CN115718956B - 天线布局方法、设备、介质及系统 - Google Patents
天线布局方法、设备、介质及系统 Download PDFInfo
- Publication number
- CN115718956B CN115718956B CN202310031988.7A CN202310031988A CN115718956B CN 115718956 B CN115718956 B CN 115718956B CN 202310031988 A CN202310031988 A CN 202310031988A CN 115718956 B CN115718956 B CN 115718956B
- Authority
- CN
- China
- Prior art keywords
- antenna
- population
- value
- degree
- individuals
- 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.)
- Active
Links
- 238000000034 method Methods 0.000 title claims abstract description 50
- 238000005457 optimization Methods 0.000 claims abstract description 36
- 238000004422 calculation algorithm Methods 0.000 claims abstract description 27
- 230000002068 genetic effect Effects 0.000 claims abstract description 26
- 238000013461 design Methods 0.000 claims abstract description 21
- 238000004364 calculation method Methods 0.000 claims abstract description 13
- 230000006870 function Effects 0.000 claims description 51
- 238000010168 coupling process Methods 0.000 claims description 26
- 238000005859 coupling reaction Methods 0.000 claims description 26
- 230000008878 coupling Effects 0.000 claims description 25
- 230000035772 mutation Effects 0.000 claims description 11
- 238000004590 computer program Methods 0.000 claims description 10
- 238000012216 screening Methods 0.000 claims description 7
- 230000008030 elimination Effects 0.000 claims description 4
- 238000003379 elimination reaction Methods 0.000 claims description 4
- 238000011156 evaluation Methods 0.000 claims description 4
- 238000010348 incorporation Methods 0.000 claims description 4
- 238000013519 translation Methods 0.000 claims description 4
- 230000009191 jumping Effects 0.000 claims description 3
- 238000012360 testing method Methods 0.000 abstract description 6
- 230000002776 aggregation Effects 0.000 description 3
- 238000004220 aggregation Methods 0.000 description 3
- 230000008569 process Effects 0.000 description 3
