径向基神经网络在射频微波电路建模中的应用研究

摘要

射频功率放大器和滤波器在通信系统中占据重要位置，它们的特性对整个系统产生很大影响，因此，对两者进行非线性分析与设计显得至关重要。传统的分析设计方法大多依赖计算机辅助设计，随着通信技术的不断发展，传统方法已不能满足要求。神经网络技术屏蔽器件内部结构，建立器件行为模型，可作为分析器件非线性的有效方法。为建立射频功率放大器和滤波器的行为模型，本文研究内容如下：
　　为建立功放的非线性模型，本文提出改进的并行粒子群算法优化RBF网络建模方法。基于并行粒子群，在粒子的速度项引入全局最优粒子（全体粒子中的最优值）和新的学习因子，对速度公式中的三个学习因子进行动态调整；采用自适应变异机制，粒子可根据自身的适应度值来选择是否要进行变异，并线性递减速度项惯性权重，由此形成改进并行粒子群算法。将其用于优化 RBF网络地权值，建立射频晶体管功放 CGH40010的输入输出功率模型。结果表明，改进的并行粒子群算法优化的网络模型具有更高的建模精度，更能拟合功放非线性。
　　设计一款LTE2.6 GHz中国移动D频段滤波器并建立RBF网络模型。根据平行耦合微带线滤波器的设计理论，在ADS中对滤波器进行原始设计，确定并提取初始结构参数。为了验证神经网络对滤波器建模的可行性，将提出的原始参数导入 MATLAB神经网络模型中。采用引入高斯扰动的粒子群算法对RBF神经网络建模，优化网络参数，建立的模型辅助确定滤波器的尺寸参数。
　　采用改进算法优化网络模型能够准确反映出器件的特性，缩短设计周期，为器件设计提供理论指导。

目录

声明

致谢

1 绪论

1.1 研究背景及意义

1.2 神经网络射频微波器件建模研究现状及发展趋势

1.3 粒子群算法优化神经网络研究现状

1.4 论文主要研究内容及结构安排

2 神经网络理论

2.1 神经网络基本理论

2.2 神经网络学习与训练

2.3 神经网络特性

2.4 RBF神经网络模型理论

2.5 本章小结

3 粒子群算法及其改进算法

3.1 基本粒子群算法

3.2 并行粒子群算法

3.3 带有高斯扰动的粒子群算法

3.4 本章小结

4 改进并行粒子群算法优化RBF的功放建模

4.1 功放非线性分析

4.2 功放记忆效应

4.3 功放传统建模方法

4.4 改进并行粒子群算法优化功放建模

4.5 仿真参数设置与结果分析

4.6 本章小结

5 微带带通滤波器神经网络建模与优化

5.1 平行耦合微带线理论

5.2 LTE中国移动平行耦合微带线带通滤波器设计

5.3 带有高斯扰动粒子群算法优化微带滤波器建模

5.4 本章小结

结论

参考文献

作 者 简 历

学位论文数据集