波束形成本质是线性积分：从导向矢量到MATLAB仿真全梳理

很多人第一次学波束形成，接触到的都是“给每个阵元加一个延迟，再叠加起来”这种讲法。这个讲法没有错，但它会让人忽略一个更本质的视角：波束形成的输出，本质上是对整个接收孔径上信号场的一次线性积分。搞清楚这一点，栅瓣为什么出现、窗函数为什么有用、导向矢量为什么长成那个样子，全都是顺理成章的事。这篇文章就用“线性积分”这条主线，把窄带常规波束形成的原理和 MATLAB 实现从头顺一遍，最后再聊聊实际仿真里一定会踩的几个坑。适合刚开始接触阵列信号处理、想把原理和代码对应起来的读者。

1. 为什么要把波束形成理解成一次“线性积分”

1.1 连续孔径上的输出方程

先忘掉离散阵元，假设我们有一根长度为 L 的连续接收孔径，比如一条无限细的水听器线阵。入射信号在孔径位置 x 处的复声压是 p(x, t)。一个线性波束形成器的输出，可以写成孔径上的加权积分：

[ y(t) = \int_{-L/2}^{L/2} w(x) , p(x, t) , dx ]

这里的 w(x) 是孔径加权函数，也就是常说的窗函数或锥削函数。输出 y(t) 是输入场 p(x,t) 的线性泛函，而连续孔径上的组合方式就是积分。所以“线性积分”并不是一个高深说法，它就是字面意思：把孔径上每个位置接收到的信号，乘上一个权重，然后沿整个孔径加起来。

为什么要关心这个连续形式？因为很多结论在连续模型下特别干净。远场平面波假设下，从 θ 方向来的信号到达孔径位置 x 时，相对参考点有一个传播时延 x sinθ / c。窄带情况下，这个时延在复包络上表现为一个相移 e^{-j k x sinθ}，其中 k = 2π/λ。于是输出可以写成：

[ Y(\theta) = S(\omega) \int_{-L/2}^{L/2} w(x) e^{-j k x \sin\theta} dx ]

注意看这个积分：它是对空间坐标 x 做积分，而积分核是 e^{-j k x sinθ}。这和傅里叶变换的核长得一模一样，只不过变量从时间频率换成了空间角度。换句话说，波束方向图就是孔径加权函数 w(x) 在空间频率 u = sinθ 处的傅里叶变换值。

这个结论值得单独拎出来记：波束形成的本质是空间傅里叶分析，而不是某种“近似的延迟叠加技巧”。

1.2 离散阵元让积分退化成加权求和

实际阵列不可能连续采样，只有 M 个离散阵元。数学上，相当于把连续孔径上的采样用一个梳状函数表达，积分退化成求和：

[ y(t) = \sum_{m=0}^{M-1} w_m , p(x_m, t) ]

如果阵元等间距 d，且以阵列中心为原点，x_m = (m - (M-1)/2)d。这时权重向量 w = [w_0, ..., w_{M-1}]^T，阵列接收数据也是向量，输出就是一个简单的内积。离散化带来了一个连续模型里不存在的限制：空间采样定理。阵元间距 d 必须不大于 λ/2，否则方向图在 u 域会出现周期重复，也就是栅瓣。这一点后面展开讲。

刚到这一步，很多初学者会困惑：为什么有的地方写 y = w^H x，有的地方写 y = w^T x？因为不同教材对导向矢量的相位定义不一样。这篇文章统一采用如下约定：导向矢量 a(θ) = e^{-j k x_m sinθ}，波束输出时用补偿权重 v(θ₀) = conj(a(θ₀))，输出写成 v^T x 而不是 v^H x。这个约定会在 MATLAB 代码部分再次强调，因为符号搞反是最常见的低级错误。

1.3 这个视角带来的三个工程推论

从“线性积分”看波束形成，至少有三个工程上经常用到的推论：

第一，波束形成和傅里叶分析是同构的。所以时域信号处理里关于窗函数、旁瓣、主瓣宽度的所有经验，几乎可以原封不动搬到空间域。时域加窗降低频谱旁瓣，空间加窗降低方向图旁瓣；时域窗越宽主瓣越窄，空间阵列孔径越大主瓣越窄。

第二，栅瓣就是空间域的混叠。时域采样率不够会产生频谱混叠，空间采样间隔大于 λ/2 会产生栅瓣。这两个是同一个数学现象的两张脸。

第三，窄带假设是线性积分成立的边界。如果信号带宽较大，x_m 处的“相位差”不再能用单一频率的 e^{-j k x sinθ} 描述，而必须保留真实的延迟。这时单导向矢量模型崩坏，需要换成频域子带处理或真实时延波束形成。很多人把宽带信号硬套窄带模型，方向图从中间塌掉，原因就在这里。

