公开(公告)号：CN116796637A

公开(公告)日：2023-09-22

申请号：CN202310659049.7

申请日：2023-06-05

Applicant: 杭州电子科技大学

Inventor： 徐魁文 ,  王建国 ,  陈世昌 ,  刘军

IPC: G06F30/27 ,  G06N3/006 ,  G06N3/08

Abstract: 本发明属于微波射频器件逆设计领域，具体公开了一种基于高质量采样和小波变换的深度学习逆设计方法用于微波电路逆设计。利用粒子群算法初步筛选出“好”样本，再通过多标签合成少数类过采样技术，以保证“好”样本在设计空间中的均匀性。建立了给定的s参数输入与所需的结构参数或材料参数之间的关系，面对s参数等间隔采样可能会导致高维输入，需要更复杂的神经网络，通过基于小波变换的深度学习方法，极大地降低了输入的维数。以带通微带滤波器为例，验证了该方法的性能，结果表明，该方法比常规的深度学习方法具有更好的建模性能和逆设计效果，可以根据用户不同中心频率，不同带宽的需求，快速预测器件尺寸参数，且取得良好的预测效果。

公开(公告)号：CN118428219A

公开(公告)日：2024-08-02

申请号：CN202410532896.1

申请日：2024-04-30

Applicant: 绍兴杭电集成电路研发有限公司 ,  杭州电子科技大学

Inventor： 徐魁文 ,  王建国 ,  邓皓千 ,  卢静 ,  潘艳红 ,  陈世昌 ,  吴恒锋

IPC: G06F30/27 ,  G06N3/096 ,  G06N3/084 ,  G06N3/006 ,  G06N3/0499

Abstract: 本发明公开了一种基于迁移学习的微波器件逆设计方法，通过将原始域的样本迁移到目标域，建立了迁移逆模型；通过将基础逆模型的前四层神经网络层固定，后三层的神经网络层进行训练，得到最终的迁移逆模型；将经过训练好的空间映射模型矫正后的散射参数输入训练好的迁移逆模型，得到最终预测的几何参数。本发明通过迁移学习极大减少了模型样本生成的需求，同时对于模型训练时间也大大减少，减轻计算机计算复杂度。以发夹型带通滤波器为例，验证了该方法的可行性，根据用户需求，得到更高的频率和带宽的用户需求。最终以更少的样本实现高效的微波电路设计。