基于神經(jīng)網(wǎng)絡(luò)的微波射頻器件建模.pdf

1、為了提高產(chǎn)品性能、縮短設(shè)計(jì)周期、降低成本，設(shè)計(jì)人員往往依賴(lài)于計(jì)算機(jī)輔助設(shè)計(jì)(Computer-Aided Design, CAD)中高效、準(zhǔn)確的器件模型。在微波及射頻建模領(lǐng)域，傳統(tǒng)建模方法需要不斷嘗試和反復(fù)修正模型，其建模周期和模型精度已經(jīng)不能滿(mǎn)足新器件的建模要求。近些年來(lái)，人工神經(jīng)網(wǎng)絡(luò)(Artificial Neural Network, ANN)被公認(rèn)為是代替?zhèn)鹘y(tǒng)建模技術(shù)的有效方法。本文提出了三種改進(jìn)的神經(jīng)網(wǎng)絡(luò)建模方法，分別適用于異

2、質(zhì)結(jié)雙極型晶體管(Heterojunction Bipolar Transistor, HBT)建模、封裝晶體管建模和功率放大器記憶效應(yīng)(Memory Effects)建模。
　　首先，本文提出的適用于HBT晶體管建模方法是對(duì)已有神經(jīng)網(wǎng)絡(luò)空間映射(Neuro-Space Mapping, Neuro-SM)結(jié)構(gòu)進(jìn)行改進(jìn)，用電流和電壓的混合映射網(wǎng)絡(luò)代替電壓映射網(wǎng)絡(luò)。本文提出用混合矩陣H參數(shù)表示HBT晶體管的小信號(hào)信息，推導(dǎo)了經(jīng)驗(yàn)公式

3、模型H參數(shù)與被建模對(duì)象H參數(shù)之間的關(guān)系式。對(duì)HBT晶體管實(shí)測(cè)數(shù)據(jù)建模結(jié)果表明，本文提出的HBT晶體管模型能夠準(zhǔn)確反映其直流和小信號(hào)特性且能方便地導(dǎo)入仿真軟件中。其次，本文提出的適用于封裝晶體管建模方法是將封裝晶體管分為輸入封裝電路、非線性電路和輸出封裝電路三部分，并對(duì)其建模。根據(jù)封裝電路具有互易性的特點(diǎn)，推導(dǎo)了封裝電路線性公式，并與神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)相結(jié)合搭建了封裝電路模型。本文推導(dǎo)了輸入封裝電路、非線性電路和輸出封裝電路三部分S參數(shù)與封裝晶

4、體管整體S參數(shù)之間的計(jì)算公式。給出了封裝晶體管整體模型的結(jié)構(gòu)圖，提出一種新的映射電路結(jié)構(gòu)。通過(guò)封裝晶體管建模實(shí)例驗(yàn)證了本文提出的封裝晶體管建模方法的可行性和精確性。最后，本文提出一種基于遞歸神經(jīng)網(wǎng)絡(luò)(Recurrent Neural Network, RNN)的功率放大器記憶效應(yīng)建模方法。從放大器的輸入輸出信號(hào)中提取緩慢變化的信號(hào)，并把該信號(hào)作為新型RNN模型的輸入用來(lái)表示放大器的長(zhǎng)期記憶效應(yīng)。該方法將功率放大器的輸入電流加載到神經(jīng)網(wǎng)絡(luò)