简介:关于5G毫米波相控阵的调研.pdf是一份面向通信工程学习者、5G技术研究者及行业初学者的专题调研资料,系统梳理了5G毫米波的发展现状、面临挑战与相关工艺,并重点讨论了衰减器与移相器在60GHz频段下的应用前景。文件为PDF,共1个文件,压缩包大小1.12MB,内容精炼便于快速通读。全文从5G基本概念展开,涵盖毫米波频段划分、28GHz与60GHz候选频段、毫米波高带宽/方向性/空间分割等优势及其传播损耗大、穿透力弱等短板,同时结合Anokiwave、博通、英特尔、Qorvo、高通、三星、华为等厂商动向,以及高通在28GHz频段演示的波束成形与波束追踪技术,呈现了5G毫米波相控阵从芯片研发到系统部署的关键脉络。已有108人学习,适合需要快速建立5G毫米波认知框架并关注相控阵器件发展前景的读者。
1. 5G毫米波相控阵到底在调研什么:先把覆盖半径的账算明白
同样一面 4×4 阵列,放到 3.5GHz 还能覆盖几百米,搬到 28GHz 可能连 100 米都站不稳。这是 5G 毫米波相控阵给所有做天线和射频的人的第一课:不是把频段改高一点那么简单,而是把雷达和卫星通信用的那套阵列波控、波束管理与校准方法,一层层搬到 5G 基站和终端模组里。这份调研最该回答的不是“相控阵是什么”,而是“通道做多少、波束怎么控、成本扛不扛得住”。我会按链路预算、阵面规模、波束架构、量产测试这条线拆开讲,顺手把第一次做毫米波项目一定会踩的坑点出来。
2. 从带宽到阵面:物理层指标怎么变成天线选型参数
2.1 先确认工作频段和瞬时带宽:n257/n258/n260 的差别比想象中大
5G 毫米波频段是一组,不是只有一个 28GHz。3GPP 把 24.25GHz 到 40GHz 切开成多个 band,基站预研最常见的是 n257(26.5–29.5GHz)、n258(24.25–27.5GHz)、n260(37–40GHz)、n261(27.5–28.35GHz)。这一步必须最先确认,因为同一个阵面设计,从 28GHz 往 39GHz 搬,波长缩了接近 30%,单元间距、阵面尺寸、介质损耗全部要重算,之前做的半波长功分器、移相器布局基本作废。
带宽更关键。5G 毫米波一个载波 100MHz 起步,载波聚合后到 400MHz,这对射频前端来说是宽带设计。宽带意味着两层压力:天线单元要在一个相对带宽接近 15%–20% 的区间内保持驻波和辐射效率,同时移相器和 TR 组件在带内不能出现明显的幅度、相位起伏。窄带贴片天线在 28GHz 做 2% 带宽很简单,要做 20% 就要上宽缝、多层堆叠或者换介质材料,成本立刻不一样。所以调研 PDF 里但凡有“带宽”这一行,不要只看峰值速率,先看它对天线口径和 TR 芯片插损的连带影响。
顺带说明,终端侧的毫米波模组是另一套极端设计:手机里没有空间做大阵,只能做 1×4、2×4 这种小阵列,还要避开摄像头和金属中框。基站端的调研可以把终端的功率和增益当成约束条件,而不是研究对象。我一般会把“基站 EIRP、终端增益、终端噪声系数”三个值单独建一个输入参数表,后面所有链路预算都从这张表取数,避免各章数据对不上。
2.2 单元间距和最大扫描角:栅瓣公式是第一道硬约束
相控阵的单元间距不是随便定的。避免栅瓣(grating lobe)进入可见区的条件通常写成 d ≤ λ / (1 + |sinθ_max|),其中 θ_max 是最大扫描角。这个公式直接决定你能把多少根天线塞进一块给定面积的板子。
| 最大扫描角 θ_max | 单元间距上限 d_max |
|---|---|
| 30° | 0.667λ |
| 45° | 0.585λ |
| 60° | 0.536λ |
实际基站水平覆盖通常要求 ±45° 到 ±60°,所以工程上最常见的取值是 d = 0.5λ。这不是拍脑袋拍的:0.5λ 对应最大扫描角约 60°,而阵元方向图本身在 ±60° 时增益已经往下掉,两重因素叠加后栅瓣被压得比较干净。28GHz 下 d 大约是 5.35mm,39GHz 下大约是 3.85mm,单元面积直接差了接近一倍,这就是高频阵列加工精度和成本压力的来源。
