用RBF神经网络改善传感器输出特性

针对传感器输出易受温度、湿度等因素影响的问题,提出利用RBF神经网络良好的学习、泛化和非线性逼近能力改善传感器的输出特性。RBF神经网络采用不需要事先确定隐层单元个数、可在线自适应学习的最近邻聚类学习算法。将该算法用于易受温度影响的压力传感器的非线性校正,仿真结果表明RBF神经网络在对传感器输出信号的补偿精度和网络训练速度方面均优于BP神经网络和传统的非线性补偿方法。该方法可推广应用于其他传感器输出特性的优化。

面向多波段合成孔径雷达天线的大型超宽带拼装式天线罩设计方法

针对特定布局的P波段到Ka波段的多波段合成孔径雷达天线的复杂构型,提出了一种大型超宽带拼装式天线罩的设计方法,能够满足多个不同频段天线大倾角内入射的宽频段高效透波。根据多波段合成孔径雷达天线的不同分布位置和频段,设计相应的不同介电常数组合的多层天线罩结构作为透波区域,并将其拼装为完整的大型天线罩构型。针对原定布局的多波段合成孔径雷达天线在相应工作状态下进行激励,对根据该方法制造的天线罩的透射系数进行测试,结果表明天线罩能够在超宽频带内高效透波,满足实际要求,实现了该布局下的多波段合成孔径雷达天线的大型超宽带拼装式天线罩设计。