System.ArgumentOutOfRangeException: 索引和长度必须引用该字符串内的位置。 参数名: length 在 System.String.Substring(Int32 startIndex, Int32 length) 在 zhuanliShow.Bind() 基于生成对抗网络的生成式天线优化设计方法技术_技高网
当前位置: 首页 > 专利查询>中南大学专利>正文

基于生成对抗网络的生成式天线优化设计方法技术

技术编号:42707289 阅读:1 留言:0更新日期:2024-09-13 12:00
本公开实施例中提供了一种基于生成对抗网络的生成式天线优化设计方法,属于天线设计技术领域,具体包括:结合结构参数和性能参数形成初始数据集;将初始数据集以预设天线性能指标中位数为分界点,分为性能优劣的两类样本,将优类样本经过归一化处理后作为训练集;构建生成对抗网络并利用训练集训练;结合新的结构参数和新的性能参数形成第二数据集,将上次的优类样本与当前次的优类样本合并,并再次划分,得到新的训练集以训练新的生成对抗网络;利用新的生成对抗网络生成多个新的天线模型并仿真,直至满足要求;将随机噪声输入训练好的生成对抗网络,得到天线结构参数的归一化值。通过本公开的方案,提高了优化效率和精准度。

【技术实现步骤摘要】

本公开实施例涉及天线设计,尤其涉及一种基于生成对抗网络的生成式天线优化设计方法


技术介绍

1、目前,由于复杂的通信环境和人们对天线性能越来越高的要求,天线通常具有复杂的拓扑和结构,同时具有大量的尺寸设计参数,导致现实世界中的电磁问题无法解析计算。传统的方法是利用仿真软件微调天线结构的几何或材料参数以提高性能。而对于具有许多几何参数的复杂天线,这个过程将变得十分耗时。

2、在天线优化设计中,可以通过机器学习和神经网络方法来减少所需的时间成本。但是一个能够准确学习天线结构和性能参数之间映射关系的网络往往需要大量的数据集支撑其进行训练,而由仿真软件得到大量数据集同样会花费较多的时间。并且,目前通用的优化方法,往往在得到符合要求的天线结构就停止优化,不能一次性获得多个符合要求的天线模型,这限制了天线的设计效率。

3、可见,亟需一种高效精准的基于生成对抗网络的生成式天线优化设计方法。


技术实现思路

1、有鉴于此,本公开实施例提供一种基于生成对抗网络的生成式天线优化设计方法,至少部分解决现有技术中存在优化效率和精准度较差的问题。

2、本公开实施例提供了一种基于生成对抗网络的生成式天线优化设计方法,包括:

3、步骤1,建立初始天线模型并对其结构参数进行均匀采样,并使用仿真软件获取结构参数对应的性能参数,结合结构参数和性能参数形成初始数据集;

4、步骤2,将初始数据集以预设天线性能指标中位数为分界点,分为性能优劣的两类样本,将优类样本经过归一化处理后作为训练集;

5、步骤3,构建生成对抗网络并利用训练集训练;

6、步骤4,利用训练好的生成对抗网络生成新的结构参数,并使用仿真软件获取新的性能参数,结合新的结构参数和新的性能参数形成第二数据集,并以预设天线性能指标中位数为分界点将第二数据集划分为性能优劣的两类样本,将上次的优类样本与当前次的优类样本合并,并再次按照预设天线性能指标中位数进行划分,得到新的训练集以训练新的生成对抗网络;

7、步骤5,利用新的生成对抗网络生成多个新的天线模型并仿真,判断是否有符合要求的天线模型,若有,则输出该天线模型对应的结构参数和性能参数,若无,则重复步骤4,直至满足要求,得到训练好的生成对抗网络;

8、步骤6,将随机噪声输入训练好的生成对抗网络,得到天线结构参数的归一化值。

9、根据本公开实施例的一种具体实现方式,所述性能参数包括天线的回波损耗、反射系数、增益、天线方向图和辐射效率中的至少一个。

10、根据本公开实施例的一种具体实现方式,所述步骤2具体包括:

11、将初始数据集中的性能参数进行变换,根据变换结果计算每个结构参数对应的天线性能指标,以其中位数将初始数据集分为性能优劣的两类样本,并将优类样本中的结构参数经过归一化处理后作为训练集。

12、根据本公开实施例的一种具体实现方式,所述归一化的表达式为

13、

14、其中,x表示待归一化的天线结构参数,xmin表示天线结构参数设计范围内的最小值,xmax表示天线结构参数设计范围内的最大值。

15、本公开实施例中的基于生成对抗网络的生成式天线优化设计方案,包括:步骤1,建立初始天线模型并对其结构参数进行均匀采样,并使用仿真软件获取结构参数对应的性能参数,结合结构参数和性能参数形成初始数据集;步骤2,将初始数据集以预设天线性能指标中位数为分界点,分为性能优劣的两类样本,将优类样本经过归一化处理后作为训练集;步骤3,构建生成对抗网络并利用训练集训练;步骤4,利用训练好的生成对抗网络生成新的结构参数,并使用仿真软件获取新的性能参数,结合新的结构参数和新的性能参数形成第二数据集,并以预设天线性能指标中位数为分界点将第二数据集划分为性能优劣的两类样本,将上次的优类样本与当前次的优类样本合并,并再次按照预设天线性能指标中位数进行划分,得到新的训练集以训练新的生成对抗网络;步骤5,利用新的生成对抗网络生成多个新的天线模型并仿真,判断是否有符合要求的天线模型,若有,则输出该天线模型对应的结构参数和性能参数,若无,则重复步骤4,直至满足要求,得到训练好的生成对抗网络;步骤6,将随机噪声输入训练好的生成对抗网络,得到天线结构参数的归一化值。

16、本公开实施例的有益效果为:通过本公开的方案,能够使用少量天线样本对天线进行优化,能够解决神经网络优化天线问题中数据集获取时间过长的问题,使用网络,能够有效避免模式崩溃问题。在多次迭代后能够使用生成器一次性生成多个符合要求的天线,提高了优化效率和精准度。

本文档来自技高网...

【技术保护点】

1.一种基于生成对抗网络的生成式天线优化设计方法,其特征在于,包括:

2.根据权利要求1所述的方法,其特征在于,所述性能参数包括天线的回波损耗、反射系数、增益、天线方向图和辐射效率中的至少一个。

3.根据权利要求1所述的方法,其特征在于,所述步骤2具体包括:

4.根据权利要求2所述的方法,其特征在于,所述归一化的表达式为

【技术特征摘要】

1.一种基于生成对抗网络的生成式天线优化设计方法,其特征在于,包括:

2.根据权利要求1所述的方法,其特征在于,所述性能参数包括天线的回波损耗、反射系数、增益、天线方向...

【专利技术属性】
技术研发人员:王蒙董健余诗睿
申请(专利权)人:中南大学
类型:发明
国别省市:

网友询问留言 已有0条评论
  • 还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。

1