编者注:
现在有一个很神奇的问题,就是我们现在有一个阵列传感器,其在同个治具上表现似乎总是不错,但是更换治具,或者更换了人进行测试的表现似乎总是不够理想。对此,我们做了些尝试。
把同一个参考信号先加在阵列中心,再移到边缘。输入幅值没变,两次的响应总和却可能不同。先看各通道的记录。若边缘那组阵元对同一输入的响应偏小,只在中心多扫几个幅值,仍然估不出边缘的增益。
下面讨论阵列的幅值标定。假定阵元灵敏度各异,具体数值未知。串扰只作为待检假设。能把同一参考信号逐个送到阵元,就直接估相对增益。只能改变整片阵列的激励位置时,先标定分区,再根据数据决定能细化到哪一级。
能逐个激励,就用两档估增益
各通道用相同的采集窗和幅值提取方法,再逐路扣除基线。在近似线性的响应区间内,记第 $i$ 路的局部输入幅值为 $s_i$,扣零后的响应为 $x_i$。暂时忽略耦合和噪声,有 $x_i\simeq g_i s_i$,其中 $g_i$ 是有效灵敏度。
用同一个标定源逐个激励阵元,每路取低、高两档。只要能保证各阵元接收到相同的输入增量 $\Delta s$,响应差 $\Delta x_i$ 就可以拿来比较。知道 $\Delta s$ 时可以估灵敏度。只知道各阵元的 $\Delta s$ 相同时,可以用中位响应做相对均衡。
例如,两路收到相同的输入增量,输出增量分别是 20 和 10 个数字码。以第一路为参考时,把第二路乘 2 就能对齐。若某路的增量小到与底噪相当,先检查激励是否到位、通道是否饱和或失效。直接除以很小的增量会把噪声一起放大。标完后可以用中间一档复测,检查同一个增益在这段范围内是否够用。
一次激励覆盖多个阵元,先换位置
有些阵列只能从外部施加局部激励,信号会同时经过几个阵元。这时先保持参考源设置不变,从中心移到几个偏心位置。每次都存完整的阵列响应,不能只留通道总和。

图 1 圆表示激励范围示意,十字是激励中心。中心用于重复性检查,四个偏心位置用于拟合,另留一个跨区位置验收。
检查落点有没有提供新的信息,可以把各通道的非负响应按区相加,再看各区占总响应的比例。比如激励移到左上和右上以后,四区占比仍接近 $25\%$,这两个位置对估相对增益的作用就很接近。可以缩小激励范围,或把激励再往一侧移,然后重看各区占比。

图 2 示例中每行是一次采集的四区响应占比。重复中心激励时各行相同,矩阵的秩为 1。四个偏心位置分别让一个区占主导,右图中四个奇异值均大于零。
占比图适合挑位置。正式拟合时,检查所用的设计矩阵。比如用同档响应差估分区权重,就在每个参考档内减去该档均值,再检查差分矩阵的奇异值。某个奇异值很小,对应的权重组合容易受噪声影响。看一下这个方向主要涉及哪些区,再补能让这些区响应拉开的激励位置。
分区权重怎么解
同一档激励换位置后,加权汇总值应当接近。比如激励从左区移到右区,左区响应减少,右区响应增加。两边的变化量乘各自的权重,相加后应当接近零。把几个位置、几个参考档的记录放在一起,找一组权重,让这种同档偏差尽量小。
先确认同一档激励换位置后仍代表同一个参考量。如果边缘的激励有一部分落在阵列外,调高边区权重会把实际输入变化也算进增益。
从阵列记录得到设计矩阵
设阵列分成 $K$ 区。第 $j$ 次采集扣零后,按固定通道表在区内求和,得到列向量 $\mathbf G_j=(G_{j1},\ldots,G_{jK})^\mathsf T$。这次采集的加权分数为 $q_j=\mathbf G_j^\mathsf T\mathbf w$。对参考档 $\ell$,令 $J_\ell$ 为该档的训练样本编号集合。先算各区的档内均值,再算每次采集相对于均值的变化。
把 $\mathbf d_j^\mathsf T$ 按行排成矩阵 $D$。乘上权重后,每一项都是归一化的档内残差 $\mathbf d_j^\mathsf T\mathbf w=(q_j-\boldsymbol\mu_\ell^\mathsf T\mathbf w)/s_\ell$。除以 $s_\ell$ 是为了避免高档仅因响应数值大而主导拟合。若 $s_\ell$ 接近零或为负,先核对基线、极性和有效激励,再使用这一档。
把偏差写成线性规划
最小化 $\sum_j|\mathbf d_j^\mathsf T\mathbf w|$ 可以减小同档位置差。用辅助变量 $t_j$ 表示每次采集的绝对偏差上界,用 $u_k$ 表示各区权重偏离 1 的上界,就能把绝对值写成线性约束。
