微波非线性散射函数理论分析和基于递归神经网络大信号建模技术的研究

微波非线性散射函数理论分析和基于递归神经网络大信号建模技术的研究

论文摘要

早在上世纪五十年代末,非线性对微波通信的影响就成为一个被广泛关注的问题。到了八十年代,数字移动电话的发展使这种复杂的无线通信系统对非线性失真极为敏感。特别是一些微波器件,如微波功率放大器在大信号激励的情况下表现出强非线性特性,因此不能再沿用传统的描述线性电路的S参数理论来分析这些非线性器件。而在描述弱非线性微波系统的传统方法中,很难通过测量得到表征系统非线性的参数。文章提出了一种描述微波非线性的方法,即非线性大信号散射函数。论文首先给出非线性散射函数的线性化,定义了非线性散射函数矩阵各元素的物理含义及其特性。此外,文中还推导了常见的网络并连、串联和级联问题中,散射函数矩阵与阻抗函数矩阵,导纳函数矩阵之间的转换关系,并结合课题需要设计和搭建了晶体管非线性测试系统,完成了非线性的测试工作。文章深入分析了递归神经网络网络的结构特点,从人工神经网络模型出发提取非线性散射函数,误差在精度要求范围内。

论文目录

  • 摘要
  • Abstract
  • 第一章 绪论
  • 1.1 论文的选题背景
  • 1.2 课题内容
  • 1.3 论文的工作
  • 第二章 非线性的描述方法
  • 2.1 非线性产生的原理
  • 2.2 传统表征非线性的方法
  • 2.2.1 单频音输入
  • 2.2.2 双频音输入
  • 2.2.3 多频音输入
  • 第三章 非线性微波毫米波电路的分析方法
  • 3.1 小信号非线性问题的分析方法
  • 3.1.1 幂级数分析法
  • 3.1.2 伏特拉级数法
  • 3.2 大信号非线性问题的分析方法
  • 3.2.1 状态变量法
  • 3.2.2 谐波平衡法
  • 3.3 黑箱建模—-人工神经网络
  • 第四章 非线性散射函数理论
  • 4.1 非线性散射函数的线性化
  • 4.2 非线性散射函数矩阵的定义
  • 4.3 非线性散射函数的特性
  • 4.4 非线性散射函数矩阵与非线性阻抗函数矩阵和非线性导纳函数矩阵的关系
  • 4.4.1 非线性导纳函数矩阵与非线性散射函数矩阵的关系
  • 4.4.2 多谐波的线性两端口网络的归一化阻抗矩阵、归一化导纳矩阵和散射矩阵的表示式
  • 4.5 两端口非线性网络与两端口线性网络的级联
  • 4.6 两端口非线性网络与两端口线性网络的串联
  • 4.7 两端口非线性网络与两端口线性网络的并联
  • 4.8 两端口非线性网络端接负载
  • 第五章 人工神经网络预测技术的研究
  • 5.1 人工神经网络
  • 5.1.1 神经元的模型
  • 5.1.2 神经网络的典型模型
  • 5.2 递归神经网络
  • 5.2.1 Elman网络
  • 5.2.2 Hopfield网络
  • 第六章 基于递归神经网络建立非线性散射函数模型的研究
  • 6.1 建模中应注意的问题
  • 6.2 基于Elman网络的建模
  • 6.3 实验数据测试系统
  • 6.4 实验结果
  • 6.5 小结
  • 总结
  • 致谢
  • 参考文献
  • 作者在读期间的研究成果
  • 相关论文文献

    • [1].基于递归神经网络和FPGA的非线性方程组快速求解研究[J]. 传感器世界 2015(10)
    • [2].基于结构优化递归神经网络的网络流量预测[J]. 西南大学学报(自然科学版) 2016(02)
    • [3].对角递归神经网络在控制系统中的应用现状分析[J]. 电气自动化 2016(02)
    • [4].具有变时滞和马尔可夫切换的随机递归神经网络的弱收敛(英文)[J]. 数学理论与应用 2015(01)
    • [5].带马尔可夫跳的时滞随机递归神经网络的以分布渐近稳定性[J]. 数学的实践与认识 2018(06)
    • [6].基于递归神经网络的散文诗自动生成方法[J]. 计算机系统应用 2018(08)
    • [7].基于对角递归神经网络的控制系统[J]. 福州大学学报(自然科学版) 2016(06)
    • [8].具时滞离散递归神经网络稳定性分析的一种延迟剖分方法[J]. 江南大学学报(自然科学版) 2012(05)
    • [9].混沌对角递归神经网络的船舶横摇预报方法[J]. 控制与决策 2012(11)
    • [10].具时滞离散递归神经网络的全局指数稳定性[J]. 昆明理工大学学报(自然科学版) 2011(01)
    • [11].简单动态递归神经网络在非线性系统辨识中的应用[J]. 河北科技大学学报 2009(02)
    • [12].基于深度递归神经网络的电力系统短期负荷预测模型[J]. 电力系统及其自动化学报 2019(01)
    • [13].一类变时滞忆阻器递归神经网络全局指数周期性[J]. 计算机应用与软件 2016(03)
    • [14].基于动态递归神经网络的地连墙安全预测[J]. 路基工程 2016(03)
    • [15].基于多尺度时间递归神经网络的人群异常检测[J]. 软件学报 2015(11)
    • [16].基于模糊递归神经网络的污泥容积指数预测模型[J]. 化工学报 2013(12)
    • [17].基于分布估计算法的对角递归神经网络短期负荷预测模型研究[J]. 青岛大学学报(工程技术版) 2012(02)
    • [18].对角递归神经网络永磁同步电机的无传感器控制[J]. 沈阳工业大学学报 2008(01)
    • [19].基于递归神经网络的桥梁变形趋势预测研究[J]. 公路与汽运 2018(02)
    • [20].基于递归神经网络的自动作曲算法[J]. 吉林大学学报(工学版) 2018(03)
    • [21].基于递归神经网络局部建模的人群异常事件监测[J]. 计算机应用研究 2018(06)
    • [22].时标上一类具有广义激活函数的高阶递归神经网络系统的指数收敛性(英文)[J]. 昆明理工大学学报(自然科学版) 2015(02)
    • [23].一类变时滞递归神经网络概周期解的存在性[J]. 山西大同大学学报(自然科学版) 2012(06)
    • [24].时滞递归神经网络鲁棒稳定性分析的统一方法[J]. 华中科技大学学报(自然科学版) 2009(06)
    • [25].一种基于神经网络的学生成绩预测方法[J]. 辽宁师专学报(自然科学版) 2019(03)
    • [26].基于递归神经网络的化工反应过程建模[J]. 高校化学工程学报 2019(05)
    • [27].基于字符的递归神经网络在中文语言模型中的研究与实现[J]. 现代信息科技 2018(08)
    • [28].使用递归神经网络的目标依赖产品评价分析[J]. 计算机工程与设计 2018(11)
    • [29].机器阅读理解软件中答案相关句的抽取算法研究[J]. 软件工程 2017(10)
    • [30].二阶对角递归神经网络船舶横摇运动预测[J]. 华中科技大学学报(自然科学版) 2011(06)

    标签:;  ;  ;  

    微波非线性散射函数理论分析和基于递归神经网络大信号建模技术的研究
    下载Doc文档

    猜你喜欢