一 共形超宽带天线阵列

国外对于共形阵天线的研究起步同样较早。早在上个世纪 30 年代，Hireix对圆环偶极子阵列的探索拉开了人们对共形阵天线研究的序幕。在二战期间，德国建造了Wullenweber阵列[31] ，此阵列的半径为50m，应用军事上的情报获取。进入20 世纪80 年代以后，随着空间飞行器的高速发展，人们意识到，安装于飞行器上的平面阵天线对飞行器的气动布局影响太大，需要将天线阵面设计来与载体表面良好贴合。由此，共形阵迎来了发展的繁荣时期。在这种大的发展形式下，“智能蒙皮”计划 [32] 在上个世纪 90 年代被美国提出。所谓的智能蒙皮，即是将天线系统的各个组成单元全部集成到一起，形成一个模块化的结构。在特殊载体上布置天线阵面的时候，将智能蒙皮裁剪为所需形状的天线阵面，如图所示。从1999 年开始，欧洲每隔两年便会举办一次关于共形相控阵天线研究的会议。我国便是在这一时期加入到了共形相控阵天线的研究中，出现了部分科研机构和团队，其中较为有影响力的代表有：南京电子研究所，电子科学技术大学聂在平和王秉中教授的科研团队，西安电子科技大学史小卫教授的科研团队，北京理工大学高本庆教授的科研团队，以及空军工程大学王布宏教授带领的科研团队和国防科学技术大学柴舜连教授的科研团队等。

智能蒙皮天线          F35共相控阵天线装配示意图    

目前，共形天线已受到各国军方的高度关注，并且已有世界顶级战机、预警机采用了共形天线以支持其先进的机载雷达和卓越的气动-隐身外形。美军“F-35”战斗机（如图）便将共形天线的概念运用到其强大综合电子战系统中，将 6 个电子战天线分别被嵌入主翼的前、后缘和水平尾翼的后缘，与机身外形设计完美一致，为飞机提供了 360°全向预警保护。以色列研制“费尔康”预警机曾一度被公认为是运用共形相控阵天线的最成功实例之一，如图(a)所示，这架由波音707 改装的世界顶级预警机分别在机鼻、机尾和机身两侧加装了 6 面格板形全固态电扫相控阵雷达，可达全方位覆盖。2008年亮相于英国范保罗国际航展的以色列研制“海雕”预警机（如图(b)），是“费尔康”预警机的升级版，其沿袭了前身预警机共形相控阵天线的方案，以“湾流”公司的 G550 喷气式商务机为平台，在身头、机身与机尾各部安装了四副有源相控阵天线，可完成 360°全空域覆盖。

(a)“费尔康”预警机                (b) “海雕”预警机

装备共形相控阵雷达的以色列预警机

共形在雷达方面也被广泛应用，文献[33]通过对外加寄生贴片结构实现 H 面的波束赋形，能够实现±30的沿机翼方向扫描，而文献[34]在偶极子的基础上，外加去耦合结构以及引向器和反射器实现H面的波束赋形，最终实现±60扫描。如图，由法国研制的用于低轨卫星通信的 X波段星载圆锥载体微带共形阵列天线系统 [35]，该天线系统包括24*6个单点馈电圆极化微带天线单元，采用相控阵体制，可实现波束在方位面360°，俯仰面0~62.3°范围内扫描。如图，由德国研发的用于车载合成孔径成像雷达的椭圆柱面微带共形阵列天线系统[36] ，所示，该天线系统包含304个口径耦合微带天线单元，可实现波束70°扫描。

圆锥微带共形天线阵图            椭圆柱体微带共形天线

在共形阵天线的发展过程中，人们愈来愈发现其重要性。随着电子对抗的高速性以及复杂性，简单的追求结构上的共形已经不能满足需求。以往的共形阵多采用微带天线、缝隙天线等形式，这些天线的短处也非常明显，即较窄的带宽。而在二十一世纪兴起的基于强互耦效应的相控阵天线的出现拓展了研究者们的思路。一款覆盖1.2G-6GHz带宽的强互耦共形相控阵天线被提出，这款天线是共形于柱面载体，如图所示 [37]。但其天线仍然是平面的偶极子天线。

柱面共形紧耦合阵

此外，对共形阵列天线进行波束赋形也是研究热点。Bucci 等人提出了一种交错映射综合算法 [38-41] ，将可实现方向图数集和期望方向图数集通过数值迭代找到交集，从而完成方向图综合，进而完成共形相控阵天线的方向图赋形。还有采用模拟退火算法对圆锥共形阵列进行优化方向图的最大副瓣电平 [42] ，将投影法和遗传算法相结合实现圆台面的方向图的优化 [43] 。

