CN110232212B - 基于蝙蝠算法的天线设计优化方法及系统 - Google Patents
基于蝙蝠算法的天线设计优化方法及系统 Download PDFInfo
- Publication number
- CN110232212B CN110232212B CN201910379893.8A CN201910379893A CN110232212B CN 110232212 B CN110232212 B CN 110232212B CN 201910379893 A CN201910379893 A CN 201910379893A CN 110232212 B CN110232212 B CN 110232212B
- Authority
- CN
- China
- Prior art keywords
- antenna
- population
- current
- fitness value
- electromagnetic simulation
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Expired - Fee Related
Links
- 238000004422 calculation algorithm Methods 0.000 title claims abstract description 45
- 238000005457 optimization Methods 0.000 title claims abstract description 38
- 238000013461 design Methods 0.000 title claims abstract description 33
- 238000000034 method Methods 0.000 title claims abstract description 31
- 238000004088 simulation Methods 0.000 claims abstract description 27
- 238000012545 processing Methods 0.000 claims abstract description 19
- 239000000463 material Substances 0.000 claims abstract description 17
- 238000004519 manufacturing process Methods 0.000 claims abstract description 16
- 238000012216 screening Methods 0.000 claims description 12
- 230000005855 radiation Effects 0.000 claims description 5
- 238000004364 calculation method Methods 0.000 claims description 3
- 239000002245 particle Substances 0.000 description 3
- 239000000758 substrate Substances 0.000 description 3
- 238000005516 engineering process Methods 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 241000288673 Chiroptera Species 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000005540 biological transmission Effects 0.000 description 1
- 238000004891 communication Methods 0.000 description 1
- 238000007796 conventional method Methods 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 238000009826 distribution Methods 0.000 description 1
- 230000002068 genetic effect Effects 0.000 description 1
- 238000010295 mobile communication Methods 0.000 description 1
- 238000010845 search algorithm Methods 0.000 description 1
