具体实施方式

此处参考附图描述本公开的各种方案以及特征。

应理解的是，可以对此处申请的实施例做出各种修改。因此，上述说明书不应该视为限制，而仅是作为实施例的范例。本领域的技术人员将想到在本公开的范围和精神内的其他修改。

包含在说明书中并构成说明书的一部分的附图示出了本公开的实施例，并且与上面给出的对本公开的大致描述以及下面给出的对实施例的详细描述一起用于解释本公开的原理。

通过下面参照附图对给定为非限制性实例的实施例的优选形式的描述，本公开的这些和其它特性将会变得显而易见。

还应当理解，尽管已经参照一些具体实例对本公开进行了描述，但本领域技术人员能够确定地实现本公开的很多其它等效形式，它们具有如权利要求的特征并因此都位于借此所限定的保护范围内。

当结合附图时，鉴于以下详细说明，本公开的上述和其他方面、特征和优势将变得更为显而易见。

此后参照附图描述本公开的具体实施例；然而，应当理解，所申请的实施例仅仅是本公开的实例，其可采用多种方式实施。熟知和/或重复的功能和结构并未详细描述以避免不必要或多余的细节使得本公开模糊不清。因此，本文所申请的具体的结构性和功能性细节并非意在限定，而是仅仅作为权利要求的基础和代表性基础用于教导本领域技术人员以实质上任意合适的详细结构多样地使用本公开。

本说明书可使用词组“在一种实施例中”、“在另一个实施例中”、“在又一实施例中”或“在其他实施例中”，其均可指代根据本公开的相同或不同实施例中的一个或多个。

天线通过LCPA进行波束相位的调整，从而实现天线的性能调整。LCPA压控系统是一个非线性系统，其相位调节函数B(V)对应的V-φ曲线也是非线性的。相关技术中主要通过实测LCPA中各个单元的V-φ散点图并进行函数拟合来获取V-φ曲线，再将V-φ曲线以表格形式写入控制MCU中，根据相移需求进行查表来配置控制电压，实现天线波束的相位调整。然而，在实际工程应用中，LCPA压控系统的工作性能会受到各种影响因素的干扰，如电场边缘效应、工艺制作误差(玻璃基板的均匀性误差、电极均匀性误差)等。这些物理过程的综合作用，导致获取的LCPA的V-Φ曲线无法与实际器件完全吻合。

因制作工艺等问题，LCPA中各个相控单元之间可能存在厚度不均的情况，此时天线在未进行调控时存在一个初始相位的误差，影响天线性能，因此需要对LCPA进行优化以抵消上述初始相位误差对天线性能的影响，才能使天线发挥最优的性能。

由于LCPA无法建立压控系统数学解析式模型，所以需要在优化系统中设计和使用不依赖于系统数学模型的无模型优化算法进行处理。常用的LCPA压控系统优化算法有：模式搜索算法、梯度下降算法。这两种算法均为基于迭代求解的优化算法。(1)模式搜索法在每次迭代过程中，分别改变每个控制信号变量的值，使得更新后的变量沿着让系统性能上升的方向步进。当改变所有变量的值都不能使系统性能上升时，将步长大小减半再重复上述过程，直到步长足够小为止。这种算法的迭代次数通常在1000～2000次，算法收敛速度慢，严重影响天线优化时间。(2)梯度下降法在每次迭代过程中，同时改变所有控制信号变量的值，使得更新后的控制信号沿着原信号梯度下降的方向步进。直到移相性能达到设定的一个收敛值。这种算法的迭代次数80次以上；同时非线性求解不够准确，在大规模阵列计算时，计算量会成倍增加。

为了解决现有技术中存在的上述问题，本公开第一实施例提供了一种天线的相位调整方法，其主要用于具有LCPA的天线的相位调节过程，其流程图如图3所示，主要包括步骤S10至S30：

S10，获取天线的实测相位表征信息。

由于天线的LCPA中各个相控单元之间可能因制作工艺造成的液晶层厚度不均，导致各个相控单元对应的液晶层部分的介电常数存在差异，使天线在未施加任何控制电压的情况下所发出波束之间具有一个初始相位，此时对天线的实测相位表征信息进行获取得到的数据，即反应了各个相控单元之间的差异。本实施例的目的即为如何快速确定对各个相控单元的控制电压，使相控单元在施加控制电压后所进行的相位调整，可以抵消掉因工艺问题产生的初始相位误差。

