CN111541048B - 太赫兹有源相控阵天线 - Google Patents

太赫兹有源相控阵天线 Download PDF

Info

Publication number
CN111541048B
CN111541048B CN202010355056.4A CN202010355056A CN111541048B CN 111541048 B CN111541048 B CN 111541048B CN 202010355056 A CN202010355056 A CN 202010355056A CN 111541048 B CN111541048 B CN 111541048B
Authority
CN
China
Prior art keywords
terahertz
array antenna
signal
frequency
phase
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Active
Application number
CN202010355056.4A
Other languages
English (en)
Other versions
CN111541048A (zh
Inventor
何庆强
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Southwest Electronic Technology Institute No 10 Institute of Cetc
Original Assignee
Southwest Electronic Technology Institute No 10 Institute of Cetc
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Southwest Electronic Technology Institute No 10 Institute of Cetc filed Critical Southwest Electronic Technology Institute No 10 Institute of Cetc
Priority to CN202010355056.4A priority Critical patent/CN111541048B/zh
Publication of CN111541048A publication Critical patent/CN111541048A/zh
Application granted granted Critical
Publication of CN111541048B publication Critical patent/CN111541048B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • H—ELECTRICITY
    • H01—ELECTRIC ELEMENTS
    • H01Q—ANTENNAS, i.e. RADIO AERIALS
    • H01Q21/00—Antenna arrays or systems
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N3/00—Computing arrangements based on biological models
    • G06N3/02—Neural networks
    • G06N3/04—Architecture, e.g. interconnection topology
    • G06N3/045—Combinations of networks
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N3/00—Computing arrangements based on biological models
    • G06N3/02—Neural networks
    • G06N3/08—Learning methods
    • G06N3/084—Backpropagation, e.g. using gradient descent
    • H—ELECTRICITY
    • H01—ELECTRIC ELEMENTS
    • H01Q—ANTENNAS, i.e. RADIO AERIALS
    • H01Q1/00—Details of, or arrangements associated with, antennas
    • H01Q1/50—Structural association of antennas with earthing switches, lead-in devices or lightning protectors
    • H—ELECTRICITY
    • H01—ELECTRIC ELEMENTS
    • H01Q—ANTENNAS, i.e. RADIO AERIALS
    • H01Q3/00—Arrangements for changing or varying the orientation or the shape of the directional pattern of the waves radiated from an antenna or antenna system
    • H01Q3/26—Arrangements for changing or varying the orientation or the shape of the directional pattern of the waves radiated from an antenna or antenna system varying the relative phase or relative amplitude of energisation between two or more active radiating elements; varying the distribution of energy across a radiating aperture
    • H01Q3/30—Arrangements for changing or varying the orientation or the shape of the directional pattern of the waves radiated from an antenna or antenna system varying the relative phase or relative amplitude of energisation between two or more active radiating elements; varying the distribution of energy across a radiating aperture varying the relative phase between the radiating elements of an array
    • H01Q3/34—Arrangements for changing or varying the orientation or the shape of the directional pattern of the waves radiated from an antenna or antenna system varying the relative phase or relative amplitude of energisation between two or more active radiating elements; varying the distribution of energy across a radiating aperture varying the relative phase between the radiating elements of an array by electrical means
    • H01Q3/36—Arrangements for changing or varying the orientation or the shape of the directional pattern of the waves radiated from an antenna or antenna system varying the relative phase or relative amplitude of energisation between two or more active radiating elements; varying the distribution of energy across a radiating aperture varying the relative phase between the radiating elements of an array by electrical means with variable phase-shifters

Abstract

本发明公开的一种太赫兹有源相控阵天线，旨在提供一种能够实时修正动态误差的太赫兹有源相控阵天线。本发明通过下述技术方案实现：太赫兹天线阵列顺次连接的晶圆级混合电路，有源馈电网络连接相连波控器和人工智能库的人工神经网络，同时还连接有通过N倍倍频器的发射源，以及连接用接收户终端的混频器及其通过M倍倍频器相连的本振源；有源馈电网络获取太赫兹频段的发射信号，经晶圆级混合电路分发给太赫兹阵列天线进行波束合成和波束扫描，有源馈电网络将太赫兹接收信号发送给混频器，同时本振源通过M倍倍频器获取的本振信号进入混频器与太赫兹接收信号进行差频混频，获得随频率变化的差频信号被送到用户接收终端，完成频谱型椭偏测量和成像。

