首页 专利交易 科技果 科技人才 科技服务 国际服务 商标交易 会员权益 IP管家助手 需求市场 关于龙图腾
 /  免费注册
到顶部 到底部
清空 搜索

一种基于残差神经网络的相控阵快速自动校准方法 

买专利卖专利找龙图腾,真高效! 查专利查商标用IPTOP,全免费!专利年费监控用IP管家,真方便!

申请/专利权人:东海实验室;浙江大学

摘要:本发明公开了一种基于残差神经网络的相控阵快速自动校准方法。首先,设置移相矩阵,并用网络分析仪测量出对应的阵列远场复信号的幅度和相位,得到大小等于测量次数的阵列远场复信号幅度和相位向量。其次,将远场测量的复信号数值的实部、虚部和幅值分离,进行归一化处理,再映射为RGB三通道图像数据,实现特征提取。然后,通过仿真软件根据预设的幅度相位误差范围自动生成大量的数据集,将数据集按比例分为训练集和测试集送入神经网络中进行训练,得到校准模型。最后,将实测数据输入校准模型,便可进行幅度和相位误差自动估计。本发明将相控阵远场复信号数据进行重构并映射为RGB三通道图像数据,最少仅需等于阵元数的测量次数便可实现精确校准。

主权项:1.一种基于残差神经网络的相控阵快速自动校准方法,其特征在于,该方法包括以下步骤:S1:设置移相矩阵,依次改变各天线单元的移相器,并用网络分析仪测量出对应的阵列远场复信号的幅度和相位,得到大小等于测量次数的阵列远场复信号幅度和相位向量;S2:对向量进行特征提取,将远场测量的复信号数值的实部、虚部和幅值分离,进行归一化处理,再映射为RGB三通道图像数据;S3:构建残差神经网络,并通过仿真软件根据预设的幅度相位误差范围自动生成大量的数据集,将数据集按比例分为训练集和测试集送入构建好的残差神经网络中进行训练,得到校准模型;S4:将实测数据输入校准模型,进行相控阵幅度和相位误差自动估计;S1.1:假设大小为Nx×Ny的相控阵作为被测天线,发射天线是单探头,校准于微波暗室中进行;探头到平面阵列的信号角度为其中θ表示俯仰角,表示方位角,则理想条件下相控阵接收信号y建模为: 其中s是大小为NxNy×1的探头发出的信号,n是大小为NxNy×1的暗室环境下的测量噪声矩阵,⊙表示Hadamard积;是大小为NxNy×1的阵列在上的方向向量;将幅相误差建模为大小是NxNy×NxNy误差矩阵A: 其中,aj表示第j阵元的初始幅度误差,wj表示第j阵元的初始相位误差;S1.2:为了得到每个阵元的幅度相位误差信息,设置大小为L×NxNy的移相矩阵P: 其中,P的每一行代表大小为Nx×Ny的相控阵在一次移相中每个阵元的移相器对应的相位值,L表示测量次数;S1.3:通过对移相器设置不同相位,测量相控阵的远场幅度和相位数据后,得到大小为L×1的相控阵远场复信号向量Y: 所述的步骤S1.2具体是:S1.2.1:为获得所有阵元的幅度相位误差信息,移相矩阵P满足下式:rankP≥NxNy其中,rank·代表矩阵的秩;S1.2.2:以小型相控阵校准为例,小型移相矩阵Ps构建流程: 首先,直接测量相控阵在处的远场幅值和相位,此时所有阵元均不进行移相,对应于Rs的第一行;然后,按阵元顺序将单个阵元的移相器相位移动180°,并在处测量远场幅值和相位,对应于Ps的第2至NxNy+1行,得到大小为NxNy+1×1的远场复信号向量Y;所述的步骤S2具体是:S2.1:将接收到的相控阵远场复信号向量Y重构为大小为的复信号矩阵 其中,表示向上取整;将Y中元素按行的顺序填充入当时,所测得的相控阵远场幅度和相位数量不能恰好填充整个矩阵故将剩余的地方补0;S2.2:根据计算出实部矩阵虚部矩阵和幅值矩阵三个特征矩阵,对特征矩阵进行归一化处理并映射成RGB三通道图像数据: 其中,real·代表矩阵的实部,imag·代表矩阵的虚部,max·代表矩阵的最大值。

全文数据:

权利要求:

百度查询: 东海实验室 浙江大学 一种基于残差神经网络的相控阵快速自动校准方法

免责声明
1、本报告根据公开、合法渠道获得相关数据和信息,力求客观、公正,但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解,仅供参考使用,不能作为本公司承担任何法律责任的依据或者凭证。

相关技术
相关技术
相关技术
相关技术