CN117330853A - 一种基于数据同化的高精度天线平面近场测量方法 - Google Patents
一种基于数据同化的高精度天线平面近场测量方法 Download PDFInfo
- Publication number
- CN117330853A CN117330853A CN202311269092.9A CN202311269092A CN117330853A CN 117330853 A CN117330853 A CN 117330853A CN 202311269092 A CN202311269092 A CN 202311269092A CN 117330853 A CN117330853 A CN 117330853A
- Authority
- CN
- China
- Prior art keywords
- antenna
- data
- tested
- test
- precision
- 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.)
- Pending
Links
- 238000000691 measurement method Methods 0.000 title abstract description 7
- 238000012360 testing method Methods 0.000 claims abstract description 145
- 238000000034 method Methods 0.000 claims abstract description 69
- 238000005070 sampling Methods 0.000 claims abstract description 64
- 238000004088 simulation Methods 0.000 claims abstract description 41
- 238000004422 calculation algorithm Methods 0.000 claims abstract description 16
- 238000010586 diagram Methods 0.000 claims abstract description 16
- 238000005259 measurement Methods 0.000 claims abstract description 12
- 239000011159 matrix material Substances 0.000 claims description 28
- 239000000523 sample Substances 0.000 claims description 25
- 230000008569 process Effects 0.000 claims description 22
- 230000005855 radiation Effects 0.000 claims description 15
- 238000004364 calculation method Methods 0.000 claims description 13
- 230000006870 function Effects 0.000 claims description 13
- 230000005684 electric field Effects 0.000 claims description 6
- 238000006243 chemical reaction Methods 0.000 claims description 5
- 230000004927 fusion Effects 0.000 claims description 4
- 238000007499 fusion processing Methods 0.000 claims description 3
- 230000010287 polarization Effects 0.000 claims description 3
- 238000010998 test method Methods 0.000 abstract description 8
- 230000005672 electromagnetic field Effects 0.000 description 5
- 230000006872 improvement Effects 0.000 description 4