Description

太赫兹有源相控阵天线
技术领域
本发明涉及电子技术领域中一种太赫兹有源相控阵天线。
背景技术
太赫兹(THz)频段定义为频率在0.1THz～10THz，波长在0.03mm～3mm的电磁波段，介于微波毫米波和远红外之间，处于电子学向光子学的过度频段，目前THz的电学特性，主要依靠电子学方法来分析，而太赫兹的光学特性则主要是采用光子学方法来分析。太赫兹由于其相干性产生的机制使得太赫兹辐射具有相干性，其相干性检测可以直接对电场的幅度和相位进行测量，因此可以精确的提取样品的吸收系数、折射率等，提高了测量的准确度。太赫兹辐射的能量只有X射线光子能量的十分之一，而且不会导致光致电离而破坏被测物质。并且太赫兹辐射对很多非极性材料以及介电材料有很好的穿透性。在各种毫米波/太赫兹系统中，电磁能量的收发器件直接决定着系统的性能，比如通信容量、传输距离以及成像质量等。目前这类器件主要包括抛物面天线、介质透镜天线、抛物面反射镜等，但是这些器件体积大、重量重、结构非平面，同时对加工精度要求高，所以它们很难被应用在结构紧凑的毫米波/太赫兹系统中。近年来，太赫兹技术在通信、无损检测、生物医学等领域都取得了长足的发展和应用。作为太赫兹应用系统中的重要组成部分，太赫兹相控阵天线却非常匮乏，限制了太赫兹应用技术的发展。由于太赫兹相控阵天线的硬件电路设计和制造会引入实时动态误差。实时动态误差包括了硬件电路的器件误差、器件受环境温度(低温、常温、高温)影响的幅/相动态误差、以及双信号源使用时随频率变化引入的动态幅/相误差；在太赫兹频段，比如300GHz，其加工精度0.01mm，也会带来3.6°的相位误差，往往会导致相控阵天线需要多次加工才能满足设计要求，导致制造成本很高。在传统的调频连续太赫兹波技术中，采用本振信号时域波型与回波时域信号波型相同的本回同型混频方式，得到的差频信号不随频率变化，不能应用于频谱型椭偏测量，因此，往往需要提出一些新的设计方法来满足用户的使用要求。目前，关于太赫兹相控阵天线的设计方法，有以下几种方式。
第一种方式是采用透镜天线的设计方法，例如中国专利2019年CN201811516500.5公开了一种“一种基于椭圆旋转抛物面相位分布的空间透镜扫描天线及其波束扫描方法”，该专利申请虽然远优于传统的等光程原理设计的透镜天线，但在波束扫描时，其相位误差随扫描角度的增加不变，无法从根本上进行修正或解决。
第二种方式是采用液晶材料移相的太赫兹相控阵天线设计方法，例如2018年公开分类号TN82、Hefei University Technology MASTER’S DISSERTATION(学术硕士)的硕士论文主要报道了太赫兹频段的反射式液晶移相单元及构成的反射式相控阵天线，分析了液晶分子在不同电压下的排列情况，同时介绍了不同频段下液晶介电常数的测量方法。设计了一种双偶极子结构的反射式液晶移相单元，仿真并分析了该单元的移相特性。并基于双偶极子结构的液晶反射单元，设计了一个由40×40个单元组成的太赫兹反射阵列天线，最后仿真计算了其辐射特性，计算结果显示该天线可以实现-20°～20°的扫描能力。但是液晶反射面天线由于其复杂的表面结构，在高频段的加工难度较大。此外，采用液晶移相受环境温度影响较大、移相精度不高，工程应用受到很大的限制。
第三种方式是基于光延时控制的光电导相控阵天线设计方法，例如中国专利2017年CN201611117374.7公开的“一种太赫兹光电导相控阵天线系统”，该专利申请通过在光电导天线阵列的泵浦光光路中引进光延时控制器，通过控制辐射相位，提高了天线阵的辐射功率，改变了波束指向角。
第四种方式是采用经典的移相器或矢量调制器的方法来实现太赫兹相控阵天线。例如《太赫兹科学与电子信息学报》，2015年，邓小东等人发表的“0.34THz高速无线通信发射机芯片设计”的文献研究了一个应用于0.34THz高速通信系统的4路集成相控阵发射机芯片。该芯片集成了21.25GHz的锁相环频率源、4倍频器、4路威尔金森功分网络，每一路相控阵通道包括85GHz功率放大器、模拟移相器、20Gbps二进制启闭键控调制器、4倍频器以及2×2片载天线阵列，仿真结果表明该相控阵系统能在E面实现±12°的角度扫描，3dB波束宽度为11.9°，系统有效等向辐射功率(EIRP)为12dBm。
第五种方式是采用振荡器电路来实现太赫兹相控阵频率倍频和波束扫描。例如《IEEE Journal of Solid-State Circuits》，2012年，K.Sengupta等人发表的“A 0.28THzpower-generation and beam-steering array in CMOS based on distributed activeradiators”的文献研究了一种反相设计法，通过采用三倍倍频注入锁相振荡器结合分布式有源辐射器，来实现金属表面电流分布的改变、从而产生期望的辐射方向图。该分布式有源辐射器是一个自振荡有源电磁结构，由两个金属环组成，在基频产生异相电流，在二次谐波频率处产生同相电流，实现天线辐射。该4×4相控阵采用45nm SOI CMOS工艺在0.28T实现了相控阵天线的EIRP值为9.4dBm，方位面和俯仰面的扫描范围均超过80°。
最近的报道，例如《IEEE Journal of Solid-State Circuits》，2019年，H.Jalili等人发表的“A 0.34-THz wideband wide-angle 2-D steering phased array in 0.13-μm SiGe BiCMOS”的文献研究了一个2×2相控阵集成电路，该电路结构由四个驻波振荡器组成，每个振荡器单元可以把相控阵天线的基频和奇数次谐波分量滤掉，实现相控阵天线的第四次谐波分量的有效辐射，在激励源之间，通过产生驻波或行波来实现太赫兹相控阵波束扫描的相移；该相控阵采用0.13-μm SiGe BiCMOS工艺实现，在二维平面能实现128°/53°的波束扫描，在318GHz-370GHz范围内最大辐射功率-6.8dBm。
