射频天线的遗传算法自适应阻抗匹配

摘要

射频识别(Radio Frequency Identification,RFID)技术是从20世纪90年代兴起并逐步走向成熟的一项自动识别技术,通过射频耦合方式进行非接触双向通信,达到目标识别和数据交换的目的。RFID读写器在移动的过程中,天线的感应系数和阻抗的易变性会导致传输功率的损耗增大,降低识别能力。因此,射频天线自适应阻抗匹配已成为一个亟待解决的问题。
　　 本文提出了一种基于遗传算法的射频天线自适应阻抗匹配方法。综合比较了工程中射频段常用的几种阻抗匹配方法,提出选用无源π型网络作为匹配网络实现阻抗变换,不仅解决了传统L型匹配网络存在匹配禁区的问题,匹配精度也能得到保证;而且结构简单搜索空间仅为3维,极大减少了算法的复杂度使匹配算法的实时性成为可能。分析了射频窄带情况下的阻抗匹配,将窄带匹配近似等价为其频率中心点处的阻抗匹配问题。在此基础上,提出了基于浮点遗传算法(Floating GeneticAlgorithm,FGA)的自适应阻抗匹配方法。与标准遗传算法(Simple GeneticAlgorithm,SGA)相比,FGA不仅省去了SGA中繁琐的编码及解码过程,解决了SGA编码长度不够造成的“Hamming悬崖”问题,且FGA算子更灵活,寻优效率更高。对于射频宽频情况下的阻抗匹配,借鉴了驻波比法及实频法在处理宽频问题时的简化思想,将此简化为其频带内N个等距频率点的综合匹配问题。由于FGA在解决匹配问题时,算法易出现“早熟”。为解决上述问题,本文提出了基于分层遗传算法(Multilevel Genetic Algorithm,MLGA)的宽频自适应阻抗匹配方法。MLGA利用了异步并行的原理,模拟自然界中多种群共同竞争的进化过程。分层机制的引入,保持了个体的多样性,从而克服了SGA和FGA在进化过程中由于个体趋同导致的“早熟”问题。针对高频情况下,射频电感中出现的非理想性因素,本文给出了2GHz下两种电感的实际模型(简单实际模型和IC模型)。分析其中寄生电阻对匹配结果所造成的影响。

目录

文摘

英文文摘

第1章 绪论

1.1 射频天线阻抗匹配的研究背景和意义

1.2 自适应阻抗匹配研究现状

1.3 论文的主要研究内容

1.4 论文的结构安排

第2章 窄带匹配的遗传算法设计

2.1 窄带匹配网络的分析

2.2 基于遗传算法的窄带自动阻抗匹配

2.3 实验结果及分析

2.4 本章小结

第3章 宽频阻抗匹配的遗传算法设计

3.1 宽频匹配网络的分析

3.1.1 适应度函数选择

3.1.2 分层机制的引入

3.2 实验结果及分析

3.3 本章小结

第4章 实际电感模型下阻抗匹配研究

4.1 非理性因素的分析

4.2 电感的实际参数模型

4.3 实际电感模型对匹配网络的影响

4.3.1 简单实际模型下匹配网络的分析

4.3.2 IC实际模型下匹配网络的分析

4.4 本章小结

总结与展望

参考文献

致谢

附录A(攻读学位期间所发表的学术论文目录)