(19)中华 人民共和国 国家知识产权局 (12)发明 专利申请 (10)申请公布号 (43)申请公布日 (21)申请 号 202111321041.7 (22)申请日 2021.11.09 (71)申请人 江苏科技大学 地址 212008 江苏省盐城市东台市东台 高 新技术产业开发区科创大厦809室 (72)发明人 韩束丹　田雨波　 (74)专利代理 机构 南京苏高专利商标事务所 (普通合伙) 32204 代理人 常虹 (51)Int.Cl. G06F 30/27(2020.01) G06F 30/25(2020.01) G06N 3/04(2006.01) G06N 3/08(2006.01) (54)发明名称 基于多层极限学习机的微波天线物理参数 设计方法和系统 (57)摘要 本发明公开了一种基于多层极限学习机的 微波天线物理参数设计方法和系统， 其中设计方 法包括： 构建带标签的第一样 本集和不带标签的 第二样本集； 构建微波天线物理参数设计网络， 该网络由K层极限学习机和高斯模型级联组成， 输入为S曲线采样值， 输出为天线物理参数的设 计值； 采用第二样本集对设计网络前K ‑1层极限 学习机进行无监督训练； 采用第一样本集对设计 网络第K层极限学习机和高斯模型进行训练； 如 果训练后的网络误差值大于预设的误差阈值， 采 用PSO算法对第K层极限学习机和高斯模型参数 进行精调； 将待设计微波天线设计指标输入训练 好的设计网络， 其输出即为微波天线物理参数的 设计值。 该方法能够根据设计指标来获取天线物 理参数， 实现微波天线的设计 。 权利要求书3页 说明书10页 附图4页 CN 114036839 A 2022.02.11 CN 114036839 A 1.一种基于多层极限学习机的微波天线物理参数设计方法， 其特 征在于， 包括： S1、 根据待设计微波天线工作频段范 围和采样步长计算采样频点fi， i＝1,2, …,N， N为 采样点个数； 采用仿真软件获取不同天线物理参数下各频点处的S曲线幅值， 构建第一样本集 TrainSet1＝{X1,X2,…,XM}， 其中M为第一样本集样本总数， 第m个样本Xm为： Xm＝[Sm,Ym]， Ym 为p维天线物理参 数， 作为样本标签， Sm为天线物理参数为Ym的微波天线S曲线上在采样频点 fi处的采样值构成的N维向量， m＝1,2, …,M； 构建第二样本集TrainS et2＝{Z1,Z2,…,ZW}， 其中W为第二样本集样本总数， 第w个样本 Zw为N维向量： Zw＝[z1,w,z2,w,…,zN,w]， 为待设计微波天线在频点fi处的S 曲线幅值设计指标； Δsi,w为频点fi处的波动幅值， 且频点 fi处不同样本的波动幅值按随机 分布方式分布； w ＝1,2,…,W； S2、 构建基于多层极限学习机的微波天线物理参数设计网络， 所述微波天线物理参数 设计网络由K层极限学习机和高斯模型级 联组成； 其中第一层极限学习机的输入层节点为N 个， 输入为S曲线上在采样频点fi处的采样值构成的N维向量， 第K层极限学习机的输出与高 斯模型的输入连接， 高斯模型的输出为p维 天线物理参数的设计值； S3、 采用第二样本集对所述微波天线物理参数设计网络中的第一层到第K ‑1层极限学 习机进行 无监督训练， 训练输入层与隐含层间的权 重和偏置； S4、 采用第一样本集对所述微波天线物理参数设计网络中的第K层极限学习机和高斯 模型进行训练， 训练第K层极限学习机输入层与隐含层间的权重和偏置、 高斯模 型内核的超 参数； S5、 将第一样本集样本 中的N维S曲线采样值向量输入到所述微波天线物 理参数设计网 络第一层极限学习机的输入层， 高斯模型的输出为样本对应的设计值； 计算网络的误差值； 如果网络的误差值大于预设的误差阈值， 采用PSO算法对所述微波 天线物理参数设计网络中第K层极限学习机输入层与隐含层 间的权重和偏置、 高斯模型内 核的超参数进行精调； S6、 将待设计微波天线在频点fi处的S曲线幅值设计指标 输入到所述微波天线物理参 数设计网络第一层极限学习机的输入层， 高斯模型的输出即为微波天线物理参数的设计 值。 2.根据权利要求1所述的微波天线物理参数设计方法， 其特征在于， 所述S 曲线为回波 损耗S11曲线。 3.根据权利要求1所述的微波天线物 理参数设计方法， 其特征在于， 所述随机分布方式 包括： 高斯分布、 均匀分布、 伽马分布。 