(电气工程专业论文)射频天线的遗传算法自适应阻抗匹配.pdf_第1页
(电气工程专业论文)射频天线的遗传算法自适应阻抗匹配.pdf_第2页
(电气工程专业论文)射频天线的遗传算法自适应阻抗匹配.pdf_第3页
(电气工程专业论文)射频天线的遗传算法自适应阻抗匹配.pdf_第4页
(电气工程专业论文)射频天线的遗传算法自适应阻抗匹配.pdf_第5页
已阅读5页,还剩62页未读 继续免费阅读

下载本文档

版权说明:本文档由用户提供并上传,收益归属内容提供方,若内容存在侵权,请进行举报或认领

文档简介

r fa n t e n n aa d a p t i v ei m p e d a n c em a t c h i n gb a s e do ng e n e t i c a l g o r i t h m sm e t h o d b y y ir u f a n g b e ( z h e n g z h o ui n s t i t u t eo f a e r o n a u t i c a li n d u s t r y m a n a g e m e n t ) 2 0 0 9 at h e s i ss u b m i t t e di np a r t i a ls a t i s f a c t i o no ft h e r e q u i r e m e n t sf o rt h ed e g r e eo f m a s t e ro fe n g i n e e r i n g e l e c t r i c a le n g i n e e r i n g i nt h e g r a d u a t es c h o o l o f h u n a nu n i v e r s i t y s u p e r v i s o r p r o f e s s o rt a ny a n g h o n g s e n i o re n g i n e e ry uj i a n 湖南大学 学位论文原创性声明 本人郑重声明:所呈交的论文是本人在导师的指导下独立进行研 究所取得的研究成果。除了文中特别加以标注引用的内容外,本论 文不包含任何其他个人或集体已经发表或撰写的成果作品。对本文 的研究做出重要贡献的个人和集体,均已在文中以明确方式标明。 本人完全意识到本声明的法律后果由本人承担。 作者签名:日期:年月日 学位论文版权使用授权书 本学位论文作者完全了解学校有关保留、使用学位论文的规定, 同意学校保留并向国家有关部门或机构送交论文的复印件和电子 版,允许论文被查阅和借阅。本人授权湖南大学可以将本学位论文 的全部或部分内容编入有关数据库进行检索,可以采用影印、缩印 或扫描等复制手段保存和汇编本学位论文。 本学位论文属于 l 、保密口,在年解密后适用本授权书。 2 、不保密留。 ( 请在以上相应方框内打“”) 目, 、 作者签名:嬲日期:2 口f 1年争月z 9 日 导师签名:彳军归缈触日期:训年f 月加日 射频天线的遗传算法自适应阻抗匹配 摘要 射频识别( r a d i of r e q u e n c yi d e n t i f i c a t i o n ,r f i d ) 技术是从2 0 世纪9 0 年代 兴起并逐步走向成熟的一项自动识别技术,通过射频耦合方式进行非接触双向通 信,达到目标识别和数据交换的目的。r f i d 读写器在移动的过程中,天线的感 应系数和阻抗的易变性会导致传输功率的损耗增大,降低识别能力。因此,射频 天线自适应阻抗匹配已成为一个亟待解决的问题。本文提出了种基于遗传算法 的射频天线自适应阻抗匹配方法: 综合比较了工程中射频段常用的几种阻抗匹配方法,提出选用无源型网络 作为匹配网络实现阻抗变换,不仅解决了传统l 型匹配网络存在匹配禁区的问 题,匹配精度也能得到保证;而且结构简单搜索空间仅为3 维,极大减少了算法 的复杂度使匹配算法的实时性成为可能。 分析了射频窄带情况下的阻抗匹配,将窄带匹配近似等价为其频率中心点处 的阻抗匹配问题。在此基础上,提出了基于浮点遗传算法( f l o a t i n gg e n e t i c a l g o r i t h m ,f g a ) 的自适应阻抗匹配方法。与标准遗传算法( s i m p l eg e n e t i c a l g o r i t h m ,s g a ) 相比,f g a 不仅省去了s g a 中繁琐的编码及解码过程,解决 了s g a 编码长度不够造成的“h a m m i n g 悬崖”问题,且f g a 算子更灵活,寻 优效率更高。 对于射频宽频情况下的阻抗匹配,借鉴了驻波比法及实频法在处理宽频问题 时的简化思想,将此简化为其频带内n 个等距频率点的综合匹配问题。由于f g a 在解决匹配问题时,算法易出现“早熟 。为解决上述问题,本文提出了基于分 层遗传算法( m u l t i l e v e lg e n e t i ca l g o r i t h m ,m l g a ) 的宽频自适应阻抗匹配方法。 m l g a 利用了异步并行的原理,模拟自然界中多种群共同竞争的进化过程。