CN111988076A - 一种基于最大相关信噪比准则的天线分组及修正方法 - Google Patents

Abstract

本发明提供了一种基于最大相关信噪比准则的天线分组及修正方法，能够有效提高天线数量资源利用效率，达到最大的相关信噪比以及最优的相位估计性能。本发明采用将多个天线耦合在一起进行相关的算法(称本发明采用算法为Couple算法)体现由Simple和Sumple算法的演变过程。以最大相关信噪比为准则，提出一种“L/2对L/2”的天线分组方法，当采用“L/2对L/2”的天线分组方法时，可以达到最大的相关信噪比以及最优的相位估计性能，天线数量资源利用效率高，体现本发明Couple算法的优越性。

Description

一种基于最大相关信噪比准则的天线分组及修正方法

技术领域

本发明涉及于深空探测技术领域，具体涉及一种基于最大相关信噪比准则的天线分组及修正方法。

背景技术

目前Sumple算法是目前综合性能最为优异且研究和应用最为广泛的信号合成方法。然而，Sumple算法仍然存在一些不足：①采用轮流的虚拟参考天线，无固定相位中心；②在低信噪比条件下，存在相位中心漂移问题。在天线组阵的某些应用背景中，需要天线组阵系统有一个固定的相位中心。例如，当天线组阵用于测速测距或VLBI测量等高精度测量任务时，若阵列的等效相位中心随机变化，必然会影响测量精度。针对上述问题，现有技术中有以算法收敛后某固定时刻的相位权值作为参考，修正其它时刻的相位权值的算法。该算法虽然能改善相位漂移问题，然而由于未考虑各天线相位中心变化的情况，在实际应用中将导致组阵不能快速实时跟踪信号相位的变化。还有将Sumple算法的参考天线改为所有天线信号的加权和，事实上，这就变成了Matrix-Free算法，自相关分量将恶化算法性能。因此，如何解决Sumple算法的无固定相位中心特性和相位漂移问题，仍需进一步研究。

目前对信号合成方法的研究成果中，有些是对现有算法的理论和仿真分析，有些是将现有算法应用到其他场景中，有些运算量较大，欠缺实用性，有些是采用闭环或滤波技术对现有算法进行最优相位修正。然而，在天线资源利用效率方面，目前仍然停留在Sumple算法的“1对L-1”的天线分组方法上。实际上，天线分组方法是决定算法性能最核心的因素。对于大规模天线组阵来说，天线数量巨大(达到400个)，现有天线分组方法的天线数量资源利用效率较低。

发明内容

有鉴于此，本发明提供了一种基于最大相关信噪比准则的天线分组及修正方法，能够有效提高天线数量资源利用效率，达到最大的相关信噪比以及最优的相位估计性能。

本发明是通过以下技术方案来实现的：

本发明提供了一种基于最大相关信噪比准则的天线分组方法，包括如下步骤：

步骤1，选择天线组阵中的最多可取到的偶数路天线，记为L路；

设定L路天线数据对应权值的初值均为1，将第L路天线作为参考天线，保持其权值不变；

生成L×L维耦合矩阵，所述耦合矩阵的行向量互不相同，各个行向量的元素值均只有两种，每种占一半；

步骤2，将L路天线数据按照各自对应的权值进行加权，并求和输出一路合成信号；

步骤3，每个天线支路中均输入L路加权后的数据；

按所述耦合矩阵行向量顺序，依次将每个支路的数据，按照对应耦合矩阵行向量的元素值均分为两组数据；将每个支路的两组数据分别求和，得到对应的2路信号；

步骤4，将每个支路的2路信号分别进行相关处理，获得L个支路的相关相位，完成分组。

其中，所述耦合矩阵的第1行，前L/2元素均为1，后L/2元素均为-1；生成矩阵行号i为第2行至第L/2+1行时，以第1行元素为基准，保留第i-1和第L个元素符号不变，其余全取反；生成矩阵行号i为第L/2+2行至第L行时，以第2行元素为基准，保留第i-1和第L个元素符号不变，其余全取反。