- 239000011358 absorbing material Substances 0.000 description 3
- 238000010276 construction Methods 0.000 description 2
- 230000000694 effects Effects 0.000 description 2
- 238000012545 processing Methods 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 230000010354 integration Effects 0.000 description 1
- 238000012067 mathematical method Methods 0.000 description 1
- 238000002620 method output Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000010561 standard procedure Methods 0.000 description 1
Classifications
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01R—MEASURING ELECTRIC VARIABLES; MEASURING MAGNETIC VARIABLES
- G01R29/00—Arrangements for measuring or indicating electric quantities not covered by groups G01R19/00 - G01R27/00
- G01R29/08—Measuring electromagnetic field characteristics
- G01R29/10—Radiation diagrams of antennas
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/25—Fusion techniques
- G06F18/251—Fusion techniques of input or preprocessed data
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Data Mining & Analysis (AREA)
- Artificial Intelligence (AREA)
- Life Sciences & Earth Sciences (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Bioinformatics & Computational Biology (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Evolutionary Biology (AREA)
- Evolutionary Computation (AREA)
- General Engineering & Computer Science (AREA)
- Electromagnetism (AREA)
- Variable-Direction Aerials And Aerial Arrays (AREA)
Abstract
本发明属于平面近场测试技术领域,涉及一种基于数据同化的高精度天线平面近场测量方法,包括以下过程:获取待测天线仿真数据和基于平面近场测试系统测试得到的待测天线实测数据;将待测天线仿真数据和待测天线实测数据输入数据同化算法,采用数据同化算法进行融合,得到估计全向方向图,则得到高精度天线方向图。本发明的测量方法通过数据同化理论,将仿真数据与实际测试数据合理地结合,降低了传统方法中采用有限平面测试带来的截断误差,尤其是置信区间外的测试数据;在采样设置一致的情况下,本发明所述方法能得到比传统平面近场测试方法更高的测试精度。
Description
技术领域
本发明属于平面近场测试技术领域,涉及一种基于数据同化的高精度天线平面近场测量方法。
背景技术
天线近场测试技术因其测试空间小的特点,被广泛应用于天线方向图测试。随着无线设备的快速发展,无线设备制造商对天线测试的精度需求越来越高,同时对高效地进行测试的需求也愈发迫切。而在近场测试中,平面近场测试是最为普及的测试技术之一。该方法在暗室中进行,通过在待测天线近场区域内的平面上采样,然后通过近远场转换算法,得到待测天线在远场区域的测试结果。
