Журнал «Антенны» №2 за 2018 г.
Статья в номере:
Подавление шумовых помех в адаптивных антенных решетках на основе нейросетевых алгоритмов
Тип статьи: научная статья
УДК: 621.396.679.4
Авторы:

О. С. Литвинов – д.ф.-м.н., профессор, кафедра физики, МГТУ им. Н.Э. Баумана

E-mail: oleglitv@mtu-net.ru

Д. В. Муродьянц – студент, кафедра физики, МГТУ им. Н.Э. Баумана

E-mail: dmitriy1994.94@mail.ru

В. С. Борута – к.т.н., доцент, кафедра физики, МГТУ им. Н.Э. Баумана

E-mail: borutav@mail.ru

Б. Е. Винтайкин – д.ф.-м.н., профессор, кафедра физики, МГТУ им. Н.Э. Баумана

E-mail: vintaikb@mail.ru

Аннотация:

Проведено обучение нейронной сети для управления параметрами адаптивной антенной решетки (ААР), которая по заданному входному сигналу выдает значения весовых коэффициентов (ВК), при которых на выходе ААР получается сигнал с минимальной помеховой составляющей. Рассмотрены случаи падения одной и двух некоррелированных помех на приемные элементы антенны при нормально падающем полезном сигнале. Получена зависимость отношения шума к сигналу на выходе ААР в зависимости от угла прихода помехи. Проанализирована диаграмма направленности ААР при данной обученной нейронной сети и характер зависимости отношения шума к сигналу для данной обученной нейронной сети при непрерывном изменении угла прихода помехи.

Страницы: 40-44
Список источников
  1. Хайкин С. Нейронные сети: Полный курс. Изд. 2-е. М.: Вильямс. 2008.
  2. Уоссермен Ф. Нейрокомпьютерная техника: Теория и практика. М.: Мир. 1992.
  3. Терехов В.А., Ефимов Д.В., Тюкин И.Ю. Нейросетевые системы управления. М.: Высшая школа. 2002.
  4. Пистолькорс А.А., Литвинов О.С. Введение в теорию адаптивных антенн. М.: Наука. 1991.
  5. Gross F.B. Smart antennas for wireless communications with MATLAB. McGraw-Hill. 2005.
  6. Hinton G. E., Osindero S., Teh Y.W. A fast learning algorithm for deep belief nets // Neural Computation. 2006. № 18 (7). P. 1527–1554.
  7. Deng G., Ferris M.C. Neuro-dynamic programming for fractionated radiotherapy planning // Springer Optimization and Its Applications. 2008. V. 12. P. 47–70.
  8. Cybenko G.V. Approximation by superpositions of a sigmoidal function // Mathematics of Control, Signals, and Systems. 1989. V. 2. P. 303–314.
  9. Siegelmann H.T., Sontag E.D. Analog computation via neural networks // Theoretical Computer Science. 1994. V. 131. № 2. P. 331–360.
  10. Черемисин О.П. Адаптивные алгоритмы обработки сигналов в многоканальных приемных системах с антенными решетками // Радиотехника и электроника. 2006. Т. 51. № 9. С. 1087–1098.
  11. Graves A., Schmidhuber J. Offline handwriting recognition with multidimensional recurrent neural networks // Advances in Neural Information Processing Systems. 2009. V. 31. P. 545–552.
  12. Ciresan D.C., Meier U., Masci J., Schmidhuber J. Multi-column deep neural network for traffic sign classification // Neural Networks. 2012. V. 32. P. 333–338.
Дата поступления: 24 января 2018 г.