天线工程手册
林昌禄老师的天线工程手册，很经典的中文版。供大家下载参考文献303)第11章行波天线11.1行波人线的基本原理(305)11.2长线大线与V形天线菱形大线3104螺旋天线l1.5八木大线(324)l1.6表面波线(329)11.7漏波人线342)参与文献第12章宽频带天线12.1宽频带天线的基本概念12.2“宽带振子天线12.3加载天线(3692.4非频变大线(381)12.5宽频带喇叭大线(40212.6超宽频带接收天线(41012.7宽频带匹配技(413)参考文献第13章绒阵和平面阵13.1阵列线基础(4293.2线阵13.3平面阵13.4方向性和信噪比的最佳化13.5方向图综合(452参考文献(462)第14章微带天线463)概述(463)±4.2微带贴片大线466)14.3微带振子天线和微带隙缝天线(494)14.4宽频带、多频段和频率捷变技术(503)14.5微带线形天线与微带线阵5014.6微带面忤天线参考文献第15章喇叭天线(531)15.]通论15.2主模喇叭天线15.3双模喇叭天线547)15.4多模喇叭天线15.5波纹喇叭天线…56215.6组合喇叭人线15.7其他形式的喇58115.8校正喇叭口亩场的相位分布与透镜天线参考文献第16章反射面天线16·1基木方法和基木公式16.2单反射面天线—一抛物前天线16.3双反射亩天线16.4赋形双反射而天线610)6.5对称双镜天线的效分析6l2)6.6单偏置抛物亩人线16.7双偏置钷物面大线l6.8波束扫描反射面人线(628)6.9溅散板馈源天(638)喇叭抛物而天线(6416.1!抛物柱面天线16、12等强度线波束线(645)参若文献第17章相控阵天线6419)17.1相控:阵人线参数计算公式17.2料阵大线轴射方向性和旁瓣的挖制17.3阵元辐射器的选抒174移相器附遨择17.5相控忤馈电网络的设计(672)17.6相控阵天线的带宽678)17.7柑摔阵天线宽带和宽角匹配方法(681)17.8相控阵的暈化误差(684)17.9颛率扫描大线阵参考文献第18章信号处理天线与阵列倍号处理技术(693)(698.2倍号处理天线18.3自适应∵城滤波天线(718)4白适应抗扰大线系统(737)18.5空间谱估计技术(749第19章时域天线19.!时域人线的研究对象及指标(75l)9.2偶极天线(751)l9.3隙缝轴射器(754)19.4偶极子用作接收天线19.5加载天线19.6渐近线喇叭天线(756)19.7频率无关天线川时城人线19.8脉冲阵列天线75919.9时域凵径辋射及时域面大线19.10时域接收天线与发射天线的关系19.11馈电问题参考文献(769)第三篇天线应用第20章圆极化天线770)20.1引0.2圆极化波的特性与参数20.3圆极化器(7730.4电磁振子惻极化线0.5螺旋人线799)0.6隙缝闶极化天线20.7微带极化天线20.8反射器圆极化极化天线2(0.10其他圆极化天线与文献第21章长、中、短波和超短波通信天线21.!长、中波通信天线设计考虑2.2长、中波通信天线的基本形式及方问性1.3T型与T型大线214笼『型大线1.5高Q铁氧休加感人线(833)21.6短波通信天线设(8321.7水平极化与垂直极化知波通信天线1.8笕带短波通信人线21.9超短波通信天线设计(86721、10超短波接力通信大线1.于栘动通信873参考文献第22章卫星通信天线879)2.l卫星通倍天线发展状况(8792.2对称型双反射镜通信地球站天线的设计22.3对称双镜天线的赋形技术(892)224且星通信天线获得低旁瓣的办法22,5对称型双镜卩通信天线旁瓣源的分析与计算(907)2.6馈源的设计与选择22.7多波束星通信地球站天线22.8跟踪体制及选择参考文献939)第23章雷达天线9403.1达大线的般设计要求………23.2笔形泼束天线扇形波束天线23.4赋形波束人线—余割平方天线…(948)精密龈踪达天线一-单脉冲线及馈源设计(951)36H达天线的电扫描精度妓波束控制(96223.7超视进雷达大线23.8合成!