天线尺寸预测方法、装置、设备及存储介质与流程

本发明涉及天线设计，尤其涉及一种天线尺寸预测方法、装置、设备及存储介质。

背景技术：

1、随着机器学习的快速发展，使用机器学习模型代替电磁仿真软件预测设计天线尺寸也逐渐成为天线设计的重要工具。

2、目前，相关技术通过从电磁仿真软件获取训练样本对模型进行建模，应用机器学习的学习行为使模型具有一定的学习能力，实现对天线尺寸的预测。但是，上述方式为了使生成的模型更为可靠，需要选取大量的训练样本，而训练样本随着问题的维度而迅速增长，一旦所预测的天线较为复杂，便无法准确地为训练样本添加不同于已有数据的新数据，使模型训练样本无法准确更新，从而使得训练样本泛化能力降低，导致模型精度降低。

技术实现思路

1、本发明的主要目的在于提供了一种天线尺寸预测方法、装置、设备及存储介质，旨在解决现有的训练样本泛化能力低，导致模型精度降低的技术问题。

2、为实现上述目的，本发明提供了一种天线尺寸预测方法，所述天线尺寸预测方法包括以下步骤：

3、判断当前训练的高斯过程模型的精度是否符合预设精度条件；

4、若否，则通过所述高斯过程模型基于新生成的尺寸参数种群进行天线性能预测，获得第一预测结果；

5、从所述第一预测结果中选取方差达到预设阈值的目标预测结果，并根据所述目标预测结果更新模型训练样本；

6、通过更新后的模型训练样本对所述高斯过程模型进行优化训练，并返回所述判断当前训练的高斯过程模型的精度是否符合预设精度条件的步骤，直至优化后的高斯过程模型符合所述预设精度条件；

7、基于符合所述预设精度条件的目标高斯过程模型预测设计目标天线的所需尺寸参数。

8、可选地，所述判断当前训练的高斯过程模型的精度是否符合预设精度条件的步骤，包括：

9、获取当前训练的高斯过程模型训练结果对应的训练仿真结果；

10、计算所述训练结果与所述训练仿真结果之间的第一平均绝对误差和相关系数；

11、通过所述第一平均绝对误差和所述相关系数判断所述当前训练的高斯过程模型的精度是否符合预设精度条件。

12、可选地，所述通过所述第一平均绝对误差和所述相关系数判断所述高斯过程模型的精度是否符合预设精度条件的步骤，包括：

13、在所述第一平均绝对误差低于所述预设误差阈值，或所述相关系数达到所述预设相关系数阈值时，判定所述高斯过程模型的精度符合所述预设精度条件；

14、在所述第一平均绝对误差达到所述预设误差阈值，且所述相关系数是低于所述预设相关系数阈值时，判定所述高斯过程模型的精度不符合所述预设精度条件。

15、可选地，所述基于符合所述预设精度条件的目标高斯过程模型预测设计目标天线的所需尺寸参数的步骤，包括：

16、获取用于设计目标天线的候选尺寸参数种群；

17、通过符合所述预设精度条件的目标高斯过程模型对所述候选尺寸参数种群进行天线性能预测，获得第二预测结果；

18、从所述第二预测结果中筛选出与预设性能指标平均绝对误差最小的候选预测结果，并根据所述候选预测结果确定设计所述目标天线的所需尺寸参数。

19、可选地，所述根据所述候选预测结果确定设计所述目标天线的所需尺寸参数的步骤，包括：

20、获取所述候选预测结果对应的候选仿真结果，并判断所述候选预测结果与所述最优仿真结果之间的第二平均绝对误差是否低于预设最优误差；

21、若是，则将所述候选预测结果作为最优预测结果，并从所述候选尺寸参数种群中将所述最优预测结果对应的尺寸参数作为设计所述目标天线的所需尺寸参数。

22、可选地，所述判断所述最优预测结果与所述最优仿真结果之间的第二平均绝对误差是否低于预设最优误差的步骤之后，还包括：

23、若否，则生成新的候选尺寸参数种群；

24、通过所述新的候选尺寸参数种群对所述目标高斯过程模型进行优化，并返回所述通过符合所述预设精度条件的目标高斯过程模型对所述候选尺寸参数种群进行天线性能预测的步骤，直至获得的候选预测结果与候选仿真结果之间的第二平均绝对误差低于所述预设最优误差；

