基于智能优化算法的片上螺旋电感设计方法研究

摘要

随着无线通讯技术的迅猛发展，市场对移动通信设备的需求不断的增加，使研究人员重点关注在低成本、轻重量、低功耗以及高性能的电路系统的研究设计。电感器是射频前端滤波器、阻抗匹配电路等电路单元的重要组成部分，且其性能关乎到整个系统的性能。因此，设计一种螺旋电感自动化设计技术是具有重要意义的工作。　　本文首先阐述了螺旋电感在射频集成电路中的重要性和电感传统设计方法的不足，引出了用智能优化算法实现电感建模的优越性和必要性。然后分析了国内外在螺旋电感方面与智能优化算法的研究现状，并介绍了相关的基本理论和方法。由此，本文提出了一种基于随机森林算法的螺旋电感预测模型以及一种基于量子遗传算法优化的BP神经网络(QGABP)和改进粒子群算法(HPSO)的螺旋电感合成方法。主要工作和贡献如下：　　(1)研究了一款基于随机森林的螺旋电感预测模型。首先，制作了螺旋电感数据集，接着使用归一化方法对数据进行优化处理，提供了较高质量的数据。其次，通过Bootstrap重抽样方法，从而构建不同决策树模型，最终形成随机森林模型，当有一个新的输入样本进入的时候，就让森林中每一颗决策树判断一下，将各决策树模型的预测值的均值作为随机森林模型的输出结果。最后，仿真结果表明所提方法比标准BP神经网络预测模型在预测精度和预测速度方面都有所提高，也验证了提出的基于随机森林的螺旋电感预测模型的可行性和正确性。　　(2)研究了一款基于QGABP-HPSO混合算法的螺旋电感合成方法。首先，针对BP网络随机初始值和易陷入局部最优解的问题，先用量子比特编码BP神经网络的初始值，接着用量子遗传算法搜索出BP网络最优初始值，再进行BP网络训练。仿真验证了该方法性能比遗传算法优化的神经网络(GABP)和BP网络模型性能更优，MAE值和RMSE值分别为0.25、0.55，加快了收敛速度以及提高了模型的泛化能力。其次，利用HPSO算法有效的处理螺旋电感器需要不同类型的变量、目标函数和约束条件的问题，仿真验证了该方法比PSO算法性能更优。最后，在给定工作频率下，搜索目标电感值的结构参数，使用HPSO算法探索出了10组符合约束条件的布局参数，再用QGABP模型计算出各组布局参数对应的性能参数，有助于设计人员在不同性能指标间权衡，如品质因数、面积、自谐振频率等。该方法不需要进行电磁仿真，因此大大减少了射频电路优化设计的周期时间。

目录

声明

第 1 章 绪 论

1.1 研究背景及意义

1.2 国内外研究现状

1.2.1 螺旋电感的研究现状

1.2.2 遗传算法的研究现状

1.2.3 粒子群算法的研究现状

1.2.4 随机森林的研究现状

1.2.5 神经网络的研究现状

1.3 本文的主要研究内容和组织结构

1.3.1 主要研究内容

1.3.2 论文的组织结构

第 2 章 螺旋电感与智能优化算法

2.1 螺旋电感概述

2.1.1 螺旋电感的基础结构

2.1.2 螺旋电感的性能指标

2.1.3 螺旋电感的损耗

2.2 智能优化算法

2.2.1 粒子群算法

2.2.2 人工神经网络

2.2.3 随机森林算法

2.2.4 量子遗传算法

2.3 小结

第 3 章 基于随机森林算法的螺旋电感预测模型研究

3.1 引言

3.2 螺旋电感几何参数对其性能的影响

3.2.1 内径对电感性能的影响

3.2.2 金属线宽度对电感性能的影响

3.2.3 匝数对电感性能的影响

3.3 实验数据集

3.3.1 数据 来源

3.3.2 数据预处理

3.4 基于随机森林的螺旋电感模型构建

3.4.1 模型参数设置

3.4.2 模型评估策略

3.4.3 模型仿真分析

3.5 小结

第 4 章 基于 QGABP-HPSO 混合算法的螺旋电感合成方法

4.1 引言

4.2 系统的总体设计

4.3 HPSO 算法的设计

4.4 QGABP 神经网络模型设计

4.4.1 BP 神经网络的缺陷

4.4.2 QGABP 的可行性分析

4.4.3 QGABP 的设计与流程

4.5 实验结果分析

4.5.1 参数设置

4.5.2 实验仿真和性能分析

4.6 相关算法比较

4.7 小结

结 论

参考文献

附录 A 攻读硕士学位期间所发表的学术论文

附录 B 攻读硕士学位期间所参加的学术活动

致 谢