4、经典波束形成器：延迟-求和（Delay-and-Sum）波束形成器的原理、实现与性能分析

延迟-求和（Delay-and-Sum, DAS）波束形成器是阵列信号处理中最基础、最直观的波束形成算法。它的核心思想并不复杂：通过人为地对各阵元接收信号施加不同的时间延迟（或相移），使得来自期望方向的信号在叠加时同相相加，从而获得阵列增益；而来自其他方向的干扰和噪声因相位不一致而相互抵消或削弱。理解DAS是掌握后续自适应波束形成、MVDR、LCMV等高级算法的基础。本章将从原理、实现、性能边界到工程实战，系统拆解这一经典算法。

上图展示了DAS波束形成器的核心信号链路。平面波以角度θ入射到均匀线阵（ULA）上，由于各阵元空间位置不同，波前到达各阵元的时间存在差异。DAS的核心就是通过延迟补偿网络，将各阵元信号在时间上对齐，然后加权求和。下面我们深入剖析其数学原理与工程实现。

4.1 核心原理：从时间对齐到空间滤波

考虑一个M元均匀线阵，阵元间距为d。假设远场窄带信号s(t)以角度θ入射，则第n个阵元接收到的信号可以表示为：

x_n(t) = s(t - τ_n) + n_n(t),  n = 0, 1, ..., M-1

其中，τ_n = n·d·sinθ/c 是第n个阵元相对于参考阵元（第0个阵元）的时间延迟，c为信号传播速度（声学中为声速，射频中为光速），n_n(t)为第n个阵元上的噪声。DAS波束形成器的输出为：

y(t) = (1/M) · Σ_{n=0}^{M-1} w_n · x_n(t - τ_n')

式中，τ_n' = n·d·sinθ₀/c 是补偿延迟，θ₀为波束指向方向；w_n为幅度加权系数（通常为均匀加权w_n=1，或使用窗函数如汉明窗、泰勒窗以降低旁瓣）。当θ₀ = θ时，各阵元信号在时间上完全对齐，同相叠加，输出信号功率最大；当θ₀ ≠ θ时，信号无法对齐，叠加后部分抵消，输出功率下降。这就是DAS实现空间滤波的本质——通过时间延迟补偿实现方向选择性。

4.2 实现方法：从理论到代码的完整链路

DAS的工程实现分为三个关键步骤：延迟计算、信号插值、加权求和。下面给出一个完整的Python实现示例，使用均匀线阵模拟窄带信号接收。

import numpy as np
from scipy.signal import fftconvolve

def das_beamformer(x, fs, d, theta_deg, c=343.0):
    """
    延迟-求和波束形成器
    参数:
        x: 输入信号矩阵，shape (M, N)，M为阵元数，N为采样点数
        fs: 采样率 (Hz)
        d: 阵元间距 (m)
        theta_deg: 波束指向角度 (度)
        c: 信号传播速度 (m/s)
    返回:
        y: 波束输出信号，shape (N,)
    """
    M, N = x.shape
    theta = np.deg2rad(theta_deg)
    # 1. 计算各阵元补偿延迟（以采样点为单位）
    tau = np.arange(M) * d * np.sin(theta) / c
    tau_samples = tau * fs
    
    # 2. 对每个阵元进行分数延迟补偿（使用线性插值）
    y = np.zeros(N)
    for n in range(M):
        # 整数部分和小数部分
        int_delay = int(np.floor(tau_samples[n]))
        frac_delay = tau_samples[n] - int_delay
        # 对信号进行移位和插值
        x_shifted = np.roll(x[n], -int_delay)
        if frac_delay > 0:
            # 线性插值：y[n] = (1-frac)*x[n] + frac*x[n+1]
            x_next = np.roll(x[n], -int_delay-1)
            x_shifted = (1-frac_delay) * x_shifted + frac_delay * x_next
        y += x_shifted
    
    # 3. 取平均（归一化）
    y = y / M
    return y

# 示例：模拟4元阵列接收30°方向信号
fs = 10000  # 10 kHz采样率
M = 4       # 4个阵元
d = 0.05    # 阵元间距5cm（对应1.7kHz半波长）
t = np.arange(0, 0.1, 1/fs)
f_signal = 1700  # 信号频率1.7kHz
s = np.sin(2*np.pi*f_signal*t)

# 构造各阵元接收信号（含噪声）
theta_true = 30  # 真实入射角
tau_true = np.arange(M) * d * np.sin(np.deg2rad(theta_true)) / 343
x = np.zeros((M, len(t)))
for n in range(M):
    delay_samples = int(tau_true[n] * fs)
    x[n] = np.roll(s, delay_samples) + 0.1*np.random.randn(len(t))

# 波束形成
y_beam = das_beamformer(x, fs, d, 30)
print(f"输出信噪比提升: {10*np.log10(np.var(y_beam)/np.var(x[0])):.2f} dB")

上述代码展示了DAS的完整实现流程。值得注意的是，分数延迟补偿是工程中的关键难点。当延迟不是采样周期的整数倍时，需要采用插值方法（线性插值、sinc插值、Farrow滤波器等）。线性插值简单但精度有限，sinc插值精度高但计算量大。在实际系统中，应根据信号带宽和精度要求选择合适的插值方法。

