CN106935973A - 一种同轴馈电天线的设计方法 - Google Patents

Abstract

本发明涉及一种同轴馈电天线的设计方法，包括以下步骤：构建同轴馈电的数学优化模型步骤：由制造天线的材质得出介电常数及介质层的高度，设置中心频率，通过天线尺寸的计算公式构建适应度函数；粒子群算法优化步骤：粒子群算法结合蚁群算法进行优化计算，设定粒子群数目、迭代次数，输入进行优化运算得到最终每个粒子的长度、宽度与馈电位置；微天线设计步骤：在HFSS软件中利用所述最终每个粒子的长度、宽度与馈电位置进行微带天线设计，实现了天线结构参数的自动化设计，谐振频率可以与中心频率高度吻合。

Description

一种同轴馈电天线的设计方法

技术领域

本发明涉及无线通信领域，具体涉及在天线设计中，涉及一种材料特性测试设备，特别涉及一种同轴馈电天线的设计方法。

背景技术

群体智能算法作为由仿生学演化而来的一类新型优化算法，在越来越多的工程领域得到了广泛的应用。群体智能主要体现在群居生物相互合作的行为上，研究人员对其中的规律进行观察和研究之后，总结其实现的原理并以此来设计出求解某些问题的算法，这就是近些年来在智能计算领域中非常热门的群体智能算法。群体智能算法由于其方便实用，近些年来得到了广泛的发展和应用，其中以粒子群算法和蚁群算法的应用最为广泛。

本发明以微带天线的设计为例，详细介绍其设计方法和实现原理。微带天线是在一块厚度远小于工作波长的介质基片的一面敷以金属辐射片、一面全部敷以金属薄层作接地板而成；辐射片可以根据不同的要求设计成各种形状。微带天线具有质量轻、体积小和易于制造等优点，现如今，它已经广泛应用于无线通信中。

现有的设计方法中，研究人员往往是通过数值计算得到天线参数，用软件进行仿真，微调参数的取值从而实现最优性能，这样工作量大，并且容易出现性能不佳等状况。将群体智能算法运用在天线设计领域，既能简化天线设计的繁琐演算和仿真流程，同时也能够大幅度地节约时间和资金成本。

发明内容

本发明的主要目的在于提供一种同轴馈电天线的设计方法，通过数值计算和参数微调达到性能最优，解决谐振频率与中心频率高度匹配工作量大，浪费时间与资金等缺点。

为实现上述目的，本发明提供了一种同轴馈电天线的设计方法，其特征在于，该方法包括以下步骤：

构建同轴馈电的数学优化模型步骤：由制造天线的材质得出介电常数及介质层的高度，并设置中心频率；

微天线尺寸估算步骤：利用所述介电常数、介质层的高度及中心频率估算得到每个粒子的长度、宽度与馈电位置；

粒子群算法优化步骤：粒子群算法结合蚁群算法进行优化计算，设定粒子群数目、迭代次数，输入进行优化运算得到最终每个粒子的长度、宽度与馈电位置；

微天线设计步骤：在HFSS软件中利用所述最终每个粒子的长度、宽度与馈电位置进行微带天线设计。

优选的，所述制造天线的材质为FR4环氧树脂，所述介电常数、介质层的高度及中心频率分别为h＝1.6mm、ε_r＝4.4、freq＝2.45Ghz。

优选的，所述同轴馈电天线馈电端口使用集总端口激励，端口平面设置为集总端口激励，端口阻抗设置为50Ω。

优选的，微天线尺寸的计算按照以下方式进行：

微带贴片的宽度：

考虑到边缘缩短效应，微带贴片的长度：

其中：

输入阻抗：

由于G₁₂＜＜G₁，故G₁₂能够忽略不计。

其中：

优选的，根据天线尺寸的计算公式，定义群体智能优化算法的适应度函数如下所示：f＝min|r-50|

其中：

这里，c是光速，f_p是馈电位置，freq是中心频率，w是贴片宽度，l是贴片长度，h是介质层高度。

优选的，利用PSACO算法以阻抗匹配为目标，对天线参数寻优。

优选的，通过PSACO算法，将所述最终每个粒子的长度、宽度以及馈电位置设置在合理的最大值与最小值之间。

优选的，在解空间中将所有粒子随机性地初始化分布。

优选的，所述的优化算法中，根据模型原理每一次迭代都会更新粒子的位置与速度，使总趋势朝着最优方向发展。

优选的，利用信息素引导机制来改善在所述粒子群算法中所找到的最优解。

本发明的上述技术方案的有益效果在于：

本发明通过优化算法仿真工具通过优化得出天线结构参数，实现了天线结构参数的自动化设计；采用同轴馈电时，传统方法的谐振频率往往达不到中心频率，使用群体智能算法，当适应度函数经一定迭代次数趋于0之后，谐振频率可以与中心频率高度吻合。

