利用神经网络实现矩形天线近场到远场的变换

利用神经网络实现矩形天线近场到远场的变换

ID:31975878

大小:1.12 MB

页数:64页

时间:2019-01-29

利用神经网络实现矩形天线近场到远场的变换_第1页
利用神经网络实现矩形天线近场到远场的变换_第2页
利用神经网络实现矩形天线近场到远场的变换_第3页
利用神经网络实现矩形天线近场到远场的变换_第4页
利用神经网络实现矩形天线近场到远场的变换_第5页
资源描述:

《利用神经网络实现矩形天线近场到远场的变换》由会员上传分享,免费在线阅读,更多相关内容在学术论文-天天文库

1、摘要随着雷达、导航和通信系统工作频率越来越高,其波长越来越短,直接测量天线远场特性也越来越不易实现。通常.天线远场特性测量运用紧缩场技术和近场到远场的变换这两种方法。前者通过反射器将球面波校正为平面波,后者是利用近场铡量值推导出远场特性。对于近场到远场的变换,目前已经可以通过一系列数学方法,如傅立叶变换方法,用任意近场测量面上的局部信息比较精确地确定出远场的分布特性,因而得到了广范应用。本文应用神经网络方法更简便地解决天线近场到远场的变换问题。神经网络是单个并行处理元素的集合,这些元素是从生物学神经系统得到的启发。

2、在自然界,网络功能主要由神经节决定,我们可以通过改变连接点的权重来训练神经网络完成特定的功能。一般来说,神经网络都是可调节的,或者说可训练的,这样一个特定的输入便可得到要求的输出。网络根据输出和目标的比较而调整,直到网络输出和目标匹配。利用神经网络实现近场到远场的变换,只需要知道天线在任意几何面上的近场幅度值,即可计算出远场辐射特性。其原理很简单,由天线的解析近场和远场值分别作为输入和目标输出单元,以径向基函数模型构造神经网络,训练近场到远场的映射函数。当网络调练完毕后,就可以直接实现一定范围内的近远场变换。通过对

3、矩形口径面天线的实例分析,验证了此方法的可行性和准确性,并且计算速度也相对较快,因而具有一定的发展和应用前景。关键词;近场到远场的变换,幅度,神经网络,径向基函数。矩形口径天线。AbstlaetAbstractAstheworkingfrequencyofradar,navigationandcommunicationsystemsbecomeshigherandhigher,andthewavelengthislowerandlower,it'smoreandmoredifficulttomeasm'ethefa

4、r-filedcharacteristicsofantennadirectly.Usually,weusecompactrangetesttechnologyandnear-fieldtofar-fieldtransformationtosolvethisproblem.Theformerooeusesoneormorecollimatingreflectorstochangesphericalwavestoplanewaves,andthelatteroneu$esthenear-fieldmeasurement

5、stodeterminethefar-fieldcharacteristics.Concerningthenear-fieldtofar-fieldtransformationoftheantenna,itispossibletoutilizepartsofthenear-fielddatatakenover卸arbitraryshapedgeometrytocomputethefar-fieldcharacteristicsbyaseriesofmathematicalmethodsnow,suchasFouri

6、ertransformation,andthisisappliedwidely.Inthisdissertationtheneuralnetworkmethodisappliedtoperformthenear-fieldtofar-fieldtransformationmolesimplyandconveniently.Neuralnetworksa∞composedofsimpleelementsoperatinginparallel.Theseelementsareinspiredbybiologicalne

7、Yvoussystems.Asinnature,thenetworkfunctionisdeterminedlargelybytheconnectionsbetweenelements.WecanWainaneuralnetworktoperformaparticularfunctionbyadjustingthevaluesoftheconnections(weights)betweenelements.Commonlyneuralnetworksaleadjusted,ortrained,sothatapart

8、icularinputleadstoaspecifictargetoutput.Suchasituationisshownbelow.There,thenetworkisadjusted,basedooacomparisonoftheoutputandthetarget,untilthenetworkoutputmatchesthetarget.Presen

当前文档最多预览五页,下载文档查看全文

此文档下载收益归作者所有

当前文档最多预览五页,下载文档查看全文
温馨提示:
1. 部分包含数学公式或PPT动画的文件,查看预览时可能会显示错乱或异常,文件下载后无此问题,请放心下载。
2. 本文档由用户上传,版权归属用户,天天文库负责整理代发布。如果您对本文档版权有争议请及时联系客服。
3. 下载前请仔细阅读文档内容,确认文档内容符合您的需求后进行下载,若出现内容与标题不符可向本站投诉处理。
4. 下载文档时可能由于网络波动等原因无法下载或下载错误,付费完成后未能成功下载的用户请联系客服处理。