avec logiciel Matlab on applique un programme nomé ''MPSO partticule swarm optimization '' sur un reseau d'antennes patch afin de réduire les lobes secondaire d'un diagramme de rayonnemennt pour une bonne emission et reception

2. UNIVERSITE DJILALI LIABES
SIDI BEL-ABBES
FACULTÉ DES SCIENCES ET SCIENCES
DE L’INGÉNIEUR
Pour l’obtention du diplôme de master
Département de télécommunication
Master en : système de télécommunication numérique
Présenté par : Encadré par :
CHETTAH AMEL Dr.CHAKER HICHEM
Année universitaire 2015-2016
2
Synthèse par l’algorithme MPSO des réseaux d’antennes
imprimées périodiques unidimensionnels en forme
d’anneau dans les deux modes TM11 et TM12

3. PROBLEMATIQUE
 Comment réduire les lobes
secondaire pour donner un diagramme
de rayonnement ?
1 3

4. LE BUT
 Faire connaissance des RA imprimés en
générale précisément RA en forme d’anneau
 Etude théorique de la synthèse des RA
imprimées périodiques 1D par l’algorithme
MPSO
 Réduire les lobes secondaire du diagramme
de rayonnement d’un réseau d’antenne
anneau avec LE logicielle MATLAB
4

5. PLAN DE TRAVAIL
INTRODUCTION
GENERALITE SUR RA IMPRIMEE FORME ANNEAU
PRESENTATION D’ALGORITHME MPSO
RESULTAT ET DESCUSSION
CONCLUSION
1
5

6. INTRODUCTION
1
6

7. PLAN DE TRAVAIL
INTRODUCTION
GENERALITE SUR RA IMPRIMEE FORME ANNEAU
PRESENTATION D’ALGORITHME MPSO
RESULTAT ET DESCUSSION
CONCLUSION
1
7

8. Chapitre 01 : Généralités sur les réseaux d’antennes imprimées
Structure d’une antennes patch et leur différents forme
8

9. Structure d’alimentation micro ruban Antenne patch anneau par alimentation micro ruban
Alimentation
1 9

10. Avantages Inconvénients
Faible poids, fabrication aisée et
confortables
Rendement faible
Encombrement réduit en
épaisseur : compacité de
l’antenne
Rayonnement parasites par la
source, les jonctions et les ondes
de surface
Intégration de circuits actifs Complexité d’alimentation pour
les réseaux à haute performance
1 10

11. ERR (x) =F (x, ) s - F (
)

Une fois ERR(x)=0
|Fs( )| est situé à
l’intérieur du gabarit

11

12. 1 12
Critères du choix de la synthèse

13. PLAN DE TRAVAIL
INTRODUCTION
GENERALITE SUR RA IMPRIMEE FORME ANNEAU
PRESENTATION D’ALGORITHME MPSO
RESULTAT ET DESCUSSION
CONCLUSION
1
13

14. Inspiration d’algorithme PSO 14
Présentation d’algorithme PSO

15. 1 15

16. Particules
voisines Particules éloignées
11

17. 

maxd
xx ba

avec dmax la plus grande distance entre deux particules
maxd
max
max6.03
t
tt 

Avec tmax nombre maximale d’itération et t l’itération courante 17

18. Vers la
meilleure
performance
Nouvelles
positions
Vitesse
actuelle
Vers la
meilleure
performance
des
informatrice
Position de
la particule1 18

19. )()()1()( 21 igbestiipbestii xxxxtvtv

 
)()1()( tvtxtx iii


o D'après le schéma précédent on obtient deux équations
élémentaires :
o La Vitesse :
o La position
1 19

20. converge)processus(lequeceàjusqu'
PourFin
)()(
Nà1deiPour
PourFin
SiFin
)(
))((Si
SiFin
)(
))((Si
faireN1àdeallantiPour
Répéter
][
...
populationlaentaléatoiremrInitialise
][
--]-----------------------------------------------[-
positivesaléatoiresvaleurs,
populationladansfitnessmeilleurlaayantparticuleladeposition
fitnessmeilleurlapourparticuleladeposition
particulelapourobtenuefitnessmeilleur
particuleladevitesse
particuleladeposition
particuledenombre
lgvar
21
21
iii
igbestitpbesii
igbest
i
i
itpbes
ii
ii
gbest
itpbes
ii
ii
ii
vxx
xxxxvv
xx
xFgbest
AlorsgbestxF
xx
xFpbest
AlorspbestxF
Traitement
tionsInitialisa
x
Px
Ppbest
Pv
Px
N
orithme ]res de l'aet paramétiables[Les






















• C’est le vecteur de la vitesse qui dirige le
processus de recherche et reflète la
"sociabilité " des particules.
• Si on considère N particules et que
chaque particule compare sa nouvelle
position avec sa meilleure position
obtenue
• Faire comparaison avec la position de sa
meilleures voisine
1 20

21. • Il y a eu une amélioration
suffisante
• Mais il n'y a pas assez
d'amélioration
• Même si je suis le
pire
• Je suis le meilleur
je tente de me
tuer
Je tente de générer une
nouvelle particule
POURQUOI UTILISE-T-ON L’ALGORITHME ADAPTATIF APSO ?
21

22. Pseudo code APSO
1 22
End
dardsPSOladedétapelexecuterElse
particuleilaremplacerThen
TiTIF
iTElse
iTiTThen
FgiIF
faireparticuledenombreiFor
éme
c
i
tan'
][
0][
1][][
)(
1






• Remplacer les
particules
inactives.
• introduire un critère
de remplacement
basé sur la diversité
entre des fitness.

