CN119416402A 基于神经网络智能解算的稀疏化天线阵列综合方法 （航天恒星科技有限公司）

基于神经网络智能解算的稀疏化天线阵列本发明涉及一种基于神经网络智能解算的源方向图和阵列数值仿真模型，构建初始样本2步骤S3、将所述初始样本集随机划分为训练集步骤S6、通过输出的神经网络模型，根据输入的阵列综2.根据权利要求1所述的基于神经网络智能解算的稀疏化天线阵列综合方法，其特征有源方向图AEF(80),其中θ和为天线坐标系的俯仰角和方位角；3.根据权利要求2所述的基于神经网络智能解算的稀疏化天线阵列综合方法，其特征根据增益确定天线的阵列口径，根据稀疏率获得天线的阵元规模4.根据权利要求3所述的基于神经网络智能解算的稀疏化天线阵列综合方法，其特征和q分35.根据权利要求3所述的基于神经网络智能解算的稀疏化天线阵列综合方法，其特征其中，表示阵列拓扑为l、工作频率为f的天线阵列的整阵方向图；其中u=sin8cosp,v=sinsinp,Ip,q表示天线单0表示在频率f＝f0工作时的波数k0＝2πf0/c，c为光速，扫描到时，ls=sinb;cosps,v,=sinb,sinp,Nx、Ny其中AEF(op)ri为天线阵列的单元有源方向图，其描到(0,p;)时的副瓣电平；6.根据权利要求5所述的基于神经网络智能解算的稀疏化天线阵列综合方法，其特征f,co表示整阵交叉极化电平。7.根据权利要求1所述的基于神经网络智能解算的稀疏化天线阵列综合方法，其特征步骤S31、对所述初始样本集进行划分，可采用随机划分48.根据权利要求1所述的基于神经网络智能解算的稀疏化天线阵列综合方法，其特征通过所述凸优化模型，根据所述期望方向图综合出优化后的阵列拓扑的集合L'=p设备执行如权利要求1至8中任一项所述的基于神经网络智能解算的稀疏化天线阵列综合56单元有源方向图AEF(80),其中θ和为天线坐标系的俯仰角和方位角；工作频率对应的单元有源方向图AEF(O0);;步骤S13、根据阵列拓扑与单元有源方向图x轴方向u=sin8cosp,v=sinosinp,Ip,q表示天线单元的激励其中，k0表示在频率f＝f0工Nxy表示沿x轴和y轴分布的阵元个数；7AEF(00)ri为天线阵列的单元有源方向图，其工作频率为f，E(0,p)r表示天线阵列[0033]步骤S34、将所述验证集代入神经网络模型进行验证，判断训练误差是否满足要8[0049]图1示意性表示根据本发明一个实施例中提供的基于神经网络智能解算的稀疏化[0050]图2示意性表示根据本发明一个实施例中提供的基于神经网络智能解算的稀疏化[0052]图4示意性表示根据本发明一个实施例中平面阵列阵中单元建模耦合区域示意[0053]图5示意性表示根据本发明一个实施例中采用稀疏布阵得到的低副瓣阵列方向[0054]图6示意性表示根据本发明一个实施例中稀疏布阵低副瓣方向图对应的阵元拓扑9解为对本发明保护范围的任何限制。以下对于优选实施方式的说明会涉及到特征的组合，单元有源方向图AEF(9P),其中θ和为天线坐标系的俯仰角和方位角；yu=sincosp,v=sin8sinp,Ip,q表示天线单元的激励幅度，天线单元的激励幅度yNxy表示沿x轴和y轴分布的阵元个数。向时的整阵方向图，得到对应的波束宽度副瓣电平作为为天线阵列的单元有源方向图，其工作频率为(,[0097]模型验证基于训练好的神经网络模型进行，将验证集数据代入进行阵列综合解算机指令被处理器执行时，实现上述的基于神经网络智能解算的稀疏化天线阵列综合方