CN112632742A - 一种多尺度天线平台辐射特性的快速分析方法 - Google Patents
一种多尺度天线平台辐射特性的快速分析方法 Download PDFInfo
- Publication number
- CN112632742A CN112632742A CN202011242481.9A CN202011242481A CN112632742A CN 112632742 A CN112632742 A CN 112632742A CN 202011242481 A CN202011242481 A CN 202011242481A CN 112632742 A CN112632742 A CN 112632742A
- Authority
- CN
- China
- Prior art keywords
- characteristic
- mode
- radiation
- modes
- scale antenna
- 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.)
- Pending
Links
- 230000005855 radiation Effects 0.000 title claims abstract description 64
- 238000004458 analytical method Methods 0.000 title claims abstract description 13
- 238000000034 method Methods 0.000 claims abstract description 40
- 230000002194 synthesizing effect Effects 0.000 claims abstract description 8
- 239000013598 vector Substances 0.000 claims description 29
- 238000005457 optimization Methods 0.000 claims description 12
- 230000005684 electric field Effects 0.000 claims description 9
- 238000006116 polymerization reaction Methods 0.000 claims description 7
- 239000011159 matrix material Substances 0.000 claims description 6
- 238000010586 diagram Methods 0.000 claims description 5
- 230000002776 aggregation Effects 0.000 claims description 3
- 238000004220 aggregation Methods 0.000 claims description 3
- 239000002131 composite material Substances 0.000 claims description 2
- 230000000452 restraining effect Effects 0.000 claims description 2
- 238000003786 synthesis reaction Methods 0.000 description 3
- 230000008901 benefit Effects 0.000 description 2
- 238000004891 communication Methods 0.000 description 2
- 238000000354 decomposition reaction Methods 0.000 description 2
- 238000005215 recombination Methods 0.000 description 2
- 230000006798 recombination Effects 0.000 description 2
- 230000015572 biosynthetic process Effects 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 230000001788 irregular Effects 0.000 description 1
- 239000000203 mixture Substances 0.000 description 1
- 230000008569 process Effects 0.000 description 1
- 108090000623 proteins and genes Proteins 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
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F17/00—Digital computing or data processing equipment or methods, specially adapted for specific functions
- G06F17/10—Complex mathematical operations
