[发明专利]采用遗传-模拟退火组合对天线宽带匹配网络中电子元件参数的优化方法

说明书

技术领域

本发明涉及电磁领域的一种天线宽带匹配网络的参数优化方法，更特别地说，是指一种采用遗传-模拟退火组合对天线宽带匹配网络中电子元件参数的优化方法。

背景技术

在现代电子设备中，由于天线性能要求和安装条件等诸多方面的限制因素，单独的天线设计在很多情况下往往难以同时满足宽带化、小型化的设计要求。对于结构形式已定的天线，设计宽带匹配网络是进一步改善天线小型化和宽带化性能的一种有效技术手段。

目前宽带匹配网络的设计方法主要有解析法、数值法和智能优化法三种。解析法以单匹配网络设计理论为基础，但解析法在增益函数最优形式的确定、源和负载的解析表达等方面存在明显不足，很难满足实际工程设计的要求。数值法以实频数据法和参量技术法为代表。数值法相比解析法具有明显的优势，但是也存在着一些固有的缺点，比如难以获得全局最优解、对初值的选择很敏感、实频数据法中的两次优化计算可靠性差等。随着全局搜索技术的发展，遗传算法(国防工业出版社，1999年6月出版，《遗传算法的原理及应用》，作者周明、孙树栋)、模拟退火算法(科学出版社，2003年5月，《非数值并行算法-模拟退火算法》，作者康立山、谢云、尤矢勇、罗祖华)等一些智能算法的出现，为宽带匹配网络的设计提供了新的技术手段。与解析法和数值法相比，智能优化方法无须对负载进行解析表示，而是依据负载频带内的一些离散阻抗值，通过最优化技术寻求网络元件值的最优解，在工程应用方面更具灵活性和实用性。但智能优化方法在收敛速度、微调能力、计算效率、算法稳定性等方面也并非尽善尽美，智能优化方法的选择和应用对于具体的设计问题需要具体分析。

发明内容

本发明的目的是提出一种采用遗传-模拟退火组合对天线宽带匹配网络中电子元件参数的优化方法，该优化方法采用遗传-模拟退火组合方法设计出天线宽带匹配网络中各集总参数元件的参数值，以遗传算法得到遗传算法中的最优解，然后通过模拟退火算法进行二次寻优，克服了遗传算法微调能力差的缺点，同时将所述的遗传算法中的最优解作为模拟退火算法待优化变量的初值，避免了模拟退火算法对初值的依赖。此外，针对天线宽带匹配网络的优化问题，该组合方法采用了多目标并列选择法，用于兼顾天线驻波比和转换效率两个重要的技术指标的要求，引入交叉和变异算子的自适应调节，有利于提高遗传算法的计算速度和效率。引入最优解保留策略，避免了最优个体的流失。

本发明的一种采用遗传-模拟退火组合对天线宽带匹配网络中电子元件参数的优化方法，其包括有下列步骤：

步骤一：基于遗传算法的种群初始化，获得待优化变量X＝{XC_a，XL_b，XR_d，XT_e}；

在步骤一中，将宽带匹配网络等效电路中电容、电感和电阻采用基于遗传算法的的种群处理，得到待优化变量X＝{XC_a，XL_b，XR_d，XT_e}；

所述待优化变量X＝{XC_a，XL_b，XR_d，XT_e}中XC_a表示电容种群，a表示等效电路中电容的标识，如第一电容C1的第一电容种群记为XC_C1；同理可得，第二电容种群记为XC_C2，第三电容种群记为XC_C3，第四电容种群记为XC_C4，第五电容种群记为XC_C5；等效电路中所有电容种群采用集合形式表示为XC_a＝{XC_C1，XC_C2，XC_C3，XC_C4，XC_C5}；

XL_b表示电感种群，b表示等效电路中电感的标识，如第一电感L1的第一电感种群记为XL_L1；同理可得，第二电感种群记为XL_L2，第三电感种群记为XL_L3，第四电感种群记为XL_L4，第五电感种群记为XL_L5；等效电路中所有电感种群采用集合形式表示为XL_b＝{XL_L1，XL_L2，XL_L3，XL_L4，XL_L5}；