3、目标函数的基本概念：目标函数的数学定义、单目标与多目标、目标函数与天线性能指标（S11、增益、方向性、效率）的映射关系

在天线参数扫参（Sweep）优化中，目标函数（Objective Function）是连接“设计变量”与“性能评价”的数学桥梁。它本质上是一个将天线仿真结果（如S11、增益、效率）映射为单一标量或向量评价值的规则。若目标函数设置不当，即使优化算法再强大、网格剖分再精细，也难以获得满足工程需求的天线设计。本节将系统阐述目标函数的数学定义、单目标与多目标的区别，以及目标函数与S11、增益、方向性、效率等核心性能指标之间的映射关系，为后续的扫参策略与约束设计奠定理论基础。

目标函数与天线性能指标映射关系图 设计变量 几何尺寸、材料参数 L, W, h, εr, 馈电位置 电磁仿真 FEM / MoM / FDTD S参数、远场、近场 性能指标提取 S11(f), Gain(θ,φ) D(θ,φ), η_total 目标函数 F(x) = Σ wi·fi(x) 单目标 / 多目标 典型性能指标 → 目标函数映射方式 S11 / 回波损耗 f0处 S11 ≤ -10 dB 带宽 BW (S11 ≤ -10dB) 映射: max(0, S11+10) 或 min(S11) 在频带内 权重 w1 通常最大 增益 Gain 峰值增益 G_max 目标方向增益 G(θ0,φ0) 映射: -G_max (最小化) 或 (G_target - G)² 权重 w2 视需求 方向性 D 前后比 F/B 半功率波束宽度 HPBW 副瓣电平 SLL 映射: SLL 惩罚项 或 -D(θ0,φ0) 效率 η 辐射效率 η_rad 总效率 η_total 映射: -η (最大化) 或 (η_target - η)² 约束: η ≥ 70%

3.1 目标函数的数学定义与基本形式

目标函数是将天线设计变量空间映射到实数域的数学表达式。设天线设计变量向量为 x = [x₁, x₂, …, xₙ]ᵀ，其中每个分量代表一个可调参数（如贴片长度、馈线宽度、介质厚度、开槽位置等）。目标函数的一般形式可写为：

F(x) = w₁·f₁(x) + w₂·f₂(x) + … + wₘ·fₘ(x) + P(x)

其中，fᵢ(x) 为第 i 个性能指标对应的子目标函数，wᵢ 为对应的权重系数（wᵢ ≥ 0），P(x) 为惩罚项（Penalty Term），用于对违反约束条件的设计施加惩罚。在实际工程中，目标函数的设计需要遵循以下核心原则：

  • 可计算性：目标函数必须能从仿真结果中直接提取或间接计算得到，避免使用无法量化的模糊指标。
  • 连续性：目标函数应尽量平滑，避免剧烈跳变，否则会干扰优化算法的收敛过程。
  • 归一化：不同性能指标的量纲和数值范围差异较大（如S11为dB值，效率为0~1），需进行归一化处理，使各子目标在数值上具有可比性。
  • 可微性（可选）：若使用梯度类优化算法，目标函数需可微；若使用遗传算法等无梯度算法，则无此要求。

以微带贴片天线为例，若设计变量为贴片长度 L 和馈线宽度 W，目标函数可定义为：

F(L, W) = w₁·max(0, S11_min(L,W) + 10) + w₂·(G_target - G(L,W))² + w₃·(η_target - η(L,W))²

其中 S11_min 为工作频带内的最差回波损耗值，G 为峰值增益，η 为总效率。该函数将三个性能指标统一为一个标量，便于优化算法进行单目标寻优。

核心要点：目标函数的本质是“性能指标的加权聚合”。权重 wᵢ 反映了设计者对各项指标的重视程度，但权重设置不当会导致优化结果偏向某一指标而牺牲其他指标。建议在扫参前先通过单参数扫描了解各指标的敏感度，再合理分配权重。

3.2 单目标与多目标优化：权衡的艺术

根据目标函数的数量，天线扫参优化可分为单目标优化（Single-objective Optimization）和多目标优化（Multi-objective Optimization）两类。

对比维度 单目标优化 多目标优化
目标函数形式 F(x) 为标量 F(x) = [f₁(x), f₂(x), …, fₖ(x)]ᵀ 为向量
最优解定义 全局最小值/最大值 Pareto前沿（非支配解集）
典型算法 梯度下降、单纯形法、遗传算法（单目标版） NSGA-II、MOEA/D、多目标粒子群
工程适用场景 设计目标明确，如“仅优化S11” 需同时兼顾S11、增益、效率等多个指标
结果可解释性 单一最优解，直接使用 一组Pareto解，需人工决策选择
计算成本 较低 较高（需多次迭代评估）

