摘要
本发明提出了一种适用于太赫兹频段的射线追踪材料校准方法,主要解决传统量子粒子群材料校准算法容易陷入局部最优解的问题,其核心步骤为:校准场景及相关参数初始化;采用对立学习算法对材料电磁参数初始化;基于量子粒子群算法对材料电磁参数进行更新并处理位于边界的材料电磁参数;采用对立学习算法及模拟退火算法判断是否接受对立解及劣化解,根据判断结果更新个体最优解与全局最优解;进行迭代,达到终止条件时输出全局最优解。本发明通过提高算法的粒子多样性及全局搜索能力,可缓解传统量子粒子群算法局部最优解问题,在太赫兹频段下可以获得更加精确的材料电磁参数,提高射线追踪仿真精度。
技术关键词
量子粒子群算法
校准方法
模拟退火算法
材料电磁参数
学习算法
射线
频段
校准算法
接收机
场景
功率
处理器
重构
可读存储介质
信道
发射机
存储器
系统为您推荐了相关专利信息
生物活性炭
训练集优化
机器学习算法
构建机器学习模型
亚甲基蓝
建筑材料
关联规则挖掘技术
支持向量机分类器
聚类分析算法
事件触发机制
电流互感器误差
幅值
集成学习方法
误差预测
特征值
半定规划
应急响应系统
模块
多尺度
融合拓扑特征
监控指标数据
拓扑建立方法
依赖关系分析
链路
节点