基于广义回归神经网络的大规模共形阵实时波束综合方法技术

本发明专利技术公开了一种基于广义回归神经网络的大规模共形阵实时波束综合方法。根据给定共形阵列天线分布和凸优化相关理论，研究了共形阵列天线波束合成问题对应的凸化形式，并基于凸优化算法高效得到共形阵列天线少数特定扫描角度下的幅度分布，以组成丰富的样本库。接着，以期望副瓣电平和期望扫描角度为输入，以阵元激励幅度为输出，采用广义回归神经网络算法对样本库进行线下学习。当学习得到充分规律之后，再通过线上实时预测得到整个空间任意扫描角度满足峰值副瓣电平和增益要求的幅度和相位分布。相位分布。相位分布。

【技术实现步骤摘要】
基于广义回归神经网络的大规模共形阵实时波束综合方法


[0001]本专利技术属于雷达通信领域，涉及基于广义回归神经网络的大规模共形阵列天线实时波束综合方法。通过对少数样本的线下学习，掌握阵列方向图合成规律，再通过线上实时预测得到整个空间其他任意波位满足峰值副瓣电平和增益要求的幅度和相位分布，实现大型共形阵列天线实时波束合成。

技术介绍

[0002]随着雷达通信技术、航天科学技术和现代军事技术的发展，大规模共形天线阵列得到了广泛关注。共形阵列可灵活适应不同载体平台，在节省空间的同时还具有更宽的扫描角度范围，解决了由于载体平台趋于扁平化设计和平面形式的天线安装空间严重不足的问题，同时天线性能和空气动力学性能也不会因为载体形状而受到影响。此外，当应用于高速飞行器时，需要实时响应以适应快速的轨道变化。因此可实时响应的柔性受控波束的大规模共形天线阵列的实时波束综合具有很高的研究价值。目前关于大型共形阵列天线实时波束合成算法方面的研究较为少见。
[0003]共形阵列天线由于阵元分布不在同一个平面内，各个阵元最大辐射方向各不相同，这将导致合成的方向图旁本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于广义回归神经网络的大规模共形阵实时波束综合方法，其特征在于以期望峰值副瓣电平和扫描角度作为输入，以各个单元电流幅度作为输出，对神经网络进行训练，训练好的神经网络可以线上实时预测得到整个空间任意扫描角度满足峰值副瓣电平和增益要求的幅度和相位分布，实现大型共形阵列天线实时波束合成。2.根据权利要求1所述的基于广义回归神经网络的大规模共形阵实时波束综合方法，其特征还在于对所述神经网络进行训练具体如下：对于大规模的共形阵，基于凸优化算法高效得到共形阵少数特定扫描角度下的幅度分布，组成丰富的样本库，然后采用基于K折交叉验证方法优化广义回归神经网络GRNN的参数平滑因子σ和对应的最佳学习样本，从而确定网络结构并完成神经网络的训练。3.根据权利要求1所述的基于广义回归神经网络的大规模共形阵实时波束综合方法，其特征还在于对大规模共形阵实时综合问题进行凸性转换，转换后的凸优化模型为：其特征还在于对大规模共形阵实时综合问题进行凸性转换，转换后的凸优化模型为：其中C是复数集，B＝[b
ij
]
N
×
N
是由矩阵结构决定的正定的厄米特矩阵，其中的元素可以表达为：其中：AF(u,v)是共形阵列远场辐射方向图表达式，δ代表峰值副瓣电平，Θ
sidelobes
代表在副瓣区域的观...

【专利技术属性】
技术研发人员：杨锋，杨鑫瑶，谢春茂，黄明，陈益凯，杨仕文，
申请(专利权)人：电子科技大学，
类型：发明
国别省市：