暗室通过吸波材料消除电波反射,模拟自由空间测试环境,并通过屏蔽室消除外界电磁波信号对测试的干扰。平面近场测试系统已成为目前最常见的一种通用天线测试方法。如图1所示常规平面近场测试系统主要由四部分组成,分别是吸波材料、机械臂、探头和用以摆放待测天线的平台。其中,吸波材料安装在暗室墙壁和机械臂表面或其他可能产生无关电波反射的地方,形成自由空间测试环境。机械臂安装在测试平台旁边,并且测试探头安装于机械臂上,由机械臂控制探头抵达不同采样位置。测试平台用于放置待测天线。
在测试过程中,将待测天线放置于测试平台上,并与探头一起连接在矢量网络分析仪上。一般来说,为了测试结果的准确性,通常将待测天线的主辐射方向正对机械臂。然后通过控制程序控制机械臂在预先设计的采样平面上进行采样。在完成所有预设位置的采样后,将采样得到的天线近场数据通过测试系统内置近远场转换算法转换为所需要的待测天线远场数据,比如方向图。
平面近场测试的原理基于电磁场的平面波展开。即在无源时谐场中,电磁场可以表示为平面波的积分。通过在近场距离内无穷大平面上进行采样,得到电磁场的切向分量。然后根据采样值可以得到在该平面上的电磁场数据。基于平面波展开式的反演,可以得到电磁场的复振幅矢量,即可根据相关数据计算得到任意一点的场。如图2所示,在实际测试中,显然无法做到无限大的采样平面,只对有限平面进行采样就产生了截断误差。理论上讲,在采样平面到天线口面的截断主角外的数据误差很大,一般认为这些数据不可信。而在截断主角内的数据误差较小,对于主要关心天线主瓣辐射性能的测试者来说可以满足测试要求,通常这一截断主角被称为置信区间。
由于机械臂伸展限制和测试空间限制,通常平面近场测试得到的数据的置信区间并不大。这意味着平面近场测试方法只能提供较为准确的待测天线部分辐射信息,如果想得到仰角坐标[-90°,90°]区间内的准确信息,测试者就会选择其他测试方法。采用例如多探头暗室等其他测试方法,这就需要搭建新的测试系统,这意味着额外的建设成本。因此无线设备制造商在相同测试条件即不增加成本情况下,对于降低平面近场测试系统截断误差的需求十分迫切。
发明内容
本发明的目的在于提供一种基于数据同化的高精度天线平面近场测量方法,解决了现有方法测试成本高、截断误差大的问题。
本发明是通过以下技术方案来实现:
本发明公开了一种基于数据同化的高精度天线方向图测试方法,包括以下过程:
获取待测天线仿真数据和基于平面近场测试系统测试得到的待测天线实测数据;
将待测天线仿真数据和待测天线实测数据输入数据同化算法,采用数据同化算法进行融合,得到估计全向方向图,则得到高精度天线方向图。
进一步,待测天线仿真数据的得到过程为:
对待测天线进行建模,在仿真软件中得到相应简化模型的远场方向图数据,作为待测天线仿真数据。
进一步,待测天线实测数据的测试过程具体为:
使待测天线的辐射口面位于平面近场测试系统的标定点,主辐射方向对准机械臂;然后将待测天线与安装在机械臂上的探头连接到矢量网络分析仪上;
根据实验需求,设置测试频段、采样间隔、待测天线口面的边长、采样平面与天线口面距离及采样平面的边长,生成所有预设采样点信息;
通过控制器控制机械臂在预设采样点上依次采集并记录该位置上两个极化方向的电场,存储在数据存储器中;
机械臂控制探头完成所有采样点采样后,将得到的近场数据上传至控制终端,并由控制终端内置的近远场转换算法将待测天线近场数据转化为远场数据,则得到待测天线实测数据。
进一步,如果测试需求想要得到整个天线的全向辐射信息,则在平面近场测试过程中将待测天线水平旋转180°放置,再次重复一遍待测天线实测数据的测试过程,再次得到仰角坐标[-180°,180°]区间内的数据,再次利用数据同化方法估计全向方向图;
将第一次得到的全向方向图和第二次得到的全向方向图进行拼接,得到高精度的全向方向图。
进一步,如果测试需求想要得到整个天线的全向辐射信息,则在平面近场测试过程中将待测天线水平旋转180°放置,再次重复一遍待测天线实测数据的测试过程,再次得到仰角坐标[-180°,180°]区间内的数据,则为第二次得到的待测天线实测数据;
将两次得到的待测天线实测数据进行拼接后,利用数据同化方法估计全向方向图,得到高精度的全向方向图。
进一步,数据同化算法的融合过程具体包括以下步骤:
2.1、基于三角级数模型,根据待测天线仿真数据,利用三角函数的正交性先求解出一组三角级数模型的系数作为先验参数pprior;
2.2、根据实际测试得到一组天线方向图数据,则为观测值,记为z;并根据平面近场测试系统的平面近场测试配置参数计算得到置信区间;
2.3、根据待测天线实测数据的采样点分布,确定模型预测矩阵H;
根据实际平面近场测试数据的采样点分布与置信区间,确定观测值权重矩阵R;
根据待测天线仿真数据的采样点数目建立先验信息权重矩阵W;