25、获取所述第二平均绝对误差低于所述预设最优误差的最优预测结果；

26、从所述新的候选尺寸参数种群中将所述最优预测结果对应的目标尺寸参数作为设计所述目标天线的所需尺寸参数。

27、可选地，所述判断当前训练的高斯过程模型的精度是否符合预设精度条件的步骤之前，还包括：

28、获取预设尺寸参数库，并确定所述预设尺寸参数库中各尺寸参数对应的频点；

29、基于第一采样密度采集所述预设尺寸参数库中处于预设频点范围内的第一尺寸参数；

30、通过第二采样密度采集所述预设尺寸参数库中未处于所述预设频点范围内的第二尺寸参数，其中，所述第一采样密度高于所述第二采样密度；

31、根据所述第一尺寸参数和所述第二尺寸参数构建模型训练样本，并基于所述模型训练样本对初始模型进行训练，获得高斯过程模型。

32、此外，为实现上述目的，本发明还提出一种天线尺寸预测装置，所述装置包括：

33、精度判断模块，用于判断当前训练的高斯过程模型的精度是否符合预设精度条件；

34、性能预测模块，用于若否，则通过所述高斯过程模型基于新生成的尺寸参数种群进行天线性能预测，获得第一预测结果；

35、样本更新模块，用于从所述第一预测结果中选取方差达到预设阈值的目标预测结果，并根据所述目标预测结果更新模型训练样本；

36、模型优化模块，用于通过更新后的模型训练样本对所述高斯过程模型进行优化训练，并返回所述判断当前训练的高斯过程模型的精度是否符合预设精度条件的操作，直至优化后的高斯过程模型符合所述预设精度条件；

37、尺寸预测模块，用于基于符合所述预设精度条件的目标高斯过程模型预测设计目标天线的所需尺寸参数。

38、此外，为实现上述目的，本发明还提出一种天线尺寸预测设备，所述设备包括：存储器、处理器及存储在所述存储器上并可在所述处理器上运行的天线尺寸预测程序，所述天线尺寸预测程序配置为实现如上文所述的天线尺寸预测方法的步骤。

39、此外，为实现上述目的，本发明还提出一种存储介质，所述存储介质上存储有天线尺寸预测程序，所述天线尺寸预测程序被处理器执行时实现如上文所述的天线尺寸预测方法的步骤。

40、本发明通过判断当前训练的高斯过程模型的精度是否符合预设精度条件；若否，则通过高斯过程模型基于新生成的尺寸参数种群进行天线性能预测，获得第一预测结果；然后从第一预测结果中选取方差达到预设阈值的目标预测结果，并根据目标预测结果更新模型训练样本；然后通过更新后的模型训练样本对高斯过程模型进行优化训练，并返回判断当前训练的高斯过程模型的精度是否符合预设精度条件的步骤，直至优化后的高斯过程模型符合预设精度条件；最后通过符合预设精度条件的目标高斯过程模型预测设计目标天线的所需尺寸参数。本发明通过从第一预测结果中选取方差达到预设阈值的目标预测结果更新模型训练样本，并根据更新后的模型训练样本对高斯过程模型进行优化，使优化后的高斯过程模型的精度符合预设精度条件，相较于相关技术一旦所预测的天线较为复杂，便无法准确地为训练样本添加不同于已有数据的新数据，使模型训练样本无法准确更新，本发明上述天线尺寸预测方法通过方差可以确保添加至模型训练样本的数据不同于模型训练样本中的已有数据，实现了模型训练样本的准确更新，使模型训练样本泛化能力更为完善，有效提高了模型的预测精度。