一种天线设计方法技术

本发明专利技术公开了一种天线设计方法，该方法在类电磁机制算法的基础上加入小波变异算子改善原算法性能，克服原算法易陷入局部极小值的缺点；并引入分层优化机制，将多目标问题中的各个目标函数通过改进类电磁机制算法逐个进行寻优，利用较少的迭代次数得到符合设计指标的解，从而克服传统加权组合方法不易确定加权系数及收敛效果不好等缺点。利用本发明专利技术的方法对双频带缝隙天线和L折叠形单极天线进行优化设计，所设计出来的天线满足设计指标，证明了该方法的有效性和优越性。

【技术实现步骤摘要】
一种天线设计方法
本专利技术涉及一种天线设计方法，尤其涉及基于分层优化的改进类电磁机制算法的天线设计方法，属于天线

技术介绍
天线设计的目的是确定涉及的各项结构参数，使其满足一定的技术要求。天线设计问题大多呈现多参数、不可微、甚至不连续的特性，其结构参数的最优化是一种非线性多目标优化问题。传统的最优化技术大多是基于梯度寻优技术或随机搜索的方法。其中，共扼梯度法收敛速度较快，但要求目标函数可微、连续，而且优化参数数目有限；随机搜索无需计算梯度，但是效率太低，而且容易陷入局部极值。智能优化算法可以克服传统优化技术的缺点，近年来常被用于天线的设计中。类电磁机制(Electromagnetism-likeMechanism,EM)算法是由S.I.Birbil和S.C.Fang在2003年于JournalofGlobalOptimization上发表一篇名为“AnElectronmagnetism-likeMechanismforGlobalOptimization”的论文中首次提出的。其优化思想是模拟电磁场中带电粒子之间的吸引-排斥机制，具有寻优机制简单、收敛速度快等优点。类电磁机制算法与其它算法相比，表现出极其强大的全局搜索能力。但是，类电磁机制算法的后期，种群中的带电粒子出现“聚集”现象，此时算法易陷入局部极小值。为此，本专利技术引入小波变异算子改善类电磁机制算法性能；多目标问题通常包含多个目标函数(子函数)，分别表示不同的设计指标。通常情况下多个目标是处于冲突状态的，一个目标性能的改善，往往以其他一个或多个目标性能的降低为代价。传统的多目标方法如加权组合法将多目标问题转化为单目标问题，但是很难确定各分项加权系数的组合且容易收敛到局部最优解。为此，本专利技术引入分层优化的机制，将所有的目标函数通过类电磁机制算法逐个进行寻优。基于以上两点，专利技术了一种基于分层优化的改进类电磁机制算法(Multi-LevelOptimizationbasedimprovedelectromagnetism-likemechanismalgorithm,MLOIEM)，本专利技术提供基于分层优化的改进类电磁机制算法设计双频带缝隙天线和L折叠形单极天线(L-shapedfoldedmonopoleantenna，LFMA)的方法。
技术实现思路
本专利技术的目的是提供一种天线设计方法，首先对类电磁机制算法进行改进，在算法中加入小波变异算子，能有效避免陷入局部最优值；并且引入分层优化机制，针对天线的多个设计目标逐个进行寻优，最终达到所有指标。本专利技术的目的通过以下技术方案予以实现：一种天线设计方法，包括如下步骤：步骤1：建立天线模型并完成带电粒子的初始化，设置最大迭代次数为T，种群规模为m，即粒子种群可以表示为{X1,…,Xm}；设置粒子维度为D，在可行域内随机产生初始带电粒子位置，每一维的位置在[lk,uk]范围内产生均匀分布的随机数，则第i个粒子可以表示为Xi＝(xi1,xi2,xi3,…xik,…xiD)，其中1≤i≤m，1≤k≤D，lk表示第k维的下界，uk表示第k维的上界，每个维度的数值表示天线的一个尺寸参数；根据天线辐射特性确定其N个设计指标，相应的N个目标函数为G1(X),G2(X),...,GN(X)，N个目标分别表示为G1(X)＜δ1，G