- 238000012163 sequencing technique Methods 0.000 description 3
- 238000012937 correction Methods 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 108090000623 proteins and genes Proteins 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 238000001514 detection method Methods 0.000 description 1
- 238000000265 homogenisation Methods 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 238000009434 installation Methods 0.000 description 1
- 230000010354 integration Effects 0.000 description 1
- 238000012827 research and development Methods 0.000 description 1
Images
Classifications
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02T—CLIMATE CHANGE MITIGATION TECHNOLOGIES RELATED TO TRANSPORTATION
- Y02T10/00—Road transport of goods or passengers
- Y02T10/10—Internal combustion engine [ICE] based vehicles
- Y02T10/40—Engine management systems
Landscapes
- Variable-Direction Aerials And Aerial Arrays (AREA)
Abstract
本发明公开了一种天线布局方法、设备、介质及系统,属于天线布局设计领域,包括步骤:建立天线多目标优化函数模型;通过改进NSGA遗传算法,对建立的天线多目标优化函数模型进行迭代优化计算;根据迭代优化计算结果,分析选取最优解。本发明提升了车载设备工作性能及系统的电磁兼容性,节约了测试整改成本,提高了天线布局效率和准确性。
Description
技术领域
本发明涉及天线布局设计领域,更为具体的,涉及一种天线布局方法、设备、介质及系统。
背景技术
随着信息化车辆集成度、复杂度不断提高,车内有限的空间安装的电子设备越来越多,天线作为电子设备的接收和发射工具,如不能科学布局,将严重影响车载设备的正常工作并导致系统电磁兼容性问题。增大车载天线间的距离可有效降低相互间的干扰,但车顶空间有限,要保证所有天线间的耦合均在合理范围内,唯有通过天线的优化布局实现。
传统的优化方法大多采用试测试探法,即在电磁兼容设计初期根据设计师的经验制定多个方案,依次进行布局和试测,选取其中的最优方案。这种试测试探法缺乏理论依据,完全依赖于设计师的经验,往往得不到最优解。
需要说明的是,上述仅以车载设备的天线布局为例进行说明,并不限于车载设备天线布局场景,凡是在有限空间内的天线布局亦存在类似技术问题。因此,本领域人员急需寻找一种科学的,便捷的天线最优布局方案。
发明内容
本发明的目的在于克服现有技术的不足,提供一种天线布局方法、设备、介质及系统,提升了电磁兼容性,节约测试整改成本,提高了效率和准确性等。
本发明的目的是通过以下方案实现的:
一种天线布局方法,包括以下步骤:
S1,建立天线多目标优化函数模型;
S2,通过改进NSGA遗传算法,对建立的天线多目标优化函数模型进行迭代优化计算;
S3,根据迭代优化计算结果,分析选取最优解。
进一步地,在步骤S1中,包括子步骤:
S11,选取耦合度和失真度作为目标函数:
目标函数:
其中,Min表示最小值函数,P表示系统耦合度,Q表示系统失真度,表示位置为的天线与位置为的天线之间的耦合度;为加权系数,取值范围为[0,1],且;表示天线在()点位的失真度;为加权系数,取值范围为[0,1],且;
S11,确定约束条件,设计变量(x,y)应满足:;;同时,根据设计指标要求:天线间的耦合度和天线失真度满足以下设计要求:;。
进一步地,在步骤S2中,包括子步骤:
S21,利用串联编码模式将天线坐标进行编码,并生成初代种群集合,种群数量控制为N;
S22,利用遗传算法生成初代子种群集合,并将全部种群合并为待筛选种群集合;在遗传算法中,交叉概率和变异概率通过如下公式进行概率非线性调整:
