舒佩文 麦健业 褚庆昕

（华南理工大学，广州 510640）

引 言

随着5G移动通信时代的到来，移动通信系统对微波滤波器提出了通带内损耗更低、带外抑制更高、尺寸更小的苛刻需求[1].针对此需求，文献[2]基于广义切比雪夫多项式提出了交叉耦合滤波器，通过引入非相邻谐振器的交叉耦合，在通带外产生传输零点，进而提升滤波器的选择性；且在相同滤波特性需求下，交叉耦合滤波器的谐振器数目比传统滤波器少，故其插入损耗更低、尺寸更小，因而广泛应用于移动通信基站天线系统.然而，目前基站天线滤波器大多采用金属腔体[3]，无法满足5G基站天线的小型化要求.使用高介电常数材料填充的介质波导滤波器可以有效减少滤波器的体积，并且更容易系统集成，因此成为5G移动通信基站天线的主流选择[4].介质波导滤波器主要依据耦合矩阵理论进行设计[5-6]，由于模型误差，利用该理论设计的滤波器通常不能直接满足技术指标，还需进行反复调试，即进行滤波器的优化设计.由于引入额外的耦合路径，相比传统滤波器，优化设计更为复杂[7].因此，如何高效地对交叉耦合介质波导滤波器进行优化设计十分重要.

群智能(swarm intelligence, SI)优化算法是一种新型的优化范式，通过模拟自然界中生物的行为来解决优化问题[8].SI优化算法包含许多著名的智能算法，例如粒子群优化(particle swarm optimization, PSO)算法[9]、差分进化(differential evolution, DE)算法[10]、花粉算法(flower pollination algorithm, FPA)[11]和灰狼优化器(grey wolf optimizer, GWO)[12]等.相比梯度类优化算法[13]，SI优化算法稳定性强……