圓環微帶天線諧振頻率預測方法技術

本發明專利技術公開了一種圓環微帶天線諧振頻率預測方法。本發明專利技術采用新型核函數的高斯過程與仿真軟件結合的方法，將圓環微帶天線貼片內徑、外徑、介質基片厚度、相對介電常數這四個相關參數和仿真軟件IE3D仿真出來的諧振頻率作為訓練樣本并采用粒子群算法對高斯過程進行訓練，構建了相應的高斯過程模型，訓練好的粒子群高斯過程可以用來預測其他圓環微帶天線的諧振頻率。通過新型核函數高斯過程與其他幾種建模方法的比較來看，本發明專利技術不僅可以克服調用IE3D仿真軟件計算時間過長的缺點，更提高了圓環微帶天線諧振頻率建模速度和建模精度。

【技術實現步驟摘要】
圓環微帶天線諧振頻率預測方法
本專利技術涉及一種圓環微帶天線諧振頻率預測方法，尤其涉及一種基于新型核函數的高斯過程模型，采用粒子群算法對圓環微帶天線諧振頻率預測方法，屬于天線

技術介紹
微帶天線由于具有諸多優點而獲得了廣泛應用，其中諧振頻率是微帶天線設計過程中最為重要的一個參數直接決定天線設計的成敗。以往人們利用解析法和數值法等方法與電磁仿真軟件相結合來進行天線諧振頻率設計，會導致計算時間過長，預測精度不夠準確等問題。粒子群優化(ParticleSwarmOptimization)算法作為一種易實現、收斂速度快的全局優化算法，正被逐漸應用到微帶天線優化設計問題中。圓環微帶天線是一種簡單的微帶天線。為了克服以往方法用于天線諧振頻率預測中的缺陷，因此研究出一種基于新型核函數的高斯過程和粒子群優化算法來對天線諧振頻率進行預測。訓練好的高斯過程模型可以在微帶天線相關參數(包括貼片尺寸、介質基片厚度、相對介電常數)和電磁仿真軟件IE3D中得到的諧振頻率之間建立起映射關系，從而完成對其他微帶天線諧振頻率的預測，從而減少了調用仿真軟件IE3D所花費的大量時間。另外將高斯過程建模方法與其他8種傳統建模方法如利文貝格(LevenbergMarquardt,LM)算法、貝葉斯正則化(Bayesianregularization,BR)算法、下降對稱共軛梯度(PolakRibiereconjugategradient,PRCG)算法、修正共軛梯度(Fletcher-Powelconjugategradient,FPCG)算法、量化共軛梯度(scaledconjugategradient,SCG)算法、一步交叉(onestepsecant,OSS)算法、復位共軛梯度(Powel-Bealeconjugategradient,PBCG)算法和周期順序增量更新(cyclicalorderincrementalupdate,COIU)算法比較，可以看出高斯過程建模方法比其他8種傳統方法在時間消耗和誤差精度上具備明顯的優勢。
技術實現思路
本專利技術的目的在于提供一種圓環微帶天線諧振頻率預測方法，基于一種新型核函數的高斯過程模型和粒子群優化算法結合，應用于微帶天線諧振頻率預測問題中，以減少調用仿真軟件IE3D所花費的大量時間，同時將高斯過程建模方法與其他8種傳統建模方法比較，降低了諧振頻率預測誤差，從而達到提高預測精度的效果。本專利技術的目的通過以下技術方案予以實現：一種圓環微帶天線諧振頻率預測方法，包括以下步驟：(1)訓練樣本的獲取：將圓環微帶天線貼片內徑、外徑、介質基片厚度、相對介電常數這四個相關參數作為訓練樣本的輸入，仿真軟件IE3D獲得的諧振頻率作為訓練樣本的輸出；(2)高斯過程模型的建立：高斯過程模型可以建立訓練集輸入X與輸出y之間的映射關系，并根據此映射關系給出測試樣本x'對應的預測值；高斯過程描述了一種函數分布，它是無限數量的隨機變量組成任何子集都符合聯合高斯分布的集合，其性質可由均值函數和協方差函數決定，其均值定義為：μ(x)＝E[Y(x)]其中，E[x]表示為輸入x的數學期望即均值，Y(x)表示為關于x的函數分布；協方差函數定義為：C(x,x')＝E[(Y(x)-μ(x))(Y(x')-μ(x'))]其中x,x