基于神經(jīng)網(wǎng)絡的微波均衡器建模與仿真
加入技術交流群
在建模過程中，如果要建立精確的神經(jīng)網(wǎng)絡模型，通常需要提供大量的訓練樣本。而在課題開展過程中，針對微波均衡器的復雜特性提出了以海量數(shù)據(jù)庫為基礎的網(wǎng)絡子結構互聯(lián)分析方法。這一方法的提出為建立均衡器神經(jīng)網(wǎng)絡模型提供了大量準確的訓練樣本。
文中采用加入LM算法進行網(wǎng)絡訓練的RBF網(wǎng)絡對均衡器進行建模，將均衡器的結構尺寸（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)絡的輸入樣本，S參數(shù)作為輸出樣本，進行RBF網(wǎng)絡訓練。總共選取了100組樣點作為訓練數(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)與輸入樣本間的關系：Y=F(X)，其中：X是神經(jīng)網(wǎng)絡的輸入變量；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)絡的仿真曲線, 由此可見誤差非常小。圖5給出了達到預期的設計精度0.000 1所需的訓練步數(shù)為35步，此網(wǎng)絡很快即達到了設計精度。為了驗證訓練后的RBF網(wǎng)絡的性能，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計（DOE）原則。仿真輸出再次說明RBF神經(jīng)網(wǎng)絡建模的性能相當穩(wěn)定。而且利用該神經(jīng)網(wǎng)絡進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意。
本文引用地址：http://www.biyoush.com/article/158055.htm
本文采用RBF神經(jīng)網(wǎng)絡對微波均衡器進行了建模。仿真設計的結果與網(wǎng)絡分析儀的測試結果進行了比較，誤差較小。這表明本文提出的神經(jīng)網(wǎng)絡模型設計方法使得微波均衡器的設計過程變得速度快、精度高，具有準確、省時、輔助設計等優(yōu)點。對于微波器件的分析設計具有很好的應用價值。
帶通濾波器相關文章:帶通濾波器設計
評論