一種計算復雜天線散射截面的新型快速方法

張忠祥　孔勐，2　陳明生　張量　吳先良，2

(1.合肥師范學院電子信息工程學院,合肥 230601;

2.安徽大學電子信息工程學院,合肥 230601)

?

一種計算復雜天線散射截面的新型快速方法

張忠祥1孔勐1，2陳明生1張量1吳先良1，2

(1.合肥師范學院電子信息工程學院,合肥 230601;

2.安徽大學電子信息工程學院,合肥 230601)

摘要針對傳統數值算法分析天線結構項單站雷達散射截面(Radar Cross Section, RCS)問題運算量大的缺點,基于壓縮感知理論引入一種包含各個離散入射角度信息的新型激勵源,借助有限元軟件的建模分析功能,形成一種適用于處理復雜天線結構項單站RCS的快速算法．通過對單極子天線、角錐喇叭天線和拋物面反射天線等算例的仿真,驗證了新算法處理復雜目標能力強、計算效率高的優勢．

關鍵詞壓縮感知;天線;電磁散射;快速計算

A novel method of RCS fast calculation with complex

資助項目: 國家自然科學基金(51477039,51207041)； 安徽省高校重點項目(KJ2014A199,KJ2014A206)； 安徽省科技計劃項目(1501021041)； 合肥師范學院"電磁場與微波技術"科研團隊項目(kytd2015006)

聯系人： 陳明生 E-mail: mschen@hftc.edu.cn

引言

隨著現代戰爭中隱身技術的快速發展,天線的電磁散射問題越來越引起國內外學者的關注．然而,傳統的數值方法在處理天線電磁散射問題時,存在著一些不足．一方面在分析天線單站雷達散射截面(Radar Cross Section, RCS)時,傳統數值算法必須重復計算各個離散入射角度激勵下的矩陣方程,耗費大量計算資源．另一方面,由于天線的結構項散射場[1-2]主要由天線外形結構決定,加之天線結構各異,傳統算法的數值建模過程較為復雜．因此,傳統數值算法在天線電磁散射特性分析中的發展受到了大大的限制．

壓縮感知(Compressed Sensing, CS)[3-9]作為近年來發展迅速的高效信號處理方法,已被廣泛應用到天線設計分析、微波成像等領域中．例如Hawes M B, Wei Liu等人利用CS對稀疏陣列天線的陣元位置進行分析,顯著提高了該問題的優化效率[10-11];文獻[12]將CS應用到多輸入多輸出(Multiple-Input/Multiple-Output, MIMO)陣列天線優化設計算法中,形成了一種有效的系統解決方案;文獻[13]根據線性陣列天線的特性,引入CS理論構建了一種高分辨率逆合成孔徑雷達(Inverse Synthetic Aperture Radar, ISRA)成像框架．雖然諸多文獻說明CS理論與天線技術的結合已顯示出了極大的優越性,但是少有學者利用CS理論對天線的電磁散射問題進行分析．

基于CS理論,引入一種包含各個離散入射角度的新型激勵源,利用有限元軟件的建模分析功能構建各種天線的數值模型,并計算出新入射源激勵下的天線回波結構項散射場的測度,反復計算數次,獲得新激勵源多次照射下的觀測值,然后采用正交匹配追蹤 (Orthogonal Matching Pursuit,OMP)[14-16]算法恢復出各實際入射角照射下天線的原始回波散射場,進而計算出天線結構項單站RCS．由于該方法中測度的次數要少于傳統算法中入射角的逐點計算次數,故該算法能夠減少運算量,提升計算效率．

1壓縮感知理論框架

2006年,Candès等人首先提出CS理論[17],該理論在信號獲取的同時,即對數據進行壓縮,而無須像傳統信號處理方法那樣進行采樣、壓縮、傳輸和解壓,其能將數據采集和壓縮合二為一[18],被美國科技評論評為2007年度十大科技進展．壓縮感知的執行過程由觀測矩陣的設計、信號的稀疏化和信號的重構三個部分構成[19],其原理如下．

設計一個平穩的、與觀測對象不相關的觀測矩陣ΦM×N,對原始信號XN×1進行觀測,有

YM×1=ΦM×NXN×1．

(1)

尋找關于原始信號X的合適的稀疏表示為

α=ψX．

(2)

式中: ψ為正交變換矩陣; α為稀疏向量．

應用正交匹配追蹤算法,借助稀疏表示,通過較少的觀測值YM×1恢復出原始信號．該過程等價于求解如下規劃問題:

(3)

為計算方便,其可近似修正為

(4)

根據文獻[20],若滿足

(5)

則精確重構概率將大于1-4e-C2M,其中K由K-稀疏性(K-Sparse)決定,可理解為原始信號通過稀疏變換后對精確重構至關重要的K個關鍵信息,C1、C2為常數項系數．