2. 窄带常规波束形成：导向矢量与方向图的来龙去脉

2.1 从几何时延到导向矢量

假设 M 元均匀线阵，间距 d，目标信号是频率为 f₀ 的窄带信号，从法线方向右侧 θ 角入射。以阵列中心为参考点，第 m 个阵元相对参考点的传播时延是：

[ \tau_m = \frac{x_m \sin\theta}{c} ]

中心频率 f₀ 对应的波数为 k = 2π/λ，窄带复包络下，阵元接收信号可以写成：

[ x_m(t) = s(t) e^{-j k x_m \sin\theta} ]

把所有阵元排成列向量，就得到导向矢量：

[ \mathbf{a}(\theta) = \left[ e^{-j k x_0 \sin\theta}, \ e^{-j k x_1 \sin\theta}, \ \dots, \ e^{-j k x_{M-1} \sin\theta} \right]^T ]

这里每个阵元相对参考点都有一个相位差。记住一个判断方法：入射角为正时，阵列右侧阵元先收到信号，所以它们的相位相对参考点是超前的；但上面公式用负指数表示滞后。两种约定都能自洽，关键是权重补偿方向必须和它配套。

为了让波束指向 θ₀，我们需要给第 m 个阵元乘上一个正好抵消该相位差的权重：

[ v_m = e^{+j k x_m \sin\theta_0} ]

也就是 v = conj(a(θ₀))。这样当真实信号从 θ₀ 来时，每个阵元补偿后的复数信号都对齐到同一个方向，相加之后信号幅度增强 M 倍。输出写法和常见教材有点差别，我用普通转置：

[ y(t) = \mathbf{v}^T \mathbf{x}(t) ]

提示：如果看到别的资料写 w^H x，不要直接照抄公式，先确认它的导向矢量是 e^{j k x sinθ} 还是 e^{-j k x sinθ}。导向矢量定义方向不同，权重到底是共轭还是非共轭，结论完全不同。这块符号约定问题坑了很多初学者，MATLAB 报错或者方向图反向，多半就是这里出了问题。

2.2 方向图就是空间傅里叶变换

把波束输出幅度写成入射角的函数，就是方向图。把权重 v(θ₀) 和每个可能入射方向的导向矢量 a(θ) 做内积：

[ F(\theta) = \frac{1}{M} \sum_{m=0}^{M-1} e^{j k x_m (\sin\theta_0 - \sin\theta)} ]

令 u = sinθ，u₀ = sinθ₀，方向图变成：

[ F(u) = \frac{1}{M} \sum_{m=0}^{M-1} e^{j \frac{2\pi}{\lambda} x_m (u_0 - u)} ]

这正是离散孔径的空间傅里叶变换。为什么矩形窗下方向图像一个 sinc 函数的离散版本？因为均匀加权的有限长序列做傅里叶变换，本来就得到 Dirichlet 核。所以用 FFT 快速扫描方向图是完全合理的做法：把阵元坐标和角度变量都离散化，一次矩阵乘法就能算出全角度响应。

这里有一个工程细节值得注意：因为方向图只和 sinθ 有关，所以角度响应的形状在 u 空间是平移不变的。主瓣宽度、旁瓣位置参考 u 空间来设计，会比直接看角度更规整。

2.3 主瓣、旁瓣与增益的定量关系

对 16 元半波长间距均匀线阵，矩形窗下的关键参数如下：

• 主瓣第一零点宽度在 u 空间约为 2λ/(Md)。转成角度时会因 cosθ₀ 有拉伸，偏离法线越远波束越宽。
• 半功率波束宽度近似为 0.886λ/(M d cosθ₀)（弧度）。法线方向、d=λ/2 时，M=16 大约对应 6.4°。
• 第一旁瓣电平约为 -13.3 dB，这是矩形窗众所周知的性质。
• 白噪声输入下，常规波束形成的输出 SNR 提升 10log₁₀(M) dB。原因是信号相干相加幅度增益 M，功率增益 M²；而阵元噪声是非相干的，功率相加，所以只增加 M 倍，净增益 M 倍。

这些数字是判断仿真代码是否写对的“手感指标”。比如你跑完一个 16 元阵列方向图，主瓣半功率宽度不是 6 度上下，第一旁瓣不是 -13 dB 附近，那大概率代码有符号或归一化问题，而不是物理问题。