式中:为种群中平均适应度值,为种群中最小适应度值,为参与交叉的双亲中较大的适应度值;为种群中最大适应度值,为最大交叉概率,为最小交叉概率,为最大变异概率,为最小变异概率,,;和在和区间将按照非线性的方式进行自适应调整;
S23,对待筛选种群集合进行含差异性算子的非支配分层排序,即若个体a各项目标函数都不弱于b,且至少有一项目标函数值优于b,则记为a支配b;
S24,使用差异性算子,筛选掉每层同质化个体;
S25,当本层目标函数天线的耦合度和失真度均值Si-avg小于上一层Si-1-avg均值的设定倍数时,筛选掉每层同质化个体,对每层的个体进行部分淘汰后并将放入新子代种群;若Si-avg大于等于上一层Si-1-avg均值的设定倍数时,直接执行本层个体集合合并入新子代种群;
S26,当本次循环装种群中个体数量大于N时,对本次装入的进行拥挤度排序后,依照拥挤度优先级将中个体装入个体种群集合,直到种群个体数量达到N为止;
S27,再跳至步骤S22,直到迭代次数T达到最大迭代次数Tmax为止,结束循环,输出种群个体,并依照编码定义进行反向翻译,最终求取目标函数值,检验是否满足设计要求。
进一步地,在步骤S3中,包括子步骤:通过加权系数确定最优方案:
式中:C为电磁兼容性评价指标,与为加权系数。
进一步地,在步骤S22中,所述遗传算法包括选择、交叉、变异遗传算法。
进一步地,在步骤S24中,包括子步骤:在目标函数适应度值低于比较值时,对每层的个体进行设定比例值淘汰;对每一层非支配性个体集合进行差异算子计算,算子公式如下:
式中:表示每一个目标函数的适应度值。
进一步地,在步骤S25中,设定倍数为0.8倍。
一种天线布局设备,包括处理器和存储器,所述存储器中存储有计算机程序,当所述计算机程序被所述处理器加载并执行如上任一项所述的方法。
一种可读存储介质,在可读存储介质中存储有计算机程序,所述计算机程序被处理器加载并执行如上任一项所述的方法。
一种天线布局系统,包括如上所述的天线布局设备。
本发明的有益效果包括:
(1)本发明构建了多目标优化模型,基于遗传算法获取了天线的最优布局,提升了车载设备工作性能及系统的电磁兼容性。
(2)本发明在设计初期就可科学计算出一个天线最优布局方案,缩短车辆产品的研发周期,并有效降低系统电磁兼容性问题,节约测试整改成本。
(3)本发明在NSGA遗传算法基础上改进了算法本身,提出了自适应非线性交叉与变异算子,进而改进了优化效率,并又利用差异性算子来提高种群多样性,从而提高了寻优的效率和准确性。
附图说明
为了更清楚地说明本发明实施例或现有技术中的技术方案,下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍,显而易见地,下面描述中的附图仅仅是本发明的一些实施例,对于本领域普通技术人员来讲,在不付出创造性劳动性的前提下,还可以根据这些附图获得其他的附图。
图1为本发明实施例中车载平台天线的优化布局;
图2为本发明实施例中基于改进NSGA遗传算法的迭代优化过程;
图3为本发明实施例中交叉概率和变异概率在求解最小值优化问题时的概率调整曲线。
具体实施方式
本说明书中所有实施例公开的所有特征,或隐含公开的所有方法或过程中的步骤,除了互相排斥的特征和/或步骤以外,均可以以任何方式组合和/或扩展、替换。
在实施例中,为了解决背景中的技术问题,提高车载平台的电磁兼容性能和设计效率,提出一种基于NSGA的改进遗传优化策略和Matlab数学建模的天线布局方法,包括如下发明构思:
1.建立多目标优化函数模型,包括确定优化目标、自变量、约束条件等。
2.基于NSGA遗传算法,利用Matlab编程进行算法实现天线间耦合度与失真度的多目标优化。
3.针对多天线情况,通过改进交叉概率Pc和变异概率Pm,等操作实现快速寻优,提高计算效率。
4.采用非线性自适应差异算子,提高种群多样性,避免寻优结果落入局部最优解陷阱。
5.利用改进遗传算法求解多天线耦合度与失真度多目标函数模型,获取天线最佳布局方案。
在进一步的实施例中,针对图1所示车载平台天线的优化布局问题(不限于此场景),假定图中4副天线的工作频段基本一致,本发明可针对其中的单个频点或某几个频点进行优化布局,具体步骤如下:
步骤1:建立天线的多目标优化函数模型,在该步骤中,进一步包括目标函数、约束条件。
1.1目标函数
耦合度和失真度是天线电磁兼容性的重要指标,反映了天线间的干扰程度,与天线的位置关系最密切,选取它们作为目标函数。
目标函数:
表示位置为的天线与位置为的天线之间的耦合度,耦合度越小说明天线间的干扰越小。
为加权系数,它的大小代表该对天线的干扰度在整个系统中的重要程度,取值范围为[0,1],且。
表示天线在()点位的失真度,它的值越小越好。
