本文關(guān)鍵詞：基于神經(jīng)網(wǎng)絡(luò)的微波射頻器件建模，由筆耕文化傳播整理發(fā)布。

【摘要】：為了提高產(chǎn)品性能、縮短設(shè)計周期、降低成本,設(shè)計人員往往依賴于計算機(jī)輔助設(shè)計(Computer-Aided Design,CAD)中高效、準(zhǔn)確的器件模型。在微波及射頻建模領(lǐng)域,傳統(tǒng)建模方法需要不斷嘗試和反復(fù)修正模型,其建模周期和模型精度已經(jīng)不能滿足新器件的建模要求。近些年來,人工神經(jīng)網(wǎng)絡(luò)(Artificial Neural Network,ANN)被公認(rèn)為是代替?zhèn)鹘y(tǒng)建模技術(shù)的有效方法。本文提出了三種改進(jìn)的神經(jīng)網(wǎng)絡(luò)建模方法,分別適用于異質(zhì)結(jié)雙極型晶體管(Heterojunction Bipolar Transistor,HBT)建模、封裝晶體管建模和功率放大器記憶效應(yīng)(Memory Effects)建模。首先,本文提出的適用于HBT晶體管建模方法是對已有神經(jīng)網(wǎng)絡(luò)空間映射(Neuro-Space Mapping,Neuro-SM)結(jié)構(gòu)進(jìn)行改進(jìn),用電流和電壓的混合映射網(wǎng)絡(luò)代替電壓映射網(wǎng)絡(luò)。本文提出用混合矩陣H參數(shù)表示HBT晶體管的小信號信息,推導(dǎo)了經(jīng)驗公式模型H參數(shù)與被建模對象H參數(shù)之間的關(guān)系式。對HBT晶體管實測數(shù)據(jù)建模結(jié)果表明,本文提出的HBT晶體管模型能夠準(zhǔn)確反映其直流和小信號特性且能方便地導(dǎo)入仿真軟件中。其次,本文提出的適用于封裝晶體管建模方法是將封裝晶體管分為輸入封裝電路、非線性電路和輸出封裝電路三部分,并對其建模。根據(jù)封裝電路具有互易性的特點,推導(dǎo)了封裝電路線性公式,并與神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)相結(jié)合搭建了封裝電路模型。本文推導(dǎo)了輸入封裝電路、非線性電路和輸出封裝電路三部分S參數(shù)與封裝晶體管整體S參數(shù)之間的計算公式。給出了封裝晶體管整體模型的結(jié)構(gòu)圖,提出一種新的映射電路結(jié)構(gòu)。通過封裝晶體管建模實例驗證了本文提出的封裝晶體管建模方法的可行性和精確性。最后,本文提出一種基于遞歸神經(jīng)網(wǎng)絡(luò)(Recurrent Neural Network,RNN)的功率放大器記憶效應(yīng)建模方法。從放大器的輸入輸出信號中提取緩慢變化的信號,并把該信號作為新型RNN模型的輸入用來表示放大器的長期記憶效應(yīng)。該方法將功率放大器的輸入電流加載到神經(jīng)網(wǎng)絡(luò)模型中,這不僅提高了記憶效應(yīng)RNN模型的精度,同時因使用更少的隱含神經(jīng)元和時間延時階數(shù),提高了記憶效應(yīng)RNN模型的收斂性。對功率放大器記憶效應(yīng)建模的結(jié)果證明,本文RNN模型能準(zhǔn)確地反映功率放大器的短期記憶效應(yīng)和長期記憶效應(yīng)。
【關(guān)鍵詞】：人工神經(jīng)網(wǎng)絡(luò) 微波/射頻器件建模 異質(zhì)結(jié)雙極型晶體管 封裝晶體管 記憶效應(yīng)
【學(xué)位授予單位】：天津大學(xué)
【學(xué)位級別】：博士
【學(xué)位授予年份】：2015
【分類號】：TN32
【目錄】：

