论文部分内容阅读
本文结合神经网络技术对微波无源器件进行了参数化建模,并提出了两种新的神经网络建模技术：电路基神经网络建模和知识基神经网络建模。电路基神经网络结合了矢量拟合算法和空间映射技术,同时又嵌入了SPICE兼容的等效电路模型。其中神经网络用来完成器件几何参数到有理函数系数零极点的映射。训练后的模型能提供一个快速的,准确的参数化模型,并可在ADS中得以实现,ADS仿真后的数据与原始电磁仿真数据十分贴近,也验证了此方法的有效性。知识基神经网络充分结合了有理函数和神经网络训练技术,采用矢量拟合算法提取出用来表征器件Y参数的有理函数系数零极点,同时神经网络利用空间映射技术来完成器件几何参数到零极点的映射,神经网络的输出则作为知识基神经网络模块的输入来完成对器件Y参数的表征,此方法与电磁仿真相比更加快捷,训练后的模型与矢量拟合算法相比,其模型以器件几何参数为变量,可用来做电路优化。两种神经网络建模技术充分说明了神经网络在微波器件建模方向的优势和特点。本文首先介绍了有关神经网络技术相关的知识与最新应用领域。之后对神经网络的两个关键技术：训练数据的采样和训练过程展开了详细的说明。第三章则使用电路基神经网络对贴片天线进行了参数化建模。第四章使用知识基神经网络对二端口器件进行建模,同时用3个例子验证了方法的有效性。最后把二端口器件算法扩展到多端口器件,并用一个四端口的通孔实例证明了此方法的广泛性。