神经网络在缺陷接地结构中的应用研究

摘要

缺陷接地结构(DGS)是由光子带隙结构发展而来，它是在微波电路的接地金属平面上人为地蚀刻出“缺陷”，以改变接地电流的分布，从而改变传输线的频率特性。对DGS通常采用FDTD等电磁场数值分析，这些分析方法虽然计算严格、精度高，可以精确分析DGS的传输特性，但其计算过程复杂、耗时，无法满足DGS日益增长的分析和设计要求。 神经网络，也叫人工神经网络(ANNs)，是信息处理系统，可以从相关的数据中学习任意非线性的输入——输出关系，这种学习能力使它在很多领域获得了广泛的应用，如模式识别、控制等。神经网络以其快速和准确等特点，日益受到广大微波工作者的重视。 该文针对神经网络在DGS滤波特性中的应用进行了研究。训练成功的神经网络，在其训练范围内能快速准确地给出计算结果，极大地克服了FDTD等电磁场数值分析法计算耗时的不足，为DGS快速精确的分析和设计提供了新的有效途径。 该文采用神经网络对周期性缺陷接地结构(PDGS)和一种新型的具有双阻带特性的组合式非周期性缺陷接地结构(CNPDGS)进行分析建模，将其结构尺寸和频率作为输入样本，对FDTD法计算出的传输系数参数进行抽样并将抽样结果作为输出样本，然后采用贝叶斯正则化算法对神经网络进行训练。针对结构尺寸较大的PDGS，其传输系数参数存在不规则抖动，该文应用最小二乘法和五点三次平滑法进行了平滑处理，既减少了训练时间又准确反映了传输特性的主要变化趋势。最后制作了相应CNPDGS的实际电路并进行了测量，测量结果和训练成功的神经网络模型的计算结果一致性很好，说明了神经网络的正确性和有效性。 该文采用Matlab语言编写了神经网络程序，大大简化了分析和设计过程中遇到的大量复杂的科学计算，因而程序既简明又计算快速。

目录

文摘

英文文摘

独创性声明和学位论文版权使用授权书

第一章绪论

1.1人工神经网络(ANNs)概述

1.2缺陷接地结构(DGS)简介

1.3本课题意义

第二章反向传播(BP)神经网络

2.1 BP神经网络的基本原理

2.1.1感知器

2.1.2反向传播算法(BP算法)

2.2本章小结

第三章神经网络模型的建立

3.1神经网络的训练样本

3.2神经网络的大小和层数

3.3神经网络的训练

3.4神经网络的程序结构

第四章缺陷接地结构的神经网络模型

4.1周期性缺陷接地结构(PDGS)的神经网络模型

4.1.1 PDGS结构的发展概况

4.1.2 PDGS结构的滤波特性分析

4.1.3 PDGS结构的神经网络模型

4.2具有双阻带特性的CNPDGS结构的神经网络模型

4.2.1 CNPDGS结构的发展现状

4.2.2具有双阻带特性的CNPDGS结构

4.2.3具有双阻带特性的CNPDGS结构的神经网络模型

4.3本章小结

结束语

参考文献

攻硕期间本人发表的科研论文及科研情况

致谢