论文部分内容阅读
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。