摘要
为了解决由于恶劣户外环境导致的天线阵列元件故障和性能下降问题，本文提出了一种基于神经网络的故障诊断方法，并结合了一种基于快速傅里叶变换（FFT）的自适应阈值辐射模式恢复算法。在故障诊断中，该方法利用受损阵列的远场信号作为输入数据来训练和测试卷积神经网络（CNN）。训练数据集包含嵌入高斯噪声的模拟数据，以模拟实际环境。与传统基于神经网络的诊断方法不同，该方法创新地应用了求和与差分波束处理技术于远场数据，有效解决了对称元件故障诊断这一长期存在的难题，同时保持了较低的计算复杂度并实现了更高的识别精度。在性能恢复方面，将自适应阈值机制集成到了传统的迭代FFT优化算法中。该机制能够根据不同的元件故障场景动态调整恢复标准，显著减少了迭代次数，从而降低了计算开销并提高了辐射模式恢复的效率。
