自拍偷在线精品自拍偷,亚洲欧美中文日韩v在线观看不卡

基于遺傳算法的高頻標(biāo)簽天線的優(yōu)化設(shè)計

網(wǎng)絡(luò) 無線技術(shù) 算法
本文對標(biāo)簽天線的集成化技術(shù)進(jìn)行研究,并且采用遺傳算法對片上天線的幾何參 數(shù)和工藝參數(shù)進(jìn)行優(yōu)化,快速得到滿足性能要求的天線尺寸。仿真結(jié)果表明,在工藝方法確 定的情況下,采用此優(yōu)化算法得到的天線可以更好地提高電路的工作效率。并且,如果工藝 方法可選,此優(yōu)化算法還可以對工藝參數(shù)進(jìn)行優(yōu)化,進(jìn)一步提高電路工作效率。

射頻識別技術(shù)是一種無線的、非接觸方式的自動識別技術(shù),是近幾年發(fā)展起來的前沿科 技項目。而標(biāo)簽天線作為射頻識別系統(tǒng)實現(xiàn)的關(guān)鍵部件,它的優(yōu)化設(shè)計對于降低成本, 減小體積起到重要的作用。低頻和高頻頻段標(biāo)簽天線的主要形式是線圈。在低頻頻段減小天 線體積的方法主要是在線圈中插入具有高磁導(dǎo)率的鐵氧體材料,這樣就可以提高天線的磁導(dǎo) 率,即可在等效面積變小的情況下得到足夠的開路電壓。高頻頻段主要是采用將天線集成到 芯片上的方法來實現(xiàn)減小體積,降低成本的目的。集成天線可選的結(jié)構(gòu)有平面螺旋形,柵形 和螺線管形,但是考慮到天線的總等效面積只能選用平面螺旋結(jié)構(gòu)。

國內(nèi)外對平面螺旋結(jié)構(gòu)的集成線圈天線所做的研究很多,但是涉及的內(nèi)容主要是針對集 成天線在超高頻下線圈Q 值的提高問題 。在較低頻率的場合,線圈本身的Q 值十分小, 對系統(tǒng)的工作性能并不能起到?jīng)Q定性的作用。在這樣的情況下更關(guān)注能量的傳遞能力,所以 我們關(guān)注的不再是電感本身的Q 值,而是整個電路的Q 值,即電路的工作效率。現(xiàn)有的高頻 頻段集成線圈天線的設(shè)計主要是依靠經(jīng)驗選擇參數(shù)進(jìn)行重復(fù)迭代 ,這樣的方法要求設(shè)計 人員有一定的背景知識,需要依靠經(jīng)驗對參數(shù)進(jìn)行選擇和調(diào)節(jié),而且工作重復(fù)費時。并且由 于采用簡單的迭代選擇的方法,可改變的參數(shù)有限,所以都是在特定工藝的前提下進(jìn)行設(shè)計。

本文使用遺傳算法對片上天線的幾何參數(shù)和工藝參數(shù)優(yōu)化??梢愿鶕?jù)實際情況和用戶的要求設(shè)定約束條件,如版圖面積,最小開路電壓,最小輸入功率等。通過設(shè)定約束條件,可 以設(shè)定參數(shù)的調(diào)節(jié)范圍和天線的性能要求,便可以在更大范圍內(nèi)自主地選擇合適的參數(shù)以提 高能量傳遞效率。

運用遺傳算法對集成線圈天線進(jìn)行優(yōu)化設(shè)計

遺傳算法是一種有效的全局搜索方法 ,從產(chǎn)生至今不斷擴(kuò)展其應(yīng)用領(lǐng)域 ,比如工業(yè)設(shè) 計、制造業(yè)、人工智能等。在本節(jié)中 ,將介紹利用遺傳算法優(yōu)化設(shè)計應(yīng)用于高頻標(biāo)簽的集成 線圈天線的方法 ,本文利用回路品質(zhì)因數(shù)作為適應(yīng)度函數(shù) ,求滿足系統(tǒng)要求并且電路效率 ***的線圈幾何參數(shù)。

