本发明属于自适应天线，具体涉及一种自适应天线系统及其调整方法。
背景技术：
1、自适应天线也称调零天线处理器，能够自动将天线最大辐射方向对准所需电台，而将天线方向图的波瓣零位对准干扰电台的一种自动抗干扰天线，这是从空域上反电子对抗的一种有效措施，在结构上它由天线阵列与自适应处理系统构成，故又称自适应阵列。
2、接收用的自适应阵列能自动调整极化，对所需信号的极化衰减最小，能自动将最大接收方向调整到所需信号来波方向，能自动将零向调向干扰来波方向，所以它具有极为灵活可靠的抗干扰检测能力，发射用的自适应阵列能自动调整方向图，从而将能量射向所需的空间角域。但现有相关自适应天线中至少存在如下问题：自由空间传播损耗公式计算出电磁波信号在无障碍、理想空间中传播时的衰减情况，然而在实际运用当中，传播路径中的障碍物、其他无线设备与电气设备的电磁干扰、大气条件等因素，都会影响电磁波信号的传输。
3、因此，如何根据当前电磁波信号衰弱强度来调整最佳的电磁波信号输出功率，以保证电磁波信号传输的稳定性已成为当前需要解决的问题。
技术实现思路
1、为了解决现有技术中存在的上述问题，本发明提供了一种自适应天线系统及其调整方法。本发明要解决的技术问题通过以下技术方案实现：
2、第一方面，本发明实施例提供了一种自适应天线系统，所述自适应天线系统，包括：
3、第一天线结构和第二天线结构，所述第一天线结构和所述第二天线结构的结构相同，所述第一天线结构包括：支架，所述支架外侧靠上处设置有连接架，所述连接架靠内侧设置有多个阻尼器，多个所述阻尼器的另一端分别设置在所述支架的外侧壁上，所述连接架靠外侧的侧壁上环形排列设置有多个连接杆，多个所述连接杆靠外侧的侧壁上均设置有天线本体，多个所述天线本体的外侧壁上均设置有防污纳米涂层，多个所述天线本体靠内侧的侧壁均设置有发送端信号获取模块和接收端信号获取模块；其中，将所述第一天线结构作为接收端或发送端时，对应将所述第二天线结构作为发送端或接收端；
4、发送端信号获取模块，用于获取作为发送端的天线结构中天线本体发送的电磁波信号；
5、接收端信号获取模块，用于获取作为接收端的天线结构中天线本体接收的电磁波信号；
6、信号处理器，连接所述发送端信号获取模块和所述接收端信号获取模块，用于对发送的电磁波信号和接收的电磁波信号进行整合；
7、深度学习模块，连接所述信号处理器，用于获取每天不同时间点整合后的电磁波信号，根据所有整合后的电磁波信号建立节点网络，并建立基于自由空间传播损耗的目标函数，基于深度学习模型并根据所述目标函数计算所述节点网络中每个节点在实际传输过程中的损耗波动预测值，以通过自主学习和适应环境变化来优化电磁波信号接收和传输性能的第一天线结构和第二天线结构；
8、时间平均平滑模块，连接所述深度学习模块，用于统计过去一段时间内的损耗波动预测值，采用时间平均平滑法并根据所有损耗波动预测值计算平均损耗波动，以用于消除数据中的随机波动，揭示数据的趋势；
9、计算模块，连接所述时间平均平滑模块，用于采用迭代算法并根据所述平均损耗波动迭代计算作为发送端的天线结构中天线本体接收的电磁波信号，与作为接收端的天线结构中天线本体接收的电磁波信号之间的实际损耗波动，根据迭代计算出的实际损耗波动计算作为发送端的天线结构中天线本体发送的最优电磁波信号；
10、输出功率调节模块，连接所述计算模块，用于根据所述最优电磁波信号对作为发送端的天线结构中天线本体的电磁波输出功率进行调节，以保证作为发送端的天线结构中天线本体发送最优的电磁波输出功率。
11、在本发明的一个实施例中，多个连接杆的下端面中心处均设置有弹簧，每个弹簧的另一端均固定连接在底板的上端面。
12、第二方面，本发明实施例提供了一种自适应天线系统的调整方法，所述自适应天线系统为第一方面中任意一项所述的自适应天线系统，对应调整方法包括：
13、s1、获取基本参数，包括：通过所述接收端信号获取模块获取作为接收端的天线结构中天线本体接收的电磁波信号，通过所述发送端信号获取模块获取作为发送端的天线结构中天线本体发送的电磁波信号，并通过信号处理器对接收的电磁波信号和发送的电磁波信号进行整合，将整合的电磁波信号作为基本参数；