在一些实施例中，实测相位表征信息可以为天线所对应的实际远场方向图或者用于表示该实际远场方向图的相位函数还可以是法线方向的场强值等其他用于表征相位情况的参数，其中，θ和用于表示波束与天线水平方向和竖直方向上的偏移角，即，方位角和俯仰角。

S20，将实测相位表征信息输入到预设调节模型中，以得到预设调节模型根据实测相位表征信息输出的控制电压调节矩阵。

本实施例中的预设调节模型即为深度学习模型，其可以使用任意一种神经网络模型通过训练得出，例如16/19层的VGG网络、22层的GoogleLeNet网络等，也可以自行进行网络层数和结构的设计，本实施例不进行限制。具体地，本实施例中预设调节模型的实现可以等效为一个最优化问题的求解，其核心在于，定义一个移相性能评价指标J，J是关于控制电压调节矩阵的函数，即控制电压调节矩阵的具体值对J有影响，预设调节模型的目的即为求解使J的值最小的控制电压调节矩阵。此时，预设调节模型所输出的控制电压调节矩阵在施加到天线LCPA的各个相控单元时，可以使相控单元所进行的相位调整，抵消掉因工艺问题产生的初始相位误差，实现对天线性能的优化。

在实际进行模型训练时，该预设调节模型的训练步骤可以离线进行，以进一步节省运算时间，降低实际进行天线优化时的运算量。具体地，预设调节模型的训练步骤如图4所示，其主要包括步骤S21至S23：

S21，基于至少一个样本天线，确定默认的相位调节函数。

样本天线可以为待优化天线，也可以为与待优化天线同批生产的其他天线，通常情况下为了提升预设调节模型的普适性，在选择样本天线时可以选用大量的不同批次的天线，使最终训练得到的预设调节模型可以在对任何天线进行优化时均达到良好的优化效果。相位调节函数用于表征控制电压对所述样本天线的相位的调节情况，默认的相位调节函数即为可以满足所有样本天线使用的相位调节函数B(V)，即所有样本天线在进行相位调节时均可以使用相同的相位调节函数B(V)进行控制电压的确定。需要注意的是，所有样本天线中LCPA阵列的尺寸和大小均相同。

具体地，在确定默认的相位调节函数时，首先需要确定每个样本天线的电压相位曲线(即V-φ曲线)，在确定每个样本天线的V-φ曲线过程中，可以通过实测获取每个样本天线的V-φ散点图，然后通过插值拟合的方式得到V-φ曲线；在实际测量时，散点图的确地过程中可以控制电压值在0至18V的区间内以0.25V的步长进行梯度变化，并获取对应的相位值，在拟合过程中，插值函数可以选择pchip插值函数，插值间隔为10mV。确定每个样本天线的V-φ曲线后，对所有得到的V-φ曲线进行均值处理，以得到均值处理结果，并确定默认的相位调节函数B(V)以表征所有电压相位曲线的值处理结果的曲线。进一步地，均值处理的具体方式可以为平均值处理、滑动平均处理等，也可以是其他用于进行均值处理的方式，本实施例不进行限制。

例如，设控制电压调节矩阵为则施加电压矩阵V之后产生的理想相位矩阵可以表示为：

结合电场边缘效应、工艺制作误差等综合作用造成的压控系统误差，实际相位矩阵将表示为：Φ_B＝B(V)+S，其中，S为M×N维的噪声矩阵，其具体误差分布特性可以根据噪声类型不同进行调节，例如在S为加性高斯白噪声时，则有σ_n ²为噪声方差。

S22，随机生成预设数量的初始相位误差矩阵，并确定每个初始相位误差矩阵对应的理论相位表征信息。

初始相位误差矩阵Φ_rand用于表征因工艺不一致性造成的各个相控单元之间的不均匀情况，即模拟不同天线的相控单元之间因制作工艺问题所导致的初始相位误差，其可以通过MATLAB等仿真软件进行随机大量的生成。生成预设数量的初始相位误差矩阵后，由于在实际操作时无法直接测量得出，因此可以将其依次作为天线中各个相控单元的初始相位情况确定对应的方向图、法线方向的场强值等理论相位表征信息并通过表示相控单元的初始相位误差情况。

在实际确定各个初始相位误差矩阵对应的相位表征信息时，通常在天线附近的固定位置设置接收单元，但是由于LCPA相控阵中各个相控单元之间同样存在位置差异，使接收单元与各个相控单元之间的距离也存在不同，进而导致单元间的固有相位差Φ₀的产生。具体地，Φ₀可以通过以下矩阵进行表示：

