应用在手机终端的多频段平面天线研究

基于宽带紧凑耦合技术,提出一款小尺寸多频段工作的平面印刷手机天线。天线主要由驱动单元、耦合单元和分支单元3部分组成。耦合单元和分支单元分别在低频产生谐振,控制低频段工作带宽,而驱动单元主要控制高频段工作带宽。通过仿真优化天线参数,制作了上述天线的实验模型,并进行严格测试。测试结果与软件仿真基本吻合,达到设计要求。该天线能够工作在CDMA800／GSM1800／1900／UMTS以及LTE2300／2500等多种无线通信频段,具有一定通用性。     

背馈式长方形贴片天线的Minkowski分形结构仿真

利用HFSS V11高频电磁仿真软件对一款谐振频率为2.45GHz的长方形背馈式贴片天线的Minkowski分形结构进行仿真,仿真结果与正方形侧馈式贴片天线的Minkowski分形结构相似,谐振频率随分形迭代次数下降,进而能降低天线的尺寸,且方向图随迭代次数基本不变,符合使用要求。     

阶梯型宽带双频全向单极天线

文章介绍了一种新型宽带双频全向单极天线。在正方形单极天线贴片的基础上寄生一块矩形贴片的方法达到双频工作的效果,且在每个谐振点都具有宽带特性;同时,为了克服单极天线在高频段却很难达到全向或者接近全向辐射模式的缺点,采用一种简单的阶梯型结构,在高频段提供良好的全向辐射特性。     

双极化圆柱介质谐振器天线设计与实验研究

全极化数字相控阵天线具有波束扫描灵活、抗干扰能力强的优点,已成为以飞行器为载体的雷达天线领域的发展趋势之一。考虑到安装平台的限制,天线单元是相控阵天线的关键部件,研制适合工程应用的双极化天线单元具有重要意义。提出以双极化介质谐振器天线为全极化数字相控阵天线单元的设计方案;该方案具有辐射效率高、结构简单、易于馈电、体积小、极化端口隔离特性好等性能。设计了一种带有金属反射板的双极化圆柱形介质谐振器天线单元,采用全波电磁仿真软件对天线单元进行设计和优化,开展了天线单元的加工和性能测试工作。在4.95~5.05 GHz的带宽内,驻波比均小于2;天线的极化端口隔离度约为-20 d B;测试的天线波束宽度约大于80°,增益约大于6 d B,交叉极化电平约为-20 d B。天线的性能达到预期的指标要求,适合于实际工程应用。     

8-18GHz的Vivaldi天线的分析与设计

本文设计了一种工作频带范围为8-18GHz的高增益Vivaldi天线阵元。通过电磁仿真软件HFSS V12.0对天线阵元的几何结构进行仿真优化,计算了天线的驻波系数、增益方向图等电性能参数。仿真结果表明该Vivaldi天线增益方向图对称性好,波束覆盖范围宽,增益高,可以很好地满足作为宽频带宽角扫描阵列单元的要求。     

基于微波网络理论的L波段高增益阵列天线设计

本文基于微波网络理论,分别设计了4单元和16单元的两款L波段阵列天线,应用于气象探空仪的接收部分,使接收部分的天线平面化及小型化。应用微波网络散射矩阵理论将天线单元之间的耦合效应、每个天线单元的幅度和相位等因素进行综合考虑,得到高增益阵列天线馈电网络。所设计的阵列天线的仿真、测试特性一致,而且在1.68 GHz处,4单元和16单元阵列天线最大实测增益分别为10.4 dBi、15.6 dBi。这两款阵列天线性能达到设计要求,可应用于气象探测领域。     

高精度天线面板结构胶粘剂应用研究

通过对多种结构胶粘剂的力学性能、耐久性能和工艺参数等进行测试研究,优选出一种高耐久性结构胶粘剂。同时,采用该结构胶粘剂成功制作了一批高精度铝合金天线面板,并通过试验证明了其具有较高的可靠性。研究结果表明:该结构胶粘剂适合于胶接高精度铝合金天线面板,并满足可靠性要求。     

三轴稳定静止卫星赋形天线指向误差分析

对于静止轨道三轴稳定卫星,天线的指向精度是用户要求的重要指标.在卫星定点后处于工作姿态时,要求天线波束覆盖用户规定的地面区域,并满足规定的电性能指标.卫星的姿态、轨道、天线性能和总装等误差对赋形天线的指向精度均具有一定的影响.本文对影响赋形天线指向精度的各类误差的形成原因、误差数据的计算方法进行了逐项分析.研究了各类误差对赋形天线指向精度的影响,其中重点分析了姿态和轨道误差的影响,给出了相应的算法公式,并基于实际工程数据进行了算例仿真,得到卫星在正常和位保两种模式下赋形天线的指向误差数据.通过对比,仿真计算结果与卫星在轨天线方向图的实测结果具有一致性,证明了该分析思路和计算方法的有效性和正确性.     

应用于车载雷达传感器的45°线极化网格阵列天线

提出了用于车载雷达传感器频段的45°线极化平行四边形网格阵列天线和梳状阵列天线.这两种天线增益高、尺寸小、结构新颖.测试结果表明:平行四边形网格阵列天线的尺寸为40mm×40mm×0.787mm,带宽为8.2%,增益为14dBi;梳状网格阵列天线的尺寸为164mm×20mm×0.787mm,带宽为8.4%,增益为17.63dBi.     

