抗干扰天线

抗干扰天线（共5篇）

抗干扰天线 篇1

随着我国经济和技术的发展, 原先的末级电子管功放中波发射机逐步更新换代为全固态发射机。全固态发射机具有发射效率高、音频质量好等很多的优点, 但发射机末级低压功率模块对天线驻波比、带宽以及反射功率非常敏感。同时, 随着城镇化规模越来越大, 许多原先位于郊区的中波发射台, 其位置变为了市区, 不得不面临被搬迁的境地, 而新迁建发射台又面临着地方狭小、发射频率多、且多个频率发射功率不等的现状。这样就使得不同天线间有着很大的感应功率, 这些功率最终流向了发射机, 导致发射机的反射功率变大, 进而导致发射机的自身保护, 使发射功率急剧下降甚至导致停播事故的发生, 给安全播出造成隐患。这促使我们对复杂电磁环境下中波发射台天馈线安全播出技术进行研究。怎样使得发射机正常发射频率不受干扰且能滤除干扰信号就是本文研究的重点。

现今, 微波系统的设计越来越复杂, 对电路的指标要求越来越高, 电路的功能越来越多, 而设计周期却越来越短。传统的设计方法已经不能满足微波电路设计的需要, 使用微波EDA软件工具进行微波元器件与微波系统的设计已经成为微波电路设计的必然趋势。目前, 国外各种商业化的微波EDA软件工具不断涌现, 微波射频领域主要的EDA工具有Agilent公司的ADS, Ansoft公司的HFSS、Designer, AWR公司的Microwave Office (MWO) 等电路设计软件。

1 串并联网络

根据电路知识我们知道, 并联谐振网络对其谐振频率呈现很大的阻抗, 阻止该频率通过;而串联谐振网络, 对其谐振频率呈现极小的阻抗, 起到通路的作用。利用这一原理, 我们设计了如图1所示的串联并联相结合的网络来实现滤除干扰信号。

如图1所示, 将此抗干扰网络放置在发射机主馈与调配网络之间, 我们将并联的LC部分调试在主路信号中心频率的谐振点上, 此时并联谐振对主路信号呈现高阻抗, 对干扰信号该网络呈现失谐状态而具有容抗或感抗, 此时只需调试与并联部分相串联的L2或C2, 使其串联谐振在干扰信号上。这时整个串并联网络对干扰信号呈现旁路接地而滤除, 而又使主路信号不受影响。有几个干扰信号就用几个这种串并联网络。在实际应用中, 在设计网络的时候, 要根据发射功率的大小计算各电感及电容元件的耐压及耐流。

以江苏某中波台为例, 某中波天线发射频率为1098kHz, 不远处有另外一副中波天线发射1341kHz频率的信号, 为了不使1098kHz受1341kHz的影响, 设计如图2的网络接入发射机主馈和调配网络之间:

对这部分网络电路进行仿真, 仿真电路见图2。为了说明问题, 设置1098 kHz±10kHz和1341 kHz±10 kHz两段频率。仿真结果如图3所示。

从上面的仿真结果我们可以看出, 1098kHz±10kHz频段内插入损耗几乎为零, 1341kHz±10kHz频段内载频 (中心频率) 信号隔离度可以达到60dB以上, 边频的隔离度可以达到10dB以上, 这种情况下, 干扰信号不会造成主路信号特性变化。因此, 此抗干扰网络对1098kHz的主路信号不受影响, 对1341kHz干扰信号呈现旁路接地而滤除。

根据图1的原理, 我们不难得出其另外一种变型, 如图4所示。此时, 将串联的L1和C1部分调试在主路信号中心频率的谐振点上, 此时串联谐振对主路信号呈现极低阻抗的通路状态, 对干扰信号该网络呈现失谐状态而具有容抗或感抗, 此时只需调试与串联部分相并联的L2或C2, 使其并联谐振在干扰信号上。这时整个串并联网络对干扰信号呈现高阻抗, 起到阻塞作用, 而又使主路信号不受影响。同样, 有几个干扰信号就可用几个这种串并联网络。

还是以1098kHz和1341kHz为例进行仿真, 仿真结果图5所示。

从上面的仿真结果我们可以看出, 1098 k Hz±10 k Hz频段内插入损耗几乎为零, 1341k Hz±10k Hz频段内载频 (中心频率) 信号隔离度可以达到46dB以上, 边频的隔离度可以达到14.9 dB以上, 这种情况下, 干扰信号不会造成主路信号特性变化。因此此电路对1098kHz的主路信号不受影响, 对1341kHz干扰信号呈现阻塞作用。

2 带通滤波器抗干扰网络

在发射机与馈线之间串入一组带通滤波器抗干扰网络, 这样可以使主路信号以外的干扰信号全部滤除而不会干扰发射机正常工作。一般采用如图6所示的三阶滤波器网络就可以达到目的。

北京某中波台有900kHz、747kHz和1098k Hz三个频率的发射信号。其中747 kHz和1098 kHz频率的信号对900kHz频率的信号影响较大。根据此情况设计如图7一个三阶滤波器网络串联到900kHz频率的发射机和主馈电缆之间。

对这部分网络电路进行仿真, 仿真结果如图8所示。

从仿真结果可以看出, 此滤波器网络对900k Hz主路信号的插入损耗几乎为零, 对747 kHz频率的信号可以达到大约-33dB的隔离度, 对1098 kHz频率的信号可以达到大约-40dB的隔离度。所以此滤波器网络对900kHz的主路信号起到的是通过的作用, 对747 kHz和1098kHz频率的信号起到的是滤除的作用。

3 结论

利用本文所述的串并联抗干扰网络或带通滤波器抗干扰网络, 可有效的滤除天线场区内其他中波天线同时工作时对发射机的干扰, 从而保证了发射机的安全播出。具体采用上述两种方法中的某一种, 可根据具体场区内干扰信号的数量与大小等情况来确定。

摘要：本文通过传统谐振网络及滤波器知识, 设计了两种中波天线的针对性抗干扰网络, 并通过微波电路仿真计算验证了其正确性, 为中波天线的安全播出技术提供了参考。

关键词：中波天线,抗干扰,网络

参考文献

[1]范世贵.电路基础.西北工业大学出版社, 2007.

[2]李孝勖.广播电视技术手册天线分册.国防工业出版社, 1995.

