基于MLP人工神经网络的矩形贴片天线设计

p .卡拉^{* 1}， Rohini Saxena²——穆克什·库马尔²Anil Kumar²里娜·潘特^3.

加济阿巴德理工学院，印度201302
欧洲经委会部，SHIATS-DU，阿拉哈巴德，印度211007
Rohilkhand大学，印度201001年

通讯作者:p .卡拉电子邮件:(电子邮件保护)

有关文章载于Pubmed，谷歌学者

更多相关文章请访问全球计算机科学研究杂志

摘要

采用多层感知器(MLP)神经网络模型设计了一种矩形微带天线。该模型训练了40组输入-输出参数(贴片谐振频率长度)。输出错误和时间延迟(无。)通过改变学习率和动量项进行优化。通过测试，发现该模型的输出(谐振频率)与理论结果吻合较好。

关键字

MLP，微带天线，神经网络

介绍

目前的移动通信系统通常需要便携式无线天线尺寸，以满足移动单元的小型化要求。一种传统微带贴片天线，由于其外形小巧、重量轻、易于制造等优点，是最适合移动通信的天线之一。一般来说，它有一个导电贴片印在接地的微波衬底上。微带天线最常用的是矩形贴片天线，它具有窄带宽和宽波束宽度的特点。为了克服这些问题，在研制[1]微带天线的过程中，提出了不同类型的结构(规则和不规则形状)，并进行了理论和实验研究。

矩形微带天线的带宽非常窄，因此可以准确地确定微带天线的谐振频率。分析微带天线有两种不同的方法，即解析法和数值法。解析方法与数值方法相比容易，但仅限于某些确定的形状。另一方面，数值方法比较复杂，需要更多的时间来求解，但适用于任何形状。所以为了消除这些问题，研究人员使用神经模型，它适用于任何形状，任何复杂的电路，而且它花费的时间更少，精度更高。各种人工神经网络模型被开发用于确定各种形状的微带斑块的谐振频率，如矩形、三角形等[2-3]和[4- 5]。在[6-7]中，已经提出了几种使用ANN技术的设计。在[7]中全面回顾了人工神经网络在微波工程中的应用以及不同类型的建立人工神经网络模型的方法。

本文通过改变MLP神经网络模型的学习率和动量项，优化了矩形微带天线的输出误差和时延。

理论

结构及配方

微带与人工神经网络方法:

本文介绍了一种用于矩形微带天线谐振频率高效计算的人工神经网络模型，由于多层感知器网络形式最简单，因此对目前最常用的人工神经网络结构进行了改进，用于矩形微带天线谐振频率的计算，本文采用标准反向传播算法进行训练。多层感知器由三层组成:输入层、输出层和中间层或隐藏层。输入层中的处理元素或神经元仅作为缓冲区，将输入信号xi分配给隐藏层中的处理元素。隐层中的每个神经元或处理元素将其输入信号xi用来自输入层的各自连接的强度wji加权后求和，并计算其输出yj作为和的函数，即[12-14]。

Yj = f (wji。xi) (9)

那么f可以是简单的阈值函数，一个s型或双曲正切函数。输出层中处理元素或神经元的输出以类似的方式计算。通过训练，我们的人工神经网络包括使用标准反向传播算法调整人工神经网络的权值，训练的结果是我们的矩形微带天线的后续谐振频率，从数学公式得到的所有结果以及我们训练的人工神经网络如图2，[15-16]所示。

结果与讨论

该研究的总体目标是研究神经网络对错误率和epoch数的响应。从研究中获得的结果分为三个主要部分。第一部分是对时间周期的估计，时间周期随时代数的变化而变化。第二部分处理带有错误百分比的epoch数。利用估计的epoch数来确定神经网络的误差率。第三部分介绍了微带天线贴片长度与谐振频率的关系。

时间Vs时代:

训练神经网络所用时间与不同epoch数之间的关系如图5所示。神经网络显示，当epoch数为20000时，训练模型所需时间为4秒。结果表明，历元的增量速率和时间的增量速率必须是一致的。现在，当epoch增加到50,000时，所需的时间为12.5秒，这与先前的结果相一致。但是当神经网络处理20万个epoch时，所需的时间非常高，即390秒。这是不允许的，因为epoch的增量速率是10倍，而time的增量速率是86倍，这与epoch的增量速率不一致。这使得学习速度越来越耗时，因此需要考虑时间延迟和神经网络的训练趋势。

