基于神經(jīng)網(wǎng)絡(luò )的微波均衡器建模與仿真
加入技術(shù)交流群
在建模過(guò)程中，如果要建立精確的神經(jīng)網(wǎng)絡(luò )模型，通常需要提供大量的訓練樣本。而在課題開(kāi)展過(guò)程中，針對微波均衡器的復雜特性提出了以海量數據庫為基礎的網(wǎng)絡(luò )子結構互聯(lián)分析方法。這一方法的提出為建立均衡器神經(jīng)網(wǎng)絡(luò )模型提供了大量準確的訓練樣本。
文中采用加入LM算法進(jìn)行網(wǎng)絡(luò )訓練的RBF網(wǎng)絡(luò )對均衡器進(jìn)行建模，將均衡器的結構尺寸（諧振腔的腔長(cháng)、探針插入主傳輸線(xiàn)的深度、吸收材料插入深度）和頻率作為神經(jīng)網(wǎng)絡(luò )的輸入樣本，S參數作為輸出樣本，進(jìn)行RBF網(wǎng)絡(luò )訓練?？偣策x取了100組樣點(diǎn)作為訓練數據，另外又選取了100組不同的樣點(diǎn)作為神經(jīng)網(wǎng)絡(luò )模型性能的測試數據。頻率8.6GHz≤freq≤10.092 5GHz。模擬S參數與輸入樣本間的關(guān)系：Y=F(X)，其中：X是神經(jīng)網(wǎng)絡(luò )的輸入變量；Y是輸出變量，Y=(|S11|,|S21|)。利用MATLAB軟件仿真輸出變量中|S21|的仿真和訓練結果如圖4～圖7所示。其中，圖4為RBF網(wǎng)絡(luò )的仿真曲線(xiàn), 由此可見(jiàn)誤差非常小。圖5給出了達到預期的設計精度0.000 1所需的訓練步數為35步，此網(wǎng)絡(luò )很快即達到了設計精度。為了驗證訓練后的RBF網(wǎng)絡(luò )的性能，另選取100組樣點(diǎn)進(jìn)行測試，其測試曲線(xiàn)如圖6所示，RBF網(wǎng)絡(luò )的測試性能可由圖7所示，測試絕對誤差的絕對值小于0.03，98%的測試相對誤差小于5%，在|S21|衰減最大的拐點(diǎn)位置相對誤差較大，這是因為測試樣點(diǎn)在拐點(diǎn)處的選取沒(méi)能滿(mǎn)足實(shí)驗設計（DOE）原則。仿真輸出再次說(shuō)明RBF神經(jīng)網(wǎng)絡(luò )建模的性能相當穩定。而且利用該神經(jīng)網(wǎng)絡(luò )進(jìn)行仿真設計的結果具有很好的可重復性，設計達到的效果令人滿(mǎn)意。
本文引用地址：http://dyxdggzs.com/article/158055.htm
本文采用RBF神經(jīng)網(wǎng)絡(luò )對微波均衡器進(jìn)行了建模。仿真設計的結果與網(wǎng)絡(luò )分析儀的測試結果進(jìn)行了比較，誤差較小。這表明本文提出的神經(jīng)網(wǎng)絡(luò )模型設計方法使得微波均衡器的設計過(guò)程變得速度快、精度高，具有準確、省時(shí)、輔助設計等優(yōu)點(diǎn)。對于微波器件的分析設計具有很好的應用價(jià)值。
帶通濾波器相關(guān)文章:帶通濾波器設計
評論