电子学报 ›› 2014, Vol. 42 ›› Issue (9): 1693-1698.DOI: 10.3969/j.issn.0372-2112.2014.09.005

• 学术论文 • 上一篇    下一篇

基于ELM和MA的微型四频天线设计

曾启明1,3, 纪震3, 李琰2,3, 俞航2,3   

  1. 1. 深圳大学信息工程学院, 广东深圳 518060;
    2. 深圳大学计算机与软件学院, 广东深圳 518060;
    3. 深圳市嵌入式系统设计重点实验室, 广东深圳 518060
  • 收稿日期:2013-09-06 修回日期:2014-01-08 出版日期:2014-09-25 发布日期:2014-09-25
  • 作者简介:曾启明 男,1984年4月生于广东省清远市,现为深圳大学信息工程学院信号与信息处理专业硕博连读研究生.研究方向为数字射频通信. E-mail:zengqm@szu.edu.cn;纪 震 男,1973年8月生于江苏省溧阳市,1999年毕业于西安交通大学,博士学位,2004年晋升为教授.主要研究方向包括智能信号处理、嵌入式系统、生物医学工程. E-mail:jizhen@szu.edu.cn;李 琰 男,1978年生,2007年毕业于法国巴黎第十一大学,博士学位.2008年进入深圳大学,研究方向是混合信号集成电路设计. E-mail:liyan@szu.edu.cn;俞 航 男,1977年生于北京市,2010 年于佛罗里达大学获得博士学位,现就职于深圳大学.研究方向包括低功耗射频/模拟/混合集成电路设计、生物医学相关的微系统设计、通讯天线的小型化设计等. E-mail:yuhang@szu.edu.cn
  • 基金资助:

    国家自然科学基金(No.61171125,No.60872125,No.61201042);深圳市海外高层次人才创新创业专项资金(No.KQC201108300044A);深圳市战略性新兴产业发展专项资金项目(No.JCYJ20120613173154123);国家-广东省联合自然科学基金 (No.U1201256)

A Miniature Four-Band Antenna Design Using ELM and MA

ZENG Qi-ming1,3, JI Zhen3, LI Yan2,3, YU Hang2,3   

  1. 1. College of Engineering and Information, Shenzhen University, Shenzhen, Guangdong 518060, China;
    2. College of Computer Science and Software Emgineering, Shenzhen University, Shenzhen, Guangdong 518060, China;
    3. Shenzhen Key Laboratory of Embedded System Design, Shenzhen, Guangdong 518060, China
  • Received:2013-09-06 Revised:2014-01-08 Online:2014-09-25 Published:2014-09-25

摘要:

提出一个基于极限学习机ELM(Extreme Learning Machine)和文化基因算法MA(Memetic Algorithm)的微型四频(0.92/2.4/3.5/5.8GHz)天线设计算法AntMA-ELM.为了提高天线的性能,算法在MA框架下引入基于综合学习粒子群优化算法CLPSO(Comprehensive Learning Particle Swarm Optimizer)全局搜索和DSCG(Davies,Swann,and Campey with Gram-schmidt)局部搜索,用于确定天线的几何参数.同时,建立ELM回归模型用于直接评估MA优化的适应值函数.实验结果表明,ELM回归模型能够根据输入参数正确估算天线的回波损耗,使MA算法有效提高设计性能和加速优化过程.天线在四个目标频段的回波损耗值均优于-10dB,满足设计要求.

关键词: 四频天线, 回波损耗, 极限学习机, 文化基因算法, 综合学习粒子群优化算法

Abstract:

This paper proposes an extreme learning machine (ELM) and memetic algorithm (MA) based miniature four-band (0.92/2.4/3.5/5.8GHz) antenna design algorithm namely the AntMA-ELM.It combines a comprehensive learning particle swarm optimizer(CLPSO)based global search and a DSCG(Davies,Swann,and Campey with Gram-schmidt) orthogonalization based local search in the MA framework to form a novel optimization algorithm for the geometrical parameters selection of the antenna.An ELM based regression model is introduced to estimate antenna performance,and accelerate the search speed.Experimental results show that the AntMA-ELM obtains promising performance with short computational time.Particularly,the return losses at all targeted frequency bands are smaller than -10dB.

Key words: four-band antenna, return loss, extreme learning machine, memetic algorithm, CLPSO

中图分类号: