شناسایی المان خطا در آنتنهای آرایه ای با استفاده از شبکه های عصبی

در این پژوهش، روشی جدید ارائه شده است که در آن با در دست داشتن پرتو تشعشعی میدان دور آنتن-های آرایه ای، مکان و تعداد المان های خطا در این آنتن ها شناسایی می گردد. الگوریتم پیشنهادی، روشی است مبتنی بر بکارگیری شبکه عصبی برای مانیتورینگ عملکرد المان ها در آرایه و شناسایی ناحیه وقوع خطا. این روش به راحتی قابل بکارگیری در کاربردهای بلادرنگ از جمله سیستم های جبران خطا می باشد. وقوع خطا در یک المان به معنای عدم تشعشع یا تشعشع ناقص المان می باشد. در اینجا المان خراب المانی تلقی می شود که توسط خطوط تغذیه تحریک نمی شود و به صورت عادی تشعشع نمی کند. وجه تمایز این روش با روش های پیشین، در این است که علاوه بر لحاظ نمودن اثر کوپلینگ متقابل میان المان ها در پرتو تشعشعی آنتن اولیه، اثر حضور پارازیتی المان بدون تشعشع در مجاورت المان های سالم نیز در پرتو تشعشعی نهایی در نظر گرفته شده است. شناسایی المان یا المان های خطا، توسط یک شبکه عصبی mlp انجام می شود، که به وسیله ی پرتوهای شبیه سازی شده ی تمام حالات ممکن وقوع خطا در آنتن آرایه ای، تحت الگوریتم پس انتشار bp، آموزش دیده است. کاربرد شبکه عصبی mlp، ایجاد یک نگاشت غیرخطی است که نمونه هایی از پرتو انحرافی را دریافت کرده و آنها را به ترکیبی از المان های سالم و خراب آرایه که امکان ایجاد چنین پرتو انحرافی را دارد، می نگارد. روش پیشنهادی، بر روی یک نمونه آنتن آرایه ای مسطح مایکروستریپ 4×4 واقعی با تغذیه یکنواخت پیاده سازی شده است. نتایج نهایی بکارگیری الگوریتم پیشنهادی بر روی شناسایی المان خطا در نمونه های شبیه سازی شده، در بهترین حالت میزان موفقیت 100درصدی و در بدترین حالت میزان موفقیت 75درصدی را نشان می دهد. این الگوریتم بر روی یکی از حالات وقوع خطای واقعی نیز تست شده است و میزان موفقیت نهایی آن در شناسایی ناحیه ی وقوع خطا در بهترین حالت، 100درصد و در بدترین حالت 84درصد می باشد.