- 238000012360 testing method Methods 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F30/00—Computer-aided design [CAD]
- G06F30/20—Design optimisation, verification or simulation
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/004—Artificial life, i.e. computing arrangements simulating life
- G06N3/006—Artificial life, i.e. computing arrangements simulating life based on simulated virtual individual or collective life forms, e.g. social simulations or particle swarm optimisation [PSO]
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Evolutionary Computation (AREA)
- General Engineering & Computer Science (AREA)
- Artificial Intelligence (AREA)
- Computational Linguistics (AREA)
- Health & Medical Sciences (AREA)
- Life Sciences & Earth Sciences (AREA)
- Computer Hardware Design (AREA)
- Biomedical Technology (AREA)
- Biophysics (AREA)
- Geometry (AREA)
- Data Mining & Analysis (AREA)
- General Health & Medical Sciences (AREA)
- Molecular Biology (AREA)
- Computing Systems (AREA)
- Mathematical Physics (AREA)
- Software Systems (AREA)
- Variable-Direction Aerials And Aerial Arrays (AREA)
Abstract
本发明提供了一种基于蝙蝠算法的天线设计优化方法及系统，包括：根据天线的类型，设定适应度函数，并根据天线的类型确定加工材料和制造工艺；根据加工材料和制造工艺设定天线的已知参数和未知参数变量的范围，并根据天线的物理尺寸范围进行未知参数变量初始化；根据当前种群参数确定天线物理尺寸，通过电磁仿真计算适应度函数，得到适应度值；基于蝙蝠算法对种群参数迭代更新，得到子代种群及当前的适应度值；根据预设的终止条件进行判断，判断当前的适应度值是否满足要求或者迭代次数是否达到上限，满足则输出。本发明能够提升优化效率，实现对满足特定性能天线的快速自动优化设计。
Description
技术领域
本发明涉及天线领域，具体地，涉及一种基于蝙蝠算法的天线设计优化方法及系统。
背景技术
无线通信技术的迅速发展和应用，对于天线设计提出了越来越高的要求。一方面，在很多应用场景中，受空间限制，天线往往是经典结构的变种，决定天线性能的关键参数较多，缺少指导性的设计公式；另一方面，新一代的移动通信系统下，对天线性能的要求也越来越苛刻。
正如公开号为CN104239634A公开的一种天线设计方法，现有的天线设计方法主要分为三类，一是基于设计公式结合仿真软件调试的传统设计方法：根据天线的物理模型推导解析公式进行指导性设计，再使用Ansoft HFSS与CST等电磁仿真软件计算天线的各项性能指标，并以此为基础对其参数进行调试。但这种方法只适用于简单结构参数较少有经典设计公式的天线，对于经典结构变种和多参数天线设计，要求工程师反复进行调试，其流程耗时耗力，而最终结果也无法保证为理论最优值。二是基于梯度优化的方法：根据设计经验建立粗糙模型，在调试中后期通过共轭梯度、准牛顿、高斯-牛顿、梯度下降等方法进行局部优化，这类方法适用于局部优化问题，收敛速度快、结果稳定。但难以解决高维非凸问题，结果也不能保证全局最优。三是基于群体智能的设计方法：使用群体智能算法如遗传算法、粒子群算法等自动调整参数设置，并使用仿真软件计算对应设计的性能指标。这一方法可实现天线的全自动设计，适用于高维非凸问题，结果可达理论全局最优值，但存在收敛速度慢、结果不稳定、易陷入局部搜索等问题。
蝙蝠算法属于启发式搜索算法，通过模拟蝙蝠回声定位搜捕猎物过程进行寻优，引入了频率调节功能，可以快速从前期的全局搜索转入后期的局部搜素。
发明内容
针对现有技术中的缺陷，本发明的目的是提供一种基于蝙蝠算法的天线设计优化方法及系统。
根据本发明提供的一种基于蝙蝠算法的天线设计优化方法，包括：
