[发明专利]一种基于FOA-GRNN的双陷波特性超宽带天线建模设计方法

权利要求书

1.一种基于FOA-GRNN的双陷波特性超宽带天线建模设计方法，其特征在于，包括下述步骤：

步骤1：选择样本对象；选择一种具有双陷波特性的超宽带天线，利用其回波损耗|S11|和频率f的关系数据作为模型的输入样本；

所述模型为利用电磁仿真软件对具有双陷波特性的超宽带天线进行射频特性的仿真建模；

步骤2：基本参数设置；设置果蝇种群规模sizepop、最大迭代步数maxgen、果蝇初始位置坐标值(X_axis，Y_axis)；

步骤3：提取训练集数据；将输入样本数据分成两组数据，分别为训练集数据和测试集数据，进行交叉训练广义回归神经网络，并以预测样本的均方根误差函数作为适应度函数；

所述将输入样本数据分成两组数据，将两组数据交替作为训练集数据和测试集数据，交叉训练广义回归神经网络，即GRNN网络结构，以避免算法训练过度；

所述将预测样本的均方根误差RMSE作为适应度函数，有：

其中M为测试样本数量，为广义回归神经网络预测输出值，y_l为实际目标输出值，l＝1，2，…，M；

步骤4：用果蝇算法优化训练广义回归神经网络的光滑因子；

步骤5：最后将上述步骤得到的FOA-GRNN网络模型用于具有双陷波特性的超宽带天线的仿真设计当中，运用未参加模型训练的数据对FOA-GRNN网络模型进行测试，得到的输出结果便是天线对应的回波损耗特性数据。

2.根据权利要求1所述的一种基于FOA-GRNN的双陷波特性超宽带天线建模设计方法，其特征在于：所述步骤4具体包括：

步骤4.1：随机设置初始果蝇飞行方向与距离；

步骤4.2：计算果蝇与原点之间的距离其中(X(i)，Y(i))为果蝇的位置坐标值，其中i表示果蝇种群数量，i＝1,2,…sizepop，并计算味道浓度判定值S(i)，即为距离之倒数S(i)＝1/D(i)；

步骤4.3：利用GRNN网络预测样本的均方根误差作为Fitness适应度函数，将步骤4.2中求得的味道浓度判定值S(i)代入，求果蝇味道浓度值；

步骤4.4：在步骤4.3所得的味道浓度值中，找出果蝇群体中味道浓度的极小值，即为最佳味道浓度值bestSmell，并保留此时的个体位置；

步骤4.5：果蝇迭代寻优开始，比较每代的味道浓度值；若当代味道浓度值小于上一代，则更新该味道浓度值为最优值；

步骤4.6：把是否满足最大迭代步数最为判断是否达到迭代终止的条件，若是，则终止迭代，记录最优果蝇，得出最佳光滑因子，进行FOA-GRNN网络建模；否则返回执行步骤4.1。