总的说来，目前国内外文献报道的太赫兹相控阵天线设计方法，所有的文献均未报道太赫兹相控阵天线的硬件电路存在实时动态误差的情况下，如何有效地进行设计和实现。其次，对于某些检测成像应用，太赫兹相控阵天线需要采用双信号源结构，即对发射源和本振源采用不同频率的波形，这会引入随频率变化的动态幅/相误差，需要实时补偿才能确保太赫兹有源相控阵天线正常工作。因此，对于太赫兹有源相控阵天线而言，如何修正硬件电路设计和制造所产生的幅/相误差，使太赫兹有源相控阵天线的性能达到最佳，目前还没有确定的技术方案。
发明内容
本发明目的是针对太赫兹有源相控阵天线的硬件电路设计和制造所产生的幅/相误差，各类硬件电路在低温、常温、高温的环境变化下的实时动态误差和现有技术存在的不足之处，提供一种结构紧凑、制造成本低，波束扫描反应敏捷性高，可用于频谱型椭偏测量，能够实时快速修正太赫兹相控阵天线误差的太赫兹有源相控阵天线新的设计方法。
本发明的上述目的可以通过以下措施来达到。一种太赫兹有源相控阵天线，包括：太赫兹天线阵列1顺次连接的晶圆级混合电路2、有源馈电网络3，其中：有源馈电网络3连接有相连波控器10和人工智能库11的人工神经网络9，同时还连接有通过N倍倍频器4的发射源5，以及连接用户接收终端的混频器6及其通过M倍倍频器7相连的本振源8，在收/发状态中，发射源5发出的射频信号经N倍倍频器4倍频至太赫兹频段，有源馈电网络3获取太赫兹频段的发射信号，经晶圆级混合电路2分发给太赫兹阵列天线1进行波束合成和波束扫描；然后经目标方向返回的太赫兹回波信号经过太赫兹阵列天线1接收后，经晶圆级混合电路2进入有源馈电网络3，将太赫兹接收信号发送给混频器6，同时本振源8通过M倍倍频器7获取的本振信号进入混频器6与太赫兹接收信号进行差频混频，获得随频率变化的差频信号被送到用户接收终端，完成频谱型椭偏测量与高精度成像。
本发明相比于现有技术具有如下有益效果：
结构紧凑、制造成本低。本发明采用有源馈电网络3连接有相连波控器10和人工智能库11的人工神经网络9，同时还连接有通过N倍倍频器4的发射源5，以及连接用接收户终端的混频器6及其通过M倍倍频器7相连的本振源8，不仅构造简单，成本低，并且体积小，重量轻，更易于集成。克服了太赫兹有源相控阵天线需要多次加工才能满足设计要求的技术瓶颈，以及导致制造成本很高的问题。
实时修正误差快速、精度高。本发明在收/发状态中，太赫兹有源相控阵天线的波束合成和波束扫描均在波控器10的控制下，启动人工智能库11结合人工神经网络9来实现，通过相关性比对，确认是直接调用人工智能库11里的先验知识数据样本里的幅度控制码矩阵和相位控制码矩阵、还是启用人工神经网络9里的自动量化算法输出一组新的幅度控制码矩阵和相位控制码矩阵来满足太赫兹有源相控阵天线的波束合成和波束扫描，该方法实效性高、效果好。由于人工神经网络9的引入，所有的加工制造误差和其他因素引入的动态误差均可修正，从而使太赫兹有源相控阵天线的性能达到最佳。
波束扫描反应的敏捷性高。本发明在收/发状态中，人工神经网络9采用自动量化算法，同时不断更新人工智能库11的数据样本，以加速人工神经网络9具备自主感知、应对和进化能力。利用人工智能库11提供给人工神经网络9的先验知识，增强了人工神经网络9的人工智能，达到快速修正太赫兹有源相控阵天线的实时动态误差的目的。由于先验知识的引入和试验数据的累积，降低了人工神经网络9输入/输出关系的复杂度，从而使训练人工神经网络9的试验次数会越来越少，提高了太赫兹有源相控阵天线波束扫描反应的敏捷性。
可用于频谱型椭偏测量。本发明采用发射源5和本振源8双信号源结构，可让调频连续太赫兹波获取能随频率变化的差频信号，让本振信号与回波信号拥有不同的时域波型，实现频谱型椭偏测量与高精度成像。能够克服在传统的调频连续太赫兹波技术中采用本振信号时域波型与回波信号时域波型相同的本回同型混频方式，得到的差频信号不随频率变化、不能应用于频谱型椭偏测量的问题。
本发明不仅拥有传统抛物面天线和透镜馈电损耗小及易于实现高增益等优势，而且又具有设计灵活、体积小、易加工、低成本等特点，非常适合毫米波/太赫兹频段的应用。
附图说明
图1是本发明太赫兹有源相控阵天线的设计框图。
图2是具体实施例中发射波束扫描30度时的幅度误差修正图。
图3是具体实施例中发射波束扫描30度时的相位误差修正图。
图4是具体实施例中接收波束扫描45度时的幅度误差修正图。
图5是具体实施例中接收波束扫描45度时的相位误差修正图。
图中：1太赫兹天线阵列、2晶圆级混合电路、3有源馈电网络、4 N倍倍频器、5发射源、6混频器、7 M倍倍频器、8本振源、9人工神经网络、10波控器、11人工智能库。
为使本发明的目的，技术方案及优点更加清楚明白，以下结合附图及实施例，对本发明进行进一步详细说明。应当理解，此处所描述的具体实施例仅仅用于解释本发明，并不用于限定此发明。
具体实施方式
参阅图1～图5。在以下描述的实施例中，一种太赫兹有源相控阵天线，包括：太赫兹天线阵列1顺次连接的晶圆级混合电路2、有源馈电网络3，其中：有源馈电网络3连接有相连波控器10和人工智能库11的人工神经网络9，同时还连接有通过N倍倍频器4的发射源5，以及连接用户接收终端的混频器6及其通过M倍倍频器7相连的本振源8。其特征在于：在收/发状态中，发射源5发出的射频信号经N倍倍频器4倍频至太赫兹频段，有源馈电网络3获取太赫兹频段的发射信号，经晶圆级混合电路2分发给太赫兹阵列天线1进行波束合成和波束扫描；然后经目标方向返回的太赫兹回波信号经过太赫兹阵列天线1接收后，经晶圆级混合电路2进入有源馈电网络3，将太赫兹接收信号发送给混频器6，同时本振源8通过M倍倍频器7获取的本振信号进入混频器6与太赫兹接收信号进行差频混频，获得随频率变化的差频信号被送到用户接收终端，完成频谱型椭偏测量与高精度成像。