23. Spécification désirées :
-Lobes secondaires réduites
Type de synthèse
en :
-Amplitude
- phase
Diagramme de rayonnent
élémentaire calculé
Données initiales:
-Nombres et position des sources
-loi d’alimentation
APSO
Erreur commise :
-Lobes secondaires
Paramètres
Synthétisés
Digramme
Synthétisé1 23

24. PLAN DE TRAVAIL
INTRODUCTION
GENERALITE SUR RA IMPRIMEE FORME ANNEAU
PRESENTATION D’ALGORITHME MPSO
RESULTAT ET DESCUSSION
CONCLUSION
1
24

25. Validation des résultats
Réduire les
lobes
secondaires
25

26. 19

27. 50 100 150
-50
-40
-30
-20
-10
0
Theta°
Normalizedmagnitude(dB)
0 5 10 15 20 25 30 35 40 45 50
84
86
88
90
92
94
96
98
100
Fitness Evaluation
BestFitness
SYNTHÈSE PAR la LOI D’AMPLITUDE MODE TM11
Diagramme de rayonnement Evaluation de la fonction de coût
Lobes
secondaires
réduites à -32
DB
27
L’algorithme
converge à
partir de 13
ème itérations

28. 50 100 150
-50
-40
-30
-20
-10
0
Theta°
Normalizedmagnitude(dB)
0 5 10 15 20 25 30 35 40 45 50
84
86
88
90
92
94
96
98
100
Fitness Evaluation
BestFitness
Evaluation de la fonction de coûtDiagramme de rayonnement
28
Lobes
secondaires
réduites à -34
DB
L’algorithme
converge à partir de
25 ème itérations
SYNTHÈSE PAR la LOI D’AMPLITUDE MODE TM11

29. N° Amplitude (V)
TM11 TM12
1 0.1033 0.0221
2 0.2533 0.1819
3 0.4474 0.4167
4 0.6069 0.6783
5 0.8078 0.7094
6 0.9584 0.9060
7 0.9852 0.9927
8 0.9445 0.7389
9 0.7784 0.6253
10 0.5615 0.4159
11 0.3808 0.2523
12 0.1886 0.0337
0 2 4 6 8 10 12
0
0.2
0.4
0.6
0.8
1
Sources
ExcitationMagnitudes
TM11
TM12
La distribution de loi d’amplitude
29
Comparaison des deux modes TM11 et TM12

30. 50 100 150
-45
-40
-35
-30
-25
-20
-15
-10
-5
0
Theta°
Normalizedmagnitude(dB)
0 5 10 15 20 25 30 35 40 45 50
84
86
88
90
92
94
96
98
100
FitnessEvaluation
BestFitness
Diagramme de rayonnement Evaluation de la fonction de cout
1 30
NLSsim
=-27dB
Convergence
maximal
SYNTHÈSE PAR LOIs D’AMPLITUDE ET DE PHASE MODE TM11

31. 0 5 10 15 20 25 30 35 40 45 50
84
86
88
90
92
94
96
98
100
FitnessEvaluation
BestFitness
Diagramme de rayonnement Evaluation de la fonction de cout
50 100 150
-45
-40
-35
-30
-25
-20
-15
-10
-5
0
Theta°
Normalizedmagnitude(dB)
31
NLSsim=
-27dB
Convergence
maximal
SYNTHÈSE PAR LOIs D’AMPLITUDE ET DE PHASE MODE TM11

32. 0 5 10 15
0
50
100
150
200
Sources
ExcitationPhases°
TM11
TM12
0 5 10 15
0
0.2
0.4
0.6
0.8
1
Sources
ExcitationMagnitudes
TM11
TM12
Comparaison des phases et d’amplitude 32
Comparaison des deux modes TM11 et TM12

33. N°
TM11 TM12
Amplitude
(V)
Phase
(Rad)
Amplitude
(V)
Phase
(Rad)
1 0.2402 0.5260 0.1566 1.7352
2 0.2821 0.5177 0.4554 1.7260
3 0.3528 0.2343 0.3597 1.6850
4 0.6624 0.3104 0.8211 2.1946
5 0.7170 0.4948 0.6866 2.4647
6 0.8304 0.3652 0.4600 2.0243
7 0.7403 0.5845 0.7650 2.5266
8 0.6661 0.1464 0.5383 1.9143
9 0.8462 0.1253 0.5845 1.9930
10 0.7463 0.0202 0.5435 1.9941
11 0.9488 0.1598 0.7037 2.0289
12 0.6508 0.5569 0.3365 1.8673
13 0.3681 0.3066 0.6752 1.8665
14 0.2962 0.5821 0.5933 2.9064
La distribution de la loi d’amplitude et de phase dans les deux modes
33

34. PLAN DE TRAVAIL
INTRODUCTION
GENERALITE SUR RA IMPRIMEE FORME ANNEAU
PRESENTATION D’ALGORITHME MPSO
RESULTAT ET DESCUSSION
CONCLUSION
1
34

35. présenter et appliquer la méthode d’essaim de
particules afin de produire des diagrammes de
rayonnement désirés et variés des antennes
imprimées en formes anneau dans les deux
modes de résonnance
Cette étude prouve son efficacité lorsque le
diagramme rayonné est inclus dans le
diagramme imposé par l’utilisateur et c’est les
résultats aux quels nous somme parvenu
CONCLUSION
35

36. PERSPECTIVES
 proposer une nouvelle variante, de synthèse de réseaux d’antennes
imprimées, basée sur un formalisme mathématique de modélisation et
d’optimisation en utilisant les réseaux de neurones.
 Généraliser l’algorithme APSO à des structures d’antennes imprimées
(dièdre, cylindre, pyramide, sphère, etc) .
 On peut aspirer et chercher à utiliser un autre algorithme d’optimisation
globale qui soit plus rapide et identifier un bon jeu de paramètres.
36

37. 1 37