2.4、根据数据同化计算公式,基于先验参数pprior、模型预测矩阵H、观测值权重矩阵R和先验信息权重矩阵W计算得到更新后的估计状态值,实现观测值z与先验信息的融合;
2.5、以估计状态值作为三角级数模型的参数,计算得到要求位置的天线方向图。
进一步,2.1具体为:
三角级数模型为仰角坐标θ与增益g(θ)的关系式:
a0代表常数项,an代表n阶余弦函数的系数,bn代表n阶正弦函数的系数;只要有2N+1个样本,利用三角函数的正交性求得2N+1个系数{a0,a1,...,aN,b1,...,bN}的值,这些系数作为先验参数,先验参数列向量的形式如下式所示:
进一步,2.2中,置信区间为θmax,计算公式为:
其中,L为采样平面的长度,D为天线口面的长度,z为采样平面与天线口面距离。
进一步,2.3中,
其中,表示坐标为θj的采样点对应的权重,j=1,2,......,Ntest;
先验信息权重矩阵W为:W=diag(1,...,1)。
进一步,2.4中,更新后的状态估计值的计算式为:
估计状态值的形式为:
2.5具体为:以估计状态值作为三角级数模型的参数,带入到仰角坐标θ与增益g(θ)的关系式中,计算出不同位置的天线增益,表达式更新为:
根据不同位置的天线增益得到要求位置的天线方向图。
与现有技术相比,本发明具有以下有益的技术效果:
本发明公开了一种基于数据同化的高精度天线平面近场测量方法,通过数据同化理论,将仿真数据与实际测试数据合理地结合,降低了传统方法中采用有限平面测试带来的截断误差,尤其是置信区间外的测试数据;在采样设置一致的情况下,本发明所述方法能得到比传统平面近场测试方法更高的测试精度。
本发明的测量方法利用了待测天线的仿真数据,解决了仿真数据整体精度不高,无法直接应用于实际测试的缺陷,相应数据简单易得,不需要建设额外的测试系统;本发明的测量方法可应用于任意常规平面近场测试系统,适用性强,建设成本低;本发明的测量方法采用程序控制,测试过程简单、高效,无需人工干预,大大提升了空口测试效率。
附图说明
图1是采用的平面近场测试系统;
图2是本发明实施例采用的置信区间计算示意图;
图3是本发明实施例采用的待测天线尺寸示意图;
图4是本发明实施例采用的改进方法计算得到的测试误差与标准平面近场测试结果误差以及仿真数据误差对比(a)[-90°,90°]和(b)[-90°,-38°];
图5是本发明实施例采用的参考值、仿真数据、平面近场测试数据和改进方法估计天线方向图结果对比(a)E面和(b)H面。
具体实施方式
为了使本发明的目的、技术方案及优点更加清楚明了,以下结合附图及实施例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用以解释本发明,并不用于限定本发明,即所描述的实施例仅仅为本发明一部分实施例,而不是全部实施例。
本发明附图及实施例描述和示出的组件可以以各种不同的配置来布置和设计,因此,以下附图中提供的本发明实施例的详细描述并非旨在限制要求保护的本发明的范围,而仅仅是表示本发明选定的一种实施例。基于本发明的附图及实施例,本领域技术人员在没有做出创造性劳动的前提下所获得的所有其他实施例,都属于本发明保护范围。
本发明公开了一种基于数据同化的高精度天线方向图测试方法,包括以下过程:
获取待测天线仿真数据和基于平面近场测试系统测试得到的待测天线实测数据;
将待测天线仿真数据和待测天线实测数据输入数据同化算法,采用数据同化算法进行融合,得到估计全向方向图,则得到高精度天线方向图。
待测天线仿真数据的得到过程为:对待测天线进行建模,在仿真软件中得到相应简化模型的远场方向图数据,作为待测天线仿真数据。
待测天线实测数据的测试过程具体为:
使待测天线的辐射口面位于平面近场测试系统的标定点,主辐射方向对准机械臂;然后将待测天线与安装在机械臂上的探头连接到矢量网络分析仪上;
根据实验需求,设置测试频段、采样间隔、待测天线口面的边长、采样平面与天线口面距离及采样平面的边长,生成所有预设采样点信息;
通过控制器控制机械臂在预设采样点上依次采集并记录该位置上两个极化方向的电场,存储在数据存储器中;
机械臂控制探头完成所有采样点采样后,将得到的近场数据上传至控制终端,并由控制终端内置的近远场转换算法将待测天线近场数据转化为远场数据,则得到待测天线实测数据。
数据同化算法的融合过程具体包括以下步骤:
2.1、基于三角级数模型,根据待测天线仿真数据,利用三角函数的正交性先求解出一组三角级数模型的系数作为先验参数pprior;
2.2、根据实际测试得到一组天线方向图数据,即为观测值,记为z;并根据平面近场测试系统的平面近场测试配置参数计算得到置信区间;
