【技术实现步骤摘要】
本专利技术涉及波束赋形，特别是涉及一种基于锥优化和深度学习的太赫兹平顶波束赋形方法与装置。
技术介绍
1、平顶波束指形成一种顶部均匀平坦的波束，这种波束在无线能量传输中能够保证接收端收到的功率密度在一定范围内呈现均匀，从而提高接受效率。平顶波束天线应用到卫星通信中，能够有效避免各个蜂窝区间的干扰，同时支持多星座通信。平顶波束一般采用阵列综合赋形的方法实现，即通过调节阵列中各个单元的相位和幅值，使其阵因子呈现矩形特性。
2、传统的波束赋形方法，比如伍德沃德（woodward）合成方法通过从预期远场方向图中选取特定角度上的离散点，逐步逼近实际辐射图，其显著优势在于具备生成无零点辐射图案的能力。泰勒（taylor）合成方法则侧重于优化线性源天线的辐射特性，确保天线的副瓣电平在半功率波束宽度附近保持近乎均匀的分布，同时在其他区域实现电平的有效减小。微扰法则基于已有的天线阵列参数，通过对天线单元间距、电流幅度和相位等因素进行细微调整，来逼近所需的辐射特性，并据此构建新的天线阵列配置。当涉及到大量阵元时，这些传统综合方法通常还能提供较为...
【技术保护点】
1.一种基于锥优化和深度学习的太赫兹平顶波束赋形方法，其特征在于，所述方法包括：
2.根据权利要求1所述的基于锥优化和深度学习的太赫兹平顶波束赋形方法，其特征在于，所述波束赋形参数包括主瓣角度、副瓣控制范围及峰值副瓣水平。
3.根据权利要求2所述的基于锥优化和深度学习的太赫兹平顶波束赋形方法，其特征在于，对获取的所述波束赋形参数进行矩阵形式转换，包括：
4.根据权利要求3所述的基于锥优化和深度学习的太赫兹平顶波束赋形方法，其特征在于，所述锥优化模型的目标为最小化目标函数关于优化变量的线性组合，并在优化过程中设置二阶锥约束条件、线性等...
【技术特征摘要】
1.一种基于锥优化和深度学习的太赫兹平顶波束赋形方法，其特征在于，所述方法包括：
2.根据权利要求1所述的基于锥优化和深度学习的太赫兹平顶波束赋形方法，其特征在于，所述波束赋形参数包括主瓣角度、副瓣控制范围及峰值副瓣水平。
3.根据权利要求2所述的基于锥优化和深度学习的太赫兹平顶波束赋形方法，其特征在于，对获取的所述波束赋形参数进行矩阵形式转换，包括：
4.根据权利要求3所述的基于锥优化和深度学习的太赫兹平顶波束赋形方法，其特征在于，所述锥优化模型的目标为最小化目标函数关于优化变量的线性组合，并在优化过程中设置二阶锥约束条件、线性等式约束条件及优化变量的上下约束范围，表达式为：
5.根据权利要求1至4任一项所述的基于锥优化和深度学习的太赫兹平顶波束赋形方法，其特征在于，将优化向量与波约束条件计算得到的虚部和实部组成向量拼接在一起，计算拼接后的向量的欧几...
【专利技术属性】
技术研发人员：杨琪，王宏强，易俊，
申请(专利权)人：中国人民解放军国防科技大学，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。