[发明专利]基于神经网络算法的宽带有源天线阵列自适应校正方法

权利要求书

1.一种基于神经网络算法的宽带有源天线阵列自适应校正方法，其特征在于，系统的校正流程如下：

(1)初始化系统参数，对通带补偿滤波器进行参数初始化；

(2)选择通道号，判断通道号是否超出最大通道号；如果超出，校正流程结束，启动下一次校正；如果没超出，继续校正；

(3)根据通道号配置选择器，根据通道号进行数据采样，分别采用双工器的耦合反馈信号与射频发射链路的输出数据或者射频接收链路的接收信号；

(4)同步采样数据，计算通道的延时，增益的误差与相位误差；

(5)使用同步后的数据进行通带带内波动参数估计，估算神经网络补偿滤波器系数；

(6)计算系数之后，更新神经网络补偿滤波器系数；

(7)进行下一个通道的计算；

宽带有源天线阵列自适应校正包括发射链路校正与接收链路校正；

发射链路校正信号流程如下：发射的数字信号进入链路补偿模块，链路补偿模块包括延时补偿、相位与增益补偿及通带波动补偿滤波器，其中通带波动补偿滤波器为神经网络补偿滤波器，信号经过链路补偿模块之后，进入射频发射链路，数字信号转化为射频信号，射频信号进入双工器进行滤波处理，经过滤波的信号输出到天线发射出去；

接收链路校正信号流程如下：天线接收到的信号进入双工器滤波，天线接收到的信号经过双工器的滤波，进入射频接收链路，转化为中频信号，被采样为数字信号，信号进入链路补偿模块进行延时补偿、增益与相位补偿及通带波动补偿滤波器，补偿后输出为通道数据；

双工器是各个射频发射链路、射频接收链路的滤波器组合，并且在天线接口处进行信号耦合，把经过滤波处理的发射信号和未接受滤波处理的接收信号的一部分信号耦合到反馈链路，各个通道的耦合信号通过选择器进行通道选择，选择的收发信号，经过接收滤波器或者发射滤波器进行滤波，选择到反馈链路接口；

反馈链路是将双工器选择出来的反馈信号进行射频接收，并且转化为数字信号，被采样之后送入参数估计模块进行通道的参数估算。

2.根据权利要求1所述的基于神经网络算法的宽带有源天线阵列自适应校正方法，其特征在于，通道的链路参数误差计算流程如下：

采样射频收发链路的输入输出信号与天线口的反馈信号，对两路数据进行同步处理，同步的计算方法：两组数据做互相关与自相关运算，相关结果转化为能量数据，对互相关的能量数据经过峰均比滤波器处理，对滤波之后的数据查找峰值；

判断峰值是否过门限，如果峰值过门限，提取对应的地址，根据峰值地址得到相关值与能量值，互相关的峰值除自相关值，视为增益与相位误差；

由于每个通道延时不一致，设定一个最大延时值，作为目标值，峰值位置与最大延时的目标值之差视为延时误差，修正延时误差；

互相关的峰值除自相关值做归一化，修正增益与相位误差，使用修正延时误差、增益误差与相位误差的数据进行估算信号通带的带内平坦度，计算出神经网络补偿滤波器系数，并且更新神经网络补偿滤波器系数。

3.根据权利要求1所述的基于神经网络算法的宽带有源天线阵列自适应校正方法，其特征在于，神经网络补偿滤波器的信号处理流程如下：

1)采样得到的两组数据，经过同步后，设定输入数据为x(i)，输出数据为T；

2)使用x(i)计算神经网络隐含层，其中其中W_mi为隐含层系数，Z_m＝tansig(y_m)；其中Z_m为隐含层输出，m为神经元的个数。

3)计算输出层：

4)计算误差数据

5)利用误差E，计算神经网络补偿滤波器的系数W_mi和V_j的误差值；其中为：-(T_j-Z_j)×f′(net_j)；为：

6)计算多组误差数据，并且平均误差数据；

7)系数更新公式为Coe(k+1)＝Coe(k)+μ×[(1-α)×D(k)+α×D(k+1)]；其中D(k)为当前计算出来的误差值，D(k-1)为上一次计算出来的误差值，μ为学习步进，取值范围0～1；α为比例权重系数，取值范围0～1；Coe(k)为当前系数，Coe(k+1)为新的系数；

8)计算出新的系数之后，更新神经网络补偿滤波器系数。