一种基于机器学习的唯相位实时波束扫描及副瓣控制方法

本发明公开一种基于机器学习的阵列天线唯相位实时波束扫描与副瓣控制方法。首先设定阵列几何、扫描角度及副瓣指标；随后利用唯相位的快速傅里叶FFT算法快速综合满足要求的阵元激励相位。将扫描角及副瓣指标作为输入、对应相位分布作为输出，构建训练数据集；使用数据集训练神经网络获得初始激励分布到精确激励分布的实时预测模型；依据目标期望方向图扫描角度和副瓣特征，再输入到神经网络预测得到阵元激励相位从而实现实时的唯相位波束和副瓣控制功能。通过提取方向图关键特征降低输入维度，并借助FFT加速数据生成，兼顾实时性与精度，适用于各类阵列天线的快速波束调度任务。