分 层机制的引入,保持了个体的多样性,从而克服了s g a 和f g a 在进化过程中由 于个体趋同导致的“早熟问题。 针对高频情况下,射频电感中出现的非理想性因素,本文给出了2 g h z 下两 种电感的实际模型( 简单实际模型和i c 模型) 。分析其中寄生电阻对匹配结果所 造成的影响。 关键词:自适应;射频天线;阻抗匹配;遗传算法 i l 硕士学位论文 a b s t r a c t r f i d ( r a d i of r e q u e n c yi d e n t i f i c a t i o n ,r f i d ) i s ad e v e l o p i n ga u t o m a t i c i d e n t i f i c a t i o nt e c h n o l o g ys t e m m i n gf r o m9 0 si nt h e2 0 t hc e n t u r y n o n - c o n t a c ta n d t w o - w a yc o m m u n i c a t i o n sa r ea d o p t e dt oo b t a i ne f f i c i e n c yo b j e c ti d e n t i f i c a t i o na n d d a t ae x c h a n g e a st h er f i dr e a d e r sm o v i n g ,t h ei n d u c t a n c eo fa n t e n n aa n d i m p e d a n c ev a r i a b i l i t y w i l ll e a dt ot r a n s m i s s i o np o w e rl o s s ,a n dr e d u c et h e r e c o g n i t i o na b i l i t y t h e r e f o r e ,t h er fa n t e n n aa d a p t i v ei m p e d a n c em a t c h i n gh a s b e c o m eas e r i o u sp r o b l e mt ob es o l v e d a na d a p t i v ei m p e d a n c em a t c h i n gm e t h o db a s e do ng e n e t i ca l g o r i t h mh a sb e e n p r o p o s e di nt h ep a p e r c o m p a r e dw i t hm a n yt r a d i t i o n a lm a t c h i n gn e t w o r k s ,t h i sp a p e ru s e st h e 兀t y p e n e t w o r kt om a k et h er fn e t w o r km a t c h i n g u n l i k et r a d i t i o n a llt y p en e t w o r k ,w h i c h h a v em a t c h i n gr e s t r i c t e da r e a s ,t h e7 ct y p en e t w o r kn o to n l yc a ng e tv e r ya c c u r a c y m a t c h i n gr e s u l t s ,b u ta l s ob e c a u s eo ft h es i m p l et o p o l o g y ,t h em a t c h i n gs p e e do f t h e 元t y p en e t w o r k isv e r yf a s t f o rt h er fn a r r o w b a n di m p e d a n c em a t c h i n g ,t h ep r o b l e mc a nb ec o n s i d e r e da s t h ei m p e d a n c em a t c h i n ga tt h ec e n t e rf r e q u e n c yo ft h eb a n d w i d t hr a n g eb e c a u s eo f t h eh i g h - qp r o p e r t yo ft h ec i r c u i t o nt h eb a s i s ,a na d a p t i v ei m p e d a n c em a t c h i n g m e t h o di sp r o p o s e db ya d o p t i n gf l o a t i n gp o i n tg e n e t i ca l g o r i t h m ( f g a ) c o m p a r i s o n w i t hs i m p l eg e n e t i ca l g o r i t h m ( s g a ) ,f g ai g n