一种基于双流DCNN的相控阵雷达阵元故障诊断方法技术

本发明专利技术的基于双流DCNN的相控阵雷达阵元故障诊断方法，构建了平面阵列数学模型，根据阵元不同的故障类型，从幅度、相位误差和位置偏差的角度分析了阵元激励的变化，使用阵列导向向量给出了这几类阵元故障时的阵列回波信号模型，提出了一种双流DCNN诊断模型，以阵列回波信号输入的训练样本，通过数据预处理从中计算误差矩阵，转换等尺寸的灰度图像；然后采用两个分支分别从图像中提取故障阵列的方向图特征，再把两个分支提取的特征组合，生成新的特征映射，再提取其中特征进行分类，经过多个迭代周期训练后，该模型能精确定位故障阵元位置。本发明专利技术比较了不同SNR下该诊断模型的性能，能快速定位平面阵元中的故障元件，保障雷达可靠性。达可靠性。达可靠性。

【技术实现步骤摘要】
一种基于双流DCNN的相控阵雷达阵元故障诊断方法


[0001]本专利技术属于雷达测试
，具体涉及一种用于相控阵雷达中定位故障阵元的方法。

技术介绍

[0002]相控阵雷达在军用和民用领域得到广泛应用，特别是军用相控阵雷达的规模越来越大，达到几千甚至上万个阵元。由于雷达的使用频率高，可能二十四小时全天候工作，有源相控阵每个通道具有单独的发射机和接收机，在长时间的使用后，容易出现收发通道的器件老化，导致相应阵元的故障或失效，雷达天线的方向图发生变化，探测性能受到影响。因此，对相控阵雷达进行健康管理，及时发现故障阵元并维修，可避免系统硬件在其使用寿命期间逐渐恶化带来的设备故障和性能下降。早期的故障诊断可有效防止雷达因性能衰退出现较多的虚警和漏检，提高系统的保障能力。
[0003]相控阵雷达的雷达辐射方向图是由多个阵元的激励合成，具有高增益和低旁瓣的特点，出现故障阵元会改变天线方向图的特性，特别是方向图的旁瓣增益变化。发射机和接收机通常由放大器、滤波器、混频器和开关等构成，器件老化后增益和延迟时间变化，表现为输出复信号的I/Q幅度误差、相位误差，此外，天线阵列表面偏转、安装问题和表面振动，都可能导致阵元位置变化。幅相误差和位置偏差使得阵列方向图发生变化，因此，从方向图上提取特征，能够发现故障并定位故障阵元。