在給定M的情況下,在恢復過程引入的稀疏變換越合適,K值會越小,式(5)越容易滿足,恢復概率就越高,從而稀疏變換就顯得十分關鍵．

2新型快速計算方法

有限元方法的基本原理是通過對目標的離散、函數插值,結合相應邊界條件構建方程組

Dx=d,

(6)

然后進行求解．式中: D為系數矩陣; x為響應矩陣; d為激勵向量．

在處理天線單站RCS問題時,為了減少傳統數值方法的運算量,以CS理論為基本框架,構建一種包含各個實際入射角度的新型激勵源,即將所有的離散入射角度重復進行M次隨機疊加,構成以下新型入射激勵矩陣元素為

m=1,2,3,…,M,i=1,2,3,…,N．

(7)

式中:N為入射角度的離散數;k0為相應波數;θi為入射角;cmi為隨機矩陣元素．

將式(7)代入式(6)可得

(8)

式中由矩陣元素cmi所構成的隨機矩陣即為壓縮感知理論中的觀測矩陣ΦM×N．

一般可選擇高斯、貝努利隨機矩陣及隨機部分傅里葉矩陣、稀疏帶狀隨機、托普利茲或循環以及稀疏列隨機、循環矩陣等作為觀測矩陣以高概率滿足精確重構條件,本文選擇高斯隨機矩陣進行實驗．

(9)

簡而言之,原始信號的觀測值可以通過式(8)中的線性激勵求解,而非計算出式(9)中的真實x(k0,θi)再觀測．

針對一般的非稀疏響應矩陣,須構建一個正交變換矩陣ΨN×N進行稀疏化處理,從而獲取原始響應矩陣在正交變換矩陣下的稀疏表示．

為了提高計算效率,選擇第二類切比雪夫多項式構造稀疏變換[21],其遞推關系可描述為

(10)

式中Ui(x)的定義區間為[-1,1],作如下變換

t=cosx

(11)

則-1≤t≤1,因此取

ti=cosxi,i=1,2,…,n

(12)

可得到U0(t),U1(t),U2(t),…,Un-1(t),根據ti的取值不同,可得到所需要的稀疏變換矩陣,其矩陣表達式為

(13)

在分析新型激勵入射天線的單站RCS問題時,根據CS理論,構造新型激勵,結合有限元軟件的建模和分析功能,獲得N個實際入射角度響應的M個測量值(M

3計算實例與分析

為了驗證新型快速計算方法的有效性,對單極子天線、角錐喇叭天線、拋物面反射天線的結構項單站RCS進行仿真,其中觀測矩陣和稀疏變換矩陣分別采用高斯隨機矩陣和第二類切比雪夫稀疏變換基,恢復算法采用OMP算法,定義相對均方根誤差如下:

(14)

3.1　單極子天線

設頻率為3.0 GHz的水平方向極化平面波入射一連接金屬板的單極子天線,該天線極子長度為7.5 cm,極子半徑為0.25 cm,金屬板與極子的饋電間距為0.25 cm,金屬板尺寸為15 cm×15 cm．分別采用借助有限元仿真軟件與CS理論相結合的新型快速計算方法和傳統有限元算法對單極子天線的結構項單站RCS進行分析,計算范圍為φ=0°,θ=0°～90°,其中有限元法以離散入射角1°為步長逐點計算,結果如圖1所示．

圖1　單極子天線的結構項單站RCS(φ=0°,θ=0°～90°)

表1所示新型快速計算方法較傳統有限元算法在計算次數和計算時間上明顯減少,且恢復誤差為0.58%．

表1　兩種方法計算單極子天線的數據比較

3.2　角錐喇叭天線

針對一角錐喇叭天線,其波導段尺寸為0.9cm×0.4cm,波導段長度為1.0cm;喇叭口徑為1.8cm×1.4cm,喇叭段長度為3.0cm．采用頻率為10GHz,水平極化的平面波入射該喇叭天線,分別計算φ=0°,θ=0°～180°和φ=0°～180°,θ=90°范圍內目標的單站RCS,將計算結果與有限元軟件仿真結果進行比較,如圖2、圖3所示．其中有限元軟件按照1°為角度步長旋轉181次,逐點完成目標單站RCS的數據采集．表2展示了兩種方法分別對角錐喇叭天線的兩個主平面計算的相關數據．

圖2　角錐喇叭天線的結構項單站RCS(φ=0°,θ=0°～180°)

圖3　角錐喇叭天線的結構項單站RCS(φ=0°～180°,θ=90°)