其中，需要注意的是，本实施例中所涉及的固有相位差Φ₀可以直接通过现有技术中已经公开的其他专用于进行固有相位差消除的方式进行抵消，本实施例并未公开如何对固有相位差进行抵消的方案。

在确定初始相位误差矩阵Φ_rand对应的理论相位表征信息时，可以通过接收单元实测各个初始相位矩阵的实测相位表征信息作为训练所需的相位表征信息，但由于训练样本通常情况下数量级较大，依次进行实测需要耗费大量时间，因此在本实施例中通过如下公式计算初始相位矩阵对应的理论相位表征信息即可：

S23，基于初始相位误差矩阵对应的理论相位表征信息，对预设调节模型进行训练，直至基于相位调节函数确定的预设调节模型的损失函数符合预设条件。

将步骤S22得到的理论相位表征信息作为预设调节模型的网络输入，其输入数据的形式可以选取为：

即输入数据可以等效成2个像素总数为的单通道彩色图像的拼接，以保证神经网络的输入数据为实数，其中，N_θ为在θ方向上的采样点数，为在方向上的采样点数。

在实际进行训练时，通过预设调节模型的损失函数来作为模型训练的终止条件。具体地，可以设定当损失函数符合预设条件时，认定模型训练完成。当损失函数满足预设条件时，可以将当前模型网络中的参数值进行保存，形成训练好的预设调节模型，便于在后续使用预设调节模型时直接使用训练好的参数值进行控制电压调节矩阵的输出。需要注意的是，模型网络中的参数值可以包括网络层数、节点数、权重值等各类模型网络参数，其具体包括的参数类型和数量可以根据所使用的神经网络模型不同进行调整，本实施例在此不进行限制；而各个参数的参数值的具体训练优化方式与网络模型内部的训练逻辑相关，本实施例不限制其具体的训练方式，只要能达到预期的训练效果即可。

本实施例中，损失函数选取时，主要以天线性能为指标，例如损失函数至少用于表征如下天线性能参数之一：所述天线的远场方向图中主波束的增益、所述天线的远场方向图中主瓣副瓣的比值、方向性系数，也可以是其他用于表征天线性能的参数，本实施例不进行具体限制。通过对某个天线性能参数的作为损失函数的限定，使预设调节模型所输出的控制电压调节矩阵可以满足对该天线性能参数的要求。

例如，在一些实施例中，最终优化的目标为使方向性系数D最大，则损失函数的设计可以参考D的计算公式，对于主波束而言：

此时，可对应设置损失函数的公式为：

此时，若需要保证D值最大，则设定预设条件为使损失函数最小即可，其中，为需要预设调节模型输出的控制电压调节矩阵，即在控制电压调节矩阵为时，损失函数最小。将施加到各个相控单元后天线所形成的实测相位表征信息则为：

此时，所计算出的相位情况应当正好与互相抵消，或二者之和无限趋近于零，使对应计算出的的方向性系数最大。

应当了解的是，当作为优化目标的天线性能参数发生变化时，对应的损失函数公式也发生变化，例如，在天线性能参数选定为远场方向图中主波束的增益最大时，损失函数或 其中，为校准后的远场方向图，其可以通过仿真进行确定，例如也可以通过实测的方式获取。

由于选定的优化目标不同，对应的损失函数也不同，在设定预设条件时，除了可以设置使损失函数的值最小以外，还可以预先设置一个阈值，在损失函数的值小于该预设阈值时认定其符合预设条件，以提升终止条件的适应性，一定程度上降低了训练次数和训练时间。

另外，在一些实施例中，对于训练好的预设调节模型，还可以通过测试数据对其进行测试，并根据测试结果判断预设调节模型是否满足实际需求，在满足需求的情况下，进行预设调节模型的存储，若预设调节模型无法满足需求，则可通过修改模型结构、调整模型层数、节点数或其他模型参数的方式，对预设调节模型进行调整，并基于步骤S21至S23进行模型的重新训练。其中，测试数据同样可以通过仿真获得，实际需求可以为对天线性能进行的具体要求，本实施例不限制其具体内容，只要保证预设调节模型所输出的控制电压调节矩阵在施加到天线的相控单元之后，该天线实际表现出的性能满足要求即可。

通过上述步骤实现了对预设调节模型的训练，通过不断优化模型参数使预设调节模型输出的控制电压调节矩阵满足损失函数最小的预设条件，进而保证在控制电压调节矩阵对应的电压施加到天线的各个相控单元后，可以消除因相控单元制作工艺所造成的初始相位误差，使天线具有更优的工作性能。

