目录核心需求确认一、Python 完整代码带可视化初学者友好代码运行说明二、C 完整代码工程化版本可移植C 代码说明三、核心知识点总结相控波束合成完整代码我为你提供Python 版本易理解、可直接运行、带可视化和C 版本工程化、可移植到硬件 / 上位机覆盖发射延迟计算、接收波束合成、动态聚焦、分数延迟插值等核心功能完全适配超声相控阵应用场景。核心需求确认你需要的是相控阵波束合成的端到端可运行代码包含延迟计算、多通道数据处理、波束合成核心逻辑且能直观看到效果同时兼顾工程实用性。一、Python 完整代码带可视化初学者友好该代码实现128 阵元线性阵列延迟计算偏转 聚焦分数延迟插值解决非整数采样点延迟问题多通道回波模拟与接收波束合成动态聚焦 扇形扫描效果可视化输出合成后的 A-Scan/B-Scan 图像import numpy as np import matplotlib.pyplot as plt from scipy import signal # 全局参数配置 # 阵列参数 N_ELEMENTS 128 # 阵元数 PITCH 0.6e-3 # 阵元间距 (m) CENTER_FREQ 5e6 # 中心频率 (Hz) SAMPLING_RATE 100e6 # 采样率 (Hz) SOUND_SPEED 5900 # 钢中声速 (m/s) # 扫描参数 DEFLECT_ANGLE 30 # 偏转角度 (°) FOCUS_DEPTH 0.05 # 聚焦深度 (m) SCAN_DEPTH 0.1 # 扫描深度 (m) SCAN_POINTS 200 # 深度采样点数 # 核心函数定义 def calculate_delay(angle_deg, focus_depth): 计算每个阵元的延迟偏转聚焦 :param angle_deg: 偏转角度 (°) :param focus_depth: 聚焦深度 (m) :return: 每个阵元的延迟 (s) angle_rad np.deg2rad(angle_deg) delays np.zeros(N_ELEMENTS) # 阵元位置中心对称 element_pos np.arange(N_ELEMENTS) * PITCH - (N_ELEMENTS-1)*PITCH/2 for n in range(N_ELEMENTS): xn element_pos[n] # 偏转聚焦延迟公式 path_length np.sqrt(focus_depth**2 xn**2 - 2*focus_depth*xn*np.sin(angle_rad)) delays[n] path_length / SOUND_SPEED # 减去最小延迟对齐时间起点 delays - np.min(delays) return delays def fractional_delay(signal, delay_samples, fs): 分数延迟插值Lagrange 4阶插值工程常用 :param signal: 输入信号 :param delay_samples: 延迟采样点数可小数 :param fs: 采样率 :return: 延迟后的信号 int_delay int(np.floor(delay_samples)) frac_delay delay_samples - int_delay # 构造Lagrange插值核 taps 4 # 4阶插值 x np.arange(-taps, taps1) kernel np.ones_like(x) for i in range(len(x)): for j in range(len(x)): if i ! j: kernel[i] * (frac_delay - x[j]) / (x[i] - x[j]) # 卷积实现插值延迟 delayed_sig signal.convolve(signal, kernel, modesame) # 整数延迟移位 delayed_sig np.roll(delayed_sig, int_delay) return delayed_sig def simulate_echo_data(): 模拟多通道回波数据含噪声 :return: (N_ELEMENTS, N_SAMPLES) 回波数据 # 生成时间轴 t_total SCAN_DEPTH / SOUND_SPEED * 2 # 往返时间 n_samples int(t_total * SAMPLING_RATE) t np.arange(n_samples) / SAMPLING_RATE # 生成基准信号调幅正弦波 envelope np.hanning(len(t)) # 汉宁窗降低旁瓣 base_signal np.sin(2 * np.pi * CENTER_FREQ * t) * envelope # 叠加高斯噪声模拟实际采集 noise np.random.normal(0, 0.1, len(base_signal)) base_signal noise # 生成多通道数据每个通道带微小幅度差异 echo_data np.zeros((N_ELEMENTS, n_samples)) for n in range(N_ELEMENTS): # 模拟通道间幅度衰减0.95~1.0 amp 0.95 0.05 * np.random.random() echo_data[n] base_signal * amp return echo_data, n_samples def beamforming(echo_data, delays): 接收波束合成核心逻辑 :param echo_data: 多通道回波数据 (N_ELEMENTS, N_SAMPLES) :param delays: 每个阵元的延迟 (s) :return: 合成后的A-Scan信号 n_samples echo_data.shape[1] beamformed np.zeros(n_samples) # 