- $n$ 是采集次数,$L$ 是参考档数。增大 $\lambda$ 会提高偏离等权的代价。可以留出完整的激励位置,比较等权和不同 $\lambda$ 的结果。
- $\mathbf a$ 取各档均值向量的平均,再除以该向量各分量之和。归一化使标定前后的总体响应处在同一尺度,也排除了把所有权重同时缩小来压低偏差的做法。
- 取 $0<w_{\min}<1<w_{\max}$,限制弱响应区的放大倍数。$\delta_\ell>0$ 保留相邻参考档的分数间隔。如果未加权间隔 $s_\ell-s_{\ell-1}$ 为正,可取其一部分作下限,例如 $\delta_\ell=0.25(s_\ell-s_{\ell-1})$。若档位只有重复标签、没有可用的顺序,可以省去这组约束。
把它交给任意线性规划求解器时,未知量按 $(\mathbf w,\mathbf t,\mathbf u)$ 排成一列,目标系数依次是 $K$ 个 0、$n$ 个 $1/n$ 和 $K$ 个 $\lambda/K$。双边不等式要拆成两行,例如 $\mathbf d_j^\mathsf T\mathbf w-t_j\le0$ 与 $-\mathbf d_j^\mathsf T\mathbf w-t_j\le0$;档间隔不等式两边乘 $-1$,也整理成小于等于的形式。归一化那行是唯一的等式约束,权重上下限与 $t_j\ge0$、$u_k\ge0$ 作为变量边界。变量共 $2K+n$ 个,不等式约束 $2n+2K+L-1$ 行,规模很小,普通求解器即可处理。
若求解器报不可行,先查参考档顺序、分区和档间隔下限。若 $D$ 加上归一化行后仍缺秩,这批采集对部分区权重缺少独立信息,需要补激励位置。
两区的算例
下面是示意响应。低档和高档各采两个位置。同档的等权总和随位置变动。
| 参考档 | 激励位置 | 左区响应 | 右区响应 | 等权总和 | 加权分数 |
|---|---|---|---|---|---|
| 低 | 偏左 | 8 | 1 | 9 | 7.5 |
| 低 | 偏右 | 2 | 4 | 6 | 7.5 |
| 高 | 偏左 | 16 | 2 | 18 | 15 |
| 高 | 偏右 | 4 | 8 | 12 | 15 |
低档两次响应的差是 $(6,-3)$。要让加权分数相同,就有 $6w_1-3w_2=0$。高档给出同样的权重比例。两档均值是 $(5,2.5)$ 和 $(10,5)$,归一化得到 $\mathbf a=(2/3,1/3)^\mathsf T$。联立可得 $w_1=0.75,\ w_2=1.50$。这也是在权重范围 $[0.25,3]$、$\lambda=0.01$ 时的线性规划解。每档的加权分数分别对齐到 7.5 和 15。下一步用同一组权重测一个未参与拟合的跨区位置,检查总响应是否仍能对齐。
改用平方误差
同样一套档内中心化、总体增益归一化和档间隔约束,也可以把绝对偏差换成平方偏差。目标函数改为
这是凸二次规划,可以用现成的二次规划或非线性最小二乘求解。可以沿用上面的做法:权重限制在 $[0.25,3]$,档间隔至少保留未加权间隔的 $25\%$,零响应作为首个节点。两种目标对偏差的惩罚形状不同:绝对偏差对各位置一视同仁,平方偏差会给大偏差更高的代价,个别离群位置的影响更大。选定后用留出位置的误差比较。上线时把权重固化,每路乘所属区的权重即可。有已知的参考幅值时,可将训练得到的档均值分数 $\boldsymbol\mu_\ell^\mathsf T\mathbf w$ 与参考幅值对应,再做单调分段映射。
逐阵元共享幂指数
四区固定权重能补区域之间的增益差。还有一种误差来自阵元本身的非线性。同一区里,相同的激励分散到几个阵元,和集中在一个阵元上,原始响应总和也可能不同。这时可以先变换每个阵元的响应,再在区内求和。
同一指数,四区分别加权
做法是先对每个阵元的响应取同一个幂,再在区内求和。把扣零响应的正部记作 $x_{ji}^+=\max(x_{ji},0)$,$j$ 是采集编号,$i$ 是阵元编号,所有阵元共用指数 $p$,第 $k$ 区有自己的非负系数 $\beta_k$。
这里 $I_k$ 是第 $k$ 区的通道集合,$s_0$ 是固定的响应尺度。幂在区内求和之前计算。取 $p=1$ 时,$B_{jk}$ 退回非负响应的分区和。如果先求和再取幂,同一个区里只要总和相同,集中和分散这两种响应就会得到同一个结果。
拟合时先从候选网格取 $p$,算完整的分区特征矩阵。将 $B(p)$ 除以各次特征总和的平均,得到 $Z$。记 $a_j$ 为已知的参考输入幅值。在当前训练组上先用等权特征总和回归 $a_j$,得到公共系数 $c$,再解一遍带正则的非负最小二乘。
