电磁特征提取模型的建立方法、系统、设备及存储介质技术方案

一种电磁特征提取模型的建立方法、系统、设备及存储介质，其中方法包括：计算采样频点，获取电磁器件不同物理参数下各采样频点处的S曲线幅值，构建第一样本集、第二样本集和第三样本集，基于第一样本集和第二样本集获取相似样本对和非相似样本对，并用于训练孪生神经网络；利用孪生神经网络将第三样本集中与第一样本集相似的元素加入相似集合；利用KNN算法计算相似集合中元素的输出的电磁物理参数值，将元素及相应电磁物理参数值组合得到添加样本集合；使用第一样本集和添加样本集合训练GP模型，并计算GP模型的测试误差；对比输入不同K值时的测试误差，得到测试误差最小的GP模型。本发明专利技术在不增加额外生产成本的条件下，提升GP模型预测的精确度。型预测的精确度。型预测的精确度。

【技术实现步骤摘要】
电磁特征提取模型的建立方法、系统、设备及存储介质


[0001]本专利技术属于电磁器件设计
，尤其涉及一种电磁特征提取模型的建立方法、系统、设备及存储介质。

技术介绍

[0002]在处理实际电磁问题中，很难通过建立具体表达式来求解设计变量与目标函数间关系，一般需要借助数值仿真计算或电磁仿真软件来建立这种复杂映射，但是其求解精度与时常消耗成正比，故机器学习模型和优化算法成为电磁设计领域的主流方法。高斯过程(Gaussian Process,GP)代理模型由于其适合处理小样本的优点，作为处理电磁实际问题的代理模型尤为合适，但是GP模型建立的过程中，通过电磁仿真软件获取真实样本，如果真实样本数据太少，会导致训练出的GP模型预测的准确度较低，若是获取较多的真实样本数据，则该过程较为漫长，代价较大。因此现有的GP模型建立面临着速度和精度之间的矛盾。

