论文部分内容阅读
微带天线具有剖面低、重量轻和易于与载体共形等特点,在通信领域获得了广泛的应用。矩形微带天线是微带天线最基本的形式,谐振频率是微带天线的重要技术指标。通过已知微带天线的结构参数快速获取其谐振频率,是现代天线设计方法研究的一个热点。神经网络具有并行数据处理和自适应等优点,在很多工程设计领域得到了广泛的应用。本研究首先利用高频电磁仿真软件HFSS获取大量矩形微带天线样本,并将其作为训练样本。然后合理设置BP神经网络的参数,借助MATLAB软件建立起能够反映矩形微带天线结构参数与谐振频率间的非线性数学关系模型,通过输入天线的尺寸即可快速计算出对应微带天线的谐振频率。由于BP算法是一种基于梯度的计算方法,其网络训练受初始值和样本数量等因素影响较大,容易陷入极小值陷阱,进而导致网络训练失败。为解决上述问题,本研究引入了建立在优化群体基础上的具有全局搜索能力的遗传算法(GA),并将BP算法和GA算法有机结合,较好地解决和弥补了单纯BP算法在微带谐振频率快速计算中带来的问题。高频电磁仿真软件HFSS、BP算法和GA算法结合用于微带天线谐振频率的快速计算,其一般过程包括:(1)通过对微带天线尺寸的微调并使用HFSS逐个进行仿真,得到天线的训练样本;(2)合理设置BP神经网络的结构参数,建立起结构为4-45-1型的神经网络天线谐振频率预测模型;(3)使用GA对已建立好的模型参数实施优化,获得更优的BP神经网络初始权值和阈值;(4)将优化得到的权值和阈值赋予BP神经网络实现谐振频率预测。研究表明:使用BP神经网络建立微带贴片天线谐振频率预测模型时,GA优化后的神经网络能够在样本数较少的情况下获得更高的天线谐振频率预测精度。使用少量样本建立了基于GA优化的BP神经网络矩形微带天线谐振频率预测模型,计算出一定尺寸变换范围内对应矩形微带天线的谐振频率,并根据相关数据设计了一款微带天线参数快速查询软件,实现通过已知矩形微带天线频率快速查询对应结构参数功能。HFSS仿真实验表明,该软件查询结果的速度快,精度满足微带天线的工程设计要求,具有一定的应用价值。