基于人工智能算法的自组构天线的优化设计

发布时间：2017-07-14 15:05

  本文关键词：基于人工智能算法的自组构天线的优化设计

  更多相关文章： 自组构天线 贴片天线 环天线 智能算法 遗传算法

【摘要】：自组构天线是一种新型的自适应智能天线,它可以根据外部环境的改变或者信号的强弱智能地调节其自身的结构,这种结构的改变不是指天线物理形状的改变而是指改变天线样板上的开关序列来实现天线电结构的改变,正是由于这一特性,自组构天线已成为当今智能天线领域一大研究热点。本文针对自组构天线展开了一系列的研究工作,主要体现在以下几个方面：分析比较了遗传算法、模拟退火算法和量子遗传算法这三种算法的优缺点,提出了一种改进的遗传退火模拟算法,经过测试函数的检验,此算法比标准遗传算法具有更好的全局收敛性。然后在MATLAB平台上设计了一种利用HFSS计算自组构天线的程序优化方案,该方案能够有效的对自组构天线结构进行搜索优化计算。之后利用改进的算法分别对贴片自组构天线和矩形环自组构天线进行结构搜索计算：在对贴片自组构天线的研究中,对其单频段工作,多频段工作,宽频段工作三种工作模式分别进行了结构搜索,结果发现在单频段工作时采用了改进算法的搜索方案在全局收敛性上优于其他智能算法；同时采用了基于遗传算法的多目标优化算法被应用到多频段和宽频段工作中,使得贴片自组构天线能够良好的工作在这两种模式下。在对矩形环自组构天线的研究过程中,由于方向图变化等原因,本文采用了增益连同反射系数一并优化的搜索方案,此方案能在一定程度上保持方向图原有特性,并且最后还讨论了针对矩形环自组构天线出现的平衡馈电的问题。本文应用人工智能算法对贴片自组构天线和矩形环自组构天线进行结构搜索和性能分析,结果表明自组构天线具备单频段工作、多频段工作和宽频段工作的能力：并且采用多目标搜索算法可以使得自组构天线在多个天线性能参数上分别优化。这些结论对自组构天线的应用设计和优化方法具有指导意义。
【关键词】：自组构天线 贴片天线 环天线 智能算法 遗传算法
【学位授予单位】：南京邮电大学
【学位级别】：硕士
【学位授予年份】：2016
【分类号】：TP18;TN821.91
【目录】：

• 摘要4-5
• Abstract5-9
• 第1章 绪论9-16
• 1.1 研究背景和研究意义9-10
• 1.2 国内外研究现状与应用前景10-14
• 1.2.1 自组构天线的研究现状10-12
• 1.2.2 人工智能算法的研究现状12-13
• 1.2.3 自组构天线未来的应用方向13-14
• 1.3 本文的研究内容与结构安排14-16
• 第2章 自组构天线基本原理16-29
• 2.1 天线的主要性能参数16-18
• 2.1.1 天线的电路特性参数16-17
• 2.1.2 天线的辐射特性参数17-18
• 2.2 微带贴片天线18-20
• 2.2.1 微带贴片天线的基本结构18-19
• 2.2.2 矩形微带天线的辐射原理19-20
• 2.2.3 矩形微带天线的设计20
• 2.3 环天线20-25
• 2.3.1 环天线的基本结构20-22
• 2.3.2 方环天线的辐射原理22-25
• 2.4 自组构天线的基本结构与原理25-28
• 2.4.1 微带贴片结构26-27
• 2.4.2 矩形对数周期结构27
• 2.4.3 互补结构27-28
• 2.5 本章小结28-29
• 第3章 人工智能优化算法29-38
• 3.1 遗传算法29-31
• 3.1.1 遗传算法的概述与特点29-30
• 3.1.2 标准遗传算法的实现步骤30-31
• 3.2 模拟退火算法31-33
• 3.2.1 模拟退火算法的概述与特点31-32
• 3.2.2 模拟退火算法的实现步骤32-33
• 3.3 量子遗传算法33-35
• 3.3.1 量子遗传算法的概述与特点33-34
• 3.3.2 量子遗传算法的实现步骤34-35
• 3.4 本文所应用的改进算法35-36
• 3.4.1 遗传退火模拟算法35-36
• 3.4.2 适应度函数变换策略36
• 3.4.3 参数自适应策略36
• 3.5 基于遗传算法的多目标优化算法36-37
• 3.6 本章小结37-38
• 第4章 利用HFSS计算自组构天线的智能算法程序设计38-48
• 4.1 自组构天线优化计算与常规优化天线计算的不同38
• 4.2 采用人工智能算法的有效性和必要性38-40
• 4.3 利用HFSS计算自组构天线的智能算法程序方案40-42
• 4.3.1 智能算法程序主要框架40-42
• 4.3.2 主要程序模块42
• 4.4 函数寻优测试42-47
• 4.4.1 测试函数选取原则42-43
• 4.4.2 全局搜索算法测试43-46
• 4.4.3 多目标搜索算法测试46-47
• 4.5 本章小结47-48
• 第5章 人工智能算法在自组构天线计算中的应用48-70
• 5.1 自组构贴片天线特性的研究48-61
• 5.1.1 电压驻波比性能优化50-59
• 5.1.2 人工智能算法比较59-61
• 5.2 矩形环结构自组构天线特性研究61-69
• 5.2.1 电压驻波比性能优化62-66
• 5.2.2 单频段双目标工作优化66-68
• 5.2.3 矩形环自组构天线平衡馈电的探讨68-69
• 5.3 本章小结69-70
• 第6章 总结与展望70-71
• 致谢71-72
• 参考文献72-74
• 附录1 攻读硕士学位期间撰写的论文74