[3]陈锡斌.微波平面电路设计的强大工具——软件“Microwave Office”介绍[J].无线通信技术, 2000年01期.

抗干扰天线 篇2

常用的通信抗干扰技术分为两大类: 扩展频谱抗干扰技术和非扩频类的抗干扰技术。扩展频谱类抗干扰技术通常是通过调整发射信号从而实现通信信号抗干扰性能; 非扩频类抗干扰技术包括自适应天线[3]技术和猝发通信技术等多种技术。自适应天线是一种反馈控制系统,它依据一定的准则,采用数字信号处理技术形成天线阵列的加权向量,再对阵列接收信号进行加权合并,在期望信号方向上形成主波束,而在干扰方向上形成零陷,从而提高输出信号的信干噪比。目前,自适应波束形成[4]技术由于其良好的性能被广泛应用于通信系统中。例如, 文献[5]提出了两种可以用于CDMA系统具有较高算法效率的自适应波束形成算法,文献[6]主要研究了自适应波束形成技术在OFDM通信系统中的应用情况。

除了自适应波束形成,盲源分离[7]也是一类很有潜力的抗干扰技术。盲源分量属于盲信号处理[8]的范畴,是指在源信号、混合系统特性未知或仅有少量先验知识的情况下,仅从观测的混合信号中分离出源信号的各个分量的过程。目前,盲源分离用于通信抗干扰处于起步阶段,公开发表的论文并不多。文献[9]对基于盲源分离的数字通信抗干扰技术进行了研究,并结合基于信噪比最大化的盲源分离算法进行了建模和仿真。文献[10]在线性混合的情况下,将EASI盲源分离算法应用于受干扰的通信系统中,有效地将通信信号和干扰信号分离。

将自适应波束形成中的MVDR算法[4]应用于多天线通信系统,对干扰信号和期望信号进行了抗干扰处理。同时,用盲源分离中的Fast ICA算法[11]对干扰信号和期望信号进行分离,同样达到了抗干扰的效果。通过仿真比较了阵列误差和信噪比对这两种算法抗干扰性能的影响,分析了性能差异的产生原因,并在此基础上给出了两种算法的适用条件和应用建议。

1多天线接收信号模型

如图1所示,假设多天线通信系统采用M元阵列,期望信号和干扰信号均为远场窄带平面波信号, 期望信号方向角为 θ0,N个干扰信号的方向分别为 θi( i = 1,2,…,N ) ,则M元阵列接收信号( 观测信号) 矢量X( t) 则可表示为:

式( 1) 中 A( θ,ρ) = [a( θ0,ρ)a( θ1,ρ)…a( θN,ρ) ]是M × ( N + 1) 维阵列流形矩阵,a( θ,ρ) 表示 θ 方向的阵列导向矢量,而 ρ 是隐含在阵列流形中的阵列误差[12]参数( 如阵列通道幅相失配、阵元互耦、 阵元位置 误差等 ) 。 s ( t )= [s0( t) ,s1( t) ,…,sN( t) ]T为源信号矢量,其中s0( t) 表示期望的通信信号,si( t) ( i = 1,2,…,N ) 表示N个干扰信号,( ·)T表示矩阵转置。

如果只考虑阵列误差中的幅相误差,则 θ 方向阵列导向矢量可以表示为

式( 2) 中,为阵列幅相误差向量δk= gkejφk( k = 1,2,…,M) ,gk和 φk分别为阵元k对应的幅度误差和相位误差,diag( ·) 表示对角矩阵。a( θ) 为不存在误差的理想阵列导向矢量,可表示为:

式( 3) 中,λ 为阵列接收信号的波长,dk( θ) 是沿着 θ 方向从阵元1到阵元k的波程差。

2自适应波束形成

2.1工作原理

自适应波束形成[4]的基本原理是根据一定的准则和算法自适应地调整天线阵元的加权值,使得阵列接收信号加权合并后,输出信号的质量在所采取的准则下达到最优。如图2所示( 其中* 表示共轭) ,由天线阵列、模数( A/D) 转换、波束形成网络等部分组成。阵列接收信号经过模数转换后进入波束形成网络; 波束形成网络则根据一定的准则,由自适应信号处理器产生相应的最优权值; 根据最优权值对阵列接收信号进行加权合并,得到自适应波束形成的输出为

式( 4) 中,X = [x1,x2,…,xN]T为阵列接收信号矢量,V =[v1,v2,…,vN]T为最优权矢量,( ·)H表示矩阵共轭转。

2.2MVDR算法

最小方差无失真响应[4]( minimum variance distortionless response,MVDR) 波束形成器具有良好的弱信号检测和高分辨力性能,近年来在声纳、雷达和通讯等领域得到越来越广泛的应用。MVDR算法具有很强的抑制干扰、降低噪声同时进行信号保护的能力,且实现简单,稳定性强,适合作为通信信号的抗干扰算法。MVDR算法提供的信号/( 干扰 + 噪声) 增益比在所有算法中是最高的。

对于式( 1) 所示的信号模型,MVDR波束形成器的优化准则就是: 在保证期望信号 θ0方向增益恒为1的前提下,使形成波束的总输出功率达到最小, 即在条件︱VHa( θ0)︱2= 1下使P ( V) = VHRV达到最小。其中V为波束形成器的加权矢量,a( θ0) 为 θ0方向的阵列导向矢量,R = E[X( t) XH( t) ]为阵列接收信号协方差矩阵。根据该优化准则得到MVDR波束形成器加权矢量为:

3盲源分离

3.1盲源分离的工作原理

盲源分离的工作原理( 基本数学模型) 如图3所示。其中,s( t) =[s1( t) ,s2( t) ,…,sn( t) ]T是未知源信号矢量,X ( t) = [x1( t) ,x2( t) ,…,xm( t) ]T是混合信号 ( 观测信号 ) 矢量,n ( t ) = [n1( t) ,n2( t) ,…,nm( t) ]T是噪声矢量( 只考虑加性噪声) ,y( t) = [y1( t) ,y2( t) ,…,yn( t) ]T是待求的分离信号矢量( 源信号矢量的估计,H为未知的m × n维混合矩阵( 混合系统特性矩阵) ,W为待求的n × m维分离矩阵,即满足条件盲源分离的任务就是: 在s( t) 、n( t) 和H均未知的情况下,从观测信号X( t) 中分离( 估计) 出源信号s( t) 或辨识出混合系统特性( 即估计出混合矩阵H) 。