2(X)＜δ2，…，GN(X)＜δN，其中，δ1,δ2,...,δN分别表示设计指标对应的具体值；步骤2：将带电粒子带入目标函数计算出每个粒子对应的N个目标函数G1(X),G2(X),...,GN(X)并选取其中一个作为其适应度函数G(X)，根据N个目标函数将可行域划分成N个区域，对于第i个带电粒子，如果尚未达到第一个目标，则粒子i位于区域一，并选择G1(X)作为其适应度函数；如果达到前M(1,2,...,M,...,N)个目标，则粒子i位于区域M+1，并选择GM+1(X)作为其适应度函数，完成对所有带电粒子目标函数的计算以及适应度函数的选择；步骤3：对于多目标优化问题，位于区域二的粒子的优先级比区域一的粒子高，位于区域三粒子的优先级比区域二的粒子高，而区域N的粒子拥有最高的优先级，因此在选取最优粒子前，为所有粒子设置优先级，位于区域一、二、…、N的粒子设优先级为pr＝1,2,...,n；选取最优粒子xbest时，高优先级的粒子总是优先被选作最优粒子，如果有个粒子处于最高优先级，即使它的适应度G(X)在所有粒子中最低，也会被选最最优粒子；步骤4：判断是否达到最大迭代次数T，如果达到，输出最优粒子xbest及其对应的适应度函数，否则继续执行步骤5；步骤5：对当前最优粒子xbest进行局部搜索，一旦搜索到优于它的粒子则停止搜索，否则需完成预先设定的迭代次数lsiter，并且保持种群不变；类电磁机制算法中设置局部搜索步长δ∈[0,1]，设置局部搜索次数lsiter∈[5,15]；步骤6：计算每个带电粒子的电荷量及所受合力，对于粒子i，电荷量计算公式为合力的计算公式为其中，f(xi)(i＝1,2,···,m)表示粒子i的适应度函数；步骤7：将当前粒子将沿着合力的方向以一个随机步长移动，移动公式为其中，λ∈(0,1)为随机数；移动过程中，其可行移动范围由向量RNG＝(v1,v2,···,vD)给出，向量RNG的分量表示对应的朝上边界uk或者下边界lk移动的可行步长，且有其中Fik为粒子i所受合力Fi的第k维分量；步骤8：按概率对带电粒子进行小波变异，设置变异概率pm，pm∈[0,1]，算法迭代过程中，在更新带电粒子位置之后，由系统自动产生一个随机数rand∈[0,1]，若rand＜pm则判定空气粒子需要做小波变异操作，其公式为其中，为进行小波变异后的空气粒子位置，为第i(1≤i≤m)个粒子第t次迭代位置最大值，为第i(1≤i≤m)个粒子第t次迭代位置最小值；小波函数且其中，t为当前迭代次数，T为最大迭代次数，ξwm为单调递增函数的形状参数，gwm为尺度参数a的上限值，ξwm∈[0,20]，gwm∈[0,1500]；步骤9：返回步骤2。本专利技术的目的还可以通过以下技术措施进一步实现：前述一种天线设计方法，其中步骤1，将最大迭代次数T设为50以内，种群规模m设为20。前述一种天线设计方法，其中步骤5，局部搜索步长δ取为δ＝10-3，局部搜索次数lsiter取值为10。前述一种天线设计方法，其中步骤8，pm表示变异概率，取值大小根据粒子的维数决定，当粒子的维数小于5，pm设为0.5-0.8之间；当粒子维数为5-10时，pm设为0.3-0.4之间；当粒子维数为11-100时，pm设为0.1-0.2之间；当粒子维数超过100时，pm设为小于0.05。前述一种天线设计方法，其中步骤8，将尺度参数a的上限值gwm设为1000，单调递增函数的形状参数ξwm设为15。与现有技术相比，本专利技术的有益效果是：本专利技术提出的改进类电磁机制算法在类电磁机制算法中加入了小波变异算子，改善了类电磁机制算法后期易陷入局部最优值的缺陷。并且引入分层优化的机制，将所有的目标函数通过改进后的类电磁机制算法逐个进行寻优，避免传统加权组合方法繁琐的加权系数设置以及收敛效果不好的缺点。本专利技术将基于分层优化的改进类电磁机制算法应用到双频带缝隙天本文档来自技高网...