• 摘要4-5
• ABSTRACT5-9
• 第一章 緒論9-17
• 1.1 研究背景9-10
• 1.2 國內(nèi)外研究現(xiàn)狀10-13
• 1.3 本文研究內(nèi)容及主要貢獻(xiàn)13-14
• 1.4 本文結(jié)構(gòu)安排14-15
• 1.5 本章小結(jié)15-17
• 第二章 神經(jīng)網(wǎng)絡(luò)建模技術(shù)17-35
• 2.1 神經(jīng)網(wǎng)絡(luò)分類17-23
• 2.1.1 多層感知神經(jīng)網(wǎng)絡(luò)18-20
• 2.1.2 遞歸神經(jīng)網(wǎng)絡(luò)20-22
• 2.1.3 動態(tài)神經(jīng)網(wǎng)絡(luò)22-23
• 2.2 神經(jīng)網(wǎng)絡(luò)訓(xùn)練過程23-26
• 2.3 神經(jīng)網(wǎng)絡(luò)優(yōu)化算法26-28
• 2.3.1 梯度優(yōu)化算法27
• 2.3.2 后向傳播法27-28
• 2.4 建模方法分類28-32
• 2.5 建模環(huán)境概述32-34
• 2.5.1 NeuroModelerplus軟件32-33
• 2.5.2 ADS軟件33-34
• 2.6 本章小結(jié)34-35
• 第三章 異質(zhì)結(jié)雙極型晶體管建模研究35-51
• 3.1 已有Neuro-SM結(jié)構(gòu)36-37
• 3.2 新型Neuro-SM結(jié)構(gòu)37-43
• 3.2.1 電路結(jié)構(gòu)37-38
• 3.2.2 解析公式38-40
• 3.2.3 訓(xùn)練過程40-43
• 3.3 異質(zhì)結(jié)雙極型晶體管建模實例43-49
• 3.4 本章小結(jié)49-51
• 第四章 封裝晶體管建模研究51-81
• 4.1 已有封裝電路建模方法52-54
• 4.2 基于神經(jīng)網(wǎng)絡(luò)的封裝晶體管建模技術(shù)54-66
• 4.2.1 封裝電路的建模方法55-57
• 4.2.2 非線性電路的建模方法57-59
• 4.2.3 封裝晶體管整體建模方法59-63
• 4.2.4 封裝晶體管模型實現(xiàn)方法63-66
• 4.3 封裝晶體管建模實例66-78
• 4.3.1 AFT18S290模型為粗模型建模實例66-71
• 4.3.2 Angelov模型為粗模型建模實例71-78
• 4.4 本章小結(jié)78-81
• 第五章 記憶效應(yīng)建模研究81-97
• 5.1 基于動態(tài)神經(jīng)網(wǎng)絡(luò)的記憶效應(yīng)模型82-84
• 5.2 基于遞歸神經(jīng)網(wǎng)絡(luò)的記憶效應(yīng)模型84-89
• 5.2.1 記憶效應(yīng)RNN模型結(jié)構(gòu)84-87
• 5.2.2 記憶效應(yīng)RNN模型訓(xùn)練方法87-88
• 5.2.3 記憶效應(yīng)RNN模型在ADS中的實現(xiàn)88-89
• 5.3 功率放大器記憶效應(yīng)建模實例89-96
• 5.3.1 Motorola功率放大器建模90-93
• 5.3.2 Freescale功率放大器建模93-96
• 5.4 本章小結(jié)96-97
• 第六章 總結(jié)與展望97-99
• 6.1 本文工作總結(jié)97-98
• 6.2 下一步工作建議98-99
• 參考文獻(xiàn)99-109
• 附錄A Motorola功率放大器電路109-110
• 附錄B Freescale功率放大器電路110-111
• 發(fā)表論文和參加科研情況說明111-113
• 致謝113-114

【相似文獻(xiàn)】

中國期刊全文數(shù)據(jù)庫 前10條

1 云中客;新的神經(jīng)網(wǎng)絡(luò)來自于仿生學(xué)[J];物理;2001年10期

2 唐春明,高協(xié)平;進(jìn)化神經(jīng)網(wǎng)絡(luò)的研究進(jìn)展[J];系統(tǒng)工程與電子技術(shù);2001年10期

3 李智;一種基于神經(jīng)網(wǎng)絡(luò)的煤炭調(diào)運優(yōu)化方法[J];長沙鐵道學(xué)院學(xué)報;2003年02期

4 程科,王士同,楊靜宇;新型模糊形態(tài)神經(jīng)網(wǎng)絡(luò)及其應(yīng)用研究[J];計算機(jī)工程與應(yīng)用;2004年21期

