一种基于机器学习的平面微波滤波器设计方法及装置制造方法及图纸

本发明专利技术公开了一种基于机器学习的平面微波滤波器设计方法及装置，所述方法包括从预先建立的初步的设计模型结构中提取m个尺寸参数；将所述尺寸参数通过电磁仿真得到确定尺寸下的响应，多次参数调整后得到一组训练样本；将所述训练样本通过机器学习算法进行预测，得到最佳尺寸参数；将所述最佳尺寸参数通过电磁仿真得到滤波器响应；判断所述滤波器响应是否满足设计指标，如果满足，则将最佳尺寸参数作为最优的平面微波滤波器尺寸输出；本发明专利技术结合机器学习算法，简化当前平面微波滤波器大量重复性的设计仿真工作，有效缩短平面微波滤波器设计时间，提升设计效率，缩短研发周期。缩短研发周期。缩短研发周期。

【技术实现步骤摘要】
一种基于机器学习的平面微波滤波器设计方法及装置


[0001]本专利技术涉及一种基于机器学习的平面微波滤波器设计方法及装置，属于微波滤波器设计


技术介绍

[0002]目前微波滤波器设计中得到广泛应用的设计方法是综合法。综合法是根据实际滤波器的设计指标，通过频率变换的公式，得到相对应的低通原型滤波器的衰减特性，再选择合适的滤波函数进行逼近。通过滤波函数逼近，可以得到滤波器阶数、中心频率、传输零点位置等参数，再选择适当的滤波器拓扑结构和谐振器类型来设计最终的滤波器结构。然而，随着通信技术的不断进步，对滤波器尤其是高频段微波滤波器的性能指标提出了更加苛刻的要求。由于通信频段的增加，往往需要滤波器具备很宽的工作频段，又要抑制干扰信号，滤波器需要具备陡峭的边带特性或陷波特性。传统的设计方法往往无法满足超宽带、高选择性等指标条件下微波滤波器的设计要求，设计人员通常也只能根据现有的滤波器结构，在电磁仿真软件中进行调整改进，但是这种人工调整的方法需要耗费大量的时间精力。由于计算机技术的发展，硬件设备的不断升级带来了计算效率的提升，从而使机器学习和人工智本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于机器学习的平面微波滤波器设计方法，其特征在于，包括：从预先建立的初步的设计模型结构中提取m个尺寸参数；将所述尺寸参数通过电磁仿真得到确定尺寸下的响应，多次参数调整后得到一组训练样本；将所述训练样本通过机器学习算法进行预测，得到最佳尺寸参数；将所述最佳尺寸参数通过电磁仿真得到滤波器响应；判断所述滤波器响应是否满足设计指标，如果满足，则将最佳尺寸参数作为最优的平面微波滤波器尺寸输出；如果滤波器响应不满足设计指标，进一步判断是否搜索完全部尺寸范围，如果没有，重复迭代以上步骤，增加设定数量的电磁仿真结果进入训练样本继续预测，直至预测尺寸参数的响应满足设计指标，输出最优的平面微波滤波器尺寸。2.根据权利要求1所述的基于机器学习的平面微波滤波器设计方法，其特征在于，所述初步的设计模型结构的建立方法，包括：获取设计指标，并根据指标要求设计目标响应；根据所述目标响应，建立初步的设计模型结构。3.根据权利要求1所述的基于机器学习的平面微波滤波器设计方法，其特征在于，所述从预先建立的初步的设计模型结构中提取m个尺寸参数，包括：据初步模型结构提取尺寸参数A1,A2,
…
,A
m
；其中，提取的尺寸参数包括微带线的宽度和微带线的长度。4.根据权利要求3所述的基于机器学习的平面微波滤波器设计方法，其特征在于，所述将所述尺寸参数通过电磁仿真得到确定尺寸下的响应，多次参数调整后得到一组训练样本，包括：将所述尺寸参数通过电磁仿真得到确定尺寸下的目标响应的频率范围取值f1，f2,
…
,f
n
；其中，频率范围取值包括滤波器通带最低频率点、滤波器通带最高频率点、滤波器传输零点的频率、滤波器中心频率位置、带内插入损耗频率点；将所述尺寸参数和频率范围取值输入电磁仿真软件，得到N组尺寸参数A与频率范围f的对应关系，将这N个对应关系作为N组训练样本。5.根据权利要求1所述的基于机器学习的平面微波滤波器设计方法，其特征在于，所述机器学习算法采用极限学习机的算法，所述限学习机的算法分为训练和预测两个过程，其算法如下：(1)训练过程：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可以表示为：其中g(x)为激活函数，有若干常用的激活...

【专利技术属性】
技术研发人员：曾令鹏，
申请(专利权)人：南京晓庄学院，
类型：发明
国别省市：