毫米波滤波器人工神经网络建模研究

论文摘要

滤波器是现代微波/毫米波无线通信系统中的重要元件之一,应用RF MEMS技术制作的滤波器可在毫米波段满足低损耗、高品质因数、高线性度、小体积等需求,并易于实现电子系统一体化的集成。但在设计过程中,由于模型的复杂性,特别是若干物理结构参数的相互关联性和射频性能参数的非线性大大增加了它的设计难度,其准确性与计算量、存储量、计算效率以及运行时间成正比。本文通过分析毫米波RF MEMS器件设计过程中现有建模方法存在的问题,提出采用人工神经网络对毫米波器件进行建模,并对该方法的原理及运算过程进行深入的研究。本文以采用LIGA工艺制作的毫米波带通滤波器作为人工神经网络建模的目标器件。分别采用三层前馈BP网络和RBF网络进行建模,在网络训练完成后,使用81×51组训练样本和36×51组随机样本考察两种神经网络的学习和泛化能力,并对两种网络在建模过程中的优缺点进行了比较。通过实验表明,两种网络均能够完成对LIGA滤波器的高效建模,但RBF网络的计算速度和精度要明显好于BP网络。为了进一步证实人工神经网络在毫米波器件建模中应用的可行性,本文以RF MEMS金属桥结构的带通滤波器为例,在确定了其电磁敏感参数的基础上采用三层前馈BP网络进行建模,并使用64×51组训练样本和27×51组测试样本分别考察了网络的学习和泛化能力。实验表明,使用同样配置的计算机,相对于HFSS软件2小时的仿真运算时间,神经网络在90分钟之内完成训练后,针对某一组参数,仅需要几秒钟便可完成再次计算,并且其误差小于1.4811dB。从而有效的证明了人工神经网络建模方法是一种简便、精确、快速而可靠的微波器件建模方法,它能够在某种程度上替代基于物理结构参数的全波仿真软件,完成对多元复杂非线性函数关系的模拟,使其在保持了电磁数值仿真精度的同时,充分缩短了仿真时间,降低了对计算机硬件的要求。

论文目录

• 摘要
• Abstract
• 第1章 绪论
• 1.1 课题背景及研究意义
• 1.2 国内外在该方向的研究现状及分析
• 1.2.1 人工神经网络在微波领域的应用
• 1.2.2 人工神经网络在微波器件设计中的应用
• 1.3 微波和毫米波无源电路的分析方法
• 1.4 本文研究的主要内容
• 第2章 人工神经网络基础
• 2.1 神经网络简介
• 2.1.1 人工神经网络的发展与现状
• 2.1.2 人工神经网络的特点
• 2.2 神经网络的结构
• 2.2.1 神经元模型
• 2.2.2 神经网络的结构与类型
• 2.3 BP 神经网络
• 2.3.1 BP 学习算法
• 2.3.2 BP 学习算法的步骤
• 2.3.3 BP 算法的改进
• 2.4 径向基函数神经网络（RBF）
• 2.4.1 RBF 神经网络模型
• 2.4.2 RBF 网络的学习算法和学习过程
• 2.5 RBF 网络与BP 网络的比较
• 2.6 本章小结
• 第3章 基于ANN的微波器件建模方法
• 3.1 微波/毫米波器件的传统建模方法及其局限性
• 3.2 应用人工神经网络对微波器件建模的优越性
• 3.3 基于ANN 的微波器件建模方法
• 3.3.1 样本数据的获取
• 3.3.2 网络的建立及训练
• 3.3.3 网络性能的评价
• 3.4 本章小结
• 第4章 毫米波LIGA滤波器电磁建模
• 4.1 LIGA 工艺技术
• 4.1.1 LIGA 工艺的特点
• 4.1.2 LIGA 工艺原理及其在滤波器中的应用
• 4.2 LIGA 微带带通滤波器设计
• 4.2.1 LIGA 耦合微带传输线特性分析
• 4.2.2 LIGA 微带平行耦合滤波器的设计
• 4.3 毫米波滤波器电磁敏感参数分析
• 4.4 毫米波LIGA 滤波器的ANN 建模方法
• 4.4.1 人工神经网络训练样本的生成
• 4.4.2 神经网络的建立和训练
• 4.4.3 RBF 网络与多层前馈BP 网络在建模中的性能比较
• 4.5 本章小结
• 第5章 RF MEMS金属桥滤波器电磁建模
• 5.1 RF MEMS 金属桥可变电容的设计
• 5.2 RF MEMS 金属桥的制作工艺
• 5.3 RF MEMS 金属桥滤波器的设计
• 5.4 RF MEMS 滤波器电磁敏感参数分析
• 5.5 RF MEMS 金属桥滤波器的ANN 建模方法
• 5.6 本章小节
• 结论
• 参考文献
• 攻读学位期间发表的学术论文
• 致谢