2.3、根据待测天线实测数据的采样点分布,确定模型预测矩阵H;
根据实际平面近场测试数据的采样点分布与置信区间,确定观测值权重矩阵R;
根据待测天线仿真数据的采样点数目建立先验信息权重矩阵W;
2.4、根据数据同化计算公式,基于先验参数、模型预测矩阵H、观测值权重矩阵R和先验信息权重矩阵W计算得到更新后的估计状态值,实现观测值与先验信息的融合;
2.5、以估计状态值作为三角级数模型的参数,计算得到要求位置的天线方向图。
具体地,根据平面近场测试系统的平面近场测试配置参数计算得到置信区间,其理论推导与原理介绍如下:
1)平面近场测试
在线性、均匀和各向同性的无源区域中,时谐场满足亥姆霍兹方程:
其中,ω为,μ和ε分别为传播介质的电磁常数。在直角坐标系中,公式(1)具有通解:
其中,复振幅矢量和波矢量/>分别为:
因为无源区域内场散度为0,根据公式(2)和公式(3)则有:
若假定和/>为独立变量,则
对所有区域内的kx,ky积分,可以得到无源时谐场的一般解,即为平面波展开式:
假设已知z=d平面上切向场分量其表达式为:
另外,根据公式(6),有:
其中,对公式(8)反演,即可得到:
在标准平面近场测试方法中,通过采样得到有限平面上的切向场分量即可根据公式3、5及9计算/>基于公式2即可得到远场要求位置的天线增益。通常采样平面为一个正方形,其示意图如图2所示,L为采样平面的长度,D为天线口面的长度,z为采样平面与天线口面距离。有限的采样平面导致了截断误差的存在。在截断主角外的测试结果误差较大,在截断主角内的测试结果较为准确。因此我们称可信的测试数据范围为置信区间θmax,其计算公式为:
本发明提出的改进方法基于置信区间内的平面近场测试数据和仿真数据实现。平面近场测试置信区间内的测试结果较为可信,而置信区间外测试结果误差较大。而仿真数据没有截断误差,但因为仿真模型的简化导致整体精度不高,不能直接用于替代实际测试结果。因此本发明基于数据同化方法,利用仿真数据与平面近场实际测试数据得到精度更高的测试结果。
数据同化问题就是当模型与观测均不能准确描述系统状态时,如何通过改变模型的某些属性来组合观测值和模型,以给出两者的最佳组合。数据同化采用各种数学方法可信地将不同来源的数据进行融合(fusion)。换句话说,数据同化根据其他来源的数据不断更新模型的输入参数,使模型的预测结果始终保持较高的水准。这一问题的本质是最小化模型预测值与观测值之间的不匹配,以及模型与先验信息之间的不匹配,并给出组合后的新预测值。这也是将数据同化应用到天线测试领域的基础。
数据同化具体计算方法如下:
首先,用三角函数的有限项级数表示天线方向图,即仰角坐标θ与增益g(θ)存在如下关系:
显然,只要有2N+1个样本,即可利用三角函数的正交性求得2N+1个系数{a0,a1,...,aN,b1,...,bN}的值。利用仿真数据计算出相应的系数作为先验参数:
然后,根据平面近场测试得到一组观测值:
其中,本发明提出方法对观测值的数量和坐标分布并无特殊要求。
本方法的预测模型为:
g=Hp (14)
其中,H为预测矩阵,p为状态值。
预测矩阵H和状态值p分别为:
其中,代表采样点序号,对应公式13中的实测数据。
H矩阵第一行与状态值p相乘,得到的是对于观测值中第一个采样点位置上的采样值预测。H矩阵第2行与状态值p相乘,得到的是对于观测值中第2个采样点位置上的采样值预测。以此类推,这就是基于公式11建立的预测模型。这一模型直接用观测值z求解可以得到一组状态值p,但利用这一状态值再去预测其他位置的结果不够准确,因此需要后续处理。
设成本函数为:
Θ=(Hp-z)TR-1(Hp-z)+(p-pprior)TW-1(p-pprior) (17)
公式(17)用于说明矩阵R和矩阵W的物理意义。这个函数值达到最小时,相应的状态值p才是本发明想要的(即后文中的)。
其中,先验信息权重矩阵W为:
W=diag(1,...,1) (18)
观测值权重系数矩阵R为:
对于不同位置的θj有:
其中,θsampling表示采信的平面近场测试数据的区间范围,通常选择θsampling=θmax。CR表示任意常数,一般要远大于1,例如104。根据实际测试数据,得到更新后的估计状态值的计算式为:
估计状态值的形式为:
根据估计参数,即可计算不同位置的天线增益:
天线方向图就是根据不同位置天线增益绘制出的。横坐标是仰角坐标θ,纵坐标是θ处天线增益g(θ),画出的图就是天线方向图。
下面结合实施例对本发明做进一步详细说明。
本发明实施例的测试频率为2.9GHz,采用一种喇叭天线作为待测天线。为验证所述的改进平面近场测试方法的有效性,本发明实施例在多探头暗室和平面近场测试中分别对待测天线进行测试:
1.基于待测天线尺寸,在仿真软件FEKO中建立模型并仿真得到该喇叭天线在2.9GHz频率的天线方向图,在图5中有表示。导出数据的采样间隔设置为1°。
2.在多探头暗室中将待测设备正常摆放,根据多探头暗室测试标准方法,得到仰角坐标θ∈[-90°,90°],方位角坐标φ∈[0°,360°]的采样间隔为1°的参考测试数据。多探头暗室测试系统主要由竖直环和转台组成。在测试过程中,将待测天线放置在转台上,然后控制转台等间隔步进旋转,配合竖直环上的探头即可完成整个测试球面的采样。理论上,多探头暗室测试球面完全包裹了待测天线,但实际上由于需要安装支撑结构,所以竖直环底部不安装探头。不过测试球面仍然包围了所有上半球面辐射,故仰角坐标-90°到90°范围内的测试数据仍然比较准确,可以作为参考值。测试频率为2.9GHz,得到如图5所示的采样间隔为1°的天线方向图。
3.在平面近场测试暗室系统中,以相同待测天线进行一组测试。其中实验参数设置为:采样平面大小为边长1m的正方形,采样间隔为45mm,待测天线口面尺寸如图3所示,采样平面与天线口面距离100mm。根据公式(10)计算得到置信区间约为74°。测试频率设置为2.9GHz,经过测试得到采样间隔为1°的天线方向图。
4.为便于计算说明,并考虑到多探头暗室背向缺失探头的情况,我们只采用仰角[-90°,90°]区间内的数据进行处理比较。改进方法以仿真数据计算出先验信息,然后与作为观测值的平面近场测试数据(设θsampling=θmax,CR=104)一起代入公式(21),求得估计参数。然后用估计参数根据公式(23)计算得出相同位置处的待测天线增益。
最后,以多探头暗室测试所得的数据作为参考值,分别计算平面近场测试数据、仿真数据和基于数据同化的改进方法得到的数据与参考值之间的误差。在不同方位角位置分别计算误差,求得每个仰角位置上的平均误差,并将结果绘制于图4。然后分别将E面和H面的方向图测试结果绘制于图5中。
图5和图4用途一致,都是为了表现改进方法的优越性。不同点在于图4是平均误差,表现该方法的整体性能。而图5挑出其中两组数据绘制出来,具体地展示改进方法输出的方向图。
图4中图a是[-90度-90度]的误差结果,体现整体的改进效果,说明本发明的新的测量方法误差最小。图4b则是对图a的放大,为了更清晰的展示,是本方法主要提升部分。图4a说明改进方法的精度提升主要集中在置信区间外,而置信区间的因为各组数据之间差异不大而影响不大。图4b则放大图4a中置信区间外的情况,使改进方法的性能更为清晰。
为定量展示改进方法效果,从图4a中以15°等间隔选取不同坐标下平面近场测试误差、仿真误差和改进方法误差,将数据记录于表1中。根据图5a和图5b分别将待测天线E面和H面上,以15°等间隔选取不同坐标下的平面近场测试方法、仿真方法和改进方法估计归一化方向图数据,将这些数据记录于表2和表3。
表1三种方法估计误差
表2三种方法测得天线在E面归一化增益
/>
表3三种方法测得天线在H面归一化增益
/>
更优地,如果测试需求想要得到整个天线的全向辐射信息,有两种处理方式:
第一种、在平面近场测试过程中将待测天线水平旋转180°放置,再次重复一遍待测天线实测数据的测试过程,再次得到仰角坐标[-180°,180°]区间内的数据,再次利用数据同化方法估计全向方向图;将第一次得到的全向方向图和第二次得到的全向方向图进行拼接,得到高精度的全向方向图。
第二种、在平面近场测试过程中将待测天线水平旋转180°放置,再次重复一遍待测天线实测数据的测试过程,再次得到仰角坐标[-180°,180°]区间内的数据,则为第二次得到的待测天线实测数据;将两次得到的待测天线实测数据进行拼接后,利用数据同化方法估计全向方向图,得到高精度的全向方向图。
最后应当说明的是:以上实施例仅用以说明本发明的技术方案而非对其限制,尽管参照上述实施例对本发明进行了详细的说明,所属领域的普通技术人员应当理解:依然可以对本发明的具体实施方式进行修改或者等同替换,而未脱离本发明精神和范围的任何修改或者等同替换,其均应涵盖在本发明的权利要求保护范围之内。
Claims (10)
1.一种基于数据同化的高精度天线方向图测试方法,其特征在于,包括以下过程:
获取待测天线仿真数据和基于平面近场测试系统测试得到的待测天线实测数据;
将待测天线仿真数据和待测天线实测数据输入数据同化算法,采用数据同化算法进行融合,得到估计全向方向图,则得到高精度天线方向图。
2.根据权利要求1所述的一种基于数据同化的高精度天线方向图测试方法,其特征在于,待测天线仿真数据的得到过程为:
对待测天线进行建模,在仿真软件中得到相应简化模型的远场方向图数据,作为待测天线仿真数据。