o r e st h et e d i o u sp r o c e s so fe n c o d i n g a n dd e c o d i n gw h i c hm a ya v o i d ”h a m m i n gc l i f f p r o b l e m s m o r e o v e r , t h ef g a o p e r a t o r sa r em o r ef l e x i b l et h a ns g ao p e r a t o r s t h e r e f o r e ,t h es e a r c ha b i l i t yo ff g a i sa l s om o r ee f f i c i e n tt h a ns g a f o rt h ec a s eo fr fb r o a d b a n di m p e d a n c em a t c h i n g ,t h ep r o b l e mi ss i m p l i f i e da s an u m e r i c a lc o m p u t a t i o ni nnp o i n t si nt h ef r e q u e n c yb a n d w i d t h ,w h i c hd r a w st h e s t a n d i n gw a v er a t i om e t h o da n dt h er e a lf r e q u e n c ym e t h o d t os o l v et h ea b o v e m a t c h i n gp r o b l e m ,t h i sp a p e rp r o p o s e s a na d a p t i v ei m p e d a n c em a t c h i n gm e t h o d b a s e do nm u l t i l e v e lg e n e t i ca l g o r i t h m ( m l g a ) i nt h ee v o l u t i o np r o g r a mo ff g a , b e c a u s eo ft h eg r e e d yr u l e ,f g aa l w a y sa p p e a r s “p r e m a t u r ec o n v e r g e n c e ”( p c ) c o m p a r e dw i t hf g a ,m l g a c a no v e r c o m ep c ,b e c a u s em l g au s e st h ep r i n c i p l eo f a s y n c h r o n o u sp a r a l l e l i i i f o rt h eh i g hf r e q u e n c y ,t h er fi n d u c t o ra p p e a r sn o n - i d e a lf a c t o r s i nt h i sp a p e r , t w ot y p e so ft h ea c t u a li n d u c t o rm o d e la t2 g h za r ep r o v i d e d t h ee f f e c to ft h e n e t w o r kp a r a m e t e r ss u c ha sp a r a s i t i cr e s i s t a n c ei sa n a l y z e di nt h ep a p e r k e yw or d s :a d a p t i v e ;r fa n t e n n a ;i m p e d a n c em a t c h i n g ;g e n e t i ca l g o r i t h m s i v 硕士学位论文 目录 学位论文原创性声明i 摘要i i a b s t r a c t i i i 目录。v 第1 章绪论一1 1 1 射频天线阻抗匹配的研究背景和意义1 1 2 自适应阻抗匹配研究现状2 1 3 论文的主要研究内容4 1 4 论文的结构安排一5 第2 章窄带匹配的遗传算法设计一7 2 1 窄带匹配网络的分析7 2 2 基于遗传算法的窄带自动阻抗匹配1 0 2 3 实验结果及分析1 6 6 2 4 本章小结一21 1 第3 章宽频阻抗匹配的遗传算法设计2 3 3 3 1 宽频匹配网络的分析一2 3 3 3 1 1 适应度函数选择2 3 3 3 1 2 分层机制的引入2 4 4 3 2 实验结果及分析”2 5 5 3 3 本章小结3 7 第4 章实际电感模型下阻抗匹配研究”3 8 4 1 非理性因素的分析3 8 4 2 电感的实际参数模型3 8 4 3 实际电感模型对匹配网络的影响3 9 4 3 1 简单实际模型下匹配网络的分析3 9 4 3 2i c 实际模型下匹配网络的分析4 2 2 4 4 本章小结4 6 总结与展望4 7 参考文献4 8 致 谢一4 81 附录a ( 攻读学位期间所发表的学术论文目录) 一5 2 v 硕士学位论文 第1 章绪论 1 1 射频天线阻抗匹配的研究背景和意义 射频是一种高频交流变化电磁波的简称,射频相当于射频电流。