为加权系数,它的大小代表该副天线的失真度在整个系统中的重要程度,取值范围为[0,1],且。
1.2约束条件
如图1所示,车顶有4副天线,其中2副为固定天线,另外2副为移动天线,且由于空间以及设备安装原因,移动天线只能在图中所示区域移动。因此设计变量(x,y)应满足:;。
同时,根据设计指标要求:天线间的耦合度和天线失真度应当满足以下设计要求:
;
2. 改进NSGA遗传算法
通过改进NSGA遗传算法,迭代优化过程如图2所示。
2.1利用串联编码模式将“天线坐标”进行编码,并生成初代种群集合,种群数量控制为N。
2.2改进交叉概率和变异概率的取值方式,遗传算法的优化性能很大程度上取决于交叉概率和变异概率的取值。利用选择、交叉、变异常规遗传算法生成初代子种群集合,并将全部种群合并为待筛选种群集合;因种群最初几代目标函数值不佳,需加速交叉变异概率,末代目标函数普遍较好,需降低交叉变异的目标,提出自适应非线性化交叉变异算子,从而避免陷入局部最优。针对本发明中的求解最小值优化问题中,和通过公式数进行概率非线性调整:
式中:为种群中平均适应度值,为种群中最小适应度值,为参与交叉的双亲中较大的适应度值,。
图3给出了交叉概率和变异概率在求解最小值优化问题时的概率调整曲线,和在和区间将按照非线性的方式进行自适应调整。
2.3对待筛选种群集合进行含差异性算子的非支配分层排序,即若个体a各项目标函数都不弱于b,且至少有一项目标函数值优于b,记为a支配b。
2.4利用差异算子以增加前期种群基因的多样性。使用差异性算子,筛选掉每层同质化个体,在目标函数适应度值较低时,对每层较小值的个体进行20%淘汰。对每一层非支配性个体集合进行差异算子计算,算子公式如下:
式中:表示每一个目标函数的适应度值
2.5 当本层目标函数天线的耦合度和失真度均值Si-avg小于上一层Si-1-avg均值的设定倍数(例如0.8倍)时,为增加前期种群基因的多样性,筛选掉每层同质化个体,对每层较小值的 个体进行20%淘汰后并将放入新子代种群;若Si-avg大于等于上层Si-1-avg均值的设定倍数(例如0.8倍)时,直接执行本层个体集合并入新子代种群。
2.6 当本次循环装种群中个体数量大于N时,对本次装入的进行常规拥挤度排序后,依照拥挤度优先级将中个体装入个体种群集合,直到种群个体数量达到N为止。
2.7 再重复步骤2,直到到迭代次数T达到最大迭代次数Tmax为止,结束循环,输出种群个体,并依照编码定义进行反向翻译,最终求取目标函数值,检验是否满足设计要求。
3. 分析、选取最优解
由于设定的目标函数为多目标:耦合度和失真度,最终的优化结果将是一个Pareto优化解集,包含多种优化方案,通过评估耦合度与失真度对系统电磁兼容性的影响程度,借助加权系数确定最优方案。
式中:C是电磁兼容性评价指标,与为加权系数,它们的值取决于耦合度与失真度对系统电磁兼容性的影响程度。
需要说明的是,在本发明权利要求书中所限定的保护范围内,以下实施例均可以从上述具体实施方式中,例如公开的技术原理,公开的技术特征或隐含公开的技术特征等,以合乎逻辑的任何方式进行组合和/或扩展、替换。
实施例1
一种天线布局方法,包括以下步骤:
S1,建立天线多目标优化函数模型;
S2,通过改进NSGA遗传算法,对建立的天线多目标优化函数模型进行迭代优化计算;
S3,根据迭代优化计算结果,分析选取最优解。
实施例2
在实施例1的基础上,在步骤S1中,包括子步骤:
S11,选取耦合度和失真度作为目标函数:
目标函数:
其中,Min表示最小值函数,P表示系统耦合度,Q表示系统失真度,表示位置为的天线与位置为的天线之间的耦合度;为加权系数,取值范围为[0,1],且;表示天线在()点位的失真度;为加权系数,取值范围为[0,1],且;
S11,确定约束条件,设计变量(x,y)应满足:;;同时,根据设计指标要求:天线间的耦合度和天线失真度满足以下设计要求:;。
实施例3
在实施例1的基础上,在步骤S2中,包括子步骤:
S21,利用串联编码模式将天线坐标进行编码,并生成初代种群集合,种群数量控制为N;
S22,利用遗传算法生成初代子种群集合,并将全部种群合并为待筛选种群集合;在遗传算法中,交叉概率和变异概率通过如下公式进行概率非线性调整:
式中:为种群中平均适应度值,为种群中最小适应度值,为参与交叉的双亲中较大的适应度值;为种群中最大适应度值,为最大交叉概率,为最小交叉概率,为最大变异概率,为最小变异概率,,;和在和区间将按照非线性的方式进行自适应调整;
S23,对待筛选种群集合进行含差异性算子的非支配分层排序,即若个体a各项目标函数都不弱于b,且至少有一项目标函数值优于b,则记为a支配b;
S24,使用差异性算子,筛选掉每层同质化个体;