每个 $p,\lambda$ 都这么解一次,再按分组留出的误差选参数。尺度和正则项的公共系数都从各自的训练组计算。冻结模型时,把共同的特征归一化尺度并入权重,得到运行时使用的 $\beta_k$。示例数据上交叉验证选到的 $p$ 是 1.25;换一批阵列或量程,这个值要重新选。
少量标定记录的共同幂律候选
记录很少时,还有一条更省数据的路线:只采一次无激励基线和四档已知参考幅值,标定期间固定激励位置。若各档只改变幅值,阵元 $i$ 接收的比例 $\alpha_i$ 可以近似视为常数。设参考幅值为 $A$,各阵元的非线性指数相同,增益 $k_i$ 则可以不同。对扣零后的正响应拟合
做法是先逐通道拟合这条对数直线,再取合格通道斜率的中位数作为 $\gamma$。冻结前检查有效通道覆盖的信号比例、斜率离散程度、共同斜率下的残差,以及各参考档之间的响应占比分布。通过检查后,把各通道做带符号逆幂变换,再求和。用标定档的分数和参考幅值建立分段线性映射。
这里 $\gamma$ 是从输入到响应的指数,实际施加在响应上的指数是 $1/\gamma$。例如,两路增益均为 1,$\gamma=2$。同样的输入总量可以分布为 $(2,0)$ 或 $(1,1)$,对应响应为 $(4,0)$ 和 $(1,1)$。原始响应和分别是 4 和 2,逐路开方再相加都得到 2。若两路增益不同,逆幂以后还会留下 $k_i^{1/\gamma}$ 这个倍率。这个候选只估共同指数,汇总时各通道系数均为 1。偏心下的表现要用冻结后新采的位置验证。
什么时候细化到阵元
如果一个区拆开后仍能在新的激励位置上改善一致性,可以继续细化到通道。一种做法保留共享幂指数,把分区系数细化成逐通道的非负系数,并用正则项把各通道系数拉向所属区的系数。只有汇总参考值时,一次采集只提供一个标量约束。用 12 次采集去拟合 71 个通道权重,结果会强烈依赖正则项。拟合权重按留出位置的结果评价。阵元本身的增益还得靠可控的局部输入来确定。
如果下游只用一个汇总值,也可以用通道分布修正汇总输出。一种做法是先对非负响应总和 $S=\sum_i x_i^+$ 拟合幂律初值 $\widehat a_0$,然后用 $\log S$ 和各通道的 $2\sqrt{x_i^+/S}$ 做高斯 RBF 回归,预测对数残差 $r$,输出 $\widehat a=\widehat a_0\exp(r)$。这里 $x_i^+=\max(x_i,0)$,训练需要已知的正参考幅值和有效的非零响应。核修正在样本附近起作用,未覆盖的位置和幅值仍需留出验证。这个方法补的是汇总误差,逐通道输出和多通道特征仍用前面的增益标定。
用双点激励检查叠加
只激励 A 时,B 通道也可能有变化。激励本身覆盖了多个阵元、阵元之间存在耦合、读出链路共享参考,都可能出现这种读数。先做一个双点试验,分别记录无激励、只有 A、只有 B、A 与 B 同时开启时的完整向量。每次 A、B 各自的源设置和位置都要保持一致。用 $\mathbf y$ 表示相同窗口内的原始响应向量,算

图 3 示例中,加入 A 后通道 2 分别增加 10 和 19 个数字码。两种背景下的增量相差 9 码。
局部输入可叠加且读出是固定线性混合时,$\mathbf d$ 为零,此时仍可能存在固定的线性耦合。如果某些通道的差值反复同向,并超过整轮重复采集的波动,先核对两路激励同时开启时的实际输入和读出范围,再查共享线路或扫描配置。需要分离逐阵元信号时,可以用已知、相互独立的局部输入拟合混合矩阵,再检查求逆会不会放大噪声。
测试的SOP
以四区为例,可以从 13 次有激励的采集开始。中档在中心独立重复 3 次,再测四个偏心点。低档、高档各测中心和两个偏心点。偏心优先选中档试验里响应占比差别最大的两个位置。每次重新施加激励,记录参考源设置、位置、采集窗和完整通道数据,前后各测一次基线。
先检查中心重复性。有一组阵列记录里,同一设置下三次采集的响应总和,以第一次为基准,分别是 1.00、0.70 和 0.65。每次采集窗内相对稳定,变化主要出现在重新施加激励之后。碰到这种情况,先查激励位置、基线和采集链路能否重复。延长单次平均窗解决不了这类波动。
冻结参数以后,另测跨区位置和未用于拟合的高档偏心。比较同一参考档在不同位置的校正后响应,有已知参考幅值时再检查输出误差。若误差集中在某个区域,补能独立激励该区的位置。若同一位置重新施加激励就有较大差异,先处理重复性。