最初人们 把它的频率范围定义在1 0 m h z 1 g h z 之间,但随着科技的快速发展,射频技术 应用越来越广泛,因此国际上把凡是频率在3 0 m h z 4 g h z 之间的电磁波都称为 射频波。 阻抗匹配通常有两个方面的含义比3 :( 1 ) 当负载和射频源内阻共轭相等时, 可以获得最大传输功率,这一最大传输功率传输条件称为共轭匹配。( 2 ) 当负载 和传输线的特征阻抗以及射频源内阻相等时,射频源发出的电压波全部达到负 载,而不会在三者之间产生反射。通常将这一无失真电压传输条件称为传输线 匹配。 当负载天线阻抗和传输线阻抗不相等时,传输线上除了出现入射波外,还 会出现反射波,反射波的存在意味着传送线终端的功率不能全部被负载所吸收, 从而降低了传输效率。不仅如此,阻抗不匹配还会带来其他的不良影响阳3 :( 1 ) 传输线上同时存在着行波和驻波,若信号电压比较高,则在电压波腹点容易产 生介质击穿的现象。如欲避免击穿,势必采用尺寸更大和耐压更高的传输线从 而加大了投资。( 2 ) 在行波和驻波同时存在的情况下,电流波腹点附近的电流振 幅也高于正常值,产生的热量也比较大,附近的绝缘层易被烧坏。( 3 ) 存在反射 波的情况下,输入阻抗都将随着频率而变化。当用来传输信号中含有若干频率 的分量时,将使信号失真。 为实现阻抗匹配,通常做法在源和负载之间插入一个无源网络,这种无源 网络通常被视为匹配网络瞳1 。然而它们的功能并不是仅限于为实现理想功率传输 而在源和负载间进行阻抗匹配。事实上,许多实际的匹配网络并不是仅为减小 功率损耗而设计的,还具有:减小噪声干扰,提高功率容量和提高频率响应的 线性度等b 3 。通常认为,匹配网络的用途就是实现阻抗变换,就是将给定的阻抗 值变换成其他更合适的阻抗值。 本论文主要讨论的是利用无源匹配网络实现阻抗匹配,重点是确保在源和 负载之间形成最小反射,以实现天线负载获得最大传输功率,而将所有其他因 素如噪声系数,线性度等忽略。采用无源l c 器件网络,便于分析、计算和构建, 同时,网络可以适用于g h z 频段和低频段下使用,应用范围广。自适应阻抗匹 配能够及时跟踪射频天线负载的变化,调整匹配网络,保证射频源输出的功率 能最大化。 射频天线的遗传算法自适应阻抗匹配 1 2 自适应阻抗匹配研究现状 在射频电路设计中,例如,放大器前后级的级联、射频电源与负载天线之 间,阻抗匹配问题是要常常被考虑的。简单的讲,阻抗匹配即是在电源与负载 之间加入匹配网络从而实现电路的最大功率传输。通常的匹配网络有:变压器 阻抗变化网络、集总参数匹配网络、混合元件匹配网络、分布参数匹配网络等。 基于射频电路的工作特性,它既不同于低频电路只需考虑元件的集总参数而忽 略了由于系统元件尺寸与电压工作波长可比拟时,所造成的诸如相位偏移、噪 声、趋肤效益等的影响,也不同于微波电路需要考虑由于电压电流的变化造成 电磁场的影响,因此造成射频阻抗匹配电路的设计工作具有其独特的方面。利 用射频微波理论及电网络相关知识来进行射频阻抗匹配电路的设计相关计算量 大。为此在工程常引入s m i t h 圆图陋1 ( s m i t hc h a r t ) 来进行阻抗匹配设计。s m i t h 圆图最早是由美国工程师p h s m i t h 于l9 3 9 年提出。圆图形象的描述了阻抗变 化过程,简化了阻抗匹配网络中l 、c 集总元件参数以及传输线线长的求解。不 仅如此,在圆图中还可以很清晰的分析出匹配网络的匹配区域以及相关的s 参 数、q 值、v s w r 参数等。因此,时至今日s m i t h 圆图仍然是射频电路中基于 阻抗匹配设计的较为常用的方法h 。1 。 然而,基于s m i t h 圆图的阻抗匹配方法,虽能很好的解决射频窄带电路系统 的阻抗匹配问题,实现负载与射频源的阻抗匹配;但是,对于更为常见的宽带 射频电路系统,例如对带宽有严格要求的移动通信系统,利用s m i t h 圆图方法解 决就显得无能为力了。对于宽带阻抗匹配问题,最早是由博德( b o d e ) 于19 4 5 年提出哺1 。博德的研究虽只限于串并联电容、电阻等集总参数组成的负载,且缺 少对无耗网络附加的限制条件,但他开创性的提出了匹配网络的增益带宽的基 本限制,为后续的研究奠定了基础。上世纪5 0 年代,在博德的基础上,范诺( f a n o ) 对上述问题做了进一步的研究,提出以完全一般的方式解决了任意无源负载与 电阻性信号源之间的阻抗匹配问题旧。范诺巧妙的利用负载阻抗构造出加权函数, 并利用该加权函数构造成一组积分约束条件来表示结果。1 9 6 4 年,尤拉( y o u l a ) 建立起基于复数归一化原理的一种新的理论n 们。利用该理论解决了范诺研究中 所遇到的一些问题。1 9 6 6 年,c h a n 和k u h 将尤拉的理论推广到有源或无源负载 和电阻性信号之间的匹配问题1 。同时,在上世纪6 0 年代的时候,s c h o e f f l e r 改变了研究思路,从不同的方面进行研究,提出了相容阻抗的概念n 羽。