这个尴尬：数据表里密密麻麻排着 theta、phi、gain 三列，想在 MATLAB 里画一张漂亮的立体方向图，结果直接plot3(theta, phi, gain)拉出来是一张扭曲的贴片，换成surf转直角坐标又变成一只刺猬，主瓣形状完全看不出来。问题不在于数据，而在于方向图天生是球坐标里的东西——每个方向对应一个增益值，只有让半径等于增益、角度保持球坐标语义，画出来的形状才真正反映辐射特性。这种画法就是三维极坐标绘图。这篇笔记以天线三维方向图为例，把从坐标变换、数据预处理到 MATLAB 成图、调参、避坑的完整链路拆开讲，适合正在处理仿真数据或课程设计里需要出方向图成果的从业者和学生。2. 球坐标转直角坐标：原理、公式与 MATLAB 最小绘制骨架2.1 为什么普通直角坐标画不好方向图天线方向图数据本质上定义在一个球面上，每个采样点由两个角度确定：极角 theta（通常从 +z 轴往下量）和方位角 phi（从 +x 轴在 xy 平面内逆时针量）。增益值 G(theta, phi) 是这个方向上的辐射强度。如果直接把 theta 和 phi 当作 x、y，把 gain 当作 z 画曲面，等于把球面强行展开成平面，主瓣会拉伸变形，副瓣位置完全错位。更常见也更隐蔽的错误是：把 theta、phi、gain 三个向量直接喂给scatter3或plot3。这等于把球坐标当成直角坐标用，画出来的点云在空间里乱窜，形状跟实际方向图毫无对应关系。三维极坐标绘图的本质是：保持角度网格不变，把增益值映射到半径上，再用surf绘制。这样画出来的曲面，任何一个方向上的半径长度都直接对应增益大小，肉眼看过去就是立体的花瓣形。这才是方向图该有的呈现方式。2.2 坐标变换公式与 MATLAB 的 sph2cart 陷阱要从球坐标转到直角坐标，标准公式是：x = r * sin(theta) * cos(phi) y = r * sin(theta) * sin(phi) z = r * cos(theta)其中 theta 是极角，phi 是方位角，r 是增益。这个公式没问题，但 MATLAB 自带的sph2cart函数用的是另一套定义：[x, y, z] = sph2cart(az, el, r)它的az是方位角，el是仰角（从 xy 平面往上量）。天线方向图里常用的是 theta（从 +z 轴往下量），两者差一个余角关系：az = phi el = 90 - theta % 角度制也就是说，el = 0对应 xy 平面，el = 90对应 +z 轴。如果你直接把 theta 塞进 el，方向图就会整体歪掉——theta = 0 时本该指向天顶，结果变成指向水平方向，主瓣朝天变成朝前，这是很经典的翻车。实际写代码时我一般不用sph2cart，而是按公式手写，理由有两点：一是公式里 theta、phi 的物理意义跟仿真软件导出的定义完全一致，不容易错位；二是手写公式方便按列向量或矩阵直接运算，不用额外想数据维度的问题。2.3 最小可运行的三维极坐标绘制骨架先给一个最基础的骨架，能跑通再往上加东西。% 定义角度网格：theta 取 0~pi，phi 取 0~2*pi theta = linspace(0, pi, 91); % 极角采样 phi = linspace(0, 2*pi, 181); % 方位角采样 [Theta, Phi] = meshgrid(theta, phi); % 模拟一个方向图增益：cos^n 模型，线性值 n = 2; G = abs(cos(Theta).^n); G(G < 0.05) = 0.05; % 下限裁剪，避免半径趋近 0 时出现尖刺 % 球坐标转直角坐标 R = G; X = R .* sin(Theta) .* cos(Phi); Y = R .* sin(Theta) .* sin(Phi); Z = R .* cos(Theta); % 绘制：把 CData 显式设为 G，让颜色反映增益 figure; surf(X, Y, Z, G, 'EdgeColor', 'none'); axis equal; xlabel('X'); ylabel('Y'); zlabel('Z'); colormap(jet); colorbar;这段代码里有两个关键点。第一个是G(G < 0.05) = 0.05这行：cos^n 模型在 theta 接近 90° 时增益趋近 0，如果直接当半径用，半径接近 0 的网格点会让曲面在中心区域拧成麻花，裁剪下限后至少曲面是平滑的。