一种基于跨阶段密集连接网络的PDN阻抗预测方法及系统技术方案

技术编号:43563607 阅读:16 留言:0更新日期:2024-12-06 17:35
本发明专利技术提供一种基于跨阶段密集连接网络的PDN阻抗预测方法及系统,该方法包括以下步骤:获取待检测的PDN结构所处的PCB,将所述PCB与预设的模板图像的形状进行匹配;对所述模板图像进行均匀划分,划分为多个子区域,基于所述PCB中各个元件在模板图像中对应的子区域,对模板图像中对应的子区域进行赋值;提取被赋值后模板图像中各个子区域的值,构建为阻抗判定矩阵,将所述阻抗判定矩阵输入到预训练的跨阶段密集连接网络模型中,所述跨阶段密集连接网络模型输出预测的待检测的PDN结构的阻抗值。本方案能够结合元件之间的位置关系,保证预测精度。

【技术实现步骤摘要】

本专利技术涉及印刷电路板,尤其涉及一种基于跨阶段密集连接网络的pdn阻抗预测方法及系统。


技术介绍

1、电源完整性(power integrity,pi)是工程领域的一个重要学科,良好的电源完整性设计确保电子系统中的组件避免受到电源噪声的干扰,电源分配网络(pdn)是电源完整性的重要概念。高pdn阻抗会导致电压波动和噪声,影响信号质量。工程上通过去耦电容来降低pdn阻抗,减少噪声。去耦电容在电路板上的合理布局并形成有效的pdn是电路设计的核心工程环节,直接影响到电路系统的功耗和稳定性。去耦电容的放置一般原则包括:1.应靠近电源引脚以减少寄生电感(psl)和电阻的(psr)的影响,从而提高去耦效果;2.使用不同类型的电容组合以去耦不同频段的噪声等。优秀的pdn设计应当满足目标阻抗的前提下,实现去耦电容数量最小化和电路板成本最小化。

2、近年来,深度学习在自然语言处理和计算机视觉等领域取得了重大突破,展现了其处理复杂和非线性问题的强大能力。因此,有一些研究将机器学习应用于pdn建模预测和优化。而在现有技术将机器学习应用于pdn建模预测和优化的过程中本文档来自技高网...

【技术保护点】

1.一种基于跨阶段密集连接网络的PDN阻抗预测方法,其特征在于,该方法包括以下步骤:

2.根据权利要求1所述的基于跨阶段密集连接网络的PDN阻抗预测方法,其特征在于,所述模板图像为正方形图像,在将所述PCB与预设的模板图像的形状进行匹配的步骤中,将所述PCB的最长的一边缩放为正方形图像一条边的长度,将缩放后的所述PCB与模板图像的任一个角对齐。

3.根据权利要求1所述的基于跨阶段密集连接网络的PDN阻抗预测方法,其特征在于,在基于所述PCB中各个元件在模板图像中对应的子区域,对模板图像中对应的子区域进行赋值的步骤中,所述模板图像为单通道图像或多通道图像。

<...

【技术特征摘要】

1.一种基于跨阶段密集连接网络的pdn阻抗预测方法,其特征在于,该方法包括以下步骤:

2.根据权利要求1所述的基于跨阶段密集连接网络的pdn阻抗预测方法,其特征在于,所述模板图像为正方形图像,在将所述pcb与预设的模板图像的形状进行匹配的步骤中,将所述pcb的最长的一边缩放为正方形图像一条边的长度,将缩放后的所述pcb与模板图像的任一个角对齐。

3.根据权利要求1所述的基于跨阶段密集连接网络的pdn阻抗预测方法,其特征在于,在基于所述pcb中各个元件在模板图像中对应的子区域,对模板图像中对应的子区域进行赋值的步骤中,所述模板图像为单通道图像或多通道图像。

4.根据权利要求3所述的基于跨阶段密集连接网络的pdn阻抗预测方法,其特征在于,若所述模板图像为单通道图像,则在基于所述pcb中各个元件在模板图像中对应的子区域,对模板图像中对应的子区域进行赋值的步骤中,基于每个元件对应的预设值,将模板图像中元件所覆盖的子区域赋予对应的预设值。

5.根据权利要求3所述的基于跨阶段密集连接网络的pdn阻抗预测方法,其特征在于,若所述模板图像为多通道图像,所述多通道图像包括第一通道图、第二通道图和第三通道图,则在基于所述pcb中各个元件在模板图像中对应的子区域,对模板图像中对应的子区域进行赋值的步骤中,包括对第一通道图的赋值、第二通道图的赋值和第三通道图的赋值。

6.根据权利要求5所述的基于跨阶段密集连接网络的pdn阻抗预测方法,其特征在于,在对第一通道图赋值的步骤中,基于每个元件对应的预设值,将模板图像中元件所覆盖的子区域赋予对应的预设值,完成对第一通道图的赋值;在对第二通道图赋值的步...

【专利技术属性】
技术研发人员:李书芳欧哲奕
申请(专利权)人:北京邮电大学
类型:发明
国别省市:

网友询问留言 已有0条评论
  • 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。

1