模型建立步骤：根据天线的类型，设定适应度函数，并根据天线的类型确定加工材料和制造工艺；
模型初始化步骤：根据加工材料和制造工艺设定天线的已知参数和未知参数变量的范围，并根据天线的物理尺寸范围进行未知参数变量初始化；
电磁仿真步骤：根据当前种群参数确定天线物理尺寸，通过电磁仿真计算适应度函数，得到适应度值；
算法优化步骤：基于蝙蝠算法对种群参数迭代更新，得到子代种群及当前的适应度值；
条件判断步骤：根据预设的终止条件进行判断，判断当前的适应度值是否满足要求或者迭代次数是否达到上限，满足则输出当前种群参数及适应度值，否则进入子代筛选步骤；
子代筛选步骤：根据天线的物理模型判断子代种群的电气合理性，更新算法优化步骤中记录的子代种群并返回电磁仿真步骤。
优选地，所述天线为多参数几何结构。
优选地，所述适应度函数基于天线阻抗带宽或辐射特性得到。
优选地，所述计算适应度函数通过全波电磁仿真软件计算。
优选地，所述电磁仿真的仿真环境设置在迭代中保持不变。
优选地，所述蝙蝠算法基于天线的物理尺寸范围进行种群位置初始化。
根据本发明提供的一种基于蝙蝠算法的天线设计优化系统，包括：
模型建立模块：根据天线的类型，设定适应度函数，并根据天线的类型确定加工材料和制造工艺；
模型初始化模块：根据加工材料和制造工艺设定天线的已知参数和未知参数变量的范围，并根据天线的物理尺寸范围进行未知参数变量初始化；
电磁仿真模块：根据当前种群参数确定天线物理尺寸，通过电磁仿真计算适应度函数，得到适应度值；
算法优化模块：基于蝙蝠算法对种群参数迭代更新，得到子代种群及当前的适应度值；
条件判断模块：根据预设的终止条件进行判断，判断当前的适应度值是否满足要求或者迭代次数是否达到上限，满足则输出当前种群参数及适应度值，进入子代筛选模块；
子代筛选模块：根据天线的物理模型判断子代种群的电气合理性，更新算法优化模块中记录的子代种群并返回电磁仿真模块进行处理。
优选地，所述天线为多参数几何结构。
优选地，所述适应度函数基于天线阻抗带宽或辐射特性得到。
优选地，所述计算适应度函数通过全波电磁仿真软件计算。
与现有技术相比，本发明具有如下的有益效果：
1、本发明将蝙蝠算法应用到天线设计优化领域，并采用天线物理模型合理性约束对蝙蝠算法进行改进，避免生成无效的蝙蝠种群，提升优化效率，实现对满足特定性能天线的快速自动优化设计；
2、在收敛速度和精度上，相较于传统的设计方法均达到了显著的提升；
3、本发明鲁棒性更好，具有实用性。
附图说明
通过阅读参照以下附图对非限制性实施例所作的详细描述，本发明的其它特征、目的和优点将会变得更明显：
图1为本发明的流程图；
图2为本发明实施例中使用的差分多层叠层贴片天线；
图3为通过本发明优化的三层叠层天线反射系数示意图；
图4为本发明适应度函数收敛结果与传统方法的比较图。
具体实施方式
下面结合具体实施例对本发明进行详细说明。以下实施例将有助于本领域的技术人员进一步理解本发明，但不以任何形式限制本发明。应当指出的是，对本领域的普通技术人员来说，在不脱离本发明构思的前提下，还可以做出若干变化和改进。这些都属于本发明的保护范围。
如图1所示，根据本发明提供的一种基于蝙蝠算法的天线设计优化方法，包括：
模型建立步骤：根据天线的类型，设定适应度函数(可基于天线阻抗带宽或辐射特性得到)，并根据天线的类型确定加工材料和制造工艺；
模型初始化步骤：根据加工材料和制造工艺设定天线的已知参数和未知参数变量的范围，并根据天线的物理尺寸范围进行未知参数变量初始化；
电磁仿真步骤：根据当前种群参数确定天线物理尺寸，通过全波电磁仿真软件计算适应度函数，得到适应度值；
算法优化步骤：基于蝙蝠算法对种群参数迭代更新，得到子代种群及当前的适应度值；
条件判断步骤：根据预设的终止条件进行判断，判断当前的适应度值是否满足要求或者迭代次数是否达到上限，满足则输出当前种群参数及适应度值，否则进入子代筛选步骤；
子代筛选步骤：根据天线的物理模型判断子代种群的电气合理性，更新算法优化步骤中记录的子代种群并返回电磁仿真步骤。
在本发明中，天线为多参数几何结构。
在上述一种基于蝙蝠算法的天线设计优化方法的基础上，本发明还提供一种基于蝙蝠算法的天线设计优化系统，包括：
模型建立模块：根据天线的类型，设定适应度函数，并根据天线的类型确定加工材料和制造工艺；
模型初始化模块：根据加工材料和制造工艺设定天线的已知参数和未知参数变量的范围，并根据天线的物理尺寸范围进行未知参数变量初始化；
电磁仿真模块：根据当前种群参数确定天线物理尺寸，通过电磁仿真计算适应度函数，得到适应度值；
算法优化模块：基于蝙蝠算法对种群参数迭代更新，得到子代种群及当前的适应度值；
条件判断模块：根据预设的终止条件进行判断，判断当前的适应度值是否满足要求或者迭代次数是否达到上限，满足则输出当前种群参数及适应度值，进入子代筛选模块；
子代筛选模块：根据天线的物理模型判断子代种群的电气合理性，更新算法优化模块中记录的子代种群并返回电磁仿真模块进行处理。
实施例：