附图说明

图1是本发明的总体设计流程图；

图2是本发明群体智能算法的适应度函数值随迭代次数增加的变化图；

图3是本发明群体智能算法的平均阻抗随迭代次数增加的变化图；

图4是本发明微带天线设计的S₁₁扫频分析结果；

图5是本发明微带天线在xz和yz截面上的增益方向图；

图6是本发明设计的微带天线的三维增益方向图。

具体实施方式

为使本发明要解决的技术问题、技术方案和优点更加清楚，下面将结合附图及具体实施例进行详细描述。

本发明针对现有技术中的回波损耗较大、谐振频率达不到中心频率附近等问题，提出了群体智能算法，该算法将粒子群算法与蚁群算法有效地结合，达到了良好的阻抗匹配性能。

将预先设定好的ε_r,h,freq作为算法的输入，通过微带天线模型结合粒子群与蚁群算法结合的群体智能算法，反复迭代，最后当迭代一定次数之后适应度趋于0，同时阻抗匹配良好，输出微带天线的贴片长度l、宽度w与馈电位置f_p，将这三个天线结构参数通过HFSS 13.0软件进行微带天线模型设计。该算法首先要建立同轴馈电的天线模型，用群体智能算法仿真优化便可以便捷地得到天线结构参数，相较于繁琐的数值计算以及参数微调，本发明在时间成本体现出较大的优势，且由于本发明以微带天线为例，可以得出良好的天线性能，故本发明具有对其它天线类型的普适性。其总体设计流程图如图1所示。

为了解决同轴馈电天线设计中存在的上述问题，本发明提供一种同轴馈电天线的设计方法，该方法包括以下步骤：

构建同轴馈电的数学优化模型步骤：由制造天线的材质得出介电常数及介质层的高度，并设置中心频率；

粒子群算法优化步骤：粒子群算法结合蚁群算法进行优化计算，设定粒子群数目、迭代次数，输入进行优化运算得到最终每个粒子的长度、宽度与馈电位置；

微天线设计步骤：在HFSS软件中利用所述最终每个粒子的长度、宽度与馈电位置进行微带天线设计。

具体实施例步骤如下：

1.微带天线模型的建立：

(1)本发明在微带天线设计过程中采用的材质为FR4_epoxy，FR4环氧树脂板的机械性能、尺寸稳定性、抗冲击性、耐湿性能比纸基板高，同时电气性能优良，工作温度较高，本身性能受环境影响小。本发明所需的参数如下表1所示：

表1.微带天线材质的相关参数表

h	εr	freq
			1.6mm	4.4	2.45Ghz

(2)微带辐射贴片尺寸估算：

微带贴片的宽度：

考虑到边缘缩短效应，微带贴片的长度：

其中：

输入阻抗：

由于G₁₂＜＜G₁，故G₁₂能够忽略不计。

其中：

同时，根据以上计算公式，可定义适应度函数：

f＝min|r-50|

其中：

(3)本发明采用集总端口激励：因为集总端口激励需要设置在物体模型内部，需要设定端口阻抗。集总端口直接在端口处计算S参数，设定的端口阻抗为集总端口上S参数的参考阻抗。在模式驱动求解类型下，需要设置积分线。集总端口边缘没有与导体或其他端口相接触的部分，默认边界条件是理想磁边界，因此不存在电场耦合到波端口边缘影响传输线特性的问题。

2.群体智能算法的优化过程：

(1)粒子群算法：粒子群算法的基本思想是假设优化问题的每一个解都是搜索空间中的一个粒子，每次迭代都有一个速度值决定粒子更新的距离和方向，将每一个粒子带入目标函数都能得到一个适应值。粒子群算法首先将一群粒子初始化为目标函数的随机解，然后粒子群就以当前的最优粒子为参考在解空间中搜索，最优粒子包括两个，一个是粒子自身到目前为止所找到的最优解，另一个是整个粒子群到目前为止所找到的最优解，本发明中主要通过粒子群算法来进行天线结构参数的优化。最后通过若干次迭代来找到目标函数的最优解。惯性权重w能够调节上次迭代速度对本次速度的影响，改善粒子群算法的性能。当w<0.8时，粒子群算法有很强的局部搜索能力，能很快收敛于全局最优解。故本发明使用rand函数产生0～1随机数，保证了惯性权重的随机性与快速收敛性。

(2)群体智能算法：本发明采用的是粒子群和蚁群的混合优化算法(PSACO)，该算法包括两个阶段，第一阶段是粒子群算法，也是PSACO算法的主体部分，第二阶段是蚁群算法。蚁群算法在此充当的作用是局部搜索，利用信息素引导机制来改善在第一阶段中粒子群算法所找到的最优解。假设蚂蚁的数量与粒子群中的粒子数相等，均为s。每一个蚂蚁n在第t次迭代围绕粒子群算法得到的全局最优解gbest(t)做局部搜索：

z_n(t)＝N(gbest(t),σ)