3. MATLAB 实现：从单频目标信号到可复现的仿真

3.1 仿真场景与参数选择

我用一个非常经典的水声场景来写示例：均匀线阵，16 个阵元，中心频率 15 kHz，声速 1500 m/s，波长 0.1 m，阵元间距取半个波长 0.05 m。目标从 20° 方向入射，采样率 100 kHz，快拍数 4096。单阵元输入信噪比设为 0 dB。

这样选择参数的原因：

• d = λ/2 是空间采样定理的临界值，既能保证无栅瓣，又能让阵列孔径尽可能大，主瓣更窄。
• 窄带信号直接用复指数表示，仿真里不需要走完调制解调流程，原理验证最干净。
• 16 阵元给后面加窗、误差分析留了足够自由度，方向图也足够平滑。

3.2 完整仿真代码

clear; close all; clc; %% 基本参数 c = 1500; % 声速 m/s f0 = 15e3; % 中心频率 Hz lambda = c / f0; d = 0.5 * lambda; % 阵元间距，取半波长避免栅瓣 M = 16; % 阵元数 theta0 = 20; % 目标方向 deg fs = 100e3; % 采样率 Hz Ns = 4096; % 快拍数 SNR_in = 0; % 单阵元输入信噪比 dB %% 阵列坐标，以阵列中心为参考点 x_m = ((0:M-1) - (M-1)/2) * d; %% 导向矢量 k = 2*pi / lambda; a_target = exp(-1i * k * x_m(:) * sind(theta0)); % M x 1 %% 生成窄带目标信号 + 独立阵列噪声 t = (0:Ns-1).' / fs; s_t = exp(1i * 2*pi*f0 * t).'; % 1 x Ns 复包络 noise_power = 10^(-SNR_in/10); noise = sqrt(noise_power/2) * (randn(M, Ns) + 1i*randn(M, Ns)); X = a_target * s_t + noise; % M x Ns 阵列接收数据 %% 常规波束形成权重 % 注意：此处权重是共轭导向矢量，输出用普通转置而不是共轭转置 w_bf = conj(a_target) / M; % M x 1 %% 波束输出 y = w_bf.' * X; % 1 x Ns %% 分别计算信号和噪声分量，看 SNR 提升 y_signal = w_bf.' * (a_target * s_t); y_noise = w_bf.' * noise; SNR_in_est = 10*log10(mean(abs(s_t).^2) / mean(mean(abs(noise).^2))); SNR_out_est = 10*log10(mean(abs(y_signal).^2) / mean(abs(y_noise).^2)); fprintf('输入SNR: %.2f dB\n', SNR_in_est); fprintf('波束形成后SNR: %.2f dB\n', SNR_out_est); fprintf('理论增益: %.2f dB\n', 10*log10(M)); %% 方向图扫描 theta_scan = -90:0.1:90; A_scan = exp(-1i * k * x_m(:) * sind(theta_scan)); % M x Ntheta F = w_bf.' * A_scan; % 1 x Ntheta F_dB = 20*log10(abs(F) / max(abs(F))); figure; plot(theta_scan, F_dB, 'LineWidth', 1.5); grid on; xlabel('角度 (deg)'); ylabel('归一化幅度 (dB)'); ylim([-40 0]); title('常规波束形成方向图');

3.3 跑完代码后怎么解读结果

正常运行后，方向图最大值出现在 20° 附近，幅度是 0 dB，这就是波束指向。第一旁瓣大约在 -13 dB 附近，和前面理论值吻合。SNR 输出一般会比输入高 12 dB 左右，因为 10log₁₀(16) ≈ 12.04 dB。如果这两条都对不上，先检查导向矢量符号和转置有没有搞错。

我这里用w_bf.' * X而不是w_bf' * X，关键就在 MATLAB 里单引号是共轭转置。由于权重本身已经存成了共轭导向矢量，再做共轭转置会多出一个共轭，波束输出相位乱掉，方向图最大值位置会跑到负角度去。这个错误非常隐蔽，因为幅度方向图看起来仍然有个峰，很多人直到方向图“镜像”了才意识到。

另外可以顺手验证一件事：把d = 0.5 * lambda改成d = 1.0 * lambda，再跑一次方向图，会看到除了 20° 主峰外，-41° 附近出现一个等高的假峰。这就是栅瓣，后面专门说它。

