一种太赫兹无源器件的数据库建立方法及电路设计方法技术

本发明专利技术涉及太赫兹通信技术领域，尤其是涉及一种太赫兹无源器件的数据库建立方法及电路设计方法，先通过仿真获取太赫兹无源器件元件的设计变量及相应的S参数，构成第一数据集；然后利用GAN神经网络对第一数据集进行数据扩充，得到第二数据集，并基于第二数据集训练得到太赫兹元件神经网络模型；再基于太赫兹元件神经网络模型建立太赫兹无源器件元件的数据库。本发明专利技术利用神经网络的建模优势，针对太赫兹频段的无源器件进行参数化电磁场建模，为保证仿真设计的准确性，采用GAN神经网络与深度神经网络模型配合来提高设计精度，有效保证仿真设计的准确性，并减少了建库和设计所需耗间，提高设计的速度、精度和成功率。精度和成功率。精度和成功率。

【技术实现步骤摘要】
一种太赫兹无源器件的数据库建立方法及电路设计方法


[0001]本专利技术涉及太赫兹通信
，尤其是涉及一种太赫兹无源器件的数据库建立方法及电路设计方法。

技术介绍

[0002]太赫兹无源电路技术作为太赫兹技术的核心之一，太赫兹系统的实现，也依赖于如滤波器、耦合器、多工器等太赫兹无源电路性能的突破。太赫兹无源电路的性能取决于太赫兹电路模型的建模精度，与有源电路不同，太赫兹无源电路主要基于波导，当工作频率上升至太赫兹频段，波导不连续性，各结构材料特性变化等因素对电路影响不可忽视，无源电路三维电磁模型的精确建立直接影响着其电路性能。
[0003]目前，由于在太赫兹频段，波长和电路尺寸可比拟，传统的微波毫米波电路理论误差变大，无法指导电路设计，故现有技术在设计太赫兹无源电路时经常需要通过HFSS设计无源结构，然后通过ADS来验证电路，通过联合仿真完成太赫兹无源电路设计，它们之间的中继就是S参数；而申请人在实现本专利技术的过程中发现，由于太赫兹电路频率高，较小的尺寸变化就会影响设计结果，为保证仿真设计的准确性，一般进行电路全版图仿真优化设计，而电路全版图迭代优化设计需要耗费大量时间，给整个太赫兹无源电路设计过程带来了极大的不便。