1)染色體設(shè)計和初始化

集成線圈天線的設(shè)計是通過設(shè)計適當(dāng)?shù)膸缀纬叽纾咕€圈達(dá)到系統(tǒng)要求的性能。而線圈 需要變化的幾何參數(shù)有外邊長l,線圈匝數(shù)n,線寬w,間距s,金屬厚度t,螺旋結(jié)構(gòu)與襯底間 的氧化層厚度tox,螺旋結(jié)構(gòu)與下層通道之間的氧化層厚度tox/2。在工藝條件可選的情況下, t,tox,tox/2 這三個工藝參數(shù)可以參與優(yōu)化,參與進(jìn)化的參數(shù)為{l,n,w,s, t,tox,tox/2}。在工藝條件固 定的情況下,t,tox,tox/2 是定值,此時參與進(jìn)化的參數(shù)為{l,n,w,s }。我們將每個十進(jìn)制參 數(shù)編碼成一個8 字節(jié)的二進(jìn)制數(shù),然后將所有參與進(jìn)化的參數(shù)的二進(jìn)制數(shù)組合起來形成一個 染色體。

在遺傳算法初期,要生成一個初始種群,這個種群是由M 個染色體構(gòu)成的。其中,對于 群體大小M 的選擇方面,Goldberg 提出了一種根據(jù)染色體長度來計算***種群大小的啟發(fā) 式求解方法 ,但是運用這種方法計算的種群大小M 隨染色體的長度程指數(shù)遞增,這樣龐大 的種群數(shù)目對計算效率影響是很大的。在其后,Hesser 等提出合理的種群大小應(yīng)該控制在3 到110 之間 。

本文將群體大小M 設(shè)定為50. 2.2 個體*價 一個染色體的好壞,需要利用適應(yīng)度函數(shù)進(jìn)行*價,并且設(shè)定一些約束條件對染色體的 進(jìn)化方向進(jìn)行進(jìn)一步的引導(dǎo)。本文對集成線圈天線的設(shè)計主要是通過選擇適當(dāng)?shù)膸缀螀?shù), 使線圈天線能夠滿足芯片的***版圖要求lmax,最小工作電壓Vr 以及最小工作功率Pr 的要 求,在此基礎(chǔ)上進(jìn)行進(jìn)化,得到***的回路品質(zhì)因數(shù)Q,以達(dá)到提高電路工作效率的目的。

(1)適應(yīng)度函數(shù)

設(shè)定適應(yīng)度函數(shù):f(n)=Q(n),用回路品質(zhì)因數(shù)的大小來衡量染色體的適應(yīng)性。 如圖一所示為集成線圈天線的等效電路,其中開路電壓V2P-P 是標(biāo)簽天線通過與閱讀器天 線的耦合獲得的電壓。根據(jù) Farady 定律和Biot-Savart 定理天線的開路感應(yīng)電壓 V2P-P 為: V2P?P = 2π fBA ,其中f 為天線的工作頻率,B 為磁感應(yīng)強度,A 為線圈的等效總面積其算式為: A= nl2 -2len(n-1)+(2/3)e2n(n-1)(2n-1)

 

基于遺傳算法的高頻標(biāo)簽天線的優(yōu)化設(shè)計

 

集成線圈的等效物理模型采用Yue 提出的三端等效模型,如圖二所示,其中Rs 為線 圈的寄生電阻,表征了由金屬螺旋結(jié)構(gòu)引入的能量損耗;寄生前饋電容Cs 主要是由螺旋 結(jié)構(gòu)與下層通道之間的交疊決定的,而由于相鄰金屬線可視為等電位,因此相鄰金屬線之 間的電容可以忽略。Ls 為線圈的電感,根據(jù)GreenHous提出的Bryan 法進(jìn)行計算。其計 算公式如下:

 

基于遺傳算法的高頻標(biāo)簽天線的優(yōu)化設(shè)計

 

(2)約束條件設(shè)定

為了提高進(jìn)化效率,盡快的得到所需的進(jìn)化結(jié)果,我們設(shè)定一些約束條件對進(jìn)化方向進(jìn) 行引導(dǎo)限制。這樣的約束條件有些是必須滿足的,在選擇過程中,不滿足這些約束條件的染 色體會被自動剔除掉。根據(jù)集成線圈的一般特點,設(shè)定參數(shù)的取值范圍如下: 0μm