【相似文献】

中国期刊全文数据库 前10条

1 吴瑞镛,徐大纹;具有年龄结构的遗传算法[J];桂林电子工业学院学报;2001年04期

2 杨艳丽,史维祥;一种新的优化算法—遗传算法的设计[J];液压气动与密封;2001年02期

3 杨宜康,李雪,彭勤科,黄永宣;具有年龄结构的遗传算法[J];计算机工程与应用;2002年11期

4 谷峰,吴勇,唐俊;遗传算法的改进[J];微机发展;2003年06期

5 ;遗传算法[J];计算机教育;2004年10期

6 赵义红,李正文,何其四;生物信息处理系统遗传算法探讨[J];成都理工大学学报(自然科学版);2004年05期

7 刘坤,刘伟波,吴忠强;基于模糊遗传算法的电液位置伺服系统控制[J];黑龙江科技学院学报;2005年04期

8 张英俐,刘弘 ,马金刚;遗传算法作曲系统研究[J];信息技术与信息化;2005年05期

9 丁发智;;浅谈遗传算法[J];乌鲁木齐成人教育学院学报;2005年04期

10 李冰洁;;遗传算法及其应用实例[J];吉林工程技术师范学院学报;2005年12期

中国重要会议论文全文数据库 前10条

1 陈家照;廖海涛;张中位;罗寅生;;一种改进的遗传算法及其在路径规划中的应用[A];2009系统仿真技术及其应用学术会议论文集[C];2009年

2 李国云;刘颖;薛梅;邬志敏;;遗传算法在高温空冷冷凝器优化设计中的应用[A];第五届全国制冷空调新技术研讨会论文集[C];2008年

3 王志军;李守春;张爽;;改进的遗传算法在反演问题中的应用[A];新世纪 新机遇 新挑战——知识创新和高新技术产业发展（上册）[C];2001年

4 任燕翔;姜立;刘连民;从滋庆;;改进遗传算法在三维日照方案优化中的应用[A];工程三维模型与虚拟现实表现——第二届工程建设计算机应用创新论坛论文集[C];2009年

5 韩娟;;遗传算法概述[A];第三届河南省汽车工程科技学术研讨会论文集[C];2006年

6 庞国仲;王元西;;基于遗传算法控制步长的定性仿真方法[A];'2000系统仿真技术及其应用学术交流会论文集[C];2000年

7 张忠华;杨淑莹;;基于遗传算法的聚类设计[A];全国第二届信号处理与应用学术会议专刊[C];2008年

8 何翠红;区益善;;遗传算法及其在计算机编程中的应用[A];1995年中国智能自动化学术会议暨智能自动化专业委员会成立大会论文集（下册）[C];1995年

9 靳开岩;张乃尧;;几种实用遗传算法及其比较[A];1996年中国智能自动化学术会议论文集（下册）[C];1996年

10 王宏刚;曾建潮;李志宏;;摄动遗传算法[A];1996年中国智能自动化学术会议论文集（下册）[C];1996年

中国重要报纸全文数据库 前1条

1 林京;《神经网络和遗传算法在水科学领域的应用》将面市[N];中国水利报;2002年

中国博士学位论文全文数据库 前10条

1 蔡美菊;交互式遗传算法及其在隐性目标决策问题中的应用研究[D];合肥工业大学;2015年

2 张士伟;三维声学快速多极基本解法在机械噪声预测中的应用研究[D];沈阳工业大学;2016年

3 高军;无铅焊料本构模型及其参数识别方法研究[D];南京航空航天大学;2015年

4 Amjad Mahmood;半监督进化集成及其在网络视频分类中的应用[D];西南交通大学;2015年

5 周辉仁;递阶遗传算法理论及其应用研究[D];天津大学;2008年

6 郝国生;交互式遗传算法中用户的认知规律及其应用[D];中国矿业大学;2009年

7 侯格贤;遗传算法及其在跟踪系统中的应用研究[D];西安电子科技大学;1998年

8 马国田;遗传算法及其在电磁工程中的应用[D];西安电子科技大学;1998年

9 唐文艳;结构优化中的遗传算法研究和应用[D];大连理工大学;2002年

10 周激流;遗传算法理论及其在水问题中应用的研究[D];四川大学;2000年

中国硕士学位论文全文数据库 前10条

1 张英俐;基于遗传算法的作曲系统研究[D];山东师范大学;2006年

2 钟海萍;原对偶遗传算法与蚁群算法的一种融合算法[D];暨南大学;2013年

3 彭骞;基于遗传算法的山区高等级公路纵断面智能优化方法研究[D];昆明理工大学;2015年

4 周玉林;基于小波分析和遗传算法的配电网故障检测[D];昆明理工大学;2015年

5 郭颂;基于粗糙集和遗传算法的数字管道生产管理系统研究[D];昆明理工大学;2015年

6 吴南;数值逼近遗传算法的研究应用[D];华南理工大学;2015年

7 于光帅;一类优化算法的改进研究与应用[D];渤海大学;2015年

8 吴欣欣;改进GA-TS算法优化的BP神经网络入侵检测研究[D];湖南工业大学;2015年

9 王垒;基于遗传算法的A型单喇叭互通立交线形优化[D];长安大学;2015年

10 龚高;基于遗传算法的桥梁结构传感器优化布置研究[D];长安大学;2015年

，

本文编号：541523