3.根据权利要求1所述的一种基于数据同化的高精度天线方向图测试方法,其特征在于,待测天线实测数据的测试过程具体为:
使待测天线的辐射口面位于平面近场测试系统的标定点,主辐射方向对准机械臂;然后将待测天线与安装在机械臂上的探头连接到矢量网络分析仪上;
根据实验需求,设置测试频段、采样间隔、待测天线口面的边长、采样平面与天线口面距离及采样平面的边长,生成所有预设采样点信息;
通过控制器控制机械臂在预设采样点上依次采集并记录该位置上两个极化方向的电场,存储在数据存储器中;
机械臂控制探头完成所有采样点采样后,将得到的近场数据上传至控制终端,并由控制终端内置的近远场转换算法将待测天线近场数据转化为远场数据,则得到待测天线实测数据。
4.根据权利要求3所述的一种基于数据同化的高精度天线方向图测试方法,其特征在于,如果测试需求想要得到整个天线的全向辐射信息,则在平面近场测试过程中将待测天线水平旋转180°放置,再次重复一遍待测天线实测数据的测试过程,再次得到仰角坐标[-180°,180°]区间内的数据,再次利用数据同化方法估计全向方向图;
将第一次得到的全向方向图和第二次得到的全向方向图进行拼接,得到高精度的全向方向图。
5.根据权利要求3所述的一种基于数据同化的高精度天线方向图测试方法,其特征在于,如果测试需求想要得到整个天线的全向辐射信息,则在平面近场测试过程中将待测天线水平旋转180°放置,再次重复一遍待测天线实测数据的测试过程,再次得到仰角坐标[-180°,180°]区间内的数据,则为第二次得到的待测天线实测数据;
将两次得到的待测天线实测数据进行拼接后,利用数据同化方法估计全向方向图,得到高精度的全向方向图。
6.根据权利要求1所述的一种基于数据同化的高精度天线方向图测试方法,其特征在于,数据同化算法的融合过程具体包括以下步骤:
2.1、基于三角级数模型,根据待测天线仿真数据,利用三角函数的正交性先求解出一组三角级数模型的系数作为先验参数pprior;
2.2、根据实际测试得到一组天线方向图数据,则为观测值,记为z;并根据平面近场测试系统的平面近场测试配置参数计算得到置信区间;
2.3、根据待测天线实测数据的采样点分布,确定模型预测矩阵H;
根据实际平面近场测试数据的采样点分布与置信区间,确定观测值权重矩阵R;
根据待测天线仿真数据的采样点数目建立先验信息权重矩阵W;
2.4、根据数据同化计算公式,基于先验参数pprior、模型预测矩阵H、观测值权重矩阵R和先验信息权重矩阵W计算得到更新后的估计状态值,实现观测值z与先验信息的融合;
2.5、以估计状态值作为三角级数模型的参数,计算得到要求位置的天线方向图。
7.根据权利要求6所述的一种基于数据同化的高精度天线方向图测试方法,其特征在于,2.1具体为:
三角级数模型为仰角坐标θ与增益g(θ)的关系式:
a0代表常数项,an代表n阶余弦函数的系数,bn代表n阶正弦函数的系数;只要有2N+1个样本,利用三角函数的正交性求得2N+1个系数{a0,a1,...,aN,b1,...,bN}的值,这些系数作为先验参数,先验参数列向量的形式如下式所示:
pprior=[a0,prior a1,prior…aN,prior b1,prior…bN,prior]T (2N+1)×1。
8.根据权利要求6所述的一种基于数据同化的高精度天线方向图测试方法,其特征在于,2.2中,置信区间为θmax,计算公式为:
其中,L为采样平面的边长,D为天线口面的边长,z为采样平面与天线口面距离。
9.根据权利要求7所述的一种基于数据同化的高精度天线方向图测试方法,其特征在于,2.3中,
p=[a0 a1…aN b1…bN]T (2N+1)×1;
其中,表示坐标为θj的采样点对应的权重,j=1,2,......,Ntest;
先验信息权重矩阵W为:W=diag(1,...,1)。
10.根据权利要求9所述的一种基于数据同化的高精度天线方向图测试方法,其特征在于,2.4中,更新后的状态估计值的计算式为:
估计状态值的形式为:
2.5具体为:以估计状态值作为三角级数模型的参数,带入到仰角坐标θ与增益g(θ)的关系式中,计算出不同位置的天线增益,表达式更新为:
根据不同位置的天线增益得到要求位置的天线方向图。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202311269092.9A CN117330853A (zh) | 2023-09-27 | 2023-09-27 | 一种基于数据同化的高精度天线平面近场测量方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202311269092.9A CN117330853A (zh) | 2023-09-27 | 2023-09-27 | 一种基于数据同化的高精度天线平面近场测量方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN117330853A true CN117330853A (zh) | 2024-01-02 |
