近年來,以機器學習為核心的人工智能技術在計算機視覺、語音識別、廣告精準推送等領域的研究不斷深入,其應用范圍不斷拓展,已獲得了巨大成功。微波工程領域的研究者們也期望將人工智能技術應用于天線、元器件與電路設計以及信道建模等各個層面,進而發(fā)展出智能微波工程,以實現(xiàn)大幅度提升設計效能。智能微波工程也因此被認為是電磁場與微波技術領域最為活躍的研究方向,但其研究尚處于探索階段。本書系統(tǒng)討論智能微波工程的理論與技術,主要包括:機器學習和優(yōu)化技術的基礎、多路徑機器學習輔助的天線智能設計、知識和數(shù)據(jù)混合驅動的天線陣列設計、多層機器學習輔助的天線射頻魯棒設計、毫米波片上螺旋電感智能設計、知識和數(shù)據(jù)混合驅動的信道建模等。為了方便讀者快速理解書中涉及的原理與概念,附錄中給出部分章節(jié)涉及的具體算法的程序源代碼,同時給出了完整的程序源代碼包下載鏈接,讀者可直接下載獲取。
更多科學出版社服務,請掃碼獲取。
目錄
“智能工程前沿叢書”序
前言
符號說明
第1章 緒論 1
1.1 主要研究進展及發(fā)展趨勢 2
1.1.1 微波電路與系統(tǒng) 2
1.1.2 天線與陣列 3
1.1.3 電波測量與信道建模 4
1.2 本書主要內容 5
第2章 微波工程簡介 7
2.1 微波電路與系統(tǒng) 7
2.1.1 微波傳輸線 7
2.1.2 微波器件 9
2.1.3 微波電路 11
2.1.4 微波網(wǎng)絡分析 14
2.1.5 阻抗匹配 16
2.2 天線與陣列 19
2.2.1 天線 19
2.2.2 陣列 21
2.3 電波傳播機制與信道建模 22
2.3.1 電波傳播的理論基礎 22
2.3.2 無線通信中的電波傳播 27
2.3.3 電波傳播測量 32
2.3.4 信道建模 35
第3章 機器學習輔助優(yōu)化 39
3.1 基本框架 39
3.2 機器學習技術簡介 42
3.2.1 監(jiān)督學習 42
3.2.2 無監(jiān)督學習 42
3.2.3 人工神經(jīng)網(wǎng)絡 44
3.2.4 高斯過程回歸 46
3.2.5 支持向量回歸 47
3.3 最優(yōu)化算法 51
3.3.1 遺傳算法 51
3.3.2 粒子群算法 53
3.3.3 差分進化算法 54
3.4 應用實例 55
3.4.1 基片集成波導背腔縫隙天線 55
3.4.2 分形貼片天線 57
3.4.3 帶通濾波器 62
3.5 本章小結 63
第4章 天線智能設計 64
4.1 多精度電磁仿真 64
4.2 協(xié)作式機器學習輔助建模 65
4.3 多路徑機器學習輔助優(yōu)化 67
4.3.1 置信下限預篩選 67
4.3.2 多保真度高斯過程回歸 69
4.3.3 多路徑機器學習輔助優(yōu)化 71
4.4 測試函數(shù)實驗.72
4.5 應用實例 76
4.5.1 超寬帶平面偶極子天線 77
4.5.2 三頻貼片天線 80
4.5.3 毫米波車載雷達天線陣列 83
4.6 本章小結 85
第5章 陣列智能設計 86
5.1 經(jīng)典的陣列設計方法 86
5.2 有源元單元建模 89
5.2.1 基于有源元單元的建模 89
5.2.2 結合先驗知識的有源元單元建模 96
5.3 知識和數(shù)據(jù)混合驅動的天線陣列設計 106
5.4 應用實例 106
5.4.1 不規(guī)則形狀地板上的微帶天線陣列低副瓣設計 107
5.4.2 采用凸優(yōu)化方法的多波束線陣設計 109
5.4.3 在位置約束下的采用進化算法的微帶天線面陣設計 110
5.4.4 采用凸優(yōu)化算法的微帶天線面陣設計.112
5.5 本章小結 113
第6章 天線射頻智能魯棒設計 114
6.1 天線射頻的魯棒設計114
6.1.1 經(jīng)典魯棒設計方法 114
6.1.2 魯棒設計的分層策略 115
6.2 多層機器學習輔助優(yōu)化 116
6.2.1 機器學習輔助優(yōu)化 116
6.2.2 超立方體搜索問題的數(shù)學表示 117
6.2.3 最差情況分析 118
6.2.4 最大輸入容差超體積搜索 119
6.2.5 魯棒優(yōu)化 121
6.3 應用實例 123
6.3.1 測試函數(shù)的MITH搜索 123
6.3.2 微帶貼片天線的MITH搜索 127
6.3.3 天線陣列的魯棒設計 128
6.3.4 串饋天線的魯棒設計 129
6.4 本章小結 133
第7章 片上螺旋電感智能設計 135
7.1 可變形的螺旋電感 136
7.1.1 任意多邊形螺旋電感繪制 136
7.1.2 可變螺旋電感的結構與特性 138
7.1.3 直流電感值近似計算 141
7.2 片上可變形的螺旋電感自動綜合 143
7.2.1 結合先驗知識的代理模型 143
7.2.2 片上可變螺旋電感自動綜合 146
7.3 應用實例 150
7.3.1 案例1:品質因數(shù)最大化 150
7.3.2 案例2:寬頻帶優(yōu)化 153
7.3.3 案例3:面積最小化 154
7.4 本章小結 154
第8章 智能信道建模 156
8.1 基于幾何隨機模型的物理信道建模 157
8.1.1 信道模型和信道參數(shù) 157
8.1.2 無監(jiān)督學習的多徑分簇算法 161
8.2 基于人工神經(jīng)網(wǎng)絡的預測性信道建模 166
8.2.1 純數(shù)據(jù)驅動的信道模型167
8.2.2 知識和數(shù)據(jù)混合驅動的信道模型 168
8.3 應用實例:前向植被散射簇的智能建模 170
8.3.1 信道數(shù)據(jù)準備 172
8.3.2 物理統(tǒng)計信道模型 176
8.3.3 人工神經(jīng)網(wǎng)絡結構與訓練 184
8.3.4 模型訓練結果與分析 185
8.3.5 模型驗證 187
8.4 本章小結 190
參考文獻 192
附錄A 帶通濾波器程序源代碼 203
附錄B 三頻貼片天線程序源代碼 205
附錄C 采用HKDT進行對AEP建模的程序源代碼 207
附錄D 采用MLAO進行MITH搜索的程序源代碼 209
附錄E 片上可變螺旋電感自動綜合程序源代碼 212
索引 215