Phase retrieval problems in antenna measurements arise when a reference phase cannot be provided to all measurement locations. Phase retrieval algorithms require sufficiently many independent measurement samples of the radiated fields to be successful. Larger amounts of independent data may improve the reconstruction of the phase information from magnitude-only measurements. We show how the knowledge of relative phases among the spectral components of a modulated signal at the individual measurement locations may be employed to reconstruct the relative phases between different measurement locations at all frequencies. Projection matrices map the estimated phases onto the space of fields possibly generated by equivalent antenna under test (AUT) sources at all frequencies. In this way, the phase of the reconstructed solution is not only restricted by the measurement samples at one frequency, but by the samples at allfrequencies simultaneously. The proposed method can increase the amount of independent phase information even if all probes are located in the far field of the AUT.


翻译:当无法向所有测量地点提供参考阶段时,天线测量中的阶段检索问题就会出现; 阶段检索算法需要足够多的辐射场独立测量样本才能取得成功; 数量更多的独立数据可以改进从量度测量中重建阶段信息的工作; 我们表明如何利用各个测量地点调制信号光谱组成部分之间的相对阶段知识来重建不同频率测量地点之间的相对阶段; 预测矩阵将估计的阶段映射到所有频率测试中等同天线(AUT)源可能生成的田间空间上。 这样,重建的解决方案的阶段不仅受同一频率测量样品的限制,而且同时受所有频率的样品的限制。 拟议的方法可以增加独立阶段信息的数量,即使所有探测器都位于AUT的远方。

0
下载
关闭预览

相关内容

专知会员服务
61+阅读 · 2020年3月19日
100+篇《自监督学习(Self-Supervised Learning)》论文最新合集
专知会员服务
165+阅读 · 2020年3月18日
VCIP 2022 Call for Special Session Proposals
CCF多媒体专委会
1+阅读 · 2022年4月1日
IEEE ICKG 2022: Call for Papers
机器学习与推荐算法
3+阅读 · 2022年3月30日
ACM MM 2022 Call for Papers
CCF多媒体专委会
5+阅读 · 2022年3月29日
AIART 2022 Call for Papers
CCF多媒体专委会
1+阅读 · 2022年2月13日
【ICIG2021】Latest News & Announcements of the Workshop
中国图象图形学学会CSIG
0+阅读 · 2021年12月20日
Hierarchically Structured Meta-learning
CreateAMind
26+阅读 · 2019年5月22日
Transferring Knowledge across Learning Processes
CreateAMind
28+阅读 · 2019年5月18日
深度自进化聚类:Deep Self-Evolution Clustering
我爱读PAMI
15+阅读 · 2019年4月13日
Unsupervised Learning via Meta-Learning
CreateAMind
42+阅读 · 2019年1月3日
Capsule Networks解析
机器学习研究会
11+阅读 · 2017年11月12日
国家自然科学基金
0+阅读 · 2015年12月31日
国家自然科学基金
0+阅读 · 2012年12月31日
国家自然科学基金
0+阅读 · 2012年12月31日
国家自然科学基金
0+阅读 · 2011年12月31日
Arxiv
0+阅读 · 2022年8月11日
Arxiv
0+阅读 · 2022年8月10日
Arxiv
0+阅读 · 2022年8月9日
Arxiv
20+阅读 · 2021年9月22日
VIP会员
相关资讯
VCIP 2022 Call for Special Session Proposals
CCF多媒体专委会
1+阅读 · 2022年4月1日
IEEE ICKG 2022: Call for Papers
机器学习与推荐算法
3+阅读 · 2022年3月30日
ACM MM 2022 Call for Papers
CCF多媒体专委会
5+阅读 · 2022年3月29日
AIART 2022 Call for Papers
CCF多媒体专委会
1+阅读 · 2022年2月13日
【ICIG2021】Latest News & Announcements of the Workshop
中国图象图形学学会CSIG
0+阅读 · 2021年12月20日
Hierarchically Structured Meta-learning
CreateAMind
26+阅读 · 2019年5月22日
Transferring Knowledge across Learning Processes
CreateAMind
28+阅读 · 2019年5月18日
深度自进化聚类:Deep Self-Evolution Clustering
我爱读PAMI
15+阅读 · 2019年4月13日
Unsupervised Learning via Meta-Learning
CreateAMind
42+阅读 · 2019年1月3日
Capsule Networks解析
机器学习研究会
11+阅读 · 2017年11月12日
相关基金
国家自然科学基金
0+阅读 · 2015年12月31日
国家自然科学基金
0+阅读 · 2012年12月31日
国家自然科学基金
0+阅读 · 2012年12月31日
国家自然科学基金
0+阅读 · 2011年12月31日
Top
微信扫码咨询专知VIP会员