阵列天线设计模型训练方法技术

本发明专利技术公开一种阵列天线设计模型训练方法

【技术实现步骤摘要】
阵列天线设计模型训练方法、设计方法、装置及存储介质


[0001]本专利技术涉及天线设计
，尤其涉及一种阵列天线设计模型训练方法
、
设计方法
、
装置及存储介质
。

技术介绍

[0002]透射阵列天线由许多相同的单个结构按一定规律排列组成的天线系统，也称超构透镜天线阵
。
组成天线阵的独立单元称为阵元或天线单元
。
透射阵列
(Transmitarray
，
TA)
天线是阵列天线中的一种，因其易实现高增益
、
低轮廓和波束导向等功能近年来备受关注
。
透射阵列天线由一个馈源和一个被划分为多个单元结构的阵列平面组成
。
这种结构可以使得传入的球面电磁波前能够转化为平面波，从而在远场区域产生高定向波束
。
设计透射阵列天线的平面首先需要基于焦距生成所需要的传输幅度和相位分布，然后设计单元结构，使其满足单元结构所在位置的所需传输特性
。
此外，透射阵列天线的焦距对天线的性能方面也起着重要的作用，在设计时需要不断地调节焦距以实现所需天线波束形状
。
然而，一旦焦距改变，就需要重新计算透射阵列天线平面的幅度和相位分布，进而需要重新设计和替换每个单元
。
因此，阵列天线的设计是一个复杂而具有挑战性的工程，需要进行大量的数值模拟和相关领域的专业知识
。
[0003]近年来，基于机器学习的数据驱动算法在天线设计中成为一种非常强大的天线设计算法
。
相关技术中，利用人工神经网络
(Artificial Neural Networks
，
ANNs)
设计透射阵列天线的单元结构从而辅助设计阵列天线，而仍需要进行单元与所需幅度和相位分布之间的复杂匹配过程以及进行焦距调整，导致透射阵列天线的设计效率低下
。