如果调研文档里出现“宽角扫描”字眼,要特别留意它怎么处理栅瓣。常见做法是把贴片单元的方向图收窄,让大角度方向的单元增益压住栅瓣,而不是单纯减小 d。减小 d 会让互耦升高,端口隔离度变差,TR 芯片的驻波指标也会跟着恶化。这里没有免费的午餐。
2.3 通道数不是越多越好:从每通道功率和 EIRP 倒推
发射侧最重要的指标是 EIRP(等效全向辐射功率),它是“通道数 × 每通道功率 × 阵列增益”共同作用的结果。粗略的估算关系可以写成:
EIRP(dBm) = P_per(dBm) + 10·log10(N) + G_el(dBi) − L_comb(dB) − L_misc(dB)
其中 P_per 是每个通道送到天线端口的功率,G_el 是单个阵元的增益,L_comb 是合成网络插损,L_misc 是连接器、走线、温漂等杂项损耗。假设每通道输出 20dBm(100mW),单元增益 6dBi,合成和杂项损耗合计 3.5dB,那么:
| 通道数 N | 阵列增益贡献 | 估算 EIRP |
|---|---|---|
| 64 | 18.1dB | 40.6dBm |
| 128 | 21.1dB | 43.6dBm |
| 256 | 24.1dB | 46.6dBm |
| 512 | 27.1dB | 49.6dBm |
| 1024 | 30.1dB | 52.6dBm |
室外毫米波 AAU 要做到 55dBm 以上,通道数必然推到 512 甚至 1024,这也是为什么室外毫米波设备体积和重量一直降不下来。通道数还要考虑芯片集成度:目前常见的波束成形芯片单颗支持 4/8/16 通道,超过一定规模就要拼多颗芯片,布线、时钟同步、温度校准都是成倍的工作量。调研时如果只写“支持 256 通道”,一定要追问一句“这 256 个通道怎么分组、跨芯片相位怎么对齐”,这部分才是项目落地真正烧钱的地方。
2.4 接收链路 G/T:覆盖半径经常被它拖后腿
发射侧把 EIRP 做高不算本事,接收侧能不能把弱信号捞回来才是毫米波覆盖的瓶颈。接收链路设计认一个参数:G/T(天线增益与系统噪声温度之比)。G/T = G_r(dBi) − 10·log10(T_sys),其中 T_sys 包含天线噪声温度、馈线损耗和 LNA 噪声温度的共同贡献。
给出一个典型估算:接收天线增益 27dBi,LNA 噪声系数 3dB,天线前端馈线损耗 1dB,天线噪声温度按 100K 估算。前级 1dB 损耗直接推高系统噪声温度,最终 T_sys 会到 600–800K 这个量级,换算下来 G/T 只有 −5 到 +5dB/K。G/T 每恶化 3dB,视距工况下覆盖半径大约缩水 20%–30%,这就是为什么有些毫米波基站标称 EIRP 很好看,现场实测覆盖却差一口气。
我在做链路预算时习惯把发射链路和接收链路分开算,绝不混在一起。发射侧看 EIRP,接收侧看 G/T,两条链路在最差场景下取余量较小的一方作为覆盖距离结论。调研文档如果只给发射功率不给接收灵敏度,这份文档基本可以判定为“市场宣传稿”,离工程实现还有距离。
3. 链路预算与阵元数估算:一份可以直接套用的 Python 脚本
3.1 自由空间损耗与雨衰:先用干净信道把上限算出来
毫米波链路预算的第一步永远是自由空间损耗(FSPL)。公式是 FSPL = 20·log10(4πd/λ),28GHz 下 100 米约 101.4dB,200 米约 107.4dB,每翻一倍距离多 6dB。这个数字记在脑子里,后面很多判断都靠它打底。
但毫米波还有一个绕不开的变量:雨衰。工程上按 ITU-R P.838 推荐的比衰减率做插值,大雨(25mm/h)在 28GHz 附近的比衰减率能到每公里十来个 dB 的量级。单看蜂窝覆盖 100–200 米,雨衰只有 1–2dB 的影响,可一旦做的是 1km 以上的回传链路,这一项就会变成主要矛盾,必须留足余量。所以调研里如果覆盖半径写得很远,先问一句“什么天气条件下的覆盖”,答不上来的文档建议直接退回去让对方补数据。
