基于人工智能生成相位差补偿值的方法和装置与流程

本申请涉及通信，具体涉及一种基于人工智能生成相位差补偿值的方法和装置。

背景技术：

1、干涉仪测向是一种常用的无源测向方法，其利用天线阵元间信号的相位差对目标信号进行高精度测向。干涉仪测向是目前精度较高且适用较广的一种测向体制。随着数字技术的不断发展，信号处理系统集成的功能不断强大，前端天线阵面可能出现多种频段天线公用一个面的情况，此时天线阵元间收到的信号会相互影响，进而产生阵元间的互耦等效应，同时还会存在通道不一致，从而导致不同方向入射的信号相位差与理论相位差不一致。

2、传统的校准方法是通过在微波暗室中进行天线阵旋转，采集各频点各方向的校准数据形成校准表，但是当天线阵需要安装在复杂电磁环境中时，在暗室中校准的数据仍然存在较大偏差。而且还存在当天线阵比较大时，无法进入暗室进行校准的情况。

3、目前为止的公开文献中，对于某些测向天线阵在暗室中校准的数据仍然存在较大偏差或者天线阵较大无法进入暗室进行校准的情况，只能将测向天线阵安装在实际使用位置得到实装环境后，在实装环境中再利用标校源进行外场标校。但由于不同频点不同方向的相位差偏差均有所区别，外场标校的工作量十分巨大，尤其对于装在卫星上的测向系统，每次过顶只能测得一轨数据，所能测得的方位角和俯仰角十分有限，导致外场标校的效率极低，难以满足用户需要。

技术实现思路

1、为解决外场标校的工作量大且效率低的问题，本申请实施例提出一种基于人工智能生成相位差补偿值的方法和装置，能够利用较少的外场标校相位补偿数据得到全频点全方向的相位差补偿值，提高测向精度。

2、依据本申请的第一方面，提出了一种基于人工智能生成相位差补偿值的方法，所述方法包括：

3、s1，通过具有测向功能的多通道接收设备接收多个已知频点和方向的标校信号；

4、s2，针对每个标校信号，根据接收的多通道信号进行相位差估计得到实测相位差，将所述实测相位差减去对应的理论相位差得到相位差补偿值，将相应的频点、方向和得到的相位差补偿值一起存储在同一采集样本中；

5、s3，使用多个采集样本训练卷积神经网络，得到相位差补偿值预测网络；

6、s4，利用所述相位差补偿值预测网络，输入所需频点和方向得到所需频点和方向对应的相位差补偿值。

7、可选地，本申请实施例的方法还包括：

8、对指定频点，按预设角度间隔逐步改变方向，利用所述相位差补偿值预测网络进行逐次预测，得到所述指定频点不同方向的相位差补偿表；

9、将所述相位差补偿表与对应频点和方向的理论相位差表相加得到所述指定频点的相位差修正表，以便后续利用所述相位差修正表进行测向。

10、依据本申请的第二方面，提出了一种基于人工智能生成相位差补偿值的装置，所述装置包括：

11、标校信号接收单元，用于通过具有测向功能的多通道接收设备接收多个已知频点和方向的标校信号；

12、样本采集单元，用于针对每个标校信号，根据接收的多通道信号进行相位差估计得到实测相位差，将所述实测相位差减去对应的理论相位差得到相位差补偿值，将相应的频点、方向和得到的相位差补偿值一起存储在同一采集样本中；

13、网络训练单元，用于使用多个采集样本训练卷积神经网络，得到相位差补偿值预测网络；

14、相位差补偿值预测单元，用于利用所述相位差补偿值预测网络，输入所需频点和方向得到所需频点和方向对应的相位差补偿值。

15、可选地，本申请实施例的装置还包括：

16、相位差修正表获取单元，用于对指定频点，按预设角度间隔逐步改变方向，利用所述相位差补偿值预测网络进行逐次预测，得到所述指定频点不同方向的相位差补偿表；将所述相位差补偿表与对应频点和方向的理论相位差表相加得到所述指定频点的相位差修正表，以便后续利用所述相位差修正表进行测向。

17、依据本申请的第三方面，提出了一种电子设备，包括：至少一个处理器；以及，与所述至少一个处理器通信连接的存储器；其中，所述存储器存储有可被所述至少一个处理器执行的指令，所述指令被所述至少一个处理器执行，以使所述至少一个处理器能够执行前述的方法。

18、本申请实施例采用的上述至少一个技术方案能够达到以下有益效果：

19、本申请实施例的方案通过采集一些不同频点不同方向的实际外场标校数据后，利用卷积神经网络对外场标校的少量不同频点不同方向相位差补偿值数据进行训练得到相位差补偿值预测模型，再利用该模型预测所需频点和方向的相位差补偿值，解决了外场标校的工作量大且效率低的问题。并且采用本申请实施例的方案还可以根据需要得到全频点全方向的相位差补偿表，进而与理论相位差表相加得到全频点全方向的相位差修正表，利用该相位差修正表确定测向结果，能够大幅降低测向误差，提高测向精度。

技术特征：

1.一种基于人工智能生成相位差补偿值的方法，其特征在于，所述方法包括：

2.根据权利要求1所述的方法，其特征在于，所述步骤s1包括：

3.根据权利要求1所述的方法，其特征在于，所述步骤s2中，根据接收的多通道信号进行相位差估计得到实测相位差，将所述实测相位差减去对应的理论相位差得到相位差补偿值包括：

4.根据权利要求1所述的方法，其特征在于，所述步骤s2中的所述理论相位差φ是利用已知的频点f、方向[α,β]和多通道接收设备的天线阵阵元位置[х,у]，采用下述公式计算得到：

5.根据权利要求1所述的方法，其特征在于，所述步骤s3包括：

6.根据权利要求1至5任一项所述的方法，其特征在于，所述方法还包括：

7.根据权利要求6所述的方法，其特征在于，所述利用所述相位差修正表进行测向包括：

8.一种基于人工智能生成相位差补偿值的装置，其特征在于，所述装置包括：

9.根据权利要求8所述的装置，其特征在于，所述装置还包括：

10.一种电子设备，其特征在于，包括：

技术总结
本申请公开了一种基于人工智能生成相位差补偿值的方法和装置。该方法包括：通过具有测向功能的多通道接收设备接收多个已知频点和方向的标校信号；针对每个标校信号，根据接收的多通道信号进行相位差估计得到实测相位差，将实测相位差减去对应的理论相位差得到相位差补偿值，将相应的频点、方向和得到的相位差补偿值一起存储在同一采集样本中；使用多个采集样本训练卷积神经网络，得到相位差补偿值预测网络；利用该预测网络，输入所需频点和方向得到所需频点和方向对应的相位差补偿值。本申请解决了外场标校的工作量大且效率低的问题，能够利用较少的外场标校相位补偿数据得到全频点全方向的相位差补偿值，大幅降低测向误差，提高测向精度。

技术研发人员：叶云霞,陆安南,杨欣,尤明懿,楼财义
受保护的技术使用者：中国电子科技集团公司第三十六研究所
技术研发日：
技术公布日：2024/3/31