其中，所述步骤4中，所述相关处理为共轭相乘和累加平均。

本发明还提供了一种基于最大相关信噪比准则的天线修正方法，利用本发明所述的基于相关信噪比准则的天线分组方法获得L个支路的相关相位，基于相关相位获得权值相位，利用权值相位对天线的相位进行修正。

其中，获得权值相位的具体方式为：

将L个支路的相关相位拷贝L-1份，与解耦合矩阵的L-1个行向量的各行按顺序一一对应，将每行对应元素值为A的相关相位相加后，再乘以L/4，获得该行对应的权值相位；如此，得到L-1行权值相位；

其中，所述解耦合矩阵为(L-1)×L维矩阵，行向量互不相同，各个行向量的元素值均只有两种，设为A和B；第1行至第L/2行的行向量中，第1和第i+1个元素的元素值为A，其余为B，第L/2+1行至第L-1行的行向量中，第2和第i+1个元素的元素值为A，其余为B，其中i为行向量序号。

有益效果：

本发明采用将多个天线耦合在一起进行相关的算法体现由Simple和Sumple算法的演变过程，以最大相关信噪比为准则，提出一种“L/2对L/2”的天线分组方法，当采用“L/2对L/2”的天线分组方法时，可以达到最大的相关信噪比以及最优的相关相位估计性能，天线数量资源利用效率高。

本发明中，基于分组方法修正相关相位，能实现最优相位修正。

附图说明

图1为不同信噪比条件下相位估计误差的概率密度。

图2为基于“多对多”天线分组方法的相位差估计系统模型。

图3为Simple、Sumple和Couple三种算法相关器的相位估计性能对比。

其中，图3(a)给出了L＝36和L＝100两种情况下，三种算法在不同信噪比条件下的相关相位估计方差性能，图3(b)给出了相对应的相位估计损失因子性能。

具体实施方式

下面结合附图并举实施例，对本发明进行详细描述。

相位估计算法的基本处理流程为：首先对两信号进行相关处理(共轭相乘、累加平均)，然后利用反正切相位鉴别器来估计相位差。相关信噪比是指对两个信号进行相关处理后的信号的信噪比。相关信噪比直接决定了反正切相位鉴别器的估计性能。传统天线组阵理论为了简化分析，均假设反正切相位鉴别器是一种最大似然估计器，其估计方差能够达到克拉美-罗下界(Cramer-Rao Lower Bound,CRLB)。然而，这一假设条件仅当相关信噪比在中等值以上时才适用。为定量分析反正切相位鉴别器在低相关信噪比条件下的估计性能，本发明抛弃上述假设条件，通过理论分析对反正切相位鉴别器的相位估计性能进行深入研究。

为了得到各阵元相位估计误差，不失一般性，各阵元间相关处理后的信号可以建模为

式中：x[k]为观测量，K为样本个数，A为常数，Δθ为待估计相位差，为非随机参量，w[k]的实部和虚部都是均值为0，方差为σ²的独立同分布高斯随机噪声，则观测量x[k]的信噪比ρ＝|A|²/(2σ²)。对x[k]进行K次累计平均，累加平均后的信噪比即为相关信噪比，用γ表示，则有γ＝Kρ，然后利用反正切相位鉴别器来估计相位，则有

式中：Re[·]和Im[·]分别表示取实部和虚部。根据参数估计理论，对于如式(1)的复数形式的相位估计，估计量Δθ的CRLB为

传统天线组阵理论为了简化分析，认为反正切相位鉴别器是一种最大似然估计器。当γ较大时，能够很好地接近CRLB(Δθ)，因此当相关信噪比较高时，合成算法的相位估计方差

与γ具有如式(3)的线性关系。然而当γ较低时，这一假设将不再成立。为了分析低信噪比条件下的相位估计性能，本发明抛弃上述假设，考虑更一般的情况。设Δθ的估计误差为Δθ_e，并有