5 王凡,孟立凡;關(guān)于使用神經(jīng)網(wǎng)絡(luò)推定操作者疲勞的研究[J];人類工效學(xué);2004年03期

6 周麗暉;從統(tǒng)計角度看神經(jīng)網(wǎng)絡(luò)[J];統(tǒng)計教育;2005年06期

7 趙奇 ,劉開第 ,龐彥軍;灰色補(bǔ)償神經(jīng)網(wǎng)絡(luò)及其應(yīng)用研究[J];微計算機(jī)信息;2005年14期

8 袁婷;;神經(jīng)網(wǎng)絡(luò)在股票市場預(yù)測中的應(yīng)用[J];軟件導(dǎo)刊;2006年05期

9 尚晉;楊有;;從神經(jīng)網(wǎng)絡(luò)的過去談科學(xué)發(fā)展觀[J];重慶三峽學(xué)院學(xué)報;2006年03期

10 楊鐘瑾;;神經(jīng)網(wǎng)絡(luò)的過去、現(xiàn)在和將來[J];青年探索;2006年04期

中國重要會議論文全文數(shù)據(jù)庫 前10條

1 徐春玉;;基于泛集的神經(jīng)網(wǎng)絡(luò)的混沌性[A];1996中國控制與決策學(xué)術(shù)年會論文集[C];1996年

2 周樹德;王巖;孫增圻;孫富春;;量子神經(jīng)網(wǎng)絡(luò)[A];2003年中國智能自動化會議論文集（上冊）[C];2003年

3 羅山;張琳;范文新;;基于神經(jīng)網(wǎng)絡(luò)和簡單規(guī)劃的識別融合算法[A];2009系統(tǒng)仿真技術(shù)及其應(yīng)用學(xué)術(shù)會議論文集[C];2009年

4 郭愛克;馬盡文;丁康;;序言(二)[A];1999年中國神經(jīng)網(wǎng)絡(luò)與信號處理學(xué)術(shù)會議論文集[C];1999年

5 鐘義信;;知識論:神經(jīng)網(wǎng)絡(luò)的新機(jī)遇——紀(jì)念中國神經(jīng)網(wǎng)絡(luò)10周年[A];1999年中國神經(jīng)網(wǎng)絡(luò)與信號處理學(xué)術(shù)會議論文集[C];1999年

6 許進(jìn);保錚;;神經(jīng)網(wǎng)絡(luò)與圖論[A];1999年中國神經(jīng)網(wǎng)絡(luò)與信號處理學(xué)術(shù)會議論文集[C];1999年

7 金龍;朱詩武;趙成志;陳寧;;數(shù)值預(yù)報產(chǎn)品的神經(jīng)網(wǎng)絡(luò)釋用預(yù)報應(yīng)用[A];1999年中國神經(jīng)網(wǎng)絡(luò)與信號處理學(xué)術(shù)會議論文集[C];1999年

8 田金亭;;神經(jīng)網(wǎng)絡(luò)在中學(xué)生創(chuàng)造力評估中的應(yīng)用[A];第十二屆全國心理學(xué)學(xué)術(shù)大會論文摘要集[C];2009年

9 唐墨;王科俊;;自發(fā)展神經(jīng)網(wǎng)絡(luò)的混沌特性研究[A];2009年中國智能自動化會議論文集（第七分冊）[南京理工大學(xué)學(xué)報（增刊）][C];2009年

10 張廣遠(yuǎn);萬強(qiáng);曹海源;田方濤;;基于遺傳算法優(yōu)化神經(jīng)網(wǎng)絡(luò)的故障診斷方法研究[A];第十二屆全國設(shè)備故障診斷學(xué)術(shù)會議論文集[C];2010年

中國重要報紙全文數(shù)據(jù)庫 前10條

1 美國明尼蘇達(dá)大學(xué)社會學(xué)博士 密西西比州立大學(xué)國家戰(zhàn)略規(guī)劃與分析研究中心資深助理研究員 陳心想;維護(hù)好創(chuàng)新的“神經(jīng)網(wǎng)絡(luò)硬件”[N];中國教師報;2014年

2 盧業(yè)忠;腦控電腦 驚世駭俗[N];計算機(jī)世界;2001年

3 葛一鳴 路邊文;人工神經(jīng)網(wǎng)絡(luò)將大顯身手[N];中國紡織報;2003年

4 中國科技大學(xué)計算機(jī)系　邢方亮;神經(jīng)網(wǎng)絡(luò)挑戰(zhàn)人類大腦[N];計算機(jī)世界;2003年

5 記者 孫剛;“神經(jīng)網(wǎng)絡(luò)”：打開復(fù)雜工藝“黑箱”[N];解放日報;2007年

6 本報記者 劉霞;美用DNA制造出首個人造神經(jīng)網(wǎng)絡(luò)[N];科技日報;2011年

7 健康時報特約記者　 張獻(xiàn)懷;干細(xì)胞移植：修復(fù)受損的神經(jīng)網(wǎng)絡(luò)[N];健康時報;2006年

8 劉力;我半導(dǎo)體神經(jīng)網(wǎng)絡(luò)技術(shù)及應(yīng)用研究達(dá)國際先進(jìn)水平[N];中國電子報;2001年

