一种面向无人机近场天线测量的近远场转换方法与系统

本发明涉及天线测量、近场测试、近远场转换、无人机外场测量，尤其涉及一种面向无人机近场天线测量的近远场转换方法与系统。

背景技术：

1、天线辐射方向图测量中，远场测量虽然结果直观，但对场地距离、设备布设和测试条件要求较高，尤其是大口径天线、阵列天线和外场安装天线，实际实施往往不够方便。相比之下，近场测量可在较短距离内获取场分布，再通过近远场转换得到远场方向图，因此一直是工程上常用的技术路线。近年来，无人机因机动性强、部署快，也开始用于天线近场测量，适合复杂地形、受限场地和临时外场任务。

2、现有近远场转换方法大多建立在近场复场基础上，即除近场幅值外，还需要获得相位信息。在实验室规则扫描条件下，该类方法较易实现；但在无人机外场测量场景下，稳定获取相位通常需要相干测量链路。现有部分方案如论文“a cost-effective tethered-uav-based coherent near-field antenna measurement system”采用系留式无人机或附加参考链路，以维持测量过程中的相干性和相位可用性。该类方案虽然能够在一定程度上改善相位获取条件，但系统构成较为复杂且设备成本较高，对现场部署条件要求较高，同时也会限制无人机平台的机动性和使用灵活性。

3、基于上述情况，针对不直接测量相位、仅采集近场幅值的处理方案逐渐受到关注。已有技术如cn107490729a等提出利用双平面或多平面幅值数据进行相位恢复，并在此基础上完成近远场转换。这表明不同测量高度下的近场数据之间存在可供利用的传播关系。若能够对双极化、双高度信息进行充分利用，则有利于使恢复结果不脱离实际传播规律。

4、此外，随着深度学习技术的发展，已有研究开始将神经网络应用于近场恢复、相位恢复和无相位近远场转换。例如论文“machine learning based fourier phaseretrieval for planar near-field antenna measurements”等研究，公开了学习式相位恢复、近场超分辨、数据同化及角谱传播辅助相位恢复等方向。上述方法为近场数据驱动处理提供了新的技术路径，但多数并非面向无人机外场幅值失真场景设计，对双平面双极化传播关系的联合利用和现场边缘实时输出考虑仍然不足。

5、在无人机实际飞行测量过程中，受位置抖动、姿态变化、气流扰动以及采样不均匀等因素影响，采集到的近场幅值容易发生失真。对于仅幅值测量方案而言，上述问题会直接增加相位恢复和近远场转换的难度；如果对双平面信息仅进行简单拼接或者分别处理，也难以充分体现两测量面之间应有的传播约束关系。与此同时，现有方案大多侧重离线计算，在现场部署、边缘端运行以及在线更新方面考虑不足，难以满足外场测量对实时性和可维护性的要求。基于此，仍有必要提出一种面向无人机近场天线测量的近远场转换方法与系统，以提高无人机场景下近场数据处理的鲁棒性、近远场转换的稳定性以及现场输出效率。

技术实现思路

1、本发明的目的在于针对现有技术中存在的上述不足，提供一种面向无人机近场天线测量的近远场转换方法与系统，以解决无人机飞行测量过程中近场幅值易受平台扰动影响而失真、在缺少直接相位信息条件下近远场转换稳定性不足、双平面信息利用不充分以及现场部署能力较弱等问题。

2、本发明解决所述技术问题的技术方案是：设计一种面向无人机近场天线测量的近远场转换方法，其特征在于，该方法包括下述步骤：

3、s1：通过无人机获取与待测天线的口径面平行的第一测量平面和第二测量平面上的近场幅值数据，所述近场幅值数据至少包括x方向极化分量幅值ex和y方向极化分量幅值ey；其中第一测量平面和第二测量平面与取待测天线的口径面之间的距离均位于3~10倍的待测天线工作波长之间；

4、s2：对s1中的两个测量平面的近场幅值数据进行预处理，然后利用预训练的幅值修复网络，得到两个测量平面的校正近场幅值数据；

5、s3：将s2中的预训练的幅值修复网络输出的两个测量平面的校正近场幅值数据输入到预训练的相位恢复网络中，得到第一测量平面和第二测量平面在对应极化分量下的恢复相位数据；

6、s4：根据s2中的预训练的幅值修复网络输出的校正近场幅值数据以及s3中的预训练的相位恢复网络输出的恢复相位数据，构建第一测量平面和第二测量平面上的复近场数据，并根据第二测量平面的传播一致性误差，判定第一测量平面的复近场数据是否可靠，若可靠，则执行s5，否则调整预训练的幅值修复网络的网络参数或/和调整预训练的相位恢复网络的网络参数，重复步骤2-4的过程，直至获得可靠的第一测量平面复近场数据；