径人线974)参考文献第24章测向天线980)24.)测向系统天线设计原则980)4.2测向系统单兀人线4.3测向系统的宽孔径天线(983244多波束测向24.5伏尔与多普勒伏尔地面天线992)塔康人线24.7仪表着陆系统和微波着陆系统天线(997248环境对测向线场性能的影24.9测向大线系统的误差分析与性能评估考文献第25章飞行体上的天线(I0235.1飞行体L的大25.2椭圆桂面和双曲柱上:的天线l025)253椭圆柱体上的天线园锥体上的天线(045)255椭球体上的天线(105025.6飞行体天线的电兼谷(1056)献第26章毫米波天线概述26.2反射面天线与亳米波馈26.3表衣面被与漏波大线264微带天线与其他的印制天线(I099)26.5集成大线(1108)参考文献第四篇相关论题第27章天线罩(1113般设计考虑(l11327.2外形与结构27.3材料选择(1115)274电磁性能设计参考文前第28章天线的雷达散射截面般概念(1143)28.2反射面天线的R(114728.3阵列人线的HCS1162大线RCS的减缩8.5天线H(S的测量参考文献第29章天线测量(119629.1天线测试场的设计与鉴定(1l969.2振幅方向图测量29.3增益测量(12l0294极化测量(l21929.5相位测量(1223)29.6近场测量(1226)29.7阻抗测量298模型天线法(1242)9.9射电源法(2439.10天线的时域测量参考文献第一篇天线基础第1章引1.1天线功能大线在无线电设备中的主裳功能有两个:第个是能量转换功能,第一个是定向镉射(或接收)功能能量转换功能是指导行波与自由空间波之间的转换,发射天线是将馈线引导的电磁波(高频电流)转换为向空问辐射的电磁波传向远方,接收天线是将空闾的磁波转换为馈线引导的电嵫波(高频电流)送给接收机定向作用是指线辐射或接收电磁波有定的方向性,根据无线电系统设备的要求,发射天线可把电磁波能量集中在一定方向轴射出去,接收天线可只接收特定方向传来的电憾波可以看出,发射天线和接收天线之间的关系类似于发电机与电动机之间的关系,前者是在导行波与自由河波之间往返变换,后者圳在机械能和电能之间往返变换,这种相似性表明:收、发天线之间存在着·定的可逆性。第二汽中4易原理的讨论将证明,只要天线中不含有非线件材料(如铁氧体器件),同一副天线用作发射和川作接收时,其基木特性保持不变。此,本于册中讨论的各种类型天线一般都不特别注明它是发射天线或是接收天线(除特殊应川场合外),都按发射天线处埋。1.2天线类型随着无线电技术的飞速发展和无线电设备应用场合的H靥扩展,已出现了适于不同用途种类繁多的天线,在天线工程设计中选择哪种类型大线很人程度上取决于特应川场合系统的电气和机械方面的要求阵列大线对品种繁多的大线进行分类是件十分难的事。若按工作性线、蛋达天线播天线、电视人线等:若按频段又可分为长波天10 K 100k IM IOM IG 10G 100(线、中波天线、短波天线微波线等。但这些分类法都显得笼不太科学因为有的线既可作发射又可作接收,甚至可收发共用;有的大线既叮用丁通信又可用背达;有的大线既适用于短波又适用于超知波甚至微波。很难将它归属于哪一类行业天线手册将从三个人的方面来讨论天线I程问题,即犬线基础、天线设计和天线应用。在大线分类上则按天线辐射方式进行,适当考虑天线结构、作频段和应川等判素。