二 基于聚焦变换方法的DOA估计

（1） 算法仿真

1. 阵元结构：5元共形阵，圆弧半径：0.5m，5个单元均匀分布在[45,135]度的圆弧上，如图所示。

2. 信号带宽0.4-1GHz，入射角度分别为phi1=70度，phi2=90度，SNR=20dB，快拍数4096。分别用窄带MUSIC和上述宽带方法进行DOA估计。估计结果如下图所示。

3． 信号带宽1-2GHz，入射角度分别为phi1=70度，phi2=90度，SNR=20dB，快拍数4096。分别用窄带MUSIC和上述宽带方法进行DOA估计。估计结果如下图所示。

从上述仿真结果可以看出，利用该宽带DOA估计算法，可以在共形阵上准确地估计出两个宽带信号，而利用窄带方法则会产出较大误差。

算例：采用图所示的5元圆柱宽带共形微带阵列模型，各阵元弧间距为，为中心频率对应的波长。两个宽带信号入射到该阵列上，来波角度分别为和，SNR=10dB。天线的工作带宽和信号带宽保持一致，均为2.3GHz-2.8GHz，中心频率为2.5GHz。将阵列输出的数据分成50段，每段FFT的点数60，选取频点数。图为各阵元中心频点的增益方向图。

（1）划分的角度网格数，即以为间隔实现的空间搜索，显然信号的真实方向均未落在划分的网格上。分别采用固定网格和可变网格技术进行DOA估计，仿真结果如下：

圆柱5元宽带共形阵

各阵元中心频点的增益方向图

(a) 固定网格

(b) 可变网格

宽带DOA估计角度谱（最小网格）

6. 共形超宽带阵列DBF算法

传统的阵列信号处理算法主要是针对信号子空间思想进行处理。这一思想要求天线阵列在接收信号的时候需要大量快拍数，即需要对接收信号进行大量采样，才能近乎完整地得到接收数据的协方差矩阵，从而保证良好的分辨性能。此外，奈奎斯特采样定理指出，当采样频率为信号带宽的两倍或更高时，才能保证原始信号可以由采样信号精确或近似重建。然而在许多其它应用中，诸如雷达遥感成像、超宽带通信等应用领域，实际需要的信号带宽越来越大，毫无疑问地给信号采样速率、数据传输速度和硬件的存储空间提出了更高的挑战。通常采取对原始信号首先进行离散采样再进行信号压缩以减轻数据传输速度和存储空间的压力。由于信号在采样过程保存了原始信号的全部信息，所以可以从采样数据中恢复出原信号。然而信号的采样数据并不是都有用的，于是在压缩的过程中必然会丢失大部分多余数据，造成了严重的资源浪费。正因如此，如何用很少的采样数重建原始信号成了业界学者研究的方向之一。Donoho和E. Candes等人于2006年正式提出了压缩感知(Compressive Sensing, CS)理论[37]，证明了当信号具有稀疏性或可稀疏表示时，可以用远低于奈奎斯特采样频率进行信号采样以获取原始信号的全部信息，并且采用某种恢复算法来重建原始信号。压缩感知理论采样突破了奈奎斯特采样定理的界限，将信号采样和压缩过程合二为一，即信号在采样的同时又能够在前端被压缩，大大减轻了数据处理的负担，提高了数据传输的效率。因此压缩感知作为一种较为“年轻”的理论在近年来受到了国内外业界人士的高度重视，目前已广泛应用于图像处理，医疗和雷达成像等各种领域。

由于实际高分辨探测系统需要估计的信号源在空域内分布是稀疏的，于是多个信号源的DOA估计则可看成是某个稀疏向量的恢复重建问题，该稀疏向量的非零元素及其在向量中的位置分别代表信号源的幅度信息和入射角度信息，也就是说DOA估计的空间谱也是稀疏的。这一思想使得压缩感知理论在阵列信号处理领域中的应用得到了深入而广泛的研究。近几年来，国内外已有不少学者开始利用CS原理来实现了信号的DOA估计和阵列天线的数字波束形成，并证明该方法能有效地减少了硬件和软件资源。

A. C. Gurbuz首先在压缩传感的框架下实现了高精度的角度测量[38]，相比常规方法，该方法能以较低的采样率对接收信号进行采样。随后，Y. Wang[39]等人提出了一种基于压缩采样阵列的压缩采样恢复算法(CS-recovery)和压缩采样波束形成方法(CS beamformers)，通过对阵列单元的随机抽取，有效的减少了天线通道数，大大降低了硬件成本和软件实现的复杂度，同时保持大型阵列较高的分辨率特点；其中CS-recovery在单快拍接收数据条件下也可以准确估计来波信号的入射角度。M. M. Hyder和K. Mahata[40]提出了一种基于混合L0/2范数的信号重构方法，并将此方法应用于信号的DOA估计，兼顾了精度和速度的要求。Hao Zhu[41]等针对数据采集和观测矩阵中存在的误差，提出一种基于总体最小二乘法的压缩采样方法，该方法在存在误差情况下，具有很高的角度估计精度。国内学者X. Xu[42]等提出的加权L1范数函数法可以在信噪比较低的情况下获得较高的估计精度。国内学者S. Lei[43]提出修正的贝叶斯压缩传感进行角度估计方法可以在未知信号源个数，且信号之间相关的情况下准确估计出信号角度。Bo Li[44]等对近两年来基于压缩传感框架的DOA估计方法进行了综述和总结，并通过实验对几种典型的方法进行了对比分析。针对传统基于CS理论的DOA估计精度依赖于角度网格划分疏密的问题，已有学者提出了基于稀疏表示的可变网格技术，可以较粗的网格密度实现高精度的DOA估计[45]。此外，压缩感知理论在宽带阵列信号的参数估计的应用也有不少研究[46-47]。

