一种面向微波电路的优化设计方法技术

本发明专利技术公开了一种面向微波电路的优化设计方法，包括以下步骤：利用LHS获得样本模型设计参数，并利用Matlab

【技术实现步骤摘要】
一种面向微波电路的优化设计方法


[0001]本专利技术涉及无线通信
，尤其涉及一种面向微波电路的优化设计方法。

技术介绍

[0002]随着现代无线通信技术飞速发展，通信系统对微波电路的要求越来越高，为了满足通信系统的不同需求，需要不断对微波电路进行优化设计。为了提高微波电路的设计效率，降低设计的时间成本，利用算法对其进行设计已经成为一种必然趋势。
[0003]近年来随着计算机的发展，其计算能力有了极大的提高，人工神经网络(Artificial Neural Network，ANN)重新进入人们的视野，受到越来越多学者的关注，并使其得到了广泛的应用。ANN是一种模拟人类大脑实际神经网络的数学模型，它可以在网络的输入与输出之间建立某种映射关系，通过选用恰当的算法，利用人为给定的训练样本，寻找使每次迭代的网络输出与实际样本输出之间的误差最小的权重和阈值。当神经网络被训练好之后，给定网络的输入便可以通过映射得到网络的输出。
[0004]目前最常用的微波电路优化设计方法是空间映射算法、群智能优化算法和机器学习算法。
[000本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种面向微波电路的优化设计方法，其特征在于，包括以下步骤：S1、根据设计指标设计理想的目标响应；S2、利用LHS获得一定数量的样本模型设计参数，并利用Matlab
‑
HFSS联合仿真技术得到对应的样本响应；S3、计算所有样本响应与目标响应的相关系数，并选择相关系数最大的响应及其设计参数作为优化样本，其他响应及设计参数作为训练样本；S4、利用训练样本对ELM进行训练，预测优化样本响应的设计参数，并采用BSO优化ELM的输入权重和阈值；S5、利用优化输入权重和阈值后的ELM建立微波电路模型设计参数与响应之间的映射关系，在训练过程中利用包含优化样本在内的所有训练样本进行训练，在预测过程中预测目标响应对应的模型设计参数；S6、将预测的设计参数代入微波电路中进行仿真验证，如果响应不符合设计指标，则将该设计参数和响应添加到原训练样本集中，转至步骤S3，直到得到满足设计指标的响应和设计参数。2.根据权利要求1所述的面向微波电路的优化设计方法，其特征在于，ELM网络结构包括输入层、隐含层和输出层，输入层、隐含层和输出层均设有多个神经元。3.根据权利要求1所述的面向微波电路的优化设计方法，其特征在于，步骤S4中ELM的训练过程为：设有N个任意的训练样本(X
i
,Y
i
)，其中输入X
i
为n维，即X
i
＝[x
i1
,x
i2
,
…
,x
in
]
T
，输出Y
i
为m维，即Y
i
＝[y
i1
,y
i2
,
…
,y
im
]
T
，隐含层为L个神经元的极限学习机的输出表示为：其中g(x)为激活函数，W
j
＝[w
j1
,w
j2
,
…
,w
jn
]
T
为输入权重，θ
j
为隐含层第j个神经元的阈值，β
j
＝[β
j1...

【专利技术属性】
技术研发人员：陈远祥，胡聪，孙尚斌，付佳，林尚静，余建国，
申请(专利权)人：北京邮电大学，
类型：发明
国别省市：