我们将天线分为四组人寸(/x基木类型:线元天线、行波天线、阵列大线和孔径大线。它们适用的频率范围和天线的大致电尺寸如图1-1所示。表1.1中举出图1-1天线分类些常用天线实例及属的天线类别当然,将天线类型简单地划分为这四红基本形式也仅是·种近似,不能说它十分严密的科学性,因为总还能找到一些例外。但这种分类法有利于读者对本于册的阅表1.1天线类型线元天线阵列大孔径天线单极天线侧射阵角铧喇叭偶极天线菱形天端射阵扇形喇叭螺旋天线直线阵员喇叨陈缠人平面阵多模喇叭载体大线对数时期天线圆形阵混合模喇叭微带天线慢曼波天线波纹喇叭加载大线快波大线信号处坪抛物而瘌叭有源天线漏波逗应阵仪锥大线表面波天线多波束阼单反射面天线鞭状夫线长介质棒天线相控阵双反射面天线密度加权阵球形反射面无线极低副瓣阵偏置反射面天线「焦反射面天线切割反射面天线孔径扫描天线透镜天线角形反射面大线背射人线1.3场区划分假设将发射大线置于图1-2所示球坐标系统的原点处,它向周围辐射电磁波,则其周围的电磁波功率密度(或场强)分布般都是距离r及角坐标(6,q)的函数。因此根据离开天线距离天线位置的不同,将天线周围的场区划分为感应场区,辐射近场区和辐射远场区感应场区感应场冈是指很靠近天线的区域。在这个场区里,电磁波的图t-2球坐标中的天线感应场分量远大于辐射场,而占优势的感应场之电场和磁场的时间相位相差90°,坡印亭矢量为纯虛数,因此,不辐射功率,电场能量和磁场能量柑互交替地贮存于天线附近的空间内。图1-3(a)所小电尺寸小的偶极天线,其感应场区的外边界是λ/2x。这里,入是工作波长。无限大孔径大线不存在感应场区,有限大孔径天线,在其中心区域感应场区仍可忽略,只是在孔径边缘附近存在感应场,感应场随离川天线距离的增加而极快衰减,超过感应场区后,就是辐射场占优势的辐射场区了。图1-3(6)所示电人寸大的孔径大线的帮射场区又分为近场区和远场区1.3.2辐射近场区辐射近场区里电磁场的角分布与离开大线的距离有关,即在不同距离处的天线方向图是不同的。这是因为:(a)由天线各辐射元所建立的场之相对相位关系是随距离而变的;(b)这些场的相对振幅也是随距离而改变的。在辐射近场区的内边界处(即感应区的外边界处),天线方向图是-个主瓣和副瓣难分的起伏包感应场区辐射远场区辐射近场区感应b)孔径天线(a)电尺小小偶坂天线图13天线周围的场区络。随饣离开线距离的增加,直到近远场辐射区时天线方向图的主瓣和副瓣才明显形成,但零点电乎和副辦电平均较3.3辐射远场区辐射近场区的外边就是轴射远场区。这个区域里的特点是:(1)场的大小与离开天线的距离成反比;(2场的角分布(即方问图)与离开天线的距离无关;(3)方向图瓣、鲥瓣和零值点已全部形成辐射远场风的起始边界通常规定为2D(1.1式中,R是从观察点到天线的距离,D足天线孔径的最大线尺寸在这个距离上,孔径中心与孔径边缘到观察点的行程差为边缘与中λ/16,相应的相仪差为225°如果在这个距离上对孔经天线的辐程差=k缘与中心射特性进行测量,其结果与在无穷远距离上测得的结果相差甚微程差=λ/4在【程上是完全可以接受的天线通常是用来向远场区传送能量,因此,天线上作者的主要兴趣也在这一区域上。对孔径线尺寸为D,孔径面上相位恒定的大电尺寸天线而言,远场区的大部分能量集中在±λD弧度的角空间内;在靠近天线的地方,能量主要集中在宽度为D的管道内,如图1-4所示。在近场区的起始部分,可认为辐射大体|是平平行波束区标准-3d点行的;在R≥D2/2A的过渡区域内,场以半角为A/D弧度的锥形向外发散,R=D2/2A处的孔径中心与边缘行程差为A;在R≥近场区R=2Da/k场区2D2/A处则是天线的辐射远场区场在近场区域内的细微变化情况是复杂的,它取决于孔径面图1-4孔径人线的辐射上的特定振幅分布,但流过任一近场“管道”截面的功率恒等于总的辐射功率、随着向远场区的接近,功率密度逐渐趋于1/R2规律变化4功率传输若收、发天线相互处于远场区内,相距为R,若已知发射功率为P1,问接收天线接收的功率为多少?