本实施例提供一种基于蝙蝠算法的天线优化设计方法，包括如下步骤：
1)根据目标需求选择合适的天线形式并定义适应度函数，确定制造材料与加工工艺。例如目标需求为覆盖3GPP n77频段(3.3～4.2GHz)的宽带天线，则可以选择图2所示的差分多层叠层贴片天线，定义对应的天线反射系数S11适应度函数为：
2)根据选择的加工材料与制造工艺确定设定已知参数与未知参数范围，这里设定PCB基板厚度为h1＝h3＝4mm，h2＝2mm，每层天线贴片的尺寸(l1，w1，l2，w2，l3，w3)及馈点间距d作为未知参数，设定范围l1，l2，l3，d∈[5mm,20mm],w1，w2，w3∈[5mm,35mm]，并根据天线尺寸参数范围初始化蝙蝠种群位置参数，这里以
为例，并取
xi为蝙蝠个体i的初始化位置，xmin和xmax分别表示天线尺寸参数范围的最小值与最大值。
3)根据材料参数和基板厚度建立调用天线模型的电磁仿真环境，利用电磁仿真软件计算当前种群参数对应模型的适应度函数值，并在计算中保持边界条件等仿真环境设置不变。
4)利用蝙蝠算法对天线未知参数进行群体迭代优化，这里应用的蝙蝠算法包括基本蝙蝠算法和改进的蝙蝠算法，下面仅对基本蝙蝠算法进行描述，具体为：
目标函数发f(x)，蝙蝠种群大小初始化为N，蝙蝠个体位置xi如步骤2)进行初始化，蝙蝠个体i的速度初始化为vi，发射脉冲频率初始化为Qi，脉冲发射速率初始化为ri，脉冲响度初始化为Ai，设定终止条件为适应度函数值等于0或时间步t小于最大迭代步数。
调整频率并获得新的位置和速度为Qi＝Qmin+(Qmax-Qmin)β，
其中x*表示当前全局最优解，β∈(0,1)是服从标准分布的随机数。进行全局搜索更新位置和速度后，若随机数rand>ri，则在最优解附近产生新解进行局部搜索如下：xnew＝xold+εAt。其中ε∈[-1,1]为随机向量，At表示t时刻蝙蝠种群的平均响度。此时，若满足rand<Ai且f(xnew)<f(x*)，则接受新解，降低Ai提高ri。然后排列蝙蝠种群，找到此时的最优解x*。
5)根据优化程序内预先设定的终止条件进行判断，即判断当前适应度值是否满足要求或者迭代次数是否达到上限，满足则输出当前种群位置参数及适应度值，否则进入步骤6。
6)根据天线物理模型判断子代种群电气合理性，这里我们考虑天线馈点的电气连接有效性，可以在产生的种群中剔除无效的蝙蝠，对于生成子代种群选择策略为
由此更新步骤4中记录的子代种群返回步骤3计算新的适应度函数。
最终设计优化的三层叠层天线反射系数S11如图3所示，仿真和测试的天线带宽结果均覆盖了n77频段。图4给出了本方法的适应度函数收敛结果与基于标准粒子群的方法比较，可以看出本发明的天线设计优化方法在收敛速度和精度上均优于现有基于标准粒子群的方法。本设计实例也充分证明了本发明方法的有效性。
本领域技术人员知道，除了以纯计算机可读程序代码方式实现本发明提供的系统及其各个装置、模块、单元以外，完全可以通过将方法步骤进行逻辑编程来使得本发明提供的系统及其各个装置、模块、单元以逻辑门、开关、专用集成电路、可编程逻辑控制器以及嵌入式微控制器等的形式来实现相同功能。所以，本发明提供的系统及其各项装置、模块、单元可以被认为是一种硬件部件，而对其内包括的用于实现各种功能的装置、模块、单元也可以视为硬件部件内的结构；也可以将用于实现各种功能的装置、模块、单元视为既可以是实现方法的软件模块又可以是硬件部件内的结构。
以上对本发明的具体实施例进行了描述。需要理解的是，本发明并不局限于上述特定实施方式，本领域技术人员可以在权利要求的范围内做出各种变化或修改，这并不影响本发明的实质内容。在不冲突的情况下，本申请的实施例和实施例中的特征可以任意相互组合。
Claims (2)
1.一种基于蝙蝠算法的天线设计优化方法，其特征在于，包括：
模型建立步骤：根据天线的类型，设定适应度函数，并根据天线的类型确定加工材料和制造工艺；
模型初始化步骤：根据加工材料和制造工艺设定天线的已知参数和未知参数变量的范围，并根据天线的物理尺寸范围进行未知参数变量初始化；
电磁仿真步骤：根据当前种群参数确定天线物理尺寸，通过电磁仿真计算适应度函数，得到适应度值；
算法优化步骤：基于蝙蝠算法对未知参数进行群体迭代优化，得到子代种群及当前的适应度值；
条件判断步骤：根据预设的终止条件进行判断，判断当前的适应度值是否满足要求或者迭代次数是否达到上限，满足则输出当前种群参数及适应度值，否则进入子代筛选步骤；
子代筛选步骤：根据天线的物理模型判断子代种群的电气合理性，更新算法优化步骤中记录的子代种群并返回电磁仿真步骤；
所述电磁仿真的仿真环境设置在迭代中保持不变；所述蝙蝠算法基于天线的物理尺寸范围进行种群位置初始化；
所述天线为多参数几何结构；
所述适应度函数基于天线阻抗带宽或辐射特性得到；
所述计算适应度函数通过全波电磁仿真软件计算。
2.一种基于蝙蝠算法的天线设计优化系统，其特征在于，包括：
模型建立模块：根据天线的类型，设定适应度函数，并根据天线的类型确定加工材料和制造工艺；
