用不太严谨的文字介绍遥测自跟踪天线的基本原理

article/2025/6/22 17:18:52

前两天跟一个客户见面的时候,客户问我:遥测自跟踪天线能够跟踪目标,是什么原理?不需要目标的位置,怎么做到自跟踪的?

突然一瞬间,有点语塞。

难道要介绍天线、馈源、极化、左旋、右旋、和差网络、耦合器、跟踪接收机,然后再推导一下公式吗?

如果这样的话,客户就崩溃了,我自己也会崩溃。

所以,我就采取了另外一种方式,一种非常不严谨,有很多漏洞的方式做了介绍。

什么是自跟踪天线

在遥测/图传/数据链的地面定向天线有几种跟踪模式?中我们介绍了遥测地面站定向天线的跟踪模式主要有:

程序跟踪、引导跟踪、记忆跟踪、手动跟踪、自跟踪、自动搜索。

其中程序跟踪、引导跟踪、记忆跟踪都依赖于飞行目标的位置、速度信息。地面站根据飞行目标的位置和速度信息计算飞行目标和地面天线的方向矢量,进而计算出地面天线需要转动的方位角和俯仰角,然后通过伺服结构调整天线姿态,使得天线的波束中心对准飞行目标。

而自跟踪模式,是完全依赖对遥测信号的检测,对天线接收的遥测信号进行各种变换,得到方位误差信号和俯仰误差信号。

伺服机构根据方位误差信号调整天线的方位角。

伺服机构根据俯仰误差信号调整天线的俯仰角。

最终使得地面天线波束中心对准飞行目标。

下面这个是遥测平板自跟踪天线的实物图片。

遥测平板自跟踪天线

自跟踪天线的组成

我们对遥测自跟踪天线的组成做最简化的处理,天线系统的组成如下图所示:

遥测自跟踪天线组成

遥测自跟踪天线组成

其中天线抛物面反射面把遥测信号汇集到馈源位置;

遥测天线的馈源是五单元双极化正交结构。馈源三维视图如下图所示。

遥测天线馈源

遥测天线馈源

中间的馈源T是和接收单元,四周的4个馈源(A、B、C、D)是跟踪单元。如下图:

图片

5个馈源

我们假定X代表水平方向,Y代表垂直方向。这4个馈源的输出的4个信号分别为A、B、C、D。

X轴把4个馈源分成2组,A和C位于X轴上方,B和D位于X轴下方;

Y轴把4个馈源分为2组,A和B位于Y轴左侧,C和D位于Y轴右侧;

如果天线在俯仰方向转动,相当于馈源阵列绕着X轴转动;

如果天线在方位方向转动,相当于馈源阵列绕着Y轴转动;

馈源后端的和差网络的结构如下图所示:

和差网络

和差网络

图中MTree就是和差网络,对输入的信号分别做加法和减法。

第一个Mtree1的输入是A和B,第二个Mtree2的输入是C和D。

第一个Mtree1的输出是A+B和A-B;

第二个Mtree2的输出是C+D和C-D;

以此类推,

第三个Mtree3的输出有2个,分别是:

和信号:(A+B)+(C+D),称为"和信号"

差信号:(A+B)-(C+D),称为"方位误差信号"

第四个Mtree4的输出是和信号是(A+C)-(B+D),称为"俯仰误差信号"

和差网络产生的3个信号(A+B)+(C+D)、(A+B)-(C+D)和(A+C)-(B+D)输出给跟踪接收机。

跟踪接收机将3个信号转换为伺服机构的控制信号,然后驱动伺服机构转动天线。

基本跟踪原理

当天线的波束中心完全对准飞行目标的时候,5个馈源阵列的中心的T馈源接收的信号最大。同时A、B、C、D这4个馈源接收的信号几乎相等。

此时和信号(A+B)+(C+D)最大,

差信号(A+B)-(C+D)≈0,(A+C)-(B+D)≈0。

如果天线波束中心在俯仰角度上偏离了飞行目标,俯仰误差信号(A+C)-(B+D)不再≈0。

这个(A+C)-(B+D)信号的幅度代表了天线波束中心在俯仰方向上偏离飞行目标的程度(俯仰角偏离了多少度),这个信号的极性(正负号)代表了天线波束中心在俯仰方向上偏离的方向(向上偏离还是向下偏离)。

同理,如果天线波束中心在方位角度上偏离了飞行目标,方位误差信号(A+B)-(C+D)不再≈0,相反,这个(A+B)-(C+D)信号的幅度代表了天线波束中心在方位方向上偏离飞行目标的程度(方位角偏离了多少度),这个信号的极性(正负号)代表了天线波束中心在方位方向上偏离的方向(向左偏离还是向右偏离)。

