一种平面近场天线方向图重构方法技术

本发明专利技术公开了一种平面近场天线方向图重构方法，包括以下步骤；对待测天线的口面进行平面近场扫描，获得平面近场电场数据；选取平面近场扫描面S1，在S1上控制探头沿待测天线口面的x和y方向进行扫描，得到不同采样间隔下的平面近场数据集X1，X2和X3；从数据集X2中随机选取部分采样数据，作为待插值重构的初始数据集X'2；X1作为完备数据集完成对X'2的数据插值工作，并将X'2插值后的结果记为X'2'；对X'2'进行迭代处理，得到数据集X'

【技术实现步骤摘要】
一种平面近场天线方向图重构方法


[0001]本专利技术属于微波测量
，具体涉及一种平面近场天线方向图重构方法。

技术介绍

[0002]平面近场测量技术因其简明的数值计算方法，使其在天线近场测量领域得到了十分广泛的应用。平面近场测量系统由支撑架、机械臂、探头、待测天线以及吸波材料组成，其测试方法是将待测天线和探头分别固定在支撑架和机械臂上，通过控制机械臂的移动位置来完成探头对待测天线口面的扫描工作，从而获得近场条件下待测天线的二维平面电场数据。由于平面近场测量的实际扫描范围有限，使得通过探头扫描所获取的天线口面辐射能量存在截断误差，而天线口面和近场扫描面之间的置信夹角与扫描面的大小和近场扫描的垂直距离有关，因此为了能够获取截断误差较小且置信区间较大的平面近场电场数据，通常需要增加平面近场扫描面的面积。然而，增加采样面积会使整个测量过程十分耗时，并且在一些情况下，测试仪器的扫描范围和精度是有限的，从而导致扫描区域和采样点数也是受限的，甚至在一些采样点上存在数据缺损的现象。因此，如何在较少初始采样点的条件下降低截断误差并准确插值重构出待测天线的远场辐射方向图是一项十分重要的研究工作。
[0003]通过参考不同暗室环境下待测天线的测量方法，能够对平面近场数据重构工作起到重要的指导作用。目前，在球面近场测量环境下通过螺旋扫描的方法能够有效减少近场采样数和测量时间；为了能够提高整体数据的准确性，可以通过自适应采样法确定已在数据网格中获取的数据样本的最小分布，并以此来表征系统的整体辐射特性；而在原始数据采集不准确或在某些采样点出现数据缺失时，可以利用开关探头完成均匀数据采集，并通过相邻采样数据来估计待补偿点的数据信息；此外，在传统球面近场采集系统下，通过聚类分析和自适应插值的方法，能够有效利用部分球面近场数据对球面高动态区域和其他待插值区域进行数据补充，从而完成数据拓展和远场方向图的重构工作。本专利技术方法借鉴了上述近场数据插值及重构工作的研究内容，通过K均值聚类法对所有平面近场初始采样点进行聚类划分，并利用维诺胞元划分法计算各采样点所属胞元的面积以及相邻采样点之间的梯度，用不同权重下的胞元面积和梯度参数来划分各聚类内部的深度插值和浅插值区域，从而得到准确的数据插值结果。
[0004]由于平面近场测量会因扫描区域的有限覆盖范围而引入截断误差，因此为了提高测量的准确性，需要通过增大采样面积来降低截断误差的影响。但是增大采样面积会增加采样时间，对此需要通过一种有效的数据处理算法来降低采样耗时并提升测量准确性。目前，利用平滑窗函数对平面近场数据进行边缘滤波能够有效降低误采样所带来的影响，但该方法也降低了有效区域范围；而通过源重构的方法虽然能够求得待测天线口面上的等效电流并以此来完成数值分析和方向图的重构工作，但是该方法在电大尺寸天线上较为耗时。