技术实现思路

[0003]本专利技术的目的在于提供一种电磁特征提取模型的建立方法、系统、设备及存储介质，能够在不增加额外生产成本的条件下，提升GP模型预测的精确度。
[0004]本专利技术是通过以下技术方案实现的：
[0005]一种电磁特征提取模型的建立方法，包括以下步骤：
[0006]S1、根据待设计的电磁器件的工作频段范围和采样步长计算采样频点f
i
，i＝1、2、
……
、N
f
，N
f
为采样点个数；
[0007]S2、获取电磁器件不同物理参数下各采样频点处的S曲线幅值，构建第一样本集S
true
＝{X1,X2,
…
,X
M
}，其中，M为第一样本集内样本总数，第m个样本对X
m
为：X
m
＝[S
m
,Y
m
]，其中，Y
m
为P维电磁器件的物理参数，S
m
为在电磁物件的物理参数是Y
m
情况下得到的S曲线上，在采用频点f
i
处的采用值构成的N
f
维向量，m＝1、2、
……
、M；
[0008]S3、基于第一样本集S
true
，通过随机方式生成第二样本集S
*
，并将第一样本集和第二样本集合并成为混合样本集{S
true
,S
*
}，再将混合样本集中的元素两两随机组合，形成多组样本对{X
1,i
,X
2,i
}，i＝1、2、
……
、N，计算每组样本对{X
1,i
,X
2,i
}中的两个元素的相似度，根据相似度按照升序对多组样本对进行排序，排序在前第一预设数量组的样本对为相似样本对，其余样本对为非相似样本对；
[0009]S4、建立孪生神经网络，使用相似样本对和非相似样本对训练孪生神经网络；
[0010]S5、基于第一样本集S
true
，通过随机方式生成第三样本集，从第三样本集的元素中依次选择一个目标元素，利用训练好的孪生神经网络判断目标元素与第一样本集中的元素是否相似，若相似则将目标元素加入相似集合，若不相似则删除，重复步骤S5直至相似集合中的样本个数达到第二预设数量；
[0011]S6、设定多个不同的K值，基于每个K值，通过KNN算法计算相似集合中每个元素的输出电磁物理参数值，将相似集合中每个元素与其对应的电磁物理参数值组合为添加样本
对，得到每个K值对应的添加样本集合；
[0012]S7、对于每个K值对应的添加样本集合，使用第一样本集S
true
和添加样本集合训练GP模型，计算训练好的GP模型的测试误差，对比输入不同K值时计算的GP模型的测试误差，得到测试误差最小的GP模型。
[0013]进一步地，使用第一样本集S
true
和添加样本集合训练GP模型，计算训练好的GP模型的测试误差的步骤包括：
[0014]S71、从添加样本集合中选取一个添加样本对构造训练集合；
[0015]S72、使用第一样本集合S
true
和训练集合训练GP模型，计算训练好的GP模型的测试误差；
[0016]S73、逐渐增加从添加样本集合中选取添加样本对的数量构造训练集合，重复步骤S72，直到训练集合与添加样本集合相同，得到不同训练集合对应的GP模型的测试误差；
[0017]S74、对比不同训练集合训练的GP模型的测试误差，选出测试误差最小的GP模型作为K值对应的GP模型。
[0018]进一步地，计算每组样本对{X
1,i
,X
2,i
}中的两个元素的相似度的步骤包括：
[0019]计算样本对{X
1,i
,X
2,i
}中的两个元素的欧氏距离，其中欧氏距离的计算公式为：
[0020]进一步地，计算训练好的GP模型的测试误差的步骤包括：
[0021]采用公式计算GP模型的测试误差，其中，E为GP模型的测试误差，为第m个样本中的N
f
维S曲线采样值向量S
m
输入训练好的GP模型时GP模型的输出。
[0022]进一步地，S曲线为回波损耗S
11
曲线。
[0023]进一步地，孪生神经网络采用卷积神经网络，卷积神经网络包括第一卷积层、第一池化层、第二卷积层和全连接层，第一卷积层中，卷积核大小为6*6，数量为60，第一池化层中，池化窗口大小为2，第二卷积层中，卷积核大小为4*4，数量为80，全连接层中节点个数为100。
[0024]进一步地，获取电磁器件不同物理参数下各采样频点处的S曲线幅值的步骤包括：
[0025]采用仿真软件HFSS获取电磁器件不同物理参数下各采样频点处的S曲线幅值。
[0026]本专利技术还公开了一种电磁特征提取模型的建立系统，包括：
[0027]第一计算模块，用于根据待设计的电磁器件的工作频段范围和采样步长计算采样频点f
i
，i＝1、2、
……
、N
f
，N
f
为采样点个数；
[0028]第一构建模块，用于获取电磁器件不同物理参数下各采样频点处的S曲线幅值，构建第一样本集S
true
＝{X1,X2,
…
,X
M
}，其中，M为第一样本集内样本总数，第m个样本对X
m
为：X
m
＝[S
m
,Y
m
]，其中，Y
m
为P维电磁器件的物理参数，S
m
为在电磁物件的物理参数是Y
m
情况下得到的S曲线上，在采用频点f
i
处的采用值构成的N本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种电磁特征提取模型的建立方法，其特征在于，包括以下步骤：S1、根据待设计的电磁器件的工作频段范围和采样步长计算采样频点f
i
，i＝1、2、
……
、N
f
，N
f
为采样点个数；S2、获取所述电磁器件不同物理参数下各采样频点处的S曲线幅值，构建第一样本集S
true
＝{X1,X2,
…
,X
M
}，其中，M为第一样本集内样本总数，第m个样本对X
m
为：X
m
＝[S
m
,Y
m
]，其中，Y
m
为P维电磁器件的物理参数，S
m
为在所述电磁物件的物理参数是Y
m
情况下得到的S曲线上，在采用频点f
i
处的采用值构成的N
f
维向量，m＝1、2、
……
、M；S3、基于第一样本集S
true
，通过随机方式生成第二样本集S
*
，并将第一样本集和第二样本集合并成为混合样本集{S
true
,S
*
}，再将混合样本集中的元素两两随机组合，形成多组样本对{X
1,i
,X
2,i
}，i＝1、2、
……
、N，计算每组样本对{X
1,i
,X
2,i
}中的两个元素的相似度，根据相似度按照升序对多组样本对进行排序，排序在前第一预设数量组的样本对为相似样本对，其余样本对为非相似样本对；S4、建立孪生神经网络，使用相似样本对和非相似样本对训练孪生神经网络；S5、基于第一样本集S
true
，通过随机方式生成第三样本集，从第三样本集的元素中依次选择一个目标元素，利用训练好的孪生神经网络判断目标元素与第一样本集中的元素是否相似，若相似则将目标元素加入相似集合，若不相似则删除，重复步骤S5直至相似集合中的样本个数达到第二预设数量；S6、设定多个不同的K值，基于每个K值，通过KNN算法计算相似集合中每个元素的输出电磁物理参数值，将相似集合中每个元素与其对应的电磁物理参数值组合为添加样本对，得到每个K值对应的添加样本集合；S7、对于每个K值对应的添加样本集合，使用第一样本集S
true
和添加样本集合训练GP模型，计算训练好的GP模型的测试误差，对比输入不同K值时计算的GP模型的测试误差，得到测试误差最小的GP模型。2.根据权利要求1所述的电磁特征提取模型的建立方法，其特征在于，所述使用第一样本集S
true
和添加样本集合训练GP模型，计算训练好的GP模型的测试误差的步骤包括：S71、从添加样本集合中选取一个添加样本对构造训练集合；S72、使用第一样本集合S
true
和训练集合训练GP模型，计算训练好的GP模型的测试误差；S73、逐渐增加从添加样本集合中选取添加样本对的数量构造训练集合，重复步骤S72，直到训练集合与添加样本集合相同，得到不同训练集合对应的GP模型的测试误差；S74、对比不同训练集合训练的GP模型的测试误差，选出测试误差最小的GP模型作为K值对应的GP模型。3.根据权利要求1所述的电磁特征提取模型的建立方法，其特征在于，所述计算每组样本对{X
1,i
,X
2,i
}中的两个元素的相似度的步骤包括：计算样本对{X
1,i
,X
2,i
}中的两个元素的欧氏距离，其中欧氏距离的计算公式为：4.根据权利要求1所述的电磁特征提取模型的建立方法，其特征在于，所述计算训练好的GP模型的测试误差的步骤包括：
采用公式计算GP模型的测试误差，其中，E为GP模型的测试误差，为第m个样本中的N
f

【专利技术属性】
技术研发人员：田雨波，韩束丹，
申请(专利权)人：广州航海学院，
类型：发明
国别省市：