论文部分内容阅读
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,后者是利用近场测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。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。当网络训练完毕后,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。