论文部分内容阅读
伴随着射频通信技术的飞速发展，在射频大信号情况下，射频微波器件会表现出很强的非线性，具有自学习、自组织能力及非线性映射等特性的人工神经网络(Artificial NeuralNetworks，ANN)弥补了传统建模方法的不足，鉴于诸多优势，ANN越来越多的应用于射频微波系统中。 以国家自然科学基金“宽带射频功率放大器非线性及行为模型的研究”与“射频微波电路与系统非线性建模与分析方法研究”，辽宁省博士启动基金“射频微波电路CAD仿真技术与射频读卡器的研究”为支持，本文主要研究内容有: 1.概述人工神经网络理论，利用ADS软件提取射频功放模型数据，提出一种用PSO_SVM对此功放建模的方法，结果表明所建模型精度高、有良好的逼近能力，适合小样本学习。 2.分析数字滤波器传统设计方法，利用RBF神经网络对数字滤波器进行建模，仿真结果中通带平坦、阻带波动小，接近滤波器的理想状态，是一种很优秀的建模方法。 3.在ADS中设计一款阶梯阻抗(Stepped Impedance Resonator，SIR)微带低通滤波器，进行S参数提取，利用RBF神经网络建模，该模型结果与ADS仿真结果基本吻合，而且滤波器的RBF模型通过改变输入结构参数，即可获得对应的S参数特性，具有很好的灵活性、通用性。 4.构建典型射频收发系统，在MATLAB中对系统中的带通滤波器进行行为建模，将所建模型打包嵌入到ADS原理图电路中，进行协同仿真，结果表明所建行为模型是有效的，而且仿真速度提高了55.7％。