Obsah
- Ako dnes pracujú automatické tunery
- Prístupy z výskumu
- 1. Genetické algoritmy
- 2. Neurónové siete
- 3. Posilňované učenie
- Čo už existuje: tunery, ktoré si pamätajú antény
- Stupeň 1: pamäť namiesto hľadania
- Stupeň 2: merať a počítať namiesto skúšania
- Stupeň 3: „Tune Once“ v demonštrátore
- Open-source projekty na spoločné budovanie
- Ako by mohol AI tuner vyzerať v shacku
- Výzvy a hranice
- Vyskúšaj si to sám
- Dve videá k pozadiu
- Súvisiace AI aplikácie v shacku
- Záver
- Zdroje a ďalšie odkazy
- Upozornenie o transparentnosti
Anténny tuner (ATU, Antenna Tuning Unit) je pre rádioamatérov každodenný nástroj. Upraví impedanciu anténnej sústavy tak, aby transceiver videl obvyklých 50 ohmov. Automatické tunery to zvládnu na stlačenie tlačidla. Otázka tohto článku: čo by mohlo strojové učenie na tom zlepšiť, čo je doložené a čo je zatiaľ len nápad? Hneď na úvod úprimná odpoveď: z výskumu existuje niekoľko prác, hotový produkt „AI tuner" pre amatérske rádio sme pri rešerši nenašli.
Ako dnes pracujú automatické tunery
Väčšina automatických tunerov je L-článok z cievky a kondenzátora. Relé pripájajú rôzne hodnoty kapacity a indukčnosti, mikrokontrolér meria PSV (SWR) a skúša kombinácie dovtedy, kým prispôsobenie nesedí. Pri LDG AT-11MP je to podľa príručky 256 stupňov kapacity a 256 stupňov indukčnosti, doba ladenia je od 0,1 do 6 sekúnd, v priemere asi 2,5 sekundy.
Dôležité: aj klasické tunery sa trochu „učia". Ukladajú si nájdené nastavenia, aby boli na rovnakom kmitočte okamžite pripravené. Elecraft KAT500 napríklad rozdeľuje kmitočtový rozsah na segmenty (pod 3 MHz po 10 kHz, od 3 do 26 MHz po 20 kHz) a nastavenie si pamätá pre každý segment. Ak je segment ešte prázdny, začne s hodnotami najbližšieho uloženého segmentu. Pri LDG AT-1000ProII uvádzajú predajcovia dobu ladenia z pamäte pod 0,2 sekundy. Nový kmitočet však trvá dlhšie, podľa technického listu v priemere asi 3 sekundy.
Kde je teda priestor na zlepšenie? Pri kmitočtoch a anténach, ktoré tuner ešte nikdy nevidel, pri zložitých záťažiach s viacerými podobne dobrými riešeniami a pri sústavách, ktoré sa menia podľa počasia a ročného obdobia. Pre contestovú prevádzku (v nemčine), kde záleží na každej zmene pásma, by to bolo zaujímavé.
Prístupy z výskumu
Problém „prispôsobiť impedanciu prepínaním hodnôt súčiastok" je vo vede dobre preskúmaný, no takmer výlučne pre mobilné siete, WLAN a iné aplikácie v pásme GHz, nie pre krátke vlny s výkonnými relé. Relevantné sú tri smery.
1. Genetické algoritmy
Genetický algoritmus vytvorí „populáciu" kombinácií súčiastok, ponechá tie najlepšie, kríži ich a mutuje a celé to opakuje. Alibakhshikenari a kolegovia (Scientific Reports, 2020) používajú kvantovo inšpirovanú variantu (AQGA) na ladenie T-článku medzi transceiverom a anténou v rozsahu 1,4 až 5 GHz. Ich merania: o 49 až 75 percent kratší čas ladenia než s klasickým genetickým algoritmom, pri 1,4 GHz v priemere 6,5 namiesto 26,1 sekundy a podstatne menej výpočtových krokov (asi 190 až 440 namiesto 15 000 až 577 000 epoch). Z tejto práce nevyplýva, že genetický algoritmus je rýchlejší než dobrý klasický vyhľadávací algoritmus v rádiostanici, iba že sa dá zlepšiť.
