基于加载技术在天线小型化设计

很难用一个简单的解析函数来表示，而传统的最优化算法或者需要目标函数的导数，或者只是局部的最优化，或者虽为全局最优化但计算量过大，使得常用的梯度法、单纯形法等最优化算法在天线加载优化设计中难以实现。一种新的全域优化搜索方法遗传算法的出现解决了上述一些问题。他是模拟自然界生物进化过程与机制求解极值问题的一类自组织、自适应的人工智能技术。他只需要利用目标函数的取值信息，而不需要梯度等高价信息，适合于无表达式或有表达式的任何类目标函数，具有可实现的并行计算行为。

5 结 语

随着天线小型化、宽带化的进一步发展，加载技术得到更多的应用。然而单纯的加载已经不能满足天线集成化的发展需求，更多的是将加载技术和分形技术、折合单极子、宽带匹配网络、遗传算法组合应用，这样可以有效快速地设计较为理想的天线。将天线小型化技术有效地结合起来是未来天线设计的趋势，有待进一步的研究，他将拥有广泛的应用前景。