S30，基于控制电压调节矩阵，向天线中相控阵的各个相控单元施加控制电压。

基于步骤S10获取到的实测相位表征信息，将其作为输入数据输入至预设调节模型中，即可得到控制电压调节矩阵，将控制电压调节矩阵中的各个控制电压施加到对应的相控单元上时，即可消除因相控单元制作工艺所造成的初始相位误差，并使天线具有更优的工作性能。需要注意的是，控制电压调节矩阵的尺寸与LCPA中相控单元所组成的阵列的尺寸相同，控制电压调节矩阵中每个元素对应LCPA阵列中唯一一个相控单元，该相控单元在阵列中的位置与其对应元素在控制电压调节矩阵中的位置相同，该元素的值即为需要施加在相应相控单元上的控制电压。

本实施例通过训练预设的调节模型，节省了运算量和运算时间，通过深度学习模型的非线性运算能力，可直接基于获取到的实测相位表征信息进行相应控制电压的确定，使天线LCPA的各个相控单元在输入对应的控制电压后所实现的相位变化，正好抵消因制作工艺导致的初始相位误差，进而提升天线的工作性能，达到更好的天线优化效果。

本公开的第二实施例提供了一种天线的相位调整装置，其可以安装在具有LCPA的天线中，用于实现LCPA中各个相控单元的控制电压调节。具体地，图5示出了天线的相位调整装置的结构示意图，其主要包括获取模块10、处理模块20以及调节模块30，其中，获取模块10用于获取天线的实测相位表征信息，其中，实测相位表征信息为天线在未施加控制电压的情况下的相位表征信息；处理模块20用于将实测相位表征信息输入到预设调节模型中，以得到预设调节模型根据实测相位表征信息输出的控制电压调节矩阵；调节模块30用于基于控制电压调节矩阵，向天线中相控阵的各个相控单元施加控制电压，其中，控制电压调节矩阵中的一个控制电压用于控制相控阵中的一个相控单元。具体地，实测相位表征信息至少包括：天线的实际远场方向图或用于表示实际远场方向图的相位函数。

在一些实施例中，如图6所示，其在图5的基础上还包括训练模块40，其主要用于基于如下步骤训练预设调节模型：基于至少一个样本天线，确定默认的相位调节函数，其中，相位调节函数用于表征控制电压对样本天线的相位的调节情况；随机生成预设数量的初始相位误差矩阵，并确定每个初始相位误差矩阵对应的理论相位表征信息；基于初始相位误差矩阵对应的理论相位表征信息，对预设调节模型进行训练，直至基于相位调节函数确定的预设调节模型的损失函数符合预设条件。

在一些实施例中，训练模块40具体用于：确定每个样本天线的电压相位曲线；确定所有电压相位曲线的均值处理结果，并确定默认的相位调节函数以表征所有电压相位曲线的均值处理结果的曲线。

具体地，损失函数至少用于表征如下天线性能参数之一：天线的远场方向图中主波束的增益、天线的远场方向图中主瓣副瓣的比值、方向性系数。另外，预设条件至少包括以下之一：损失函数的值最小；损失函数的值小于预设阈值，具体选用何种条件作为预设条件可以根据实际需求进行设置，本实施例不进行限制。

本实施例通过训练预设的调节模型，节省了运算量和运算时间，通过深度学习模型的非线性运算能力，可直接基于获取到的实测相位表征信息进行相应控制电压的确定，使天线LCPA的各个相控单元在输入对应的控制电压后所实现的相位变化，正好抵消因制作工艺导致的初始相位误差，进而提升天线的工作性能，达到更好的天线优化效果。

本公开第三实施例提供了一种存储介质，该存储介质可安装于任意一种具有LCPA的天线中，其具体为计算机可读介质，存储有计算机程序，该计算机程序被处理器执行时实现本公开任意实施例提供的方法，包括如下步骤S31至S33：

