[發明專利]一種基于計算機視覺的天線形狀的神經網絡建模方法

有效

• 申請號: 202110324954.8
• 申請日: 2021-03-26
• 公開（公告）號: CN113033099B
• 公開（公告）日: 2022-05-03
• 發明（設計）人: 楊雪松;黃昊
• 申請（專利權）人: 電子科技大學
• 主分類號: G06F30/27
• 分類號: G06F30/27;G06N3/04;G06N3/08;G06T7/13;G06T7/181
• 代理公司: 電子科技大學專利中心 51203
• 代理人: 張冉

本發明公開了一種基于計算機視覺的天線形狀的神經網絡建模方法，屬于微波天線設計技術領域。本發明所述方法包括以下步驟：樣本數據的生成、對天線俯視圖進行預處理、提取形狀描述子并進行個數歸一化、對神經網絡進行訓練、使用測試樣本對完成訓練的神經網絡進行測試和將設計需要的天線俯視圖輸入到神經網絡模型中六個步驟。本發明所述方法結合計算機視覺技術，直接對天線圖片進行識別和分析，確定輻射貼片的形狀，提取形狀描述子，交由神經網絡進行學習和訓練；可以用于現有建模技術所適用的規則形狀天線和現有建模技術不適用的不規則形狀天線；能夠根據天線形狀信息輸出其對應的電磁參數，將其用于天線智能化設計，可以顯著提高天線設計效率。

技術領域

本發明屬于微波天線設計技術領域，具體涉及一種基于計算機視覺的天線形狀的神經網絡建模方法。

背景技術

計算機視覺(Computer Vision,CV)，綜合了計算機科學與工程、信號處理、機器視覺、圖像處理、模式識別等多個領域，是當今科學研究中一個重要而富有挑戰性的交叉學科。將計算機視覺應用于天線設計領域，識別天線形狀，提取形狀特征值，并用于天線形狀神經網絡模型的建立，是一種有效的建模方法。

人工神經網絡(Artificial Neural Network,即ANN)是一個描述生物神經網絡運行機理和工作過程的數學-物理模型，ANN可以通過自動化的訓練過程，學習天線幾何參數與天線電磁響應之間的非線性映射關系，因此被廣泛應用于天線的建模和設計。然而，現有的建模方法只能對具有規則形狀的天線進行模型的建立，對于形狀不規則的天線，現有的建模方法將顯得無能為力。

現有技術“基于計算機視覺的基站天線俯仰角建模識別與測算”中公開了一種應用于基站天線俯仰角測算的模型。通過對基站天線的圖片進行邊緣檢測，提取天線側面矩形，然后計算矩形長邊的斜率，然后轉換為基站天線的俯仰角。文章較早的使用計算機視覺對天線圖片進行識別與處理，并得到了目標的特征參數，但是，這種模型只能用于具有矩形輪廓的基站天線，且極易受到拍攝場所與圖片質量的影響。同時，該模型并未將天線性能作為模型的輸出參量，模型得到的俯仰角只是通過計算機視覺對圖片進行測算的結果。

現有技術“Artificial neural networks for RF and microwave design-fromtheory to practice”公開了使用神經網絡對微波器件進行建模的方法，并以一個微波電路為例，將其物理參數作為神經網絡的輸入，對應的電磁參數作為神經網絡的輸出，完成建模設計。但是，這種建模方法只能適用于具有規則幾何形狀的微波器件，對于不規則的器件形狀，該方法將失去作用。

現有技術“Parametric Modeling of UWB Antennas Using ConvolutionalNeural Networks”公開了一種使用卷積神經網絡對超寬帶天線進行參數化建模的方法。該方法能夠直接處理天線圖片，并對天線的反射系數曲線做出很好的預測，但是，這種方法并不能適用于具有不規則形狀的天線結構，其圖片樣本的生成本質上只是改變了其原有矩形形狀的長寬，并未引入能夠進行其他不規則形狀的描述參量。

發明內容

本發明的目的是克服上述現有技術的缺陷，提供一種基于計算機視覺的天線形狀的神經網絡建模方法。

本發明所提出的技術問題是這樣解決的：

一種基于計算機視覺的天線形狀的神經網絡建模方法，包括以下步驟：

步驟1.樣本數據的生成

批量生成N個任意形狀作為輻射貼片的形狀，N為正整數，將輻射貼片形狀不同、其他尺寸參數相同的微帶天線俯視圖作為樣本集的輸入數據，天線俯視圖中的輻射貼片顏色與介質基板顏色不同；

利用經驗公式或電磁仿真軟件對N個輻射貼片形狀不同、其他尺寸參數相同的微帶天線進行批量仿真，獲得其設定頻段內的N組反射系數曲線作為樣本集的輸出數據；