支持向量机及其在天线设计中的应用研究

发布时间：2017-10-13 14:35

  本文关键词：支持向量机及其在天线设计中的应用研究

  更多相关文章： 支持向量机 粒子群优化 混合核函数 SVM集成 DOA 微带天线

【摘要】：支持向量机(Support Vector Machine,SVM)是根据统计学习理论(Statistical Learning Theory,SLT)而提出来的机器学习方法,由于它适合解决非线性、小样本、高维数等问题,已经在信息的分类检索、生物医学、通信等领域得到了广泛的应用。在电磁领域,如天线设计、DOA估计等问题,往往模型结构较为复杂、样本获取较困难,用SVM来解决电磁问题,不仅减少了天线设计者的大量而繁琐的数学计算工作,也降低了实际测量所需要的昂贵成本,更适合用于电磁问题上。但是在SVM的研究过程中,核函数的选择是至关重要的,针对单一核函数不能兼顾插值能力和外推能力,本文研究了混合核函数的思想,并使用粒子群(Particle Swarm Optimization,PSO)优化算法来进行参数寻优;同时为了进一步提高预测精度,本文研究了SVM集成的思想,并分别将这两种方法应用于几个天线设计及DOA估计问题上。具体安排如下:(1)针对单一核函数的各自优势,研究了将全局核函数和局部核函数相结合的一种混合核函数,结合PSO优化算法来寻参,并且用UCI数据库中的数据集以及测试函数进行了验证和分析。(2)为了进一步提高SVM的预测精度和稳定性,研究了SVM集成的思想,各个参数及权系数的选择均采用PSO优化算法,通过用UCI数据库中的数据集与单个SVM及人工神经网络(Artificial Neural Network,ANN)进行了对比分析。(3)将基于混合核函数的PSO-SVM对DOA估计问题进行了建模,分别比较了两个信号源、不同信噪比、不同快拍数的情况下的估计误差,并将建模误差与ANN、单核SVM的误差进行了对比分析。(4)用设计的基于混合核函数的PSO-SVM对紧凑型微带天线(Compact Microstrip Antennas,CMSA)如:平面倒F天线(Planar Inverted F-shaped Antenna,PIFA)、L型MSA的谐振频率问题进行建模,利用HFSS(High Frequency Structure Simulator,HFSS)建立PIFA天线仿真模型获取样本数据,并将建模误差与单一核函数的误差、HFSS仿真误差进行了对比分析。(5)将SVM集成用于矩形MSA谐振频率建模,并分析了基于不同的单一核函数的SVM的预测结果,同时将它们的预测误差与ANN预测结果作了对比。(6)将SVM集成用于对切角方形圆极化MSA进行综合建模,并将其和BP-NN、单个SVM的预测结果进行对比分析。
【关键词】：支持向量机 粒子群优化 混合核函数 SVM集成 DOA 微带天线
【学位授予单位】：江苏科技大学
【学位级别】：硕士
【学位授予年份】：2016
【分类号】：TN820;TP18
【目录】：

• 摘要5-6
• Abstract6-12
• 第1章 绪论12-18
• 1.1 课题的研究背景及意义12-13
• 1.2 课题的研究现状13-15
• 1.2.1 SVM的研究概况13-14
• 1.2.2 天线设计的研究概况14-15
• 1.2.3 SVM在天线设计中的研究概况15
• 1.3 本文的研究内容及章节安排15-18
• 第2章 SVM及其改进18-32
• 2.1 SVM的基本原理18-21
• 2.1.1 线性可分18-19
• 2.1.2 线性不可分19-20
• 2.1.3 特征空间与核函数20-21
• 2.2 基于PSO优化混合核函数的SVM21-27
• 2.2.1 混合核函数21-22
• 2.2.2 基于PSO算法的混合核函数22-23
• 2.2.3 基于混合核函数的PSO-SVM的回归实验23-27
• 2.3 基于二进制PSO算法的SVM集成27-29
• 2.3.1 集成的概述27
• 2.3.2 基于BiPSO算法的选择性集成27-28
• 2.3.3 基于BiPSO的SVM集成的回归实验28-29
• 2.4 本章小结29-32
• 第3章 基于混合核函数的PSO-SVM用于DOA估计建模32-40
• 3.1 DOA估计32-33
• 3.2 DOA估计的SVM模型33-35
• 3.3 基于混合核函数的PSO-SVM用于DOA估计建模35
• 3.4 数值仿真实验35-38
• 3.4.1 2 个信号源的不同方法比较35-36
• 3.4.2 不同方法在不同信噪比下的性能比较36-37
• 3.4.3 2 不同方法在不同快拍数下的性能比较37-38
• 3.5 本章小结38-40
• 第4章 基于混合核函数的CMSA谐振频率建模40-52
• 4.1 基于混合核函数的SVM用于PIFA谐振频率建模40-48
• 4.1.1 PIFA的概述40-41
• 4.1.2 电磁仿真软件HFSS的概述41-43
• 4.1.3 训练样本的获取43-44
• 4.1.4 基于混合核函数的PSO-SVM用于PIFA谐振频率的建模44-46
• 4.1.5 HFSS验证46-48
• 4.2 基于混合核函数的PSO-SVM用于L形MSA谐振频率建模48-50
• 4.2.1 L形MSA的谐振频率48
• 4.2.2 数值实验和结果分析48-50
• 4.3 本章小结50-52
• 第5章 基于SVM集成的矩形MSA谐振频率建模52-56
• 5.1 矩形MSA的谐振频率52-53
• 5.2 数值实验和结果分析53-55
• 5.3 本章小结55-56
• 第6章 基于SVM集成的圆极化MSA综合56-62
• 6.1 圆极化MSA56-58
• 6.2 基于SVM集成的圆极化MSA综合建模58-59
• 6.3 本章小结59-62
• 结论62-64
• 参考文献64-70
• 攻读硕士期间发表的学术论文70-72
• 攻读硕士期间获得的奖励72-74
• 致谢74

，

本文编号：1025386