本發(fā)明涉及天線陣列信號處理范疇，具體地說，是天線陣列故障診斷方法。

背景技術(shù)：

近年來，由于陣列天線具有良好的空間輻射指向性等優(yōu)勢，使其廣泛應(yīng)用于雷達(dá)、聲納系統(tǒng)以及衛(wèi)星通信等軍事領(lǐng)域。在實(shí)際的工程應(yīng)用中，大型陣列天線往往由幾百個甚至上千個輻射陣元，根據(jù)指定的空間布局組成。然而，由于陣列規(guī)模的變大，導(dǎo)致陣列中的陣元故障的概率增加。這些陣元的故障會造成跨越陣列孔徑范圍內(nèi)的場強(qiáng)發(fā)生急劇變化，從而增大了方向圖的旁瓣峰值電平和波動水平，最終導(dǎo)致陣列無法形成良好的波束圖。當(dāng)出現(xiàn)陣元故障的情況時，可以通過直接更換故障陣元及其t/r組件或者改變其余陣元的激勵進(jìn)行補(bǔ)償來解決。然而，這些解決辦法的前提條件是要求確切的陣元故障數(shù)量以及陣元的空間位置信息。因此，準(zhǔn)確、快速的陣列故障診斷技術(shù)對陣列天線的維護(hù)至關(guān)重要。

目前，針對不同陣列類型，出現(xiàn)了多種陣列診斷方法，總體上可以歸為三類：近場測量法、參數(shù)建模法、源重建法。對于近場測量法，j.j.lee等人針對平面陣列，利用傅里葉變換，通過無相移的近場測量數(shù)據(jù)推算出遠(yuǎn)場模型來實(shí)現(xiàn)故障陣元的定位。雖然傅里葉變換具有簡單、快速的優(yōu)點(diǎn)，但是該方法只能應(yīng)用于平面陣列。由bucci等人提出的矩陣法適用于任意形式陣列的故障診斷。該方法通過求解矩陣方程來尋找近場數(shù)據(jù)中的激勵矢量。但是當(dāng)矩陣出現(xiàn)病態(tài)的情況，用于求解矩陣方程的解算器會產(chǎn)生慢收斂的問題。此外，該方法要求近場數(shù)據(jù)的維度要大于陣列的尺寸。參數(shù)建模法通過訓(xùn)練過程來建立參數(shù)模型，從而對故障陣元進(jìn)行準(zhǔn)確定位。但是，由于參數(shù)模型會隨著陣列尺寸的增加而變得復(fù)雜，因此該方法通常適用于小型陣列診斷。源重建法可以進(jìn)一步劃分為等價(jià)源重建法和激勵源重建法兩類。其中，等價(jià)源重建法是在惠根思面上通過對等效電流的重建將陣列封閉，然后根據(jù)等效電流源的空間分布推算出故障陣列的位置，但該方法僅適用于平面陣列。不同于等價(jià)源重建法，激勵源重建法是以陣元為端口對激勵源進(jìn)行估計(jì)，這就可以直接得到故障陣元的位置信息并使未知量數(shù)目減少。激勵源重建法通過增加所有陣元的輻射模型將激勵源與觀測場聯(lián)系起來，從而建立了一個矩陣方程，求解該方程便成了激勵源重建法的關(guān)鍵。通常使用landweber迭代解算器來緩解大型陣列造成的計(jì)算壓力。此外，buonanno等人采用奇異值分解法來避免遇到病態(tài)矩陣時解算器存在的慢收斂問題，并通過傳感壓縮法來減少所需的觀測值數(shù)目。

目前，現(xiàn)有的大多數(shù)陣列故障診斷算法，主要應(yīng)用于平面陣、線陣、圓陣等平面性陣列，針對非平面的共形陣列天線的故障診斷技術(shù)研究較少。因此，有必要反展出一種適用于共形天線陣的、較準(zhǔn)確快速的陣元故障診斷算法。

