基于特征频率的天线替代模型优化方法_李坤来.pdf

第4 1卷 第3期 陕西科技大学学报 V o l.4 1N o.3 2 0 2 3年6月 J o u r n a l o fS h a a n x iU n i v e r s i t yo fS c i e n c e&T e c h n o l o g y J u n.2 0 2 3*文章编号:2 0 9 6-3 9 8 X(2 0 2 3)0 3-0 1 8 0-0 5基于特征频率的天线替代模型优化方法李坤来1,2,李廷鹏1,陈志峰3,杨娜娜3,林文婷3,王 健1,4,5,闫淑霞3*(1.电子信息系统复杂电磁环境效应国家重点实验室,河南 洛阳 4 7 1 0 0 3;2.内蒙古大学 电子信息工程学院,内蒙古 呼和浩特 0 1 0 0 2 1;3.天津工业大学 电子与信息工程学院,天津 3 0 0 3 8 7;4.天津大学 微电子学院,天津 3 0 0 0 7 2;5.天津大学 青岛海洋技术研究院,山东 青岛 2 6 6 2 0 0)摘 要:目前天线优化设计主要采用数值仿真方法来实现,设计过程主要依靠全波仿真,但其不仅仿真时间长而且耗费大量计算机资源.为提高天线设计效率,提出一种基于特征频率的天线替代模型优化方法,利用神经网络建立的替代模型代替耗时长的全波仿真模型进行优化,引入了特征频率技术作为替代模型优化辅助条件,可将特征频率移位至目标频率范围内,从而为优化的过程提供了更为直接的方向,加快了基于替代模型中的优化速度.此外,本文引入了信任区间更新算法,提高建模范围的有效性,减少优化次数.双频天线设计实例证明:所提出的替代模型优化方法仅用较少的迭代次数就可获得最优设计参数,缩短了天线设计周期.关键词:替代模型;神经网络;天线优化中图分类号:T N 8 2 0 文献标志码:AO p t i m i z a t i o no fa n t e n n as u r r o g a t em o d e l b a s e do nf e a t u r e f r e q u e n c yL IK u n-l a i1,2,L IT i n g-p e n g1,CHE NZ h i-f e n g3,YANGN a-n a3,L I N W e n-t i n g3,WANGJ i a n1,4,5,YANS h u-x i a3*(1.S t a t eK e yL a b o r a t o r yo fC o m p l e xE l e c t r o m a g n e t i cE n v i r o n m e n t a lE f f e c t so nE l e c t r o n i c sa n dI n f o r m a t i o nS y s t e m,L u o y a n g4 7 1 0 0 3,C h i n a;2.S c h o o l o fE l e c t r o n i c I n f o r m a t i o nE n g i n e e r i n g,I n n e rM o n g o l i aU n i v e r s i t y,H o h h o t 0 1 0 0 2 1,C h i n a;3.S c h o o lo fE l e c t r o n i c sa n dI n f o r m a t i o nE n g i n e e r i n g,T i a n g o n gU n i v e r s i t y,T i a n j i n3 0 0 3 8 7,C h i n a;4.S c h o o l o fM i c r o e l e c t r o n i c s,T i a n j i nU n i v e r s i t y,T i a n j i n3 0 0 0 7 2,C h i n a;5.Q i n g d a o I n s t i t u t ef o rO c e a nT e c h n o l o g y,T i a n j i nU n i v e r s i t y,Q i n g d a o2 6 6 2 0 0,C h i n a)A b s t r a c t:A n t e n n ao p t i m i z a t i o nd e s i g ni sm a i n l yr e a l i z e db yn u m e r i c a l s i m u l a t i o na l g o r i t h m.T h ed e s i g np r o c e s so f a n t e n n am a i n l y r e l i e so n f u l l-w a v e s i m u l a t i o n,w h i c hc o s t s l o n gs i m u l a-t i o nt i m ea n dh u g ec o m p u t e r r e s o u r c e s.I no r d e r t o i m p r o v e t h ed e s i g ne f f i c i e n c yo f a n t e n n a,t h i sp a p e rp r o p o s e da no p t i m i z a t i o nm e t h o do f a n t e n n as u r r o g a t em o d e l b a s e do n f e a t u r e f r e-q u e n c y,w h i c hu t i l i z e s t h e s u r r o g a t em o d e l e s t a b l i s h e db yn e u r a l n e t w o r kt or e p l a c e