李明玉[1]2003年在《在微波电路CAD中采用神经网络方法的研究》文中研究说明神经网络在微波电路CAD和微波电路优化中的应用是目前非线性微波电路研究领域中的前沿课题之一。神经网络的出现为一类输入输出关系呈高度非线性的系统提供了建模的有效工具。通过对射频微波电路测量或仿真，可得到微波电路的输入和输出数据，利用该数据可以对神经网络进行训练，而神经网络一旦训练成功，就能够瞬时地对在微波电路设计所学习的任务提供准确答案。经过训练后的神经网络模型可广泛用于解决射频微波电路的各种问题。如用于微波电路CAD，可用所建立的模型结构来描述这么一类微波电路的非线性行为特征；如用于微波电路设计，则可进行如共面波导、晶体管、传输线、滤波器和放大器等的设计；如用于微波电路优化，则可用所建立的电路模型优化电路参数，进行阻抗匹配等。本文工作正是在这样的应用背景下，基于电子科技大学青年科技基金《无线非线性信道建模及特性分析方法研究》，对神经网络在非线性微波电路建模和优化中的应用，展开了一些研究工作，作者的主要贡献和创新如下：1） 将神经网络应用于微波电路的时域非线性特性建模，通过分析了一个功率放大器的时域瞬态和稳态的非线性特性，并用HP-ADS对其非线性特性进行了仿真，然后把其仿真输入和输出数据来训练神经网络。计算机仿真结果表明所建立的神经网络模型和非线性放大器的输出基本一致。2） 研究了一个建立在Volterra级数基础上的一般的分析方法，包括非线性参数和交调、频率中的谱分量之间的相互影响。对于Volterra级数而言，用于实际系统建模时的主要困难是其核函数的辨识。本文通过神经网络和Volterra级数的等价性，用训练后的神经网络确定出Volterra级数的核函数。3） 把基于小波的神经网络训练方法用于微波电路的优化，通过对由微带线组成的低通滤波器参数的仿真和优化，表明了在得到较好优化结果的情况下，其优化时间大大降低。
杨思樱[2]2009年在《神经网络在微波电路计算机辅助设计中的应用研究》文中研究表明微波电路的设计除必须满足电路输入/输出之间电学基本特性要求之外,还必须考虑电路模型难易与精确性、电路设计耗时多少、是否具备容差分析及对输出进行优化的能力等方面的因素。人工神经网络(ANN-Artificial NeuralNetwork)技术由于具有非线性映射功能和实时计算能力强的特点,近年来被逐步引入微波电路CAD和微波电路优化。实践表明:采用ANN技术有助于大幅度提高建模的精确性、设计的高效性和灵活性,是对传统的微波电路设计方法的有效补充,也为有源/无源器件和电路的计算机辅助设计开辟了新途径。利用ANN进行微波电路CAD常采用MATLAB工具进行仿真。MATLAB具有较强的矩阵运算和数值分析能力,但它的程序执行速度慢,效率低;加上其神经网络工具箱不是针对微波电路的特点而开发,对微波电路的仿真支持功能不足。因此,针对微波电路设计的需要,研究与开发一个直观、易操作、效率高、支持ANN的工具将有助于快速、便捷、高效地将人工神经网络应用于微波电路辅助设计。笔者以中科院光电所微细加工实验室的电路设计项目为依托,开展了对神经网络在微波电路中的仿真技术的研究,开发了辅助微波元器件电路设计的神经网络工具ANNMod。与MATLAB的神经网络工具箱相比,ANNMod具有运行速度快,效率高,用户界面友好,操作便捷的特点。将ANNMod应用于场效应管伏安特性(FET的Ⅰ-Ⅴ)模型以及马刺线传输特性的仿真表明:训练好的神经网络对输入的电路参数的响应时间仅为几毫秒到几秒,可大大提高电路设计的效率:进一步对利用ANNMod设计结果开发出的“开环谐振带通滤波器”试验器件进行的测试表明,实测结果与仿真实验结果一致,初步证实笔者开发的工具的可行性和可用性。本论文还对微波电路设计中神经网络模型的建立过程及关键技术进行了较为详细的讨论,并将最常用的神经网络算法—BP(Back-Propagation,反向传播)及RBF(Radial Basis Function,径向基)加以改进后并应用于笔者开发的工具ANNMod之中。
