论文部分内容阅读
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。