王石泉 張偉豐 劉楊

摘 要：論文提出一種均勻圓陣中基于粒子群算法的互耦系數(shù)求解方法，解決高分辨率測向算法由于受陣列互耦誤差 的影響而性能下降甚至失效的問題。該方法通過設置一個方位精確已知的校正源，基于均勻圓陣互耦矩陣的對稱Toeplitz性和子空間原理建立目標函數(shù)，利用粒子群算法運算簡單尋優(yōu)能力強的優(yōu)勢，估計得到各陣元之間的互耦系數(shù)，獲取互耦誤差矩陣。計算機仿真實驗結果表明，利用該方法所得到的互耦矩陣對MUSIC算法進行補償后，算法性能良好，接近不考慮互耦誤差時的性能，顯示了該方法的實用性和有效性。

關鍵詞：粒子群算法；互耦系數(shù)；均勻圓陣；MUSIC算法；

1 引言

該理想模型中需假設天線各陣元之間不存在互耦誤差，而在實際情況中，由于各陣元之間通過空間電磁場的相互作用與影響而發(fā)生電磁耦合現(xiàn)象，特別是當陣元間距較小時，耦合作用表現(xiàn)會很強烈，因此互耦是陣列天線的固有特性。研究和仿真實驗表明，互耦誤差會導致高分辨率測向算法性能下降甚至失效。

為解決互耦誤差的影響，國內外學者對互耦誤差的校正進行了大量研究，得出了許多校正算法，主要可分為兩類：一是先對互耦進行電磁測量或者通過矩量法對互耦進行電磁計算。另一類是將互耦校正問題轉化為參數(shù)估計問題，主要分為有源校正方法和自校正方法，與自校正算法相比，有源校正算法計算量小，無需對信號源方位進行估計，可以避免高維、多模非線性優(yōu)化，因此實際工程應用較多。

2 均勻圓陣互耦誤差模型及對測向算法的影響

2.1均勻圓陣互耦誤差模型

均勻圓陣（Uniform Circle Array， UCA）具有全方位測向能力、測向精度隨方位角的變化不明顯和具有互耦對稱等優(yōu)勢，因此是無線電測向中應用最廣的陣列天線。如圖1所示為M元均勻圓陣示意圖。

考慮N個遠場，互不相關的的窄帶信號入射到空間該均勻圓陣上，其中入射信號的波長為λ，不失一般性，僅考慮水平面來波方向，設入射波來向為θk，k=1，2…N。在不考慮陣元間互耦誤差的情況下，可知陣列接收信號可表示為：

上式中X（t）為陣列各陣元接收數(shù)據，A（θ）為M×N維陣列流型矢量且A（θ）=[a（θ1）， a（θ2），…，a（θM）]，S（t）=[s1（t），s2（t），…，sN（t）]T為N×1維入射信號，N（t）= [n1（t），n2（t），…，nN（t）]T為N×1維噪聲矢量。

當考慮存在陣元互耦效應時，陣列的導向矢量可以修正為：

相應的，陣列流型矩陣可以表示為：

則陣列接收數(shù)據可以表示為：

其中矩陣Z為反映陣元互耦效應的互耦矩陣。

2.2 互耦誤差對測向算法的影響

以子空間算法（MUSIC算法）為例，在考慮互耦誤差的情況下，利用陣列信號處理技術將陣列輸出的協(xié)方差矩陣定義為：

其中RS為信號協(xié)方差矩陣，I為單位矩陣，σ2為相互獨立的零均值平穩(wěn)高斯白噪聲的平均功率，且其與信號源之間互不相關?？紤]到實際接收數(shù)據矩陣是有限長的，設實際接收的快拍數(shù)為L，則數(shù)據協(xié)方差矩陣的最大似然估計可以表示為：

對上式進行特征分解，得到由對應于N個大特征值對應的特征向量所構成的信號子空間Es和其余M-N個特征向量所構成的噪聲子空間EN，根據子空間基本原理即噪聲子空間與理想導向矢量的正交性，可將MUSIC譜搜索函數(shù)。

3 基于粒子群算法的解決方案

由2.2節(jié)分析可知要實現(xiàn)互耦誤差的校正，其實質是需要得到互耦矩陣Z。本節(jié)基于均勻圓陣的對稱Toeplitz性和子空間原理建立目標函數(shù)，利用粒子群算法解決互耦向量的求解問題。