14、s2、建立节点模型，包括：将所有电磁波信号抽象为一个节点网络，并将每个节点的电磁波信号强度数值具象化，以根据节点网络中每个节点计算出电磁波信号在实际传输当中的实际损耗；
15、s3、制定目标函数，包括：根据节点网络中每个节点之间的连接关系和设备的特性，建立基于自由空间传播损耗的目标函数，其公式表示为：
16、pl＝p_t+g_t+g_r-20\log10(d)-20\log10(f)+c；
17、其中，pl表示目标函数，表征路径损耗，p_t表示作为发送端的天线结构中天线本体的天线增益，g_t表示作为发送端的天线结构中天线本体的发送功率，g_r表示作为接收端的天线结构中天线本体的接收功率，d表示作为发送端的天线结构中天线本体与作为接收端的天线结构中天线本体之间的距离，f表示作为发送端的天线结构中天线本体的信号频率，c表示修正常数，表征其他损耗因素造成的损耗，log10()表示以10为底的对数函数；
18、s4、基于制定的目标函数进行深度学习计算所述节点网络中每个节点在实际传输过程中的损耗波动预测值，包括：
19、s4.1、数据预处理，包括：在将s10获取的基本参数输入到深度学习模型之前，对输入的基本参数进行预处理，以确保输入数据的质量和一致性；
20、s4.2、模型选择，包括：根据任务的特点和需求，选择深度学习模型；
21、s4.3、模型训练，包括：使用预先收集到的训练数据集，对选择的深度学习模型进行训练，训练过程中，通过反向传播算法更新模型的参数，使模型能够逐步优化预测能力；
22、s4.4、模型评估，包括：训练完成后，对模型进行评估，将模型应用于独立的测试数据集，并评估模型在任务上的性能表现，包括准确率、精确率、召回率、f1值；
23、s4.5、模型优化，包括：根据评估结果，对模型进行优化和调整，包括调整模型参数、改进数据预处理方法、增加训练数据，以提高模型的性能和泛化能力；
24、s4.6、部署和应用，包括：当模型训练和优化完成后，将模型部署到第一天线结构和第二天线结构中进行应用，以计算获取节点网络中每个节点在实际传输过程中的损耗波动预测值；在部署过程中，需要考虑模型的实时性、资源消耗、稳定性因素，并确保模型能够在实际环境中有效地运行；
25、s5、时间平均平滑处理，包括：统计过去一段时间内的损耗波动预测值，采用时间平均平滑法并根据所有损耗波动预测值计算平均损耗波动；
26、s6、迭代计算，包括：采用迭代算法，根据所述平均损耗波动迭代计算作为发送端的天线结构中天线本体接收的电磁波信号，与作为接收端的天线结构中天线本体接收的电磁波信号之间的实际损耗波动，根据迭代计算出的实际损耗波动计算作为发送端的天线结构中天线本体发送的最优电磁波信号，以评估运行状态，发现可能存在的问题并提出改进措施；
27、s7、智能调节，包括：根据所述最优电磁波信号对作为发送端的天线结构中天线本体的电磁波输出功率进行调节，以保证作为发送端的天线结构中天线本体发送最优的电磁波输出功率。
28、在本发明的一个实施例中，s4中所述深度学习模型包括卷积神经网络模型、循环神经网络模型、长短期记忆网络模型和transformer网络模型。
29、在本发明的一个实施例中，s5中时间平均平滑法为简单平均平滑法时，则统计过去一段时间内的损耗波动预测值，采用时间平均平滑法并根据所有损耗波动预测值计算平均损耗波动，包括：
30、统计过去一段时间内的损耗波动预测值，利用简单平均平滑法并根据所有损耗波动预测值计算算术平均值，将所述算术平均值作为平均损耗波动，以预测下一个时间点的数据。
31、在本发明的一个实施例中，s5中时间平均平滑法为加权平均平滑法时，则统计过去一段时间内的损耗波动预测值，采用时间平均平滑法并根据所有损耗波动预测值计算平均损耗波动，包括：
32、统计过去一段时间内的损耗波动预测值，利用加权平均平滑法并根据所有损耗波动预测值计算平均损耗波动时，对过去一段时间内的损耗波动预测值进行加权处理，近期的损耗波动预测值被赋予较高的权重，远期的损耗波动预测值被赋予较低的权重，以使计算得到的平均损耗波动适应统计数据的变化趋势。
33、在本发明的一个实施例中，s6中采用的迭代算法包括牛顿-拉夫森法、高斯-赛德尔法与梯度下降法。
34、在本发明的一个实施例中，若s6中采用的迭代算法为牛顿-拉夫森法时，迭代计算公式表示为：
35、