有文献给出了Δθ_e的概率密度函数，这里将复数信号形式的信噪比γ代入，可得下式

式中：

图1给出了不同γ条件下，相位估计误差Δθ_e的概率密度。可以看出，γ越高，相位估计性能越高。为定量描述γ与相位估计性能的关系，下面对Δθ的相位估计方差进行研究。由于Δθ为常数，由

可推知

又由E[Δθ_e]＝0，可得Δθ的估计方差

为：

为定量描述

的关系，本发明引入相位估计损失因子Γ，定义为：

由式(8)可知，Γ仅与γ有关，对式(8)进行转换：

可见，通过引入相位估计损失因子，

具有非常简洁的形式，并且Γ(γ)能够定量描述

偏离CRLB(Δθ)的程度。

本发明提供了一种基于最大相关信噪比准则的天线分组方法，首先将所有L个天线数据同时送给L个支路；然后在每个支路中，按照耦合矩阵元素值的描述关系，将L个天线均匀划分为2组，并分别对每组天线信号求和，这样，每个支路的L个天线信号，通过均匀分组和各组求和，得到2路信号；之后，将L个支路的2路信号分别送给后续L个相关相位估计器的2路信号输入；相关相位估计器首先对两信号进行相关处理(共轭相乘、累加平均)，然后利用反正切相位鉴别器来估计相位差φ，共有L个，完成分组。具体包括如下步骤：

步骤1，选择天线组阵中的最多可取到的偶数路天线，记为L路；

设定L路天线数据对应权值的初值均为1，将第L路天线作为参考天线，保持其权值不变；

生成L×L维耦合矩阵，所述耦合矩阵的行向量互不相同，各个行向量的元素值均只有两种，每种占一半；

步骤2，将L路天线数据按照各自对应的权值进行加权，并求和输出一路合成信号；

步骤3，每个支路均输入L路加权后的数据；

按所述耦合矩阵行向量顺序，依次将每个支路的数据，按照对应耦合矩阵行向量的元素值均分为两组数据；将每个支路的两组数据分别求和，得到对应的2路信号；

步骤4，将每个支路的2路信号分别进行相关处理，获得L个支路的相关相位，完成分组。

不论是Simple算法的“1对1”天线分组方法、Sumple算法的“1对L-1”天线分组方法，还是本发明提出的Couple算法的“L/2对L/2”天线分组方法，都属于“多对多”天线分组方法的特例。基于此，本发明将首先建立基于“多对多”天线分组方法的相位差估计系统模型，将上述三种天线分组方法纳入到统一的框架下进行讨论，而后对该模型的相位差估计性能进行数学推导，证明当采用“L/2对L/2”的天线分组方法时，可以达到最大的相关信噪比以及最优的相位估计性能，体现Couple算法的优越性。

基于“多对多”天线分组方法的相位差估计系统模型如图2所示，需要注意的是，该模型估计的相位差并不是最终的相位修正值，为便于区分，称该模型估计的相位差为相关相位。考虑均匀阵的情况，假设共有L个天线，各天线信号为复信号，带宽为B，设参与相关的两个信号分别为g₁(t_k)和g₂(t_k)，且有

式中：常数P为各天线信号功率，

为天线i接收信号的初相，n_i(t_k)表示天线i的复高斯随机噪声，其实部和虚部独立同分布，均值为0，方差均为σ²，不失一般性，假设信号与噪声相互独立，不同天线噪声相互独立。g₁(t_k)和g₂(t_k)包含的天线个数分别为M和L-M且无公共项，这样就保证了g₁(t_k)和g₂(t_k)不会有自相关分量。

考虑图2所示系统模型，假设天线组阵已经收敛，此时，各天线还残留小部分相位差，由式(4)给出的相位估计误差概率密度可知，各阵元信号相位呈高斯分布并且相互独立(即使不是严格意义上的高斯分布，当累加次数较多时，引入中心极限定理后，也可以近似为高斯分布)，这里设其方差为