'∈Rd為任意d維矢量,μ(x)和C(x,x')分別表示均值函數和協方差函數，Y(x')為測試樣本x'的函數分布；故高斯過程可定義為：f(x)～GP(μ(x),C(x,x'))其中，f(x)表示為關于均值函數μ(x)和協方差函數C(x,x')的映射關系，即高斯過程(GP)模型；協方差函數等價于核函數，核函數公式為：θ＝logσf其中，參數i、j為樣本x的位置，表示第幾個樣本；參數d為樣本的維度，表示樣本的復雜度；無約束的參數θ為σf對數，用來求取σf的極大似然值；超參數為核函數的信號方差，用來控制局部相關性的程度；超參數為特征尺度，其值越大，表示輸入與輸出相關性越小；(3)優化設計：高斯過程模型建立好以后，采用粒子群算法對模型進行優化并尋找最優結果；設置粒子群算法的初始參數，即學習因子c1、加速常數c2、迭代次數k、粒子個數i和粒子最大速度Vmax，選取10組數據作為測試樣本，使用近似高斯過程模型作為適應度函數取代粒子群優化算法真實適應度函數對粒子進行諧振頻率預測，不斷更新粒子，當迭代達到最大次數或者誤差小于預設值時停止更新；(4)檢測高斯過程模型的可靠性將步驟(3)中的預測值與仿真軟件IE3D的結果進行比較，若誤差小于精度要求，則認為得到精確的高斯過程模型；若誤差大于精度要求，則將最佳粒子及精確解加入到原始的訓練樣本中，更新尋優經驗知識庫，從而更新高斯過程模型，直到得到精確模型為止；(5)預測采用精確高斯過程模型對諧振頻率進行預測，并與IE3D仿真得到的諧振頻率值進行比較，計算其平均相對誤差(ARE)、均方誤差(MSE)和平均百分比誤差(APE),驗證是否滿足設計要求。本專利技術的目的還可以通過以下技術措施來進一步實現：前述圓環微帶天線諧振頻率預測方法，其中步驟(2)中參數信號方差參數特征尺度前述圓環微帶天線諧振頻率預測方法，步驟(3)粒子群算法中，速度與位置的更新公式為：式中，c1和c2被稱為學習因子和加速常數；rand()為介于(0,1)的隨機數；和分別為粒子i在k次迭代中第d維的速度和位置；為粒子i在第d維的個體極值的位置；為群體在第d維的全局極值的位置。前述圓環微帶天線諧振頻率預測方法，粒子群算法的最大迭代次數k為1000，粒子個數選取25個，粒子最大速度Vmax＝(11)。前述圓環微帶天線諧振頻率預測方法，其中c1＝c2＝2。與現有技術相比，本專利技術的有益效果是：1.通過高斯過程建模結合粒子群優化算法對圓環微帶天線諧振頻率預測，減少了調用電磁仿真軟件進行計算的大量時間損耗；2.新型核函數用于高斯過程建模，相比于現有技術，基于新型核函數的高斯過程模型對圓環微帶天線諧振頻率的預測誤差更小，即預測精度更高；3.通過不斷比較諧振頻率預測值和IE3D仿真值之間的誤差，從而不斷更新高斯過程模型，最終可以得到最為精確的高斯過程模型。附圖說明圖1為本專利技術圓環微帶天線諧振頻率預測方法流程圖；圖2為本專利技術圓環微帶天線的俯視圖；圖3為本專利技術圓環微帶天線的正視圖；圖4為10種建模方法對圓環微帶天線諧振頻率進行預測的平均相對誤差圖；圖5為10種建模方法對圓環微帶天線諧振頻率進行預測的均方誤差圖；圖6為10種建模方法對圓環微帶天線諧振頻率進行預測的平均百分比誤差圖。具體實施方式在以往對微帶天線諧振頻率的預測問題中，大多數會采用解析法和數值法等方法與電磁仿真軟件相結合來實現，這些方法會導致計算時間過長，預測精度不夠準確。本專利技術采用粒子群算法將高斯過程模型作為適應度函數取代真實適應度函數對粒子進行諧振頻率預測，并采用新型核函數進一步提高模型的預測精度。本專利技術將高斯過程粒子群優化算法與電磁仿真軟件相結合的方法，利用IE3D得到模型的訓練樣本，從而建立起高斯過程模型。模型建立好之后，可以利用模型對圓環微帶天線諧振頻率進行預測。如圖1所示為本專利技術圓環微帶天線諧振頻率預測方法流程圖，本
技術實現思路
主要分為五個部分,下面結合附圖具體對本專利技術本文檔來自技高網...

