微波全息技术.docxVIP

为了知道那些阵元损坏，有源天线可以包括校准系统，这些系统能轻易地控制系统的组件，但当校准系统也损坏时就会对天线进行校准。一些确定性和随机性技术被应用，其中随机性技术包括遗传基因算法和神经网络算法等；确定性方法包括反演方法、源重建、矩阵求逆、多重信号分类和压缩感知等。微波全息技术（Microwave Holographic Technique）微波全息技术：首先测量天线远场的幅相分布，通过波谱理论获取波谱，最后离散傅里叶变换得到天线表面的电流分布。全息诊断既可以直接远场测量获取诊断信息，也可以从近场测量中获取重建。图1 微波全息法首先，运用近场测量系统测量给定矩形网格上的幅相分布。 采样平面被设置在离被测天线固定的距离上，距离处于辐射近场区（一般3到10）。然后，通过波谱理论得到相应的平面波谱。波谱积分方程科表示为：通过测量的平面可得到波普：最后，通过上面计算所得的平面波谱，能够得到在任何距离（）的全息图。作是被测天线与采样面之间的距离，是期望得到距离被测天线的距离。它们之间的相位改变量可以表示为：其中是从测定面移动到全息图的位置的位移距离，一种二维傅里叶逆变换用于得到的数据，以在处产生场图像，数学公式如下：天线的诊断需要物理口径的初始辐射信息，因此实际中我们需要把作为测试目的，最后通过在这个位置上标绘在空间所产生的振幅和相位图，用于分析在我们的测试中AUT配置的性能参数。然而，这种诊断方法是基于场的平面波谱展开理论，在由测量采样面上的场通过“后向”Fourier变换确定天线口面场时，忽略了平面波谱中衰减波的贡献，即把天线口径场的平面波谱带宽限定在的范围内，分辨率限制在了1个波长。谱技术最主要的问题是在空间域具有很差的分辨率。一些算法被用于增加重建电流的分辨率，使用的最多的是PG算法(Papoulis-Gerchberg algorithm),这种算法获取了平面波谱的不可见部分。GP算法基本上是一个FFT迭代方法，它们是迭代技术，这使得不同的结果取决于迭代的次数，因此需要一些迭代时间。这种方法适用于平面阵，对其他方法无能为力。2，源重建方法（Sources Reconstruction Method）等效电流重建技术是基于积分方程公式的逆源问题，是等效原理的严格应用。从测量的近场或远场数据，可以确定在任意3-D封闭面上的等效辐射源，此封闭面包围着待测天线。和波谱展开技术相比，积分方程公式的一个主要的优点是天线完整的电磁特性。首先, 采用小尺寸探头, 测出天线在扫描面上的切向电场;然后, 把被测天线AUT在前半空间的辐射表示为位于天线口径面上等效面磁流的辐射, 建立起扫描面上的切向电场与口径面上的磁流分布之间的联系, 得到一个以磁流分布为待求函数的积分方程;最后, 用矩量法把积分方程转化为矩阵方程, 并由奇异值分解法在最小二乘意义下求出天线口面上等效磁流的分布, 从而也就获得了天线口面上切向电场的幅相分布.等效源在表面上进行重建，体积为完全包围被测天线。理论上，必须保证表面外的场与原先场相等。电场的切向分量在表面上被测得，测量表面可以任意定义（球、圆柱或平面）从以上方程可知，上面方程的解是不唯一的，即在外一个确定的场可以得到一系列不同的电流分布。对于这个原因，需要列入先验信息而实现解的唯一性。在所有的等效公式中，Love等效源给出了电流正比于实际场，因此最适合用于诊断。Love等效源即令辐射源内部的场为0，可以通过下列的边界积分来实现：以上方程通过矩量法进行求解。3，多重信号分类(Multiple Signal Classification)多重信号分类：利用了噪声子空间和信号子空间的正交特性，通过一系列的计算处理之后，得到了以空间方位为自变量的功率谱函数，画出函数图，然后寻找极大值出现时对应的横坐标，也就是谱峰所对应的方位角。谱峰的数目反映了信源数，谱峰出现的位置反映了信源的位置。就是先对传感器阵列收集到的数据构成的特定的协方差矩阵分解成两个互相正交的子空间矩阵，一个是信号子空间矩阵，另一个是噪声子空间矩阵，利用信号子空间矩阵得到系统的广义可观测矩阵在相似变换下的一致估计，即可求出系统矩阵。分解的方法有奇异值分解，特征分解等等。 子空间辨识算法可以分为如下几步： 第一步，对阵列输出数据的协方差矩阵进行矩阵分解； 第二步，对第一步获得的结果进行奇异值分解，进而得到可观测矩阵； 第三步，由可观测矩阵来确定系统矩阵和噪声子空间的协方差矩阵。基本原理：被测天线阵包括P个阵元，位于已知的位置。让和分别为第p个阵元的激励系数和电场方向图。采样探针具有的有效高度为，采样点的位置为。最后，探针输出的电压可以用一个线性方程表示：其中·表示点乘，是自由空间的波数。和是第m个测量点与第p个阵元的相对角度。另外，。假设天线具有相同辐射阵元，因。问题的目