街道站、楼顶站、杆站三种部署位置的链路余量需求完全不同:杆站离用户近但遮挡复杂,楼顶站视距好但容易越区覆盖。我第一次做这类方案时,只算了 LOS 链路余量,结果 NLOS 场景下接收信号直接躺在地板里,后来才意识到毫米波调研的链路预算必须区分 LOS 和 NLOS 两列来填。
3.2 链路预算脚本:改三个参数就能出一版初算
下面这段 Python 脚本可以直接跑,用来算“给定 EIRP、接收增益、距离、带宽下,链路还剩多少余量”。代码很短,但覆盖了发射功率、自由空间损耗、接收机噪声底、解调门限四个要素。
# 5G 毫米波点对点链路预算初算(LOS 自由空间) import math f_hz = 28e9 # 工作频率:28GHz d_m = 150 # 覆盖距离:150米 eirp_dbm = 46.6 # 基站发射 EIRP,来自第2章的 256 通道估算 gr_dbi = 12.0 # 终端接收天线增益:小型相控阵约12dBi bw_hz = 100e6 # 信号带宽:100MHz nf_db = 5.0 # 接收机噪声系数:典型5dB snr_req_db = 8.0 # 解调门限:按QPSK/LDPC低阶取8dB lam = 3e8 / f_hz fspl = 20 * math.log10(4 * math.pi * d_m / lam) pr_dbm = eirp_dbm - fspl + gr_dbi noise_floor_dbm = -174 + 10 * math.log10(bw_hz) + nf_db snr_db = pr_dbm - noise_floor_dbm margin_db = snr_db - snr_req_db print(f"自由空间损耗: {fspl:.1f} dB") print(f"接收功率: {pr_dbm:.1f} dBm") print(f"接收机噪底: {noise_floor_dbm:.1f} dBm") print(f"链路 SNR: {snr_db:.1f} dB") print(f"解调余量: {margin_db:.1f} dB")逻辑说明:先根据频率算出对应波长,再求自由空间损耗;用 EIRP 减去损耗、加上终端增益得到接收功率;接收机噪底由热噪声 −174dBm/Hz、带宽对数项和噪声系数叠加。最终用 SNR 减去解调门限得到余量,余量为负说明这条链路在理论上都撑不住。
参数说明:eirp_dbm 是你在第 2 章算出来的发射侧能力;gr_dbi 对终端差异很敏感,手持设备可能只有 6–12dBi,固定终端可以做到 25dBi 以上;nf_db 取 5 是常规值,LNA 做得好的可以到 3,但前端损耗会把实际等效 NF 拉回去。这段脚本的价值不是精确预测覆盖,而是让团队在讨论“通道数做多少”之前,先统一一套数据口径。
3.3 从链路预算反推阵元数:三种 EIRP 档位的对比
初算做完,接下来回到阵元数。常见做法是先定目标覆盖距离和解调门限,反推需要多少 EIRP,再根据每通道功率和单元增益算出通道数。以 28GHz、100MHz 带宽、终端增益 12dBi、接收等效 NF 5dB 为条件,覆盖 150 米的解调余量约 30dB,这意味着即使雨衰、穿透损耗各吃掉 10dB,链路依然能维持。
| 目标 EIRP | 估算通道数(P_per=20dBm, G_el=6dBi, L=3.5dB) | 典型定位 |
|---|---|---|
| 40–42dBm | 64–128 | 室内微站、家庭基站 |
| 45–47dBm | 256 | 室外杆站、街道站 |
| 50–52dBm | 512–1024 | 宏站补热、回传节点 |
实际项目里还要对通道数做两个修正:一是功放输出功率没这么理想,尤其考虑到 OFDM 信号的峰均比,功放要回退 4–8dB,平均输出功率远低于饱和功率。二是温度降额,毫米波 PA 在高温下增益和饱和功率都会掉,室外设备 55℃ 外壳温度下再掉 1–2dB 很常见。所以第一版方案我喜欢先按“目标 EIRP + 4dB”来排通道数,留够余量,后面再根据实测结果往回收。