为体现g₁(t_k)与g₂(t_k)相位的差异性，设g₁(t_k)与g₂(t_k)中各阵元相位的均值分别为φ₁和φ₂，则有

至此，给出了g₁(t_k)与g₂(t_k)中各阵元相位

和

的分布特性。注意到，M和L决定了天线分组方法，当M＝1且L＝2时，式(10)即可表示Simple算法的天线分组方法，当M＝1且L>2时，式(10)即可表示Sumple算法的天线分组方法，而当M＝L/2且L>2时，式(10)即可表示Couple算法的天线分组方法。

基于图2所示的系统模型，首先通过数学推导证明采用本发明提出的Couple算法的“L/2对L/2”天线分组方法可以达到最大的相关信噪比，而后分别对采用Couple、Simple和Sumple算法的天线分组方法的相关相位估计性能进行分析，给出理论公式，包括相关相位物理含义、相关信噪比、相关相位估计方差和相位估计损失因子。

如图2所示，对g₁(t_k)和g₂(t_k)进行互相关运算，有

式中：第一项为信号项，后三项为噪声项。由于信号与噪声相互独立，不同天线噪声相互独立，根据随机信号理论，可知这四项相互独立。利用这一性质，可以通过累加平均来提高相关信号Z(t_k)的信噪比。为便于统一考量，这里设累加数据总时长为T，对T内所有采样点进行累加平均，则累加次数K＝BT，设累加平均后的信号为Z_K，可得

式中：由于信号和噪声的功率在积分时间段内是相对稳定的，因此n_i(t_k)和n_j(t_k)经累加平均后可等效为n_iK和n_jK。令

由于

和

相互独立，则φ_ij服从均值为φ＝φ₁-φ₂，方差为

的高斯分布，设Z_K中的信号项为Z_S，可得

则以φ_ij为条件的有用信号分量可表示为

根据高斯随机变量的特征函数公式，有

式中：

反映了各阵元信号的相位对齐程度，对齐精度越高，

越小，引起的合成信号合成损失越小，在迭代过程收敛后，有

将其代入式(17)中，可得

式中：φ即为预估计的相关相位，其物理含义为

将式(18)代入式(16)，整理可得

按照上述过程，噪声项Z_N可表示为

则以φ_i和φ_j为条件的噪声分量可表示为

当算法收敛后，有

将其代入式(22)中，可得

由式(14)、式(20)和式(23)可知，相关累加平均后的信号为

至此得到了累加平均后的信号

接下来就可以根据

推导相关信噪比，进而分析相关相位φ的方差性能。

首先对

的信号功率和噪声功率分别进行分析。利用信号与噪声相互独立，不同天线噪声相互独立的性质，可知式(24)中的四项相互独立，则

中的信号功率为

同样，由式(24)可以推导噪声分量的功率为

式中：var(·)表示求方差运算，由于各天线噪声为复随机变量，实部和虚部方差为σ²，可知

将其代入式(26)并进一步简化可得

根据式(25)和式(27)，并设

的信噪比为γ，则有

设单天线信噪比为ρ，则有ρ＝P/(2σ²)，将其代入式(28)可得

由式(29)可以看出，在累加次数K和单天线信噪比ρ不变的条件下，不同的天线分组方法(M不同)具有不同相关信噪比，且有如下不等式

由该不等式性质可知，天线分组越均等，相关信噪比越大，注意到天线总数L可能为偶数或奇数，则有

当组阵天线按照式(31)进行分组时，可以达到最大的相关信噪比，且有

当天线数较多时，L为偶数或奇数对γ_max影响基本可以忽略，因此对于接下来的研究，均默认天线数为偶数，并且采用“L/2对L/2”的天线分组方法。

以上通过数学推导证明了当采用“L/2对L/2”的天线分组方法时，可以达到最大的相关信噪比，接下来根据式(9)推导相关相位φ的估计方差，有

至此得到了基于Couple算法的相关相位估计的性能，包括相关相位物理含义、相关信噪比、相位估计损失因子和相关相位估计方差等。为便于对比，将其总结如下：

Couple算法的相关相位估计值φ^Co的物理含义为

Couple算法的相关信噪比为

Couple算法的相位估计损失因子为

Couple算法的相关相位估计方差为

接下来，为证明Couple天线分组方法的优越性，将其与Simple和Sumple算法的天线分组方法进行对比。前面已经说过，Simple和Sumple算法的天线分组方法可被认为是“多对多”天线分组方法的特例。因此，对于Simple算法，设其参考天线为天线L，则进行相关处理的两个信号为