4.3 性能分析：波束方向图与关键指标

DAS的性能主要通过波束方向图（Beam Pattern）来评估。方向图描述了阵列输出功率对入射角度的响应。对于均匀加权的M元ULA，其归一化方向图可以解析表示为：

B(θ) = |sin(M·π·d·(sinθ - sinθ₀)/λ) / (M·sin(π·d·(sinθ - sinθ₀)/λ))|

下表总结了DAS的关键性能指标及其影响因素：

从表中可以看出，DAS的性能受到阵元数、阵元间距和加权方式的共同制约。均匀加权提供最窄的主瓣，但旁瓣较高；采用窗函数（如汉明窗、布莱克曼窗）可以显著降低旁瓣，但会以主瓣展宽为代价。在实际系统设计中，需要根据应用场景权衡这些指标。

4.4 实战案例：麦克风阵列语音增强系统

我们以一个实际的智能音箱麦克风阵列设计为例，完整展示DAS的工程应用。系统要求：在3米距离内清晰拾取用户语音，抑制环境噪声和混响。

系统参数：采用6元均匀圆阵（UCA），半径r=4.5cm，工作频带300Hz-3.4kHz（语音频带），采样率16kHz。选择圆阵是因为其360°全向覆盖能力，适合智能音箱的任意方向唤醒场景。

初始现象与目标：单麦克风在安静环境下信噪比约20dB，但在客厅环境（空调噪声+电视背景音）下降至5dB，语音可懂度严重下降。目标是通过DAS波束形成将信噪比提升至15dB以上，同时保持语音自然度。

关键参数计算：

# 圆阵DAS波束形成关键参数
import numpy as np
M = 6  # 阵元数
r = 0.045  # 半径4.5cm
fs = 16000  # 采样率
c = 343  # 声速
f_max = 3400  # 最高工作频率
lambda_min = c / f_max  # 最短波长
print(f"最短波长: {lambda_min*100:.1f} cm")
# 圆阵相邻阵元弧长间距
arc_spacing = 2*np.pi*r/M
print(f"相邻阵元弧长: {arc_spacing*100:.1f} cm")
# 检查是否满足空间采样定理
print(f"弧长/最短波长: {arc_spacing/lambda_min:.2f} (应≤0.5)")

分析判断过程：计算发现弧长间距为4.71cm，而最短波长为10.1cm，比值0.47 < 0.5，满足空间采样定理，不会出现栅瓣。但圆阵的DAS实现比线阵复杂，需要将每个阵元的坐标投影到波束方向。对于圆阵，第n个阵元的位置角为φ_n = 2πn/M，波束指向角为θ₀，则补偿延迟为：

τ_n = (r·cos(θ₀ - φ_n)) / c

实际操作步骤：首先，在DSP上实现实时DAS波束形成器，使用128点FIR滤波器进行分数延迟补偿（比线性插值精度高）。其次，采用汉明窗加权以降低旁瓣。最后，加入自适应噪声估计器，在无语音段更新噪声功率谱，用于后续的维纳滤波后处理。

结果对比：实测数据显示，DAS波束形成后，目标方向（用户说话方向）信号增益为10·log₁₀(6)=7.8dB，噪声（来自其他方向）被抑制约5dB，综合信噪比提升约12.8dB。从5dB提升至17.8dB，满足15dB的设计目标。语音可懂度测试（STOI）从0.62提升至0.85。

风险与代价：DAS对波束指向误差敏感。当用户偏离波束中心5°时，高频段（3kHz）增益下降约3dB。此外，混响环境下DAS的性能退化明显，因为反射声从不同方向到达阵列，无法被单一方向的波束有效抑制。这提示我们，在复杂声学环境中，可能需要更高级的自适应算法。

4.5 常见误区与总结复盘

在DAS的学习和工程应用中，以下误区需要特别注意：

• 误区一：认为DAS只适用于窄带信号。实际上，DAS在时域操作，对宽带信号同样适用，只是延迟补偿需要精确到分数采样点。宽带DAS的性能取决于延迟补偿精度，而非信号带宽本身。
• 误区二：忽略阵元间距的频率依赖性。阵元间距d是物理固定的，但λ随频率变化。设计时需保证在整个工作频带内d ≤ λ_min/2，否则高频段会出现栅瓣。
• 误区三：均匀加权一定最优。均匀加权提供最大阵列增益，但旁瓣最高。在强干扰环境下，高旁瓣可能导致干扰泄漏。应根据干扰环境选择合适的窗函数。
• 误区四：延迟补偿精度越高越好。过高的插值阶数（如高阶sinc插值）会引入额外计算延迟和数值噪声。工程上应根据信号最高频率和所需信噪比确定插值精度。