3.1均勻圓陣互耦矩陣化簡

通常情況下，數(shù)組元素和數(shù)組元素之間的相互耦合是成反比的，基于互惠定理，互耦矩陣是一個對稱矩陣。均勻圓陣，一三波段循環(huán)矩陣。以5元均勻圓陣為例，假設只存在陣元互耦誤差，則互耦矩陣可以表示為：

這是一個復對稱循環(huán)矩陣，可以完全由其第一行前3個元素z=[c0 c1 c2]來確定。（有計算公式，當陣元個數(shù)M為偶數(shù)時，L=M/2；當M為基數(shù)時，L=（M+1）/2，當M=5時，L=3）

關于復對稱循環(huán)矩陣有如下定理：

其中α為任一5×1維復列向量，c為3×1維復列向量。T（α）是由向量α確定的5×3階矩陣，它是以下四個矩陣的和，即有：

式中Ti（α），（i=1，2，3，4）由下式確定：

通過（10）式可以將互耦矩陣Z表示為向量z（本文稱之為互耦向量）的形式。利用互耦向量，基于子空間原理，可以將空間譜搜索函數(shù)重新構造如下：

3.2 基于PSO的互耦向量求解

如圖1中虛線框所示，一個范圍在遠場精確已知的（假設樓梯0）。根據（6）首先接收陣列協(xié)方差的信號，得到的協(xié)方差矩陣R=E[x互耦誤差（T）x（t）]和M的特征值的特征分解：λ1λ等于或大于2。

μm為空間特征向量，由于只有一個校正源，我們知道最大的特征值λ1對應的特征向量u1是信號子空間，其余m-1的特征向量組成的矩陣的噪聲子空間，如下式所示：

由于來波方位θ已知，則求解互耦向量的問題就轉化為對適應度函數(shù)（12）式的最優(yōu)化問題，即：

粒子群優(yōu)化算法是基于群體智能進化的計算技術，是一種基于迭代優(yōu)化工具與遺傳算法相比，它與無需編碼、選擇、變異等復雜操作，操作簡單、搜索能力強的一組隨機解，是一個并行迭代搜索過程，通過迭代尋找最優(yōu)值。

其速度和位置迭代更新公式如下：

式中w是慣性權因子，C1和C2是學習的因素，0和1之間的均勻分布的隨機數(shù)R1和R2，D是尺寸為優(yōu)化問題，PI，J粒子本身找到最優(yōu)解，PG，H是找到最佳的解決方案的全部人口。通過不斷地更新粒子的位置和速度，得到問題的最優(yōu)解。

3.3算法步驟

至此可以給出本文算法步驟如下：

步驟1：設計學校正源信號，假設一個已知的窄帶遠場則入射信號入射角圖1顯示均勻圓陣，設置相應的信號噪聲比。

步驟2：根據（3）接收到的信號處理，得到的協(xié)方差矩陣，并將其分解為得到噪聲子空間的特征。

步驟3：設計粒子群優(yōu)化算法的各種參數(shù)。該算法利用基本粒子群算法，學習因子C1=C2=1，慣性權重系數(shù)w=0.729，粒子的初始種群數(shù)量的模擬設置為30，迭代次數(shù)設置為300，使用（14）為適應度函數(shù)。

步驟4：使用粒子群優(yōu)化算法尋找最優(yōu)，直到目標函數(shù)收斂或達到指定數(shù)目的迭代次數(shù)，搜索停止時，粒子的最終輸出找到最佳位置得到的估計值的互耦向量。

步驟5：構造互耦矩陣，并對MUSIC譜搜索函數(shù)進行互耦補償，完成陣元互耦誤差的校正。

4 結束語

本文提出一種均勻圓陣中基于粒子群算法的互耦系數(shù)求解方法。該方法利用一個方位已知的校正源，基于均勻圓陣互耦矩陣的對稱Toeplitz性和子空間原理建立目標函數(shù)，然后利用粒子群算法對目標函數(shù)進行尋優(yōu)，估計得到陣元互耦向量，進而構造互耦誤差矩陣實現(xiàn)對MUSIC算法的互耦補償。計算機仿真結果表明，經過該算法校正過的MUSIC算法的性能良好，可以準確估計出來波方位，從而顯示了該方法的實用性和有效性。

參考文獻

[1] Schmidt R. Multiple Emitter Location and Signal Parameter Estimation[J]. IEEE Trans AP on，1986，34 （3）： 267-280.

[2] Fabrizio Sellone， Alberto Serra：A Novel Online Mutual Coupling Compensation Algorithm for Uniform and Linear Arrays[J]. IEEE Transactions on Singal Processing， 2007：560-572.