E字型パッチのデュアルバンドおよびワイドバンド最適化（PSO）

プロジェクトファイルのリクエスト

ーXFdtdのーXTend Libraryのー プラグインをーXFdtdのーXTend Libraryー プラグインをーXFdtdのー XFdtdのー XFdtdのー XFdtdのーXFdtdのー XFdtdのー XFdtdのー XFdtのー XFdtのー XFdtのー1つ目の調査では、1.8GHzと2.4GHzで共振するデュアルバンド構成に焦点を当て、2つ目の探索では、1.8GHzから2.4GHzの全周波数範囲で性能を最大化します。

PSOは、魚の群れ、鳥の群れ、昆虫の群れなどに見られる群行動にヒントを得た、大域的最適化手法である。群れを構成する多数の粒子がN次元の解空間全体に分布する。各パーティクルが現在いる場所の適合度を評価し、その特定のパーティクルが見た最良の結果と、群全体が見た最良の結果に基づいて、新しい場所に移動する進化プロセスが続く。何世代にもわたって解空間が探索され、最適解に到達する。

この特定の最適化のためのフィットネス関数は、単に関心のある帯域にわたってアンテナの線形リターンロスを評価し、フィットネスレベルを遭遇した最悪のリターンロスに設定します。デュアルバンド最適化の場合、この概念は拡張され、フィットネス値はいずれかのバンドで見られる最悪のリターンロスとなります。このアプローチの利点の1つは、バンド内性能の最小値が世代ごとにわかることです。ユーザーは現在のフィットネス値をモニターし、望ましい目標レベルに達したら終了することができます。図1に見られるように、6つの原理変数がE字型パッチの特性に影響を与える。これらのパラメータは表1に従って変化させることができる。変数のいくつかは互いに依存しているため、XTendのPSOプラグインは動的制約システムを使用して、最適化全体を通してパラメータ境界を更新します。表2に動的制約の詳細を示します。両調査とも同じ境界と制約のセットを使用しています。

XFdtdの FDTDをCUDAで高速化した実装であるXStreamは、PSOをタイムリーに実行する上で極めて重要です。各パーティクルは、世代が進むごとに新しいXFシミュレーションを生成します。これらのシミュレーションは、システム内の利用可能なCUDA対応GPUに分散されます。ここで使用した特定のシステムには、NVIDIA Tesla C2070が6台搭載されています。PSOは各GPUに1つのシミュレーションを割り当て、6つのシミュレーションを同時に解くことができます。GPUの有用性を最大化するため、パーティクル数はGPU数の整数倍になるように選択されます。これらの最適化には、12粒子と600世代が選ばれた。デュアルバンドアンテナは明らかに早期に収束したため、450世代で処理を終了した。

各世代の12回のシミュレーションは、平均5分45秒で終了した。各コンフィギュレーションの最適解にスウォームが収束していく様子は、図2と図3で見ることができる。もし私たちの目標が、関心のある帯域で少なくとも-10dBのリターンロスを持つアンテナを作ることであれば、フィットネスレベルが0.3に達した時点で調査を終了することができます。デュアルバンドのセットアップはわずか10世代でこのマイルストーンを通過し、ワイドバンドバージョンは約180世代で通過しています。図4と図5は、最終的な最適解を含むいくつかのマイルストーンで達成されたリターンロスを調べることで、最適化の進行を示しています。デュアルバンド・ソリューションに関連するパラメータを表3に、ワイドバンド・パラメータを表4に示す。