同時,為獲得更大的搜索空間,當(dāng)染色體不滿足有些約束條件時,設(shè)定一定的懲罰措施 來減弱這個染色體的競爭性,但是并不剔除。在集成線圈天線的設(shè)計中,我們要設(shè)計出性能 滿足系統(tǒng)要求的天線,所以設(shè)定約束條件為:VL ≥ Vr, P ≥ Pr ,l ≤ lmax。當(dāng)染色體不滿足這樣的 約束條件的時候,我們設(shè)定一個懲罰函數(shù)來減小這個染色體的競爭能力,此時,這個染色體 的適應(yīng)度減弱為: f (n) Q(n) 10-5

 

基于遺傳算法的高頻標(biāo)簽天線的優(yōu)化設(shè)計

 

3)遺傳算子

標(biāo)準(zhǔn) GA 的操作算子一般包括選擇、交叉和變異三種基本形式。選擇即從當(dāng)前群體中選 擇適應(yīng)度高的個體以生成交配池的過程。本文使用適應(yīng)度比例選擇的方法 ,其中每個個體被 選擇的期望值與其適應(yīng)度和群體平均適應(yīng)度的比例有關(guān) ,采用輪盤賭方式實現(xiàn)。首先計算每 個個體的適應(yīng)度 ,然后計算出此適應(yīng)度在群體適應(yīng)度總和中所占的比例 ,表示該個體在選 擇過程中被選中的概率。選擇過程保證優(yōu)良基因能夠遺傳給下一代個體。選擇完成后,染色 體要進(jìn)入交叉運算和變異運算。本文選定交叉概率pc 為0.5,變異概率pm 為0.01,一代染 色體中以這樣的概率選擇部分染色體進(jìn)行交叉和變異操作。

 

基于遺傳算法的高頻標(biāo)簽天線的優(yōu)化設(shè)計

 

4)終止條件設(shè)計

染色體進(jìn)化到一定的代數(shù)必須進(jìn)行終止,然后最終得到的染色體就是***的結(jié)果。我們 可以設(shè)定當(dāng)某些數(shù)值達(dá)到理想值時進(jìn)化終止,也可以設(shè)定一個終止代數(shù)T,進(jìn)化T 次之后自 動終止。本文是要得到***的回路品質(zhì)因數(shù),它并沒有一個要達(dá)到的目標(biāo)值,所以我們設(shè)定 一個終止代數(shù)作為它的終止條件。在設(shè)定不同的終止代數(shù)進(jìn)行仿真后發(fā)現(xiàn),在大約400 后, Q 值不再升高,即是運行400 代后已經(jīng)可以得到***的品質(zhì)因數(shù)。所以我們設(shè)定終止代數(shù)為 400 代。

仿真設(shè)計及結(jié)果說明

根據(jù)上節(jié)設(shè)計的遺傳算法進(jìn)程運用MATLAB 對集成線圈天線進(jìn)行優(yōu)化設(shè)計。為了取得對 比效果,選用文獻(xiàn)中的實例進(jìn)行設(shè)計。文中天線工作頻率為23.45MHZ, 磁感應(yīng)強度B 為8Gauss,芯片所需最小工作電壓Vr 為3V,最小功率Pr 為1.2mW,能提供的天線的*** 外邊長lmax 為2mm。針對遺傳算法搜索范圍大,可變參量多的特點,我們首先將所有參數(shù)進(jìn) 行優(yōu)化,在更大范圍內(nèi)搜索***解。然后,將工藝參數(shù)固定,取得與實例的對比效果。更好 地說明遺傳算法的優(yōu)勢。具體結(jié)果說明如下。