上式可以产生一个新的位置矢量z_n(t)，它的每个元素服从以gbest(t)为均值，以σ为标准差的高斯分布。初始化时，σ＝1并且在每次迭代结束后按照σ＝σ×d进行更新，d的取值范围是(0.25,0.997)。假如σ＜σ_min那么σ＝σ_min，σ_min的取值范围是(10^-4,10^-2)。如果f(z_n(t))＜f(x_n(t))，那么在计算目标函数值时，采用z_n(t)的目标函数值f(z_n(t))，并且使x_n(t)＝z_n(t)，f(x_n(t))＝f(z_n(t))。蚁群算法不仅能够快速有效的对解空间进行搜索而且还可以有效找到最优或者次最优的解。

(3)群体智能算法的实现步骤：

本发明第一步定义粒子群中每一个粒子具有三个尺寸：长度l、宽度w与馈电位置f_p。

本发明第二步通过模型限定l、w、和f_p三者的最大取值与最小取值。

本发明第三步在解空间领域初始化每一个粒子的位置和速度，使得每一个粒子的位置具有随机性：

for i＝1:n

l(i)＝l_min+(l_max-l_min)×random_number

w(i)＝w_min+(w_max-w_min)×random_number

f_p(i)＝f_pmin+(f_pmax-f_pmin)×random_number

end

本发明第四步在解空间范围内，每一个粒子的l、w和f_p都被限定在其对应的最大取值与最小取值范围内。根据表1的参数可以计算出矩形微带天线的输入阻抗，因此，对于每一个(l，w，f_p)，都有一个对应的阻抗z_0i。对于粒子1：z₀₁，对于粒子2：z₀₂，...对于粒子N：z_0N。本发明设定的馈电特性阻抗是50Ω，故匹配阻抗之间的差异可以定义为：|z_0i-50|。

本发明第五步考虑到在第四步之后会有粒子出现阻抗不匹配的状况，故将阻抗不匹配的粒子所在的解(l，w，f_p)作为gbest的最小值。则剩余粒子为阻抗匹配的优异粒子，它们的解(l_best，w_best，f_pbest)＝co-ordinate_of(min|z_0k-50|).

本发明第六步是对粒子的位置进行更新：

for i＝1:N

w(i)＝w(i)+2×random_number×(w_gbest-w(i))；

fp(i)＝fp(i)+2×random_number×(fp_gbest-fp(i))；

l(i)＝l(i)+2×random_number×(l_gbest-l(i))；

end

本发明第七步是检测粒子的解是否超出第二步中限定的最大取值与最小取值范围。

本发明第八步是作迭代观察，并返回最优值等操作。

1.微带天线设计的实现：

(1)MATLAB软件的优化实现。通过输入材质参数与中心频率，最终输出微带贴片的长度、宽度与馈电位置，具体参数如下表2所示：

表2.MATLAB的输入与输出参数

同时，在输入参数中，设置粒子群数目s＝800，迭代次数n＝60。迭代结果如图2与图3所示。从图2可以看出，随着迭代次数的增加适应度函数的值渐渐趋近于0。从图3看出，阻抗随着迭代次数的增加趋近于50，达到匹配状态。图2与图3充分说明了该群体智能算法的可行性。

(2)HFSS软件的设计实现：

本发明第一步先创建介质基片，该介质基片用一个长方体模型来表示，模型的底面位于xoy平面，中心位于坐标原点。所选材质为FR4_epoxy。

本发明第二步创建辐射贴片，该辐射贴片位于介质基片上表面；接着创建参考地，它位于介质基片的底面。

本发明第三步是创建一个圆柱体作为同轴馈电的内芯；接着创建圆面，该圆面位于xoy，与同轴馈电内芯作相减操作。

本发明第四步是设置边界条件和端口激励：首先将辐射贴片与参考地设置为理想道题边界；在HFSS中辐射边界表面距离辐射体通常需要不小于1/4个工作波长，在2.45GHz下的1/4个工作波长为30.6mm，在这里创建了一个长方体模型，将长方体的表面设置为辐射边界；因为同轴线馈电端口在设计模型的内部，所以需要使用集总端口激励，在设计中，将端口平面设置为集总端口激励，端口阻抗设置为50Ω。

本发明第五步是扫频设置。因为微带天线的工作频率为2.45GHz，所以求解频率设置为2.45GHz。同时添加1.5GHz～3.5GHz的扫频设置，选择快速扫频类型，然后分析天线在1.5GHz～3.5GHz频段的S₁₁参数性能，如图4所示。从图几可以看出采用同轴线馈电，当使用群体智能算法优化的输出参数进行HFSS微带天线设计时，谐振频率为2.45GHz，此时S₁₁约为-15.7dB，说明天线已经达到良好的阻抗匹配状态。同时，也验证了群体智能算法的可行性。