贾慧[3]2010年在《基于非线性散射函数和小波神经网络建模方法的研究及应用》文中提出微波电路非线性理论的分析和研究已经逐渐引起人们的关注。本文首先以传统的非线性表征方法为基础,提出了非线性散射函数法这一新的表征方法。非线性散射函数考虑了谐波的产生,因而可以分析电路的非线性特性。重点研究了它的定义、物理含义、性质以及网络连接的表达形式。之后,本文对大信号微波器件提出了黑箱建模法。这种方法不需要知道器件内部的结构及作用机理,只需知道端口的工作特性就可以拟合出器件参数的等效模型。人工神经网络是近来发展迅速的一种黑箱模型,而将小波分析和神经网络紧密结合的小波神经网络已经成为解决非线性建模问题的一种有效的工具。小波神经网络建模法是基于频域测量的,本文介绍了非线性器件在真实的大信号工作条件下测量的解决方案,搭建了非线性散射函数的测试系统,通过校准和测试获得了大量数据。基于器件测试数据,采用小波神经网络对器件进行非线性建模,并将成功建立的模型用于放大器设计。
张祥军[4]2007年在《基于封装的射频系统数值仿真与实验研究》文中研究指明随着无线通讯事业的发展,射频工程师和封装工程师面临着产品向更高密度、更高稳定度和更多功能的挑战。射频SiP(system in package系统封装)是解决这一问题很好的方案,精确的电磁仿真和有效的设计方法是发展这一技术的关键。本文针对基于LTCC(low temperature co-fired ceramic,低温共烧陶瓷)射频SiP中的无源器件的建模和优化设计问题提出有效的解决方法,并给出了DBF雷达通道接收机SiP系统的完整的设计。结合基于SM(space mapping,空间映射)的神经网络建模技术,本文提出了利用S-B AFS(adaptive frequency sampling,自适应频率采样)加速FSMN(frequency spacemapped neuromodeling,频率空间映射神经网络建模)技术,在建模过程中利用S-BAFS进行细模型的采样扫频减少了扫频时间;在FPSMN(frequency partial spacemapped neuromodeling,频率部分空间映射神经网络建模)技术中,我们采用版图级综合的电路模型作为粗模型,它准确反映了元件的主参数和寄生参数是一种高质量的粗模型,因而提高了建模的精度并减小了神经网络的复杂性。这一方法对LTCC电路设计尤其有效。在NISM(neural inverse space mapping,神经网络逆空间映射)优化方法中,采用版图级综合的电路模型作为粗模型;引入神经网络空间作为粗、细模型之间的缓冲空间克服了传统的空间映射技术中粗、细模型空间必须一致的缺点,拓宽了空间映射技术的使用范围。由于利用了Broyden迭代公式,细模型很快收敛;利用S-B AFS进行细模型扫频采样减少扫频时间,这种优化方法尤其能提高复杂LTCC无源电路设计效率。利用多层耦合带线谐振结构设计小型化LTCC滤波器,由于利用四个多层带线耦合谐振单元和DGS(defected ground structure,缺陷地结构),设计的滤波器具有较宽的带宽、很好的选择特性和较高的带外衰减。利用LTCC工艺设计小型化数字波束形成雷达接收机射频SiP模块,利用软件仿真相关电路,设计出小型化的接收机模块,其中滤波器和一些无源器件埋置在多层陶瓷中,设计出性能优良的嵌入式滤波器。接收机模块尺寸适用于1×2的天线子阵。整个接收机射频SiP模块体积较小而且具有较小的封装表面积,为整个DBF雷达接收阵小型化提供了可行的方案。