技术实现思路

[0005]为了克服以上技术问题，本专利技术的目的在于提供一种平面近场天线方向图重构方法，该方法利用K均值聚类和维诺胞元(Voronoi tessellation)划分方法，对初始少量采样数据进行聚类划分，并通过判别参数完成深度插值和浅插值区域的数据补充，同时利用GP算法对插值后的平面近场数据进行迭代处理，从而降低平面数据的截断误差并提高测量的准确性。
[0006]为了实现上述目的，本专利技术采用的技术方案是：
[0007]一种平面近场天线方向图重构方法，包括以下步骤；
[0008]步骤1：将待测天线102放置在支架104上，将探头101放置在机械臂103上，控制机械臂103移动，对待测天线102的口面进行平面近场扫描，从而获得平面近场电场数据；
[0009]步骤2：选取面积为16
×
16cm2的平面近场扫描面S1，并在S1上分别以0.5λ、0.4λ以及0.2λ为间隔控制探头101沿待测天线102口面的x和y方向进行扫描，对应得到不同采样间隔下的平面近场数据集X1，X2和X3；
[0010]步骤3：从数据集X2中随机选取部分采样数据，作为待插值重构的初始数据集X'2；X1作为完备数据集完成对X'2的数据插值工作，并将X'2插值后的结果记为X
″2；
[0011]步骤4：利用GP算法对X
″2进行迭代处理，得到降低了截断误差的数据集X
″′2，并将X3的远场与插值重构后的X
″′2的远场进行对比；得到降低截断误差的待测天线102的远场方向图；
[0012]步骤5：将S1的扫描面积增大为30
×
30cm2，记作S2，并以0.5λ的间隔进行采样，得到平面近场数据集X4，将X
″′2和X4的远场方向图进行对比，得到与S2采样面上推得的远场方向图相近的结果。
[0013]所述步骤2中，机械臂103控制探头101对待测天线102的口面进行扫描，选取平面近场的扫描范围为x:(
‑
8cm,8cm)，y:(
‑
8cm,8cm)，形成的S1扫描面积为16
×
16cm2，由平面近场采样定理可知，近场扫描的最小间隔应满足Δx≤λ/2，Δy≤λ/2，因此为了降低采样时间，选取0.5λ和0.4λ作为平面近场采样的步长，并得到相应的完备数据集X1和初始数据集X2。
[0014]所述步骤3中，为了形成初始少量不完整的原始数据集，对X2进行随机采样，并得到待插值的初始少量数据集X'2；由于X'2的数据是随机采样结果，各采样值之间的差异较大，不能直接对其进行线性插值来补充缺损的采样数据，因此需要通过另一组完备数据集X1对其进行合理的数据插值；
[0015]所述插值方法采用了K均值聚类和维诺胞元划分的方法，其中K均值聚类法将初始数据集X'2进行聚类划分，分别计算每一个样本点的场强与各聚类中心场强的2范数(欧氏距离)，选择每个样本点对应的最小欧氏距离，从而将该样本点划分到对应最小欧式距离的聚类簇中，假设共划分k个聚类，其中第j个聚类为C
j
(1≤j≤k)，聚类中心为c
j
，重复上述计算过程，直至聚类中心收敛，从而得到稳定的聚类中心
[0016][0017]其中，n
j
表示第j个聚类簇C
j
内的总样本数，然后计算当前所有聚类簇内部的误差平方和(Sum of Squares due to Error,SSE)
[0018][0019]选择不同聚类数目k，重新计算式(1)和(2)的值，当SSE误差曲线在某一k值处出现显著拐点时，说明此时的k就是最佳的区域划分数；
[0020]然后利用维诺胞元镶嵌法对各聚类内部的采样点进行胞元划分，通过计算各胞元面积以及各采样点之间的场强梯度变化，来评估各聚类内部的数据密度及对应的插值方法，让每个采样点x
n
,n＝1,2,...,N
sample
对应的胞元面积为A(x
n
)，则当前采样点附近的样本分布密度S(x
n
)可以表示如下...

【技术保护点】

【技术特征摘要】
1.一种平面近场天线方向图重构方法，其特征在于，包括以下步骤；步骤1：将待测天线(102)放置在支架(104)上，将探头(101)放置在机械臂(103)上，控制机械臂(103)移动，对待测天线(102)的口面进行平面近场扫描，从而获得平面近场电场数据；步骤2：选取面积为16
×
16cm2的平面近场扫描面S1，并在S1上分别以0.5λ、0.4λ以及0.2λ为间隔控制探头(101)沿待测天线102口面的x和y方向进行扫描，对应得到不同采样间隔下的平面近场数据集X1，X2和X3；步骤3：从数据集X2中随机选取部分采样数据，作为待插值重构的初始数据集X
′2；X1作为完备数据集完成对X
′2的数据插值工作，并将X
′2插值后的结果记为X
″2；步骤4：利用GP算法对X
″2进行迭代处理，得到降低了截断误差的数据集X
″2，并将X3的远场与插值重构后的X
″2的远场进行对比；得到降低截断误差的待测天线(102)的远场方向图；步骤5：将S1的扫描面积增大为30
×
30cm2，记作S2，并以0.5λ的间隔进行采样，得到平面近场数据集X4，将X
″2和X4的远场方向图进行对比，得到与S2采样面上推得的远场方向图相近的结果。2.根据权利要求1所述的一种平面近场天线方向图重构方法，其特征在于，所述步骤2中，机械臂(103)控制探头(101)对待测天线(102)的口面进行扫描，选取平面近场的扫描范围为x:(
‑
8cm,8cm)，y:(
‑
8cm,8cm)，形成的S1扫描面积为16
×
16cm2，由平面近场采样定理可知，近场扫描的最小间隔应满足Δx≤λ/2，Δy≤λ/2，因此为了降低采样时间，选取0.5λ和0.4λ作为平面近场采样的步长，并得到相应的完备数据集X1和初始数据集X2。3.根据权利要求1所述的一种平面近场天线方向图重构方法，其特征在于，所述步骤3中，为了形成初始少量不完整的原始数据集，对X2进行随机采样，并得到待插值的初始少量数据集X
′2；所述插值方法采用了K均值聚类和维诺胞元划分的方法，其中K均值聚类法将初始数据集X
′2进行聚类划分，分别计算每一个样本点的场强与各聚类中心场强的2范数(欧氏距离)，选择每个样本点对应的最小欧氏距离，从而将该样本点划分到对应最小欧式距离的聚类簇中，假设共划分k个聚类，其中第j个聚类为C
j
(1≤j≤k)，聚类中心为c
j
，重复上述计算过程，直至聚类中心收敛，从而得到稳定的聚类中心其中，n
j
表示第j个聚类簇C
j
内的总样本数，然后计算当前所有聚类簇内部的误差平方和(Sum of Squares due to Error,SSE)选择不同聚类数目k，重新计算式(1)和(2)的值，当SSE误差曲线在某一k值处出现显著拐点时，说明此时的k就是最佳的区域划分数；然后利用维诺胞元镶嵌法对各聚类内部的采样点进行胞元划分，通过计算各胞元面积以及各采样点之间的场强梯度变化，来评估各聚类内部的数据密度及对应的插值方法，让
每个采样点x
n
,n＝1,2,...,N
sample
对应的胞元面积为A(x
n
)，则当前采样点附近的样本分布密度S(x
n
)可以表示如下选择具有公共细胞壁或顶点的两个采样点x
n
和x
m
，计算对应的场强梯度同时计算与x
...

【专利技术属性】
技术研发人员：陈晓明，郑俊浩，
申请(专利权)人：西安交通大学，
类型：发明
国别省市：