-
公开(公告)号：CN106486786A
公开(公告)日：2017-03-08
申请号：CN201610880562.9
申请日：2016-10-09
Applicant: 东南大学
IPC: H01Q21/00
CPC classification number: H01Q21/0087
Abstract: 本发明公开了一种非均匀阵元间距的低副瓣电平串馈微带天线，是将波束宽度、阵元尺寸和阵元间距作为约束条件输入，采用差分进化算法优化获得的天线阵元的间距和相对振幅。本发明的串馈微带天线相比等间距的串馈微带天线，具有更低的副瓣电平和更窄的波束宽度。而且，采用差分进化算法可以实现天线的副瓣电平和波束宽度之间的转换。
-
公开(公告)号：CN104091991B
公开(公告)日：2016-11-02
申请号：CN201410340506.7
申请日：2014-07-16
Applicant: 东南大学
IPC: H01P5/12
Abstract: 本发明公开了一种多路基片集成波导功分器，包含三层介质基板和分别位于最上层基板上表面，最下层基板下表面和基板与基板之间的四层金属。矩形金属化通孔阵列和基板与基板之间的两层中间金属构成矩形谐振腔。矩形谐振腔左侧为输入端口，右侧为输出端口。可以灵活设计为一分四的双同相和双反相功分器；以及一分二的同相或反相功分器。本发明具有宽带，低插入损耗，良好的输入电压驻波比，各路输出信号幅度一致性好，以及低幅度不平衡性等优点。本发明可以应用于微波毫米波天线馈电网络等，在通信，雷达等微波毫米波系统中有广泛的应用前景。
-
公开(公告)号：CN104091990A
公开(公告)日：2014-10-08
申请号：CN201410340391.1
申请日：2014-07-16
Applicant: 东南大学
IPC: H01P5/12
Abstract: 本发明公开了一种多路基片集成波导滤波功分器，包含三层介质基板和分别位于最上层基板上表面，最下层基板下表面和基板与基板之间的四层金属；四边缘的金属化通孔形成矩形金属化通孔阵列；所述矩形金属化通孔阵列与基板和基板之间的两层金属层组成矩形谐振腔；矩形谐振腔左侧为输入端口，右侧为输出端口；可以灵活设计为一分四滤波功分器；以及一分二的同相或反相滤波功分器。输入和输出端口之间嵌有基片集成波导感性窗滤波器。本发明具有宽带，低插入损耗，良好的输入电压驻波比，各路输出信号幅度一致性好，以及低幅度不平衡性等优点。可以应用于微波毫米波天线馈电网络等，在通信，雷达等微波毫米波系统中有广泛的应用前景。
-
公开(公告)号：CN118278165A
公开(公告)日：2024-07-02
申请号：CN202410206868.0
申请日：2024-02-26
Applicant: 东南大学 , 中兴通讯股份有限公司
Abstract: 本发明公开了一种联合像素化结构拓扑与结构参数的天线去耦优化方法。首先根据拓扑设置和参数设置生成对应二进制矩阵以及对应的向量，利用正交采样法和拉丁超立方采样法生成均匀散布探索空间的样本；然后通过全波仿真获得拓扑天线样本的目标响应数据构建训练集，训练天线像素化结构拓扑及结构参数与天线性能之间映射的代理模型，该代理模型采用两个分支构成的混合数据网络模型，一个分支输入拓扑数据，另一分支输入结构参数；引入零阶优化算法对该模型进行优化，再将优化后的结果进行全波仿真验证，如不满足设计指标，则将该组数据加入训练集重新训练代理模型并进行下一次优化。该方法能够在较短的时间内有效降低天线不同端口之间的耦合。
-
公开(公告)号：CN114692504B
公开(公告)日：2024-06-28
申请号：CN202210368138.1
申请日：2022-04-08
Applicant: 东南大学
IPC: G06F30/27 , G06N20/00 , G06F111/04
Abstract: 本发明公开了一种知数混动的毫米波片上可变螺旋电感自动综合方法，包括：首先设定目标片上可变螺旋电感指标以及工艺约，再结合拓展Wheeler公式以及拉丁超立方抽样获得初始样本；然后提出电感与品质因数频率响应的近似表达式，再利用深度高斯过程回归机器学习算法对拟合系数进行学习，得到结合先验知识的代理模型，两个模型都可以在目标频段内实现较好的预测精度且复杂度低；最后通过多路径全局优化算法进行全局优化得到目标电感模型。本发明在综合毫米波频段的片上可变螺旋电感时能够保证收敛速度同时具有鲁棒性。
-
Patent Agency Ranking
公开(公告)号：CN113051836B
公开(公告)日：2024-04-26
申请号：CN202110417710.4
申请日：2021-04-19
Applicant: 东南大学
