摘要：为天线匹配阻抗与结构参数之间的优化设计,提出RBF神经网络用于建立对称弯折缝隙天线匹配阻抗与几何结构参数之间的多变量、非线性模型;解决了使用全波分析工具计算所耗时间长的问题。进而采用粒子群算法对不同类型的阻抗,快速的找出小型化的尺寸结构,实现匹配阻抗与几何尺寸的智能优化。优化的结果基于HFSS软件测试,实际效果满足设计要求。为天线开发者提供了一种简洁易懂、操作简单方便的优化方法,以提高天线的设计效率;从而实现了计算机辅助一类标签天线的智能优化设计。

摘要：矩形微带天线设计中,为解决谐振频率与尺寸结构之间存在多参数、强非线性关系而建立其精确模型的困难,提出一种动态自适应聚类与伪逆求权值相结合的新型RBF神经网络算法,其优点为:无需事先固定隐层神经元个数,以自适应调整的方式,获得较好的逼近效果,且计算量小、学习速度快.同时,结合RBF神经网络对于多变量、非线性函数有较好的逼近特性,将其用于矩形微带天线的谐振频率建模.实验表明,建立的神经网络模型无论是在精度还是速度上都明显优于已有文献的结果,从而为天线设计开发者提供了一种新的有效方法,提高设计效率.