[发明专利]一种阵列时变幅相误差校正方法

说明书

提供一种阵列时变幅相误差校正方法，包括下列步骤：第一步：阵列数据预处理；第二步：网络参数更新与阵列数据校正。本发明方法对阵列天线的时变幅相误差有很好的校正效果，在各种恶劣条件中始终保持在较高水平。其主要原因是本发明方法能够有效提取阵列数据的深层特征，对特征进行压缩处理，并利用深度神经网络的重构能力在理想数据与时变扰动数据双驱动下实现阵列时变幅相误差的有效校正，显著提升了接收信号的信噪比。

技术领域

本发明涉及阵列误差校正技术与机器学习算法，具体涉及一种阵列时变幅相误差校正方法。

背景技术

在阵列信号处理技术中，阵列天线误差校正是利用信号的空域特性来增强信号并有效提取信号空域信息在工程化应用中的关键技术。现有的阵列天线校正方法主要有依托设置在空间中的特定辅助信号源的有源校正方法和利用优化算法对空间信源的方位和扰动的阵列参数进行联合估计的自校正方法两类。但是，随着阵列天线搭载平台的高速、高机动化的趋势，阵列因平台运动引起的频繁震动导致的时变幅相误差问题凸显，引起阵列误差时变这一难点。由于有源校正方法对缓慢变化的阵列误差有良好的校正性能，但无法实现阵列误差的实时校正；自校正方法可以实现在线估计，但由于高维、多模非线性带来的巨型计算量使之也无法做到对时变误差的精准校正，同时也难以应用于大阵列误差场合。因此，现有方法对于快速变化的阵列误差校正具有很大的局限性。

发明内容

针对现有技术存在的问题，本发明提出一种阵列时变幅相误差校正方法，具体包括下列步骤：

第一步：阵列数据预处理

理想状态阵列数据表示为：

将上式改写为矢量形式：

X₀(t)＝A₀S(t)+N₀(t)      (2)

式中，X₀(t)是理想状态阵列的M×1维快拍矢量，x₁(t)，…，x_M(t)分别为第1到M个阵元接收到的信号，M为阵列中的阵元数目；N₀(t)是理想状态阵列的M×1维噪声数据矢量，n₁(t)，…，n_M(t)分别为第1到M个阵元接收到的噪声；S(t)是空间信号的N×1维矢量，N为接收的信号数目，s₁(t)，…，s_N(t)分别为第1到N个入射信号；为是阵元接收信号的频率，c为光速，λ为波长，f为接收信号频率，j为虚数单位；A₀是理想的空间阵列的M×N维流形矩阵，即导向矢量矩阵，其中：

A₀＝[a₁(ω₀) a₂(ω₀)…a_N(ω₀)]    (3)

导向矢量：

式中，τ_nm为第m个阵元接收第n个入射信号的时延，其中n、m的取值范围i＝1，2，…，N，m＝1，2，…，M；

空间阵列天线接收到的含扰动的快拍数据矢量表示为：

X(t)＝A(θ，ρ)S(t)+N(t)       (5)