论文部分内容阅读
论文主要由两部分内容组成，即计算智能的电磁应用及微波心动图信号仪的工作机理分析。
第一部分内容由前五章组成，主要讨论了计算智能的电磁应用。计算智能主要包括遗传算法、神经网络和模糊逻辑，论文也以此为主线展开。主要内容包括：*发展了一种求解电磁领域复杂超越方程特征根的通用算法。在电磁领域，经常涉及到复杂超越方程求根问题，而且常为多根问题。通常使用的求根方法大都需要给定求解方程的初值和梯度信息，而对于复杂的超越方程则很难办到。本文结合遗传算法强大的全局搜索功能和参数跟踪策略以及动态搜索域，形成一种高效稳定、无初值和导数信息需求、通用的复超越方程的数值解法，并应用该算法成功求解了表面波的特征方程问题，求解了磁性损耗材料填充的矩形波导的传播特性问题。
*求解了磁性损耗材料分别在矩形波导的E面和H面全填充时的传播特性，传播常数和传播模式对应关系明确，并且指出，在一定的条件下这种传播特性表现为类左手波的传播方式。
*将遗传算法应用于天线阵、滤波器优化设计这一类综合问题时，如果变量维数较多，收敛将会遇到困难。究其原因，是相互矛盾的基本性能的此消彼长导致群体中许多个体有大致相同的适应度函数，这就使得遗传操作中的选择无所适从，因此很难找到全局最优解。针对这一难点，发展了一种柔性约束策略，使用精心设计的适应度函数，使得搜索路径能沿着相对狭窄的“管道”进行，搜索空间缩小，进化过程加速。
*引入了微量遗传算法，并应用其求解了矩形波导T形匹配负载的传播常数，与简单遗传算法相比，具有求解速度快的优点；提出了基于排序的浮点数编码遗传算法，并在进化过程中加入模拟退火和免疫算法的概念，交叉操作中引入二阶差分和三阶差分公式。该算法可以有效地避免二进制遗传算法的编码和解码所带来的计算误差，保证收敛到全局最优，并加快进化速度。应用该算法详细求解了直线阵列天线和平面阵综合问题，得到较好的优化结果。
*提出了一种改进的多层感知器神经网络模型，建立了两种新的模糊神经网络模型，并应用这两类神经网络模型分别对矩形波导H面T型和E面T型的终端短小匹配负载进行了系统建模和结构设计。
*将遗传算法和模糊神经网络有机结合起来形成一类模糊神经网络，用十进制编码遗传算法和误差反向传播算法作为监督方式对其进行训练，并应用二进制编码的遗传算法对该神经网络模型进行了优化，遗传算法中的交叉概率和变异概率在程序运行过程中自适应调整。成功地将该模糊神经网络和遗传算法应用于矩形波导E面和H面均非完全填充的中心对称的匹配负载的结构设计中，优化设计的结果与商业软件的仿真结果和时域有限差分方法的计算结果吻合的很好。
第二部分内容见第六章，介绍了微波心动图信号仪的工作原理。这部分内容由华东师范大学信息科学技术学院牵头完成，为国家自然科学基金资助项目的一部分，项目编号为39970210。根据该项目所收集到的800多条微波心动图曲线实验数据，详细讨论了微波心动图信号仪的工作原理，指出其工作原理是脉动心脏对微波散射信号的幅度调制和相位调制，而非某些学者认为的多谱勒效应或简单的相位调制。
索引词：遗传算法，神经网络，模糊逻辑，模拟退火，免疫算法，传播常数，匹配负载，表面波，阵列天线，微波心动图信号仪，幅度调制，相位调制