表2　角錐喇叭天線的計算數據比較

3.3　拋物面反射天線

采用新方法對結構如圖4所示的拋物面反射天線進行分析,入射波為10GHz水平極化的平面波．該天線反射面由拋物線方程y2=800mm×x構造,其反射面口徑為460mm×300mm,饋源采用15dB標準增益矩形喇叭天線．圖5顯示了新方法計算φ=90°,θ=-180°～180°范圍內的目標單站RCS與有限元軟件逐點仿真相比較的結果．

圖4　拋物面反射天線結構圖

圖5　拋物面反射天線的結構項單站RCS(φ=90°,θ=-180°～180°)

表3給出了拋物面反射天線的計算分析與比較,通過表3中的數據可見,新方法的處理次數約為軟件仿真處理次數的1/3,而誤差為2.46%．

表3　拋物面反射天線的計算數據比較

3.4　誤差分析

為了描述新方法中原始信號恢復誤差與計算次數M之間的關系,統一針對以上例子進行分析,其中稀疏變換矩陣均采用第二類切比雪夫稀疏變換基,結果如圖6所示．由圖可見,針對以上算例,當新方法的壓縮比(M/N)在25%～35%之間時,其恢復精度均可達到工程需求,從而說明該方法具備一定的通用性和有效性．

根據CS原理,為了保證信號的恢復精度,M的取值與原始信號的實際個數N及其在稀疏域中的稀疏系數K之間應滿足M≈Klg(N/K)?N的關系．由此可見,若以減小M次數來提高計算效率作為新方法的優化方向,其關鍵應在于提升原始信號的稀疏化程度,而針對不同目標,依靠先驗知識獲取合適的稀疏矩陣將成為解決該問題的切入點．新方法先驗知識的獲取,可通過以下步驟得以實現．首先對已構建的新型激勵源進行展開,其次提取相關信息,由于響應信號與激勵源具有相同的稀疏特性,因此可針對激勵源的組成特點,最終構造出適合響應信號的稀疏變換矩陣．

圖6　計算的響應信號恢復誤差與壓縮比之間的關系

4結論

文章在壓縮感知的理論框架下,構建了一種適用于目標寬角度計算的新型激勵源,并利用仿真軟件對天線目標進行建模分析,結合恢復算法,形成一種計算復雜天線結構項RCS的新型快速方法．實驗結果表明,新方法在處理天線的結構項單站RCS問題方面,計算效率大大提高,通過與復雜結構天線逐點計算值的比較,說明了該方法具備一定的工程實用性．最后,針對新方法的計算次數與重構誤差之間的關系進行了分析,并指出了新方法的后續優化方向．

參考文獻

[1]萬國賓, 張紅霞, 萬偉, 等.帶罩天線散射計算的子平面波技術[J]. 電波科學學報,2008,23(3):417-421.

WANGuobin,ZHANGHongxia,WANWei,etal.EquivalentplanewavetechniqueforRCScomputationofradomeenclosedantennas[J].ChineseJournalofradioScience, 2008, 23(3): 417-421.(inChinese)

[2]姜文. 天線散射機理分析與RCS控制技術研究[D].西安:西安電子科技大學,2012.

JIANGWen.AnalysisofAntennaScatteringMechanismandtheResearchonRCSControlTechnology[D].Xi’an:XidianUniversity,2012. (inChinese)

[3]PEYREG.Bestbasiscompressedsensing[J].IEEETransactionsonSignalProcessing, 2010,58(5): 2613-2622.

[4]DUARTEMF,ELDARYC.Structuredcompressedsensing:fromtheorytoapplications[J].IEEETransactionsonSignalProcessing, 2011, 59(9): 4053-4085.

[5]WEISJ,ZHANGXL,SHIJ.LineararraySARimagingviacompressedsensing[J].ProgressinElectromagneticsResearch, 2011,117:299-319.

[6]CHOSH,LEESH,CHANNG,etal.Fastterahertzreflectiontomographyusingblock-basedcompressedsensing[J].OpticsExpress, 2011, 19(17):16401-16409.

[7]NIZW,ZHANGMX,LIJ,etal.Imagecompressedsensingbasedondatadrivenadaptiveredundantdictionaries[J].ProgressinElectromagneticsResearchM, 2011, 22: 73-89.

[8]YUS,KHWAJAAS,MAJ.Compressedsensingofcomplex-valueddata[J].SignalProcessing, 2012, 92(2): 357-362.

[9]石光明, 劉丹華, 高大化, 等. 壓縮感知理論及其研究進展[J].電子學報, 2009, 37(5):1070-1081.

SHIGuangming,LIUDanhua,GAODahua,etal.Advancesintheoryandapplicationofcompressedsensing[J].ActaElectronicaSinica, 2009, 37(5):1070-1081.(inChinese)

[10]HAWESMB,LIUW.Robustsparseantennaarraydesignviacompressivesensing[C]//18thInternationalConferenceonDigitalSignalProcessing.Fira:IEEE, 2013:1-5.

