(19)国家知识产权局 (12)发明 专利申请 (10)申请公布号 (43)申请公布日 (21)申请 号 202111547171.2 (22)申请日 2021.12.16 (71)申请人 南京大学 地址 210000 江苏省南京市栖霞区南京大 学仙林校区现代工程与应用科学学院 c302 (72)发明人 江伟　冷乐蒙　暨祥　 (74)专利代理 机构 深圳市广诺专利代理事务所 (普通合伙) 44611 专利代理师 赵耀 (51)Int.Cl. G06F 30/27(2020.01) G02F 1/29(2006.01) G06F 119/02(2020.01) (54)发明名称 一种基于神经网络的光学相控阵校准系统 和方法 (57)摘要 本发明公开了一种基于神经网络模型的光 学相控阵校准系统及方法， 系统设置有远场采集 模块、 相位控制模块、 远场仿真模块以及相位校 准模块； 远场采集模块用于测量待校准光学相控 阵形成的远场组合 相位控制模块用于控制相控阵各个单元的信号 光相位； 远场仿真模块则根据相控阵工作波长 λ、 单元间距a、 单元数量N、 相位误差分布 附 加相位分布φ和单 元近场分布U来计算远场组合 用于训练相位校准模块 中的神经网络； 相位校准模块利用神经网络模 型， 根据远场采集模块测定的光学相控阵实际输 出的远场组合 逆向求 解出待校准光学相控阵的实 际相位误差 并 计算出补偿量。 其效果是： 能够对光学相控阵中 存在的相位误差进行补偿， 得到良好的初始工作状态， 极大提高光学相控阵的校准效率。 权利要求书2页 说明书8页 附图3页 CN 115169213 A 2022.10.11 CN 115169213 A 1.一种基于神经网络的光学相控阵校准系统， 其特征在于， 设置有远场采集模块、 相位 控制模块、 远场仿真模块以及相位校准模块； 所述远场采集模块用于测量待校准 光学相控阵形成的远场分布； 所述相位控制模块用于控制待测光学相控阵各个阵列单 元的信号 光相位φ； 所述远场仿真模块则根据光学相控阵原理从光学相控阵各个阵列单元相位误差分布 各个阵列单元附加相位分布φ仿真得出训练样本远场分布， 用于训练相位校准模块中 的神经网络； 所述相位校准模块利用神经网络模型， 根据远场采集模块测定的光学相控阵实际输出 的远场分布， 逆向求 解出待校准 光学相控阵的实际相位 误差 并计算出补偿量。 2.根据权利要求1所述的一种基于神经网络的光学相控阵校准系统， 其特征在于， 所述 相位控制模块具有N个输出端， 每 个输出端连接所述 光学相控阵中的一个移相器单 元。 3.根据权利要求1所述的一种基于神经网络的光学相控阵校准系统， 其特征在于， 所述 相位校准模块中的神经网络模型中设置有一个输入层， 若干隐含层以及一个输出层； 所述 输入层输入的是远场分布， 输出层输出的是 预测相位 误差。 4.根据权利要求1所述的一种基于神经网络的光学相控阵校准系统， 其特征在于， 所述 相位校准模块中的神经网络模型训练所用的损失函数为CMSE(Complex  Mean Square  error)定义为 其中Re{}和Im{}分别表示对 复数 取实部和虚部， 其中 为仿真时计算远场分布时所用的第n个单元的相位误差， 为神经 网络输出的第n个单 元的预测相位 误差。 5.根据权利要求1所述的一种基于神经网络的光学相控阵校准系统， 其特 征在于， 所述远场仿真模块则根据光学相控阵原理从光学相控阵各个阵列单元相位误差分布 各个阵 列单元附 加相位分布φ仿真得出 训练样本远场分布为一个组合 ， 其中θ为远场角； 所述每个训练样本远场组合 中 为光学相控阵在相位误差分布为 时仿真得到的远场分布， 为光学相控 阵在相位 误差分布为 基础上对所有阵列单 元添加附加相位φ仿真得到的远场分布。 