面向无线应用的深度神经网络辅助微带天线分析与综合建模

《AEU - International Journal of Electronics and Communications》:Analysis and synthesis modeling of microstrip antennas with deep neural network assisted algorithms for wireless applications

【字体: 大 中 小 】 时间:2026年09月26日 来源:AEU - International Journal of Electronics and Communications 3.1

编辑推荐:

   摘要基于深度学习的算法被用于预测印刷天线的电气和几何特性。本文提出了三种类型的天线:第一种包含五个电气参数,包括两个截止频率和三个陷波频率;第二种包含六个电气参数,包括两个截止频率和四个陷波频率;第三种包含四个端口,包括两个截止频率和两个陷波频率。这些天线的最大陷波频率在单端

  

摘要

基于深度学习的算法被用于预测印刷天线的电气和几何特性。本文提出了三种类型的天线:第一种包含五个电气参数,包括两个截止频率和三个陷波频率;第二种包含六个电气参数,包括两个截止频率和四个陷波频率;第三种包含四个端口,包括两个截止频率和两个陷波频率。这些天线的最大陷波频率在单端口、双端口和四端口结构中分别为4.20 GHz、6.01 GHz和8.20 GHz,使其适用于无线卫星频段。随后,开发了深度神经网络算法,利用几何输入预测电气参数,反之亦然。使用天线仿真器为所提出的天线生成数据集。采用均方误差和相关系数等性能误差指标来验证所提出的深度学习算法的准确性。在本研究中,卷积神经网络(CNN)在多项比较中表现出优于人工神经网络(ANN)的性能,而ANN在某些特定参数上取得了更好的效果。此外,所提出的算法能够准确预测微带天线的增益、同极化、交叉极化、总有源反射系数、辐射方向图、包络相关系数和分集增益。

章节摘要

I. 引言

微带天线因其紧凑的尺寸、低重量和易于制造的特点,已成为近期卫星通信系统中的不可或缺的组成部分。然而,其设计和优化面临着重大挑战,尤其是在追求多种运行场景下的高性能时。为了应对这些挑战,深度神经网络辅助算法正逐渐成为可移动天线建模和优化中的有力工具[1]。通过利用先进的机器

应用实例

本节介绍了单端口、双端口和四端口微带天线的前向(分析)和反向(综合)建模。主要目标是通过生成相关的天线设计模式来建立一个综合数据集,随后用于开发和评估基于深度学习的ANN和CNN回归模型,以实现精确的天线参数预测和综合。

建模过程

电磁仿真是耗时的,对于复杂几何结构的建模可能不切实际,特别是在需要即时结果或几何结构可能发生变化时。深度神经网络(DNNs)作为代理建模的计算算法,以规避这些挑战并加快流程。利用DNNs减少了大量数学计算、长时间分析和综合的需要,从而实现快速可靠的响应预测,

结果与讨论

使用四个统计指标检验DNN算法的性能:平均绝对误差(YMAE)、均方根误差(YRMSE)、均方误差(YMSE)和相关系数(YR),分别使用公式(5)、(6)、(7)、(8)计算,YMAE=1N∑i=1NYtxi?YpxiYMSE=1N∑i=1NYtxi?Ypxi2YRMSE=1N∑i=1NYtxi?Ypxi2YR=∑i=1NYtxi?YˉtYpxi?Yˉp)∑i=1NYtxi?Yˉt2∑i=1NYpxi?Yˉp2其中,Yt(xi)表示实际目标输出,Yp(xi)表示DNN模型的预测输出,Yt(x)表示均值。

U型槽天线验证

原型的顶部和底部视图是使用厚度为1.6毫米的FR4基板片制造的,如图14(a)和(b)所示。图15比较了模拟和测量的|S11|,显示输出参数值之间的紧密对应。图16和图17分别比较了水平面(H面)和垂直面(E面)中的辐射方向图。如图16所示,在2.41 GHz和4.49 GHz的工作频率下,

结论

本文引入了一种利用机器学习方法的框架来简化劳动密集型的仿真过程。具体而言,我们实现了两种深度学习算法——ANN和CNN,用于快速准确地预测单端口、双端口和四端口天线的物理和电气参数。表12显示[Hh10]能有效预测DG(1,2),其中ANN在训练和测试中的相关系数分别为0.996和0.985,而CNN

CRediT作者贡献声明

Anjani Kumar:构思。Taimoor Khan:监督指导。

利益冲突声明

作者声明他们没有已知的竞争性经济利益或个人关系,这些利益或关系可能影响本论文中报告的工作。

致谢

本研究得到了印度政府Anusandhan国家研究基金会(ANRF)在VAJRA计划下的支持,拨款编号VJR/2019/000009。
Anjani Kumar|Taimoor Khan
相关新闻
生物通微信公众号
微信
新浪微博
  • 搜索
  • 国际
  • 国内
  • 人物
  • 产业
  • 热点
  • 科普

热点排行

    今日动态 | 人才市场 | 新技术专栏 | 中国科学人 | 云展台 | BioHot | 云讲堂直播 | 会展中心 | 特价专栏 | 技术快讯 | 免费试用

    版权所有 生物通

    Copyright© eBiotrade.com, All Rights Reserved

    联系信箱:

    粤ICP备09063491号