9 ;神經(jīng)網(wǎng)絡(luò)和模糊邏輯[N];世界金屬導(dǎo)報;2002年

10 鄒麗梅 陳耀群;江蘇科大神經(jīng)網(wǎng)絡(luò)應(yīng)用研究通過鑒定[N];中國船舶報;2006年

中國博士學(xué)位論文全文數(shù)據(jù)庫 前10條

1 楊旭華;神經(jīng)網(wǎng)絡(luò)及其在控制中的應(yīng)用研究[D];浙江大學(xué);2004年

2 李素芳;基于神經(jīng)網(wǎng)絡(luò)的無線通信算法研究[D];山東大學(xué);2015年

3 石艷超;憶阻神經(jīng)網(wǎng)絡(luò)的混沌性及幾類時滯神經(jīng)網(wǎng)絡(luò)的同步研究[D];電子科技大學(xué);2014年

4 王新迎;基于隨機(jī)映射神經(jīng)網(wǎng)絡(luò)的多元時間序列預(yù)測方法研究[D];大連理工大學(xué);2015年

5 付愛民;極速學(xué)習(xí)機(jī)的訓(xùn)練殘差、穩(wěn)定性及泛化能力研究[D];中國農(nóng)業(yè)大學(xué);2015年

6 李輝;基于粒計算的神經(jīng)網(wǎng)絡(luò)及集成方法研究[D];中國礦業(yè)大學(xué);2015年

7 王衛(wèi)蘋;復(fù)雜網(wǎng)絡(luò)幾類同步控制策略研究及穩(wěn)定性分析[D];北京郵電大學(xué);2015年

8 張海軍;基于云計算的神經(jīng)網(wǎng)絡(luò)并行實現(xiàn)及其學(xué)習(xí)方法研究[D];華南理工大學(xué);2015年

9 李艷晴;風(fēng)速時間序列預(yù)測算法研究[D];北京科技大學(xué);2016年

10 陳輝;多維超精密定位系統(tǒng)建模與控制關(guān)鍵技術(shù)研究[D];東南大學(xué);2015年

中國碩士學(xué)位論文全文數(shù)據(jù)庫 前10條

1 章穎;混合不確定性模塊化神經(jīng)網(wǎng)絡(luò)與高校效益預(yù)測的研究[D];華南理工大學(xué);2015年

2 賈文靜;基于改進(jìn)型神經(jīng)網(wǎng)絡(luò)的風(fēng)力發(fā)電系統(tǒng)預(yù)測及控制研究[D];燕山大學(xué);2015年

3 李慧芳;基于憶阻器的渦卷混沌系統(tǒng)及其電路仿真[D];西南大學(xué);2015年

4 陳彥至;神經(jīng)網(wǎng)絡(luò)降維算法研究與應(yīng)用[D];華南理工大學(xué);2015年

5 董哲康;基于憶阻器的組合電路及神經(jīng)網(wǎng)絡(luò)研究[D];西南大學(xué);2015年

6 武創(chuàng)舉;基于神經(jīng)網(wǎng)絡(luò)的遙感圖像分類研究[D];昆明理工大學(xué);2015年

7 李志杰;基于神經(jīng)網(wǎng)絡(luò)的上證指數(shù)預(yù)測研究[D];華南理工大學(xué);2015年

8 陳少吉;基于神經(jīng)網(wǎng)絡(luò)血壓預(yù)測研究與系統(tǒng)實現(xiàn)[D];華南理工大學(xué);2015年

9 張韜;幾類時滯神經(jīng)網(wǎng)絡(luò)穩(wěn)定性分析[D];渤海大學(xué);2015年

10 邵雪瑩;幾類時滯不確定神經(jīng)網(wǎng)絡(luò)的穩(wěn)定性分析[D];渤海大學(xué);2015年

  本文關(guān)鍵詞：基于神經(jīng)網(wǎng)絡(luò)的微波射頻器件建模，由筆耕文化傳播整理發(fā)布。

，

本文編號：332470