Нейронные сети для формирования многолепестковых диаграмм направленности фазированной антенной решетки

Abstract

Для синтеза многолепестковой диаграммы направленности фазированной антенной решетки предлагается использовать глубокую нейронную сеть (ГНС). В такой ГНС комплексные диаграммы направленности являются обучающими выборками и подаются на вход сверточной нейронной сети в виде изображений для разделения их на два класса (мнгонаправленные, не многонаправленные), затем нейронная сеть обучается классифицировать эти диаграммы и тестировать другие диаграммы после глубокого нейросетевого анализа. Для обучения ГНС получено 2097152 выборок диаграмм направленности для лабораторной ФАР 1×8 перекрестной поляризации, полученных путем изменения фаз отдельных элементов антенны. To synthesize a multi-lobe antenna pattern, it is proposed to use a deep neural network (DNN). directional diagrams are fed to the input of a convolutional neural network in the form of images to classify the output into two classes (multidirectional, not multidirectional), then the neural network is trained to classify these diagrams and test other diagrams after deep analysis. 2,097,152 forms of radiation patterns for laboratory PAA 1×8 cross-polarization obtained by changing the phases of the antenna elements were obtained for training the DNN.