Family
ID=89282394
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202311269092.9A Pending CN117330853A (zh) | 2023-09-27 | 2023-09-27 | 一种基于数据同化的高精度天线平面近场测量方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN117330853A (zh) |
-
2023
- 2023-09-27 CN CN202311269092.9A patent/CN117330853A/zh active Pending
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN110618408B (zh) | 一种精密测距系统天线相位中心的系统标定方法 | |
CN109581078B (zh) | 一种适用于半空间环境中天线的方向图测量系统及方法 | |
CN110988499B (zh) | 一种基于无相位近场测量的天线辐射特性获取方法 | |
CN111562445B (zh) | 一种射频仿真试验系统角模拟精度实时监测的方法 | |
CN111366793B (zh) | 一种减小截断误差的平面天线近场测量方法及系统 | |
WO2018201911A1 (zh) | 薄膜取向结晶生长的x射线衍射原位表征方法 | |
CN111381112B (zh) | 一种卫星导航阵列天线的相位中心远场标定方法 | |
CN107632208A (zh) | 一种球面近场天线测量方法及系统 | |
CN113253000A (zh) | 一种天线现场校准系统和方法 | |
CN110632399A (zh) | 用于球面近场测量数据的修正方法及天线方向图测量方法 | |
CN116047436A (zh) | 有源相控阵雷达天线的近场幅相校准方法、系统、设备 | |
CN113239524B (zh) | 基于移动旋转参考系仿真计算电扫阵列天线相位中心方法 | |
CN113804985A (zh) | 一种基于混合屏蔽室的抗干扰天线方向图测量方法 | |
CN109241565B (zh) | 天线球面近场测量中采样位置误差校正方法和装置 | |
CN112327061A (zh) | 一种喇叭天线方向图校准系统和方法 | |
Lebrón et al. | A novel near-field robotic scanner for surface, RF and thermal characterization of millimeter-wave active phased array antenna | |
CN116520035A (zh) | 一种采用平面近场快速反演方法的二维方向图测试方法 | |
CN117330853A (zh) | 一种基于数据同化的高精度天线平面近场测量方法 | |
CN109921865B (zh) | 一种全空域相控阵天线的标校杆近似模拟校准系统及方法 | |
Laitinen et al. | A first/third-order probe correction technique for spherical near-field antenna measurements using three probe orientations | |
CN117214841A (zh) | 一种相控阵雷达天线平面标校方法 | |
CN109142888B (zh) | 一种卫星电磁泄漏定位方法及系统 | |
Hansen | Complex-point dipole formulation of probe-corrected cylindrical and spherical near-field scanning of electromagnetic fields | |
CN115542024A (zh) | 一种天线方向图近场测量方法 | |
JP2001165975A (ja) | アンテナ測定装置及びアンテナ測定方法 |
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 |