孙璐[5]2010年在《基于散射函数的一种微波非线性电路建模新方法》文中研究说明本论文课题来源于“微波毫米波测试仪器基础研究”项目,作为其中的一个子课题,子课题题目为“微波非线性电路建模方法的研究”。随着微波半导体电路在通信、雷达、电子和仪器仪表等方面的广泛应用,如何准确和高性能的设计和分析微波电路是非常关键的。半导体器件模型是影响电路设计精度的最主要因素,电路规模越大、指标和频段越高、对器件模型的要求也越高。因而准确的器件模型对提高射频和微波毫米波电路设计的成功率、缩短电路研制周期是非常重要的。根据微波电路的工作条件,它常常工作于高功率大信号条件下,电路状态处于强非线性情况,传统的小信号S参数等表征和建模方法已经不能准确表征其模型,而器件大信号模型不易获取。伏特拉级数、幂级数及等效电路方式常常表征电路的弱非线性状态,强非线性电路状态也不能准确表示。论文在总结传统大信号电路的表征、测量方法和建模方法的基础上,分析了各种测量和建模方法的适用条件、特征和优缺点,并分析了对于微波电路建模的一般步骤。针对以往大信号模型的一些问题,引入了非线性散射函数这一表征微波大信号电路的频域黑箱模型。论文研究了非线性散射函数模型的线性化,上下标标注方式的引入,各个非线性散射函数元素物理含义的分析和描述,散射函数与传统小信号S参数的相互推广。对其它非线性网络函数的定义,非线性散射函数与其它非线性网络函数的相互关系,网络连接的非线性网络函数和子网络的非线性网络函数的关系进行了研究和探讨,研究结果为这一模型的正确使用奠定了理论基础。此外,开发了基于数字示波器的非线性散射函数提取系统及系统误差的校准方法,为准确提取功率器件的非线性散射函数模型提供了实验条件,并经过测试得到了功率场效应管和二极管的非线性散射函数变化趋势,测试结果正确反映出功率器件随激励信号功率增大的非线性输出变化规律。研究了非线性散射函数模型与近年来美国Agilent公司提出的X参数模型从定义、性质、提取方法和使用等方面的联系和区别,为散射函数模型的研究和应用提供了有益的参考和比较。在功率器件的非线性散射函数测量数据基础上,采用支持向量机这一新的机器学习方法对散射函数模型做预测建模,得到了较好的预测精度,分析了支持向量机形式选择、核函数选择、参数选择对建模精度的影响。最后采用场效应管和肖特基势垒二极管的散射函数模型来设计微波功率放大器和倍频器,验证了模型的适用性。与传统大信号模型相比,这一模型的优点主要在于易于与小信号S参数相兼容,通过这一模型可以建立起大信号和小信号工作条件下的微波电路的统一模型;与目前国外的非线性网络测量系统不同,测量方法采用数字示波器为基础的时域测量方法,测试简单方便,采用通用测试夹具可以对各种微波半导体电路用统一的方法来测量提取散射函数模型;这一模型是频域黑箱模型,不需要预知微波半导体器件和电路的电路结构就可以提取出散射函数模型,模型不止包含本征模型部分,对于寄生参数的影响也被包含在了这一黑箱模型中,并可以将其用于微波电路的设计中,方法通用,精确度高。实践证明,非线性散射函数这一新的微波器件大信号模型,对有效提高微波非线性电路的设计效率、提高设计准确度和性能具有重要的意义。为微波大信号电路的高效设计和研发提供了一种新的思路。此外,对于散射函数提取中相位一致性不好问题的改善;夹具去嵌问题的研究和实现;支持向量机对部分非线性散射函数建模精度不高以及如何将散射函数模型设计为可供通用CAD软件调用的统一微波电路大信号模型等问题,仍是需要深入研究和探讨的问题。
