一种基于方向图和输入阻抗测试数据的天线建模方法

摘要

本发明公开了一种基于方向图和输入阻抗测试数据的天线建模方法，属于电磁兼容领域。本发明利用天线的类型和测试数据，根据天线辐射特性的经验公式计算出天线模型的初始参数，采用电磁场数值计算方法和多目标非线性优化算法进行迭代计算，从而计算出与实际天线辐射特性相符的天线电磁兼容模型。本发明由测试数据反设计出的天线模型，可以直接应用于设备、分系统或整机电磁兼容性预测中，天线模型更具有针对性，并提高了系统电磁兼容性预测的精度，提高了天线电磁兼容模型的准确性和可信性。本发明基于试验数据进行天线建模设计，在保证天线模型精度的情况下，简化了天线复杂度。

主权项

一种基于方向图和输入阻抗测试数据的天线建模方法，其特征在于：第一步：根据电子工业部部标准中的天线测试方法完成天线的测试，得到测试数据包括天线方向图和阻抗数据；第二步：利用第一步中得到测试数据，并结合天线性能指标与天线模型参数之间的关系，计算出天线模型参数的初始值；第三步：根据第二步计算出的天线模型参数初始值建立天线的电磁兼容模型，并计算天线电磁兼容模型的辐射特性；第四步：将第三步的辐射特性数据和第一步中的测试数据进行对比，得出误差值，如果误差值在误差限的范围内则停止计算，否则采用非线性优化算法完成对天线模型参数的修正；第五步：根据修正的天线模型参数建立天线电磁兼容模型，返回第三步；完成天线模型参数的修正通过迭代优化算法来实现，具体为：在实际的天线中，天线性能与模型参数之间的关系如以下方程组所示：$\begin{array}{c}{g}_1(x_1,x_2,...,x_m)=G_1\\ g_2(x_1,x_2,...,x_m)=G_2\\ .\\ .\\ .\\ g_n(x_1,x_2,...,x_m)=G_n\end{array}---\left(2\right)$其中x₁,x₂,…,x_m表示天线的模型参数，G₁,G₂,…,G_n表示天线的目标性能指标，g_i(x₁,x₂,…,x_m)表示第i个天线性能指标与天线模型参数之间的函数关系式；令f_i(x₁,x₂,…,x_m)＝g_i(x₁,x₂,…,x_m)‑G_i，则方程组表示为以下的齐次非线性方程组：$\begin{array}{c}{f}_1(x_1,x_2,...,x_m)=0\\ f_2(x_1,x_2,...,x_m)=0\\ .\\ .\\ .\\ f_m(x_1,x_2,...,x_m)=0\end{array}---\left(3\right)$令x＝(x₁,x₂,…,x_m)^T，F(x)＝(f₁(x),f₂(x),…,f_m(x))^T，方程组(3)表示为F(x)＝0，则构造和一维条件下的等价公式x＝G(x)，相应的迭代公式为x^(k+1)＝G(x^(k))，k表示迭代次数，k＝0,1,…，其中x^(k)表示第k次迭代时的模型参数，同样使用割线法构造Φ(x)＝x^(k)‑F'(x^(k))^‑1F(x^(k))得到迭代公式x^(k+1)＝x^(k)‑F'(x^(k))^‑1F(x^(k))，k＝0,1,…；其中$F^{\prime }\left(x^{\left(k\right)}\right)={\left[\frac{\partial f_i\left(x^{\left(k\right)}\right)}{\partial x_j}\right]}_{n\times m}=\left(\begin{array}{cccc}\frac{\partial f_1\left(x^{\left(k\right)}\right)}{\partial x_1}& \frac{\partial f_1\left(x^{\left(k\right)}\right)}{\partial x_2}& ...& \frac{\partial f_1\left(x^{\left(k\right)}\right)}{\partial x_m}\\ .& .& & .\\ .& .& & .\\ .& .& & .\\ \frac{\partial f_n\left(x^{\left(k\right)}\right)}{\partial x_1}& \frac{\partial f_n\left(x^{\left(k\right)}\right)}{\partial x_2}& ...& \frac{\partial f_n\left(x^{\left(k\right)}\right)}{\partial x_m}\end{array}\right)---\left(4\right)$同样使用割线法代替Newton法，即将Newton法中F'(x^(k))的元素用差商代替，i＝1,2,…,n；j＝1,2,…,m；令h^(k)＝(h₁^(k),h₂^(k),…,h_n^(k))^T,h_j≠0，其中表示第k次迭代时第j个模型参数的修正量，即第k次修正时第j个模型参数修正的增量，则h^(k)表示第k次模型的修正量，e_j表示是第j个m维基本单位向量，有$F^{\prime }\left(x^{\left(k\right)}\right)\approx J(x^{\left(k\right)},h^{\left(k\right)})=\left(\begin{array}{ccc}\frac{f_1(x^{\left(k\right)}+h_1^{\left(k\right)}{e}_1)-f_1\left(x^{\left(k\right)}\right)}{h_1^{\left(k\right)}}& ...& \frac{f_1(x^{\left(k\right)}+h_m^{\left(k\right)}{e}_m)-f_1\left(x^{\left(k\right)}\right)}{h_m^{\left(k\right)}}\\ .& & .\\ .& & .\\ .& & .\\ \frac{f_n(x^{\left(k\right)}+h_1^{\left(k\right)}{e}_1)-f_n\left(x^{\left(k\right)}\right)}{h_1^{\left(k\right)}}& ...& \frac{f_n(x^{\left(k\right)}+h_m^{\left(k\right)}{e}_m)-f_n\left(x^{\left(k\right)}\right)}{h_m^{\left(k\right)}}\end{array}\right)---\left(5\right)$则迭代公式为：x^(k+1)＝x^(k)‑J(x^(k),h^(k))^‑1F(x^(k))。