System.ArgumentOutOfRangeException: 索引和长度必须引用该字符串内的位置。 参数名: length 在 System.String.Substring(Int32 startIndex, Int32 length) 在 zhuanliShow.Bind()
【技术实现步骤摘要】
本专利技术涉及微波功率晶体管参数建模研究领域,更具体的说,是涉及一种基于elm技术的微波功率晶体管s参数建模方法。
技术介绍
1、随着通信系统的不断发展与完善,对其效率和输出功率的要求也越来越高。微波功率晶体管作为通信系统的关键组成部分,其性能的良莠直接影响整个通信系统的质量。在设计微波电路时,首先要确定电路的设计指标,选择特定晶体管,并根据厂家提供的晶体管模型以及数据手册对电路进行仿真优化,得到预期结果之后再绘制版图,最后根据确定好的版图结构进行流片、封装及测试。由此可知,晶体管模型在通信系统的设计中必不可少,研究其模型精度是提高通信系统性能和设计效率的关键因素。
2、通常情况下,随着射频电路复杂度的增加,对于晶体管参数模型的精确度也会变得更加严格。因此,只有采用精确的晶体管参数模型才能够设计出高效准确的电路。然而传统的建模方法计算速度变慢,且建模过程复杂,已逐渐不能满足人们对微波功率晶体管参数实现快速高精度建模的要求。为了进一步提高模型精度,基于人工神经网络技术的建模方法受到广泛关注,并逐渐应用于微波功率晶体管参数建模领域。该技术借鉴了生物神经特性和运作原理,进而能够快速、同时、独立地对信息进行分析和处理,并将信息存储在各个神经元中。另外,整个神经网络模型对微波功率晶体管的线性特征具有映射能力,可以根据环境自适应变化,不断学习并调整网络内部的权值。因此,采用人工神经网络技术来构建精确的微波功率晶体管参数模型是可行的。综上所述,本专利技术核心采用极限学习机(elm)神经网络建模方法表征s参数与微波功率晶体管性能之间
技术实现思路
1、本专利技术的目的是为了建立精确的微波功率晶体管参数模型,提出一种基于elm技术的微波功率晶体管s参数建模方法,为提高通信系统的设计效率和性能提供重要指导。
2、本专利技术解决上述微波功率晶体管参数建模的技术方法和方案如下:一种基于elm技术的微波功率晶体管s参数建模方法,包括数据准备、模型构建、训练模型、测试模型以及生成预测模型五个步骤;
3、步骤一数据准备为,将影响微波功率晶体管性能的特性参数x=[x1,x2,…,xn]作为输入变量,并且设置每个输入变量的步长。由[res11,ims11,res21,ims21,res12,ims12,res22,ims22]构成的s参数作为输出变量,最后提取一定数量的s参数,将其导入建模软件后按照5:1的比例随机分成训练集和测试集;
4、步骤二模型构建为,确定好输入输出后,创建elm结构,并设置神经网络输入层、隐藏层和输出层的神经元个数以及初始权值;
5、步骤三训练模型为,设置好迭代次数、学习率和误差容限等训练参数后,模型开始训练,若各项训练参数达到要求,则训练结束;
6、步骤四测试模型为,使用测试集对上一步训练好的模型模拟结果进行检验,若测量值与预测值的均方误差mse和平均绝对误差mae大于0.01,则重新调整神经元个数和权值,再次对elm模型进行训练预测,直至均方误差mse和平均绝对误差mae小于0.01;
7、其中的均方误差mse和平均绝对误差mae按下式计算:
8、
9、
10、其中,mse为均方误差的结果,mae为平均绝对误差的结果,n为预测样本的数量,pi为第i个预测值,ti为对应的第i个期望值。
11、步骤五生成预测模型为,当误差小于0.01时,则生成s参数预测模型,并对模型误差进行比较,以得到精度最高的模型,此时完成微波功率晶体管s参数建模。
12、与现有技术相比,本专利技术的技术方案所带来的有益效果是:
13、本专利技术核心采用elm建模方法,该方法的学习过程不需要人为干预,通过一次迭代便可完成,并且在很大程度上避免了局部最优解的复杂问题。本专利技术利用有限的测量数据可以准确地表征微波功率晶体管的s参数,从而进一步提高射频微波电路的设计效率和性能,给微波工程师提供一种更加高效、便捷的技术手段。
本文档来自技高网...【技术保护点】
1.一种基于ELM技术的微波功率晶体管S参数建模方法,包括数据准备、模型构建、训练模型、测试模型以及生成预测模型五个步骤。
2.根据权利要求1所述的一种基于ELM技术的微波功率晶体管S参数建模方法,其特征在于,步骤四的均方误差MSE和平均绝对误差MAE可以按下式得到:
【技术特征摘要】
1.一种基于elm技术的微波功率晶体管s参数建模方法,包括数据准备、模型构建、训练模型、测试模型以及生成预测模型五个步骤。
2....
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。