一种新型快速高效的滤波器小样本建模及优化方法技术

本发明专利技术公开了一种新型快速高效的滤波器小样本建模及优化方法，针对原有建模优化方法和实际滤波器电路设计中建模优化计算耗时长，且样本数据量有限的不足，本发明专利技术提出了一种新颖快速高效的滤波器小样本建模及模型优化方法，该方法是一种基于先验知识的高斯过程的滤波器正向建模及基于粒子群反向优化的方法(KBGP)。在正向建模时，该方法使用粗糙样本数据，训练ANNs粗糙网络；之后，将ANNs的输出向量作为先验知识注入GPR，可以减少GPR的样本数据，获得高精度电路模型；在反向优化时，使用粒子群优化(PSO)方法，快速优化模型输入向量获得最佳全局的输入向量了。

【技术实现步骤摘要】
一种新型快速高效的滤波器小样本建模及优化方法
本专利技术涉及滤波器的仿真建模及模型优化领域，具体涉及一种新型快速高效的滤波器小样本建模及模型优化方法，该方法是一种基于先验知识的高斯过程的滤波器正向建模和基于粒子群的反向优化的方法(KBGP)。
技术介绍
随着无线通信技术的发展，各种新技术不断涌现，滤波器也在不断向更高的频率发展，其性能和电路结构更加复杂，原有的建模优化方法逐渐不能满足现代设计的需要。现代滤波器设计的模型不仅需要能够描述行为特性，还要准确反映变量不同而引发滤波器性能的改变。现代滤波器精确建模优化技术，是基于电磁理论的全波分析方法，通过专业电磁仿真软件(诸如CST、HFSS等)得到理想的电路，但是全波分析法消耗计算资源多和时间长，随着滤波器工作频率增大，结构复杂，精度提高，计算次数和资源消耗呈指数上升，导致软件计算耗时过长，并且计算结果经常不收敛或不满足精度要求，在实际复杂工程应用中愈加困难，因此，设计迫切地需要一种快速高效的建模优化方法来适应不断变化的设计需求。机器学习的出现为滤波器的建模优化提供了新的思路。如果以机器学习本文档来自技高网...

【技术保护点】
1.一种新型快速高效的滤波器小样本建模及优化方法，其特征在于：所述方法包括如下步骤：/n步骤1：建立粗糙模型，首先，确定粗糙模型的输入向量和输出向量，将输入变量组成输入向量，输出变量组成输出向量；随后，利用ADS构建等效粗糙路模型，快速获取粗糙网络的样本数据；训练网络并检测粗糙网络模型的精度是否满足要求；/n步骤2：建立GPR样本集，利用CST软件，均匀采样，获得少量的全波电磁仿真结果，将ANN的预测结果作为先验知识，结合CST全波仿真结果，组成GPR样本数据；/n步骤3：调用GPR样本数据，训练GPR模型；调用CST产生测试样本，通过平均绝对误差对所提出方法的可靠性进行检验，完成模型建模过程...

【技术特征摘要】
1.一种新型快速高效的滤波器小样本建模及优化方法，其特征在于：所述方法包括如下步骤：
步骤1：建立粗糙模型，首先，确定粗糙模型的输入向量和输出向量，将输入变量组成输入向量，输出变量组成输出向量；随后，利用ADS构建等效粗糙路模型，快速获取粗糙网络的样本数据；训练网络并检测粗糙网络模型的精度是否满足要求；
步骤2：建立GPR样本集，利用CST软件，均匀采样，获得少量的全波电磁仿真结果，将ANN的预测结果作为先验知识，结合CST全波仿真结果，组成GPR样本数据；
步骤3：调用GPR样本数据，训练GPR模型；调用CST产生测试样本，通过平均绝对误差对所提出方法的可靠性进行检验，完成模型建模过程；
步骤4：KBGP模型的优化，将GPR模型的输出结果，作为PSO适应度，不断更新PSO算法中粒子的位置，完成整个KBGP模型...

【专利技术属性】
技术研发人员：喻梦霞，陈林，汪家兴，李桂萍，
申请(专利权)人：电子科技大学，
类型：发明
国别省市：四川;51