| 摘要 | 第3-4页 |
| ABSTRACT | 第4页 |
| 第1章 绪论 | 第7-12页 |
| 1.1 研究背景和意义 | 第7-8页 |
| 1.2 国内外研究动态 | 第8-10页 |
| 1.3 本文的研究内容及主要结构 | 第10-12页 |
| 第2章 弹跳射线法研究及其PYTHON实现 | 第12-27页 |
| 2.1 低频数值算法 | 第12-13页 |
| 2.2 高频弹跳射线法 | 第13-20页 |
| 2.2.1 射线追踪 | 第14页 |
| 2.2.2 场强追踪 | 第14-16页 |
| 2.2.3 远场积分 | 第16-20页 |
| 2.3 用Python实现的弹跳射线法及其算例 | 第20-26页 |
| 2.3.1 SBR的实现 | 第20-21页 |
| 2.3.2 Python简介 | 第21-22页 |
| 2.3.3 算例与分析 | 第22-26页 |
| 2.4 本章小结 | 第26-27页 |
| 第3章 星载天线布局优化仿真的研究 | 第27-47页 |
| 3.1 基于Python和Savant联合仿真的天线布局优化整体框架 | 第27-30页 |
| 3.1.1 ANSYS Savant简介 | 第27-28页 |
| 3.1.2 天线布局优化的整体框架 | 第28-30页 |
| 3.2 单目标的布局优化 | 第30-39页 |
| 3.2.1 优化目标 | 第30-32页 |
| 3.2.2 差分进化算法 | 第32-36页 |
| 3.2.3 算例与分析 | 第36-39页 |
| 3.3 多目标的布局优化 | 第39-46页 |
| 3.3.1 多目标优化 | 第39-41页 |
| 3.3.2 多目标差分进化算法 | 第41-43页 |
| 3.3.3 算例与分析 | 第43-46页 |
| 3.4 本章小结 | 第46-47页 |
| 4 基于神经网络的卫星电磁兼容问题快速预测 | 第47-65页 |
| 4.1 人工神经网络 | 第47-54页 |
| 4.1.1 神经网络的结构 | 第47-51页 |
| 4.1.2 神经网络的训练以及BP算法 | 第51-54页 |
| 4.2 先验知识注入的神经网络 | 第54页 |
| 4.3 Python和HFSS的联合仿真 | 第54-55页 |
| 4.4 TensorFlow简介 | 第55-57页 |
| 4.5 算例与分析 | 第57-63页 |
| 4.6 本章小结 | 第63-65页 |
| 5 星载天线电磁兼容仿真预测软件的开发 | 第65-71页 |
| 5.1 软件概况 | 第65-66页 |
| 5.2 软件的结构和设计 | 第66-70页 |
| 5.2.1 星载天线布局优化模块 | 第66-68页 |
| 5.2.2 星载天线方向图仿真模块 | 第68-69页 |
| 5.2.3 星载天线互耦仿真模块 | 第69-70页 |
| 5.2.4 基于神经网络的电磁兼容预测模块 | 第70页 |
| 5.3 本章小结 | 第70-71页 |
| 6 总结与展望 | 第71-72页 |
| 致谢 | 第72-73页 |
| 参考文献 | 第73-77页 |
| 附录 | 第77页 |