第二个是surf(X, Y, Z, G)的第四个参数，它把曲面的颜色数据显式指定为增益矩阵 G，而不是默认的高度 Z。很多新手画出来方向图形状对但颜色乱，就是因为少了这个参数。theta 和 phi 的采样密度决定了曲面的平滑度。91 和 181 只是骨架级别，能看到大致形状，真正出图至少取 181×361，否则花瓣边缘会因为网格太粗出现明显的折线感。3. 天线方向图数据到三维极坐标成图：可完整复现的代码与仿真数据导入3.1 方向图数据的两种来源与增益单位换算实际场景里，G 的来源通常有两种。一种是理论模型，比如阵列综合公式、cos^n 模型，画出来做验证用；另一种是电磁仿真软件导出的数据表，常见格式是每一行包含 theta、phi、gain 三列，gain 单位是 dBi 或 dB。这里有个单位换算的坑：上面公式里的 r 必须是线性幅度，不能是 dB。dB 值是功率比的对数，如果直接把 -10 dB 当成半径，半径就成负数了，画出来的曲面向内凹陷甚至穿过原点，方向图完全没法看。换算公式是：G_lin = 10.^(G_dB / 20) % 电压幅度 G_lin = 10.^(G_dB / 10) % 功率幅度方向图数据到底是电压还是功率，取决于仿真软件导出时的选项。我一般按功率处理，因为方向图默认画的是功率方向图。如果只是看形状，归一化之后电压和功率的区别不明显；但如果要对比副瓣电平的数值，就必须统一口径。3.2 从角度网格到完整成图：可复现代码下面这段代码我把从数据到成图的完整流程串起来，用模拟数据演示，替换成自己的数据就能直接用。% 参数设置 N_theta = 181; % 极角采样数，含 0 和 pi N_phi = 361; % 方位角采样数，含 0 和 2*pi n = 3; % cos^n 模型的指数，n 越大主瓣越窄 % 1. 生成角度网格 theta = linspace(0, pi, N_theta); phi = linspace(0, 2*pi, N_phi); [Theta, Phi] = meshgrid(theta, phi); % 2. 构造方向图增益（线性幅度），带旁瓣效果 % 用 cos^n 叠加一个低幅度的 cos 项来模拟旁瓣 G = abs(cos(Theta).^n) + 0.1 * abs(cos(3*Theta)); % 3. 归一化与下限裁剪 G = G / max(G(:)); G(G < 0.02) = 0.02; % 4. 球坐标转直角坐标 R = G; X = R .* sin(Theta) .* cos(Phi); Y = R .* sin(Theta) .* sin(Phi); Z = R .* cos(Theta); % 5. 绘图 figure('Color', 'white'); surf(X, Y, Z, G, 'EdgeColor', 'none', 'FaceAlpha', 0.95); axis equal; grid off; view(135, 20); % 方位角 135 度，俯仰角 20 度 colormap(jet); colorbar; title('三维极坐标方向图（归一化线性增益）'); xlabel('X'); ylabel('Y'); zlabel('Z');代码逻辑分五步：生成角度网格、计算增益、归一化裁剪、坐标变换、绘图。meshgrid生成的 Theta 和 Phi 都是 361×181 的矩阵，所有后续运算都是逐元素操作，所以 X、Y、Z、G 四个矩阵维度完全一致，这是surf能正确绘制的前提。参数层面有几个值得注意的地方。n取 3 时主瓣宽度适中，n 越大主瓣越尖锐，适合模拟高增益天线，但过大的 n 会让曲面在 theta 接近 0 和 pi 的两极点处拉伸得很陡。FaceAlpha设成 0.95 而不是 1，是为了让曲面有一定透明度，旋转视角时能看到背面的轮廓，但不会像 0.8 那样明显透光。view(135, 20)是经验值，135 度的方位角能让主瓣朝向画面右前方，看起来立体感最强。3.3 仿真数据表格导入与网格重排仿真软件导出的 CSV 或文本文件，典型排列方式是 phi 外层循环、theta 内层循环，也就是先固定一个 phi，遍历所有 theta，再换下一个 phi。读入之后需要按这个顺序 reshape 成矩阵。