身处人工智能的时代,射频和微波设计如何才能搭上人工智能的东风,这可能是我们每一个射频人所面临的问题。最近看到由东南大学王海明教授团队撰写的这本《智能微波工程》,详细描述了人工智能在微波工程中的应用,对现在的射频设计有很大的帮助和启发。
全书共8章,构建起完整且系统的知识体系。从微波工程基础理论入手,带你透彻理解微波电路、天线阵列与电波传播机制,筑牢专业根基;再深入机器学习辅助优化技术,拆解核心算法框架与应用实例,让抽象概念变得通俗易懂。
真正令人眼前一亮的,是书中对智能微波工程前沿技术的深度剖析!多路径机器学习辅助的天线智能设计,突破传统设计局限,实现效率与精度的双重飞跃;知识和数据混合驱动的天线阵列设计,巧妙融合理论与数据优势,优化阵列性能;毫米波片上螺旋电感智能设计,直击高频器件设计痛点……每一个章节都藏着行业前沿的创新思路与解决方案!
附录部分精心整理了具体算法的程序源代码,带通滤波器、三频贴片天线等实用代码一应俱全,还有完整程序源代码包下载链接!无论是学术研究、项目开发,还是课程学习,都能快速上手实践,真正做到“学完就能用”!

详细目录如下:
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 最优化算法 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 最差情况分析 118 6.2.4 最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:品质因数最大化 150 7.3.2 案例2:宽频带优化 153 7.3.3 案例3:面积最小化 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 |

注释:射频学堂原创或者转载的内容,其版权皆归原作者所有,其观点仅代表作者个人,射频学堂仅用于知识分享。如需转载或者引用,请与原作者联系。