技术实现思路

[0004]本专利技术旨在至少解决现有技术中存在的技术问题之一
。
为此，本专利技术提出一种阵列天线设计模型训练方法
、
设计方法
、
装置及存储介质，能够提高透射阵列天线设计效率
。
[0005]一方面，本专利技术实施例提供了一种阵列天线设计模型训练方法，包括以下步骤：
[0006]获取焦距参数和阵元位置分布，其中，所述焦距参数表征馈源到透射阵列天线平面之间的距离；
[0007]根据所述焦距参数和阵元位置分布确定每一个阵元的相位补偿；
[0008]根据所述相位补偿对阵元进行相位匹配，确定阵元尺寸参数；
[0009]基于所述焦距参数和透射阵列天线的所有阵元尺寸参数进行仿真，得到透射阵列天线的性能参数；
[0010]根据所述焦距参数
、
透射阵列天线的所有阵元尺寸参数和所述性能参数形成样本数据；
[0011]将多个样本数据输入基于神经网络架构的阵列天线设计模型进行训练，得到训练好的阵列天线设计模型
。
[0012]根据本专利技术一些实施例，所述相位补偿表示为：
[0013][0014]其中，
f
表示信号频率，
r
ij
表示第
ij
个阵元在透射阵列天线中的位置，
F
表示焦距参数，表示参考相位，
c
表示光速
。
[0015]根据本专利技术一些实施例所述根据所述相位补偿对阵元进行相位匹配，确定阵元尺寸参数包括以下步骤：
[0016]获取相位延迟与阵元尺寸的映射函数；
[0017]以相位延迟与每一个阵元的所述相位补偿之差最小为优化目标，并结合所述映射函数确定每一个阵元的阵元尺寸参数
。
[0018]根据本专利技术一些实施例，所述基于所述焦距参数和透射阵列天线的所有阵元尺寸参数进行仿真，得到透射阵列天线的性能参数包括以下步骤：
[0019]采用全波仿真算法对所述焦距参数和透射阵列天线的所有阵元尺寸参数进行仿真，得到透射阵列天线的性能参数，其中，所述性能参数包括增益
、
半功率波速宽度和副瓣宽度和发射系数
。
[0020]根据本专利技术一些实施例，所述将多个样本数据输入基于神经网络架构的阵列天线设计模型进行训练，得到训练好的阵列天线设计模型包括以下步骤：
[0021]初始化所述阵列天线设计模型的参数，其中，所述阵列天线设计模型包括正向网络和逆向网络，所述正向网络的输出与所述逆向网络的输入级联，所述正向网络的输入参数包括焦距参数和透射阵列天线的所有阵元尺寸参数，所述正向网络的输出参数包括性能参数；所述逆向网络的输入参数包括性能参数，所述逆向网络的输出参数包括焦距参数和透射阵列天线的所有阵元尺寸参数；
[0022]将多个所述样本数据输入所述阵列天线设计模型进行正向预测，得到所述正向网络的输出参数和逆向网络的输出参数；
[0023]基于模型损失函数，根据所述正向网络的输出参数和逆向网络的输出参数确定模型损失值；
[0024]根据所述模型损失值更新所述阵列天线设计模型的正向网络参数和逆向网络参数，得到训练好的阵列天线设计模型
。
[0025]根据本专利技术一些实施例，所述模型损失函数表示为：
[0026][0027]其中，表示正向网络的输出参数，表示样本数据中的性能参数，表示逆向网络中的输出参数，表示样本数据中的焦距参数和透射阵列天线中的所有阵元尺寸参数
。
[0028]另一方面，本专利技术实施例还提供一种阵列天线设计方法，包括以下步骤：
[0029]获取期望性能参数；
[0030]将所述期望性能参数输入阵列天线设计模型，得到透射阵列天线的焦距参数和所有阵元尺寸参数；
[0031]其中，所述阵列天线设计模型根据如上述实施例所述的阵列天线设计模型训练方法训练得到
。
[0032]另一方面，本专利技术实施例还提供一种阵列天线设计模型训练装置，包括：
[0033]第一模块，用于获取焦距参数和阵元位置分布，其中，所述焦距参数表征馈源到透射阵列天线平面之间的距离；
[0034]第二模块，用于根据所述焦距参数和阵元位置分布确定每一个阵元的相位补偿；
[0035]第三模块，用于根据所述相位补偿对阵元进行相位匹配，确定阵元尺寸参数；
[0036]第四模块，用于基于所述焦距参数和透射阵列天线的所有阵元尺寸参数进行仿真，得到透射阵列天线的性能参数；
[0037]第五模块，用于根据所述焦距参数
、
透射阵列天线的所有阵元尺寸参数和所述性能参数形成样本数据；
[0038]第六模块，用于将多个样本数据输入基于神经网络架构的阵列天线设计模型进行训练，得到训练好的阵列天线设计模型
。
[0039]另一方面，本专利技术实施例还提本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.
一种阵列天线设计模型训练方法，其特征在于，包括以下步骤：获取焦距参数和阵元位置分布，其中，所述焦距参数表征馈源到透射阵列天线平面之间的距离；根据所述焦距参数和阵元位置分布确定每一个阵元的相位补偿；根据所述相位补偿对阵元进行相位匹配，确定阵元尺寸参数；基于所述焦距参数和透射阵列天线的所有阵元尺寸参数进行仿真，得到透射阵列天线的性能参数；根据所述焦距参数
、
透射阵列天线的所有阵元尺寸参数和所述性能参数形成样本数据；将多个样本数据输入基于神经网络架构的阵列天线设计模型进行训练，得到训练好的阵列天线设计模型
。2.
根据权利要求1所述的阵列天线设计模型训练方法，其特征在于，所述相位补偿表示为：其中，
f
表示信号频率，
r
ij
表示第
ij
个阵元在透射阵列天线中的位置，
F
表示焦距参数，表示参考相位，
c
表示光速
。3.
根据权利要求1所述的阵列天线设计模型训练方法，其特征在于所述根据所述相位补偿对阵元进行相位匹配，确定阵元尺寸参数包括以下步骤：获取相位延迟与阵元尺寸的映射函数；以相位延迟与每一个阵元的所述相位补偿之差最小为优化目标，并结合所述映射函数确定每一个阵元的阵元尺寸参数
。4.
根据权利要求1所述的阵列天线设计模型训练方法，其特征在于，所述基于所述焦距参数和透射阵列天线的所有阵元尺寸参数进行仿真，得到透射阵列天线的性能参数包括以下步骤：采用全波仿真算法对所述焦距参数和透射阵列天线的所有阵元尺寸参数进行仿真，得到透射阵列天线的性能参数，其中，所述性能参数包括增益
、
半功率波速宽度和副瓣宽度和发射系数
。5.
根据权利要求1所述的阵列天线设计模型训练方法，其特征在于，所述将多个样本数据输入基于神经网络架构的阵列天线设计模型进行训练，得到训练好的阵列天线设计模型包括以下步骤：初始化所述阵列天线设计模型的参数，其中，所述阵列天线设计模型包括正向网络和逆向网络，所述正向网络的输出与所述逆向网络的输入级联，所述正向网络的输入参数包括焦距参数和透射阵列天线的所有阵元尺寸参数，所述正向网络的输出参数包括性能参数；所述逆向网络的输入参数包括性能参数，所述逆向...

【专利技术属性】
技术研发人员：邓文强，朱述炎，蒋飞，唐惠琼，郑建超，张小刚，汪鱼洋，王刚，何寒冰，
申请(专利权)人：珠海中科慧智科技有限公司，
类型：发明
国别省市：