Подавление шумовых помех в адаптивных антенных решетках на основе нейросетевых алгоритмов

О. С. Литвинов; Д. В. Муродьянц; В. С. Борута; Б. Е. Винтайкин

Подавление шумовых помех в адаптивных антенных решетках на основе нейросетевых алгоритмов

О. С. Литвинов¹, Д. В. Муродьянц², В. С. Борута³, Б. Е. Винтайкин⁴

научная статья УДК 621.396.679.4 Страницы: 40-44

^1,4 д.ф.-м.н., профессор, кафедра физики, МГТУ им. Н.Э. Баумана
² студент, кафедра физики, МГТУ им. Н.Э. Баумана
³ к.т.н., доцент, кафедра физики, МГТУ им. Н.Э. Баумана

Ключевые слова: адаптивные антенные решетки нейронные сети фильтрация сигналов

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.

Для цитирования

Литвинов О.С., Муродьянц Д.В., Борута В.С., Винтайкин Б.Е. Подавление шумовых помех в адаптивных антенных решетках на основе нейросетевых алгоритмов // Антенны. 2018. № 2. С. 40–44.

Список источников

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

[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.

Аннотация

Для цитирования

Похожие статьи