基于深度学习算法合成高空平台站多 V/H 定向波束

快速阅读: 据《Nature.com》最新报道，平流层平台结合深度学习模型可优化波束赋形，提升系统性能。文中提出新型同心圆阵列（同心圆阵列），能高效覆盖道路路径，通过深度神经网络优化波束成形模式。未来研究将进一步探索适用频段、减少干扰及优化天线阵列。这为通信技术发展提供了新方向。

将平流层平台（HAP）与深度学习（DL）模型相结合，为通过低成本且可扩展的服务交付方式彻底改变电信提供了有前景的途径。DL模型通过智能的高度和轨迹调整优化波束赋形，分析大量数据集，并提高整体系统性能，从而有望大幅提升HAP的性能。这种协同方法对支持物联网（IoT）和6G等新兴技术至关重要，同时还能提供更可靠和稳健的通信服务，以满足不断增长的数据和连接需求。

本文介绍了一种用于HAPS通信的新型同心圆阵列（CCA），旨在产生多个高增益波束，有效覆盖指定的道路路径。研究首先对比了单个天线单元的模拟结果与测量结果，以验证设计的有效性。随后，文章展示了CCA的模拟性能，表明其能够用十个不同的波束有效覆盖延伸的道路长度。值得注意的是，所提出的CCA设计利用极化和方向性控制合成多个垂直/水平方向性波束。此外，文章利用深度神经网络（DNN）优化不同道路路径的波束成形模式，通过确定每个CCA单元的最佳馈电相位实现。在各种道路路径上的实现功率密度水平从5至8.21毫瓦/平方米，被认为适合移动设备使用。

未来的研究方向包括研究所提出的模型在替代频段（如5G和毫米波频率）中的适用性，并探索减少干扰的方法，特别是在复杂的城郊环境。此外，探索其他天线阵列几何结构，如非均匀圆形阵列、锥形配置或圆柱形配置，可进一步提升系统性能与覆盖范围。

这一创新性的结合不仅为未来通信技术奠定了坚实基础，还为解决复杂环境下的信号覆盖问题提供了新思路。随着研究的深入和技术的发展，相信这种解决方案将在全球范围内掀起一场通信领域的变革。

(以上内容均由Ai生成)