采用线性瞬时混合模型,观测信号矢量X( t) 可表示为

比较一下式( 1) 和式( 6) ,以及图1和图3,可以发现盲源分离的基本数学模型与多天线接收信号模型有明显的相似之处: 1都是多输入多输出系统模型; 2两者的观测信号表达式有着完全相同的形式; 3多天线接收信号的过程相当于盲源分离模型中的信号的混合过程,阵列流形矩阵A( θ,ρ) 正好对应混合矩阵H; 4对于多天线接收系统,源信号s( t) 、 噪声n( t) 和阵列流形矩阵( 混合矩阵) A( θ,ρ) 均未知,这与盲源分离模型的基本假设是一致的。这些相似之处表明: 从多天线接收的观测信号中分离出期望信号和干扰信号就是一个典型的盲源分离问题。

3.2FastICA算法

独立成分分析[13]( independent component analysis,ICA) 是一类有效的盲源分离方法,本文采用其中的定点快速ICA( Fast ICA) 算法进行盲源分离。 Fast ICA算法[11]由A. Hyvrinen等人提出,其主要思想是: 找到权矢量w使得分离出的估计信号^s= wHX具有最大非高斯性。

用来度量非高斯性的对照函数定义为:

式( 7) 中G(·) 是一个平滑连续函数,可以采用以下几种形式

式中a1、a2为可选的常数。由此,盲源分离转化为求分离矩阵W =[w1w2… wn]H,使之满足以下优化问题

式( 11) 中argmax表示后面表达式极大化时的参数取值,wi为待求的权矢量,满足约束条件

式( 12) 中* 表示共轭,i = k时 δik= 1 ,i ≠ k时 δik= 0 。

令g(·) 是G(·) 的导函数,g'(·) 是g(·) 的导函数,则复信号Fast ICA算法的流程为:

( 1) 对原有的观测信号( 混合信号) 矢量Xold进行去均值、归一化、白化等预处理,得到新的观测信号矢量X = Q Xold( Q为n × m维白化矩阵) ,满足条件E{ X XH} = I ( 单位矩阵) ;

( 2) 初始化权矢量w,并归一化;

( 3) 更新权矢量w,即

( 4) 归一化w+得到新权矢量

( 5) 如果算法没有收敛,返回( 3) ;

( 6) 算法迭代收敛,求出一个独立信号分量

Fast ICA算法是一种批处理算法,每次从观测信号( 混合信号) 中只提取出一个信号,然后通过一种 “紧缩”的正交化处理,使得被提取出的信号下次不会再次处理。经过这两个步骤的不断进行,就可以完成多个独立信号分量的盲分离任务。

4抗干扰性能的仿真

4.1仿真条件

针对多天线通信系统可能存在各种非受控干扰的现实情况,现将仿真条件设置如下:

( 1) 接收天线为4元均匀线阵,相邻天线间距为半波长;

( 2) 天线阵列接收的源信号为一路2psk编码[14]期望信号( 通信信号) 和两路相互独立的均匀分布随机调幅窄带干扰信号,方向角分别为10°、 - 30°和40°;

( 3) 信噪比25 d B,干噪比20 d B。

图4是仿真产生的源信号( 包括通信信号和干扰信号) 。采用抑制干扰后的输出信号与原始期望信号( 通信信号) 的相关系数[15]衡量抗干扰算法的性能。相关系数的绝对值越大,表明干扰抑制的效果越好。为了便于显示,仿真结果中所有信号只显示其包络,不包含载波。

4.2不存在阵列误差的仿真

图5是MVDR算法抑制干扰后的输出。图6是Fast ICA算法分离的输出结果。由于盲源分离的不确定性[8],分离出的信号与源信号可能存在幅度 ( 包括正负号) 的差异,但并不影响通信信 号的解码。

分别计算两种算法抑制干扰后的输出信号与原始通信信号( 期望信号) 的相关系数。MVDR算法对应的相关系数为0. 995,Fast ICA算法对应的相关系数为 - 0. 998。比较图5、图6以及相关系数,可知两种算法具有相近的干扰抑制效果。

4.3存在阵列误差时的仿真

假设天线阵列存在 - 5° ~ 5°之间均匀随机分布的相位扰动( 误差) 。图7是MVDR算法抑制干扰后的输出,图8则是Fast ICA算法分离的输出结果。

分别计算两种算法抑制干扰后的输出信号与原始通信信号( 期望信号) 的相关系数。MVDR算法对应的相关系数为0. 937,Fast ICA算法对应的相关系数为0. 993。比较图7、图8以及相关系数,可知Fast ICA算法比MVDR算法具有更好的干扰抑制效果。

4.4信噪比对仿真结果的影响

如前所述,本文采用抑制干扰的输出信号与原始期望信号的相关系数衡量抗干扰算法的性能。为了研究信噪比对抗干扰性能的影响,对该相关系数绝对值的平均值随信噪比变化进行了仿真( 在每个信噪比下独立实验次数为200) ,如图9所示。

从图9可以看出,Fast ICA算法的抗干扰效果随信噪比增大而逐渐改善,且基本不受阵列误差的影响。而MVDR算法的抗干扰效果受到阵列误差的严重影响: 不存在阵列误差时,抗干扰效果随着信噪增大逐渐改善; 存在阵列误差时,抗干扰效果随着信噪比增大反而迅速恶化。出现这种反常情况的原因在于: 存在阵列误差的情况下,MVDR算法形成的波束并不指向期望信号,算法将期望信号当成干扰进行了抑制,且抑制程度随信噪比增大而增大。

5结束语

从仿真结果及其分析可以得出结论: 阵列误差对MVDR算法的抗干扰性能有非常严重的影响,而对Fast ICA算法的抗干扰性能没有明显影响。作为自适应波束形成算法的一种,MVDR算法是一种空域处理方法,本身就对阵列误差十分敏感。另外,应用MVDR算法要事先估计期望信号方向,阵列误差造成的期望信号方向估计误差也会进一步恶化MVDR算法的抗干扰性能。