4. 方向图之外：栅瓣、窗函数和指向误差的实战考验

4.1 栅瓣：空间采样定理被违反时会发生什么

栅瓣是阵列信号处理里最容易验证、也最容易理解的一个现象。方向图在 u = sinθ 空间里是周期函数，周期是 λ/d。只要 d ≤ λ/2，这个周期大于等于 2，而 u 的取值范围恰好是 [-1, 1]，所以可见范围内只有一个主瓣。一旦 d > λ/2，周期小于可见范围，u 空间里相邻周期的重复峰就会漏进 [-1,1]，形成栅瓣。

以下表是 d=0.5λ、λ、1.5λ 三种取值下，目标从 20° 入射时出现的栅瓣角度：

第三个例子里，-82.4° 的低掠射角栅瓣甚至比主瓣更接近端射区域，实际工程中会被当成真实目标。宽带系统尤其要注意：阵元间距设计通常按最高工作频率对应的半波长来定，如果频率范围太宽，高频端满足条件，低频端波长变大，半波长间距反而变大？其实反了，高频端波长小，按低频端设计会给高频造成栅瓣。所以正确做法是“最高频定间距”，低频端只是主瓣变宽，不会出现栅瓣。

如果已经用了稀疏阵列无法改间距，最常见的补救是布阵时引入非均匀间距，破坏空间采样周期性。好处是不再有明确栅瓣，代价是平均旁瓣抬高、方向图可控性变差。这个交易要心里有数。

4.2 空间窗函数：旁瓣与主瓣宽度的交易

矩形窗方向图第一旁瓣 -13.3 dB，在很多干扰场景下不够用。比如 30° 处有个强干扰，它透过旁瓣进来的能量可能直接淹没目标。空间加窗和时域加窗思路完全一样：对幅度锥削，让阵列边缘的阵元贡献小、中间贡献大。代价是有效孔径变短，主瓣变宽，输出 SNR 增益也会略小于 M。

常用窗的情况：

MATLAB 里加窗很简单，比如在生成权重时乘一个汉明窗：

win = hamming(M, 'periodic').'; % 1 x M w_bf = win .* conj(a_target).'; w_bf = w_bf / sum(win); % 保持主瓣增益为 0 dB

注意 MATLAB 里hamming默认返回列向量，为了维度对齐，我把它转成行向量再和conj(a_target).'做逐元素乘。sum(win)归一化是为了让主瓣峰值仍然为 0 dB。如果不做归一化，SNR 的理论增益会进一步偏离 M。

实际项目里我见过不少“既要低旁瓣、又要窄主瓣、还要高 SNR”的需求，它们在物理上是互相拉扯的。加窗之前最好先量化一下：旁瓣要压到多少 dB？主瓣可以容忍变宽多少？干扰是近旁瓣还是远旁瓣？通常压旁瓣到 -30 dB 左右，对主瓣的损失还比较可控，再低就要用更复杂的优化方法而不是简单窗函数了。

4.3 指向误差和阵元误差：理想模型的边界

线性积分模型假设了理想均匀直线阵、平面波、窄带、阵元特性完全一致。现实中每一条都可能失配，其中最隐蔽的是指向误差和阵元幅相误差。

指向误差很好理解：波束指向 θ₀，目标实际从 θ₀ + δ 来，输出幅度会落在方向图主瓣斜坡上。比如上面的 16 元阵，20° 附近半功率波束宽度约 6.8°，如果指向偏差 2°，损失大概不到 1 dB；偏差 5°，损失接近 3 dB。这个损失在低信噪比场景下可能被噪声起伏掩盖，不容易发现，但会直接吃掉积累增益。

阵元误差更麻烦。阵元位置误差、幅度不一致、相位不一致都会让实际方向图偏离理论值。最典型的表现是旁瓣抬高、零陷变浅。低旁瓣设计对误差尤其敏感，你加了布莱克曼窗期望旁瓣 -50 dB，实际加工出的阵列可能只能到 -30 dB。所以阵列标校不是可有可无的事。

我自己做阵列仿真有个固定习惯：先跑理想模型确认算法正确，然后立刻加一组 Monte Carlo 误差仿真，检验算法对失配的敏感度。常用误差量级是：阵元位置随机偏差 0.02λ、幅度增益误差 5%、相位误差 5°。如果方向图在这些误差下还能保住期望的旁瓣或零陷水平，这个方案才敢往后走。差了几 dB 就调算法或者调布阵，总比装到平台上再发现问题便宜得多。

最后分享一个小技巧：不要只盯着方向图理论曲线看，把多次蒙特卡洛的波束输出 SNR 直方图画出来，你会很直观地看到误差对系统稳定性的影响。很多阵列算法的“理论优势”在误差面前缩水得很快，提前用仿真暴露出来，比到外场再被动解释要强得多。