在整过收/发状态中，太赫兹有源相控阵天线的波束合成和波束扫描均是在波控器10的控制下启动与相连人工神经网络9的人工智能库11，人工神经网络9根据输入的人工智能库11的先验知识数据样本，将获取的太赫兹有源相控阵天线发射链路硬件电路误差的累积或接收链路硬件电路误差的累积与先验知识数据样本进行相关性比对，若相关性大于0.999，则人工神经网络9直接调用先验知识数据样本里的幅度控制码矩阵和相位控制码矩阵输出给晶圆级混合电路2，完成太赫兹有源相控阵天线在误差修正情况下的波束合成和波束扫描；若相关性不满足大于0.999，人工神经网络9则启动自动量化算法，对晶圆级混合电路2的放大、移相、以及实时动态误差进行修正，以及N倍倍频器4、有源馈电网络3、M倍倍频器7和混频器6的实时动态误差的修正，最终输出一组新的幅度控制码矩阵和相位控制码矩阵来满足太赫兹有源相控阵天线的波束合成和波束扫描，并把得到的新数据样本存入人工智能库11，不断更新人工智能库11，以加速使人工神经网络9具备自主感知、应对和进化能力，增强人工神经网络9的人工智能。
在可选的实施例中，以一个8×8的工作在336GHz～384GHz的有源相控阵天线为例，太赫兹有源相控阵天线工作于发射状态时，发射源5发出的工作频段为28GHz～32GHz的射频信号经N倍倍频器4倍频(×12)至336GHz～384GHz频段后，再经有源馈电网络3分发给晶圆级混合电路2，并在波控器10的控制下，太赫兹有源相控阵天线启动人工智能库11、输入先验知识数据样本给人工神经网络9，实现发射信号的放大、移相、以及实时动态误差的修正，最终经太赫兹阵列天线1实现波束合成和波束扫描。
太赫兹有源相控阵天线工作于接收状态时，太赫兹阵列天线1接收到336GHz～384GHz频段回波信号后，传送给晶圆级混合电路2，并在波控器10的控制下，太赫兹有源相控阵天线启动人工智能库11、输入先验知识数据样本给人工神经网络9，实现接收太赫兹信号的放大、移相、以及实时动态误差的修正，再经有源馈电网络3合路后传送给混频器6；同时本振源8发送的工作频段为27.9GHz～31.9GHz本振信号经M倍倍频器7倍频(×6)后输出工作频段为167.4GHz～191.4GHz的本振信号，并进入二次谐波混频的混频器6，汇同接收进来的工作频段为336GHz～384GHz太赫兹信号下变频至1.2GHz的信号给用户接收终端，同样在波控器10的控制下，太赫兹有源相控阵天线启动人工智能库11、输入先验知识数据样本给人工神经网络9，修正本振源和发射源非相参情况下引入的随频率变化的动态相位误差，最终完成用户接收终端的目标检测与成像。
1)太赫兹有源相控阵天线工作于发射状态时：
第一步，人工神经网络9自主感知，并获取太赫兹有源相控阵天线发射链路硬件电路误差的累积。
发射源5发出的工作频段为28GHz～32GHz的射频信号经N倍倍频器4倍频至336GHz～384GHz频段后，引入的信号幅度误差为α1(t)、相位误差为β1(t)，并随工作温度t的变化而发生值的改变。
太赫兹信号经N倍倍频器4进入有源馈电网络3后，引入的有源馈电网络3的幅度误差α2(t)和相位误差β2(t)包含了1分64功分网络的通道一致性幅/相误差，以及集成在里面的驱动级功率放大器的幅/相误差，并随工作温度t的变化而发生值的改变。
太赫兹信号经有源馈电网络3进入晶圆级混合电路2后，完成发射信号的放大和移相，由于晶圆级混合电路2集成了末级功率放大器和移相器，会引入晶圆级混合电路2的64个通道的信号幅度误差α3(t)和相位误差β3(t)，并随工作温度t的变化而发生值的改变。
因此，上述太赫兹有源相控阵天线工作于发射状态时，发射链路硬件电路误差的累积经人工神经网络9自主感知，其硬件电路总的幅度误差为
Figure BDA0002473161770000061
相位误差为
Figure BDA0002473161770000062
所述的信号幅度误差的单位为“w”、相位误差的单位为“rad”。
第二步，人工神经网络9修正太赫兹有源相控阵天线实时动态幅/相误差，实现发射波束合成和波束扫描。在波控器10的指令控制下，人工智能库11输出先验知识数据样本
Figure BDA0002473161770000071
给人工神经网络9，进行相关性比对。若相关性RiA＝|α(t)/σi|＞0.999和Riφ＝|β(t)/δi|＞0.999同时满足条件，则人工神经网络9直接调用第i个先验知识数据样本
Figure BDA0002473161770000072
里的太赫兹有源相控阵天线的幅度控制码矩阵
Figure BDA0002473161770000073
和相位控制码矩阵
Figure BDA0002473161770000074
输出给晶圆级混合电路2，实现太赫兹相控阵天线在误差修正情况下的发射波束合成和波束扫描。若相关性RiA＝|α(t)/σi|＞0.999和Riφ＝|β(t)/δi|＞0.999条件不能同时满足，则人工神经网络9启动自动量化算法，输出一组新的满足太赫兹相控阵天线发射波束合成和波束扫描的幅度控制码矩阵
Figure BDA0002473161770000075
和相位控制码矩阵
Figure BDA0002473161770000076
给晶圆级混合电路2，并把得到的这组样本存入人工智能库11，不断更新人工智能库11，以加速使人工神经网络9具备自主感知、应对和进化能力，增强人工神经网络9的人工智能。
所述的先验知识数据样本
Figure BDA0002473161770000077
其中i＝1,2,…,50000为样本个数，最大量为50000个，并可以实时更新；σi为第i个先验知识数据样本
Figure BDA0002473161770000078
里预存的幅度误差值；δi为第i个先验知识数据样本
Figure BDA0002473161770000079
里预存的相位误差值；