这是-个很有实际用途的工程向题无论通信、需达或电视、播,只要是无线信总传输系统都会面临这题,它与天线特性密切相关,因此,下面进行简要讨论设收发天线设置的相对坐标如图1-5所示。发射线输入功率为P,天线效率为,则辐射功率将是P该辐射功率P住接收天线处产生的功率密度为日,q)D).(6,g)4πR
- 2021-05-06下载
- 积分：1
Google word2vec算法 数学原理
文档是 word2vec 算法 数学原理详解。word2vec是google的一个开源工具，能够仅仅根据输入的词的集合计算出词与词直接的距离，既然距离知道了自然也就能聚类了，而且这个工具本身就自带了聚类功能，很是强大。32预备知识本节介绍word2v中将用到的一些重要知识点,包括 sigmoid函数、 Bccs公式和Huffman编码等821 sigmoid函数sigmoid函数是神经网络中常用的激活函数之一,其定义为1+e该函数的定义域为(-∞,+∞),值域为(0,1).图1给出了 sigmoid函数的图像0.56图1 sigmoid函数的图像sigmoid函数的导函数具有以下形式(x)=0(x)1-0(x)由此易得,函数loga(x)和log(1-0(x)的导函数分别为log a(a)-1 a(a),log(1 o(a))l-a(a),(2.1)公式(2.1)在后面的推导中将用到32.2逻辑回归生活中经常会碰到二分类问题,例如,某封电子邮件是否为垃圾邮件,某个客户是否为潜在客户,某次在线交易是否存在欺诈行为,等等设{(x;)}温1为一个二分类问题的样本数据,其中x∈Rn,∈{0,1},当v=1时称相应的样本为正例当v=0时称相应的样本为负例利用 sigmoid函数,对于任意样本x=(x1,x2,…,xn),可将二分类问题的 hypothesis函数写成h(x)=o(6o+b1x1+62+…+bnxn)其中θ=(0,61,…,On)为待定参数.为了符号上简化起见,引入x0=1将x扩展为(x0,x1,x2,……,xn),且在不引起混淆的情况下仍将其记为ⅹ.于是,he可简写为取阀值T=0.5,则二分类的判别公式为ho(x)≥0.5:X)=0,ha(x)6),可分别用000001、010、011、100、101对“A,E,R,T,F,D”进行编码发送,当对方接收报文时再按照三位一分进行译码显然编码的长度取决报文中不同字符的个数.若报文中可能出现26个不同字符,则固定编码长度为5(25=32>26).然而,传送报文时总是希望总长度尽可能短.在实际应用中各个字符的出现频度或使用次数是不相同的,如A、B、C的使用颗率远远高于X、Y、Z,自然会想到设计编码时,让使用频率高的用短码,使用频率低的用长码,以优化整个报文编码为使不等长编码为前缀编码(即要求一个字符的编码不能是另一个字符编码的前缀),可用字符集中的每个字符作为叶子结点生成一棵编码二叉树,为了获得传送报文的最短长度,可将每个字符的岀现频率作为字符结点的权值赋于该结点上,显然字使用频率越小权值起小,权值越小叶子就越靠下,于是频率小编码长,频率高编码短,这样就保证了此树的最小带权路径长度,效果上就是传送报文的最短长度.因此,求传送报文的最短长度问题转化为求由字符集中的所有字符作为叶子结点,由字符出现频率作为其权值所产生的 Huffman树的问题.