技术实现思路

[0004]为了对相控阵雷达系统进行健康管理，本专利技术提出了一种通过识别阵列方向图，快速诊断和定位雷达故障阵元的方法。通过分析阵元故障的主要原因，得出阵元故障表现为通道的幅度误差、相位误差，以及阵元位置偏差的结论，建立了阵元在幅度、相位误差和位置偏差下的方向图数学模型，导出了阵元故障时回波信号模型，给出了从回波信号中提取特征的双流DCNN模型，针对回波信号不易处理和特征不明显的问题，给出了具有泛用性的预处理方法。
[0005]本专利技术采用的技术方案是：
[0006]建立故障阵列的方向图模型。阵列方向图由正常阵元和故障阵元的激励合成，采用均匀平面阵列简化计算推导。依据故障阵元的故障类型分析该阵元激励变化，从阵列导向向量推导方向图。
[0007]建立阵列回波模型，阵列方向图信息需要从回波信号中获得，在阵列远场多个方位测量目标回波，使用窄带冲击信号模拟信号采样，噪声信号为加性高斯白噪声。
[0008]提出一种双流DCNN模型诊断故障的方法。针对故障阵列方向图变化不明显的问题，采用卷积神经网络模型提取其中特征。使用阵列回波信号作为双流DCNN诊断模型的训练样本，对输入样本预处理减少运算量，通过两个分支结构提取方向图特征，使用K折交叉验证进行测试，减少数据随机分配下的偏差。经过多个迭代周期后，完成训练，评估该模型
定位故障阵元的性能。
[0009]具体步骤如下：
[0010]步骤1：构建平面阵列数学模型。采用均匀平面阵列，简化运算关系，计算阵元激励和阵列合成方向图。
[0011]步骤2：测量远场多个方位的目标回波，建立阵列回波数学模型。依据相控阵方向图合成原理，推导阵元激励与回波信号的关系，计算阵列导向向量。
[0012]步骤3：根据故障阵元的类型，建立幅度、相位误差和位置偏差下对应的阵元激励数学模型，计算阵元故障下的合成方向图，生成不同SNR下的回波信号。
[0013]步骤4：构建双流DCNN诊断模型，使用阵列回波信号作为模型输入的训练样本，经过多个迭代周期后，完成训练。
[0014]步骤5：评估该模型诊断性能，使用交叉验证技术评估不同SNR下该模型的诊断性能。
[0015]双流DCNN模型每次训练过程，分为输入和预处理阶段、特征提取阶段和分类阶段。特点在于数据预处理和两个分支提取特征，使用自适应梯度算法优化器和分类交叉熵作为损失函数。训练过程分以下步骤：
[0016]第一步，输入和预处理阶段，根据输入回波信号的幅度和相位信息，计算误差矩阵，再将其整理成大小固定的灰度图像，便于降低运算量和后续特征提取。
[0017]第二步，特征提取阶段，包括卷积层，批归一化层和池化层，采用了两个分支结构提取特征，再将两个分支提取结果组合，生成新的特征映射，再提取其中特征进行分类。
[0018]第三步，分类阶段，全连接层将所有特征扁平化处理，经过ReLU激活函数得到输出结果。每次迭代中，用准确度、精确度、召回率、f1值评估模型的性能，保存最优模型。经过多个迭代周期完成训练。
[0019]本专利技术的有益处效果是，建立了幅度、相位误差和位置偏差下阵元激励的数学模型，进一步导出了故障阵列的方向图数学模型和回波信号数学模型。提出双流DCNN模型诊断故障的方法，使用数据预处理将回波信号转换成灰度图像，降低了运算量，便于后续特征提取，对于未知数据也同样具有普遍适用性。特征提取采用了两个分支的结构，有利于保留数据特征，提高模型的准确度。
附图说明
[0020]图1为本专利技术的原理流程图。
[0021]图2为采用的平面相控阵模型示意图。
[0022]图3为10x10阵列不同故障情况下的辐射方向图，(a)(d)为无故障阵列；(b)为边缘阵元(1,10)故障的阵列；(e)为中心阵元(5,5)故障的阵列；(c)，(f)无故障和有故障模式之间的各自差异。
[0023]图4为提出的双流DCNN诊断模型。
[0024]图5为10x10阵列中有故障和无故障阵元之间的相似度比较。
[0025]图6为该诊断模型不同SNR下性能评估结果。
具体实施方式
[0026]本专利技术的原理流程图如图1所示，下面通过具体实施例，结合附图对本专利技术的故障诊断方法作进一步介绍。
[0027]进一步的，步骤1的详细过程为：
[0028]配置一个均匀平面阵列数学模型，假设平面阵列天线的阵元均匀排列在的矩形网格上，如图2(a)，描绘了M
x
行和M
y
列，行和列之间的阵元间距分别为d
x
和d
y
。阵列排列、每个阵元的物理结构和阵元激励决定了阵列合成波束的性能。本专利技术采用的相控阵其结构如图2(b)所示，每行和每列中相邻阵元之间的间距相等。
[0029]假设所有阵元都相同，且忽略互耦效应，平面阵列天线的方向图可以表示为一个单元因子和两个线性阵列因子的乘积：
[0030][0031]其中a
mn
是第mn个阵元的激励，λ是波长，d
x
，d
y
分别是沿x和y方向的阵元间距。
[0032]进一步的，步骤2的详细过程为：
[0033]步骤2.1带入步骤1中的平面阵列结构，如图2(b)所示，测量远场目标回波，同时产生K个窄带冲击信号其中t＝1,2,...,T为样本索引。对于一个理想的阵列，接收到的远场回波可以建模为：
[0034][0035]其中，z(t)代表回波向量，s(t)为窄带信号向量，n(t)为均值为零，方差为与信号不相关的加性高斯白噪声向量本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于双流DCNN的相控阵雷达阵元故障诊断方法，其特征在于，包括有以下步骤：步骤1、构建平面阵列数学模型，采用均匀平面阵列，简化运算关系，计算阵元激励和阵列合成方向图；步骤2、测量远场多个方位的目标回波，建立阵列回波数学模型，依据相控阵方向图合成原理，推导阵元激励与回波信号的关系，计算阵列导向向量；步骤3、根据故障阵元的类型，建立幅度、相位误差和位置偏差下对应的阵元激励数学模型，计算阵元故障下的合成方向图，生成不同SNR下的回波信号；步骤4、构建双流DCNN诊断模型，使用阵列回波信号作为模型输入的训练样本，经过多个迭代周期后，完成训练；步骤5、评估该模型诊断性能，使用交叉验证技术评估不同SNR下该模型的诊断性能。2.根据权利要求1所述的一种基于双流DCNN的相控阵雷达阵元故障诊断方法，其特征在于，所述步骤1配置一个均匀平面阵列数学模型，假设平面阵列天线的阵元均匀排列在矩形网格上，描绘M
x
行和M
y
列，行和列之间的阵元间距分别为d
x
和d
y
，采用相控阵，每行和每列中相邻阵元之间的间距相等，假设所有阵元都相同，且忽略互耦效应，平面阵列天线的方向图可以表示为一个单元因子和两个线性阵列因子的乘积：其中a
mn
是第mn个阵元的激励，λ是波长，d
x
，d
y
分别是沿x和y方向的阵元间距。3.根据权利要求1所述的一种基于双流DCNN的相控阵雷达阵元故障诊断方法，其特征在于，所述步骤2带入步骤1中的平面阵列结构，测量远场目标回波，同时产生K个窄带冲击信号其中t＝1,2,...,T为样本索引，对于一个理想的阵列，接收到的远场回波可以建模为：z(t)＝A(θ,φ)s(t)+n(t)z(t)＝A(θ,φ)s(t)+n(t)z(t)＝A(θ,φ)s(t)+n(t)z(t)＝A(θ,φ)s(t)+n(t)其中，z(t)代表回波向量，s(t)为窄带信号向量，n(t)为均值为零，方差为与信号不相关的加性高斯白噪声向量。4.根据权利要求1所述的一种基于双流DCNN的相控阵雷达阵元故障诊断方法，其特征在于，所述步骤2计算阵列导向向量，沿x和y方向的方向矩阵分别为：在于，所述步骤2计算阵列导向向量，沿x和y方向的方向矩阵分别为：相应的导向向量为：
其中Khatri
‑
Rao乘积和Kronecker乘积分别表示为
⊙
和5.根据权利要求1所述的一种基于双流DCNN的相控阵雷达阵元故障诊断方法，其特征在于，所述步骤3建立相控阵中的阵元故障模型，从幅度、相位和位置建模，说明故障阵元对合成方向图的影响，由阵列的合成方向图A
total
(θ,φ)，可以视为每个阵元...

【专利技术属性】
技术研发人员：王洪，德拉尼奥，李磊，吴龙泉，张昊坤，郭志成，
申请(专利权)人：电子科技大学长三角研究院湖州，
类型：发明
国别省市：