抗干扰天线 篇3

移动通信基站天线是手机用户用无线与基站设备连接的信息出入口,是载有各种信息的电磁波能量转换器。无源互调(Passive Inter Modulation,PIM)是移动基站天线的一个重要参数,无源互调干扰(PIMI)信号使得移动通信基站的覆盖范围减小、通信信号丢失、语音质量下降、系统容量受限等。因此我们有必要对无源互调干扰进行分析研究,做到提前预防和排除, 减少它对基站天线性能的影响。

本文主要从产品材料选择、结构设计、加工工艺方面进行分析和改善,减小无源互调的影响,以期获得低互调的天线产品。

1无源互调产生的原因

无源互调是指由无源部件的固有非线性特性引起的电磁干扰,基本的PIM现象是由电流流过非线性部件产生的,在通信系统中基本上有2种无源非线性:材料非线性和接触非线性。前者指具有非线性特性的材料,后者指具有非线性电流/ 电压行为的接触,如松动、氧化和腐蚀等金属连接,因此基站特性中无源互调的产生不仅与材料特性、涂覆材料特性、结构形式有关,还与成型工艺质量有关。

基站天线结构中有同轴电缆、射频连接器、滤波器、功分器、多种不同材质的金属零件,压铸、拉挤、机加等不同的成型工艺,天线装配过程存在的固定连接、焊接,操作环境中的灰尘、油污等,这些都有可能产生固有的非线性。

2基站天线无源互调分析及预防

在基站天线中,材料选择、结构设计的受力分布、连接紧密性、电镀工艺和零件成型工艺质量等方面对无源互调都有影响。

2.1材料对无源互调的影响及预防

材料对无源互调的影响主要有:(1)铁磁和碳纤维材料对无源互调的影响。铁磁材料(如钢铁、镍、钼等含磁性的材料)导磁率变化造成的非线性。碳纤维材料(如玻璃钢)存在非线性电阻系数。(2)两接触元件材料间的电位差过大对无源互调的影响。当两种不同金属互相接触后,逸出功较小的金属由于失去电子而增高电势,逸出功较大的金属由于增加电子而降低电势,两者之间就呈现出电位差。两种或两种以上不同电极电位的金属处于腐蚀介质内相互接触而引起的电化学腐蚀,又称接触腐蚀或双金属腐蚀。发生接触腐蚀时,电极电位较负的金属通常会加速腐蚀,而电极电位较正的金属的腐蚀则会减慢。

表1为常温下的金属标准电化学电位系列。

为防止接触腐蚀,应选择在工作环境下电极电位尽量接近的金属作为相接触的电偶对;减小较正电极电位金属的面积, 尽量使电极电位的金属表面积增大;尽量使相接触的金属电绝缘,并使介质电阻增大。

2.2结构设计对无源互调的影响及预防

2.2.1天线结构

图1为某基站天线结构示意图。天线总体安装方式为:底板与支承座、角板采用螺栓固定连接在一起,支承座又与天线罩、安装板采用螺栓固定连接在一起,形成整体结构。从电磁角度来说,支承座布置在底板背面,射频电流密度很小,对互调的影响不是主要因素,但产品互调检测时却在支承座的部位发现有较大的影响,这说明一些不规则的变形会造成电气元件的接触非线性,从而产生无源互调干扰。从图1可知,支承座是连接天线内外部结构的主要零件。下面以底板、天线罩及其组成的安装界面为对象,针对支承座的结构设计和受力分析其对无源互调的影响。

2.2.2支承座力学分析

一般支承座的结构形式如图2所示。从图2可知,支承座与天线罩侧和底板侧安装平面间的平行度取决于折弯角度的选择(折弯后回弹的补偿是否合适)和材料厚度的差异及材料的塑性。折弯机折弯一般采用单工序成型,折弯角度在±0.5° 范围内是正常的,天线罩侧安装面相对于底板侧安装面的折弯角度正常可以达到 ±1°,在天线罩侧平行度可以达到 ±0.4mm。按照此值,对支承座的天线罩一侧安装面预置相对于底板侧安装面的平行度为0.4 mm(仅考虑单方向的变化),安装界面力学分析的边界条件如图3所示,结果如图4(应力图)和图5(位移图)所示。

从图4可以看出,当对支承座天线罩侧施加一个0.4mm的预设变形量时(图3,这里仅对安装界面变形的其中一种情况进行仿真,实际情况要比这种假设复杂得多),底板上的应力将重新分布,由正常的0.077MPa变化到4.39MPa,变化程度达到2个数量级,虽然应力整体比较小,但从对应的位移图(图5) 可以看出,底板产生的变形最大有0.367mm,基本接近对支承座预设的变形量0.4mm。

2.2.3无源互调分析

一般电气类元件(振子、功分器、滤波器等)直接安装在底板上,只在底板局部造成塑性变形以满足电气连接的紧密接触的需要,除非各元件之间距离太近,一般来说,各处的塑性变形之间不会产生相互影响,但支承座处的连接紧固后,底板平台(含所有电气类元件与网络)与天线罩便形成一个系统,支承座安装不但会导致其对应安装部位的底板局部塑性变形,还有可能导致底板平台产生复杂的扭曲变形(图4、图5),这种变形会对其他处的接触质量产生影响(因为变形一定是需要释放的), 从而影响互调。以天线下端为例,因为支承座两安装平面所受作用力不共线,会形成转矩(图6),转矩的方向视作用力的特点不确定,也就是说,天线的几个支承座对底板平台产生的转矩大小、方向实际上是不一致的,底板平台将产生不规则的变形来释放这些转矩产生的影响,而这种不规则的变形造成电气元件的接触非线性,从而产生无源互调干扰。

2.2.4结构设计改善

如果仅从设计实现的角度看,支承座的结构形式具有多样性,但如果将底板平台作为一个系统进行考虑,每个元件处的接触质量就会受到系统的力学特性的作用而发生变化。互调测试时敲打天线可以发现互调有明显变化的实践是个佐证。 底板平台和天线罩之间的连接或与外部设备的连接将对底板平台进行作用,该种作用会导致底板变形,而这种变形将会使得其上各处的安装界面的接触质量重新分布。所以,我们在进行结构布局和零件设计时,应该进行系统考虑,努力从结构上消除或减弱导致底板变形的附加作用。可以采取以下改进方式:(1)尽可能消除通过支承座安装在天线宽度方向对底板产生的附加转矩作用,如果受设计空间所限,支承座处存在附加转矩时,也应尽可能将该转矩设置在天线长度方向,这样可以减弱转矩对其他安装截面接触质量的影响。(2)可以改善成型工艺。将普通折弯机折弯成型改为钣金冲压成型,安装平面之间的平行度通过折弯模保证;将折弯成型改为压铸成型;将折弯成型改为拉挤成型,安装平面间的平行度通过铝合金拉挤模具保证,必要时可以通过机加来保证,但会增加成本。