Figure BDA00024731617700000710
为第i个先验知识数据样本
Figure BDA00024731617700000711
里的幅度误差σi对应的太赫兹有源相控阵天线的幅度控制码矩阵，
Figure BDA00024731617700000712
为第i个先验知识数据样本
Figure BDA00024731617700000713
里的相位误差δi对应的太赫兹有源相控阵天线的相位控制码矩阵，本实施例中
Figure BDA00024731617700000714
和
Figure BDA00024731617700000715
矩阵规模为8×8。
图2和图3是本发明太赫兹有源相控阵天线工作在360GHz、单元间距为0.4mm、发射波束扫描30度时，人工神经网络9采用自动量化算法分别得到的幅度误差修正图和相位误差修正图，从图2和图3可以看出人工神经网络9输出的结果与目标值一致，达到了很好的效果。
2)太赫兹有源相控阵工作于接收状态时：
第一步，人工神经网络9自主感知，并获取太赫兹有源相控阵天线接收链路硬件电路误差的累积。太赫兹天线阵列1接收到336GHz～384GHz频段的太赫兹信号后进入晶圆级混合电路2，完成接收信号的放大和移相后，引入的信号幅度误差为ε1(t)、相位误差为η1(t)。所述的晶圆级混合电路2由于集成了末级低噪声放大器和移相器，会导致晶圆级混合电路2的64个通道的信号幅度误差ε1(t)和相位误差η1(t)会随工作温度t的变化而发生值的改变。
经晶圆级混合电路2接收到的64路太赫兹信号进入有源馈电网络3后，引入有源馈电网络3的8×8通道的信号幅度误差为ε2(t)、相位误差为η2(t)。所述的有源馈电网络3由于集成了驱动级低噪声放大器，会导致有源馈电网络3的64个通道的信号幅度误差ε2(t)和相位误差η2(t)会随工作温度t的变化而发生值的改变。同时，本振源8发送的工作频段为27.9GHz～31.9GHz本振信号经M倍倍频器7倍频后输出工作频段为167.4GHz～191.4GHz的本振信号，引入的本振信号幅度误差为ε3(t)、相位误差为η3(t)。所述的本振信号幅度误差ε3(t)和相位误差η3(t)会随工作温度t的变化而发生值的改变。
最终，从M倍倍频器7输出的本振信号进入二次谐波混频的混频器6后，汇同接收进来的工作频段为336GHz～384GHz太赫兹信号下变频至1.2GHz的信号给用户接收终端。此过程中，由于本振源8和发射源5分别采用了不同的工作频率，导致下变频信号引入了随工作频率f变化的动态幅度误差ε4(f)和动态相位误差η4(f)。信号幅度误差ε4(f)和相位误差η4(f)经混频器6后会随着发射源5和本振源8的工作频率f的变化而发生值的改变，是一个随工作频率f变化的动态量。因此，上述太赫兹有源相控阵天线工作于接收状态时，接收链路硬件电路误差的累积经人工神经网络9自主感知，其硬件电路总的幅度误差为
Figure BDA0002473161770000081
相位误差为
Figure BDA0002473161770000082
第二步，人工神经网络9修正太赫兹有源相控阵天线实时动态幅/相误差，实现接收波束合成和波束扫描。在波控器10的指令控制下，人工智能库11输出先验知识数据样本
Figure BDA0002473161770000083
给人工神经网络9，进行相关性比对。若相关性RiA＝|ε(t,f)/σi|＞0.999和Riφ＝|η(t,f)/δi|＞0.999同时满足条件，则人工神经网络9直接调用第i个先验知识数据样本
Figure BDA0002473161770000084
里的太赫兹有源相控阵天线的幅度控制码矩阵
Figure BDA0002473161770000085
和相位控制码矩阵
Figure BDA0002473161770000086
给晶圆级混合电路2，实现太赫兹有源相控阵天线在误差修正情况下的接收波束合成和波束扫描。若相关性RiA＝|ε(t,f)/σi|＞0.999和Riφ＝|η(t,f)|δi|＞0.999条件不能同时满足，则人工神经网络9启动自动量化算法，输出一组新的满足太赫兹有源相控阵天线接收波束合成和波束扫描的幅度控制码矩阵
Figure BDA0002473161770000087
和相位控制码矩阵
Figure BDA0002473161770000088
给晶圆级混合电路2。并把得到的这组样本存入人工智能库11，不断更新人工智能库11，以加速使人工神经网络9具备自主感知、应对和进化能力，增强人工神经网络9的人工智能。
图4和图5是本发明太赫兹有源相控阵天线工作在360GHz、单元间距为0.4mm、接收波束扫描45度、泰勒权取为20dB时，人工神经网络9采用自动量化算法分别得到的幅度误差修正图和相位误差修正图，从图4和图5可以看出人工神经网络9输出的结果与目标值一致，达到了很好的效果。
上述方案中，晶圆级混合电路2是混合模拟和数字电路，集成了末级功率放大器、末级低噪声放大器、开关、功率补偿电路、衰减器、移相器、串口电路、数字控制、电容、电阻等元件，主要功能是实现太赫兹有源相控阵天线的太赫兹信号的放大和移相。
上述方案中，人工神经网络9为深度神经网络，也可以是BP神经网络、知识人工神经网络、径向基神经网络、自组织竞争人工神经网络、回归神经网络。
上述方案中，人工神经网络算法为自动量化算法，也可以是Fletcher-Reeves算法、Polak-Ribiere算法、Powell-Beale算法、Quasi-Newton算法、以及Levenberg-Marquardt算法。
上述方案中，有源馈电网络3集成了驱动级功率放大器和驱动级低噪声放大器，确保太赫兹有源相控阵天线发射时末级功率放大器可以饱和工作，接收时接收链路增益能满足用户接收终端的需求。
本发明特别参照优选的实施例来说明和展示，本领域的技术人员应理解，可以在形式上和内容上作出改型而不偏离本发明精神和范围。