36、其中，wn表示第n次迭代时的权重向量，h(wn)表示目标函数在wn处的hessian矩阵，表示目标函数在wn处的梯度向量，wn+1表示第n+1次迭代时的权重向量。
37、在本发明的一个实施例中，若s6中采用的迭代算法为梯度下降法，其通过计算目标函数关于参数的梯度，并沿着梯度的反方向更新参数，从而使目标函数逐步收敛到局部最优解或全局最优解；在自适应天线系统中，梯度下降法用于优化波束成形权重、功率分配参数，以最大化通信系统的性能指标。
38、本发明的有益效果：
39、本发明提出的自适应天线系统及其调整方法，具有以下优势：
40、(1)、本发明实施例通过设计包括两个天线结构、信号处理器、深度学习模块、时间平均平滑模块、计算模块和输出功率调节模块的天线系统，使得整个天线系统可以实时根据自由空间传播损耗与实际传播损耗之间的对比，计算电磁波信号传输距离中的实际损耗，再通过计算电磁波信号最优的电磁波信号输出强度，根据最优的电磁波信号输出强度来调整电磁波信号的输出功率，以保证电磁波信号传输的稳定性。
41、(2)、本发明实施例通过在支架上添加底板，连接架与支架之间通过多个阻尼器进行连接，在遇到大风天气时，连接架所承受的压力通过多个阻尼器进行压力的缓冲出现小幅度移动，再通过多个弹簧配合，减少大风天气对支架的风压影响，提高设备的使用寿命；通过在天线本体的外侧壁上添加防污纳米涂层，防污纳米涂层通常设计用于表面清洁和抗污染，其主要作用是减少污垢和污染物的附着，提供易清洁的表面，防污纳米涂层并不会直接影响电磁波的传播。
42、(3)、本发明实施例通过时间平均平滑法、迭代算法的计算，提升了天线系统的稳定性、抗干扰能力和预测精度，应用时间平均平滑法，信号可以变得更加稳定，从而更容易提取有用的信息，平滑接收信号，减小噪声干扰，这有助于提高波束成形的准确性，确保波束的精确定位，有效降低多径信号和干扰对天线系统的影响，从而增强天线的抗干扰能力。
43、(4)、本发明实施例通过选择的深度学习模型自主学习优化天线系统的波束成形过程，以适应不同的通信场景和信道条件，通过处理大量的实时数据，实现精确的波束跟踪和对准，提高天线系统的容量和覆盖范围，帮助天线系统在提前调整波束方向、功率分配等方面做出最优决策，提高了天线系统的效率和性能；对天线系统状态和环境信息的学习，实现了智能的资源分配和功耗优化，从而提高天线系统的整体性能和可持续性。
44、以下将结合附图及实施例对本发明做进一步详细说明。
1.一种自适应天线系统，其特征在于，所述自适应天线系统包括：
2.根据权利要求1所述的自适应天线系统，其特征在于，多个连接杆(3)的下端面中心处均设置有弹簧(7)，每个弹簧(7)的另一端均固定连接在底板(2)的上端面。
3.一种自适应天线系统的调整方法，其特征在于，所述自适应天线系统为权利要求1～2中任意一项所述的自适应天线系统，对应调整方法包括：
4.根据权利要求3所述的自适应天线系统的调整方法，其特征在于，s4中所述深度学习模型包括卷积神经网络模型、循环神经网络模型、长短期记忆网络模型和transformer网络模型。
5.根据权利要求3所述的自适应天线系统的调整方法，其特征在于，s5中时间平均平滑法为简单平均平滑法时，则统计过去一段时间内的损耗波动预测值，采用时间平均平滑法并根据所有损耗波动预测值计算平均损耗波动，包括：
6.根据权利要求3所述的自适应天线系统的调整方法，其特征在于，s5中时间平均平滑法为加权平均平滑法时，则统计过去一段时间内的损耗波动预测值，采用时间平均平滑法并根据所有损耗波动预测值计算平均损耗波动，包括：
7.根据权利要求3所述的自适应天线系统的调整方法，其特征在于，s6中采用的迭代算法包括牛顿-拉夫森法、高斯-赛德尔法与梯度下降法。
8.根据权利要求7所述的自适应天线系统的调整方法，其特征在于，若s6中采用的迭代算法为牛顿-拉夫森法时，迭代计算公式表示为：
9.根据权利要求7所述的自适应天线系统的调整方法，其特征在于，若s6中采用的迭代算法为梯度下降法，其通过计算目标函数关于参数的梯度，并沿着梯度的反方向更新参数，从而使目标函数逐步收敛到局部最优解或全局最优解；在自适应天线系统中，梯度下降法用于优化波束成形权重、功率分配参数，以最大化通信系统的性能指标。
