融合智能算法和代理模型的天线快速优化平台设计

电磁仿真软件作为天线设计的主要工具,针对其内置的优化器在优化效率、支持优化类型以及优化结果可用性上的问题,提出建立一种天线快速优化平台的解决方案。该平台采用Ansoft HFSS和Matlab联合仿真,并基于天线优化流程提供友好的图形化操作界面;融合前沿的智能优化算法和代理模型方法,用于处理天线多目标优化问题并生成Pareto最优解集;同时为其他复杂天线执行性能优化提供参考。小型多频段平面单极子天线设计实例表明,该平台能够实现多参数天线结构的快速优化,提高天线设计的效率。     

一种非均匀采样信号重构方法

针对周期性非均匀采样信号,推导了其频谱和均匀采样序列频谱之间的关系,并基于此给出了一种信号重构方法。仿真结果验证了该方法的可行性。     

非均匀采样信号的一种重建方法

本文利用Toeplitz矩阵和循环矩阵对非均匀采样信号提出了一种直接的重建方法,该方法可以直接利用离散傅立叶变换进行,不需要迭代,并且可以实时进行.仿真结果表明该算法是有效的.     

基于PSO的Kriging相关模型参数优化

Kriging插值计算过程中的相关模型参数确定是构造回归模型的关键,常用的模式搜索方法求解相关模型参数时存在计算精度依赖搜索起始点的缺点,从而导致最优解的不稳定.利用一种改进的二进制编码微粒群算法(Genetic Particle Swarm Optimization,GPSO)来求解相关函数的参数,该方法采用动态选择和调整变异算子概率的策略,克服了参数优化过程中对初始点设置的依赖问题,函数测试的性能比较表明该方法具有良好的收敛速度和稳定性.     

一种优化非均匀阵列天线测向性能的方法

本论文给出了一种新的优化非均匀天线阵列阵元排布的方法阵元微调法。非均匀阵列天线具有许多均匀阵列天线不具备的优点,可以在节省设备量的同时增加天线孔径,但是利用非均匀阵列天线测向时也容易产生估计模糊。解决非均匀阵列天线估计模糊问题的途径之一就是调整天线阵列的排布。计算机仿真证实,经过微调法优化的非均匀阵列的测向性能有很大改善。     

一种基于Kriging模型和受限差分进化的电磁结构快速优化算法

进化算法在各类电磁结构优化设计中有着广泛的应用，但由于需要在参数空间中进行随机搜索并仿真试探，优化效率普遍较低.针对这一问题，提出受限差分进化（Differential Evolution，DE）算法与Kriging代理模型相结合的电磁结构快速优化算法.算法根据参考设计结果建立圆柱管道空间，通过参数变换将进化区域限制在管道内部.Kriging模型学习管道内样本及其仿真数据，代替电磁仿真快速预测进化产生下一代种群的响应.相比整个参数空间，该算法DE寻优和Kriging学习的区域被显著减小，优化效率得到提升.通过一个波导双孔定向耦合器的优化设计，表明该方法的求解质量和收敛速度优于现有算法.     

一种基于FIR滤波器的非均匀小波周期采样方法

针对Shannon采样定理只能处理带限信号和要求采样率不低于Nyquist率的缺陷,研究了小波空间中的一种非均匀周期采样理论,给出了定理成立的条件及其突破Nyquist率限制的理论依据,将采样理论扩展到了非带限信号领域。对于紧支尺度函数张成的子波空间中的任意信号,可以利用非均匀周期采样所得的样本以及正交镜像滤波器理论求出其小波系数的估计值,进而得到信号的重建表达式。该方法在信号重建的过程中用到的全是有限冲击响应滤波器,避免了无限冲击响应滤波器的出现,降低了实际物理实现的难度。计算机仿真结果表明该方法是切实有效的,信号重建的相对误差小于1%。     

一种非均匀采样下小信号的检测方法

非均匀采样由于其具有不受采样频率限制、频率分辨率高以及抗混叠等优点,使得其应用十分广泛。但非均匀采样会引起信号的频谱噪声,这样使得非均匀采样下小信号的检测不易实现。本文分析了非均匀采样引起频谱噪声的原因,提出一种基于非均匀采样的小信号检测方法。该方法根据非均匀采样检测得到的大幅度信号,应用陷波器将其消除,降低了由大信号引起的频谱噪声,从而检测出小信号。文中详细说明了陷波方法的原理、陷波器宽度和深度的选择、陷波器中心频率的确定以及陷波器在非均匀采样下的应用,最后给出实验结果。理论和实验表明,基于非均匀采样的陷波方法是一种行之有效的信号频率检测方法,使用该方法处理信号可以得到准确的频率估计效果,检测出信号幅度相差100倍以上的多个信号频率。     

一种基于梯度法的Kriging参数优化算法

相关函数参数的确定是Kriging模型构造的关键,针对传统模式搜索方法不够精确的缺点,文中提出用投影梯度法求解Kriging模型中空间相关函数参数θ的算法,对目标函数求解关于θ的一阶梯度,同时在单步求解中保持回归系数β不变。数值实验结果表明,这种方法能够得到更为精确的结果。     

