基于神经网络的射频功放散射参数提取方法及装置制造方法及图纸

本发明专利技术公开了一种基于神经网络的射频功放散射参数提取方法及装置，方法首先获取不同偏置条件下被测HEMT功率放大器对应的散射参数的样本数据，偏置条件包括频率、器件的漏源电压和漏极电流，散射参数包括输入反射系数、正向传播系数、反向传播系数和输出反射系数；然后利用这些样本数据对两个神经网络进行训练，最终得到训练好的反射系数神经网络和传播系数神经网络；最后针对待测的HEMT功率放大器，将其偏置条件分别输入到反射系数神经网络和传播系数神经网络，利用两个神经网络提取出在该偏置条件下该HEMT功率放大器的散射参数。本发明专利技术可以快速高效地提取出射频功放散射参数，方法简单易操作，S参数的准确率也高。

【技术实现步骤摘要】
基于神经网络的射频功放散射参数提取方法及装置
本专利技术涉及射频功放散射参数提取
，特别涉及一种基于神经网络的射频功放散射参数提取方法及装置。
技术介绍
HEMT结构功率放大器是金属场效应晶体管和异质结结构相结合而开发出的一种器件，其电压对电流的调控原理与一般的FET器件基本一致，结构上不同于其他FET器件的地方在于，形成电流的电子沟道是由异质结组成的。异质结，是禁带宽度不同、但晶格能匹配的两种半导体材料所形成的，异质结的界面独特的特点就在于因为导带的不连续性会对应产生一个个量子阱结构，这样的量子阱能将电子限制在一个近似的二维平面中运动，从而获得一个二维电子气(2DEG)。通过在源漏两端加上不同的电势，就可以使得电子沿着源漏方向进行运动，从而形成沟道电流。由于电子运动的沟道基本是在一个平面里面，基本不受离子电荷的库伦散射作用，因此这样的器件的电子迁移率是非常高的，正是因为这样，HEMT结构功率放大器具有宽禁带宽度、高临界场强、高热导率、高载流子饱和速率等特性，其作为射频微波器件，可在5G通信领域将发挥重要作用。在设计关于HEMT结本文档来自技高网...

【技术保护点】
1.一种基于神经网络的射频功放散射参数提取方法，其特征在于，步骤如下：/nS1、针对不同偏置条件下的被测HEMT功率放大器，获取到器件在不同偏置条件下的散射参数的样本数据，偏置条件包括频率、器件的漏源电压和漏极电流，散射参数包括反射系数和传播系数，反射系数分为输入反射系数和输出反射系数，反射系数分为正向传播系数和反向传播系数；/nS2、利用这些样本数据对两个神经网络进行训练，其中，偏置条件作为两个神经网络的输入，样本数据中该偏置条件下对应的输入反射系数和输出反射系数作为其中一个神经网络的输出，样本数据中该偏置条件下对应的正向传播系数和反向传播系数作为另一个神经网络的输出，最终得到训练好的反射系...

【技术特征摘要】
1.一种基于神经网络的射频功放散射参数提取方法，其特征在于，步骤如下：
S1、针对不同偏置条件下的被测HEMT功率放大器，获取到器件在不同偏置条件下的散射参数的样本数据，偏置条件包括频率、器件的漏源电压和漏极电流，散射参数包括反射系数和传播系数，反射系数分为输入反射系数和输出反射系数，反射系数分为正向传播系数和反向传播系数；
S2、利用这些样本数据对两个神经网络进行训练，其中，偏置条件作为两个神经网络的输入，样本数据中该偏置条件下对应的输入反射系数和输出反射系数作为其中一个神经网络的输出，样本数据中该偏置条件下对应的正向传播系数和反向传播系数作为另一个神经网络的输出，最终得到训练好的反射系数神经网络和传播系数神经网络；
S3、针对待测的HEMT功率放大器，将其偏置条件输入到反射系数神经网络以及输入到传播系数神经网络，利用反射系数神经网络和传播系数神经网络分别提取出在该偏置条件下该HEMT功率放大器的反射系数和传播系数。


2.根据权利要求1所述的基于神经网络的射频功放散射参数提取方法，其特征在于，不同偏置设置下的功率放大器的散射参数值通过查阅被测HEMT功率放大器的产品资料得到，或者是通过仿真得到；
仿真得到不同偏置设置下的功率放大器的散射参数值具体为：使用ADS软件仿真设计该器件的电路；然后在ADS软件中设置不同的偏置条件，从而仿真得出不同偏置设置下的功率放大器的散射参数值，这些偏置条件和散射参数值即为散射参数的样本数据。


3.根据权利要求1所述的基于神经网络的射频功放散射参数提取方法，其特征在于，输入反射系数S11分为输入反射幅度Mag(S11)和输入反射相位角Ang(S11)，正向传播系数S21分为正向传播幅度Mag(S21)和正向传播相位角Ang(S21)，反向传播系数S12分为反向传播幅度Mag(S12)和反向传播相位角Ang(S12)，输出反射系数S22分为输出反射幅度Mag(S22)和输出反射相位角Ang(S22)；
反射系数神经网络的输入输出关系式为：
Mag(Sij)＝F1[Vds,Id,f]
Ang(Sij)＝F1[Vds,Id,f]
传播系数神经网络的输入输出关系式为：
Mag(Sij)＝F2[Vds,Id,f]
Ang(Sij)＝F2[Vds,Id,f]
其中，i＝1,2；j＝1,2；
当反射系数神经网络同时输入频率f、器件的漏源电压Vds和漏极电流Id时，反射系数神经网络同时输出输入反射幅度Mag(S11)、输入反射相位角Ang(S11)、输出反射幅度Mag(S22)和输出反射相位角Ang(S22)；
当传播系数神经网络同时输入频率f、器件的漏源电压Vds和漏极电流Id时，传播系数神经网络同时输出正向传播幅度Mag(S21)、正向传播相位角Ang(S21)、反向传播幅度Mag(S12)和反向传播相位角Ang(S12)。


4.根据权利要求1所述的基于神经网络的射频功放散射...

【专利技术属性】
技术研发人员：秦剑，黄兴原，
申请(专利权)人：广州大学，
类型：发明
国别省市：广东;44