電路與器件的模型是進行分析設(shè)計的基礎(chǔ)。隨著集成電路的發(fā)展,器件的特征尺寸不斷縮小,電路的規(guī)模越來越大,工作頻率和速度不斷提高,使得電路的功能和性能越來越復(fù)雜。采用傳統(tǒng)的電路與器件的模型進行電路設(shè)計與模擬,已難以適應(yīng)復(fù)雜的大規(guī)模電路與系統(tǒng)的設(shè)計需要。新的建模技術(shù)是當(dāng)前電路與系統(tǒng)理論中重要的研究課題。 近年來,由于神經(jīng)網(wǎng)絡(luò)、模糊邏輯等智能信息處理技術(shù)的興起,電路與器件的建模也開始使用這類方法。與傳統(tǒng)的數(shù)值方法相比,神經(jīng)網(wǎng)絡(luò)與模糊邏輯系統(tǒng)可更好地表達與處理多維、復(fù)雜的非線性關(guān)系,在通用性、逼近精度與效率方面有可能取得更好的效果。 本文研究基于模糊邏輯的微波無源器件建模。射頻與微波單片集成電路中的無源元件在頻率較低時可采用一些近似經(jīng)驗公式,但隨著頻率升高后就必須進行電磁場的全波數(shù)值模擬,因此非常有必要建立這些無源元件的物理和結(jié)構(gòu)參數(shù)與電磁特性之間的關(guān)系模型。 模糊邏輯模型的建立分為兩步。首先,通過減法聚類來確定初始系統(tǒng),然后再進行學(xué)習(xí)訓(xùn)練。本文根據(jù)TSK模糊系統(tǒng)的結(jié)論參數(shù)總可由前提參數(shù)通過最小二乘法確定的特點,提出只考慮前提參數(shù)優(yōu)化的學(xué)習(xí)算法,這降低了問題的維數(shù),有利于減少計算量,改善收斂性。...

【文章頁數(shù)】：57 頁

【學(xué)位級別】：碩士

【文章目錄】：
摘要
ABSTRACT
1 緒論
    1.1 引言
    1.2 本文的工作
2 數(shù)值建模方法
    2.1 神經(jīng)網(wǎng)絡(luò)
    2.2 支撐向量機
    2.3 模糊邏輯系統(tǒng)
3 模糊邏輯的建模算法
    3.1 初始模型的確定
        3.1.1 網(wǎng)格分割法
        3.1.2 減法聚類
    3.2 學(xué)習(xí)算法
        3.2.1 只考慮前提參數(shù)優(yōu)化的學(xué)習(xí)
        3.2.2 采用擬牛頓優(yōu)化的混合算法
    3.3 算法的實現(xiàn)
        3.3.1 減法聚類算法的實現(xiàn)
        3.3.2 BFGS 法的實現(xiàn)
        3.3.3 參數(shù)的定義
        3.3.4 主要函數(shù)
        3.3.5 主要的圖形界面
4 建模實例
    4.1 建模過程
    4.2 微帶線不連續(xù)性元件模型
        4.2.1 開路端不連續(xù)性
        4.2.2 階梯不連續(xù)性
        4.2.3 直角彎頭不連續(xù)性
        4.2.4 T 型結(jié)不連續(xù)性
        4.2.5 小結(jié)
    4.3 初始模型確定對算法的影響
    4.4 共面波導(dǎo)不連續(xù)性元件模型
5 結(jié)論
致謝
參考文獻
附錄



本文編號：3774696