1
دانشجوی دکتری در مجتمع برق و سایبرنتیک دانشگاه صنعتی مالک اشتر، تهران، ایران.
2
دانشیار در مجتمع برق دانشگاه مالک اشتر،تهران، ایران.
چکیده
امروزه پهپادهای استراتژیک با امکانات فوق مدرن خود در حوزههای کامینت، الینت و تصویربرداری با قدرت تفکیک بالا و هدایت و ناوبری آنها و ارسال و دریافت اطلاعات با نرخ بالا از طریق لینک های ارتباطی با ماهواره ها، قادر به جمع آوری اطلاعات ارزشمندی هستند که میتوانند توازن صحنه نبرد را بر هم بزنند و در صورت نیاز قادر به اقدام و انهدام زیرساختهای استراتژیک کشور خواهند بود. لذا به منظور مقابله با این نوع از پرنده ها استفاده از سامانه ای جنگ الکترونیک که قادر به ردیابی فعال و غیر فعال با توانایی اعمال اخلال، احساس می شود. در این سامانه، بنا به مزیت های فراوان آرایه شدن آنتنها و شکل دهی پرتو به صورت الکترونیکی، از این روش استفاده شده است. با توجه به نیازهای عملیاتی، این آرایه ها، بایستی توانایی دریافت سیگنالی پهن باند با پهنای باند لحظهای چندین صد مگاهرتز در کل محدوده فرکانس کاری x و Ku را داشته باشد. در آنتن های آرایهای با ارسال و دریافت سیگنالهای پهن باند، ساختار شکلدهی پرتو باند باریک پاسخگوی شکلدهی پرتو نخواهد بود، لذا از ساختارهای شکلدهی پرتو پهن باند استفاده میشود. در ساختارهای پهن باند به دلیل افزایش تعداد ضرایب شکل دهنده از حالت M تایی به حالت M*J تایی، در صورتی که از الگوریتمهای رایج بهینه سازی در شکل دهی پرتو پهن باند به منظور تعیین ضرایب استفاده شود، پیچیدگی محاسباتی و لذا قدرت پردازش مورد نیاز و تاخیر محاسبات بسیار زیاد میباشد که این موضوع از چالشهای شکلدهی پرتو در سیستمهای پهن باند به حساب میآید. در این مقاله به منظور کاهش پیچیدگی محاسباتی از روش یادگیری عمیق استفاده شده است و نشان داده میشود که روش ارائه شده با حفظ کارایی باعث کاهش پیچیدگی قابل ملاحظهای در تعیین ضرایب میگردد.
Giagkos, A., et al. Comparing approaches for coordination of autonomous communications UAVs. in 2016 International Conference on Unmanned Aircraft Systems (ICUAS). 2016. IEEE. DOI: 1109/ICUAS.2016.7502551
Zolanvari, M., R. Jain, and T. Salman, Potential data link candidates for civilian unmanned aircraft systems: A survey. IEEE Communications Surveys & Tutorials, 2020. DOI: 1109/COMST.2019.2960366
Melvin, W.L. and J.A. Scheer, Principles of Modern Radar Vol. II: Advanced Techniques, 2013 by SciTech Publishing. Edison, NJ.
Liu, W. and S. Weiss, Wideband beamforming: concepts and techniques. Vol. 17. 2010: John Wiley & Sons.
Chen, P., et al., Robust covariance matrix reconstruction algorithm for time-domain wideband adaptive beamforming. IEEE Transactions on Vehicular Technology, DOI: 10.1109/TVT.2018.2885596
Monzingo, R.A. and T.W. Miller, Introduction to adaptive arrays. 2004: Scitech publishing.
سدیدپور, س.س., همکاران, شباهت معنایی جملات فارسی با استفاده از تطبیق فضای برداری و یادگیری عمیق. پدافند الکترونیکی و سایبری, 2022.
ناصحی, م., م. عشوریان, ح. امامی, شناسایی سریع مکان و نوع وسیله نقلیه در تصاویر با استفاده از روش یادگیری عمیق. پدافند الکترونیکی و سایبری, 2022.