延迟转采样点数可小数 delay_samples delays * SAMPLING_RATE # 逐通道延迟叠加 for n in range(N_ELEMENTS): delayed_sig fractional_delay(echo_data[n], delay_samples[n], SAMPLING_RATE) beamformed delayed_sig # 归一化 beamformed / N_ELEMENTS return beamformed def dynamic_focus_beamforming(echo_data): 动态聚焦波束合成不同深度对应不同聚焦点 :param echo_data: 多通道回波数据 :return: B-Scan图像数据 n_samples echo_data.shape[1] b_scan np.zeros((SCAN_POINTS, n_samples)) # 逐深度点动态聚焦 depths np.linspace(0.01, SCAN_DEPTH, SCAN_POINTS) for i, depth in enumerate(depths): # 每个深度重新计算延迟 delays calculate_delay(DEFLECT_ANGLE, depth) # 波束合成 a_scan beamforming(echo_data, delays) b_scan[i] a_scan return b_scan # 主流程执行 if __name__ __main__: # 1. 模拟多通道回波数据 echo_data, n_samples simulate_echo_data() print(f生成 {N_ELEMENTS} 通道回波数据每通道 {n_samples} 采样点) # 2. 计算固定延迟偏转聚焦 fixed_delays calculate_delay(DEFLECT_ANGLE, FOCUS_DEPTH) # 3. 固定聚焦波束合成A-Scan a_scan_fixed beamforming(echo_data, fixed_delays) # 4. 动态聚焦波束合成B-Scan b_scan_data dynamic_focus_beamforming(echo_data) # 5. 可视化结果 fig, axes plt.subplots(2, 1, figsize(12, 8)) # A-Scan图像 axes[0].plot(a_scan_fixed) axes[0].set_title(fA-Scan (偏转{DEFLECT_ANGLE}°聚焦{FOCUS_DEPTH*100}cm)) axes[0].set_xlabel(采样点) axes[0].set_ylabel(振幅) # B-Scan图像 im axes[1].imshow(b_scan_data, aspectauto, cmapgray, extent[0, n_samples, SCAN_DEPTH*100, 0]) axes[1].set_title(fB-Scan (动态聚焦扫描深度{SCAN_DEPTH*100}cm)) axes[1].set_xlabel(采样点) axes[1].set_ylabel(深度 (cm)) plt.colorbar(im, axaxes[1]) plt.tight_layout() plt.show()代码运行说明环境依赖安装必要库pip install numpy matplotlib scipy运行效果输出 A-Scan 曲线单深度聚焦后的合成信号输出 B-Scan 图像全深度动态聚焦的扫描结果可直接修改DEFLECT_ANGLE/FOCUS_DEPTH等参数测试不同效果二、C 完整代码工程化版本可移植该版本适配嵌入式 / 上位机开发去掉可视化保留核心算法可直接集成到相控阵检测设备中#include iostream #include vector #include cmath #include algorithm #include numeric // 全局参数定义 const int N_ELEMENTS 128; // 阵元数 const double PITCH 0.6e-3; // 阵元间距 (m) const double CENTER_FREQ 5e6; // 中心频率 (Hz) const double SAMPLING_RATE 100e6; // 采样率 (Hz) const double SOUND_SPEED 5900; // 钢中声速 (m/s) // 延迟计算函数 std::vectordouble calculateDelay(double angleDeg, double focusDepth) { std::vectordouble delays(N_ELEMENTS, 0.0); double angleRad angleDeg * M_PI / 180.0; // 计算阵元位置中心对称 std::vectordouble elementPos(N_ELEMENTS); for (int n 0; n N_ELEMENTS; n) { elementPos[n] n * PITCH - (N_ELEMENTS-1)*PITCH/2; } // 计算每个阵元的延迟 for (int n 0; n N_ELEMENTS; n) { double xn elementPos[n]; double pathLength sqrt(pow(focusDepth, 2) pow(xn, 2) - 2*focusDepth*xn*sin(angleRad)); delays[n] pathLength / SOUND_SPEED; } // 减去最小延迟 double minDelay *std::min_element(delays.begin(), delays.end()); for (auto d : delays) d - minDelay; return delays; } // 分数延迟插值Lagrange 4阶 std::vectordouble fractionalDelay(const std::vectordouble signal, double delaySamples) { int intDelay static_castint(floor(delaySamples)); double fracDelay delaySamples - intDelay; // 4阶Lagrange插值核 const int taps 4; std::vectordouble x {-4, -3, -2, -1, 0, 1, 2, 3, 4}; std::vectordouble kernel(x.size(), 1.0); for (int i 0; i x.size(); i) { for (int j 0; j x.size(); j) { if (i ! j) { kernel[i] * (fracDelay - x[j]) / (x[i] - x[j]); } } } // 卷积实现插值 std::vectordouble delayedSignal(signal.size(), 0.0); for (int i taps; i signal.size() - taps; i) { double sum 0.0; for (int k 0; k kernel.size(); k) { sum signal[i - taps k] * kernel[k]; } delayedSignal[i] sum; } // 整数延迟移位 std::vectordouble output(signal.size(), 0.0); for (int i 0; i signal.size() - intDelay; i) { if (i intDelay signal.size()) { output[i intDelay] delayedSignal[i]; } } return output; } // 波束合成核心函数 std::vectordouble beamforming(const std::vectorstd::vectordouble echoData, const std::vectordouble delays) { int nSamples echoData[0].size(); std::vectordouble beamformed(nSamples, 0.0); std::vectordouble delaySamples(N_ELEMENTS); // 延迟转采样点数 for (int n 0; n N_ELEMENTS; n) { delaySamples[n] delays[n] * SAMPLING_RATE; } // 逐通道延迟叠加 for (int n 0; n N_ELEMENTS; n) { std::vectordouble delayedSig fractionalDelay(echoData[n], delaySamples[n]); for (int i 0; i nSamples; i) { beamformed[i] delayedSig[i]; } } // 归一化 double sum std::accumulate(beamformed.begin(), beamformed.end(), 0.0); for (auto val : beamformed) val / sum; return beamformed; } // 主函数测试 int main() { // 1. 模拟多通道数据实际使用时替换为ADC采集数据 int nSamples 2000; std::vectorstd::vectordouble echoData(N_ELEMENTS, std::vectordouble(nSamples, 0.0)); for (int n 0; n N_ELEMENTS; n) { for (int i 0; i nSamples; i) { double t i / SAMPLING_RATE; echoData[n][i] sin(2 * M_PI * CENTER_FREQ * t) * (0.5 - 0.5*cos(2*M_PI*i/(nSamples-1))); } } // 2. 计算延迟30°偏转5cm聚焦 std::vectordouble delays calculateDelay(30.0, 0.05); // 3. 波束合成 std::vectordouble aScan beamforming(echoData, delays); // 4. 输出结果前100个采样点 std::cout 波束合成后A-Scan前100点 std::endl; for (int i 0; i 100; i) { std::cout aScan[i] ; } std::cout std::endl; return 0; }C 代码说明编译运行需链接数学库如 g 编译g beamforming.cpp -o beamforming -lm工程适配echoData替换为多通道 ADC 采集的原始数据可通过 FPGA/MCU 实现硬件加速延迟计算、插值、叠加支持动态聚焦循环调用calculateDelay更新不同深度的延迟三、核心知识点总结延迟计算核心公式为路径长度/声速结合偏转角度和聚焦深度实现波束定向 聚焦。分数延迟插值解决延迟非整数采样点的问题4 阶 Lagrange 插值是工程中平衡精度和效率的最优选择。波束合成逻辑逐通道延迟对齐 → 信号叠加 → 归一化本质是让目标点回波同相增强。动态聚焦对每个深度点重新计算延迟是提升相控阵成像分辨率的关键。该代码可直接用于超声相控阵无损检测、医疗超声成像等项目如需适配特定硬件如 16/64 阵元、不同声速介质仅需修改全局参数即可。