【技术保护点】
1.一种天线设计方法，其特征在于,包括如下步骤：步骤1：建立天线模型并完成带电粒子的初始化，设置最大迭代次数为T，种群规模为m，即粒子种群可以表示为{X1,…,Xm}；设置粒子维度为D，在可行域内随机产生初始带电粒子位置，每一维的位置在[lk,uk]范围内产生均匀分布的随机数，则第i个粒子可以表示为Xi＝(xi1,xi2,xi3,…xik,…xiD)，其中1≤i≤m，1≤k≤D，lk表示第k维的下界，uk表示第k维的上界，每个维度的数值表示天线的一个尺寸参数；根据天线辐射特性确定其N个设计指标，相应的N个目标函数为G1(X),G2(X),…,GN(X)，N个目标分别表示为G1(X)＜δ1，G2(X)＜δ2，…，GN(X)＜δN，其中，δ1,δ2,...,δN分别表示设计指标对应的具体值；步骤2：将带电粒子带入目标函数计算出每个粒子对应的N个目标函数G1(X),G2(X),...,GN(X)并选取其中一个作为其适应度函数G(X)，根据N个目标函数将可行域划分成N个区域，对于第i个带电粒子，如果尚未达到第一个目标，则粒子i位于区域一，并选择G1(X)作为其适应度函数；如果达到前M(1,2,...,M,...,N)个目标，则粒子i位于区域M+1，并选择GM+1(X)作为其适应度函数，完成对所有带电粒子目标函数的计算以及适应度函数的选择；步骤3：对于多目标优化问题，位于区域二的粒子的优先级比区域一的粒子高，位于区域三粒子的优先级比区域二的粒子高，而区域N的粒子拥有最高的优先级，因此在选取最优粒子前，为所有粒子设置优先级，位于区域一、二、…、N的粒子设优先级为pr＝1,2,...,n；选取最优粒子xbest时，高优先级的粒子总是优先被选作最优粒子，如果有个粒子处于最高优先级，即使它的适应度G(X)在所有粒子中最低，也会被选最最优粒子；步骤4：判断是否达到最大迭代次数T，如果达到，输出最优粒子xbest及其对应的适应度函数，否则继续执行步骤5；步骤5：对当前最优粒子xbest进行局部搜索，一旦搜索到优于它的粒子则停止搜索，否则需完成预先设定的迭代次数lsiter，并且保持种群不变；类电磁机制算法中设置局部搜索步长δ∈[0,1]，设置局部搜索次数lsiter∈[5,15]；步骤6：计算每个带电粒子的电荷量及所受合力，对于粒子i，电荷量计算公式为...

【技术特征摘要】
1.一种天线设计方法，其特征在于,包括如下步骤：步骤1：建立天线模型并完成带电粒子的初始化，设置最大迭代次数为T，种群规模为m，即粒子种群可以表示为{X1,…,Xm}；设置粒子维度为D，在可行域内随机产生初始带电粒子位置，每一维的位置在[lk,uk]范围内产生均匀分布的随机数，则第i个粒子可以表示为Xi＝(xi1,xi2,xi3,…xik,…xiD)，其中1≤i≤m，1≤k≤D，lk表示第k维的下界，uk表示第k维的上界，每个维度的数值表示天线的一个尺寸参数；根据天线辐射特性确定其N个设计指标，相应的N个目标函数为G1(X),G2(X),…,GN(X)，N个目标分别表示为G1(X)＜δ1，G2(X)＜δ2，…，GN(X)＜δN，其中，δ1,δ2,...,δN分别表示设计指标对应的具体值；步骤2：将带电粒子带入目标函数计算出每个粒子对应的N个目标函数G1(X),G2(X),...,GN(X)并选取其中一个作为其适应度函数G(X)，根据N个目标函数将可行域划分成N个区域，对于第i个带电粒子，如果尚未达到第一个目标，则粒子i位于区域一，并选择G1(X)作为其适应度函数；如果达到前M(1,2,...,M,...,N)个目标，则粒子i位于区域M+1，并选择GM+1(X)作为其适应度函数，完成对所有带电粒子目标函数的计算以及适应度函数的选择；步骤3：对于多目标优化问题，位于区域二的粒子的优先级比区域一的粒子高，位于区域三粒子的优先级比区域二的粒子高，而区域N的粒子拥有最高的优先级，因此在选取最优粒子前，为所有粒子设置优先级，位于区域一、二、…、N的粒子设优先级为pr＝1,2,...,n；选取最优粒子xbest时，高优先级的粒子总是优先被选作最优粒子，如果有个粒子处于最高优先级，即使它的适应度G(X)在所有粒子中最低，也会被选最最优粒子；步骤4：判断是否达到最大迭代次数T，如果达到，输出最优粒子xbest及其对应的适应度函数，否则继续执行步骤5；步骤5：对当前最优粒子xbest进行局部搜索，一旦搜索到优于它的粒子则停止搜索，否则需完成预先设定的迭代次数lsit...

【专利技术属性】
技术研发人员：徐沛，黄海峰，徐任飞，
申请(专利权)人：镇江市高等专科学校，
类型：发明
国别省市：江苏,32