Li, Y., X. Yang, and F. Liu, Fast and robust adaptive beamforming method based on complex-valued RBF neural network. The Journal of Engineering, 2019. 2019(19): p. 5917-5921. DOI: 10.1049/joe.2019.0275
Luijten, B., et al. Deep learning for fast adaptive beamforming. in ICASSP 2019-2019 IEEE International Conference on Acoustics, Speech and Signal Processing (ICASSP). 2019. IEEE. DOI: 1109/ICASSP.2019.8683478
Sallam, T. and A.M. Attiya, Convolutional neural network for 2D adaptive beamforming of phased array antennas with robustness to array imperfections. International Journal of Microwave and Wireless Technologies, DOI: 10.1017/S1759078721001070
Ramezanpour, P., M.J. Rezaei, and M.R. Mosavi, Deep-learning-based beamforming for rejecting interferences. IET Signal Processing, 2020. DOI: 10.1049/iet-spr.2019.0495
Lin, T. and Y. Zhu, Beamforming design for large-scale antenna arrays using deep learning. IEEE Wireless Communications. letters,2019. DOI:1109/LWC.2019.2943466
Zhao, Y., W. Liu, and R.J. Langley, Adaptive wideband beamforming with frequency invariance constraints. IEEE Transactions on Antennas and Propagation, 2011.
Oppenheim, A.V. and R.W. Schafer, Digital signal processing(Book). Research supported by the Massachusetts Institute of Technology, Bell Telephone Laboratories, and Guggenheim Foundation. Englewood Cliffs, N. J., Prentice-Hall, 1975.
Liu, Y., et al., Robust adaptive wideband beamforming based on time frequency distribution. Ieee Transactions on Signal Processing, 2019. 67(16): p. 4370-4382. DOI: 1109/TSP.2019.2929924
Frost, O.L., An algorithm for linearly constrained adaptive array processing. Proceedings of the IEEE, 1972. 60(8): p. 926-935. DOI: 1109/PROC.1972.8817
Steyskal, H., Wide-band nulling performance versus number of pattern constraints for an array antenna. IEEE Transactions on Antennas and Propagation, 1983. 31(1): p. 159-163. DOI: 1109/TAP.1983.1142993
[19] Takao, K. and K. Komiyama, An adaptive antenna for rejection of wideband interference. IEEE Transactions on Aerospace and Electronic Systems, 1980(4): p. 452-459. DOI: 1109/TAES.1980.308974
Van Trees, H.L., Optimum array processing: Part IV of detection, estimation, and modulation theory. 2004: John Wiley & Sons.
UltraScale Architecture and Product Data Sheet: Overview. 2017.
Skolnik, M.I., Introduction to radar. Radar handbook, 1962. 2: p. 21.
Wang, T., et , Deep learning for wireless physical layer: Opportunities and challenges. China Communications, 2017. 14(11): p. 92-111. DOI: 10.1109/CC.2017.8233654
Kingma, D.P. and J. Ba, Adam: A method for stochastic optimization. arXiv preprint arXiv:1412.6980, 2014. DOI:
جنانی, رضا, & فاطمی مفرد, رضا. (1402). روشی نوین در شکلدهی پرتو وفقی پهن باند به روش یادگیری عمیق در یک سیستم آرایهای. پدافند الکترونیکی و سایبری, 11(3), 35-47.
MLA
رضا جنانی; رضا فاطمی مفرد. "روشی نوین در شکلدهی پرتو وفقی پهن باند به روش یادگیری عمیق در یک سیستم آرایهای". پدافند الکترونیکی و سایبری, 11, 3, 1402, 35-47.
HARVARD
جنانی, رضا, فاطمی مفرد, رضا. (1402). 'روشی نوین در شکلدهی پرتو وفقی پهن باند به روش یادگیری عمیق در یک سیستم آرایهای', پدافند الکترونیکی و سایبری, 11(3), pp. 35-47.
VANCOUVER
جنانی, رضا, فاطمی مفرد, رضا. روشی نوین در شکلدهی پرتو وفقی پهن باند به روش یادگیری عمیق در یک سیستم آرایهای. پدافند الکترونیکی و سایبری, 1402; 11(3): 35-47.