[发明专利]基于改进飞蛾扑火算法的微带天线设计方法

说明书

本发明公开基于改进飞蛾扑火算法的微带天线设计方法。本发明通过改进传统飞蛾扑火算法中的初始化方法，使得天线参数矢量在迭代初期有较好分布，提高后期天线参数优化的效率，解决了以往“经验式”调参的不足，并加入越界重置和变异策略等方法，使求得的天线性能优于传统设计方法，有效的解决了传统设计方法的不足，并且可根据不同的天线设计需求使用本发明的方法得到性能更优的天线。

技术领域

本发明属于天线技术领域，具体涉及一种基于改进飞蛾扑火算法的微带天线设计方法，可根据实际需求指标设计优化微带天线。

背景技术

在众多通信系统领域中，天线的发展相当迅速，其中微带天线具有小型化、重量轻、成本低和易于电路集成等优点，得到了广泛的应用，然而也存在损耗大的缺点，因此用常规的设计方法很难设计出相对满意的天线，并且微带天线设计是一个具有代表性的非线性问题，天线的各项结构参数决定了天线性能的优劣，传统的优化技术往往不能得到令人满意的解。

飞蛾扑火算法(Moth-FlameOptimiser，MFO)是近些年由澳大利亚学者Mirjalili提出的一种群体智能优化算法。它的设计来源于飞蛾围绕火焰飞行行为。夜间飞蛾通过保持自身与月亮的相对固定角度进行飞行，由于月亮相对距离远，飞蛾的飞行轨迹可近似为直线。但是实际中飞蛾很容易受到人为光源影响，这种光源距离近，当飞蛾将这种光源作为参照进行固定角度飞行时，就会产生螺旋式飞行轨迹。基于这种飞行特征，在现实中将待优化的问题作为飞蛾，进行目标设计。因此，可将智能优化算法应用于天线设计，为传统优化技术提供新的思路。

发明内容

本发明提供了一种改进MFO算法的天线设计方法，针对标准飞蛾扑火算法的缺陷，对其进行改进，提高飞蛾的寻优能力、收敛速度和精度，并将其应用到天线设计中，采用智能优化算法代替传统调参的方法优化天线性能，最终达到设计的指标，并可以根据实际需求设计不同的高性能天线。

本发明的具体实现步骤如下：

步骤一：建立天线模型，并获取天线的参数，根据天线模型的规模设置算法初始种群数N，每个种群均包括D个待优选的天线尺寸参数，即空间维度为D；并采用佳点集理论初始化天线尺寸模型，即利用均匀化思想设置飞蛾的初始位置，设置天线尺寸参数范围、最大迭代次数T和变异阈值K等相关参数；

用佳点集理论初始化天线尺寸参数矢量，表示为：

X_ij＝R_ij×(ub-lb)+lb (1)

其中ub表示待优选天线尺寸参数范围的上限，lb表示待优选天线尺寸参数范围的下限，X_ij表示第i个种群的第j个天线尺寸参数矢量，i＝1,…,N,j＝1,…,D；R_ij表示为：

p为满足的最小素数。

步骤二：判断当前是否达到最大迭代次数，若达到最大迭代次数转到步骤五；否则，继续迭代，且迭代次数加1；

步骤三：判断当前参数矢量X_ij是否超出该天线尺寸参数范围，若否则转到步骤四；若是则采用越界重置策略公式(3)将参数调整回解空间；

X_ij＝lb+C×(ub-lb) (3)

其中C∈[0,1]，是一个随机变量。