[发明专利]基于添加特征策略的机器学习辅助天线设计方法有效
| 申请号： | 201910368034.9 | 申请日： | 2019-05-05 |
| 公开（公告）号： | CN110162847B | 公开（公告）日： | 2023-08-25 |
| 发明（设计）人： | 无奇;王海明;尹杰茜;余晨;洪伟 | 申请（专利权）人： | 东南大学 |
| 主分类号： | G06F30/27 | 分类号： | G06F30/27;G06F30/18 |
| 代理公司： | 南京苏高专利商标事务所(普通合伙) 32204 | 代理人： | 柏尚春 |
| 地址： | 211102 江*** | 国省代码： | 江苏;32 |
| 权利要求书： | 查看更多 | 说明书： | 查看更多 |
| 摘要： | 本发明公开了一种基于添加特征策略的机器学习辅助天线设计方法，包括(1)构建训练数据集；(2)在上一步得到的训练数据集中添加频率为特征值，得到带有频率特征的训练数据集；(3)采用机器学习算法对带有频率特征的训练数据集进行训练，得到代理模型；(4)利用进化算法对代理模型进行优化，获得最优的目标预测值对应的天线参数组合；(5)对最优目标预测值对应的天线参数组合进行全波仿真计算，根据仿真结果判断是否达到循环终止条件，如果需要继续循环则更新训练数据集后，重复步骤(2)至(5)的计算过程直至循环终止。本发明所采用的频率特征添加策略，提升了机器学习得出的代理模型的预测精度并提高了算法的收敛速度。 | ||
| 搜索关键词： | 基于 添加 特征 策略 机器 学习 辅助 天线 设计 方法 | ||
【主权项】：
1.一种基于添加特征策略的机器学习辅助天线设计方法，其特征在于，包括以下步骤：(1)提取影响天线辐射特性的结构特征参数，构建训练数据集；(2)在上一步得到的训练数据集中添加频率为特征值，得到带有频率特征的训练数据集；(3)采用机器学习算法对带有频率特征的训练数据集进行训练，得到代理模型；(4)选择优化目标，利用进化算法对代理模型进行优化，获得最优的目标预测值对应的天线参数组合；(5)对最优目标预测值对应的天线参数组合进行全波仿真计算，根据仿真结果判断是否达到循环终止条件，如果需要继续循环则更新训练数据集后，重复步骤(2)至(5)的计算过程直至循环终止。
下载完整专利技术内容需要扣除积分，VIP会员可以免费下载。
该专利技术资料仅供研究查看技术是否侵权等信息，商用须获得专利权人授权。该专利全部权利属于东南大学，未经东南大学许可，擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作，请联系【客服】
本文链接：http://www.vipzhuanli.com/patent/201910368034.9/，转载请声明来源钻瓜专利网。