利用 Huffman树设计的二进制前缀编码,称为 Huffman编码,它既能满足前缀编码的条件,又能保证报文编码总长最短本文将介绍的word2ve工具中也将用到 Huffman编码,它把训练语料中的词当成叶子结点,其在语料中岀现的次数当作权值,通过构造相应的 Huffman树来对每一个词进行Huffman编码图3给岀了例2.1中六个词的 Huffman编码,其中约定(词频较大的)左孩子结点编码为1,(词频较小的)右孩子编码为0.这样一来,“我”、“喜欢”、“观看”、“巴西”、“足球”、“世界杯”这六个词的 Huffman编码分别为0,111,110,101,1001和100000欢观有巴西足球图3 Huffman编码示意图注意,到目前为止关于 Huffman树和 Huffman编码,有两个约定:(1)将权值大的结点作为左孩子结点,权值小的作为右孩子结点;(②)左孩子结点编码为1,右孩子结点编码为0.在word2vee源码中将权值较大的孩子结点编码为1,较小的孩子结点编码为θ.为亐上述约定统一起见,下文中提到的“左孩子结点”都是指权值较大的孩子结点3背景知识word2vec是用来生成词向量的工具,而词向量与语言模型有着密切的关系,为此,不妨先来了解一些语言模型方面的知识83.1统计语言模型当今的互联网迅猛发展,每天都在产生大量的文本、图片、语音和视频数据,要对这些数据进行处理并从中挖掘出有价值的信息,离不开自然语言处理( Nature Language processingNIP)技术,其中统计语言模型( Statistical language model)就是很重要的一环,它是所有NLP的基础,被广泛应用于语音识别、机器翻译、分词、词性标注和信息检索等任务例3.1在语音识别亲统中,对于给定的语音段Voie,需要找到一个使概率p(Tcrt| Voice最大的文本段Tert.利用 Bayes公式,有P(Teact Voice)p(VoiceTert)p(Text)P(Veonce其中p( Voice Teat)为声学模型,而p(Tert)为语言模型(l8])简单地说,统计语言模型是用来计算一个句子的概率的概率模型,它通常基于一个语料库来构建那什么叫做一个句子的概率呢?假设W=m1:=(n1,w2,…,tr)表示由T个词1,2,…,ur按顺序构成的一个句子,则n,U2,…,wr的联合概率p(W)=p(u1)=p(u1,u2,…,r)就是这个句子的概率.利用 Baves公式,上式可以被链式地分解为1)=p(u1)·p(u2l1)·p(vai)…p(ur1-)3.1其中的(条件)概率p(1),p(U2mn1),p(u3),…,p(urln1-1)就是语言模型的参数,若这些参数巳经全部算得,那么给定一个句子1,就可以很快地算出相应的p(1)了看起来妤像很简单,是吧?但是,具体实现起来还是有点麻烦.例如,先来看看模型参数的个数.刚才是考虑一个给定的长度为T的句子,就需要计算T个参数.不妨假设语料库对应词典D的大小(即词汇量)为N,那么,如果考虑长度为T的任意句子,理论上就有N种可能,而每种可能都要计算T个参数,总共就需要计算TN个参数.当然,这里只是简单估算,并没有考虑重复参数,但这个量级还是有蛮吓人.此外,这些概率计算好后,还得保存下来,因此,存储这些信息也需要很大的內存开销此外,这些参数如何计算呢?常见的方法有 II-gram模型、决策树、最大熵模型、最大熵马尔科夫模型、条件随杋场、神经网络等方法.本文只讨论n-gram模型和神经网络两种方法.首先来看看n-gram模型32n-gram模型考虑pko4-)(k>1)的近似计算.利用 Baves公式,有p(wr wi)P(uP(w根据大数定理,当语料库足够大时,p(k4-1)可近似地表示为P(wwi)count(wi)(3.2)count(a其中 count(u4)和 count-)分别表示词串t和v-在语料中出现的次数,可想而知,当k很大时, count(o4)和 count(4-1)的统计将会多么耗时从公式(3.1)可以看出:一个词出现的慨率与它前面的所有词都相关.