【技术实现步骤摘要】
基于神经网络的天线设计方法
本专利技术具体涉及一种基于神经网络的天线设计方法。
技术介绍
随着各种通信技术的蓬勃兴起，无线通信系统正朝着多功能化和大容量方向快速发展。现代无线通信系统的发展不仅要求天线具有重量轻、成本低、易于制造和易于集成等特点，还对天线的小型化、宽频带、多频带、共形和一体化设计提出了更多要求。常规天线设计一般基于规则结构，利用现有的经验公式，结合天线工程师的设计经验和实物测量与调试。但是，明显的，现有的天线设计过程，设计周期长，而且非常依赖于设计者的个人素养和经验；同时，更重要的是，这些常规的天线设计方法对非规则结构、新型结构和高性能要求的天线设计显得无能为力。最后，当优化设计多参数高维的天线结构时，现有的天线设计过程冗长、优化能力和效率变得很差。智能优化算法因其在求解大决策空间、高度非线性和多极值的复杂问题时具有较强的全局搜索能力和稳定性被用于多种高性能天线的设计。尽管如此，伴随基于种群的智能优化算法好处的一个缺陷是优化过程需要进行巨大数量的模型评估。利用电磁仿真软件进行模型评估虽然保证了天线性能预测准确度较高，但进行一次天线仿真花费的时间较长...
【技术保护点】
1.一种基于神经网络的天线设计方法，包括如下步骤：S1.根据天线设计需求，构建天线初始模型；S2.初始化径向基函数神经网络和粒子群优化算法的参数；S3.在天线设计空间中随机选取若干组天线设计参数值作为输入样本，输入到步骤S1得到的天线初始模型中，并得到各个输入样本所对应的天线模型响应；S4.在步骤S3得到的输入样本中，选取若干组输入样本与各输入样本所对应的天线模型响应，计算RBF神经网络参数的适应度函数值及算法最优值；S5.对步骤S4得到的适应度函数值进行判断，从而得到最优的RBF神经网络参数；S6.在步骤S3得到的输入样本中，选取除步骤S4选中的输入样本外的剩余的输入样本...
【技术特征摘要】
1.一种基于神经网络的天线设计方法，包括如下步骤：S1.根据天线设计需求，构建天线初始模型；S2.初始化径向基函数神经网络和粒子群优化算法的参数；S3.在天线设计空间中随机选取若干组天线设计参数值作为输入样本，输入到步骤S1得到的天线初始模型中，并得到各个输入样本所对应的天线模型响应；S4.在步骤S3得到的输入样本中，选取若干组输入样本与各输入样本所对应的天线模型响应，计算RBF神经网络参数的适应度函数值及算法最优值；S5.对步骤S4得到的适应度函数值进行判断，从而得到最优的RBF神经网络参数；S6.在步骤S3得到的输入样本中，选取除步骤S4选中的输入样本外的剩余的输入样本，对步骤S5得到的RBF神经网络模型进行测试和优化；S7.利用步骤S6得到的优化后的RBF神经网络模型作为天线代理模型，对天线设计过程中的天线设计参数的响应进行模拟，从而完成天线的设计。2.根据权利要求1所述的基于神经网络的天线设计方法，其特征在于步骤S4所述的计算RBF神经网络参数的适应度函数值及算法最优值，具体为采用如下步骤进行计算：A.在步骤S3得到的输入样本中，选取若干组输入样本与各输入样本所对应的天线模型响应，对RBF神经网络进行训练，获取RBF神经网络的中心cp，并随机初始化RBF神经网络中剩余的网络参数，同时也初始化PSO算法的参数；B.采用如下公式计算实数编码维度d：d＝p×m+p+m式中p为神经网络隐含层神经元数目；m为输出层神经元数目；C.产生若干组d维实数编码，每组编码均代表RBF神经网络中的剩余的网络参数；D.构造优化RBF神经网络网络参数的适应度函数f；E.根据步骤D构造的适应度函数，计算每组编码的适应度函数值同时记录所有编码所对应的RBF神经网络的最优值。3.根据权利要求2所述的基于神经网络的天线设计方法，其特征在于步骤A所述的RBF神经网络中剩余的网络参数，具体包括径向基函数中心向量的宽度δp、隐含层与输出层之间的权值wpm以及输出层的阈值bm。4.根据权利要求2所述的基于神经网络的天线设计方法，其特征在于步骤D所述的构造优化RBF神经网络网络参数的适应度函数f，具体为采用如下算式构造适应度函数f：式中MSE()为均方根误差函数，ye为调用电磁仿真工具仿真求解的各组输入样本的响应值，yr为使用RBF神经网络模型预测的各组输入样本的响应值。5.根据权利要求2所述的基于神经网络的天线设计方法，其特征在于步骤E所述...
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。