Claims (7)

1.一种太赫兹有源相控阵天线，包括：太赫兹天线阵列(1)顺次连接的晶圆级混合电路(2)、有源馈电网络(3)，其特征在于：有源馈电网络(3)连接有与波控器(10)和人工智能库(11)相连的人工神经网络(9)，同时还通过N倍倍频器(4)与发射源(5)连接，以及连接用户接收终端的混频器(6)及通过M倍倍频器(7)与本振源(8)连接，太赫兹有源相控阵天线工作于发射状态时，发射源(5)发出的工作频段为28GHz～32GHz的射频信号经N倍倍频器(4)倍频至336GHz～384GHz频段后，引入的信号幅度误差为α1(t)、相位误差为β1(t)；有源馈电网络(3)的幅度误差α2(t)和相位误差β2(t)包含了1分64功分网络的通道一致性幅/相误差，以及集成在里面的驱动级功率放大器的幅/相误差；在晶圆级混合电路(2)里完成发射信号的放大和移相时，引入的64个通道的信号幅度误差α3(t)、相位误差β3(t)包含了集成在里面的末级功率放大器的幅/相误差、移相器的幅/相误差；在收/发状态中，发射源(5)发出的射频信号经N倍倍频器(4)倍频至太赫兹频段，有源馈电网络(3)获取太赫兹频段的发射信号，经晶圆级混合电路(2)分发给太赫兹阵列天线(1)进行波束合成和波束扫描；然后经目标方向返回的太赫兹回波信号经过太赫兹阵列天线(1)接收后，通过晶圆级混合电路(2)进入有源馈电网络(3)，将太赫兹接收信号发送给混频器(6)，同时本振源(8)通过M倍倍频器(7)获取的本振信号进入混频器(6)与太赫兹接收信号进行差频混频，获得随频率变化的差频信号被送到用户接收终端，完成频谱型椭偏测量与高精度成像；发射状态时，发射源(5)发出的工作频段为28GHz～32GHz的射频信号经N倍倍频器(4)倍频×12至336GHz～384GHz频段后，再经有源馈电网络(3)分发给晶圆级混合电路(2)，并在波控器(10)的控制下，太赫兹有源相控阵天线启动人工智能库(11)、输入先验知识数据样本给人工神经网络(9)，实现发射信号的放大、移相、以及实时动态误差的修正，最终经太赫兹阵列天线(1)实现波束合成和波束扫；接收状态时，太赫兹阵列天线(1)接收到336GHz～384GHz频段回波信号后，传送给晶圆级混合电路(2)，并在波控器(10)的控制下，太赫兹有源相控阵天线启动人工智能库(11)、输入先验知识数据样本给人工神经网络(9)，实现接收太赫兹信号的放大、移相、以及实时动态误差的修正，再经有源馈电网络(3)合路后传送给混频器(6)；同时本振源(8)发送的工作频段为27.9GHz～31.9GHz本振信号经M倍倍频器(7)倍频×6后输出工作频段为167.4GHz～191.4GHz的本振信号，并进入二次谐波混频的混频器(6)，汇同接收进来的工作频段为336GHz～384GHz太赫兹信号下变频至1.2GHz的信号给用户接收终端，同样在波控器(10)的控制下，太赫兹有源相控阵天线启动人工智能库(11)、输入先验知识数据样本给人工神经网络(9)，修正本振源和发射源非相参情况下引入的随频率变化的动态相位误差，最终完成用户接收终端的目标检测与成像；扫描在整过收/发状态中，太赫兹有源相控阵天线的波束合成和波束扫描均是在波控器(10)的控制下，启动与相连人工神经网络(9)的人工智能库(11)，人工神经网络(9)根据输入的人工智能库(11)的先验知识数据样本，将获取的太赫兹有源相控阵天线发射链路硬件电路误差的累积或接收链路硬件电路误差的累积与先验知识数据样本进行相关性比对，若相关性大于0.999，则人工神经网络(9)直接调用先验知识数据样本里的幅度控制码矩阵和相位控制码矩阵输出给晶圆级混合电路(2)，完成太赫兹有源相控阵天线在误差修正情况下的波束合成和波束扫描；若相关性不满足大于0.999，人工神经网络(9)则启动自动量化算法，对晶圆级混合电路(2)的放大、移相、以及实时动态误差进行修正，以及N倍倍频器(4)、有源馈电网络(3)、M倍倍频器(7)和混频器(6)的实时动态误差的修正，最终输出一组新的幅度控制码矩阵和相位控制码矩阵来满足太赫兹有源相控阵天线的波束合成和波束扫描，并把得到的新数据样本存入人工智能库(11)，不断更新人工智能库(11)，以加速使人工神经网络(9)具备自主感知、应对和进化能力，增强人工神经网络(9)的人工智能。
2.如权利要求1所述的太赫兹有源相控阵天线，其特征在于：晶圆级混合电路2是混合模拟和数字电路的集成了末级功率放大器、末级低噪声放大器、开关、功率补偿电路、衰减器、移相器、串口电路、数字控制、电容、电阻等元件；有源馈电网络(3)集成了驱动级功率放大器和驱动级低噪声放大器。