1 9 8 0 年, 利用尤拉的研究结果,s a t y a n a r a y a n a 和c h e n 提出了另一个相容阻抗定理3 。随 后,z h u 和c h e n 将相容阻抗原理和宽带匹配理论统一起来,并证明相容阻抗和 宽带匹配是一个问题的两个方面n p l 引。上世纪8 0 年代,h j c a r l i n 在充分总结前 人理论基础上,先后提出了实频技术法和简化实频法n 6 。1 钔。实频法直接利用频带 内所测量出的终端负载参数数据,采用折线段模拟阻抗的实部,建立优化模型, 2 硕士学位论文 进行优化,解决了工作频带内负载终端,如射频天线,数学模型难以建立所造成 的宽带匹配难题。进入上世纪9 0 年代,随着计算机技术的爆炸式发展,计算机 辅助设计技术( c a d ) 迅速应用于射频电路宽带匹配网络的设计中。进一步促 进了实频法以及随后提出的参数技术法乜0 1 、直接优化法乜等一系列优化方法在 射频电路宽频阻抗匹配设计过程中的发展和应用旧 2 引。 随着科技的进步,信息时代的来临,以移动通信设备为主导的消费电子产 品日益普及,作为射频电路设计中的重要组成部分,阻抗匹配具有更为深远的 意义,即在负载阻抗随环境等因素变化时,如何实现源与负载的动态匹配以获 得最大传输功率。以移动电话天线为例,在移动电话通信的过程中,由于射频 电路工作频率很高,电路元件往往工作在非线性区域,移动电话的天线负载阻 抗容易受到周围环境的影响而发生改变心6 1 。另外,多模移动电话往往工作在不 同频带段内,射频天线电路如果在9 0 0 m h z 频带内完全匹配,那么在1 8 g h z 频 带内就不会匹配。因此,自动匹配技术应运而生。 自动阻抗匹配技术的基本原理心6 。3 引:传感器将负载的相关信息( 负载端的阻 抗值、反射系数或v s w r ) 传输给控制器,控制器利用从传感器所获得的信息 经控制器内部的控制算法得到匹配网络各元件参数的调整方案,通过作用器件 对网络各参数进行动态调整以实现自动匹配。自动匹配技术其难点在于当负载 发生变化时如何获得匹配网络各元件参数值。这一问题可以等效为数值寻优问 题。常用的数值寻优方法有:拟牛顿法、共轭梯度算法等方法。这些经典的数 值寻优算法不仅求解依赖初始条件,对求解空间有诸如可微或连续等较高要求, 更重要的是经典数值寻优方法对于多峰值问题易陷入局部极值而无法找寻到全 局最优解( 这也是经典数值寻优算法常常被称为局部搜索算法的原因) 。智能算 法是人们在研究自然的过程中受到某一自然过程的启发,模拟该过程的一类数 值算法。常见的智能算法有:模拟退火算法、遗传算法、禁忌搜索算法、粒子 群算法等。智能算法的共同特点有:( 1 ) 随机初始化,对初始条件几乎不做要求。 ( 2 ) 引入了相应的控制机制,确保算法搜索到全局最优解( 智能算法也被称作是 全局搜索算法) 。( 3 ) 对求解域,无可微或连续的要求。( 4 ) 具有并行性。近几年, 国内外一些学者将智能算法引入到自动阻抗匹配技术中做了一定探索。国外, m t h o m p s o n 和j k f i d l e r 将标准遗传算法应用于自动阻抗匹配中心引。国内,中 国科学技术大学的钱玉良、程健等人则利用模拟退火算法解决该问题羽。然而 研究还不够深入:( 1 ) 考虑的往往是结构较为简单,参数变量较少的l 型网络, 然而l 型网络有较大匹配禁区,匹配精度无法保证。( 2 ) 算法相关操作过于简单, 算法收敛速度慢,且易于出现“早熟等现象。( 3 ) 考虑的往往是理论电路模型, 然而实际电路工作在u h f 波段,元件寄生严重,需考虑元件的实际模型。 针对上述研究中的不足,本文选用匹配精度能够得到保证的型网络来进 射频天线的遗传算法自适应阻抗匹配 行阻抗匹配。利用搜索能力更强的浮点遗传算法作为控制算法求取元件参数, 为防止遗传算法进化过程中由于种群多样性减少,导致出现“早熟 现象,本 文采用分层机制来保证种群多样性,预防“早熟。本文不仅考虑了理想情况下 算法的匹配结果,并考虑到寄生电阻对匹配网络的影响,将2 g h z 下电感的实际 模型代入到匹配网络中,在此条件上进行匹配。 1 3 论文的主要研究内容 射频天线自适应阻抗匹配是目前研究比较前沿的研究领域,而且应用范围很 广,极具发展潜力,吸引了很大一批的专家学者。采用智能优化算法来实现射 频天线自适应阻抗匹配,还是比较少见的。本文研究是在国内外学者的研究基 础上进行的,基于目前自适应阻抗匹配的现状,将遗传算法引入到自适应阻抗 匹配中,并做出深入的研究。 本论文工作主要体现在以下几个方面: 综合比较了工程中射频段常用的几种阻抗匹配方法( 网络) 。在折衷算法的 匹配时间及算法匹配精度的前提下,提出选用无源兀型网络作为匹配网络实现 阻抗变换。型匹配网络的选择,不仅解决了传统的l 型匹配网络存在匹配禁 区的问题,匹配精度得到了保证;而且与复合型匹配网络相比结构简单,在利 用搜索算法进行自适应阻抗匹配时,搜索空间仅为3 维,极大的减少了算法的 复杂度,匹配算法的实时性得到了保证。 分析了射频窄带情况下的阻抗匹配,并出于简化工程计算的考虑,将窄带情 况下的匹配,近似等价为其频率中心点处的阻抗匹配问题。