基于压缩感知的稀疏共形阵列天线技术研究

Conformal antenna is one of the hot topics in antenna research field. Antenna array synthesis and array signal processing with conformal antennas have important academic and application values. However, for a long time, conformal antenna is a difficult problem in antenna design due to its complex structure and high cost. As a new theory, compressive sensing has the merit of using small data to reconstruct huge information, and hence has been noticed in many field when proposed. Therefor, in this project, we will explor the physical and mathematical relationship between conformal antnena array and compressive sensing to solve the problems of conformal antnan using compressive sensing theory. The research contents include: "the maximally sparse" problem and the contradiction between the grid density and precision in conformal array synthesis; the direciton of arrival estimation in a low SNR condition, and the high performance and robust digital beamforming based on conformal array, etc. We plan to build a conformal antenna array design framwork based on compressive sensing via this project, and to reduce the software and hardware resources while keeping high performance. The project will be expected to provide theoretical and experimental basis for the wide application of high performance, low cost conformal antenna.

载体上的共形天线是目前天线领域的研究热点之一。基于共形天线的阵列综合及信号处理技术具有重要的学术研究和工程应用价值。然而，共形阵列由于其结构复杂，成本较高，一直以来都是天线设计中的难点。压缩感知作为一种新理论，具有利用少量数据重建大量信息的优点，一经提出就在很多领域得到了广泛关注。因此，本项目旨在探索压缩感知与共形阵列在物理和数学上的联系，以便利用压缩感理论来解决共形天线中的若干问题。包括：稀疏阵列综合中"最大稀疏度"问题以及网格密度与精度的矛盾问题；低信噪比条件下共形阵来波方向估计问题；共形阵上高效、稳健的数字波束形成问题等。通过本项目，拟建立一套基于压缩感知理论的共形阵列设计流程，在保持天线性能的同时减少软硬件资源，为高性能、低成本共形天线的广泛应用提供理论和实验基础。

本项目针对共形稀疏阵列天线及其信号处理技术展开创新性研究。主要完成的研究内容包括：1.研究了压缩感知（CS）理论的基本原理和数学模型，分析了稀疏阵列综合与压缩感知的内在联系，并在此基础上将非线性的稀疏阵列综合问题转化为线性约束下的稀疏信号恢复问题。提出了一种基于欠定系统局域解法（FOCUSS）的新的综合方法，该可以智能地确定实现期望方向图所需的最小阵元个数、阵元的位置和激励，并且对稀疏线阵、面阵以及共形阵综合问题都适用。2. 提出一种基于多测量向量（MMV）稀疏恢复理论的多方向图稀疏阵列综合方法。该方法采用一种协同综合策略，解决了传统方法在处理多方向图问题时产生的不同方向图的阵元位置分布不统一的问题，从而可以用一个结构固定的稀疏阵列产生多种不同形状的方向图。3. 提出了一种基于扰动压缩采样（PCS）模型的稀疏阵列综合方法。与已有的基于压缩感知的离散模型相比，该模型给了阵元位置更大的优化空间并且需要的阵元位置网格数也大幅减少，大大降低了算法的计算复杂度并且提高了精度。4. 提出一种基于稀疏恢复和局部优化的交替迭代算法，并用于复激励的多方向图稀疏面阵综合。该算法在两个优化进程之间交替迭代：第一个进程利用多测量向量稀疏恢复算法得到初步的阵列的布局和阵元复激励；第二个进程是在前一进程基础上对实值的阵元位置进行局部优化。数值实验证明该方法可以在复值方向图约束下实现阵元数量的缩减。5.研究了基于压缩采样阵列的DOA估计和DBF实现方法；重点研究了基于稀疏表示和可变网格技术的DOA估计，并将这一理论推广到宽带的阵列信号处理，同时结合共形天线考查了算法的性能。6.设计了一款稀疏微带天线阵。工作频率为10 GHz。对20元半波长等间距阵列和综合出的16元稀疏阵进行了加工和测试。测试结果表明，二者具有相似的主瓣形状和副瓣特性。与均匀阵相比，稀疏阵节省了20%的阵元。。