[发明专利]基于神经网络算法的宽带有源天线阵列自适应校正方法

说明书

本发明提供一种基于神经网络算法的宽带有源天线阵列自适应校正方法，包括天线阵列的结构设计，功分器滤波器组结构设计，延时补偿、相位与幅度补偿及带内波动补偿的神经网络滤波器组，神经网络滤波器的结构及神经网络算法。该方法通过反馈数据与补偿滤波器输出数据计算出各个通道之间的误差，使用补偿滤波器组对误差进行补偿，其中通带补偿滤波器使用了神经网络算法，使收发通道的硬件参数一致，本发明特别适用于宽带无线通信的有源天线阵列设计。

技术领域：

本发明属于通信技术领域，具体涉及一种基于神经网络算法的宽带有源天线阵列自适应校正方法。

背景技术：

随着无线通信技术的发展，为了更好的提升通信质量与提高频谱的利用率，波束形成技术应用越来越广。波束形成技术是通过调整各个发射通道的增益，相位，延时等参数，使信号在某些空间位置形成叠加，某些空间位置形成抵消衰减。如果把形成叠加的空间位置指向正在通信的用户，而抵消衰减的空间位置指向不需要通信的地方，那么将大大降低通信的干扰，提升通信的质量。波束形成技术的应用需要天线阵列支持，天线阵列及各个收发通道之间存在硬件参数差异，如增益、相位与时延，在宽带的通信情况下，还存在带内波动的差异，这些参数误差导致波束形成的实际效果与理论仿真存在差异，使实际的波束形成测试效果不理想。而且硬件参数受温度，时间老化等因素的影响而改变，所以需要实时对天线阵列进行补偿校正。

天线阵列校正一般是对增益、相位与延时参数进行校正。随着无线通信的带宽要求越来越高，只校正这些参数是不足够的，因为宽带通信的每个通道除了这些参数差异外，还存在通带内带内波动的参数差异，带内波动不一致的情况下，会影响波束形成的效果。该发明除了使用新的方法纠正增益、相位与延时外，还使用了自适应的神经网络算法，对通带内的带内波动进行补偿，很好的实现宽带的天线阵列补偿。自适应的神经网络算法相对自适应滤波器算法，具有更好的拟合性能，可以对各种带宽差异进行更好的拟合。

在通道参数获取方法上，一种是加测试信号的方式，对发射链路或者接收链路上加一个已知测试信号，各个通道均使用相同的反馈链路接收该信号，对比测试信号与反馈信号，获取参数信息，该方法需要额外的信号源，在实时通信中，影响正常通信。也有在设备外部使用一个参考源收发射参考信号的方式，使用接收到的信号进行估算，该方法由于受到多径与外界因素的影响，测试性能不理想，也影响实时通信。

发明内容：

本发明所要解决的技术问题在于克服现有的技术缺陷，提供一种基于神经网络算法的宽带有源天线阵列自适应校正方法。

本发明所要解决的技术问题采用以下的技术方案来实现：

一种基于神经网络算法的宽带有源天线阵列自适应校正方法，系统的校正流程如下：

(1)初始化系统参数，对通带补偿滤波器进行参数初始化；

(2)选择通道号，判断通道号是否超出最大通道号；如果超出，校正流程结束，启动下一次校正；如果没超出，继续校正；

(3)根据通道号配置选择器，根据通道号进行数据采样，分别采用双工器的耦合反馈信号与射频发射链路的输出数据或者射频接收链路的接收信号；

(4)同步采样数据，计算通道的延时，增益的误差与相位误差；

(5)使用同步后的数据进行通带带内波动参数估计，估算神经网络补偿滤波器系数；

(6)计算系数之后，更新神经网络滤补偿波器系数；

(7)进行下一个通道的计算；

宽带有源天线阵列自适应校正包括发射链路校正与接收链路校正；