一种滤波器S参数去相位加载方法、系统、介质和设备

    公开(公告)号:CN110781609A

    公开(公告)日:2020-02-11

    申请号:CN201911092774.0

    申请日:2019-11-11

    Abstract: 本申请提供一种滤波器S参数去相位加载方法、系统、介质及设备,涉及滤波器建模仿真设计技术领域。该方法包括:将第二导纳参数Yq′转换成第二散射参数 将耦合矩阵M转换成第三散射参数根据第二散射参数和第三散射参数 建立综合评价函数obj(αβ);根据所述综合评价函数obj(αβ),找到最接近理论值的移相因子对(αβ)。该方法通过建立稳定的去相位加载方法,结合智能优化算法,找到了微波滤波器建模提参时移相因子的全局最优解。使得原始S参数去相位加载满足滤波器提取建模的多属性约束条件,使得算法更加稳定,计算精度更高。

    一种射频滤波器建模方法

    公开(公告)号:CN112231985B

    公开(公告)日:2023-03-24

    申请号:CN202011215027.4

    申请日:2020-11-04

    Abstract: 本发明公开了一种射频滤波器建模方法,包括获取建模样本数据、预处理样本数据、建立神经网络模型、训练神经网络模型、封装神经网络模型和生成封装模型包几个步骤,本发明基于测试/仿真数据,利用BP神经网络算法构建滤波器的神经网络模型,针对专业射频仿真软件和工具对滤波器的神经网络模型进行异构模型封装,形成可直接调用的滤波器封装模型。本发明通过BP神经网络算法对输入输出数据进行自适应训练而学习滤波器行为特性,可以精确拟合模型复杂的非线性映射关系,而无需了解滤波器内在的结构和工作原理,所建立的滤波器神经网络模型经过异构模型封装,即可被专业射频仿真软件和工具直接使用进行系统仿真,相较于传统建模方法具有明显优势。

    一种滤波器S参数去相位加载方法、系统、介质和设备

    公开(公告)号:CN110781609B

    公开(公告)日:2022-11-22

    申请号:CN201911092774.0

    申请日:2019-11-11

    Abstract: 本申请提供一种滤波器S参数去相位加载方法、系统、介质及设备,涉及滤波器建模仿真设计技术领域。该方法包括:将第二导纳参数Yq′转换成第二散射参数将耦合矩阵M转换成第三散射参数根据第二散射参数和第三散射参数建立综合评价函数obj(αβ);根据所述综合评价函数obj(αβ),找到最接近理论值的移相因子对(αβ)。该方法通过建立稳定的去相位加载方法,结合智能优化算法,找到了微波滤波器建模提参时移相因子的全局最优解。使得原始S参数去相位加载满足滤波器提取建模的多属性约束条件,使得算法更加稳定,计算精度更高。

    一种数控衰减器建模方法

    公开(公告)号:CN112231986A

    公开(公告)日:2021-01-15

    申请号:CN202011215028.9

    申请日:2020-11-04

    Abstract: 本发明公开了一种数控衰减器建模方法,包括获取参考态和衰减基态测试数据、获取其他衰减状态的数据、预处理样本数据、建立神经网络模型、训练神经网络模型几个步骤,该方法在获取建模样本数据时,无需对数控衰减器的所有工作状态都进行测试,而只需对数控衰减器的参考态和几个衰减基态进行测试,并通过去嵌和级联算法计算出其他工作状态的数据,因此可显著减轻测试工作量。接着利用各工作状态下的数据,基于BP神经网络方法构建神经网络模型,可精确拟合模型复杂的非线性映射关系。本发明提出的数控衰减器建模,可对输入输出数据进行自适应训练而学习器件的行为特性,而无需了解芯片内在的结构和工作原理,相较于传统建模方法具有明显优势。

    一种数控衰减器建模方法

    公开(公告)号:CN112231986B

    公开(公告)日:2023-04-07

    申请号:CN202011215028.9

    申请日:2020-11-04

    Abstract: 本发明公开了一种数控衰减器建模方法,包括获取参考态和衰减基态测试数据、获取其他衰减状态的数据、预处理样本数据、建立神经网络模型、训练神经网络模型几个步骤,该方法在获取建模样本数据时,无需对数控衰减器的所有工作状态都进行测试,而只需对数控衰减器的参考态和几个衰减基态进行测试,并通过去嵌和级联算法计算出其他工作状态的数据,因此可显著减轻测试工作量。接着利用各工作状态下的数据,基于BP神经网络方法构建神经网络模型,可精确拟合模型复杂的非线性映射关系。本发明提出的数控衰减器建模,可对输入输出数据进行自适应训练而学习器件的行为特性,而无需了解芯片内在的结构和工作原理,相较于传统建模方法具有明显优势。

    一种面向微波光子阵列系统射频前端异构模型的实现方法

    公开(公告)号:CN112434415B

    公开(公告)日:2023-03-14

    申请号:CN202011299954.9

    申请日:2020-11-19

    Abstract: 本发明涉及微波光子阵列系统射频前端模型的建模和仿真领域,公开了一种面向微波光子阵列系统射频前端异构模型的实现方法,包括:采用动态数据写入的方式将时域信号输入至异构模型的输入端口;将异构模型输入端口获取的时域信号进行信号分离,分成纯信号数据和纯噪声数据;围绕仿真目的和对象,构建异构模型中的子模型;相应的子模型各自接收纯信号数据或纯噪声数据并进行仿真计算处理;将被处理后的纯信号数据和纯噪声数据以统一数据格式复用为一路数据,作为异构模型的输出接口。本发明提供的方法可解决不同学科、不同专业、不同仿真工具所构建的模型不兼容的问题。

    一种面向微波光子阵列系统射频前端异构模型的实现方法

    公开(公告)号:CN112434415A

    公开(公告)日:2021-03-02

    申请号:CN202011299954.9

    申请日:2020-11-19

    Abstract: 本发明涉及微波光子阵列系统射频前端模型的建模和仿真领域,公开了一种面向微波光子阵列系统射频前端异构模型的实现方法,包括:采用动态数据写入的方式将时域信号输入至异构模型的输入端口;将异构模型输入端口获取的时域信号进行信号分离,分成纯信号数据和纯噪声数据;围绕仿真目的和对象,构建异构模型中的子模型;相应的子模型各自接收纯信号数据或纯噪声数据并进行仿真计算处理;将被处理后的纯信号数据和纯噪声数据以统一数据格式复用为一路数据,作为异构模型的输出接口。本发明提供的方法可解决不同学科、不同专业、不同仿真工具所构建的模型不兼容的问题。

Patent Agency Ranking