对于CS理论在波束形成领域也有不少新的研究。传统的波束形成算法需要在一定的采样率下，有足够的快拍数来估计无误差的信号协方差矩阵才能保证算法的性能。然而在实际系统中如果阵列接收的快拍值不够，波形可能就发生畸变，这一问题需要低快拍数下的稳健波束形成算法来解决。近年来诞生的CS理论，对于稀疏可压缩信号，能用维数远少于信号快拍值估计出近似无误差的协方差矩阵，然后运用加权矢量实现波束形成[48]。南京理工大学的王建[49]等人提出了基于CS理论的阵元稀布方法，在不减小天线口径和同时保持满阵波束形成性能的前提下，很大程度上减少了射频前端的通道数；它利用空间谱的稀疏性，在阵列孔径上从满阵中随机抽取部分阵元的接收信号数据，采用压缩感知方法恢复出满阵时候的接收数据，然后进行自适应数字波束形成；同传统的子阵划分技术和基于遗传算法的稀疏阵技术相比，不仅更加减少了阵元数，而且在波束扫描或进行自适应干扰抑制的时候仍然能够保证波束的性能。最近，针对低快拍数以及信号导向矢量存在误差情况下DBF性能下降的问题，国内的李洪涛等提出了基于压缩感知的单快拍波束形成方法[50]和单通道鲁棒自适应波束形成算法[51]，算法都是在少快拍条件下恢复出不含期望信号的干扰矩阵，然后结合正交变换的加权方法实现自适应波束形成，显示出了良好的性能。

压缩感知以其严格的数学理论为基础，为阵列信号处理的应用提供了充足的理论依据；算法只需较少的采样数就可以对原始信号进行重建，因此可以大大减少阵列接收信号的空/时快拍数，降低系统复杂度；该法具有普适性，不受阵列拓扑结构的限制，因此非常适合处理共形阵问题。然而目前对于压缩感知理论在共形阵列信号处理上的研究较少，在宽带共形阵信号处理的研究更为罕见。因此研究基于共形阵和压缩感知理论的阵列信号处理算法具有较强的研究意义和工程应用价值。

宽带自适应波束形成方法与宽带DOA估计实现的基本原理和步骤总体上都是一样的，都需要从频域出发，对阵列的接收数据进行进行聚焦操作；区别在于聚焦后得到的单一频点协方差矩阵处理方式不同，DOA估计需要的是对协方差矩阵进行特征分解以构造信号子空间和噪声子空间，而DBF则是利用波束形成的算法对信号进行加权操作。这里将宽带信号自适应波束形成算法作一简单总结如下：

l 通过FFT将宽带阵列接收的数据分解为若干个窄带数据；

l 选定某一参考频点，采用不同的聚焦方法构造合适的聚焦变换矩阵，从而将不同频率上的接收数据聚焦到同一参考频点上；

l 利用聚焦之后单一频点的数据协方差矩阵进行窄带的数字波束形成。

算例： 仍然采用下图所示的宽带共形微带阵列。三个宽带信号，期望信号入射角度为，信噪比SNR=0dB；干扰信号入射角度分别为和，且干扰噪声比INR=40dB。信号带宽为 2.2GHz-2.8GHz，中心频率为2.5GHz，信号的带宽和中心频率与天线阵列保持一致。将阵列接收的数据分成60段，每段FFT的点数40，选取频点数。宽带自适应波束形成采用SMI算法求解加权矢量。

(a)和(b)分别代表预估计角度为时不同频点的数字波束形成图，可以明显看到主波束指向以及零陷的位置，并且不同频点的零陷几乎重合，表现出较好的波束形成性能。代表的是预估计角度为的不同频点波束形成图，此时虽然主波束指向正确，但是已经看不到明显的零陷了，即算法无法正确估计干扰的来波方向。可以看出算法需要对来波信号进行预估计处理，并且预估计角度的好坏直接影响DOA估计的精度和DBF的性能。

word资料附上，可下载：

https://admin.designchn.com/case/共形宽带阵列自适应信号.docx