2. Neurónové siete
Tu natrénovaná sieť určí hodnoty súčiastok priamo, bez dlhého skúšania. Kim a Bang (Sensors, 2021) natrénovali hlbokú neurónovú sieť, ktorá z veľkosti S11 určuje hodnoty prispôsobovacieho obvodu pre invertovanú F-anténu (0,8 až 1,5 GHz). Trénovalo sa so simulovanými údajmi, tréning trval asi 10,5 minúty. Hasan a Cheffena (IEEE Access, 2023) ukazujú mimoriadne malú variantu „shallow learning" pre 2,45 GHz, ktorá takisto potrebuje len veľkosť S11. Staršia, ale bližšia tuneru s mikrokontrolérom: Hemminger (2005) použil tri malé neurónové siete pre tunery s dvojitým stubom s cieľom lacného systému na báze mikrokontroléra.
Čaro spočíva v tom, že PSV-meter dáva len veľkosť odrazového koeficientu, nie jeho fázu. Sieť, ktorá napriek tomu rozumne odhaduje, by bola zaujímavá aj pre jednoduchý hardvér.
3. Posilňované učenie
Pri posilňovanom učení (Reinforcement Learning, RL) sa agent odmenami učí, ktoré spínacie kroky vedú k cieľu. Práca Zhanga, Chenga, Wanga a Chena (arXiv, apríl 2026) opisuje ladenie ako regulačný problém a nasadzuje metódu hlbokého RL. Ako stav slúžia kmitočtové charakteristiky a kvalita prispôsobenia, odmena váži presnosť a rýchlosť. Podľa autorov je presnejšia, efektívnejšia a stabilnejšia než klasické heuristické a gradientné metódy. Konkrétne čísla v abstrakte neboli, práca je navyše predtlač a ešte neprešla recenzným konaním. Viaceré americké patenty takisto opisujú ladenie podporované RL a strojovým učením, hlavne pre antény mobilných telefónov.
Čo už existuje: tunery, ktoré si pamätajú antény
S tunerom so skutočnou neurónovou sieťou sme sa nestretli. Ale priemysel aj domáci konštruktéri už kus cesty k „inteligentnému“ prispôsobeniu prešli, a to v troch stupňoch.
Stupeň 1: pamäť namiesto hľadania
Klasikou medzi tunermi, ktoré sa učia, je SGC SG-237 „Smartuner“ (1,8 až 60 MHz, 3 až 100 W PEP). Energeticky nezávislá pamäť uchováva už nájdené kombinácie L/C pre 170 kmitočtov. Podľa dátového listu trvá prvé naladenie typicky menej ako 2 sekundy, opakovaný prípad menej ako 10 milisekúnd. Tuner sa medzitým prestal vyrábať. Na stránke OE3MZC zbierajú rakúski používatelia svoje skúsenosti vrátane problémov: niektoré dĺžky drôtu sa nedali naladiť, jeden tuner sa zasekol na 50 MHz a zlé uzemnenie viedlo k nepokojnému správaniu. To je dobrá nápoveda, ako silno závisí učiaca sa metóda od zariadenia.
Stupeň 2: merať a počítať namiesto skúšania
MFJ-939 IntelliTuner (200 W, 1,8 až 30 MHz) ide o krok ďalej. Ak pre kmitočet nie je v pamäti nič (cez 20 000 pamäťových miest), spustí sa algoritmus „AdaptiveSearch“. Zmeria komplexnú impedanciu antény, vypočíta potrebné súčiastky, pripojí ich a potom dolaďuje na minimálne PSV. Ak leží impedancia mimo meracieho rozsahu, hľadá cielene len v zodpovedajúcich rozsahoch súčiastok a v prípade potreby hľadanie zopakuje s iným vzorom. Presne to je tá kombinácia východiskového bodu a jemného ladenia, ktorú nižšie opisujeme ako nápad, len bez trénovania. Podľa opisu trvá nové naladenie „zlomok sekundy“.
Stupeň 3: „Tune Once“ v demonštrátore
Southwest Antennas ukazuje KV auto-tuner (1,8 až 30 MHz) ako technologický demonštrátor pre systémových integrátorov. Podľa výrobcu sa technika „Tune Once“ učí úspešné riešenia ladenia, ukladá ich až na 512 kanálov a neskôr ich vyvoláva. Výrobca tiež hovorí o tom, že sa vyhodnocujú tisíce kombinácií prispôsobenia. Ako to vnútri funguje, tam nie je uvedené. Či ide o strojové učenie v užšom zmysle, zostáva otvorené. Je to však oblasť, v ktorej priemysel experimentuje s profesionálnymi rádiovými platformami.