% 读取仿真导出的数据表 data = readmatrix('antenna_pattern.csv'); theta_col = data(:, 1); phi_col = data(:, 2); gain_dB = data(:, 3); % 获取唯一角度值，确认采样点数 theta_uniq = unique(theta_col); phi_uniq = unique(phi_col); N_theta = length(theta_uniq); N_phi = length(phi_uniq); % reshape 成矩阵，MATLAB 按列填充，默认 phi 外层循环 Theta = reshape(theta_col, N_theta, N_phi)'; Phi = reshape(phi_col, N_theta, N_phi)'; G_dB = reshape(gain_dB, N_theta, N_phi)'; % dB 转线性并归一化 G_lin = 10.^(G_dB / 10); G_lin = G_lin / max(G_lin(:)); % 坐标变换与绘图 R = G_lin; X = R .* sin(Theta) .* cos(Phi); Y = R .* sin(Theta) .* sin(Phi); Z = R .* cos(Theta); figure; surf(X, Y, Z, G_lin, 'EdgeColor', 'none'); axis equal; colormap(turbo); colorbar;reshape 那一行的转置最容易出错。MATLAB 的reshape是按列填充的，如果原始数据是 phi 外层循环，每 N_theta 行换一个 phi，那么直接reshape(theta_col, N_theta, N_phi)得到的结果第一列是第一个 phi 的所有 theta，反了。所以先 reshape 成 N_theta×N_phi 再转置，才能得到标准的 Theta 矩阵。如果仿真软件导出顺序相反，改成不转置即可。如果原始数据排列不规整，比如某个角度点缺失或有重复采样，就别用 reshape，改用griddata插值到规则网格上：theta_q = linspace(0, pi, 181); phi_q = linspace(0, 2*pi, 361); [Theta_q, Phi_q] = meshgrid(theta_q, phi_q); G_q = griddata(theta_col, phi_col, G_dB, Theta_q, Phi_q, 'linear');griddata的'linear'是常用的三角插值算法，速度快且不会出现过冲。注意原始数据里 theta 定义是弧度还是角度，MATLAB 的三角函数默认弧度，仿真软件导出时一般给角度制，直接用会得到非常离谱的结果。我的习惯是一进脚本就统一转成弧度再参与运算。4. 视角、颜色与网格调参：让方向图立体、可读且适合报告4.1 视角调整：view 与 rotate3d 的配合方向图是三维曲面，视角选不对，主瓣和副瓣会叠在一起，看起来像一团乱麻。MATLAB 的view(az, el)接受两个参数：az 是方位角，el 是俯仰角。这两个参数需要根据主瓣指向来调整。如果主瓣在 +z 方向，我一般用view(135, 20)：这个角度能看到主瓣从画面中央向上伸出，副瓣在前方和侧方展开，层次最分明。如果主瓣在 +x 方向，改用view(90, 10)让视线垂直于主瓣轴向。还有个技巧是交互式旋转之后把视角读出来：[az, el] = view(); % 手动旋转到位后读取当前视角这个数值保存下来，下次画同一批数据直接用。比一次次试角度快得多。旋转视角本身用rotate3d开启，不需要额外设置。4.2 颜色映射：用 colormap 和 clim 控制动态范围颜色映射的方向图不只是好看，它承担着表达增益数值的功能。jet是从蓝到红的经典映射，动态范围大但颜色过渡不均匀；turbo是 jet 的改进版，过渡更平滑，色彩失真小；parula是 MATLAB 默认色图，颜色单调但印刷友好。我画方向图常用turbo，因为主瓣和副瓣的色差最明显。更关键的参数是颜色范围。默认情况下 MATLAB 会把颜色映射到 CData 的最小值和最大值之间。但方向图数据常有极端值，比如某个旁瓣的增益特别小，不裁剪会让主瓣区域的颜色层次被压缩掉。用clim控制范围：clim([0.05 1]); % 旧版本用 caxis把下限设成 0.05，意味着所有低于 0.05 的增益都映射到色图最冷的颜色，主瓣区域的细节就显现出来了。