基于神经网络的微波集成电路补偿模型设计

摘要

提出一种基于神经网络的集成电路补偿模型建模方法.针对等效电路模型与电路实测数据之间存在偏差的问题,建立人工神经网络模型补偿差值部分,补偿后的模型作为一种集成电路宏模型,可用于辅助集成微系统仿真分析.该补偿模型是一个单层的全连接神经网络,以tanh函数作为激活函数,均方误差作为损失函数,使用Adam优化器优化训练而成.在工作频段为6～13 GHz的低噪声放大器电路上进行实验,补偿前后,原仿真数据与测试数据之间的均方根误差从0.868降低至0.274,提高了电路模型精度.