基于矩阵铅笔算法自适应调整的非消声天线测量校正方法研究及其在自动参数优化中的应用

本研究针对非消声环境下天线测量精度不足的问题，创新性地提出了一种基于矩阵铅笔算法(MPA)的自适应参数优化方法。通过建立EM仿真代理模型和迭代非线性调谐机制，实现了对多径干扰信号的自动滤除，在400组实验中使校正后响应保真度提升超过14dB。该方法为低成本天线测试提供了可靠解决方案，显著降低了专业实验室依赖。

　　

在无线通信和雷达系统快速发展的今天，天线性能测试是确保设备质量的关键环节。传统测试需要在造价高昂的专业电波暗室(AC)中进行，这给科研机构和小型企业带来了沉重负担。虽然非消声环境下的测量可以大幅降低成本，但多径传播造成的信号干扰使得原始测量数据几乎无法直接使用。目前虽有多种后处理算法可以改善测量质量，但这些方法的性能高度依赖于人工经验设置的参数，且缺乏客观评价标准，导致校正效果参差不齐。

针对这一技术瓶颈，研究人员开展了一项突破性研究，提出了一种基于矩阵铅笔算法(MPA)的自适应参数优化框架。该成果发表在《Expert Systems with Applications》上，通过建立智能化的参数调整机制，实现了非消声环境下天线测量的高精度校正。研究团队设计了一套创新的代理辅助优化系统，将EM仿真结果与实测数据进行双向匹配，自动确定MPA算法的最佳参数组合。这种方法不仅解决了传统依赖经验法则导致的校正效果不稳定问题，还为天线测试提供了一种经济高效的替代方案。

研究采用了三项核心技术方法：首先建立矩阵铅笔算法数学模型，通过Hankel矩阵分解提取视距传输信号；其次开发了基于非线性角度缩放和均匀幅度调整的代理模型构建方法；最后采用模式搜索优化算法实现超参数自动调优。实验验证使用了两个平面天线（Vivaldi天线和单极子天线）在两种非消声测试场地进行，覆盖15个不同频率点。

在"校正方法学"部分，研究详细阐述了MPA算法原理。通过构建传输响应矩阵R_u，利用奇异值分解识别信号成分，公式(4)所示的时延提取方法能准确分离视距信号。相比传统方法，该算法无需人工判断干扰时延，实现了自动化处理。

"代理辅助调谐"章节展示了创新的优化框架。通过公式(7)建立的代理模型，结合角度非线性缩放ψ⁽ⁱ⁾和幅度缩放因子α，有效解决了EM仿真与实测数据的对齐问题。优化过程采用多起点模式搜索，确保全局最优解。

"结果"部分显示，该方法在Vivaldi天线的测试中平均将响应误差降低7.7-8.8dB，单极子天线更是达到12.4-14.4dB的改善。特别是在紧凑型低增益天线上的优异表现，证明了其在挑战性环境中的适用性。与现有算法相比，该方法在多数测试案例中保持1-5dB的性能优势。

研究讨论指出，该方法的主要创新在于实现了校正参数的自动确定，消除了人工干预带来的不确定性。虽然计算成本略高于常规方法（约15分钟/频率），但其稳定的性能表现和可重复性使其特别适合批量测试场景。值得注意的是，研究也发现测试夹具的差异会影响高频段的校正效果，这为后续改进指明了方向。

这项研究的重要意义在于：首次建立了非消声测量校正的自动化框架，通过400组实验验证了方法的可靠性；提出的代理模型有效解决了EM仿真与实测的匹配难题；为低成本天线测试提供了标准化解决方案。该技术特别适用于科研教学、原型快速验证等场景，将显著降低天线开发的测试门槛。未来工作将聚焦于降低计算成本、优化夹具设计等方面，进一步提升方法的实用价值。