所述相位校准模块利用神经网络模型， 根据远场采集模块测定的光学相控阵实际输出 的远场组合 逆向求解出待校准光学相控阵的实际相位误差 并计 算出补偿量。 所述光学相控阵实际输出的远场组合 中 为待测 光学相控阵在相位控制模块的所有输出都设置为0得到的远场分布， 为光学相 控阵所有阵列单 元添加附加相位φ后实际测定的 的远场分布。 6.根据权利要求5所述的一种基于神经网络的光学相控阵校准系统， 其特 征在于， 所述相位校准模块中的神经网络模型输入层输入的远场组合 节 点数量为2Nd； 输出层的节点数为 N‑1， 输出的是 预测相位 误差 所述相位误差 为包含N个元素的数组， 所述附加相位φ为包含N个元 素的数组， φ＝[φ1， φ2…φN]， N为相控阵单元个数； 所述相位误差 中第一个阵列单元为权　利　要　求　书 1/2 页 2 CN 115169213 A 2参考单元， 相位误差 恒为零； 所述光学相控阵实际输出的远场组合 包含2Nd个数据点的数组， 表示 和 在Nd个θ角处的数值。 其中 包含Nd个数据点， 包含Nd个数据点； 所述训练样本远场组合 为包含2Nd个数据点的数组， 其中 包 含Nd个数据点， 包含Nd个数据点。 7.根据权利要求1所述的一种基于神经网络的光学相控阵校准系统， 所述光学相控阵 可以为一维端射式相控阵、 一维波导光栅阵列式光学相控阵以及二维光学相控阵。 对于二 维光学相控阵， 远场分布函数中的角度为 二维空间方位角( θ, ψ )。 8.一种基于神经网络的光学相控阵校准方法， 其特 征在于按照以下步骤进行： 步骤一： 根据构建所述远场仿真模块中的仿真模型， 根据所述工作波长λ、 单元间距a、 单元数量N、 相位误差分布 附加相位分布φ和单元近场分布U， 计算多组所述远场组合 将所述多组远场组合输入神 经网络， 调节所述将神 经网络中的参数， 使得神经网络 输出的损失函数达 到预设范围。 步骤二:将相位控制模块的所有输出都设置为0， 利用所述远场采集模块采集待测光学 相控阵形成的远场分布 步骤三:调节相位控制模块的输出， 对待测光学相控阵的所有移相器施加相移φ＝ [φ1， φ2…φN]， 再利用所述远场采集模块采集待测光学相控阵形成的远场分布 步骤四:将所述采集到的远场分布 和 合并， 得到远场组合 并进一步得到包 含2Nd个数据点的一维数组。 步骤五:将所述远场组合 输入神经网络得到第2到第N个阵列单 元的相位误差预测值 根据所述相位误差预测值 即可计算出2到 第N个阵列单 元所需的相位补偿量 为2mπ‑   其中m＝0,1,2, ‑1,‑2或其他整数。 步骤六： 利用2到第N个阵列 单元所需的相位补偿量设置相位控制模块的输出对光学相 控阵的相位 误差进行补偿。 9.根据权利要求8所述的一种基于神经网络的光学相控阵校准系统， 其特征在于， 所述 远场组合 中θ的范围是按照 得到的， 其中λ为 工作波长、 a为单 元间距。 10.根据权利要求8所述的一种基于神经网络的光学相控阵校准方法， 其特征在于， 待 测校准光学相控阵实际采集到的远场 组合 与 角 度范围一 致。 11.根据权利要求8所述的一种基于神经网络的光学相控阵校准方法， 所述光学相控阵 可以为一维端射式相控阵、 一维波导光栅阵列式光学相控阵以及二维光学相控阵。 对于二 维光学相控阵， 远场分布函数中的角度为 二维空间方位角( θ, ψ )。权　利　要　求　书 2/2 页 3 CN 115169213 A 3