基于可行域收缩贝叶斯优化的功放设计方法技术

本发明专利技术公开了基于可行域收缩贝叶斯优化的功放设计方法，该方法首先基于负载牵引和源牵引确定匹配网络目标阻抗，然后通过切比雪夫低通拓扑方法确定匹配网络结构和元件参数值，使用最优拉丁超立方抽样对初始值采样获得输入样本集，以归一化加权方式实现样本点评估，利用粒子群算法搜索最优超参数，基于训练好的高斯过程模型在可行域内最大化采集函数UCB获取下一个评估点，不断迭代，实现了宽带高效功率放大器。本发明专利技术首次提出了基于可行域收缩贝叶斯优化的功放设计方法，通过动态改变参数值β来收缩可行域，使得优化在全局和局部之间实现平衡，加快收敛速度，能有效指导功放版图优化，实现了功放设计。实现了功放设计。实现了功放设计。

【技术实现步骤摘要】
基于可行域收缩贝叶斯优化的功放设计方法


[0001]本专利技术属于机器学习及射频功率放大器设计领域，具体涉及基于可行域收缩贝叶斯优化的功放设计方法。

技术介绍

[0002]功率放大器的设计指标，如输出功率和效率等是相互制约的，同时满足这些指标需要复杂的拓扑设计和精确的参数计算，而且即便所选择的参数符合“帕累托最优”，一旦制造的功放与模拟设计不匹配，设计师也必须再次重复整个设计周期，因此功率放大器的设计过程非常复杂。一般步骤包括负载牵引和源牵引、设计拓扑结构、确保电路稳定性、元件参数计算和电路优化等，其中最重要的一步便是电路优化，而一种有效的优化方法可以大大缩短电路设计的时间。
[0003]功率放大器的优化涉及到匹配网络微带线的长度和宽度，参数众多，形成了巨大的高维参数空间，使得优化问题面临两大困难，一方面，目标函数的未知形式使得设计者无法使用梯度信息，另一方面，目标函数的计算具有不确定性，无法准确估计函数值。最重要的是，在设计过程中，目标函数的评估需要花费大量时间、金钱和人力资源。换句话说，功放优化实际上是一个昂贵的高维黑箱优化问题，而本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.基于可行域收缩贝叶斯优化的功放设计方法，其特征在于：该方法包括以下步骤：步骤一、获取训练样本集初始训练样本集包括初始训练样本输入集和初始训练样本输出集，具体步骤包括：s1.1、将功率放大器的匹配网络元件参数值和焊接微带线参数值的初始值作为初始参数点x0＝{W1,W2,
…
,W
i
,L1,L2,
…
,L
i
}，i是可调微带线个数；在初始参数点周围λ％范围内抽样m次，得到初始训练样本输入集X＝{x1,x2,...,x
m
}；s1.2、将初始训练样本输入集X送入ADS仿真，获得输出功率y1和功率附加效率y2，建立如下评估函数y：y
1target
和y
2target
分别表示预先设定的输出功率和功率附加效率目标值；将得到的m个评估函数y的值作为训练样本输出集；步骤二、训练高斯过程模型将步骤一得到的数据组合成训练样本集D(x,y)；选择核函数k(x,x
′
)，根据训练样本集D(x,y)，利用粒子群算法优化对数边缘似然函数，搜索核函数k(x,x
′
)的最优超参数，对数边缘似然函数L(θ)为：其中，L
ii
表示Cholesky分解中的下三角矩阵，i表示L
ii
的大小，α表示中间变量，上标T表示转置；步骤三、获取下一个评估点选择训练样本输出集中的最大值，令f
+
＝y
max
，作为判别依据将参数空间划分为可行域和不可行域，将f
+
周围10％的区域视为最有可能出现下一个评估点的区域，基于步骤二训练后的高斯过程模型，在该可行域内通过最大化采集函数UCB确定下一个评估点...

【专利技术属性】
技术研发人员：蔡佳林，曲研，
申请(专利权)人：杭州电子科技大学，
类型：发明
国别省市：