天线设计方法、装置、设备、介质及产品与流程

    专利查询2025-06-22  6


    本申请涉及通信,特别是涉及一种天线设计方法、装置、设备、介质及产品。


    背景技术:

    1、随着无线通信技术的飞速进步,天线设计作为无线通信系统研发中的核心要素,其设计效率对于通信系统整体性能的优化以及市场竞争力的提升具有至关重要的影响。然而,当前的天线设计主要依赖于人工操作和专家的深厚经验,这种传统设计模式不仅耗时较长,效率低下,而且其效果高度依赖于设计人员的专业素养和专业技能。特别是在处理复杂结构的天线设计时,这种依赖于人工和专家经验的设计方法更是显得捉襟见肘,需要大量的人力资源投入,导致天线设计的效率较低。


    技术实现思路

    1、本申请提供的一种天线设计方法、装置、设备、介质及产品,能够提高天线设计的效率。

    2、第一方面,本申请实施例提供一种天线设计方法,方法包括:

    3、获取训练好的目标预测网络,目标预测网络用于模仿目标天线设计思路以输出符合目标天线设计思路的第一天线尺寸;

    4、获取多个历史天线尺寸,以及每个历史天线尺寸对应的第一天线反射系数和第一天线增益;

    5、根据多个历史天线尺寸,以及每个历史天线尺寸对应的第一天线反射系数和第一天线增益,得到训练好的目标强化深度学习模型,目标强化深度学习模型的主动作网络为目标预测网络,主动作网络的权重与目标预测网络的权重相同步;

    6、将天线设计需求输入至目标强化深度学习模型中,得到符合天线设计需求的目标天线尺寸,天线设计需求包括天线增益需求范围和天线反射系数需求范围。

    7、第二方面,本申请提供一种天线设计装置,该装置包括:

    8、第一获取模块,用于获取训练好的目标预测网络,所述目标预测网络用于模仿目标天线设计思路以输出符合所述目标天线设计思路的第一天线尺寸;

    9、第二获取模块,用于获取多个历史天线尺寸,以及每个历史天线尺寸对应的第一天线反射系数和第一天线增益;

    10、第一确定模块,用于根据所述多个历史天线尺寸,以及每个历史天线尺寸对应的第一天线反射系数和第一天线增益,得到训练好的目标强化深度学习模型,所述目标强化深度学习模型的主动作网络为所述目标预测网络,所述主动作网络的权重与所述目标预测网络的权重相同步;

    11、第二确定模块,用于将天线设计需求输入至所述目标强化深度学习模型中,得到符合所述天线设计需求的目标天线尺寸,所述天线设计需求包括天线增益需求范围和天线反射系数需求范围。

    12、第三方面,本申请实施例提供了一种电子设备,该电子设备包括:处理器以及存储有计算机程序指令的存储器;

    13、处理器执行计算机程序指令时实现如第一方面中任意一个实施例中的天线设计方法。

    14、第四方面,本申请实施例提供了一种计算机存储介质,计算机存储介质上存储有计算机程序指令,计算机程序指令被处理器执行时实现如第一方面中任意一个实施例中的天线设计方法。

    15、第五方面,本申请实施例提供了一种计算机程序产品,计算机程序产品中的指令由电子设备的处理器执行时,使得电子设备执行实现如上述第一方面中任意一个实施例中的天线设计方法。

    16、在本申请实施例提供的一种天线设计方法、装置、设备、介质及产品中,首先,通过训练好的目标预测网络,能够模仿目标天线设计思路,快速输出符合设计思路的初步天线尺寸,其次,结合多个历史天线尺寸及其对应的性能数据,训练出了一个高效的目标强化深度学习模型。该模型不仅能够自主学习和优化天线设计参数,而且其主动作网络的权重与目标预测网络保持同步,确保了设计思路与目标预测网络的一致性和准确性。由此,在实际应用中,用户只需将特定的天线设计需求,目标强化深度学习模型即可迅速输出符合设计要求的目标天线尺寸。这种自动化的设计流程不仅提高了天线设计的效率,还降低了对设计人员专业素养的依赖,使得天线设计变得更加高效、准确和灵活,从而提高了天线设计的效率。



    技术特征:

    1.一种天线设计方法,其特征在于,所述方法包括:

    2.根据权利要求1所述的方法,其特征在于,所述获取训练好的目标预测网络,包括:

    3.根据权利要求2所述的方法,其特征在于,所述目标预测网络包括三层神经网络,所述目标预测网络采用修正线性单元激活函数。

    4.根据权利要求1所述的方法,其特征在于,所述根据所述多个历史天线尺寸,以及每个历史天线尺寸对应的第一天线反射系数和第一天线增益,得到训练好的目标强化深度学习模型,包括:

    5.根据权利要求4所述的方法,其特征在于,所述目标强化深度学习模型包括主网络和目标网络,所述主网络包括所述主动作网络和主评估网络,所述目标网络包括目标动作网络和目标评估网络;

    6.根据权利要求4所述的方法,其特征在于,所述第一损失函数ls11t为:

    7.一种天线设计装置,其特征在于,所述装置包括:

    8.一种电子设备,其特征在于,所述设备包括:处理器以及存储有计算机程序指令的存储器;

    9.一种计算机可读存储介质,其特征在于,所述计算机可读存储介质上存储有计算机程序指令,所述计算机程序指令被处理器执行时实现如权利要求1-6任意一项所述的天线设计方法。

    10.一种计算机程序产品,其特征在于,所述计算机程序产品中的指令由电子设备的处理器执行时,使得所述电子设备执行如权利要求1-6任意一项所述的天线设计方法。


    技术总结
    本申请提供了一种天线设计方法、装置、设备、介质及产品,通过获取训练好的目标预测网络,目标预测网络用于模仿目标天线设计思路以输出符合目标天线设计思路的第一天线尺寸;获取多个历史天线尺寸,以及每个历史天线尺寸对应的第一天线反射系数和第一天线增益;根据多个历史天线尺寸,以及每个历史天线尺寸对应的第一天线反射系数和第一天线增益,得到训练好的目标强化深度学习模型,目标强化深度学习模型的主动作网络为目标预测网络,主动作网络的权重与目标预测网络的权重相同步;将天线设计需求输入至目标强化深度学习模型中,得到符合天线设计需求的目标天线尺寸。本申请实施例能够提高天线设计的效率。

    技术研发人员:杨讯,费新,普建冬,蒋顺吉,张乐
    受保护的技术使用者:比邻智联(重庆)科技有限公司
    技术研发日:
    技术公布日:2024/11/26
    转载请注明原文地址:https://tc.8miu.com/read-29700.html

    最新回复(0)