基于混合神经网络的飞机舱内PED到舱外机载天线的IPL预测

基于混合神经网络的飞机舱内PED到舱外机载天线的IPL预测

内容简介：移动互联网的迅速普及，迫使各大航空公司在保证飞机安全飞行的前提下，极力满足乘客在飞机上实现手机自由通话、上网的需求。然而这些手机、笔记本电脑等便携电子设备（Portable Electronic Device, PED）的电磁辐射却会对敏感的机载无线导航系统造成潜在的干扰威胁。因此，如何实现机上PED与机载敏感设备电磁兼容性共存成为当前的研究热点。PED的辐射强度、机载敏感设备的干扰限值、以及两者之间的干扰路径损耗（Interference Path Loss, IPL）构成了飞机电磁兼容性设计的三个主要指标。由于干扰路径损耗的实际测量费用高，而数值方法存在着计算时间长等缺点，本文针对此问题开展了大量研究，并提出了一种基于混合神经网络技术的评估方法。
　　围绕这一问题本文开展了如下研究工作：
　　1．研究了PED的杂散辐射对舱外敏感天线的干扰机制，着重分析了干扰路径损耗的测量方法，提出了基于混合神经网络技术的预测模型，它是一种相对数值计算方法
　　2．将前向神经网络的非线性分类预测能力应用到舱内PED与舱外机载天线之间干扰路径损耗的预测中。初步建立了B757简易机身模型，利用部分CST仿真数据作为训练样本，较好地预测了0～4.5GHz频段内的S21。
　　3．针对神经网络梯度优化算法已陷入局部最小等缺陷，引入两种智能优化算法来优化神经网络权值，详细讨论了两种优化算法与神经网络的结合形式以及优化算法本身算子及参数的选择和设定，并通过大量重复性测试对比了两种优化算法在多维变量优化方面的性能。
　　4．分析了大量IPL测量数据以及不同天线系统IPL的共性规律，并结合飞机结构特征选取神经网络输入参数，给出了神经网络、遗传神经网络以及粒子群神经网络在IPL预测方面的算例。预测结果表明，混合粒子群优化算法的神经网络模型对于不同机载天线系统的IPL，其整体预测趋势的效果较好，可作为飞机电磁兼容设计中的一种快速高效的评估方法。

作者：杨森,

关键词：便携电子设备, 神经网络, 预测模型, 干扰路径损耗, 强脉冲光测量数据, 机载天线, 飞机舱,