本发明第六步是查看天线在xz和yz截面上的增益方向图(如图5所示)和三维增益方向图(如图6所示)。从结果报告中可以看出，最大辐射方向为θ＝90°，即辐射贴片的正上方，最大增益约为3.9dB。

综上所述，本发明所提供的一种同轴馈电的天线设计方法，先由制造天线的材质得出介电常数与介质层的高度，并设置中心频率。然后由粒子群算法结合蚁群算法形成改进型的粒子群算法，利用设计好的天线模型设计对应算法，输入已知参数、粒子群数目和迭代次数，经过反复迭代与寻优，当适应度函数值趋于0且阻抗匹配时，输出参数(l，w，f_p)，在HFSS软件中利用该解进行微带天线设计，从而使得所涉及的天线谐振频率与中心频率高度吻合，同时达到预期天线增益目标。本发明可以节约设计成本，简化设计流程，同时为各类型天线的设计提供了新思路。。

以上所述是本发明的优选实施方式，应当指出，对于本技术领域的普通技术人员来说，在不脱离本发明所述原理的前提下，还可以做出若干改进和润饰，这些改进和润饰也应视为本发明的保护范围。

Claims (10)

1.一种同轴馈电天线的设计方法，其特征在于，该方法包括以下步骤：

构建同轴馈电的数学优化模型步骤：由制造天线的材质得出介电常数及介质层的高度，设置中心频率，通过天线尺寸的计算公式构建适应度函数；

粒子群算法优化步骤：粒子群算法结合蚁群算法进行优化计算，设定粒子群数目、迭代次数，输入进行优化运算得到最终每个粒子的长度、宽度与馈电位置；

微天线设计步骤：在HFSS软件中利用所述最终每个粒子的长度、宽度与馈电位置进行微带天线设计。

2.根据权利要求1所述的同轴馈电天线的设计方法，其特征在于，所述制造天线的材质为FR4环氧树脂，所述介电常数、介质层的高度及中心频率分别为h＝1.6mm、ε_r＝4.4、freq＝2.45Ghz。

3.根据权利要求1所述的同轴馈电天线的设计方法，其特征在于，所述同轴馈电天线馈电端口使用集总端口激励，端口平面设置为集总端口激励，端口阻抗设置为50Ω。

4.根据权利要求1所述的同轴馈电天线的设计方法，其特征在于，微带天线尺寸估算步骤中的计算按照以下方式进行：

微带贴片的宽度：

$w=\frac{c}{f}{\left(\frac{{\mathrm{\&epsiv;}}_r+1}{2}\right)}^{-\frac{1}{2}}$

考虑到边缘缩短效应，微带贴片的长度：

$L=\frac{c}{2f\sqrt{{\mathrm{\&epsiv;}}_e}}-2\mathrm{\&Delta;}L$

其中：

${\mathrm{\&epsiv;}}_e=\frac{{\mathrm{\&epsiv;}}_r+1}{2}+\frac{{\mathrm{\&epsiv;}}_r-1}{2}{(1+12\frac{h}{w})}^{-\frac{1}{2}}$

$\mathrm{\&Delta;}L=0.412h\frac{({\mathrm{\&epsiv;}}_e+0.3)(w/h+0.264)}{({\mathrm{\&epsiv;}}_e-0.258)(w/h+0.8)}$

输入阻抗：

$R_{in}=\frac{1}{2(G_1+G_{12})}$

由于G₁₂＜＜G₁，故G₁₂能够忽略不计。

其中：

5.根据权利要求1所述的同轴馈电天线的设计方法，其特征在于，群体智能优化算法的适应度函数如下所示：f＝min|r-50|

其中：

这里，c是光速，f_p是馈电位置，freq是中心频率，w是贴片宽度，l是贴片长度，h是介质层高度。

6.根据权利要求1所述的同轴馈电天线的设计方法，其特征在于，利用PSACO算法以阻抗匹配为目标，对天线参数寻优。

7.根据权利要求6所述的同轴馈电天线的设计方法，其特征在于，通过PSACO算法，将所述最终每个粒子的长度、宽度以及馈电位置设置在合理的最大值与最小值之间。

8.根据权利要求6所述的同轴馈电天线的设计方法，其特征在于，在解空间中将所有粒子随机性地初始化分布。

9.根据权利要求6所述的同轴馈电天线的设计方法，其特征在于，所述的优化算法中，根据模型原理每一次迭代都会更新粒子的位置与速度，使总趋势朝着最优方向发展。

10.根据权利要求6所述的同轴馈电天线的设计方法，其特征在于，利用信息素引导机制来改善在所述粒子群算法中所找到的最优解。