4.根据权利要求1所述的微波天线物理参数设计方法， 其特征在于， 所述步骤S5 中网络 的误差值 为： 其中 为第m个样本中的N维S曲线采样值向量Sm输入所述微波天线物理参 数设计网络 时， 高斯模型的输出。 5.根据权利要求1所述的微波天线物理参数设计方法， 其特征在于， 所述步骤S5 中采用权　利　要　求　书 1/3 页 2 CN 114036839 A 2PSO算法对所述微波天线物理参数设计网络中第K层极限学习机输入层与隐含层间的权重 和偏置、 高斯模型内核的超参数进行精调， 具体包括： S5.1、 定义NPSO个粒子组成的粒子群{pj}， j＝1,2, …,NPSO， 每个粒子的位置为[aK,bK, θGP]， 其中aK和bK分别为第K层极限学习机输入层与隐含层间的权重向量和偏置向量， θGP为 高斯模型内核超参数构成的向量； 随机初始化每个粒子的位置和速度； 初始化每个粒子的 局部最佳位置为 其初始位置； 定义迭代次数最大值Tmax； 初始化迭代次数t＝0； S5.2、 将每个粒子的位置分别作为所述微波天线物理参数设计网络中第K层极限学习 机输入层与隐含层间的权重和偏置、 高斯模型内核的超参数， 计算适应度， 选择其中适应度 值最小的粒子位置作为粒子群全局最佳位置gbest的初始值； S5.3、 按如下公式更新粒子群中每 个粒子的位置和速度： Vj(t+1)＝ωVj(t)+C1rand1(t)(Pj‑Posj(t))+C2rand2(t)(gbest‑Posj(t)) Posj(t+1)＝Posj(t)+Vj(t+1) 其中Vj(t)、 Posj(t)分别表示第t次迭代时第j个粒子pj的速度和位置， Pj表示粒子pj的 局部最佳位置； C1、 C2是加速常数， r and1(t)， rand2(t)分别为元素在[0,1]范围内均匀分布 且互相独立的随机数组； ω为惯性权 重系数； 更新完成后重新计算每个粒子的适应度f(Posj(t+1))； 如果f(Posj(t+1))＜f(Pj)， 则 将Pj的值更新 为Posj(t+1)； 如果f(Posj(t+1))＜f(gbest)， 则将gbest更新为Posj(t+1)； 迭代次数t加一； S5.4、 重复步骤S5.3， 直到达到迭代终止 条件， 结束迭代； 此时粒子群全局最佳位置gbest 的值即为微波天线物理参数设计网络中第K层极限学习机输入层与隐含层间的权重和偏 置、 高斯模型内核的超参数精调后的值； 所述迭代终止条件为： 迭代次数达 到迭代次数最大值Tmax， 或gbest连续Tth次迭代都不发生更新。 6.根据权利要求5所述的微波天线物理参数设计方法， 其特征在于， 在第t次迭代时， 所 述惯性权重ω的取值为ω＝0.9 ‑(0.9‑0.5)*t/100， 加速常数C1、 C2的取值为： C1＝0.9‑ (0.9‑0.5)*t/10 0， C2＝0.9+(0.9 ‑0.5)*t/10 0。 7.根据权利要求1所述的微波天线物 理参数设计方法， 其特征在于， 所述高斯模型采用 ARD Matern 5/2内核。 8.根据权利要求1所述的微波天线物 理参数设计方法， 其特征在于， 所述仿真软件为全 波三维电磁仿真软件HFS S。 9.一种基于多层极限学习机的微波天线物理参数设计系统， 其特 征在于， 包括： 第一样本集构建模块， 用于根据待设计微波天线工作 频段范围和采样步长计算采样频 点fi， i＝1,2, …,N， N为采样点个数； 采用仿真软件获取不同天线物理参数下各频点处的S 曲线幅值， 构建第一样本集TrainSet1＝{X1,X2,…,XM}， 其中M为第一样本集样本总数， 第m 个样本Xm为： Xm＝[Sm,Ym]， Ym为p维天线物理参数， 作为样本标签， Sm为天线物理参数为Ym的 微波天线S曲线上在采样频点fi处的采样值构成的N维向量， m＝1,2, …,M； 第二样本集构建模块， 用于构建第二样本集TrainSet2＝{Z1,Z2,…,ZW}， 其中W为第二 样本集样本总数， 第w个样本Zw为N维向量： Zw＝[z1,w,z2,w,…,zN,w]， 为待设 计微波天线在频点fi处的S曲线幅值设计指标； Δsi,w为频点fi处的波动幅值， 且频点fi处不权　利　要　求　书 2/3 页 3 CN 114036839 A 3