Open-source projekty na spoločné budovanie
Kto chce začať sám, nájde solídne platformy. Žiadna z nich neobsahuje strojové učenie, ale všetky majú hardvér (prepínateľné stupne L a C) a mikrokontrolér, na ktorý by sa dala učiaca metóda nasadiť:
- ATU_0_HW od DM1CR (papamidas): návrh v KiCade pre LC/CL tuner s 256 stupňami kapacity (0 až 2,5 nF) a 256 stupňami indukčnosti (0 až 15 µH), Arduino Nano, bistabilné relé (25 až 45 mA), ovládanie cez Bluetooth aplikáciu, desať pamäťových tlačidiel pre pásma.
- ATU od DM3MAT (Hannes Matuschek): malý prenosný QRP tuner pre drôt s dĺžkou zhruba 10 m s UnUn 1:9 na pásmach 80 až 10 m. Hardvér aj firmvér sú pod licenciou CC BY-SA 4.0. Autor označuje stav ako prvý prototyp.
- K3NG Antenna Tuner: automatický tuner na báze Arduina od známeho open-source vývojára, GPL-3.0.
- UR7HFO: Simple Automatic Antenna Tuner: úsporný tuner na STM32F103, so schémami a súbormi Gerber.
- TCI ICOM Tuner Interface: firmvér pre ESP32, ktorý cez WLAN pripája tuner ICOM AH-4 k SDR s protokolom TCI. Zaujímavé ako príklad toho, ako ESP32 dostáva dáta o kmitočte od vysielačky. Presne túto informáciu by učiaci sa tuner potreboval.
Poznámka na zaradenie: vedecký nástroj AntennaCAT používa strojové učenie na návrh antén pomocou EM simulácie. To je príbuzné, ale nie je to tuner.
Ako by mohol AI tuner vyzerať v shacku
Táto časť je úvaha, nie opis produktu:
- Učenie v prevádzke: Tuner zaznamenáva kmitočet, anténu, výstupné PSV a nájdené nastavenie. Z týchto údajov vznikne model, ktorý pri známych anténach dá dobrý východiskový bod.
- Východiskový bod plus dolaďovanie: Model navrhne nastavenie, klasický algoritmus potom dolaďuje ešte jeden až dva kroky. Výsledok tak zostane dobrý, aj keď sa niečo zmenilo, napríklad vplyvom mokrých antén alebo zmeneným okolím.
- Rozpoznanie antény: Z vzorov impedancie sa dá odvodiť, aká anténa práve visí. EFHW (v nemčine) sa správa inak než dipól alebo magnetická slučka (v nemčine).
Výzvy a hranice
- Namerané údaje: PSV-meter dáva len veľkosť, nie komplexnú impedanciu. S veľkosťou a fázou (napríklad cez NanoVNA alebo merací mostík v tuneri) je úloha ľahšia.
- Vysoký výkon: Práce sa zaoberajú signálmi v miliwattoch v pásme GHz. Na krátkych vlnách pri 100 W až 1 kW prepínajú relé vysoké napätie. Tu sa smie ladiť len naprázdno alebo pri veľmi nízkom výkone, aby kontakty nezhoreli.
- Výpočtový výkon: Malé modely bežia na mikrokontroléroch, veľké RL siete potrebujú viac. Hardvér edge AI ako Google Coral alebo NVIDIA Jetson by bol možnou cestou.
- Trénovacie údaje a preučenie: Model natrénovaný len na jednej anténe funguje na inej zle. Pri každej novej sústave by sa musel doučiť.
- Bezpečnosť: Učiaci sa postup nikdy nesmie zvoliť nastavenia, ktoré ohrozujú transceiver. Hraničné hodnoty pre PSV a výkon musia zostať pevne naprogramované.
Vyskúšaj si to sám
Kompletné AI ladenie je kutilstvo pre pokročilých. Vstup ponúka open source tuner ATU-100 (mikrokontrolér PIC, zdokumentovaný napríklad ako projekt na PCBWay). Učiaca vrstva navrch, napríklad tabuľka zapamätaných nastavení alebo malý model na Raspberry Pi, by bola prehľadný experiment. Praktický príklad príbuzných AI experimentov nájdeš v článku Automatische CW-Decodierung mit neuronalen Netzen (v nemčine).
