[发明专利]一种基于压缩感知的空域小样本的天线阵列校正方法

说明书

本发明一种基于压缩感知的空域小样本的天线阵列校正方法，其特征在于，包括：固定一个远场信号发射源，以指定的频率向可旋转天线平台发射正弦波信号；可旋转天线平台包含1个由N个传感器组成的列阵，可旋转天线平台在指定范围内随机产生第q组俯仰角θ和方位角φ的位置数据；可旋转天线平台旋转到位置(θ_q,φ_q)后，打开N路阵列接收通道，采样K个信号快拍，进行1次计算得到阵列流型向量；阵列流型向量计算次数累计达到Q次，则利用Q个阵列流型向量采用压缩感知算法恢复采样矩阵G完成天线校正。本发明利用天线阵列流型在时域上的稀疏性，在空域收集少量样本即可精确恢复出阵列流型模型，完成天线校正，能够显著地降低校正天线阵列所需的空域采样点。

技术领域

本发明涉及天线阵列校正技术。

背景技术

早期的阵列校正是通过对阵列流型直接进行离散测量、内插、存储来实现的，但这些方法实现代价较大且效果不太明显。因此，20世纪90年代以后人们通过对阵列扰动进行建模，将阵列误差校正逐渐转化为一参数估计问题。参数类的阵列校正方法通常可以分为有源校正类和自校正类，但是这些方法很难对多种形式的误差进行统一校正。

在实际工程应用中通常遇到的阵列误差形式有：阵元方向图误差、阵元通道幅相误差、阵元互耦以及阵元位置误差等。

在文献[1]M.Landmann,A.Richter,and R.S.Thoma,“DoA resolution limits inMIMO channel sounding,”in International Symposium on Antennas and Propagationand USNC/URSI National Radio Science Meeting,2004中，提出了有效孔径分布函数(EADF，Effective Aperture Distribution Function)的天线阵列校正的方法。

在文献[2]M.Costa,A.Richter,and V.Koivunen,“Low complexity azimuth andelevation estimation for arbitrary array configurations,”in Proc.IEEEInt.Conf.Acoust.Speech Signal Process,pp.2185–2188,2009中，对文献[1]天线校正方法进行了改进。该文献假设有P个非相干窄带信号发射源，1个有N个传感器的阵列，各个传感器的俯仰角和方位角参数如下：(θ,φ)＝{(θ₁,φ₁)...,(θ_p,φ_p)}，其中θ为传感器的俯仰角且满足θ∈[0,180°]，φ为方位角且满足φ∈[0，360°)，那么，获得的数据可由下式给出：X＝A(θ,φ)S+N，其中代表阵列流型(也可称为导向向量)矩阵，是信号矩阵，代表测量噪声，该噪声是二阶遍历零均值高斯白噪声，表示一个复数集合，N表示阵列的天线数，P表示信源个数，K表示接收的快拍数；

假设从测量矩阵所得的阵列流形如下：其中，分别代表测量时的俯仰角、方位角的角度参数，Α_n(θ_c,φ_c)代表测量的阵列流型矩阵，Q_e表示一个俯仰角上的采样点总数，Q_a表示表示一个方位角上的采样点总数，表示实数集合。

作者将目标在二维空域上进行分割，俯仰角和方位角各自均分为60点即Q_e＝Q_a＝60进行数据采集，共进行60×60＝3600次数据采集，获得阵列流型由于θ∈[0,180°，]不是以360°为周期的，不符合FFT的要求，因此需要周期化。

为满足FFT的要求，矩阵Α_n(θ_c,φ_c)平移180°再翻转,并截掉首尾两行，得到矩阵将矩阵Α_n(θ_c,φ_c)和重叠，构造出如下矩阵：