天线设计的实现方法及相关设备技术

本公开提供一种天线设计的实现方法、装置、电子设备及存储介质。该天线设计的实现方法包括：获取训练数据，所述训练数据包括多组天线的设计参数及其仿真结果；通过深度克里金模型对所述天线的设计参数进行处理，获得预测结果；根据所述天线的仿真结果和所述预测结果确定遗传算法的适应度函数；根据所述适应度函数对所述深度克里金模型进行训练，以获得目标深度克里金模型。该方法可以降低输入数据的维度、减少电磁仿真次数，从而减少设计时间，提高天线设计的效率。天线设计的效率。天线设计的效率。

【技术实现步骤摘要】
天线设计的实现方法及相关设备


[0001]本公开涉及通信
，尤其涉及一种天线设计的实现方法、装置、 电子设备及存储介质。

技术介绍

[0002]随着SA/NSA(独立组网/非独立组网)的5G(5th Generation MobileCommunication Technology，第五代移动通信技术)系统在全球范围内开发 和部署，5G的毫米波天线设计需求量逐渐增多，天线作为通信系统的发射 和接受装置，其性能对于整个通信系统尤为重要。
[0003]微带贴片天线(MPA，Microstrip Patch Antenna)由于其体积小、制造 容易、重量轻、平面结构等优点，对毫米波应用仍然具有很强的吸引力。 基片集成波导(Substrate Integrated Waveguide，SIW)是一种平面形式的合 成矩形波导(RWG，Rectangular Waveguide)，该技术可以应用于许多微波、 毫米波天线和射频(RF，Radio Frequency)电路，该技术具有低损耗、低 成本、高功率处理能力和共面集成的优点。
[0004]相关技术中，通过电磁仿真和人工调节参数来实现天线设计的方法， 能够完成结构较为简单的天线设计，但是对于结构复杂的天线不再适用； 通过代理模型设计天线的方法，输入数据维数过大会导致计算难度变大， 运算成本过高。
[0005]需要说明的是，在上述
技术介绍
部分公开的信息仅用于加强对本公开 的背景的理解，因此可以包括不构成对本领域普通技术人员已知的现有技 术的信息。r/>
技术实现思路