相关累加平均后的信号为

Simple算法的相关相位估计值φ^Si的物理含义为

Simple算法的相关信噪比为

Simple算法的相位估计损失因子为

Simple算法的相关相位估计方差为

在高信噪比条件下，Γ(γ)≈1，此时Simple算法的相关相位估计方差可简化为

对于Sumple算法，进行相关处理的两个信号为

相关累加平均后的信号为

设φ_j服从均值为

方差为

的高斯随机分布，且有

考虑算法已收敛的情况，有

则以φ_j为条件，相关累加平均后的信号为

Sumple算法的相关相位估计值φ^Su的物理含义为

Sumple算法的相关信噪比为

Sumple算法的相位估计损失因子为

Sumple算法的相关相位估计方差为

在高信噪比条件下，有Γ(γ)≈1，此时Sumple算法的相关相位估计方差可简化为

与Simple和Sumple算法的相关相位估计方差理论公式相比，本发明考虑了低信噪比条件下的估计性能恶化效应，因此本发明给出的公式更具普适性。

至此，通过数学推导得到了Simple、Sumple和Couple算法的相关相位的估计性能，包括相关相位物理含义、相关信噪比和相关相位估计方差，总结如表1所示。

表1 Simple、Sumple和Couple算法相关相位的估计性能对比

接下来对Simple、Sumple和Couple三种算法的相关相位估计性能进行对比。利用表1中的理论公式，图3(a)给出了L＝36和L＝100两种情况下，三种算法在不同信噪比条件下的相关相位估计方差性能，图3(b)给出了相对应的相位估计损失因子性能。通过对图3(a)和(b)进行分析和对比，可得到如下结论：

1)在不同信噪比条件下，三种算法的相关相位估计性能均随单天线信噪比ρ增大而改善，当信噪比较高时(ρ>-10dB)，三者趋于一致，而当信噪比降低时(ρ<-10dB)，Couple算法性能最高，Sumple算法次之，Simple算法最差；

2)在不同天线数条件下，Simple算法的性能不随天线数增多而提高，而Sumple和Couple算法都可以通过增加天线数来提高估计性能，其中，在同等天线数条件下，Couple算法较Sumple算法具有更高的估计性能，说明在多天线资源利用效率方面，Couple算法利用效率最高，Sumple算法次之，Simple算法利用效率最差；

3)比较图3(b)中的各条曲线可见，存在一个信噪比门限ρ_TH，当低于ρ_TH时，Couple算法的相位估计损失因子反而会低于Simple和Sumple算法。这是由相位估计损失因子的“过山车”特性引起的。实际上，此时Simple和Sumple算法的相位估计值已经出现严重折叠，不能正常工作。该门限与天线数有关，例如当L＝36时，ρ_TH＝-24dB，当L＝100时，ρ_TH＝-27dB，可以看出，门限ρ_TH随着天线数增加而降低。

综上所述，相比较传统Simple和Sumple算法，Couple算法能够更加充分利用天线组阵的多天线数量资源，从而有效提高低信噪比条件下的相位估计性能。

基于分组方法获得的相关相位进行修正，能实现最优相位修正。传统方法估计的相位差为各天线与某个固定天线的相位差，能够直接作为各天线的权值相位修正值，但是不能实现最大相关信噪比，本发明天线分组方法可以具有最大的相关信噪比，有效提高低信噪比条件下的相关相位估计性能。本发明得到的相关相位并不是两两天线信号间的相位差，不直接作为各天线的权值相位修正值进行修正，同时为了满足天线组阵对固定天线相位中心特性的需求，可基于最大相关信噪比准则进行天线组阵信号合成方法(Couple算法)。该算法估计的相位差为各天线与某个固定天线的相位差，可直接作为各天线的权值相位修正值。为区别于相关相位，称该相位差为权值相位。

