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
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
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
缺失数据补全方法
局部特征信息
掩码矩阵
节点
时序