跟踪接收机的作用就是把方位误差信号(A+B)-(C+D)和俯仰误差信号(A+C)-(B+D) 转换成伺服机构能够识别的电压信号AGC电压,也可以通过串口RS232/RS422输出电压的数值。

该电压的数值和方位误差信号(A+B)-(C+D)、俯仰误差信号(A+C)-(B+D)成线性关系。

当然在实际工程中通常采用归一化处理,也就是用 差信号/和信号 以消除信号强度的影响,如下:

伺服机构根据跟踪接收机输出的误差电压,可以转换成俯仰误差角度、方位误差角度,然后驱动电机调整对应的俯仰角和方位角就可以了

这样也就实现了整个天线自跟踪的过程。

下面这个视频,是用秘塔AI生成的。输入这篇文章,然后告诉秘塔AI几个提示词,秘塔AI能够给你生成一个讲解的视频,非常棒的功能。

   看视频,有时候比看文章更能够清晰的理解技术知识。

遥测自跟踪天线

最后

因为这个号的主题是"专注于用所有人都能看懂的文字介绍专业知识", 就像step by step介绍GNSS卫星导航定位基本原理,为什么定位需要至少4个卫星?中介绍GNSS的定位原理那样,既要保证技术的严谨,又要通俗易懂。

遥测/图传/数据链的地面定向天线有几种跟踪模式?这个文章,已经写了有一段时间了。一直想用一种既要保证技术严谨,又要通俗易懂的方式介绍自跟踪天线的原理和组成。但是要做到既要又要,始终没有找到合适的方法。

今天这个文章,大家就先看着。如果以后我想到了比较合适的方法,再重新写一篇。

码字不易,大家觉得文章不错,就安排一下一键三连吧:点赞、分享、推荐。


http://www.hkcw.cn/article/EbmhjslyPL.shtml

相关文章

谷歌工作自动化——仙盟大衍灵机——仙盟创梦IDE

下载地址 https://chromewebstore.google.com/detail/selenium-ide/mooikfkahbdckldjjndioackbalphokd https://chrome.zzzmh.cn/info/mooikfkahbdckldjjndioackbalphokd

AI学习笔记(一)背景学习

什么是AI、机器学习、深度学习、强化学习,他们之间是什么关联关系? AI(Artificial_intelligence):即人工智能是指计算系统执行通常与人类智能相关的任务的能力,例如学习、推理、解决问题、感知和决策 机器…

2000-2023年 上市公司-气候风险总词频、气候风险指数-社科经管实证数据

2000-2023年上市公司-气候风险总词频、气候风险指数-社科经管https://download.csdn.net/download/paofuluolijiang/90880454 https://download.csdn.net/download/paofuluolijiang/90880454 本数据集涵盖2000至2023年中国A股上市公司的气候风险相关文本信息及量化指标&#x…

Vue-自定义指令

自定义指令 简单写法 v-twoAge 功能&#xff1a; 当前年龄翻倍 注意&#xff1a;指令方法名称 小写 代码 <!DOCTYPE html> <html lang"en"><head><meta charset"UTF-8" /><title>自定义指令</title><!-- 引入V…

力扣HOT100之动态规划:152. 乘积最大子数组

这道题并不是代码随想录里的&#xff0c;我试着用动规五部曲来做&#xff0c;然后不能通过全部测试样例&#xff0c;在第109个测试样例卡住了&#xff0c;如下所示。 原因是可能负数乘以负数会得到最大的乘积&#xff0c;不能单纯地用上一个序列的最大值乘以当前值来判断是否能…

应急响应靶机-web2-知攻善防实验室

题目&#xff1a; 前景需要&#xff1a;小李在某单位驻场值守&#xff0c;深夜12点&#xff0c;甲方已经回家了&#xff0c;小李刚偷偷摸鱼后&#xff0c;发现安全设备有告警&#xff0c;于是立刻停掉了机器开始排查。 这是他的服务器系统&#xff0c;请你找出以下内容&#…

【设计模式-4.6】行为型——状态模式

说明&#xff1a;本文介绍行为型设计模式之一的状态模式 定义 状态模式&#xff08;State Pattern&#xff09;也叫作状态机模式&#xff08;State Machine Pattern&#xff09;&#xff0c;允许对象在内部状态发生改变时改变它的行为&#xff0c;对象看起来好像修改了它的类…

proteus新建工程

1 点击新建工程 2 输入项目名&#xff0c;选择工程文件夹 3 下一步 4 不创建pcb 5 直接下一步 6 点击完成 7 创建完毕

【计算机CPU架构】ARM架构简介

引言&#xff1a;后x86时代的计算革命 2023年全球ARM芯片出货量突破300亿片&#xff0c;这个数字背后是智能手机、物联网设备、数据中心到超级计算机的全面渗透。当Apple M系列芯片以颠覆性效能震撼PC市场&#xff0c;当AWS Graviton3以40%性价比优势冲击云服务&#xff0c;一场…

