[發明專利]一種基于ALO-LMBP神經網絡的雙陷波特性超寬帶天線逆向建模研究方法

在審

• 申請號: 202011076764.0
• 申請日: 2020-10-10
• 公開（公告）號: CN112149360A
• 公開（公告）日: 2020-12-29
• 發明（設計）人: 南敬昌;曹馨元;高明明;張沛泓;杜晶晶
• 申請（專利權）人: 遼寧工程技術大學
• 主分類號: G06F30/27
• 分類號: G06F30/27;G06N3/04;G06N3/08;G06N3/00
• 代理公司: 北京華夏正合知識產權代理事務所(普通合伙) 11017
• 代理人: 韓登營;韓惠琴

本發明公開了一種基于ALO?LMBP神經網絡的雙陷波特性超寬帶天線逆向建模研究方法，主要步驟包括：提取訓練集數據；運用蟻獅算法訓練LMBP正向模型，優化權值和閾值并保存；保持權值閾值不變，在建立好的正向模型中輸入結構參量，運行得到輸出電參量；計算輸出參量與目標參量之間的評價函數F；利用逆向迭代算法更新輸入參量。將本發明的ALO?LMBP神經網絡逆向建模方法應用到小型化的雙陷波特性的超寬帶天線中，在已知天線的回波損耗S11和電壓駐波比VSWR的情況下，可以簡化設計過程。該方法提高網絡穩定性和泛化能力，還縮短了網絡運行時間。

技術領域

本發明屬于一種射頻微波器件的神經網絡逆向建模研究方法，尤其涉及一種基于ALO-LMBP神經網絡的雙陷波特性超寬帶天線逆向建模研究方法。

背景技術

隨著當今移動通信、無線局域網、射頻識別等快速發展，無線通信系統展現出巨大的潛力，其中射頻微波器件設計的好壞直接影響著整個通信系統的性能。

天線在無線通信技術中發揮著不可或缺的作用，它是承載著發射和接收無線電磁波、完成電磁轉換的核心部件。其中，超寬帶陷波天線具有尺寸較小、覆蓋帶寬范圍廣、輻射效率高，并能避免其他通信系統頻段如WIMAX(3.3～3.6GHz)和WLAN(5.2～5.8GHz)的干擾的優點，適用于超寬帶無線通信系統。在超寬帶陷波天線的設計中，可以采用改變諧振器的尺寸和位置，或采用改變輻射貼片上縫隙的長度、寬度等尺寸實現天線的陷波特性。常用的天線設計與分析方法采用HFSS電磁仿真軟件的輔助設計。在設計器件時，一旦天線的某個物理尺寸需要一個微小改變則需要重新優化設計，需要重新完整一個的電磁仿真過程，這樣降低了設計速度，加大了設計難度。因此，提出神經網絡逆向建模研究，尋找合適的建模方法及其快速算法，能夠縮短設計周期、簡化其設計過程，提高CAD軟件仿真速度和精度。

發明內容

本發明所解決的技術問題在于提供一種基于ALO-LMBP神經網絡的雙陷波特性超寬帶天線逆向建模研究方法。具有雙陷波特性的天線的射頻特性為非線性相關關系，以雙陷波超寬帶天線回波損耗S11與頻率f和駐波比VSWR與f的數據為樣本輸入，運用蟻獅算法對LMBP神經網絡的權值和閾值進行優化。再對已建立的LMBP神經網絡正向模型，獲取對應的輸出參量，計算輸出參量與目標參量之間的評價函數F，并通過逆向迭代更新輸入參量，來實現逆向建模。

為了解決上述技術問題，本發明通過以下技術方案來實現：本發明提供一種基于ALO-LMBP神經網絡的雙陷波特性超寬帶天線逆向建模研究方法，主要包括：選擇樣本對象；基本參數的設置；提取訓練集數據；運用蟻獅算法訓練LMBP正向模型，優化權值和閾值并保存；保持權值閾值不變，在建立好的LMBP正向模型中輸入結構參量f，運行得到對應的輸出參量S11和VSWR；計算輸出參量與目標參量之間的評價函數F；利用逆向迭代算法更新輸入參量。這樣就完成了ALO-LMBP神經網絡逆模型的建立。

所述選擇樣本對象是指選擇了一種具有雙陷波特性的超寬帶天線，利用電磁仿真軟件HFSS15.0仿真軟件對具有雙陷波特性的超寬帶天線進行射頻特性的建模仿真分析，設置天線帶寬為2.8-12.3GHz，頻率步長0.1GHz，提取天線回波損耗S11與f和VSWR與f的數據各1400組作為模型的輸入樣本。

所述基本參數的設置是指設置螞蟻數量Num、蟻獅最大迭代步數I_max。

所述提取訓練集數據是將輸入的1400組數據樣本中的1200作為訓練集數據，又從中提取了300組數據作為測試集數據。

所述建立LMBP神經網絡正向模型，是用LM(Levenberg-Marquardt)算法結合BP神經網絡，LMBP算法有效的結合了神經網絡的梯度下降法和高斯牛頓法的優點，對收斂速度和收斂性做了一個折中，加快了BP神經網絡的收斂速度。本發明中設置其隱含層數為30，即1-30-1的結構BP神經網絡。

進一步的，所述步驟蟻獅優化LMBP權值閾值的步驟包括：