支持向量机及其在天线设计中的应用研究

《支持向量机及其在天线设计中的应用研究》由会员上传分享，免费在线阅读，更多相关内容在学术论文-天天文库。

1、学校代码：10289分类号：TP301.6密级：公开学号：132030022江苏科技大学硕士学位论文支持向量机及其在天线设计中的应用研究研究生姓名孙菲艳导师姓名田雨波申请学位类别工学硕士学位授予单位江苏科技大学学科专业信号与信息处理论文提交日期2015年12月24日研究方向智能信息处理与系统论文答辩日期2016年03月18日答辩委员会主席张友益评阅人2016年03月20日分类号：TP301.6密级：公开学号：132030022工学硕士学位论文支持向量机及其在天线设计中的应用研究学生姓名孙菲艳指导教

2、师田雨波教授江苏科技大学二0一六年三月AThesisSubmittedinFulfillmentoftheRequirementsfortheDegreeofMasterofEngineeringResearchonAntennaDesignBasedonSupportVectorMachineSubmittedbySunFeiyanSupervisedbyTianYu-BoJiangsuUniversityofScienceandTechnologyMarch,2016江苏科技大学学位论文原创性

3、声明本人郑重声明：所呈交的学位论文，是本人在导师的指导下，独立进行研究工作所取得的成果。除文中已经注明引用的内容外，本论文不包含任何其他个人或集体已经发表或撰写过的作品成果。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结果由本人承担。学位论文作者签名：年月日摘要支持向量机（SupportVectorMachine,SVM）是根据统计学习理论（StatisticalLearningTheory,SLT）而提出来的机器学习方法，由于它适合解决非线性、小样本

4、、高维数等问题，已经在信息的分类检索、生物医学、通信等领域得到了广泛的应用。在电磁领域，如天线设计、DOA估计等问题，往往模型结构较为复杂、样本获取较困难，用SVM来解决电磁问题，不仅减少了天线设计者的大量而繁琐的数学计算工作，也降低了实际测量所需要的昂贵成本，更适合用于电磁问题上。但是在SVM的研究过程中，核函数的选择是至关重要的，针对单一核函数不能兼顾插值能力和外推能力，本文研究了混合核函数的思想，并使用粒子群（ParticleSwarmOptimization,PSO）优化算法来进行参数寻优

5、；同时为了进一步提高预测精度，本文研究了SVM集成的思想，并分别将这两种方法应用于几个天线设计及DOA估计问题上。具体安排如下：（1）针对单一核函数的各自优势，研究了将全局核函数和局部核函数相结合的一种混合核函数，结合PSO优化算法来寻参，并且用UCI数据库中的数据集以及测试函数进行了验证和分析。（2）为了进一步提高SVM的预测精度和稳定性，研究了SVM集成的思想，各个参数及权系数的选择均采用PSO优化算法，通过用UCI数据库中的数据集与单个SVM及人工神经网络（ArtificialNeuralN

6、etwork,ANN）进行了对比分析。（3）将基于混合核函数的PSO-SVM对DOA估计问题进行了建模，分别比较了两个信号源、不同信噪比、不同快拍数的情况下的估计误差，并将建模误差与ANN、单核SVM的误差进行了对比分析。（4）用设计的基于混合核函数的PSO-SVM对紧凑型微带天线（CompactMicrostripAntennas,CMSA）如：平面倒F天线（PlanarInvertedF-shapedAntenna,PIFA）、L型MSA的谐振频率问题进行建模，利用HFSS（HighFrequ

7、encyStructureSimulator,HFSS）建立PIFA天线仿真模型获取样本数据，并将建模误差与单一核函数的误差、HFSS仿真误差进行了对比分析。（5）将SVM集成用于矩形MSA谐振频率建模，并分析了基于不同的单一核函数的SVM的预测结果，同时将它们的预测误差与ANN预测结果作了对比。（6）将SVM集成用于对切角方形圆极化MSA进行综合建模，并将其和BP-NN、单个SVM的预测结果进行对比分析。关键词支持向量机；粒子群优化；混合核函数；SVM集成；DOA；微带天线IAbstractSu

8、pportvectormachine(SVM)isamachinelearningmethodbasedonstatisticallearningtheory.SVMhasbeenappliedtomanyfieldsduetoitsadvantagesofexcellentlearningabilityandgeneralizationabilityandsmallsamplelearningability.However,theelectromagneticfieldinvol