一种基于深度学习的智能微波贴片天线设计方法技术

本发明专利技术公开了一种基于深度学习的智能微波贴片天线设计方法，包括如下步骤：采集天线材料参数，根据材料参数绘制天线图样构成数据集；基于全连接神经网络协同粒子群优化算法，通过多层神经元之间的全连接结构对复杂非线性关系建模；建模完成后，利用粒子群优化训练数据集，构造模拟粒子，追踪个体最优解和全体最优解；构造MATLAB‑Python‑CST三段融合架构，显示贴片天线图样和相关参数，对智能微波贴片天线进行仿真设计。本发明专利技术显著提升设计效率，通过智能结果筛选和自动化参数建模等功能，使优化方案的一次通过率达到95％以上，为5G/6G时代高频复杂天线设计提供了突破性的解决方案。

【技术实现步骤摘要】

本专利技术属于天线设计，尤其涉及一种基于深度学习的智能微波贴片天线设计方法。

技术介绍

1、微波贴片天线作为现代无线通信系统中的核心组件，其性能优化一直是研究热点。传统设计方法主要依赖于经验公式和电磁仿真软件的反复迭代。传统方法设计一款宽带贴片天线通常需要进行200-300次仿真迭代，开发周期长达15-20个工作日。这种低效的设计流程严重制约了5g/6g通信设备的快速迭代需求。

2、贴片天线是一种广泛应用于现代无线通信系统中的平面天线，因其结构紧凑、重量轻、易于集成和制造成本低等优势，成为移动通信、卫星导航、雷达系统等领域的理想选择。贴片天线的基本结构由三层组成：顶层的金属辐射贴片、中间的介质基板以及底层的金属接地板。这种"三明治"式的结构使其具有低剖面特性，厚度通常仅为几毫米，非常适合集成在现代电子设备中。天线的工作原理基于贴片与接地板之间形成的谐振腔，当高频电流通过馈电网络激励贴片时，会在贴片边缘产生电磁场辐射。贴片天线的性能特点主要体现在以下几个方面：首先，其辐射方向图通常呈现较宽的波束，适用于需要广域覆盖的应用场景；其次，通过调整贴片形本文档来自技高网...

【技术保护点】

1.一种基于深度学习的智能微波贴片天线设计方法，其特征在于，包括如下步骤：

2.根据权利要求1所述的一种基于深度学习的智能微波贴片天线设计方法，其特征在于，步骤1具体为：采集天线材料参数并形成矩阵S和对应天线的电磁响应形成矩阵R，通过将S和R形成一一对应关系构成数据集D。

3.根据权利要求1所述的一种基于深度学习的智能微波贴片天线设计方法，其特征在于，步骤2具体为：通过全连接神经网络构建代理模型并利用步骤1中的数据集D对全连接神经网络进行训练，其中全连接神经网络包括天线图形输入层用于加载矩阵S，天线响应输出层R和5层神经元个数分别为300，460，550，400，...

【技术特征摘要】

1.一种基于深度学习的智能微波贴片天线设计方法，其特征在于，包括如下步骤：

2.根据权利要求1所述的一种基于深度学习的智能微波贴片天线设计方法，其特征在于，步骤1具体为：采集天线材料参数并形成矩阵s和对应天线的电磁响应形成矩阵r，通过将s和r形成一一对应关系构成数据集d。

3.根据权利要求1所述的一种基于深度学习的智能微波贴片天线设计方法，其特征在于，步骤2具体为：通过全连接神经网络构建代理模型并利用步骤1中的数据集d对全连接神经网络进行训练，其中全连接神经网络包括天线图形输入层用于加载矩阵s，天线响应输出层r和5层神经元个数分别为300，460，550，400，320的隐藏层用于建立s与r之间的非线性联系。

4.根据权利要求1所述的一种基于深度学习的智能微波贴片天线设计方法，其特征在于，步骤3具体为：利用粒子群优化算法协同全连接神经网络，通过构建代价函数c,约束粒子群的速度和位置更新，追踪个体最优解和全体最优解，代价函数c，由公式(1)表达：

5.根据权利要求1所述的一种基于深度学习的智能微波贴片天线设计方法，其特征在于，步骤4具体为：通过matlab gui模块进行可视化窗口的构建，嵌入python模块和cststudio suite模块进行api接口的调用，构造matlab-python-cst三段融合架构，实现利用matlab可视化贴片天线图样和相关参数，利用python-cst实现贴片天线的数据训练和性能优化。

6.根据权利要求5所述的一种基于深度学习的智能微波贴片天线设计方法，其特征在于，所述构造matlab-python-cst三段融合架构具体为：使用matlab-python-cst三端联合仿真；在python模块，使用pyt...

【专利技术属性】
技术研发人员：沈嘉蒋，詹杨，徐潇，刘谷，马磊，杨汶汶，刘庆宇，
申请(专利权)人：南通大学，
类型：发明
国别省市：