Предложена антенного массива 1×2 с загрузкой метаповерхностью, оптимизированного с помощью методов глубокого обучения, для одновременной декорреляции портов и диаграммы направления излучения, что усиливает изоляцию между элементами в системе MIMO (множественный ввод, множественный вывод). Метод оптимизации с поддержкой глубокого обучения использует искусственные нейронные сети (ANN) и алгоритм роя частиц (PSO) для поиска оптимальной структуры антенны, обеспечивая декорреляцию портов с диаграммой направленности без искажений. ANN обучалась описывать нелинейную связь между геометрическими параметрами и откликом антенны. Под руководством функции стоимости и количества итераций алгоритм PSO оптимизировал структуру антенны на основе функции стоимости и обученной ANN. В итоге при ограниченной функции стоимости был получен массив 1×2 с метаповерхностью, фиксированной шпильками, обеспечивающий декорреляцию портов и диаграммы направленности. Для проверки принципа и метода проектирования была разработана, изготовлена и измерена прототип антенны размером 0.88λ₀×0.47λ₀×0.21λ₀ (где λ₀ — длина волны в свободном пространстве на центральной частоте). Измеренная относительная полоса пропускания составила 8% (4.8–5.2 ГГц). Изоляция двойного патч-антенного массива увеличилась с 7.6 дБ до 24.3 дБ, коэффициент корреляции оболочки (ECC) при 0.35λ₀ был меньше 0.0005. Кроме того, диаграммы направленности в плоскости H каждого элемента были однородными и симметричными по широкой стороне. Эти характеристики делают предложенную антенну подходящей для систем MIMO с близким расположением антенн.

искусственная нейронная сеть;алгоритм роя частиц;взаимная связь;восстановление диаграммы направленности;метаповерхность