[发明专利]K聚类智能择取的微波信号多径干扰抑制方法

说明书

K聚类智能择取的微波信号多径干扰抑制方法，涉及干扰抑制方法。包括以下步骤：1)建立并训练多径干扰抑制模型；2)设定天线在微波暗室的测试条件；3)加入不同材质或形状的反射板干扰源以建立干扰模型；4)划分干扰程度的难易情况；5)按干扰程度分类相应分别选择合适的算法完成K聚类智能择取的微波信号多径干扰抑制。多径干扰模式简单时运用多项式回归算法，采用梯度下降法来训练模型直至误差收敛，储存当前最优多径干扰抑制模型，操作简单，精度提升。多径干扰模式中等时采用随机森林实现三条干扰路径情况下的多径干扰抑制。多径干扰模式困难时采用神经网络实现了在五条干扰路径情况下的多径干扰抑制，最终提高天线的优化效率。

技术领域

本发明涉及干扰抑制方法，尤其是涉及可按照干扰程度分类相应分别选择合适算法的一种基于机器学习和神经网络的K聚类智能择取的微波信号多径干扰抑制方法。

背景技术

全球信息化跟随全球定位系统走入公众的视野，大到对宇宙的探索，小到人手一部的手机，皆与信息传输密切相关。信息传输的普及使得对信息传输的效率和性能得到学术界的重视。而天线，作为信息传输的关键硬件，扮演着信号发射和接收的角色，对其性能的要求也越来越严格。

为保障天线性能，可从两个方面出发，一为设计使用的天线性能符合系统要求，二为天线测量系统的精度符合系统要求。由于天线的设计只能是对实物天线的一种逼近，这就使得一个高精度的测量系统尤其重要，高精度的测量系统也包括高性能的误差分析与修正能力。目前，天线测试作为一门专业技术，与天线设计相辅相成。通过组建合适的测量系统，辅以天线原理知识，对天线测量中会出现的误差进行系统而专业的分析，并结合以现有的各种软、硬件工具，对误差进行预测并排除，保证天线远场测量精度。现在常用的天线测量技术分为远场测量技术、近场平面扫描测量技术、近场柱面扫描测量技术、近场球面扫描测量技术。国内外对各类天线系统中可能存在的误差进行分析和抑制正在不断地进行研究，基于不同的机制与不同的入手角度，也提出各种奇特却也合乎情理的消除机制。总的来说，现有的天线多径干扰误差抑制方法较为复杂，费用较高，精度也存在问题。

天线辐射方向图的多径干扰抑制是一个从合成信号中剔除来自于其他信号源的干扰，提取主信号的过程，这种类型的干扰在微波混合测量暗室中非常常见。由于采用近场测量天线系统只需要测量天线口面上的场，就可避免远场测量技术中的诸多缺点。然而，近场测量系统中的设备容易引发远场中的多径干扰。近些年，人工智能如机器学习和神经网络等成为各个领域中非常强大的工具，广泛应用于识别和优化算法。传统天线的场分析方法虽然能够对天线的性能进行精确的计算，但是运算量极大，非常占用内存，而且常常集中在某一专门的天线软件当中，难以加入优化程序。将人工智能等方法用于天线优化的程序当中，虽然可以运用其特性来显著提高天线优化的效率和精度，但是算法较为单一，不能满足对算法多样化的需求。运用基于机器学习和神经网络的K聚类择取抑制方法增加了对算法选择的灵活性，可以充分发挥机器学习的优越性以及神经网络的泛化能力，最终提高天线的优化效率。

发明内容

本发明的目的在于提供一种以根据不同的干扰条件择取不同的算法，可以充分的发挥机器学习的优越性以及神经网络的泛化能力，最终提高天线优化效率的K聚类智能择取的微波信号多径干扰抑制方法。

本发明包括几个步骤：

1)建立并训练多径干扰抑制模型；

2)设定天线在微波暗室的测试条件；

3)加入不同材质或形状的反射板干扰源以建立干扰模型；

4)划分干扰程度的难易情况；

5)按干扰程度分类相应分别选择合适的算法完成K聚类智能择取的微波信号多径干扰抑制。