技術(shù)實(shí)現(xiàn)要素：

本發(fā)明提出了一種基于稀疏貝葉斯學(xué)習(xí)的天線陣列故障診斷算法，并且適用于共形天線陣列。其目的是在稀疏貝葉斯學(xué)習(xí)框架中對權(quán)向量服從高斯分布的先決假設(shè)下，根據(jù)探頭測量得到的陣列近場數(shù)據(jù)，確定故障陣元的數(shù)量以及位置。與傳統(tǒng)的陣列故障診斷算法比較，該算法所需要的近場數(shù)據(jù)樣本更少，診斷的成功率更高，并且能應(yīng)用于任意三維結(jié)構(gòu)的共形天線陣列。本發(fā)明的解決方案是：在近場區(qū)域的多個測量點(diǎn)上，利用探頭測量故障陣列的電壓，然后對測得的電壓數(shù)據(jù)向量進(jìn)行稀疏化處理(將其與無故障陣列的近場電壓數(shù)據(jù)向量做差值運(yùn)算)，利用稀疏化的數(shù)據(jù)向量，通過稀疏貝葉斯學(xué)習(xí)算法對故障陣列的激勵向量進(jìn)行重構(gòu)，然后根據(jù)重構(gòu)得到的激勵向量，計(jì)算出故障陣元的數(shù)量、位置，從而實(shí)現(xiàn)發(fā)明目的。因而本發(fā)明技術(shù)方案為一種基于稀疏貝葉斯學(xué)習(xí)的天線陣列故障診斷方法，該方法包括：

步驟1：在近場測量平面的m個測量點(diǎn)上，利用探頭測量故障陣列輻射場所產(chǎn)生的電壓；探頭在第m個場點(diǎn)的輸出電壓采用如下公式表示為：

其中n為雷達(dá)陣元總數(shù)，xn、分別為第n個陣元的激勵系數(shù)和輻射方向圖，激勵系數(shù)可表示陣元是否正常工作，為波數(shù)，向量表示探頭的等效高度，分別表示第m個測量點(diǎn)和第n個陣元的直角坐標(biāo)向量，為第m個測量點(diǎn)與第n個陣元的歐式距離，θm,n、φm,n分別為第m個場點(diǎn)與陣列參考坐標(biāo)系的z正軸及x正軸所形成的的夾角，tf,m為第m個測量點(diǎn)的噪聲；

步驟2：將步驟1得到的m個點(diǎn)的電壓值組成列向量：f＝kx+tf，其中為激勵向量，k為m×n的矩陣，其元素根據(jù)式計(jì)算；在m個測量點(diǎn)上探頭的電壓向量f包含了噪聲tf，該噪聲服從均值為0，方差為σ²的高斯分布；

步驟3：判斷步驟2中激勵系數(shù)向量x是否為稀疏向量，若為稀疏向量則直接進(jìn)行步驟4的計(jì)算；若不是稀疏向量則采用如下公式對探頭的測量電壓向量f進(jìn)行差分運(yùn)算：

f＝fr-f＝k(xr-x)(2)

其中：fr、xr分別表示當(dāng)雷達(dá)所有陣元都處于正常工作時的探頭測得的電壓向量和陣列激勵向量；

步驟4：由步驟3得到的向量f以及步驟2構(gòu)建的矩陣k，利用稀疏貝葉斯學(xué)習(xí)算法，計(jì)算出故障陣列的激勵向量x，再對計(jì)算出的x進(jìn)行歸一化處理，使x中所有元素的值位于0到1之間；

步驟5：設(shè)定閾值，對步驟4得到的激勵向量x中各元素進(jìn)行閾值分割，小于閾值的元素值置為0，不小于閾值的元素值置為1；

步驟6：若步驟3未對電壓向量f進(jìn)行差分運(yùn)算，則步驟5中激勵向量x元素值為0表示該處雷達(dá)陣元未工作，元素值為1表示該處雷達(dá)陣元處于工作狀態(tài)；若步驟3電壓向量f進(jìn)行差分運(yùn)算，則步驟5中激勵向量x元素值為0表示該處雷達(dá)陣元處于工作狀態(tài)，元素值為1表示該處雷達(dá)陣元未工作。

本發(fā)明是一種基于稀疏貝葉斯學(xué)習(xí)的天線陣列故障診斷方法。在近場區(qū)域內(nèi)，對探頭測量得到的電壓向量進(jìn)行稀疏化處理(將其與完好陣列的近場測量數(shù)據(jù)做差值運(yùn)算)，利用稀疏后的電壓向量，通過稀疏貝葉斯學(xué)習(xí)算法重構(gòu)故障陣列的激勵向量，然后根據(jù)該激勵向量，計(jì)算出故障陣元的數(shù)量、位置。與傳統(tǒng)的天線診斷算法比較，該算法不僅適合共形陣列的陣元故障診斷，而且需要的近場測量點(diǎn)數(shù)較少，同時在故障陣元數(shù)量很少的情況下，診斷成功率更高。