IPC: G06F30/27 , G06F119/20
Abstract: 本发明公开了一种机器学习辅助的阵列环境下的天线快速建模方法，该方法通过引入机器学习方法，学习天线单元在阵列中的位置信息对单元的阵列中方向图和回波损耗等天线性能的影响，从而可以对任意阵列排布下的天线单元的性能进行快速预测。本发明中的方法将天线单元间互耦、阵列的电磁环境以及平台影响等考虑在内进行建模，可供天线阵列在实际电磁环境中的方向图进行快速优化设计。该方法可用于对不同类型的天线及天线阵列的波束赋形设计、低副瓣设计、多波束设计领域。
-
公开(公告)号：CN117252087A
公开(公告)日：2023-12-19
申请号：CN202311044830.X
申请日：2023-08-18
Applicant: 东南大学
IPC: G06F30/27 , G06F30/18 , G06F111/06
Abstract: 本发明提出了一种机器学习辅助的天线结构层参数化拓扑设计与优化方法，并基于此提出了一种贯序多物理场机器学习辅助的低风阻天线设计方法。本发明所提天线设计方法中，首先，通过参数化拓扑设计方法改变天线金属地的结构。其次，对金属地的拓扑结构进行优化设计，使其满足低风阻的设计指标；该优化过程中使用机器学习算法建立代理模型预测天线的风阻值大小。最后，优化满足风阻设计目标的天线的电磁性能，通过改变偶极子的拓扑结构与天线的结构参数来改善电磁性能；该电磁性能优化过程同样使用机器学习算法建立代理模型预测天线的带宽、隔离度和增益，加速优化设计过程。本发明能够减小设计空间，降低优化难度。
-
公开(公告)号：CN116861770A
公开(公告)日：2023-10-10
申请号：CN202310736966.0
申请日：2023-06-21
Applicant: 东南大学
IPC: G06F30/27 , G06F30/373
Abstract: 本发明公开了一种机器学习辅助的串馈阵列天线单元建模及综合方法。首先，在先验知识的指导下将微带串馈阵列天线分解为三种类型的元单元，并将每种元单元视为一端口或者二端口网络。其次，利用机器学习算法训练元单元的S参数和方向图，得到代理模型：在训练S参数时，将频率作为特征维度加入训练集；训练方向图时，为降低训练和预测的时间，对方向图的实部和虚部进行离散余弦变换，学习变换后的系数。然后给定串馈阵列天线的单元个数以及参数组合，利用代理模型预测元单元的S参数和方向图，最后再利用微波网络中S参数级联公式获得阵列的S参数近似值，利用方向图综合公式近似阵列的方向图。
-
公开(公告)号：CN116562143A
公开(公告)日：2023-08-08
申请号：CN202310528667.8
申请日：2023-05-11
Applicant: 东南大学
Abstract: 本发明公开了一种基于归一化高斯网络的天线拓扑及参数混合优化方法。该方法基于迭代式的机器学习辅助优化的算法架构，在算法的每次迭代中，引入归一化高斯网络对天线拓扑进行特征提取，并引入高斯过程机器学习方法建立所提取的特征与天线性能间的代理模型；在此基础上，引入进化类算法对代理模型进行优化，而后将优化结果还原为天线拓扑，并利用全波仿真工具仿真进行验证，并由此判断算法是否终止，若未终止，则将优化及验证结果加入数据集对高斯过程机器学习模型进行重新训练，进行下一次算法迭代。相较于传统的基于像素剖分的拓扑优化方法，该方法可以获得光滑的天线拓扑边缘结构；机器学习方法的引入也大大提升了算法效率。
-
公开(公告)号：CN110728034B
公开(公告)日：2022-11-08
申请号：CN201910903372.8
申请日：2019-09-24
Applicant: 东南大学
IPC: G06F30/20 , G06F111/06 , G06N20/00 , G06N3/02
Abstract: 本发明公开了一种利用多级协作式机器学习的天线快速多目标建模方法，该方法首先通过低精度仿真获得大量样本点处的天线第一设计目标的响应数据集，通过高精度仿真获得少量样本点处的天线第一设计目标、第二设计目标或其他设计目标的响应数据集；然后利用多种机器学习方法，学习不同精度模型间及不同设计目标间的联系，并预测获得精度较高的辅助数据集；最后利用得到的高精度辅助数据集学习并建立天线设计参数和各设计目标之间的代理模型，实现对多目标天线设计的快速建模。本发明可以实现对天线不同设计目标的精准预测，能够大大减少所需的精确训练集的个数，快速建立足够精确的代理模型，可用于天线优化、敏感性分析等领域。
-
-
-
-
-
-
-
-
-
Search Results
83
records
(took 0.04 seconds)