模型初始化模块：根据加工材料和制造工艺设定天线的已知参数和未知参数变量的范围，并根据天线的物理尺寸范围进行未知参数变量初始化；
电磁仿真模块：根据当前种群参数确定天线物理尺寸，通过电磁仿真计算适应度函数，得到适应度值；
算法优化模块：基于蝙蝠算法对未知参数进行群体迭代优化，得到子代种群及当前的适应度值；
条件判断模块：根据预设的终止条件进行判断，判断当前的适应度值是否满足要求或者迭代次数是否达到上限，满足则输出当前种群参数及适应度值，进入子代筛选模块；
子代筛选模块：根据天线的物理模型判断子代种群的电气合理性，更新算法优化模块中记录的子代种群并返回电磁仿真模块进行处理；
所述电磁仿真的仿真环境设置在迭代中保持不变；所述蝙蝠算法基于天线的物理尺寸范围进行种群位置初始化；
所述天线为多参数几何结构；
所述适应度函数基于天线阻抗带宽或辐射特性得到；
所述计算适应度函数通过全波电磁仿真软件计算。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201910379893.8A CN110232212B (zh) | 2019-05-08 | 2019-05-08 | 基于蝙蝠算法的天线设计优化方法及系统 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201910379893.8A CN110232212B (zh) | 2019-05-08 | 2019-05-08 | 基于蝙蝠算法的天线设计优化方法及系统 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN110232212A CN110232212A (zh) | 2019-09-13 |
| CN110232212B true CN110232212B (zh) | 2021-06-29 |
Family
ID=67861181
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201910379893.8A Expired - Fee Related CN110232212B (zh) | 2019-05-08 | 2019-05-08 | 基于蝙蝠算法的天线设计优化方法及系统 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN110232212B (zh) |
Families Citing this family (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN110910034B (zh) * | 2019-11-29 | 2022-04-22 | 南宁师范大学 | 基于蝙蝠算法的混杂间歇连续系统的调度方法 |
| CN112188825B (zh) * | 2020-10-12 | 2021-09-24 | 合肥安迅精密技术有限公司 | 一种基于蝙蝠算法的多头贴片机贴装效率优化方法及系统 |
| CN112417688A (zh) * | 2020-11-23 | 2021-02-26 | 杭州电子科技大学 | 微波微流体传感器通道数值的联合仿真优化方法及系统 |
| CN113065630B (zh) * | 2021-03-23 | 2023-04-07 | 重庆大学 | 用于砂带磨削加工的工艺参数优化方法 |
| CN113239490B (zh) * | 2021-05-13 | 2023-04-07 | 武汉博思北和通信技术有限公司 | 一种微波共形天线的建模方法 |
| CN113708894B (zh) * | 2021-08-30 | 2022-06-07 | 电子科技大学 | 一种空时分组码空间调制系统中的收发天线选择方法 |
Family Cites Families (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US20110034190A1 (en) * | 2009-08-06 | 2011-02-10 | Leabman Michael A | System and Methods for Simultaneous Wireless Broadband Communication Between Multiple Base Stations |
| CN104537185B (zh) * | 2015-01-09 | 2017-11-28 | 哈尔滨工程大学 | 基于量子蝙蝠搜索的天线阵稀疏构建与方向图综合方法 |
| CN105226398B (zh) * | 2015-08-28 | 2019-02-05 | 南京理工大学 | 基于蝙蝠算法的星载多波束反射面天线的赋形方法 |
| CN107045562B (zh) * | 2016-12-30 | 2019-12-13 | 北京科技大学 | 一种毫米波阵列天线设计方法及阵列天线装置 |
