微波全息技术

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。1.微波全息技术（MicrowaveHolographicTechnique）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。DiflEC-TFA.R-FIFLDSURFACENEaR-FIEIODiflEC-TFA.R-FIFLDSURFACENEaR-FIEIO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M3,J,%）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人到10人）。然后，通过波谱理论得到相应的平面波谱S（七,k?。波谱积分方程科表示为：M(x,y,z)=1jjS(k,k)e-j(xkx+狄〔,+zkz)dxdy4兀2 xy '通过测量的平面可得到波普：S(k,k)=4—jjM(x,y,z=0)ej(xkx+R)dxdy最后，通过上面计算所得的平面波谱，能够得到在任何距离（z=zz）的全息图。作zo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：e-Jkz（z「z°）其中zz-Z0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z处产生场图像，数学公式如下：lM(x,y,z)=—!—jjS(k,k)e-j(xkx+yky)e-处(z1-z0)dkdkl4兀2 Xy xy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《=0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。Measured2“DFFT 2-DInverseFFTI t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k2+k'*k2的范围内，分辨率限制在了1xy0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-Gerchbergalgorithm)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（SourcesReconstructionMethOd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2.上进行重建，体积为Q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ZM表面上被测得，测量表面可以任意定义(球、圆柱或平面)0nxE0nxE(r)=nxl—门L(J;r)+K(M;r)],r。必(4)…、1LL…、g(r，尸)ds'J(r)+wg(r，尸)ds'eqk2seq0K(M;r)=jM(r')xg(r,r)ds'zRg(r，r')=4兀r—r，从以上方程可知，上面方程的解是不唯一的，即在2r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：nx|—n0L(JLove；r)+K(MLove；r)]—-2MLove(r),reEr⑷1——1——JLove(r),reE2 R———L(MLove；r)—K(JLove；T)

以上方程通过矩量法进行求解。3,多重信号分^(MultipleSignalClassification)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。r基本原理：被测天线阵包括P个阵元，位于已知的位置p（七,七，七）。让七和fn（6,"）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rm（七，七，Zp）。最后，探针输出的电压可以用一个线性方程表示:V(x,y,z)=艺wf(0,*)•h(0,*) _mj^(4-1)mmm ppm,pm,p p,mp,m 4兀Rp=1 m,p其中•表示点乘，k0是自由空间的波数。0m,p和*m,p是第m个测量点与第P个阵元的相对角度。0 =arccos0 =arccosm,p* =arctanm,pRmpyx―xmp另外R=r-r假设天线具有相同辐射阵元因f（0 ，* ）=f（0 ，*另外，mpmp。假设天线具有相同干田射阵元，因p m,p m,p m,pm,p。问题的目的是确定失效阵元的位置rp。可以把上式改写为V（x,y,z）=^wf（0,*）•h（0,*）—P"0_m^（4一2）mmm ppm,pm,p p,mp,m 4兀Rp=1 m,p其中Nf=P-0是正常工作的辐射单元数量，Ndef为失效单元的数量。通过MUSIC算法可以得到以下计算公式：P(r)=——」 (4-3)MUdefzB|(u*,G(r‘咪其中 "-1G(r')=f(0,8)•h(0,8)叫(-"叩)m,r'm,r' r\mr\m 4兀Rm,pRm=^m"「'"r'3'，''，Z'沱D，D为包含所有辐射元件的全域。当辐射阵元正常工作时，(4-3)式达到最大值，因为失效阵元属于元素为0的子空间N。当重建的激励系数靠近0时，会被认定为靠近失效阵元。这种方法可以用于任意阵，不需解矩阵方法尽管多重信号分类算法的分辨率较高，但是对传感器阵列接收到的数据要求很严格，需要很多的预处理，再加上获得空间谱函数之后判断谱峰的个数及其对应的入射角，计算量比较大，势必影响到算法波达方向估计的实时性。4,压缩感知(CompressedSensing)/空间恢复对于大阵列的诊断时需要大量的测量数据，压缩感知可以用来减少数据，在阵列的诊断中我们不需要重建所有的辐射阵源，仅仅需要失效阵元，因此真正需要的数据较小；利用电子控制的反射阵得到由AUT辐射场的随机采样，这种选择可以减少测量时间，因为不需要任何的移动部件。基本原理：被测天线阵包括N个阵元，位于已知的位置0。让七和f(0，8)分别为第n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五(0，8)，采 .r样点的位置为m，m=1,•…M.最后，探针输出的电压可以用一个线性方程表示：Ax=y其中V=(y,y,...,y)teCm y刀为探针在七处测量值,12n ，m m阵列诊断的目的是识别失效单元的位置，假设失效单元的数量为K，在以上的矩阵求逆中要求M-N，在本方法中，由于K远小于N，故M远小于N。该方法的核心是考虑一种新的矢量，用无障碍阵列的激励矢量与被测天线的激励矢量相减得到新的矢量。我们为了知道AUT激励的绝对值，还必须知道参考阵的绝对值，虽然这一步需要大量的数据，但只需要一次测量。W：fbrLi*£ri；(.Hild>aiTiiyMhiliioulfnihire；vOeiAirxrMeosojral(faca观此<>SparseiirrayEx