2.3螺钉紧固对无源互调的影响及预防

金属连接固定紧密性在以下方面会对无源互调稳定性产生影响:(1)金属连接不紧密,造成金属表面接触不良。(2)金属连接处有污物、因涂覆形成的“电容现象”→金属→绝缘物→ 金属连接物的存在。(3)射频连接器连接的紧固状态,连接器件之间连接不够紧密,导致信号电流不连续。

基站天线内的无源器件如移相器、滤波器、功分器等部件的腔体材料大多为锌合金或铝合金压铸件,与其配合使用的大多为M3、M4螺钉。下面从不同材料腔体滤波器采用不同大小的螺钉紧固性对无源互调稳定性的影响进行分析。

螺钉质量保证:(1)螺钉与螺纹孔的配合要求。需按GB/ T197—2003《普通螺纹公差》进行选择,如表2所示。(2)螺钉螺纹尺寸要求。用千分尺测量螺纹大径,螺纹尺寸均需满足表2的公差范围,用螺纹塞规和螺纹环规进行检测,螺钉均满足M4.0×0.70-6g要求,全部保证螺纹环规通规通、止规止。 (3)螺纹底孔要求。要严格控制螺纹底孔的大小,可以适当修改螺纹孔的选用等级;在不同材料的压铸锌合金和压铸锌合金的零件上加工螺纹,采用的加工底孔不同。M4螺纹采用3.4底孔,M3螺纹采用2.5的底孔。(4)螺钉拧入力矩控制。在不同材料上的力矩要求如表3所示。

单位:N·m

不同大小的螺钉紧固性交调数据对比:采用3种结构及2种材料的滤波器,B频单层(材料为锌合金)、K频单层(材料为锌合金)、BK双层(材料为铝合金)进行试验。数据如图7和图8所示。

从图7和图8的对比结果可知,不同结构、不同材质、不同频段的滤波器采用M4螺钉的交调稳定性优于采用M3螺钉。 因此在选用紧固件时,在保证螺钉尺寸公差、螺纹底孔尺寸、扭矩大小的同时,应选用直径大的螺钉来提高交调的稳定性。

2.4电镀对无源互调的影响及预防

(1)金属零件电镀的镀涂材料选择不合适,如镀镍、含磁性材料。(2)镀层厚度不均匀,存在未清洗干净的电镀溶液,有镀层起泡、脱落等不良现象。(3)由于肌肤效应,零件在镀银、镀铜、镀锡时最好选择镀层厚度6μm以上。(4)铜基材电镀纯锡会生长“锡须”引起微放电而产生无源互调。“锡须”的产生是由于锡与铜之间相互扩散,形成金属互化物,致使锡层内应力的速度增长,导致锡原子沿着晶体边行扩散,形成“锡须”,同时电镀后电镀层的残余应力和在高温、潮湿的环境下,都易导致 “锡须”的生长。防止“锡须”的产生有以下措施:1)采用在镀液中增加铅,如镀铅锡(液中加入3%~5%的铅)合金与有铅焊接;镀锡(铋)铈合金与有铅焊接,可延缓“锡须”的产生,但不环保。2)镀锡后再次通过表面防护,如喷、刷“三防”涂料、专用防护液(DJB-823)等,可延缓(2~3年)“锡须”的产生,但镀层厚度不均匀。3)通过消除应力,如将产品在150℃下烘烤2h退火处理;零件电镀、焊接后去应力处理后,存放在干燥、通风环境中等,可延缓“锡须”的产生。

2.5零件成型工艺质量对无源互调的影响及预防

基站天线多数的辐射单元、功分器采用压铸工艺成型,因压铸工艺本身导致零件带有如微小裂缝、缩孔、砂眼、气泡、毛刺等缺陷,引起微放电而产生无源互调,因此需提高压铸工艺的质量,减少零件中的砂眼,增加致密性。此类零件通常需要焊接,而光滑表面产生的互调产物电平低于粗糙的焊接表面, 因此需要提高压铸件表面的质量,保证表面粗糙度小于0.4μm,且表面不得有斑点、凹坑、锈蚀、碎屑等杂物,以减少成型工艺对无源互调的影响。

3结语

抗干扰天线 篇4

对主动式雷达导引系统而言,导弹脱离载机系统进入自主寻的末制导状态时,截获并跟踪载机系统选定的目标,容易受到空间电磁环境的干扰,尤其当空间中投入大功率、高机动的多个干扰信号时,会导致雷达导引系统错误地跟踪目标,错误地打击目标。

智能天线是能够根据信号环境情况自动形成“最佳”阵列波束的天线。实现的基本方法是在常规天线阵的各个阵元上加上控制权重,并通过调整权重实现噪声抵消、在干扰入射方向上产生零陷以及对有用信号的定位、分离接收和主波束跟踪有用信号等功能。从而使天线阵具有智能接收的能力,有效地解决了传统天线的方向图难以进行变化控制的难题[1]。

1信号源识别

在实际应用场合,载机系统给导弹装载的目标信号源信息是瞬态已知的,而干扰信号源信息往往是未知可变的[2]。因此智能天线系统需要先估计信号源的数目,然后再估计各信号源来波方向,通过与载机加载的目标信号源信息进行对比才能够区分出目标信号源与干扰信号源。

1.1 信号源数估计方法与仿真

本文通过对天线阵列接收的阵列信号进行处理来估计信号源个数,即通过天线阵列接收数据的相位差来确定一个或几个待估计的参数[3]。以下简述各种信号源数的估计方法。

1.1.1 信息论方法

信息论方法有统一的表达形式:

$J(k)=L(k)+p(k)(1)$

式中:L(k)是对数似然函数;p(k)是罚函数,通过对L(k)和p(k)的不同选择就可以得到不同的准则。例如有效检测EDC信息论准则:

EDC(n)=L(M-n)ln Λ(n)+n(2M-n)C(L) (2)

