一句话总结：本文基于谢尔宾斯基分形结构设计了一款三频段高增益领结天线，并结合遗传算法进行参数优化，最终在2.4 GHz、4.6 GHz、9.7 GHz实现了最高10.29 dBi的增益，适用于S/C/X波段无线通信系统。

01 研究背景：多频段天线的“增益瓶颈”

自从FCC在2002年开放3.1–10.6 GHz的UWB频段以来，多频段天线成为无线通信系统的研究热点。然而，传统多频段天线在结构复杂度增加的同时，增益性能往往被牺牲。

为解决这一问题，作者提出了一种谢尔宾斯基（Sierpinski）分形结构的领结天线，在保持多频段工作的同时，显著提升了各频段的增益表现。

02 实验方法：分形结构 + 遗传算法优化

天线结构设计

• 天线类型：Sierpinski Bow-Tie天线（3次分形迭代）

• 基板材料：Rogers RT Duroid 5870，εr = 2.33，厚度0.787 mm

• 关键尺寸（初始设计）：

参数	数值
臂长 La	66.09 mm
馈电间隙 Sf	2.142 mm
馈线宽度 Wf	2.142 mm
张角 θf	60°
分形迭代次数 N	3

遗传算法优化

使用遗传算法对以下参数进行优化，寻找最佳性能范围：

• 臂长：52.87–79.30 mm

• 馈电间隙：0.712–3.712 mm

• 张角：45–90°

• 迭代次数：1–5

遗传算法参数设置如下：

参数	取值
种群规模	45
交叉概率	0.7
变异概率	0.09
替换策略	稳态

03 图文解析：原论文核心图表精讲

图1：Sierpinski Bow-Tie天线结构

原文位置：Page 2, Fig. 1

解析：

• (a) 谢尔宾斯基三角形分形结构

• (b) 天线俯视图

• (c) 天线侧视图（含基板）

该结构通过三次迭代去三角金属，形成自相似结构，是实现多频段工作的几何基础。

图2：反射系数 S11 特性

原文位置：Page 2, Fig. 2

解析：

• 三个明显的谐振频段：

  • 2.211–2.348 GHz

  • 4.777–5.150 GHz

  • 8.874–10.12 GHz

• 表明天线成功实现了三频段匹配，带宽覆盖S/C/X波段。

图5：增益方向图

原文位置：Page 4, Fig. 5

解析：

• 三个频段的增益分别为：

  • 2.4 GHz：6.238 dBi

  • 4.6 GHz：10.29 dBi

  • 9.7 GHz：8.077 dBi

• 辐射方向为宽边辐射（broadside），方向性强，适合远距离通信。

图6 & 表3：遗传算法优化后的S11与参数范围

原文位置：Page 4, Fig. 6 & Table 3

解析：

• 优化后S11在各频段进一步降低（匹配更好）

• 参数范围拓宽设计自由度，便于工程调优

图8 & 表5：L-C匹配电路与等效元件值

原文位置：Page 6, Fig. 8 & Table 5

解析：

• 每个谐振频段对应一组L、C并联匹配网络

• 示例：

  • 第一频段：L1=2.90 nH, C1=3.70 pF

  • 第二频段：L3=5.29 nH, C3=5.83 pF

• 为后续MMIC集成提供等效电路模型

图10：CST仿真 vs ADS等效电路对比

原文位置：Page 7, Fig. 10

解析：

• 对比了CST仿真、ADS等效电路、CST等效模型

• 三者S11曲线高度一致，验证了等效电路模型的准确性

04 对比结果：优于现有多频段天线设计

设计来源	增益	频段
[6]	7.2 dBi	3.1–4.6 / 9.1–10.6 GHz
[7]	5.9 dBi	5.15–5.825 GHz
[8]	7.8 dBi	5 / 6 GHz
本文设计	8.07–10.2 dBi	3个频段覆盖S/C/X

• 在增益和带宽上均显著提升

05 结论与未来展望

结论

• 成功设计了一款高增益三频段Sierpinski领结天线

• 使用遗传算法优化结构参数，提升设计效率

• 提供等效电路模型，便于系统集成

未来工作

• 引入分裂环谐振器（SRR） 作为超材料结构

• 目标：缩小天线尺寸、提升功能密度

写在最后

这篇论文展示了一个典型的高性能天线设计流程：

分形结构 + 电磁仿真 + 遗传优化 + 等效电路建模

不仅适合天线工程师参考，也为射频系统集成提供了实用模型。

如果你也想设计多频段高增益天线，不妨从谢尔宾斯基结构开始。

📌 本文内容基于以下论文整理：
B.R. Behera, Sierpinski Bow-Tie antenna with genetic algorithm, Engineering Science and Technology, an International Journal, 2017.

注：更多关于CST参数化建模的前沿知识小编之前有推荐，可以详查置顶文章：告别手动扫S参数！cst/fdtd+python/matalb/mlp实现fss正向预测及天线结构逆向设计

如果您觉得文章不错，欢迎点赞、关注、收藏及转发~