这个值不是随便设的，要看数据分布：我一般先画一次用默认范围，然后看 colorbar 上主瓣区域占多少比例，再决定裁剪下限。4.3 网格密度与曲面平滑：shading 和插值theta 和 phi 的采样数直接决定曲面的流畅度。采样太少，花瓣边缘会出现明显的折痕；采样太多，数据量大但视觉提升有限。经验值是极角 181 点、方位角 361 点，对应 1° 分辨率，足够平滑且矩阵运算量很轻。另一个影响视觉平滑的是shading选项。surf 默认是 faceted 模式，每个网格面片都用纯色填充，能看到明显的马赛克边界。改成shading interp之后，颜色在网格点之间线性插值，曲面看起来像连续渐变的，方向图会显得精致很多。代价是 interp 模式下面片边缘不再有描边，主瓣轮廓的锐度稍微下降，但对方向图这种渐变数据来说利大于弊。如果需要更精细的曲面，可以先用interp2把角度网格加密，再重算坐标：Theta_fine = interp2(Theta, 2); % 插值到更密网格 Phi_fine = interp2(Phi, 2); G_fine = interp2(G, 2);interp2的第二个参数是插值倍数，2 表示每个方向翻倍。注意插值之后要用新网格重算 X、Y、Z，不能插值坐标矩阵，否则曲面几何和颜色会打架。4.4 多方向图叠加对比做阵列设计时经常要对比不同激励幅度下的方向图。最直观的做法是在同一坐标系里叠加两个曲面。但方向图叠在一起互相遮挡，需要配合透明度。hold on; G2 = abs(cos(Theta).^4); % 更窄的主瓣 G2 = G2 / max(G2(:)); X2 = G2 .* sin(Theta) .* cos(Phi); Y2 = G2 .* sin(Theta) .* sin(Phi); Z2 = G2 .* cos(Theta); surf(X2, Y2, Z2, G2, 'EdgeColor', 'none', 'FaceAlpha', 0.6);透明度FaceAlpha设成 0.6 是权衡结果。太低（0.3 以下）两个曲面都看不清；太高（0.9 以上）叠加区域一片混色。0.6 左右能同时看到前后两层曲面的轮廓。另一个做法是用不同 colormap 分别映射两个曲面，但 MATLAB 单个坐标系只支持一个 colormap，需要借助subplot分别画。我一般还是用透明度对比，因为视觉上更直接。5. 三维极坐标绘图避坑：五个高频翻车现场与对应修法5.1 方向图中心出现一个空洞或者凹陷现象：画出来的方向图在原点附近不是平滑的曲面，而是塌下去一个洞，或者有放射状裂纹。 原因：theta 接近 0 时，sin(theta) 趋近 0，X、Y 坐标都挤到原点附近，但 phi 方向仍然有大量采样点，网格在这里重叠缠绕。如果增益下限裁得不够，R 趋近 0 时曲面在原点处无法形成闭合。 解决：把增益下限设高一些，比如G(G < 0.02) = 0.02；同时 theta 起点不要从 0 开始，从eps开始即可。如果方向图本身有零点指向天顶，可以接受中心有洞，但必须让洞的边缘平滑，方法是增大 theta 采样密度。5.2 方向图整体朝向反了，主瓣朝下现象：画出来主瓣指向 -z 方向，跟仿真软件里的方向图上下颠倒。 原因：仿真软件里 theta=0 的定义和 MATLAB 默认坐标不一致。有的工具把 theta 定义为从 xy 平面往上量（仰角），有的从 +z 轴往下量（极角）。如果按仰角理解的数据直接套用极角公式，主瓣自然朝反。 解决：先确认数据定义。theta=0 时检查增益最大值，如果数据里 theta=0 对应最大增益，说明它实际上是仰角，需要在转换前做theta = pi/2 - theta。验证方法很简单：转换后找一个 theta=0 的点，看它的 z 坐标是否为正，若为正且增益最大，方向就对了。我在项目里每次都做这一步验证，不省。5.3 曲面颜色跟增益不匹配，颜色看起来像高度现象：方向图形状正确，但颜色分布跟标注的增益值对不上，比如副瓣区域颜色比主瓣还亮。 原因：surf(X, Y, Z)默认用 Z 数据作为颜色依据，而方向图里 Z 坐标本身很大，恰好跟增益混在一起。颜色代表的是高度而不是增益。 解决：绘图时显式传入 CData 参数，surf(X, Y, Z, G)，或者在画完之后用set(h, 'CData', G)覆盖。这是最容易忽略的地方，代码贴出来一眼就能看出来，但自己写的时候经常忘。5.4 曲面出现尖刺或褶皱现象：方向图表面不平滑，出现不规则的尖刺，尤其在数据稀疏的区域明显。 