神经网络在微波电路计算机辅助设计中的应用研究

摘要

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。

目录

文摘

英文文摘

声明

第1章绪论

1.1选题背景及研究意义

1.2国内外研究现状

1.3论文主要结构

第2章微波电路CAD关键技术分析

2.1微波电路CAD

2.1.1微波电路CAD技术简介

2.1.2微波电路CAD的特点

2.2微波电路设计方案研究

2.2.1对传统设计方法的分析

2.2.2神经网络建模法

2.2.3现有的神经网络工具分析

第3章微波电路中神经网络模型的建立

3.1神经网络原理分析

3.1.1神经元结构

3.1.2神经网络的基本结构及描述

3.2微波电路中神经网络模型的建立及建模工具的实现

3.2.1问题描述

3.2.2建模过程

3.2.3开发建模工具ANNMod平台的选择

3.2.4建模工具ANNMod的设计

3.2.5主要模块的实现

3.3与MATLAB神经网络工具箱的实验结果对比

第4章ANN应用于微波电路的算法设计

4.1数据预处理

4.1.1预处理方法理论

4.1.2本文中的预处理方法

4.1.3算法结果对比

4.2附加动量及改进变步长学习的BP网络

4.2.1算法描述

4.2.2 BP算法对FET的I-V曲线仿真结果

4.3对RBF算法的改进

4.3.1 RBF基本算法的描述

4.3.2聚类算法

4.3.3改进宽度及速率调整用于RBF

4.3.4算法结果对比

4.4动态的RBF

第5章电路仿真、测试及结果

5.1实验环境说明

5.2实验数据说明

5.3实验过程及结果分析

5.3.1建立FET的I-V模型

5.3.2马刺线传输特性仿真

5.3.3开环谐振带通滤波器的仿真

结论与展望

致谢

参考文献

攻读硕士学位期间发表的论文