[11]HAWESMB,LIUW.Compressivesensing-basedapproachtothedesignoflinearrobustsparseantennaarrayswithphysicalsizeconstraint[J].IETMicrowaves,Antennas&Propagation, 2014, 8(10):736-746.

[12]ZHONGLihua,HUDonghui,DINGChibiao.ISARimagingbasedonantennaarrayandcompressedsensing[C]//IEEECIEInternationalConferenceonRadar.Chengdu:IEEE,2011:1547-1550.

[13]DAIC,ZHOUL,WUXLY.OptimalMIMOarrayforcompressivesensingimageformation[J].JournalofElectromagneticWavesandApplications, 2014, 28(16): 2049-2058.

[14]DAIW,MILENKOVICO.Subspacepursuitforcompressivesensingsignalreconstruction[J].IEEETransactionsonInformationTheory, 2009, 55(5): 2230-2249.

[15]黃傳祿, 晁坤, 毛云志. 基于壓縮感知的空間譜估計[J].電波科學學報, 2014, 29(1):150-157.

HUANGChuanlu,CHAOKun,MAOYunzhi.Thespatialspectrumestimationbasedoncompressivesensing[J].ChineseJournalofRadioScience,2014,29(1):150-157.(inChinese)

[16]王建, 盛衛星, 韓玉兵, 等.基于壓縮感知的圓陣自適應數字波束形成算法[J]. 電波科學學報, 2014, 29(3): 455-461.

WANGJian,SHENGWeixing,HANYubing,etal.Compressedsensingbasedadaptivedigitalbeamformingalgorithmincirclearrays[J].ChineseJournalofRadioScience, 2014, 29(3): 455-461.(inchinese)

[17]CANDESEJ,TAOT.Nearoptimalsignalrecoveryfromrandomprojections:universalencodingstrategies[J].IEEETransactionsonInformationTheory, 2006, 52(12): 5406-5425.

[18]BARANIUKRG.Compressivesensing[J].IEEESignalProcessingMagazine, 2007, 24(4): 118-120.

[19]RAUHUTH,SCHASSK,VANDERGHEYNSTP.Compressedsensingandredundantdictionaries[J].IEEETransactionsonInformationTheory, 2008, 54(5): 2210-2219.

[20]BARANIUKRG,DAVENPORTMA,DEVORER,etal.Asimpleproofoftherestrictedisometrypropertyforrandommatrices[J].ConstructiveApproximation,2008, 28(3): 253-263.

[21]CAOXY,CHENMS,WUXL.Sparsetransformmatricesandtheirapplicationinthecalculationofelectromagneticscatteringproblems[J].ChinesePhysLett, 2013, 30(2): 028401.

張忠祥 (1976-),男,安徽人,合肥師范學院電子信息工程學院副教授,博士,研究方向為電磁場數值計算、天饋系統設計分析．

孔勐(1983-),男,安徽人,合肥師范學院電子信息工程學院講師,安徽大學博士研究生,研究方向為計算電磁學混合算法．

陳明生(1981-),男,安徽人,合肥師范學院電子信息工程學院教授,博士,博士生導師,研究方向為計算電磁學快速算法、壓縮感知理論的應用．

劉曉娣, 周新力, 肖金光, 等. 一種地形條件下電波傳播入射余角估計算法[J]. 電波科學學報,2015,30(6):1211-1217. doi: 10.13443/j.cjors. 2015010601

LIU Xiaodi, ZHOU Xinli, XIAO Jinguang, et al. A grazing angle estimation algorithm of wave propagation over terrain[J]. Chinese Journal of Radio Science,2015,30(6):1211-1217. (in Chinese). doi: 10.13443/j.cjors. 2015010601

antenna structure

ZHANG Zhongxiang1KONG Meng1,2CHEN Mingsheng1

ZHANG Liang1WU Xianliang1,2

(1.SchoolofElectronicandInformationEngineering,HefeiNormalUniversity,

Hefei230601,China;2.SchoolofElectronicandInformationEngineering,

AnhuiUniversity,Hefei230601,China)

AbstractA novel excitation source with more incident angle information is proposed based on compressive sensing (CS) theory, to overcome the traditional calculation difficulties. With the help of the Finite Element Software, a fast computational method of calculation mono-static radar cross section (RCS) is presented. The calculation results of monopole antenna,pyramidal horn antenna and parabolic antenna have verified the accuracy and computational efficiency of the new method.

Key wordscompressive sensing; antenna; electromagnetic scattering; fast computational method

作者簡介

收稿日期：2014-10-30

中圖分類號TN011

文獻標志碼A

文章編號1005-0388(2015)06-1205-06