原因：增益矩阵里有 NaN 或者异常大值。NaN 会让曲面在某些面片处断裂，异常值会直接拉出一个尖峰。仿真软件在角度超出计算范围时经常输出异常值，比如 -300 dB 这种明显不合理的数。 解决：绘图前检查矩阵：disp(sum(isnan(G(:)))); % 查看 NaN 数量 disp([min(G(:)), max(G(:))]); % 查看数值范围发现 NaN 后用线性插值填补：G = fillmissing(G, 'linear', 1);。异常值用中位数滤波或者阈值裁剪处理。这一步放在坐标变换之前，能省掉大量调图时间。5.5 保存图片时背景变黑或方向图被截断现象：saveas或exportgraphics导出 PNG 后，背景是黑色的，或者曲面边缘被画布切掉。 原因：Figure 默认背景色是白色，但有些情况下gcf的 Color 属性被之前画过的图改成了黑色。截断问题通常是axis equal之后图形范围比画布大，导致边缘溢出。 解决：绘图前强制设置背景色，并把坐标范围留出余量：figure('Color', 'white'); axis equal; axis([-1.1 1.1 -1.1 1.1 -1.1 1.1]); % 留 10% 边距 exportgraphics(gcf, 'pattern.png', 'Resolution', 300);exportgraphics比saveas稳定，支持分辨率设置，300 dpi 足够报告使用。6. 进阶技巧：动态旋转导出 GIF，验证主瓣指向和旁瓣形态静态方向图能看出大概形状，但想确认主瓣到底对准哪个方向、副瓣有没有穿模，最好的办法是让它转起来。动态旋转还有一个实际用途：在答辩或报告里放一张 GIF，比十张静图都能说明问题。生成 GIF 的思路很简单：循环改变view的方位角，每一帧截图写入 GIF 文件。关键是延迟时间和循环步长的配合。步长太大动画跳动明显，步长太小文件体积膨胀。我一般用 3° 一步，从 0° 转到 357°，共 120 帧。% 在之前绘图代码的基础上，增加动态导出部分 figure('Color', 'white'); surf(X, Y, Z, G, 'EdgeColor', 'none', 'Shading', 'interp'); axis equal; axis off; % 隐藏坐标轴，让图形占满画布 clim([0.02 1]); colormap(turbo); filename = 'antenna_rotate.gif'; for az = 0:3:357 view(az, 20); % 俯仰角固定 20 度，方位角步进 drawnow; frame = getframe(gcf); [A, map] = rgb2ind(frame.cdata, 256); if az == 0 imwrite(A, map, filename, 'gif', 'LoopCount', Inf, 'DelayTime', 0.05); else imwrite(A, map, filename, 'gif', 'WriteMode', 'append', 'DelayTime', 0.05); end end这段代码有几个细节值得说明。rgb2ind(frame.cdata, 256)把真彩帧量化到 256 色，这是 GIF 格式的限制，量化后颜色会有细微偏差，但对方向图这种连续渐变的数据影响很小。LoopCount, Inf让 GIF 无限循环，DelayTime, 0.05约等于每秒 20 帧，旋转速度适中。如果觉得动画太晃，把步长改小到 2°、DelayTime 加到 0.08，会更平滑。动态旋转不仅是演示工具，也是验证手段。我会在旋转过程中盯着主瓣的末端轨迹：如果主瓣的半径最大值对应的方向始终稳定在一个锥面上，说明方向图数据正常；如果主瓣在旋转过程中忽长忽短，说明增益矩阵里有异常值或者坐标变换有误。另外，旋转视角时还能看清曲面在 theta=0 和 theta=pi 两个极点处是否闭合流畅，这是静态图最容易藏问题的地方。从那以后，我每画完一张三维方向图，都会强制走一遍旋转导出流程。不为了出图，就为了把曲面从各个方向审视一遍，确认数据没问题、绘制没走样。这个过程相当于给图做了体检，比单看一个固定视角安心得多。实践下来，绝大多数静态图发现不了的毛病，转一圈就暴露了。希望这篇笔记能让你少走这些弯路，画出的方向图一次成型。本文还有配套的精品资源，点击获取