应用于天线响应的数据驱动模型降阶的自适应频率采样研究

众所周知，阵列天线的频域扫频非常耗时，且已有不同的代理模型被用于提升性能。数据驱动的模型降阶算法（如 Loewner 框架和矢量拟合法）可以与这些自适应误差估计相结合，在迭代算法中减少准确捕捉多端口阵列天线所需频率行为所需的全波仿真次数。在本工作中，我们提出了两种新颖的自适应方法，利用了作为 Loewner 框架生成系统方法关键部分的块矩阵函数。第一种算法利用块矩阵函数中固有的矩阵参数自由度来识别误差较大的频率点，而第二种算法则利用块矩阵函数的条件数。这两种方法都能有效地提供频域误差估计，这对于提升性能至关重要。在多端口阵列天线 S 参数上的数值实验证明了我们提出的算法在 Loewner 框架内的有效性，其中所提算法在选取频率点数量最少的情况下达到了最小误差。