| 摘要 | 第4-5页 |
| Abstract | 第5页 |
| 第1章 绪论 | 第9-16页 |
| 1.1 研究背景和研究意义 | 第9-10页 |
| 1.2 国内外研究现状与应用前景 | 第10-14页 |
| 1.2.1 自组构天线的研究现状 | 第10-12页 |
| 1.2.2 人工智能算法的研究现状 | 第12-13页 |
| 1.2.3 自组构天线未来的应用方向 | 第13-14页 |
| 1.3 本文的研究内容与结构安排 | 第14-16页 |
| 第2章 自组构天线基本原理 | 第16-29页 |
| 2.1 天线的主要性能参数 | 第16-18页 |
| 2.1.1 天线的电路特性参数 | 第16-17页 |
| 2.1.2 天线的辐射特性参数 | 第17-18页 |
| 2.2 微带贴片天线 | 第18-20页 |
| 2.2.1 微带贴片天线的基本结构 | 第18-19页 |
| 2.2.2 矩形微带天线的辐射原理 | 第19-20页 |
| 2.2.3 矩形微带天线的设计 | 第20页 |
| 2.3 环天线 | 第20-25页 |
| 2.3.1 环天线的基本结构 | 第20-22页 |
| 2.3.2 方环天线的辐射原理 | 第22-25页 |
| 2.4 自组构天线的基本结构与原理 | 第25-28页 |
| 2.4.1 微带贴片结构 | 第26-27页 |
| 2.4.2 矩形对数周期结构 | 第27页 |
| 2.4.3 互补结构 | 第27-28页 |
| 2.5 本章小结 | 第28-29页 |
| 第3章 人工智能优化算法 | 第29-38页 |
| 3.1 遗传算法 | 第29-31页 |
| 3.1.1 遗传算法的概述与特点 | 第29-30页 |
| 3.1.2 标准遗传算法的实现步骤 | 第30-31页 |
| 3.2 模拟退火算法 | 第31-33页 |
| 3.2.1 模拟退火算法的概述与特点 | 第31-32页 |
| 3.2.2 模拟退火算法的实现步骤 | 第32-33页 |
| 3.3 量子遗传算法 | 第33-35页 |
| 3.3.1 量子遗传算法的概述与特点 | 第33-34页 |
| 3.3.2 量子遗传算法的实现步骤 | 第34-35页 |
| 3.4 本文所应用的改进算法 | 第35-36页 |
| 3.4.1 遗传退火模拟算法 | 第35-36页 |
| 3.4.2 适应度函数变换策略 | 第36页 |
| 3.4.3 参数自适应策略 | 第36页 |
| 3.5 基于遗传算法的多目标优化算法 | 第36-37页 |
| 3.6 本章小结 | 第37-38页 |
| 第4章 利用HFSS计算自组构天线的智能算法程序设计 | 第38-48页 |
| 4.1 自组构天线优化计算与常规优化天线计算的不同 | 第38页 |
| 4.2 采用人工智能算法的有效性和必要性 | 第38-40页 |
| 4.3 利用HFSS计算自组构天线的智能算法程序方案 | 第40-42页 |
| 4.3.1 智能算法程序主要框架 | 第40-42页 |
| 4.3.2 主要程序模块 | 第42页 |
| 4.4 函数寻优测试 | 第42-47页 |
| 4.4.1 测试函数选取原则 | 第42-43页 |
| 4.4.2 全局搜索算法测试 | 第43-46页 |
| 4.4.3 多目标搜索算法测试 | 第46-47页 |
| 4.5 本章小结 | 第47-48页 |
| 第5章 人工智能算法在自组构天线计算中的应用 | 第48-70页 |
| 5.1 自组构贴片天线特性的研究 | 第48-61页 |
| 5.1.1 电压驻波比性能优化 | 第50-59页 |
| 5.1.2 人工智能算法比较 | 第59-61页 |
| 5.2 矩形环结构自组构天线特性研究 | 第61-69页 |
| 5.2.1 电压驻波比性能优化 | 第62-66页 |
| 5.2.2 单频段双目标工作优化 | 第66-68页 |
| 5.2.3 矩形环自组构天线平衡馈电的探讨 | 第68-69页 |
| 5.3 本章小结 | 第69-70页 |
| 第6章 总结与展望 | 第70-71页 |
| 致谢 | 第71-72页 |
| 参考文献 | 第72-74页 |
| 附录1 攻读硕士学位期间撰写的论文 | 第74页 |
