基于预测不确定性的鲁棒模拟滤波器辅助设计方法和系统技术方案

本发明专利技术公开一种基于预测不确定性的鲁棒模拟滤波器辅助设计方法和系统，包括训练数据的收集和不确定性预测模型的训练，以及利用不确定性模型进行辅助设计；首先使用模拟方法获得加入噪声的数据并利用这些数据训练不确定性预测模型，然后利用不确定性预测模型在滤波器设计过程中对其鲁棒性进行评估。本发明专利技术的方法能够在不进行实物实验的情况下估计特定滤波器参数在实际实现后的鲁棒性，能够有效减少实验成本，同时也允许使用较低精度的器件，降低模拟滤波器的生产成本。低模拟滤波器的生产成本。低模拟滤波器的生产成本。

【技术实现步骤摘要】
基于预测不确定性的鲁棒模拟滤波器辅助设计方法和系统


[0001]本专利技术一种基于预测不确定性的鲁棒模拟滤波器辅助设计方法和系统，属于通信和信号处理


技术介绍

[0002]模拟滤波器在通信以及信号处理领域有着广泛的应用。为了满足特定场景需要的滤波性能，通常需要对滤波器的参数进行重新设计。随着对滤波器精度需求的提高，模拟滤波器的物理实现往往对元器件的性能提出了很高的要求，从而大幅提高了生产成本；另一方面，各个组成元器件的性能对模拟滤波器性能的影响非常复杂，难以通过单一元器件的精度计算得到，只能采取实验的方法进行评估。如果简单地采用具有高精度的元器件，则生产成本高昂，但在使用较低精度元器件的情况下保证滤波器的鲁棒性则需要大量的实验评估和专家经验的参与，显著提高了设计成本。
[0003]针对滤波器的辅助设计，目前已经有一些基于机器学习方法的研究，主要从两个方向出发，但均未考虑滤波器的鲁棒性问题。其中一个方向是使用机器学习方法学习出一个滤波曲线的预测模型，这样就可以在不进行实验的情况下预测特定的滤波器的性能。但是如果要考虑鲁棒性的情况，则滤波器的性能是有一定的随机波动性的，所以其性能无法使用模型精确预测。另一个方向是使用机器学习模型直接根据需要的响应曲线预测滤波器参数，此类方法也要求一个响应曲线对应一个滤波器参数，但在考虑随机波动的情况下一一对应并不存在。