3.如权利要求2所述的太赫兹有源相控阵天线，其特征在于：发射链路硬件电路误差的累积经人工神经网络(9)自主感知，其硬件电路总的幅度误差为
Figure FDA0003015328150000021
相位误差为
Figure FDA0003015328150000022
4.如权利要求1所述的太赫兹有源相控阵天线，其特征在于：在波控器(10)的指令控制下，人工智能库(11)输出先验知识数据样本
Figure FDA0003015328150000023
给人工神经网络(9)，进行相关性比对，该相关性比对分别为幅度相关性比对RiA＝|α(t)/σi|和相位相关性比对Riφ＝|β(t)/δi|，其中α(t)是太赫兹有源相控阵天线硬件电路总的幅度误差，β(t)是太赫兹有源相控阵天线硬件电路总的相位误差，σi为第i个先验知识数据样本
Figure FDA0003015328150000024
里预存的幅度误差值，δi为第i个先验知识数据样本
Figure FDA0003015328150000025
里预存的相位误差值，其中，
Figure FDA0003015328150000026
为第i个先验知识数据样本
Figure FDA0003015328150000027
里的幅度误差σi对应的太赫兹有源相控阵天线的幅度控制码矩阵，
Figure FDA0003015328150000031
为第i个先验知识数据样本
Figure FDA0003015328150000032
里的相位误差δi对应的太赫兹有源相控阵天线的相位控制码矩阵。
5.如权利要求4所述的太赫兹有源相控阵天线，其特征在于：若相关性RiA＝|α(t)/σi|＞0.999和Riφ＝|β(t)/δi|＞0.999同时满足条件，则人工神经网络(9)直接调用第i个先验知识数据样本
Figure FDA0003015328150000033
里的太赫兹有源相控阵天线的幅度控制码矩阵
Figure FDA0003015328150000034
和相位控制码矩阵
Figure FDA0003015328150000035
输出给晶圆级混合电路(2)，实现太赫兹相控阵天线在误差修正情况下的发射波束合成和波束扫描。若相关性RiA＝|α(t)/σi|＞0.999和Riφ＝|β(t)/δi|＞0.999条件不能同时满足，则人工神经网络(9)启动自动量化算法，输出一组新的满足太赫兹相控阵天线发射波束合成和波束扫描的幅度控制码矩阵
Figure FDA0003015328150000036
和相位控制码矩阵
Figure FDA0003015328150000037
给晶圆级混合电路(2)，其中i为样本个数。
6.如权利要求1所述的太赫兹有源相控阵天线，其特征在于：从M倍倍频器(7)输出的本振信号进入二次谐波混频的混频器(6)后，汇同接收进来的工作频段为336GHz～384GHz太赫兹信号下变频至1.2GHz的信号给用户接收终端。此过程中，由于本振源(8)和发射源(5)分别采用了不同的工作频率，导致下变频信号引入了随工作频率f变化的动态幅度误差ε4(f)和动态相位误差η4(f)。
7.如权利要求1所述的太赫兹有源相控阵天线，其特征在于：信号幅度误差ε4(f)和相位误差η4(f)经混频器(6)后会随着发射源(5)和本振源(8)的工作频率f的变化而发生值的改变，是一个随工作频率f变化的动态量。太赫兹有源相控阵天线工作于接收状态时，接收链路硬件电路误差的累积经人工神经网络(9)自主感知，其硬件电路总的幅度误差为
Figure FDA0003015328150000038
相位误差为
Figure FDA0003015328150000039
其中，ε1(t)和η1(t)分别是晶圆级混合电路(2)由于集成了末级低噪声放大器和移相器而引入的晶圆级混合电路(2)的64个通道的信号幅度误差和相位误差，ε2(t)和η2(t)分别是有源馈电网络(3)集成了驱动级低噪声放大器而引入的有源馈电网络(3)的64个通道的信号幅度误差和相位误差，ε3(t)和η3(t)分别是M倍倍频器(7)倍频后输出本振信号时引入的本振信号幅度误差和相位误差，ε4(f)和η4(f)分别是混频器(6)下变频信号引入的随工作频率f变化的动态幅度误差和相位误差。
CN202010355056.4A 2020-04-29 2020-04-29 太赫兹有源相控阵天线 Active CN111541048B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202010355056.4A CN111541048B (zh) 2020-04-29 2020-04-29 太赫兹有源相控阵天线

