本发明涉及天线设计,具体涉及一种基于自适应进化神经网络的宽带双极化天线优化设计方法。
背景技术:
1、随着5g和物联网等下一代移动通信技术的发展,对宽带天线的需求迅速上升。传统的天线设计采用仿真软件对复杂的天线进行建模,并对其许多参数进行优化,直到满足性能要求。这个过程存在许多问题,如异常长的运行时间和需要消耗大量的内存资源。
2、近年来,计算电磁学领域的研究人员尝试利用机器学习方法和人工神经网络来加速和优化天线建模过程。通常的方法是使用机器学习方法和人工神经网络建立代理模型,并使用训练好的代理模型对天线进行优化。但是一个拟合效果好的代理模型往往需要收集大量数据集来进行训练。收集海量数据集同样需要耗费大量的时间,这对于天线的高效设计来说是不能容忍的。
技术实现思路
1、本发明的目的在于提供一种基于自适应进化神经网络的宽带双极化天线优化设计方法,旨在解决现有的优化天线建模过程中代理模型所需数据量大的技术问题。
2、为实现上述目的,本发明提供了一种基于自适应进化神经网络的宽带双极化天线优化设计方法,包括下列步骤:
3、步骤1:建立天线初始模型,使用仿真软件对所述天线初始模型进行全波模拟,同时收集初始数据集;
4、步骤2:利用所述初始数据集对自适应进化神经网络中的第一网络和第二网络进行训练,并保存两个网络模型;
5、步骤3:定义期望的天线性能参数,并将所述天线性能参数输入所述自适应进化神经网络中获得结构参数;
6、步骤4:调用仿真软件判断结构参数是否满足步骤3中定义的性能参数,
7、若满足则跳到步骤5;
8、若不满足则将步骤3中新生成的数据对添加到初始数据集中继续对自适应进化神经网络进行训练;
9、步骤5:重复执行步骤2至步骤4,获得满足期望的天线性能参数的结构参数后,完成天线结构设计。
10、其中,所述初始数据集为少量由形如(x,y)的数据对组成的数据集,其中x表示天线结构参数,y表示天线性能参数。
11、其中,所述天线性能参数涉及到天线的回波损耗、反射系数、天线增益、天线方向图和辐射效率中的1个或多个,收集到初始数据集之后,为了消除量纲影响,使网络能够快速收敛,对初始数据集进行0-1标准化。
12、其中,所述第一网络用于训练性能参数与结构参数之间的映射关系,具体为输入性能参数得到结构参数;
13、所述第二网络用于训练结构参数与性能参数之间的映射关节,具体为输入结构参数得到性能参数。
14、其中,在定义期望的天线性能参数,并将所述天线性能参数输入所述自适应进化神经网络中获得结构参数的过程中,将智能判断是否需要调用仿真软件进行全波模拟产生新的数据对,具体包括下列步骤:
15、步骤31:将定义的期望天线性能参数输入到第一网络,得到结构参数sp(i);
16、步骤32:sp(i)进行随机扰动得到sp(i+1);
17、步骤33:将sp(i+1)输入到第二网络得到新性能参数;
18、步骤34:判断期望性能参数与新性能参数之间的误差是否小于阈值,如果小于则调用仿真软件根据sp(i+1)进行全波模拟,否则返回步骤32。
19、其中,调用仿真软件判断结构参数是否满足步骤3中定义的性能参数的过程,具体包括下列步骤:
20、步骤41:调用仿真软件根据sp(i)和sp(i+1)进行全波模拟得到真实的性能参数;
21、步骤42:判断是否满足期望的天线性能参数,如果满足则结束,否则将步骤3中新生成的数据对添加到初始数据集中。
22、本发明提供了一种基于自适应进化神经网络的宽带双极化天线优化设计方法,通过建立天线初始模型,使用仿真软件对所述天线初始模型进行全波模拟,同时收集初始数据集;利用初始数据集对自适应进化神经网络中的第一网络和第二网络进行训练,并保存两个网络模型;定义期望的天线性能参数,将其输入到自适应进化神经网络中获得结构参数,在执行过程中,将智能判断是否需要调用仿真软件进行全波模拟产生新的数据对;接着调用仿真软件判断结构参数是否满足定义的期望性能参数,如果满足则结束,否则将新生成的数据对添加到初始数据集中继续对网络进行训练以提高网络精度。重复上述步骤,直到得到满足天线性能参数的结构参数为止,完成天线结构设计。本发明方法能够减少仿真软件调用次数,降低代理模型所需数据量,提高天线优化设计的效率。
1.一种基于自适应进化神经网络的宽带双极化天线优化设计方法,其特征在于,包括下列步骤:
2.如权利要求1所述的基于自适应进化神经网络的宽带双极化天线优化设计方法,其特征在于,
3.如权利要求2所述的基于自适应进化神经网络的宽带双极化天线优化设计方法,其特征在于,
4.如权利要求1所述的基于自适应进化神经网络的宽带双极化天线优化设计方法,其特征在于,
5.如权利要求1所述的基于自适应进化神经网络的宽带双极化天线优化设计方法,其特征在于,
6.如权利要求5所述的基于自适应进化神经网络的宽带双极化天线优化设计方法,其特征在于,