式中:n为待估计的信号源数(自由度);L为采样数;Λ(n)为似然函数,且:

$\Lambda (n)=\frac{1}{{\rm M}-n}{\displaystyle \sum _{i=n+1}^{{\rm M}}\lambda }{}_i/({\displaystyle \prod _{i=n+1}^{{\rm M}}}\lambda {}_i){}^{\frac{1}{{\rm M}-n}}(3)$

式中C(L)需满足如下条件:

$\begin{array}{l}\underset{L\to \infty }{{\displaystyle \lim }}(C(L)/L)=0\\ \underset{L\to \infty }{{\displaystyle \lim }}(C(L)/\ln \ln L)=\infty \end{array}(4)$

准则EDC具有估计一致性。选择C(L)分别为1,ln(L)/2,ln ln L/2时,就可以得到AIC,MDL,HQ准则。

1.1.2 平滑秩序列法

用信息论准则估计信号源数时,只能对独立信号源的总数作出估计,当信号源相干时,则无法正确估计信号源数,而且对信号源的类别和结构不能做出判断,此时需用源相关结构检测的方法,即平滑秩序列法。平滑秩算法是基于解相干基础的信号源数估计问题,与信息论方法相比有如下优点:当信噪比较大,快拍数较大时,性能较信息论法好;当入射信号包括几个相干源群时,该算法不但可以估计出信号源数,而且还可以估计出信号源结构。

1.1.3 盖氏圆方法

上述两种方法都需要得到矩阵或修正后矩阵的特征值,然后再利用特征值来估计信号源数。而盖氏圆方法则不需要具体知道特征值数值,仅利用Gerschgorin圆盘定理,即可估计出各特征值的位置,进而估计出信号源数。在利用盖氏圆盘估计信号源时,通常需要对数据协方差矩阵进行酉变换,目的是使信号和噪声的圆盘分开,从而分辨出信号源的个数。

1.1.4 正则相关技术

当噪声中有色成分加大时,上述三种算法对入射信号源数进行估计的性能都会下降很快。此时需要采用针对色噪声情况下的信号源数估计方法,即正则相关技术(CCT)。

实验一:接收天线为8元均匀线阵,阵元间距为半波长(Ka波段),接收数据快拍数为500,设目标信号源的入射方向为10°(天线阵中心点的法线方向为0°),干扰信号源的入射方向分别为-30°和30°,独立试验20次,设定虚警概率为0.005。仅针对白噪声,仿真结果如图1所示。

由图可见,信息论方法(图1(a)～图1(c))和平滑秩序列法(图1(d))估计信号源数时,取最小值对应的横坐标为估计信号源的个数,其中信息论方法仅对独立信号源判断性能较好,而平滑秩序列法不但可以判断信号源个数,还能确定信号源性质;盖氏圆方法(图1(e))和正则相关算法(图1(f))是取第一个负数对应的横坐标减1为估计信号源数,其中盖氏圆方法稳定性欠佳,而以上仿真是针对白噪声进行的,并没有显示出正则相关技术算法对色噪声的优势。因此,信号源数估计方法要根据实际情况而选取。

1.2 信号源来波方向(DOA)估计与仿真

本文采用经典的MUSIC谱估计算法对各信号源来波方向进行估计。MUSIC谱估计算法的基本思想是将阵列输出数据的协方差矩阵进行特征分解,从而得到与信号分量相对应的信号子空间和与信号分量相正交的噪声子空间,然后利用这两个子空间的正交性来估计信号的参数,找出信号入射方向的角度[4]。

实验二:实验条件同实验一。根据信号参数范围,由谱估计理论找出极大值点对应的角度就是信号入射方向,仿真结果如图2所示。

通过MUSIC算法对各信号源的来波方向进行估计,得到各信号源的角度信息。通过与载机加载的目标信号源的角度信息进行对比,可以将偏离目标信号源角度方向上的信号源判断为干扰信号源,从而达到分辨目标信号源和干扰信号源的目的[5]。

2波束控制

智能天线能够根据信号输出最大准则实时准确地形成指向期望方向的主波束,同时保证不破坏主波束的指向,兼顾信号输出最大、干扰输出最小准则,实时调整天线方向图零点对准干扰的来波方向(或者不需要方向)。本文将信号源识别理论中的信号源数估计和信号源来波方向估计相结合,能实现目标信号源和干扰信号源的有效识别与分离,结合波束控制理论调整天线阵元的幅相分布,使天线阵列形成具有如下功能的波束:主波束对准目标信号源,同时在干扰信号源所在方向上产生零陷[6]。

2.1 主波束控制

在相似辐射元条件下,天线阵总的方向函数为辐射元方向函数与阵方向函数的乘积,称作方向性乘积定理。特别是一般天线阵的辐射元方向函数是弱变化的,所以天线总的方向函数常用阵方向函数近似[7]。

$f{}_{\text{阵}}(\theta ,\phi )={\displaystyle \sum _{i=1}^{{\rm M}}w}{}_i\text{e}{}^{\text{j}k\rho {}_i\cdot e{}_{\text{r}}(\theta ,\phi )}=\mathit{W}{}^{\text{Τ}}\mathit{b}=\mathit{b}{}^{\text{Τ}}\mathit{W}(5)$

式中:

$\begin{array}{l}\mathit{W}=[\begin{array}{cccc}w{}_1& w{}_2& \cdots & w{}_{{\rm M}}\end{array}]{}^{\text{Τ}}‚\\ \mathit{b}=[\begin{array}{cccc}\text{e}{}^{\text{j}k\rho {}_1\cdot e{}_{\text{r}}(\theta ,\phi )}& \text{e}{}^{\text{j}k\rho {}_2\cdot e{}_{\text{r}}(\theta ,\phi )}& \cdots & \text{e}{}^{\text{j}k\rho {}_{{\rm M}}\cdot e{}_{\text{r}}(\theta ,\phi )}\end{array}]{}^{\text{Τ}}(6)\end{array}$

W称作加权向量;b称作程差相位向量;M为阵元个数,其各阵元坐标用向径ρi(i=1,2,…,M)表示;er(θ,φ)表示阵元接收的来波方向。因此,如果期望方向或有用信号的来波方向为(θd,φd),则使该方向最大或同相叠加的加权向量为:

$\mathit{W}{}_{\text{o}\text{p}\text{t}}=p\mathit{b}{}_{\text{d}}^{*}=p\mathit{b}{}^{*}(\theta {}_{\text{d}},\phi {}_{\text{d}})(7)$

式中:p为任意常数,由于它对方向性相对关系无影响,不妨令p=1,于是:

$\mathit{W}{}_{\text{o}\text{p}\text{t}}=\mathit{b}{}_{\text{d}}^{*}(8)$

式中:

$\mathit{b}{}_{\text{d}}=[\begin{array}{cccc}\text{e}{}^{\text{j}k\rho {}_1\cdot e{}_{\text{r}}(\theta {}_{\text{d}},\phi {}_{\text{d}})}& \text{e}{}^{\text{j}k\rho {}_2\cdot e{}_{\text{r}}(\theta {}_{\text{d}},\phi {}_{\text{d}})}& \cdots & \text{e}{}^{\text{j}k\rho {}_{{\rm M}}\cdot e{}_{\text{r}}(\theta {}_{\text{d}},\phi {}_{\text{d}})}\end{array}](9)$

bd为期望方向程差相位向量,或称作有用信号方向程差相位向量;Wopt称作主波束优化加权向量。当满足式(8)时,有:

$\begin{array}{l}f(\theta {}_{\text{d}},\phi {}_{\text{d}})=\mathit{W}{}_{\text{o}\text{p}\text{t}}{}^{\text{Τ}}\mathit{b}{}_{\text{d}}={\rm M}\\ f(\theta ,\phi )=\mathit{W}{}_{\text{o}\text{p}\text{t}}{}^{\text{Τ}}\mathit{b}={\displaystyle \sum _{i=1}^{{\rm M}}\text{e}}{}^{\text{j}k\rho {}_i\cdot [e{}_{\text{r}}(\theta ,\phi )-e{}_{\text{r}}(\theta {}_{\text{d}},\phi {}_{\text{d}})]}\end{array}(10)$

可见,在(θd,φd)方向上各阵元信号加权后同相叠加,实现了控制主波束指向(θd,φd)方向的目的。

2.2 方向图零点控制

引入干扰矩阵J,根据S.P.Applebaum提出信号干扰噪声比最大准则,寻求最优加权向量[8]。最大信干噪比准则下加权向量的优点:不需要已知各个干扰向量;干扰噪声协方差RII可以在有用信号间断时由阵元响应采集并通过计算机运算求得;防止正交化加权向量可能导致的信号噪声比下降的缺陷[9]。定义信号干扰噪声功率比SINR为:

$\text{S}\text{Ι}\text{Ν}\text{R}=\frac{{\rm P}{}_{\text{s}}}{{\rm P}{}_{\text{j}}+{\rm P}{}_{\text{n}}}=\frac{{\rm P}{}_{\text{s}}}{{\rm P}{}_{\text{Ι}}}(11)$

因为干扰与噪声独立无关,有信号功率Ps=wHRssw;干扰噪声功率PI=wHRIIw;信号协方差$R{}_{\mathit{s}\mathit{s}}=\overline{\mathit{s}{}^{*}\mathit{s}{}^{\text{Τ}}}$;干扰噪声协方差$R{}_{\mathit{{\rm I}}\mathit{{\rm I}}}=\overline{\mathit{{\rm I}}{}^{*}\mathit{{\rm I}}{}^{\text{Τ}}}=R{}_{\mathit{n}\mathit{n}}+R{}_{\mathit{J}\mathit{J}}$;噪声信号协方差$\mathit{R}{}_{\mathit{n}\mathit{n}}=\overline{\mathit{n}{}^{*}\mathit{n}{}^{\text{Τ}}}$;干扰信号协方差$R{}_{\mathit{J}\mathit{J}}=\overline{\mathit{J}{}^{*}\mathit{J}{}^{\text{Τ}}}$;得到:

$\text{S}\text{Ι}\text{Ν}\text{R}=\mathit{w}{}^{\text{Η}}R{}_{\mathit{s}\mathit{s}}\mathit{w}/\mathit{w}{}^{\text{Η}}R{}_{\mathit{{\rm I}}\mathit{{\rm I}}}\mathit{w}(12)$

通过推导得到:

$\mathit{W}{}_{\text{o}\text{p}\text{t}}=R{}_{\mathit{{\rm I}}\mathit{{\rm I}}}^{-1}\mathit{b}{}_{\text{d}}^{*}(13)$

即最大信号干扰噪声比准则的加权向量。没有外来干扰(寂静情况)的方向函数:

$f{}_{\text{q}}(\theta ,\phi )=(R{}_{\mathit{n}\mathit{n}}^{-1}\mathit{b}{}_{\text{d}}^{*}){}^{\text{Τ}}\mathit{b}(14)$

当有外来干扰时的方向函数:

$f{}_{\text{a}}(\theta ,\phi )=(R{}_{\mathit{{\rm I}}\mathit{{\rm I}}}^{-1}\mathit{b}{}_{\text{d}}^{*}){}^{\text{Τ}}\mathit{b}=\mathit{b}{}^{\text{Τ}}(R{}_{\mathit{{\rm I}}\mathit{{\rm I}}}^{-1}\mathit{b}{}_{\text{d}}^{*})(15)$

可见,阵列方向函数被分解成寂静方向函数(无干扰时)和几个对消方向函数(有干扰时),它们都具有相同的函数形式,合成方向函数为寂静方向函数和诸对消方向函数之差,合成方向图在有用信号方向上近乎寂静方向图最大值,在诸干扰方向上形成相应的方向图凹口(近乎0)[10]。

2.3 波束控制仿真

采用波束控制理论中主波束控制和方向图零点控制理论,应用到以下实验中观察实施效果。

实验三:试验条件同实验一。期望主波束出现在10°,在-30°和30°两个干扰方向进行零点抑制,仿真结果如图3所示。

由图3可见,由主波束控制理论得到主波束指向期待方向(图3(a)),由方向图零点控制理论得到干扰信号来波方向(图3(b)),将上述两个图形进行加权叠加,得到最终所期望的方向图(图3(c))。可见图3(c)保留了图3(a)中主波束的指向,同时在图3(b)所示的两个干扰方向上实现零陷,很好地得到了试验所期望的结果。通过以上实验验证了波控理论的实用性。