[0006]本公开的目的在于提供一种天线设计的实现方法、装置、电子设备及存 储介质，该方法可以降低输入数据的维度、减少电磁仿真次数，从而减少设 计时间，提高天线设计的效率。
[0007]本公开的其他特性和优点将通过下面的详细描述变得显然，或部分地 通过本公开的实践而习得。
[0008]本公开实施例提供一种天线设计的实现方法，包括：获取训练数据，所 述训练数据包括多组天线的设计参数及其仿真结果；通过深度克里金模型 对所述天线的设计参数进行处理，获得预测结果；根据所述天线的仿真结 果和所述预测结果确定遗传算法的适应度函数；根据所述适应度函数对所 述深度克里金模型进行训练，以获得目标深度克里金模型。
[0009]在本公开一些示例性实施例中，所述深度克里金模型包括卷积神经网 络模型的输入层、卷积神经网络模型的卷积层、卷积神经网络模型的池化 层、克里金代理模型和卷积神经网络模型的输出层。
[0010]在本公开一些示例性实施例中，上述方法还包括：根据天线的结构参数 构建天线初始模型；随机生成多组天线的设计参数；将所述随机生成的多 组天线的设计参数输入电
磁仿真软件中进行仿真，获得多组天线的仿真结 果。
[0011]在本公开一些示例性实施例中，通过深度克里金模型对所述天线的设 计参数进行处理，获得预测结果，包括：初始化所述深度克里金模型，并将 卷积神经网络的网络参数以及克里金代理模型的超参数作为所述遗传算法 的粒子数，并按顺序排列；初始化所述遗传算法，将所述天线的设计参数输 入所述深度克里金模型中，获得所述预测结果。
[0012]在本公开一些示例性实施例中，根据所述天线的仿真结果和所述预测 结果确定遗传算法的适应度函数，包括：将所述预测结果和所述仿真结果 的均方误差作为所述遗传算法的适应度函数。
[0013]在本公开一些示例性实施例中，根据所述适应度函数对所述深度克里 金模型进行训练，以获得目标深度克里金模型，包括：在所述适应度函数满 足预设条件时，完成所述深度克里金模型的训练，获得所述深度克里金模 型的目标模型参数；按照所述顺序对所述目标模型参数进行粒子解码，获 得所述目标深度克里金模型。
[0014]在本公开一些示例性实施例中，上述方法还包括：获取多组天线的实际 设计参数；根据所述目标深度克里金模型对所述多组天线是实际设计参数 进行模拟，获得天线的目标设计参数。
[0015]在本公开一些示例性实施例中，所述天线为基片集成波导孔径耦合微 带贴片天线。
[0016]本公开实施例提供一种天线设计的实现装置，包括：训练数据获取模 块，用于获取训练数据，所述训练数据包括多组天线的设计参数及其仿真 结果；预测结果获得模块，用于通过深度克里金模型对所述天线的设计参 数进行处理，获得预测结果；适应度函数确定模块，用于根据所述天线的仿 真结果和所述预测结果确定遗传算法的适应度函数；模型训练模块，用于 根据所述适应度函数对所述深度克里金模型进行训练，以获得目标深度克 里金模型。
[0017]本公开实施例提供一种电子设备，包括：至少一个处理器；存储终端设 备，用于存储至少一个程序，当至少一个程序被至少一个处理器执行时，使 得至少一个处理器实现上述任一种天线设计的实现方法。
[0018]本公开实施例提供一种计算机可读存储介质，其上存储有计算机程序， 其特征在于，计算机程序被处理器执行时实现上述任一种天线设计的实现 方法。
[0019]本公开实施例提供的天线设计的实现方法，通过深度克里金模型对天 线的设计参数进行处理，可以降低输入数据的维度、减少电磁仿真次数，从 而减少设计时间，提高天线设计的效率；使用遗传算法优化深度克里金模 型的参数，可以大大缩短网络训练时间，解决相关技术中的反向传播优化 算法的局部最优问题。
[0020]应当理解的是，以上的一般描述和后文的细节描述仅是示例性和解释 性的，并不能限制本公开。
附图说明
[0021]此处的附图被并入说明书中并构成本说明书的一部分，示出了符合本 公开的实施例，并与说明书一起用于解释本公开的原理。显而易见地，下 面描述中的附图仅仅是本公开的一些实施例，对于本领域普通技术人员来 讲，在不付出创造性劳动的前提下，还可
以根据这些附图获得其他的附图。
[0022]图1是根据一示例性实施方式示出的一种天线设计的实现方法的流程 图。
[0023]图2是根据一示例示出的一种SIW孔径耦合微带贴片天线的结构示意 图。
[0024]图3是根据一示例性实施例示出的一种深度克里金模型的结构的示意 图。
[0025]图4是根据一示例性实施例示出的另一种深度克里金模型的结构的示 意图。
[0026]图5是根据一示例示出的深度克里金模型的天线预测结果与仿真软件 输出的仿真结果的对比图。
[0027]图6是根据一示例性实施方式示出的一种天线设计的实现装置的框图。
[0028]图7是根据一示例性实施方式示出的一种电子设备的结构示意图。
具体实施方式
[0029]现在将参考附图更全面地描述示例实施方式。然而，示例实施方式能 够以多种形式实施，且不应被理解为限于在此阐述的范例；相反，提供这 些实施方式使得本公开将更加全面和完整，并将示例实施方式的构思全面 地传达给本领域的技术人员。所描述的特征、结构或特性可以以任何合适本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种天线设计的实现方法，其特征在于，包括：获取训练数据，所述训练数据包括多组天线的设计参数及其仿真结果；通过深度克里金模型对所述天线的设计参数进行处理，获得预测结果；根据所述天线的仿真结果和所述预测结果确定遗传算法的适应度函数；根据所述适应度函数对所述深度克里金模型进行训练，以获得目标深度克里金模型。2.根据权利要求1所述的方法，其特征在于，所述深度克里金模型包括卷积神经网络模型的输入层、卷积神经网络模型的卷积层、卷积神经网络模型的池化层、克里金代理模型和卷积神经网络模型的输出层。3.根据权利要求1或2所述的方法，其特征在于，还包括：根据天线的结构参数构建天线初始模型；随机生成多组天线的设计参数；将所述随机生成的多组天线的设计参数输入电磁仿真软件中进行仿真，获得多组天线的仿真结果。4.根据权利要求1或2所述的方法，其特征在于，通过深度克里金模型对所述天线的设计参数进行处理，获得预测结果，包括：初始化所述深度克里金模型，并将卷积神经网络的网络参数以及克里金代理模型的超参数作为所述遗传算法的粒子数，并按顺序排列；初始化所述遗传算法，将所述天线的设计参数输入所述深度克里金模型中，获得所述预测结果。5.根据权利要求4所述的方法，其特征在于，根据所述天线的仿真结果和所述预测结果确定遗传算法的适应度函数，包括：将所述预测结果和所述仿真结果的均方误差作为所述遗传算法的适应度函数。6.根据权利要求5所述的方法，其特征在于，根据所述适应度函数对所述深度克...

【专利技术属性】
技术研发人员：张心宇，苏恩森，朱丹，刘发祥，姚欣，
申请(专利权)人：中国电信股份有限公司，
类型：发明
国别省市：