短波宽带天线增益测量新方法

文章提出了一种利用现代高科技成果对短波宽带天线的增益进行测量的新方法，即且高稳定度小功率输出综合信号源作为发射源，频谱分析仪作为接收机，使得测量结果准确可靠，且具备重复性。     

神经网络的遗传设计及其在甲醛生产建模及优化中的应用

采用遗传算法的机制设计了一种同时对前向网络的连接权值及拓扑结构进行搜索的方法，并采用以隐结点为基本基因型的方式，同时在算法中加入了局部搜索的方法．该算法已被应用于甲醛生产过程的建模及优化，达到了良好的效果．     

采用NGA优化的新型BP神经网络模型及诊断应用

针对传统BP神经网络模型收敛速度慢、易陷入局部极小点、网络结构不稳定等缺陷,提出了一种小生境遗传算法优化的BP神经网络模型。该模型充分利用小生境遗传算法的搜索能力和BP神经网络的非线性映射和学习联想能力,通过小生境遗传算法的选择、交叉、变异及小生境淘汰等操作,优化BP神经网络的初始权值和阈值,并采用BP算法对网络进行训练。有效解决了网络初值不合理的问题,提高了网络收敛速度、稳定性。最后结合变压器故障诊断实例。在Matlab7.0平台上进行仿真实验。实验结果证明:与传统方法相比,该模型具有很强的可行性和有效性。     

基于遗传神经网络的城镇基准地价评估应用——以广西灌阳县为例

提出了一种融合遗传算法与BP神经网络的城镇基准地价评估模型。该模型以正方形网格作为基本评价单元,以遗传算法优化BP神经网络连接权值,以BP神经网络训练样本数据,实现其他网格地价的模拟与预测。结果表明,遗传算法可以有效增强BP神经网络快速学习网络权值能力和克服收敛速度慢、易陷入局部极小值等问题,BP神经网络的网络训练学习与自适应性符合处于动态变化的土地价格发展要求,呈现出广阔的应用前景。     

结构等价型模糊神经网络算法及其应用

提出一种结构等价型模糊神经网络的学习算法．等价型神经网络根据模糊系统的推理规则,决定等价的神经网络结构参数,因而网络结构特殊．采用的学习算法是用误差反传对局部节点的权值进行调整,收敛速度快．实验表明,将其用于火灾探测系统中,能够准确、及时地探测各种标准试验火,并具有较强的抗干扰能力．     

基因算法辅助人工神经元网络的结构设计

提出了以基因算法为基础的人工神经元网络结构设计基础。首先从连接权的演化入手,研究了基因算法的实现过程。在结构设计中,提出了稀疏化的编码方法。仿真结果表明这种优化方法对于神经网络的选取是有效的。     

递阶结构进化神经网络在故障诊断中的应用

主要研究进化神经网络在旋转机械故障诊断中的应用 ,提出了一种基于递阶结构的遗传算法与进化规划相结合的神经网络学习新算法 ,利用该算法可以同时对网络进行结构优化和权重求解。通过旋转机械故障分类应用实例 ,与传统的 BP训练算法作了比较 ,证明基于递阶结构的进化神经网络算法不仅在权重训练方面比传统 BP训练算法更加快速稳定 ,避免陷入局部极小点 ,而且同时对网络结构进行了优化 ,得到了结构更为简捷的旋转机械故障分类网络     

改进的集成神经网络学习优化研究

AdaBoosting算法是一种集成学习算法，用来提高不稳定学习器的泛化能力．本文基于神经网络是一种不稳定分类器的机理结合最小二乘算法和遗传算法，提出了对集成神经网络分类器权值进行优化的新方法．     

基于RBF神经网络的股市建模与预测

提出一种基于ＲＢＦ神经网络的股市预测建模方法,并采用递阶遗传算法训练ＲＢＦ网络的参数、权重和结构,对上证综指和个股（伊利股份）的建模与预测结果表明,该训练方法使ＲＢＦ神经网络具有很强的学习与泛化能力,它在股市这样一个复杂的非线性随机系统建模中具有很高应用价值。     

基于进化神经网络的灰色预测模型

为了弥补神经网络用于灰色理论中学习效率低、收敛速度慢、易陷入局部最优等缺点,采用了改进遗传算法IGA(im proved genetic algon ithm)来辅助优化神经网络,实现了对网络连接权的自适应进化,并应用于灰色预测中。提出了进化神经网络灰色预测模型,通过M atlab程序对某地区农村人均收入的数据进行了预测、比较,预测结果误差均在0.3%以下,明显优于传统的GM(1,1)(grey m odel)的预测结果,其误差在10%左右。实例验证,将进化神经网络应用于灰色预测模型中是可行和有效的。     

基于胶囊网络和注意力机制的智能合约漏洞检测方法

近年来,随着智能合约的数量越来越多,因合约漏洞而造成的经济损失愈发严重,智能合约的安全性越来越受到广泛的关注。基于深度学习的漏洞检测方法能够解决早期传统智能合约漏洞检测方法检测效率低、准确率不足的问题,但大多现有基于深度学习的漏洞检测方法都是直接使用智能合约源代码、操作码序列或字节码序列作为深度学习模型的输入,会因引入过多无效信息而削弱有效信息。为此,文中提出了一种基于胶囊网络和注意力机制的智能合约漏洞检测方法。考虑到程序的执行时序信息,文中通过提取智能合约的关键操作码序列作为源代码特征,然后利用胶囊网络和注意力机制的混合网络进行训练,其中胶囊网络模块用于提取智能合约的上下文信息以及局部与整体的联系,注意力机制用于给不同的操作码按照其重要程度分配不同的权重。实验结果表明,文中提出的算法在智能合约数据集中的F₁分数和准确率分别为94.48%和97.15%,与其他传统检测方法和深度学习方法相比有较明显的性能提升。