如果假定一个词出现的概率只与它前面固定数目的词相关呢?这就是n-gran模型的基本思想,它作了一个n-1阶的 Markov假设,认为一个词出现的概率就只与它前面的n-1个词相关,即-1)≈p(kk-1+),于是,(3.2)就变成了p(wxJuk-)count(n+1countri(3.3以〃=2为例,就有p(uk4-1)≈count(k-1, Wk)count(Wk-1)这样一简化,不仅使得单个参数的统计变得更容易(统计时需要匹配的词串更短),也使得参数的总数变少了那么, n-gran中的参数n取多大比较合适呢?一般来说,n的选取需要同时考虑计算复杂度和模型效果两个因素表1模型参数数量与n的关系模型参数数量1( ingram)2×1052(bigram)4×10103( trigram)8×10154(4grm)16×10在计算复杂度方面,表1给出了n-gram模型中模型参数数量随着n的逐渐增大而变化的情况,其中假定词典大小N=2000(汉语的词汇量大致是这个量级).事实上,模型参数的量级是N的指数函数(O(N"),显然n不能取得太大,实际应用中最多的是采用n=3的三元模型在模型效果方面,理论上是π越大,效果越奷.现如今,互联网的海量数据以及机器性能的提升使得计算更高阶的语言模型(如n>10)成为可能,但需要注意的是,当n大到一定程度时,模型效果的提升幅度会变小.例如,当n从1到2,再从2到3时,模型的效果上升显著,而从3到4时,效果的提升就不显著了(具体可参考吴军在《数学之美》中的相关章节).事实上,这里还涉及到一个可靠性和可区别性的问题,参数越多,可区别性越好,但同时单个参数的实例变少从而降低了可靠性,因此需要在可靠性和可区别性之间进行折中另外, n-gran模型中还有一个叫做平滑化的重要环节.回到公式(3.3),考虑两个问题:若 count(uk-n+1)=0,能否认为p(kln1-1)就等于0呢?若 count(kn+)= count(uk-+1,能否认为p(uur-)就等于1呢?显然不能!但这是一个无法回避的问题,哪怕你的语料库有多么大.平滑化技术就是用来处理这个问题的,这里不展开讨论,具体可参考[11总结起来,n-gram模型是这样一种模型,其主要工作是在语料中统计各种词串岀现的次数以及平滑化处理.概率值计算好之后就存储起来,下次需要计算一个句子的概率时,只需找到相关的概率参数,将它们连乘起来就好了然而,在机器学习领域有一种通用的招数是这样的:对所考虑的问题建模后先为其构造一个目标函数,然后对这个目标函数进行优化,从而求得一组最优的参数,最后利用这组最优参数对应的模型来进行预測对于统计语言模型而言,利用最大似然,可把目标函数设为plwlConteat(w))∈C其中C表示语料( Corpus), Context(u)表示词U的上下文( Context),即周边的词的集合.当 Context(u)为空时,就取p( Context(w)=p(u).特别地,对于前面介绍的 n-gran模型,就有 Context(mn)=2-n+1注3.1语料￠和词典仍的区别:词典仍是从语料￠中抽取岀来的,不存在重复的词;而语料C是指所有的文本內容,包括重复的词当然,实际应用中常采用最大对数似然,即把目标函数设为∑ logp(u( ontext(o)(3.4)然后对这个函数进行最大化从(3.4)可见,概率p( CONtex()已被视为关于和 Context()的函数,即p(w Context(w))= F(w, Conteact(w), 0)
- 2020-06-14下载
- 积分：1
