شکل‌دهی پرتو آرایه آنتن مدوله شده زمانی با استفاده از شبکه‌های عصبی کانولوشن

در این مقاله به سنتز پترن تشعشعی دوبعدی چند بیم در آرایه آنتن صفحه‌ای مدوله زمان می‌پردازیم. با هدف کاهش زمان محاسبات عددی سنتز چند بیم و حذف رویکردهای سنتی و بهینه‌سازی که به‏طور عمده پیچیدگی زیادی داشته و زمان‌بر بوده‌اند، رویکرد شبکه عصبی کانولوشنال مورد بررسی قرار گرفته است. در این مقاله، شکل‌دهی هم‌زمان چند بیم به‏صورت دلخواه در آرایه آنتن مدوله زمان برای نخستین بار ارائه شده است. ابتدا با استفاده از نحوه سویچینگ عناصر و مدولاسیون زمانی آن‌ها مبتنی بر توزیع چبی‌شف، برای تحقق چند بیم از قبیل بیم اصلی و هارمونیک اول و دوم با سطح گلبرگ فرعی پایین و در زاویه‌های فضایی مختلف، داده‌های تصادفی گوناگونی را ایجاد می‌نماییم. سپس با استفاده از این داده‌ها، پترن‌ها و مدولاسیون نظیر آن‌ها تولید شده است. پس از آن یک مدل شبکه عصبی کانولوشنال برای یادگیری رابطه بین پترن‌های بیم اصلی و دو هارمونیک اول با مدولاسیون زمان هر عنصر ارائه می‌شود. شبکه عصبی ارائه شده می‌تواند با میانگین توان دوم خطای حدود 0.03، رابطه بین پارامترهای مدولاسیون زمان عناصر آرایه آنتن با پترن‌های بیم اصلی و هارمونیک اول و دوم را یاد بگیرد. در راستای ارزیابی این مدل، یک نمونه تصادفی از داده‌ها انتخاب شده و مشخصات پترن آن به ورودی شبکه داده شود. خروجی شبکه، توالی مدولاسیون زمان هر عنصر را تخمین می‌زند. سپس مشخصات پترن به‏دست آمده از مقادیر تخمین زده شده مدولاسیون زمانی عناصر با پترن‌های اصلی مقایسه می‌شود. نتایج نشان می‌دهد که مشخصات پترن به‏دست آمده از مقادیر تخمین زده شده به‏خوبی با مشخصات پترن اصلی مطابقت دارند. این روش قابلیت خوبی برای کنترل دلخواه چند بیم برای کاربردهایی که نیاز به ایجاد چندین ارتباط دارند فراهم می‌نماید.

beamforming of time-modulated antenna array using convolutional neural networks

in this article, the synthesis of the two-dimensional radiation pattern of multi-beams in the time-modulated planar antenna array is discussed. with the aim of reducing the time of numerical calculations of multi-beam synthesis and eliminating the traditional and optimization approaches, which are mostly complicated and time-consuming, the convolutional neural network approach has been investigated. in this study, the simultaneous shaping of multiple beams as desired in the time modulated antenna array is presented for the first time. by using the method of switching elements and their time modulation, which is based on the chabi-sheff distribution, to use and realize multi-beams such as the fundamental beam and the first and second harmonics with low side lobe level and steering at different spatial angles, create various random data. after that patterns and modulations like them are stored. after that, by presenting and designing a model of the convolutional neural network, learning the model for the relationship between the main beam pattern and the first two harmonic patterns with the time modulation of each element has been done. the presented neural network has been able to learn the relationship between the time modulation parameters of the antenna array elements with the main beam patterns and the first and second harmonics with a mean square error of about 0.03. in order to evaluate this model, a random sample of data has been selected to give its patterns to the input of the network. the output of the network has estimated the time modulation sequence of each element. finally, the modulation pattern of the estimated elements is compared with the main patterns of the comparison and shows the closeness of the original pattern to the estimated pattern. this method provides a good capability for arbitrary control of multiple beams for applications that require establishing multiple connections.