一种基于深度学习的贴片天线自解耦设计方法及贴片天线

AITNT
正文
推荐专利
一种基于深度学习的贴片天线自解耦设计方法及贴片天线
申请号:CN202511178474
申请日期:2025-08-22
公开号:CN120671567B
公开日期:2025-10-21
类型:发明专利
摘要
本发明公开了一种基于深度学习的贴片天线自解耦设计方法及贴片天线,设计方法包括多段点电磁耦合输入参数规划与数据生成;基于深度学习的模型训练;基于多目标筛选的预测和验证。本发明基于多段点电磁耦合的输入参数规划方法,用以驱动深度学习训练优化神经网络模型,结合端口解耦和方向图改善的多目标筛选方式,实现基于深度学习的贴片天线自解耦设计,所设计得到的贴片天线且具有端口解耦和方向图同步改善、低剖面、结构简洁的优点。
技术关键词
贴片天线 输入结构 馈电位置 优化神经网络模型 参数 深度学习训练 仿真软件 数据 电磁 端口 直线 优化器 规划 矩形 间距 线段 两点 波长
系统为您推荐了相关专利信息
1
一种不确定性条件下热防护结构响应的定量分析方法
径向基神经网络模型 定量分析方法 灰狼优化算法 热防护结构 动态神经网络模型
2
基于强化学习的外贸公司员工激励管理方法
员工激励管理方法 强化学习算法 深度学习技术 管理策略 客户
3
一种模型目标区域的色彩调整方法、装置、设备及介质
像素点 色彩 参数 贴图 颜色
4
一种基于预算机械需求的工程预算优化方法
施工机械 启发式算法 作业工作 索引 遗传算法
5
一种自适应时空图神经网络缺失数据补全方法
缺失数据补全方法 局部特征信息 掩码矩阵 节点 时序
添加客服微信openai178,进AITNT官方交流群
驱动智慧未来:提供一站式AI转型解决方案
沪ICP备2023015588号