7、s5：基于s4中得到的可靠的第一测量平面复近场数据执行近远场转换，得到待测天线的远场方向图；

8、进一步的，本发明设计一种面向无人机近场天线测量的近远场转换系统，其特征在于，该系统用于实现如上所述的面向无人机近场天线测量的近远场转换方法，具体包括无人机、信号源、探头天线、待测天线、频谱仪、边缘计算单元，其具体工作方式为无人机携带信号源和探头天线按预设路径飞行，探头天线发射信号，待测天线接收信号，通过传输线传输到频谱仪，频谱仪将幅值数据传到边缘计算单元，边缘计算单元调用训练好的网络或直接调用算法，输出待测天线的远场方向图。

9、与现有技术相比，本发明至少具有以下有益效果：

10、其一，本发明针对无人机飞行测量条件下近场幅值易受扰动影响的问题，在相位恢复前增加近场幅值校正或修复处理，有利于减小前端测量失真对后续复场恢复和近远场转换的影响，提高结果稳定性。

11、其二，本发明利用双平面、双极化近场幅值数据进行联合相位恢复，并在网络中引入跨平面特征交换和共享融合处理，有利于更充分利用不同测量高度之间的传播关系，使恢复结果不易脱离实际物理规律。

12、其三，本发明通过由校正近场幅值和恢复相位共同构建复近场，再执行近远场转换，能够在缺少直接相位测量链路的条件下获得远场方向图或远场辐射参数，从而降低对传统相干测量方式的依赖。

13、其四，本发明兼顾现场部署需求，可将相关网络模型部署于边缘处理设备，实现外场测量过程中的本地推理和结果输出，提升现场应用效率，并为后续在线更新和工程维护提供基础。

1.一种面向无人机近场天线测量的近远场转换方法，其特征在于，该方法包括下述步骤：

2.根据权利要求1所述的一种面向无人机近场天线测量的近远场转换方法，其特征在于，s1中，无人机获取第一测量平面和第二测量平面上的近场幅值数据时，沿x方向的采样间隔记为，沿y方向的采样间隔记为，二者需满足奈奎斯特采样定理：。

3.根据权利要求1所述的一种面向无人机近场天线测量的近远场转换方法，其特征在于，s1中，测量平面的测量区域的边缘裕量的至或者取待测天线对应方向等效口径尺寸的10%至30%。

4.根据权利要求1所述的一种面向无人机近场天线测量的近远场转换方法，其特征在于，s1中，测量平面的测量区域边界处的近场幅值相对于测量区域内最大幅值衰减至预设阈值以下。

5.根据权利要求1所述的一种面向无人机近场天线测量的近远场转换方法，其特征在于，s2中，所述未被采样点覆盖的网格的幅值可填充为对应通道的最小有效幅值或低于最小有效幅值的固定幅值；或者，根据邻近已采样网格的幅值对缺失网格位置进行扩散填充；具体地，以缺失网格为中心，在预设邻域范围内搜索已采样网格，并根据空间距离对邻近已采样网格的幅值进行加权平均，得到该缺失网格的初始填充值；当预设邻域内不存在已采样网格时，逐步扩大搜索邻域，直至获得至少一个已采样网格或达到最大搜索半径；对于连续缺失区域，可以按照由已采样区域向缺失区域逐层扩散的方式进行迭代填充，使缺失区域的幅值与周围已采样区域平滑衔接。

6.根据权利要求1所述的一种面向无人机近场天线测量的近远场转换方法，其特征在于，s2中，所述预训练的幅值修复网络为通过电磁仿真与飞行仿真数据样本训练而得，其中，将电磁仿真得到的理想近场幅作为训练标签，在飞行扰动影响下的飞行仿真得到的近场幅值数据作为训练样本，用于模拟现实场景中采集到的近场幅值数据；预训练的幅值修复网络的具体获得过程为：

7.根据权利要求1所述的一种面向无人机近场天线测量的近远场转换方法，其特征在于，s3中，所述预训练的相位恢复网络的训练过程采用的训练数据来源为预训练的幅值修复网络的训练数据；对于每一个训练样本，提取第一测量平面和第二测量平面在ex、ey极化分量下的近场幅值数据，并按照前述幅值扰动构造方式生成受飞行扰动影响的待修复幅值数据；经幅值修复模块处理后，得到归一化校正幅值矩阵xcn(q)；同时，根据该样本的复近场数据计算对应的真实相位标签：

8.根据权利要求1所述的一种面向无人机近场天线测量的近远场转换方法，其特征在于，s5中，对第一测量平面的复近场数据进行零填充时，固定采用4倍零填充；设原始近场采样点数为h×w，零填充后的采样点数为：。

9.一种面向无人机近场天线测量的近远场转换系统，其特征在于，该系统用于实现如权利要求1-8任一项所述的面向无人机近场天线测量的近远场转换方法，具体包括无人机、信号源、探头天线、待测天线、频谱仪、边缘计算单元，其具体工作方式为无人机携带信号源和探头天线按预设路径飞行，探头天线发射信号，待测天线接收信号，通过传输线传输到频谱仪，频谱仪将幅值数据传到边缘计算单元，边缘计算单元调用训练好的网络或直接调用算法，输出待测天线的远场方向图。