首页 专利交易 科技果 科技人才 科技服务 国际服务 商标交易 会员权益 IP管家助手 需求市场 关于龙图腾
 /  免费注册
到顶部 到底部
清空 搜索

基于锥优化和深度学习的太赫兹平顶波束赋形方法与装置 

买专利卖专利找龙图腾,真高效! 查专利查商标用IPTOP,全免费!专利年费监控用IP管家,真方便!

申请/专利权人:中国人民解放军国防科技大学

摘要:本发明涉及一种基于锥优化和深度学习的太赫兹平顶波束赋形方法与装置。所述方法包括:获取波束赋形参数;构建锥优化模型,并设定锥约束条件;然后基于锥约束条件,采用锥优化模型对波束赋形参数进行求解,得到单波束激励向量;将各单波束激励向量对应的阵因子权重线性叠加,得到平顶波束辐射方向图;将平顶波束辐射方向图输入预先训练好的神经网络模型中,得到阵因子激励向量。相较于传统的平顶波束赋形技术,本发明优化解空间小,不需要设置大量的优化变量,精度高,计算时间快,具有较好的时效性,想要获得指向性不同的平顶波束,只需要改变叠加的角度即可,灵活性更强。

主权项:1.一种基于锥优化和深度学习的太赫兹平顶波束赋形方法,其特征在于,所述方法包括:获取波束赋形参数,所述波束赋形参数包括主瓣角度、副瓣控制范围及峰值副瓣水平;构建锥优化模型,并设定锥约束条件;基于所述锥约束条件,采用锥优化模型对所述波束赋形参数进行求解,得到单波束激励向量;将各所述单波束激励向量对应的阵因子权重线性叠加,得到平顶波束辐射方向图;将所述平顶波束辐射方向图输入预先训练好的神经网络模型中,得到阵因子激励向量;所述锥约束条件为:将优化变量与波约束条件计算得到的虚部和实部组成向量拼接在一起,计算拼接后的向量的欧几里德范数,得到新的扩展向量;计算新的扩展向量的欧几里德范数,且新的扩展向量的欧几里德范数小于或等于约束值;所述波约束条件根据约束角度与优化变量进行设置,所述优化变量即为阵因子权重;所述锥优化模型的目标为最小化目标函数关于优化变量的线性组合,并在优化过程中设置二阶锥约束条件、线性等式约束条件及优化变量的上下约束范围;其中,所述二阶锥约束条件为:设置向量和,将约束矩阵与优化变量的乘积减去向量后计算欧几里德范数,该计算结果小于等于向量与优化变量的乘积减去标量;所述线性等式约束条件为:考虑优化变量,将优化变量与等式约束矩阵作乘积运算后的结果等于向量;所述优化变量的上下约束范围根据约束最小值与约束最大值进行设置。

全文数据:

权利要求:

百度查询: 中国人民解放军国防科技大学 基于锥优化和深度学习的太赫兹平顶波束赋形方法与装置

免责声明
1、本报告根据公开、合法渠道获得相关数据和信息,力求客观、公正,但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解,仅供参考使用,不能作为本公司承担任何法律责任的依据或者凭证。