S25,当本层目标函数天线的耦合度和失真度均值Si-avg小于上一层Si-1-avg均值的设定倍数时,筛选掉每层同质化个体,对每层的个体进行部分淘汰后并将放入新子代种群;若Si-avg大于等于上一层Si-1-avg均值的设定倍数时,直接执行本层个体集合合并入新子代种群;
S26,当本次循环装种群中个体数量大于N时,对本次装入的进行拥挤度排序后,依照拥挤度优先级将中个体装入个体种群集合,直到种群个体数量达到N为止;
S27,再跳至步骤S22,直到迭代次数T达到最大迭代次数Tmax为止,结束循环,输出种群个体,并依照编码定义进行反向翻译,最终求取目标函数值,检验是否满足设计要求。
实施例4
在实施例1的基础上,在步骤S3中,包括子步骤:通过加权系数确定最优方案:
式中:C为电磁兼容性评价指标,与为加权系数。
实施例5
在实施例3的基础上,在步骤S22中,所述遗传算法包括选择、交叉、变异遗传算法。
实施例6
在实施例3的基础上,在步骤S24中,包括子步骤:在目标函数适应度值低于比较值时,对每层的个体进行设定比例值淘汰;对每一层非支配性个体集合进行差异算子计算,算子公式如下:
式中:表示每一个目标函数的适应度值。
实施例7
在实施例3的基础上,在步骤S25中,设定倍数为0.8倍。
实施例8
一种天线布局设备,包括处理器和存储器,所述存储器中存储有计算机程序,当所述计算机程序被所述处理器加载并执行如实施例1~实施例7任一项所述的方法。
实施例9
一种可读存储介质,在可读存储介质中存储有计算机程序,所述计算机程序被处理器加载并执行如实施例1~实施例7任一项所述的方法。
实施例10
一种天线布局系统,包括如实施例8所述的天线布局设备。
描述于本发明实施例中所涉及到的单元可以通过软件的方式实现,也可以通过硬件的方式来实现,所描述的单元也可以设置在处理器中。其中,这些单元的名称在某种情况下并不构成对该单元本身的限定。
根据本发明实施例的一个方面,提供了一种计算机程序产品或计算机程序,该计算机程序产品或计算机程序包括计算机指令,该计算机指令存储在计算机可读存储介质中。计算机设备的处理器从计算机可读存储介质读取该计算机指令,处理器执行该计算机指令,使得该计算机设备执行上述各种可选实现方式中提供的方法。
作为另一方面,本发明实施例还提供了一种计算机可读介质,该计算机可读介质可以是上述实施例中描述的电子设备中所包含的;也可以是单独存在,而未装配入该电子设备中。上述计算机可读介质承载有一个或者多个程序,当上述一个或者多个程序被一个该电子设备执行时,使得该电子设备实现上述实施例中所述的方法。
本发明未涉及部分均与现有技术相同或可采用现有技术加以实现。
上述技术方案只是本发明的一种实施方式,对于本领域内的技术人员而言,在本发明公开了应用方法和原理的基础上,很容易做出各种类型的改进或变形,而不仅限于本发明上述具体实施方式所描述的方法,因此前面描述的方式只是优选的,而并不具有限制性的意义。
除以上实例以外,本领域技术人员根据上述公开内容获得启示或利用相关领域的知识或技术进行改动获得其他实施例,各个实施例的特征可以互换或替换,本领域人员所进行的改动和变化不脱离本发明的精神和范围,则都应在本发明所附权利要求的保护范围内。
Claims (7)
1.一种天线布局方法,其特征在于,包括以下步骤:
S1,建立天线多目标优化函数模型;
S2,通过改进NSGA遗传算法,对建立的天线多目标优化函数模型进行迭代优化计算;
S3,根据迭代优化计算结果,分析选取最优解;
在步骤S1中,包括子步骤:
S11,选取耦合度和失真度作为目标函数:
目标函数:
其中,,Min表示最小值函数,P表示系统耦合度,Q表示系统失真度,表示位置为的天线与位置为的天线之间的耦合度;为加权系数,取值范围为[0,1],且;表示天线在()点位的失真度;为加权系数,取值范围为[0,1],且;
S12,确定约束条件,设计变量(x,y)应满足:;;同时,根据设计指标要求:天线间的耦合度和天线失真度满足以下设计要求:;;
在步骤S2中,包括子步骤:
S21,利用串联编码模式将天线坐标进行编码,并生成初代种群集合,种群数量控制为N;
S22,利用遗传算法生成初代子种群集合,并将全部种群合并为待筛选种群集合;在遗传算法中,交叉概率和变异概率通过如下公式进行概率非线性调整:
式中:为种群中平均适应度值,为种群中最小适应度值,为参与交叉的双亲中较大的适应度值;为种群中最大适应度值,为最大交叉概率,为最小交叉概率,为最大变异概率,为最小变异概率,,;和在和区间将按照非线性的方式进行自适应调整;
S23,对待筛选种群集合进行含差异性算子的非支配分层排序,即若个体a各项目标函数都不弱于b,且至少有一项目标函数值优于b,则记为a支配b;
S24,使用差异性算子,筛选掉每层同质化个体;
