[发明专利]基于神经网络的天线设计方法

权利要求书

1.一种基于神经网络的天线设计方法，包括如下步骤：

S1.根据天线设计需求，构建天线初始模型；

S2.初始化径向基函数神经网络和粒子群优化算法的参数；

S3.在天线设计空间中随机选取若干组天线设计参数值作为输入样本，输入到步骤S1得到的天线初始模型中，并得到各个输入样本所对应的天线模型响应；

S4.在步骤S3得到的输入样本中，选取若干组输入样本与各输入样本所对应的天线模型响应，计算RBF神经网络参数的适应度函数值及算法最优值；

S5.对步骤S4得到的适应度函数值进行判断，从而得到最优的RBF神经网络参数；具体为采用如下规则进行判断：

若步骤S4得到的RBF神经网络参数的适应度函数值满足事先设定的要求，则将该适应度函数值所对应的RBF神经网络参数作为最优的RBF神经网络参数，并继续后续的步骤；

若步骤S4得到的RBF神经网络参数的适应度函数值不满足事先设定的要求，则更新若干组实数编码的速度与位置，并重复步骤S4直至得到的RBF神经网络参数的适应度函数值满足事先设定的要求，或者重复的次数达到PSO算法设定的最大优化次数；具体为采用如下步骤对PSO算法的速度位置进行更新：

(1)初始化种群中每组编码的速度与位置并计算适应度函数值；对于d维粒子群，表示第i组编码的初始速度，表示第i组编码的初始位置；

(2)若得到适应度函数值不满足天线代理模型设计的终止条件或者迭代次数不超过最大迭代次数，则采用如下公式更新第i组编码的速度：

式中v_id(k+1)为第k+1次迭代中第i组编码的速度，w为惯性权重，c₁为第一学习因子，r₁为[0,1]之间的随机数，pbest_id(k)为第k次迭代中第i组编码的最优位置，x_id(k)为第k次迭代中第i组编码的位置，c₂为第二学习因子，r₂为[0,1]之间的随机数，μ为0～1之间的常数，gbest_d(k)为第k次迭代中种群的全局最优位置，k为迭代次数，lbest_d(k)为第k次迭代中的局部最优位置；

所述的第一学习因子c₁和第二学习因子c₂，具体为采用如下算式计算：

c₁＝(c_max-c_min)-(c_max-c_min)(k³/MaxIter³)

c₂＝(c_max-c_min)(k³/MaxIter³)

式中c_max为学习因子的最大值，c_min为学习因子的最小值，k为当前迭代次数，MaxIter为最大优化次数；

(3)采用如下公式更新第i组编码的位置：

x_id(k+1)＝x_id(k)+v_id(k+1)

式中x_id(k+1)为第k+1次迭代中第i组编码的位置，x_id(k)为第k次迭代中第i组编码的位置，v_id(k+1)为第k+1次迭代中第i组编码的速度；

S6.在步骤S3得到的输入样本中，选取除步骤S4选中的输入样本外的剩余的输入样本，对步骤S5得到的RBF神经网络模型进行测试和优化；

S7.利用步骤S6得到的优化后的RBF神经网络模型作为天线代理模型，对天线设计过程中的天线设计参数的响应进行模拟，从而完成天线的设计。