1)對所有參數(shù)進(jìn)行優(yōu)化

將{l,n,w,s,t,tox,tox/2}進(jìn)行編碼生成染色體,運行遺傳算法后所得Q 隨進(jìn)化代數(shù)不斷增加, 如圖三所示為回路品質(zhì)因數(shù)Q 隨進(jìn)化代數(shù)t 的變化圖。在進(jìn)化50 代后Q 值的變化已經(jīng)比較 小了,但是在250 代左右的時候Q 值又有個上升。當(dāng)?shù)竭_(dá)終止代數(shù)400 時得到的回路品質(zhì) 因數(shù)為6.0928,此時的***染色體為{1866,30,10,1,10,10,3.6}。運用這些參數(shù)計算出負(fù) 載獲得電壓為3.4658V,負(fù)載功率為1.2mW,并且線圈外邊長為1.8mm 是符合版圖要求的。

由于本設(shè)計設(shè)置的參數(shù)范圍比較大,所以結(jié)果出來的Q 值可以達(dá)到很大。在實際情況中, 可能由于制造工藝,成本的限制對于各幾何參數(shù)有進(jìn)一步的要求,我們可以通過對參數(shù)范圍 進(jìn)行重新限定來方便的實現(xiàn)。另外,如果用戶對天線的其他性能,如電阻值,電感值,電容 值等有特殊的要求也可以添加相應(yīng)的約束條件來引導(dǎo)進(jìn)化的發(fā)展,設(shè)計出符合指標(biāo)的***天 線尺寸。

2)工藝條件固定后的優(yōu)化

為了與文獻(xiàn)實例進(jìn)行對比,我們?nèi)《üに嚄l件t=1 μm , tox=0.8 μm , tox/2=1.2 μm 。將 {l,n,w,s}進(jìn)行編碼生成染色體,然后運行遺傳算法。其回路品質(zhì)因數(shù)隨進(jìn)化代數(shù)t 的變化如 圖四所示。其變化趨勢與上例類似,在進(jìn)化400 代后終止,得到的回路品質(zhì)因數(shù)為0.3723, 而文獻(xiàn)中設(shè)計的天線得到的回路品質(zhì)因數(shù)為0.2576。說明運用遺傳算法對線圈天線進(jìn)行 優(yōu)化設(shè)計可以得到更好的優(yōu)化結(jié)果。

 

基于遺傳算法的高頻標(biāo)簽天線的優(yōu)化設(shè)計

 

此時***染色體為{1963 26 10 1 1 0.8 1.2}。運用這些參數(shù)計算出負(fù)載獲得電壓為 3.4397V,負(fù)載功率為1.2mW,并且線圈外邊長為1.963mm 是符合版圖要求的。

結(jié)束語

使用遺傳算法進(jìn)行集成線圈天線的優(yōu)化,在不限定工藝條件的情況下,可以在更大范圍 內(nèi)搜索得到非常高的回路品質(zhì)因數(shù)。而且在工藝條件指定的條件下,運用遺傳對集成線圈天 線的優(yōu)化設(shè)計也可以更有效的優(yōu)化線圈天線的性能。另外,除了本文設(shè)置的參數(shù)范圍以外, 也可以根據(jù)實際的要求任意參數(shù)的范圍,并且可以任意添加約束條件以適應(yīng)不同環(huán)境的需求。

責(zé)任編輯:林琳 來源: 維庫電子
相關(guān)推薦

2020-10-26 13:42:28

Python算法垃圾

2017-10-17 14:25:56

機器學(xué)習(xí)算法優(yōu)化

2021-03-10 15:49:20

人工智能遺傳算法

2017-11-16 15:25:54

Go語言算法代碼

2025-01-16 07:10:00

2009-08-14 09:41:03

C#遺傳算法

2024-09-12 10:06:21

2017-08-03 10:05:01

Python遺傳算法GAFT

2024-07-03 08:00:00

2017-07-12 14:23:25

遺傳算法java自然選擇

2020-06-11 08:32:50

Python遺傳算法代碼

2021-03-16 11:30:33

2017-09-22 15:03:08

Python遺傳算法GAFT框架

2011-01-19 11:14:45

程序員

2010-05-11 11:00:44

遺傳算法宋詞

2017-08-21 10:00:23

遺傳算法Python生物學(xué)

2014-12-15 10:59:08

RFIDWiFi定位

2021-01-22 09:38:46

MDT3D-MiMO無線權(quán)值

2017-09-22 14:12:04

AI

2025-01-23 16:25:23

點贊
收藏

51CTO技術(shù)棧公眾號