3.4 仿真里的玄学:方向图增益和实际 EIRP 到底差多少
仿真软件里阵列方向图算得再漂亮,到了实物测试一定有差距。这中间不是某个环节出了大错,而是损耗种类太多、每一项都不大,加起来就吓人。我通常会在预算表里列出这么几项:连接器与转接损耗约 0.5dB 一个点,馈电网络插损 0.5–1dB,介质损耗 0.5dB 起步,功放温度降额 0.5–1dB,再加上功放回退不理想导致的实际输出偏离标称值 0.5dB。林林总总算下来,仿真 EIRP 和实测 EIRP 相差 2–4dB 是常态。
这就是毫米波项目里常说的“玄学”部分:不是因为谁算错了,而是每一处的小损耗在 28GHz 以上都比 3.5GHz 明显放大。应对办法只有一个,在第一版设计里留够余量,并且把“仿真到实测的修正项”单独做一张表,每次测试回来对比修正值是不是稳定。修正项稳定之后,下一轮的仿真模型才真正可信。
4. 波束成形架构与移相量化:混合波束怎么定子阵规模
4.1 为什么不全数字:ADC/DAC 的功耗和带宽把预算直接拉爆
相控阵的架构选择里,最容易被初学者问倒的问题是“为什么不干脆全数字”。全数字意味着每个天线通道后面接一对 ADC/DAC,基带侧有同样数量的数字通道。400MHz 带宽下,高分辨率 ADC 的单通道功耗就能到瓦级,256 通道全数字,光数据转换器的功耗就超过几百瓦,这还没算基带处理器的负载。室外基站还要在抱杆上解决散热,这个功耗规模根本扛不住。
相控阵雷达确实有全数字架构,那是因为雷达带宽窄、占空比低、对波束自由度要求极高。5G 基站是连续发射、持续满负荷,功耗和成本都是硬约束。同理,车载毫米波雷达通常走模拟波束或数字波束形成(DBF),但它扫的是角度维,而 5G 通信不光要扫描,还要同时做多用户调度、波束管理和空口协议,子阵维度的选择是通信特有的问题。所以 5G 毫米波基站的主流架构是混合波束:数字域只处理少量 RF 链,每个 RF 链后面带一个子阵,子阵内部用模拟移相器加权。
4.2 混合波束子阵划分:K 个 RF 链,每个链带多少天线
以 256 通道阵面为例,RF 链数量 K 和子阵内单元数 M 的分配直接决定系统能力。K 越大,数字域自由度越高,能同时调度的波束越多,但 ADC/DAC、基带端口的数量和功耗也线性上涨。下表是我常用的对比维度:
| RF 链数 K | 子阵单元数 M | 数字波束数 | 优点 | 代价 |
|---|---|---|---|---|
| 4 | 64 | 少 | 功耗低、成本可控 | 空间自由度低,多用户能力弱 |
| 8 | 32 | 中 | 折中方案 | 同步校准复杂度上升 |
| 16 | 16 | 多 | 波束灵活、多用户调度好 | 数字基带功耗高 |
实际项目里的选择依据是目标用户数和业务类型。如果主打的是固定无线接入(FWA),用户位置相对固定,K=4 就够用;如果是热点高容量场景,多用户波束要同时指向不同终端,K 就不能小于 8。还有一个容易忽略的点:子阵内部单元越多,模拟移相器的扫描精度越受限,因为每个 RF 链只有一个数字加权系数,子阵内部的波束形状是固定死的。
我一般会先定“同时服务几个用户”这个业务指标,再反推 K 的下限,最后用 PF 算法仿真确认调度损失。这个顺序比先定芯片再想场景合理得多。
4.3 移相器量化位宽:4bit 够用还是 6bit 才保险
模拟移相器的核心参数是量化位宽。位宽决定相位控制的最小步进,也直接决定波束指向精度和旁瓣水平。下面这段代码算的是不同位宽下均匀量化带来的 RMS 相位误差:
# 移相器量化位宽与 RMS 相位误差估算 import numpy as np for bits in range(2, 7): step = 2 * np.pi / (2 ** bits) # 最小相位步进 rms_phase = step / np.sqrt(12) # 均匀量化误差的RMS print(f"{bits} bit: 步进 {np.degrees(step):.2f}°, " f"RMS相位误差 {np.degrees(rms_phase):.2f}°")输出结果是:4bit 对应步进 22.5°、RMS 误差约 6.5°,6bit 对应步进 5.625°、RMS 误差约 1.6°。经验上,4bit 移相器会让阵列平均副瓣抬升 1–2dB,5bit 已经算不错,6bit 只有在低旁瓣和高指向精度同时要求的场景才值得上。
位宽升高带来的代价是插损、芯片面积和控制接口复杂度一起涨。毫米波频段的移相器每多一点相位精度就要多走几级开关和延迟线,插损可能从 3dB 涨到 5dB,发射链路里每 1dB 插损都直接吃掉 EIRP。所以我给团队的默认建议是:常规商用场景选 4bit,特殊低旁瓣需求先做 6bit 的相位预算再看成本,不要在仿真阶段就追求过高的位数。
4.4 接收链路 ADC 动态范围:别被“多少位”带偏
接收链路里 ADC 的位数经常被当作宣传点,但实际设计中最该关注的是有效位数(ENOB)、满刻度回退和瞬时无杂散动态范围(SFDR)。毫米波 OFDM 信号峰均比高,ADC 前端必须留出足够的回退余量,否则 AGC 一压,弱信号直接量化噪声里淹掉。
更麻烦的是邻区强干扰。相控阵可以把波束主瓣指向期望用户,但旁瓣方向如果有强干扰源,ADC 输入端看到的是“期望信号 + 干扰”的叠加。这时候只看位数没有意义,真正决定灵敏度的指标是 ADC 在带内干扰下的 SFDR。调研的时候如果看到接收链路只写了“12-bit ADC”,建议在后面批注一行:需要补充 AGC 范围、前端抗混叠滤波和 SFDR 数据,否则这条链路的性能无法评估。
我在一个项目里吃过这方面的亏:仿真时接收灵敏度很好看,实测吞吐率上不去,排查到最后是 ADC 采样时钟的抖动太大,高带宽信号下 SNR 直接被时钟相噪拖垮。所以现在我看接收链路必查三样东西:ADC 位数、采样时钟相噪、前端滤波器的带外抑制能力。
5. 相控阵量产与测试的 5 个常见翻车点:现象、原因与排查
5.1 方向图旁瓣诡异抬升:暗室里的多径在捣乱
现象:微波暗室测出来的方向图,主瓣形状正常,但旁瓣平台整体比仿真高 3dB 以上,怎么调移相器都压不下去。
原因:绝大多数情况不是天线问题,而是暗室里的多径反射。毫米波波长短,暗室吸波材料的高频吸收率不如低频时那么完美,转台、天线支架、探头臂都会产生散射。近场测量的探头和待测阵列之间如果距离没算对,球面波前误差也会在旁瓣区域显现出来。
解决:先做空场校准,放一个标准增益喇叭在不同角度测一遍,把环境的固定反射底噪记下来。然后把转台步进角度加密,尤其是在副瓣区域按波束宽度的 1/5 步进。如果疑点集中在某一侧,就在那个方向加装吸波尖劈,或者用时间门把反射路径在时域上滤掉。
5.2 波束扫描到 ±45° 后出现第二主瓣:栅瓣警告
现象:阵面在法向方向方向图正常,但是波束一转到 45°,另一个方向冒出一个幅度相当高的“影子主瓣”。
原因:单元间距超出约束。很多团队从 3.5GHz 平移到 28GHz 时,沿用旧的阵列布局习惯,间距留了 0.55λ 甚至 0.6λ,小扫描角看不出问题,大角度扫描就露馅。还有一种情况是阵面水平方向间距合格,斜对角方向的等效间距超了。
解决:回到第 2.2 节的公式,按最大扫描角重新核算 d_max。已经做出来的板子如果间距改不了,就把扫描角上限在波控码本里限制住,比如只允许 ±30° 扫描,超出部分用邻近站点覆盖。但这是补救方案,不是设计方案的替代品。
5.3 移相器控制字正常但增益持续下降:温度漂移和插损在作怪
现象:整机连续工作几小时后,EIRP 缓慢掉 1–2dB,移相器控制字读回来没有任何异常,波束指向也没偏。
原因:毫米波 TR 组件对温度极其敏感。功放增益和移相器插损的温度系数叠加,让阵面整体增益随温度漂移。更隐蔽的是,不同通道的温漂速度不一致,短时间看方向图没问题,长时间工作后幅度锥度会变形,副瓣悄悄抬升。
