随着无线通信技术的发展和5G时代的到来,信息技术革命的热潮迎来新的高峰,面对日益增长的科技应用需求,高效高精的宽带滤波器设计方法尤其重要。微波谐振滤波器是现代通信系统的重要器件,从给定指标到综合出耦合矩阵,调谐得到物理实现的滤波器,是一个漫长的过程。综合的过程包括滤波器阶数的确定,传输零点的确定,回波损耗的指标,从EM设计阶段到物理尺寸的实现,包含调谐和诊断,加工与测试。传统方法在复杂的应用场景中,效率会降低,而深度强化学习优秀的探索能力,能够弥补传统方法的不足。本文的研究重点在于基于人工智能的滤波器的优化综合技术,通过给定指标,回拨损耗和传输零点可调,优化得到耦合矩阵。详细的研究工作如下所示:首先,确定耦合矩阵是综合过程的关键步骤。提出了一种基于人工智能的滤波器优化综合方法,能够解决耦合矩阵优化的问题。该方法通过深度强化学习的DQN算法优化耦合矩阵,适用于了六阶谐振滤波器和八阶谐振滤波器的综合,通过设计奖励函数帮助智能体通过强化学习的训练,在给定回拨损耗和带内等波纹等优化目标,优化得到满足指标的耦合矩阵。其次,为了满足更复杂的实际生产环境的需求,引入传输零点的耦合矩阵能够发挥更好的性能。提出了基于深度强化学习的一种实现传输零点可调的耦合矩阵综合方法。该方法能够满足回波损耗、带内等波纹、确定传输零点、带外抑制等优化目标,适用于四阶交叉耦合滤波器,智能体通过设计好的奖励函数,经过训练后能够平稳的完成优化目标,快速实现滤波器优化综合。基于深度强化学习的滤波器综合技术,能够直接通过给定指标得到优化后的耦合矩阵,简化了之前的滤波器综合技术,能够通过给定指标直接优化得到理想的耦合矩阵。在同一拓扑中具有推广性,加快了耦合矩阵优化的时间。基于深度强化学习的滤波器优化综合方法,具有很好的发展前景,能够实现更复杂的应用场景,满足更高标准的优化指标。