- G06F17/11—Complex mathematical operations for solving equations, e.g. nonlinear equations, general mathematical optimization problems
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F17/00—Digital computing or data processing equipment or methods, specially adapted for specific functions
- G06F17/10—Complex mathematical operations
- G06F17/15—Correlation function computation including computation of convolution operations
-
- 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)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Mathematical Physics (AREA)
- Data Mining & Analysis (AREA)
- Computational Mathematics (AREA)
- Mathematical Analysis (AREA)
- Mathematical Optimization (AREA)
- Pure & Applied Mathematics (AREA)
- General Engineering & Computer Science (AREA)
- Software Systems (AREA)
- Evolutionary Computation (AREA)
- Databases & Information Systems (AREA)
- Algebra (AREA)
- Computing Systems (AREA)
- Biophysics (AREA)
- Artificial Intelligence (AREA)
- Biomedical Technology (AREA)
- Life Sciences & Earth Sciences (AREA)
- Computational Linguistics (AREA)
- Operations Research (AREA)
- General Health & Medical Sciences (AREA)
- Molecular Biology (AREA)
- Health & Medical Sciences (AREA)
- Computer Hardware Design (AREA)
- Geometry (AREA)
- Variable-Direction Aerials And Aerial Arrays (AREA)
Abstract
本发明公开了一种多尺度天线平台辐射特性的快速分析方法,该方法为:首先利用特征模理论对多尺度天线平台进行特征分析,得到不同特征模式下的特征场;然后利用天线特征角的大小来选择特征模式,对天线的辐射场进行线性叠加,得到天线的合成特征场;最后设定目标函数,利用MOEA/D优化器求得不同特征模式下的模式权重系数,选择模式权重系数大的对应的特征模式,利用这些特征模式合成辐射方向图。本发明提高了分析多尺度天线平台辐射特性的准确性,能够快速合成任意满足天线性能的辐射方向图,提高了分析多尺度天线平台辐射特性的速度。
Description
技术领域
本发明属于天线辐射性能分析技术领域,特别是一种多尺度天线平台辐射特性的快速分析方法。
背景技术
无线通信技术不断在前行,天线是通信系统中不可或缺的一部分,由于天线指标的增加和天线复杂程度的提高,使得多尺度天线平台辐射特性的分析更加复杂,因此设计出满足要求的多尺度天线平台一直是一个具有挑战性的问题,许多研究人员都在对其进行研究。如何在平台上设计出符合要求的天线,其辐射方向图是研究的重点,那么快速分析辐射方向图的方法尤为重要。
本征模理论能够提供清晰的物理概念,近年来得到许多天线工作者的关注和使用。天线研究员可以根据本征模理论研究天线的带宽、Q值,增大天线增益并实现其他性能,但分析结构复杂的辐射体比较困难。
发明内容
本发明公开了一种能够准确分析物体的电磁散射特性、快速合成任意满足天线性能的辐射方向图的多尺度天线平台辐射特性分析方法。
实现本发明目的的技术解决方案为:本发明多尺度天线平台辐射特性的快速分析方法,包括以下步骤:
步骤1、利用特征模理论对多尺度天线平台进行特征分析,得到不同特征模式下的特征场;
步骤2、利用天线特征角的大小来选择特征模式,对天线的辐射场进行线性叠加,得到天线的合成特征场;
步骤3、设定目标函数,利用MOEA/D优化器求得不同特征模式下的模式权重系数,根据模式权重系数选择对应的特征模式,利用这些特征模式合成辐射方向图。
进一步地,步骤1所述的利用特征模理论对多尺度天线平台进行特征分析,得到不同特征模式下的特征场,具体如下:
步骤1.1、读取多尺度天线平台的几何信息和控制参数;
步骤1.2、由积分方程计算多尺度天线平台的阻抗矩阵;
步骤1.3、由积分方程建立广义特征值方程,求解多尺度天线平台的广义特征值方程;
广义特征值方程如下:
XJn=λnRJn (1)
式中,R和X是阻抗矩阵的实部和虚部,Jn和λn是特征电流及特征值;
步骤1.4、计算多尺度天线平台的特征电流和特征场。
进一步地,步骤2所述的利用天线特征角的大小来选择特征模式,对天线的辐射场进行线性叠加,得到天线的合成特征场,具体如下:
步骤2.1、计算多尺度天线平台的特征角,公式如下:
CA=180°-tan-1λn (2)
式中,λn表示特征值,当CA=180°时,该模式为谐振模式;
步骤2.2、设定特征角在[135°,225°]范围内的特征模式为初始主要特征模式,选择所有主要特征模式进行特征模式的线性叠加,得到合成特征场;
感应电流及相关的电场叠加公式如下:
式中,En表示特征电流Jn辐射的特征电场,J是总电流,E是总电场,n为特征模式的个数,an是特征模式的模式权重系数,an在[0,1]范围内随机取值。
进一步地,步骤3所述的设定目标函数,利用MOEA/D优化器求得不同特征模式下的模式权重系数,根据模式权重系数选择对应的特征模式,利用这些特征模式合成辐射方向图,具体如下:
步骤3.1、设定约束多尺度天线平台某一方向的辐射性能的目标函数为:
公式(5)中θ0和分别表示合成方向图的最大方向的俯仰角和方位角,θdesired和分别表示指定的方向图主波束方向的俯仰角和方位角;f1(a(k))指特定辐射模式对应的主波束方向;公式(6)、(7)表示主波束功率与整个多尺度天线平台功率的比值,S∞表示整个辐射空间范围,f2(a(k))指在SMR波束范围内辐射出更多的能量,SMR定义为圆锥范围45°≤θ≤135°和f3(a(k))表示在SMR1波束范围内尽量辐射出较少的能量,SMR1定义为圆锥范围45°≤θ≤135°和a(k)为每优化一次对应的一组模式权重系数的值,E、H分别为电场和磁场分量,ds表示面积元;
步骤3.2、利用MOEA/D优化器求得不同特征模式下的模式权重系数,具体如下:
采用切比雪夫方法,将Pareto前沿的逼近问题转化为若干标量子问题,聚合函数定义如下所示:
其中,gtche表示采用切比雪夫方法聚合后的目标函数,fi(x)为每优化一次求出的目标函数值,x∈Ω为决策变量,z*=min{fi(x)|x∈Ω},i∈{1,2,…,m},λ=(λ1,λ2,…,λm)T为权重向量,满足λi≥0,i=1,…,m且
对于每一个Pareto最优点x*存在一个权重向量λ,所以公式(8)的最优解就是多目标优化的Pareto最优解;
MOEA/D算法框架如下:
设置一组均匀分布的权重向量λ1,…,λm,权重向量满足下面的条件:
λ1+λ2+…+λm=1或(λ1)2+(λ2)2+…+(λm)2=1
其中,m是目标函数的个数,N是种群大小;
生成权重向量后,设定一个参考点z*,用切比雪夫聚合方法将Pareto前沿的逼近问题分解为m个标量优化子问题,j个子问题的目标函数是:
MOEA/D在一次运行中同时最小化这些目标函数;
步骤3.3、选择模式权重系数大的对应的特征模式,利用这些特征模式合成辐射方向图,具体如下:
根据需要选择一组模式权重系数a(k)的值,再选择a(k)的值在区间[0.5,1)内对应的特征模式,这些模式对合成后的辐射方向图的贡献大。
本发明与现有技术相比,其显著优点为:(1)分析天线结构时,由特征模准确分析物体的电磁散射特性,提高了分析多尺度天线平台辐射特性的准确性;(2)能够快速合成任意满足天线性能的辐射方向图,提高了分析多尺度天线平台辐射特性的速度。
附图说明
图1是本发明多尺度天线平台辐射特性的快速分析方法的流程示意图。
图2是本发明模式合成总流程图。
图3是本发明实施例中特征模式合成的辐射方向图。
具体实施方式
下面结合附图和具体实施例对本发明作进一步的详细说明。
本发明引入特征模的概念,特征模与传统本征模不同,使用特征模理论分析辐射体不仅拥有本征模的优点,同时还联合矩量法能够处理一些不规则辐射体,能够提供复杂散射体的物理特性,对研究平台天线的辐射性能做出了很大贡献。使用特征模理论可以分析平台本身的谐振特性,然后根据单个特征模式对合成辐射方向图的贡献,通过特征模式的组合来得到所需的辐射方向图。
结合图1~图2,本发明一种多尺度天线平台辐射特性的快速分析方法,包括以下步骤:
步骤1、利用特征模方法对多尺度天线平台进行特征分析,得到不同特征模式下的特征场,具体如下:
步骤1.1、读取多尺度天线平台的几何信息和控制参数;
步骤1.2、由积分方程计算多尺度天线平台的阻抗矩阵;
步骤1.3、由积分方程建立广义特征值方程,求解多尺度天线平台的广义特征值方程;
广义特征值方程如下:
XJn=λnRJn (1)
式中,R和X是阻抗矩阵的实部和虚部,Jn和λn是特征电流及其相关的特征值;
步骤1.4、计算多尺度天线平台的特征电流和特征场。
步骤2、利用多尺度天线平台特征角的大小来选择特征模式,对多尺度天线平台的辐射场进行线性叠加,得到多尺度天线平台的合成特征场,具体如下:
步骤2.1、计算多尺度天线平台的特征角,公式如下:
CA=180°-tan-1λn (2)
其中,λn表示特征值,当CA=180°时,称该模式为谐振模式;
步骤2.2、设定特征角在[135°,225°]范围内的特征模式为初始主要特征模式,选择所有主要特征模式进行特征模式的线性叠加,得到合成特征场;
感应电流及相关的电场叠加公式如下:
其中,En表示特征电流Jn辐射的特征电场,an是特征模式的模式权重系数,an在[0,1]随机取值。
步骤3、设定目标函数,利用MOEA/D优化器求得不同特征模式下的模式权重系数,选择模式权重系数大的对应的特征模式,利用这些特征模式合成辐射方向图,具体如下:
步骤3.1、为了约束多尺度天线平台某一方向的辐射性能,目标函数可以设置如下:
公式(5)中θ0和分别是合成后的最大方向的俯仰角和方位角,θdesired和分别是人为指定的主波束方向的俯仰角和方位角;公式(6)表示主波束功率与整个多尺度天线平台功率的比值,S∞表示整个辐射空间范围。
如果公式(6)代表的意义是在SMR波束范围内辐射出更多的能量,那么公式(7)表示在 SMR1波束范围内尽量辐射出较少的能量。
步骤3.2、利用MOEA/D优化器求得不同特征模式下的模式权重系数,具体如下:
MOEA/D分解方法在传统数学规划中是解决多目标优化问题的基本思路。在给定权重偏好的情况下,分解方法用线性或者非线性的方法将原多目标问题的每一个目标进行聚合,得到一个单目标优化问题。多目标优化中最优解通常称为Pareto最优解,所有 Pareto最优解组成Pareto最优边界(PF)。在这些解中,没有任何解决办法比另一种方法更好。根据解集寻到一组符合设计要求的模式权重系数a(k)的值。近年来,MOEA/D得到广泛应用,通常将Pareto前沿的逼近问题转化为若干标量子问题,常用到权重聚合方法、切比雪夫方法和基于惩罚的边界交叉方法的三种之一。本发明采用切比雪夫方法,切比雪夫方法是一种非线性多目标聚合方法,其聚合函数定义如下所示:
对于每一个Pareto最优点x*存在一个权重向量λ,所以公式(8)的最优解就是多目标优化的Pareto最优解。通过改变权重向量能够得到不同的Pareto最优解。切比雪夫方法既可以处理凸状Pareto面的问题,还可以处理非凸形状的Pareto面问题。
运用MOEA/D算法优化模式权重系数an的值,得到满足设计要求的Pareto面。
MOEA/D算法框架如下:
设置一组均匀分布的权重向量λ1,…,λm,权重向量满足下面的条件:
其中,m是目标函数的个数,N是种群大小。
生成权重向量后,设定一个参考点z*。,用切比雪夫聚合方法将Pareto前沿的逼近问题分解为m个标量优化子问题,j个子问题的目标函数是:
MOEA/D在一次运行中同时最小化这些目标函数。在MOEA/D中,邻域权重向量λi被定义为离它最近的几个权重向量的集合。该子问题的邻域由所有邻域权重向量的子问题构成的,仅利用邻域子问题的现有解来优化MOEA/D中的子问题。
算法如下:
输入:多目标优化问题,权重向量集合,种群大小N,邻域T,参考点z。
1:初始化。
1.3:初始化种群x1,…,xN,并且计算出它们的目标向量值。
1.4:初始化当前的参考点zj=mini∈{1,…,N}fj(xi)。
2:更新步骤。对每一个i∈{1,…,N},进行以下的操作步骤。
2.1:基因重组:从邻域NSi={i1,…,iT}中随机取两个个体,再根据重组算子生成新的个体x。
2.2:根据目标约束条件对解x修正产生x′。
2.3:更新参考点z。
2.4:对于每一个j∈NSi,如果gte(x′|λj)≤gte(yj|λj),则替换yj=x′,更新邻域中的个体,其中yj是第j个权重向量下的子问题中的个体。
2.5:更新外部种群集EP。
3:终止。如果满足停止条件,则停止并输出,否则转算法步骤2。
步骤4、选择模式权重系数在区间[0.5,1)内对应的特征模式,利用这些特征模式合成辐射方向图,具体如下:
根据需要选择一组模式权重系数a(k)的值,由这些特征模式合成辐射方向图。
实施例1
本实施例给出了一种多尺度天线平台辐射特性的快速分析方法,先利用电磁仿真软件进行建模,坦克模型参数:长6m、宽4m、高3m,包含坦克的上层建筑等,并对其进行特征模分析。频率设为300MHz,根据特征角(CA)的值取前20种模式,目标函数设为三个,分别如下:
公式中E表示特征电场,公式(11)中θ0和分别是合成后的最大方向的俯仰角和方位角,θdesired和分别是人为指定的主波束方向的俯仰角和方位角,此例中θdesired和都取0°。公式(12)表示前向功率与整个辐射范围功率的比值,SMR1定义为圆锥范围45°≤θ≤135°和S∞表示整个辐射空间范围。公式(13)约束尽量多的辐射能量在SMR波束区域内,SMR定义为圆锥范围45°≤θ≤135°和负号保证辐射系统在SMR辐射范围内辐射出更多的能量。
Claims (4)
1.一种多尺度天线平台辐射特性的快速分析方法,其特征在于,包括以下步骤:
步骤1、利用特征模理论对多尺度天线平台进行特征分析,得到不同特征模式下的特征场;
步骤2、利用天线特征角的大小来选择特征模式,对天线的辐射场进行线性叠加,得到天线的合成特征场;
步骤3、设定目标函数,利用MOEA/D优化器求得不同特征模式下的模式权重系数,根据模式权重系数选择对应的特征模式,利用这些特征模式合成辐射方向图。
2.根据权利要求1所述的多尺度天线平台辐射特性的快速分析方法,其特征在于,步骤1所述的利用特征模理论对多尺度天线平台进行特征分析,得到不同特征模式下的特征场,具体如下:
步骤1.1、读取多尺度天线平台的几何信息和控制参数;
步骤1.2、由积分方程计算多尺度天线平台的阻抗矩阵;
步骤1.3、由积分方程建立广义特征值方程,求解多尺度天线平台的广义特征值方程;
广义特征值方程如下:
XJn=λnRJn (1)
式中,R和X是阻抗矩阵的实部和虚部,Jn和λn是特征电流及特征值;
步骤1.4、计算多尺度天线平台的特征电流和特征场。
3.根据权利要求1所述的多尺度天线平台辐射特性的快速分析方法,其特征在于,步骤2所述的利用天线特征角的大小来选择特征模式,对天线的辐射场进行线性叠加,得到天线的合成特征场,具体如下:
步骤2.1、计算多尺度天线平台的特征角,公式如下:
CA=180°-tan-1λn (2)
式中,λn表示特征值,当CA=180°时,该模式为谐振模式;
步骤2.2、设定特征角在[135°,225°]范围内的特征模式为初始主要特征模式,选择所有主要特征模式进行特征模式的线性叠加,得到合成特征场;
感应电流及相关的电场叠加公式如下:
式中,En表示特征电流Jn辐射的特征电场,J是总电流,E是总电场,n为特征模式的个数,an是特征模式的模式权重系数,an在[0,1]范围内随机取值。