技术实现思路

[0004]本专利技术的目的是提供一种太赫兹无源器件的数据库建立方法及电路设计方法，来解决现有技术中存在的上述技术问题，主要包括以下两个方面：本申请第一方面提供了一种太赫兹无源器件的数据库建立方法，包括以下步骤：步骤S100，获取太赫兹无源器件元件的设计变量Y及相应的取值范围[Y1,Y
N
]，Y1为设计变量Y的最小取值，Y
N
为设计变量Y的最大取值，在取值范围内选取预定数量、取值不同的元件，在预定工作频率下进行电磁仿真，获取相应的S参数，构成第一数据集；步骤S200，利用GAN神经网络对第一数据集进行数据扩充，得到第二数据集；然后将第二数据集划分为训练集和验证集；以元件的设计变量为输入，以S参数作为输出，基于训练集对深度神经网络模型进行训练，通过验证集对训练好的深度神经网络模型进行验证，循环进行训练和验证，循环至深度神经网络模型在验证集上准确率达到预设准确率，得到太赫兹元件神经网络模型；步骤S300，基于太赫兹元件神经网络模型建立太赫兹无源器件元件的数据库。
[0005]进一步地，所述元件为微带线、共面波导、鳍线、电容、电阻、电感和接地孔中的至少一者。
[0006]进一步地，所述设计变量为元件的几何尺寸。
[0007]进一步地，在步骤S100中，采用差值扫频来获取太赫兹无源器件元件在插值节点对应的S参数，以构建第一数据集。
[0008]进一步地，在步骤S100中，所述预定工作频率为一个连续的频段，或，所述预定工作频率为多个连续的频段，且频段之间频率范围不同。
[0009]进一步地，在步骤S100中，在获得S参数后，提取S参数并生成SNP文件。
[0010]进一步地，在步骤S200中，所述训练集和验证集的比例为7~8:2~3。
[0011]进一步地，所述深度神经网络模型的神经网络层包括位于第一层的输入层、位于最后一层的输出层、以及位于输入层和输出层之间的隐藏层，层与层之间全连接。
[0012]本申请第二方面提供了一种太赫兹无源器件的电路设计方法，采用电磁场仿真软件调用上述数据库建立方法建立的元件数据库，进行太赫兹无源电路优化设计。
[0013]进一步地，结合二极管电路模型，建立仿真电路图，利用谐波平衡法进行整体仿真优化。
[0014]本专利技术相对于现有技术至少具有如下技术效果：本专利技术利用神经网络的建模优势，针对太赫兹频段的无源器件进行参数化电磁场建模，快速建立可用于太赫兹电路优化设计的模型，同时，为保证仿真设计的准确性，采用GAN神经网络与深度神经网络模型配合来提高设计精度，整个过程不会降低仿真设计的准确性，同时有效减少了建库和设计所需耗间，从而解决了现有技术中设计准确性和耗费时间的矛盾问题，提高太赫兹无源器件和太赫兹无源电路设计的速度和精度，提高设计成功率，降低设计成本。
附图说明
[0015]为了更清楚地说明本专利技术实施例的技术方案，下面将对本专利技术实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面所描述的附图仅仅是本专利技术的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。
[0016]图1是本专利技术数据库建立方法的流程图；图2是本专利技术深度神经网络的结构图；图3是本专利技术GAN神经网络的结构图；图4是本专利技术GAN神经网络的实现流程图；图5是本专利技术电路设计方法的流程图；图6是本专利技术220GHz三次谐波混频器的全版图；图7是本专利技术220GHz三次谐波混频器的中频回波损耗图；图8是本专利技术220GHz三次谐波混频器的变频损耗图；图9是本专利技术220GHz三次谐波混频器的射频回波损耗图。
具体实施方式
[0017]以下的说明提供了许多不同的实施例、或是例子，用来实施本专利技术的不同特征。以下特定例子所描述的元件和排列方式，仅用来精简的表达本专利技术，其仅作为例子，而并非用以限制本专利技术。
[0018]为使本专利技术实施方式的目的、技术方案和优点更加清楚，下面将结合本专利技术实施方式中的附图，对本专利技术实施方式中的技术方案进行清楚、完整地描述，显然，所描述的实
施方式是本专利技术一部分实施方式，而不是全部的实施方式。基于本专利技术中的实施方式，本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施方式，都属于本专利技术保护的范围。因此，以下对在附图中提供的本专利技术的实施方式的详细描述并非旨在限制要求保护的本专利技术的范围，而是仅仅表示本专利技术的选定实施方式。基于本专利技术中的实施方式，本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施方式，都属于本专利技术保护的范围。
[0019]在本专利技术中，除非另有明确的规定和限定，术语“安装”、“相连”、“连接”、“固定”等术语应做广义理解，例如，可以是固定连接，也可以是可拆卸连接，或成一体；可以是机械连接，也可以是电连接；可以是直接相连，也可以通过中间媒介间接相连，可以是两个元件内部的连通或两个元件的相互作用关系。对于本领域的普通技术人员而言，可以根据具体情况理解上述术语在本专利技术中的具体含义。此外，术语“第一”、“第二”、“第三”等仅用于区分描述，而不能理解为指示或暗示相对重要性。
[0020]在本专利技术中，除非另有明确的规定和限定，第一特征在第二特征之上或之下可以包括第一和第二特征直接接触，也可以包括第一和第二特征不是直接接触而是通过它们之间的另外的特征接触。而且，第一特征在第二特征之上、上方和上面包括第一特征在第二特征正上方和斜上方，或仅仅表示第一特征水平高度高于第二特征。第一特征在第二特征之下、下方和下面包括第一特征在第二特征正下方和斜下方，或仅仅表示第一特征水平高度小于第二特征。
[0021]实施例1：本申请实施例提供了一种太赫兹无源器件的数本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种太赫兹无源器件的数据库建立方法，其特征在于，包括以下步骤：步骤S100，获取太赫兹无源器件元件的设计变量Y及相应的取值范围[Y1,YN]，Y1为设计变量Y的最小取值，YN为设计变量Y的最大取值，在取值范围内选取预定数量、取值不同的元件，在预定工作频率下进行电磁仿真，获取相应的S参数，构成第一数据集；步骤S200，利用GAN神经网络对第一数据集进行数据扩充，得到第二数据集；然后将第二数据集划分为训练集和验证集；以元件的设计变量为输入，以S参数作为输出，基于训练集对深度神经网络模型进行训练，通过验证集对训练好的深度神经网络模型进行验证，循环进行训练和验证，循环至深度神经网络模型在验证集上准确率达到预设准确率，得到太赫兹元件神经网络模型；步骤S300，基于太赫兹元件神经网络模型建立太赫兹无源器件元件的数据库。2.如权利要求1所述的数据库建立方法，其特征在于，所述元件为微带线、共面波导、鳍线、电容、电阻、电感和接地孔中的至少一者。3.如权利要求2所述的数据库建立方法，其特征在于，所述设计变量为元件的几何尺寸。4.如权利要求1所述的数据库建立方法，其特征在于，在...

【专利技术属性】
技术研发人员：谢晓洁，于馨菲，周闻达，马飞，
申请(专利权)人：四川太赫兹通信有限公司，
类型：发明
国别省市：