闫淑霞[6]2015年在《基于神经网络的微波射频器件建模》文中认为为了提高产品性能、缩短设计周期、降低成本,设计人员往往依赖于计算机辅助设计(Computer-Aided Design,CAD)中高效、准确的器件模型。在微波及射频建模领域,传统建模方法需要不断尝试和反复修正模型,其建模周期和模型精度已经不能满足新器件的建模要求。近些年来,人工神经网络(Artificial Neural Network,ANN)被公认为是代替传统建模技术的有效方法。本文提出了叁种改进的神经网络建模方法,分别适用于异质结双极型晶体管(Heterojunction Bipolar Transistor,HBT)建模、封装晶体管建模和功率放大器记忆效应(Memory Effects)建模。首先,本文提出的适用于HBT晶体管建模方法是对已有神经网络空间映射(Neuro-Space Mapping,Neuro-SM)结构进行改进,用电流和电压的混合映射网络代替电压映射网络。本文提出用混合矩阵H参数表示HBT晶体管的小信号信息,推导了经验公式模型H参数与被建模对象H参数之间的关系式。对HBT晶体管实测数据建模结果表明,本文提出的HBT晶体管模型能够准确反映其直流和小信号特性且能方便地导入仿真软件中。其次,本文提出的适用于封装晶体管建模方法是将封装晶体管分为输入封装电路、非线性电路和输出封装电路叁部分,并对其建模。根据封装电路具有互易性的特点,推导了封装电路线性公式,并与神经网络结构相结合搭建了封装电路模型。本文推导了输入封装电路、非线性电路和输出封装电路叁部分S参数与封装晶体管整体S参数之间的计算公式。给出了封装晶体管整体模型的结构图,提出一种新的映射电路结构。通过封装晶体管建模实例验证了本文提出的封装晶体管建模方法的可行性和精确性。最后,本文提出一种基于递归神经网络(Recurrent Neural Network,RNN)的功率放大器记忆效应建模方法。从放大器的输入输出信号中提取缓慢变化的信号,并把该信号作为新型RNN模型的输入用来表示放大器的长期记忆效应。该方法将功率放大器的输入电流加载到神经网络模型中,这不仅提高了记忆效应RNN模型的精度,同时因使用更少的隐含神经元和时间延时阶数,提高了记忆效应RNN模型的收敛性。对功率放大器记忆效应建模的结果证明,本文RNN模型能准确地反映功率放大器的短期记忆效应和长期记忆效应。
洪劲松[7]2004年在《新型传输线方程及知识人工神经网络模型的研究》文中研究说明本文在已有的传统传输线理论基础上,针对工程中实际遇到的困难重新构筑了新型的普遍化传输线方程。从新型传输线方程的理论推导到实际电磁结构中的应用、从一维新型传输线方程到叁维新型传输线方程、从新型传输线方程的宽带特性到部分传输线方程也能建模整个电磁结构的特性、从基于准静态解析公式的知识神经网络模型(NNKBN)到基于新型传输线方程的宽带知识神经网络模型(Broadband Knowledge-Based Neural Network),本文系统地探讨了新型传输线方程在电磁领域中的应用,丰富了人工神经网络在电磁领域中的应用,建立了普遍化的传输线理论和宽带知识神经网络模型(BKBNN)理论体系。 论文首先介绍了新型传输线方程的基本内容,一方面从基本麦克思韦方程出发结合实际例子作了一定程度的理论推导,另一方面从基本的电路理论出发对新型传输线方程进行了严格的推导。结合直角微带弯曲和45°切角微带弯曲的辐射参数提取说明了重新构筑新型传输线方程的必要性。 其次,结合微带滤波器、微带十字交叉(microstrip cross)、微带通孔(microstrip via)等电磁结构,推导了从一维到叁维的新型传输线方程,并发现了利用新型传输线方程所提取的分布电路参数具有两个有用的特性:一个是所提取的参数对具体的电磁结构具有唯一性,不随负载或边界条件的变化而变化;另一个所提取的电感参数和电容参数随频率变化缓慢,这样的特性使得新型传输线方程模型具有了颇具工程价值的宽带特性。 再其次,结合对称双阶跃微带不连续(double step microstrip discontinuity)和双折迭枝节(double folded stub)微带结构等电磁结构,我们阐述了新型传输线方程模型的另一个重要用途——部分传输线方程也可以很好地建模整个电磁结构,由于服于提取新型传输线方程的几组全波分析解已经包含很多信息,即使只是建立部分的新型传输线方程,也已经能准确地描述整个电磁结构的电磁特性。 最后,在基本人工神经网络模型的基础上,利用一些简单的电磁结构(如带状线十字交越和微带T形接头)的准静态解析公式为先验知识,在隐蔽层采用了基于知识的神经元,这种新型神经网络模型被称为包含了知识的神经元的神经网络模型(NNKBN)。本文利用新型传输线方程所提取的电路参数作为先验知识,结合NNKBN模型构筑了微带T形接头和共面波导到微带(CPW-M)过渡结构的宽带知识神经网络模型(BKBNN)。