本发明提供了一种基于最大相关信噪比准则的天线修正方法，利用本发明基于相关信噪比准则的天线分组方法获得L个支路的相关相位，基于相关相位获得权值相位，利用权值相位对天线的相位进行修正。

其中，获得权值相位的具体方式为：

将L个支路的相关相位拷贝L-1份，与解耦合矩阵的L-1个行向量的各行按顺序一一对应，将每行对应元素值为A的相关相位相加后，再乘以L/4，获得该行对应的权值相位；如此，得到L-1行权值相位；

其中，所述解耦合矩阵为(L-1)×L维矩阵，行向量互不相同，各个行向量的元素值均只有两种，设为A和B；第1行至第L/2行的行向量中，第1和第i+1个元素的元素值为A，其余为B，第L/2+1行至第L-1行的行向量中，第2和第i+1个元素的元素值为A，其余为B，其中i为行向量序号。

下面将首先以固定天线相位中心特性为算法应用需求，给出Couple算法的原理、处理流程和实现结构，而后通过理论推导，对比分析Simple、Sumple和Couple算法的相位估计性能，最后对Simple、Sumple和Couple算法的收敛特性和合成性能进行仿真分析，进一步证明Couple算法的优越性。。

(1)Couple算法原理

在天线组阵的某些应用背景中，需要组阵有一个固定的相位中心，这就要求相位估计算法对各个天线进行相位修正时，应以某个固定天线作为参考天线，使其它各天线均与该参考天线相位对齐。这样，该参考天线的相位中心即为整个组阵的相位中心。

事实上，针对这种应用背景，最简单直接的方法就是采用Simple算法，但其在低信噪比条件下性能较差，而Sumple算法虽然性能较高，但由于其参考天线是轮转的，收敛后的相位中心不固定，而且在低信噪比条件下会出现相位漂移问题。针对上述问题，本发明提出一种新的基于最大相关信噪比准则的天线组阵信号合成方法(Couple算法)。该算法可以满足固定参考天线相位中心特性需求，而且采用具有最大相关信噪比的天线分组方法，从而具有更优越的信号合成性能。

为便于讨论，下面以向量-矩阵形式来描述各天线相位

相关相位φ_i和权值相位θ_i的关系，并定义

与φ_i间的关系矩阵为耦合矩阵，定义φ_i和θ_i间的关系矩阵为解耦合矩阵。下面首先以Simple算法为例进行说明。首先将表1中Simple算法相关相位的物理含义公式用向量形式表示，可得

由Simple算法原理可知，其需要L-1个相关器，得到L-1个相关相位，将该过程以矩阵形式描述，有

式中：

即为L-1个相关相位，左侧的矩阵

是(L-1)×L维的，该矩阵即定义为Simple算法的耦合矩阵，接下来，给出Simple算法的解耦合矩阵，有

可见，Simple算法的解耦合矩阵就是单位阵，进一步将式(55)代入式(57)，可得，

从式(58)可以看出，只要耦合矩阵与解耦合矩阵相乘后等于式(56)表示的矩阵，即可实现等效于Simple算法的权值相位估计。事实上，具有上述等式关系的耦合矩阵和解耦合矩阵有很多种，可以设想，通过巧妙设计，必然有能够符合Couple算法的耦合矩阵和解耦合矩阵。

