稀疏正则化逆向神经网络在双陷波超宽带天线设计中的应用

在双陷波超宽带天线的设计过程中,直接逆向神经网络模型精度较低,而 BP 逆向神经网络泛化能力较差,若单独使用 HFSS 仿真软件需要不断优化天线各参数增加了设计时间。 针对以上问题,提出一种将 HFSS 与稀疏正则化逆向神经网络联合的方法。 该方法在逆向神经网络性能函数中增加 l1/2范数和 l2 范数,l1/2 范数引入了新的权系数,扩充了输入样本向量,使网络更易得到稀疏性解,逆模型精度更高,l2 范数能有效避免过拟合现象,使网络泛化能力更强。 应用于双陷波超宽带天线设计中,采用在辐射贴片上开弧形槽的方式产生陷波特性,根据天线目标电压驻波比逆向求解对应的开槽尺寸。 仿真实验结果表明,与 BP 逆向神经网络方法相比,求得的与天线电压驻波比对应的开槽角度相对误差减小了 69.3% ,开槽半径相对误差减小了 88.7% ,网络运行时间减少了 15.9% ;最终设计的天线带宽为 2.4~11GHz ,实现了3.31~3.8GHz 和4.98~6.05GHz 的良好陷波特性,缩短了整个天线的设计周期。