附圖說明

圖1、本算法的流程框圖；

圖2、原始故障陣列；

圖3、故障陣元位置的診斷結(jié)果。

具體實(shí)施方式

本實(shí)施方案所考慮的故障陣列為圓柱陣列，該陣列的半徑為r＝5λ，高為12λ，其中λ為波長。陣列共包含864個陣元，其中分別沿φ(方位角)方向等間隔排列36個陣元，沿z軸方向等間隔排列24個陣元。

步驟1：在近場區(qū)域內(nèi)，測量故障陣列輻射場產(chǎn)生的電壓,并將測得的電壓值組成向量f。

本實(shí)施方案在半徑7.5λ、方位角φ∈[-120°,120°]，俯仰角θ∈[-120°,120°]的球面上測量故障陣列輻射場產(chǎn)生的電壓。該球面上共有600個測量點(diǎn)，沿φ、θ方向分別均勻排列30和20個場點(diǎn)。

步驟2：根據(jù)式構(gòu)造矩陣k∈c^m×n，其中m＝600為觀測場點(diǎn)數(shù)，n＝864為陣列的陣元個數(shù)，輻射陣元取電流密度為1a/m²的電流元，并且沿z軸方向放置，輻射陣元的方向圖按照下式計(jì)算：

其中，ε0＝8.852×10^-12，j為虛數(shù)單位。

步驟3：判斷陣列激勵向量x是否為稀疏向量，若為稀疏向量則跳轉(zhuǎn)到步驟4；若不是則對步驟1得到的電壓向量f作如下差分運(yùn)算：

f＝fr-f＝k(xr-x)(4)

上式中，fr、xr分別表示全部陣元處于正常工作時探頭測量的電壓向量以及陣列的激勵向量。步驟4：由向量f以及步驟2的矩陣k，利用稀疏貝葉斯學(xué)習(xí)算法，恢復(fù)故障陣列的激勵向量

步驟5：設(shè)閾值ζ＝0.5，對步驟4所得的激勵向量作歸一化處理，即根據(jù)設(shè)定的閾值，對歸一化的激勵向量作閾值分割，小于閾值的設(shè)為0，大于閾值的置為1；步驟6：若步驟3未對電壓向量f作差分運(yùn)算，則步驟5中激勵向量元素值為0表示該處雷達(dá)陣元未工作，元素值為1表示該處雷達(dá)陣元處于工作狀態(tài)；若步驟3電壓向量進(jìn)行差分運(yùn)算，則步驟5中激勵向量元素值為0表示該處雷達(dá)陣元處于工作狀態(tài)，元素值為1表示該處雷達(dá)陣元未工作。

將本發(fā)明提出的基于稀疏貝葉斯學(xué)習(xí)的天線陣列故障診斷算法應(yīng)用于半圓柱形陣列，該陣列的半徑為r＝5λ，高為12λ，其中λ為波長。陣列共包含864個陣元，其中分別沿φ(方位角)方向等間隔排列36個陣元，沿z軸方向等間隔排列24個陣元。本實(shí)施方案隨機(jī)選擇陣列中的6個陣元作為故障陣元，故障陣列如圖2所示。在近場區(qū)域內(nèi)，選取半徑為7.5λ、方位角φ∈[-120°,120°]，俯仰角θ∈[-120°,120°]的球狀觀測面，該觀測面上共600個場點(diǎn)，分別沿φ、θ方向均勻排列30和20個場點(diǎn)測量。所加噪聲為期望為零的復(fù)高斯白噪聲，信噪比snr＝20db。經(jīng)過稀疏貝葉斯學(xué)習(xí)算法恢復(fù)后，然后與閾值門限ζ(ζ＝0.5)進(jìn)行比較，可以得到對原始陣列的故障陣元位置的估計(jì)，其如圖3所示。可見，基于稀疏貝葉斯的陣列故障診斷算法，能夠有效得診斷出圓柱陣中所有的故障陣元的位置，并且所需要的近場觀測數(shù)據(jù)小于總的陣元個數(shù)。