一种基于混合神经网络的射频低噪声放大器电路设计方法技术

本发明专利技术提供一种基于混合神经网络的射频低噪声放大器电路设计方法，该方法包括：S1根据性能指标要求选择合适的器件，并确定相应的工作状态和偏置条件；S2利用构建好的混合神经网络得到晶体管的散射参数和噪声参数，获取指定条件下器件的S2P文件；S3根据得到的S2P文件进行稳定性分析，并进一步完成低噪声放大器的设计。本发明专利技术有助于提高了分析和设计低噪声放大器的效率和适用性。大器的效率和适用性。大器的效率和适用性。

【技术实现步骤摘要】
一种基于混合神经网络的射频低噪声放大器电路设计方法


[0001]本专利技术涉及5G
，特别是一种基于混合神经网络的射频低噪声放大器电路设计方法。

技术介绍

[0002]随着5G时代的到来，获得高质量高效率的无线通信系统越来越被重视。低噪声放大器作为无线接收机的前端，对它的性能分析和设计就显得尤为重要。低噪声放大器(LNA)一般用作各类无线电接收机的高频或中频前置放大器，以及高灵敏度电子探测设备的放大电路。它处于接收系统的前端，对天线接收到的微弱射频信号进行线性放大，同时抑制各种噪声干扰，提高系统灵敏度。由于LNA在接收系统中的特殊位置和作用，该部件的设计对整个接收系统的性能指标起着关键作用。
[0003]现有技术中，低噪声放大器设计方法只能建立在明确器件模型和等效电路的基础上去研究其散射参数(S参数)和噪声参数。在器件性能非线性强、不明确内部结构和测试仪器设备范围、精度有限的情况下，这些参数的测量成为一个复杂且耗时的过程，使工作过程变得繁琐且效率低，也十分不利于低噪声放大器的研究。其主要存在以下问题：
[0004](1)传本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于混合神经网络的射频低噪声放大器电路设计方法，其特征在于，包括：S1根据性能指标要求选择合适的器件，并确定相应的工作状态和偏置条件；S2利用构建好的混合神经网络得到晶体管的散射参数和噪声参数，获取指定条件下器件的S2P文件；S3根据得到的S2P文件进行稳定性分析，并进一步完成低噪声放大器的设计。2.根据权利要求1所述的一种基于混合神经网络的射频低噪声放大器电路设计方法，其特征在于，步骤S1中，确定的工作状态包括温度；偏置条件包括频率、器件的漏源电压和漏源电流。3.根据权利要求2所述的一种基于混合神经网络的射频低噪声放大器电路设计方法，其特征在于，步骤S2中，构建好的混合神经网络包括3个神经网络结构，其输入为漏源电流、漏源电压和频率，其中第一神经网络结构ANN1用于根据输入的漏源电流、漏源电压和频率获取并输出散射参数，其中散射参数包括S
11
、S
12
、S
21
、S
22
的幅值和角度，其中S
11
表示在输出端端接匹配情况下的输入端反射系数、S
12
表示在输出端端接匹配情况下的前向传输增益、S
21
表示在输入端端接匹配情况下的输出端反射系数、S
22
表示在输入端端接匹配情况下的反向传输增益；第二神经网络结构ANN2用于根据输入的频率获取并输出EPC等效电路模型的本征参数和等效温度；第三神经网络结构ANN3用于根据输入的漏源电流、漏源电压和频率获取并输出噪声参数，其中噪声参数包括最小噪声系数、最佳反射源系数和热电阻。4.根据权利要求3所述的一种基于混合神经网络的射频低噪声放大器电路设计方法，其特征在于，第一神经网络结构ANN1、第二神经网络结构ANN2和第三神经网络结构ANN3分别包括输入层、隐藏层和输出层，其中第一神经网络结构ANN1的隐藏层结构为9
‑
8；第三神经网络结构ANN3的隐藏层结构为9
‑
7。5.根据权利要求3所述的一种基于混合神经网络的射频低噪声放大器电路设计方法，其特征在于，步骤S2之前，还包括：Sb1训练所述混合神经网络，包括：选用Si衬底上AlGaN HEMT器件直接测量的数据来作为样本进行神经网络训练，其中样本包括训练...

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