سنتز الگوی آنتن های آرایه ای فازی خطی به کمک روش های یادگیری ماشین

سال انتشار: 1404
نوع سند: مقاله ژورنالی
زبان: فارسی
مشاهده: 35

فایل این مقاله در 10 صفحه با فرمت PDF قابل دریافت می باشد

استخراج به نرم افزارهای پژوهشی:

لینک ثابت به این مقاله:

شناسه ملی سند علمی:

JR_ELEMAG-13-2_005

تاریخ نمایه سازی: 22 آبان 1405

چکیده مقاله:

آنتن های آرایه فازی از اجزای کلیدی در سامانه های مخابراتی پیشرفته به شمار می روند. سنتز الگوی تابش این آنتن ها نقش بسزایی در طراحی و شکل دهی به الگوهای تشعشعی مورد نظر برای کاربردهای گوناگون دارد. به طور سنتی، روش های تحلیلی و عددی متعددی جهت تحقق الگوهای تابش مدنظر، مورد استفاده قرار گرفته اند. با این حال، این روش ها اغلب یا نیازمند محاسبات پیچیده و زمان بر هستند، یا قابلیت پیاده سازی برای تمامی الگوهای دلخواه را ندارند. از این رو، استفاده از الگوریتم های هوش مصنوعی، به ویژه مدل های یادگیری ماشین، به عنوان رویکردی نوین در سنتز الگوی تشعشعی مطرح شده است. در این پژوهش، دو الگوریتم یادگیری ماشین شامل ماشین بردار پشتیبان (SVM) و رگرسیون فرآیند گوسی (GPR) به منظور سنتز الگوی تابش یک آنتن آرایه فازی خطی با فواصل برابر به کار گرفته شده اند. یکی از مزایای قابل توجه این روش، نیاز به حجم اندک داده ی آموزشی (حدود ۲۷ مجموعه داده آموزشی) و سرعت بالای آموزش است؛ به گونه ای که زمان آموزش هر دو مدل مورد بررسی، کمتر از یک ثانیه برای آرایه های خطی با ۱۵ عنصر تشعشعی است. همچنین تحلیل حساسیت مدل ها نشان می دهد که الگوریتم رگرسیون فرآیند گوسی از دقت بالاتری نسبت به ماشین بردار پشتیبان برخوردار است، به گونه ای که میانگین مربعات خطای آن کمتر از ۰.۰۰۱ برای الگوهای مرسوم و کوچکتر از ۰.۰۱ برای الگوهایی با ناپیوستگی است و می تواند به عنوان گزینه ای مناسب برای طراحی پیشرفته ی آرایه های آنتنی در کاربردهای مخابراتی و راداری مورد استفاده قرار گیرد.

نویسندگان

جواد عسکری

کارشناسی ارشد،دانشگاه هرمزگان،هرمزگان، ایران

مریم حاجبی

استادیار،دانشگاه هرمزگان،هرمزگان، ایران

منصوره شریف زاده

استادیار،دانشگاه هرمزگان،هرمزگان، ایران