在实际天线工程中，多目标优化更为常见。例如，设计一款5G基站天线时，通常需要同时满足：

  • 工作频带内 S11 ≤ -14 dB（对应VSWR ≤ 1.5）；
  • 峰值增益 ≥ 8 dBi；
  • 总效率 ≥ 75%；
  • 水平面半功率波束宽度 65° ± 5°。

这些目标之间往往存在冲突——提高增益可能导致波束宽度变窄，降低副瓣电平可能牺牲效率。多目标优化通过Pareto前沿给出所有“不差于其他解”的候选方案，设计者可根据系统级需求（如成本、尺寸、功耗）从中选择最终方案。

工程建议：当目标数量超过3个时，建议采用“主要目标 + 约束”的方式，即只对最重要的1~2个指标建立目标函数，其余指标作为硬性约束（如 S11 ≤ -10 dB、效率 ≥ 70%）。这比直接进行5目标优化更容易收敛，且结果更符合工程直觉。

3.3 目标函数与S11、增益、方向性、效率的映射关系

天线性能指标到目标函数的映射是扫参优化的核心环节。不同指标具有不同的物理含义和数值特性，需要采用差异化的映射策略。

3.3.1 S11（回波损耗）的映射

S11 是衡量天线与馈线匹配程度的指标，单位为 dB，数值越低表示匹配越好。工程上通常要求 S11 ≤ -10 dB（对应约 90% 的功率被辐射）。映射方式包括：

  1. 频点约束型：f(S11) = max(0, S11(f₀) + 10)，当 S11(f₀) ≤ -10 dB 时函数值为 0，否则为正值，优化器会优先降低该值。
  2. 带宽积分型：f(S11) = ∫BW max(0, S11(f) + 10) df，用于优化带宽内的整体匹配质量。
  3. 最差值型：f(S11) = maxf∈BW S11(f)，关注频带内最差匹配点。

在扫参过程中，S11 对几何尺寸变化非常敏感。例如，微带贴片天线的谐振频率与贴片长度近似成反比，扫参时 S11 曲线会随长度变化发生频移。目标函数应能捕捉这种频移趋势，引导优化器向谐振频率靠近。

3.3.2 增益（Gain）的映射

增益是天线在特定方向上的辐射强度与理想各向同性辐射体的比值，单位为 dBi。增益映射通常采用以下形式：

  • 最大化峰值增益：f(G) = -G_max，优化器最小化负增益即等效于最大化增益。
  • 目标增益逼近：f(G) = (G_target - G(θ₀, φ₀))²，适用于需要特定方向增益的场景（如基站天线要求水平面增益 ≥ 8 dBi）。
  • 增益平坦度：f(G) = maxf∈BW G(f) - minf∈BW G(f)，用于宽带天线设计。

需要注意的是，增益与方向性、效率之间存在关系：G = D × η_rad。因此，增益目标函数隐含了对方向性和辐射效率的联合要求。若单独优化增益而不约束效率，可能出现高方向性但低效率的“虚高增益”现象。

3.3.3 方向性（Directivity）的映射

方向性描述天线辐射能量的集中程度，与方向图形状直接相关。常用映射包括：

  • 主瓣方向性：f(D) = -D(θ₀, φ₀)，最大化指定方向的方向性。
  • 副瓣电平（SLL）：f(SLL) = max(0, SLL - SLL_target)，对副瓣超标施加惩罚。
  • 前后比（F/B）：f(F/B) = -F/B，用于定向天线设计。
  • 波束宽度：f(HPBW) = (HPBW - HPBW_target)²，控制波束覆盖范围。

方向性指标通常与阵列天线设计密切相关。在阵列扫参中，单元间距、激励幅度和相位都会影响方向性，目标函数需要综合这些参数进行映射。

3.3.4 效率（Efficiency）的映射

效率分为辐射效率 η_rad（辐射功率/输入功率）和总效率 η_total（包含失配损耗）。效率值在 0~1 之间，映射方式相对直接：

f(η) = (η_target - η_total)²  或  f(η) = -η_total

效率对介质损耗、导体损耗和表面波损耗敏感。在扫参时，若发现效率偏低，应检查介质基板的损耗角正切、导体厚度以及是否激励了表面波模式。效率目标函数常与S11联合使用，因为失配会直接降低总效率。

常见误区：将S11和效率同时作为独立目标进行优化时，可能产生矛盾——优化S11会改善匹配，但匹配网络可能引入额外损耗，反而降低辐射效率。建议将总效率作为主要目标，S11作为约束条件，或采用加权方式平衡两者。