在此基础是上,提 出基于浮点遗传算法( f l o a t i n gg e n e t i ca l g o r i t h m ,f g a ) 的自适应阻抗匹配方法。 与标准遗传算法( s i m p l eg e n e t i ca l g o r i t h m ,s g a ) 相比,f g a 不仅省去了s g a 中繁琐的编码及解码过程,避免了由于s g a 编码长度不够造成的“h a m m i n g 悬 崖问题;而且f g a 中相应的算子与s g a 中算子相比编写更为灵活,算子的寻 优效率更高。利用m a t l a b 平台,对0 9 g h z 、1 8 g h z 及2 4 g h z 频率,不同负 载阻抗情况进行了匹配实验。实验结果表明,基于f g a 的自适应阻抗匹配方法, 在0 9 g h z 及1 8 g h z 下,匹配结果精确,算法能稳定收敛;而在2 4 g h z 下,算 法易出现“早熟”,匹配效果差。 对于射频宽频情况下的阻抗匹配,基于计算机数值计算的考虑,本文借鉴了 驻波比法及实频法在处理宽频问题时的简化思想,将此简化为其频带内n 个等 距频率点的综合匹配问题。由于f g a 在解决匹配问题时,算法易出现“早熟”。 为解决上述问题,本文提出了基于分层遗传算法( m u l t i l e v e lg e n e t i ca l g o r i t h m m l g a ) 的宽频自适应阻抗匹配方法。m l g a 利用了异步并行的原理,模拟自 然界中多种群共同竞争的生物进化过程。分层机制的引入,算法中个体多样性 4 硕士学位论文 得到了保持,从而克服了遗传算法在进化过程中由于个体趋同导致的“早熟 问题。在g s m 1 8 0 0 、u m t s 及双频工作模型情况下,对f g a 、m l g a 进行了 比较。结果表明m l g a 在宽频条件下匹配结果良好,算法速度快,不易陷入“早 熟”。 针对高频情况下,射频电感中出现的非理想性因素,本文给出了2 g h z 下两 种电感的实际模型( 简单实际模型和i c 模型) 。分析其中寄生电阻对匹配结果 所造成的影响。在简单实际模型下,通过实验表明,由于电感模型中寄生电阻 的出现,匹配网络在实现阻抗变换的同时,自身也要消耗能量;最大功率传输 与无反射能量传输不再视为等同,匹配条件发生了改变,在利用遗传算法解决 阻抗匹配问题时,其适应值函数的编写应结合最大功率传输及无反射能量传输 进行综合考虑。在i c 模型下,本文先对i c 模型中r c 串联旁路进行串并联转换。 转换后的r c 并联旁路路中,其并联电阻高达1 8 0 0 0 h m s ,远远大于主支路上寄 生电阻,为简化计算将旁路电阻视为开路,忽略其对匹配网络的影响。随后使 用o r c a d 对匹配电路进行灵敏度分析,分析结果表明,旁路电阻对网络的灵敏 度远远小于主支路上电阻对网络的灵敏度,从而说明上述简化是可行的。 本文的创新点有以下几个方面: ( 1 ) 比较了工程中较为常用的匹配网络,由于常用的l 型匹配网络有存在的 “匹配禁区”问题,匹配精度无法保证。本文选用型网络作为阻抗匹配网络, 其结构简单,匹配精度高。 ( 2 ) 在标准遗传算法的基础上,提出基于浮点遗传算法的自适应阻抗匹配方 法。相比标准遗传算法,浮点遗传省去了繁琐的编码解码过程,且其遗传算子 搜索能量更强,算法求解速度快,求解精度高。 ( 3 ) 为解决浮点遗传算法在自适应阻抗匹配中所遇到的“早熟 问题,提出 基于分层遗传算法的自适应阻抗匹配方法。分层机制的引入,提高了种群进化 时个体的多样性,很好解决了遗传中由于“贪婪原则”的出现,所造成的种群 趋同算法搜索能力变差的问题。 ( 4 ) 分析了随着频率的提高,电感元件中非理想因素对匹配网络的影响;为 简化工程计算,提出了一种电感i c 模型下,匹配网络近似计算的方法。 1 4 论文的结构安排 论文的结构安排如下: 第一章绪论,主要阐述射频天线自适应阻抗匹配的历史和现状,课题研究 目的和现实意义,以及论文的主要研究内容。 第二章提出了基于智能优化算法自适应阻抗匹配的基本构架,将窄带下射 频阻抗匹配简化为特定工作频率点的阻抗匹配问题。对工程中常用的几种匹配 射频天线的遗传算法自适应阻抗匹配 网络进行了比较,基于算法求解速度与匹配网络精度的综合考虑,提出选用 型网络进行阻抗匹配,并在此基础上推导了相关计算公式。比较了标准遗传算 法和浮点遗传算法,由于标准遗传编码过程繁琐,往往会出现“h a m m i n g 悬崖”, 因此利用浮点遗传算法实现自适应阻抗匹配。最后本章给出了不同频率及负载 阻抗的情况下,浮点遗传算法的匹配结果。结果表明在0 9 g h z 、1 8 g h z 条件下, 算法稳定收敛,匹配精度高,求解速度快;而在2 4 g h z 条件下,算法易出现“早 熟 现象,算法无法稳定收敛,需进一步改进。 第三章分析了宽频条件下的射频阻抗匹配,基于数值计算的考虑,将射频 宽频条件下的阻抗匹配问题,等效为其通信频带内n 个等距频率点阻抗匹配的 优化问题。针对浮点遗传算法在解决自适应阻抗匹配问题中易出现“早熟”现 象,本章提出了基于分层遗传算法的自适应阻抗匹配方法。最后给出了 g s m 1 8 0 0 、u m t s 及双频工作模型情况下分层遗传算法的匹配结果,以及上述 三种情况下,分层遗传及浮点遗传的对比实验结果。 