| CN109086531B (zh) * | 2018-08-07 | 2023-04-25 | 中南大学 | 基于神经网络的天线设计方法 |
| CN109241576B (zh) * | 2018-08-14 | 2020-06-30 | 西安电子科技大学 | 基于蚁狮算法的稀疏天线方向图综合方法 |
-
2019
- 2019-05-08 CN CN201910379893.8A patent/CN110232212B/zh not_active Expired - Fee Related
Also Published As
| Publication number | Publication date |
|---|---|
| CN110232212A (zh) | 2019-09-13 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN110232212B (zh) | 基于蝙蝠算法的天线设计优化方法及系统 | |
| CN108616302B (zh) | 一种功率控制下的无人机多重覆盖模型及部署方法 | |
| CN108984985B (zh) | 基于神经网络的天线结构设计方法 | |
| CN104581741B (zh) | 网络覆盖优化方法 | |
| CN109086531B (zh) | 基于神经网络的天线设计方法 | |
| CN108170950B (zh) | 基于神经网络的多层频率选择表面吸波材料建模优化方法 | |
| CN110162847B (zh) | 基于添加特征策略的机器学习辅助天线设计方法 | |
| CN106154259B (zh) | 一种随机集理论下的多传感器自适应管控方法 | |
| CN114422363B (zh) | 一种无人机搭载ris辅助通信系统容量优化方法及装置 | |
| CN109063266A (zh) | 一种基于并行贝叶斯优化的蒙皮天线机电协同设计方法 | |
| CN109635343A (zh) | 一种天线快速优化设计方法 | |
| CN110069805A (zh) | 基于hpso和ga-bp算法的螺旋电感优化方法 | |
| CN106162663A (zh) | 一种基于改进蜂群算法的传感节点覆盖方法 | |
| CN111276822B (zh) | 一种天线方向图主瓣可控的天线阵列设计方法 | |
| CN109144163B (zh) | 一种基于领地粒子群的光伏多峰最大功率点追踪方法 | |
| CN103020328B (zh) | 小天线优化设计方法 | |
| CN111651936A (zh) | 一种基于foa-grnn的双陷波特性超宽带天线建模设计方法 | |
| Neto et al. | Design and synthesis of an ultra wide band FSS for mm-wave application via general regression neural network and multiobjective bat algorithm | |
| CN113962163A (zh) | 一种实现无源微波器件高效设计的优化方法、装置和设备 | |
| CN109117545B (zh) | 基于神经网络的天线快速设计方法 | |
| CN116562143A (zh) | 一种基于归一化高斯网络的天线拓扑及参数混合优化方法 | |
| CN111683379A (zh) | 多无人机合作的空基无线信号覆盖部署方法及装置 | |
| CN114239439B (zh) | 一种基于部落算法的自动化滤波器的设计方法 | |
| CN108494520B (zh) | 分布式智能干扰系统用的定功率式干扰资源调度优化方法 | |
| CN107729694B (zh) | 一种基于神经网络的多参数电磁场建模仿真方法 |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| PB01 | Publication | ||
| PB01 | Publication | ||
| SE01 | Entry into force of request for substantive examination | ||
| SE01 | Entry into force of request for substantive examination | ||
| GR01 | Patent grant | ||
| GR01 | Patent grant | ||
| CF01 | Termination of patent right due to non-payment of annual fee |
Granted publication date: 20210629 |