研究目的
开发一种结合神经网络与基于极点-留数传递函数的高级技术,用于微波元件电磁(EM)特性的参数化建模,以解决几何参数在大范围内变化时阶数变动的难题。
研究成果
所提出的方法有效解决了基于极点-留数传递函数在微波器件电磁特性参数化建模中阶数变化带来的挑战。该方法为高维几何参数空间和大幅几何变异提供了稳健解决方案,其精度优于传统方法。该技术尤其适用于高阶问题,并可集成至高层级电路与系统设计中。
研究不足
该技术需要谨慎处理极点和留数中与几何参数相关的不连续性问题,特别是在几何变化较大和高阶传递函数的情况下。
1:实验设计与方法选择:
该技术通过训练神经网络学习传递函数极点/留数与几何参数之间的关系,重点处理阶数变化问题。开发了极点留数跟踪技术以应对阶数变化问题。
2:样本选择与数据来源:
使用不同几何参数值对应的电磁数据,频率作为附加变量由电磁仿真器在数据生成过程中扫描。
3:实验设备与材料清单:
采用CST Studio Suite 2014软件进行全波电磁仿真,配备英特尔至强E5-2440处理器的戴尔PowerEdge计算机用于并行计算。
4:实验流程与操作步骤:
包括参数提取的矢量拟合、阶数变化的极点留数跟踪、神经网络初步训练以及整体模型的精细化训练。
5:数据分析方法:
通过调整神经网络内部权重来最小化模型预测值与电磁仿真结果之间的误差。
独家科研数据包,助您复现前沿成果,加速创新突破
获取完整内容