【技術保護點】
一種圓環微帶天線諧振頻率預測方法，其特征在于，包括以下步驟：1)訓練樣本的獲取：將圓環微帶天線貼片內徑、外徑、介質基片厚度、相對介電常數這四個相關參數作為訓練樣本的輸入，仿真軟件IE3D獲得的諧振頻率作為訓練樣本的輸出；2)高斯過程模型的建立：高斯過程模型可以建立訓練集輸入X與輸出y之間的映射關系，并根據此映射關系給出測試樣本x'對應的預測值；高斯過程描述了一種函數分布，它是無限數量的隨機變量組成任何子集都符合聯合高斯分布的集合，其性質可由均值函數和協方差函數決定，其均值定義為：μ(x)＝E[Y(x)]其中，E[x]表示為輸入x的數學期望即均值，Y(x)表示為關于x的函數分布；協方差函數定義為：C(x,x')＝E[(Y(x)?μ(x))(Y(x')?μ(x'))]其中x,x'∈R

【技術特征摘要】
1.一種圓環微帶天線諧振頻率預測方法，其特征在于，包括以下步驟：1)訓練樣本的獲取：將圓環微帶天線貼片內徑、外徑、介質基片厚度、相對介電常數這四個相關參數作為訓練樣本的輸入，仿真軟件IE3D獲得的諧振頻率作為訓練樣本的輸出；2)高斯過程模型的建立：高斯過程模型可以建立訓練集輸入X與輸出y之間的映射關系，并根據此映射關系給出測試樣本x'對應的預測值；高斯過程描述了一種函數分布，它是無限數量的隨機變量組成任何子集都符合聯合高斯分布的集合，其性質可由均值函數和協方差函數決定，其均值定義為：μ(x)＝E[Y(x)]其中，E[x]表示為輸入x的數學期望即均值，Y(x)表示為關于x的函數分布；協方差函數定義為：C(x,x')＝E[(Y(x)-μ(x))(Y(x')-μ(x'))]其中x,x'∈Rd為任意d維矢量,μ(x)和C(x,x')分別表示均值函數和協方差函數，Y(x')為測試樣本x'的函數分布；故高斯過程可定義為：f(x)～GP(μ(x),C(x,x'))其中，f(x)表示為關于均值函數μ(x)和協方差函數C(x,x')的映射關系，即高斯過程模型；協方差函數等價于核函數，核函數公式為：θ＝logσf其中，參數i、j為樣本x的位置，表示第幾個樣本；參數d為樣本的維度，表示樣本的復雜度；無約束的參數θ為σf對數，用來求取σf的極大似然值；超參數為核函數的信號方差，用來控制局部相關性的程度；超參數為特征尺度，其值越大，表示輸入與輸出相關性越小；3)優化設計：高斯過程模型建立好以后，采用粒子群算法對模型進行優化并尋找最優結果...

【專利技術屬性】
技術研發人員：田雨波，許永秀，
申請(專利權)人：江蘇科技大學，
類型：發明
國別省市：江蘇,32