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(xùn)練樣本。而在課題開展過程中，針對微波均衡器的復(fù)雜特性提出了以海量數(shù)據(jù)庫為基礎(chǔ)的網(wǎng)絡(luò)子結(jié)構(gòu)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(xùn)練樣本。
文中采用加入LM算法進行網(wǎng)絡(luò)訓(xùn)練的RBF網(wǎng)絡(luò)對均衡器進行建模，將均衡器的結(jié)構(gòu)尺寸（諧振腔的腔長、探針插入主傳輸線的深度、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(shù)作為輸出樣本，進行RBF網(wǎng)絡(luò)訓(xùn)練?？偣策x取了100組樣點作為訓(xùn)練數(shù)據(jù)，另外又選取了100組不同的樣點作為神經(jīng)網(wǎng)絡(luò)模型性能的測試數(shù)據(jù)。頻率8.6GHz≤freq≤10.092 5GHz。模擬S參數(shù)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(xùn)練結(jié)果如圖4～圖7所示。其中，圖4為RBF網(wǎng)絡(luò)的仿真曲線, 由此可見誤差非常小。圖5給出了達到預(yù)期的設(shè)計精度0.000 1所需的訓(xùn)練步數(shù)為35步，此網(wǎng)絡(luò)很快即達到了設(shè)計精度。為了驗證訓(xùn)練后的RBF網(wǎng)絡(luò)的性能，另選取100組樣點進行測試，其測試曲線如圖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|衰減最大的拐點位置相對誤差較大，這是因為測試樣點在拐點處的選取沒能滿足實驗設(shè)計（DOE）原則。仿真輸出再次說明RBF神經(jīng)網(wǎng)絡(luò)建模的性能相當穩(wěn)定。而且利用該神經(jīng)網(wǎng)絡(luò)進行仿真設(shè)計的結(jié)果具有很好的可重復(fù)性，設(shè)計達到的效果令人滿意。
本文引用地址：http://butianyuan.cn/article/158055.htm
本文采用RBF神經(jīng)網(wǎng)絡(luò)對微波均衡器進行了建模。仿真設(shè)計的結(jié)果與網(wǎng)絡(luò)分析儀的測試結(jié)果進行了比較，誤差較小。這表明本文提出的神經(jīng)網(wǎng)絡(luò)模型設(shè)計方法使得微波均衡器的設(shè)計過程變得速度快、精度高，具有準確、省時、輔助設(shè)計等優(yōu)點。對于微波器件的分析設(shè)計具有很好的應(yīng)用價值。
帶通濾波器相關(guān)文章:帶通濾波器設(shè)計
評論