第四章,分析了随着频率的提高,电容及电感非理想因素对射频电路的影 响。由于高频下电容q 值往往比电感q 值大很多,相对于电容非理想因素,电 感非理想因素对电路的影响要大得多,因此本章忽略电容的影响,而只考虑高 频电感对匹配电路的影响。给出了高频2 g h z 下射频电感的两种实际模型。分析 模型中,寄生参数对电路匹配结果的影响。 最后,将本文的研究成果进行了总结,给出了研究中所存在的不足。 6 硕士学位论文 第2 章窄带匹配的遗传算法设计 2 1 窄带匹配网络的分析 在射频通信电路中,若通信带宽较窄,出于方便计算的考虑,可将电路近 似为只在其中心频率点上工作。本章考虑窄带情况下的阻抗匹配,为方便分析 和计算本章均采用上述假设,即假设射频电路只工作在特定的频率点,在此基 础上进行相应的匹配计算。 在射频通信电路中,由于射频负载天线易受周围环境的影响,负载阻值实 时改变,为保证通信质量实现最大功率传输,要求匹配网络可调以适应天线的 变化。如图2 1 所示,负载天线( a n t e n n a ) 通过可调匹配网络( t u n a b l em a t c h i n g n e t w o r k ) 与接有功率放大器( p a ,p o w e ra m p l i f i e r ) 的信号源( s o u r c e ) 相连, 以实现负载与信号源之间的匹配。当负载天线发生变化时,即匹配条件改变时, 中央处理单元( p r o c e s s o r ) 通过传感器获取天线的阻抗信息,处理单元利用其内部 的控制算法获取匹配网络中各元件的调整参数,并通过相应作用单元将匹配网 络各元件值调整到相应位置,从而实现自动阻抗匹配。 图2 1 自动阻抗匹配原理图 射频波段常用的阻抗匹配方法,是在负载与电源之间加入一个无源匹配网 络,无源网络通常情况下由分立的l c 元件构成或是由分立元件与分布参数传输 线混合构成。由于分别参数传输线一旦设计好后长度无法调整,而l c 元件实现 参数可调较为容易( 可变电容可由变容二极管或权值开关电容实现,而可变电 感元件则可用耦合电感或是权值开关电容加回转器实现) ,因此本文采用分立l c 元件构成匹配网络。对于匹配网络结构的选择,目前工程领域比较常用的结构 有:l 型网络,t 型网络,丌型网络,复合型网络。 l 型网络又称为双元件网络,是成本最低且可靠性最高的匹配网络,元件数 目最少。这种网络采用两个电抗性元件将负载( z ,) 变换为需要的输入阻抗( z 。) 。 这两个元件与负载阻抗及源阻抗一起,可以构成图2 2 所示的l 型匹配网络。 7 射频天线的遗传算法自适应阻抗匹配 ( 口) ( 6 ) 图2 2 常用l 型匹配网络 在l 型网络上增加第三个元器件使得电路中增加了一个节点,构成了t 型 或型网络。常用的t 型或型网络有图2 3 所示的几种。 图2 3 常用t 型和n 匹配网络 除了常见的l 型网络,t 型网络,兀型网络以外,采用这三种基本网络复合 而成的匹配网络也很多见,如图2 4 举了常见的几种复合型网络。通常复合型网 络以l 型网络为基础进行衍生,增加元器件个数来实现匹配网络,但这种网络 更多是考虑减少噪声,提高功率容量和提高频率响应的线性度等一系列问题, 所以很多学者将这种网络看成滤波网络,不再将阻抗匹配放在第一考虑。 图2 4 常用复合型匹配网络 由于匹配网络结构的复杂度直接影响自动匹配算法的负载度,因此选择一 个合适的匹配网络显得尤为重要。从理论上而言,复合型匹配网络较其他各匹 配网络有更好的性能,但其复杂的计算模型,为优化匹配算法的求解造成了困 难。本文所研究的射频天线自动阻抗对实时性有着严格的要求,因此复合型匹 配网络将不予以考虑。l 型匹配网络,由于只有两个调整元件,网络结构十分简 单,因此在实际工程中较为常见,但l 型匹配网络品质因素q 值不可调,无法 控制电路的带宽特性,更为重要的是l 型匹配网络存在匹配“禁区,网络的匹 配范围受到限制。综合考虑,本文采用型匹配( t 型网络与型网络类似,二 者选一) 作为自适应阻抗匹配网络,该网络既不像l 型匹配网络一样由于网络 8 硕士学位论文 结构简单而拥有匹配“禁区 ,以及q 值不可调的缺点,同时也不像复合型匹配 网络,由于网络结构的复杂,造成算法复杂度的增加,从而导致算法实时性的 下降。 对图2 1 进行相应电路等效,等效电路图如2 5 所示。在图2 5 中,电源被 等效为交流信号源a c 与电源内阻段相串联的形式,其中信号源电压取职= i v , 电源内阻尺。相应与射频传输线的特性阻抗相等,一般取5 0 0 h m s ;而射频天线被 等效为负载z ,其中有z l = r + ;而l 、c i 、c 2 则构成了连接电源与负载之间 的丌型匹配网络。另外在图2 5 中,z 。表示从电源端看过去负载与型网络所 构成的输入阻抗,。则是z m 对应的电压,乙。则表示从负载端看过去电压源与靠 型网络所构成的等效阻抗,眈。是z 舶所对应的电压,表示电路所处的工作频率。 