3.4 案例拆解：双频段WiFi天线扫参目标函数设计

以一款双频段（2.4 GHz 和 5 GHz）WiFi PCB天线设计为例，说明目标函数的实际构建过程。

背景与约束：天线尺寸限制为 25 mm × 10 mm，基板为 FR4（εr=4.4，tanδ=0.02，厚度1.6 mm），需覆盖 2.4~2.5 GHz 和 5.15~5.85 GHz 两个频段。设计变量为 L 形辐射枝节的长度 L₁、L₂ 和宽度 W₁。

初始现象：初始设计在 2.4 GHz 频段 S11 为 -8.5 dB（不达标），5 GHz 频段 S11 为 -12 dB（达标），但 5 GHz 增益仅 2.1 dBi（偏低）。

目标函数构建：

F(L₁, L₂, W₁) = w₁·[max(0, S11_2.4 + 10) + max(0, S11_5 + 10)]
                + w₂·(G_5GHz_target - G_5GHz)²
                + w₃·max(0, 0.70 - η_total)

其中，S11_2.4 和 S11_5 分别为两个频段中心频率处的最差S11值，G_5GHz_target = 3.0 dBi，η_total 为总效率。权重设置为 w₁=1.0，w₂=0.5，w₃=0.8，优先保证匹配，其次保证效率，最后优化增益。

扫参与优化过程：

  1. 首先对 L₁ 进行单参数扫描（20~30 mm，步长 0.5 mm），发现 L₁ 主要影响 2.4 GHz 谐振频率，L₁=24 mm 时 S11_2.4 达到 -15 dB。
  2. 固定 L₁=24 mm，扫描 L₂（8~15 mm），发现 L₂ 对 5 GHz 频段影响显著，L₂=11 mm 时 S11_5 达到 -18 dB。
  3. 固定 L₁、L₂，扫描 W₁（1~3 mm），发现 W₁ 对阻抗带宽有影响，W₁=2 mm 时两个频段的 -10 dB 带宽均满足要求。
  4. 使用遗传算法进行多参数联合优化，种群规模 40，迭代 30 代，最终收敛到 F_min = 0.12。

结果对比：

指标 初始设计 优化后设计 目标值
S11 @ 2.45 GHz -8.5 dB -16.2 dB ≤ -10 dB
S11 @ 5.5 GHz -12.0 dB -19.5 dB ≤ -10 dB
峰值增益 @ 5.5 GHz 2.1 dBi 3.4 dBi ≥ 3.0 dBi
总效率 @ 2.45 GHz 62% 78% ≥ 70%
总效率 @ 5.5 GHz 58% 74% ≥ 70%

风险与代价：优化后的天线在 5 GHz 频段的波束宽度略有收窄（从 82° 变为 74°），但仍在可接受范围内。优化过程中发现，当 L₁ 和 L₂ 同时增大时，两个频段会相互耦合导致 S11 恶化，因此需要将 L₁ 和 L₂ 的差值约束在 10 mm 以上。

复盘经验：目标函数中权重 w₂ 对增益的惩罚力度不宜过大，否则优化器会过度牺牲带宽来换取增益。本案例中 w₂=0.5 是经过三次试算后确定的平衡值。此外，效率约束项 w₃ 的引入有效避免了优化结果陷入“高增益但低效率”的局部最优。

3.5 常见误区与总结复盘

在天线扫参的目标函数设置中，以下误区值得特别注意：

  • 误区一：目标函数过于复杂。将过多指标纳入目标函数会导致优化空间畸变，收敛困难。建议优先选择 2~3 个核心指标，其余作为约束。
  • 误区二：忽略归一化。S11 的数值范围（-30~0 dB）与效率（0~1）差异巨大，若不归一化，权重设置将失去意义。
  • 误区三：权重设置凭感觉。权重应基于指标的重要性和灵敏度分析确定，而非主观臆断。可通过正交试验或主成分分析辅助确定。
  • 误区四：目标函数与仿真精度脱节。若仿真网格过粗，S11 曲线抖动剧烈，目标函数会出现大量局部极小值，误导优化算法。
  • 误区五：忽视惩罚项的作用。惩罚项是处理约束的有效手段，但惩罚系数过大会导致目标函数“硬性截断”，使优化算法失去梯度信息。
总结：目标函数是天线扫参优化的“指挥棒”。一个优秀的目标函数应具备物理意义明确、数值稳定、权重合理、约束清晰的特点。在实际工程中，建议采用“先单参数扫描理解敏感度 → 再构建加权目标函数 → 多目标优化获取Pareto解集 → 人工决策选型”的流程，避免盲目追求复杂的数学形式而忽视物理本质。
← 上一章 📖 返回目录 下一章 →