相控阵高效多波束测试的自适应分组方法

《Sensors》：An Adaptive Grouping Method for Efficient Multi-Beam Testing of Phased Arrays

　　

相控阵是下一代移动通信、卫星通信和雷达系统的关键。辐射方向图是评估天线的重要性能指标，但传统的机械扫描测量在相控阵的每个波束重复时效率低下。现有的基于有源单元方向图（Active Element Pattern, AEP）的方法通过分组具有相似耦合环境的单元来减轻这一负担，但其分组和代表性单元选择主要基于物理直觉，且开关模式下的测量可能与实际全开工作状态不同。本文提出一种基于K-means无监督学习的数据驱动自适应分组方法。单元位置和宽边相位信息构建特征矩阵，考虑组大小和电场变化的复合评估函数细分高动态区域。代表性单元方向图在全开模式下获取，并通过稀疏角度采样进一步减少测量时间。8×8偶极子阵列的仿真结果表明，所提方法使用16个代表性单元重建多波束阵列方向图，少于分组策略所需的25个代表性单元，主瓣精度相同，旁瓣零点精度提高。所提分组方法的有效性也在实测毫米波相控阵上得到验证。

**论文解读：相控阵高效多波束测试的自适应分组方法**

**研究背景与问题**
相控阵天线在现代无线系统中占据核心地位，涵盖第五代（5G）和未来第六代（6G）地面网络、卫星传感与通信平台。在毫米波（mmWave）频段，相控阵通过波束赋形将辐射能量集中至目标用户，以补偿严重自由空间路径损耗；在卫星通信中，多波束扫描相控阵支持高通量卫星和低轨卫星系统。相控阵的广泛应用使得其辐射性能的精确表征愈发重要。传统固定波束辐射测量采用近场、直接远场、紧缩天线测试场（CATR）或平面波发生器（PWG）等技术，但相控阵可扫描多个波束方向，每个方向需独立测量辐射方向图。对于大规模相控阵，所需波束状态可达数百甚至数千，若逐一机械重复测量，过程极其耗时低效。因此，开发高效多波束测量方法，在保持高精度同时大幅减少测试时间，对相控阵多波束测试具有实际意义。

现有研究提出多种多波束测量方法，典型方法通过测量每个天线单元的辐射方向图，再重建任意波束方向的方向图。压缩感知方法可改善稀疏重建并提高旁瓣精度。为加速测试，根据耦合环境将阵列单元分组，假设相似耦合环境具有相似单元方向图，例如内部单元、边缘单元和角单元因物理环境不同而分类。然而，这些方法存在局限：分组和代表性单元选择多依赖物理直觉，而非数据驱动的电磁场分析；部分方法将平面阵列的角单元独立分组，未利用其对称性；且单元方向图在开关模式下获取，与全开工作状态存在差异。研究表明，全开模式测量误差更小，例如毫米波相控阵中振幅误差约0.1 dB、相位误差约1°，而开关模式误差为0.8 dB和5°。因此，全开单元方向图获取对于精确重建至关重要。

**研究内容与结论**
针对上述问题，研究人员提出一种基于K-means无监督学习的自适应分组方法。该方法利用阵列单元位置信息和宽边方向图相位信息构建特征矩阵，通过复合评估函数考虑组内单元数量和电场变化程度，自动细分高动态区域。代表性单元方向图在全开模式下获取，并结合稀疏角度采样减少测量时间。仿真结果表明，8×8偶极子阵列仅需16个代表性单元即可重建多波束方向图，少于对比方法所需的25个单元，主瓣精度一致，旁瓣零点精度提高。实测4×4毫米波阵列验证了方法的有效性。该方法实现了测量效率与精度的平衡，适用于不同阵列规模和类型，具有工程实用价值。论文发表在《Sensors》期刊。

**主要技术方法**
研究人员采用以下关键技术：（1）特征矩阵构建：从宽边远场方向图提取单元位置坐标和相位信息，去除公共相位因子，构建四维特征向量，包括归一化径向距离、x/y轴边界距离和校正相位，用于K-means聚类。（2）自适应分组细分：通过复合评估函数结合组大小参数和归一化梯度参数，自动识别高动态区域并细分，直至满足阈值条件。（3）全开模式测量：所有单元同时激励，通过两次测量（全激励和单单元相位反转）提取有源单元方向图（AEP），更接近实际工作状态。（4）稀疏采样：在方向图测量中采用稀疏角度网格，通过插值重建，减少测量时间。样本来源包括仿真8×8偶极子阵列（2.4 GHz）和实测4×4毫米波阵列（28 GHz），后者尺寸细节参见文献[25]。

**研究结果**
**仿真验证**
研究人员首先对8×8偶极子阵列进行仿真，去除公共相位因子后，残余相位分布如图1所示，作为聚类输入。特征矩阵进行自适应K-means聚类，结果如图2所示，获得16个分组，代表性单元用星标标记。对比方法包括基于耦合环境的分组策略（Method 1和Method 2）。评估九种波束扫描方向（θ=0°, 10°, 20°, 30°, 40°, 50°, 60°, 70°, 80°），重建方向图与全波仿真参考方向图对比。图5-7显示，所提方法在三个示例波束下与参考方向图高度一致，主瓣位置准确，旁瓣和零点趋势再现。定量分析显示，所提方法仅需16个代表性单元，比Method 2的25个减少36%，同时提高旁瓣零点精度。附加测试包括Taylor幅度锥削（-30 dB峰值旁瓣目标）和单零陷形成（θ=30°, φ=45°），结果显示所提方法满足目标，而对比方法旁瓣略高。进一步验证了8×8贴片阵列和44单元不规则贴片阵列，分别选择11和20个代表性单元，重建精度优于对比方法。

**实验验证**
利用4×4毫米波阵列（28 GHz）实测数据验证方法，测量配置如图14所示。对比两种耦合环境分组方法（Method 3和Method 4），所提方法基于特征和坐标自动分组，代表性单元选择基于实测响应而非人工规则。评估五个波束方向，示例结果如图16-18所示，所提方法重建方向图与参考方向图更接近，特别是零点深度。表2显示，所提方法选择8个代表性单元，平均模式相似度高于对比方法，且全开模式测量误差更小。

**讨论与结论**
讨论部分强调提取公共相位因子是关键预处理步骤，否则相位快速变化导致聚类不稳定。代表性单元选择基于特征向量与簇中心距离，避免预设位置，利用角单元对称性减少测量数量。全开模式比开关模式更准确，稀疏采样进一步降低测量负担。对于8×8偶极子阵列，所提方法在三种波束方向下重建精度更高，尤其改善旁瓣和零点细节。8×8贴片阵列和44单元不规则阵列的测试表明，方法在精度和效率间取得平衡。实测数据验证了方法在实际耦合环境下的有效性，全开模式减少振幅和相位误差。结论指出，所提方法通过数据驱动自适应分组、全开单元方向图获取和稀疏采样，共同减少测量工作量并保持重建精度，实现效率与精度的实用权衡：在电场变化缓慢区域自动减少分组，在快速变化区域细化分组，从而减少代表性单元测量数量，同时保留主要波束特征。