解决:量产前必须做温度循环测试,在 −10℃ 到 +55℃ 范围内记录每个通道的增益和相位漂移量,生成一张温度补偿表。设备上电后,温度传感器采到当前温度,查表修正各通道加权值。这套机制在 3.5GHz 阵列上可以省,28GHz 阵列省不掉。
5.4 链路预算算得通,上塔后覆盖却差:PAPR 回退被漏算了
现象:实验室测试 EIRP 达标,现场覆盖半径只有预期的六成。
原因:链路预算里用的“每通道输出功率”是连续波功率还是调制信号平均功率?这个差异就是 PAPR(峰均比)。5G OFDM 信号的 PAPR 通常在 8–12dB,功放为了线性度必须回退,实际平均功率可能比饱和功率低不少。如果预算表拿功放饱和功率直接套 EIRP 公式,覆盖半径自然会虚高。
解决:链路预算里单独加一行“PAPR 回退”,按目标调制方式和波形查表取值。比如 100MHz 的 OFDM 信号,回退按 8dB 起步。同时要求测试报告里标注“EIRP 是在什么信号激励下测的”,连续波 EIRP 和调制信号 EIRP 差了能到 10dB,对比方案时必须同一口径。
5.5 接收灵敏度标称很漂亮,实测差了 10dB:系统噪声温度里漏了馈线
现象:接收灵敏度指标按 −92dBm 设计,暗室实测只有 −82dBm,查 LNA 噪声系数、ADC 位数都没问题。
原因:射频前端在 LNA 之前的损耗被漏算了。天线到 LNA 之间的馈线、转接器、滤波器插损,每 1dB 损耗都会直接叠加到系统噪声系数上。毫米波频段这个数值特别敏感,因为普通射频线缆和接插件在 28GHz 的损耗比 3.5GHz 高得多,一个连接器 0.3dB 起步,整条链路十几个连接器下来就是好几个 dB。
解决:预算表里把接收链路从天线端口开始逐级列出来:天线端口 → 滤波器 → 连接器 → LNA → 混频器 → ADC。每一级的增益和噪声系数都要填,用级联噪声公式重算整条链路的等效 NF。实测时单独测一下天线端口的驻波和插损,如果和标称差超过 0.5dB,先修前端装配再谈灵敏度。
6. 从仿真到 OTA 测试:用近场扫描把方向图量准的最后一步
验证相控阵的方向图,最可靠的方法还是微波暗室里的平面近场扫描。近场扫描机在距离阵面几个波长的平面上采样幅度和相位,再通过算法变换得到远场方向图,比直接上远场转台省空间,而且能分离出各通道的幅相误差。扫描面间距要设在 0.5λ 以内,避免空间混叠;扫描范围必须覆盖阵面的主辐射锥体,太小的扫描面会让边缘截断误差污染旁瓣区域。
常见的做法是先做机内校准,再上近场,最后挑代表性波束上远场复核。机内校准利用内置耦合网络注入一个单音信号,逐通道测幅相并生成校准表;这一步做完,近场测出来的方向图基本就能反映真实水平。
| 验证项目 | 推荐做法 | 关注点 |
|---|---|---|
| 机内校准 | 内置耦合网络注入单音,记录各通道幅相 | 校准表是否温度补偿 |
| 近场扫描间距 | ≤ 0.5λ | 空间混叠会伪造旁瓣 |
| 探头校正 | 标准增益喇叭预扫一次 | 幅度相位基准必须溯源 |
| 转台步进 | 粗扫 1°,主瓣区域 0.1° 加密 | 步进太粗会漏掉指向误差 |
| 远场复核 | 选法向、±30°、±45° 三个波束各测一组 | 验证近远场变换一致性 |
实测数据里有两项最值得较真:一是每个波束的指向误差,二是主瓣附近的第一旁瓣电平。前者反映移相器校准质量,后者反映幅度锥度和通道一致性。如果近场数据和仿真差超过 1dB,先别急着改天线,回头查校准表是不是用的上一批芯片的出厂数据。
做 28GHz 样机那会儿,我跳过近场扫描直接上转台远场,结果方向图被暗室散射和塔顶反射搅得主瓣都看不清,返工一周才意识到问题出在测试流程而不是天线本身。后来每版迭代都固定先近场后远场,数据一版版对齐,方向图的“玄学”部分才慢慢变成可预测的工程参数。毫米波相控阵的调研和落地,说到底就是不断用实测数据修正模型预期的过程,把每一项损耗和误差都填进预算表里,覆盖结论才立得住。希望帮到你。
本文还有配套的精品资源,点击获取