4.根据权利要求1所述的多尺度天线平台辐射特性的快速分析方法,其特征在于,步骤3所述的设定目标函数,利用MOEA/D优化器求得不同特征模式下的模式权重系数,根据模式权重系数选择对应的特征模式,利用这些特征模式合成辐射方向图,具体如下:
步骤3.1、设定约束多尺度天线平台某一方向的辐射性能的目标函数为:
公式(5)中θ0和分别表示合成方向图的最大方向的俯仰角和方位角,θdesired和分别表示指定的方向图主波束方向的俯仰角和方位角;f1(a(k))指特定辐射模式对应的主波束方向;公式(6)、(7)表示主波束功率与整个多尺度天线平台功率的比值,S∞表示整个辐射空间范围,f2(a(k))指在SMR波束范围内辐射出更多的能量,SMR定义为圆锥范围45°≤θ≤135°和f3(a(k))表示在SMR1波束范围内尽量辐射出较少的能量,SMR1定义为圆锥范围45°≤θ≤135°和a(k)为每优化一次对应的一组模式权重系数的值,E、H分别为电场和磁场分量,ds表示面积元;
步骤3.2、利用MOEA/D优化器求得不同特征模式下的模式权重系数,具体如下:
采用切比雪夫方法,将Pareto前沿的逼近问题转化为若干标量子问题,聚合函数定义如下所示:
其中,gtche表示采用切比雪夫方法聚合后的目标函数,fi(x)为每优化一次求出的目标函数值,x∈Ω为决策变量,z*=min{fi(x)|x∈Ω},i∈{1,2,…,m},λ=(λ1,λ2,…,λm)T为权重向量,满足λi≥0,i=1,…,m且
对于每一个Pareto最优点x*存在一个权重向量λ,所以公式(8)的最优解就是多目标优化的Pareto最优解;
MOEA/D算法框架如下:
设置一组均匀分布的权重向量λ1,…,λm,权重向量满足下面的条件:
λ1+λ2+…+λm=1或(λ1)2+(λ2)2+…+(λm)2=1
其中,m是目标函数的个数,N是种群大小;
生成权重向量后,设定一个参考点z*,用切比雪夫聚合方法将Pareto前沿的逼近问题分解为m个标量优化子问题,j个子问题的目标函数是:
MOEA/D在一次运行中同时最小化这些目标函数;
步骤3.3、选择模式权重系数大的对应的特征模式,利用这些特征模式合成辐射方向图,具体如下:
根据需要选择一组模式权重系数a(k)的值,再选择a(k)的值在区间[0.5,1)内对应的特征模式,这些模式对合成后的辐射方向图的贡献大。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011242481.9A CN112632742A (zh) | 2020-11-09 | 2020-11-09 | 一种多尺度天线平台辐射特性的快速分析方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011242481.9A CN112632742A (zh) | 2020-11-09 | 2020-11-09 | 一种多尺度天线平台辐射特性的快速分析方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN112632742A true CN112632742A (zh) | 2021-04-09 |
Family
ID=75304256
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202011242481.9A Pending CN112632742A (zh) | 2020-11-09 | 2020-11-09 | 一种多尺度天线平台辐射特性的快速分析方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN112632742A (zh) |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113917241A (zh) * | 2021-09-06 | 2022-01-11 | 西安电子科技大学 | 一种天线方向图快速测量和预估方法、系统、设备及终端 |
CN114818513A (zh) * | 2022-06-06 | 2022-07-29 | 北京航空航天大学 | 5g应用领域中一种基于深度学习网络的天线阵列辐射方向图高效小批量合成方法 |
-
2020
- 2020-11-09 CN CN202011242481.9A patent/CN112632742A/zh active Pending
Non-Patent Citations (1)
Title |
---|
YU CHEN等: "Electromagnetic radiation analysis and synthesize of UAV target with the theory of characteristic modes", 《IET INTERNATIONAL RADAR CONFERENCE(IET IRC 2020)》 * |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113917241A (zh) * | 2021-09-06 | 2022-01-11 | 西安电子科技大学 | 一种天线方向图快速测量和预估方法、系统、设备及终端 |
CN114818513A (zh) * | 2022-06-06 | 2022-07-29 | 北京航空航天大学 | 5g应用领域中一种基于深度学习网络的天线阵列辐射方向图高效小批量合成方法 |