Python实现P-PSO优化算法优化循环神经网络LSTM分类模型项目实战

说明&#xff1a;这是一个机器学习实战项目&#xff08;附带数据代码文档&#xff09;&#xff0c;如需数据代码文档可以直接到文章最后关注获取。 1.项目背景 随着深度学习技术的迅猛发展&#xff0c;循环神经网络&#xff08;RNN&#xff09;及其变体LSTM&#xff08;Long S…

牛客周赛94

随手写一下题解吧&#xff0c;最后一题确实有点烧脑了&#xff0c;一开始没想到&#xff0c;看完题解确实茅塞顿开了 经典校招题 思路&#xff1a;n级台阶&#xff0c;每次只能走1或2格&#xff0c;问你最少得步数&#xff0c;那肯定就是每次都走两个&#xff0c;如果是奇数就…

华为OD机试真题——硬件产品销售方案(2025A卷:100分)Java/python/JavaScript/C++/C语言/GO六种最佳实现

2025 A卷 100分 题型 本文涵盖详细的问题分析、解题思路、代码实现、代码详解、测试用例以及综合分析; 并提供Java、python、JavaScript、C++、C语言、GO六种语言的最佳实现方式! 2025华为OD真题目录+全流程解析/备考攻略/经验分享 华为OD机试真题《硬件产品销售方案》: 目录…

流媒体基础解析:视频清晰度的关键因素

在视频处理的过程中&#xff0c;编码解码及码率是影响视频清晰度的关键因素。今天&#xff0c;我们将深入探讨这些概念&#xff0c;并解析它们如何共同作用于视频质量。 编码解码概述 编码&#xff0c;简单来说&#xff0c;就是压缩。视频编码的目的是将原始视频数据压缩成较…

TDengine 集群运行监控

简介 为了确保集群稳定运行&#xff0c;TDengine 集成了多种监控指标收集机制&#xff0c;并通过 taosKeeper 进行汇总。taosKeeper 负责接收这些数据&#xff0c;并将其写入一个独立的 TDengine 实例中&#xff0c;该实例可以与被监控的 TDengine 集群保持独立。TDengine 中的…

SoftThinking:让模型学会模糊思考,同时提升准确性和推理速度!!

摘要&#xff1a;人类的认知通常涉及通过抽象、灵活的概念进行思考&#xff0c;而不是严格依赖离散的语言符号。然而&#xff0c;当前的推理模型受到人类语言边界的限制&#xff0c;只能处理代表语义空间中固定点的离散符号嵌入。这种离散性限制了推理模型的表达能力和上限潜力…

【LUT技术专题】图像自适应3DLUT

3DLUT开山之作: Learning Image-adaptive 3D Lookup Tables for High Performance Photo Enhancement in Real-time&#xff08;2020 TPAMI &#xff09; 专题介绍一、研究背景二、图像自适应3DLUT方法2.1 前置知识2.2 整体流程2.3 损失函数的设计 三、实验结果四、局限五、总结…

【计算机网络】 ARP协议和DNS协议

文章目录 【计算机网络】ARP协议和DNS协议&#xff08;知识点详细&#xff09;一、ARP协议&#xff08;地址解析协议&#xff09;1. **协议功能**2. **ARP报文结构**3. **工作流程**&#xff08;1&#xff09;**正向ARP&#xff08;已知IP&#xff0c;求MAC&#xff09;**&…

普中STM32F103ZET6开发攻略(一)

各位看官老爷们&#xff0c;点击关注不迷路哟。你的点赞、收藏&#xff0c;一键三连&#xff0c;是我持续更新的动力哟&#xff01;&#xff01;&#xff01; 目录 普中STM32F103ZET6开发攻略 1. GPIO端口实验——点亮LED灯 1.1 实验目的 1.2 实验原理 1.3 实验环境和器材…

Azure DevOps 管道部署系列之二IIS

本博客旨在提供如何使用 Azure DevOps YAML 管道部署到虚拟机上的 IIS 的实用指南。 开始之前,您需要做好以下准备: 您拥有要部署的服务器的访问权限以及 PowerShell 的管理员访问权限。您拥有要部署的远程服务器的互联网访问权限。您拥有在服务器上安装 .NET Core 托管包的…

Linux命令之ausearch命令

一、命令简介 ausearch 是 Linux 审计系统 (auditd) 中的一个实用工具,用于搜索审计日志中的事件。它是审计框架的重要组成部分,可以帮助系统管理员分析系统活动和安全事件。 二、使用示例 1、安装ausearch命令 Ubuntu系统安装ausearch命令,安装后启动服务。 root@testser…