分布式相控阵中基于在线期望最大化的频率与相位一致性

分布式相控阵由分离的较小天线系统组成，这些系统相互协调以支持朝向目的地的相干波束成形。然而，由于振荡器的频率漂移与相位抖动，以及节点处引起的频率与相位估计误差，存在使波束成形过程退化的去相干。先前工作针对无向网络提出了分散式频率与相位一致性（DFPC）算法，其中节点与邻居局部共享其频率与相位以达成同步。卡尔曼滤波（KF）也曾与 DFPC 集成（KF-DFPC）以降低收敛时的总残差相位误差。由于这些基于 DFPC 的算法依赖于平均一致性协议，它们在有向网络上不收敛。本文中，我们提出一种用于有向网络的基于 push-sum 的频率与相位一致性（PsFPC）算法。理论上也推导了 PsFPC 的残差相位误差。卡尔曼滤波也与 PsFPC 集成，所得 KF-PsFPC 算法在收敛时残差相位误差显著降低。KF 假设模型参数，即测量噪声与新息噪声协方差矩阵已知。由于实践中可能未知，我们开发了基于在线期望最大化（EM）的算法，以在线方式迭代计算未知矩阵的最大似然（ML）估计。EM 与 KF-PsFPC 集成提出 EM-KF-PsFPC 算法。文中给出了仿真结果，分析了基于 PsFPC 的算法在不同分布式相控阵上的性能，并与其他算法进行比较。