S25,当本层目标函数天线的耦合度和失真度均值Si-avg小于上一层Si-1-avg均值的设定倍数时,筛选掉每层同质化个体,对每层的个体进行部分淘汰后并将放入新子代种群;若Si-avg大于等于上一层Si-1-avg均值的设定倍数时,直接执行本层个体集合合并入新子代种群;
S26,当本次循环装入种群中个体数量大于N时,对本次装入的进行拥挤度排序后,依照拥挤度优先级将中个体装入个体种群集合,直到种群个体数量达到N为止;
S27,再跳至步骤S22,直到迭代次数T达到最大迭代次数Tmax为止,结束循环,输出种群个体,并依照编码定义进行反向翻译,最终求取目标函数值,检验是否满足设计要求;
在步骤S3中,包括子步骤:通过加权系数确定最优方案:
式中:C为电磁兼容性评价指标,与为加权系数。
2.根据权利要求1所述的天线布局方法,其特征在于,在步骤S22中,所述遗传算法包括选择、交叉、变异遗传算法。
3.根据权利要求1所述的天线布局方法,其特征在于,在步骤S24中,包括子步骤:在目标函数适应度值低于比较值时,对每层的个体进行设定比例值淘汰;对每一层非支配性个体集合进行差异算子计算,算子公式如下:
式中:表示每一个目标函数的适应度值。
4.根据权利要求1所述的天线布局方法,其特征在于,在步骤S25中,设定倍数为0.8倍。
5.一种天线布局设备,其特征在于,包括处理器和存储器,所述存储器中存储有计算机程序,当所述计算机程序被所述处理器加载并执行如权利要求1~4任一项所述的方法。
6.一种可读存储介质,其特征在于,在可读存储介质中存储有计算机程序,所述计算机程序被处理器加载并执行如权利要求1~4任一项所述的方法。
7.一种天线布局系统,其特征在于,包括如权利要求5所述的天线布局设备。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310031988.7A CN115718956B (zh) | 2023-01-10 | 2023-01-10 | 天线布局方法、设备、介质及系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310031988.7A CN115718956B (zh) | 2023-01-10 | 2023-01-10 | 天线布局方法、设备、介质及系统 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN115718956A CN115718956A (zh) | 2023-02-28 |
CN115718956B true CN115718956B (zh) | 2023-05-05 |
Family
ID=85257959
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202310031988.7A Active CN115718956B (zh) | 2023-01-10 | 2023-01-10 | 天线布局方法、设备、介质及系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN115718956B (zh) |
Families Citing this family (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN116090109B (zh) * | 2023-03-31 | 2023-08-18 | 中国人民解放军国防科技大学 | 航天器组件多样化布局优化方法及系统、设备、存储介质 |
CN116614830B (zh) * | 2023-07-18 | 2023-10-31 | 中国电信股份有限公司 | 网元优化方法、装置、计算机设备、存储介质 |
Citations (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108319759A (zh) * | 2018-01-04 | 2018-07-24 | 北京航空航天大学 | 一种用于提高同平台天线隔离度的天线布局方法 |
Family Cites Families (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103247854B (zh) * | 2013-04-15 | 2015-06-03 | 中国电子科技集团公司第三十研究所 | 一种电磁脉冲防护一体化车载天线 |
CN106066904B (zh) * | 2016-05-25 | 2019-03-08 | 中南大学 | 一种基于多目标进化算法的高维多目标天线设计方法 |
