ارائه کننده: سیده کوثر مختاری
استاد راهنما: دکتر کیوان فرورقی
استاد ناظر داخلی: دکتر زهرا اطلس باف
استاد ناظر خارجی: دکتر جلیل آقا راشد محصل
تاریخ: 1403/09/06
ساعت: 9
مکان: بلوک3، منفی 1

چکیده:
امروزه آنتن‌های آرایه‌ای در طیف گسترده‌ای از کاربردها، ازجمله سیستم‌های راداری (مانند رادار هواشناسی و رادار نظامی)، سیستم‌های ارتباطی (مانند رادار آرایه فازی برای کنترل ترافیک هوایی و ارتباطات ماهواره‌ای) و شبکه‌های بی‌سیم (مانند 5G) استفاده می‌شوند.
در آنتن‌های آرایه‌ای، دلایل مختلفی وجود دارد که ممکن است باعث شوند جواب و الگوی تابشی که از آرایه انتظار داریم به دست نیاید. ازجمله این دلایل می‌توان به تزویج بین آنتن‌های المان، انعکاس از محیط اطراف و اثرات محیطی، خطای دامنه و فاز مدارهای منبع تغذیه، خرابی المان آرایه و خطاهای مکانیکی ساخت اشاره کرد. در این موارد لازم است با تخمین دامنه تحریک و فاز آنتن‌های آرایه، الگوی تابش موردنظر بازسازی شود.
برای حل این مشکل می‌توان از روش‌های مختلفی استفاده کرد که یکی از این روش‌ها، یادگیری ماشین است. از یادگیری ماشین می‌توان برای حل چالش‌های پیچیده غیرخطی و غیرقابل‌پیش‌بینی مانند طراحی آنتن استفاده کرد. با استفاده از یادگیری ماشین تشخیص عیب در آرایه‌های آنتن و مسائل غیرخطی مبتنی بر پراکندگی معکوس راحت و درعین‌حال مقرون‌به‌صرفه خواهد بود.
در این پژوهش بر آن خواهیم بود تا با استفاده از الگوریتم یادگیری ماشین، دامنه تحریک آنتن‌های ایزوتروپیک را از روی الگوی تشعشعی آنتن، به دست آوریم. برای حل این مساله، ما از الگوریتم‌های پرسپترون چندلایه، ماشین بردار پشتیبان و درخت تصمیم استفاده کرده و آن‌ها را با هم مقایسه کردیم. درنهایت به این نتیجه رسیدیم که الگوریتم درخت تصمیم برای این روش جواب مناسبی ارائه می‌دهد.