$图像\$

epoch数Vs百分比误差:

图6给出了训练神经网络不同epoch数的误差百分比。在这个项目中，允许的百分比误差是1%，超过这个误差，系统就不被认为是好的。当epoch为20,000时，发现的误差为。45%，对于50000 epoch，发现的误差为。37%，对于200,000 epoch，发现的误差为0.21%。可以观察到，随着历元的增加，误差百分比降低，但最终误差随历元的增加而减少。当epoch数增加到2.5次时，误差减少不到一半

当epoch增加到10倍时，误差应该减少到8 - 10倍(允许的)，并且需要大量的训练时间。因此，消耗更多的时间和epoch并不会产生误差%的往复变化。因此，神经网络的优化首先要考虑最佳时间。

谐振频率与贴片长度

谐振频率与贴片长度的关系如图7所示。图中最上面的一行是期望的值。结果表明，当没有。随着时间的增加，图形向期望值移动。

对图5至3所示的三个图进行计算检查，发现20000个epoch的时间延迟为4秒，50000个epoch的时间延迟为12.5秒，而对于200000个epoch，时间延迟为390秒。同样，错误也不会以同样的方式往复。20000的误差是0.45%，50000的是0.35%，200000的误差是0.21%。

最后观察到，对于200000个epoch，尽管所花费的时间越来越多，但误差并没有显示出所需的急剧下降。获得的唯一好处是，随着时间的增加，合成线更接近期望的值线。

结论

本文提出了一种基于多层感知器的神经网络模型来优化矩形微带天线的设计参数，以提高天线的精度和减小天线延迟时间。

参考文献

Reena pant, Pradyot Kala, R. C. Saraswat, S. S. Pattnaik，“带短针的双频等边三角形微带贴片天线的分析”，国际微波与光学技术杂志(美国)，第3卷，pp. 62-68, 2008。
E. R. Brinhole, J. F. Z. Destro, A. A. C. de Freitas, N. P. deAlcantara Jr.“基于人工神经网络的三角和矩形微带天线谐振频率的确定”，2005年电磁学学术研讨会，中国杭州，8月22- 26日，pp.579 - 582。
Nurhan Türker, Filiz GüneÃÂ和Tülay Yildirim，“人工神经网络应用于微带天线的设计”，微波评论，第10 - 14页，2006。
R. K. Mishra和A. Patnaik，“基于神经网络的方形贴片天线设计CAD模型”，《IEEE天线与传播学报》，第46卷，第189 - 1891页，1998。
R. K. Mishra和A. Patnaik。“微带谐振器复谐振频率的新谱计算”，《电子工程学报》，第9卷，pp 351-353, 1999。
A. Patnaik, R. K. Mishra, G. K. Patra，和S. K. Dash，“微带线有效介电常数的人工神经网络模型”，IEEE天线与传播学报，第45卷，第11期，pp. 1697, 2007。
A. Patnaik和R. K. Mishra，“微波工程中的人工神经网络技术”，IEEE微波杂志，55 -60页，2003。
Bahl, i.j.和P. Bhartia，微带天线。戴德姆:Artech House。
E. O. Hammersted，“微带电路设计方程”，第五届欧洲微波会议论文集，第268-272页，1975。
J. R. James, P. S. Hall和C. Wood，“微带天线理论与设计”，Peter Peregrinus有限公司，1981。
c·a·巴拉尼斯，《天线》约翰·威利父子。有限公司,1997年版。
D.M. Pozar，“微带天线”，《电子工程学报》，第80卷，第79-81页，1992。
I. Lee和a . V. Vorst，“无覆盖和有覆盖矩形微带贴片天线的谐振频率使用介质负载的非均匀腔模型，”微波与光学技术，vol. 7, pp. 704-708, 1994。
K. Guney和N. Sarikaya，“基于自适应网络模糊干扰系统的环形微带天线谐振频率计算”，电磁研究进展，PIER, vol. 67, pp. 135-152, 2007。
贾尼，“一种可调谐矩形微带贴片天线的谐振频率”，微波与光学技术，vol. 7, pp. 581-585, 1994。