刘林盛[8]2011年在《场效应晶体管的大信号模型研究》文中指出在无线及微波电路的设计中,各种III-V族化合物半导体场效应晶体管(FET)器件被广泛应用到各种大信号电路的实现中,如功率放大器、振荡器、乘法器等。尽管微波及射频电路的复杂程度在继续增加,迫于缩短设计周期和降低成本等因素,设计人员往往借助于计算机辅助设计(CAD)进行电路的仿真和验证。在一个基于CAD的设计流程中,我们需要一种在设计工具中可实现的准确而有效的模型,这是极为重要的。而晶体管往往是微波及射频电路中最重要、特性最复杂的非线性器件。因此,晶体管模型的优劣对于最终所设计的电路和系统的性能起着至关重要的作用。本文着重讨论III-V族场效应晶体管的大信号建模问题。论文首先介绍了FET技术及其模型发展的历史、现状和趋势,重点总结了晶体管大信号模型的不同建模方法。其次通过对模型开发和参数提取的简要分析,初步得到了晶体管模型的建立过程,及其在电路CAD中的应用。在对FET基本工作原理的介绍之后,第二章分析了基于测量数据的场效应晶体管经验模型建立步骤和所需要的条件。首先介绍了不同的测量方法,如电流-电压(I-V)测试,小信号S参数测试,大信号功率测试及验证等。然后以场效应晶体管小信号等效电路模型作为基础,进一步得出了其对应的大信号模型的非线性部分。第叁章从具体的基于解析式的模型公式出发,提出了改进的III-V族化合物半导体场效应晶体管的大信号等效电路模型及其参数提取流程。通过对模型进行不同的参数设置和模型公式的应用,使得其能够适用于具有不同特性的晶体管。并对当前不同类型和大小的FET器件的测量结果进行参数拟合,验证了模型的通用性。为了完整表述晶体管的各种特性,第四章在所改进的等效电路模型的基础上,进一步引入了对FET热效应和陷阱效应的建模和验证。新的模型参数被加入到原有的大信号模型公式中,并通过系统的测量和建模方法对这些新的参数分别进行提取。第五章对所建立的完整的大信号晶体管等效电路模型进行了验证。首先将该模型引入到CAD软件中,并通过对不同类型的FET进行小信号S参数、大信号功率扫描、以及双音交叉调制(IMD)等测试,与仿真结果进行比较并得到进一步验证。此外,由于模型最终要被应用到电路设计中,而不同的射频及微波电路对于晶体管模型的要求和其复杂程度并不相同。所以第六章进行了一些特定应用范围的晶体管模型的研究。具体包括适合于交叉调制分析的大信号FET模型和适合于开关类功率放大器设计的大信号FET模型。并对最近发展的开关类功放的理论进行深入研究,运用所建立的适用于开关类功放的晶体管大信号模型设计并验证了一个中心频率为2.35GHz的100W高效率逆F类功率放大器。最后一章总结了全文,并指出了正在进行的相关工作和未来有待进一步研究的方向。
张欣[9]2003年在《人工神经网络和遗传算法在微波设计中的应用》文中提出人工神经网络和遗传算法是两种以生物学为基础的现代优化算法，因其优越性而被广泛应用于诸多领域。本文主要研究二者在微波设计中的应用。 文中对多层双复介质对垂直入射平面波的反射情况做了理论分析，采用遗传算法优化设计分层媒质的参数以及不同铁氧体吸波材料的组合方式，得出了几种较好的设计方案。文中同时给出了阻抗加载型吸波材料的吸收性能的理论计算结果。 本文建立了微带缝隙和微带交指电容器的神经网络模型，训练样本由FDTD仿真得到。将自适应调整学习率并加入动量因子的梯度下降法和Levengurg-Marquart训练算法的训练结果做了比较分析，同时引入了性能函数的改进形式。本文给出了将神经网络模型与遗传算法相结合优化设计交指电容器的方法。结果证明该方法具有较高的准确性，并可以节省大量的计算时间。
