×
暂无评论
图文详情
  • ISBN:9787030751881
  • 装帧:平装胶订
  • 册数:暂无
  • 重量:暂无
  • 开本:B5
  • 页数:232
  • 出版时间:2023-03-01
  • 条形码:9787030751881 ; 978-7-03-075188-1

本书特色

内容详实,理论阐述详尽,理论与应用并重,并提供详细的程序代码

内容简介

近年来,以机器学习为核心的人工智能在人脸识别、自动驾驶、金融风控、社交媒体等领域的应用研究不断深入,其应用范围不断延伸拓展,已获得了巨大成功。电磁场与微波技术领域的研究者们期望将人工智能应用于微波元部件、电路与系统设计等多个层面,进而发展出智能微波工程,以求大幅度提升设计效能。智能微波工程也因此被认为是电磁场与微波技术领域*为活跃的研究方向,其研究尚处于探索阶段。本书系统讨论智能微波工程所涉及的理论与技术,主要包括:机器学习辅助优化的基础、多路径机器学习辅助天线设计、知识和数据混合驱动的天线阵列设计和毫米波电感设计、多层机器学习辅助的天线射频鲁棒设计以及智能信道建模等。为方便读者学习,相关章节均提供了算法的伪代码,以帮助读者快速理解书中涉及的原理与概念。

目录

目录 “智能工程前沿丛书”序 前言 符号说明 第1章 绪论 1 1.1 主要研究进展及发展趋势 2 1.1.1 微波电路与系统 2 1.1.2 天线与阵列 3 1.1.3 电波测量与信道建模 4 1.2 本书主要内容 5 第2章 微波工程简介 7 2.1 微波电路与系统 7 2.1.1 微波传输线 7 2.1.2 微波器件 9 2.1.3 微波电路 11 2.1.4 微波网络分析 14 2.1.5 阻抗匹配 16 2.2 天线与阵列 19 2.2.1 天线 19 2.2.2 阵列 21 2.3 电波传播机制与信道建模 22 2.3.1 电波传播的理论基础 22 2.3.2 无线通信中的电波传播 27 2.3.3 电波传播测量 32 2.3.4 信道建模 35 第3章 机器学习辅助优化 39 3.1 基本框架 39 3.2 机器学习技术简介 42 3.2.1 监督学习 42 3.2.2 无监督学习 42 3.2.3 人工神经网络 44 3.2.4 高斯过程回归 46 3.2.5 支持向量回归 47 3.3 *优化算法 51 3.3.1 遗传算法 51 3.3.2 粒子群算法 53 3.3.3 差分进化算法 54 3.4 应用实例 55 3.4.1 基片集成波导背腔缝隙天线 55 3.4.2 分形贴片天线 57 3.4.3 带通滤波器 62 3.5 本章小结 63 第4章 天线智能设计 64 4.1 多精度电磁仿真 64 4.2 协作式机器学习辅助建模 65 4.3 多路径机器学习辅助优化 67 4.3.1 置信下限预筛选 67 4.3.2 多保真度高斯过程回归 69 4.3.3 多路径机器学习辅助优化 71 4.4 测试函数实验.72 4.5 应用实例 76 4.5.1 超宽带平面偶极子天线 77 4.5.2 三频贴片天线 80 4.5.3 毫米波车载雷达天线阵列 83 4.6 本章小结 85 第5章 阵列智能设计 86 5.1 经典的阵列设计方法 86 5.2 有源元单元建模 89 5.2.1 基于有源元单元的建模 89 5.2.2 结合先验知识的有源元单元建模 96 5.3 知识和数据混合驱动的天线阵列设计 106 5.4 应用实例 106 5.4.1 不规则形状地板上的微带天线阵列低副瓣设计 107 5.4.2 采用凸优化方法的多波束线阵设计 109 5.4.3 在位置约束下的采用进化算法的微带天线面阵设计 110 5.4.4 采用凸优化算法的微带天线面阵设计.112 5.5 本章小结 113 第6章 天线射频智能鲁棒设计 114 6.1 天线射频的鲁棒设计114 6.1.1 经典鲁棒设计方法 114 6.1.2 鲁棒设计的分层策略 115 6.2 多层机器学习辅助优化 116 6.2.1 机器学习辅助优化 116 6.2.2 超立方体搜索问题的数学表示 117 6.2.3 *差情况分析 118 6.2.4 *大输入容差超体积搜索 119 6.2.5 鲁棒优化 121 6.3 应用实例 123 6.3.1 测试函数的MITH搜索 123 6.3.2 微带贴片天线的MITH搜索 127 6.3.3 天线阵列的鲁棒设计 128 6.3.4 串馈天线的鲁棒设计 129 6.4 本章小结 133 第7章 片上螺旋电感智能设计 135 7.1 可变形的螺旋电感 136 7.1.1 任意多边形螺旋电感绘制 136 7.1.2 可变螺旋电感的结构与特性 138 7.1.3 直流电感值近似计算 141 7.2 片上可变形的螺旋电感自动综合 143 7.2.1 结合先验知识的代理模型 143 7.2.2 片上可变螺旋电感自动综合 146 7.3 应用实例 150 7.3.1 案例1:品质因数*大化 150 7.3.2 案例2:宽频带优化 153 7.3.3 案例3:面积*小化 154 7.4 本章小结 154 第8章 智能信道建模 156 8.1 基于几何随机模型的物理信道建模 157 8.1.1 信道模型和信道参数 157 8.1.2 无监督学习的多径分簇算法 161 8.2 基于人工神经网络的预测性信道建模 166 8.2.1 纯数据驱动的信道模型167 8.2.2 知识和数据混合驱动的信道模型 168 8.3 应用实例:前向植被散射簇的智能建模 170 8.3.1 信道数据准备 172 8.3.2 物理统计信道模型 176 8.3.3 人工神经网络结构与训练 184 8.3.4 模型训练结果与分析 185 8.3.5 模型验证 187 8.4 本章小结 190 参考文献 192 附录A 带通滤波器程序源代码 203 附录B 三频贴片天线程序源代码 205 附录C 采用HKDT进行对AEP建模的程序源代码 207 附录D 采用MLAO进行MITH搜索的程序源代码 209 附录E 片上可变螺旋电感自动综合程序源代码 212 索引 215
展开全部

预估到手价 ×

预估到手价是按参与促销活动、以最优惠的购买方案计算出的价格(不含优惠券部分),仅供参考,未必等同于实际到手价。

确定
快速
导航