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202010355056.4A CN111541048B (zh) 2020-04-29 2020-04-29 太赫兹有源相控阵天线

Publications (2)

Publication Number Publication Date
CN111541048A CN111541048A (zh) 2020-08-14
CN111541048B true CN111541048B (zh) 2021-06-15

Family

ID=71979010

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202010355056.4A Active CN111541048B (zh) 2020-04-29 2020-04-29 太赫兹有源相控阵天线

Country Status (1)

Country Link
CN (1) CN111541048B (zh)

Families Citing this family (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN112865849B (zh) * 2021-04-13 2022-08-16 浙江集速合芯科技有限公司 一种模拟相控阵波束合成的网络

Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US6369545B1 (en) * 1999-08-17 2002-04-09 Lockheed Martin Corporation Neural network controlled power distribution element
CN207352187U (zh) * 2017-07-31 2018-05-11 深圳市无牙太赫兹科技有限公司 毫米波实时成像安全检测系统
CN108051791A (zh) * 2017-12-14 2018-05-18 中国电子科技集团公司第三十八研究所 一种相控阵雷达通用校正装置
CN108919214A (zh) * 2018-08-08 2018-11-30 航天南湖电子信息技术股份有限公司 一种相控阵雷达数字t/r组件幅相校正装置及其校正方法
CN110806260A (zh) * 2019-10-22 2020-02-18 天津大学 一种基于神经网络的超声悬浮三维操纵控制方法及系统
CN111025407A (zh) * 2019-12-26 2020-04-17 北京遥测技术研究所 一种无感知高通量毫米波雷达安检装置及方法

Family Cites Families (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US6608690B2 (en) * 2001-12-04 2003-08-19 Timbre Technologies, Inc. Optical profilometry of additional-material deviations in a periodic grating
CN107340269A (zh) * 2017-06-27 2017-11-10 吉林大学 近距离无损探测的超宽带太赫兹三维成像系统及方法
CN110988809B (zh) * 2019-12-18 2022-07-05 中国电子科技集团公司第二十研究所 基于非线性有源天线的相控阵前端

Patent Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US6369545B1 (en) * 1999-08-17 2002-04-09 Lockheed Martin Corporation Neural network controlled power distribution element
CN207352187U (zh) * 2017-07-31 2018-05-11 深圳市无牙太赫兹科技有限公司 毫米波实时成像安全检测系统
CN108051791A (zh) * 2017-12-14 2018-05-18 中国电子科技集团公司第三十八研究所 一种相控阵雷达通用校正装置
CN108919214A (zh) * 2018-08-08 2018-11-30 航天南湖电子信息技术股份有限公司 一种相控阵雷达数字t/r组件幅相校正装置及其校正方法
CN110806260A (zh) * 2019-10-22 2020-02-18 天津大学 一种基于神经网络的超声悬浮三维操纵控制方法及系统
CN111025407A (zh) * 2019-12-26 2020-04-17 北京遥测技术研究所 一种无感知高通量毫米波雷达安检装置及方法

Also Published As

Publication number Publication date
CN111541048A (zh) 2020-08-14

Similar Documents

Publication Publication Date Title
CN110739527B (zh) 一种波束重构方法、天线、微波设备和网络系统
US8513607B2 (en) Analog baseband circuit for a terahertz phased array system
Horst et al. Design of a compact V-band transceiver and antenna for millimeter-wave imaging systems
CN108627827A (zh) 实现毫米波雷达广域远距离目标探测的装置及探测方法
Tang et al. A 4TX/4RX pulsed chirping phased-array radar transceiver in 65-nm CMOS for X-band synthetic aperture radar application
CN111541048B (zh) 太赫兹有源相控阵天线
US4178100A (en) Distributed-switch Dicke radiometers
Nissanov et al. High gain terahertz microstrip array antenna for future generation cellular communication
CN114002665B (zh) 一种应用太赫兹缩比测量的等效远场rcs测试方法
Hay et al. A beam-scanning dual-polarized fan-beam antenna suitable for millimeter wavelengths
CN112114311B (zh) 一种基于太赫兹涡旋电磁波无损检测方法
EP0358342A1 (en) A microwave radiometer
Coulombe et al. Submillimeter-wave polarimetric compact ranges for scale-model radar measurements
Marzall et al. Active and passive components for broadband transmit phased arrays: Broadband transmit front-end components
García-Pino et al. Bifocal reflector antenna system for radar imaging at 300 GHz
Wang et al. A low cost 24-GHz FMCW radar for automobile application
Sun et al. Terahertz imaging based on sparse MIMO array
Yunita et al. Analysis of Vivaldi, Rectangular, Bow-tie, and Quasi-Yagi Antenna Performance for S-Band FMCW-SAR on UAV Platform
To et al. Measurement and characterization for terahertz metasurfaces
Hannachi et al. Gain Enhancement of a Conical Horn Antenna using Converging Lenses in Line-of-sight Millimeter-wave Links
Beneduce et al. Design and characterization of AESA prototype driven by a DTRM
Derat et al. Numerical modeling and experimental validation of a D-band lens-based antenna design for beyond 5G communications
Bosma et al. W-band demonstration of dynamic, high-gain beam steering with a scanning lens phased array
Pragya et al. Design of Minkowski Curve-Based Slotted Microstrip Patch Antenna Using Artificial Neural Network
RU2773648C1 (ru) Способ цифрового формирования диаграммы направленности активной фазированной антенной решетки при излучении и приеме линейно-частотно-модулированных сигналов

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination
GR01 Patent grant
GR01 Patent grant