朱媛媛[10]2016年在《高电子迁移率晶体管建模及参数提取》文中研究表明随着应用要求的提高,射频/微波电路的设计越来越复杂,使得电路设计者不得不依赖于计算机辅助设计软件(Computer Aided Design,CAD)来进行电路的设计和仿真。为了缩短设计周期和降低成本,提高电路一次设计的成功率,这就要求CAD软件能够提供快速、准确的晶体管模型,在此基础上才能够实现对电路性能的准确仿真。在射频/微波系统的设计中,高电子迁移率的晶体管(High Electron Mobility Transistor,HEMT)被广泛的应用于大信号非线性电路模块中,例如功率放大器、混频器等。然而,HEMT的非线性模型不够准确,尤其是对I-V特性高阶分量的预测,使得实物测试与设计优化结果存在一定差距。为了解决这个问题,本文以GaAs pHEMT为例,研究了其I-V非线性模型,主要内容如下:首先,本文建立了GaAs pHEMT的小信号等效电路模型。利用测试的直流和小信号S参数分步提取了模型中的14个参数,确定了模型中的寄生参数以及本征参数。最后通过对比多组偏置条件下的仿真与实测的S参数对模型进行了验证,为大信号模型的建立提供了基础。其次,本文提出了一种考虑了HEMT的输出电流I_(ds)及其高阶导数精度的非线性模型。该模型将整个研究区域划分为多个子区域,选择高精度的经典的HEMT大信号模型作为每个子区域内的模型,利用人工神经网络(Artificial Neural Network,ANN)输出函数的平滑性对不同区域进行平滑连接。最后,通过对pHEMT的I_(ds)及其高阶导数的建模验证了本文所提模型的精度。该方法也适用于其他工艺的HEMT的高阶导数建模。最后,本文提出了基于ANN的不同温度环境下HEMT的I_(ds)及其高阶导数的建模方法。将归一化的环境温度作为ANN的一个输入变量进行建模。为了验证该方法的有效性,本文建立了温度范围为-25℃~125℃的pHEMT非线性I-V模型,该模型保证了I_(ds)的高阶导数(至少到叁阶)具有较高的精度。此外,本文对比了Angelov模型与本文所提出的模型的I_(ds)高阶导数精度,结果表明本文提出的模型具有更高的准确度。
参考文献：
[1]. 在微波电路CAD中采用神经网络方法的研究[D]. 李明玉. 电子科技大学. 2003
[2]. 神经网络在微波电路计算机辅助设计中的应用研究[D]. 杨思樱. 西南交通大学. 2009
[3]. 基于非线性散射函数和小波神经网络建模方法的研究及应用[D]. 贾慧. 西安电子科技大学. 2010
[4]. 基于封装的射频系统数值仿真与实验研究[D]. 张祥军. 南京理工大学. 2007
[5]. 基于散射函数的一种微波非线性电路建模新方法[D]. 孙璐. 西安电子科技大学. 2010
[6]. 基于神经网络的微波射频器件建模[D]. 闫淑霞. 天津大学. 2015
[7]. 新型传输线方程及知识人工神经网络模型的研究[D]. 洪劲松. 电子科技大学. 2004
[8]. 场效应晶体管的大信号模型研究[D]. 刘林盛. 电子科技大学. 2011
[9]. 人工神经网络和遗传算法在微波设计中的应用[D]. 张欣. 南京理工大学. 2003
[10]. 高电子迁移率晶体管建模及参数提取[D]. 朱媛媛. 天津大学. 2016
标签：无线电电子学论文; 传输线论文; 神经网络模型论文; 仿真软件论文; 建模软件论文; 微波辐射论文; 线性系统论文; matlab函数论文; 函数封装论文; 非线性论文; 电路设计论文; cad论文; bp神经网络算法论文;