US10798665B2 (en) * | 2017-06-06 | 2020-10-06 | Supply, Inc. | Method and system for wireless power delivery |
CN109800474B (zh) * | 2018-12-27 | 2023-06-20 | 南京信息工程大学 | 一种基于遗传算法的阵列天线能量调配方法 |
CN111967184B (zh) * | 2020-08-06 | 2024-02-09 | 中国计量大学 | 一种基于序列模型的多目标天线设计方法 |
-
2023
- 2023-01-10 CN CN202310031988.7A patent/CN115718956B/zh active Active
Patent Citations (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108319759A (zh) * | 2018-01-04 | 2018-07-24 | 北京航空航天大学 | 一种用于提高同平台天线隔离度的天线布局方法 |
Also Published As
Publication number | Publication date |
---|---|
CN115718956A (zh) | 2023-02-28 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN115718956B (zh) | 天线布局方法、设备、介质及系统 | |
JP5733166B2 (ja) | パラメータ設定装置、コンピュータプログラム及びパラメータ設定方法 | |
CN109886589A (zh) | 一种基于改进鲸鱼优化算法求解低碳车间调度的方法 | |
CN107506865B (zh) | 一种基于lssvm优化的负荷预测方法及系统 | |
CN110521234A (zh) | 使用深度学习进行网络自优化的方法和系统 | |
JPWO2007060808A1 (ja) | 無線ネットワーク設計装置および方法 | |
CN108920841B (zh) | 天线设计方法 | |
CN111327377A (zh) | 场强预测方法、装置、设备及存储介质 | |
CN114585006B (zh) | 基于深度学习的边缘计算任务卸载和资源分配方法 | |
CN111082840A (zh) | 一种天线广播波束的优化方法和装置 | |
Lan et al. | A spectrum prediction approach based on neural networks optimized by genetic algorithm in cognitive radio networks | |
Lee et al. | Multiobjective optimization approach for sensor arrangement in a complex indoor environment | |
JP7137074B2 (ja) | 最適化計算方法、最適化計算装置及び最適化計算プログラム | |
CN110515845B (zh) | 基于改进ipo策略的组合测试用例优化生成方法 | |
CN108347744A (zh) | 一种设备接入方法、装置及接入控制设备 | |
CN108133240A (zh) | 一种基于烟花算法的多标签分类方法及系统 | |
CN109117545B (zh) | 基于神经网络的天线快速设计方法 | |
CN111813669B (zh) | 基于多目标群体智能的适应性随机测试用例生成方法 | |
CN111542069B (zh) | 一种基于快速非支配遗传算法实现无线ap部署优化方法 | |
Wu et al. | Planning system for indoor wireless network | |
CN114527435A (zh) | 基于干扰向量和nsga-ii算法的干扰资源分配方法 | |
CN112584386A (zh) | 5g c-ran资源预测和分配方法及系统 | |
CN108064051B (zh) | 确定网络射频优化方案的方法、装置及设备 | |
CN112330023A (zh) | 考虑主观需求的0-1背包问题的求解方法及电子设备 | |
CN117574255B (zh) | 一种基于鹈鹕算法和支持向量机的边坡安全系数预测方法 |
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 |