3结论

本文针对弹载智能天线系统对阵列接收信号的分析判断,首先估计出信号源的个数和干扰源的角度信息,然后与载机加载目标信号源角度信息进行对比,分离出干扰源,将上述估计信息应用于波束控制理论中,实现天线系统的主波束控制和方向图零点控制,使天线系统真正实现智能接收的能力。本文将信号源识别理论中的信号源数估计和信号源来波方向估计相结合,能实现目标信号源和干扰信号源的有效识别与分离,结合波束控制理论调整天线阵元的幅相分布,使天线阵列形成具有如下功能的波束:主波束对准目标信号源,同时在干扰信号源所在方向上产生零陷。

摘要：基于弹载智能天线系统对阵列接收信号的分析处理,运用空间谱估计理论,首先估计出信号源数与信号源角度信息。同时与载机加载目标信号源信息进行对比,分离出干扰源。最后将上述估计信息应用于波束控制理论中,实现天线阵列的主波束控制和方向图零点控制,使天线阵列真正实现智能接收的能力。

关键词：智能天线系统,信号源数估计,来波方向估计,波束控制

参考文献

[1]彭卫东,左继章.智能天线射频前端频率合成器的设计与实现[J].电讯技术,2001,41(2):70-72.

[2]金荣洪.无线通信中的智能天线[M].北京:北京邮电大学出版社,2006.

[3]邱天爽.通信中的自适应信号处理[M].北京:电子工业出版社,2005.

[4]汪晋宽.空间自适应信号处理[M].沈阳:东北大学出版社,2003.

[5]潘士先.谱估计和自适应滤波[M].北京:北京航空航天大学出版社,1999.

[6]王永良.空间谱估计理论与算法[M].北京:清华大学出版社,2004.

[7]吴顺君.近代谱估计方法[M].西安:西安电子科技大学出版社,1994.

[8]刘德树.空间谱估计及其应用[M].合肥:中国科技大学出版社,1997.

[9]曹志刚,钱亚生.现代通信原理[M].北京:清华大学出版社,1992.

抗干扰天线 篇5

随着电子信息技术的高速发展, 也相应推动了天线技术日新月异的发展。同轴共线阵天线作为一种常用天线, 由于具有全向性好、增益高、结构简单、易于实现的特点, 被广泛用于雷达、通信等领域。它首次由Balsley, Ecklund提出, 他们利用型号为RG-8的同轴线设计了一款中心频率为49.8MHz, 由26个单元组成的同轴共线阵天线。测试结果显示, 该天线半功率波瓣宽度为5.6°, 具有高增益特性。

2 干扰查找

在某次执行干扰查找任务过程中, 发现在400MHz频段某频点处存在一间发数传信号。利用移动监测车对该信号进行测向定位, 不断摸排将其定位于某小区内。根据示向度指示和电平值变化规律, 最终发现架设在某高层居民楼的发射天线。通过对其外观和发射特性判断, 确认为同轴共线阵天线。

3 原理分析及天线仿真

为了今后能够快速查找由该天线引起的干扰信号, 现对其进行分析并仿真, 得出该天线的辐射特性。

3.1 原理分析

同轴共线阵天线是由一组长度为λc/2的同轴线内外导体交替连接而成如图1所示。图1中, r, R为同轴线内外半径;λc为电磁波在同轴线上传播的波长;εr为同轴线内外导体间填充介质的介电常数。

在均匀传输线上, 所有辐射单元间距相等且为中心频率的1/2波长。当激励经过, 相邻单元将产生180°的相差, 再通过相邻单元内外导体交叉连接, 相差又改变了180°, 这样就保证了各个相邻单元上的电流分布等相位, 从而实现天线远场电场强度是各个辐射单元同相叠加的结果。从电特性上, 它可以看为n (其中n为偶数) 个馈电点电流同相位, 电流幅度关于中心单元不均匀分布的半波对称阵子阵列[1]。辐射方向图可以表示为

式中, Er表示阵列的电场强度;Ak为距离阵列中心第k个单元的幅度;θ为所测场强与天线轴的夹角;Ψ表示βd= (2π/λ) d;考虑到角度的变化关于d的表达式可以进一步表示为

从式 (2) 可以看出通过增加辐射单元的数目可以显著提高天线的增益, 但当单元数目增加到一定程度时, 增益提高的幅度会很小。考虑到天线尺寸大小的问题, 实际应用中在满足增益的要求下需要选择适当的单元数目。

3.2 天线仿真

在高频三维电磁仿真软件HFSS中对上述天线建立模型, 仿真得到在中心频率处该天线E面增益达到11.6d B, 副瓣电平小于-14d B如图2 (a) 所示;天线H面不圆度小于0.1d B如图2 (b) 所示。

4 理论计算

通过仿真可以看出该天线具有高增益、全向性好的特点。下面对在离发射天线不同距离所监测到的电平值大小变化进行讨论。假设天线架设高度为h, 从A, B两点看天线的仰角分别为2 0°, 6 0°, 如图3所示。图中, l1, l2为A, B两点到天线的视距;d1, d2为A, B两点到天线底端的距离。

得

由微波链路计算公式, 分别求得从发射天线到A, B两点接收功率为

式中, Pt是发射功率;Pr 1, Pr 2分别是A, B两点接收功率;Gr是接收天线增益;λ是接收频点波长;Gt 1, Gt 2分别是发射天线在方向上的副瓣增益;与天线轴正向的夹角分别为110°, 150°。由天线E面增益图2 (a) 所示, 110°对应-7.5d B, 150°对应-15.5d B。假设天线架设高度为h=50m, 则B, A两点接收到的功率差值为

将h=50m带入式 (3) , (4) 中得

5 结束语

由式 (10) 可以看出, A, B两点到发射天线底端距离分别为137.38m, 28.87m, 即A点到发射天线的距离为B点到发射天线距离的五倍左右, 但B点接收到的功率值只比A点功率值大0.0696d B。通过微波链路公式可知, 得出这种结果的原因除了与到接收天线的距离有关外, 还与该点到发射天线的仰角有关。

以后在查找类似干扰过程中为了避免靠近发射源时由高仰角引起的接收电平值较低, 这时候最好能采取制高点测向的方式, 尽量将接收天线对准发射天线的主瓣, 减少天线E面方向性对接收电平值的影响。

参考文献