Dve videá k pozadiu
Ako tuner funguje, vysvetľujú tieto dve videá (obe v angličtine). Zaoberajú sa klasickými tunermi, nie AI. Dávajú však základ, na ktorom by musela stavať každá AI varianta.
Prvý film („How Does an Antenna Tuner Work?" od Budget Ham Radio) pomocou NanoVNA ukazuje, ako T-článok vyrovnáva nesúlad impedancií.
Druhý („Antenna Tuners: How does it do THAT?" od Electronics for the Inquisitive Experimenter) vysvetľuje princíp prispôsobenia.
Súvisiace AI aplikácie v shacku
- KI-gestützte Rauschunterdrückung (v nemčine)
- KI und Ausbreitungsvorhersage (v nemčine)
- Automatische CW-Decodierung (v nemčine)
- ChatGPT und Claude als Shack-Assistenten (v nemčine)
Záver
Myšlienka zlepšiť anténne tunery strojovým učením je vedecky dobre podložená. Genetické algoritmy, neurónové siete a posilňované učenie sa pre prispôsobenie impedancie už skúmali. Čísla však pochádzajú z pásma GHz a z malých výkonov. Pre krátke vlny podľa našej rešerše neexistujú ani meracie rady, ani produkt pre amatérske rádio s preukázateľne natrénovaným modelom. Cesta k tomu je však už vytýčená: od čistej pamäte (SG-237) cez meranie a výpočet (MFJ IntelliTuner) až po riešenia, ktoré sa učia, ako demonštrátor Southwest. A otvorený hardvér, napríklad tunery od DM1CR a DM3MAT, čaká len na to, kým niekto pridá vrstvu učenia. Dnešné tunery sú rýchle a pamätajú si nastavenia, veľký časový zisk by bol možný hlavne pri nových kmitočtoch a nových anténach. Kto chce experimentovať, môže tak urobiť na vlastnú zodpovednosť, s tvrdými bezpečnostnými hranicami pre PSV a výkon.
73 – vaša redakcia oeradio.at
Zdroje a ďalšie odkazy
- Zhang, Cheng, Wang, Chen: An Adaptive Antenna Impedance Matching Method via Deep Reinforcement Learning, arXiv:2604.07736, apríl 2026 (predtlač)
- Alibakhshikenari et al.: Improved adaptive impedance matching for RF front-end systems of wireless transceivers, Scientific Reports 10, 14065 (2020), DOI 10.1038/s41598-020-71056-0
- Kim, Bang: Antenna Impedance Matching Using Deep Learning, Sensors 21(20), 6766 (2021), DOI 10.3390/s21206766
- Hasan, Cheffena: Adaptive Antenna Impedance Matching Using Low-Complexity Shallow Learning Model, IEEE Access, 2023
- Hemminger: Antenna impedance matching with neural networks, Penn State, 2005
- Patenty: US 11,882,527 (Data-driven methods for look up table-free closed-loop antenna impedance tuning) a US 11,916,606 (Machine learning-assisted adaptive antenna tuning)
- Elecraft: KAT500 Owner's Manual (pamäť pre každý kmitočtový segment)
- LDG: AT-1000ProII u WiMo (údaje z technického listu), príručka AT-11MP (stupne a doba ladenia)
- Produkty: SGC SG-237 Smartuner (používateľská stránka OE3MZC), MFJ-939 IntelliTuner, Southwest Antennas HF Auto-Tuner (údaje výrobcu)
- Open Source: ATU_0_HW (DM1CR), ATU (DM3MAT), K3NG Antenna Tuner, UR7HFO STM32 tuner, TCI ICOM Tuner Interface, AntennaCAT
- IZ2UUF: How does a tuner… tune? a Electronics Notes: Čo je ATU? (základy)
- Videá: Budget Ham Radio, Electronics for the Inquisitive Experimenter (YouTube)
- Obrázky: titulný obrázok a pohľad do vnútra: Adamantios, Wikimedia Commons, CC BY-SA 3.0. L-článok: Ken g6, Wikimedia Commons, public domain.
Upozornenie o transparentnosti
Tento článok bol vytvorený a spracovaný s podporou umelej inteligencie (Claude, Anthropic). Redakcia skontrolovala a redakčne upravila všetok obsah. Napriek starostlivej kontrole sa môžu vyskytnúť ojedinelé nepresnosti, tešíme sa na upozornenia e-mailom na [email protected].