t h e t i m e-c o n s u m i n gf u l l-w a v es i m u l a t i o nm o d e l f o ro p t i m i z a t i o n.A sa na u x i l i a r yc o n d i t i o nf o r t h eo p-t i m i z a t i o no f t h es u r r o g a t em o d e l,t h ef e a t u r ef r e q u e n c yt e c h n o l o g yi s i n t r o d u c e d,w h i c hc a n*收稿日期:2 0 2 3-0 1-0 8基金 项 目:天 津 市 自 然 科 学 基 金 项 目(1 9 J C QN J C 0 3 3 0 0);电 子 信 息 系 统 复 杂 电 磁 环 境 效 应 国 家 重 点 实 验 室 开 放 基 金 项 目(C EME E 2 0 2 2 G 0 2 0 1)作者简介:李坤来(2 0 0 0),男,天津人,在读硕士研究生,研究方向:基于神经网络的器件建模、计算电磁学通讯作者:闫淑霞(1 9 8 7),女,天津人,副教授,博士,研究方向:基于神经网络的器件建模,t j u y s x 1 6 3.c o mDOI:10.19481/ki.issn2096-398x.2023.03.013第3期李坤来等:基于特征频率的天线替代模型优化方法s h i f t t h e c h a r a c t e r i s t i c f e a t u r e f r e q u e n c y t o t h e t a r g e t r a n g e,s oa s t op r o v i d e ad i r e c t d i r e c t i o nf o r t h eo p t i m i z a t i o np r o c e s sa n da c c e l e r a t e t h eo p t i m i z a t i o ns p e e d.I na d d i t i o n,at r u s t r e g i o nu p d a t i n ga l g o r i t h mi s i n t r o d u c e dt o i m p r o v e t h ev a l i d i t yo fm o d e lm o d e l i n gr a n g ea n dr e d u c et h e i t e r a t i o nt i m e so f s u r r o g a t em o d e l.T h ee x p e r i m e n t o f d u a l-f r e q u e n c ya n t e n n ap r o v e s t h a tt h ep r o p o s e do p t i m i z a t i o nm e t h o dc a no b t a i nt h eo p t i m a l d e s i g np a r a m e t e r sw i t hf e w e r i t e r a-t i o n sa n ds h o r t e nd e s i g nc y c l eo f t h ea n t e n n a.K e yw o r d s:s u r r o g a t em o d e l;n e u r a ln e t w o r k s;a n t e n n ao p t i m i z a t i o n0 引言随着5G通信的大规模部署和6G通信的规划发展,基站对高性能天线的需求将迎来爆发式增长1.为满足未来无线通信的发展趋势,天线设计面临着多方面挑战,缩短天线设计周期已是刻不容缓.目前天线设计主要依靠全波仿真.该仿真经大量数值计算可以提供高保真结果,但其仿真时间特别长,尤其在设计周期内几何/多物理参数被反复调整,需要巨大的计算机资源和很长的优化时间,大大降低了天线设计效率.因此研究高效天线设计方法成为亟待解决的问题.人工 神 经 网 络(A r t i f i c i a lN e u r a lN e t w o r k,ANN)也称神经网络,是一种数学模型.神经网络可以学习任意的非线性关系,训练好的神经网络可以为微波器件的电磁性能提供准确快速的预测,并且可以在后续电路和系统设计中应用2-4.早在1 9 9 5年 国 外 已 提 出 神 经 网 络 建 模 的 概 念 和 方法5,国内神经网络建模技术也已应用在微波或射频电路等领域6-8.人工神经网络技术已经成为微波器件建模和优化的有效方法,因此为提高天线设计效率提供了有效途径.本文利用神经网络学习得到计算复杂度低的替代模型,取代传统优化方法中对全波仿真模型的直接调用.同时引入辅助特征频率和信任区间算法9-1 1,加快替代模型更新速度,从而达到缩短天线设计周期目的.本文对双频天线实例建模和优化,实验结果证明本文提出的方法有效可行.1 天线替代模型的建立与训练本文采用多层感知神经网络1 2(M u l t i-L a y e rP e r c e p t i o n,ML P)建立天线替代模型.ML P是由输入层、输出层以及一个或多个隐含层组合而成.该神经网络结构主要包括三个基本因子:权重、偏置及激活函数1 3,其中权重表征着各个神经元之间的相互连接强度;偏置是隐含层神经元和输出神经元的因子,能够确保样本值不被随意地激活,是模型参数中不可或缺的组成部分;激活函数的功能和作用主要是对输入值进行非线性映射,限制输出神经元的输出幅值.本文天线替代模型采用三层ML P神经网络结构,其结构图如图1所示.其中,x=x1,x2,x3,xnT为神经网络模型的输入,表示天线设计几何参数,y=y1,y