CN114818513B (zh) * | 2022-06-06 | 2024-06-18 | 北京航空航天大学 | 5g应用领域中一种基于深度学习网络的天线阵列辐射方向图高效小批量合成方法 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN106886656B (zh) | 一种三维阵列天线方向图旁瓣抑制方法 | |
CN106850016B (zh) | 基于mift与cp混合算法的仅相位加权阵列天线波束赋形优化方法 | |
CN112787692B (zh) | 一种带激励幅度约束的低副瓣波束赋形方法 | |
CN106650097B (zh) | 一种激励幅度动态范围可控的阵列天线赋形波束综合方法 | |
CN106021813B (zh) | 一种基于动态更新代理模型的快速多目标天线设计方法 | |
Wang et al. | Antenna radiation characteristics optimization by a hybrid topological method | |
Goswami et al. | A genetic algorithm for the level control of nulls and side lobes in linear antenna arrays | |
CN112632742A (zh) | 一种多尺度天线平台辐射特性的快速分析方法 | |
Koziel et al. | Fast multi-objective optimization of antenna structures by means of data-driven surrogates and dimensionality reduction | |
CN107896129B (zh) | 一种稀布同心圆环阵的降维优化算法 | |
CN110059422B (zh) | 频率选择表面曲面天线罩的电磁散射特性仿真方法 | |
CN105302962B (zh) | 基于结构-电磁混合单元的反射面天线机电集成优化设计方法 | |
CN108319759A (zh) | 一种用于提高同平台天线隔离度的天线布局方法 | |
CN102122765A (zh) | 直线阵列天线方向图的优化方法 | |
CN108446503B (zh) | 基于压缩感知与凸优化的近场稀布天线阵列优化方法 | |
CN106777601A (zh) | 基于mift与qp算法相结合的平面阵列天线方向图综合方法 | |
Zeng et al. | Low side lobe pattern synthesis using projection method with genetic algorithm for truncated cone conformal phased arrays | |
Yang et al. | A hybrid approach for the synthesis of nonuniformly spaced and excited linear arrays with strict element spacing constraints | |
CN116205143A (zh) | 一种基于物理信息神经网络实现天线方向图的设计方法 | |
CN109547083B (zh) | 一种基于神经网络的平顶波束赋形方法 | |
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 | |
CN116882149A (zh) | 一种基于混合差分果蝇优化算法的天线阵列综合方法 | |
Jin et al. | Efficient radiation pattern prediction of array antennas based on complex-valued graph neural networks | |
CN115146544A (zh) | 一种采用知识和数据混合驱动的阵列天线设计方法 |
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 | ||
TA01 | Transfer of patent application right |
Effective date of registration: 20230614 Address after: E701, No. 388 Ruoshui Road, Suzhou Industrial Park, Suzhou Area, China (Jiangsu) Pilot Free Trade Zone, 215125, Jiangsu Province Applicant after: Suzhou Xinnuo Communication Technology Co.,Ltd. Address before: 210094 Xuanwu District, Jiangsu, Xiaolingwei 200, Nanjing Applicant before: NANJING University OF SCIENCE AND TECHNOLOGY |
|
TA01 | Transfer of patent application right | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20210409 |
|
RJ01 | Rejection of invention patent application after publication |