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CNN‑LSTM采用功率测量的相控阵校准方法。本发明包括：建立相控阵校准信号模型，利用程序无需实测即可方便地获得大量的数据用于训练神经网络；对生成的数据进行转换及预处理，以特征数据和标签的形式保存为训练数据集；建立CNN‑LSTM网络，并将带有标签的训练数据输入其中进行训练，直至网络收敛得到最终的相控阵校准模型；对待测相控阵实测获取特征数据，输入训练所得模型即得到相控阵校准结果。本发明旨在解决现有相控阵校准方法校准精度不高、测量效率低下、仪器设备要求高等问题，提出的校准方法具有极高的校准效率，所需次数远低于当前所有基于功率测量的校准方法。

主权项：1.一种基于CNN-LSTM采用功率测量的相控阵校准方法，其特征在于，该方法包括以下步骤：S1：根据阵列信号理论对相控阵建模，由程序在幅相误差范围内随机设置每个通道的幅度和相位，计算并保存相应的阵列辐射场数据，反复进行该过程生成足量的、带有幅相误差信息的相控阵信号数据用于神经网络训练；S2：对生成的数据进行预处理，获得训练数据集；S3：搭建CNN-LSTM神经网络模型，将包含标签的训练数据输入网络进行训练，直至网络收敛到最佳状态，得到最终的校准模型；S4：对待校准相控阵进行测量，将获取到的实测数据预处理后输入校准模型即可得到校准结果；所述的步骤S3通过以下子步骤来实现：S3.1：搭建CNN-LSTM神经网络；S3.2：设计训练损失函数；S3.3：将带有标签的训练数据集输入网络进行训练，直至收敛到最佳状态，得到相控阵校准模型；所述的步骤S3.1通过以下子步骤来实现：S3.1.1：所使用的CNN-LSTM神经网络一共包含CNN、LSTM、复数全连接网络3个环节，CNN用于从输入序列数据中自适应提取空间特征信息，LSTM利用CNN提取的空间特征，并结合序列数据的时序信息自动建模，紧随LSTM后采用复数全连接网络输出最终的预测结果；所述的步骤S3.2通过以下子步骤来实现：S3.2.1：分别计算预测值与真实值的实部均方误差和虚部均方误差，将这两个均方误差相加作为损失函数，损失函数表示为： 其中，分别表示预测值和真实值，表示获取复数实部，表示获取复数虚部；所述的步骤S1通过以下子步骤来实现：S1.1：建立相控阵信号模型；设待测天线为矩形排布的大小为Nx×Ny的二维平面相控阵，以俯仰角与方位角描述空间方位，在待测相控阵波束指向θs,φs时，该相控阵在测量方位θ,φ的辐射电场表示为： 其中k＝2πλ，λ为波长，dx,dy分别表示阵元的行间距和列间距，m,n分别为阵元的行序号和列序号，Gn,mθ,φ和In,m分别是阵元m,n的归一化独立方向性系数和包含幅相误差的复激励，In,m表示为： 其中，an,m是阵元m,n初始复激励的相对幅值，理论取值范围为0到1，δn,m是阵元m,n初始复激励的相位，理论取值范围为-180°到+180°，根据2式，3式描述的信号模型即可生成用于训练模型的数据；S1.2：波束指向取θs,φs＝0,0，观测方位取θ,φ＝0,0，即令被测阵列波束指向法向，探头天线置于法向进行测量，测量值为E0,0，令Gn,mθ,φ＝1，根据2式和3式代入θs,φs＝0,0，θ,φ＝0,0得： 该式为Nx×Ny项累加形式，各项无顺序关系，对各项序号重排改写上式： 其中N＝Nx×Ny,表示阵列总阵元数，将5式写作矩阵形式为： 其中，Q为包含误差分量的阵列初始复激励矩阵，S为测量时的配相矩阵，其列数等于阵元数量N，行数由测量次数决定，每一行描述一次测量中每个阵元的移相值，校准过程中不断地改变S的元素，同步测量并记录相应的E0,0，由此得到一个数据序列，由该序列估算阵列初始复激励矩阵Q；S1.3：为求解阵列初始复激励矩阵Q，则进行2N+1次测量，第一次测量时所有阵元均保持初始状态不移相，之后每个阵元依次移相90°和180°进行测量，描述这2N+1次测量对应的配相矩阵S为： 在用程序模拟测量生成训练数据时，6式中阵列初始复激励矩阵Q的每个元素按预设误差范围随机生成，幅度取值范围为0.1到1，相位范围为-180°到+180°，在每次随机生成一组初始激励得到阵列初始复激励矩阵Q后，将配相矩阵S和阵列初始复激励矩阵Q代入6式即可计算得到长度为2N+1的电场矢量序列，以大小为2N+1×1的矩阵E表示该序列，即：E＝SQ＝[E0,01,E0,02,…,E0,02N+1]＝[E1,E2,…,E2N+1]8其中，每个元素Ei＝E0,0i,i＝0,1…,2N+1表示按照配相矩阵S的第i行对相控阵移相后测量得到的辐射电场矢量；S1.4：随机生成一个阵列初始复激励矩阵Q，与7式中配相矩阵S一起代入6式计算得到电场矢量序列E，将阵列初始复激励矩阵Q和计算所得的电场矢量序列E一一对应保存，重复该过程直至所生成的数据满足训练需求，便完成原始数据的获取。

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CNN-LSTM采用功率测量的相控阵校准方法