用于太赫兹有源器件的神经网络建模方法

    公开(公告)号:CN104866902A

    公开(公告)日:2015-08-26

    申请号:CN201510323649.1

    申请日:2015-06-12

    Abstract: 本发明公开了一种用于太赫兹有源器件的神经网络建模方法,涉及太赫兹器件建模方法技术领域。所述方法在单纯神经网络建模的基础上加上空间映射的方法,将粗模型的输入电压通过神经网络映射到最终的精确模型的输入电压,由太赫兹有源器件的粗模型、输入端的神经网络修正模块、输出端的神经网络修正模块以及各个流控电流源和流控电压源等构成。所述方法针对传统经验模型在太赫兹频段的缺陷,通过神经网络的学习,自动地映射新、旧模型的输入和输出关系以修正粗模型,使得新模型与器件在太赫兹频段的测量特性相吻合,得到适用于太赫兹频段的神经网络模型,且新模型可定标。

    一种测试夹具的散射参数提取方法

    公开(公告)号:CN109164406A

    公开(公告)日:2019-01-08

    申请号:CN201811283843.1

    申请日:2018-10-31

    Abstract: 本发明适用于微波测量及校准技术领域,提供了一种测试夹具的散射参数提取方法,包括:根据被测微波功率器件的封装形式,制作不包括馈线的TRL校准件,并计算所述TRL校准件的传输矩阵参数;根据微波功率器件的封装形式及工作频段,制作测试夹具;将所述测试夹具与所述TRL校准件级联,并根据TRL校准件的传输矩阵参数计算测试夹具的散射参数。本发明能够利用已知散射参数的不包含馈线的TRL校准件夹具与测试夹具直接级联测试,可快速准确的提取测试夹具的散射参数,从而无需重新制作基于新测试夹具且包含馈线的TRL校准件,减小了测试夹具散射参数的误差。

    一种测试夹具的散射参数提取方法

    公开(公告)号:CN109164406B

    公开(公告)日:2021-01-12

    申请号:CN201811283843.1

    申请日:2018-10-31

    Abstract: 本发明适用于微波测量及校准技术领域,提供了一种测试夹具的散射参数提取方法,包括:根据被测微波功率器件的封装形式,制作不包括馈线的TRL校准件,并计算所述TRL校准件的传输矩阵参数;根据微波功率器件的封装形式及工作频段,制作测试夹具;将所述测试夹具与所述TRL校准件级联,并根据TRL校准件的传输矩阵参数计算测试夹具的散射参数。本发明能够利用已知散射参数的不包含馈线的TRL校准件夹具与测试夹具直接级联测试,可快速准确的提取测试夹具的散射参数,从而无需重新制作基于新测试夹具且包含馈线的TRL校准件,减小了测试夹具散射参数的误差。

    微波电路非线性模型建立方法、测量系统及终端设备

    公开(公告)号:CN108268705A

    公开(公告)日:2018-07-10

    申请号:CN201711486767.X

    申请日:2017-12-30

    Abstract: 本发明适用于微波电路技术领域,提供了微波电路非线性模型建立方法、测量系统及终端设备。该方法包括:在输出端口的反射系数为第一固定值时,调节输入端口的入射功率波大小,获取输出端口的入射功率波和出射功率波,以及输出端口的入射功率波和出射功率波;在输出端口的反射系数为第二固定值时,调节输入端口的入射功率波大小,获取输出端口的入射功率波和出射功率波,以及输出端口的入射功率波和出射功率波;根据输出端口的负载阻抗、输出端口的入射功率波和出射功率波以及输入端口的入射功率波和出射功率波,建立被测件的非线性模型。上述方法能够减少模型参数的个数,降低模型参数提取的难度。

Patent Agency Ranking