ارائه کننده: سیده کوثر مختاری استاد راهنما: دکتر کیوان فرورقی استاد ناظر داخلی: دکتر زهرا اطلس باف استاد ناظر خارجی: دکتر جلیل آقا راشد محصلتاریخ: ۱۴۰۳/۰۹/۰۶ ساعت: ۹ مکان: بلوک۳، منفی 1

چکیده: امروزه آنتن‌ های آرایه‌ ای در طیف گسترده‌ ای از کاربردها، ازجمله سیستم‌ های راداری (مانند رادار هواشناسی و رادار نظامی)، سیستم‌ های ارتباطی (مانند رادار آرایه فازی برای کنترل ترافیک هوایی و ارتباطات ماهواره‌ ای) و شبکه‌ های بی‌ سیم (مانند ۵G) استفاده می‌ شوند. در آنتن‌ های آرایه‌ ای، دلایل مختلفی وجود دارد که ممکن است باعث شوند جواب و الگوی تابشی که از آرایه انتظار داریم به دست نیاید. ازجمله این دلایل می‌ توان به تزویج بین آنتن‌ های 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 آنتن‌ های آرایه، الگوی تابش موردنظر بازسازی شود. برای حل این مشکل می‌ توان از روش‌ های مختلفی استفاده کرد که یکی از این روش‌ ها، یادگیری ماشین است. از یادگیری ماشین می‌ توان برای حل چالش‌ های پیچیده غیرخطی و غیرقابل‌ پیش‌ بینی مانند طراحی آنتن استفاده کرد. با استفاده از یادگیری ماشین تشخیص عیب در آرایه‌ های آنتن و مسائل غیرخطی مبتنی بر پراکندگی معکوس راحت و درعین‌ حال مقرون‌ به‌ صرفه خواهد بود. در این پژوهش بر آن خواهیم بود تا با استفاده از الگوریتم یادگیری ماشین، دامنه تحریک آنتن‌ های ایزوتروپیک را از روی الگوی تشعشعی آنتن، به دست آوریم. برای حل این مساله، ما از الگوریتم‌ های پرسپترون چندلایه، ماشین بردار پشتیبان و درخت تصمیم استفاده کرده و آن‌ ها را با هم مقایسه کردیم. درنهایت به این نتیجه رسیدیم که الگوریتم درخت تصمیم برای این روش جواب مناسبی ارائه می‌ دهد.