Python绘制天线辐射方向图 |
您所在的位置：网站首页 › python 天线仿真 › Python绘制天线辐射方向图 |
Python绘制天线辐射方向图
|
这是在Andrea的优秀答案的基础上构建的，增加了几个应该对实际数据有帮助的东西，这些数据在点之间可能有相当大的间距。当我第一次绘制间距为45度的东西时，它看起来是这样的：  有两个显而易见的问题： 面非常大，而且只有一种颜色，尽管它们的值范围很大。形状关于原点是对称的，但是面的颜色不对称。问题1可以通过对数据进行线性插值来改进，以便将每个面部划分为可以具有不同颜色的多个部分。 问题2的发生是因为脸部颜色的分配方式。想象一下，在2D平面上有一个3x3的点网格，每个点都有一个值。绘制曲面时，将只有2x2个面，因此最后一行和最后一列的值将被丢弃，并且每个面的颜色仅由面的一个角确定。我们真正想要的是每个面中心的值。我们可以通过取四个角点值的平均值并使用它来分配颜色来估计这一点。 在计算上，这最终类似于问题1的插值，因此我对这两个问题使用了相同的函数"interp_array“。我不是一个Python程序员，所以可能有一种更有效的方法来做这件事，但它可以完成工作。 这是修复了问题2但没有插值的图。对称是固定的，但只使用了两种颜色，因为面与原点的间距相等。  这是最终的曲线图，两点之间有8x插值。现在，它更接近于在商业天线测量软件中看到的那种连续颜色图。  代码语言：javascript复制import numpy as np import matplotlib.pyplot as plt import mpl_toolkits.mplot3d.axes3d as Axes3D from matplotlib import cm, colors def interp_array(N1): # add interpolated rows and columns to array N2 = np.empty([int(N1.shape[0]), int(2*N1.shape[1] - 1)]) # insert interpolated columns N2[:, 0] = N1[:, 0] # original column for k in range(N1.shape[1] - 1): # loop through columns N2[:, 2*k+1] = np.mean(N1[:, [k, k + 1]], axis=1) # interpolated column N2[:, 2*k+2] = N1[:, k+1] # original column N3 = np.empty([int(2*N2.shape[0]-1), int(N2.shape[1])]) # insert interpolated columns N3[0] = N2[0] # original row for k in range(N2.shape[0] - 1): # loop through rows N3[2*k+1] = np.mean(N2[[k, k + 1]], axis=0) # interpolated row N3[2*k+2] = N2[k+1] # original row return N3 vals_theta = np.arange(0,181,45) vals_phi = np.arange(0,361,45) vals_phi, vals_theta = np.meshgrid(vals_phi, vals_theta) THETA = np.deg2rad(vals_theta) PHI = np.deg2rad(vals_phi) # simulate the power data R = abs(np.cos(PHI)*np.sin(THETA)) # 2 lobes (front and back) interp_factor = 3 # 0 = no interpolation, 1 = 2x the points, 2 = 4x the points, 3 = 8x, etc X = R * np.sin(THETA) * np.cos(PHI) Y = R * np.sin(THETA) * np.sin(PHI) Z = R * np.cos(THETA) for counter in range(interp_factor): # Interpolate between points to increase number of faces X = interp_array(X) Y = interp_array(Y) Z = interp_array(Z) fig = plt.figure() ax = fig.add_subplot(1,1,1, projection='3d') ax.grid(True) ax.axis('on') ax.set_xticks([]) ax.set_yticks([]) ax.set_zticks([]) N = np.sqrt(X**2 + Y**2 + Z**2) Rmax = np.max(N) N = N/Rmax axes_length = 1.5 ax.plot([0, axes_length*Rmax], [0, 0], [0, 0], linewidth=2, color='red') ax.plot([0, 0], [0, axes_length*Rmax], [0, 0], linewidth=2, color='green') ax.plot([0, 0], [0, 0], [0, axes_length*Rmax], linewidth=2, color='blue') # Find middle points between values for face colours N = interp_array(N)[1::2,1::2] mycol = cm.jet(N) surf = ax.plot_surface(X, Y, Z, rstride=1, cstride=1, facecolors=mycol, linewidth=0.5, antialiased=True, shade=False) # , alpha=0.5, zorder = 0.5) ax.set_xlim([-axes_length*Rmax, axes_length*Rmax]) ax.set_ylim([-axes_length*Rmax, axes_length*Rmax]) ax.set_zlim([-axes_length*Rmax, axes_length*Rmax]) m = cm.ScalarMappable(cmap=cm.jet) m.set_array(R) ax.set_xlabel('X') ax.set_ylabel('Y') ax.set_zlabel('Z') fig.colorbar(m, shrink=0.8) ax.view_init(azim=300, elev=30) plt.show() |
【本文地址】
今日新闻 |
推荐新闻 |