基于动态Kriging的CBPSO算法在天线设计中的应用

针对天线优化设计通常涉及高度非线性的问题,传统优化算法往往无法获得全局最优解,在此研究背景下,引入文化粒子群优化算法(Cultural Based PSO Algorithm,CBPSO);针对高频电磁仿真软件(HFSS)仿真计算量大、耗时长的问题,引入Kriging 模型替代费时的仿真计算,并通过动态更新的方法提高模型精度,提出了基于动态Kriging 模型的文化粒子群算法与HFSS 联合仿真优化设计方案。将该方案应用于WLAN/ WiMAX 多频带天线优化设计,测试结果表明,所设计的天线在2.4～3.0GHz、3.3～3.8GHz、5.1～6.0GHz 频段内回波损耗小于-10dB,覆盖了WLAN/ WiMAX 所有频段,为复杂天线结构的优化设计提供了一定的参考。     

任意抽样网格上的多维FFT算法

任意抽样网络上的多维ＦＦＴ算法在卫星遥感遥测、电视图像信号处理、天线设计等方面有着广泛的应用,本文将一维混合基和二维矢量基ＦＦＴ的一种算法结构描述方法推广到任意抽样网格上的多维ＦＦＴ算法,简化了对这种算法的进一步研究和应用。     

基于粒子群优化算法的阵列天线方向图综合

粒子群优化算法（PSO）是一种基于群智能的随机优化算法,其理论简单,参数少,易于实现,可用于解决大量非线性、不可微和多峰值的复杂问题。本文介绍了粒子群算法的基本原理和基本流程,研究了如何将这种方法应用于阵列天线的方向图综合上,给出了PSO 算法在阵列天线方向图综合的应用实例,结果表明粒子群算法在阵列天线方向图综合上有很好的应用前景。     

基于遗传算法的Kriging元模型及其在模拟集成电路优化设计中的应用

提出了建立电路Kriging元模型,并与遗传算法相结合确定电路参数,优化电路的方法.相对传统多项式回归模型,Kriging模型更适合电路仿真的实验类型;利用遗传算法,解决了基于Kriging元模型电路系统的全局优化问题.最后将该方法应用于带隙基准电路设计,取得令人满意的结果.     

基于遗传算法的Kriging元模型及其在模拟集成电路优化设计中的应用

提出了建立电路Kriging元模型,并与遗传算法相结合确定电路参数,优化电路的方法.相对传统多项式回归模型,Kriging模型更适合电路仿真的实验类型;利用遗传算法,解决了基于Kriging元模型电路系统的全局优化问题.最后将该方法应用于带隙基准电路设计,取得令人满意的结果.     

基于改进反向传播神经网络代理模型的快速多目标天线设计

针对传统天线设计方法计算代价较大的缺陷,该文构建基于反向传播神经网络(BPNN)的新型天线代理模型。为解决BPNN训练易陷入局部最优的问题,采用粒子群优化(PSO)算法来改善神经网络初始结构参数,进而构建PSO-BPNN天线代理模型,并基于该模型提出多参数天线结构的快速多目标设计方法。设计实例表明,该方法在预测精度以及计算代价等方面优于现有的常用天线设计方法。所提方法对处理复杂高维参数空间天线设计问题具有实用价值。     

旋转镜像综合孔径空间频率均匀采样方法

在地球静止轨道卫星上实现高分辨率微波辐射测量是微波遥感的重要研究内容。综合孔径系统的较高复杂度和镜像综合孔径系统组合测量在卫星平台上实现困难等问题,使得高分辨率微波辐射测量难以实现。因此提出旋转镜像综合孔径空间频域均匀采样方法。其核心思想是采用两个反射面提高空间分辨率,通过阵列旋转固定角度获得均匀频率采样实现图像重建。理论和仿真结果均表明:旋转镜像综合孔径空间频域均匀采样方法采用较少的天线数目实现了高分辨率测量,获得较好反演结果,同时用阵列的转动代替反射面的平动解决镜像综合孔径微波辐射测量在卫星平台上实现困难的问题。     

一种基于阵列天线的时延估计方法

本文主要讨论了无线通信中多径信号的时延估计问题，针对阵列天线，基于非线性最小二乘准则，我们提出了一种有效的时延估计方法，仿真结果表明该算法有较好的性能。     

基于混合变异差分进化算法的均匀面阵稀疏优化

差分进化算法(DE)已被广泛应用于解决稀疏面阵优化问题,针对DE 算法早熟、全局搜索能力差、容易陷于局部最优的问题,提出一种混合变异差分进化算法,通过加入概率因子来平衡算法收敛速度与全局搜索能力,以阵列孔径、阵元数量以及阵元间距为约束条件,将算法中的实数编码转化为二进制编码,以方向图平面峰值旁瓣电平之和最低为目标函数,通过优化后得到的阵元分布,得到稀疏优化阵列的三维方向图。仿真结果表明:该方法在满足约束条件的同时,能够避免算法早熟得到较优的目标函数值,概率因子为算法提供了额外的自由度。