z 嘛z 2z t z c q 图2 5 型匹配嘲络等双黾路 根据图2 5 可以计算出各段电阻值: z l = 五蕊r 丽+ y x ( 2 1 ) 1 一j ,c ,+ ,c ,r z 2 = j c o l + z l ( 2 2 ) z ,一2 丽1 - , 2 ( 2 3 ) 将f f 式( 2 1 ) 和公式( 2 2 ) 代入到( 2 3 ) e e ,可以得到输入阻抗z | 。: 7 一 塑:丝刍= 墨2 二! 竺:丝g 二竺墨= 茎! f 24 、 厶加一 ( 3 皿c l c 2 + 2 三c 2 一码一c o x c 2 1 ) + ( 3 肚c 1 c 2 - c o r c , - c o r g ) 卜17 同理,也可以得到输出阻抗乙和输出电压吒: z :! 竺:堡孝刍二墨! 二竺墨( 2 5 ) = 一 i 二3 , 。叼( 2 三c 2 - o + j ( r 0 3 & l g g - c o r , g - c o r , g ) ”7 叱= 面( c 0 2 酉l g 可- 1 ) + 丽j ( c o 面3 r , l 雨g g j - c o 丽k c 丽z - f o r , g ) 虬 ( 2 6 ) 。” 沏2 三c 2 一1 ) 2 + 3 足c l c 2 一足q 一r c 2 ) 2 、 在得到输入阻抗互。、输出阻抗乙和输出电压之后,可以计算出输入功 率圪、输出功率最、反射系数厂和电压驻波比v s w r 。 根据f f 式( 2 4 ) 中的输入阻抗z f 。和传输阻抗r s 、计算出输入电压v 。、输入电 流,“ 9 射频天线的遗传算法自适戍阻抗匹配 吣最“= 彘 亿7 , 根据公式( 2 5 ) 和( 2 6 ) 中的输出阻抗z 0 、输出电压和负载阻抗乙,可以得 到负载电压叽和负载电流l : 砚2 考卺小丧 亿8 ,l z q + z l l z e q + z l 、j 输入功率已是输入电压与输入电流厶共轭值的乘积取实部,负载功率只 是负载电压叽与负载电流t 共轭值的乘积娶实部: 只= r e a l ( u j 。厶) ( 2 9 ) 忍= r e a l ( g 7 l ) ( 2 1 0 ) 反射系数厂为: 卜糕 亿,- , z i n + r s 、 电压驻波比v s w r 为: 硎= 期 ( 2 1 2 ) 1 一l 厂l 、。 2 2 基于遗传算法的窄带自动阻抗匹配 由图2 1 可以知,自动阻抗匹配的难点在于当负载发生变化时,中央控制单 元如何求取匹配网络的各个元件参数值,从而实现天线负载与信号源内阻之间 匹配。通过上述相关公式的推导可知,当负载与源内阻匹配时,输入功率、负 载功率值最大,而反射系数的模值、v s w r 将达最小。因此对上述各个参数的 求解过程,可以转换为数值优化问题,即将匹配网络中各元件参数当成自变量, 将输入功率、负载功率等作为匹配网络元件参数的函数,在其定义域内利用数 值优化算法来寻找函数的最值。 经典的数值寻优方法有:拟牛顿法、单纯形、共轭梯度算法等方法。这些 经典的数值寻优算法不仅求解依赖初始条件,对求解空间有诸如可微或连续等 较高要求,更重要的是经典数值寻优方法对于多峰值问题易陷入局部极值而无 法找寻到全局最优解( 经典数值寻优算法也被称为局部搜索算法) 。 而近几十年来,以遗传算法、蚁群算法、粒子群算法、免疫算法等为代表 的智能优化算法,通过模拟生物种群的相应行为来构造出相应的寻优策略,相 比传统的方法这类算法具有:( 1 ) 随机初始化,对初始条件几乎不做要求;( 2 ) 引入了相应的控制机制,确保算法搜索到全局最优解( 智能优化算法也被称作 是全局搜索算法) ;( 3 ) 不与求解空间有紧密关系,对解域,无可微或连续的要 求;( 4 ) 具有并行性;等诸多优点。因此在函数优化、神经网络的训练、模式识 l o 硕十学位论文 别分类、模糊控制等科学和工程领域得到了广泛的应用。 作为群体智能的典型,遗传优化算法( g e n e t i ca l g o r i t h m ,g a ) 最早于l9 7 5 年被提出,它借鉴了生物的进化过程( 适者生存,优胜劣汰) ,通过模拟该过程 来获取求解区域中函数的最值。遗传算法与传统的数值优化算法相比对求解的 函数没有求导和函数连续性的限制;具有内在的并行性以

温馨提示

  • 1. 本站所有资源如无特殊说明,都需要本地电脑安装OFFICE2007和PDF阅读器。图纸软件为CAD,CAXA,PROE,UG,SolidWorks等.压缩文件请下载最新的WinRAR软件解压。
  • 2. 本站的文档不包含任何第三方提供的附件图纸等,如果需要附件,请联系上传者。文件的所有权益归上传用户所有。
  • 3. 本站RAR压缩包中若带图纸,网页内容里面会有图纸预览,若没有图纸预览就没有图纸。
  • 4. 未经权益所有人同意不得将文件中的内容挪作商业或盈利用途。
  • 5. 人人文库网仅提供信息存储空间,仅对用户上传内容的表现方式做保护处理,对用户上传分享的文档内容本身不做任何修改或编辑,并不能对任何下载内容负责。
  • 6. 下载文件中如有侵权或不适当内容,请与我们联系,我们立即纠正。
  • 7. 本站不保证下载资源的准确性、安全性和完整性, 同时也不承担用户因使用这些下载资源对自己和他人造成任何形式的伤害或损失。

评论

0/150

提交评论