(19)国家知识产权局 (12)发明 专利申请 (10)申请公布号 (43)申请公布日 (21)申请 号 202210627902.2 (22)申请日 2022.06.06 (71)申请人 北京航空航天大 学 地址 100191 北京市海淀区学院路37号 (72)发明人 白明　张师源　王琛　 (51)Int.Cl. G06F 30/17(2020.01) G06F 30/27(2020.01) (54)发明名称 一种基于多层感知器网络的天线阵列辐射 方向图高效优化 合成方法 (57)摘要 本发明提供了基于多层感知器网络的天线 阵列辐射方向图的高效优化合 成方法。 该方法包 括： 步骤1、 根据目标方向图的设计要求， 对目标 方向图的特征进行人工筛选， 选择重要的特征参 数输入多层感知器网络进行训练和学习。 步骤2、 根据目标方向图的要求， 确定对应的多参数控制 的掩膜函数， 将其与感知器网络预测出的辐射方 向图的差值作为损失函数以此来指导训练时梯 度下降的方向。 步骤3： 根据需求确定多层感知器 网络的层结构和参数， 在输入目标方向图重要的 特征参数后， 输出对应阵列天线单元的幅度与相 位信息。 权利要求书2页 说明书4页 附图3页 CN 114996874 A 2022.09.02 CN 114996874 A 1.一种基于多层感知器网络的天线阵列辐射方向图的高效优化 合成方法： 步骤1： 根据目标方向图的设计要求， 对目标方向图的特征进行人工筛选， 选择重要的 特征参数输入多层感知器网络进行训练和学习。 步骤2： 根据目标方向图的要求， 确定对应的多参数控制的掩膜函数， 将其与感知器网 络预测出的辐射方向图的差值作为损失函数以此来指导训练时梯度下降的方向 步骤3： 根据需求确定多层感知器网络的层结构和参数， 在输入目标方向图重要的特征 参数后， 输出对应阵列天线单 元的幅度与相位信息 。 2.根据权利要求1所述的方法， 其特 征在于， 步骤1具体为： 本专利为了减小多层感知器网络在输入数据中进行特征学习的难度， 同时也是为了减 小多层感知器网络输入参数 的冗余进一步提高计算效率。 因此， 在设计多层感知器网络的 输入参数时进行了人工选择。 根据目标方向图的设计要求， 选择主波束位置作为重要特征 输入多层感知器网络进行训练和学习。 3.根据权利要求1所述的方法， 其特 征在于， 步骤2具体为： 本专利中由于辐射图形要求的多样性， 设计一个通用方法来描述目标辐射方向图的各 种要求。 本专利设计了两个二维数据矩阵来重新定义所需的辐射远场方向图要求， 分别命名为 下掩模函数和上掩模函数。 上掩模函数 代表期望辐射方向图的上限约束， 下掩模 函数 代表期望辐射方向图的下限约束。 上掩模函数 中存在若干控制参数， 包括指向主波束方向 控制副瓣电平SLL， 以及期望辐射方向图的主波束宽度θw。 下掩 模函数 中则包括主 波束的‑3dB宽度， 期望辐射方向图电平的最小值 L。 根据目标远场辐射方向图确定了两种 掩膜函数中的控制参数后， 优化的目标被转化为 在训练过程中多层感知器网络计算的幅度与相位 合成的远场辐射方向图 应该满足： 上误差函数lossU以及下误差函数lossL是由训练过程中多层感知器网络计算的幅度与 相位合成的远场辐射方向图 与对应的掩膜函数的差值： 在优化过程中， 不同的注意力机制ν1、 ν2被分配给上误差函数lossU以及下误差函数 lossL： loss＝ν1·lossU+ν2·lossL 4.根据权利要求1所述的方法， 其特 征在于， 步骤3具体为： 本专利中根据目标辐射远场方向图的具体需求来确定多层感知器网络的层结构和参 数， 在本发明中， 放置了4个隐层， 分别为4096、 2048、 2048和1024个感知单元， 通过数据降维 提取信息。 第二层和第三层之间的相等映射为数据流计算提供了必要的缓冲作用， 以避免 信息崩溃。 为了提高收敛速度， 防止梯度消失， 设置各层的激活函数为 “relu”， 但输出层的 激活函数为 “tanh”。 在输入目标方向图重要的特征参数后， 输出对应阵列 天线单元的幅度权　利　要　求　书 1/2 页 2 CN 114996874 A 2与相位信息。 以目标方向图重要的特征参数作为输入， 将天线阵列单元 的幅度与相位信息 作为输出。权　利　要　求　书 2/2 页 3 CN 114996874 A 3