基于上述认识，可以给出一种基于消元法思想的Couple算法耦合矩阵和解耦合矩阵设计方法。首先，将表1中Couple算法相关相位的物理含义公式用向量形式表示，可得

由式(59)不难看出，由Couple算法得到的相关相位

不能直接作为单个天线的权值相位，然而注意到，各天线的相位信息

均耦合在相关相位中，基于此，为实现从

中解耦合出

可以基于消元法思想，再进行一次相关得到

并使

中除

和

对应的元素与

中

和

对应的元素正负号相同外，其余均相反，式(60)给出了两次相关的向量形式。

式中：为了表达方便，将常量2/L提取出来。接下来将式(60)的两个行向量相加，可得

将两个向量相乘，并代入权值相位θ₁，整理可得

至此，得到了第一个天线的权值相位θ₁，同理，可以获取其他天线的权值相位。为了使算法硬件消耗小，相关次数越少越好，对于L个天线，本发明所提设计方法需要L个相关器，该硬件消耗与Sumple算法是相当的。为说明这一点，下面给出一个直观的例子，设L＝6，以天线6作为参考天线，得到耦合矩阵关系式为

解耦合矩阵关系式为

注意观察式(64)中的相关相位项，

和

分别与

进行消元运算，而

和

则分别与

进行消元运算，这是由于

和

对应的元素正负号必须相反，才能够得到

因此，当与

进行消元运算时，只能求取

和

当求取

和

时，可以与

进行消元运算，这样，总共消耗相关器数量等于天线数L。

接下来，将解耦合矩阵(见式(64))左乘以耦合矩阵(见式(63))，可得

对比式(65)和式(56)可以看出，基于消元法的耦合矩阵和解耦合矩阵设计方法能够实现Couple算法的权值相位估计，并且具有等效于Simple算法的固定天线相位中心特性。

综上所述，以上仅为本发明的较佳实施例而已，并非用于限定本发明的保护范围。凡在本发明的精神和原则之内，所作的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。

Claims (5)

1.一种基于最大相关信噪比准则的天线分组方法，其特征在于，包括如下步骤：

步骤1，选择天线组阵中的最多可取到的偶数路天线，记为L路；

设定L路天线数据对应权值的初值均为1，将第L路天线作为参考天线，保持其权值不变；

生成L×L维耦合矩阵，所述耦合矩阵的行向量互不相同，各个行向量的元素值均只有两种，每种占一半；

步骤2，将L路天线数据按照各自对应的权值进行加权，并求和输出一路合成信号；

步骤3，每个天线支路中均输入L路加权后的数据；

按所述耦合矩阵行向量顺序，依次将每个支路的数据，按照对应耦合矩阵行向量的元素值均分为两组数据；将每个支路的两组数据分别求和，得到对应的2路信号；

步骤4，将每个支路的2路信号分别进行相关处理，获得L个支路的相关相位，完成分组。

2.如权利要求1所述的基于最大相关信噪比准则的天线分组方法，其特征在于，所述耦合矩阵的第1行，前L/2元素均为1，后L/2元素均为-1；生成矩阵行号i为第2行至第L/2+1行时，以第1行元素为基准，保留第i-1和第L个元素符号不变，其余全取反；生成矩阵行号i为第L/2+2行至第L行时，以第2行元素为基准，保留第i-1和第L个元素符号不变，其余全取反。

3.如权利要求1所述的基于最大相关信噪比准则的天线分组方法，其特征在于，所述步骤4中，所述相关处理为共轭相乘和累加平均。

4.一种基于最大相关信噪比准则的天线修正方法，其特征在于，利用如权利要求1-3任意一项所述的基于相关信噪比准则的天线分组方法获得L个支路的相关相位，基于相关相位获得权值相位，利用权值相位对天线的相位进行修正。

5.如权利要求4所述的基于最大相关信噪比准则的天线修正方法，其特征在于，获得权值相位的具体方式为：

将L个支路的相关相位拷贝L-1份，与解耦合矩阵的L-1个行向量的各行按顺序一一对应，将每行对应元素值为A的相关相位相加后，再乘以L/4，获得该行对应的权值相位；如此，得到L-1行权值相位；

其中，所述解耦合矩阵为(L-1)×L维矩阵，行向量互不相同，各个行向量的元素值均只有两种，设为A和B；第1行至第L/2行的行向量中，第1和第i+1个元素的元素值为A，其余为B，第L/2+1行至第L-1行的行向量中，第2和第i+1个元素的元素值为A，其余为B，其中i为行向量序号。

Images