技术实现思路

[0004]专利技术目的：针对现有技术中存在的问题与不足，本专利技术提供一种基于预测不确定性的鲁棒模拟滤波器辅助设计方法和系统。
[0005]技术方案：一种基于预测不确定性的鲁棒模拟滤波器辅助设计方法，包括数据生成和不确定性模型训练步骤，和不确定性模型辅助设计模拟滤波器步骤；所述数据生成和不确定性模型训练中，随机生成批量滤波器参数，在参数中加入设定的随机噪声得到有噪声的参数X，然后使用模拟器预测这些参数X对应的响应曲线Y，使用参数X以及响应曲线Y作为训练数据训练不确定性预测模型M；所述不确定性模型辅助设计模拟滤波器步骤中，在给定目标响应曲线的滤波器设计过程中，采用训练得到的不确定性预测模型M评估参数的准确度和鲁棒性，从而在不进行实验的情况下设计出同时具有准确性和鲁棒性的模拟滤波器参数。
[0006]所述数据生成和不确定性模型训练步骤具体为：步骤100，初始化随机生成器，设置模拟滤波器的结构等信息；步骤101，使用随机生成器生成预设数量的模拟滤波器参数；步骤102，在步骤101生成的参数中加入对应的随机噪声，加入噪声的滤波器参数记为X；
步骤103，使用模拟器计算参数X对应的响应曲线Y；步骤104，使用上述得到的数据X，Y训练不确定性预测模型M。
[0007]所述不确定性模型辅助设计模拟滤波器步骤包括：步骤200，初始化步骤，加载步骤104得到的不确定性预测模型M；步骤201，输入设计目标响应曲线y；步骤202，设计一组待评估的滤波器参数；步骤203，使用不确定性预测模型M预测这组参数的精确度和鲁棒性；步骤204，判断精确度和鲁棒性是否符合要求，如果是则进行步骤205，否则重复步骤202~204；步骤205，输出符合精确度和鲁棒性要求的滤波器参数，结束设计过程。
[0008]所述数据生成和不确定性模型训练步骤中：首先由专家设置模拟滤波器的结构等信息，用随机生成器生成足够数量的模拟滤波器参数，例如电阻、电容、功放比例等参数。然后在参数中加入一定的随机噪声，噪声的强度由最终实物生产时所要使用的元器件性能决定，例如使用电阻的误差为0.001，则加入标准差为0.001的高斯噪声，加入噪声的滤波器参数记为X。使用模拟器计算参数X对应的响应曲线Y，得到训练数据集X，Y。然后使用前述训练数据集训练不确定性预估模型M。此处使用一个带Dropout层的前馈神经网络作为不确定性预估模型M，其输入为滤波器参数X，输出为预测的响应曲线Y，训练过程使用随机梯度下降法优化对目标Y的平均平方损失函数（MSE）。
[0009]所述不确定性模型辅助设计模拟滤波器步骤为：首先加载训练好的不确定性预估模型M，然后输入需要设计的目标响应曲线y，由设计师设计出一组待评估的滤波器参数。使用不确定性预估模型M对这组参数的精确度和鲁棒性，具体的，由于Dropout可以在模型预测时带来一定的不确定性，我们可以在预测时开启Dropout功能，此时对于同一参数的多组预测结果并不相同，当预测结果都接近目标响应曲线时（以MSE度量距离）认为该组参数具有精确性和鲁棒性；如果偏离目标y则认为精确性较差，如果预测波动较大则认为鲁棒性差，评价标准与具体的设计目标有关。判断精确度和鲁棒性是否符合要求，如果不符合要求则重复进行前述设计和评估步骤，如果符合则输出对应的模拟滤波器参数，结束设计过程。
[0010]一种基于预测不确定性的鲁棒模拟滤波器辅助设计系统，包括数据生成和不确定性模型训练模块，和不确定性模型辅助设计模拟滤波器模块；所述数据生成和不确定性模型训练模块，随机生成批量滤波器参数，在参数中加入设定的随机噪声得到有噪声的参数X，然后使用模拟器预测这些参数X对应的响应曲线Y，使用参数X以及响应曲线Y作为训练数据训练不确定性预测模型M；所述不确定性模型辅助设计模拟滤波器模块，在给定目标响应曲线的滤波器设计过程中，采用训练得到的不确定性预测模型M评估参数的准确度和鲁棒性，从而在不进行实验的情况下设计出同时具有准确性和鲁棒性的模拟滤波器参数。
[0011]基于预测不确定性的鲁棒模拟滤波器辅助设计系统的实现过程与方法实现过程相同。
[0012]一种计算机设备，该计算机设备包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，处理器执行上述计算机程序时实现如上所述的基于预测不确定性的鲁棒模拟滤波器辅助设计方法。
[0013]一种计算机可读存储介质，该计算机可读存储介质存储有执行如上所述的基于预测不确定性的鲁棒模拟滤波器辅助设计方法的计算机程序。
[0014]有益效果：与现有技术相比，本专利技术所提供的基于预测不确定性的鲁棒模拟滤波器辅助设计方法，利用计算机运行模拟器模拟实物元器件的性能波动，生产出具有噪声的训练数据，然后使用具有Dropout层的神经网络模型训练不确定性预测模型。不确定性预测模型可以用于对模拟滤波器的参数进行评估，在不进行实物生产实验的情况下可以同时评估精确性和鲁棒性，能够有效提高模拟滤波器的设计效率；同时也可以使用精度较低的元器件，从设计的角度保证最终成品的性能符合要求，降低生产成本。
附图说明
[0015]图1为本专利技术实施例的数据生成和不确定性模型训练流程图；图2为本专利技术实施例的不确定性模型辅助设计模拟滤波器流程图。
具体实施方式
[0016]下面结合具体实施例，进一步阐明本专利技术，应理解这些实施例仅用于说明本专利技术而不用于限制本专利技术的范围，在阅读了本专利技术之后，本领域技术人员对本专利技术的各种等价形式的修改均落于本申请所附权利要求所限定的范围。
[0017]如图1所示，为了获得不确定性预测模型M，需本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于预测不确定性的鲁棒模拟滤波器辅助设计方法，其特征在于，包括数据生成和不确定性模型训练步骤和不确定性模型辅助设计模拟滤波器步骤；所述数据生成和不确定性模型训练中，随机生成批量滤波器参数，在参数中加入设定的随机噪声得到有噪声的参数X，然后使用模拟器预测这些参数X对应的响应曲线Y，使用参数X以及响应曲线Y作为训练数据训练不确定性预测模型M；所述不确定性模型辅助设计模拟滤波器步骤中，在给定目标响应曲线的滤波器设计过程中，采用训练得到的不确定性预测模型M评估参数的准确度和鲁棒性，从而在不进行实验的情况下设计出同时具有准确性和鲁棒性的模拟滤波器参数。2.根据权利要求1所述的基于预测不确定性的鲁棒模拟滤波器辅助设计方法，其特征在于，所述数据生成和不确定性模型训练步骤具体为：步骤100，初始化随机生成器，设置模拟滤波器的结构等信息；步骤101，使用随机生成器生成预设数量的模拟滤波器参数；步骤102，在步骤101生成的参数中加入对应的随机噪声，加入噪声的滤波器参数记为X；步骤103，使用模拟器计算参数X对应的响应曲线Y；步骤104，使用上述得到的数据X，Y训练不确定性预测模型M。3.根据权利要求1所述的基于预测不确定性的鲁棒模拟滤波器辅助设计方法，其特征在于，所述不确定性模型辅助设计模拟滤波器步骤包括：步骤200，初始化步骤，加载数据生成和不确定性模型训练步骤得到的不确定性预测模型M；步骤201，输入设计目标响应曲线y；步骤202，设计一组待评估的滤波器参数；步骤203，使用不确定性预测模型M预测这组参数的精确度和鲁棒性；步骤204，判断精确度和鲁棒性是否符合要求，如果是则进行步骤205，否则重复步骤202~204；步骤205，输出符合精确度和鲁棒性要求的滤波器参数，结束设计过程。4.根据权利要求2所述的基于预测不确定性的鲁棒模拟滤波器辅助设计方法，其特征在于，所述数据生成和不确定性模型训练步骤中：首先设置模拟滤波器的结构信息，用随机生成器生成设定数量的模拟滤波器参数，然后在参数中加入一定的随机噪声，噪声的强度由最终实物生产时所要使用的元器件性能决定；使用模拟器计算参数X对应的响应曲线Y，得到训练数据集X，Y；然后使用前述训练数...

【专利技术属性】
技术研发人员：叶翰嘉，詹德川，周志华，杨嘉祺，
申请(专利权)人：南京大学，
类型：发明
国别省市：