S31，获取天线的实测相位表征信息，其中，实测相位表征信息为天线在未施加控制电压的情况下的相位表征信息；

S32，将实测相位表征信息输入到预设调节模型中，以得到预设调节模型根据实测相位表征信息输出的控制电压调节矩阵；

S33，基于控制电压调节矩阵，向天线中相控阵的各个相控单元施加控制电压，其中，控制电压调节矩阵中的一个控制电压用于控制相控阵中的一个相控单元。

具体地，实测相位表征信息至少包括：天线的实际远场方向图或用于表示实际远场方向图的相位函数。

计算机程序还被处理器执行如下步骤以训练预设模型：基于至少一个样本天线，确定默认的相位调节函数，其中，相位调节函数用于表征控制电压对样本天线的相位的调节情况；随机生成预设数量的初始相位误差矩阵，并确定每个初始相位误差矩阵对应的理论相位表征信息；基于初始相位误差矩阵对应的理论相位表征信息，对预设调节模型进行训练，直至基于相位调节函数确定的预设调节模型的损失函数符合预设条件。

计算机程序被处理器执行基于至少一个样本天线，确定默认的相位调节函数时，具体被处理器执行如下步骤：确定每个样本天线的电压相位曲线；确定所有电压相位曲线的均值处理结果，并确定默认的相位调节函数以表征所有电压相位曲线的均值处理结果的曲线。

具体地，损失函数至少用于表征如下天线性能参数之一：天线的远场方向图中主波束的增益、天线的远场方向图中主瓣副瓣的比值、方向性系数。另外，预设条件至少包括以下之一：损失函数的值最小；损失函数的值小于预设阈值，具体选用何种条件作为预设条件可以根据实际需求进行设置，本实施例不进行限制。

本实施例通过训练预设的调节模型，节省了运算量和运算时间，通过深度学习模型的非线性运算能力，可直接基于获取到的实测相位表征信息进行相应控制电压的确定，使天线LCPA的各个相控单元在输入对应的控制电压后所实现的相位变化，正好抵消因制作工艺导致的初始相位误差，进而提升天线的工作性能，达到更好的天线优化效果。

本公开的第四实施例提供了一种电子设备，该电子设备可以为任意一种具有LCPA的天线，其结构示意图如图7所示，至少包括存储器100和处理器200，另外还应当包括实现天线原有功能的其他功能模块或结构器件。存储器100上存储有计算机程序，处理器200在执行存储器100上的计算机程序时实现本公开任意实施例提供的方法。示例性的，电子设备计算机程序步骤如下S41至S43：

S41，获取天线的实测相位表征信息，其中，实测相位表征信息为天线在未施加控制电压的情况下的相位表征信息；

S42，将实测相位表征信息输入到预设调节模型中，以得到预设调节模型根据实测相位表征信息输出的控制电压调节矩阵；

S43，基于控制电压调节矩阵，向天线中相控阵的各个相控单元施加控制电压，其中，控制电压调节矩阵中的一个控制电压用于控制相控阵中的一个相控单元。

具体地，实测相位表征信息至少包括：天线的实际远场方向图或用于表示实际远场方向图的相位函数。

处理器还执行如下计算机程序以训练预设模型：基于至少一个样本天线，确定默认的相位调节函数，其中，相位调节函数用于表征控制电压对样本天线的相位的调节情况；随机生成预设数量的初始相位误差矩阵，并确定每个初始相位误差矩阵对应的理论相位表征信息；基于初始相位误差矩阵对应的理论相位表征信息，对预设调节模型进行训练，直至基于相位调节函数确定的预设调节模型的损失函数符合预设条件。

处理器在执行存储器上存储的基于至少一个样本天线，确定默认的相位调节函数时，具体执行如下计算机程序：确定每个样本天线的电压相位曲线；确定所有电压相位曲线的均值处理结果，并确定默认的相位调节函数以表征所有电压相位曲线的均值处理结果的曲线。

具体地，损失函数至少用于表征如下天线性能参数之一：天线的远场方向图中主波束的增益、天线的远场方向图中主瓣副瓣的比值、方向性系数。另外，预设条件至少包括以下之一：损失函数的值最小；损失函数的值小于预设阈值，具体选用何种条件作为预设条件可以根据实际需求进行设置，本实施例不进行限制。

本实施例通过训练预设的调节模型，节省了运算量和运算时间，通过深度学习模型的非线性运算能力，可直接基于获取到的实测相位表征信息进行相应控制电压的确定，使天线LCPA的各个相控单元在输入对应的控制电压后所实现的相位变化，正好抵消因制作工艺导致的初始相位误差，进而提升天线的工作性能，达到更好的天线优化效果。

以上对本公开多个实施例进行了详细说明，但本公开不限于这些具体的实施例，本领域技术人员在本公开构思的基础上，能够做出多种变型和修改实施例，这些变型和修改都应落入本公开所要求保护的范围之内。